OpenAI의 o3가 왜 큰 사건인가?

지피터스 뉴스레터는 모두가 AI 발전 속도에 뒤처지지 않도록 커뮤니티의 가장 흥미로운 AI 활용법을 전합니다.

2시간 만에 AI와 함께 해커톤 수상하기
OpenAI의 o3가 왜 큰 사건인가?
맥OS에서 노션 앱과 함께 챗GPT 이용하기
챗봇에 그래프DB와 RAG를 함께 이용해 정확도 높이기
콘텐츠를 변환해 네이버 상위 노출하기

지피터스 뉴스레터를 구독해서 뉴스레터를 편지함에서 받아보실 수 있습니다.

2시간 만에 AI와 함께 해커톤 수상하기

요약: 해커톤은 짧은 시간 동안 아이디어를 내고 구체화하는 것이 중요합니다. AI에 도움을 받아 2시간 만에 AI 헬멧 아이디어를 구체화해 내 해커톤 수상 및 40만 원의 상금을 받은 @박정기 님의 사례입니다.

단계별 과정:

AI 헬멧 아이디어를 구체화하기 위해 Perplexity를 이용해 스마트 헬멧의 시장 규모와 경쟁사를 분석했습니다.
챗GPT와 Napkin.ai를 이용해 AI 헬멧의 기능인 AI 기반 사고 감지, AR 네비게이션 기능을 구체화 했습니다.
감마와 캔바를 이용해 시장 조사 내용과 아이디어를 기반으로 슬라이드를 완성했습니다.
Kling AI로 구현하고자 하는 AI 헬멧의 이미지와 영상을 생성하여 슬라이드의 설득력을 높이고, 홍보용 영상을 만들 수 있었습니다.

흥미로운 점: 해커톤은 굉장히 짧은 시간 동안 이루어지기 때문에 효율적으로 시간을 사용하는 것이 무엇보다 중요합니다. AI에 도움을 받아 오랜 시간이 걸릴 시장 조사와 슬라이드 작성 시간을 줄이고, Kling AI로 구현하고자 하는 AI 헬멧 이미지를 생성해 슬라이드의 설득력을 높였습니다.

사례 따라해 보기 →

OpenAI의 o3가 왜 큰 사건인가?

요약: OpenAI는 o3와 o3 mini 라는 두가지 AI 모델을 공개했습니다. 이는 o1을 포함한 다른 주요한 모델보다 성능이 압도적입니다.

전문가의 의견:

o3는 AI의 한계를 테스트하는 벤치마크인 Frontier Math에서 25.2%의 문제를 해결했습니다. Frontier Math를 개발한 Tamy는 25.2%가 예상한 것보다 1년이나 앞선 성과라고 이야기합니다.
코인베이스의 전 CTO인 Balaji는 o3가 Frontier Math에서 25.2%의 문제를 해결한 것에 대해, 지구상에 이런 유형의 문제를 25%를 풀 수 있는 수학자가 단 한 명도 없을 수 있고 o3의 속도로 풀 수 있는 수학자는 더더욱 없을 것이라고 감탄했습니다.
왓슨 대학의 Ethan Molick 교수는 o3가 비싸 보이지만(작업 당 수백 달러~수천 달러), 학계, 금융 및 많은 산업의 문제를 해결하는데 수백 달러를 지불하는 것은 큰 문제가 아니라고 이야기합니다.

왜 중요한가: o3 이전에 사람들은 AI가 불가능한 부분에 대해 이야기 했습니다. 이제 사람들은 o3가 너무 비싸다고 이야기 하고 있습니다. 비용, 그 다음은 무엇일까요? 샘 알트만에 의하면 o3-mini는 1월 말에 출시 예정이며, o3를 이어서 출시할 계획이라고 합니다.

맥OS에서 노션 앱과 함께 챗GPT 이용하기

기본기: 챗GPT 앱은 이제 노션과 같은 여러 앱과 함께 이용할 수 있습니다.(현재는 Mac에서만 가능) 챗GPT가 노션의 콘텐츠를 읽어 답변해줍니다.

단계별 방법:

챗GPT 앱을 다운로드합니다. (링크)
설정에서 Work with Apps > Enable Work with Apps를 킵니다.
노션 앱에 접속해 챗GPT 앱을 열면 노션 앱과 함께 챗GPT를 이용할 수 있습니다.

흥미로운 점: 챗GPT가 내가 지금 보고 있는 화면의 맥락을 파악하고 있기 때문에, 별도로 복사 붙여넣기를 하지 않아도 챗GPT에게 질문할 수 있습니다. 하지만 노션 앱에서 챗GPT가 직접 텍스트를 수정하거나 작성하는 것이 불가능하다는 점에서 한계가 명확합니다.

챗봇에 그래프DB와 RAG를 함께 이용해 정확도 높이기

요약: 챗GPT나 클로드는 답변을 허위로 생성하는 경우(할루시네이션)가 있습니다. 이럴 때 데이터베이스에서 자료를 가지고 오는 RAG를 이용하면 답변의 정확도를 높일 수 있습니다. RAG는 보통 벡터DB를 이용해 진행하지만 마인드 맵 형태처럼 관계를 기반으로 저장할 수도 있습니다. 이를 그래프DB라고 합니다. @JoungRae Kim님께서 그래프DB와 RAG를 합쳐 챗봇을 구현한 사례입니다.

흥미로운 점: 벡터DB를 활용한 RAG챗봇은 정형화되지 않은 데이터에서 성능이 떨어진다는 점이 아쉬웠습니다. 그런데 그래프DB는 정형화되지 않은 데이터의 관계성을 만들어 냅니다. 이러면 데이터가 정형 데이터의 성질을 가져, 정형화되지 않은 데이터에서도 높은 정확도를 가진 챗봇을 만들 수 있습니다. (참고)

사례 따라해 보기 →

커뮤니티 행사

뉴스레터에 소개된 모든 사례들이 지피터스 AI 스터디에서 나왔습니다.

대기 신청하면 얼리버드 10% 할인 혜택을 드려요.

대기자 신청하기 →

콘텐츠를 변환해 네이버 상위 노출하기

요약: 구글에서 잘 노출되는 콘텐츠가 네이버에서도 잘 노출되지는 않습니다. 검색 알고리즘이 미묘하게 다르기 때문입니다. 네이버 검색 엔진 전문가이신 @YD님이 자신의 지식을 챗GPT 프롬프트로 만들어, 어떤 콘텐츠라도 네이버에 잘 노출되는 콘텐츠로 만들 수 있게 했습니다.

단계별 과정:

챗GPT에게 네이버에서 사용되는 버트(BERT) 알고리즘을 알고 있는지 묻고, 이를 정리하여 콘텐츠 제작을 위한 프롬프트로 만들어 달라고 요청했습니다.
네이버에서는 메인 키워드와 서브 키워드의 적절한 배치가 중요합니다. 이 부분을 고려해 프롬프트를 다시 작성해 달라고 부탁했습니다.
마지막으로 챗GPT에게 동일한 표현을 동의어, 유사어로 대체하는 내용을 추가라고 요청했습니다. 네이버에서는 특정 단어가 필요 이상으로 반복되면 글 노출에 불리하기 때문입니다.

흥미로운 점: 네이버의 검색 엔진 최적화 전략이 다르다는 것을 알고 있었지만 어떤 부분이 다른지는 잘 공유되지 않은 내용이었습니다. 네이버 검색엔진 최적화 전문가이신 @YD님 덕분에 메인 키워드와 서브 키워드의 배치, 동일한 표현을 쓰지 않은 것이 중요하다는 것을 알게 되어 흥미로웠습니다.

프롬프트:

*1. 키워드 연구 및 최적화:
	•	메인 키워드 식별 및 사용: 콘텐츠의 주제와 관련된 메인 키워드를 식별하고, 이를 콘텐츠 전반에 걸쳐 적극적으로 사용하세요.
	•	연관 키워드 조사 및 통합: 주제와 관련된 연관 키워드를 조사하여 자연스럽게 통합합니다. 다양한 표현을 사용해 독자와 검색엔진의 이해도를 동시에 높이세요.

2. 제목 및 소제목 최적화:
	•	제목 최적화: 콘텐츠의 핵심 메시지를 반영하며 명확하고 매력적인 제목을 작성합니다.
	•	소제목에 키워드 통합: 각 섹션의 소제목에 메인 키워드와 연관 키워드를 포함시켜 콘텐츠 구조를 명확히 하고, 독자가 쉽게 내용을 따라갈 수 있도록 만드세요.

3. 콘텐츠 구조 및 흐름 최적화:
	•	도입부, 본문, 결론 최적화: 도입부에서는 주제와 관련된 흥미로운 정보로 독자의 관심을 끌고, 본문에서는 체계적인 설명을 제공하며, 결론에서는 핵심 메시지를 요약하고 추가적인 행동을 유도하세요.
	•	정보의 논리적 배치: 콘텐츠의 흐름이 자연스럽고 논리적으로 이어지도록 작성하세요.

4. 언어 사용 및 문맥적 적합성 강화:
	•	자연스러운 언어 사용: 독자가 이해하기 쉬운 대화형 톤으로 작성하며, 복잡한 개념은 간결하게 설명합니다.
	•	유사어 및 동의어의 활용: 반복을 피하고 유사어와 동의어를 적절히 사용해 콘텐츠를 풍부하고 매력적으로 만드세요.
	•	표현의 다양성 강화: 다양한 문체와 어휘를 활용해 독자의 흥미를 유지하세요.

5. SEO 및 독자 경험 최적화:
	•	SEO 친화적 작성: 메타 설명, 제목 태그, 이미지 대체 텍스트 등을 포함하여 콘텐츠의 검색 가시성을 높이세요.
	•	독자 중심의 접근: 콘텐츠가 독자의 질문에 답할 수 있도록 실용적이고 관련성이 높은 정보를 제공합니다.*

사례 따라해 보기 →