트렌드
92%를 버렸더니 오류가 40분의 1로: 구글 양자칩의 '마법 상태 재배법'
100번 만들어 92번을 버렸는데 오류는 40분의 1. 구글 양자칩 윌로우의 '고치지 말고 버려라' 반전을 카드번호 끝자리로 풀어 봅니다.
#양자컴퓨팅#오류정정
읽기 →
AI·머신러닝 논문, 뉴스부터 시작하면 쉬워집니다
뉴스 보다가
논문까지 읽게 됩니다
화제의 AI 뉴스에서 출발해 스마트폰, 숏폼, 카드번호 같은 일상 얘기를 건너다 보면 어느새 논문 원문 앞. 한 편 6~9분이면 끝, 모든 수치는 원문과 대조해 검증합니다.
최신 글
트렌드
8,160억 개 중 420억 개만 출근한다: 초거대 AI가 '책상 위 Mac 두 대'에 올라간 비결
메타 발표문의 '전체 8,160억, 활성 420억' 도대체 뭔 소리일까? 종합병원 접수 데스크 하나로 끝나는 MoE 이야기. (Mac 두 대에서 돈다는 건 메타의 설명)
읽기 →내 얼굴은 512개의 숫자다: 얼굴 인식 AI가 '나'를 알아보는 법
얼굴인식 AI는 내 얼굴을 숫자 512개로 바꿔 지구본 위 '내 도시'에 찍습니다. 그 숫자에서 얼굴을 되살리는 실험까지 있어 소름. (ArcFace 논문 기준)
읽기 →"풀이 과정을 쓰시오"가 AI를 똑똑하게 만든 이유
수학쌤의 '풀이 과정 쓰시오'를 AI에게 시켰더니 정답률이 17.9%→56.9%. 근데 작은 AI한테는 오히려 독이었다는 반전까지. (PaLM 540B·GSM8K 기준)
읽기 →고양이 영상 하나 봤을 뿐인데: 숏폼 추천이 '1분 만에' 나를 따라잡는 법
고양이 영상 하나 끝까지 봤더니 피드가 고양이로 도배되는 그 느낌. 추천 AI가 취향을 따라잡는 속도를 '뻐꾸기 사물함'으로 풀어 봅니다. (틱톡 앱의 방식이라는 뜻은 아님)
읽기 →주제별로 골라 읽기
관심 있는 주제만 모아서 이어 읽을 수 있어요.
LLM·챗봇 논문 쉽게 읽기
ChatGPT 같은 챗봇의 바탕인 대규모 언어 모델(LLM)을 다루는 논문 해설 모음. 질문하는 법, 모델 구조, 파라미터 수의 의미까지 일상 비유로 풀어 읽습니다.
글 2편 보기 →임베딩이란? AI가 세상을 숫자로 바꾸는 법
얼굴, 취향, 단어를 숫자 목록으로 바꿔 다루는 임베딩. 얼굴 인식과 추천 시스템 논문에서 임베딩이 어떻게 쓰이는지 쉽게 읽습니다.
글 2편 보기 →이번 주 뉴스로 읽는 AI 논문
지금 화제인 AI·과학 뉴스에서 출발해 그 배경 기술을 설명하는 공개 논문까지 이어 읽는 글 모음. 뉴스와 논문은 '관련 기술 배경'으로만 연결하고 원인을 단정하지 않습니다.
글 2편 보기 →