Eunkwang Shin

• Part1 기출
• Part2,3 기출
• 방법

D1, Plants​

• Do you keep plants at homes?
  • Yes, I do. I have one plant on my living room desk and another on the dining table. I’m not exactly sure what type they are, but I bought them from an online store because I wanted to try growing some plants.
• What plant did you grow when you were young?
  • When I was young, I used to grow vegetables and flowers at home. Sometimes, I’d even pick a few lettuce leaves and enjoy eating them.
• Do you know anything about growing a plant?
  • Well, I don’t know the best growing methods exactly, but I do know the basics. I usually water my plants once a week, keep them near a window for sunlight, and sometimes use fertilizer to enrich the soil.
• Do Chinese people send plants a gifts?
  • Yes, they do. Although I haven’t experienced it personally, I know that Chinese people often give plants as gifts because they symbolize life, prosperity, and beauty.

D2, Holidays​

• Where did you go for your last holiday?
  • I went to Jeju Island because my parents live there. I visited Youngmeori beach with them. The rock formations there are amazing because they were shaped by waves over thousands of years.
• Do you like holidays? Why?
  • I really like holidays because I've worked for ten years and don't get many vacations. So when I have a holiday, I usually go on a short trip abroad with my wife.
• Which public holiday do you like the best?
  • Maybe New Year's Day, because it's the biggest holiday in Korea, and I get to celebrate it with my loved ones.
• What do you do on holidays?
  • Sometimes I go on a short trip to another country, and other times I just want to completely relax at home.
• Do you like to spend your day at home?
  • Yes, as I mentioned earlier, I sometimes like to completely rest at home. I enjoy it because it helps me recharge and get ready for the next week. Plus, watching Netflix with my wife helps me relieve stress.
• Do you prefer a leisure or a busy holiday?
  • It depends on my condition. When I'm feeling good, I love going out, having coffee, and enjoying outdoor activities. But When I'm not, I prefer a leisurely holiday at home.

D3, Science​

• Do you like science?
• When did you start to learn about science?
• Which science subject is interesting to you?
• What kinds of interesting things have you done with science?
• Do you like watching science TV programs?
• Do people in your country often visit science museums?

MCP 개요​

MCP 개념​

• AI 모델이 외부 데이터 소스 및 도구와 원활하게 통합될 수 있도록 하는 개방형 프로토콜
• 2024년 11월에 Anthropic에서 오픈 소스로 공개, AI 생태계에서 USB-C 포트와 같은 역할을 수행

MCP 등장배경​

• 정보 사일로, 데이터 고립 해결
• AI 모델 통합시 각 데이터소스마다 사용자 정의 코딩으로 인한 비효율 -> AI 시스템의 활용 범위 제한
• AI 에이전트와 에이전틱 워크플로우 발전 -> 실제 비즈니스 시스템과 데이터의 통합 필요성 대두

MCP 구성도, 구성요소, 활용방안​

MCP 구성도​

MCP 구성요소​

MCP 활용방안​

MCP, LSP 차이점​

MCP는 LSP, Language Server Protocol에서 영감 받음

MCP 예시 코드​

#!/usr/bin/env node
import { Server } from "@modelcontextprotocol/sdk/server/index.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import {
  ListToolsRequestSchema,
  CallToolRequestSchema,
  McpError,
  ErrorCode
} from "@modelcontextprotocol/sdk/types.js";

// MCP 서버 인스턴스 생성
const server = new Server({
  name: "mcp-simple-server",
  version: "1.0.0",
});

// 도구 목록 제공 핸들러
server.setRequestHandler(ListToolsRequestSchema, async () => {
  return {
    tools: [{
      name: "calculate_sum",
      description: "두 숫자를 더합니다",
      inputSchema: {
        type: "object",
        properties: {
          a: { type: "number" },
          b: { type: "number" }
        },
        required: ["a", "b"]
      }
    }]
  };
});

// 도구 호출 핸들러
server.setRequestHandler(CallToolRequestSchema, async (request) => {
  if (request.params.name === "calculate_sum") {
    const { a, b } = request.params.arguments;
    return { toolResult: a + b };
  }
  
  throw new McpError(ErrorCode.ToolNotFound, "도구를 찾을 수 없습니다");
});

// 표준 입출력을 통한 MCP 서버 연결
const transport = new StdioServerTransport();
await server.connect(transport);

• Github: cloudflare/mcp-server-cloudflare 예시가 알기 쉬움

테스트 타임 컴퓨트 개요​

테스트 타임 컴퓨트 개념​

• 추론 단계에서 동적 계산 자원 할당을 통해 모델 성능을 최적화하는 기술
• 기존 모델 스케일링 접근법과 달리 파라미터 확장 대신 추론 시 연산량을 가변 조절함으로써, 동일 아키텍처에서도 문제 난이도에 따른 효율적 자원 관리가 가능
  • 훈련 시간 계산(Train-Time Compute) 대비 추론 단계 계산 최적화

테스트 타임 컴퓨트 배경​

• 데이터 고갈 문제: 대규모 학습 데이터 확보의 물리적 한계
• 에너지 효율성 요구: 100B+ 파라미터 모델의 환경 부담 증가
• 엣지 컴퓨팅 수요: 모바일 기기에서의 실시간 추론 필요성
• LLM 스케일링 한계: 단순 모델 확장의 성능 한계 돌파 필요

테스트 타임 컴퓨트 구성도, 구성요소, 적용방안​

테스트 타임 컴퓨트 구성도​

테스트 타임 컴퓨트 구성요소​

테스트 타임 컴퓨트 적용방안​

테스트 타임 컴퓨트 발전방향​

• PRM(Process Reward Model) 고도화
  • 계층적 점수화(Hierarchical Scoring): 추론 단계별 가중치 차등 적용
  • 교차 검증 메커니즘: 다중 PRM 앙상블을 통한 편향 감소
• 에지 컴퓨팅 통합
  • 분산 검증 아키텍처: 모바일 디바이스-클라우드 협업
  • 양자화 기반 경량화: 8비트 PRM 모델 개발

내부 게이트웨이 프로토콜​

• 네트워크 규모에 따라 소규모 네트워크에서 주기적으로 라우팅 정보를 교환하는 RIP, 대규모 네트워크에서 Dijkstra 알고리즘을 사용하여 최단 경로를 계산한 OSPF 선택

RIP, OSPF 동작 매커니즘, 상세 비교, 활용 방안​

RIP, OSPF 동작 매커니즘​

RIP, OSPF 상세 비교​

RIP, OSPF 활용 방안​

이동형 영상정보처리기기의 개념​

• 자율주행차, 로봇, 드론, 바디캠, 스마트 가전 등의 기기에 부착된 영상처리 장치를 의미하며, 영상 수집·처리 기능을 갖춘 기기
• AI 및 IoT 기술과 융합되어 공공 안전, 교통 관제, 환경 모니터링 등 다양한 분야에서 활용됨
• 사회적 편익 증가하나, 개인정보보호 및 프라이버시 침해 가능성

이동형 영상정보처리기기 개념도, 구성요소, 개인정보보호 방안​

이동형 영상정보처리기기 개념도​

• 정보주체가 촬영에 대한 거부의사 없는 경우와 안전용도의 사생활침해우려장소 촬영 허용

이동형 영상정보처리기기 구성요소​

이동형 영상정보처리기기 개인정보 보호방안​

참조​

• 국가법령정보센터: 개인정보 보호법 25조의 2

영지식 증명 개념​

• 한 당사자(증명자, Prover)가 다른 당사자(검증자, Verifier)에게 특정한 정보를 알고 있다는 사실을 입증하면서, 해당 정보 자체는 공개하지 않는 암호학적 기법
• 개인정보 보호 강화, 거래내역 익명 처리, 스마트 계약 조건 검증, 개인정보 규제/신뢰 준수, 중간자 공격 방지

영지식 증명 매커니즘, 구성요소, 활용방안​

영지식 증명 매커니즘​

• 완전성, 건전성, 영지식성을 만족하여 비밀을 알고 있는 것을 증명

영지식 증명 구성요소​

영지식 증명 활용방안​

영지식 증명 도입을 위한 고려사항​

AI 기본법 개념​

• 인공지능 기술의 발전과 신뢰성 확보를 목표로, AI 관련 법적·제도적 기반을 마련하는 법률

AI 기본법 목적​

• AI 기술의 윤리적·사회적 문제 해결
• 고영향 AI와 생성형 AI의 안전성·투명성 확보
• 산업 발전과 규제 간 균형 유지

AI 기본법 제정 필요성​

• 기술 발전 가속화: AI 기술이 급격히 발전하면서 사회적 위험(편향성, 개인정보 침해 등) 증가
• 글로벌 규제 동향: EU AI Act, 미국 행정명령 등 해외 주요국의 AI 법제화에 따른 국내 대응 필요
• 산업 경쟁력 강화: AI 산업 육성을 위한 법적·제도적 지원 체계 마련

AI 기본법 구성도, 핵심요소, 활성화방안​

AI 기본법 구성도​

AI 기본법 핵심요소​

AI 기본법, EU AI Act 비교​

AI 기본법 기대효과​

인공지능 모델 최적화 개념​

• AI 모델의 성능, 효율성, 확장성을 극대화하기 위한 다양한 방법론
• DeepSeek 등 최신 LLM의 등장으로, 대규모 언어 모델의 학습 비용과 리소스 사용량 문제를 해결하기 위한 최적화 기법이 활성화
• 핵심 목표
  • 성능 개선: 복잡한 문제 해결을 위해 모델의 학습 능력과 추론 능력을 강화.
  • 효율성 향상: 대규모 모델의 리소스 사용량을 줄이고 운영 비용 절감.
  • 확장성 보장: 다양한 환경(클라우드, 엣지, 온디바이스)에서 유연하게 적용 가능한 모델 설계
• 필요성
  • LLM의 한계: 대규모 모델은 높은 정확도를 제공하지만, 학습/추론 비용이 매우 높음
  • 최적화 필요성: 실시간 처리가 필요한 모바일, IoT, 엣지 디바이스 등에서도 고품질 AI 서비스 제공을 위해 경량화된 모델 설계가 필수적

GRPO, Group Relative Policy Optimization​

MoE, 전문가 기반 혼합​

Mixture of Experts

Distillation, 지식 증류​

CoT, Chain of Thought​

인공지능 모델 최적화 기법 비교, 사례​

인공지능 모델 최적화 기법 비교​

인공지능 모델 최적화 기법 사례​

가트너 2025​

가트너 2025 구성도​

가트너 2025 구성요소​

• AI 필수요소와 리스크
  • 에이전틱 AI
  • AI 거버넌스 플랫폼
  • 허위정보 보안
• 컴퓨팅의 새 지평
  • 양자내성암호
  • 앰비언트 인비저블 인텔리전스
  • 에너지 효율적 컴퓨팅
  • 하이브리드 컴퓨팅
• 인간-기계 시너지
  • 공간 컴퓨팅
  • 다기능 로봇
  • 신경학적 향상

Grover 알고리즘 개념​

• 양자 중첩과 확률 진폭 증폭을 활용하여 비구조적 데이터베이스에서 특정 항목을 검색하는 데 사용되는 검색 알고리즘
• $O(\sqrt{N})$ 로 검색속도 향상 / 암호화된 키 공간 효율적 탐색 / 양자 병렬성 활용 고전 검색 알고리즘 한계 극복

Grover 알고리즘 동작 매커니즘, 동작 원리​

Grover 알고리즘 동작 매커니즘​

Grover 알고리즘 동작 원리​

Grover 알고리즘 효율성 비교, 적용 사례​

Grover 알고리즘 효율성 비교​

Grover 알고리즘 적용 사례​

Grover 알고리즘 고려사항​