국제사회, 그리고 학계와 산업계에서 이야기하고 있는 인공지능 신뢰성의 개념을 소개합니다.

최근 신뢰성 확보를 둘러싼 글로벌 동향, 구체적인 요구사항과 확보 방안에 대해 소개합니다. 

챕터1. ‘신뢰할 수 있는  AI’와  HR의  ‘AI Transformation’

챕터2. ‘신뢰할 수 있는  AI’와 알고리즘  : Deep Learning

챕터3. ‘신뢰할 수 있는  AI’와 데이터 파이프라인

챕터4. ‘신뢰할 수 있는  AI’와  ‘검증할 수 있는  AI’

챕터5. ‘신뢰할 수 있는  AI’와 우리의 역할

- 할루시네이션은 결국 데이터의 오류에서 시작됨. 편향성과 오류가 없는 AI 결과를 얻기 위한 데이터 관리 기술 소개 

AI는 다양한 산업에서 혁신과 변화를 만들어 내고 있다. 다만, 최근 AI신뢰성, 할루시네이션 문제와 같이 의도와 무관하게 동작하여 오히려 사용자를 위험에 빠뜨리게 하는 경우가 발생하고 있다.

경쟁력 있고 안전한 비즈니스를 위한 AI 개발이 필요하다. 그리고 이를 위한 AI DATA는 어떠해야 하는가?

AI DATA 전문 기업인 테스트웍스 R&D 팀에서는 최근 기술 트렌드를 이끌 효과적인 데이터 구축을 위해 연구 및 개발을 하고 있다. 

신뢰할 수 있는 데이터 확보, 데이터 일관성 및 오류 정제를 위한 검토 방법 등 다양한 실제 프로젝트 사례를 통해 최적의 데이터 구축 전략을 제시하고자 한다.

챗GPT를 필두로 그 어느때보다 초거대 AI, LLM 관련 기술 발전 및 대중 보급 속도가 빨라지고 있습니다. 하지만 생성 AI 사용으로 인한 다양한 문제 또한 일상과 업무 속으로 침투하고 있습니다.

RAG(Retrieval Augmented Generation)를 비롯해 '근거 있는 생성'을 해내는 생성 AI 기술, 할루시네이션 현상을 극복하기 위한 학계/오픈소스 생태계의 많은 노력이 이어지고 있지만, 실제 B2B 비즈니스에서는 많은 도전과 위험을 만나게 됩니다.

이 강연에서는 잘못된 근거에 기반한 답변을 생성해내는 AI 챗봇을 넘어서기 위한 주요 LLM 서비스 제공자, 오픈소스 생태계 및 학계에서 제시하는 주요 방법들과 한계점을 빠르게 톺아봅니다. 그리고 스켈터랩스의 생성 AI 솔루션인 큐나-GPT의 성능과 신뢰성을 높이기 위한 개발 과정, B2B 고객사와의 협업 과정을 통해 생성 AI의 실제 적용과정의 베스트 프렉티스를 소개합니다.