프로페서 H의 메디톡

클로드의 아티팩트(Artifacts) 기능 설명아티팩트란 무엇이며, 어떻게 사용하나요?아티팩트는 클로드가 독립적이고 완결된 콘텐츠를 별도의 창에서 제공하는 기능입니다.주 대화창과 분리되어 중요한 콘텐츠를 쉽게 수정, 발전, 또는 참조할 수 있도록 도와줍니다.클로드가 아티팩트를 생성하는 경우:독립적이고 완결된 콘텐츠일 때: 보통 15줄 이상의 중요한 내용.편집, 반복 작업, 재사용 가능성이 높은 콘텐츠일 때.대화 맥락 없이도 독립적으로 이해 가능한 복잡한 콘텐츠일 때.향후 참조나 재사용 가능성이 높은 경우.주요 예시:문서 (Markdown 또는 Plain Text)코드 스니펫웹사이트 (단일 HTML 페이지)벡터 그래픽(SVG)다이어그램 및 플로우차트인터랙티브 React 컴포넌트아티팩트로 구현할 수 있는 주..

클로드 프로젝트기능에 대한 설명을 정리해보았습니다.  https://support.anthropic.com/en/articles/9519177-how-can-i-create-and-manage-projects How can I create and manage Projects? | Anthropic Help Center support.anthropic.com  프로젝트 생성 및 관리 방법프로젝트는 Claude for Work 및 Claude Pro 요금제 사용자들에게 제공된다.프로젝트 생성 방법프로젝트 섹션으로 이동계정의 왼쪽 메뉴로 커서를 이동하면 프로젝트 섹션에 접근할 수 있다."프로젝트 생성" 클릭해당 버튼을 클릭하여 프로젝트를 시작한다.프로젝트 이름 및 설명 입력프로젝트의 이름과 설명을 설정한다. ..

안녕하세요,  이번 시리즈의 글들은 LLM의 동작들에 대해 궁금한 점들을 LLM들과 문답으로 풀어가는 과정을 기록하고자 합니다. 비록 완전히 정확하지는 않겠지만 일반인들이 이해하는 수준에서는 도움이 되지 않을까 생각합니다. 되도록 hallucination이 발생하지 않도록 주의를 기울여 작성해보겠습니다.  transformer가 무엇인지 궁금해서 알아보던 과정에 아래와 같은 궁금한 점이 생겼습니다. 최신 초대형 언어 모델인 Claude 3.5 Sonnet은 어떻게 200,000 토큰이라는 방대한 컨텍스트 윈도우를 효율적으로 처리할 수 있을까? 특히 기존 Transformer 아키텍처의 제한사항을 어떻게 극복하였나? 또한 추가적으로 이어서 생기는 저의 궁금함들은 다음과 같습니다.  계산 효율성"200K ×..

Attention 알고리즘을 단계별로 쉽게 개념적으로 알아보겠습니다:기본 개념Attention은 입력 시퀀스의 각 요소들 간의 관련성을 계산하는 메커니즘입니다"모든 입력을 고려하되, 중요한 것에 더 주목한다"는 개념입니다주요 구성 요소Query (Q): 현재 처리 중인 위치의 벡터Key (K): 다른 위치들의 벡터Value (V): 실제 정보를 담고 있는 벡터작동 과정 a. 각 입력 단어를 벡터로 변환 b. Query와 Key 사이의 유사도 점수 계산 c. Softmax 함수로 점수를 확률로 변환 d. 확률을 Value에 곱하여 가중치 적용 e. 가중치가 적용된 Value들을 합산수식으로 표현 Attention(Q, K, V) = softmax(QK^T/√d_k)Vd_k: 스케일링 팩터(Key의 차원)√..

이미지 분석과 ChatGPT 4.0, Claude 3.5 Sonnet: 최신 트렌드와 접근법이미지 분석 기술은 빠르게 진화하고 있으며, 최근 몇 년 동안 트랜스포머 모델을 활용한 새로운 접근법이 주목받고 있습니다. 특히 ChatGPT 4.0과 Claude 3.5 Sonnet은 이미지 처리에서 전통적인 방법을 넘어서는 혁신적인 방식으로 주목받고 있습니다. 여기서는 이미지를 패치로 분할하고 임베딩을 생성하는 접근법이 최신 모델들에서 어떻게 활용되는지에 대해 간단히 살펴보겠습니다.1. 이미지 분석의 기본 개념: 패치 분할과 임베딩이미지를 분석할 때 흔히 사용되는 기법 중 하나는 이미지를 여러 개의 패치로 분할(segmentation)한 후 임베딩(embedding) 을 생성하는 것입니다. 이는 비전 트랜스포머..

1차 원고 작성: 2024-09-22 오늘은 "Personalized dose selection for the first Waldenström macroglobulinemia patient on the PRECISE CURATE.AI trial"이라는 논문을 정리하고자 합니다. 이 연구는 희귀질환인 발덴스트롬 대구단백혈증(WM) 환자에게 인공지능(AI) 기반 임상 의사결정 지원 시스템을 적용한 사례 연구입니다. 출처: npj Digital Medicine (2024). https://doi.org/10.1038/s41746-024-01373-9  이 연구는 CURATE.AI라는 AI 기반 플랫폼을 사용하여 WM 환자의 개인화된 약물 투여 용량을 결정하는 과정을 보여줍니다. 특히 희귀질환에서 제한된 데이터..

1차 원고 작성: 2024-09-18 오늘은 "ChatGPT for digital pathology research"라는 논문을 정리하고자 합니다. 이 연구는 디지털 병리학 분야에서 **대규모 언어 모델(LLM)**을 활용하는 것의 가능성과 도전 과제를 다룬 리뷰 문헌입니다. 출처: Lancet Digital Health (2024). https://doi.org/10.1016/S2589-7500(24)00114-6 생성형 인공지능 모델, 특히 ChatGPT와 같은 LLM의 빠른 발전은 의료 연구에서 새로운 가능성을 열고 있습니다. 디지털 병리학은 복잡한 맥락적 이해를 요구하는 급변하는 분야로, LLM의 적용이 주목받고 있습니다. 그러나 이 연구는 제한된 도메인 특화 효율성을 가진 LLM의 한계를 지적하..

AI 아이디어 도구: Napkin.ai 소개Napkin.ai는 창의적인 아이디어를 효율적으로 발전시키고, 정리하고, 시각화할 수 있도록 도와주는 AI 기반 아이디어 관리 도구입니다. 이 플랫폼은 간단한 메모부터 복잡한 개념까지 모든 것을 기록하고, 이를 AI의 도움으로 체계적으로 관리할 수 있도록 설계되었습니다. 특히, 아이디어의 흐름을 시각적으로 정리하고 확장할 수 있는 기능을 제공하여 브레인스토밍을 할 때 유용합니다. https://www.napkin.ai/ Napkin AI - The visual AI for business storytellingJust type, copy-paste or generate your text and Napkin will instantly transform it int..

1차 원고 작성: 2024-08-25 오늘은 "Optimization of hepatological clinical guidelines interpretation by large language models: a retrieval augmented generation-based framework"에 대해 내용을 정리하고자 합니다. 이 연구는 대규모 언어 모델(LLM)을 활용하여 간질환 임상 가이드라인의 해석을 최적화하는 프레임워크를 개발한 중요한 논문입니다. 출처: NPJ Digital Medicine (2024) 7(1): 102. https://doi.org/10.1038/s41746-024-01091-y 대규모 언어 모델(LLM)은 의료 분야에서 적시에 적절한 정보를 제공함으로써 의료 서비스를 혁신..