기본 콘텐츠로 건너뛰기

[생성형 AI 모델(Gemini Advanced, Claude 3 Opus, GPT-4o)들에 대한 스프레드시트 데이터 분석 능력 비교]

생성형 AI 모델 (Gemini Advanced, Claude 3 Opus, GPT-4o) 데이터 분석 능력 비교

1930년부터 2014년까지의 월드컵 경기 데이터 (아래 시트) 를 3가지 생성형 AI 모델 (Claude AI, GPT-4o, Gemini Advanced)을 사용하여 분석하고, 그 결과를 비교 분석해보았습니다. 각 모델별로 스프레드시트 데이터를 어떻게 분석하고 시각화하여 월드컵 경기의 추세와 특징을 어떻게 설명을 하고 있는지 비교 평가 해보았습니다.

테스트용 스프레드시트 데이터는 1930년부터 2014년까지 월드컵 경기에 대한 데이터 (개최연도, 개최지, 승리국가, 준우승 국가, 평균 관중 수, 총 경기수, 골 수, 평균 골 수) 입니다.


Google Spreadsheet 데이터 원본 링크

월드컵

연도

개최지

승리국

준우승

평군관중

참가팀

경기수

골 스코어

평균 골수

1930 World Cup Uruguay

1930

Uruguay

Uruguay

Argentina

32,808

13

18

70

3.9

1934 World Cup Italy

1934

Italy

Italy

Czechoslovakia

21,353

16

17

70

4.1

1938 World Cup France

1938

France

Italy

Hungary

20,872

15

18

84

4.7

1950 World Cup Brazil

1950

Brazil

Uruguay

Brazil

47,511

13

22

88

4

1954 World Cup Switzerland

1954

Switzerland

Germany

Hungary

29,562

16

26

140

5.4

1958 World Cup Sweden

1958

Sweden

Brazil

Sweden

23,423

16

35

126

3.6

1962 World Cup Chile

1962

Chile

Brazil

Czechoslovakia

27,912

16

32

89

2.8

1966 World Cup England

1966

England

England

Germany

48,848

16

32

89

2.8

1970 World Cup Mexico

1970

Mexico

Brazil

Italy

50,124

16

32

95

3

1974 World Cup Germany

1974

Germany

Germany

Netherlands

49,099

16

38

97

2.6

1978 World Cup Argentina

1978

Argentina

Argentina

Netherlands

40,679

16

38

102

2.7

1982 World Cup Spain

1982

Spain

Italy

Germany

40,572

24

52

146

2.8

1986 World Cup Mexico

1986

Mexico

Argentina

Germany

46,039

24

52

132

2.5

1990 World Cup Italy

1990

Italy

Germany

Argentina

48,389

24

52

115

2.2

1994 World Cup United States

1994

United States

Brazil

Italy

68,991

24

52

141

2.7

1998 World Cup France

1998

France

France

Brazil

43,517

32

64

171

2.7

2002 World Cup Korea & Japan

2002

Korea & Japan

Brazil

Germany

42,269

32

64

161

2.5

2006 World Cup Germany

2006

Germany

Italy

France

52,491

32

64

147

2.3

2010 World Cup South Africa

2010

South Africa

Spain

Netherlands

49,670

32

64

145

2.3

2014 World Cup Brazil

2014

Brazil

Germany

Argentina

53,592

32

64

171

2.7

2018 World Cup Russia

2018

Russia

France

Croatia

47,371

32

64

169

2.6

(** 이 통계는 https://en.wikipedia.org/wiki/FIFA_World_Cup 에서 발췌한 것입니다 **)

각 모델별 질문 “질문: 평균 관중수 추이 분석해주세요. 필요하면 차트도 그려서 설명” 에 대한 각 모델별 분석 결과 요약

  • Claude AI: 표 형태로 데이터를 제시하고, 시대별 특징을 요약하는 텍스트 설명을 제공했습니다. 하지만 시각적인 자료가 없고, 설명이 다소 장황하다는 단점이 있었습니다.
  • GPT-4o: 차트를 통해 연도별 평균 관중 수 변화를 시각적으로 보여주고, 간결한 텍스트 설명을 제공했습니다. 하지만 차트의 시각적인 요소가 부족하고, 1994년 이후 감소 추세에 대한 설명이 없었습니다.
  • Gemini Advanced: Altair 라이브러리를 사용하여 인터랙티브한 시각화를 제공하고, 상세한 텍스트 설명과 함께 상관계수를 제시하여 통계적인 근거를 뒷받침했습니다. 

종합 평가

세 가지 모델 중 Gemini Advanced가 가장 우수한 분석 결과를 제공했습니다. 시각적인 자료와 텍스트 설명의 조화, 구체적인 수치 언급, 분석 결과에 대한 근거 제시 등이 균형 있게 이루어져 사용자가 정보를 쉽게 이해하고 해석할 수 있도록 했습니다. 다만, 

결론


이번 비교 분석을 통해 생성형 AI 모델이 월드컵 경기 데이터와 같은 스포츠 데이터 분석에 유용하게 활용될 수 있음을 확인했습니다. 특히, Gemini Advanced 모델은 뛰어난 분석 능력과 시각화 기능을 바탕으로 데이터에 대한 깊이 있는 이해를 돕는 결과를 제공했습니다.

여기서 한가지 놀라웠던 점은, Gemini Advanced 가 분석한 결과 내용중에는 2002년 한일 월드컵때에 관중수가 1994년 대비 거의 반토막 나고 1998년 보다 다소 감소한 결과에 대해서 다음과 같이 분석 설명을 했다는 사실에 놀라울 따름입니다.

‘다만, 2002년 한일 월드컵에서는 평균 관중 수가 다소 감소하는 모습을 보였는데, 이는 개최국의 지리적 위치나 경기 시간 등이 현지 관중의 참여에 영향을 미쳤을 수 있습니다.”

이 결과로 인하여 모든 스프레드시트 데이터 분석에서 Gemini Advanced 가 가장 우수한 것으로 일반화할 수는 없습니다. 단편적인 월드컵 경기 데이터만으로 평가한 결과임을 참고하여 주시기 바랍니다. 

—---------------------------------------------------------------------------------------

Claude 3 Opus :

질문: 평균 관중수 추이 분석해주세요. 필요하면 차트도 그려서 설명

답변:

평균 관중수 추이를 분석해 보겠습니다. 데이터를 연도순으로 정렬하고, 평균 관중수의 변화를 살펴보면 다음과 같습니다.

이를 그래프로 나타내면 다음과 같습니다:

분석 결과:

  • 1930년대부터 1950년대까지 평균 관중수는 2-3만 명 수준이었습니다.
  • 1950년 브라질 월드컵에서 평균 관중수가 크게 증가한 후, 1960년대부터 1980년대 중반까지 4-5만 명 수준을 유지했습니다.
  • 1994년 미국 월드컵에서 평균 관중수가 약 69,000명으로 크게 증가했지만, 이후 다시 4-5만 명 수준으로 감소했습니다.
  • 2000년대 들어 평균 관중수는 소폭 증가하는 추세를 보이며, 2014년 브라질 월드컵에서는 약 53,600명을 기록했습니다.

전반적으로 평균 관중수는 1950년대 이후 꾸준히 증가해 왔으며, 1994년 미국 월드컵에서 정점을 찍은 후 다소 감소했지만, 최근 다시 증가 추세에 있습니다. 이는 월드컵의 인기와 규모가 지속적으로 성장해 왔음을 보여줍니다. 다만 개최국의 스타디움 규모, 경제 상황, 축구 인기도 등 다양한 요인에 따라 평균 관중수에는 등락이 있었던 것으로 보입니다.

GPT-4o

연도별 월드컵 평균 관중수 추이를 분석한 결과입니다. 아래 차트는 각 대회가 열린 연도에 따른 평균 관중수의 변화를 시각적으로 나타냅니다.

분석 결과 요약:

  • 1930-1960년대: 초기 월드컵 대회에서는 평균 관중수가 비교적 낮았으나, 1950년 브라질 월드컵에서 관중수가 급증한 것을 볼 수 있습니다.
  • 1970-1990년대: 이 시기 동안 평균 관중수는 지속적으로 증가했으며, 특히 1994년 미국 월드컵에서 가장 높은 관중수를 기록했습니다.
  • 2000년대 이후: 최근 월드컵 대회에서도 여전히 높은 관중수를 유지하고 있으며, 2014년 브라질 월드컵과 2010년 남아프리카 공화국 월드컵에서도 많은 관중이 경기를 관람했습니다.

이러한 추이는 월드컵의 인기가 지속적으로 증가하고 있으며, 전 세계적으로 많은 팬들이 경기를 관람하러 온다는 것을 보여줍니다. 추가적으로 궁금한 사항이나 다른 분석이 필요하시면 말씀해 주세요. ​​

—---------------------------------------------------------------------------------

Gemini Advanced (Gemini 1.5 Pro)

월드컵 개최 연도(Year)별 평균 관중 수(Average attendance)의 추이를 분석하고 시각화하여 보여드리겠습니다.

이미지로 표시된 차트



연도별 월드컵 평균 관중 수 추이를 나타내는 그래프를 보면, 대체로 시간이 지남에 따라 평균 관중 수가 증가하는 추세를 보입니다. 특히 1994년 미국 월드컵에서 크게 증가한 이후로 높은 수준을 유지하고 있습니다.

이는 월드컵이 전 세계적으로 인기를 얻으면서 더 많은 사람들이 경기장을 찾게 된 것으로 해석할 수 있습니다. 또한, 경기 수와 참가 팀 수의 증가 또한 평균 관중 수 증가에 영향을 미쳤을 가능성이 있습니다.

다만, 2002년 한일 월드컵에서는 평균 관중 수가 다소 감소하는 모습을 보였는데, 이는 개최국의 지리적 위치나 경기 시간 등이 현지 관중의 참여에 영향을 미쳤을 수 있습니다.

전반적으로 월드컵은 시간이 지남에 따라 더 많은 관중을 끌어모으는 스포츠 행사로 성장해왔으며, 이는 월드컵의 세계적인 인기와 위상을 반영한다고 볼 수 있습니다.

참고로 연도와 평균 관중 수 간의 상관계수는 0.708로, 비교적 강한 양의 상관관계를 나타냅니다. 즉, 연도가 증가함에 따라 평균 관중 수도 증가하는 경향이 통계적으로 유의미하다는 것을 의미합니다.

댓글

이 블로그의 인기 게시물

[알아두면 쓸모 있는 구글 문서 팁] 문서 공유시- 사용자 이름 대신에 익명의 동물이 표시 되는 이유와 동물 종류

구글 드라이브에는 다른 유사 서비스에서는 제공하지 않는 구글 만의 유니크한 기능들이 있다 구글 문서를  불특정 다수에게 전체 공개로 공유할 수 있습니다. 불특정인이 구글 문서에 접속한 경우 익명의 동물로 표시됩니다.  ' 웹에 공개' 또는 '링크가 있는 사용자' 공유 설정을 선택하면 인식할 수 없는 이름이나 익명의 동물이 표시될 수 있습니다. 파일에서 인식할 수 없는 이름을 볼 수 있는 몇 가지 이유는 다음과 같습니다. 메일링 리스트와 파일을 공유합니다. Google 계정이 없는 사용자와 파일을 공유하며, 그 사용자가 다른 사용자에게 공유 초대를 전달했습니다. 내 파일을 수정할 수 있는 누군가가 파일을 다른 사용자와 공유했습니다. 다른 사용자가 자신의 Google 계정 이름을 변경했습니다. 공유 설정 페이지에서 해당 사용자 이름 위로 마우스를 이동하여 이메일 주소를 확인하세요. 익명의 동물 다른 사용자에게 개별적으로 보기 또는 수정 권한을 부여하거나 메일링 리스트에 속해 있는 경우에만 사용자 이름이 표시됩니다. 파일 권한을 '링크가 있는 사용자'로 설정하면 파일을 보고 있는 사용자의 이름이 표시되지 않습니다. 대신 다른 사용자가 익명으로 라벨이 지정되어 표시되고 각 익명 사용자는 다양한 익명의 동물로 나열됩니다. 파일 권한을 '링크가 있는 사용자'로 설정했지만 특정 사용자와 파일을 공유하는 경우 파일을 공유한 사용자의 이름이 표시됩니다. 그 외 다른 사용자가 파일을 볼 때는 익명으로 나타납니다. 비공개 파일의 익명 동물 파일 권한을 '링크가 있는 사용자'로 설정한 다음 이를 '특정 사용자'로 변경하면 다음과 같은 경우 여러 익명의 동물이 표시될 수 있습니다. 누군가 파일을 여러 번 여는 경우에는 익명의 동물 목록에서 오래되고 연결이 끊긴 세션을 강제 종료하는 데 조금 시간이 걸릴 수 있습니다. 누군가 온...

[팁] Google Slide 프리젠테이션시 모든 한글폰트가 '굴림체' 로 바뀌는 현상을 해결한 크롬 확장 프로그램 소개

구글 문서도구인 구글 슬라이드를 이용하여 프리젠테이션을 많이 하는 분들을 위한 희소식 현재 구글 슬라이드에서는 슬라이드 편집시 사용한 고유 한글 폰트들은 프리젠테이션 모드로 전환할 경우는 모두 '굴림체' 로 바뀌어 표시가 되는 불편함이 있었습니다. 예). 슬라이드 편집에서 사용한 '궁서체' 한글 폰트는, 프리젠테이션 모드에서는 '굴림체'로 바뀌어 디스플레이됨 예). 슬라이드 편집 모드 - '궁서체' 폰트 사용 프리젠테이션 모드에서 '굴림체' 로 변경됨    따라서, 이러한 현상을 해결하는 크롬 확장 프로그램이 개발 되었습니다.  크롬 확장 프로그램 명 - ShowAsis 입니다. 크 롬 웹스토어 링크 -  https://goo.gl/PVPkZz 이 확장 프로그램을 사용하여 슬라이드 프리젠테이션을 하면, 편집 모드의 폰트 그대로 프리젠테이션시에도 그대로 한글 폰트로 디스플레이 됩니다. 단, 단점은 슬라이드가 애니메이션 슬라이드가 있는 경우는 애니메이션이 동작하지 않습니다. ----------------------- G Suite/Google Apps 전문 블로그 -  charlychoi.blogspot.kr 도서 '기업과 학교를 위한 구글크롬북'

[Claude의 새로운 'Styles' 기능 소개: AI 글쓰기의 새로운 지평]

  Claude의 새로운 'Styles' 기능 소개: AI 글쓰기의 새로운 지평 오늘은 Anthropic의 AI 어시스턴트 Claude의 차별화된 글쓰기 능력과 새롭게 추가된 'Styles' 기능에 대해 심층적으로 살펴보고자 합니다. Claude의 차별화된 글쓰기 능력 Claude는 출시 초기부터 뛰어난 자연어 처리 능력과 함께, 특히 글쓰기 분야에서 독보적인 성능을 보여왔습니다. 다른 생성형 AI들이 단순 텍스트 생성에 중점을 둔 것과 달리, Claude는 맥락 이해, 논리적 구조화, 그리고 일관된 톤 유지 능력에서 탁월한 성과를 보여주었습니다. 이러한 Claude의 강점이 이번 'Styles' 기능을 통해 한층 더 강화되었습니다. Styles 기능이란? Styles는 Claude의 커뮤니케이션 방식을 사용자의 필요에 맞게 최적화할 수 있는 혁신적인 기능입니다. 이는 단순한 톤 조절을 넘어서, AI와의 상호작용을 보다 자연스럽고 효율적으로 만들어주는 중요한 발전이라고 할 수 있습니다. 사용자 경험의 혁신 S tyles 기능의 도입은 사용자들에게 다음과 같은 긍정적인 영향을 미치고 있습니다: 업무 효율성 향상 : 상황에 맞는 최적의 커뮤니케이션 스타일을 선택함으로써, 불필요한 수정 작업 감소 일관성 유지 : 팀 프로젝트에서 동일한 톤과 스타일의 문서 생성 가능 맞춤형 학습 경험 : 사용자의 학습 스타일에 맞춘 설명 방식 제공 시간 절약 : 스타일 설정 한 번으로 일관된 output 유지 주요 기능 및 활용 방법 1. 프리셋 스타일 Normal: 기본적인 응답 스타일 Concise: 간단명료한 응답 Formal: 전문적이고 정제된 응답 Explanatory: 교육적 목적에 최적화된 상세 설명 2. 커스텀 스타일 생성 샘플 문서 업로드 방식 PDF, DOC, TXT 등 다양한 형식 지원 AI가 문서를 분석하여 사용자의 선호 스타일 학습 직접 스타일 정의 방식 기본 템플릿 선택 후 커스터마이징 세부적인 커뮤니케이션 지침 설...

[Genspark - 세계 최초의 에이전트 혼합(MoA) 시스템 출시] AI 채팅, 이미지 생성, 번역의 혁신적인 경험!

  세계 최초의 에이전트 혼합(MoA) 시스템 출시 "지난 몇 달간 이것은 제가 사용하던 ChatGPT를 완전히 대체했습니다." — Genspark MoA 얼리 액세스 사용자 AI의 품질, 안정성, 신뢰성에 있어 획기적인 진전을 알려드리게 되어 기쁩니다. Genspark 에이전트 혼합(MoA)은 세계 최초의 상용화된 MoA 시스템으로, 다수의 대규모 언어 모델, 이미지 생성 모델, 번역 도구의 기능을 통합하여 채팅, 이미지, 번역 작업에서 뛰어난 정확도와 신뢰성을 제공합니다. MoA는 여러 AI 모델의 전문성을 결합한 혁신적인 접근 방식으로, 각 모델의 고유한 강점을 활용하여 개별 모델이 혼자서는 달성할 수 없는 탁월한 결과를 만들어냅니다. MoA만의 특별한 점 기존의 단일 모델 AI 시스템과 달리, MoA는 각 작업에 특화된 여러 고급 모델의 응답을 종합하고 개선합니다. 이러한 모델들의 집단 지성을 활용함으로써, MoA는 더욱 정확하고 섬세하며 신뢰할 수 있는 응답을 제공하여, 단일 모델로는 불가능한 수준의 AI 경험을 사용자에게 제공합니다. MoA의 작동 원리 집단 지성: 각 모델이 전문화된 응답을 제공하여 정보의 다양성을 높이고 작업에 최적화된 고유한 관점을 제시합니다.  성찰과 개선: MoA는 다양한 응답을 분석하고 신중하게 통합하며, 핵심 일관성을 파악하여 각 모델의 강점을 살린 결과물을 도출합니다.  신뢰성 있는 출력: 최종 응답은 여러 모델의 통찰력을 진정으로 통합한 것으로, 세련되고 일관성 있으며 깊이 있는 신뢰할 수 있는 품질을 보장합니다. 다양한 응용 분야에서의 신뢰성 확장 채팅: MoA는 여러 언어 모델의 응답을 결합하여 채팅 경험을 향상시킵니다. 각 모델의 기여를 세심하게 분석하여 균형 잡히고 정확한 답변을 제공합니다. 이러한 분석 과정을 통해 모든 응답이 정확성, 맥락, 깊이 면에서 균형을 이루도록 보장합니다. 이미지 생성: 사용자의 요청이 여러 이미지 생성 모델에 전달되어 다양한 결과물이 생성됩니다. 사용자가 ...

구글 드라이브에서 내 파일이 갑자기 사라졌어요 [알아두면 쓸모 있는 구글 드라이브 팁]

  구글 드라이브에서 고아가 된(정리 되지 않은)  파일들에 대한 현상 및 복원 방법 및 공유 드라이브 활용 목차  배경 내 파일이나 폴더가 사라지고 (삭제된 것은 아님) 찾을 수 없는 현상 고아가 된 파일 (정리가 안된 파일) 을 찾아 내고 복원하는  방법 고아가 된 과정을 추적하는 방법 배경   구글 드라이브의 내 드라이브에서 협업을 위한 협업 폴더를 생성한 후 다른 팀원간들간에 공유하여 작업하는 동안 예기치 못하게 내가 생성한 파일들 또는 폴더가 갑자기 사라지는 현상이 발생 할 수 있습니다. 또한 이를 경험한 사용자들이 많이 있습니다.  내가 파일이나 폴더를 삭제하지 않았는데 불구하고 휴지통에도 없고, 내가 삭제한 기억도 없고, 이러한 현상이 발생할 경우에는 본 벡서서에서 설명하는 해당 폴더나 파일들이 ‘고아 (Orphaned)’ 가 된 상태가 되어있는게 분명합니다.  한글 도움말에는 ‘정리가 되지 않은 파일 (또는 분리가 된 파일)' 이라고 설명되어 있기도 합니다. 고아가 된 파일들은 어떠한 폴더에도 속하여 있지 않고, 내 휴지통에도 존재하지 않는 현상입니다. 그러나, 구글 드라이브에서는 용량을 계속 차지 않고 있는 상태입니다. 간혹 왜? 내가 삭제한 적이 없는데 파일이 없어졌거나 폴더가 보이질 않는 경우 당황하지 않고 이문서를 자세히 참조하면 해답을 찾을 수 있습니다.   내 파일이나 폴더가 사라지고 (삭제된 것은 아님) 찾을 수 없는 현상      1. 내 드라이브에서 Folder A를 생성하고 Folder A 안에 File A 를 생성 합니다. 나중에 File A를 삭제 하고, 그 이후에 Folder A 까지 삭제를 할 수 있습니다. 그후 휴지통에서 File A만 복원을 할 경우 삭제된 File A 를 복원하려고 하는데 File A가 존재하였던 상위 폴더 ‘Folder A’는 이미 삭제된 상태입니다. 이럴때 File A는 ...