프로그래머의 새로운 역할 얼마전에 읽은 글에서 가장 먼저 떠오른 생각은 프로그래머의 역할 변화였습니다. 과거에는 단순 반복 코드 작성이 주된 일이었지만, 이제는 시스템 설계, 테스트, 그리고 더 창의적인 문제 해결로 초점이 이동하고 있습니다. 특히 LLM(대형 언어 모델)의 발전은 프로그래밍의 본질을 바꿔놓고 있죠. 프로그래밍은 더 이상 코드의 세세한 문법에 얽매이지 않습니다. 자연어로 생각을 표현하면 AI가 이를 코드로…
AI 기술이 점점 더 발전하면서, 우리는 매일 새로운 AI 모델과 기술의 등장을 목격하고 있습니다. 하지만 대부분의 첨단 AI 기술은 높은 비용과 복잡한 하드웨어 요구사항 때문에 소수의 기업이나 전문가만 사용할 수 있었습니다. 이러한 상황에서 DeepSeek-R1이라는 모델이 등장하며, AI를 더 많은 사람들에게 열어주는 혁신적인 변화를 일으키고 있습니다. DeepSeek-R1은 무엇인가요? DeepSeek-R1은 중국의 AI 스타트업 DeepSeek에서 개발한 오픈소스 AI…
AI를 어떻게 쓰면 좋을까요? 너무 어렵고 고급스럽게 생각할 필요 없습니다.이 글에서는 챗봇도, RAG도, AGI도 등장하지 않습니다.AI가 직접 사용자와 대화하지도 않아요. 그 대신, 사람이 평소에 “그냥 보면 알지” 하고 넘기던 일들을 AI가 대신할 수 있는 실제 사례들을 소개합니다.복잡한 기술보다 중요한 건 *“그럴 듯한 아이디어”*입니다.하나라도 여러분의 서비스에 도움이 된다면 충분히 가치 있다고 생각합니다. 1. 🐶 AI로 맞춤…
LLM 에이전트, 도구, 함수 호출을 활용하여 위키피디아에서 노래 메타데이터를 추출하는 방법을 단계별로 살펴보았습니다. LangChain 프레임워크를 통해 GPT 3.5 Turbo 모델과 위키피디아 API를 연결하고, 사용자 정의 프롬프트와 출력 파서를 정의하여 원하는 정보를 구조화된 형식으로 추출할 수 있었습니다. 이 접근 방식은 유연성과 확장성이 높아 다양한 데이터 소스와 추출 태스크에 적용할 수 있는 강력한 도구이지만, LLM의 한계와 비용 등의 고려 사항도 존재합니다.
최근 AI 시스템과 외부 데이터 소스의 통합이 중요한 이슈로 부각되고 있습니다. **Model Context Protocol(MCP)**는 이러한 통합을 표준화하여 AI 모델이 외부 데이터에 효율적으로 접근할 수 있도록 돕는 프로토콜입니다. 이번 글에서는 MCP 사양에 맞게 서버와 클라이언트 애플리케이션을 구축하는 방법을 소개하겠습니다. MCP란 무엇인가? **MCP(Model Context Protocol)**는 AI 애플리케이션과 외부 데이터 소스 및 도구를 표준화된 방식으로 연결하는 개방형 프로토콜입니다….
AI 코딩 어시스턴트는 개발자들에게 큰 도움을 주지만, 동시에 보안 위험과 설정의 복잡성을 초래할 수 있습니다. CodeGate은 이러한 문제를 해결하기 위해 설계된 도구로, AI 모델과 코딩 어시스턴트를 중앙에서 관리하고 보안을 강화할 수 있는 다양한 기능을 제공합니다. 이 블로그에서는 CodeGate의 주요 기능과 사용 방법에 대해 자세히 알아보겠습니다. CodeGate란? CodeGate은 AI 애플리케이션, 코딩 어시스턴트, 그리고 에이전트 기반 프레임워크를…
How to Instruction Tune Code LLMs without GPT4 Data? Meet OctoPack: A Set of AI Models for Instruction Tuning Code Large Language Models [논문] OCTOPACK: INSTRUCTION TUNING CODE LARGE LANGUAGE MODELS 큰 언어 모델(LLM)의 사용성 및 전체 성능은 지시어를 통해 제공된 다양한 언어 작업을 미세 조정함으로써 향상될 수 있다는 것이 증명되었습니다 (instruction tuning). 시각, 청각,…
생성형 AI의 활용 가능성을 확인하기 위해 ChatGPT와 Claude AI에 교량, 벽 등 콘크리트 구조물의 균열 사진을 제공하고 분석을 요청하였습니다. 제공된 사진만으로는 균열의 존재 여부를 확인하기 어려웠으나, 근접 촬영된 사진에서는 균열의 위치, 크기, 형태, 심각도를 비교적 정확하게 파악할 수 있었습니다. 생성형 AI는 균열 분석에 활용 가능성이 있으나, 정확한 판단을 위해서는 고해상도의 근접 사진이 필요할 것으로 보입니다.
한 번쯤 이런 경험이 있지 않으신가요? 데이터는 이미 우리 손에 있지만, 접근 방식이 너무 복잡해 의사결정은 늦어지고 분석가는 단순 작업에 매몰됩니다. 결국 데이터는 기업의 자산이 아니라 답답한 블랙박스가 되어버립니다. 문제: 데이터는 있는데, 왜 활용은 어려운가? 기업 내 많은 부서는 데이터를 필요로 하지만, 대부분 SQL을 다룰 줄 모릅니다. 그래서 요청은 분석가에게 몰리고, 분석가는 티켓 처리하느라 본연의…
AutoGen을 활용하면 실시간 데이터 분석 및 시각화 도구, 자동 고객 서비스 시스템, 협업 프로젝트 관리 도구, 자동 코드 생성 및 검토 시스템, 그리고 개인화된 학습 및 교육 플랫폼과 같은 다양한 응용 프로그램을 개발할 수 있습니다.
