대규모 언어모델 연구 | POSEIDON Ultimate line-up

건국대 연구팀은 음성·음향·신호처리분야인 자연어 처리(NLP)에 특화된 A100 GPU 를 탑재한 BARO AI 의 GPU 서버인 POSEIDON Ultimate 서버를 사용하여 미국 MIT, 뉴욕 공대 등 세계 유명 대학교들을 제치고 우승하는 성과를 이뤄냈다. 치매환자 검출 정확도 87%, 치매중증도를 예측하는 수치의 오차범위는 3.7을 획득해 타 팀 대비 높은 정확도를 보여줬다. 추후 신호처리분야 최고 권위의 ICASSP 학회에 발표할 예정이다.

컴퓨터 비전 분야에서는 딥러닝 기술을 이용해 각 산업분야에 적용되고 있습니다. 현실에서는 주로 영상데이터 활용이 많아지고 있으며 영상 데이터를 기반으로 Object Detection, Segmentation, Pose Estimation 같은 기술에 접목 되어, 개인 PT서비스, 자율주행, 질병진단 의료장비에 관한 연구가 진행되고 있습니다. 영상데이터의 질이 높아지고 양이 많이 지면서 딥러닝 연구에서는 더 많은 연산량이 필요하고, 기존의 CNN 을 기반으로 한 무거운 모델인 VGG, ResNet 모델을 이용해 학습을 하기 위해 GPU 서버 사용이 필수가 되고 있습니다.

GPT-3 와 같은 초거대 딥러닝 모델이 등장하면서 이제는 사람인지 인공지능인지 파악하기 힘든 수준으로 인공지능 모델이 발전됨을 확인했습니다. 이같은 모델을 이용해 고품질의 번역, 챗봇을 이용한 고객 응대 서비스, 인공지능 스피커의 서비스에 대한 기대도 커지고 있습니다. 한편으론 초거대 모델을 학습시키기 위해서 많은 리소스가 필요하게 되면서 모델 학습을 위한 클러스터링, 분산 학습을 위한 인프라 구축의 중요성도 높아지고 있습니다.

건국대 연구팀은 음성·음향·신호처리분야인 자연어 처리(NLP)에 특화된 A100 GPU 를 탑재한 BARO AI 의 GPU 서버인 POSEIDON Ultimate 서버를 사용하여 미국 MIT, 뉴욕 공대 등 세계 유명 대학교들을 제치고 우승하는 성과를 이뤄냈다. 치매환자 검출 정확도 87%, 치매중증도를 예측하는 수치의 오차범위는 3.7을 획득해 타 팀 대비 높은 정확도를 보여줬다. 추후 신호처리분야 최고 권위의 ICASSP 학회에 발표할 예정이다.

컴퓨터 비전 분야에서는 딥러닝 기술을 주로 영상데이터 많이 활용하고 있습니다. 영상 데이터를 기반으로 Object Detection, Segmentation, Pose Estimation 같은 기술에 접목하여, 개인 PT서비스, 자율주행, 질병진단 의료장비에 관한 연구를 진행하고 있습니다. 영상데이터의 질이 높아지고 양이 많이 지면서 딥러닝 연구에서는 더 많은 연산량이 필요하고, 기존의 CNN 을 기반으로 한 무거운 모델인 VGG, ResNet 모델을 이용해 학습을 하기 위해 GPU 서버 사용이 필수가 되고 있습니다.

대규모 언어모델(LLM)은 대형 언어 모델 또는 거대 언어 모델은 수많은 파라미터를 보유한 인공 신경망으로 구성되는 언어 모델로 이같은 모델을 이용해 고품질의 번역, 챗봇을 이용한 고객 응대 서비스, 인공지능 스피커의 서비스에 대한 기대도 커지고 있습니다. 한편으론 초거대 모델을 학습시키기 위해서 많은 리소스가 필요하게 되면서 모델 학습을 위한 클러스터링, 분산 학습을 위한 인프라 구축의 중요성도 높아지고 있습니다.