생성형 AI와 LLM은 어떻게 작동하고, 세상을 어떻게 바꾸고 있을까?
PART 1. AI는 문장을 어떻게 이해할까?
생성형 AI의 가장 기본이 되는 원리를 이해합니다.
- 토큰(Token)이란?
- LLM(대규모 언어 모델)이란?
- 파라미터(Parameter)란?
- AI는 문장을 어떻게 숫자로 바꿀까?
- AI는 단어와 문장의 관계를 어떻게 이해할까?
- 컨텍스트(Context Window)란?
PART 2. AI는 어떻게 배우고 답할까?
AI가 학습하고 답을 만드는 과정을 이해합니다.
- AI는 무엇을 학습할까?
- AI 학습에는 왜 많은 데이터가 필요할까?
- 사전학습(Pre-training)이란?
- 파인튜닝(Fine-tuning)이란?
- 추론(Inference)이란?
- AI는 왜 편향(Bias)을 가질까?
PART 3. 같은 AI인데 왜 서로 다를까?
AI 모델과 서비스의 차이를 이해합니다.
- 큰 AI 모델과 작은 AI 모델은 무엇이 다를까?
- 범용 AI와 특정 업무용 AI는 무엇이 다를까?
- 기본 모델(Base Model)과 파인튜닝 모델은 무엇이 다를까?
- 오픈소스 AI와 폐쇄형 AI는 무엇이 다를까?
- 클라우드 AI와 온디바이스 AI는 무엇이 다를까?
- AI 모델의 성능은 어떻게 비교할까?
PART 4. AI 산업은 무엇으로 움직일까?
AI 서비스를 가능하게 하는 산업과 인프라를 이해합니다.
- AI는 왜 GPU가 필요할까?
- AI 학습과 AI 추론은 왜 비용 구조가 다를까?
- AI 서비스에는 왜 데이터센터가 필요할까?
- AI는 왜 전기와 냉각이 중요할까?
- AI 기업들은 왜 더 작은 모델도 만들까?
- AI 시대에 반도체 경쟁이 중요한 이유는 무엇일까?
PART 5. AI는 기업의 일을 어떻게 바꿀까?
AI 도입 전과 후의 업무 변화를 이해합니다.
- AI 도입 전과 후, 정보 검색은 어떻게 달라질까?
- AI 도입 전과 후, 문서 작성은 어떻게 달라질까?
- AI 도입 전과 후, 고객 상담은 어떻게 달라질까?
- AI는 기존 ERP·CRM과 어떻게 연결될까?
- AI 시대에 사람의 역할은 어떻게 달라질까?
- AI를 잘 활용하는 기업은 무엇이 다를까?
