혁신적인 LLM 기술과 프롬프트 엔지니어링 노하우!
대규모 언어모델(LLM) 및 프롬프트 엔지니어링의
기본 개념과 효과적인 AI 활용을 위한 실제 사례 수록!

이 책은 최근 큰 주목을 받고 있는 차세대 AI 기술인 대규모 언어모델(LLM)과 프롬프트 엔지니어링에 관해 설명한다. LLM은 방대한 양의 데이터로 훈련된 거대한 언어 모델로, 번역, 요약, 질의응답 등 다양한 자연어 처리 작업을 수행할 수 있으며, 프롬프트 엔지니어링은 LLM에 적절한 지시문을 제공하여 LLM 모델의 잠재력을 극대화하는 기술이다.

이 책에서는 LLM과 프롬프트 엔지니어링의 원리와 구현 방법, 활용 사례 등을 상세히 설명하며, 실무에서 이러한 혁신 기술을 효과적으로 적용할 수 있도록 인사이트와 지침을 제공한다. LLM과 프롬프트 엔지니어링은 자연어 처리 AI의 새로운 흐름이다. AI와의 효과적인 상호작용을 위한 전략과 미래 기술 트랜드, 개별 프로젝트나 비즈니스에 AI를 통합하는 방법에 대해 확인할 수 있다.

Chapter 1 ChatGPT & LLM - 대규모 언어 모델로 만드는 미래
PART 1 │ LLM이란 무엇인가?
1.1 트랜스포머 모델이란?
1.2 LLM 구조와 작동 원리 및 주요 구성 요소
1.3 LLM 모델 학습 과정
1.4 LLM 모델의 이점 및 활용 분야

PART 2 │ 생성형 AI에 대해 알아보자
2.1 LLM과 생성형 AI의 관계
2.2 LLM 모델의 한계와 과제

PART 3 │ OpenAI 이해하기
3.1 OpenAI 탄생의 배경과 역사
3.2 OpenAI가 주목받는 이유
3.3 현재 LLM 모델에 대한 상세 설명
3.4 주요 LLM 모델과 역사

PART 4 │ 최근 발표된 LLM 모델
4.1 GPT 모델
4.2 그 외 LLM 모델

PART 5 │ sLLM의 출현
5.1 소형 언어 모델(sLLM)
5.2 sLLM의 성능과 장점
5.3 sLLM의 활용 사례
5.4 LLM vs sLLM

PART 6 │ RAG 대 Fine-tuning
6.1 RAG: 검색 증강 생성
6.2 Fine-tuning
6.3 RAG 적용에 적합한 분야
6.4 Fine-tuning 이 필요한 경우

PART 7 │ 실제 적용 사례
7.1 AOAI를 적용한 정육각의 리뷰 작성 도우미(아서)
7.2 GPT-4를 이용한 초록마을 검색엔진 만들기
7.3 A사의 GPT를 이용한 문서 검색 시스템
7.4 B사의 사내 기술 문서를 기반으로 GPT를 통한 질의응답
7.5 C 보험사 보험 약관을 대상으로 한 질의응답
7.6 배달의 민족, LLM과 ChatGPT의 미래 활용 사례

PART 8 │ 책을 마무리하며
8.1 초거대 언어모델(LLM)과 소형 언어모델(sLLM)의 양분화
8.2 Multi Model(멀티모달) AI를 통한 다양한 소스의 연결
8.3 GPT 생태계의 생성과 개발자들의 교류 촉진
8.4 기술의 오픈소스화 대 개발의 규제 필요성
8.5 LLM의 미래
8.6 우리의 준비

부록 1. LLM 모델에서 Parameter란
부록 2. GPT 프로젝트 경험
부록 3. Azure OpenAI Playground(RAG)

참고 자료

Chapter 2. Smart Prompt Design- AI와 상호작용하는 새로운 방법
서 론 │ 프롬프트 엔지니어링의 중요성
PART 1 │ 프롬프트 엔지니어링 기초
1.1 프롬프트란 무엇인가? 145
1.2 프롬프트의 구성 요소 156
1.3 프롬프트 활용 사례 177

PART 2 │ 프롬프트 엔지니어링 테크닉
PART 3 │ 프롬프트 프레임워크
3.1 컨디셔널 프롬프트(Conditional Prompts)
3.2 RTPR 프레임워크
3.3 CRISPE 프롬프트 프레임워크

PART 4 │ 실제 사용 사례

PART 5 │ 프롬프트 엔지니어의 미래

결 론 │ 끝없는 도전의 길

마치며…
참고 자료