

![이미지](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_0.png)

# 미친 양의 물약과 두루마리를 수집하여, 이 21가지 방어구 특효 팁으로 전사로 Shattered Pixel Dungeon에서 승리하세요.

드디어 Shattered Pixel Dungeon 게임을 완료했다고 발표할 수 있어요. 이 게임은 저가 Java로 작성된 멋진 오픈 소스 프로젝트 중 하나로 소개했었죠.

매우 오랜 시간이 걸리고, 이로 인해 요즘 그만 글을 쓰게 된 것 중 하나였죠.

<div class="content-ad"></div>

저는 이 기사를 미디엄의 독자들 덕분에 쓸 수 있었어요!

곧 다시 글을 쓸 예정이에요. 하지만 오늘은 전사로 게임에서 이기는 팁 몇 가지를 공유하고 싶어요.

# 1. 우승은 운에 달려 있어요

![이미지](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_1.png)

<div class="content-ad"></div>

Shattered Pixel Dungeon은 스킬과 인벤토리 관리가 중요한 게임이에요. 그러나 많은 부분이 운에 달려 있어요. 매번 플레이할 때마다 레벨이 무작위로 생성되고 랜덤한 아이템을 얻어요.

그 말은, 내 생각에, 항상 이기는 것이 불가능하다는 거에요. 때로는 이길 수가 없는 상황도 있어요.

이 게임은 하수에서 죽는 100가지 방법이라고 불러야 할 것 같아요 🙂

# 2. 이기는 데 시간이 필요해요

<div class="content-ad"></div>

![Screenshot](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_2.png)

승리하려면 획득하는 모든 아이템이 무엇을 하는지, 게임의 다른 레벨에서 일어나는 일들, 보스와 적들을 알아야 합니다.

첫 번째 시도에 이기는 것은 불가능합니다. 계속해서 진전하고 배우고 죽어야 합니다. 결국에는 무엇을 배우고 더 나아지며 실수하지 않게 될 것입니다.

내가 한 최고의 실수는 치명적인 바위 함정들이 가득한 방에서 양을 던진 것이었어요 😂

<div class="content-ad"></div>

# 3. 근접 전투는 해결책이 아닙니다

![image](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_3.png)

전사가 되었다고 해서 반드시 칼을 휘두르며 적을 처치해야 하는 것은 아닙니다. 어떤 적들은 직접 싸워서는 힘듭니다.  
거리에서 공격하거나, 직접 대결에서 강력한 적들일 수도 있습니다.

따라서 전사는 지팡이와 원거리 무기를 사용해야 합니다. 숨어야 하고, 적절한 위치에 있어야 하며, 때로는 도망가거나 숨을 필요가 있습니다. 적이나 자신을 숨기거나 순간이동해야 할 수도 있습니다.

<div class="content-ad"></div>

더 좋은 장비를 사용하면 더 많은 직접 싸움에 휘말리게 되더라구요. 항상 잘 끝이 안 되더라구요 😅

# 4. 업그레이드 스크롤을 보존하세요.

![이미지](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_4.png)

업그레이드 스크롤은 좋아 보이죠. 그것들을 바로 사용하는 것이 유혹적일 수 있습니다. 하지만 초기 갑옷에서 업그레이드를 하나만 전달할 수 있어요.

<div class="content-ad"></div>

저는 이 스크롤들을 저장하는 것이 가장 좋다고 생각해요. 레벨 5의 원하는 무기와 갑옷을 얻으면, 둘 다 업그레이드하세요.

두 번째로 업그레이드할 수 있는 것은 지팡이입니다. 제가 가장 좋아하는 것은 불과 냉기의 지팡이입니다. 세 번째로는 반지입니다.

암석을 업그레이드했을 때 그것은 가장 똑똑한 선택은 아니었네요 😅

# 5. 음식과 치유 물약이 부족합니다

<div class="content-ad"></div>

![이질적인픽셀던전을 전사로 이기는 21가지 요령](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_5.png)

너무 많이 생명력이 줄었다면, 찾은 인벤토리를 사용하지 않았다는 뜻입니다. 일부 무기와 갑옷은 업그레이드가 되어 있어서, 더 좋은 것으로 바꾸는 것이 좋습니다.

내 아바타가 생명력의 50%를 잃을 때까지 굶겨 둔 후 음식을 줍니다. 천천히 아바타를 치유합니다. 치유 물약이 필요할 때에는 전투 중 다음 공격이 치명적일 것으로 보일 때만 사용하는 경향이 있습니다.

가끔 실수로 클릭을 잘못해서 공격 대신 이동할 때도 있어요 😊

<div class="content-ad"></div>

# 6. 물약과 스크롤을 낭비하지 마세요

![이미지](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_6.png)

만약 게임을 완료하려고 한다면, 힘의 물약과 경험의 물약을 제외한 다른 물약과 스크롤을 저장해두는 것이 좋습니다.

20레벨까지의 대부분의 게임은 이러한 아이템을 사용하지 않고 관리되어야 합니다. 그렇지 않을 경우, 이전의 조언을 따르지 않았다는 것일 수도 있습니다. 낭비된 물건은 높은 레벨에서 게임을 완료하는 것을 불가능하게 할 수 있습니다.

<div class="content-ad"></div>

하지만 시도해보고 싶다니까요 😉

# 7. 어려움을 겪으면 처음부터 다시 시작하세요

![7번 팁 이미지](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_7.png)

최종 보스와 살아서 돌아오고 싶다면, 게임을 원활히 진행해야 합니다. 어려울 때 억지로 진행하면 더 어려워질 위험이 있습니다. 그러므로 게임을 더 진행할 필요가 없을 수도 있습니다.

<div class="content-ad"></div>

그렇지만 일단 한 번은 앙크를 사용해서 멀리 갔던 적이 있어요. 다른 한 번에는 회복 물약을 찾은 기적적인 경험을 했어요. 그때는 10 HP로 다섯 명의 적을 따돌리고 이겼어요. 게임에서 한 번 우승했지만, 회복 물약을 마실 때 계산을 잘못해 1 HP로 남았던 적도 있어요 🤣

# 8. 위상 변환 사용

![Image](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_8.png)

텔레포트 스크롤을 찾을 수 있어요. 하지만 저는 보통 마법 냄비를 사용해서 그것을 위상 변환으로 바꾸려고 해요. 더 많이 가지고 있을 수 있고, 자신이나 적을 텔레포트시킬 수 있어요.

<div class="content-ad"></div>

당신이 자리를 잡아서 싸움에서 크게 손해를 보지 않거나 한 번에 너무 많은 적이 있는 것을 볼 때 참 좋아요.

불의 지팡이는 적들의 마음을 녹입니다 😄

## 9. 쥐에게 왕관을 주세요

![이미지](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_9.png)

<div class="content-ad"></div>

왕을 물리치고 나면 왕관을 쥔 쥐한테 다시 돌려줄 수 있어요. 그 쥐가 적들을 쥐로 변하게 하는 힘을 갑옷에 부여해줄 거에요. 특히 레벨 21~24에서 레이저 눈을 가진 적들에게 유용해요.

이게 미신이 아니라 진짜라구요 👍

# 10. 금과 물약을 얻기 위해 적을 농사하세요

![이미지](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_10.png)

<div class="content-ad"></div>

특히 2부터 4까지의 레벨은 골드와 포션을 얻기에 좋아요. 단적네가 올때까지 자면서 골드와 아이템을 모으는 방법이죠.

꿀 그릇도 유용해요. 그냥 던지면 벌이 근처 적들과 싸워줄거에요.

벌들 정말 유용하죠 🐝

# 11. 대장장이 돈이 훌륭해요

<div class="content-ad"></div>

![Image](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_11.png)

대장은 은혜로 할 일이 많습니다. 갑옷이나 무기를 결합하려면 좋습니다. 다만, 업그레이드가 된 레벨 5 아이템에 하는 것이 최상입니다.

그리고 왕관을 머리에 쓰기 전에 (만약 한다면). 나중에는 그 방패를 결합할 수 없습니다.

저는 이걸 어려운 방법으로 배웠답니다 ☺️

<div class="content-ad"></div>

# 12. 상점 새끼사진 촬영하기

![상점 스크린샷](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_12.png)

물약이나 다른 물건이 필요할 때는 상점에 있는지 알면 좋습니다. 이때 화면 캡처가 좋은 도움이 됩니다. 품목을 클릭한 후 연금술 책 내용과 비교하여 무엇인지 알 수 있습니다.

또한 품목을 인식하면 네 번째, 검 아이콘 아래 아이템 메뉴에 저장됩니다.

<div class="content-ad"></div>

너무 많이 레벨 6으로 가서 새로운 물건을 얻으려고 했어. 그건 쇼핑몰이 아니야 😊

# 13. 협곡 근처에서 폭풍의 지팡이를 사용하지 마세요

![image](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_13.png)

특히 적이 바로 옆에 있을 때는 안 돼, 왜냐하면 너도 밀려나기 때문이야. 넘어지면 큰 피해를 입을 수 있어.

<div class="content-ad"></div>

동일하게 식물이나 밟은 식물 위에 있을 때 불을 사용하면 안 돼요.

완벽한 영웅을 만드는 4시간 후에 무서운 실수들이 정말 재미있죠 😅

# 14. 축복의 아악

![이미지](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_14.png)

<div class="content-ad"></div>

보통 Ankh가 너를 부활시켜줄 거야. 다만 너는 네 배낭을 찾아야 해. 그 전까지는 아무 것도 주울 수 없어. 더 좋은 건 축복받은 Ankh를 사용하는 거야. 죽으면 그 자리에서 체력을 완전히 회복할 수 있어.

Ankh를 축복하려면 물 한 방울이 20방울 담긴 담은 주머니가 있어야 하고, Ankh를 눌러서 축복을 사용하면 돼.

주머니를 Ankh에 던져봤는데 잘 안 되더라 ☺️

# 15. 지팡이 사용하기

<div class="content-ad"></div>

![Screenshot](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_15.png)

전사 클래스를 사용하고 있지만, 완드는 반드시 필요합니다. 사용해도 파괴되지 않고 재충전되어 거리와 근접 공격에 모두 효과적입니다.

적에게 완드를 던질 수도 있습니다. 그 효과는 모르지만, 시도해볼 수 있어요 😁

# 16. 숨겨진 방을 탐험하세요

<div class="content-ad"></div>

<img src="/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_16.png" />

숨겨진 방을 탐험하는 것은 중요합니다. 종종 거기서 필요한 훌륭한 아이템을 찾을 수 있습니다.

탐험을 쉽게 할 수 있는 아이템이 있습니다. 또한 지도 공개 스크롤도 있습니다. 방을 쉽게 찾을 뿐만 아니라 전투를 위한 위치를 특정하는 데 유용합니다.

쥐야, 내가 탐험 중이야! 😋

<div class="content-ad"></div>

# 17. 상사들을 위해 모든 것을 낭비하지 마세요

![이미지](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_17.png)

나는 왕이 마지막 보스라고 생각했어요. 그래서 가면을 쓰고 가능한한 모든 물약을 던졌죠 ☺️

하지만 왕은 마지막 적이 아니며 보스를 물리치는 것에 대한 보너스나 돈을 받을 수 없어요. 그래서 보스를 물리치기 위해 꼭 필요한 만큼만 사용해 보세요.

<div class="content-ad"></div>

# 18. 씨앗을 에너지로 변환하기

![이미지](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_18.png)

여기에는 서로 다른 전략들이 있습니다. 씨앗을 다양한 방법으로 활용할 수 있어요. 저는 개인적으로 씨앗을 에너지로 전환해서 포션과 두루마리를 업그레이드하는 것을 좋아해요.

하지만 필요한 만큼만 사용해요. 그렇게 하면 길을 따라서 찾을 포션과 두루마리를 위한 에너지를 아직 가지고 있을 수 있어요.

<div class="content-ad"></div>

불 씨앗을 심고 그 위에 올라서는 것은 최고의 전략이 아니에요 🙂

# 19. 우물 있는 방에서 구덩이로 뛰어들기

![이미지](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_19.png)

이것들이 당신을 비밀 방에 있는 상자와 멋진 아이템이 있는 아래 층으로 이끌어 줄 거예요. 뛰어들기 전에 치유 물약을 챙긴다는 거 잊지 마세요.

<div class="content-ad"></div>

한 번 깜빡하고 픽업하는 것을 놓쳤더라구요 😭

# 20. 프리즈마틱 이미지 사용하기

![프리즈마틱 이미지](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_20.png)

프리즈마틱 이미지는 거울 이미지 스크롤을 업그레이드하여 얻을 수 있습니다. 후자는 당신의 두 개의 복사본을 생성하여 적과 싸우지만 금방 죽습니다.

<div class="content-ad"></div>

첫 번째가 강하며 싸울 때 관여할 때 나타납니다.

적이 프리즘 이미지를 공격할 때 도망칠 수 있는 걸 좋아해요 😁

# 21. 공격력보다 속도가 더 중요해요

![이미지](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_21.png)

<div class="content-ad"></div>

확장의 돌은 속도 또는 공격력을 우선시할 수 있게 해줍니다. 저는 개인적으로 속도를 더 좋다고 생각해요. 왜냐하면 힘에 최적화하면 느린 무기가 더 느려질 수도 있으니까요.

적 하나의 공격에 대해 적이 네 번 공격하는 것과 같아요. 그래서 한 번에 할 수 있던 일이 네 번 동안 계속되면 피해를 더 입을 수 있어요. 그래서 속도를 추천합니다.

"악한 눈아, 저 96HP의 도끼로 너를 베어주마. 15분만 기다려줘 😂"

물론 이 모든 팁은 제 경험에 기반을 두고 있어요. Shattered Pixel Dungeon을 이기는 다양한 전략이 있습니다. 그래서 다른 방법을 찾을 수도 있어요. 사실, 온라인에서 발견한 팁들은 제가 배운 것과 자주 상반되어요.

<div class="content-ad"></div>

마지막으로 이 게임에서 이겼다는 증거를 보여줄게요:

![게임에서 이긴 증거](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_22.png)

그리고 순위표는 여기 있습니다:

![순위](/assets/img/2024-07-19-21TipsToWinShatteredPixelDungeonAsAWarrior_23.png)

<div class="content-ad"></div>

제가 마지막 보스를 물리치고 암흑의 윤도르 효과를 얻었다는 것을 보여줬어요.

게임을 끝냈다니 기뻐요. 다른 클래스로도 게임을 즐길 수 있지만, 저는 여기서 끝내겠어요.

하지만 여러분도 즐길 수 있어요. 이 게임은 턴 방식이에요. 언제든지 모험으로 돌아가서 스마트폰에서 하루에 5분씩 플레이할 수 있어요.

Shattered Pixel Dungeon에 대한 여러분의 경험은 어떻게 되나요? 댓글을 남겨주세요!

<div class="content-ad"></div>

Java, 프로그래밍 및 기술에 관심이 있다면 구독, 팔로우, 박수 부탁드릴게요. 주로 이 주제에 대해 글을 쓰고 있으니요. 응원해주세요!

모든 스크린샷은 Shattered Pixel Dungeon에서 가져왔어요.


Shattered Pixel Dungeon에서 이기는 방법 21가지 정리




![Remix Weekly Newsletter](/assets/img/2024-08-03-RemixWeeklyNewsletterAugust2nd2024_0.png)

최신 Remix 뉴스레터를 전달해 드릴 준비가 되어 있어요! 이번 주에는 최고의 이야기를 집중 소개하고, 이주 사용자를 축하하며, 흥미진진한 매일 도전을 소개할 거예요. 함께 즐겨보세요! 즐거운 리믹싱하세요.

# 이번 주의 주요 소식

이번 주 우리가 좋아하는 이야기를 확인해보세요! 미래를 위한 영감을 얻기 위해 프롬프트를 읽지 않는 것을 잊지 마세요.

<div class="content-ad"></div>


ivansouza | Iceberg

Prompt: A detailed and realistic image of a large iceberg floating in the ocean. The iceberg should have a small visible portion above the water and a much larger part submerged below the surface…

Model Used: SD3

![Image](/assets/img/2024-08-03-RemixWeeklyNewsletterAugust2nd2024_1.png)


<div class="content-ad"></div>

EboneeRose | Paris Night

**Prompt:** 핑크와 화이트 스트라이프 된 테이블보스를 가진 명소 같은 파리 카페가 부드러운 달빛 아래 숨어 있습니다. 빈티지 거리 램프가 자갈길을 비추어 따뜻한 빛을 선사합니다...

**Model Used:** DynaVision XL


![image](/assets/img/2024-08-03-RemixWeeklyNewsletterAugust2nd2024_2.png)


<div class="content-ad"></div>

# 아토크로니안즈 | 사무라이 캣!

애완동물 사무라이 의상을 입은 고양이, 모든 무기를 갖추고 어둠 속에서 나타나는 모습, 매우 디테일한, 초사실적인, 생동감 넘치는, 영화같은

사용된 모델: SD3

![이미지](/assets/img/2024-08-03-RemixWeeklyNewsletterAugust2nd2024_3.png)

<div class="content-ad"></div>


| 이름 | Chibi Sith Lord

Prompt: 3D 치비 귀여운, 실내 배경, 신비한 조명, 전신 샷, OC 렌더, 초상화 세부 사항, 초현실적 스타일, 8k, 치비 시스를 사랑스럽고 상냥한 표정으로 만들어주세요. 눈이 넓고 순수함을 가진 새침한 미소, 부드러운 파스텔 색, 귀여우면서 매력적, 고품질, 사랑스러운, 카와이 스타일, 따뜻한 조명, 귀여운 눈, 디지털 아트, 상냥하고 순수한, 따뜻한 분위기

모델 사용: SD3

![이미지](/assets/img/2024-08-03-RemixWeeklyNewsletterAugust2nd2024_4.png)


<div class="content-ad"></div>

# 이번 주의 사용자

이번 주 사용자가 되어 무료 Pro 1년 체험판을 받고 싶나요? 주간에 20개 이상의 게시물을 올리고 코멘트에 @Tyler를 언급하세요. User of the Week로 harrylookingaround 님께 축하를 보냅니다!

다음 주에는 누가 이길까요?

![이미지](/assets/img/2024-08-03-RemixWeeklyNewsletterAugust2nd2024_5.png)

<div class="content-ad"></div>

# 매일 도전 과제

저희 @Remix 계정에서 다음 #DailyChallenge를 놓치지 마세요!

이번 주 가장 인기 있는 #dailychallenge 중 하나는 '물 트롤'이었어요.

![이미지](/assets/img/2024-08-03-RemixWeeklyNewsletterAugust2nd2024_6.png)

<div class="content-ad"></div>

이번 주 뉴스레터에 참여해 주셔서 감사합니다! 

다음 주에 뵙겠습니다!

- 리믹스 웹사이트
- X/트위터
- 유튜브
- 틱톡
- 인스타그램

새롭게 떠오르고 있는 Remix 정리




나의 25년간의 사진 작가 경력 동안 수십만 장의 사진을 찍었습니다. 그 중 몇 천 장 정도가 미술 사진으로 업그레이드된 것도 있죠.

그래서, Midjourney와 함께 몇 장 만들어보기로 했습니다.

그것에는 좋은 이유가 있습니다. 미술 작품은 판매가 되고, 이름을 알리고, 소셜 미디어에 어필하는 데 도움이 되니까요. 정말 멋진 일이죠.

하지만 작은 문제가 있습니다. 미술 사진을 어떻게 정의하며, 다른 것들과 어떻게 다른지요?

<div class="content-ad"></div>

무언가를 만들려면 무엇인지 알아야 합니다.

# 고급 예술 사진의 이해

고급 예술 사진은 주제의 예술적 표현과 해석을 강조하는 장르로, 그것이 사실적으로 묘사되는 것보다 중요합니다. 이것은 단순한 포인트 앤 샷이 아닙니다.

전통적인 사진과 달리, 추상적이고 예술적인 사진은 모양, 색상, 질감 및 형태를 통해 감정, 생각 및 해석을 불러일으키려고 합니다.

<div class="content-ad"></div>

이 장르는 일반적인 장면을 특별한 시각적 경험으로 바꾸기 위해 의도적인 카메라 움직임, 독특한 구도 및 이상한 카메라 각도와 같은 창의적인 기술을 활용합니다.

![이미지](/assets/img/2024-08-03-LetsMakeFineArtPhotographyWithMidjourney_0.png)

파인아트 사진에서 주제는 물과 식물 같은 자연 요소부터 건물 및 일상적인 물건과 같은 인공 구조물에 이르기까지 다양할 수 있습니다. 초점은 추상적인 느낌을 만들 수 있는 시각적 요소에 맞춰져 있습니다 — 선, 패턴, 빛 및 그림자 등.

이 포인트는 관람자들에게 단순한 것을 넘어서 보고 깊은 의미와 감정을 탐구하도록 독려하는 데 있습니다. 목표는 전통적인 시각을 도전하고, 관객들이 직관적이고 개인적인 수준에서 사진과 소통하도록 초대하는 것입니다.

<div class="content-ad"></div>

이미지가 상상력을 깨우고 각각의 관람자에게 독특한 이야기를 전할 때, 그림은 고급 예술로 변합니다.

이 설명은 다소 열린 형식이라는 것을 이해합니다. 하지만 고급 예술의 문제 중 하나는 당신이 그것을 볼 때 알지만 미리 정확히 설명하기 어렵다는 점입니다.

이로 인해 생성적 AI로 하나를 만드는 것이 어렵습니다. 왜냐하면 시작시 정확한 설명이 필요하기 때문이죠.

하지만 우리는 어쨌든 시도해 볼 것입니다.

<div class="content-ad"></div>


![](/assets/img/2024-08-03-LetsMakeFineArtPhotographyWithMidjourney_1.png)

# Fine Art 만들기

언제나 우리 자신을 표현하기 위해 적절한 어휘가 필요해요.

AI가 상상력 풍부하고 시각적으로 인상적인 결과물을 만들도록 안내할 수 있는 주제, 형용사, 개념 목록이 필요해요. 시작하는 데 도움을 줄 포괘한 목록이에요:


<div class="content-ad"></div>

## 주제

- 자연 요소:

- 산, 강, 숲, 사막, 바다, 구름, 별, 꽃, 잎, 동물(예: 새, 물고기, 벌레), 나무, 돌

- 인간 요소:

<div class="content-ad"></div>

- 얼굴, 손, 눈, 실루엣, 댄서, 몸, 표정, 그림자, 가면, 조각상 및 동작

- 도시 요소:

  - 건물, 거리, 골목길, 다리, 창문, 문, 마천루, 옥상, 차량, 가로등

- 물건과 소품:

<div class="content-ad"></div>

- 거울, 시계, 책, 가구, 우산, 악기, 풍선, 안경, 열쇠, 로프

- 환상적이고 초현실적인 요소:

- 신화적인 생물 (예: 용, 유니콘, 불사조), 차원문, 떠다니는 섬, 꿈의 풍경, 평행 세계

![이미지](/assets/img/2024-08-03-LetsMakeFineArtPhotographyWithMidjourney_2.png)

<div class="content-ad"></div>

## 형용사

- 시각적 특징:

- 에테리얼, 밝은, 활기찬, 어두운, 단색의, 오목한, 반투명한, 파편화된, 흐릿한, 날카로운

- 질감:

<div class="content-ad"></div>

- 부드러운, 거친, 매끄러운, 견고한, 가시 돋친, 벨벳 같은, 금속적인, 유리 같은, 유동적인, 안개 낀

- 감정적 톤:

- 꿈같은, 기이한, 우울한, 즐거운, 평온한, 혼란스러운, 신비로운, 기발한, 향수로운, 불쾌한

- 모양과 형태:

<div class="content-ad"></div>

- 기하학적, 유기적, 나선형, 왜곡된, 비틀린, 대칭적, 비대칭적, 유동적, 톱니 모양, 결정체

![image](/assets/img/2024-08-03-LetsMakeFineArtPhotographyWithMidjourney_3.png)

## 개념과 주제

- 시간과 공간:

<div class="content-ad"></div>

- 시간의 무한함, 영원함, 부패, 무한함, 병렬 차원, 대체 현실, 시간 여행, 공간 왜곡

- 정체성과 변화:

- 변태, 이중성, 조각, 진화, 초월, 위장, 내면, 반영

- 자연과 초자연

<div class="content-ad"></div>

- 자연, 원소적 힘, 신비로운 풍경, 초자연적 현상, 천체와의 조화

- 초현실주의 대조:

- 예상치 못한 결합, 모순적인 장면, 꿈과도 같은 논리, 부채널한 대상, 현실이 결합된 작품

- 상징성과 은유:

<div class="content-ad"></div>

- 빛과 어둠, 생명과 죽음, 성장과 부패, 자유와 감금, 각성과 수면

![Image](/assets/img/2024-08-03-LetsMakeFineArtPhotographyWithMidjourney_4.png)

## 동사 및 행동

- 다이나믹한 행동:

<div class="content-ad"></div>

- 흐르고, 떠다니며, 융합하고, 사라지며, 폭발하고, 늘어지며, 압축하고, 굽히며, 나선 모양으로 휘어지며, 엮는 중입니다.

- 존재의 상태:  

- 초월하며, 떠오르며, 사라지며, 남아있으며, 엮여 있으며, 반사하며, 반짝거리며, 발산하며, 조절하며

![이미지](/assets/img/2024-08-03-LetsMakeFineArtPhotographyWithMidjourney_5.png)

<div class="content-ad"></div>

## 색상과 조명

- 색상:

- Azure, crimson, emerald, amber, violet, cerulean, magenta, sepia, gold, silver

- 조명:

<div class="content-ad"></div>

-  배경 조명, 실루엣 라이트, 스포트라이트, 빛이 스며들거나 조목한 빛, 주변 조명, 황혼, 새벽, 무령, 바이오루미네센트

이 어휘와 주제로 저희는 고품질 예술 사진을 만들기 시작할 수 있어요.

![이미지](/assets/img/2024-08-03-LetsMakeFineArtPhotographyWithMidjourney_6.png)

# 이야기를 전하세요

<div class="content-ad"></div>

작품으로 탈바꿈할 수 있는 탐미하고 강렬한 이미지를 만들려면 전달할 이야기가 필요합니다.

다음은 제 접근 방식입니다.

"늦은 오후입니다. 비아트리체는 그녀의 전성기와 영광의 날들을 이미 지나간 상태로 초토화된 방 속에서 홀로 남아 있습니다. 관절이 아프고 등이 아프고, 그리 많지 않을지라도 그녀는 행복합니다 - 음악과 전 세계의 환상적인 콘서트 홀, 그리고 만난 놀라운 사람들의 기억이 있습니다.

가장 중요한 것은 그녀가 비엔나의 그 날 밤을 기억한다는 것입니다. 그녀는 항상 G장조 첼로 모음곡 제1번 연주 중에 그것을 기억할 것입니다."

<div class="content-ad"></div>

내 마음속에 그림을 떠올리게 하는 이야기가 있어요. 이 이야기를 약간 잘라내어 프롬프트로 활용할 수 있어요.

'Midjourney'는 좋은 일을 해내고 있어요. 아마 아직 완벽한 예술은 아니겠지만, 매력적인 이미지예요.


![image](/assets/img/2024-08-03-LetsMakeFineArtPhotographyWithMidjourney_7.png)


이 이미지는 내가 상상한 모든 것을 전달하지는 못할 수도 있고, 확실히 비엔나의 밤에 대해서는 아무것도 말하지 않겠지만, 오래된 것과 행복한 것, 쇠락한 것과 밝은 즐거운 빛, 그리고 오래된 손에 의해 우아하게 연주되는 악기의 대조는 많은 이야기를 전달해주죠. 그게 우리가 찾는 것이에요.

<div class="content-ad"></div>

반대편에 배치하는 것이 중요해요. 사진작가들이 몸에 그려지는 그림을 좋아하는 이유 중 하나는 부드럽고 균일한 인간 피부와 날카로운 기하학적 대조적인 패턴의 대조입니다. 부드럽게 흐르는 인체 선들에 접힌 선들의 강렬한 브레이크가 있죠.

![이미지](/assets/img/2024-08-03-LetsMakeFineArtPhotographyWithMidjourney_8.png)

그리고 그 위에 레이어를 추가할 수 있어요: 로덴의 사색가의 자세에 인간 피부에 그려진 웃음 난 아주 기쁜 얼룩말 무늬. 그것은 균형을 잃고, 대조적이며, 흥미로워요. 불균형한 조합으로만들어진 합성으로, 정말 훌륭한 예술 이미지를 만들 수 있어요.

![이미지](/assets/img/2024-08-03-LetsMakeFineArtPhotographyWithMidjourney_9.png)

<div class="content-ad"></div>

여기 또 다른 고전적인 예시가 있어요: 각도와 모퉁이 없는 방, 흑백의 흐르는 선들로 칠해진 방에는 검은 모자를 쓴 붉은 옷을 입은 우아한 여성이 있어요.

![이미지](/assets/img/2024-08-03-LetsMakeFineArtPhotographyWithMidjourney_10.png)

우리는 방이 직사각형이고 모서리와 각도가 있는 것에 익숙해요. 이 배경은 우리의 선입견을 모순시키며, 붉은 옷을 입은 여성은 신비롭고 대비가 강조되며 멀어져 가 봐도 무척 흥미로워요.

사실, 구도 속의 선들은 중요해요. 예를 들면 멀리로 이어지는 철도 선은 '어디론가 가는 거야?' 라는 질문을 던져요. 이 질문은 상상력을 자극하는 이야기만큼 좋아요.

<div class="content-ad"></div>


![Architecture](/assets/img/2024-08-03-LetsMakeFineArtPhotographyWithMidjourney_11.png)

미술 사진에서 건축물은 종종 선도선을 통해 시각을 인도하는 데 사용됩니다.

![Metal Structures](/assets/img/2024-08-03-LetsMakeFineArtPhotographyWithMidjourney_12.png)

특히 무겁고 다소 어색하고 추잡해 보이는 것들 – 예를 들어 금속 구조물 – 를 사용하여 선도선이 되고, 그로 인해 보기에 놀랍도록 가볍고, 덧없이 우아하게 보이도록 만들어집니다.


<div class="content-ad"></div>

![Midjourney](/assets/img/2024-08-03-LetsMakeFineArtPhotographyWithMidjourney_13.png)

미드저니가 고객들에게 판매를 해서 매우 행복하다고 생각합니다.

그 이야기를 찾고, 상이한 개념을 서로 비교하고, 호기심을 자아내는 요소를 찾는 데는 일이 약간 필요하지만, 그 값어치가 있습니다.

이러한 개념들을 탐험하고 이미지로 이야기를 전달하며, 자신만의 상상력을 사용하여 미드저니를 안내하여 진정한 예술 작품을 만드는 것을 장려합니다.

<div class="content-ad"></div>

아이바라스 그라우지니스

Midjourney로 멋진 예술 사진 만드는 프롬프트




이 기사는 제 독자 중 한 분인 Gras Lux에 의해 영감을 받아 작성되었으므로 그분과 그와 같은 독자들에게 바칩니다. 독서, 댓글 남기기, 그리고 질문하는 것을 절대 그만두지 마세요; 이 모든 것이 흥미로워요.

전문 예술가와 사진 작가들은 Midjourney를 사용할 때 우위를 가지고 있습니다. 결국, 그들은 모든 올바른 용어를 알고 있고, 스타일과 기술을 알고 있으며, 광과 구도에 대해 모두 알고 있습니다.

이러한 지식은 중요합니다. Midjourney와 몇 가지 올바른 키워드는 멋진 이미지와 "인공지능 같다"는 것을 즉시 알아볼 수 있는 차이를 만들 수 있습니다.

그러나 모든 사람이 예술과 예술 용어를 공부할 기회, 시간, 그리고 가치가 있는 것은 아닙니다. 게다가, 이에 관련된 내용이 많으며, 집중적인 노력으로도 여전히 기초를 익히는 데 몇 달이 걸릴 뿐만 아니라, 훌륭한 이미지를 만드는 기술과 요소들의 부분과 관계에 대한 포괄적인 이해는 더 이상 말하지 않아도 됩니다.

<div class="content-ad"></div>

<img src="/assets/img/2024-08-03-Midjourneymasteryhowtoreverseengineertheimageintoaprompt_0.png" />

좋은 소식은 이 문제에 대한 간단한 해결책이 있다는 것입니다. 빠르게 시작하고 자신의 미술평론가를 활용하여 모든 적절한 단어와 용어를 찾아내도록 할 수 있습니다.

사실 Midjourney에는 이미지를 분석하고 가장 유력한 키워드를 선택하는 "describe"라는 내장 도구가 있습니다.

"Describe" 도구는 꽤 괜찮지만 제한 사항이 있으며, Discord의 특이한 점들로 인해 사용하기가 그리 쉽지는 않습니다. 그러나 더 나은 해결책이 있습니다: ChatGPT.

<div class="content-ad"></div>

저는 이 기사를 작성하는 데 기본 무료 버전의 ChatGPT를 사용했는데, 예술 평론가로서 탁월한 성과를 보여줬어요. 제공된 이미지를 분석하고 스타일, 기법, 구도 및 다른 이미지 형성 요소의 중요 설명을 추출해내는 데 능숙했답니다.

여기 예시가 있어요. 어제 Midjourney로 만든 이미지를 가지고 ChatGPT에 이 프롬프트로 분석을 요청했어요:

![이미지](/assets/img/2024-08-03-Midjourneymasteryhowtoreverseengineertheimageintoaprompt_1.png)

ChatGPT의 답변은 여기 있어요:

<div class="content-ad"></div>

이 이미지는 팝 아트 스타일로 제작된 네 얼굴을 생동감 넘치게 표현한 것 같아요. 여기 몇 가지 자세한 관찰 내용이 있습니다:

## 스타일

- 팝 아트: 이미지는 팝 아트 운동의 전형적인 대담한 색상, 강한 선들, 단순한 형태를 사용합니다. 과장된 특징과 생생한 컬러 팔레트는 로이 리텐슈타인(Roy Lichtenstein)과 앤디 워홀(Andy Warhol) 같은 작가들의 작품을 연상시킵니다.

## 예술적 기술

<div class="content-ad"></div>

- 컬러 블로킹: 큰 단색 영역의 사용이 명확합니다. 이 기술은 이미지의 그래픽 품질을 향상시키고 얼굴들의 스타일화된 특성을 강조합니다.
- 외곽선: 짙은 검은 외곽선이 얼굴의 특징과 머리카락을 정의하여 구성 요소 간에 명확한 구분을 만듭니다.
- 패턴: 작가는 머리카락과 배경에 다양한 패턴(점, 줄무늬)을 결합하여 작품에 질감과 시각적 흥미를 더했습니다.

### 구성 요소

- 대칭성과 반복: 얼굴들은 가깝고 겹쳐진 방식으로 배치되어 대칭성과 반복감을 만들어냅니다. 이 배치는 부드럽고 순조로운 움직임으로 뷰어의 시선을 이미지를 따라 이끕니다.
- 얼굴에 초점: 구성은 각각 다른 표정과 메이크업 스타일을 보여주는 또 다른 얼굴에 중점을 두고 있습니다. 얼굴에 집중함은 팝 아트의 초상화의 특징입니다.
- 대조: 대조적인 색상(파란, 노란, 빨간)의 사용과 빛과 그림자의 상호작용은 동적인 시각적 효과를 만들어냅니다.

### 요소

<div class="content-ad"></div>

- 얼굴 특징: 얼굴은 대형 눈, 도드라진 입술, 그리고 단순화된 코와 같이 과장된 특징으로 스타일화되어 있습니다. 이 추상화된 스타일은 주제에 대한 보편성과 상징적인 특징을 부여합니다.
- 머리와 메이크업: 머리는 흐르는 그래픽 라인으로 묘사되어 있으며, 강렬한 색상과 패턴이 전체적인 활기찬 이미지에 기여합니다. 메이크업도 중요한 역할을 하며, 얼굴의 화려하고 스타일화된 모습을 더욱 돋보이게 합니다.

# 전체적인 인상

- 역동적이고 눈길을 끄는: 이미지는 선명한 색상과 대담한 패턴으로 시각적으로 돋보이며, 시청자의 주의를 즉시 사로잡습니다. 팝 아트 스타일은 현대적이고 장난기 있는 느낌을 줘서 쉽게 접근하고 매력적입니다.

이러한 기술과 스타일 선택의 결합은 팝 아트 미학을 보여주는 매력적인 예술 작품을 만들어냅니다. 동시에 작가의 독특한 시각과 창의성을 전시하고 있습니다.

<div class="content-ad"></div>

이 설명은 이미지 스타일을 재현하는 데 완벽합니다. 이 답변에서 중요한 요소와 키워드를 모두 선정하여 이를 바탕으로 할 수 있습니다.

또는 ChatGPT에 요청하여 이 출력을 기반으로 프롬프트를 작성할 수 있습니다.

네 문제에 대한 해결 방법은 아래와 같습니다:

<div class="content-ad"></div>

![image](/assets/img/2024-08-03-Midjourneymasteryhowtoreverseengineertheimageintoaprompt_2.png)

요 앱은 완전히 동일한 스타일은 아니며 Midjourney에게 원본 결과에 더 가까워지도록 스타일 참조 이미지를 제공하는 것이 더 쉬웠을 것입니다.

그러나 이 방법의 요점은 스타일, 이미지 요소 및 기타 기능을 설명할 적절한 단어를 찾는 것입니다. 만약 스스로 할 능력이 없다면.

ChatGPT는 이미지 및 이미지 스타일에 대한 중요한 문장 정보를 추출하는 데 뛰어난 작업을 하였으며, 이는 학습과 자신의 이미지를 만드는 방법을 찾는 데 모두 사용될 수 있습니다.

<div class="content-ad"></div>

하지만 ChatGPT가 비슷한 스타일과 기법을 가진 여러 이미지를 제공하고 해당 이미지들 사이의 유사한 점과 스타일을 정의하는 방법을 찾도록 요청한다면 더 도움이 될 수 있습니다. 

이는 특정 이미지가 아닌 스타일을 해체하고 역공학하는 데 도움이 되며, 이러한 방식은 보다 넓은 의미와 활용을 갖습니다.

ChatGPT에 작업하도록 주어진 이미지 그리드가 여기 있습니다.


![image](/assets/img/2024-08-03-Midjourneymasteryhowtoreverseengineertheimageintoaprompt_3.png)


<div class="content-ad"></div>

표 태그를 Markdown 형식으로 변경해주세요. 

그리고 여기에 프롬프트가 있습니다:

ChatGPT 답변:

# 스타일, 기법 및 작문에서의 공통점

## 스타일

<div class="content-ad"></div>

- 시네마틱 분위기: 네 장의 이미지 모두 영화적인 퀄리티를 지니고 있어 이야기를 전달하고 드라마틱한 느낌을 자아냅니다.
- 역사적 분위기: 장면들은 고대나 역사적인 분위기로, 로마에서 영감을 받은 것으로 보이며 고전 건축물과 돌길이 포함되어 있습니다.
- 따뜻한 컬러 팔레트: 각 이미지는 따뜻하고 황금빛 톤을 활용하여 그리움과 시대를 초월한 느낌을 강조합니다.

## 기술

- 조명: 따뜻하고 자연스러운 빛, 종종 황금 시간을 모방한 것이 부드럽고 확산된 빛을 만들어냅니다. 이는 질감을 강조하고 장면에 깊이를 부여합니다.
- 디테일과 질감: 돌길의 질감, 건물의 외관, 그리고 인물의 의상에 대한 높은 주의가 느껴집니다. 이 현실주의는 장면을 믿을 수 있는 현실로 바인딩합니다.
- 시점과 깊이: 거리와 건물의 수렴선을 활용한 시각적인 기법인 원근을 사용하여 뷰어의 눈을 장면의 깊이로 안내합니다. 이 기술은 규모와 몰입감을 만들어냅니다.

## 구성

<div class="content-ad"></div>

- 선행선: 각 이미지는 거리와 건물의 자연스러운 라인을 활용하여 시선을 깊은 곳으로 이끌며, 종종 중심점이나 수렴점 쪽으로 유도합니다.
- 인간의 존재: 이미지 속 인물들은 장면에 규모와 생명력을 더해줍니다. 종종 시선을 유도하거나 서사적 흥미를 더하기 위해 전략적으로 배치됩니다.
- 건축에 초점: 건축물이 주요 주제로, 건물이 구성을 지배하며 인간적 요소들의 배경 역할을 합니다.
- 균형 있는 구도: 장면은 균형 잡혀 있으며, 요소들을 조심스럽게 배치하여 조화를 이룹니다. 빛과 그림자의 분포도 전체적인 균형에 기여합니다.

다시 말해, 이 텍스트는 프롬프트로 요약될 수 있습니다. 더 중요한 것은 이 스타일을 설명하는 모든 요소를 포함하고 있으며, 유사한 스타일의 이미지를 얻기 위해 어떤 키워드를 사용해야 하는지 도와줄 수 있습니다.

ChatGPT에게 비교하고 싶은 이미지를 제공할 수 있습니다. 예를 들어, 특정한 스타일로 무언가를 만들어보았지만 실패했다면, 실패한 이미지와 "좋은" 스타일의 이미지 예를 제공하고 두 이미지 간의 차이를 어떤 예술용어와 기술을 통해 설명해달라고 ChatGPT에게 요청할 수 있습니다.

답변을 통해 프롬프트에 추가할 키워드를 제공해줄 수도 있고, 아니면 반대로 부정적인 프롬프트를 제공하여 Midjourney에게 무엇을 하지 말아야 하는지 알려줄 수도 있습니다.

<div class="content-ad"></div>

여기 있어요. ChatGPT를 사용하여 개인 예술 평론가로 활용하실 수 있습니다. 제공된 설명을 학습하고 원하는 이미지를 만들기 위한 최적의 단어를 빠르게 찾을 수 있습니다. 

아이바라스 그라우지니스

Midjourney에서 이미지를 프롬프트로 역설계하는 방법

2024년 최신 언어 모델 정리




## BERT 아키텍처 선택의 주요 기법을 이해하여 간결하고 효율적인 모델을 생성하는 방법

![이미지](/assets/img/2024-08-03-LargeLanguageModelsALBERTALiteBERTforSelf-supervisedLearning_0.png)

# 소개

최근 몇 년간 대형 언어 모델의 발전이 급속히 증가했습니다. BERT는 다양한 NLP 작업을 높은 정확도로 해결할 수 있는 가장 인기 있는 효율적인 모델 중 하나가 되었습니다. BERT 이후, 뒤이어 다른 일련의 모델들이 등장하여 놀라운 결과를 보여주고 있습니다.

<div class="content-ad"></div>

쉽게 관찰할 수 있는 분명한 경향은 시간이 지남에 따라 대형 언어 모델(LLMs)이 매개변수 및 학습된 데이터 양을 기하급수적으로 증가시키면서 더 복잡해진다는 사실입니다. 딥러닝 연구에 따르면 이러한 기술들이 보통 더 나은 결과를 이끌어낸다는 것이 밝혀졌습니다. 불행하게도, 기계 학습 세계에서는 LLMs에 관한 몇 가지 문제에 이미 직면했으며, 확장성은 이를 효과적으로 훈련하고 저장하여 사용하는 데 주요 장애물이 되었습니다.

그 결과, 최근에는 확장성 문제에 대처하기 위해 새로운 LLMs가 개발되었습니다. 본 문서에서는 2020년에 고안된 BERT 매개변수의 상당한 축소를 목표로 한 ALBERT에 대해 논의할 것입니다.

# ALBERT

ALBERT의 기본 메커니즘을 이해하려면 해당 공식 논문을 참조해야 합니다. 대부분의 경우, ALBERT는 BERT에서 동일한 아키텍처를 파생합니다. 아래에서 해당 모델 아키텍처의 선택에 대한 세 가지 주요 차이점을 다루고 설명하겠습니다.

<div class="content-ad"></div>

# 1. 요소별 매개변수 임베딩

입력 시퀀스가 토큰화되면, 각 토큰은 어휘 임베딩 중 하나로 매핑됩니다. 이러한 임베딩은 BERT의 입력에 사용됩니다.

어휘 크기 V(가능한 임베딩의 총 수)와 임베딩 차원 H을 가정해 봅시다. 그러면 V개의 임베딩마다 H값을 저장해야 하므로 V x H 임베딩 행렬이 필요합니다. 실제로 이 행렬은 대부분 크기가 매우 크며 많은 메모리를 필요로 합니다. 하지만 더 큰 문제는 임베딩 행렬의 원소 대부분이 학습 가능하고 모델이 적절한 매개변수를 학습하는 데 많은 리소스가 필요하다는 것입니다.

예를 들어, BERT 베이스 모델을 살펴보겠습니다. 30,000개의 토큰으로 구성된 어휘가 있고, 각 토큰은 768개 요소의 임베딩으로 표현됩니다. 이 경우, 총 2300만 개의 가중치가 저장되고 학습되어야 합니다. 더 큰 모델의 경우, 이 숫자는 더욱 커집니다.

<div class="content-ad"></div>

이 문제는 행렬 인수분해를 사용하여 피할 수 있어요. 원래 어휘 행렬 V x H는 V x E 및 E x H 크기의 작은 행렬 쌍으로 분해될 수 있어요.

![image](/assets/img/2024-08-03-LargeLanguageModelsALBERTALiteBERTforSelf-supervisedLearning_1.png)

결과적으로, O(V x H) 매개변수 대신 분해는 오직 O(V x E + E x H) 가중치를 필요로 해요. 당연히, 이 방법은 H `` E일 때 효과적이에요.

행렬 인수분해의 또 다른 위대한 측면은 토큰 임베딩을 얻기 위한 조회 과정을 변경하지 않는다는 사실이에요: 왼쪽 분해된 행렬 V x E의 각 행은 토큰을 해당하는 임베딩으로 매핑합니다. 이렇게 하면 임베딩의 차원이 H에서 E로 감소해요.

<div class="content-ad"></div>

그럼에도 불구하고, 행렬이 분해된 경우에는 BERT의 입력을 얻기 위해 매핑된 임베딩을 숨겨진 BERT 공간으로 변환해야 합니다. 이 작업은 왼쪽 행렬의 해당 행을 오른쪽 행렬의 열과 곱함으로써 수행됩니다.

# 2. 계층 간 매개변수 공유

모델의 매개변수를 줄이는 한 가지 방법은 매개변수를 공유할 수 있게 하는 것입니다. 이는 모든 매개변수가 동일한 값을 공유하도록 하는 것을 의미합니다. 대부분의 경우, 이는 가중치를 저장하는 데 필요한 메모리를 줄이는 것으로 이어집니다. 그러나 역전파나 추론과 같은 표준 알고리즘은 여전히 모든 매개변수에 대해 실행되어야 합니다.

언급된 아이디어는 ALBERT에 구현되어 있으며, 이는 구조가 동일한 일련의 트랜스포머 블록으로 구성되어 있어 매개변수 공유를 더 효율적으로 만듭니다. 실제로, 트랜스포머에서 계층 간에 여러 가지 매개변수 공유 방법이 존재합니다:

<div class="content-ad"></div>

- 주의를 기울일 파라미터만 공유;
- 순방향 신경망(FNN) 파라미터만 공유;
- ALBERT에서 사용되는 모든 파라미터를 공유.

![링크](/assets/img/2024-08-03-LargeLanguageModelsALBERTALiteBERTforSelf-supervisedLearning_2.png)

## 3. 문장 순서 예측

BERT는 사전 훈련 시 두 가지 목표에 중점을 두었습니다: 가려진 언어 모델링(MSM)과 다음 문장 예측(NSP). 보통 MSM은 BERT의 언어 지식 습득 능력을 향상시키는 데 사용되었고 NSP의 목표는 BERT의 특정 downstream 작업에서의 성능을 향상시키는 데 사용되었습니다.

<div class="content-ad"></div>

하지만 여러 연구에서 NSP 목표를 제거하는 것이 유익할 수도 있다는 것을 보여주었습니다. 그 이유는 그 간단함 때문에 MLM과 비교했을 때입니다. 이 아이디어에 따라, ALBERT 연구자들은 NSP 과제를 제거하고 문장 순서 예측(SOP) 문제로 대체하기로 결정했습니다. SOP의 목표는 두 문장이 올바른 순서인지 또는 역순인지를 예측하는 것입니다.

트레이닝 데이터셋에 대해 말씀드리자면, 모든 입력 문장의 양의 쌍은 동일한 텍스트 단락 내에서 순차적으로 수집됩니다(BERT와 같은 방법). 부정적 문장의 경우, 원칙은 동일하지만 두 문장이 역순으로 간다는 점만 다릅니다.

![이미지](/assets/img/2024-08-03-LargeLanguageModelsALBERTALiteBERTforSelf-supervisedLearning_3.png)

# BERT 대 ALBERT

<div class="content-ad"></div>

BERT와 ALBERT의 자세한 비교는 아래 다이어그램에서 설명되어 있습니다.

![ALBERT vs BERT](/assets/img/2024-08-03-LargeLanguageModelsALBERTALiteBERTforSelf-supervisedLearning_4.png)

가장 흥미로운 관찰은 다음과 같습니다:
- BERT large의 매개변수의 70%만 갖고 있는 ALBERT xxlarge 버전이 하류 작업에서 더 나은 성과를 달성합니다.
- ALBERT large는 BERT large와 비교할 때 유사한 성능을 달성하며, 매개변수 크기 압축으로 인해 1.7배 빠릅니다.
- 모든 ALBERT 모델은 128의 임베딩 크기를 갖습니다. 논문의 소므 조사에서 보여졌듯이 이것이 최적의 값입니다. 예를 들어 임베딩 크기를 768까지 증가시켜도, 지표가 개선되지만 모델의 증가하는 복잡성에 비해 1% 정도로 그다지 많이 개선되지는 않습니다.
- ALBERT xxlarge는 BERT large보다 데이터의 단일 반복 처리 속도가 3.3배 느리지만, 실험 결과 두 모델을 동일한 시간 동안 학습한다면 ALBERT xxlarge가 벤치마크에서 훨씬 뛰어난 평균 성능을 보여줍니다. (88.7% 대 87.2%)
- ALBERT 모델의 넓은 은닉 크기(≥ 1024)는 층 수 증가로 큰 이점을 얻지 못합니다. 이것이 ALBERT large의 24층에서 xxlarge 버전의 12층으로 감소된 이유 중 하나입니다.

<div class="content-ad"></div>


<img src="/assets/img/2024-08-03-LargeLanguageModelsALBERTALiteBERTforSelf-supervisedLearning_5.png" />

- 은닉 레이어 크기의 증가로 인한 유사한 현상이 발생합니다. 값이 4096보다 큰 값으로 증가시켜도 모델 성능이 저하됩니다.

<img src="/assets/img/2024-08-03-LargeLanguageModelsALBERTALiteBERTforSelf-supervisedLearning_6.png" />

# 결론


<div class="content-ad"></div>

ALBERT은 원래의 BERT 모델보다 선태할 만한 선택으로 보입니다. 왜냐하면 ALBERT는 하위 작업에서 그들을 능가하기 때문입니다. 그렇지만, ALBERT는 더 긴 구조 때문에 훨씬 더 많은 계산이 필요합니다. 이 문제의 좋은 예시는 235M 개의 파라미터와 12개의 인코더 레이어를 가진 ALBERT xxlarge입니다. 이 235M개의 가중치 중 대부분은 단일 트랜스포머 블록에 속합니다. 이 가중치들은 그 후 12개의 레이어 각각에 대해 공유됩니다. 따라서 훈련 또는 추론 중에 알고리즘은 20억 개 이상의 파라미터에서 실행되어야 합니다!

이러한 이유로 인해, ALBERT는 속도를 희생하여 더 높은 정확도를 달성할 수 있는 문제에 더 적합합니다. 결과적으로, NLP 분야는 결코 멈추지 않고 새로운 최적화 기술을 향해 끊임없이 발전하고 있습니다. ALBERT의 속도가 곧 향상될 가능성이 매우 높습니다. 논문의 저자들은 ALBERT 가속화를 위한 잠재적인 알고리즘으로 희소 어텐션과 블록 어텐션과 같은 방법을 이미 언급했습니다.

# Resources

- ALBERT: A Lite BERT for Self-supervised Learning of Language Representations

<div class="content-ad"></div>

모든 이미지는 별도로 표기되지 않는 한 저자가 촬영한 것입니다.

대형 언어 모델, ALBERT 자가 지도 학습을 위한 경량화된 BERT




검색 증강 생성 (RAG)은 질문 응답, 정보 검색 및 대화형 AI와 같은 자연어 처리 작업의 성능을 향상시킬 수 있는 강력한 방법입니다. 관련 외부 정보를 활용하여 더 정확하고 맥락에 적합한 응답을 생성함으로써 이를 달성합니다. 기존 RAG 기술은 종종 텍스트의 여러 측면을 포착하지 못하는데 그 이유는 최종 레이어의 임베딩에만 의존하기 때문입니다. 이 한계를 해결하기 위해, 이 논문은 Multi-Head RAG (MRAG)를 소개합니다. MRAG는 Transformer 모델의 멀티헤드 어텐션 레이어에서 디코더 레이어가 아닌 활성화를 사용하여 다양한 측면의 문서를 검색하는 혁신적인 접근 방식입니다.

MRAG는 Transformer 모델의 멀티헤드 어텐션 메커니즘을 활용하여 검색 프로세스를 향상시킵니다. Transformer 내의 다른 어텐션 헤드는 데이터의 여러 측면에 집중하는 방법을 학습하여 서로 다른 특징이나 속성을 포착합니다. 이러한 어텐션 헤드에서 활성화를 사용하여 MRAG는 데이터 항목 및 쿼리의 여러 측면을 대표하는 임베딩을 생성합니다. 이 방법은 데이터의 다양한 정보가 필요한 쿼리의 검색 정확도를 향상시켜, 데이터의 다른 차원을 효과적으로 표현하고 액세스합니다. 표준 RAG에서는 단순히 마지막 피드포워드 디코더 레이어만을 활용하는 반면, MRAG에서는 어텐션 헤드를 포함한 마지막 h개의 레이어가 고려됩니다.

주요 요점:

<div class="content-ad"></div>

• Multi-Head Attention 활용: MRAG는 다양한 데이터 측면을 캡처하기 위해 다중 헤드 어텐션 레이어의 활성화를 키로 사용합니다.

• 검색 정확도 향상: 쿼리와 데이터의 다양한 측면을 포괄하는 임베딩을 생성함으로써, MRAG는 복잡한 다층 쿼리의 검색을 향상시킵니다.

• 원활한 통합: MRAG는 기존 RAG 프레임워크 및 벤치마킹 도구와 통합할 수 있어 다양한 데이터 저장소와 응용 프로그램에 적응할 수 있습니다.

• 평가와 효과성: 이 접근 방식은 합성 데이터셋 및 실제 사용 사례에 대한 평가를 통해 표준 RAG 기준선 대비 최대 20%의 관련성 향상을 시연했습니다.

<div class="content-ad"></div>

# MRAG Formulation and Pipeline:

- 데이터 준비: 원래 논문에서 설명한 방법론과 비교해서 데이터 준비 과정에 약간의 수정이 있습니다. 지정된 청크 크기로 재귀적 텍스트 분할기를 사용하여 문서를 전처리한 후, 텍스트 세그먼트가 생성됩니다. 이러한 세그먼트는 임베딩 모델을 통해 처리되어 마지막 h 개의 레이어에서 단일 측면 임베딩이 생성됩니다. 이 임봄할 때에는 BAAI/bge-large-en-v1.5 임베딩 모델이 사용되었습니다. 이러한 임베딩을 벡터 데이터베이스에 저장할 때, 모든 h 개의 임베딩 공간에 코사인 거리를 사용하여 중요도 점수를 할당합니다.

![이미지](/assets/img/2024-08-03-WantaBetterRAGDiscoverMulti-HeadRAG_1.png)

2. 쿼리 실행: 쿼리 실행 중에는 데이터 준비 단계에서 사용된 모델과 동일한 모델을 사용하여 쿼리의 다중 측면 임베딩을 생성합니다. 그런 다음 쿼리 임베딩을 기반으로 데이터베이스에서 가장 가까운 임베딩 및 해당 텍스트 청크를 검색하는데, 임베딩 공간에 대한 모든 임베딩 공간에 대해 전통적인 검색-증강 생성 (RAG) 전략을 사용합니다. 상위 k 청크를 얻기 위해 특수화된 검색 전략을 적용합니다. 예를 들어, 투표 메커니즘이나 임베딩 공간과 관련된 중요도 점수의 L2 노름을 계산하는 방법 등이 있습니다.

<div class="content-ad"></div>

```js
# 중요도 점수 계산하기
def calculate_importance_scores(embeddings):
    importance_scores = []

    for head in embeddings:
        a_i = 0
        b_i = 0
        count_a_i = 0
        count_b_i = 0

        # a_i 계산
        for e_ij in head:
            a_i += np.linalg.norm(e_ij)
            count_a_i += 1

            # b_i 계산
            for e_ih in head:
                b_i += cosine(e_ij, e_ih)
                count_b_i += 1

        # 평균 계산
        if count_a_i > 0:
            a_i /= count_a_i
        if count_b_i > 0:
            b_i /= count_b_i

        # 헤드에 대한 중요도 점수 계산
        s_i = a_i * b_i
        importance_scores.append(s_i)

    return importance_scores
```

## 벡터 관리 데이터베이스:

PostgreSQL 데이터베이스가 벡터 데이터베이스로 사용되었습니다. 새로운 기사가 추가되면 해당 텍스트 레이블이 articles 테이블에 저장되어 기사의 임베딩을 참조하는 데 사용할 수 있는 article_id가 생성됩니다. 기사의 표준 임베딩은 표준 테이블에 단일 벡터로 저장되며, 레이어 간에 멀티 측면 정보를 포착하는 주의 기반 임베딩은 attention 테이블에 저장됩니다.

표준 임베딩의 분할 버전은 cut_standard 테이블에 저장되어 자세한 유사성 검색을 가능하게 합니다. 데이터베이스는 또한 이러한 임베딩에 대한 척도를 유지합니다: attention 임베딩의 attention_scales 및 분할된 임베딩의 cut_standard_scales. 평균 노름 및 쌍별 코사인 거리에서 계산된 이러한 척도는 임베딩의 다른 측면에 중요도를 할당하여 유사성 검색을 최적화하는 데 도움이 됩니다.


<div class="content-ad"></div>

# 결론 :

검색 증강 생성 (RAG)은 대형 언어 모델 (LLMs)을 개선하지만 다양한 쿼리에 대해 분산된 임베딩으로 전통적인 방법들이 어려워합니다. 멀티 헤드 RAG (MRAG)는 디코더 모델로부터 멀티 헤드 어텐션을 활용하여 다양한 데이터 측면을 포착하여 더 정확한 임베딩을 만듭니다. MRAG는 기존 방법과 비교해서 검색 정확도를 최대 20% 향상시키고 있으며 비용 효율적이고 에너지를 효과적으로 활용하여 현재 시스템에 매끄럽게 통합됩니다.

코드 : [GitHub 링크](https://github.com/anirudh-8985/Multi-Head-RAG)

참고문헌:

<div class="content-ad"></div>

- Multi-Head RAG: Solving Multi-Aspect Problems with LLMs by Maciej Besta, Ales Kubicek, Roman Niggli, Robert Gerstenberger, Lucas Weitzendorf, Mingyuan Chi, Patrick Iff, Joanna Gajda, Piotr Nyczyk, Jürgen Müller, Hubert Niewiadomski, Marcin Chrapek, Michał Podstawski, Torsten Hoefler. [링크](https://arxiv.org/abs/2406.05085)
- Hugging Face Massive Text Embedding Benchmark (MTEB) 리더보드.
- [PostgreSQL 공식 문서](https://www.postgresql.org/docs)
- [MRAG 레포지토리](https://github.com/spcl/MRAG)

Multi-Head RAG 정리

넷플릭스에서 데이터 ML 워크플로를 관리하는 Maestro의 모든 것

딥러닝의 Diffusion Loss 정리




## 현재 기술과 시장에 대해 우리가 알고 있는 것을 기반으로 생성적 AI의 비즈니스 모델은 무엇일까요?

![image](/assets/img/2024-08-03-TheEconomicsofGenerativeAI_0.png)

나는 여기에서 생성적 AI의 기술적 및 자원 제한에 대해 많은 시간을 쏟았는데, 이러한 도전을 주변에 자리잡은 산업에게서 보다 뚜렷하게 지켜보면 매우 흥미롭습니다.

그러나 이렇게 된다면, 생성적 AI의 실제 비즈니스 모델은 무엇일까요? 우리는 어떤 것을 기대해야 하고, 그냥 과대광고인가요? 이 기술의 약속과 실제 현실 사이에는 무엇이 다를까요?

<div class="content-ad"></div>

# 생성적 AI는 기능인가, 제품인가?

몇 명과 대화를 나누면서 매체에서도 자주 듣고 있습니다. 기술이 기능인지 제품인지의 차이는 결국 해당 기술이 독자적으로 충분한 가치를 가지고 있는지, 사람들이 거기에만 액세스하고 싶어하는지 또는 다른 기술들과 결합했을 때 대부분 또는 모든 가치를 실제로 나타내는지입니다. 우리는 지금 "AI"가 기존 제품들에 붙여지고 있습니다. 텍스트/코드 편집기부터 검색, 브라우저까지 다양한 제품들에 사용되고 있으며, 이러한 응용프로그램들은 "생성적 AI가 기능으로 사용됨"의 예입니다. (제가 지금 이 글을 Notion에서 작성 중이고 AI가 계속해서 무언가를 하도록 유도하고 있습니다.) 반면에 Anthropic, OpenAI 및 기타 여러 비즈니스들은 ChatGPT나 Claude와 같이 생성적 AI가 중심 요소인 제품을 판매하려고 노력하고 있습니다.

조금 논란이 될 수도 있지만, 내가 생각하는 주요 요소는 "생성적 AI가 제품으로 사용됨" 그룹에 대한 것입니다. 생성적 AI가 고객의 기대에 부응하지 않는다면, 그들은 제품 사용을 중단하고 제공업체에 지불을 중지할 것입니다. 반면에 (이해할 만한) 구글의 AI 검색 요약이 별로라고 느낀다면 그들은 불평을 할 수 있고 그 요약을 끄고 그대로 구글 검색을 사용할 수 있습니다. 핵심 비즈니스 가치 제안은 AI의 기초 위에 건설되지 않습니다. 그것은 그저 추가 잠재적 판매 포인트에 불과합니다. 이로써 기업에 대한 위험이 훨씬 적어집니다.

애플이 생성적 AI 공간 대부분에 접근하는 방식은 생성적 AI를 기능으로, 제품으로 보는 좋은 예입니다. 내게 매우 약속된 전략이 있는 것 같습니다. 마지막 WWDC에서 애플은 OpenAI와 협력하여 애플 사용자가 Siri를 통해 ChatGPT에 액세스할 수 있도록 한 사실을 밝혔습니다. 이 중요한 것은 몇 가지가 있습니다. 첫째, 애플은 이 관계를 만들기 위해 OpenAI에 어떤 비용도 지불하지 않습니다. 애플은 매력적인 경제적 사용자들에게 액세스를 제공하고, OpenAI는 이러한 사용자들을 ChatGPT의 유료 구독자로 전환할 기회를 갖습니다. 애플은 관계에서 어떤 위험도 감수하지 않습니다. 둘째, 이는 애플이 다른 생성적 AI 제품들을 사용자들에게 제공하지 못하게 하는 것은 아닙니다. 그는 OpenAI가 첫 번째 협력을 발표한 것 뿐이며, 더 큰 생성적 AI 경쟁에서 특정 말의 승리에는 베팅하지 않습니다. 애플은 물론 애플 AI에 대해 작업 중이지만, 그들은 이 제안을 이미 존재하는 제품 라인을 보완하기 위해 타겟팅하고 있는 것으로 보입니다 - 당신의 iPhone을 더 유용하게 만들기 위해 - 제품으로서의 모델을 판매하는 대신.

<div class="content-ad"></div>

이 모든 말은 유추할 수 있는 AI가 비즈니스 전략에 어떻게 작용해야 하는지 여러 가지 관점이 있다는 것을 의미합니다. 기술 자체를 구축하는 것이 가장 성공적일 것이라고 보장되지는 않습니다. 10년 뒤 되돌아봤을 때, 유추할 수 있는 AI 비즈니스 영역에서 "큰 승자"로 생각할 기업이 실제로 기술을 개발한 기업은 아닐 것이라고 의심합니다.

# 개발에 적합한 비즈니스 전략은?

알겠다고 생각할 수도 있지만, 가치가 충분히 있다면 누군가는 만들어야만 한다고 생각할 것입니다, 맞아요? 유추할 수 있는 AI 능력을 실제로 만드는 데 돈이 들지 않는다면, 이 능력은 어떻게 되는 걸까요? 그것이 최대의 잠재력에 도달할 수 있을까요?

기술 영역의 많은 투자자들은 유추할 수 있는 AI에서 이득을 얻을 수 있는 기회가 충분히 있다고 믿기에 이미 OpenAI 및 동료들에 많은 억 달러를 투자했습니다. 하지만, 이러한 수억 달러가 이미 투자되었음에도 불구하고, 미래에 유추할 수 있는 AI의 성능이 조금씩 개선될 것이라고 강하게 의심한다는 내용을 이전에 여러 차례 썼습니다. (특히, 약속된 진전을 이루기 위한 훈련용 인간 생성 데이터 양에 대한 제한은 문제에 돈을 던져서 해결될 수 없습니다.) 즉, 유추할 수 있는 AI가 지금처럼 더 유용하거나 "똑똑"해질 것이라고 난생 단언할 수 없습니다.

<div class="content-ad"></div>

그 말씀처럼, 제 의견에 동의하든 동의하지 않든, 높은 수준의 기술을 보유하는 것은 그 기술을 활용한 제품을 만들어 사람들이 구매하고 지속 가능하고 재생 가능한 비즈니스 모델을 만드는 것과는 매우 다르다는 것을 기억해야 합니다. 멋진 새로운 것을 발명할 수 있지만, 어떤 제품팀이나 스타트업이나 기술 회사에서 말씀할 것처럼, 그것이 과정의 끝이 아니라는 것을 이해해야 합니다. 실제 사람들이 어떻게 당신의 멋진 새로운 것을 사용할 수 있고 사용하는지 파악하고 전달하고, 사람들이 당신의 멋진 새로운 것이 지속 가능한 가격으로 가치 있다고 믿게 만드는 것은 굉장히 어렵습니다.

우리는 분명히 많은 채널에서 이에 대한 제안 아이디어들이 나오고 있지만, 이 중 일부 아이디어들은 꽤 실패한 것으로 나타나고 있습니다. 지난 주 발표된 OpenAI의 새로운 검색 엔진 베타판은 이미 출력물에서 주요 오류가 발생했습니다. LLMs가 어떻게 작동하는지에 대한 내 이전 글을 읽은 사람들은 놀라지 않을 것입니다. (개인적으로는 이 제품을 개발할 때 이 명백한 문제에 대해 생각하지 않았다는 점이 놀랐습니다.) 매력적인 것으로 여겨지는 아이디어들조차도 그냥 "있어야 하는 좋은 것"이거나 사치품이 될 수 없으며, 필수적이어야 합니다. 왜냐하면 이 비즈니스를 지속 가능하게 만드는 데 필요한 가격이 매우 높아야 하기 때문입니다. 연간 소비율이 50억 달러인 경우, 수익성을 창출하고 자긍심을 유지하기 위해서는 결국 유료 사용자 기반이 엄청나야 하거나, 이러한 사용자가 내는 가격이 눈을 떰질 만큼 높아야 합니다.

# 연구는 여전히 본질적으로 가치 있지 않나요?

기술적 경계를 넓히는 데 가장 흥미를 느끼는 사람들은 어려운 상황에 처해 있습니다. 결과가 즉각적으로 실용적으로 유용하지 않더라도 연구가 연구를 위한 가치를 가지고 있는 경우는 언제나 있습니다. 그러나 자본주의는 특히 이러한 유형의 작업이 지속되는 데 좋은 수단이 없습니다. 특히 이 연구가 참여 비용이 엄청나게 높은 경우에는 더 그렇습니다. 수십 년 동안 미국은 학계의 리소스를 고갈시켜 왔기 때문에 학자와 연구자들은 사설 투자 없이는 이러한 연구에 참여할 기회가 거의 없거나 전혀 없습니다.

<div class="content-ad"></div>

제가 생각하기에 애써서 번역해 보겠습니다. 아카데미가 바로 적절한 감독 하에 이루어질 수 있는 이러한 연구를 진행할 수 있는 곳이기 때문에 이것이 정말 안타까운 일이라고 생각해요. 윤리적, 보안 및 안전 문제는 학계에서 적절히 다룰 수 있으며, 단순히 우선 순위를 두지 않는 방식으로 학계에서 탐구할 수 있어요. 학자들을 위한 연구에 대한 문화와 규범은 돈보다는 지식을 중시할 수 있지만, 민간 부문 기업이 모든 연구를 주도하고 있는 경우에는 선택이 바뀔 수 있어요. 사회가 "순수한" 연구를 할 수 있는 사람들이 발전적 AI 붐에 중요하게 참여할 수 있는데 필요한 자원에 접근할 수 없어하는 것이네요.

# 그럼, 이제 어떻게 해야 할까요?

물론, 심지어 이러한 민간 기업들조차도 더 많고 큰 모델을 훈련시키기 위한 자원이 부족할 수 있는 중요한 가능성이 있어요. 이는 저가 이 기사로 시작을 했던 인용구로 돌아오게 만들 수 있죠. 우리 기술 발전을 지배하는 경제 모델 때문에 잠재적 기회를 놓칠 수도 있어요. 합리적이지만 GPU 비용을 지탈만한 억만 달러 수준이 아닌 생성적 AI 응용 분야들은 제대로 탐구해보지 못할 수도 있으며, 사회에 해를 끼치거나 어리석거나 무용지물인 응용 프로그램은 더 많은 현금 인센티브 기회를 제공하기 때문에 투자를 받을 수 있답니다.

더 많은 내 작품은 www.stephaniekirmer.com을 방문해 주세요.

<div class="content-ad"></div>

# 더 읽을거리

- [SearchGPT: OpenAI Error](https://www.theatlantic.com/technology/archive/2024/07/searchgpt-openai-error/679248/)
- [대기업들의 인공지능 연구](https://www.washingtonpost.com/technology/2024/03/10/big-tech-companies-ai-research/)

Posts