본 연구는 GPT-4 기반 챗봇 ‘Zenny’를 활용한 우울증 경험자 인터뷰를 통해 AI 챗봇의 정신 건강 관리 활용 가능성과 잠재적 위험을 분석하고, 사용자 중심의 설계 개선 방향을 제시합니다. 정보 제공, 감정적 지원, 개인 맞춤형 서비스, 프라이버시 보호, 위기 관리 등의 사용자 가치와 함께, 부정확한 정보, 감정적 공감 부족, 개인 정보 유출 등의 위험을 고려하여 AI 챗봇 개발에 대한 윤리적 책임감을 강조합니다.

Chen, Gong, Yang 연구팀이 개발한 딥러닝 기반 자율주행 충돌 회피 알고리즘은 밀집된 교통 상황에서도 99%의 성공률을 기록하며 기존 시스템 대비 월등한 성능을 입증했습니다. 선행 및 후행 차량의 움직임을 동시에 고려하는 이 기술은 자율주행의 안전성을 한 단계 끌어올리는 혁신적인 성과로 평가받고 있습니다.

Zhou, Li, Zhuge, Zhuge 연구팀은 텍스트에서 주어, 동작, 목적어, 부사어 차원을 자동 추출하여 자연어 질의를 효율적으로 처리하는 새로운 접근법을 제시했습니다. 80% 이상의 높은 정확도를 달성한 추상화 트리 구축을 통해 자연어 질의에 대한 검색 공간을 효과적으로 줄여 정밀한 텍스트 작업을 지원하는 혁신적인 결과를 보였습니다.

Ren과 Liu 연구진은 트랜스포머 모델의 압축 성능을 엔트로피와 동적 스파스성 관점에서 분석하여, 트랜스포머가 낮은 엔트로피 분포를 선호하고 FFN 모듈이 이에 중요한 역할을 수행함을 밝혔습니다. 또한, 대규모 모델의 훈련 불안정성과 죽은 뉴런의 급증 사이의 상관관계를 발견하였습니다. 이 연구는 트랜스포머 작동 원리에 대한 깊이 있는 이해를 제공하며, 향후 연구 방향을 제시합니다.

의료 분야 LLM의 실제 적용 가능성에 대한 연구 결과가 발표되었습니다. LLM은 시험에서는 높은 점수를 기록했지만, 실제 인간과의 상호작용에서는 성능이 저조했습니다. 따라서, 실제 사용자 테스트를 통한 상호작용 능력 평가의 중요성이 강조되었습니다.