< 챗봇 >

 

   - 챗봇의 종류 및 적용 분야

 

   - 사례중심으로 본 감성챗봇의 미래

 

   - 챗봇, 그것이 알고싶다

   - 챗봇의 한계와 미래

 

   - 기능형 챗봇에도 초거대모델이 필요

 

   - 구글은 챗봇이 나쁜 생각이었다고 인정했다

   - 봇 설계는 이렇게 한다

 

   - 일상대화 챗봇이 쉽게 지루해지는 이유

   - 챗봇에서 자연어처리 적용 방법

 

   - FSM 기반의 챗봇 대화 구조

 

 

 

   < 챗봇 딥러닝 >

 

   - 딥러닝을 사용한 챗봇 개발방법 정리

 

   - 딥러닝 자연어처리 - RNN에서 BERT까지

 

   - 네이버 영화리뷰 감정분석 with Hugging Face BERT

 

   - 케라스로 만든 한글 Seq2Seq 챗봇 소스코드

 

   - 최신 자연어처리 모델 소개

 

   - 챗봇에 딥러닝 학습을 적용하기 어려운 이유

 

   - 일상대화 챗봇 레플리카(Replika)의 구현 방식

 

   - 페이스북의 일상대화 딥러닝 모델 - BlenderBot

 

   - 인터넷 검색을 하고 장기기억을 저장하는 페이스북의 챗봇 - Blenderbot 2

 

   - 유저 피드백을 받아 지속적으로 학습을 하는 챗봇 - BlenderBot 3

 

   - 구글의 일상대화 딥러닝 모델 - Meena

 

   - 챗봇에서 유사한 문장 자동인식 방법

 

 

 

   < 챗봇 개발 >

 

   - 챗봇 개발 플랫폼 비교

 

   - 챗봇빌더 비교 - 단비Ai vs Dialogflow vs 카카오i 오픈빌더

 

   - 챗봇 알고리즘의 발전 과정

 

   - 카카오i 오픈빌더로 피자챗봇 만들기

 

   - Dialogflow로 카카오톡 챗봇 만들기

 

   - Dialogflow와 Heroku로 카카오톡 챗봇 만들기

 

   - PHP로 만든 간단한 카카오톡 챗봇

 

   - 파이썬과 Flask로 만든 간단한 카카오톡 챗봇

 

   - 파이썬과 Flask로 만든 간단한 페이스북 챗봇

 

   - 왕초보, 코딩없이 챗봇 만들기

   - 왓슨을 사용한 챗봇 개발 방법

 

   - Chatfuel로 코딩없이 타로 챗봇 만들기

 

   - DIY 챗봇 - 유사도 방식의 의도 파악

 

 

   < 챗봇 사용기 >

 

   - 2020년 Alexa Prize 소셜봇 우승팀 - Emora

 

   - Alexa Prize에서 2등을 차지한 스탠포드대의 챗봇 - Chirpy Cardinal

 

   - 중국 MS의 소셜 챗봇 샤오이스(XiaoIce)

 

   - 소셜 챗봇 샤오이스(XiaoIce)의 구현 방법

 

   - SKT의 개인비서 인공지능 - 에이닷(A.)

 

   - 엔씨소프트의 야구정보 서비스 페이지(PAIGE) 사용기

 

   - 카카오멜론 챗봇 사용기

 

   - 아이돌 챗봇 소개

 

 

 

   < 자연어처리 >

 

   - 메이템 가상비서 앱 자연어처리 모듈 개발

 

   - 마르코프 체인을 사용한 자동 문장 생성

 

   - 문서에서 핵심 단어를 찾는 TF-IDF 알고리즘

 

   - 검색을 통해 지식그래프를 바로 생성하는 알고리즘

 

 

 

   < 딥러닝 >

   - 딥러닝의 종류 간단 설명

 

   - 딥러닝의 기본

 

   - 생성 모델이 일반 인공지능(AGI)으로 가는 열쇠

 

   - 딥러닝이 탄생할 수 있었던 진짜 이유

 

   - Transformer와 동급의 성능에 속도는 훨씬 빨라진 MLP-Mixer

 

   - 이미지 생성모델에서 특징 벡터를 추출하여 사진을 조작하는 방법

 

   - 알파고의 딥러닝 알고리즘

   - 딥러닝 합성곱 신경망(CNN) 개요

 

 

 

   < 딥러닝 - CLIP >

   - 이젠 모델 구축도 학습도 필요없다, OpenAI의 이미지인식 모델 CLIP

 

   - 뉴런 하나로 특정 개념을 표현한다, CLIP 모델에서 개념 뉴런을 발견

 

   - 텍스트를 이미지로 생성해주는 사이트 - Text2Art (VQGAN-CLIP)

 

   - 말로 설명하여 이미지를 변형하는 GAN - StyleCLIP

 

   - OpenAI의 CLIP을 한글로 구현한 KoCLIP

 

   - OpenAI의 CLIP을 사용해서 자연어로 유튜브 영상 검색

 

 

 

   < 강화학습 >

 

   - 신경망 Q-Learning으로 구현한 오목 게임

 

   - 구글의 새로운 딥러닝 강화학습인 월드 모델

 

   - 텐서플로우에서 DQN 강화학습으로 캐치게임 구현

   - 강화학습 기반의 자율적인 행동 학습

 

   - 강화학습 기반의 지능적인 가상캐릭터

 

   - MDP 기반의 스케줄링 구현

 

   - 딥마인드의 게임을 학습하는 딥러닝 인공지능

 

 

 

   < 머신러닝 >

 

   - 빅데이터에 대한 간략한 소개

 

   - 추천 시스템에서 사용하는 협업 필터링 알고리즘

 

   - 결정 트리 학습 알고리즘 소개

 

 

 

   < 게임 인공지능 >

 

   - FSM을 사용한 인공지능 구현 예제

 

   - FSM, 몬스터 인공지능의 구현

 

   - A* 알고리즘을 사용한 길찾기

 

   - 게임트리를 사용한 제로섬 게임의 인공지능
 

   - 메시지 기반의 인공지능

 

   - 인공지능과 게임

 

   - 인공지능이 뛰어난 게임들

 

   - 블랙 앤 화이트의 인공지능

 

   - 감성형 게임의 미래, 러브플러스와 동물의 숲

 

   - 리얼타임 연애시뮬레이션 - 러브 플러스

 

 

 

   < 로봇 인공지능 >

   - 로봇의 대중화에 성공한 첫 제품 - 청소 로봇

 

   - 쥐의 뇌세포를 이용한 로봇

 

   - 소프트뱅크의 감정인식 대화 로봇 - 페퍼

 

 

 

   < 신경망 >

   - 신경망을 이용한 사용자의 행동 학습

 

   - 신경망을 통한 학습의 구현

 

   - 인공신경망을 이용한 마우스 제스쳐 인식

 

 

 

   < 유전 알고리즘 >

 

   - 유전 알고리즘을 사용한 인공생태계 구현

 

   - 자동 그림생성 프로그램 - Evolving Image

 

   - 유전 알고리즘을 이용한 우주선 게임

 

   - 유전 알고리즘을 사용한 인공진화

 

 

 

   < 인공생명 >

 

   - 격자속의 작은 세상 - 라이프 게임

 

   - 플로킹, 생물의 집단행동 구현

 

   - 인공생명, 새로운 생명의 창조

 

 

 

   < 인공감정 >

 

   - 간단한 인공감정 모델의 구현

 

   - 진화에 있어서 감정이 발달한 이유

 

 

   < 일반 인공지능 >

 

   - 간단히 정리하는 인공지능의 역사

 

   - 인공지능 관련 테드(TED) 강연 목록

 

   - 퍼지논리를 사용한 속도제어 구현

 

   - 프레임 기반의 지식 표현

 

   - 인공지능이 의식을 가질 수 있는가

 

   - 인공지능과 자의식