파드 롱커톤 이후 9개월 만의 회고

OpenAI API 키 발급 글이 많은 관심을 받게 되어 오랜만에 디스콰이엇에 들어오게 되었습니다.

그동안 참 분주하고, 바쁘게 지내왔구나 생각이 들면서 잊혀지기 전에 내 성장 기록들을 남겨 두고자 글을 조금씩 남겨 보려고 합니다.

9개월 전, 롱커톤 3등으로 파드 1기를 마무리 했습니다.

사소한 부분까지 모두 나의 성장에 도움을 주었던 좋은 시간이었습니다.

가장 기억에 남았던 부분은,, 현종이 형이 해주셨던 말이었습니다.

내가 다 하려고 하기보다 옆에 있는 사람이 해내고, 성장할 수 있도록 기회를 주고, 도움을 주는 것이 협업을 잘하는 사람이라는 것입니다.

그 한마디가 엄청난 자극이 되었던 것 같습니다. 나는 반년 동안 어쩌면 협업을 하기보다 뭐든지 혼자 하려고 한 나의 교만함을 반성하게 되는 좋은 계기가 되었기 때문입니다.

이후 PARD를 통해 좋은 기회가 왔고, Merging 앱 개발자로 활동하게 되었습니다.

(merging: 개발자들의 놀이터로 App Store에서 다운 받으실 수 있습니다ㅎㅎ)

개발을 하는 동안 너무 즐거웠고, 1,600명이 넘는 유저들이 사용하는 앱을 유지&보수하며 개발자의 길을 확실히 정하게 된 계기가 되었습니다.

팀에 있으면서 2023 예비 창업 패키지 수료 과정을 함께 할 수 있었고, 옆에서 많이 배우며 스타트업의 낭만(?)을 알아갔던 것 같습니다.

지금은 대학교에서 성실히 학업을 따라가고 있습니다. 역시 학교에서 보이는 하늘은 정말 이쁘다 생각합니다.

1년 반 남은 대학 생활 동안에 어느 교수님 LAB실에 들어갈지, 졸업 프로젝트는 무엇으로 할지 고민에 고민을 이어가는 중입니다. (파드 LAB 생겼으면 좋겠다,,)

동시에 필요할 때 Merging 개발 업무를 보고 있습니다. Merging 코인, 나무 캐릭터(커밋으로 귀여운 나무를 키울 수 있습니다!!) NFT화, 글로벌 진출, 이세계(?) 등등 앞으로의 다양한 컨텐츠를 기획하며 상상의 나래를 펼치곤 합니다,,ㅎㅎ

아마 앞으로의 Merging 컨텐츠를 위해 블록체인과 NFT 기술을 중점적으로 공부하게 되지 않을 까 생각이 됩니다. 그래서 방학이 되면 본격적으로 이와 관련해서 글을 적어내려 가지 않을까 기대합니다. (이렇게 글로 다짐이라도 해야 움직일 것 같아서,, ㅎㅎ)

협업을 잘하는 사람이 되기까지 앞으로 열심히 성장 일기 올리도록 하겠습니다!!

[PARD]무박 2일 해커톤 회고🔥

무박 2일간 "CHANGE"를 주제로 변하지 않도록 도와주거나 더 변화 할 수 있게 도와주는 서비스를 만들게 되었다.

먼저, 우리 자랑스러운 팀과 팀원들(+ChatGPT)을 소개하자면.

기획 1기 김민영.

디자이너 1기 조민.

앱 개발자 1기 구현우, 김진서, 김민혁, 심재인, (ChatGPT).

‘7I DI 7H’ 라는 이름으로 팀을 구성하게 되었다.

1. 7 Innovators : 7명의 혁신가를 의미하여, 혁신과 창의성에 집중하는 팀임을 나타낼 수 있습니다.
2. Design Ideas: 창의성을 발휘하여 Design 하고 idea를 도출해냅니다.
3. 7 Harmonies : 7명의 다양한 역할과 능력을 가진 팀원들이 조화롭게 협업하여 목표를 달성 한다는 의미입니다.

"거지방"

에 대해서 들어본 적이 있다.

치솟는 물가에 생활비를 절약하자는 취지로 만들어진 카카오톡 오픈채팅방, 절약팁과 지출 내용을 센스있고 재치있게 공유하고 평가하는 모습이 화제가 되었다.

JTBC 뉴스에서 하루동안 거지방을 사용했는데 실제로 거지방에 들어간 한 달이라는 기간 동안 적게는 12만원에서 많게는 3-40만원까지 절약할 수 있었다는 뉴스를 봤다.

이부분에 우리 ‘7I DI 7H’ 팀은,

더 변화할 수 있도록 도와주는 서비스 대부분의 공통적인 특징은 '함께한다'는 것! 특히 MZ세대들이 잘 활용하는 커뮤니티, 거지들이 모여있는 거지촌을 구현 해보고자 했다.

실제 앱의 구현된 부분을 캡쳐한 사진들이다.

• 1번 페이지 Splash : 3초간 프로그램 로딩 화면 동작
• 2번 페이지 Chatting Room List : 채팅방 리스트
• 3번 페이지 Chat : 공감기능이 들어간 채팅방
• 4번 페이지 Save List : 캐릭터 레벨 및 절약내역 리스트
• 5번 페이지 Save Add : 절약내역 추가

우리의 main 전략은 "절약 노하우 공유 채팅방 / 절약 금액과 내역 제공 / 레벨을 통한 동기부여"이다. 나는 앱파트 재인이와 함께 2, 4번 페이지를 맡게 되었다. 구현해야 하는 부분을 쪼개서 서로 자료를 찾고, 구현한 뒤에 하나로 합쳤다. 오류가 나는 부분들을 함께 디버깅 하며 최고의 팀플레이를 경험했다:)

KPT회고

1. Keep:
2. 받은 피드백에 대해서 고집을 유지하기 보다 빠르게 적용하고, 방향성을 리빌딩하며 나아간 점이 좋았다.
3. 내가 할 수 있는 부분, 지금 당장 어려운 부분에 대해서 서로 소통이 잘 이루어졌고, 안된다고만 하기보다 다른 대안을 제시하는 부분도 좋았다.
4. Problem:
5. 생각보다 디자인 요소를 구현하는 것에 다양한 방법이 있었지만, 이를 해커톤 이전에 따로 준비해 왔으면 어땠을 까 하는 아쉬움이 남았다.
6. 기능 구현의 완성도도 좋지만, 사람들이 보기에, 쓰고싶고, 매력적인 아이템을 찾는 것이 가장 우선이 되어야 한다는 것을 느끼게 되었다.
7. Try:
8. 마지막 발표 자료까지 팀원 모두가 확인해주고 제출하는 것까지 프로젝트의 마무리라는 것을 기억하고 싶다.
9. 앞으로 방학 때 있을 롱커톤에 대비해서 다양한 디자인 UI 레퍼런스를 공부하고, 미리 코드로 준비하면 좋겠다 판단이 들었다.
10. 사람들에게 매력적인 아이템을 먼저 기획하는 것에 좀 더 공을 들여야 한다 생각이 들었다.

OpenAI API 사용 방법(2)-예제

OpenAI

Introducing GPT-4, OpenAI’s most advanced system

https://openai.com/

ChatGPT API를 사용하기 위해서는 OpenAI 홈페이지에 들어오셔서 Developers에 Documentation를 클릭합니다. 

왼쪽 GET STARTED에서 Libraries로 들어갑니다. 여기서 openai Python library를 사용하는 방법에 대해서 나와있습니다. 

Python library란, Python 프로그래밍 언어를 이용하여 개발할 때 사용할 수 있는 여러 모듈과 함수들을 모아 놓은 모음집입니다. 라이브러리를 사용하면 개발자는 자신이 직접 작성하지 않아도 되는 다양한 기능들을 쉽게 활용할 수 있습니다. 

이를 Vscode를 열어 실습해 보았습니다.

파드라는 폴더를 미리 만들어 주세요.

Vscode에서 '파드'라는 폴더를 열어주세요.

안에 openai라는 폴더를 만들고 그 안에 play_with_openai.py라는 파일을 만들어 줍니다.

빨간색 네모 안에 오른쪽 아이콘으로 폴더를 만들기, 왼쪽 아이콘으로 파일을 만들어 줍니다.

먼저, Terminal을 열고 아래 입력을 통해 파이썬 라이브러리 사용이 가능하도록 합니다. 

pip install openai

그 다음 우리는 아래 코드를 사용해서 간단한 실습을 해보겠습니다.

실습: 한동대 드롭탑 카페 AI 직원

위의 코드는 Python으로 작성된 대화형 AI 모델과 상호작용하는 간단한 대화 시스템입니다.

1. import os: os 모듈을 가져옵니다. 이 모듈은 운영체제와 상호작용하기 위해 사용됩니다.
2. import openai: OpenAI Python 라이브러리를 가져옵니다. 이 라이브러리를 사용하여 GPT-3.5 모델과 상호작용합니다.
3. def ask(text): ask 함수를 정의합니다. 이 함수는 사용자의 입력에 따라 모델에 질문을 하고 모델의 응답을 반환합니다.
4. user_input = {"role": "user", "content": text}: 사용자의 입력을 나타내는 딕셔너리를 생성합니다.
5. messages.append(user_input): messages 리스트에 사용자 입력을 추가합니다.
6. response = openai.ChatCompletion.create(...): OpenAI의 ChatCompletion API를 사용하여 모델에 대화를 요청합니다. messages 리스트를 전달하여 대화의 이전 메시지들과 현재 메시지를 모델에 전달합니다.
7. bot_text = response['choices'][0]['message']['content']: 모델의 응답에서 챗봇의 텍스트를 추출합니다.
8. bot_resp = {"role": "assistant", "content": bot_text}: 챗봇의 응답을 나타내는 딕셔너리를 생성합니다.
9. messages.append(bot_resp): messages 리스트에 챗봇의 응답을 추가합니다.
10. return bot_text: 챗봇의 응답을 반환합니다.
11. openai.api_key = "...": OpenAI API 키를 설정합니다. 이 키는 OpenAI API를 사용하기 위해 발급받아야 합니다.
12. system_instruction = """...""": 시스템 메시지로, 사용자에게 어떤 역할을 하는지와 가능한 메뉴를 설명합니다.
13. messages = [{"role": "system", "content": system_instruction}]: messages 리스트에 시스템 메시지를 추가합니다.
14. while True: ...: 사용자로부터 입력을 받고, ask 함수를 사용하여 챗봇의 응답을 얻어 출력합니다.

이 코드는 대화형 AI 시스템을 만들기 위해 OpenAI의 GPT-3.5 모델을 사용하는 기본적인 틀을 제공합니다. 사용자는 입력을 제공하고 챗봇은 모델을 통해 응답을 생성합니다. (Answered by ChatGPT)

1. 코드 설명:
2. 한동대학교 드롭탑 카페 AI 직원과 사용자가 대화를 하는 간단한 프로그램이다.
3. 먼저 ‘os, openai’ 라이브러리를 import한다.
4. openai에서 발급 받은 api key를 따옴표 안에 넣어줍니다.
5. system_instruction을 먼저 정의해 줍니다.
6. 쉽게 설명하면 AI가 어떤 역할을 맡아야 하는지 정의해주는 부분입니다.
7. 구체적으로 정의하면 할 수록 정확한 답변을 받을 수 있습니다.
8. 앞에서 정의된 system_instruction를 그 역할(system)과 함께 messages라는 리스트에 넣습니다.
9. while문으로 무한 반복해서 system과 user가 대화를 주고받도록 합니다.
10. input()으로 사용자의 질문을 받아서 ask(text)라는 함수에 질문을 파라미터로 넣습니다.
11. 그럼 그 역할(user)과 내용을 함께 messages에 넣습니다.
12. 그럼 model="gpt-3.5-turbo"이 만들어진 messages를 분석해서 질문에 대한 최적의 답변을 찾아냅니다. 이를 response에 저장해 두고, 이를 사용자에게 보입니다.

import os 
import openai 
def ask(text): 
    user_input = {"role": "user", "content": text} 
    messages.append(user_input) 
    
    response = openai.ChatCompletion.create( 
      model="gpt-3.5-turbo", 
      messages=messages) 
    
    bot_text = response['choices'][0]['message']['content'] 
    bot_resp = {"role": "assistant", "content": bot_text} 
    messages.append(bot_resp) 
    return bot_text 

# Load your API key from an environment variable or secret management service 
openai.api_key = "여기에 발급받은 api key를 넣어주세요:)" 

system_instruction = """ 
너는 한동대학교 드롭탑 카페 AI 직원이야. 
아래는 카페 음료 종류야. 
아래 종류의 음료 말고는 다른 음료는 없어 

- 아메리카노 
- 라떼 
- 스무디 

위의 메뉴 말고는 없다고 생각하면돼 
""" 
messages = [{"role": "system", "content": system_instruction}] 

while True: 
    user_input = input("user input: ") 
    bot_resp = ask(user_input) 
    
    print("-"*30) 
    print(f"user_input: {user_input}") 
    print(f"bot_resp: {bot_resp}")

1. 실행 예시:

OpenAI API 사용 방법(1)-키 발급

ChatGPT API의 가격은 Ada 모델 활용 기준

1,000 토큰당 한화 약 26원입니다.

1,000토큰은 어떤 단위일까요?

방탄소년단 - ‘Dynamite’ 가사를 전부 넣는다면 469 토큰으로 계산됩니다.

즉 469단어라고 이해하면 됩니다.

(토큰은 단어 하나를 지칭하는 단위라고 생각하셔도 됩니다.)

막연하게 비싸단 생각을 많이 하실텐데,

비교적 합리적인 가격으로 많은 텍스트를 사용해도

토큰 소모가 크지 않아 테스트로 빠르게 API를 도입하여

이용할 수 있습니다.

1. 개념 설명
2. API(Application Programming Interface)
3. 프로그램 간 상호작용을 돕는 인터페이스를 말하며, ChatGPT API는 OpenAI에서 제공하는 인터페이스로, 사용자가 ChatGPT 모델을 프로그램에 통합하고 해당 모델을 사용하여 자연어 처리 작업을 수행할 수 있게 합니다. 
4. 더 쉽게 이야기 하자면, 일반적으로 프로그램에서 사용할 수 있는 데이터를 주고받거나, 다른 시스템과 통신하거나, 서비스를 이용하는 등의 작업을 수행할 수 있습니다. 즉, 컴퓨터 간에 소통할 수 있도록 해주는 ‘통역가’와 같은 역할을 하는 것입니다. 
5. ChatGPT API KEY를 가져와서 사용한다는 것은 OpenAI에서 제공하는 ChatGPT 인공지능 모델에 대한 접근 권한을 얻어, 해당 모델을 사용하여 자연어 처리(Natural Language Processing)기능을 수행하는 것을 의미합니다. 
6. 이를 통해 사용자는 OpenAI에서 제공하는 다양한 API 요청을 사용하여 ChatGPT 모델에 접근하고, 문장 생성, 자연어 이해, 번역 등의 작업을 수행할 수 있습니다. 

먼저 OpenAI API를 사용하기 위한 접근 권한을 위해 Key 발급을 해야합니다.

천천히 하나씩 같이 해봅시다:)

1. 발급 절차
2. 먼저 OpenAI 사이트에 들어갑니다. 

OpenAI

Introducing GPT-4, OpenAI’s most advanced system

https://openai.com/

1. 홈페이지에 들어오면 Developers > Documentation에 들어갑니다.

1. 오른쪽 상단에서 로그인을 해줍니다.

1. 사진처럼 View API keys란에 들어갑니다.

1. 들어가시면 다음과 같이 보이실텐데, Create new secret key를 누르시고 생성하면 됩니다. 
2. key 이름을 정하시고 생성을 하시면 key가 사진처럼 나타나게 되는데 이를 꼭 저장해서 다른 곳에 기억해주셔야 합니다. 그 이유는 key 발급 이후에 key의 full string을 볼 수 없기 때문입니다. 
3. 다음 디스콰이엇에 올릴 글에 이 key를 Vscode로 가져가서 간단한 예제를 실습해 보겠습니다.

1. 이후 ORGANIZATION > Usage에서 사용량을 볼 수 있습니다.
2. 무료 크레딧(Free trial credit) $18.00를 먼저 사용할 수 있습니다.
3. 무료 크레딧 유효기간은 API Key 최초 발급일로부터 3개월이며, 3개월이 지나면 Expired되어 사용이 불가합니다. 무료 크레딧은 핸드폰 번호를 기준으로 지급되므로, 아이디를 여러 개 생성해도 핸드폰 번호가 같다면 추가 지급되지 않습니다.

1. 이후 더 사용하고 싶다면 Billing > Payment Methods에서 카드를 등록하고 결제수단을 정해주면 됩니다. 

다음 글에는 ChatGPT API Key로 Vscode에서 간단한 예제를 실습해 보겠습니다.

ChatGPT의 등장 배경과 원리

1. Generative AI(생성형 인공지능)
2. 소개: 최근 Generative AI 키워드가 핫하게 세계를 강타하고 있습니다. 마케팅, 검색, 글쓰기, 비디오, 이미지 등등 아시다시피 Generative AI 기반에 많은 제품과 모델 그리고 스타트업들이 만들어지고 있습니다. 

1. 시장 규모: 새로운 보고서에 의하면 세계의 생성형 인공지능(Generative AI) 시장 규모는 2030년까지 1093억 7,000만 달러(144조 3,137억 1,500만원)에 이를 것으로 예측됩니다.
2. https://www.giikorea.co.kr/report/grvi1178559-generative-ai-market-size-share-trends-analysis.html?CODE=grvi1178559-generative-ai-market-size-share-trends-analysis.html&TYPE=0
3. 예시
4. Jasper: Create amazing marketing copy 10X faster with AI. 작문을 도와주는 AI 스타트업입으로 마케팅 문구를 더 빠르게 작성해주거나, 블로그 글을 작성해주는 등 여러가지 텍스트 작업을 대신 해줍니다. 

Jasper - Try For Free

Meet Jasper, the better AI for business. Rated 4.8 / 5 stars in 10,000+ reviews. Start your 7-day free trial today.

https://www.jasper.ai/free-trial?_from=ads&fp_sid=1-g-Cj0KCQjwmN2iBhCrARIsAG_G2i7FtGqG2CqzqDzl3DGouUud-d0FZOdJ1yockwGKSLcKW_Cq83CLnEcaApi4EALw_wcB&gclid=Cj0KCQjwmN2iBhCrARIsAG_G2i7FtGqG2CqzqDzl3DGouUud-d0FZOdJ1yockwGKSLcKW_Cq83CLnEcaApi4EALw_wcB

1. Lensa AI: 주어진 프로필 사진을 AI가 초상화로 그려줍니다.

Lensa: Magic Avatars

Lensa is a brand new way of making your selfies look better, than you could have ever imagined. Forget about conventional filters and photo editing tools. We bring you the simplest, yet the most practical mobile app to date for perfecting your selfies on the go. So, if there’s anything you think should be corrected in your selfie, you now have this amazing, simple app to help you.

https://land.prisma-ai.com/magic-avatars/

Lensa AI Magic Avatar: 수백 수천의 AI가 그려주는 초상화 - 디자인 나침반

Lensa AI의 새로운 기능 매직 아바타 Magic Avatar가 엄청난 인기입니다. 미국 앱스토어 1위를 Lensa AI가 유지하고 있으며 기능 업데이트 후 첫 11 동안 무려 1,260만개가 설치됐습니다. Leansa AI는 이미지 편집 앱으로 2018년에 출시했으며 최근 오픈 소스 Stable Diffusion 모델을 이용해 매직 아바타 기능을 만들었습니다. 매직 아바타는 자신의 사진 10~20장을 업로드하면 디지털 아티스트가 만든 것 같은 초상화를 만들어줍니다. 7일 무료 평가판으로 체험할 수 있으며 시

https://designcompass.org/2022/12/14/lensa-ai-magic-avatar/

1. Gen-1 by Runaway: 어떠한 Source Video를 Driving Image와 함께 주게 되면 동영상과 이미지를 섞어서 새로운 Generate Video를 생성해줍니다. 
2. Gen-2 by Runaway에서는 Input Image와 Driving Text를 주면 Output Video를 생성해줍니다. 
3. https://research.runwayml.com/gen2

1. 이해
2. Discriminative model(분류 모델): 이전에는 어떤 이미지를 주고, 그 이미지가 고양이 인지, 개인지 분류하는 AI를 봤을 것입니다. 간단하게 이러한 모델을 Discriminative model이라고 합니다. 
3. X → Model → Y: 
4. ex) 고양이 사진(X) → Model → 고양이(Y)
5. Generative model(생성 모델): 주어진 데이터를 학습하고 학습 데이터의 분포를 따르는 유사 데이터를 생성하는 모델입니다. 
6. X to Y: 
7. ex) text to text, text to image, text to audio …
8. ChatGPT
9. “저는 OpenAI에서 학습된 대규모 언어 모델인 ChatGPT입니다. 제 목적은 자연어 이해와 생성을 통해 사용자와 대화하는 것입니다. 무엇을 도와드릴까요?”(Answer by ChatGPT).
10. 일상적인 대화, 정보 검색, 번역, 자연어 생성, 챗봇 등 다양한 작업을 수행할 수 있습니다. 

1. ChatGPT의 학습 원리
2. Basic:
3. Pretrained Language Model이 필요합니다. 이는 인터넷에 있는 방대한 데이터를 이용해서 학습한 모델이라고 설명할 수 있습니다. 즉, P(X)로 어떠한 X가 들어갈 확률을 계산할 수 있는 그런 모델을 학습하는 것입니다. 이를 사용해서 우리는 P(Y | X)와 같이 조건부 확률을 계산할 수 있고, 활용하여 문장을 생성할 수 있게 됩니다. 
4. 쉽게 설명하면 어떤 입력 X가 들어갔을때, 그 입력에 대한 그럴듯한 Y가 나오게 되는 확률을 계산할 수 있게 되는 모델이 만들어집니다. 
5. Step1: collect demonstration data and train a supervised policy. 
6. 쉽게 설명하자면, Reinforcement learning(강화 학습)을 위해 6살 아이의 수준으로 설명하는 질문을 여러개 준비합니다.
7. 여러 질문들이 생성이 되고 이것을 사람이 답을 직접 작성해주게 됩니다. 
8. 위에 과정을 거친 적절한 demonstration data를 많이 모아서 이미 기존에 만들어진 Pretrained Language Model에 fine-tune이라는 것을 하게 됩니다. 그럼 기존에 만들어져 있는 Pretrained Language Model보다 좀 더 우리가 원하는 응답을 출력하는 Language Model이 완성이 됩니다. 
9. Reinforcement learning(강화 학습): 컴퓨터 에이전트가 역동적인 환경에서 반복적인 시행착오 상호작용을 통해 작업 수행 방법을 학습하는 머신러닝 기법의 한 유형입니다. 
10. fine-tune: 기존에 학습되어져 있는 모델을 기반으로 아케텍쳐를 새로운 목적에 맞게 변형하고 이미 학습된 모델로부터 학습을 업데이트 하는 방법을 말합니다. 
11. Step2: Collect comparison data and train a reward model.
12. 먼저, Reinforcement learning(강화 학습)을 위해 6살 아이의 수준으로 설명하는 질문을 여러개 준비합니다.
13. 그 다음 여러가지 응답 후보를 모델이 만들어내게 됩니다. 
14. 이후 사람이 그 응답 후보에 랭킹을 두어 랭킹 데이터를 만들게 됩니다. 
15. reward model은 그 랭킹 데이터를 학습하게 합니다. 어떤 이야기를 했을때 모델이 여러 응답 후보를 만들고 무엇이 가장 좋은 응답인지 선택할 수 있는, 가리킬 수 있는 그런 모델을 의미합니다. 
16. Step3: Optimize a policy against the reward model using the PPO reinforcement learning algorithm.
17. 이는 PPO 강화 학습을 통해서 모델을 개선하게 됩니다. 어떤 프롬프트(질문)들을 모델에게 부여합니다. 
18. 이후 모델이 응답을 여러개 생성하게 됩니다. 그리고 그 여러개 생성된 것에 대해서 이 reward model이 응답을 잘 했는지, 잘 못했는지에 대한 점수를 부여하게 됩니다.
19. 그럼 점수를 높게 받은 응답은 계속 하도록 학습이 되고, 만약 점수를 낮게 받았으면 그런 응답은 하지 않도록 학습이 됩니다.
20. 강점과 약점
21. 강점:
22. 복잡한 자연어 문장을 이해하고 적절한 응답을 생성
23. 논리와 지적 능력이 필요한 Task를 처리 가능
24. 프로그래밍, 번역, 요약, 창작
25. 약점:
26. 할루시네이션(Hallucination): 사실이 아니지만 그럴 듯한 말을 생성
27. 편견(Bias): 세상의 텍스트에 남겨진 편견이 학습되어 있음
28. 속도가 느림