728x90 머신러닝16 인공지능(AI), 췌장암 예측 및 퇴치를 위한 강력한 지원군 인공지능(AI)은 다양한 분야에 걸쳐 큰 파장을 일으키고 있으며 의료 분야도 예외는 아닙니다. 의료 분야의 다양한 응용 분야 중에서도 특히 췌장암을 비롯한 질병의 조기 발견에 대한 AI의 잠재력은 점점 더 많은 관심과 연구의 대상이 되고 있습니다. 최근 Nature Medicine에 발표된 "질병 궤적에서 췌장암 위험을 예측하는 딥러닝 알고리즘"이라는 제목의 연구는 이러한 방향에서 중요한 도약을 이뤘습니다. 췌장암은 위험 요인에 대한 이해 부족으로 인해 조기 진단이 어려운 것으로 악명이 높습니다. 또한 췌장암의 공격적인 특성으로 인해 진단이 늦어지고 생존율이 낮은 경우가 많습니다. 이러한 문제를 인식한 연구자들은 고위험군 환자를 조기에 발견하기 위해 실제 임상 데이터를 사용하여 예측 모델을 개발하는 데 .. 2023. 5. 14. 거대 언어 모델(LLM)과 Fine-Tuning 인공 지능(AI) 영역에서 언어 모델은 가상 비서 및 번역 서비스부터 콘텐츠 제작 및 감정 분석에 이르기까지 다양한 애플리케이션의 원동력입니다. 하지만 미래로 한 걸음 더 나아가면서 더 크고 강력한 언어 모델로의 중요한 전환이 일어나고 있습니다. 이 글에서는 AI의 진화에 필수적인 거대 언어 모델(LLM)과 파인 튜닝의 개념에 대해 자세히 알아볼 것입니다. 가장 간단한 형태의 언어 모델은 일련의 단어의 가능성을 예측하는 시스템입니다. 최근 몇 년간 딥러닝과 같은 기계 학습 기술을 통해 방대한 양의 텍스트 데이터를 학습하여 일관성 있고 맥락에 맞는 결과를 생성하는 획기적인 발전이 이루어졌습니다. 거대 언어 모델을 차별화하는 것은 그 크기와 인간과 유사한 텍스트를 이해하고 생성할 수 있는 능력입니다. Ope.. 2023. 5. 11. 그래픽카드(GPU)의 발전와 딥 러닝 수십 년 동안 GPU(그래픽 처리 장치)는 다양한 컴퓨팅 애플리케이션에서 필수적인 역할을 해왔습니다. 원래 컴퓨터 게임 및 기타 시각 프로그램을 위한 그래픽 렌더링을 위해 설계된 GPU는 이제 인간 두뇌의 학습 과정을 모방하려는 인공 지능(AI)의 하위 집합인 딥 러닝을 위한 강력한 도구로 진화했습니다. GPU의 진화는 1990년대 후반 개발자가 맞춤형 시각 효과를 코딩할 수 있는 디시말해 3D 컴퓨터 그래픽스에서 물체의 표면이나 픽셀의 색상, 밝기 등을 결정하는 소프트웨어 프로그램인 프로그래머블 셰이더의 도입으로 시작되었습니다. 이 개발은 GPU가 고정 기능 장치에서 프로그래밍 가능한 장치로 전환하는 시작을 알렸습니다. 그러나, 진정한 판도가 바뀌었던 것은 2007년 NVIDIA가 Compute Uni.. 2023. 5. 10. eXplainable AI, XAI의 중요성 설명 가능한 AI( eXplainable AI, XAI)라는 개념은 다양한 애플리케이션에서 머신러닝(Machine Learning, ML) 알고리즘의 사용이 증가함에 따라 등장했습니다. ML 알고리즘은 데이터를 통해 학습하고 예측할 수 있지만, 이를 이해하고 설명하기는 어려울 수 있습니다. 이는 누군가의 삶에 중대한 영향을 미칠 수 있는 결정과 같이 사람들이 ML 알고리즘이 어떤 결정을 내렸는지 이해하는 것이 중요한 상황에서 문제가 될 수 있습니다. '설명 가능한 AI'라는 용어가 처음 사용된 것은 2016년 해석 가능성의 개념을 탐구하고 블랙박스 모델을 해석 가능하게 만드는 데 사용되는 최신 기술에 대한 포괄적인 개요를 제공하는 방법에 관한 책 "Interpretable Machine Learning".. 2023. 5. 7. 인공지능 기술 TOP 10 : 여섯번째 "머신 러닝" 머신 러닝이란 무엇인가요? 머신 러닝은 컴퓨터가 명시적으로 프로그래밍하지 않고도 학습할 수 있도록 하는 인공 지능(AI)의 일종입니다. 머신 러닝 알고리즘은 데이터를 학습한 다음 해당 데이터를 사용하여 예측이나 결정을 내릴 수 있습니다. 머신 러닝은 이미지 인식, 자연어 처리, 사기 탐지 등 다양한 애플리케이션에 사용됩니다. 머신 러닝은 어떻게 작동하나요? 머신 러닝 알고리즘은 데이터에서 패턴을 찾는 방식으로 작동합니다. 알고리즘은 일련의 데이터에 대해 학습한 다음 해당 데이터를 사용하여 새로운 데이터에 대한 예측을 수행합니다. 예를 들어, 머신 러닝 알고리즘은 동물 사진을 보고 다양한 종류의 동물을 인식하도록 학습할 수 있습니다. 알고리즘을 학습시킨 다음에는 동물 사진을 보고 새로운 동물을 식별하는 데.. 2023. 4. 23. 인공지능 기술 TOP 10 : 네번째 "Decision Management" 의사 결정 관리, 더 스마트한 의사 결정을 위한 AI 활용하기 오늘날과 같이 빠르게 변화하는 비즈니스 환경에서 조직은 경쟁에서 앞서 나가기 위해 정보에 입각한 의사 결정을 신속하게 내려야 합니다. 더 나은 의사 결정을 지원하기 위해 등장한 주요 AI 기술 중 하나가 바로 의사 결정 관리입니다. 의사 결정 관리 시스템은 고급 알고리즘, 머신 러닝 및 데이터 분석을 활용하여 조직이 의사 결정 프로세스를 자동화하고 최적화함으로써 효율성, 정확성 및 경쟁력을 개선할 수 있도록 지원합니다. 1. 의사 결정 관리란 무엇인가요? 의사 결정 관리는 자동화된 의사 결정 시스템을 설계, 구축 및 관리하는 데 중점을 두는 분야입니다. 이러한 시스템은 AI 기술을 사용하여 데이터를 분석하고 사전 정의된 비즈니스 규칙을 적용하.. 2023. 4. 22. 짧은 AI 상식: 머신러닝과 딥러닝 머신러닝과 딥러닝은 인공지능(AI)의 하위 분야입니다. 두 기술 모두 데이터를 사용하여 패턴을 찾고, 예측과 분류를 수행하는 데 사용되지만, 그 구현 방식과 원리에서 차이가 있습니다. 머신러닝 머신러닝은 알고리즘이 데이터를 통해 학습하고, 기존에 없던 패턴이나 관계를 찾아내는 기술입니다. 머신러닝은 여러 알고리즘과 기법을 사용하여, 지도학습(supervised learning), 비지도학습(unsupervised learning), 강화학습(reinforcement learning) 등의 분야로 나뉩니다. 특징을 추출하고 모델을 학습시키는 과정에서 사람이 직접 특징(feature)을 정의하거나, 알고리즘을 선택하는 경우가 많습니다. 일반적인 머신러닝 알고리즘으로는 선형 회귀(linear regressio.. 2023. 4. 20. 이전 1 2 다음
