본 기사는 심층 시각 모델의 설명 가능성을 높이기 위한 새로운 접근법인 '설명의 사슬(CoE)'에 대해 소개합니다. CoE는 시각적 개념 회로를 자동으로 해독하고 설명하며, 개념의 다의성 문제를 해결하는 메커니즘과 모델의 해석 가능성을 정량화하는 CPE 지표를 제시합니다. GPT-4와 인간 기반 실험 결과, CoE는 설명 가능성 점수에서 평균 36%의 개선을 달성했습니다.

중국과학원 연구팀이 대규모 언어 모델(LLM)을 활용해 '스파이 찾기' 게임에서 뛰어난 성능을 달성했습니다. Chain-of-Thought(CoT) 기반 프레임워크를 통해 훈련 없이도 상황 추론 및 사회적 상호 작용 능력을 향상시켰으며, 이는 AI의 실제 사회적 활용 가능성을 시사합니다.

장기 단기 기억(LSTM) 신경망 기반의 새로운 데이터 중심 접근 방식을 통해 개인의 고유한 움직임 특징을 포착하는 인공지능 모델이 개발되었습니다. 이 모델은 가상 아바타 및 로봇 기술의 발전에 크게 기여할 것으로 기대되지만, 데이터 활용의 윤리적 문제 또한 고려해야 합니다.

Hancong Feng, Kai Li, 그리고 Bin Tang 연구팀이 개발한 Sig2text는 시각-언어 모델을 이용한 비협조적 레이더 신호 분석 기술로, 컨텍스트 프리 그래머와 시각 변환기를 결합하여 레이더 파형의 구조적 의미와 매개변수를 효과적으로 추정합니다. 합성 데이터셋을 통한 성능 검증 및 오픈소스 코드 공개를 통해 학계 및 산업계에 크게 기여할 것으로 예상됩니다.

태국 연구팀이 개발한 AI 기반 다중 에이전트 진단 시스템은 RAG 기술을 활용하여 돼지 질병 감지를 개선하고, 수의사의 의사결정을 지원함으로써 전 세계 식량 안보에 기여할 것으로 기대됩니다.