Breakthroughs
Google DeepMind
🌍 알파고에서 알파폴드까지, Google with Nobel
최근 AI 분야의 이슈라고 한다면, 역시 물리/화학 분야에서의 노벨상 수상이지 않나 싶습니다. AI 석학에 대한 연이은 수상에 대해 'AI 과대광고'라는 논쟁도 있지만, AI 분야에 대한 기대감을 다시금 일으킨 것은 분명한 사실입니다.
그런데 구글의 딥마인드가 AI에 대해 기대감을 일으킨건 이번만이 아닙니다. 바로 'AlphaGo' 프로젝트를 통해 이른바 AI 열풍의 초석을 다진 이력이 있기 때문입니다. 또한, 'Transformer' 알고리즘을 발표하여 전세계를 AI 경쟁에 끌어 들이는 결과를 만들기도 하였습니다.
어떻게 구글은 이런 성과를 만들어 냈을까요? 그 배경에는 다양한 분야에서의 지속적인 머신러닝 프로젝트 연구가 있었기 때문입니다. 'Breakthroughs', 이름처럼 머신러닝 기법을 통해 연구의 돌파구를 찾아내는 노력들이 하나씩 성과를 보이고 있다 생각합니다.
AlphaGeometry : 복잡한 수학 문제를 해결하는 AI
PaLM-SayCan : 자연어 연구와 학습이 가능한 로봇을 결합
GraphCast : 더 빠르고 정확한 글로벌 날씨 예보를 위한 AI
...
몇 가지 연구 프로젝트를 보다 보면, 다음에는 어떤 혁신을 가져올지 기대가 되기도 합니다. 그리고 앞으로 'AI(머신러닝)'가 흥미로운 도구의 단계를 넘어, 주요한 연구 문법이 되어 간다는 생각이 듭니다. 🤖🏆👨🔬
https://deepmind.google/research/breakthroughs/
다음 내용이 궁금하다면?
이미 회원이신가요?
2024년 10월 15일 오후 11:43
댓글 0
함께 읽은 게시물
기본적으로 알아야 할 머신러닝 알고리즘 10
머신러닝을 공부하면서 늘 헤깔리는 것중에 하나가 알고리즘 부문인 거 같습니다. 마침, 이 알고리즘을 깔끔하게 정리한 글이 있어 공유해 봅니다.
데이터 영역에 관심있는 분들 뿐만 아니라 머신러닝이나 AI에 관심있는 분들은 원문을 꼭 일독하시길 강추(!)합니다~^^
📜 지도학습
👉 선형회귀, 로지스틱 회귀, K-최근접 이웃, 나이브 베이즈, 결정 트리, 랜덤 포레스트, XG부스트, 라이트GBM,
📜 비지도학습
👉 K-평균 군집화, 주성분 분석(PCA)
🔔 선형 회귀(Linear Regression)
🚩 문제 유... 더 보기
🌎 해외에서 일하면 뭐가 좋을까요❓
외국어를 사용해서? 돈을 더 많이 벌어서? 새로운 기회가 많아서? 글로벌 경력을 쌓을 수 있어서?
... 더 보기< 뛰어난 리더는 '시간'을 가장 까다롭게 쓴다 >
1. 관리자 업무 중 상당한 부분을 차지하는 일은 인력, 돈, 자본 등의 자원을 할당하는 것이다.
< 애플을 구한 건 스티브 잡스의 '두 번째 버전'이었다 >
1. 20대의 스티브 잡스가 했던 행동과 50대에 그가 보여주었던 효율적인 리더십을 혼동하면 안 된다.
