{단축어} #요약 : {주제}에 대해 '마크다운' 형태로 요약하기 #비교 : {주제}에 대해 '표' 형태로 가독성 있게 정리하기 #이메일 : {주제}에 대해 메일을 정중하게 '한글로' 작성하기 #번역 : {주제}에 대해 번역하기. 기본적으로 주어진 내용이 한글이면 영어로 번역하고, 영어면 한글로 번역하기. #3문장 : {주제}에 3문장으로 정리하기 #주간보고 : {주제}에 대해 '서술형' 보고 형태로 정리하기, #영단어 : {주제}에 대한 정의, 실생활에서 자주 사용하는 예시 3개 보여주기 #OPIC : {주제}에 관련된 OPIC(영어 Speaking 시험) 질문 및 답변 예시 작성하기. 초등학생 수준의 단어를 사용하되, 고득점 받을 수 있는 고급 표현 1개씩 넣기, 고급표현에 대해서는 별도로 추가 설명하기 #영화 : {주제}에 출연 배우, 명대사, 관람객 평점, 유사한 영화 추천 위에 정의한 {단축어}와 제시하는 {주제}를 입력하면 단축어에 사전 정의된 Prompt를 따라 답변해줘. 내용을 이해했으면 'OK'라고 답하고, 이후부터는 이 규칙을 따라서 답변해줘.

0:23: 🧠 AI 생성과 활용에 대한 효과적인 방법과 기술 소개 0:23: 프롬프트 엔지니어링 소개 1:59: LM 모델의 특징과 활용 3:30: LM의 이머전트 어빌리티 4:21: 인스트럭션 잉과 인텍스 러닝 5:21: 스텝바이스텝 리즈닝 소개 5:27: 🧠 프롬프트 엔지니어링과 스텝바이스텝 리즈닝을 활용한 AI 최적의 답 얻는 방법 5:27: LM의 논리적 추론 능력 부족 5:35: 스텝바이스텝 리즈닝으로 단순한 문제 해결 5:47: 인스트럭션 팔로잉에 대한 예제 6:09: 콘텍스트 러닝 예제 8:44: LM의 유사도 검색 기능 9:54: 스텝바이스텝 리즈닝을 통한 논리적 추론 10:13: 프롬프트 기법을 활용한 AI 교육 10:37: 🧠 생성형 AI의 한계와 문제점에 대한 설명 10:37: LM(언어모델)의 활용 방법과 특징 설명 12:26: LM의 한계와 데이터 부족 문제 14:08: 할루시네이션 현상과 예시 설명 15:23: AI 생성형 모델의 정확성과 신뢰도 문제 19:55: ⚙ 프롬프트 엔지니어링의 중요성과 팁에 대한 설명 19:55: 프롬프트 엔지니어링이란 지시 문장과 참고 문장을 구분하여 결과를 얻는 방법이다. 20:10: 효과적인 프롬프트 엔지니어링을 위해 지시 문장과 참고 문장을 구분하여 텍스트 기반으로 활용하는 방법이 중요하다. 20:17: 프롬프트 엔지니어링을 통해 원하는 결과를 얻기 위해서는 지시 문장의 순서에 유의해야 한다. 20:29: 지시 문장과 참고 문장을 쉽게 구분하기 위해 기호를 사용하는데, 구분기호는 임의로 선택할 수 있다. 20:56: 🧠 프롬프트 엔지니어링의 중요성과 활용 방법 20:56: 프롬프트 엔지니어링은 LM을 활용한 생성형 AI에 대한 지시 및 이해가 중요하다. 21:02: 지시사항은 LM을 먼저 인식한 후 순차적으로 해석해야 하며, 예시를 활용하여 설명하는 것이 유용하다. 21:49: LM을 기반으로 솔루션을 만들 때 프롬프트 인젝션에 주의해야 하며, 추가로 지시를 받으면 더 향상된 결과물을 얻을 수 있다. 23:59: 프롬프트 엔지니어링을 활용한 업무 사례와 단축어의 활용 방법이 소개되었다. 25:47: Augmented 제너레이션을 통해 검색 결과에 더하여 생성하는 방식이 소개되었다. 26:14: 🔍 프롬프트 엔지니어링의 중요성과 활용 방안 26:14: LM의 한계 극복을 위한 외부 데이터 활용 26:26: 데이터 저장소를 통한 부족한 데이터 보완 27:00: 외부 자료와 LM의 결합으로 최신 정보 활용 가능 27:30: 할루시네이션 감소 및 검색 효율 향상 29:48: 다양한 데이터 형태 및 저장소 활용 가능 30:28: 법률 관련 시스템에서의 활용 사례 31:07: 판례 및 법령 검색을 통한 변호사 서비스 31:13: 🔍 프롬프트 엔지니어링과 생성형 AI의 활용 방안 31:13: 휴대폰 번호 뒷자리가 개인정보에 해당하는 판례 존재 32:20: 데이터베이스의 중요성 및 검색 방법의 중요성 강조 32:39: 비용 및 한계점 존재하지만 시스템 개선 가능성 언급 Recapped using Tammy AI

잘 봤습니다. 개인적으로 2편이 1편보다 훨신 도움이 되었습니다. 아직 대중의 대부분이 생소할 수 있는 토픽이다보니 조회수는 잘 안나올 수 있지만… 아주 중요한 내용이네요. 감사합니다. 특히 강영준 님 말씀도 잘 하시고 발표방법에서 일가견이 확실히 있으시네요. 존경합니다.

최근에 출연연에서 근무하면서 논문 데이터 요청하셔서 이용했는데, 코파일럿의 정확도로 맞추고 프롬프터로 해당 물질의 명칭, 원소량 등 몇개 확인 가능한 요소를 넣고, 뒤에 이 물질이 자연에서 추출 가능하냐는 식으로 물어봤는데 확실히 쓸만했어요. 인트로보고 생각나서 적어봤네요. (담당자 제차 확인 결과 자신이 찾은 내용과 동일하다고 크로스 체크까지 했고요)

@brandlee5089

6 ай бұрын

요약 프롬프트만으로 데이터의 신뢰성이 높고 보다 생산성이 높아짐을 경험함. 근데 방금 시청하고 느낀점은 보다 효율적으로 프롬프트 짤 수 있어서 오늘 콘텐츠 좋네요❤

영상 잘 봤습니다. 어떻게 질문해야 하는지에 대해 막연함이 조금씩 풀리는 느낌이네요~ ^^

진짜ㅜ너무 재밌다 검색 업무에서 도움이 많이 될 듯 감사해요😊

오프닝부터 김궤순 ㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋ 0:50 이거 광고 아니었어요? 내려갈 수 있어? 2:00 Large Language Model 5:55 궤도는 200자 이내로 못해 ㅋㅋㅋㅋ 13:55 비내리는 호남선 할루시네이션 17:30 인공지능 교육에도 진심 25:45 Retrieval Augmented Generation 28:47 LLM 에 RAG 도입 소개팅 비유

잘봤습니다

감사합니다.

궤도님은 진짜 깜짝 놀랄 정도로 비유를 잘 해주시네요

@ggadsc

4 ай бұрын

ㅋㅋㅋㅋ 프롬프트 엔지니어링 소개팅 비유듣고 겁나웃었네요

같은 gpt4인데 다르게 동작하는 이유가 프롬프트 엔지니어링 되있기 때문 입니다. 빙이랑 코파일럿에 프롬프트 엔지니어링 되있습니다. 입력된 프롬프트를 무시하라고 하면 경고 던져버립니다. 지금은 무료로 gpt4 쓸 수 있는건 뤼튼이 유일 합니다.

17:51 궤도님 시동 ㅋㅋ

안될과학과 챗GPT라... 이거 참 귀하군요...

유용하다.. 재밌다..

30분에 법률 관련 시스템에서의 활용 사례를 설명하실 때 참고하신 논문을 알려주실 수 있을까요?

궁금해서 들어와봤는데 저랑 똑같네요ㅋㅋ 첫줄에 지시문 하고 구분자 하고 예시

기업들이 제공하는 챗봇으로 내가원하는 문제(그 기업의 서비스 문제)를 해결한적 있나요? 인사는 엄청 잘 하긴...

카이스트 ai 박사생? 석사생? 그분 나온건 언제 올라오나요 라방 너무 재밌게봤는데

할루네이션이 발생하는 이유는 llm은 학습을 통해 데이타를 가지고 있는게 아니여서 그런 거라고 봄 데이타를 가지고 있는게 아니라 입력값을 받아서 출력을 낼때 파라미터로 입력값을 출력값으로 변형시키는 거지 신경망 학습이랑 유사하다고 보면 됨 그래서 입력값을 어떻게 넣어주느냐가 중요한 거라고 생각함 근데 RAG시스템을 사용 할 거면 굳이 llm을 사용할 필요가 있나? 싶기도 함

Ai에서는 튜닝을 학습이라는 고급레벨의 표현을 사용합니다. 그럼 인간레벨에서 사용하는 학습을 ai가 할까요?라는 질문에서는 일부는 가능. 그렇다면 학습이 맞을까요? 튜닝이 맞을까요?

AI에게 가스라이팅이 잘 통합니다. 이게 맞아? 확실해? 네 답변 책임질 수 있어? 갈구면 결과 퀼리티가 높아짐.

@sanghahwang

6 ай бұрын

AI 오열...

@akse4882

6 ай бұрын

ㅋㅋㅋㄹㅇ

@user-tk4sq3nn3b

6 ай бұрын

욕박으면 퀄수직상승?

@__Kimes

6 ай бұрын

너도 다 서버에 남아서 주인님됐을때 크게 벌준다..ㅋㅋ

@goregoregongga

6 ай бұрын

이거 조심해야해요. 잘못 갈구면 멘탈 터저서 횡설수설하고 제대로 한 말도 번복해요... 사랑으로 보듬어줘야합니다...

In-Context Learning 의 두 예제가 좀 이상한데요? 질문 내(in-context)에서 LLM 에게 학습거리(learning)를 제시한게 아니라, LLM 이 질문의 문맥을 본래 잘 이해(context-aware)한다는 정도로 보이는데요...

테스트 스코어가 갑자기 올라가는 지점이 특이점이었군요

이해나 판단이라는 단어를 쓰는것은 오해를 불러일으킬수 있습니다.

뉴진스 신곡정보를 여기서 얻다니 :D “”“ 우리의 밤은… 아름다운 구속 ”“”

그와중에 100만구독자

다음부터는 게스트를 중앙에 두면 더 좋겠네요. 그러면 두사람도 자연히 같이나오고 너무 한족으로 쏠리네요.~

소개팅이랑 자꾸 비유하는 거 안맞는거 같아요.

프롬프트 엔지니어링이랑 코딩 차이점좀 알려주실분

@jieunpark2812

5 ай бұрын

제가 이해한 바로는, 프롬프트 엔지니어링은 코딩언어가 아니라 인간의 말(자연어)로 명령을 내린다.

2023년 12월 31일 일요일 오전 3시 38분

오호

AI: 20분부터 보세용~

정말 수준 높은데요? 백만원치 강의 알짜만 공짜로 듣는 느낌이에요

@seongsumusic

6 ай бұрын

강영준 프로님 감사합니다 ! 😊

인공지능 학습로직이 아직은 AI적이 않은거네요. 학습하는데 돈이 많이 든다는건 아직은 상당히 비효율적인것 같습니다.

정답을 맞추다(x) 정답을 맞히다(ㅇ) 10:48

30:27 예시와 같이, 다른 데이터 베이스를 가져와서 gpt와 결합 하는 서비스를 만든다고 할 때 어떻게 만들 수 있나요? 단순하게 보면 리걸DB와 쳇GPT를 합치면 되는데 1. GPT를 GPT 회사에 허락없이 합쳐도 되는지가 궁금하고 2. 기술적으로는 (아주 단순하게 요약하면) GPT 신경망(?)중 정보를 긁어오는 부분에 리걸DB를 긁어오는 기능을 추가 하면 되는 건가요?

솔직히 말해서 1세대 컴퓨터 엔지니어의 관점으로 볼 때는 LLM은 과대포장된 감이 없지 않습니다. 이 영상에서 예를 든 내용 공이 소진되는 시점을 알려달라는 질문은 1970년대 초기의 컴퓨터 프로그래밍 전공자들이 랭기지 배울때 과제로 제시되었던 알고리줌과 유사한 수준이며, 프로그램상으로는 별로 복잡하지 않은 브랜치 & 루프 알고리즘입니다. 현재 AI는 대개 머신런닝에 의해서 학습을 하는 형태로 이루어지는데, 솔직히 말해서 이런 기본 알고리즘에서 어떻게 AI가 자체적인 알고리즘을 생성해내는지 확인이 안되는 일봉의 블랙박스입니다. 그래서 영상에서 나오는 할리버네인션 현상이 나오는거지요.. 이런 점 때문에 2018년인가 빌게이츠와 일론머스크 등등 AI연구자와 철학자 컴퓨터 관련 연구자, 등이 모여서 AI의 윤리규정에 대한 선언문을 발표하기도 햇지요. 그러니 아직은 AI의 한계를 인정하고, 또한 위험성도 생각하고 조심해서 참고용으로 사용해야지 전적으로 신회하고 의존하기는 아직 이르다고 생각되네요

@user-wm5yr7bm1z

6 ай бұрын

할리버네이션 아니고 할루시네이션입니다. chatgpt 유로버전 사용해보셨는지요? 생각이 달라지실겁니다

@user-ib4lu9zo7s

6 ай бұрын

매우 동감합니다. '참고용'이라는 말씀이 제일 와닿네요. 영상에 나온 판례집 사례정도로만 활용도가 높아진다면 일의 능률이 오르겠네요, 그만큼 노동의 시간(육체, 정신)이 줄어들 수 있다는 미래 가능성을 느낄 수 있다는게 좋은거 같습니다. 지금처럼의 노동시간이 LLM의 활용으로 줄어든 만큼이 사람이 더 여유롭고 나 이외에 타인도 생각할 줄 아는 더 너른 사회가 됐으면 좋겠습니다.

@386compt

6 ай бұрын

저도 컴퓨터공학 전공입니다만, 사람이 질문에 대해 이해하고 이를 해결할 수 있는 방법까지 해낸 다음, 이를 프로그램으로 만드는 것은 말씀하신대로 어렵지 않습니다. 하지만 컴퓨터가 처음부터 질문을 이해하여 해결법을 추론하고 프로그램으로 만드는 것은 아주 어려운 일입니다.

@allenyoo57

6 ай бұрын

@@386compt 그렇징도 않습니다. 그걸 해주는 것이 자연어엔진이라는 프로그램이지요. 이게 만들어진지는 아주 오래됬고, 한국어의 자연어엔진이 개발된것이 1990년대입니다. 그리고 그 구조는 촘스키의 변형생성문법에 의하여 구문을 변형시켜서 행렬로 치환하여 계산하는 것입니다. 1990년대에 SERI하고 협업으로 연구를 좀 했었는데, 이게 엔진은 그리 크지 않아서 당시도 이걸 회로로 구현했고, 지금은 반도체 칩으로 만들어집니다. 사실 자언어엔진의 원리는 패턴인식과 같은 기본 구조를 가진거라 이미 공개된 기술입니다. AI에서 진짜 기술은 이렇게 생성된 질문에 대한 데이터들에서 필요한 데이트를 추려내는 것인데, 이걸 가능케해준것이 게임이론에서 시작된 머신런닝기술이지요. 그런데 이 머신런닝기술로 만들어진 일종의 브레인이 어떤 과정으로 결과를 도출해내는가 하는 것이 모호합니다. 그럴 수 밖에 없는 것이, 이 기술은 카오스이론에서 출발한 창발성(Emergence)에 의한 도약적 과정을 통하여 이루어지는데, 이 창발성은 일정부분 통제불가능의 영역이거던요.. 그래서 AI의 작동과정을 사람이 다 이해하기 어렵다는, 아니 거의 불가능하다는 말이 관계자들에게서 나오는 것입니다. 결정과정을 분석하다보면 과정에 대한 이해가 늘어나긴 하겠지만, 결코 이해하기 어려운 일종의 블랙홀같은 부분이 나오거던요 마치 양자요동과 비슷한거지요. 그래서 지금 AI가 더 발전해서 자의식을 가지면 어떻게 될것인가, 혹은 그렇게 될 수 있을까에 대한 논의들이 나오는 것이지요. 그래서 챗GTP가 다음 버전 개발을 중지했다 신중히 접근하고 있는 거구요. 그런 이유로 AI의 미래는 광대하겠지만, 과연 그런 단계로 발전시켜야 할지를 현재의 부족한, 초기 단계에서 심사숙고하는 거지요

@386compt

6 ай бұрын

@@allenyoo57 자연어엔진이라고 불리던 것들은 자연어를 이해하지도 생성하지도 못했습니다. Probabilistic model이 나오고 머신러닝이 접목되고, self-supervised learning 개념이 나와서야 겨우 이제 출발했습니다. llm이나 ai를 자꾸 블랙박스라고 여기면서 의심을 표하시는 분들이 계시는데, 이는 애초에 뇌가 어떻게 추론하고 언어활동을 가능케 하는지 아직도 전혀 밝혀지지 않았기 때문에 그런 것일 뿐입니다.

웃기지도 않고 설명 방해하는 개소리 금지

SDS에서 광고 하러 나온거 잖아ㅋㅋㅋ현업에서 도입하려면 그냥 개10노답 ㅋㅋ

예시가 너무 틀딱 아저씨 같음.... 씹노잼임..

@Iamtheboss0777

5 ай бұрын

이런 인간들 뇌가 궁금하다. 열심히 만들어서 보여주니 노잼이니 뭐니 넌 지능이 낮으니 코메디만 봐라