AI는 어떻게 진화하는가?

AI는  여러 가지 방면으로 발전하고 있다. 자율 주행차, 의료진단 , 개인화된 경험을 제공하는  서비스, 환경 보호 및 에너지 효율성 향상을 위한 기술 등이다.

구글의 알파고가 2016년 처음 이세상에 모습을 들어낸 지 약 7년이 흘렀다.
AI 혁신은 애플리케이션 및 서비스에 적용되어 빠르게 우리 삶 속에 스며들고 있다.  

기업들은 생성형AI로
비즈니스 활로를 모색하며 서비스를 고도화하고 있다.
  생성형 AI의 변화 속도가 눈부시게 변화하고 있다.

•생성형 AI를 처음으로 선보였던 챗GPT(ChatGPT)와 같은 거대언어모델(LLM)
• 달리(Dall-E)와 같은 이미지 생성 AI  
• 거대 멀티모달모델(LMM)이 나타났다.

1. 생성형 AI 출현
챗GPT가 촉발한 생성형 AI는 이미지 생성 AI로 확장되었다.
생성형 AI는 알고리즘을 토대로 콘텐츠, 예술, 음악 등을 만들 수 있도록 하는 기술이다.  
창의적인 결과물을  생성하기 위해 인간의 행동, 사고 과정 및 창의성을 시뮬레이션 할 수 있는 알고리즘을 기반으로 한다. 알고리즘에 적용된 매개변수와 이전에 학습한 패턴을 바탕으로 새로운 콘텐츠나 데이터를 생성한다.
기존 데이터를 단순히 가공하거나 분석하는 것이 아니라 새롭고 독창적인 콘텐츠를 생성하는 것이다.

일반적으로 생성형 AI 모델은 패턴을 학습하고 훈련하여 데이터와 유사한 새로운 출력물을 생성하기 위해 엄청난 데이터셋에서 훈련된다.

생성형 AI는 오픈 AI(OpenAI) 사가 2022년 11월 GPT-3.5(Generative Pre-trained Transformer) 모델 기반 챗GPT(ChatGPT)를 출시하면서 대중에게  알려지기 시작했다.
GPT는 딥러닝 기술을 사용하여 인간과 유사한 텍스트를 생성하는 대규모 자연어 기술이다.  
출시 5일 만에 100만 명이 넘게 챗GPT를 이용했고 한 달이 지나서는 대략 1,000만 명이 가입했으며, 2달 만에 이용자 1억 명을 달성했다.
또한 오픈 AI는 4개월 만에 GPT-4라는 새로운 대형언어모델(LLM, Large Language Model)을 출시했다.

2. 생성형AI의 진화
이미지 생성형 AI
달리(DALL·E), 미드저니(Midjourney)와 같이 텍스트를 기반으로 이미지를 생성할 수 있는 이미지 생성형AI가 나타났다.
복잡한 자연어 프롬프트를 이해하여 사람이 그린 것 같은 똑같은 정교한 이미지를 생성하는 것이다.
이미지 생성 AI는 짧은 단어에 그치지 않고 긴 문장까지 소화하며 이를 구체적인 이미지로 표현한다.
이와 관련된  기반 기술은 확산(Diffusion) 모델과 적대적 생성 신경망(GAN, Generative Adversarial Network) 모델이다.

확산 모델은 노이즈로 구성된 원본 이미지에서 노이즈를 점진적으로 제거하여  원본에 가까운 이미지를 생성하는 기술이다.
AI는 형체를 알아볼 수 없는 상태에서 원본에 가까운 상태로, 그리고 다시 반대로 오가는 작업을 반복하며 결과를 학습한다.

• 적대적 생성 신경망 모델은 생성자(Generator)와 구분자(Discriminator) 간의 적대적 대립을 통해 실제와 구분하기 어려운 가짜 데이터 생성을 유도한다.
생성자는 실제가 아닌 데이터를 만들고 구분자는 그 데이터를 실제와 구별하는 역할을 맡는다. 이런 과정을 반복해 실제와 아주 가까운 이미지를 생성한다.

초기 이미지 생성 AI는 적대적 생성 신경망 모델이 중심이었으나 생성자와 구분자가 고루 학습되지 않으면 편향적인 결과를 낳을 수 있다는 단점이 있었다.

학습 및 생성에 더 안정적인 확산 모델이 자연어 프롬프트로부터 이미지를 생성하는 데 두각을 나타내기 시작했고, 많은 이미지 생성 AI가 확산 모델을 채택하고 있다.

3.HW·클라우드·파운데이션 모델 등 생성형 AI 생태계 구성

최근 업계 동향에 따르면 생성형 AI 생태계는 아키텍처 하단을 기준점으로 크게 △하드웨어(HW) △클라우드 △파운데이션 모델 △ML옵스(MLOps) △애플리케이션 △서비스 등 크게 여섯 개 업계가 활약하고 있다.

• 생성형 AI를 유지해주는 HW
일반적으로 생성형 AI는 콘텐츠를 생성하기 위해 수많은 데이터와 파라미터 학습이 요구된다.  오픈 AI의 GPT-3는 약 45 테라바이트(TB)의 텍스트 데이터로 훈련된 것으로 알려진다. 이 같이 수많은 데이터를 학습하기 위해선 수십억 개의 매개변수를 병렬로 처리할 수 있는 가속기 칩을 갖춘 그래픽처리장치(GPU)나 텐서처리장치(TPU)로 구성된 대규모 클러스터가 필요하다.
이렇게 생성형 AI 모델을 훈련했더라도 대규모 클러스터를 기반으로 모델을 조정하고, 애플리케이션에서 실행해야 한다.
이를 위해서는 AI 프로세서가 필요하다. 때문에 기존 컴퓨터 HW 역량을 보유한 엔비디아(NVIDIA)와 AMD, 인텔(Intel), 구글(Google) 같은  기업이 활약하고 있다.

● 클라우드
현재 생성형 AI를 구축·학습·구동하기 위해 필요한 GPU와 TPU는 가격이 비싼 데다 공급이 부족한 상황이다. 때문에 많은 기업들이 대규모 AI 모델을 구축하고 조정 및 실행하는 작업을 클라우드에서 수행하고 있다.
필요한 만큼 GPU 사용량을 늘리고 줄일 수 있기 때문이다. 아마존웹서비스(AWS), 마이크로소프트(MS)와 같은 해외 클라우드 서비스 제공사(CSP)부터 네이버클라우드, KT클라우드 등 국내 CSP까지 대부분의 CSP들은 생성형 AI 워크로드를 실행하고 이를 구동할 수 있는 서비스를 제공하고 있다.

● 파운데이션 모델. 파운데이션 모델은 쉽게 말하면 생성형 AI의 근간으로 자리하고 있는 알고리즘 모델이다. GPT-3, GPT-4, 라마 등이 대표적이다.
파운데이션 모델은 인간의 뇌에 연결된 수십억 개의 뉴런에 영감을 받은 확장된 인공신경망(ANN, Artificial Neural Network)을 포함하고 있다.
생성형 AI 애플리케이션을 구동하는 파운데이션 모델은 이전의 딥러닝 모델과는 달리, 매우 크고 다양한 형태의 비정형 데이터를 처리하고 여러 작업을 수행할 수 있다는 점에서 차이가 있다.

파운데이션 모델을 훈련하기 위해선 상당한 컴퓨팅 자원이 필요하다. 통상 모델 훈련 과정의 초반에는 무작위 결과를 출력하고 이후 정확도를 높이기 위해 신경망의 가중치를 조정하기도 하며, 이 같은 과정을 수백만 번 수행한다.

최근에는 sLLM(small Large Language Model)과 같이 특정 산업 및 기업을 위한 작은 규모의 모델이 인기를 끌고 있다. 실제로 대기업이나 데이터의 보안 중요도가 높은 기업의 경우 LLM을 자사가 보유한 IT 환경에서 동작하고자 sLLM 형태로 파운데이션 모델을 도입하고 있다.

● ML옵스
생성형 AI 생태계에서 ML옵스는 파운데이션 모델을 활용하여 애플리케이션을 구축하기 위해서는 파운데이션 모델을 적용하고 애플리케이션 내에 배포하기 위한 도구다. 추가 훈련 데이터를 통합하고 레이블을 지정하거나 애플리케이션이 모델과 상호 작용할 수 있는 API를 구축하는 기능이 포함된다.

소스코드가 공개되지 않은 특정 기업의 상용 모델의 경우 라이선스 계약을 통해 파운데이션 모델에 접근할 수 있도록 API를 제공하거나, ML옵스 기능을 제공해 모델을 조정하고 다양한 애플리케이션에 배포한다. 허깅페이스(Hugging Face)나 AWS와 같은 기업은 자체적으로 보유한 데이터를 활용해 파운데이션 모델을 튜닝하고 전체적인 ML옵스 기능을 제공한다.

● 다음은 애플리케이션이다. 일반적으로 생성형 AI 애플리케이션은 파운데이션 모델을 그대로 이용하는 애플리케이션 혹은 파인튜닝된 파운데이션 모델을 기반으로 하는 애플리케이션등 두 가지로 구분된다. 파운데이션 모델을 그대로 사용한 애플리케이션은 주로 특정한 사용자 인터페이스를 생성하거나 고객의 요청을 더 잘 이해할 수 있도록 문서에 가이드 및 검색 인덱스를 추가하는 등의 일부 맞춤화 작업을 수행하는 데 쓰인.
파인튜닝된 파운데이션 모델을 기반으로 특화 콘텐츠를 제공하거나, 매개변수가 조정된 모델을 활용해 특정 사용 사례에 대한 결과물을 제공하는 애플리케이션도 많이 이용되는 추세다.
현재는  생성형 AI 시장 초기 단계이기 때문에 특정 산업 및 기능을 위해 미세 조정된 모델로 구축된 애플리케이션이 더 많은 가치를 제공할 것이다
4.기업에서 활용방향
● 생성형 AI를 활용하기 위한 서비스 및 전문 지식 서비스의 제공
생성형 AI가 부상함에 따라 기존 AI 서비스 제공사들은 특정 기능, 산업, 다양한 맥락에서 효과적인 루프 구축 방법 등에서 생성형 AI를 적용하고 있다. 또 특수 산업 및 기능 관련 노하우나 지식을 보유한 기업들도 이 시장 진출을 추진하고 있다.
이커머스, 제조·공정, 금융, 법조계에서 적용을 확대하고 있다.

생성형 AI가 부상하자 전 산업 및 기업에서는  기존의  비즈니스에 생성형 AI를 접목해 가치를 창조하고자 노력하고 있다. 대표적인 경우가  이커머스 업계이다.
• 이커머스 업계에서는 AI 기술을 사업 곳곳에 접목해 업무 효율성을 극대화하고 불필요한 비용을 줄이고자 노력하고 있다.
주로 맞춤형 제품 추천, 자동화 풀필먼트 시스템, 보이스·챗봇 상담 등에 생성형 AI가 적용하고 있다.
• 적용 사례로는 다음 기업들이 있다.
•롯데온의 경우 글로벌 AI 기업 업스테이지의 검색 추천(Suggest) AI 기술을 이용하고 있다. 이를 통해 소비자의 쇼핑 데이터와 니즈에 기반해 고도화된 개인화 추천 서비스를 마련했다. 이전에는 나이, 성별, 직업 등 기본 정보만 수치화해 유사 상품을 추천하는 정도에 불과했다.

•에이블리는 애플리케이션 출시 초부터 자체 개발한 추천 기술로 소비자가 원하는 상품을 매칭해 선보이고 있다. 메타(Meta)와 손잡고 AI 기반 마케팅 측정 기술까지 적용했으며, •카카오스타일의 지그재그는 AI 기술을 이식해 선호 쇼핑몰, 관심 상품, 구매 이력 등에 따른 추천 상품을 제안하고 있다. 이용자가 촬영한 사진과 비슷한 상품을 지그재그에서 골라주는 서비스 ‘직잭렌즈’도 최근 운영에 들어갔다.

제조·공정 산업군 역시 생성형 AI 도입을 적극적으로 추진하고 있는 산업군 중 하나다. 사실 제조·공정 부문은 ICT 혁신 기술 채택이 느린 산업군으로 분류된다. 내부 IT 전문 인력이 부족하고 일상적인 작업들은 나름대로 최적화하고 자동화해 크게 신기술 도입 필요성을 느끼지 못하고 있기 때문이다. 그러나 최근에는 제조·공정 산업에서도 생성형 AI를 도입하기 시작했다. 주로 공장 유지보수와 반복 작업 및 반복 프로세스, 공급망 관리 예측 등에 적용하고 있다.

•두산에너빌리티는 에너지 생산 및 운영 효율을 높이고자 SK(주) C&C의 ‘생성형 AI 기반 이상 진단 서비스’를 도입해서 사용하고 있다. 이상 진단 과정에서 가장 많은 시간이 소요되는 이상·고장 분석 및 보고서 제작 영역에 초점을 맞추고 있다. 대부분  고장 발생 후  사례를 분석해하여  원인을 찾고, 대처 방안을 찾기까지는  최소 수일에서 수주가 소요되는데 생성형 AI 기술 기반 유사 사례 데이터 분석을 통해서 대응 방안 제시 시간을 크게 단축할 수 있다.

이와 관련해 SK(주) C&C 기업에서는 공장유지보수에 생성형 AI를 적용, 업무 효율성을 높이고 있다.  과거 유사 사례 보고서를 통해  안전 진단 보고서’를 제작할 수 있다. 안전 진단 보고서는 AI 분석 결과를 바탕으로 이상 및 고장 개요, 분석 목적·대상·결과, 고장 대응 권장사항 등을 초안 형태로 정리해 준다. 실무자는 생성형 AI가 제작한 보고서를 최종 검토하기만 하면 되기 때문에 직접 보고서를 작성하는 시간을 크게 줄일 수 있다.
•법조분야에서도 생성형 AI 적용을 추진하고 있다. 법조계에서는 생성형 AI를 업무 지원, 판결문 작성, 실무 편람, 법령 정보 분석 등에 활용될 것으로 예상하고 있다.
법조분야 에는 수 많은 법률 데이터가 쌓여 있다. 이를 학습시켜  법조인들은 sLLM을 구축해 업무 비서로 활용하면 판례를  쉽게 찾아볼 수 있고, 관련 법령 정보를 분석할 수도 있으며 판결문 작성에 도움을 받을  수 있다.
만약 생성형 AI를 도입하여 판결문을 작성할 경우 현추세에서 3,000명의 인원으로 6,000~10,000명 법관분의 업무 효율을 낼 수 있을 것으로 예상되고
있다
우리나라 대검찰청도 사건처리 업무에 생성형 AI 도입을 추진하고 있다. 검찰은 보유한 데이터로 자체 LLM을 구축한 뒤 이를 생성형 AI에 학습시켜 사건 처리 단계별로 활용한다는 계획이다.
대검찰청은 최근 ‘생성형 AI의 검찰 사건처리업무 활용방안 연구’라는 이름으로 용역을 발주했다. 검찰은 이번 연구를 통해 생성형 AI 도입을 위한 중·장기 마스터플랜을 수립할 예정이다. 검찰은 형사절차 완전 전자화 및 차세대 형사사법정보시스템(KICS) 도입에 따라 구축되는 디지털 수사자료 빅데이터를 이용한 AI 활용 가능성이 증대됨에 따라 연구 용역을 발주한 것으로 알려졌다.

검찰은 KICS에서 보유한 사건 DB 및 조서·공소장·판결문 등 전자문서, 디지털 수사자료 등 수사자료 일체를 이용해 LLM을 구축하고 검찰 내·외부 사건처리 관련 책자 및 법제처 법령정보 등 온·오프라인 참고 자료도 LLM에 포함시킨다는 방침이다. 검찰은 생성형 AI를 수사, 결정, 공판, 집행 단계별 사건처리업무 지원 업무에 적용한다. KICS 자료와 연계해 사건관계인 진술 요약·분석, 수사서류 초안 작성, 범죄 구성요건·소추요건 충족 여부 검토, 형량 제안 등에도 활용할 계획이다. 물론 법조계의 경우 생성형 AI 도입이 열려있지는 않고 있다. 그이유는 입법 및 행정 규제, 법원의 판결 관련 데이터, 법조인과 AI 기업 간 분쟁, AI 오류 발생 시 대응 가능한 입법 정책 부족 등의 문제가 있기 때문이다.

한편, 생성형 AI는 일반 기업에서도 적극 도입하고 있다. 비아이매트릭스는 기존 회사가 보유한 설루션인 ‘UI봇’, ‘DB봇’ 등 로우코드 설루션에 챗GPT 기반 생성형 AI를 결합해 데이터 분석 영역에 특화된 설루션인 ‘지매트릭스(G-Matrix)’를 출시하기도 했다. 자연어 처리 기술, 대화형 AI 기술, SQL 생성 기술, 데이터 분석 화면 생성 기술 등이 적용돼 기업의 다양하고 방대한 DB 환경에서 자연어 질의를 통한 데이터 조회와 분석 서비스를 제공한다. 회사는 내년부터 지매트릭스를 기반으로 국내·외 AI 비즈니스 확대에 박차를 가한다는 계획이다.
오픈AI가 6일(현지 시간) 역대 최고 성능의 ‘챗GPT-4 터보’를 공개하고 ‘GPT스토어’를 만들겠다고 선언하면서 초거대 인공지능(AI) 혁명이 새로운 국면으로 접어들고 있다. 챗GPT가 공개된 지난해 말부터 최근까지는 대규모언어모델(LLM) 같은 생성형 AI의 기술 개발과 고도화에 초점이 맞춰졌다면 앞으로는 대중화와 수익성 확보 경쟁이 본격화할 것으로 예상된다. 생성형 AI 기술 트렌드를 주도해온 오픈AI가 본격적으로 수익을 내기 위한 청사진을 제시하면서 구글과 마이크로소프트(MS) 같은 글로벌 빅테크는 물론 AI 비즈니스 모델을 준비해온 국내 테크 기업과 스타트업도 대응 방안을 마련할 것으로 전망된다.

12일 정보기술(IT) 업계에서는 오픈AI가 개발자 행사(데브데이)를 통해 신기술과 수익 모델을 소개하면서 초거대 AI 시대가 LLM 개발이라는 ‘제1의 물결’을 지나 본격적인 상용·수익화를 꾀하는 ‘제2의 물결’에 들어섰다는 관측이 나온다. 지난해 11월 오픈AI가 챗GPT를 공개하며 생성형 AI라는 기술을 일반에 알리고 대중화하는 계기를 만들었다면 정확히 1년 후에 나온 이번 발표로 기술의 서비스화를 가속화하고 비즈니스 모델 개발을 통한 수익 창출이라는 또 다른 모멘텀을 만들었다는 평가다. 초거대 AI 기술이 가진 잠재력에 비해 ‘킬러 서비스’가 없다는 평가가 지배적이었으나 여러 응용 서비스가 나올 수 있는 발판을 마련하고 수익을 낼 수 있는 모델을 오픈AI가 구축했다는 것이다.



퍼스트무버인 오픈AI가 기술 개발에 이어 비즈니스 생태계 구축에서도 앞서나감에 따라 후발 주자들의 대응 전략이 주목된다. 특히 빅테크의 LLM 기술을 활용해 AI 서비스를 개발해온 국내 스타트업들은 오픈AI가 내놓을 수익 모델과 겹치는 부분이 많아 차별화와 경쟁력 확보 방안을 놓고 고심하는 모습이다. 하정우 네이버클라우드 AI이노베이션센터장은 “글로벌 빅테크의 LLM 모델을 활용해 챗봇이나 툴을 만드는 기업들은 이번 오픈AI의 전략 발표로 사업 모델 변경이 불가피할 것”이라면서 “데이터 보안 문제 해결에 초점을 맞추거나 업종별로 특화한 버티컬 서비스 등 기업간거래(B2B) 시장은 상대적으로 차별화를 꾀할 수 있을 것으로 전망되지만 수익 모델을 만들기 위해 노력해야 하는 것은 마찬가지”라고 진단했다.

6.AI 설치하는 방법
•[google Bard설치방법]
Google->돋보기에 "바드"->상단 Bard-Google->하단 "여기에 프롬프트 입력"
•[microsoft Bing설치방법]
play store->bing ->첫번째 bing설치->하단 말풍선 중간 채팅(b표시) click ->하단 "무엇이든 물어보세요"
• [Naver clova x 설치하는방법]
Naver->clova x->
중간 clova x->
"자유롭게대화해 보세요"

결론적으로 현재 AI는  여러 가지 방면으로 나아가고 있다. 몇 가지 중요한 방향으로는 더 나은 자율 주행차, 의료진단을 위한 정확한 AI, 보다 개인화된 경험을 제공하는 AI 서비스, 환경 보호 및 에너지 효율성을 위한 기술 등이 있어다. 또한 AI의 윤리, 안전 및 개인 정보 보호에 대한 고민도 계속되고 있는 것이다.
우리 모르게 곁에 바짝 다가와 있고  같이 숨쉬고 있는 것이다.