Talk Lowy(kr)

오늘도 한국에서 온 지인이 얘기를 했다.  인터넷 강국 한국... 내가 2003년에 일본은 가정집에 광통신이 들어오게 되었다고 하니까 믿지를 않는다.  ( https://sites.google.com/site/koreainternethistory/publication/e-bridge ) 한국은 2002년에 보급한 초고속(?) 인터넷은 1Mbps 였다는데..  ( https://bb.watch.impress.co.jp/cda/special/16691.html ) 일본은 이미 2001년에 100Mbps를 일반 가정에 공급하고 있다.  한국에선 그냥 1Mbps를 초고속 인터넷 이라고 하면서 두리뭉실하게 얘기하고 있기 때문에  그 동안 많은 사람들이 그렇게 넘어가고 있던 것이리라. 더 재미있는 것은 내가 2009년에 옴레기에 크게 당한 적이 있다.  한국에 잠깐 갔을 때 인터넷이 가능한 스마트폰(?)이 나와서 구매를 했다.  734Kbps 이상 나오지 않았다.  난 wibro라는 서비스가 일본의 wimax랑 같은 것이라고 들었기 때문에 믿었었다.  하지만 2010년경 일본에서 가입한 나의 wimax는 20Mbps를 나타냈고,  좀 더 비싼 모델은 무선으로 100Mbps를 다운로드 할 수 있었다.  한국에서 말하는 인터넷 강국은 무엇이었을까?  giip :: Control all Robots and Devices! Free inter-RPA orchestration tool!   https://giipasp.azurewebsites.net/

AI를 지배한다는 표현을 지난 글에서 적었는데요..  AI활용이라면 chatGPT나 stable diffusion을 사용해서 생성하거나 하면 될텐데.. 어떻게 하면 AI를 지배할 수 있을까요? AI를 사용하는 인프라를 내가 가진다? AI알고리즘을 내 관리하에 둔다? 2014년 Gartner에서 이야기한 내용이 있지요.  데이터는 21세기 원유다.  https://talklowykr.blogspot.com/2019/03/blog-post_12.html 그래서 데이터 사이언티스트가 되는 것이 아니라 데이터의 석유왕이 되어야 한다는 표현을 제가 한 적이 있습니다. AI도 목말라 하는 것은 바로 학습할 데이터 입니다.  stable diffusion도 갑자기 획기적으로 바뀌게 된 것이 해서는 안되는(?) 데이터의 학습을 한 모듈이 세상에 나왔기 때문이지요.  결론이 보이지 않나요?  이게 진실인지는 모르겠습니다.  단지 말하고 싶은 것은 재주넘는 곰이 되지 않길 바랄 뿐입니다.  테슬러도 매일 버려지는 3TB가 넘는 각 자동차의 데이터를 담기 위해서 많은 노력을 하고 있습니다.  여러분도 지금 매일처럼 버리고 있는 의미 있는 데이터가 있지 않은가요? giip :: Control your future! https://giipasp.azurewebsites.net/

Stable Diffusion 2022년 공개된 딥러닝(deep learning, 심층학습)의 text-to-image학습모델 중 하나. 텍스트를 입력하여 이미지를 생성하는데 많이 사용되는 경우가 많음. 뮌헨 대학의 CompVis그룹이 개발한 잠재확산모델(latent diffusion model)로서 심층생성 뉴럴 네트워크(deep generative neural network)의 일종. 이 모델은 EleutherAI와 LAION의 지원을 받아 Stability AI, CompVis LMU, Runway가 공동으로 공개했다. 2022년 10월 Stability AI는 Lightspeed Venture Partners와 Coatue Management가 주도한 라운드에서 1억100만달러를 조달했다. 기술 https://ja.wikipedia.org/wiki/Stable_Diffusion 기본 개념은 화상을 픽셀공간에서 저차원잠재공간으로 압축하여 화상에서의 기본 의미를 찾는다. 압축된 잠재표현에 순방향 확산 처리(forward diffusion process)에서 가우시안 노이즈가 연속적으로 부여된다. ResNet으로 구성된 U-Net블록은 잠재표현을 얻기 위해 순방향 확산 과정의 출력을 다시 노이즈 제거를 진행한다. 이걸 역방향 확산 처리(reverse diffusion process)라고 한다. 마지막으로 VAE디코더가 잠재 표현을 픽셀 공간에 역변환하여 최종 화상을 생성한다. 노이즈 제거 과정은 문자열, 화상, 그 밖의 요소에 의해 유연하게 조건을 지정할 수 있다. 인코드 된 조건 부여를 위한 데이터는 cross-attention구축에 의해 denosing U-Net에 부여된다. 활용 stable diffusion을 이용한 AI 그림 생성 모듈을 쉽게 만든 WEBUI의 설치 방법 AI가 실사와 애니풍을 정도를 조정해서 그려주는 사례 Real 100% -> 75% -> 50% -> 25%       PVC모델 적용 사례...