스탠포드와 워싱턴 대학의 연구원들이 50달러 미만의 비용, 학습 시간 26분 만에 현 시점 최고의 AI인 OpenAI o1과 유사한 수준의 AI를 만들었습니다. 연구원들은 선별된 질문을 구글의 생각할 수 있는 AI인 Gemini에게 제공해 Gemini가 “생각”하는 과정을 데이터로 만들었습니다. 선별된 질문과 답변, 그리고 생각 데이터로 AI 모델을 교육한 결과 저렴하면서도 엄청나게 좋은 성능의 AI를 만들 수 있었습니다. Gemini가 생각을 멈추려고 하면 “기다리세요”라고 입력하여 Gemini가 최대한 생각을 많이하도록 강제했다는 지점이 흥미로웠습니다.
불과 몇달 전만 해도 가장 성능이 좋은 “생각하는(Reasoning)” AI 모델은 유료 사용자에게만 제공되었습니다. 이제 생각하는 AI를 구글에서 무료로 사용할 수 있습니다.(링크) 이번 업데이트로 Gemini에게 유튜브, 구글 지도, 검색과 결합해 새로운 기능을 사용할 수 있게 되었다고 합니다. 또한, 구글 시트에서 Gemini를 이용하면 차트를 생성하고 파이썬을 사용해 분석을 할 수 있습니다.
챗GPT 3.5가 처음 나왔을 때, 챗GPT에 껍데기만 붙인 서비스(GPT Wrapper)를 사람들이 비웃었습니다. 그런데 역사 상 가장 빠르게 성장하고 있는 앱이 챗GPT를 코드 환경에서 쓸 수 있게 만든 Cursor입니다. Cursor는 10억 원의 매출에서 1천 억원에 매출까지 역사 상 가장 빠르게 성장했습니다. 챗GPT에 껍데기를 붙인 서비스가 최종 승자가 될 수 있습니다.
기본기: AI의 한계를 시험하는 수학 문제(FrontierMath)에서 파이썬을 사용하라고 말했더니 문제를 3배 더 잘 풀어냈습니다.(o3-mini-high기준, 9.2% vs 32%) 챗GPT에게 수학 문제를 질문할 때 “파이썬을 사용하세요”라고 이야기 하면 수학 문제를 더 잘 풀게 됩니다.
프롬프트:
아래의 수학 문제를 풀어주세요. 수학 문제를 풀 때 파이썬을 이용하세요.
수학 문제:
AI 활용 사례 (1/3)
부동산 중개 매물 소개 블로그를 N8N으로 자동화하기
요약: 부동산 중개업을 하는 지인을 도와주기 위해 물결2님은 부동산 중개 매물을 소개하는 블로그를 N8N으로 자동화 하셨습니다. 새로운 부동산 매물이 나오면 위치 정보와 사진 정보를 토대로 블로그를 작성해주는 자동화입니다.
단계별 방법:
부동산 매물이 올라오는 구글 스프레드 시트에서, 건물 주소와 건물의 이미지를 받아옵니다.
건물 주소를 토대로, 부동산의 위치가 어디있는지를 파악해 네이버 지도 API를 이용하여 건물의 위치 사진을 저장합니다.
건물의 이미지를, 이미지를 분석할 수 있는 AI를 Azure에서 가지고와서 건물 외벽, 실내 공간을 분석해 텍스트로 저장했습니다.
분석한 건물의 위치 사진과 건물 이미지, 그리고 건물을 분석한 텍스트를 조합하여 하나의 블로그 글로 만들어 냈습니다.
흥미로운 점: 작성한 블로그 글이 챗GPT의 도움을 받았다고 할지라도 건물의 이미지와 건물 지도와 같은 상세 정보가 명확하니 유용한 정보성 글로 읽혔습니다. 건물 이미지와 위치와 같은 데이터를 잘 쌓는다면, 챗GPT를 통한 블로그 자동화 결과물도 의미있는 글이 될 수 있음을 보여준 사례입니다.
