[230829] 모두의연구소가 전하는 "모두를 위한 AI 뉴스"

모두의연구소는 함께 공유하고 성장하는 국내 최대 AI 커뮤니티입니다.

그럼, 오늘의 AI 뉴스 시작해 볼게요! :)

1️⃣Google의 인식 공정성 팀: 멀티모달 ML의 포용성 및 공정성 연구

Google의 책임감 있는 AI 연구는 다양한 전문가들과의 협업을 기반으로 하며, 인식 공정성 팀은 컴퓨터 비전과 ML 공정성 연구를 주도합니다. 이 팀의 목표는 멀티모달 ML 시스템, 특히 기초 모델과 생성 AI에서의 공정성과 포용성을 확장하는 것입니다. 이들은 분류, 로컬라이제이션, 캡션 등의 핵심 기술 구성 요소에 대해 공정성과 포용성을 최우선 성능 목표로 삼고 있습니다. 그들의 연구는 공정하고 포용적인 ML 모델링을 위한 새로운 분석 및 해결책을 찾는 것에 중점을 둡니다. 이를 통해 인구통계학적, 문화적, 사회적 정체성을 어떻게 책임감 있게 모델링할 수 있는지, 시스템 편향을 어떻게 측정하고 개선할 수 있는지, 그리고 더 포용적인 시스템을 어떻게 구축하고 문제에 빠르게 대응할 수 있는지에 대한 핵심 질문에 답하고자 합니다.

2️⃣딥러닝 모델의 양자화: 허깅페이스에서의 접근법 및 도구

허깅페이스에 양자화 관련 블로그 포스팅이 올라와서 공유합니다! 딥러닝에서의 정밀도는 숫자 표현의 유효 자릿수나 세부 정보의 보존 수준을 의미합니다. 숫자는 다양한 데이터 유형으로 표현되며, 각 유형은 표현할 수 있는 숫자의 범위를 가집니다. 딥 러닝에서는 부동 소수점(FP32/16/8...)을 사용해 가중치를 표현하며, 높은 정밀도는 더 큰 모델 크기와 느린 계산 속도를 초래할 수 있습니다. 이로 인해 양자화, 즉 정밀도를 낮추는 과정이 필요해집니다. 양자화 방법에는 '훈련 후 정량화'와 '양자화 인식 훈련' 두 가지가 있습니다. 최신의 양자화 방법은 성능 저하 문제를 극복하기 위해 개발되었으며, 에코시스템의 도구를 사용하여 이러한 방법들을 적용할 수 있습니다.

3️⃣Code Llama: 프로그래밍을 위한 다음 세대 언어 모델 출시

오늘, 코드 생성을 위한 대규모 언어 모델인 Code Llama를 출시했습니다. 이 모델은 기존 개발자의 작업 효율성을 향상시키며, 코딩 학습의 진입 장벽을 낮춥니다. Code Llama는 프로그래머의 생산성 향상과 교육을 지원하는 도구로 기대됩니다. 제너레이티브 AI 분야는 빠르게 발전하고 있으며, 저희는 개방적인 AI 접근법을 택했습니다. 코드 라마는 라마 2를 기반으로 코드 작업에 특화된 데이터 세트로 추가 학습되었습니다. 자연어 프롬프트를 사용해 다양한 언어의 코드를 생성하고 완성, 디버깅 작업을 도울 수 있습니다.

⎯

📍[D-1] 아이펠 6기 앵콜 모집 중!

AI학교 아이펠 지금 바로 지원하기 → https://bit.ly/44cSNkr