ITPE * JackerLab

개요Embodied AI는 물리적 또는 시뮬레이션된 공간에서 센서(시각, 촉각, 음성 등)로 지각하고, 로봇 또는 가상 에이전트를 통해 실질적인 행동을 수행하는 인공지능입니다. 이는 언어 모델, 비전, 강화학습, 로보틱스를 통합한 프레임워크로, “생각만 하는 AI”를 넘어 “행동하는 AI”로의 전환을 이끄는 핵심 기술로 주목받고 있습니다. OpenAI, Meta, Google DeepMind, Boston Dynamics 등이 활발히 연구 중입니다.1. 개념 및 정의 구분 내용 정의센서 입력을 받아 환경을 이해하고, 실제 행동을 통해 목표를 수행하는 인공지능 시스템목적실세계 기반 문제 해결 능력을 가진 지능형 에이전트 구현필요성단순 질의응답형 LLM의 한계 극복, 실용 AI 및 로봇 시장 확대 대응2...

개요Toolformer는 대형 언어 모델(LLM)이 API, 계산기, 검색 엔진 등 다양한 외부 도구(tool)를 언제, 어떻게, 왜 사용할지를 스스로 학습하는 프레임워크입니다. 이는 Meta AI에서 제안한 혁신적인 접근으로, LLM이 사전 감독 없이도 툴 사용 능력을 내재화함으로써 복잡한 실세계 태스크에서 성능을 대폭 향상시킬 수 있도록 설계되었습니다. 특히 도구 호출 시점과 인자(argument)를 자율적으로 예측하고, 그로 인한 응답을 추론 흐름에 통합하는 것이 핵심입니다.1. 개념 및 정의 구분 설명 정의LLM이 API 호출을 포함한 외부 도구 사용을 스스로 학습하여 통합적으로 문제를 해결하는 학습 구조목적외부 툴을 통해 LLM의 계산 능력, 정보 검색, 사실 정확도 등 보완필요성LLM의 한계..

개요RLAIF(Reinforcement Learning from AI Feedback)는 인공지능 모델의 출력 품질을 향상시키기 위해 인간이 아닌 또 다른 AI의 피드백을 활용하는 강화 학습 기법입니다. 기존 RLHF(Human Feedback)의 확장 버전으로, 비용과 시간 소모가 큰 인간 피드백 대신 AI 평가자를 활용하여 대규모 스케일에서도 효과적인 모델 개선을 가능하게 합니다. OpenAI, Anthropic, DeepMind 등 주요 연구기관에서 실제 LLM 성능 개선에 채택하고 있으며, 차세대 AI 개발 전략의 핵심으로 부상하고 있습니다.1. 개념 및 정의 구분 설명 정의AI 모델의 출력을 또 다른 AI가 비교·평가한 결과를 바탕으로 정책 모델(policy)을 학습시키는 프레임워크목적인간 개..