AI시대의 소프트웨어 아키텍처

고령자 AI 안심서비스를 제공하기 위한 모델 훈련에는 다양한 센서 데이터를 분석하고, 비정상적인 활동을 감지하며, 실시간으로 경고를 생성하는 작업이 포함됩니다. 이러한 서비스는 일반적으로 딥러닝 기반의 모델, 특히 컴퓨터 비전 및 자연어 처리(NLP) 모델을 활용하여 고령자의 안전 상태를 모니터링합니다. 이를 위해 적정한 FLOPS 성능과 AWS 인스턴스 선택이 필요합니다. I.      적정 인스턴스 선택 Process 1. 적정 FLOPS 산정고령자 AI 안심서비스를 위한 AI 모델 훈련에서 필요한 FLOPS는 모델 복잡성과 처리해야 하는 데이터의 양에 따라 다릅니다. 일반적인 예측 모델이나 비전 모델의 경우 중소 규모의 작업에서는 10-20 TFLOPS 정도가 적합할 수 있으며, 대규모 데이터 또는..

질문 1)데이터 주석 처리 부분에서 GPT-4는 머신 러닝 모델을 위한 데이터 준비에서 중요한 단계인 데이터 주석 처리에도 사용된다고 하였는데, 제가 아는 주석은 코드 내에서 실행되지 않고 가독성을 높이거나 부연설명을 하기 위한 역할로 알고있습니다. 보통 데이터는 코드 내에 존재하기엔 너무나 방대한 양이여서 따로 정제 후 불러오는 것으로 알고있습니다. 그렇다면 책에서 말하는 주석은 단순하게 데이터에 대해 요약하는 가이드라인 같은 것으로 받아들이면 되나요? 예를 들어 보통 GIThub에 있는 readme 파일 같은 걸 의미합니다. 답변)여기서 말하는 데이터 주석 처리(Data Annotation)는 머신 러닝 모델을 훈련시키기 위해 데이터를 준비하는 과정에서, 데이터에 의미 있는 레이블이나 태그를 추가하는..

RLHF(인간 피드백을 통한 강화 학습)가 실질적으로 적용된 AI 모델 및 서비스는 다양합니다. 이 기술은 AI가 사람들과 더 자연스럽고 유용하게 상호작용할 수 있도록 돕기 때문에, 상업적으로 성공한 여러 AI 시스템에 사용되었습니다. 아래에 RLHF가 실질적으로 적용된 AI 모델과 서비스의 구체적인 예시를 소개합니다.  1. OpenAI의 ChatGPT- 적용된 방식: ChatGPT는 RLHF의 대표적인 성공 사례입니다. 이 모델은 기본적인 언어 모델을 인간 피드백으로 미세 조정하여, 더 자연스럽고 유용한 대화를 할 수 있도록 개선되었습니다. 사용자들이 제공한 대답의 품질을 평가하고, 올바른 응답을 선택하거나 수정하는 과정을 통해 모델을 개선하는 과정이 포함됩니다.- 구체적 사례: 초기에 GPT-3 모..