생성형 AI의 발전과 디지털 휴먼 기술 동향

테크포럼은 ‘beyond technology’ 라는 캐치프레이즈를 모토로

국내/외 최신 기술 및 신성장 산업의 핵심 이슈와 동향을 분석하여 관련 업계 구성원들에게 정보와 소통의 장을 제공하고 있습니다.

기술 산업분야의 세미나, 컨퍼런스, 포럼을 기획/주최/주관 및 자료집/리포트 등을 제공 하고 있습니다.

공인인증서가 없어도 법인 및 연구비 (신용)카드로 결제가 가능합니다.

문의: contact@techforum.co.kr   전화: 070-7169-5396   www.techforum.co.kr

 

 

 

 

 

제조사: 하연

규격: 282쪽 (210x280)

ISBN: 9791185497426

 

 

▶자세히보기

https://www.techforum.co.kr/shop_goods/goods_view.htm?category=01020900&goods_idx=29641

생성형 AI의 발전과 디지털 휴먼 기술 동향

 

 

---

 

 

 

 

[ 목차 ]

제1장 생성형 AI 기술 개발 현황
1.생성형 AI 기술 동향    
  1-1. 생성형 AI 기술 개요
    1-1-1. 인공지능(AI)에 대한 새로운 접근
    1-1-2. 새로운 가능성 생성형 AI
    1-1-3. 생성형 AI 개념 및 특징
       (1) 생성형 AI 개념
       (2) 생성형 AI 정의
       (3) 생성형 인공지능(Generative AI)의 역사
  1-2. 생성형 AI의 핵심원리와 작동 원리
    1-2-1. 생성형 AI와 딥러닝
       (1) AI 전환(AX) 시대 생성형 AI
       (2) 생성형 AI의 핵심 딥러닝
           가. 심층신경학습망 딥러닝(Deep Learning)
           나. 딥러닝 작동 방식
           다. 딥러닝을 기반으로 한 생성형 AI
    1-2-2. 생성형 AI 작동 방식
       (1) 생성형 AI의 학습 능력
       (2) 생성형 AI의 작동 방식
           가. 데이터 수집 및 전처리(Data Collection and Preprocessing)
           나. 모델 학습 및 훈련 및 학습(Learning and Training)
           다. 모델 평가(Model Evaluation) 및 미세 조정(Fine-tuning)
           마. 콘텐츠 생성 및 피드백
  1-3. 생성형 AI 모델 및 기술
    1-3-1. 생성형 AI 모델의 종류
       (1) 적대적 생성 신경망(Generative Adversarial Network, GAN)
       (2) 변이형 오더인코더(Variational Autoencoder, VAE)
           가. 오토인코더(Auto Encoder)
              ① 인코더(Encoder)
              ② 잠재공간(Latent Space)
              ③ 디코더(Decoder)
           나. 변이형 오더인코더(Variational Autoencoder, VAE)
              ① VAE의 구조 
              ② VAE의 학습 과정
       (3) 트랜스포머(Transformers) 모델
           가. 트랜스포머 등장 배경
           나. 트랜스포머의 개념 및 정의
           다. 트랜스포머 아키텍처 작용
           라. 트랜스포머 아키텍처의 구성 요소
           마. 트랜스포머 아키텍처의 핵심 어텐션 메커니즘(attention mechanism)
              ① 어텐션 메커니즘(attention mechanism)
              ② 셀프어텐션(Self Attention)
              ③ 멀티 헤드 어텐션(Multi-Head Attention)
           사. 트랜스포머 기반 모델의 특징
    1-3-2. 생성형 AI(Generative AI)의 활용 
       (1) 텍스트 생성형 AI
           가. 텍스트 생성형 AI 개요
           나. 텍스트 생성형 AI 원리
           다. 텍스트 생성형 AI의 발전 방향
       (2) 이미지 생성형 AI
           가. 이미지 생성형 AI 개요
           나. 이미지 생성형 AI 원리
           다. 이미지 생성 AI의 발전 방향
       (3) 음악 및 오디오 생성 AI
           가. 음악 및 오디오 생성 AI 개요
           나. 음악과 기술의 만남
① 음악 생성 AI
② 오디오 생성 AI
           다. 음악 및 오디오 생성 AI 원리
           라. 음악 및 오디오 생성 AI의 발전 방향
       (4) 비디오 생성 AI
           가. 비디오 생성 AI 개요
           나. 비디오 생성 AI 원리
           다. 비디오 생성 AI의 발전 방향

2. 생성형 AI의 향후 전망
  2-1. 생성형 AI 특징
  2-2. 생성형 AI의 파급효과
  2-3. 생성형 AI 발전 방향 ‘온디바이스 AI’
  2-4. 생성형 AI와 기존 AI 발전 방향
    2-4-1. 생성형 AI와 기존 AI의 강점
       (1) 기존 AI의 강점
       (2) 생성형 AI의 강점
    2-4-2. 생성형 AI와 기존 AI의 주요 차이점
    2-4-3. 생성형 AI 대 기존 AI의 협업을 통한 시너지 효과
       (1) 생성 AI와 기존 AI 통합
       (2) 전통적인 AI와 생성형 AI 모델의 결합으로 인한 시너지 효과

제2장 디지털 휴먼(Digital Human) 등장 배경 및 기술 동향
1. 생성형 AI와 디지털 휴먼(Digital Human) 기술
  1-1. 인공지능의 영향력
    1-1-1. 생성형 AI의 미래-인간과 AI 협업
    1-1-2. 인간-로봇이 공존하는 새로운 환경
  1-2. 로봇과 인간의 공존
    1-2-1. 인간과 AI의 공존 개요
    1-2-2. 로봇기술의 발전과 인간의 삶
       (1) 로봇 기술의 발전
       (2) 로봇 기술이 인간의 삶에 미치는 영향
  1-3. 디지털 휴먼(Digital Human) 기술 개요
    1-3-1. 디지털 휴먼 등장 배경
    1-3-2. 디지털 휴먼(Digital Human) 개념 및 정의
       (1) 디지털 세계
       (2) 디지털 휴먼 개념
       (3) 디지털 휴먼에 대한 정의
    1-3-3. 디지털 휴먼 역사
  1-4. AX 시대 디지털 휴먼
    1-4-1. AI 기반 로봇
    1-4-2 디지털 휴먼 부상
  1-5. 디지털 휴먼의 특징 및 파급효과 
    1-5-1. 디지털 휴먼 특징
    1-5-2. 디지털 휴먼의 파급효과

2. 디지털 휴먼 기술 동향
  2-1. 디지털 휴먼(Digital Human)의 진화
    2-1-1. 버추얼 인플루언서(virtual influencer)
    2-1-2. 버추얼 어시스턴트(Virtual Assistant)
    2-1-3. 인텔리전트 어시스턴트(Intelligent Assistant)
    2-1-4. 컴패니언(Companion)
  2-2. 디지털 휴먼 발전 방향
    2-2-1. 자연어 처리(Natural Language Processing)
    2-2-2. 음성기술
    2-2-3. 생성형 AI와 디지털 휴먼의 만남
    2-2-4. 생성형 AI와 디지털 휴먼의 시너지
  2-3. 생성형 AI와 디지털 휴먼 기술 전망 및 해결 과제
    2-3-1. 디지털 휴먼 시장 전망
    2-3-2. 디지털 휴먼 발전을 위한 해결 과제
    2-3-3. 인간-로봇 간의 공존을 위한 생성형 AI 과제
       (1) 인공지능(AI)의 잠재력
       (2) 생성 AI의 과제

참고문헌

[ 그림 목차 ]

[그림 1] AI의 진화
[그림 2] 인공지능과 직업의 미래
[그림 3] 인공지능(AI)과 비즈니스의 미래
[그림 4] 생성형 AI의 활용 분야
[그림 5] 생성형 AI의 엔드투엔드 라이프 사이클(End-To-End Life Cycle)
[그림 6] 생성적 적대 네트워크 아키텍처
[그림 7] 생성형 AI와 딥러닝
[그림 8] 생성형 AI(Generative AI)
[그림 9] 딥러닝 신경망의 일반적인 아키텍처
[그림 10] 생성형 AI의 핵심 개념
[그림 11] 지도 및 비지도 학습 과정
[그림 12] 생성형 AI 작동 방식
[그림 13] 머신러닝 프로세스(Machine learning process)
[그림 14] 미세 조정(Fine-Tuning)
[그림 15] 생성형 AI 구축
[그림 16] 생성형 AI 기술 스택
[그림 17] GAN 아키텍처
[그림 18] GAN의 작동 방식
[그림 19] 오토인코더 아키텍처
[그림 20] 잠재공간(Latent Space)
[그림 21] 오토인코더 프로세스
[그림 22] VAE 아키텍처
[그림 23] VAE의 구조
[그림 24] VAE의 학습 과정
[그림 25] RNN, LSTM 및 GRU 구조
[그림 26] 트랜스포머 기반 모델 구조
[그림 27] 트랜스포머 모델의 작동 방식
[그림 28] 트랜스포머 인코더와 디코더 역할
[그림 29] 셀프어텐션(Self-Attention)
[그림 30] 멀티헤드 어텐션(multi-head attention)
[그림 31] 피드포워드 신경망 vs. 역전파 알고리즘
​[그림 32] 트랜스포머(Transformers)
[그림 33] 생성형 AI 사용 사례
[그림 34] 생성형 AI 응용 프로그램
[그림 35] 텍스트 생성형 AI 모델 유형
[그림 36] 생성형 AI 특징
[그림 37] 트랜스포머 모델 기반 그림 생성 AI
[그림 38] 생성형 AI 콘텐츠 생성
[그림 39] 음성 인식
[그림 40] 음성 합성 시스템 구성 요소
[그림 41] 음악 생성 시스템의 구조
[그림 42] VALL-E의 아키텍처
[그림 43] 프롬프트 기반 음악 생성 모델 모식도
[그림 44] 딥러닝을 기반으로 한 Muzic 음악 생성
[그림 45] 인공지능 작동 방식
[그림 46] 텍스트 기반 비디오 생성 AI 시스템 아키텍처
[그림 47] 생성형 AI의 미래
[그림 48] AI 콘텐츠 생성
[그림 49] 생성형 AI 프로젝트 life cycle
[그림 50] 생성형 AI의 특성
[그림 51] 생성형 AI의 이점
[그림 52] 생성형 AI 애플리케이션
[그림 53] 생성형 AI 스마트폰 성장 전망
[그림 54] 기존 ML 대 생성형 AI
[그림 55] 생성형 AI와 업무의 미래
[그림 56] 생성형 AI와 기존 AI 활용 사례
[그림 57] 전통적인 AI와 생성형 AI
[그림 58] 생성형 AI의 현재 동향
[그림 59] AI가 우리 삶에 미치는 영향
[그림 60] 인간-로봇 상호작용
[그림 61] 로봇의 구성 요소
[그림 62] AI가 사회에 미치는 영향
[그림 63] 로봇 프로세스 자동화 도구
[그림 64] 노동시장에서 인간-AI 공존
[그림 65] 가상인간 시스템 아키텍처
[그림 66] 디지털 표현을 위한 접근 방식
[그림 67] 디지털 세계
[그림 68] 디지털 휴먼 개념도
[그림 69] 가상인간 아키텍처(architecture)
[그림 70] 산업별 서비스 로봇의 다양한 사용 사례
[그림 71] AI 기반 로봇의 응용
[그림 72] 불쾌한 골짜기 이론
[그림 73] 디지털 구성 요소와 인간 활동간의 관계
[그림 74] AI 기반 가상 비서
[그림 75] 생성형 AI 애플리케이션 환경
[그림 76] 디지털 존재들의 개념적 차이
[그림 77] 디지털 휴먼의 발전 단계
[그림 78] 가상 인플루언서 프레임워크(virtual influencer framework)
[그림 79] Human being
[그림 80] 다중모드의 인텔리전트 어시스턴트(Intelligent Assistant) 아키텍처
[그림 81] 디지털 컴패니언(Digital Companion) 프레임워크
[그림 82] 디지털 컴패니언(Digital Companion)
[그림 83] 산업 부문의 기술 융합 및 디지털 전환
[그림 84] 인공지능 기술
[그림 85] 대화형 AI
[그림 86] 대화시스템의 구조
[그림 87] 음성인식 알고리즘 작동 방식
[그림 88] 비즈니스를 위한 생성형 AI의 이점
[그림 89] 머신러닝과 생성형 AI 관계
[그림 90] 글로벌 디지털 아바타 시장
[그림 91] 인공지능(AI)의 잠재력
[그림 92] 생성형 AI 도입에 따른 과제

 
[ 표 목차 ]

[표 1] 생성 AI 타임라인
[표 2] 트랜스포머 모델의 인코더와 디코더 비교
[표 3] 빅테크 기업들의 AI 플랫폼 경쟁
[표 4] 디지털 휴먼 정의
[표 5] 챗봇, 인간, 디지털 휴먼의 특징
[표 6] ICT 혁명과 기술 발전에 따른 디지털 공간의 개념 확장
[표 7] 주요 버추얼 컴패니언 사례
[표 8] 챗봇·인간·디지털 휴먼의 주요 특징
[표 9] NLP 언어 모델
[표 10] 윤리적 디지털 휴먼 디자인을 위한 5가지 법칙(예시)

 

 

▶자세히보기

https://www.techforum.co.kr/shop_goods/goods_view.htm?category=01020900&goods_idx=29641

생성형 AI의 발전과 디지털 휴먼 기술 동향

 

 

 

테크포럼은 ‘beyond technology’ 라는 캐치프레이즈를 모토로

국내/외 최신 기술 및 신성장 산업의 핵심 이슈와 동향을 분석하여 관련 업계 구성원들에게 정보와 소통의 장을 제공하고 있습니다.

기술 산업분야의 세미나, 컨퍼런스, 포럼을 기획/주최/주관 및 자료집/리포트 등을 제공 하고 있습니다.

공인인증서가 없어도 법인 및 연구비 (신용)카드로 결제가 가능합니다.

문의: contact@techforum.co.kr   전화: 070-7169-5396   www.techforum.co.kr