카테고리61

• 

  동영상 생성 AI - 초보자를 위한 AI 프롬프트 작성법 영상 생성형 AI 프롬프트를 처음 작성할 때 많은 사람들이 같은 지점에서 멈춘다.“무엇을 어떻게 써야 원하는 영상이 나올까?”라는 질문이다. 텍스트만으로 영상을 만드는 시대가 되었지만, 결과물의 품질은 여전히 프롬프트 설계 방식에 크게 좌우된다. 같은 모델을 사용하더라도 누군가는 안정적인 결과를 얻고, 누군가는 매번 다른 영상을 받는다. 그 차이는 기술이 아니라 표현 방식의 구조화 여부에서 발생한다. 결국 핵심은 하나다.“복잡하게 쓰는 것이 아니라, 정확하게 정의하는 것.” 영상 생성형 AI 프롬프트의 실패 원인영상 생성형 AI 프롬프트가 실패하는 이유는 크게 세 가지로 정리된다. 첫째, AI에게 판단을 맡긴다.“예쁘게 만들어줘”, “감성적으로 표현해줘”와 같은 표현은 자유도를 높이지만 결과는 불안정해진.. Video Gen AI/동영상 생성 AI 2026. 5. 5.

• 

  MyHeritage - 사진을 올리면 자동으로 움직이는 영상을 생성 ​1. MyHeritage 사이트MyHeritage는 가족 역사 연구 및 가계도 작성을 위한 온라인 플랫폼이다. 웹사이트를 통해 사용자들은 자신의 가족 역사를 조사하고 기록할 수 있다. 그리고 가족 구성원과 관련된 정보, 사진, 문서 등을 업로드하고 공유할 수 있다. MyHeritage는 다양한 기능을 제공하여 가족의 역사와 유산을 탐색하고 연결하는 데 도움을 준다. https://www.myheritage.co.kr/deep-nostalgia MyHeritage Deep Nostalgia™, 정지된 가족 사진 속 얼굴을 애니메이션화하는 딥러닝 기술 - MyHeritage www.myheritage.co.kr ​​2. 한 장의 사진으로 움직이는 영상을 자동생성해당 사이트는 가계도를 관리하는 사이트인데 이.. Video Gen AI/동영상 생성 AI 2026. 5. 5.

• 

  생성형 AI 도구 - OpenAI Sora, Luma AI 비교 ​최근 생성형 AI의 발전은 단순히 글이나 이미지를 만드는 수준을 넘어, 영상과 3D 콘텐츠 제작까지 확장되고 있다. 그중에서도 많은 사람들이 쉽게 사용할 수 있는 생성형 AI 도구가 바로 Sora와 Luma AI이다. Sora는 텍스트를 입력하면 짧은 영상을 자동으로 만들어 주는 혁신적인 비디오 생성 AI이며, Luma AI는 짧은 영상 촬영만으로도 실감 나는 3D 모델과 시네마틱 영상을 제작할 수 있는 도구다.​Sora와 Luma AI가 무엇인지 알아보고 실제 생성한 결과에 대해서 비교해 보자. ​비교실험에 사용한 이미지 : 1. Sora란 무엇인가?Sora는 OpenAI에서 공개한 비디오 생성 AI 모델로, 텍스트 프롬프트를 입력하면 해당 내용을 기반으로 짧은 영상 클립을 자동으로 제작해 준다. 기.. Video Gen AI/동영상 생성 AI 2026. 5. 5.

• 

  LitGPT - 성능과 효율을 갖춘 LLM 구현 LitGPT 개요최근 LLM(대규모 언어 모델)을 활용한 서비스 개발이 급격히 늘어나고 있다. 하지만 실제로 모델을 학습하고, 미세 조정하고, 배포하는 과정에 들어가면 생각보다 높은 진입 장벽을 마주하게 된다. 복잡한 설정, GPU 자원 관리, 다양한 프레임워크 간의 호환성 문제까지 고려해야 하기 때문이다. 이러한 문제를 해결하기 위해 등장한 도구가 바로 LitGPT다. LitGPT는 LLM의 전 과정을 단순화하여, 누구나 빠르게 모델을 다루고 실험할 수 있도록 설계된 오픈소스 라이브러리다. LitGPT는 LLM을 가장 빠르게 다루는 실전 도구이다.LitGPT 필요한 이유LLM을 직접 다루는 과정은 크게 다음과 같은 문제를 포함한다.모델 구조 이해 필요학습 및 미세 조정 환경 구성GPU 및 메모리 최적화.. Text Gen AI/대규모 언어 모델 (LLM) 2026. 5. 4.

• 

  Artificial Intelligence - 인공지능 발전에 기여한 사람들을 알아보자 ​1. 개요인공지능은 최근에 생겨난 기술이 아니라 아주 오래전부터 존재해온 기술이다. 4차 산업혁명과 컴퓨팅 기술의 발전과 더불어 최근에 많은 주목을 받고 있다. 1980년대 신경망 이론으로 인공지능 연구가 활발했었고 1990년대에 인터넷의 발전과 함께 기술이 더욱 향상되었다. 그리하여 1997년에 IBM의 딥블루는 체스 세계 챔피언을 이겼고, 2011년에는 IBM의 왓슨이 퀴즈쇼에서 우승을 하였다. 그리고 2016년 구글의 알파고는 바둑으로 이세돌 9단을 이겼다. 인공지능의 발전에 기여한 사람들에 대해서 살펴보는 시간을 가져본다.​​2. 앨런 튜링 (Alan Turing) 케임브리지 대학에서 수학을 전공하였고 미국에서 박사학위를 취득하였다. 현대 컴퓨터 과학과 AI의 아버지로 불리며, 튜링 테스트(Tu.. Text Gen AI/텍스트 생성 AI 2026. 5. 4.

• 

  RAG - 검색 증강 생성(RAG)이란 무엇인가? ​RAG 개요인공지능을 실제 서비스에 적용하다 보면 한 가지 한계에 반드시 부딪히게 된다. 바로 “그럴듯하지만 틀린 답변(할루시네이션)”이다. 대규모 언어 모델(LLM)은 매우 강력하지만, 학습된 데이터 범위를 벗어나거나 최신 정보가 필요한 경우에는 정확도가 떨어질 수 있다. 이 문제를 해결하기 위해 등장한 구조가 바로 RAG(Retrieval-Augmented Generation)이다. RAG(Retrieval-Augmented Generation)는 언어 모델을 강화하기 위해 정보 검색을 결합한 기술이다. ​​ RAG는 단순히 답을 생성하는 것이 아니라, 필요한 정보를 먼저 검색한 뒤 그 기반으로 답을 생성하는 방식이다. ​RAG는 LLM(대규모 언어 모델)의 한계를 보완하고, 보다 정확하고 유용한 .. Text Gen AI/랭체인 (LangChain) 2026. 5. 4.

• 

  Transformer - 모델의 인코더-디코더 구조 이해하기 ​Transformer 구조 개요 (Encoder-Decoder)Transformer는 인코더-디코더(encoder-decoder) 구조를 갖춘 딥러닝 모델로, 입력 시퀀스를 받아 출력 시퀀스를 생성하는 시퀀스-투-시퀀스(sequence-to-sequence) 모델이다. 예를 들어 번역기를 생각하면, 인코더가 원문 문장을 입력받아 내부 표현으로 인코딩하고, 디코더가 이 표현을 참고하여 번역된 문장을 한 단어씩 만들어낸다. Transformer의 큰 특징은 RNN과 달리 입력 전체를 한꺼번에 처리하면서도, 어텐션(attention) 메커니즘을 통해 각 단어의 중요도를 동적으로 파악하는 점이다. 이를 통해 문맥을 더 잘 이해하고 병렬 처리로 속도를 높였다.Transformer의 전체 구조를 간략히 나타낸 그.. Text Gen AI/자연어 처리 (NLP) 2026. 5. 4.

• 

  LangChain - Ollama로 구현하는 LLM 서비스 ​랭체인을 사용하여 LLM 기반의 AI 서비스를 개발할 때, OpenAI의 언어모델이나 임베딩 모델을 사용하려면 과금을 해야 한다. 서적이나 인터넷 자료를 참조하며 해당 기술을 배우는 시점에서 실행할 때마다 돈을 내야 하는 것은 부담이 될 수 있다. Ollama를 사용하면 LLM과 Embedding 모델을 무료로 사용할 수 있다. 인터넷 자료나 서적의 코드의 일부를 변경하면 실행하는데 문제가 없다. 1. PDF 파일 불러오기LangChain을 사용하여 "황순원의 소나기(TheCloudburst.pdf)" PDF 파일을 불러와 문서객체로 변환한다. LangChain에서 제공하는 PDF 전용 로더 클래스인 PyPDFLoader를 사용한다.from langchain.document_loaders import.. Text Gen AI/랭체인 (LangChain) 2026. 5. 3.

• 

  LangChain - 랭체인 주요 모듈과 주요 기능을 정리 ​ 랭체인(LangChain)은 자연어 처리(NLP)와 인공지능(AI) 응용 프로그램 개발을 돕는 프레임워크로, 다양한 모듈을 통해 유연하고 확장 가능한 AI 애플리케이션 구축을 지원한다. 랭체인은 다음 모듈을 위한 표준 확장 가능한 인터페이스와 외부 통합을 제공한다.​모듈들을 조합하여 유연하고 복잡한 자연어 처리 애플리케이션을 구축할 수 있다. 필요에 따라 모듈을 선택적으로 사용하거나 커스터마이징 가능하여 다양한 프로젝트 요구사항을 충족한다. 랭체인의 모듈과 그 기능을 간단히 정리해 보자.​Model I/OAI 모델과의 입력과 출력 데이터의 전달 및 처리를 담당.텍스트 입력 데이터를 모델이 이해할 수 있는 형식으로 변환.모델 출력 결과를 사용자가 원하는 형식으로 가공.프롬프트 템플릿과 같은 동적 데이터.. Text Gen AI/랭체인 (LangChain) 2026. 5. 3.

• 

  LangChain - 랭체인을 사용하여 LLM 서비스 개발 ​ LLM(Large Language Model)은 대규모 데이터를 학습하여 인간의 언어를 이해하고 생성할 수 있는 AI 모델이다. 이 모델은 수십억에서 수조 개의 매개변수를 사용해 텍스트 패턴, 문맥, 의미를 학습하며, 자연어 처리(NLP) 문제를 해결하는 데 뛰어난 성능을 발휘한다. 대표적인 LLM에는 OpenAI의 GPT 시리즈(GPT-3, GPT-4), Google의 PaLM, Meta의 LLaMA 등이 있다.​랭체인(LangChain)은 LLM 애플리케이션을 효율적으로 개발할 수 있도록 돕는 프레임워크다. 랭체인은 LLM을 활용한 애플리케이션 개발을 단순화하고 최적화한다. 랭체인 프레임워크는 전체 애플리케이션 라이프사이클을 지원하며, 다양한 LLM과의 연결, 프롬프트 관리, 체이닝(Chainin.. Text Gen AI/랭체인 (LangChain) 2026. 5. 3.

• 

  LangChain - 대표적인 LLM 프레임워크를 알아보자 LLM(Large Language Model)은 단순한 질문-응답 수준을 넘어, 실제 업무 시스템과 결합되는 방향으로 빠르게 발전하고 있다. 그러나 LLM 단독으로는 실시간 데이터 활용, 복잡한 로직 처리, 외부 시스템 연동에 한계가 존재한다. 이러한 한계를 해결하기 위해 등장한 것이 바로 LangChain이다. LangChain은 LLM을 중심으로 다양한 데이터, API, 로직을 연결하여 “실제 서비스 수준의 AI 애플리케이션”을 만들 수 있도록 설계된 프레임워크다. 단순히 모델을 호출하는 것이 아니라, 검색 → 처리 → 판단 → 응답의 흐름을 하나의 구조로 설계할 수 있다는 점이 핵심이다. LangChain의 핵심 구조LangChain은 이름 그대로 “Chain(사슬)” 구조를 기반으로 동작한다. 즉.. Text Gen AI/랭체인 (LangChain) 2026. 5. 3.

• 

  형태소분석 - KoNLPy 사용하여 한국어 자연어 처리 자연어 처리를 제대로 이해하려면 반드시 알아야 하는 개념이 있다. 바로 형태소 분석(Morphological Analysis)이다. 특히 한국어는 조사와 어미 변화가 많기 때문에 형태소 분석이 매우 중요한 역할을 한다.이 글에서는 형태소 분석 개념부터 KoNLPy 실습까지 한 번에 정리한다. 1. 형태소 분석이란 무엇인가?형태소 분석은 문장을 의미 단위로 분해하는 작업이다. 예시“학교에 간다”→ 학교 / 에 / 간다 여기서 형태소는 다음과 같이 나뉜다.학교 → 명사에 → 조사간다 → 동사핵심 포인트 : 형태소 = 의미를 가지는 최소 단위 2. 왜 한국어에서 중요할까?한국어는 형태 변화가 매우 많은 언어이다. 예시먹다 → 먹는다 / 먹었다 / 먹고 / 먹으면학생 → 학생이 / 학생을 / 학생에게이러한 구.. Text Gen AI/자연어 처리 (NLP) 2026. 5. 3.