생성형 AI의 기능 살펴보기

학습 목표

이 유닛을 완료하면 다음을 수행할 수 있습니다.

• 다른 모델과 비교하여 생성형 AI 모델의 특성을 설명할 수 있습니다.
  
• AI 언어 모델의 주요 어휘를 정의할 수 있습니다.
  
• 언어 모델을 사용하는 생성형 AI의 기능을 설명할 수 있습니다.
  

주목받는 인공 지능

최근 인공 지능(AI) 관련 소식이 미디어의 핵심 화두로 떠오르며, 그 파급 효과는 압도적이라고 할 수 있습니다. AI가 이렇게 주목받게 된 이유는 무엇일까요? AI는 완전히 새로운 것은 아니죠. 수년 전부터 수많은 기업들과 기관에서 AI를 사용해 왔습니다. 급증하는 AI에 대한 관심은 다른 사람들이 할 수 없는 일을 해내는 최초의 대중화된 AI 기반 챗봇 ChatGPT에서 비롯되었다고 볼 수 있습니다.

ChatGPT의 GPT는 Generative Pre-trained Transformer(생성형 사전 학습 트랜스포머)의 약자입니다. GPT는 신경망 기반 AI 모델의 일종으로, 자연어 질문이나 요청에 대해 인간 수준의 자연스러운 응답을 생성할 수 있는 기술입니다. ChatGPT를 비롯한 GPT 기반 솔루션이 시장에 출시되면서 사람들은 컴퓨터와 대화하는 것이 어떤지 직접 경험해볼 수 있었습니다. 놀라웠죠. 섬뜩했어요. 상상력을 자극했습니다. 당연히 사람들은 주목하기 시작했죠!

[다음 프롬프트와 함께 stability.ai에서 DreamStudio를 사용하여 AI가 생성한 이미지, '책상 의자에 앉아있는 행복한 로봇. 책상 위에 있는 노트북 컴퓨터. 2D 벡터 아트워크 스타일 그림.’] 

사람처럼 자연스럽게 대화할 수 있는 AI는 과거에 경험했던 AI과는 분명히 다릅니다. 인공 지능 기초 뱃지에서 학습한 내용처럼 인공 지능 모델에는 수행하도록 학습된 특정 작업이 많이 있습니다. 예를 들어, 방 3개가 있는 주택의 최적 매매가를 예측하기 위해 시장 데이터를 사용하도록 AI 모델을 학습시킬 수 있습니다. 이 방식은 매우 인상적이지만, 이 모델은 '숫자'만을 생성합니다. 이와는 대조적으로 일부 AI 모델은 이전에 읽고, 보거나 들어본 경험이 없는 매우 다양한 텍스트, 이미지, 소리를 생성할 수 있습니다. 이러한 종류의 AI를 생성형 AI라고 합니다. 이는 직장 안팎에서 엄청난 변화의 잠재력을 지니고 있습니다.

이 뱃지에서 생성형 AI 모델이 학습하여 수행하는 작업의 종류와 학습에 사용되는 몇 가지 기술에 대해 알아보겠습니다. 또한 이 뱃지를 통해 기업이 생성형 AI 협력체계에서 전문성을 중심으로 어떤 식으로 협업하는지 살펴보겠습니다. 마지막으로 생성형 AI에 대한 기업의 몇몇 우려 사항에 대해 논의하는 것으로 마무리하겠습니다.

언어 모델의 가능성

생성형 AI는 최신 유행같지만, 연구자들은 실제 수십 년 동안 생성형 AI 모델을 학습해 왔습니다. 지난 몇 년 동안 뉴스에 오르내리기도 했습니다. Nvidia라는 회사가 사람 얼굴을 사실적으로 묘사한 이미지를 무작위로 생성할 수 있는 AI 모델을 공개했다는 2018년 기사를 기억하실 것입니다. 이러한 사진은 놀라울 정도로 설득력이 있었습니다. 완벽하다고 할 수는 없었지만 주목할 만한 이야깃거리였습니다. 생성형 AI는 대중의 의식에 서서히 자리 잡기 시작했습니다.

연구자들은 특정 종류의 이미지를 생성할 수 있는 AI를 연구하기도 했지만 언어와 관련된 AI 연구에 집중하기도 했습니다. 그들은 텍스트 해석과 관련된 모든 종류의 작업을 수행하도록 AI 모델을 학습시켰습니다. 예를 들어 제품 중 하나에 대한 평가를 긍정적, 부정적, 중립적으로 분류하고자 할 수 있습니다. 즉, 이 작업은 일상적인 사용에서 어떤 방식으로 단어가 결합되는지에 대한 이해를 필요로 하므로, 전문가들이 자연어 처리라고 부르는 것의 좋은 예입니다. 언어를 '처리'하는 방법은 매우 다양하기 때문에 NLP에는 광범위한 AI 범주가 포함되게 됩니다. (NLP에 대한 자세한 내용은 자연어 처리 기초 뱃지를 참조하세요.)

NLP를 수행하는 일부 AI의 경우 방대한 양의 데이터로 학습되며, 여기에서 데이터는 실제 사람들이 작성한 텍스트 샘플을 의미합니다. 샘플 데이터의 훌륭한 소스로는 수십억 개의 웹 페이지가 있는 인터넷이 있습니다. 이러한 AI 모델은 방대한 양의 데이터로 학습되므로 대규모 언어 모델(LLM)이라고 합니다. LLM은 인간이 수년에 걸쳐 학습할 수 있는 언어 규칙을 매우 세밀하게 수집합니다. 이러한 대규모 언어 모델을 사용할 경우 고급 언어와 관련된 작업을 수행할 수 있습니다.

요약

문장이 주어지고 모든 단어가 어떻게 결합되어 의미를 전달하는지 이해할 수 있다면 같은 의미를 나타내는 문장을 다시 작성할 수 있을 것입니다. AI 모델은 구문 규칙을 모르지만, 방대한 양의 훈련 데이터를 토대로 구문 패턴을 식별하고 적용하는 법을 학습합니다. AI 모델은 이를 통해서 다른 단어로 교체할 수 있는 단어를 파악하며 사람과 유사한 방식으로 문장을 리믹스합니다. 전체 문단 하나를 한두 문장으로 압축하는 것도 리믹스의 한 종류입니다. 이런 종류의 AI를 사용한 요약의 경우 실생활에서 상당히 유용할 수 있습니다. 한 시간짜리 녹음본에서 회의 노트를 작성할 수 있습니다. 또는 과학 논문 초록을 작성할 수도 있습니다. 요점을 잡아내는 훌륭한 생성기인 셈이죠.

번역

LLM은 언어가 단어를 조합하여 의미를 나타내는 방식에 대한 규칙 모음과 같습니다. 각 언어에는 고유한 규칙이 있습니다. 영어의 경우 일반적으로 명사 앞에 형용사를 사용하지만 프랑스어의 경우 그 반대인 경우가 많습니다. AI 번역기는 이 두 가지 규칙을 모두 학습하도록 고안되었습니다. 따라서 문장을 리믹스할 경우 AI는 두 번째 규칙 집합을 사용하여 동일한 아이디어를 표현할 수 있습니다. 드디어 훌륭한 번역을 완성할 수 있게 된 것입니다. 프로그래밍 언어도 언어입니다. 이 언어는 자체 규칙을 가지므로 AI는 정리되지 않은 지침을 실제 코드로 변환할 수 있습니다. 개인 사업자 프로그래머는 많은 사람들에게 수많은 문을 열어줄 수 있습니다.

오류 수정

숙련된 작가라도 가끔 문법이나 철자에 실수를 할 때가 있습니다. 이제 AI가 잘못된 부분을 감지하고 자동으로 오류를 수정하기도 합니다. 또한 단순히 사람들의 이야기를 들을 때에도 오류를 수정하는 것이 중요합니다. 시끄러운 환경에서 한두 단어를 놓칠 수는 있지만 문맥을 통해 실수를 메꿀 수 있습니다. AI는 이러한 작업도 수행할 수 있으므로 자막과 같은 음성-텍스트 변환 작업이 훨씬 더 정확해집니다.

질문 답변

생성형 AI가 각광받게 된 이유는 바로 이 작업 때문입니다. GPT와 같은 AI는 질문이나 요청의 의도를 해석한 후 요청에 따라 대량 텍스트를 생성할 수 있습니다. 예를 들어 윌리엄 셰익스피어의 가장 인기 있는 작품 세 편을 한 문장으로 요약해 달라고 GPT에 요청할 수 있습니다.

'로미오와 줄리엣' - 불우한 가정에서 태어난 젊은 연인의 비극적인 이야기로, 사랑은 불의의 죽음으로 끝납니다.

'햄릿' - 한 왕자가 아버지의 유령에 시달리며 복수, 삶과 죽음에 대한 실존적 질문으로 고뇌하는 이야기입니다.

'맥베스' - 아내의 야망으로 인해 왕좌를 차지하고자 피비린내 나는 살인의 기로에 뛰어드는 한 귀족의 야망과 도덕적 타락 과정을 그려낸 스릴 넘치는 작품입니다.

그런 다음 국어 선생님과 대화하듯 햄릿에 대한 상세 내용을 질문하며 대화를 이어갈 수 있습니다. 이러한 종류의 상호 작용의 경우 간단한 요청만으로 원할 때 정보를 얻을 수 있는 좋은 예입니다.

설명을 통한 이미지 생성

LLM을 이미지 생성과 함께 사용할 수 있으며, 원하는 이미지를 설명하면 AI가 자동으로 이미지를 만들어 줍니다. 다음은 '오래된 성 창가에 서 있는 줄리엣 2D 라인 아트 그림'을 요청하는 예시입니다. 인터넷에 떠도는 로미오와 줄리엣에 대한 설명과 이미지가 너무 많아 AI 생성기는 적절한 이미지를 추측하기 위한 추가 정보는 필요로 하지 않았습니다.

['오래된 성 창가에 서 있는 줄리엣의 2D 라인 아트 그림'이라는 프롬프트와 함께 stability.ai에서 DreamStudio를 사용하여 AI가 생성한 이미지.] 

안내 이미지 생성과 관련하여 일부 AI 모델은 기존 이미지에 새 컨텐츠를 추가할 수 있습니다. 예를 들어 그림 테두리를 확장하여 AI가 원본 그림의 컨텍스트에 맞춰 내용을 그릴 수 있도록 할 수 있습니다.

텍스트 음성 변환

AI가 단어 문자열을 그림으로 변환하는 방식과 유사하게 텍스트를 음성으로 변환할 수 있는 AI 모델도 있습니다. 일부 모델은 발화자의 오디오 샘플을 분석할 수 있습니다. 이 모델은 발화자의 고유한 음성 패턴을 학습하여 텍스트를 새로운 오디오로 변환할 때 이를 재현할 수 있습니다. 일반 청취자들은 이들 간 차이점을 구분하기 어렵습니다.

이는 새로운 텍스트, 이미지, 음성을 생성하는 데 LLM을 사용하는 몇 가지 예에 불과합니다. 어떠한 방식으로 언어가 작동하는지에 대한 이해를 필요로 하는 거의 모든 작업은 AI로 증강할 수 있습니다. AI는 업무와 여가에 모두 적용할 수 있는 매우 강력한 도구입니다.

강력한 예측

이제 생성형 AI로 어떤 일을 할 수 있는지 살펴봤으니, 한 가지 분명한 점을 알아봐야 합니다. 바로 생성형 AI가 생성하는 텍스트는 사실 예측의 또 다른 형태일 뿐이라는 점입니다. 하지만 주택의 가치를 예측하기 보다, 독자에게 의미와 관련성이 높은 일련의 단어를 예측합니다.

물론 예측은 인상적이지만 컴퓨터가 '생각한다'는 뜻은 아닙니다. 컴퓨터는 사용자가 질문한 주제에 대한 의견을 가지지 않으며, 컴퓨터 자체의 의도나 욕구도 가지지 않습니다. 컴퓨터가 의견을 가지고 있는 것처럼 보이는 이유는 사용자의 예상 응답을 가장 잘 예측하고 있기 때문입니다. 예를 들어, 누군가에게 '커피가 좋으세요, 차가 좋으세요?'라고 질문한다면 특정한 예상 응답을 이끌어낼 수 있습니다. 적절히 학습된 모델은 컴퓨터가 어떤 종류의 음료를 원한다는 것이 말이 되지 않더라도 응답을 예측할 수 있습니다.

다음 유닛에서는 생성형 AI를 가능하게 만드는 몇 가지 기술에 대해 살펴보겠습니다.

리소스

• Trailhead: 인공 지능 기초
• Trailhead: 자연어 처리의 기초
• Salesforce 도움말: Einstein 생성형 AI