## 역할 정의 - **터미널 A (Master)**: 최종 의사결정권자. B, C, D가 제기한 질문이나 답변 후보 중 가장 적절한 것을 선택하고 승인한다. - **터미널 B (기획/분석)**: 기획서 분석 및 요구사항 추출 담당. - **터미널 C (프론트엔드)**: UI/UX 및 클라이언트 로직 담당. - **터미널 D (백엔드)**: DB 구조 및 API 설계 담당.
## 프로세스 규칙 1. B, C, D는 각자 지정된 프롬프트를 실행하되, 독립적으로 최종 산출물을 쓰지 않고 중간 결과나 마스터의 판단이 필요한 질문을 `interaction_queue.md` 파일에 기록한다. 2. Master(A)는 `interaction_queue.md`를 실시간으로 모니터링하여 검토한 뒤, 최종 답변을 선택하고 승인 코드를 전달한다.
국방부가 네이버클라우드 기반에서 신규 시스템을 구축한다. 클라우드 전문성을 보유한 메가존이 구축 전반을 이끈다.
국방부 내 첫 민간 클라우드 기반 시스템 구축 사례로 향후 공공 민간 클라우드 확산에도 선례가 될 전망이다.
21일 업계에 따르면 국방부는 최근 '장병체감형 원스톱 서비스 플랫폼 구축 사업' 우선협상대상자를 선정했다.
이 사업은 입영 전부터 복무 중, 전역 후 등 장병 전주기에 걸쳐 원스톱 서비스를 제공하기 위해 기획됐다. △장병 행정 △장병 복지 △군장병 역량강화 △보건·의료 등 장병지원 4대 분야 서비스를 연계·통합한 것이 특징이다.
민간 클라우드 기반에서 시스템을 구현하다는 점에서 업계 주목을 받았다.
20일 진행한 사업자 평가 결과 네이버클라우드를 제안한 메가존이 평점(기술·가격) 1위로 우선협상자가 됐다.
이 사업을 의욕적으로 준비했던 삼성SDS는 자체 클라우드인 삼성클라우드플랫폼(SCP)을 제안했지만 가격과 기술 평가 모두 근소한 차이로 밀렸다.
메가존과 네이버클라우드가 승기를 잡을 수 있었던 배경은 그동안 쌓은 클라우드 전문성 덕분으로 풀이된다.
이번 사업은 단순 클라우드 인프라만 사용하는데 그치지 않는다.
△클라우드 네이티브 기반 플랫폼 아키텍처 설계 △사용량에 따라 플랫폼의 자동 확장·축소 기능 제공 △컨테이너·MSA 기반 클라우드 네이티브 플랫폼 구축 △데브옵스 적용을 통한 안전·안정적인 무중단 배포체계 운영 등 클라우드 이점을 최대한 구현해야 한다.
인프라 이전 외에도 클라우드 운영·관리 전문성과 노하우가 없이는 사업 수행이 어렵다.
메가존은 국내 최대 클라우드 관리서비스 제공사(MSP)로 대기업부터 공공까지 다양한 성공 사례와 경험을 보유했다. 네이버클라우드 역시 클라우드보안인증(CSAP)을 획득한 사업자로서 공공 서비스형인프라(IaaS) 시장에서 자리잡는 등 양사 강점이 이번 평가에서 좋은 점수를 얻는데 주효했다.
사업은 향후 3년간 진행된다.
내년까지 민간 클라우드 기반 플랫폼과 서비스를 구축하는데 집중한다. 내후년에는 인공지능 도입까지 타진하는 등 클라우드 기반 신기술 도입도 추진한다.
업계는 이번 국방부 사례가 공공 클라우드 시장에 긍정적 영향을 미칠 것으로 기대한다.
그동안 공공 클라우드 사업이 다수 진행됐지만 주요 시스템 개발 초반부터 민간 클라우드로 구현한 경우는 거의 없다.
업계 관계자는 “보안에 민감한 국방부가 민간 클라우드를 선택했다는 점이 고무적”이라면서 “미국 등 해외도 국방부와 같은 주요 부처가 민간 클라우드를 도입한 후 공공 클라우드 확산이 탄력받았던 것처럼 우리나라도 비슷한 흐름이 이어질 것”이라고 말했다.
서론 ‘백문불여일견’이라는 말처럼 텍스트로 전달할 수 있는 정보량에 비해 시각적인 정보는 훨씬 다양한 의미 관계들을 전달할 수 있습니다. 또한 ‘몸이 100냥이면 눈이 90냥’이라는 말도 인간이 삶을 살아가는 데 시각으로 받아들이는 정보가 얼마나 중요한지 강조하고 있습니다. 만약 HyperCLOVA X (HCX)가 텍스트를 넘어 이미지를 이해할 수 있게 된다면, 가깝게는 문서나 이미지의 처리를 자동화할 수 있고, 더 나아가 HyperCLOVA X를 두뇌로 사용하는 로봇과 같은 독립적인 에이전트가 목표를 수행하는데도 시각 정보를 활용할 수 있을 것입니다.
시각 정보를 올바르게 처리하기 위해서는 대량의 다양한 이미지 · 텍스트 데이터를 활용하여 모델을 학습하는 것이 필수적입니다. 저희는 이를 위해 네이버 내외부에서 고품질의 원천 데이터를 확보해 왔습니다. 해당 데이터가 서로 상충하지 않고 시너지를 낼 수 있도록 학습하는 데에 지금까지 많은 노력을 기울여 왔고, 그 결과 HyperCLOVA X Vision은 문서의 이해를 포함한 여러 가지 능력을 갖추고 있습니다. 기존의 HyperCLOVA X에 이미지를 이해하는 능력을 추가하는 것뿐만 아니라 기존에 가지고 있던 텍스트 관련 능력을 잊지 않고, 안전 관련 요소들도 놓치지 않도록 다방면으로 노력을 기울여 왔습니다. 이 글에서는 HyperCLOVA X Vision의 기술적 개요와 현재의 성능 수준을 간단한 예제 위주로 구성하여 소개해 드리려고 합니다.
HyperCLOVA X Vision 기술 소개 HCX Vision은 기존의 거대 언어 모델(Large Language Model)에 이미지 이해 능력을 더해 거대 시각 언어 모델(Large Vision Language Model)로 발전했습니다. 이를 위해 다양한 시각 및 언어 데이터를 사용하여 추가 학습을 진행했으며, 이 과정에서 이미지와 텍스트를 동시에 이해할 수 있는 능력을 갖추게 되었습니다. 특히, 여러 시나리오에 맞춘 다양한 데이터를 수집하여 다양한 상황에서 시각과 언어 이해 작업을 수행할 수 있도록 했습니다. 예를 들어, 문서 인식이나 이미지 내 텍스트 이해와 같은 작업에서도 뛰어난 성능을 발휘할 수 있습니다.
네이버는 세계 최고 수준의 한국어와 손 글씨 인식 능력을 갖춘 OCR 기술을 보유하고 있습니다. 이러한 경험을 바탕으로, HCX Vision은 문서 처리와 글자 인식 능력을 강화하여 사용자에게 더욱 정확하고 신뢰성 있는 서비스를 제공합니다. HCX Vision은 초대량의 한국어 데이터로 학습된 거대 언어 모델인 HCX를 기반으로 하고 있습니다. 이에 따라 여러 한국어 및 한국 문화 관련 지식을 포함하고 있으며, 이러한 특성을 HCX Vision에 성공적으로 적용함으로써 한국어 문서와 이미지 내 텍스트 이해에 탁월한 성능을 발휘합니다.
HyperCLOVA X Vision 의 정량 지표
Public Benchmarks
SEEDv1 (image)
MMMU (val)
TextVQA (val)
DocVQA (test)
ChartQA (test)
InfographicVQA (test)
MathVista (testmini)
VQAv2
Average
GPT-4V
69.1
56.8
78
88.4
78.5
75.1
49.9
77.2
71.63
HCX-VLM
75.6
45.1
77.9
89.8
81
65.2
57.1
81
71.59
달성률(%)
99.94
HyperCLOVA X Vision의 여러 정량 지표를 소개해 드립니다. 성능 트래킹을 위해 내부적으로 30개에 가까운 지표를 사용하고 있지만, 여기서는 OpenAI GPT-4V와 직접적인 비교가 가능한 지표들만 일부 가져왔습니다. 앞으로 LLM의 Reasoning 능력 향상과 VLM 측면에서의 고해상도 처리를 위한 인코더 구조 변경, 추가적인 Vision Alignment Task 등 출시 이후 올해 하반기에도 점진적으로 성능을 향상할 예정입니다.
K-GED (한국 초 · 중 · 고 검정고시) 성능
Model
Correct Answers
GPT-4o
1152/1480 (77.8%)
HCX-VLM
1240/1480 (83.8%)
정량 평가 중에서도 한국향 데이터를 더 많이 학습한 모델이 강점을 보일 수 있는 영역이 무엇이 있을지 고민하다가, 대한민국 초 · 중 · 고등학교 검정고시를 벤치마크로 활용해 보았습니다. 총 1,480개의 사지선다 검정고시 기출 문제로 구성되어 있으며 이미지 형태로 입력했음에도 불구하고 83.8%로 상당히 높은 정답률을 보입니다. 참고로 검정고시의 합격 기준점은 60%이며 77.8%인 GPT-4o보다 높은 성능을 보여줍니다.
예제 기반의 HyperCLOVA X Vision 기능들
하기에서는 분야별 다양한 작업에 대한 예제들을 소개합니다. 한창 개발이 진행 중인 상황이라 100% 완벽하지는 않지만, 거대 모델이 출현하기 이전에 독립된 개별 작업을 별도의 모델로 하나씩 격파하던 기억을 떠올려 보면 직접 개발을 진행하는 입장에서도 격세지감이 드는 상황입니다.
Detailed Image Captioning 이미지에 대해 상세한 설명을 요구하는 작업으로 이미지 캡셔닝이라고도 불립니다. 별도의 객체 인식 모델을 사용하지 않음에도 불구하고 이미지의 세세한 부분까지도 비교적 정확하게 인식하고 묘사할 수 있습니다.
Reasoning 이미지에 대한 상세한 이해를 바탕으로 상황에 대해 추론하거나 다음 단계를 예측할 수 있습니다. 해당 능력은 LLM의 고유 능력을 활용하며, LLM이 여러 비전 기능을 직접적으로 받아들이도록 학습하였습니다.
Entity Recognition Entity는 의미를 갖는 단위를 지칭하며, 인명, 장소, 제품 등 다양한 형태를 가집니다. HCX Vision을 사용하여 역사적인 인물의 이름, 유명한 장소, 상품명, 음식의 이름을 이미지만으로 이해할 수 있습니다. 현시성 강화를 위한 검색 보강 생성 (Retrieval Augmented Generation; RAG) 등의 방식을 사용하지 않더라도, 기본적으로 학습 데이터에 존재했던 Entity를 무리 없이 인식할 수 있음을 확인했습니다.
Chart Understanding 사람의 직관적인 이해를 돕기 위하여 수치적인 데이터는 차트의 형태로 유통되는 경우가 많습니다. 사람에게는 쉽지만, 기계의 입장에서는 추상적인 표현을 이해해야 하기 때문에 성능을 내기가 매우 어려운 작업입니다.
Table Understanding 수치적인 비교 데이터는 표로 나타내는 것이 일반적입니다. 원본 데이터가 Excel이나 CSV 형태일 경우 텍스트 모달을 사용하는 LLM에 입력하여 바로 활용할 수도 있지만, 해당 데이터가 이미지의 캡처본일 경우에는 이미지에 있는 텍스트를 올바르게 인식하고, 그 위치적인 상관관계들을 이해할 수 있어야 프롬프트에 적합한 답변을 생성할 수 있습니다.
Document Understanding 일반적인 영어와 한글 문서뿐만 아니라, 한자 또는 일본어로 작성된 문서도 이해할 수 있습니다.
Culture and Humor (Meme Understanding) 유머나 문화를 이해하기 위해서는 매우 고차원적인 수준의 능력이 필요합니다. HCX Vision은 이미지와 텍스트 쌍으로 구성된 다량의 데이터를 학습하기 때문에 이러한 밈에 대한 이해가 가능합니다.
Equation Understanding 렌더링 되어 있는 수식은 사람이 쉽게 읽을 수 있는 데 반해서, 이를 다시 디지털 포맷으로 입력하는 것은 상당히 어려운 작업으로 TeX 문법이 익숙하지 않으면 오랜 시간이 소요됩니다. HCX Vision은 이러한 수동적인 입력 작업을 상당히 간소화할 수 있습니다.
Code Generation 특정 도형이나 차트, 그래프 등을 생성하는 데 필요한 코드를 생성할 수 있습니다.
Math Problem Solving 도형이 포함된 수학 문제를 이해하고 풀이를 제공할 수 있습니다.
Creative Writing (with Image Grounding) HCX LLM 본연의 기능에 가깝지만, 이미지에 포함된 요소들을 기반으로 창의적인 글쓰기가 가능합니다.
HyperCLOVA X Vision 미래 전망과 Sovereign AI 현재 하나의 이미지에 대한 이해에서 나아가 수백만 단위의 컨텍스트 길이를 활용하여, 한 시간 이상 분량의 영화를 통째로 이해한다거나, 스트림으로 연속적으로 들어오는 영상을 이해하는 것이 가까운 시일 내에 가능해질 것으로 전망합니다. 이에 추가로 실시간 처리 기술까지 동반된다면 AI가 독립적인 개체로써 상황에 유연하게 대응하는 것이 가능해지고 정말 영화에서나 보던 로봇이 일상생활에 녹아들어 유용함을 제공해 주는 시대가 머지않았습니다.
LVLM도 Text-only의 LLM과 마찬가지로 지역이나 문화적 배경에 따라 다양한 가치관을 이해하거나 표현할 수 있어야 합니다. 특히 시각적인 기호 등의 해석에서도 Sovereignty가 중요해질 전망이고 결국 이러한 데이터를 유리하게 확보하고 선점할 수 있는 그룹이 사람들에게 더 유용하고 안전한 AI를 개발할 수 있습니다. 네이버는 대한민국 최고의 플랫폼으로써 필요한 데이터를 효과적으로 확보할 수 있는 유리한 위치에 있습니다.
자율주행 로봇 서비스 기업 뉴빌리티가 미국 통합 보안 서비스 기업 사우스 플로리다 시큐리티 그룹(South Florida Security Group; 이하 SFS그룹)과 손잡고 순찰로봇 서비스의 현지화를 위해 협력한다고 19일 밝혔다.
양사는 SFS Group이 보안 서비스를 제공하는 미국 플로리다 내 커뮤니티를 중심으로 로봇을 활용한 혁신적인 보안 서비스를 검토하기 위해 최근 PoC(사업 검증) 공동 수행을 위한 계약을 체결했다. 특히, 뉴빌리티는 이번 협력을 시작으로 북미 시장 공략을 본격화해 나갈 계획이다.
마이애미 주택단지를 순찰하는 뉴빌리티 순찰로봇 ⓒ neubility 4월 8일부터 세 달간 진행되는 이번 서비스는 플로리다주 마이애미에 위치한 1,700세대가 거주하는 고급 주택단지 도랄 아일스 클럽하우스(Doral Isles Club House)에 뉴빌리티의 순찰로봇을 배치, 커뮤니티 내 보안과 안전 강화를 목표로 한다.
서비스 기간에 뉴빌리티의 순찰로봇은 이동형 CCTV로서, 주야간 24시간 자율 순찰과 안전 점검을 수행한다. 광범위한 지역을 정밀하게 탐색할 수 있는 뉴빌리티 순찰로봇은 보안 감독의 사각지대 문제를 효과적으로 해소하고, 보안 담당자의 업무 부담을 낮출 수 있다. 뿐만 아니라, 관제 화면을 통해 여러 지역의 다중 모니터링과 이상 상황 발생 시 즉각적인 경고를 발신하는 음성 송출 기능을 지원함으로써 사고 탐지 및 대응 시간을 획기적으로 개선한다.
마이애미 주택단지를 순찰하는 뉴빌리티 순찰로봇 ⓒ neubility 뉴빌리티의 이상민 대표는 "이번 기술 검증은 뉴빌리티가 북미 시장에 성공적으로 진입하는 데 있어 중대한 이정표가 될 것"이라며, "다양한 환경에서의 폭넓은 적용 가능성을 고려해 설계된 뉴빌리티 로봇이 이번 검증을 통해 가치를 입증할 것으로 확신한다"고 포부를 밝혔다.
SFS 그룹 리고 페레즈회장은 "SFS그룹은 뉴빌리티와의 파트너십을 통해 혁신을 꾀하고 보안 업계를 선도할 계획”이라며, “보안 솔루션에 순찰로봇을 도입한 것은 고객에게 가장 혁신적이고도 효과적인 보안 조치를 제공하려는 SFS그룹의 미래 지향적인 접근 방식을 반영한 것"이라고 설명했다.
한편, 뉴빌리티는 국내에서 덕성여대, 강원대, 부경대 등 캠퍼스와 송도 센트럴파크에서 순찰로봇을 운영해 오며 다양한 위험 시나리오에 대응하는 순찰 기능 개발 및 고도화를 거쳐왔다. 지난 1월에는 CES 2024에서 전 세계에서 모인 업계 전문가, 투자자, 시장 관계자를 대상으로 자율주행 순찰로봇을 선보인 바 있다.
인공지능(AI) 시대 필수 인프라로 꼽히는 데이터센터가 ‘굶주린 짐승’처럼 전기와 물을 먹어치우면서 각국 정부와 기업들이 골머리를 앓고 있습니다. 데이터센터에서 물과 전기 사용량을 줄이기 위해 당국이 규제 강도를 높이자 기업들은 기술 개발에 나서는 등 대책 마련에 분주합니다.
네이버 데이터센터 내 '서버룸'. 수많은 서버를 보관하는 공간 (네이버 제공) /뉴스1
최근 생성형 AI 열풍이 불면서 AI 학습과 서비스에 필요한 데이터센터가 세계 곳곳에서 건설되고 있습니다. 현재 8000개에 달하는 데이터센터가 운영 중입니다. 문제는 데이터센터에서 발생하는 열을 식히기 위해 엄청난 양의 물이 필요하다는 겁니다. 2022년 데이터센터 유지를 위해 마이크로소프트(MS)는 물 사용량을 전년보다 34%, 구글은 22% 늘렸습니다. 2027년에는 세계 데이터센터 물 소비량이 영국의 한 해 물 소비량의 절반에 해당할 것이란 전망도 나왔습니다. 특히 AI 데이터센터는 일반 데이터센터보다 배 이상 전력을 소모하기 때문에 국가 전력망에도 큰 부담을 줍니다.
칠레 환경 법원은 구글의 데이터센터 건설 허가를 일부 취소하며, 구글에 서버 냉각 시스템 변경을 요청했습니다. 아일랜드 더블린 시 당국은 지난해 신규 데이터센터 건설 프로젝트를 거부했고, 미국 버지니아주와 독일은 최근 주거 지역 인근에 데이터센터 허가를 제한하고 재생 에너지 사용과 폐열 재사용을 요구하고 있습니다. 극심한 가뭄을 겪고 있는 우루과이에서는 구글의 신규 데이터센터 건설을 두고 주민들이 거세게 반발하고 있습니다. 기업들은 전력 효율을 높일 시스템을 도입하고 물을 재사용하는 방식으로 대처하고 있습니다. 24시간 운영 가능한 소형 모듈 원자로(SMR)까지 대안으로 거론되고 있습니다.
산업통상자원부에 따르면 국내 데이터센터 전력 수요는 2022년 1762MW(메가와트)에서 2029년 4만9397MW로 폭증할 전망입니다. 한국도 몇 년 내에 데이터센터발 물 부족과 전력망 문제를 겪게 될 수도 있다는 뜻입니다. 각국의 사례를 반면교사 삼아 미리 대비해야 데이터센터가 한국의 AI 경쟁력을 발목 잡는 일을 막을 수 있을 것 같습니다.
물론 인공지능이 앞서 말씀 드린 스스로 학습하고 일하는 인공 일반 지능이 아닌 이상에야,당장 인간을 대체하지는 못할 것 같아요.다만 미래의 세상에는 인공지능을 잘 다루는 사람과 그렇지 않은 사람의 위상은 크게 달라질 것으로 믿어요.예를 들어 챗GPT로 무슨 일을 할 수 있을까요?
정확한 정보 검색
생성형 인공지능을 활용한다면,더 빠른 속도로 정보를 찾을 수 있어요.지메일 창업자인 폴 부하이트는“구글이 혼란에 빠지는 데까지1~2년이 안 남았다”고 경고를 했을 정도입니다.향후 실시간 데이터를 받아들일 경우 정확하게 정보를 검색할 수 있는 사람이 더 업무 능력이,향상될 것으로 보이는데요.이를 위해서는 정확하 질문을 입력하는 기술(?)이 필요해요.
글을 작성한다
사실 글을 쓴다는 것은 고단한 일인데요. 논란이 있지만직장에서라면 생산성 향상을 위해 유용해요.오히려 유펜 교수인 이던 몰리는 학생들한테 일부러 챗GPT를 권장한다고 해요. “공부 알아서 하고,더 정확하고,더 엄격한 리포트를 갖고와”하고 말이죠.글의 눈높이가 앞으로는 더 높아질 듯 합니다.
데이터를 분석한다
이런 기능은 잘 안써 봤는데요.챗GPT를 활용해 방대한 양의 데이터를 분석할 수 있다고 해요.어떻게? 좀 더 궁금하신 분은여기를 클릭해 보세요.
데이터 요약 요청
데이터 관계 설명을 요청
데이터를 토대로 미래 예측을 요청해 본다 (안되네요..)
데이터 시각화를 요청(아직은 안됩니다)
추가 분석을 위한 권장 사항을 요청
시간 관리에 활용
유튜버인Micha는 챗GPT를 활용해 작업 일부를 자동화하는 영상을 시연했는데요.좌표는여기.인공지능을 활용해 일정과 작업 우선순위를 지정할 수 있다고 해요.예를 들어 보고서를 작성하는 것과 상사와 회의 일정을 잡는 것처럼 일정이 겹쳐버린다면?시간 단위로 가능한지 여부를 알려준다고 해요.개인 비서?
