혁신(革新)의 의미가 완전히 바꾸어서 근본적으로 새롭게 하는 일이라면, 변화(變化)는 무엇이 가진 성질이나 모양 따위가 다르게 바뀌어 가는 것을 의미한다. 혁신이 두려운 것은 완전히 바뀌는 것 때문일 것이다. 반면, 변화는 바뀌고 있는 것에 대한 흐름을 사람이 그리고 사회가 느낄 정도다. 무엇인가 상태가 달라지는 것은 두려운 것이지만, 적응하지 못하면 도태될 수 있다는 것을 함께 인지해야 한다. 바꾸어 말하면, 도태되지 않기 위해서는 변화가 무엇인지에 대해 알기 위해 노력할 필요가 있다는 것이다.
--- 「01_변화의 패러다임」 중에서

대학에서 AI 알고리즘은 스마트 캠퍼스를 이루는 데 기여하고 있다. 캠퍼스 주변의 다양한 센서에서 데이터를 수집하고 빅 데이터를 실시간으로 처리해 캠퍼스 내 다양한 방문자, 사물, 프로세스 및 이벤트에 대해 의미 있고 유용한 결론을 도출하고 적절한 반응을 보이는 ‘스마트’ 기능이다. 스마트 기능은 수집한 데이터를 기반으로 예측, 감지 및 추론을 통해 안전한 캠퍼스 구성에 기여한다. 특히 장애 대학생을 포함한 대학의 주요 이해관계자에게 도움이 되는 상용 얼굴 인식 시스템을 통한 식별, 분석 및 테스트 등도 제공한다.
--- 「03_대학과 AI 알고리즘」 중에서

기계 학습은 사람이 직접 프로그래밍하기 힘든 복잡한 문제를 데이터를 기반으로 자동으로 해결할 수 있다. 또한 데이터로 넘쳐 나는 현대 사회에서 생성되는 방대한 양의 데이터를 효과적으로 분석하고 처리해 유용한 정보를 얻을 수 있게 해 준다. 기계 학습의 세 유형인 지도 학습, 비지도 학습, 강화 학습은 데이터과학과 인공지능의 핵심 문제 해결에서 특정 유형의 문제를 해결하는 데 서로 다른 적합성을 갖고 있으며, 실제 문제를 해결하는 데 필수적이다. 데이터 기반의 의사 결정을 통해 문제를 해결하기 위한 데이터 과학에서 기계 학습은 효율적인 해결 방법을 제공할 수 있다.
--- 「06_데이터 과학과 AI」 중에서

시대의 기술로 사회 변화의 패러다임을 선도하는 AI 모델에 대한 영향력의 한계는 가늠하기 어렵다. 그리고 세상에 소개된 다양한 LLM과 LMM 서비스를 제공하는 모델의 성능은 모두 동일한 것인가에 대한 의문도 있다. 우리가 알고 있는 오픈AI의 지피티 모델과 구글의 제미나이, 이외에 메타의 라마(Llama) 등 많은 모델이 존재한다. 각각의 모델 성능을 평가하기 위한 것이 대규모 멀티태스크 언어 이해(MMLU: Massive Multitask Language Understanding) 벤치마크다. 이 벤치마크는 AI 모델의 전반적인 언어 이해 능력을 평가하기 위해 만들어졌으며, 다양한 주제와 과제에서 모델의 성능을 테스트한다.