관심사가 일치하는 사람들의 커뮤니티를 찾아 들어간다. 끊임없이 키워드를 공급받을 수 있다. 트위터(형기님의 추천), 오픈카카오톡방 등을 사용할 수 있다.

• ‣

얻은 작은 단서들을 바탕으로 단순히 구글 검색한다. 유튜브, 튜토리얼, 뉴스레터 등.

• ‣

이 과정에서 영어를 읽다가 일부 단어가 대해 학술 용어인지, 그냥 함축적 표현인지 이해가 가지 않을 때 가차없이 LLM 을 활용한다. (SOTA: GPT4)

'unified framework for 3D content creation from text prompts, single images, and few-shot images, by lifting 2D text-to-image generation models.'

이 문장에서 lifting 이 의미하는 것이 뭐야?

문제에 대한 키워드를 얻고자 한다면 LLM 을 활용한다. (SOTA: Scispace)

딥페이크 태스크에서 얼굴A 를 얼굴 x에 입혀서 만들어진 이미지가 x_a이고 얼굴 A를 얼굴 y에 입혀서 만들어진 이미지가 y_a일 때, 이때 x_a와 y_a를 비슷하게 만들기 위한 연구들에 대한 키워드

논문에서 키워드를 빠르게 추출하고자 한다면, 특정 내용이 존재하는지 확인하기 위해 LLM 을 활용한다. (SOTA: Scispace). Scispace 의 RAG을 이용해 질문을 입력해 보는 것이 큰 도움이 된다.

• 예시

• 관련도가 높은 것으로 꼽았기 때문에, 문제와 직접적으로 관련이 있는 것들 위주로 도마 위에 올라갈 것임. 이것은 초기 학습 시 매우 유용함.
• 반복하면 반복할수록 근처의 키워드로 검색 범위가 커져 나갈텐데, 이때 제텔카스텐의 위력이 잘 드러날 수 있음. 시드가 충분히 쌓일 때까지 너무 욕심부리지 말자.

• 나중에 반드시 여기에 돌아올 것임. 그때 작성하면 됨.

각 키워드들을 바탕으로 역사를 구글 검색한다.

제텔카스텐 방식으로 글을 쓴다.

• 수식을 마주칠수도 있고, 의미들을 마주칠수도 있다. 여기서 중요한 것은 단순히 수식을 너머 의미를 파악하려고 노력하는 것이다. 단순히 구글 검색을 했을 때 나오는 것들을 적어 대지는 마라.
  • ‣
• 어디까지 다이브를 해볼 것인가의 기준은 플리팅노트/질문의 갯수가 되면 좋을 것 같고, 어느 깊이까지 공부를 할 것인가의 기준도 제텔카스텐 영구노트/프로젝트노트의 갯수가 되어도 좋다. 마일스톤은 키워드의 SOTA 논문의 소스코드를 따라갈 수 있는 것이다.

잘 정리되어 있는 하나의 글을 정독하는 것은 좋은 방법이다. 해당 아티클이 레퍼런스로 언급한 논문들은 문서 폴더와 라이브러리에 넣는다. (SOTA: Scispace)

• ‣

글을 바탕으로 피드백을 받는다.

• 1_2_5. [긴글] title: 삽질을 줄이고 성장을 만드는 '피드백 루프' 의 중요성, 환경과의 관계

피드백을 위해 LLM 을 활용한다. (SOTA: GPT-4)

<글>

- 이런 짧은 글을 작성해 봤는데 잘못된 개념이나 문제를 지적해 줘.
- 글을 개선해 줘.

오개념을 고친다.

⏳ 위까지를 몇 번 이상 반복한 뒤, 사람에게 피드백을 받는다.

오개념을 고친다.

• 2_1_3_2_1.1. title: 메타러닝(meta learning) - 학습에 도움이 되는 좋은 설명이란 설명하고자 하는 대상을 나의 추상적 사고 수준을 고려한 설명이다.

논문 읽기

• 일반적으로 논문을 읽는 방법이라고 여겨지는 것들을 쭉 따라가되, 가장 마지막 단계까지는 가지 않는다. 이 과정에서 모든 기술을 의미론적으로 파악해야 한다. 의미론적이라고 파악한다는 것은 모델이나 방법론이 데이터를 처리하는 커다란 의미를 파악하는 것이다.
  • 2_1_3_2_1.1____2. [info] title: 학술논문을 효율적으로 읽는 방법
  • 2_1_3_2_1.1____2.1. title: 인공지능 모델 관련 논문을 읽을 때에는 데이터를 바라보는 능력을 기른다고 생각하라. 프로덕션에서 모델을 구현하거나, 고도화할 때에는 모델에게 데이터를 바라보는 방법을 알려준다고 생각하라.
• method
  • 의미론적 파악
    • 2_1_3_2_1.1____2.1. title: 인공지능 모델 관련 논문을 읽을 때에는 데이터를 바라보는 능력을 기른다고 생각하라. 프로덕션에서 모델을 구현하거나, 고도화할 때에는 모델에게 데이터를 바라보는 방법을 알려준다고 생각하라.
  • 구글 검색하기
  • LLM 검색하기 (SOTA: Scispace)
• limitation
  • 의미론적 파악
    • 2_1_3_2_1.1____2.1. title: 인공지능 모델 관련 논문을 읽을 때에는 데이터를 바라보는 능력을 기른다고 생각하라. 프로덕션에서 모델을 구현하거나, 고도화할 때에는 모델에게 데이터를 바라보는 방법을 알려준다고 생각하라.
  • 구글 검색하기
  • LLM 검색하기 (SOTA: Scispace)

피드백을 위해 LLM 을 활용한다. (SOTA: GPT-4)

<글>

- 이런 짧은 글을 작성해 봤는데 잘못된 개념이나 문제를 지적해 줘.
- 글을 개선해 줘.

⏳ 위까지를 몇 번 이상 반복한 뒤, 사람에게 피드백을 받는다.