안경레고 블로그

1. GPT-01 (OpenAI o1) - 추론 특화 모델주요 특징2024년 출시된, 응답 생성 전에 깊이 "생각"하도록 설계된 추론 특화 모델Chain-of-Thought(사고 사슬) 기법을 활용해 복잡한 문제를 단계적으로 해결수학, 과학, 코딩 등 복잡한 분야에서 이전 모델 대비 압도적인 성능 향상성능과 강점국제 수학 올림피아드(IMO) 예선 문제에서 83% 정답률 달성 (GPT-4는 13%)다단계 계산이나 논리 전개가 필요한 작업에서 인간 전문가 수준의 결과 제공안전 가이드라인을 자체적으로 추론하여 준수하도록 설계한계점응답 속도가 현저히 느림 (깊은 사고 과정 때문)초기 프리뷰 단계로 사용 제한이 있음웹 검색, 파일 업로드, 이미지 인식 등 고급 도구 미지원일상 대화나 단순 글쓰기에는 오히려 비효율..

Amazon Personalize는 AWS에서 제공하는 완전 관리형 머신러닝 서비스로, 개발자가 복잡한 머신러닝 모델 개발 없이도 개인화된 추천 시스템을 구축할 수 있게 해주는 플랫폼입니다.출시 및 연도별 주요 개선 사항2018년: 첫 출시2018년 11월 AWS re:Invent 2018에서 프리뷰 버전으로 첫 출시넷플릭스와 아마존 쇼핑에서 사용하는 것과 동일한 추천 기술을 개발자에게 제공하는 것이 목표2019년: 정식 출시2019년 6월 일반 사용자에게 정식 출시초기 기능: 사용자 개인화, 아이템 간 유사성, 인기도 기반 추천 등 기본 레시피 제공배치 추천과 실시간 추천 기능 모두 지원2020년: 기능 확장사용자 세그먼트 생성 기능 추가이벤트 트래커 API 강화로 실시간 사용자 행동 반영 개선컨텍스트..

검색과 추천의 근본적 차이검색 (Search)사용자 의도: 명시적이고 능동적 - 사용자가 원하는 것을 알고 직접 쿼리 입력상호작용 모델: "Pull" 모델 - 사용자가 필요한 정보를 시스템에서 끌어옴시작점: 사용자의 쿼리(검색어)성공 척도: 관련성(Relevance), 정확도(Precision), 속도(Speed)추천 (Recommendation)사용자 의도: 잠재적이고 수동적 - 사용자가 명확하게 알지 못하는 관심사 예측상호작용 모델: "Push" 모델 - 시스템이 사용자에게 콘텐츠를 제안시작점: 사용자의 과거 행동, 선호도, 유사 사용자 패턴성공 척도: 발견성(Discovery), 다양성(Diversity), 세렌디피티(Serendipity)서비스 발전 동향검색 시스템의 발전키워드 기반 → 의미 기반..

생성형 AI(Generative AI)는 새로운 콘텐츠를 창작하거나 기존 콘텐츠를 변형할 수 있는 인공지능 시스템을 말합니다. 이는 단순히 주어진 입력에 대해 분류하거나 예측하는 판별 모델(Discriminative Models)과 구별됩니다.생성형 AI의 핵심 능력은 다음과 같습니다:학습 데이터의 패턴과 구조를 파악이를 기반으로 유사하지만 새로운 데이터 생성텍스트, 이미지, 음악, 비디오 등 다양한 형태의 콘텐츠 생성수학적 정의와 원리생성형 AI는 확률론적 관점에서 정의될 수 있습니다:1. 확률 분포 모델링생성 모델은 실제 데이터의 확률 분포 $p_{data}(x)$를 학습하고, 이에 근사하는 모델 분포 $p_{model}(x; \theta)$를 구축합니다. 여기서 $\theta$는 모델의 파라미터입니..

유튜브 추천 알고리즘은 전 세계 수십억 사용자의 콘텐츠 소비에 지대한 영향을 미치는 복잡한 시스템입니다. 이 포스팅에서는 유튜브 추천 시스템의 역사적 발전, 핵심 개념, 수학적 원리, 그리고 최신 동향까지 자세히 알아보겠습니다.1. 유튜브 추천 알고리즘의 역사적 발전초기 단계 (2005-2010)유튜브가 처음 시작되었을 때, 추천 시스템은 매우 단순했습니다. 주로 다음 요소를 기반으로 했습니다:조회수평점(좋아요/싫어요 비율)태그 및 제목의 유사성초기 추천 점수 계산 방식은 다음과 같이 간단했습니다:추천_점수 = a * 조회수 + b * 좋아요_비율 + c * 댓글_수여기서 a, b, c는 각 요소의 가중치입니다.협업 필터링 도입 (2010-2012)2010년경, 유튜브는 협업 필터링 기법을 도입했습니다...