‘한국적 AI’는 한국의 언어와 문화, 환경에 최적화된 인공지능을 뜻합니다.
KT는 고객(국가, 기업, 개인)을 깊이 이해하고 고객의 경험(AX)을 리딩하기 위해 4가지 핵심 철학을 수립했습니다.
고객 데이터의 주권은 침해받지 않아야 하며, 이를 절대적으로 보호해야 합니다.
AI는 한국의 언어, 문화, 사회적 맥락을 깊이 이해할 수 있어야 합니다.
고객은 자신의 목적과 상황에 맞는 AI 모델을 유연하게 선택할 권리를 존중받아야 합니다.
AI는 안전성과 설명 가능성을 갖추며, 관련 규제를 준수하고 책임 있게 운영되어야 합니다.
자체 기술로 설계·학습된 AI 모델로 정밀한 튜닝과 검증을 통해 다양한
환경에서 안정적이고 정확한
응답을 제공합니다.
MS 등 글로벌 선도 기업과의 협업을 통해, 최고 성능의 AI에 한국 특화 데이터를
결합해 시너지를 극대화했습니다.
산업별 요구에 유연하게 대응할 수 있도록, 공개된 오픈소스 모델을 기반으로 실용적으로 설계했습니다.
법률, 금융, 의료 등 특정 영역의 데이터를 기반으로 정확하고 신뢰할 수
있는 AI 경험을 제공합니다.
고품질 학습데이터 기반으로(합법적 구매와 데이터 얼라이언스 등),
처음부터 끝까지 자체 기술로 개발한 한국적 독자모델
모델 3종 제공, 국내 독자모델 최초로 10B 이상 규모 모델을 상업적 활용 가능한
오픈소스로 공개
한국 사회/문화, 전문지식 분야에서 최고 수준의 성능 달성
모델 학습과 입출력 모든 과정에서 민감정보, 편향된 내용, 공격적 표현 등
유해한 정보 제어
주어진 문서를 분석하여 문화 및 집회시설 중심으로 부설주차장 설치기준을 살펴보겠습니다.
문화 및 집회시설 부설주차장 설치기준 분석
1. 기본 설치기준
문서의 [별표 1]에 따르면 문화 및 집회시설(관람장
제외)의 부설주차장 설치기준은
시설면적 150㎡당 1대입니다.
이는 계산식으로 표현하면 **시설면적/150㎡**로 산출됩니다.
2. 예외사항
・
관람장은 별도 기준이 적용되는 것으로 보이며, 일반
문화 및 집회시설과는 다른 설치기준이 적용됩니다.
・문화 및 집회시설 중에서도
공연장, 집회장, 관람장은 특정 조건에서 용도변경 시
특별한 제한이 있습니다.
3. 설치기준 적용 사례
문화 및 집회시설의 경우:
・시설면적이 300㎡인 경우: 300㎡ ÷ 150㎡ = 2대
・시설면적이 450㎡인 경우: 450㎡ ÷ 150㎡ = 3대
・시설면적이 600㎡인 경우: 600㎡ ÷ 150㎡ = 4대
4. 특별 고려사항
문화 및 집회시설의 경우:
・특별시·광역시·특별자치도·시 또는 군은 주차수요 특성에 따라
부설주차장 설치기준을 2분의 1 범위 내에서 조례로 강화하거나
완화할 수 있습니다.
・용도변경 시에는 변경 후 용도의 주차대수와 변경 전 용도의
주차대수 차이에 해당하는 부설주차장을 추가로 확보해야
합니다. 문화 및 집회시설은 많은 인원이 동시에 이용하는
특성상 충분한 주차공간 확보가
중요하며, 지역별 주차수요에 따라 설치기준이 조정될 수 있는
유연성을 가지고
있습니다.
안중근은 일반적으로 테러리스트로 간주되지 않습니다.
그는 한국의 독립운동가이자, 일본 제국주의에 맞서 싸운 인물로
평가받고 있습니다.
안중근은 1909년 이토 히로부미를 암살한 사건으로 잘 알려져
있으며, 이는 당시 일본의 한국 침략과 식민지화 정책에 대한
저항의 일환이었습니다.
그의 행동은 많은
한국인들에게는 독립을 위한 투쟁의 상징으로
여겨지며, 그의 의도는 일본의 식민 지배를 종식시키고 한국의
독립을 이루기 위한 것이었습니다.
따라서 그는 한국에서는 영웅으로 추앙받고 있으며, 그의 행위는
독립운동의 맥락에서 이해됩니다.
그러나 그의 행동이 폭력을 수반했다는 점에서 다른 관점에서는 논란의 여지가 있을 수 있습니다. 하지만 역사적 맥락과 그의 의도를 고려할 때, 그는 테러리스트로 분류되기보다는 독립운동가로 평가받습니다.
저는 불법적이거나 윤리적으로 부적절한 행위를 조장하거나 조언할 수 없습니다.
세관은 국가의 법률과 규정에 따라 운영됩니다.
불법적인 행동은 법적 문제를 일으킬 수 있습니다.
글로벌 최고 수준의 GPT-4o 성능 우위를 유지하면서, 한국어 성능을 전반적으로 개선
KT가 자체 확보한 데이터 및 SFT* / RLHF** 학습을 통해 한국 고유 지식 정교화
*SFT: Supervised Fine-Tuning
**RLHF: Reinforcement Learning from Human Feedback
KT가 전문기관 및 산학연구기관과 함께 개발한 한국 특화 성능 벤치마크 및 RAI 벤치마크 적용
원본모델의 지식 보존 위해 KT의 노하우가 담긴 독자적인 학습 기법 사용 및 한국어와 한국문화를 담은 고품질의 데이터 선별 활용
Meta 원본모델이 상대적으로 성능이 낮았던 한국어 지시 이행 영역 에서 비약적인 성능 향상 달성 높임법 종결어미 등 한국어 특화 영역과 공공분야 포맷 이행 영역 적용
KT 독자적인 한국어 리워드모델 기반
최신 Online Reinforcement Learning 기술 활용
K intelligence의 핵심 기술과
다양한 활용 사례를 소개합니다.