반응형 Trends_AI & IT12 [Trends_AI] AI, 기술이 삶을 재정의하는 시대가 도래했다. 1. AI 기술과 인프라는 인간-로봇 상호작용에 새로운 장을 열고 있다.오늘 생성형 AI 분야에서 가장 주목할 만한 소식은 대규모 언어 모델(LLM)이 휴머노이드 로봇의 두뇌 역할을 하며 인간과의 상호작용 수준을 한 차원 끌어올리고 있다는 점이다. 특히 오픈AI, 엔비디아, 테슬라 등 글로벌 빅테크 기업들이 AI 칩과 LLM을 로봇에 접목하며 로봇 상용화에 박차를 가하고 있다. 엔비디아는 AI 칩 '블랙웰'을 발표하며 연산 처리 속도와 훈련 성능을 비약적으로 향상시켰고, 범용 로봇 훈련 플랫폼인 '프로젝트 그루트(Project GR00T)'를 통해 로봇이 자연어를 이해하고 인간 행동을 모방하도록 설계했다. 오픈AI는 스타트업 피규어와 협력해 '피규어 01' 로봇을 선보였다. 이 로봇은 챗GPT를 통해 실.. 2025. 8. 14. [Trends_AI] Perplexity Comet : "AI 네이티브 웹 브라우저가 여는 새로운 인터넷 서핑의 시대" 1. 서비스 개요Perplexity Comet은 단순한 웹 브라우저가 아니다. 'AI 네이티브 브라우저' 라는 타이틀에 걸맞게, 검색·서핑·콘텐츠 작성·업무 자동화 등 디지털 정보 소비의 거의 모든 단계를 AI와 통합해 재정의한 플랫폼이다. 'Browse at the speed of thought'라는 슬로건은 브라우저의 속도가 사용자의 생각과 거의 동기화되는 경험을 지향한다는 의미다. 실제로 사용자가 키워드 대신 자연어 질문을 입력하면, Comet가 신뢰할 수 있는 출처를 바탕으로 답변과 함께 근거를 제공한다. 크롬이나 사파리처럼 단순 검색 결과 링크를 나열하는 전통적 방식과 달리, Comet은 사용자가 정보를 파악하고 다음 행동으로 자연스럽게 넘어갈 수 있게 설계된 것이 가장 큰 차별점이다. Perp.. 2025. 8. 4. [Trends_AI] AI 인프라 투자 전쟁과 차세대 기술 현황 1. 생성형·XAI, 연구와 현장을 잇다 세부 이슈현황생성형 AI & 설명가능 AI(XAI)맥킨지 분석에 따르면 생성형 AI는 연 4.4 조 달러의 잠재 생산성 효과를 낼 수 있으며, OECD 실험연구에서도 지식근로자의 작업 시간을 평균 5 % 이상 절감하는 것으로 확인됐습니다.(McKinsey & Company, OECD)학계·연구 투자 확대UT 오스틴은 7 월 29 일 NSF 인공지능 연구소(Foundation Model Learning)에 대한 추가 예산 지원을 확정, 신약 개발·의료 영상 등 고신뢰 AI 응용 연구를 확대한다고 발표했습니다.(College of Natural Sciences)국제 학술 트렌드34회 IJCAI 2025(8 월 16–22 일, 몬트리올)는 ‘그린 AI·엣지 ML·멀티.. 2025. 8. 1. [Trends_AI] Agentic AI의 본격화 및 첨단 기술 개발의 가속화 1. Agentic AI의 본격 상용화와 거버넌스 과제ChatGPT Agent 출시OpenAI는 7월 17일 ‘ChatGPT Agent’를 정식 공개했다. 새 기능은 브라우저·파일·이메일 등 도구 세트를 호출하며 사용자의 복합 작업(자료 검색→양식 작성→파일 전송)을 단계별로 자동 수행한다.(OpenAI, OpenAI Help Center, TechCrunch)경쟁 모델의 고도화xAI는 7월 9일 ‘Grok-4’를, 구글은 3월 25일 ‘Gemini 2.5 Pro’를 발표해 수리·코딩·복합 추론 벤치마크에서 GPT-4o 대비 우위 지표를 공개했다.(X (formerly Twitter), 위키백과, blog.google)확산 속도와 위험 관리대형 로펌·의료기관이 문서 초안 작성이나 신약 후보 물질 분석에 .. 2025. 7. 31. [ADSP] 데이터 분석 방법론 1. 개요데이터 분석 방법론은 '데이터를 체계적으로 수집, 정제, 변환하여 의미 있는 정보를 추출하고, 이를 기반으로 의사결정을 지원하는 일련의 절차와 기법'을 말합니다. ADSP 과정에서 다루는 분석 방법론은 KDD(Knowledge Discovery in Databases), CRISP-DM(Cross-Industry Standard Process for Data Mining)이 있으며, 데이터 분석 프로젝트에서 방법론들을 적용하기 위한 모델로 폭포수 모델(Waterfall Model), 프로토타입 모델(Prototype Model), 나선형 모델(Spiral Model)이 있습니다. 1) KDD 분석 방법론KDD(Knowledge Discovery in Database)는 영어 해석 그대로, 데이터.. 2025. 2. 1. [ADSP] 데이터 분석 기획의 이해_분석 기획의 중요성과 방향성 도출 0. 개요데이터 분석은 단순히 데이터를 처리하는 기술적인 과정이 아닙니다. 이는 비즈니스 목표를 실현하기 위한 전략적 접근법이며, 이를 효과적으로 수행하기 위해서는 체계적인 기획이 필수적입니다. 데이터 분석 기획이 없다면 분석 결과의 신뢰도가 낮아질 가능성이 큽니다. 예를 들어, 마케팅 캠페인의 성과를 분석할 때 명확한 기획 없이 데이터를 수집하면, 캠페인의 실제 효과를 측정하기 어려울 수 있습니다. 이는 불완전한 데이터를 기반으로 잘못된 전략을 수립하게 만들고, 결과적으로 비즈니스 성과에 부정적인 영향을 미칠 수 있습니다. 이 글에서는 데이터 분석 기획이 왜 중요한지, 그리고 효과적인 방향성을 설정하는 방법에 대해 살펴보겠습니다.1. 데이터 분석 기획의 필요성데이터 분석이 성공적으로 이루어지려면 철저.. 2025. 1. 31. 이전 1 2 다음 반응형
