LLM+Ontology: 전문가의 지식을 누구나 사용할 수 있게 만들 수 있을까?

요즘 업무에서 LLM을 사용하는 것은 더 이상 특별한 일이 아닙니다. 궁금한 내용을 찾거나 문서를 정리하는 것은 기본이고, 조금 더 적극적으로 활용하면 RAG를 구축해 필요한 정보를 빠르게 검색할 수도 있습니다. 최근에는 바이브 코딩을 이용해 반복적인 업무를 자동화하거나, 데이터를 분석하고 가시화하는 일도 이전보다 훨씬 쉽게 할 수 있게 되었습니다. 물론 모든 결과를 그대로 믿을 수 있는 것은 아닙니다. 그럴듯하지만 사실과 다른 답을 만들어내는 Hallucination은 여전히 신경 써야 할 문제이고, 전문적인 내용일수록 원문이나 근거를 다시 확인하는 과정이 필요합니다. 때로는 LLM이 만들어준 결과를 검토하는 데 적지 않은 시간을 쓰기도 합니다. 그럼에도 LLM이 유용하다는 사실 자체를 부정하기는 어렵..

“그래서 지금 이 차에 들어간 Software가 정확히 뭔가요?” 차량에서 문제가 생기면, 연구소 담당자들이 모여 차량을 확인하고, 제어기에 접속해 Software Version을 확인합니다. 만약 소프트웨어 버전이 4.0.0 이라고 할 때, 이 소프트웨어는 언제 Release되었는지, 무엇이 변경되었는지, 어떤 Calibration과 조합되는지, 이 차량에 설치되어도 되는 Version인지, 어떤 형식승인 상태와 연결되는지, 그리고 생산 당시부터 들어 있었던 것인지 OTA를 통해 변경된 것인지까지 알아야 할 수 있습니다. Software Version은 확인했지만, 정작 알고 싶은 것은 단순히 Software Version보다 훨씬 많은 셈입니다. 특히, SDV 시대에는 Software를 개발하는 능력..

이전 포스팅에서 Requirements Granularity에 대해 이야기한 적이 있습니다. 요구사항 Granularity란 무엇인가?왜 지금 granularity를 다시 말해야 하는가 현장에서 제가 자주 듣는 말은 “요구사항이 너무 추상적이다”라는 말 입니다. 실제로 문서를 펼쳐 보면 “지원해야 한다”, “가능해야 한다”, “보habana4.tistory.com 당시 강조했던 것은 요구사항을 얼마나 자세하게 작성하느냐보다, 서로 다른 추상화 수준의 요구사항을 구분하고 그 관계를 유지하는 것이 중요하다는 점이었습니다. 이번에는 조금 더 구체적인 자동차 사례를 가지고 이 이야기를 이어가 보려고 합니다. 이번 포스팅에서 다루고자 하는 사례는 아주 익숙한 제동 시스템에서의 Foot Brake인데요, 운전자 ..

자율주행차에서 주행 중 사고가 났다고 상상을 해 볼까요? 그런데 사고 당시 사람은 운전을 하지 않았습니다. 물론 자율주행차량이다 보니 당연히 사람이 운전을 하지 않았겠지요. 오직 차량 스스로 주변 환경을 인식하고, 보행자와 다른 차량의 움직임을 판단하고, 스스로 주행 경로를 결정하고 있었습니다. 그렇다면 사고의 책임은 누구에게 있을까요. 차량을 소유한 사람일까요? 자동차를 만든 제조사일까요? 아니면 자율주행 소프트웨어를 개발한 회사일까요?가끔 어떤 사람은 농담조로 “운전한 것이 AI라면 AI가 책임져야 하는 것 아닌가?”라는 말을 하기도 합니다. 실제로 현실에서 사고에 대한 책임 문제는 차량 소유자나 운행자, 자동차 제작사, 부품 및 소프트웨어 공급자 등 사고와 관련된 여러 주체 사이에서 원인과 책임관계..

우회전을 하다 보면 판단하기 애매한 순간이 있습니다.횡단보도 위에는 사람이 없는데, 횡단보도 바로 옆에 사람이 서 있는 경우입니다. 아직 횡단보도에 들어오지는 않았으니 그대로 지나가도 된다고 생각하기 쉽습니다.하지만 최근 헌법재판소의 판단은 운전자가 바라봐야 할 범위를 조금 다르게 보여줍니다.핵심은 보행자가 현재 횡단보도 위에 있는지만 보는 것이 아니라, 횡단보도를 ‘통행하려고 하는 때’인지까지 살펴야 한다는 것입니다.‘횡단 중인 사람’에서 ‘횡단하려는 사람’으로도로교통법 제27조 제1항에서는 운전자가 횡단보도 앞에서 어떻게 보행자를 보호해야 하는지를 규정하고 있습니다. “보행자가 횡단보도를 통행하고 있거나 통행하려고 하는 때” 과거에는 운전자 입장에서 횡단보도 위에 보행자가 있는지가 중요한 판단 기준처..

요즘 거의 모든 분야에서 AI에 관심을 갖는 사람이 정말 많아졌습니다. ChatGPT와 같은 생성형 AI를 사용하는 것은 이제 특별한 일이 아니고, 바이브 코딩을 이용하면 전문적인 개발 경험이 많지 않아도 간단한 프로그램이나 서비스를 직접 만들어 볼 수 있는 환경도 갖춰지고 있습니다. 하지만 무엇을 만들면 좋을지, 어떤 문제를 AI로 해결하면 좋을지, 데이터는 어디에서 구해야 할지는 여전히 막막하지만 합니다. 게다가 아이디어가 있더라도 실제 서비스로 만들어 볼 기회나 환경을 찾는 것도 쉽지 않습니다. 그런분이 한번 눈여겨볼 만한 경진대회가 있어 소개해 보고자 합니다. 과학기술정보통신부와 한국지능정보사회진흥원이 주최·주관하는 모두의 AI 실험실 AI 서비스 경진대회입니다. 이번 경진대회는 전통적인 AI 경..