지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- 인문콘텐츠학회 인문콘텐츠 인문콘텐츠 제72호
- 발행연도
- 2024.3
- 수록면
- 325 - 342 (18page)
- DOI
- 10.18658/humancon.2024.03.325
이용수
DBpia Top 5%동일한 주제분류 기준으로최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
초록· 키워드
오류제보하기
AI 리터러시는 인공지능이 편재하는 오늘날을 살아가는 인류에게 가장 필요한 역량 중 하나다. AI 리터러시 함양을 위해서는 의인화나 시각적 유비에 기댄 피상적 접근이 아니라 인공지능의 내적 구조와 원리에 관한 객관적이고 직접적인 이해가 필요하다. 패러프레이징은 주어진 내용과 맥락을 다른 말로 바꾸어 표현하는 행위를 일컫는 용어로, LLM 기반 생성 인공지능의 가장 주요한 특징 중 하나다. 통상 인간의 패러프레이징이 앎과 사유에 관련하는 반면, LLM의 패러프레이징은 그것에 전혀 무관하다. LLM의 핵심은 확률적 상관관계에 따라 가장 그럴듯한 다음 단어를 늘어놓는 일종의 자동완성 알고리즘이다. 생성 인공지능을 활용하는 경우에도 ‘사유하기’는 작가에게 중요한 역량이다. 작품활동은 인공지능이 아니라 사람이 인공지능‘으로’ 하는 것이기 때문이다. 본 연구는 스티븐 마쉬(Stephen Marche)가 2023년 초에 발표한 중편 소설 어떤 작가의 죽음(Death of an Author)을 사례 삼아 작품활동과 AI 리터러시의 상호작용을 살펴본다. 마쉬는 여러 LLM 들의 특성과 원리를 체계적으로 파악하고, 이를 일종의 “사유엔진”처럼 활용함으로써 소설 속 문장의 95% 이상을 LLM으로 생성한 다음 이를 다듬어 소설을 완성했다. 마쉬의 접근은 콘텐츠 생성 인공지능을 활용하는 작품활동의 맥락에서 체계적 감독, 선별적 조직, 총괄적 지휘 등 작가의 제작자적 면모가 점차 더 중요해지고 있음을 예증한다.
목차
국문초록
Ⅰ. 여는 말
Ⅱ. 정보처리의 관점에서 본 인코딩과 디코딩 : 무손실 및 손실 인·디코딩 알고리즘을 중심으로
Ⅲ. 손실 정보의 재구성과 LLM의 패러프레이징: 검색 엔진과의 비교 대조를 중심으로
Ⅳ. AI 리터러시와 작품활동: LLM 활용 저작 사례와 작가의 AI 리터러시
Ⅴ. 맺는 말
참고문헌
ABSTRACT
참고문헌 (0)
참고문헌 신청이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-089596970