예전에 이케아에서 한창 물건 살때 샀던 탁상 스탠드 조명이 있는데, 브랜드 명이 뉘포르스라고 한다.
탁상 스탠드는 상품이 없어졌고, 지금은 거실에서 사용하는 플로어 스탠드 모델만 판매하고 있다.
디자인이 만족스러워 잘 사용하고 있었는데, 조명 스위치 끈이 끊어져 버렸다. 
그래서, 끈을 수리하려고 하니 일체형으로 만들어져서 수리가 불가능했다.
이케아 상품평에서도 보면 끈이 끊어지면 수리도 안되고 부품 교환도 안된다고 한다. 그 이유는 본체의 일부로, 부품의 범주에 포함되지 않기 때문이라는 것이다.
다른 이케아 스탠드에 비해 가격이 좀 나가는 스탠드이고, 고급감이 있어 만족하던 제품이라 그냥 버리기에는 많이 아깝다.

스위치 끈은 질긴 나일론 재질이 아니라 면이 섞인 재질처럼 보이고 딱봐도 강도가 좋아 보이지 않는다. 일체형으로 만들려면 나일론처럼 정말 질긴 끈을 사용했으면 더 좋았을 것 같다.

수리나 부품 교환이 안되니, 버려야 하는데....
너무 아깝다. 그래서, 수리할 방법을 모색 중이다.
어제 분리할 수 있는지 자세히 봤는데, 분리는 안될 것 같고 목 부분을 잘라내야 할 것 같다.
전구 끼우는 부위 바로 아래를 잘라내고 전구 소켓을 다른 것으로 달면 어떨까 생각했다.

그럼, 어떻게 소켓 교체를 해야할까?
먼저 무식하고 간단한 방법으로 용접을 생각해 보자.
깨끗하게 용접을 하고 그 부위를 소형 그라인더로 잘 갈아내면 좋겠지만, 나한테는 티그 용접기가 없다. 논가스 용접이나 아크 용접으로는 이 작은 부위에 정밀 용접을 하기는 어렵다는 생각이 들어 용접은 일단 보류한다.
그 다음으로 무슨 방법이 있을까 고민해 보다가 알리를 검색해 봤다.
그래서, 속이 뚫린 M10(10mm) 규격의 금속 튜브를 발견했다. 그리고 이것과 호환되는 조명용 소켓도 찾았다.
일단 블랙프라이데이 시작과 함께 주문했다. 부품이 배송되면 그때 제작을 시작해야지.

https://ko.aliexpress.com/item/1005007364475478.html?spm=a2g0o.order_list.order_list_main.10.324c140fuI3Mlj&gatewayAdapt=glo2kor

일단 지금 생각으로는 위 사진의 소켓 바로 아랫부분을 절단하고, 아래 사진의 금속 튜브를 어떻게 결합하면 좋을지 방법을 찾아보려고 한다.
1. 안에 넣을 수 있다고 판단이 되면, 내부에 탭을 내서 결합을 하도록 한다.
2. 만약 어렵다면 이 금속 튜브와 절단한 목 부위를 용접으로 접합한다.

부품이 배송되고 수리하고 그 결과를 공유하도록 할께요!
혹시 나처럼 무모한 수리를 하려는 분들이 있을 것 같아서, 알리 링크도 남깁니다.

더 좋은 수리 방법이 생각나시는 분이 있으시면 댓글 부탁드려요.

https://ko.aliexpress.com/item/32975684577.html?spm=a2g0o.detail.0.0.5590eeU2eeU2lT&mp=1&_gl=1*3euhi*_gcl_aw*R0NMLjE3MzEyODU2NjEuQ2p3S0NBanduZWkwQmhCLUVpd0FBMnh1QmhuZE8zYUw1X0lkUzl6UUM5Y1YyWmNRMTZ1bTRIUzhuSmh2T2VQcDlnZlhFcS1IVnZEVzBob0NxLVVRQXZEX0J3RQ..*_gcl_au*OTU5OTg0NTgxLjE3MjQwNDM5ODA.*_ga*Mzk0MTQ5ODE3LjE3MjQwNDM5ODE.*_ga_VED1YSGNC7*MTczMTI4NTY2MC40OC4xLjE3MzEyODU2NzAuNTAuMC4w&gatewayAdapt=glo2kor 

요즘 여러 앱들을 사용해 정리하던 글들을 Synology Note를 사용하는 것으로 일원화하기 시작했습니다.
그런데, 글을 쓰다가 문단을 나누고, 머리말을 쓰거나 하면서 단축키가 있으면 더 편할텐데 라는 생각이 들었습니다.
작성 화면에서는 확인할 수 없길래 Synoloy 홈페이지에서 살펴보니 단축키가 나와 있더군요.

그래서, 좀 더 빠른 글쓰기를 위해 이곳에 한글로 정리해 봅니다.

먼저 화면 구성을 살펴 보면 다음과 같습니다.

왼쪽에 보이는 것이 메뉴 패널입니다.
- 즐겨찾기 : 즐겨찾기로 등록한 항목(노트, 노트북, 태그)을 표시해서 자주 찾는 항목을 쉽게 찾도록 도와줍니다.
- 할일 목록 : 별표 표시된 작업, 기한이 지난 작업, 오늘 마감인 작업, 향후 7일 이내 마감되는 작업을 볼 수 있습니다.
- 메모 : 여기에 모든 메모와 공유 메모가 표시됩니다.
- 메모장 : 여기를 클릭하면 작성한 노트를 그룹화된 메모장으로 구분해서 볼 수 있습니다.
- 스마트 메모장 : 클릭하면 지정된 기준에 맞는 노트가 표시됩니다.
- 태그 : 작성한 노트의 모든 태그를 표시합니다.

 Note Station에서 사용하는 단축키

메뉴/브라우저 패널에서

노트 패널에서

생각보다 단축키가 일반적이고 많아서 사용하는데 도움이 되었다.
상용 노트 앱을 사용하다가, Synology를 도입하고 나서 Note 앱을 사용해 보니 조금 부족한 듯 보여도 충분히 여러 곳에서 정보를 취합하고 글을 쓰는데는 부족함이 없어 보였다.

앞으로도 많이 사용하게 될 것이라 단축키를 정리해 본다.

ChatGPT의 가능성

ChatGPT에서 발표한 GPTs로 이제 프로그래머가 아닌 일반 사람들이 자기만의 AI를 활용할 수 있는 세상이 열리게 되었다.

상상해 보자.

친구와 대화하는 것과 마찬가지로 컴퓨터와 빠르게 소통할 수 있는 세상을!
그런 세상이 어떻게 보일까?
일상 생활 속에서 어떤 응용 프로그램을 만들어 사용할까?

이러한 인공 지능 모델의 영향은 단순한 음성 어시스턴트를 넘어서며, OpenAI의 모델 덕분에 개발자들은 이제 한때 과학 소설로만 여겨졌던 방식으로 우리의 필요를 이해하는 응용 프로그램을 만들 수 있다.

ChatGPT란?

그런데 GPT-4와 ChatGPT는 무엇일까?

먼저 이러한 인공지능 모델의 기초, 기원 및 주요 기능을 알아보도록 하자.
이러한 모델의 기본을 이해함으로써 다음 세대의 LLM 기반 응용 프로그램을 만드는 길에 한 발자국 나아갈 수 있을 것이기 때문이다.

GPT-4와 ChatGPT의 개발을 형성한 기본적인 구성 요소를 제시한다.
우리의 목표는 언어 모델과 NLP의 포괄적인 이해, 트랜스포머 아키텍처의 역할, 그리고 GPT 모델 내의 토큰화 및 예측과정을 제공하는 것이다.

LLM(대형 언어 모델)로서, GPT-4와 ChatGPT는 기계 학습(ML)과 인공 지능(AI)의 하위 분야인 자연어 처리(NLP) 분야에서 얻은 최신 유형의 모델이다.

GPT-4와 ChatGPT에 대해 알아보기 전에 NLP와 그와 관련된 분야를 살펴보는 것이 중요합니다.

AI에 대한 다양한 정의가 있지만, 대략적으로 합의되는 정의 중 하나는 AI가 일반적으로 인간 지능이 필요한 작업을 수행할 수 있는 컴퓨터 시스템의 개발이라고 말한다.

이 정의에 따라 많은 알고리즘이 AI 범주에 속한다.
예를 들어 GPS 애플리케이션에서의 교통 예측 작업이나 전략적 비디오 게임에서 사용되는 규칙 기반 시스템을 생각해보자.
이러한 예에서 기계는 외부에서 보면 이러한 작업을 수행하기 위해 지능이 필요한 것처럼 보인다.

ML은 AI의 하위 집합이다.
ML에서는 AI 시스템에서 사용되는 의사 결정 규칙을 직접 구현하지 않는다.
대신 시스템이 예제에서 스스로 학습할 수 있게 하는 알고리즘을 개발하려고 한다.
ML 연구가 시작된 1950년대 이후로 많은 ML 알고리즘이 과학 문헌에서 제안되었다다.

이 중에서도 딥러닝 알고리즘이 주목을 받았다.
딥러닝은 뇌의 구조에서 영감을 받은 알고리즘에 중점을 둔 ML의 한 분야다.
이러한 알고리즘을 인공신경망이라고 한다.
이들은 매우 큰 양의 데이터를 처리하고 이미지 및 음성 인식, 그리고 NLP와 같은 작업에서 매우 우수한 성능을 발휘할 수 있다.
GPT-4와 ChatGPT는 트랜스포머(변환자)라고 불리는 특정 유형의 딥러닝 알고리즘을 기반으로 한다.
트랜스포머(변환자)는 읽기 기계와 같이 작동한다.
문장이나 텍스트 블록의 다른 부분에 주의를 기울여 그 문맥을 이해하고 일관된 응답을 생성한다.
또한 문장 내 단어의 순서와 그 문맥을 이해할 수 있다.
이로 인해 언어 번역, 질문 응답, 텍스트 생성과 같은 작업에서 높은 효율을 발휘한다.
위 그림은 이러한 용어들 간의 관계를 나타나고 있다.

NLP는 컴퓨터가 자연스러운 인간 언어를 처리, 해석 및 생성할 수 있도록 하는 AI의 하위 분야다.
현대적인 NLP 솔루션은 기계 학습 알고리즘을 기반으로 한다.
NLP의 목표는 컴퓨터가 자연어 텍스트를 처리할 수 있게 하는 것이다.
이 목표는 다음과 같은 다양한 작업을 포함한다:

1. 텍스트 분류

입력 텍스트를 미리 정의된 그룹으로 분류한다.
이에는 감정 분석 및 주제 분류와 같은 작업이 포함된다.
기업은 감정 분석을 사용하여 고객이 서비스에 대한 의견을 이해할 수 있다.
이메일 필터링은 "개인", "소셜", "프로모션" 및 "스팸"과 같은 카테고리로 이메일을 분류하는 주제 분류의 예다.

2. 자동 번역

텍스트를 한 언어에서 다른 언어로 자동 번역한다.
이것은 한 프로그래밍 언어에서 다른 언어로 코드를 번역하는 작업과 같이 다양한 영역을 포함할 수 있다.
예를 들어, Python에서 C++로 코드를 번역하는 것도 포함된다.

3. 질문 응답

주어진 텍스트를 기반으로 질문에 답한다.
예를 들어, 온라인 고객 서비스 포털은 제품에 관한 FAQ를 대답하기 위해 NLP 모델을 사용할 수 있으며, 교육용 소프트웨어는 학습 주제에 관한 학생의 질문에 답변하기 위해 NLP를 사용할 수 있다.

4. 텍스트 생성

주어진 입력 텍스트(프롬프트라고도 함)를 기반으로 일관되고 관련성 있는 출력 텍스트를 생성한다.

앞서 언급한 대로 LLMs는 텍스트 생성 작업 등 다양한 작업을 해결하려는 ML 모델이다.
LLMs는 컴퓨터가 인간 언어를 처리, 해석 및 생성할 수 있게 하며, 보다 효과적인 인간-기계 커뮤니케이션을 가능하게 한다.
이를 위해 LLMs는 방대한 양의 텍스트 데이터를 분석하거나 학습하며 문장 내 단어 간의 패턴과 관계를 학습한다.
이러한 학습 프로세스를 수행하기 위해 다양한 데이터 원본을 사용할 수 있다.
이 데이터에는 Wikipedia, Reddit, 수천 권의 책의 아카이브 또는 인터넷 자체의 아카이브에서 가져온 텍스트가 포함될 수 있다.
주어진 입력 텍스트를 기반으로, 이러한 학습 프로세스를 통해 LLMs는 다음에 나올 단어에 대한 가장 가능성 있는 예측을 할 수 있으며 이를 통해 입력 텍스트에 의미 있는 응답을 생성할 수 있다.
최근 몇 달 동안 게시된 현대적인 언어 모델은 이제 텍스트 분류, 기계 번역, 질문 응답 및 기타 많은 NLP 작업과 같은 대부분의 NLP 작업을 직접 수행할 수 있는 크기와 학습된 텍스트 양이 매우 크다.

GPT-4 및 ChatGPT 모델은 텍스트 생성 작업에서 뛰어난 현대적인 LLMs이다.

파이썬으로 OpenAI API의 'Hello World' 예제 실행

OpenAI는 GPT-4와 ChatGPT를 서비스로 제공한다.
이것은 사용자가 모델의 코드에 직접 액세스하거나 자체 서버에서 모델을 실행할 수 없다는 것을 의미한다.
그러나 OpenAI는 모델의 배포 및 실행을 관리하고 사용자는 계정과 비밀 키가 있다면 이러한 모델을 호출할 수 있다.

먼저 OpenAI 웹 페이지에 로그인되어 있는지 확인하자.

API 키가 준비되었으면, OpenAI API를 사용한 첫 번째 "Hello World" 프로그램을 작성할 시간이다.

다음은 OpenAI Python 라이브러리를 사용한 첫 번째 코드 라인을 보여준다.
OpenAI가 어떻게 서비스를 제공하는지 이해하기 위해 클래식한 "Hello World" 예제를 시작하자.

먼저 pip를 사용하여 Python 라이브러리를 설치한다:

!pip install openai

다음으로 Python에서 OpenAI API에 액세스하자:

import openai
# openai ChatCompletion 엔드포인트 호출
response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "Hello World!"}],
)
# 응답 추출
print(response["choices"][0]["message"]["content"])

다음과 같은 출력이 표시다:

```

안녕하세요! 오늘 어떻게 도와드릴까요?

Hello there! How may I assist you today?

OpenAI Python 라이브러리를 사용하여 첫 번째 프로그램을 작성했다.

OpenAI API 키 설정

그럼 이 라이브러리를 사용하는 방법에 대해 조금 더 자세한 내용을 살펴보자.

관찰하신 대로 코드 스니펫에서 OpenAI API 키를 명시적으로 언급하지 않았다.
이것은 OpenAI 라이브러리가 자동으로 OPENAI_API_KEY라는 환경 변수를 찾도록 설계되어 있기 때문이다.
또는 다음 코드를 사용하여 API 키가 포함된 파일을 가리킬 수 있다:

# 파일에서 API 키 로드
openai.api_key_path = <경로>,

또는 다음 방법을 사용하여 코드 내에서 API 키를 수동으로 설정할 수 있다:

# API 키 로드
openai.api_key = os.getenv("OPENAI_API_KEY")

권장 사항은 환경 변수에 대한 널리 사용되는 규칙을 따르는 것이다.
즉, .gitignore 파일에서 소스 제어에서 제외된 .env 파일에 키를 저장하는 것이다.
그런 다음 Python에서 load_dotenv 함수를 실행하여 환경 변수를 로드하고 openai 라이브러리를 가져올 수 있다:

from dotenv import load_dotenv
load_dotenv()
import openai

중요한 점은 .env 파일을 로드한 후에 openai import 선언을 가져와야 하며, 그렇지 않으면 OpenAI 설정이 올바르게 적용되지 않을 수 있다.

파이썬 코딩을 통해 프롬프트에 접근해 보면, ChatGPT와의 프롬프트를 파악하는데 도움이 될 수 있다고 본다. 
하지만, 매우 빠르게 변화하고 있는 LLM모델이기 때문에, openai의 Playground에서 본인만의 AI와 만나보는 것이 더 나을 것이라 생각한다. 

다음에는 Playground를 간단히 살펴보도록 할 생각이다.

https://platform.openai.com/playground

참고문헌) Developing Apps with GPT-4 and ChatGPT

오늘 ChatGPT의 'OpenAI DevDay'가 있었고, 향후 많은 사람들이 유용하게 사용할 수 있는 기능들이 추가되는 것을 확인한 하루였다. 
이제 정말 나만의 비서를 쓸 수 있는 시대가 도래하고 있다는 것을 알리는 자리가 아니었나 싶다.

가족들에게도 각자 상황에 맞는 비서를 셋팅할 수 있다고 하니, 좀 더 발빠르게 대비할 필요가 있지 않을까 싶다.

다음 내용은 오늘 OpenAI 홈페이지에 올라온 글이다(구글 번역).

우리는 특정 목적을 위해 생성할 수 있는 ChatGPT의 사용자 지정 버전('GPTs'라 함)을 출시하고 있습니다. 
GPTs는 누구나 일상 생활, 특정 작업, 직장 또는 집에서 더 도움이 되도록 맞춤형 버전의 ChatGPT를 만들고 해당 창작물을 다른 사람들과 공유할 수 있는 새로운 방법입니다. 
예를 들어, GPTs는 보드 게임의 규칙을 배우거나, 자녀에게 수학을 가르치거나, 스티커를 디자인하는 데 도움이 될 수 있습니다 .

누구나 쉽게 자신만의 GPT를 구축할 수 있습니다. 
코딩이 필요하지 않습니다. 
회사 내부용으로나 모든 사람을 위해 직접 만들 수도 있습니다. 
대화를 시작하고, 지침과 추가 지식을 제공하고, 웹 검색, 이미지 만들기, 데이터 분석 등 할 수 있는 작업을 선택하는 것만큼 쉽습니다. 

ChatGPT Plus 및 Enterprise 사용자는 오늘부터 Canva 및 Zapier AI 작업을 포함한 예제 GPT를 사용해 볼 수 있습니다 . 우리는 곧 더 많은 사용자에게 GPT를 제공할 계획입니다.


새로운 모델 및 개발자 제품에 대한 OpenAI DevDay 발표에 대해 자세히 알아보세요 .

GPTs는 당신의 특정 목적에 맞게 ChatGPT를 맞춤 설정할 수 있습니다.
ChatGPT를 출시한 이후 사람들은 ChatGPT를 특정 사용 방식에 맞게 사용자 정의할 수 있는 방법을 요청해 왔습니다. 

우리는 몇 가지 기본 설정을 지정할 수 있는 맞춤형 지침을 7월에 출시했지만 더 많은 제어 기능에 대한 요청이 계속해서 접수되었습니다. 

많은 고급 사용자는 신중하게 제작된 프롬프트 및 지침 세트 목록을 유지 관리하고 이를 수동으로 ChatGPT에 복사합니다. 

이제 GPT가 이 모든 것을 대신해 드립니다.

최고의 GPTs는 커뮤니티에 의해 발명될 것입니다
우리는 가장 놀라운 GPTs가 커뮤니티의 빌더로부터 나올 것이라고 믿습니다. 

교육자, 코치 또는 유용한 도구를 만드는 것을 좋아하는 사람이든 관계없이 도구를 만들고 전문 지식을 공유하기 위해 코딩을 알 필요는 없습니다.

GPT Store는 이번 달 말에 출시될 예정입니다
오늘부터 GPTs를 생성하고 공개적으로 공유할 수 있습니다. 

이번 달 말에는 검증된 제작자의 창작물을 선보이는 GPT 스토어를 출시할 예정입니다. 

매장에 들어가면 GPTs를 검색할 수 있으며 순위표에 오를 수 있습니다. 

또한 생산성, 교육, '재미를 위한' 카테고리에서 가장 유용하고 즐거운 GPTs를 집중 조명할 것입니다. 

앞으로 몇 달 안에 GPT를 사용하는 사람 수에 따라 수익을 얻을 수도 있습니다.

우리는 개인 정보 보호와 안전을 염두에 두고 GPTs를 구축했습니다
언제나 그렇듯이 ChatGPT를 사용하여 데이터를 제어할 수 있습니다. 

GPTs와의 채팅은 빌더와 공유되지 않습니다. 

GPT가 타사 API를 사용하는 경우 해당 API로 데이터를 전송할 수 있는지 여부를 선택합니다. 

빌더가 작업이나 지식으로 자신의 GPT를 맞춤설정할 때 빌더는 해당 GPT와의 사용자 채팅을 사용하여 모델을 개선하고 교육할 수 있는지 선택할 수 있습니다. 

이러한 선택은 전체 계정을 모델 교육에서 제외하는 옵션을 포함하여 사용자가 보유한  기존 개인 정보 보호 제어를 기반으로 합니다.

우리는 사용 정책과 비교하여 GPTs를 검토하는 데 도움이 되는 새로운 시스템을 설정했습니다 . 

이러한 시스템은 기존 완화 조치에 더해 ​​사용자가 사기 행위, 증오성 콘텐츠, 성인용 테마와 관련된 유해한 GPTs를 공유하는 것을 방지하는 것을 목표로 합니다. 

또한 빌더가 자신의 신원을 확인할 수 있도록 허용하여 사용자 신뢰를 구축하기 위한 조치를 취했습니다. 

우리는 사람들이 GPTs를 어떻게 사용하는지 계속 모니터링하고 학습하며 안전 완화 조치를 업데이트하고 강화할 것입니다. 특정 GPT에 대해 우려사항이 있는 경우 GPT 공유 페이지의 신고 기능을 사용하여 우리 팀에 알릴 수도 있습니다.

GPTs는 계속해서 더욱 유용하고 스마트해질 것이며, 결국 GPTs가 현실 세계에서 실제 작업을 수행하도록 할 수 있게 될 것입니다. 

AI 분야에서 이러한 시스템은 종종 "에이전트"로 논의됩니다. 

우리는 이러한 미래를 향해 점진적으로 나아가는 것이 중요하다고 생각합니다. 

왜냐하면 신중한 기술 및 안전 작업과 사회가 적응할 시간이 필요하기 때문입니다. 

우리는 사회적 영향에 대해 깊이 생각해 왔으며 곧 더 많은 분석을 공유할 예정입니다.

개발자는 GPTs를 현실 세계에 연결할 수 있습니다
내장된 기능을 사용하는 것 외에도 GPT에서 하나 이상의 API를 사용할 수 있도록 하여 맞춤 작업을 정의할 수도 있습니다. 

플러그인과 마찬가지로 작업을 통해 GPTs는 외부 데이터를 통합하거나 실제 세계와 상호 작용할 수 있습니다. 

GPTs를 데이터베이스에 연결하거나, 이메일에 연결하거나, 쇼핑 도우미로 활용하세요. 예를 들어 여행 목록 데이터베이스를 통합하거나, 사용자의 이메일 받은 편지함을 연결하거나, 전자 상거래 주문을 용이하게 할 수 있습니다.

작업 설계는 플러그인 베타의 통찰력을 바탕으로 구축되어 개발자가 모델과 API 호출 방법을 더 효과적으로 제어할 수 있도록 해줍니다. 

기존 플러그인 매니페스트를 사용하여 GPT에 대한 작업을 정의할 수 있으므로 플러그인 베타에서 쉽게 마이그레이션할 수 있습니다.

기업 고객은 내부 전용 GPTs를 배포할 수 있습니다
몇 달 전 ChatGPT Enterprise를 출시한 이후 초기 고객들은 자신의 비즈니스에 맞는 더 많은 사용자 정의를 원했습니다. 

GPTs는 특정 사용 사례, 부서 또는 독점 데이터 세트에 대한 ChatGPT 버전을 생성할 수 있도록 하여 이 요청에 응답합니다. 

Amgen, Bain, Square와 같은 초기 고객은 이미 내부 GPTs를 활용하여 브랜드를 구현하는 마케팅 자료 제작, 지원 직원의 고객 질문 답변 지원, 신규 소프트웨어 엔지니어의 온보딩 지원 등의 작업을 수행하고 있습니다.

기업은 수요일부터 GPTs를 시작할 수 있습니다. 

이제 회사 내부 사용자가 코드 없이 내부 전용 GPTs를 설계하고 작업공간에 안전하게 게시할 수 있는 권한을 부여할 수 있습니다. 

관리 콘솔을 사용하면 GPTs 공유 방법과 외부 GPTs를 비즈니스 내에서 사용할 수 있는지 여부를 선택할 수 있습니다. 

ChatGPT Enterprise의 모든 사용과 마찬가지로 우리는 모델을 개선하기 위해 GPTs와의 대화를 사용하지 않습니다.

우리는 더 많은 사람들이 AI의 행동 방식을 형성하기를 원합니다
우리는 더 많은 사람들이 우리와 함께 구축할 수 있도록 GPTs를 설계했습니다. 

커뮤니티의 참여는 인류에게 이익이 되는 안전한 AGI를 구축하려는 우리의 사명에 매우 중요합니다. 

이를 통해 모든 사람은 광범위하고 다양한 범위의 유용한 GPTs를 확인하고 앞으로의 상황에 대해 보다 구체적인 감각을 얻을 수 있습니다. 

그리고 첨단 기술에 접근할 수 있는 사람들을 넘어 '무엇을 구축할지'를 결정하는 사람들의 그룹을 확대함으로써 우리는 더 안전하고 더 나은 AI를 갖게 될 가능성이 높습니다. 

사람들을 위한 것이 아니라 사람들과 함께 구축하려는 동일한 열망으로 인해 우리는 OpenAI API를 출시하고 AI 행동에 민주적 입력을 통합하는 방법을 연구하게 되었으며 이에 대해 곧 더 자세히 공유할 계획입니다.

ChatGPT Plus를 더욱 신선하고 사용하기 쉽게 만들었습니다
마지막으로 ChatGPT Plus에는 이제 2023년 4월까지의 최신 정보가 포함됩니다. 

모델 선택기가 얼마나 어려운지에 대한 피드백도 들었습니다. 

오늘부터 더 이상 모델 간에 이동하지 않아도 됩니다. 

필요한 모든 것이 한 곳에 있습니다. 

전환 없이 DALL·E, 브라우징, 데이터 분석에 모두 액세스할 수 있습니다. 

ChatGPT가 PDF 및 기타 문서 유형을 검색할 수 있도록 파일을 첨부할 수도 있습니다.

chatgpt.com 에서 찾아보세요 .

LLM모델이 글로벌 IT기업들에서 앞다투어 나오고 있는 시점을 맞아, 우리가 어떻게 이들을 활용할 수 있는지 알아보면 좋을 시점이 된 것 같다.

요즘 LLM 인공지능으로 세상이 또 하나의 변화에 직면한 것으로 보인다. 
그 중에서 가장 앞선 곳이 OpenAI라고 할 수 있다. 

AI의 구조에 대해 좀 더 빠르게 알아보는 것이 필요한 시점이라 생각한다.

1. AI 프로젝트 시작하기

요즘 ChatGPT로 촉발된 LLM(Large Language Model)이 폭발적으로 성장하고 있다.

이로 인해 많은 사람들이 인공지능에 대해 정말 많은 관심을 갖게 되었다.

파이썬은 그 여정에 있어서 강력한 동반자가 될 것이라고 생각한다.
왜냐하면 대부분의 인공지능 라이브러리를 파이썬에서 지원하고 있고, 배우기 쉽고 사용하기 편한 파이썬 언어가 인공지능 분야에서는 대세라고 생각하기 때문이다.

머신 러닝 라이브러리 소개

Scikit-Learn

Scikit-Learn은 사용하기 매우 쉽지만, 많은 머신 러닝 알고리즘을 효율적으로 구현하므로 머신 러닝을 배우기에 좋은 출발점이 된다.
이것은 2007년 David Cournapeau에 의해 만들어졌으며, 현재는 프랑스 컴퓨터 과학 및 자동화 연구소(Inria)의 연구팀이 주도적으로 이끌고 있다.

TensorFlow

TensorFlow는 분산 수치 계산을 위한 좀 더 복잡한 라이브러리다.
이것은 수백 개의 멀티-GPU(그래픽 처리 장치) 서버에 걸쳐 계산을 분산시켜 매우 큰 신경망을 효율적으로 훈련하고 실행할 수 있게 만들어준다.
TensorFlow(TF)는 Google에서 만들어졌으며, 많은 대규모 머신 러닝 애플리케이션을 지원한다.
2015년 11월에 오픈 소스로 공개되었으며, 2.0 버전은 2019년 9월에 출시되었다.

Keras

Keras는 신경망을 훈련하고 실행하기 매우 간단하게 만드는 고수준의 딥러닝 API이다.
Keras는 TensorFlow와 함께 번들로 제공되며, 모든 집약적인 계산을 위해 TensorFlow에 의존한다.

데이터 수집 및 처리

모든 AI 프로젝트의 시작점은 데이터 수집이다.
파이썬은 데이터 수집과 처리를 위한 훌륭한 라이브러리들을 제공한다.
pandas는 데이터 분석을 위한 필수 라이브러리이며, numpy는 수치 계산을 위한 강력한 도구다.
scikit-learn은 데이터 전처리와 모델링을 위한 간편한 기능들을 제공한다.
이 라이브러리들을 사용하여 데이터를 수집하고, 정제하며, 유용한 특성을 추출하는 작업을 진행한다.

첫 번째 머신러닝 모델 구축

데이터가 준비되었다면, 간단한 머신러닝 모델을 구축할 차례다.
scikit-learn의 분류기나 회귀 모델을 사용해보자.
예를 들어, 붓꽃(Iris) 데이터 세트를 사용하여 각 붓꽃의 종류를 분류하는 모델을 만들 수 있다.
이 과정에서 모델을 훈련시키고, 검증하며, 성능을 평가하는 방법을 배울 수 있다.

2. 파이썬으로 복잡한 AI 문제 해결하기

딥러닝 입문

TensorFlow나 PyTorch와 같은 프레임워크를 사용하여 딥러닝 모델을 구축하는 방법을 배워보자.
이러한 프레임워크는 복잡한 신경망을 쉽게 설계하고 학습시킬 수 있게 해준다.
간단한 이미지 분류부터 시작하여 점차 복잡한 문제로 나아가자.

사례 연구

실제로 파이썬을 사용하여 해결된 복잡한 AI 문제들을 살펴보는 것도 매우 유익하다.
Google의 AlphaGo부터 자율 주행 자동차에 이르기까지, 파이썬은 다양한 혁신적인 프로젝트에 사용되었다.

3. 파이썬 AI 리소스와 커뮤니티

학습 리소스

‘Coursera’나 ‘edX’와 같은 온라인 학습 플랫폼에서는 파이썬과 AI 관련 강좌를 제공한다.
또한 ‘GitHub’에는 수많은 오픈소스 프로젝트가 있어 실제 코드를 살펴보고 학습할 수 있는 기회를 제공한다.

커뮤니티 참여

‘Stack Overflow’, ‘Reddit’, ‘Kaggle’과 같은 플랫폼에서는 전 세계의 개발자들과 지식을 공유하고 문제를 해결할 수 있다.
또한, 파이썬과 AI 관련 컨퍼런스나 워크샵에 참여하여 네트워킹을 할 수 있다.

최신 동향 유지

AI 분야는 빠르게 발전하고 있다.
‘arXiv’, ‘Google Scholar’ 등의 리소스를 통해 최신 연구를 접하고, ‘Medium’이나 ‘Towards Data Science’와 같은 블로그를 통해 새로운 트렌드를 확인하도록 하자.

PyPDF2 맛보기

가끔 pdf파일에서 텍스트를 추출할 일이 있다.
그때 활용할 수 있도록 Python언어로 pdf파일에서 텍스트를 읽어오는 방법에 대해 예제 코드와 함께 알아본다.

1. 필요한 라이브러리

PDF파일을 읽어들이기 위해 PyPDF2 라이브러리를 설치한다.

!pip install PyPDF2

2. 예시 코드

공개된 사이트에서 PDF파일을 갖고 온다. 
이번에는 국토교통부 홈에 있는 보도자료에 바로 올라온 '주택건설사업 인허가 속도 높인다'라는 제목의 파일을 읽어들일 것이다. 쉽게 설명하기 위해 주 디렉토리에 'sample.pdf'라는 파일명으로 다운받아 저장했다.

# 라이브러리를 읽어들인다.
from PyPDF2 import PdfReader

# PDF파일을 읽어서 reader라는 변수에 저장한다.
reader = PdfReader("sample.pdf")

파일을 읽어들인 후에는 전체 페이지가 몇 페이지인지 알아보고 전체 페이지에서 다음과 같이 텍스트를 추출하도록 한다.

pages = reader.pages

text = ""

for page in pages:
    sub = page.extract_text()
    text += sub
    
# 텍스트를 전부 잘 추출했는지 확인한다.    
print(text)

위 예시 파일에서 텍스트를 잘 읽어들인 것을 확인할 수 있다.

PyPDF의 좀 더 복잡한 기능은 '사용자 가이드'를 참고하면 많은 도움이 될 것이다.

FRED에서 제공하는 API를 통해 데이터를 받아 사용하면 FRED의 데이터 소스에 변화가 있더라도 바로 바로 대응이 가능하겠지만, 그 정도로 데이터를 보는 사람이라면 이 정보가 필요없을 것이다.

나처럼 쉽게 경기선행 지표를 확인하고자 하는 사람들이 참고했으면 좋겠다.

먼저 관련 라이브러리를 설정하고 읽어들인다.

# matplotlib 설정(그래프 그리기)
import matplotlib.pyplot as plt

plt.rcParams['axes.grid'] = True
plt.rcParams['figure.figsize'] = (12,6)
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['axes.formatter.limits'] = -10000, 10000

import FinanceDataReader as fdr

그럼, 이제부터 나스닥지수의 흐름을 보는 데 도움이 되는 대표적인 선행 지표들을 함께 살펴보도록 한다.

1. 주간 실업수당 청구건수(ICSA)

경기가 나빠지는 경우 후행지표로 동작하지만, 경기가 좋아지는 경우 선행 지표로 활용할 수 있다고 한다. 연속 실업수당 청구건수는 CCSA이다.

df = fdr.DataReader('FRED:NASDAQCOM,ICSA','2010-01-01')
ax = df.plot(secondary_y='NASDAQCOM')
ax = ax.axvspan('2019-12-01', '2023-10-25', color='gray', alpha=0.2)

팬데믹 기간에 폭발적으로 증가하다가 최근에는 과거 평균으로 돌아간 상태이다.

2. 소비자 심리지수(UMCSENT)

UMCSENT는 미시건대 소비자 심리지수 추이로 소비자 설문 결과를 수치화한 값이다. 100을 기준으로 100이상이면 긍정적이고 100이하면 부정적으로 본다.

df = fdr.DataReader('FRED:NASDAQCOM,UMCSENT','2010-01-01')
ax = df.plot(secondary_y='NASDAQCOM')
ax = ax.axvspan('2019-12-01', '2023-10-25', color='gray', alpha=0.2)

팬데믹 때 급락한 후 일시 회복하다가 재차 하락한 후 조금씩 회복하고 있다. 아직 70대 수준으로 부정적인 상태이다.

3. 주택 판매지수(HSN1F)

주택 판매지수는 주택시장 활성화 정도를 나타내는 지수이다. 주가 하락에 앞서 주택 판매지수가 선행하는 특징을 보인다.

df = fdr.DataReader('FRED:NASDAQCOM,HSN1F','2015-01-01')
ax = df.plot(secondary_y='NASDAQCOM')
ax = ax.axvspan('2019-12-01', '2023-10-25', color='gray', alpha=0.2)

2020년부터 현재까지 나스닥지수와 주택 판매지수 추이를 보면, 2020년에는 주택 판매지수가 더 높게 나오다가 2021년 주택 판매지수가 먼저 하락한 것을 볼 수 있다. 그 후 2022년부터 나스닥지수도 하락하고 있다. 

4. 실업률(UNRATE)

실업률은 불황에는 후행지표, 경기회복에는 동행지표로 동작한다고 한다.

df = fdr.DataReader('FRED:NASDAQCOM,UNRATE','2015-01-01')
ax = df.plot(secondary_y='NASDAQCOM')
ax = ax.axvspan('2019-12-01', '2023-10-25', color='gray', alpha=0.2)

실업률은 팬데믹 때 급격히 증가했다가 지속적으로 낮아져 평년 수준으로 돌아와 있는 상태이다.

5. M2 통화량(M2SL)

M2 통화량은 시중에 돈이 얼마나 많이 풀려있는지 보여주는 유동성 지표이다.

df = fdr.DataReader('FRED:NASDAQCOM,M2SL','2015-01-01')
ax = df.plot(secondary_y='NASDAQCOM')
ax = ax.axvspan('2019-12-01', '2023-10-25', color='gray', alpha=0.2)

6. 하이일드 채권 스프레드(BAMLH0A0HYM2)

하이일드 채권은 낮은 신용등급 회사에 투자하는 고위험, 고수익 채권이다. 여기서 스프레드는 국채 수익률과의 차이를 말한다. 불황일수록 하이일드 채권 스프레드는 더 커진다.

df = fdr.DataReader('FRED:NASDAQCOM,BAMLH0A0HYM2','2015-01-01')
ax = df.plot(secondary_y='NASDAQCOM')
ax = ax.axvspan('2019-12-01', '2023-10-25', color='gray', alpha=0.2)

참고 사이트)

FinanceDataReader 깃헙

FRED : https://fred.stlouisfed.org/

브레인포그(brain fog) : 머리가 멍해지면서 기억력을 비롯한 인지기능과 집중력, 주의력 등이 저하되는 상태

1. 브레인포그 진단하기

자기 인식

자신의 마음 상태가 어떤지, 그런 상태를 불러오는 행동이 무엇인지 깨닫는 데서부터 시작하도록 한다.

브레인포그를 겪는 것은 목까지 차오르는 물속을 걷는 것과 같다.
머릿속의 안개는 분명 걷어낼 수 있다.
그 첫 단계는 잠시 멈추고 내게 도움이 되지 않는 행동패턴이 무엇인지 파악하는 것이다.

심신을 회복하고 현재에 더욱 집중하며 더 큰 성공과 의미있는 삶을 원한다면, 우선 내가 제대로 살고 있는지, 자신의 상태를 제대로 알아야만 한다.

스트레스는 시간이 흐르면서 반복적으로 노출되면 만성으로 굳어진다. 만성 스트레스는 몸뿐만 아니라 뇌에도 영향을 미친다.

몸의 스트레스 반응과 관련된 호르몬과 신경전달물질은 집중력, 주의력, 학습력, 기억력을 감퇴시킨다. 스트레스는 두뇌 기능, 특히 기억과 새로운 정보의 학습에도 부담을 준다.

자신의 상태를 파악하라!

식사패턴, 수면주기, 활기, 운동, 기억력에 관한 내용을 휴대전화의 메모앱에 매일 기록한다.

• 매일 몇 시간 자는가?
• 얼마나 자주 무언가를 잊어버리는가?
• 영양을 고려한 식단을 챙기고 있는가?
• 하루 동안의 체력은 어떻게 변하는가?
• 매시간 혹은 날마다 머리가 멍해지거나, 한눈팔거나, 몽상에 빠지는가?
• 새로운 정보를 받아들일 때, 머릿속에 넣어두거나 일정표에 적는가 아니면 곧장 다른 무언가에 시선을 돌리는가?
• 운동은 얼마나 하는가?
• 스트레스를 받으면 어떤 신체 증상이 나타나는가?

기록의 중요성

자신의 상태를 정확하기 파악하기 위해서는 일상을 기록하는 것이 유용하다.
특히 중요한 목표가 있다면 일지에 써라.
브레인포그를 극복함으로써 이루고 싶은 구체적 목표가 있다면 적어두자.

2. 무력한 뇌 깨우기

'신경가소성'은 행동 습관과 사고패턴을 바꾸면 뇌의 회로가 물리적으로 바뀌는 성질을 가리키는 용어다. 

나 자신을 위한 목표를 정하는 것만으로도 신경회로가 다시 형성되기 시작한다. 목표가 크든 작든 상관없다. 

매일 15분간 삶의 초점을 찾자

뇌가 반쯤 기계적으로 할 일을 처리하는 데 그치지 않고 더 큰 목표에 초점을 맞출 수 있도록 매일 훈련해보자. 빠르고 쉬운 훈련이지만 매일 실천해야 한다. 

1. 15분 타이머를 맞춘다.
2. 브레인포그에서 벗어난 삶의 모습을 쓴 글을 다시 읽어보고, 나를 위한 목표를 설정한다.
3. 만성 스트레스에 시달리지 않았다면 목표 달성을 위해 무엇을 했을지 생각해본다.
4. 목표 달성을 위해 15분간 집중할 주제를 정한다. 영수증이나 재정상태를 기록할 엑셀 파일을 만들거나, 구직활동을 하거나, 새로운 취미를 찾아보거나, 담당 회계사에게 연락하거나, 웹사이트를 만들 수도 있다. 파워워킹을 하거나, 오랜 친구에게 연락해서 우정을 확인하거나, 가족과 의미있는 시간을 보낸다거나 호흡에만 집중해도 좋다. 시간이 필요한 과제나 주기적으로 해야 하는 일을 처리할 준비를 하거나 일정을 점검할 수도 있다. 
5. 매주 적어도 작은 목표 하나는 달성하겠다고 다짐하라.
6. 15분이 끝나면 일상으로 돌아가라.

3. 고립에서 빠져나오기

인간관계의 중요성

인생이라는 배가 가라앉을 때 인간관계를 등한시하는 것은 구명조끼를 배 밖으로 내던지는 행위와 비슷하다. 인간관계는 피난처, 식량, 물만큼이나 생존과 성공에 필수 요소이며, 최악의 상황에서도 기운을 북돋아준다. 

사람의 뇌는 남과 교류하도록 만들어져 있다.
사회적 고립은 하루아침에 일어나지 않는다.
삶이 스트레스 가득한 변화구를 잇달아 던져대는 사이, 우리는 친밀한 사람들과 조금식 멀어져간다.

자신이 어떤 방식으로 사람들과 분리되어 있는지 생각해보고 깊은 인간관계, 애정관계, 공동체에 대한 소속감을 얻기 위해 애쓰는 대신 일시적 해결책에 의존하진 않는지 살펴보라.
순간으로는 쾌락을 주지만 장기적으로는 사회적 고립과 분리를 유발하는 요소는 생각보다 많다. 

소속감과 공감

혼자 살고 독립적이거나 내성적인 성격이라도, 정신건강을 유지하기 위한 기본적 인간관계에 대한 욕구는 당연히 존재하며 성인기 내내 지속된다.
가까운 사람이 있으면 현실적인 관점을 유지하고 긍정적으로 생각하며 감정을 조율하는 데 도움을 받는다.
배우자, 친구, 이웃, 가족, 동료가 나의 감정과 요구에 공감하면 안정감을 느낀다. 
남이 내 말에 귀 기울여주고, 어딘가에 소속감을 느끼며, 누군가 나를 필요로 하고 소중하게 여길 때 우리의 신경계는 깊은 안도의 한숨을 내쉰다. 

자신의 약한 면을 드러내고 남을 내 세상에 들여놓아야만 서로를 알고 친밀감을 느끼며 사이가 돈독해진다. 
남에게 도움을 줄 때 뇌의 보상체계가 작동된다고 한다.
그러니 타인에게 속내를 털어놓아도 된다.
나뿐 아니라 상대에게도 좋은 영향을 주기 때문이다.

사회적 근육

친밀한 사회적 교류를 꾸준히 하지 않으면 사회적 근육이 약화된다.
미묘한 눈치, 비언어적 신호, 직관적이거나 본능적인 사회적 상호작용을 감지하기 어려워진다는 것이다. 

뇌는 우리의 속내를 털어놓고 의지할 수 있는 사람이 항상 있을 거라는 사실을 믿도록 만들어져 있다.
긍정적인 사회적 상호작용과 밀접한 교류를 하지 못하면 우리는 빗나간 방향으로 나아가 논리, 원인, 가능한 해결책을 찾기 위해 헤맨다.
그러나 타인과 서로 도움을 주고받으며 만족스러운 사회적 상호작용을 경험하면 안전하고 안정적인 상태로 되돌아갈 수 있다.

브레인포그가 인간관계에 걸림돌이 된다면 스스로 남들과 더 깊이 교류하겠다는 목표를 세우자. 따로 시간을 내서 인간관계에 투자하라. 타인과 좋은 관계를 맺으려면 의식적으로 노력해야 한다. 

4. 회피라는 자기학대에서 벗어나기

내 몸의 말, 감정에 귀 기울이기

내 감정을 이해하기 위해, 내 몸의 상태를 있는 그대로 느껴보는 시간을 갖도록 한다.
10분 동안 구체적인 감각을 느끼며 머리부터 시작해 몸 전체를 지나 아래로 내려가며 관찰하도록 하자.
뻑뻑한 눈, 묵직한 가슴, 불편한 뱃속, 긴장된 근육 등에 집중하자.
함부로 평가하지 않는 다정한 어조로 내 의식에 들어오는 감정을 받아들이자.

소소한 감정적 동요는 쌓이고 쌓여 좋은 기분이나 나쁜 기분으로 이어진다.
특정 감각을 느낄 때 그 느낌에 대해 잘 알수록 기분을 긍정적으로 북돋울 수 있다. 
내 기분에 대해 다른 사람과 대화하면 다양한 장점을 누릴 수 있다.
심리치료가 효과적인 이유도 거기에 있다. 

자기 감정을 이해하고 표현하는 것은 중요하다.
잠시 멈춰 서서 내가 느끼는 감정을 충분히 자주 파악하지 않으면 몸이 흥분하거나, 과민반응을 보이거나, 예민해진다.

긴장 완화 훈련

이미지 떠올리기, 점진적 근육 이완법과 마찬가지로 심호흡을 이용해 스트레스를 낮추도록 한다.
이러한 다양한 긴장 완화 트레이닝을 시도해보고 잘 맞는 한두 가지를 골라 매일의 일과에 반영하자.

마무리

병원에 내방에서 심리치료를 받거나, 약물 치료를 받는 것이 필요한 사람이 있을 수 있다. 하지만, 대부분의 브레인 포그를 경험하는 사람들은 본인 스스로 위에 제시한 방법들을 사용해서 충분히 극복할 수 있다고 생각한다.
내 삶의 몰입과 집중을 돌려줄 10가지 방법을 모두 알고 싶은 사람은 아래 책을 사서 읽어 보길 바란다.
한번 시도해 보도록 하자.

참고문헌) 브레인포그, 질 P.웹버 저