인공지능/생성형 AI20 [생성형 AI] 파인 튜닝 vs LLM 오케스트레이션 파인 튜닝(Fine-Tuning)과 LLM 오케스트레이션(LLM Orchestration)은 대형 언어 모델(LLM, Large Language Model)을 활용하는 두 가지 주요 방법이지만, 목적과 방식이 다르다! 개인적으로 매우 헷갈리는 개념이라, 확실히 짚고 넘어가는 것이 좋을 것 같다.ㅁ파인 튜닝 (Fine-Tuning): 사전 훈련된 모델(Pretrained Model)을 특정 도메인이나 작업에 맞춰 추가 학습하는 과정예를 들어, OpenAI의 GPT-4를 의료 상담용 챗봇으로 만들고 싶다면, 의료 데이터로 모델을 추가 학습시켜 해당 도메인에서 더 정확한 답변을 하도록 한다.📌 특징모델 가중치(Weights)를 직접 수정한다특정 데이터셋을 사용하여 LLM을 추가 훈련한다학습 후에도 모델이 특.. 2025. 3. 7. [생성형 AI] OpenAI 이미지 생성 활용(w/DALL·E 3) 이미지 생성 절차dall-e-3 모델을 사용하여 이미지를 생성한다prompt에 원하는 이미지 설명을 입력한다생성된 이미지의 URL을 출력하여 확인한다import openaiclient = openai.OpenAI()easy_prompt = """A detailed image of a small orange tabby cat staring at its reflection in an ornate, vintage mirror. The reflection shows a majestic lion, symbolizing confidence and inner strength."""response = client.images.generate( model="dall-e-3", prompt=easy_prompt.. 2025. 2. 17. [생성형 AI] OpenAI 음성 생성 및 입력 활용 OpenAI의 새로운 음성 생성 및 입력 기능을 활용하면 텍스트를 음성으로 변환(TTS)하고, 음성을 텍스트로 변환(STT)할 수 있다. 이를 활용하면 음성 기반 챗봇, 자동 응답 시스템, 음성 데이터 분석 등 다양한 응용이 가능하다.본 글에서는 OpenAI의 gpt-4o-audio-preview 모델을 사용하여 음성을 생성하고 입력하는 방법을 설명한다!※ 음성 데이터의 길이와 토큰 수는 아직 명확하지 않지만, 일반적으로 1시간의 대화 = 128k 토큰 정도로 알려져 있다 음성 생성하기 (TTS, Text-To-Speach)OpenAI의 gpt-4o-audio-preview 모델을 사용하면 텍스트 입력을 기반으로 음성을 생성할 수 있다. Python을 활용하여 음성을 생성하는 코드를 살펴보자.impor.. 2025. 2. 17. [생성형 AI] LangGraph vs CrewAI 라이브러리 https://claremont.tistory.com/entry/%EC%83%9D%EC%84%B1%ED%98%95-AI-LangChain%EC%9D%B4%EB%9E%80 [생성형 AI] LangChain이란?ㅁLangChain: LLM을 활용하여 응용 프로그램을 개발하는 프레임워크주로 OpenAI의 GPT, Google의 PaLM, Meta의 Llama 등 다양한 LLM과 통합하여 문서 검색, 데이터 분석, 자동화된 AI 응답 시스템 등을 구축하는claremont.tistory.com ㅇLangGraph 라이브러리: LangChain 기반의 멀티 에이전트(Multi-Agent) 및 상태 관리(State Management) 라이브러리기존 LangChain의 체인(Chains) 모델보다 더 유연하고 동.. 2025. 2. 17. [생성형 AI] LangChain이란? ㅁLangChain: LLM을 활용하여 응용 프로그램을 개발하는 라이브러리주로 OpenAI의 GPT, Google의 PaLM, Meta의 Llama 등 다양한 LLM과 통합하여 문서 검색, 데이터 분석, 자동화된 AI 응답 시스템 등을 구축하는 데 사용된다LangChain은 LLM을 더 강력하게 활용할 수 있도록 다양한 기능을 제공하며, 크게 두 가지 핵심 개념으로 나뉜다1. LLM과의 연결(Connecting LLMs)OpenAI, Hugging Face, Cohere 등의 LLM API를 쉽게 사용할 수 있도록 지원한다. API 호출을 단순화하고, 다양한 모델을 유기적으로 활용할 수 있다. 2. LLM을 활용한 애플리케이션 구축(Building with LLMs)LLM을 단순한 문장 생성 도구가 아니.. 2025. 2. 17. [생성형 AI] AGI(Artificial General Intelligence): 인공지능의 최종 목표 ㅁAGI(Artificial General Intelligence, 범용 인공지능): 인간과 같은 수준의 사고 능력을 갖춘 인공지능을 의미 현재 우리가 사용하는 AI는 특정 작업에 최적화된 ANI(Artificial Narrow Intelligence, 좁은 인공지능)이며, AGI는 이를 뛰어넘어 다양한 문제를 자율적으로 해결할 수 있는 능력을 갖춘 AI를 목표로 한다현재 AI는 특정 문제 해결을 위한 ANI 단계에 머물러 있으며, AGI로 발전하기 위해서는 여러 기술적 과제가 해결되어야 한다[AGI 핵심 기술 요소]ㅇ 자율 학습(Self-Learning)- AGI는 새로운 데이터 없이도 기존 지식을 활용하여 학습해야 한다(메타 학습(Meta Learning)과 강화 학습(Reinforcement Lea.. 2025. 2. 17. [생성형 AI] LLM의 Tool Calling(도구 호출)이란? ㅇTool Calling: LLM(Large Language Model)이 외부 도구(함수, API, 데이터베이스 등)를 호출하여 특정 작업을 수행하는 기능 LLM 자체가 모든 정보를 가지고 있지 않거나 계산을 직접 수행할 수 없는 경우, 외부 도구를 활용하여 정확한 답변을 생성할 수 있다 기본적으로 LLM은 훈련된 데이터에 기반하여 응답을 생성하지만, 다음과 같은 한계가 있다최신 정보 부족 → LLM은 훈련 이후의 최신 데이터를 반영할 수 없음정확한 연산 수행 어려움 → 복잡한 계산, 데이터 검색 등을 직접 수행할 수 없음외부 시스템과의 연동 필요 → API 호출, 데이터베이스 조회 등의 기능이 필요할 수 있음이를 해결하기 위해 Tool Calling 기능이 도입되었다. LLM은 입력된 프롬프트에 따라.. 2025. 2. 17. [생성형 AI] RAG (Retrieval-Augmented Generation) 개요 https://claremont.tistory.com/entry/%EC%83%9D%EC%84%B1%ED%98%95-AI-%EC%9E%90%EC%97%B0%EC%96%B4-%EC%B2%98%EB%A6%ACNLP-Natural-Language-Processing-%EA%B0%9C%EB%85%90 [생성형 AI] 자연어 처리(NLP, Natural Language Processing) 개념ㅁ자연어 처리(NLP, Natural Language Processing): 컴퓨터가 인간의 언어(자연어)를 이해하고 처리할 수 있도록 하는 기술텍스트 데이터에서 의미를 추출하고, 문장을 생성하는 등의 작업을 수행하며,claremont.tistory.com ㅁRAG(Retrieval-Augmented Generation, .. 2025. 2. 17. [생성형 AI] GPT 개념 https://claremont.tistory.com/entry/LLM-LLM-%EB%B0%B0%EA%B2%BD-%EB%B0%8F-%EA%B5%AC%EC%A1%B0-%EC%9D%B4%ED%95%B4 [생성형 AI] 자연어 처리(NLP, Natural Language Processing) 개념ㅁ자연어 처리(NLP, Natural Language Processing): 컴퓨터가 인간의 언어(자연어)를 이해하고 처리할 수 있도록 하는 기술텍스트 데이터에서 의미를 추출하고, 문장을 생성하는 등의 작업을 수행하며, claremont.tistory.comhttps://claremont.tistory.com/entry/%EC%83%9D%EC%84%B1%ED%98%95-AI-Transformer-%EA%B5%AC%EC.. 2025. 2. 16. 이전 1 2 3 다음
