총 76개
-
언어의 영역별 구분: 의미론, 음운론, 형태론, 통사론, 화용론2025.01.291. 의미론 의미론은 언어의 의미를 체계적으로 연구하는 분야로, 단어와 문장의 의미를 분석하고 해석하는 데 중점을 둔다. 의미론은 언어의 기본적인 의미 단위인 의미소(모픽)와 의미 단위 간의 관계를 규명하며, 단어 간의 동의어, 반의어, 다의어 등의 의미 관계를 탐구한다. 의미론적 연구는 자연어 처리(NLP) 분야에서도 중요한 역할을 한다. 2. 음운론 음운론은 언어의 음소와 음운 구조를 연구하는 분야로, 언어의 소리 체계와 소리 간의 관계를 분석한다. 음운론은 음소의 배열, 음운 변화, 음운 규칙 등을 다루며, 이는 언어의 발음 ...2025.01.29
-
인공지능 '챗봇' 중등 교과교육 활용방안 탐색2025.01.181. 외국어 교육에서의 챗봇(Chat Bot) 활용 사례 챗봇은 문자나 음성으로 대화가 가능한 컴퓨터 프로그램으로, 다양한 문제를 해결할 수 있도록 도와주는 대화형 사용자 인터페이스이다. 외국어 교육에서는 언어학습이라는 목표를 가지고 있으며, 학습자들이 원어민처럼 옆에 두고 수시로 도움받는 것을 요구한다. 국내에서 개발된 'Genie Tutor'는 한국전자통신연구원이 개발한 인공지능형 영어 학습 프로그램으로, 학습자의 음성데이터를 받아들여 적절한 반응을 처리하여 학습자 간 영어 대화가 가능하다. 2. 중국어 교육용 챗봇(Chat B...2025.01.18
-
인공지능의 역사와 현 수준2025.05.011. 인공지능의 역사 인공지능(AI)의 역사는 1940년대부터 시작되었으며, 주요 이정표로는 앨런 튜링의 튜링 테스트 제안, 1950-60년대의 초기 AI 프로그램 개발, 1970-80년대의 전문가 시스템 개발, 1980-90년대의 신경망 및 기계 학습 알고리즘 개발, 2000년대의 딥러닝 알고리즘 개발 등이 있다. 최근 몇 년 동안 AI는 자율주행 차량, 로봇 공학, 가상 비서, 개인화된 의학 등 다양한 분야에서 빠르게 발전하고 있다. 2. 인공지능의 현 수준 인공지능은 자연어 이해, 이미지 인식, 의사결정 등 인간의 지능이 필요...2025.05.01
-
현대 컴퓨터 과학의 발전과 알고리즘의 역할2025.05.161. 컴퓨터 과학의 발전과 알고리즘의 역할 현대의 컴퓨터 과학 발전은 꾸준한 연구와 발전의 연속이라 할 수 있습니다. 특히, 알고리즘이 이러한 발전의 핵심이 되어왔다는 것이 많은 학자들의 공통된 견해입니다. 본 장에서는 'The Nature of Computation'이라는 논문을 통해 현대 컴퓨터 과학의 기원과 알고리즘의 중요성에 대하여 자세히 알아보겠습니다. 2. 자연어 처리 분야의 딥러닝 동향 최근 연구에서는 자연 언어 처리(NLP) 분야에서 딥러닝의 동향을 관찰할 수 있습니다. 이 주제에 대하여, 최근 논문 'Attentio...2025.05.16
-
입력장치와 출력장치에 대한 차이점과 음성인식장치의 특징2025.01.171. 입력장치와 출력장치의 정의 및 기능 입력장치는 사용자가 데이터를 컴퓨터에 전달하는 역할을 하며, 키보드, 마우스, 스캐너 등이 대표적인 예이다. 출력장치는 컴퓨터가 처리한 데이터를 사용자에게 전달하는 역할을 하며, 모니터, 프린터, 스피커 등이 대표적이다. 입력장치와 출력장치는 상호 보완적인 역할을 하여 사용자가 컴퓨터를 효율적으로 사용할 수 있게 한다. 2. 입력장치와 출력장치의 차이점 입력장치는 사용자가 데이터를 컴퓨터에 전달하는 역할을 하는 반면, 출력장치는 컴퓨터가 처리한 데이터를 사용자에게 전달하는 역할을 한다. 이러...2025.01.17
-
IT와경영정보시스템1공통 인공지능AI 학습고안된 LLM Large Language Model 대규모언어모형과 LMMLarge Multimodal Mode 대규모멀티모달모형 비교하시오002025.01.261. LLM (Large Language Model; 대규모 언어 모형) LLM은 주로 텍스트 데이터를 기반으로 학습된 모델로, 자연어 처리(NLP) 작업에 초점을 맞춥니다. 이러한 모델은 대량의 텍스트 데이터를 통해 언어의 구조, 의미 및 맥락을 이해하고 생성하는 능력을 가지고 있습니다. 예시로는 GPT(Generative Pre-trained Transformer), BERT(Bidirectional Encoder Representations from Transformers) 등이 있습니다. 2. LMM (Large Multim...2025.01.26
-
LLM(대규모 언어 모형)과 LMM(대규모 멀티모달 모형)의 비교 및 딥러닝과의 관계2025.01.261. LLM(대규모 언어 모형) LLM은 주로 텍스트 데이터를 기반으로 학습된 모델로, 자연어 이해(NLU)와 자연어 생성(NLG)에 강점을 지닌다. 대표적인 예로는 OpenAI의 GPT 시리즈가 있으며, 이들은 방대한 양의 텍스트 데이터를 학습하여 인간과 유사한 수준의 텍스트 생성 능력을 보유하고 있다. LLM은 주로 챗봇, 자동 번역, 텍스트 요약, 감정 분석 등 다양한 언어 처리 작업에 활용된다. 2. LMM(대규모 멀티모달 모형) LMM은 텍스트뿐만 아니라 이미지, 음성, 비디오 등 다양한 형태의 데이터를 동시에 처리할 수 ...2025.01.26
-
언어 변수와 헤지, 퍼지 집합 연산, 포함관계에 대해 서술하시오.2025.01.171. 퍼지 퍼지(Fuzzy)란 모호하거나 정확하게 정의하기 어려운 개념을 나타내는 말이다. 퍼지 논리는 모호한 대상을 다루는 논리이다. 퍼지 집합은 퍼지 논리에서 중요한 개념으로, 모호한 정보나 불확실성을 다루는 데 사용된다. 퍼지 집합을 구성할 때는 단일 전문가 기반 퍼지 집합과 다중 전문가 기반 퍼지 집합, 인공 신경망을 이용하는 방법 등이 있다. 2. 언어 변수와 헤지 언어 변수란 우리가 말할 때 정확한 단어를 선택하기 모호한 상황에서 사용되는 용어를 말한다. 언어 변수는 절대적인 언어 변수, 상대적인 언어 변수, 범주형 언어...2025.01.17
-
ChatGPT란2025.04.281. ChatGPT ChatGPT(Conversational Generative Pre-trained Transformer)는 OpenAI에서 개발한 언어 생성 모델입니다. 인간이 생성한 텍스트의 대규모 데이터 세트를 사용하여 훈련되며 인간과 유사한 언어를 생성할 수 있습니다. 이 모델은 2018년에 처음 소개되었으며 이후 다양한 버전으로 업데이트되었습니다. ChatGPT의 최신 버전인 ChatGPT-3에는 1,750억 개의 매개변수가 있으며 언어 번역, 질문 답변 및 텍스트 완성과 같은 광범위한 자연어 처리 작업을 수행할 수 있습...2025.04.28
-
마코프 체인(Markov Chain)을 통해 알아보는 GPT의 작동 원리 (파이썬코딩 예제포함)2025.05.091. 마코프 체인 마코프 체인은 상태 공간을 가지고 그 상태들 간의 전이 확률을 나타내는 모델입니다. 이 모델을 사용하여 다양한 예제를 해결할 수 있습니다. 날씨 예측, 텍스트 생성, 주식 시장 예측, 게임 시뮬레이션 등 다양한 분야에서 활용될 수 있습니다. 2. 문장 생성 마코프 체인을 이용한 문장 생성은 자연어 처리와 인공지능 분야에서 흥미로운 주제 중 하나입니다. 이 예제는 텍스트 데이터를 활용하여 이전 단어와 현재 단어의 관계를 파악하고, 그 관계를 기반으로 새로운 문장을 생성하는 방법을 알아봅니다. 3. GPT(Genera...2025.05.09
4 / 8
