가던 blog

AGI 시대, 챗봇 UX는 어떻게 달라져야 하는가?Google DeepMind는 Post-AGI Research Scientist를 공개 채용했습니다. 이는 AGI를 넘어 “AGI 이후의 세상”, 즉 인간과 유사한 범용 지능을 가진 AI와 어떻게 공존할 것인가에 대한 연구의 시작을 의미합니다. “Post-AGI”를 준비하는 지금, 우리는 어떤 챗봇 경험을 설계해야 할까? 사용자 중심의 설계사용자 프로파일링: 연령, 언어 수준, 관심사, 이전 대화 히스토리를 바탕으로 맞춤 대화 흐름 제공컨텍스트 인지: 사용자가 이미 제공한 정보를 재활용하여 불필요한 반복을 줄이고 대화 만족도를 높입니다심리학적 설계: 친근한 톤, 긍정 강화 메시지, 공감 표현 등을 통해 몰입도를 높이고 이탈률을 낮춥니다텍스트를 넘어선 커뮤..

앙상블 학습은 두 개 이상의 모델을 생성하고 결합함으로써 예측에 대한 합의에 도달하는 방법입니다. 앙상블 학습을 활용하는 2가지 이유1. 앙상블 학습 프레임워크는 앙상블을 구성하는 개별 모델보다 더욱 견고하다.2. 예측 오차의 분산이 감소한다. 앙상블 학습이 유용한 경우1. "최적의" 모델을 선택할 수 없음데이터 세트의 일부 분포에서는 서로 다른 모델이 나은 성능을 보이는 상황이 발생할 수 있습니다. 2. 데이터의 초과/부족많은 양의 데이터가 있는 경우, 하나의 모델을 대량의 데이터로 훈련하는 대신, 분류 작업을 여러 모델에 나누어 분산시키고 예측 시간 동안 앙상블할 수 있습니다.반면, 사용 가능한 데이터가 작은 경우, *Bootstrapping 전략을 사용할 수 있습니다. * Bootstrap: 데이터..

우연히 유튜브 알고리즘을 타고 을 시청했습니다. https://www.youtube.com/watch?v=ZFWCcA7AoMQ Cloud, Database, JAVA, Generative AI.. 지식의 홍수 속에서"과연 내가 목표를 가지고 학습하고 있을까?"라는 의문을 가지게 되었습니다. 어느샌가 홍수에 주도권을 빼앗긴 것 같은데, 이 영상을 보고 다시 마음을 다잡게 되어 공유합니다 ჱ̒¯꒳¯) 빅픽처를 생각하기 과제가 주어졌을 때, 항상 질문하는 습관을 기르자. "이걸 내가 왜 이렇게 해야 되지?""어떻게 하면 이 문제를 풀 수 있을까?" 교육을 수강하며, 귀에 꽂힌 단어는 "내재화"였습니다.사내 식당에서도 이 단어를 들었는데요.. 하지만 돌아보면, 저는 그동안 생각만하고 행동으로 옮기지 않았던..