본 기사는 네팔어와 같은 저자원 언어에 대한 명명된 개체 인식(NER)에서 생성형 AI(GenAI)와 대규모 언어 모델(LLM)의 활용 가능성에 대한 최신 연구를 소개합니다. 연구팀은 다양한 프롬프팅 기법을 실험하여 LLM의 효과를 평가하고, 저자원 언어 NLP 연구의 발전에 기여했습니다.

Vi-LAD는 대규모 비전-언어 모델의 지식을 경량화된 모델로 증류하여 사회적 상황 인식 로봇 내비게이션을 가능하게 하는 혁신적인 기술입니다. 실제 로봇 실험을 통해 기존 기술 대비 성공률을 14.2%~50% 향상시키는 놀라운 성과를 달성했습니다.

Jesse Farebrother 등 연구진이 개발한 TD-Flow는 기존 미래 예측 모델의 한계를 극복하는 혁신적인 방법으로, 5배 이상 긴 시간 수평선에서 정확한 예측을 가능하게 합니다. 이론적 근거와 실험적 검증을 통해 그 효과가 입증되었으며, 장기적 의사 결정 분야에 혁신적인 발전을 가져올 것으로 기대됩니다.

독일과 미국의 공동 연구진이 개발한 설명 가능한 AI 모델은 당뇨병성 망막증 진단에 그래프 기반 지식과 비전-언어 모델을 결합하여 정확도 향상과 함께 의료진의 이해도를 높였습니다. 이는 정밀 의료 시대를 향한 중요한 진전으로 평가됩니다.

본 연구는 퀴어 아티스트들이 생성형 AI를 사용하는 과정에서 겪는 어려움과 그들이 개발한 극복 전략을 분석하고, AI 모델의 규범성에 대한 비판적 시각을 제시합니다. 퀴어 친화적인 AI 개발의 필요성을 강조하며, AI 기술의 윤리적, 사회적 책임에 대한 중요한 논의를 촉구합니다.