진행 상황 로그

250924

TA 전체 총평

다들 이전보다는 방향성을 잡은 듯 싶은데 각자 의견에 제가 그 방향성에서 살을 좀 붙여보았습니다. 같이 의논해서 마음에 드는 방향성대로 가보셨으면 좋겠네요.

LLM은 LM의 한 종류

여러분들이 AI를, LLM을 많이 활용하다 보니 혼용하여 이러한 결과가 나온 것 같아 간단히 짚겠습니다.

• Artificial Intelligence, AI: 인간 지능을 모방하여 학습, 추론, 문제 해결등 능력을 컴퓨터 프로그램으로 구현하는 것
• Language Model, LM: AI의 한 분야. Natural Language Processing의 핵심, Tokenization을 하여 다음 Sequence가 얼마나 자연스러운지, 어떤 Sentence가 나올지 계산하는 모델
• Large LM, LLM: Parameter가 방대한 LM. 특징으로 범용성이 뛰어나 여러 광범위한 작업이 가능

SLM은 LM의 한 종류

• Small LM, SML: Parameter가 수십억 개 이하인 경량화된 LM. SLM은 명확한 장점이 있음.
  • 일반적인 GPU로도 구동가능, 오픈소스로 공개된 LM이 많음(비용 효율성)
    • 비용효율성을 활용해 개인화, 보안성 등등 활용성 ++
  • 수 시간에서 수 일 내로 훈련 및 파인튜닝 가능(빠른 개발 사이클)
  • 오픈소스이기에 화이트박스

재윤씨 내용

스마트팜 운영의 문제에 해당하는 일들을 도메인으로 삼고 개인 비서쪽으로 진행하는 것도 방법일 듯 싶음 이렇게 진행 될 경우 스마트폰에 온디바이스인 게 의미가 있을 수 있으나 항시 리소스를 잡아먹는 문제를 어떻게 개선할 지 생각해야 함: TSDB를 잘 활용하면 될 지도 모르겠음 여러 민감한 정보를 받아 경영 제안을 해주는 SLM을 제안하는 것이 제시한 문제 상황에 훨씬 더 타당한 프로젝트로 보임

• LSTM(시계열 기반 분석 알고리즘)이 더 적합해 보임
• AI를 활용하는 것은 좋으나 해당 내용의 참고 링크가 실제인지, hallucination 인지 확인하는 작업을 했는지 모르겠으며, 했다 하더라도 링크를 달아 공유하는 것이 바람직해 보임
  • 본문 내용의 대부분 거시적 상황에 대해 말하는 데 반해, 다루는 것은 센서 유지보수에만 국한됨
• SLM은 사실상 센서 유지보수에만 국한되어 있다고 느껴짐
• P.S. 문서 Raw data라서 양이 많은 것은 좋으나 읽는 사람을 배려하여 두괄식으로 적는 습관을 들이는 것이 좋아 보여요!

수민씨 내용

따로 아이디어를 크게 낼 게 없어보임. 그나마 개인화 정도를 추가고려하면 좋아보임

• SML을 활용 방법이 적합하고 그렇게 활용하여 판단 보조만을 맡겨 비용 효율적, 노동을 줄이는 것에 집중
  • 현실가능성 있고 좋아 보임
• 구체적인 인용 논문을 가지고 왔으나 Deep learning-driven IoT solution for smart tomato farming 저 논문은 사실상 이미지를 분석해 토마토가 익었는지 안익었는지 분석하는 내용이 주인 논문이며, Hit rate는 50%가 조금 더 넘음
• 센서의 경우 통계적으로 충분히 해결 가능해 보임

연제씨 내용

지금의 컴퓨터 비전 모델을 활용해 SLM으로 사용하려면 익음도, 병해 여부를 판별해 구조화된 텍스트 데이터로 출력하는 모듈을 제작한 뒤 병해 여부가 있을 시 자가 판단이라던가, 자연어로 수확해야 할 위치를 알려달라고 하면 "A하우스 B구역, C하우스 D구역... 추천 경로는 C하우스를 갔다가 A하우스..."와 같이 소통하는 SLM을 생각할 수 있어 보임

• SLM과 연관성이 많이 떨어짐
  • Computer Vision Model 기술만 나열되어 있어 Language Model을 활용할 수 없을 거 같아 보임
• SML/AI 기반 이상 탐지 or 사람 판단 필요 알림 시스템 구축은 추상적
  • 교수님이나 TA가 한 말을 그대로 반복하는 것 밖에 안됨

태식씨 내용

• SML을 사용해야하는 당위성이 없음
• 언급한 로직대로 동작한다면 통계적으로 해결이 가능한 문제로 보임

성민씨 내용

• 전달받지 못함

250918

내용

• 핵심 기능
  • 챗봇
    • IoT 센서로 부터 수집된 데이터를 기반으로 답변을 제공한다고 하는데 어떤 방식으로 할 것인지 없음
  • 변화 신호 감지
    • 어떤 센서 데이터를 분석하여 어떤 특이사항 발생 시 알릴 지 없음
  • 모델 테스트 및 관리
    • Repository에 Commit하여 Test code를 관리하는 것은 기능이 아님
• SLM에 관하여
  • 역할 및 활용은 위 핵심기능과 동일하며 이는 교수님께 피드백 받은 예시 내용에 그치지 않음
• 팀 운영 및 협업
  • Repository는 총 2개로 모델 개발, 문서로 구성
  • Notion을 활용하여 협업(업무 기여도의 정량적 평가는 어떻게?)
• 시스템 구조 및 계획
  • IoT 센서 정보를 수집한 것을 DB에 저장하고 그 데이터를 분석하여 이상 징후를 알림
    • 위 내용과 동일할 뿐더러 Target DB가 뭔지, 어떤 Logic을 활용하여 분석하여 이상 징후를 알릴 것인지가 없음
    • DB에 일정 기간 센서 데이터를 저장하는 방법론에 대해서도 언급이 없음