son7

https://naver.me/xiLcg6la 출처 https://naver.me/xiLcg6la

LLM은 인간의 언어를 어떻게 이해할까? ― 결국은 숫자로 바꿔서 학습한다 LLM이 사람처럼 말을 이해하는 것처럼 보이지만,내부에서는 여전히 숫자(정수) 로 학습이 이루어집니다. 즉, 문장을 이해하는 것처럼 보이지만실제로는 숫자의 패턴을 학습하고 있는 것입니다. 1. 모든 시작은 토큰화(Tokenization) 가장 먼저 하는 작업은 토큰화입니다. 토큰화란? 텍스트를 작은 단위로 나누는 과정 문장을 그대로 학습할 수 없기 때문에,LLM은 먼저 문장을 쪼개는 … 더 읽기

왜 LLM은 이렇게 강력해졌을까? ― 거대한 신경망과 기술 환경의 변화 LLM이 갑자기 등장한 것처럼 보이지만,사실 그 배경에는 여러 기술적 변화가 동시에 누적되어 있었습니다. 1. LLM의 핵심 특징: “신경망이 매우 크다” LLM의 가장 큰 특징은👉 신경망 자체가 매우 크다는 점입니다. 이 과정에서 모델은: 까지 자연스럽게 익히게 됩니다. 2. 기술적 배경의 핵심: 트랜스포머 LLM 발전에 가장 큰 … 더 읽기

― 문장을 “이해”하는 것이 아니라 “예측”한다 LLM 강의를 들으면서 가장 흥미로웠던 개념 중 하나가언어 모델(Language Model)의 본질이었습니다.사람처럼 대화하는 것처럼 보이지만, 내부 원리는 의외로 명확합니다. 1. 언어 모델의 핵심 개념: “다음 단어를 예측한다” 언어 모델은 기본적으로 문맥이 주어졌을 때, 다음에 나올 단어를 예측하는 기술입니다. 이 기술은: 같은 다양한 서비스의 핵심이 됩니다. 중요한 점은👉 의미를 이해하는 것이 … 더 읽기

머신러닝에서 딥러닝으로의 전환 ― 왜 AI의 흐름이 바뀌었을까? 최근 AI와 LLM(대규모 언어 모델) 강의를 들으면서 가장 인상 깊었던 부분은머신러닝에서 딥러닝으로 넘어오게 된 배경이었습니다.예전 방식과 지금 방식은 생각보다 큰 차이가 있습니다. 1. 전통적인 머신러닝 이전: “사람이 룰을 정해주던 시대” 머신러닝 이전의 프로그램들은 대부분 규칙 기반(rule-based) 방식이었습니다. 예를 들어 스팸메일 필터를 만든다고 하면, 같은 스팸 키워드를 사람이 … 더 읽기