초거대 AI 모델
- 더 많은 데이터 + 더 큰 딥러닝 모델 + 더 많은 GPU 리소스
실제 활용될 때의 이슈 대두 및 보완책
- 인간과 인공지능 간의 소통 (인공지능 판단의 근거 제시, 사용자 피드백 수용)
- 인공지능 모델의 취약점 및 보안관련 문제
MLOps
- 머신러닝 모델을 서비스에 적용하는 전체 파이프라인
- 실제로 딥러닝 모델을 프로그램으로 짜고, 그 모델을 학습해서 성능을 높이는 과정은 전체 과정 중 작은 일부임
- 그보다는 학습 데이터의 확보 및 정제, 라벨링, 하이퍼파라미터 튜닝, 딥러닝 하드웨어 구성, 모델 개인화 및 경량화, 새로운 데이터에 대한 active learning 기반의 추가 학습 등의 다양한 다른 과정이 훨씬 더 중요해짐
