감성 지수(EQ)가 비교적 높은 한국인에게 인공지능(AI)이란 조금 먼 단어기도 하지만, 이제는 가까워져야 할 단어 중 하나다. 그만큼 인공지능(AI)은 생성형 AI를 앞세워 현존 개발된 많은 기술 중 세계에서 가장 잘나가는 기술로 손꼽히고 있다. 국내는 물론, 인텔이나 엔비디아와 같은 글로벌 '빅맨'들의 구애를 받고 있을 정도니까.
23년 말부터 올해까지. 나도 직접 현장 취재부터 여럿 IT 행사들을 다녀봤지만, 'AI'라는 키워드를 빼놓은 행사가 손에 꼽을 정도로 적었다. 당연한 결과다. 무엇이든 흐름에 따른 트렌드가 찾아오면 관련된 기업들은 흐름에 편승하기 마련이고, 올라 타지 못했더라도 따라가려고 노력해야 하는 것이 기업의 기본 소양 중 하나니.
그렇다면 AI는 도대체 왜 전 세계 사람들을 통틀어 뜨거운 감자로 떠오르고 있을까? 하물며 이미 AI라는 개념과 기술은 과거부터 현재까지 쭉 이어져 왔는데, 왜 이제서야 회자되는 걸까. 이에 대한 답변은 꽤 많지만 대부분 주변 전문가들의 답변을 인용해 본다면 이렇다. 과거 막연했던 AI가 더 정교해진 머신러닝과 딥러닝을 통해 실사용이 가능해져 수면 위로 떠오르고, 생성형 AI(Generative AI)가 다가올 미래에 생활 전반에 큰 영향을 끼칠 수 있을 정도의 수준이 되었기 때문.
쉽게 얘기해 보자면 생성형 AI의 수준이 올라가고 접근성이 낮아져 AI 기술에 견문이 없더라도 간편하게 실생활에서 활용할 수 있다는 말이다. 실제로 여러 사기업과 공기업에서도 생성형 AI를 적용해 시범적으로 운영하고 있으며, 교육기관이나 공공기관에서도 연계하는 사례가 늘고 있기도 하다.
공상과학영화에서나 볼법한 인공지능 기술들이 이젠 우리 삶 속 어딘가에 들어오고 있다는 것. 물론 AI는 영화나 드라마에 나오는 미래 인공지능의 모습을 떠올렸을 때 두려움과 막연한 공포가 존재한다. 실체를 모르는 대상이기도 하며 너무 갔을진 모르겠지만 정말로 미래가 되면 인간의 지식을 뛰어넘어 인간을 통제할 수도 있으니까.
또한, 우리에게는 영화뿐만 아니라 최근 언론이나 SNS 등에서 시작된 또 다른 AI 공포증이 내면에 심어져 있다. 첫 번째로는 AI 기술을 가진 조직에 대한 두려움, 두 번째로는 AI의 높은 성능이 일자리를 대체할 수 있다는 두려움 마지막으로 AI 오작동에 대한 두려움. 이로 인해 사람들은 선뜻 AI에 다가가기 힘들어하기도 한다.
그렇기에 우리는 AI에 대응하기 위해, 다가오는 AI 시대에 발맞춰 준비를 해야된다. 전부는 아니겠지만서도, 어느 정도 AI에 대한 얕은 지식이라도 머리에 새겨놓으면 언젠가 도움이 될 날이 올 것이다.
생성형 AI(Generative AI), 뭔데?
몇 초 만에 내가 원했던 것을 눈앞에
AI는 인간의 지능을 모방하거나 대체하기 위해 고안된 기술이라고 봐도 무관하다. 이러한 AI는 세 종류로 나뉘어있는데 ANI(Artificial Narrow Intelligence), AGI(Artificial General Intelligence), ASI(Artificial Super Intelligence)다. 각자의 상황에 따라 다르게 쓰이는 용어이지만, ANI의 경우 '약 인공지능'이라고 불리우는 기술로 대표적으로 우리 곁에 있는 것을 예로 들어보자면 애플의 Siri, 구글 어시스턴트 같은 음성 인식 기능이나 바둑을 두는 알파고, 테슬라 자율주행차 등처럼 가볍고 특정한 카테고리를 해결하는 데 특화되어 있다고 보면 된다.
AGI는 인간처럼 학습과 추론, 이해와 창의력 등을 갖춘 AI로 의료 데이터를 분석하고 새로운 치료법을 개발하거나 복잡한 문제들을 해결하는 데 기여한다. 특히 오늘 얘기해 볼 챗GPT나 이미지 생성 AI, 바드 등의 생성형 AI 서비스를 가리키는 용어기도 하다. 물론 현재는 ANI와 AGI 사이의 수준으로 보이지만, 주변 전문가들은 짧으면 3~4년 내에 완벽한 사람 수준의 AGI가 달성되지 않을까 기대하고 있다고 한다.
ASI는 초 미래적인, 사람을 초월한 AI라고 보면 된다. 위에서 얘기한 공상과학영화에 나올법한 인공지능. '강 인공지능'이라고도 부른다. 물론 아직 이 정도의 수준까지는 못미쳤지만 만약 기술이 발전해 ASI의 영역까지 들어오게 된다면 우리의 사회와 문명에 악영향을 끼치지 않을까 하는 전문가들의 우려도 꽤 있다.
그렇다면 ASI를 제외하고 ANI와 AGI에 더 가까운 생성형 AI에 대해 알아보자. OpenAI의 챗GPT가 불러온 생성형 AI 바람. 이 생성형 AI가 떠오르기 전까지는 글쓰기나 그림 그리기 혹은 영상 제작이나 알고리즘 코딩 등 창작의 세계는 인간만이 가능한 별도의 영역으로 분류됐다. 하지만 챗GPT, 코파일럿 등과 같은 생성형 AI는 기계가 콘텐츠나 예술, 음악, 코딩 등을 만들고 생성할 수 있도록 하는 인공지능이 등장한 이후 여러 산업들을 대체하고 변화시킬 수 있는 환경이 만들어 졌다.
생성형 AI는 학습과 추론을 통해 특정 작업 등에 맞춰 조정된 모델이며, 실제 같은 이미지를 제작한다거나 언어 번역 등의 작업에 적합하다. 그렇다면 의문점이 생긴다. 어떤 자료를 학습해야 세계의 모든 사람들이 원하는 답변을 내놓는 만능 생성형 AI가 될까. 정답은 양이다. 그것도 아주 많은 방대한 양의 데이터. 우리는 이것을 빅데이터라고 부르기도 한다.
빅데이터와 같은 방대한 양의 데이터는 머신러닝 모델을 통해 사전 훈련을 시켜 사용한다. 이후 생성형 AI는 확률 분포 기술을 통해 다음 항목을 예측하고 생성하는 방식으로 작동한다. 그렇게 대규모 데이터와 생성형 AI를 통해 흔히 우리가 사용하는 프롬프트에 적은 양의 키워드를 적어내도 유의미하고 창의적인 콘텐츠를 만들어낼 수 있다.
현재 생성형 AI는 인공지능 열풍을 몰고 온 OpenAI의 챗GPT를 선두로 구글(Google)의 바드(Bard), 페이스북과 인스타그램을 서비스하는 메타(Meta)의 라마(Llama), 일론 머스크의 xAI가 선보인 그록(Grok) 등이 대표적이고, 국내에는 네이버의 하이버클로바 X, KT의 믿음(Mi:dm), 뤼튼 테크놀로지스의 뤼튼, LG의 엑사원 등이 있다.
글로벌부터 국내까지
생성형 AI 현황
개발사 : OpenAI
OpenAI사가 대화 전문 인공지능 챗봇 챗GPT. 말 그대로 챗은 채팅의 줄임말이며 GPT는 'Generated Pre-trained Transformer'의 앞 글자를 땄다. 말 그대로 생성형 사전 학습 언어 모델이라는 것.
사용자가 프롬프트에 텍스트를 입력하면 그에 맞춰 AI가 대화 형태로 학습된 결과를 통해 도출하고 전달한다. 이는 공개 5일 만에 하루 이용자가 100만 명을 돌파하며 생성형 AI의 시작을 알렸다. 방대한 양의 데이터 덕인지, 간단한 질문의 답변은 물론 논문 작성부터 번역, 코딩까지도 다양한 업무 수행능력을 가지고 있는 표준 LLM 모델이다.
챗GPT는 작년 1분기 GPT-4가 출시되었으며, 올해 5월 13일 업데이트 행사에서는 새로운 AI 모델인 GPT-4o를 발표했다. 신형 모델 이름에 붙어있는 o는 옴니(omni)의 줄임말로 “모든 것“ 혹은 “어디에나 있는“이라는 뜻으로 AI의 종합판이라고 생각하면 되겠다. 차기작인 GPT-5도 올해 여름쯤 출시 예정이라는 루머가 돌고 있으니 기대해 봐도 좋을 것 같다.
새로 발표한 GPT-4o에는 차별화된 기능이 몇 가지 있다. 텍스트와 이미지, 오디오 등 다양한 형태의 데이터를 처리할 수 있는 멀티모달 기능. 이미지를 분석하고 설명하는 비전(Vision)기능. 외부 API를 불러와 새로운 기능으로 확장하는 기능 콜 기능. 비즈니스 인사이트를 제공하는 기능 등 다양한 기능들이 업데이트됐다.
실제로 OpenAI가 공개한 데모 영상을 확인해 보면 GPT-4o는 사용자와 자연스럽게 대화하며 유머까지 발휘하는 모습을 볼 수 있었으며, 질문 응답에 걸리는 시간이 평균 0.32초로 사람과 거의 비슷한 모습이었다. 이외에도 카메라를 통해 상대방의 표정도 읽어낸다.
개발사 : Google
구글의 대형언어모델 LaMDA와 PaLM을 기반으로 하는 인공지능 검색 엔진 서비스 바드(Bard). 작년 초 베타테스트를 시작하고 작년 5월 15일부터 PaLM2 언어 모델을 탑재하고 한국어와 일본어를 추가해 안정화 버전을 출시했다.
그리고 작년 12월 5일 제미나이(Gemini)를 공개했다. 텍스트와 이미지 그리고 오디오 등을 동시에 인식하며 이해하고, 수학 문제를 풀거나 틀린 추론 과정을 지적과 분석하는 것도 가능하다. 제미나이는 첫 번째 버전은 제미나이 1.0이고 울트라, 프로, 나노 3가지 크기로 최적화되어 있다.
이 중 바드에는 제미나이 프로를 탑재했으며, 구글 AI Studio나 구글 Cloud Vertex AI를 통해 다른 앱에서 모델 구동이 가능해졌다. 올해 초 공개된 갤럭시 S24 시리즈에 일부 기능이 탑재되었으며, 나노형 모델이 온디바이스로 내장되어 있는 모습이다.
또한 가장 최근에는 2월 15일 제미나이 1.5가 공개됐다. 지난 1.0 모델에 비해 더 많은 양의 컨텍스트를 정확하게 처리하며 멀티모달 기능이 대폭 강화됐다.
개발사 : 메타
메타가 공개한 라마(Llama)는 챗GPT와 유사한 텍스트 생성형 AI의 기반이 되는 초거대 AI다. 밑에서도 설명하겠지만 SLM 기반으로 다른 대형언어모델(LLM)과 달리 용량이 작아 여러 서비스에 효율적으로 적용할 수 있다.
라마는 현재 70억 개부터 130억 개, 330억 개, 650억 개 총 4가지로 파라미터 규모를 나눠 사용할 수 있다. 덕분에 GPU 등의 하드웨어 등을 더 적게 사용할 수 있으며, 비용 감소 측면에서 훨씬 효율적이라는 특징이 있다.
메타의 라마는 작년 여름 오픈소스 라마 2를 공개하며 모든 이들에게 좋은 평가를 받았다. 상업적으로나 연구용으로나 모두 무료로 사용할 수 있게 오픈소스로 공개했기 때문. 라마 2는 2조 개의 토큰으로 학습됐으며, 컨텍스트 길이도 두 배 증가한 4096으로 설정됐다.
곧이어 올해 봄 메타에서는 차기작 라마 3를 공개했다. 라마 2에 비해 성능이 크게 향상했으며 주요 LLM과 비교해도 꿇리지 않을 정도의 높은 성능을 보여준다. 현재 훈련 중인 400B 이상 모델도 이어 공개될 것이라 예고했다. 지난 달 기준 GPT-4 터보보다 더 우수한 성능을 자랑했으며, 400B 이상 모델이 공개된다면 아마 GPT-4 터보를 뛰어넘을 것이라는 루머가 돌고 있다.
개발사 : xAI
그록은 테슬라 최고경영자(CEO)인 일론머스크의 AI 챗봇이다. 챗GPT와 같은 생성형 AI로 xAI가 자체개발한 대형언어모델(LLM) 그록-1(Grok-1)을 기반으로 구동된다. 그록이 다른 챗봇과 차별화된 점을 꼽아보자면 약간의 재치와 유머 그리고 반항적인 성향이다.
최근 GPT-4 수준에 근접한 그록 1.5를 발표했으며, 추후 공개될 그록-2는 GPT-4를 능가할 것이라는 평이 있다. 현재 그록 1.5는 코딩과 수학을 포함한 주요 벤치마크에서 이전 모델에 비해 향상되었으며, 이전 모델 대비 16배 많은 양의 정보를 한 번에 받아들이고 처리할 수 있다.
재밌는 일화로는 공개 당시 머스크는 그록이 다른 챗봇 AI에 비해 약간 비꼬는 듯한 유머 감각을 가지고 있다고 설명했으며, 실제로 코카인을 만드는 방법을 알려달라고 하니 그록이 4단계에 걸쳐 제조법을 제시하고 농담이라며 위험하니 권하지 않는다고 답하기도 했다.
개발사 : 네이버
국내 대기업 네이버가 개발한 대형언어모델(LLM), 하이퍼클로바X. 국내 기업답게 챗GPT 대비 한국어를 6,500배 더 많이 학습된 언어 모델이다. 이외에도 자연스러운 한국어 표현이며 한국 사회의 법과 제도 그리고 문화적 맥락까지 이해해서 소통할 수 있는 AI다.
하이퍼클로바X와 함께 네이버의 AI사업은 확장되고 있다. 현재 하이퍼클로바X를 기반으로 한 인공지능 대화 서비스 클로바X부터 쇼핑, 로컬, 지식 베이스 등 50개 이상의 서비스에 연결되어 있는 검색형 서비스 Cue:까지. 국내 AI 시장에서는 물론 글로벌까지도 기대되는 국내 생성형 AI의 미래다.
최근, 네이버는 인텔과 동맹을 맺고 전략적인 협력을 진행하고 있다. 아무래도 고가의 엔비디아 칩을 통해 확장하는 것은 어느 기업이든 부담감이 클 수밖에 없기에 네이버는 이해관계를 따져 인텔의 가우디 도입을 적극 검토하고 있다.
개발사 : KT
KT의 믿음(Mi:dm)은 작년 10월 31일 출시한 초거대 인공지능이다. 총 4종으로 출시했으며, 경량 모델부터 초대형 모델까지 규모와 사용 목적에 따른 기업 완전 맞춤형(Full Fine-Tuning)으로 제작됐다.
AI 풀스택을 통해 KT클라우드와 AI 클라우드팜을 패키지로 제공하며 별도 개발과 학습 인프라가 없더라도 누구나 합리적인 비용으로 개발할 수 있다. 이외에도 최근 KT는 AI 기술의 경쟁력 확보를 위해 조직을 강화하고 AI 테크 랩을 추가로 신설했다.
KT는 이를 통해 B2B 시장을 개척하고 파운데이션 모델 고도화에 더욱 집중하겠다고 밝혔으며, 5년간 1조 원 투자, 1천억 원대의 연 매출을 올린다는 목표를 세웠다.
개발사 : SKT
통신 서비스를 잘 이해하는 SKT의 텔코LLM이다. 텔코LLM은 SKT의 에이닷엑스(A.X), OpenAI의 GPT, 앤트로픽의 클로드 등 다양한 범용모델을 기반으로 제작된 언어 모델이다.
텔코LLM은 다른 생성형 AI와 같이 범용 LLM으로 출시되는 것은 아닌 통신업에 특화된 LLM이다. 현재 고객센터 상담 한 건을 처리하는 데에는 약 3분, 업무를 처리하는 데 30초 이상이 소요되지만, 텔코LLM을 도입하면 소요되는 시간을 크게 단축시켜준다.
이외에도 통신사 네트워크 인프라 운용에도 사용된다. 인프라 운용자가 네트워크 문제가 발생할 시 실시간으로 텔코LLM에 질문을 입력하고 해결 방안을 받아볼 수 있다는 점. 이달 6월 출시 예정이다.
개발사 : LG
작년 LG AI 토크 콘서트에서 소개한 LG의 엑사원 2.0. 엑사원은 기존 21년에도 이미 선보인 바 있으며, 기존 모델 대비 데이터 양을 약 4배 이상 늘려 성능을 향상시켰다. 교육, 금융, 유통, 의료, 플랫폼, VR 등 AI를 활용할 수 있는 전 산업군과 연대 구축을 통해 생태계를 조성한 것이 특징이다.
이를 확보해 특허 및 논문 등 약 4,500만 건의 전문 문헌과 3억 5천만 장의 이미지를 학습하는 등 엑사원 2.0은 여러 정보들을 흡수했다. 기존 모델 대비 추론 처리 시간은 25% 단축, 메모리 사용량은 70%를 줄여 비용을 약 78% 정도 절감했다.
특히 의료 분야 및 교육 분야와 협업을 구축한 것은 LG가 처음이다. 이를 토대로 명확한 비즈니스 모델을 제시한다는 계획. 작년 11월 이미지를 텍스트로 변경해 주는 생성형 AI 서비스를 내놨으며, 해당 서비스는 이미지 데이터 관리 및 시각장애인을 위한 시각 자료 해설로 사용될 예정이다.
개발사 : 뤼튼 테크놀로지스
뤼튼은 아마 익숙한 분들도 계실 것이다. 뤼튼은 AI 챗봇 서비스로 50여 가지의 툴을 갖춘 콘텐츠 생성 기능을 일원화한 올인원 AI 플랫폼이다. 주요한 특징으로는 플러그인을 통해 외부 서비스를 연동할 수 있다는 점.
출시 7개월 만에 가입자 100만 명을 달성했으며, 초기 카카오톡이나 토스와 같이 100만 가입자 달성 시간이 대등한 수준으로 고속 성장을 이뤄내고 있다. 이외에도 올해는 일본과 동남아 등의 해외 사업을 확대할 예정이며, 이미 현지에서도 많은 사랑을 받고 있다.
대형언어모델(LLM)은 뭐지?
생성형 AI의 숨겨진 주역
가끔 생성형 AI에 대해 찾아보려 하면 자꾸 이 정체 모를 LLM이라는 녀석이 튀어나온다. 이제야 머리에 생성형 AI가 어딘가 들어온 것 같은데, 새로운 단어가 나오니 머리가 지끈거린다. 게다가 생성형 AI와 LLM을 동시에 찾아보려 해도 비슷한 내용이 주를 이룬다.
게다가 "챗GPT는 생성형 AI며 LLM이다"라는 모호한 답변들이 가득하다. 하지만 모호한 답변은 아니다. 결국 합집합과 교집합 사이 일맥상통하는 부분이 많기 때문. 정리해보자면 이렇다.
생성형 AI(Gen.AI) > Foundation Model(FM) > 대형언어모델(LLM), 소형언어모델(SLM)
결론적으로 Foundation Model(FM)이라는 인공지능 응용 프로그램의 기반을 제공하는 일반 목적의 모델에 광범위한 데이터에 대해 학습시키고 그 한 클래스에 대형언어모델인 LLM과 소형언어모델 SLM이 포함되어 있다는 말씀.
LLM은 언어 기반 작업에 중점을 두는 대형언어모델로, 챗GPT를 예로 들어볼 수 있겠다. 요약부터 텍스트 생성, 분류, 정보 추출, 대화 등의 작업에 특화되어 있으며, 수십억 개의 매개변수를 고려할 수 있고 수많은 데이터에 대한 광범위한 사전 교육을 통해 지식을 적용하는 방법을 배운다. 이로 인해 적은 입력으로도 효과적인 콘텐츠를 생성할 수 있다.
SLM은 소형언어모델로 비교적 적은 양의 데이터지만 특정 분야에서 미세조정과 고품질 데이터 학습을 통해 LLM에 못지않게 높은 성능을 보여준다. 아무래도 값비싼 LLM에 비해 효율적인 비용으로 AI 모델을 운영하는데 좋은 대안이며 메타의 라마, 구글의 제미나이 나노, 미스트랄 7B가 대표적이다. 해당 SLM은 추론부터 언어의 이해, 수학이나 코딩 등에서 좋은 성능을 보여준다.
LLM에 비해 비교적 저렴한 비용으로 서비스 챗봇 등의 간단한 작업을 하기에 용이하기도 하여 많은 기업들의 총애를 받고 있다. Predibase의 CEO인 Devvret Rishi는 "일반화된 지능은 물론 훌륭하지만, 모든 상황에 필요하지 않다"라고 말했으며, Gartner의 분석가인 Arun Chandrasekaran은 "고객들이 복잡한 작업을 수행하기에 LLM은 추론 비용이 너무 높다"라고도 전했다. 물론 두 언어모델은 상황에 따라 활용되는 방식이 다를 뿐, 모든 기업에서 눈여겨보고 있는 모델이다.
이외에도 Foundation Model(FM)로 생성된 응용 프로그램들은 각자 용도와 특징이 다양하다. 챗GPT의 경우 텍스트를 생성하고 번역해 주며 요약까지한다. 마이크로소프트의 ResNet은 이미지를 인식하고 분류해 줄 수 있으며, WaveNet이나 I3D(Inflated 3D ConvNet)는 음성을 합성하거나 인식하여 생성하고, 동영상의 행동 인식에 따라 이벤트를 분류해 준다.
AI의 심장, 하드웨어
GPU, NPU, TPU
IT 업무를 주로 보고 있어서 이 카테고리를 추가한 것은 아니다. 그만큼 하드웨어는 AI 모델과 연관성이 아주 깊기 때문이다. GPU를 제작하는 기업 엔비디아가 지난해 초부터 현재까지 약 550%에 가깝게 오른 것만 봐도 감이 오지 않는가. 작년 1조 달러 클럽에 진입하고 올해는 무려 2조, 현재는 약 3조까지도 치솟으며 MS와 애플 발밑까지 따라올 정도니 말 다 했다.
그만큼 AI의 화력은 대단하고, 이를 받쳐주는 AI 하드웨어는 날개를 달아 비상하고 있다. 그렇다면 그래픽 처리장치인 GPU를 만드는 엔비디아가 소위 '떡상'을 한 이유는 무엇일까? 간단하게 GPU는 AI에 필요한 딥러닝과 생성형 대형언어모델에서 활약을 하기 때문이다.
복잡한 데이터 패턴을 학습하고, 수많은 계산을 동시에 수행해야 하는 AI 특성상 GPU의 고속 병렬 처리 능력이 중요한 역할을 해주기 때문. 예를 들어 방대한 양의 텍스트 데이터를 분석하거나, 수억 개의 파라미터를 조정할 때 GPU가 작업에 날개를 달아준다고 보면 되겠다.
NPU는 나도 최근 취재를 다니며 알게 되었는데, 머신러닝 전용 설계 칩이다. 직접 요즘 나오는 'AI 노트북'에도 탑재되어 있으며, 사용해 보니 GPU를 전혀 사용하지 않고도 NPU를 통해 AI 작업을 할 수 있었다. 다만, GPU에 비해 다양한 작업에는 적합하지 않다. TPU는 구글에서 개발한 NPU의 일종으로 머신러닝에 최적화 되어있으며, 클라우드 기반으로 제공된다는 장점이 있다.
특이 케이스로 애플(Apple)의 생성형 AI, 애플 인텔리전스는 자사의 하드웨어 M 시리즈 프로세서를 기용한다. 주요 생성형 AI 기업 중에는 엔비디아 GPU를 사용하지 않는 기업으로 유일하다. 다만, 애플의 생성형 AI, 애플 인텔리전스를 사용하려면 맥과 아이패드의 경우 M1 이상의 프로세서가 필요하며, 아이폰의 경우 아이폰 15 프로와 아이폰 15 프로맥스에 들어있는 A17 프로 혹은 그 이상의 프로세서가 필요하다. 이는 음성비서인 시리와 함께 글쓰기, 이미지, 요약 및 정리 등을 사용할 수 있으며, 개인정보보호에 중점을 둔 생성형 AI다.
마치며
'그럼 AI는 뭐든 다 할 수 있는 무적인가?'라는 질문을 받는다면 아직까진 'NO'라고 답할 수 있겠다. 이게 위에서 말한 생성형 AI의 진행 척도를 보여주는 것이 아닐까. 아직 ANI와 AGI사이에 있다는 것은 이유가 있다. 할루시네이션(Hallucination) 현상이 그 이유다.
할루시네이션은 쉽게 말하면 생성형 AI의 오답을 말한다. 실제가 아닌 정보를 사실인 것처럼 생성하며 전달하는 현상이다. 실제로 생성형 AI를 사용해 본 유저라면 알겠지만, 가장 잘나간다는 챗GPT조차도 사실과 관계없는 이야기를 하거나 이해하지 못하는 정보들이 아직 수두룩하다.
이러한 현상은 주로 AI 모델이 학습한 데이터가 부족하거나 불완전할 때 발생한다. AI 모델의 경우 학습 과정에서 접한 데이터의 패턴을 기반으로 정보를 처리하고 생성하는데, 훈련 데이터의 오류나 다양성이 부족하다면 AI는 잘못된 결과를 도출할 가능성이 높다. 그 많은 데이터들을 학습한 챗GPT도 이 정도니, 아직까진 좀 더 지켜봐야 할 사항이다.
한편, 글로벌 기업은 물론 국내 기업까지도 생성형 AI 개발 전쟁으로 들썩이고 있다. 벌써 1년이 지난 이 시점, 발 빠르게 움직이는 국내외 기업 덕분에 우리의 삶이 AI를 통해 하나둘 바뀌고 있으니. 실제로 주변을 살펴보면 대중화된 여러 생성형 AI 기술들을 사용하고 있는 것을 확인해 볼 수 있다. 카피AI나 뮤터니, 엑스트와 같이 카피를 쓰고 고객 문의에 응대하는 AI부터 달리2나 미드저니 같은 이미지 생성 AI, 개발자의 짐을 덜어주는 코파일럿, 인사이트를 위한 모스틀리 AI 등 이외에도 다양한 생성형 AI들을 통해서 말이다.
전반적인 AI 업계 현황을 들여다보자면 페이스북과 인스타그램의 모회사 메타와 IBM을 비롯해 50개 이상의 AI 기업과 정부 기관이 'AI 동맹'을 결성했다. OpenAI가 개발한 챗GPT가 출시 1년 만에 생성형 AI 개발 열풍을 일으켜 대형언어모델(LLM)을 오픈 소스로 제공해 이를 따라잡겠다는 계획이다. 현재 윌스트리트저널(WSJ)에 따르면 메타와 IBM은 개방형 AI 모델을 추진하는 인텔, AMD, 오라클 등과 같은 반도체 공룡 기업과 항공우주국(NASA)과 국립과학재단과 같은 미국 정부 기관도 'AI 동맹'에 합세한 모습이다.
AI 하드웨어 경쟁도 불이 붙었다. 현재 엔비디아는 AI 하드웨어 시장에서 80% 이상의 점유율을 차지하며 반독점하고 있다고 해도 과언이 아니다. 아무래도 위에서 말한 것처럼 구하고 싶어도 구할 수 없는 상황인 것이다. 그렇기에 엔비디아에 대한 의존도를 낮추고 이를 견제하기 위해 AI 기업들은 TSMC와 삼성전자, 인텔 등의 반도체 기업들과 연합전선을 구축하고 있다. 실제로 최근에는 국내 대기업 네이버와 인텔이 가우디를 통해 협력을 도모하고 있는 모습을 확인해 볼 수 있다.
美정부는 최근 AI 빅3에 '반독점' 칼을 뽑기도 했다. 반독점 조사 대상은 AI 하드웨어 엔비디아, 마이크로소프트, OpenAI다. 이들이 현재 압도적인 자금력과 점유율을 앞세워 자유 경쟁을 제한하고 있는 것이 아닌지 들여다보겠다는 것이다.
생성형 AI, 물론 지금도 실생활에 필요한 기술이 되었지만 아직까지는 완벽한 상용화가 되기까지 개발이 더 필요한 단계라고 생각한다. 누군가에게는 TMI가 될 수 있는 정보지만, 현재 떠오르는 생성형 AI를 얕게라도 알아보고 싶던 유저들에게 도움이 되길 바라며 글을 마친다.
Kiido@inven.co.kr
페이지 구독하기
다른 기사 보기
기사 제보하기
