쌓인 기록에서 찾기
무엇을 찾으세요?
날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위부터 2026년 9월 17일 (목)까지580건
8건 · "신경망"조건 지우기 ×
001▲ 118 · 댓글 461.8MB 신경망으로 'Numberwang' 판정하는 오픈소스숫자가 'Numberwang'인지 판정하는 신경망을 1.8MB JSON 파일로 제공하며, 100줄의 순수 Python으로 구현돼 외부 라이브러리가 필요 없다.오픈소스 · 도구 · WangNet – 1.8 MB, zero-dependency Numberwang adjudication in 11 languages
1.8MB 신경망으로 'Numberwang' 판정하는 오픈소스
Key Point의존성 없는 신경망 모델을 JSON 파일로 배포하는 흥미로운 방식을 보여주며, 여러 언어와 형식의 숫자를 인식하는 모델이 실제로 어떻게 구현되는지 알 수 있다.
핵심 요약
- 숫자가 'Numberwang'인지 판정하는 신경망을 1.8MB JSON 파일로 제공하며, 100줄의 순수 Python으로 구현돼 외부 라이브러리가 필요 없다.
- 영어, 독일어, 스페인어 등 11개 언어의 숫자 표현과 '5*2', '96 나누기 2' 같은 산술식, 로마숫자, 서수를 인식한다.
- 모델이 4가지 판정을 내린다: Numberwang, 그 외 숫자, 'Wangernumb'(회전판), 숫자 아님.
- 80,804개 파라미터의 합성곱 신경망이 글자를 직접 읽으며, 11개 언어와 모든 규칙이 가중치에 포함돼 있다.
- 테스트셋 488개 데이터에서 88.9% 정확도를 보이나, 산술 연산은 44~72% 수준으로 약한 부분이다.
- MIT 라이선스로 공개되며 Python 3.8 이상만 필요하다.
AI · 머신러닝 · OpenAI buys smartphone camera maker Glass Imaging for $300M
오픈AI, 애플 카메라 기술팀 출신 스타트업 3억 달러에 인수
Key Point오픈AI가 하드웨어 사업을 적극 확장하면서 카메라 AI 기술을 직접 확보했으며, 이는 향후 스마트폰이나 AI 기기의 비전 성능을 크게 좌우할 수 있다.
핵심 요약
- 오픈AI가 스마트폰 카메라 소프트웨어 회사 글래스 이매징을 3억 달러 이상에 인수했다.
- 글래스 이매징은 2019년 설립된 회사로, 애플의 포트레이트 모드를 개발한 지브 아타르와 톰 비숍이 공동 창립했다.
- 기존 사진 후보정이 아닌 촬영 순간에 AI 신경망으로 스마트폰 카메라의 물리적 한계를 극복하는 기술을 개발했다.
- 글래스 이매징은 이전에 약 3천만 달러 규모의 펀딩을 받았다.
- 오픈AI는 스마트폰, 이어버드 등 자체 하드웨어 개발 중이며, 지난해 애플 디자이너 조니 아이브의 스타트업 io를 65억 달러에 인수한 바 있다.
AI · 머신러닝 · Backprop Alternative: Augmented Lagrangian Predictive Coding
뇌처럼 학습하는 신경망, 역전파 대체 기술 등장
Key Point뇌의 신용 할당 문제라는 오랜 신경과학 미스터리를 푸는 가능성을 제시하며, 동시에 에지 디바이스의 에너지 효율 문제를 해결할 기술 경로를 보여줍니다.
핵심 요약
- PC-ALM이라는 신경망 학습 기법을 소개하는 논문으로, 역전파를 대체하는 국소적 동역학계 방식을 사용합니다.
- 각 계층에 피드백 제어 시스템을 갖춰 층간 국소 통신만으로 신용 할당 문제를 해결하며, 1000층까지 학습 가능합니다.
- 표준 역전파는 순전파→역전파→가중치 업데이트가 엄격한 순서로 진행되는데, 뇌는 이런 시간 동기화 메커니즘이 없어 역전파를 구현할 수 없다는 신경과학 문제에서 출발했습니다.
- PC-ALM은 기존 예측 부호화(PC) 기법을 확장해 라그랑주 승수를 도입한 것으로, 선형 네트워크의 극한에서는 국소 계산만으로도 정확한 역전파 신용 신호와 일치합니다.
- 에너지 효율적 신경망 학습이 필요한 뉴로모르픽 하드웨어에서 GPU보다 저렴한 동역학계 시뮬레이션을 가능하게 할 수 있습니다.
하드웨어 · 시스템 · CUDA for AMD on Windows
AMD GPU에서 CUDA 애플리케이션 실행하는 도구 공개
Key PointAMD GPU 사용자들이 CUDA 기반 머신러닝 프레임워크(PyTorch 등)와 모델을 자신의 하드웨어에서 직접 돌릴 수 있게 되는 경로가 제시됐기 때문이다.
핵심 요약
- ZLUDA와 AMD HIP/ROCm을 조합해 Windows의 AMD GPU에서 CUDA 기반 애플리케이션을 실행할 수 있는 스택을 구현했다.
- 현재 AMD Radeon RX 9060 XT(gfx1200)만 검증되었으며, 다른 AMD GPU는 호환성 보장이 없는 후보 상태다.
- nvcuda, cuBLAS, cuBLASLt, cuSPARSE, cuFFT 등의 CUDA API는 통과했고, 2,216,347개 파라미터의 PPO 신경망 학습도 동작 확인했다.
- 자동 설치 스크립트와 진단 도구를 제공하며, 검증된 환경에서 업스트림 경로의 성능이 커스텀 오버레이보다 약 3% 빠르다.
- cuDNN은 현재 Windows HIP SDK의 ROCm AI 라이브러리 부재로 사용 불가이며, ZLUDA는 완전한 CUDA 구현이 아니다.
AI · 머신러닝 · Λ Snap – An inviting programming language for kids and adults for CS study
블록 기반 비주얼 프로그래밍 언어 'Snap!' 오픈
Key Point비주얼 프로그래밍으로 진입 장벽을 낮추면서도 신경망, 물리 시뮬레이션 같은 고급 개념까지 배울 수 있어, 초심자부터 고등학생 수준의 정규 교육까지 포괄하는 플랫폼이다.
핵심 요약
- 버클리 대학이 개발한 Snap!은 어린이부터 성인까지 누구나 배울 수 있는 프로그래밍 언어다.
- 블록을 조합하는 방식으로 코드를 작성하며, 게임, 시뮬레이션, AI 탐색 등 다양한 프로젝트를 만들 수 있다.
- CS 교육용 플랫폼으로 설계되어 학교 수준의 심화 학습과 일반 사용자의 창작을 모두 지원한다.
오픈소스 · 도구 · Stockfish 19
Stockfish 19 공개, Elo 44포인트 향상
Key Point오픈소스 체스 엔진의 핵심 성능 개선과 기술적 혁신이 어떻게 이루어졌는지 알 수 있으며, 개발자들이 기여할 수 있는 방법을 제시하고 있다.
핵심 요약
- 오픈소스 체스 엔진 Stockfish 19가 정식 출시되었다.
- Stockfish 18 대비 Elo 44포인트 향상되어 게임 매치에서 3배 이상 승률을 기록했다.
- SFNNv16 신경망 아키텍처 도입으로 불필요한 기능을 제거하면서도 새로운 폰 쌍 기능을 추가했다.
- Quantization-Aware Training(QAT) 등 신기술을 수천억 개 학습 위치에 적용했으며, Leela 네트를 이용해 재점수 매김했다.
- RISC-V, LoongArch, WebAssembly 지원 추가와 보드 위치·FEN 문자열·UCI 명령어에 대한 검증을 강화했다.
- 범용 바이너리로 배포 방식을 단순화하여 CPU 기능을 자동으로 감지하고 최적의 코드를 실행한다.
오픈소스 · 도구 · ruvnet/RuView · Rust
WiFi 신호로 심박수·호흡 감지하는 오픈소스 센싱 플랫폼
Key Point프라이버시를 보장하면서 저비용 WiFi 센서로 생체신호를 측정할 수 있는 오픈소스 기술이 등장했으며, 기존 스마트홈 시스템과의 통합으로 실제 활용 가능성을 제시하고 있다.
핵심 요약
- WiFi 라우터의 신호 변화를 캡처해 카메라 없이 사람 감지, 호흡·심박수 측정, 움직임 추적을 수행하는 Rust 기반 오픈소스 플랫폼 RuView를 공개했다.
- ESP32(9달러 수준) 센서와 Channel State Information(CSI)를 이용해 벽을 통과한 신호를 분석하며, 8KB 크기의 양자화 모델로 라즈베리파이에서 마이크로초 단위로 처리된다.
- 수면 단계 분류, 낙상 감지, 제스처 인식 등 21개 센서 항목을 제공하고, Home Assistant, Apple Home, Google Home, Alexa 등 주요 스마트홈 생태계에 통합된다.
- 엣지 기반 완전 로컬 처리로 클라우드 불필요하며, 30초 이내에 환경에 자동 학습하는 스파이킹 신경망을 탑재했고 모든 측정값은 Ed25519 암호 서명으로 검증된다.
- v2 모델의 temporal-triplet 정확도는 82.3%이며, 카메라나 웨어러블 없이 privacy-first 설계로 구현되었다.
하드웨어 · 시스템 · Decoding the NEC V20 Microcode
NEC V20 마이크로코드 복호화 성공
Key Point과거 8088 마이크로코드 복호화로 문을 열었던 저수준 CPU 에뮬레이션이 이제 V20까지 확대되면서, 진정한 사이클 정확도의 역사 CPU 에뮬레이터 구현이 가능해졌다.
핵심 요약
- CPU 에뮬레이터 개발자가 NEC V20 칩의 고해상도 사진(56억 픽셀)을 촬영한 뒤 마이크로코드 ROM을 추출했다.
- ROM 배열은 258x116 크기로 29,928비트를 담고 있으며, 29비트 단위 마이크로코드 1,032개가 저장되어 있다.
- 마이크로코드 비트를 수동으로 분류한 1,000개 샘플로 CNN(합성곱 신경망)을 학습시켰고, 약 6세대 만에 99% 이상의 정확도를 달성했다.
- PyTorch를 이용한 이 방법은 29,928개 비트 전체를 자동으로 추출하는 데 성공했으며, 이를 통해 V20의 사이클 정확도 높은 에뮬레이션이 가능해졌다.