제목: 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
