Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Analysing Environmental Efficiency in AI for X-Ray Diagnosis

Created by
  • Haebom
Category
Empty

저자

Liam Kearns

개요

AI 도구를 의료 분야에 통합하여 진단의 효율성을 높이는 것을 목표로 하며, 특히 ChatGPT 및 Claude와 같은 대규모 언어 모델(LLM)의 등장은 이러한 통합을 더욱 확장했습니다. 본 논문에서는 Mendix 애플리케이션에 LLM과 작은 판별 모델을 통합하여 흉부 X-레이에서 Covid-19를 감지합니다. 또한, 판별 모델은 LLM의 정확성을 향상시키기 위한 지식 기반을 제공하는 데 사용됩니다. 14가지 모델 구성을 비교하여 정확도와 환경 영향을 비교 평가했습니다.

시사점, 한계점

•
시사점:
◦
소규모 모델은 애플리케이션의 탄소 발자국을 줄일 수 있습니다.
◦
Covid-Net 모델이 가장 효율적인 솔루션으로 나타났으며, 높은 정확도(95.5%)를 달성하면서도 GPT-4.5-Preview에 비해 탄소 발자국을 99.9% 줄였습니다.
◦
생성 모델(LLM)을 분류 작업에 사용하는 것의 환경적 위험성을 강조합니다.
•
한계점:
◦
소규모 모델은 양성 진단에 대한 편향성을 보일 수 있으며, 출력 확률의 신뢰도가 낮을 수 있습니다.
◦
LLM을 확률적 출력으로 제한하면 정확도와 탄소 발자국 모두에서 성능이 저하될 수 있습니다.
◦
LLM을 범용 AI 솔루션으로 사용하는 것의 위험성을 보여줍니다.
👍
Made with Slashpage