스탠포드 대학의 혁신적인 AI 프로젝트 STORM은 어떤 주제에 대해서도 포괄적인 Wikipedia 스타일의 기사를 생성할 수 있는 놀라운 기능을 제공합니다. 주제만 제공하면 STORM이 웹을 조사하고 관련 정보를 종합하여 상세하고 체계적인 기사를 작성하며, 출처 웹사이트에 대한 참고 자료도 제공합니다.

AI 기반 시스템인 STORM은 다양한 주제에 대한 정보 콘텐츠를 신속하고 효율적으로 생성할 수 있어 혁신적입니다. 웹을 효과적으로 검색하고 관련 정보를 식별하여 체계적이고 잘 연구된 기사로 구성합니다.

STORM의 주요 특징 중 하나는 정보 수집을 위해 사용된 출처 웹사이트를 참고 자료로 제공한다는 점입니다. 이를 통해 콘텐츠의 신뢰성을 보장하고 사용자가 해당 주제를 더 깊이 탐구할 수 있습니다.

STORM 기술의 활용 범위는 교육, 연구, 콘텐츠 제작, 지식 공유 등 다양합니다. 요구만 있으면 고품질의 정보 기사를 생성할 수 있어 시간을 절약하고 워크플로를 효율화할 수 있으며, 사용자가 지식을 더 효과적으로 탐구하고 공유할 수 있습니다.

STORM은 계속 발전하고 있으며, 향후 '인간-AI 협업 모드'와 같은 기능이 추가될 예정입니다. 이를 통해 이 놀라운 AI 시스템의 가능성은 더욱 확대될 것입니다. STORM의 힘을 경험하고 효율적이고 포괄적인 콘텐츠 생성의 새로운 시대를 열어보세요.

STORM AI를 로컬에 설치하고 설정하려면 다음 단계를 따르세요:

1. Visual Studio Code(VSCode)를 열고 프로젝트를 저장할 디렉토리로 이동합니다.
2. 터미널에서 다음 명령어를 실행하여 STORM GitHub 리포지토리를 복제합니다:

   git clone https://github.com/stanford-crfm/storm.git
   

3. storm 디렉토리로 이동합니다:

   cd storm
   

4. 선호하는 환경 관리 도구(예: conda, venv)를 사용하여 새로운 Python 환경을 생성합니다:

   conda create -n storm python=3.11
   

5. 환경을 활성화합니다:

   conda activate storm
   

6. 다음을 실행하여 필요한 종속성을 설치합니다:

   pip install -r requirements.txt
   

7. 프로젝트 루트 디렉토리에 secrets.toml 파일을 생성하고 OpenAI API 키와 Bing Search API 키를 추가합니다:

   open_ai_api_type = "openai"
   open_ai_api_key = "your_openai_api_key"
   bing_search_api_key = "your_bing_search_api_key"
   

8. secrets.toml 파일을 frontend/streamlit 디렉토리로 복사합니다:

   cp secrets.toml frontend/streamlit/
   

9. frontend/streamlit 디렉토리로 이동합니다:

   cd frontend/streamlit
   

10. Streamlit 서버를 시작합니다:

    streamlit run storm.py
    

STORM AI 애플리케이션이 이제 http://localhost:8501에서 실행되고 있습니다. 주제를 입력하고 "Research" 버튼을 클릭하여 첫 번째 연구를 시작할 수 있습니다.

로컬에 STORM AI를 설치하지 않고도 테스트할 수 있습니다. 이 프로젝트는 storm.genie.stanford.edu에 데모 페이지를 제공하여 사전 연구된 페이지를 확인할 수 있습니다.

데모 페이지에는 STORM AI 시스템에 의해 완전히 연구된 여러 페이지가 이미 있습니다. 이 페이지를 탐색하면 시스템의 기능을 확인할 수 있습니다.

곧 출시될 '인간-AI 협업 모드'는 매우 유망해 보이며, 사용자가 AI 시스템과 더 협력적으로 상호 작용할 수 있게 해줄 것입니다.

전반적으로 데모 페이지는 설치 과정 없이도 STORM AI 시스템을 경험할 수 있는 좋은 방법입니다. 이를 통해 시스템의 뛰어난 연구 기능과 향후 인간-AI 협업 기능의 발전 가능성을 확인할 수 있습니다.

제공된 정보에 따르면 스탠포드의 STORM AI 프로젝트는 현재 '인간-AI 협업 모드'라는 새로운 기능을 개발 중입니다. 이 기능은 사용자와 AI 시스템 간의 더 상호 작용적이고 협력적인 접근 방식을 가능하게 할 것으로 보입니다.

이 upcoming 기능의 세부 사항은 아직 완전히 알려지지 않았지만, 트랜스크립트에 따르면 사용자가 AI와 더 역동적으로 상호 작용하고, 연구 과정에 대한 실시간 피드백과 개선, 그리고 인간의 전문성과 AI 기능의 더 원활한 통합이 가능할 것으로 보입니다.

이 인간-AI 협업 모드의 출시는 매우 흥미로운 발전이며, STORM AI 시스템의 유용성과 다양성을 높일 수 있을 것으로 기대됩니다. 사용자는 AI의 연구 기능을 활용하면서도 지식 생성 과정에 더 적극적으로 참여할 수 있게 될 것입니다.

STORM AI의 로컬 설정 문제를 해결하고 최적화하려면 다음과 같은 단계를 고려해 보세요:

1. 환경 설정 확인: Python 환경이 올바르게 구성되었는지 확인합니다. pip freeze 명령어를 실행하고 출력 결과를 requirements.txt 파일과 비교하여 필요한 종속성이 설치되었는지 확인합니다.

2. secrets.toml 파일 확인: secrets.toml 파일에 OpenAI와 Bing(또는 다른 검색 제공업체) API 키가 올바르게 입력되었는지 확인합니다. 구문과 값을 다시 한 번 확인하여 오타나 오류가 없는지 점검합니다.

3. 로그 검사: STORM AI 애플리케이션에서 생성된 로그를 주의 깊게 검토합니다. 문제의 원인을 알려줄 수 있는 오류 메시지나 경고 메시지를 찾아봅니다.

4. 대체 검색 제공업체 탐색: Bing API를 사용한 웹 스크래핑에 문제가 있는 경우, Google이나 Wolfram Alpha와 같은 다른 검색 제공업체를 고려해 보세요. STORM AI 프로젝트에서 이러한 제공업체를 지원할 수 있거나, 사용자가 직접 맞춤형 웹 스크래핑 솔루션을 구현해야 할 수 있습니다.

5. 로컬 LLM 통합 조사: 트랜스크립트에 언급된 바와 같이, STORM AI 프로젝트는 LLaMA 또는 Vicuna와 같은 로컬 대규모 언어 모델(LLM)을 통합할 수 있습니다. 문서와 GitHub 이슈를 살펴보고 이러한 로컬 LLM 옵션을 활용할 수 있는지 확인해 보세요. 이를 통해 더 자체 포함적이고 오프라인 친화적인 솔루션을 얻을 수 있습니다.

6. 업데이트 확인: STORM AI GitHub 리포지토리를 주시하여 트랜스크립트 기록 이후 도입된 업데이트, 버그 수정 또는 새로운 기능이 있는지 확인합니다. 이 프로젝트는 적극적으로 유지 관리되고 있으며, 개발자들이 문제를 해결했을 수 있습니다.

7. 커뮤니티 지원 요청: 계속해서 어려움을 겪는 경우, GitHub 또는 관련 포럼에서 STORM AI 커뮤니티에 문의해 보세요. 개발자와 다른 사용자들이 설정 문제 해결을 위한 안내와 지원을 제공할 수 있습니다.

STORM AI의 로컬 설정에는 일정 수준의 기술적 복잡성이 있지만, 인내심과 노력을 가지고 해결해 나가면 로컬 머신에서 원활하게 실행할 수 있을 것입니다.

STORM AI를 로컬에서 실행하면 OpenAI API에만 의존하는 것보다 다음과 같은 이점이 있습니다:

1. 오프라인 기능: STORM AI를 로컬에서 실행하면 인터넷 연결 없이도 연구와 기사 생성을 수행할 수 있습니다. 이를 통해 도구의 접근성과 외부 API 의존성이 낮아집니다.

2. 프라이버시와 보안: 자신의 머신에서 STORM AI를 실행하면 데이터에 대한 더 많은 통제권을 가질 수 있어 프라이버시와 보안이 향상됩니다.

3. 맞춤화와 유연성: STORM AI를 로컬에서 호스팅하면 자신의 데이터 소스와 통합하거나 기본 알고리즘을 수정하는 등 도구를 사용자 정의할 수 있습니다.

4. 비용 절감: OpenAI API를 사용하면 편리하지만, 로컬에서 실행하면 특히 사용량이 많은 경우 비용을 절감할 수 있습니다.

5. 지연 시간 감소: 로컬 머신에서 연구와 기사 생성을 수행하면 OpenAI API를 사용할 때보다 응답 시간이 더 빨라질 수 있습니다.

소개에 제공된 자세한 지침에 따라 STORM AI를 로컬에 설정하세요. 로컬 배포 옵션을 활용하면 이 강력한 AI 연구 도구의 전체 잠재력을 활용하고 자신의 요구 사항에 맞게 조정할 수 있습니다.

이 트랜스크립트에 소개된 스탠포드 프로젝트는 어떤 주제에 대해서도 포괄적인 Wikipedia 스타일의 기사를 생성할 수 있는 인상적인 AI 기반 도구입니다. 이 시스템의 주요 특징은 다음과 같습니다:

• 비즈니스, 산업, 의료, 교육, 보안 등 다양한 관점에서 주제를 심도 있게 연구할 수 있습니다.
• 기사에 제시된 각 사실에 대해 원본 웹 소스에 대한 참고 자료를 제공하여 투명성과 신뢰성을 보장합니다.
• OpenAI API에 의존하는 웹 검색 기능을 제외하고는 로컬에서 실행할 수 있습니다.
• storm.genie.stanford.edu의 데모 페이지를 통해 로컬 설치 없이도 시스