AI(인공지능)시대를 위한 용어 정리: AI관련 알아두면 좋은 키워드 이해

 

 
 
 
 

사진: Unsplash 의 Alex Knight

 
 
 
 
최근 AI(인공지능) 산업의 부각은 우리가 살아가는 방식과 기술의 미래를 새롭게 정의하고 있습니다. 인공지능 기술은 우리 일상에 깊숙이 스며들어 있으며, 다양한 분야에서 혁신을 이끌고 있습니다. 그래서 AI 산업과 함께 등장하는 키워드를 소개하고, 최대한 쉽게 이해할 수 있도록 정리를 해보았습니다. "알면 보이는 것들이 많아진다"는 말처럼, AI시대에 통찰을 위해, 개념에 대한 이해와 의미를 살펴보도록 하겠습니다.

GPT(Generative Pre-trained Transformer)

GPT는 Generative (생성하는) Pre-trained (사전 학습된) Transformer (트랜스포머)라는 의미로 다음에 오는 단어나 문장을 예측하여, 맞추는 방식으로 문장을 생성하기 위한 모델로 미리 학습한 똑똑한 컴퓨터라고 하면 쉽게 이해가 될 것으로 생각됩니다. GPT는 컴퓨터라기 보다는 일종의 소프트웨어, 프로그램이라고 볼 수 있습니다. 그리고 웹사이트에 있는 수천억개의 데이터를 모아서 사전 학습을 하여, 단어나 문장을 예측하여 문장을 생성하는 모델입니다. 일반적으로 GPT3.5는 매개변수 1천 750억개이며, 최근 발표한 GPT4는 8배나 많은 1조억개입니다. 이렇게 많은 데이터를 사전에 학습하고, 문장 생성을 위한 모델로 발전하고 있는 것이 GPT라고 하겠습니다. 

 
 

매개변수(Parameter)

GPT에서 보다 똑똑해 질 수 있다는 측면은 매개변수가 얼마나 되냐에 따라 기본적으로 판단되어 질 수 있습니다. 매개변수라는 것은 데이터와는 차이가 있습니다. 데이터라는 것은 말 그대로 GPT가 학습할 때 사용되는 다양한 텍스트, 이미지, 영상, 소리 등이 포함됩니다. 매개변수는 GPT가 학습과정에서 이러한 방대한 데이터로부터 얻은 지식과 패턴을 수백억, 수천억개의 숫자로 만들어지는 학습결과입니다. 그래서 데이터는 GTP에 필요한 원재료라면, 매개변수는 원재료를 바탕으로 학습한 결과물이라는 점에서 차이가 있습니다. 그래서 매개변수가 많다는 것은 그만큼 많은 학습을 통해 초등학생부터 대학생까지 지식의 차이를 발생할수 있다고 볼 수 있습니다.

온디바이스 AI(On-Device AI)

최근 애플 인텔리전스 발표와 함께 온디바이스 AI라는 기사들을 많이 접하고 있습니다. 온디바이스AI는 디바이스 내 탑재된 AI모델을 활용하여 AI서비스를 운영하는 방식으로 이해하시면 편하겠습니다. 온디바이스라는 단어에서 이해할 수 있듯이, AI 서비스를 위해 외부 인터넷 등을 연결하지 않고 독자적으로 AI를 작동할 수 있는 디바이스입니다. 쉽게 예를 들어본다면, 현재까지 챗GPT는 인터넷 연결과 브라우저를 통해 가능하다는 점에서 온디바이스AI는 아니라고 할 있습니다. 앞으로 이러한 온디바이스AI가 가능해지는 시대가 점점 다가올 것으로 생각됩니다. 최근 삼성전자가 발표한 갤럭시AI 역시도 온디바이스AI라고 볼 수 있겠습니다. 기존에 우리가 생각하는 AI는 거대한 컴퓨팅 기술이 필요로 하고, 그렇기에 스마트폰, 노트북, 스마트패드와 같은 같은 환경에서 구현이 어렵다고 생각을 하고 했으나, 기술발전으로 이해 작은 스마트폰에서도 AI가 바로 구현되는 그런 혁신의 시대를 직면하고 있다고 볼 수 있겠습니다.

 
 
 
 

사진: Unsplash 의 Solen Feyissa

 
 
 

생성형 AI(Generative AI)

챗GPT처럼 대규모 데이터의 패턴을 학습하여, 명령여(Prompt)에 따라 새로운 이미지, 영상, 음악, 텍스트, 코드 등의 콘텐츠를 생성하는 인공지능 기술입니다. 이러한 인공지능 기술은 앞으로 분야에서 활용될 것입니다. 그리고 많은 아이디어가 나오게 될 것으로 생각되는데요. 현재까지 생성형AI가 발전되는 분야를 본다면, 글쓰기, 이미지 생성하기, 영상 만들기, 음악작곡하기, 고객응대서비스, 번역 등에서 최근 활용되고 있는 것들을 쉽게 접하는 경우들입니다. 향후에는 교육분야, 신약개발 등의 분야에서 접목이 되어 사용되어가지 않을까 싶습니다.

멀티모달(Multi-Modal)

멀티모달은 텍스트, 이미지, 영상, 오디오를 여러 인터페이스를 통해 정보를 주고 받는 것을 말하는 개념으로 과거에는 하나의 모달리티를 입력하는 방식이었습니다. 하지만 최근에는 눈으로 보고 인지하는 것은 시각(visual), 피부로 대상과 접촉하여 느끼는 촉각(kinesthetic), 그리고 소리를 귀로 듣고 받아들이는 것은 청각(auditory) 등으로 다양한 채널의 정보를 받아들여 학습하고, 추론하는 방식으로 발전해 왔습니다. 이것을 멀티모달이라고 하는데요. 인간을 예를 들면, 말(텍스트/음성), 표정(비주얼), 몸짓(영상)이라는 방식으로 정보를 주고 받습니다. 그래서 이러한 멀티모달의 방식으로 AI 역시도 발전해 가고 있는 상황입니다. 데이터를 받아들이는 관점에서 본다면, 인터넷에 존재하는 데이터는 텍스트, 음성, 비주얼, 영상로 대부분 이루어져 있습니다. 그래서 기존의 텍스트만으로 한계가 있기 때문에 더욱 많은 데이터를 수집하기 위해서도 멀티모달이라는 방식을 발전할 수 밖에 없는 상황이기도 할 것입니다. 
 

 

LLM(Large Language Model)

사람들의 언어를 분석하여, 사람들이 대화하는 방식과 문장이 구성되는 방식을 이해하여 초거대 AI가 답을 할 수 있도록 하는 언어모델입니다. 챗GPT 역시도 LLM을 기반으로 하는데요. GPT3, GPT4는 텍스트 데이터를 학습하여 언어를 이해하고 생성하는데 중점을 두었습니다. 그러나 이후 멀티모달 기능을 갖추게 되면서, 다양한 형태의 데이터(이미지, 비디오, 소리)를 동시에 처리하는 기술로 발전했다고 보시면 되겠습니다. 그래서 챗GPT 4부터는 멀티모달 형태로 다양한 데이터를 학습하고, 처리할 수 있는 생성형AI로 더욱 변화된 것입니다.

SLM(Small Language Model)

거대언어모델(LLM)에 비해 상대적으로는 작은 데이터로 훈련되거나, 간단한 구조를 가진 AI 언어모델입니다. 차이는 매개변수의 차이라고 볼 수 있는데요. GPT3는 1750억개의 매개변수를 가지고 있다면, SLM은 훨씬 적은 매개변수를 가지고 있습니다. 그래서 연산과 메모리에서 자원이 적게 소모되는 장점을 가지고 있기도 합니다. 그래서 스마트폰과 같은 상대적으로 작은 스펙의 하드웨어에서도 실행을 할 수 있는 장점이었습니다. 다만, LLM에 비해서는 성능이 떨어진다는 점은 매개변수가 적기에 오는 단점이라고도 볼 수 있겠습니다. 최근에 애플 인텔리전스가 구현하는 부분에서도 아이폰에 들어가는 플래시 메모리와 데이터 압축기술을 통해 SLM이 구현할 것이라고 발표한 부분입니다. 디바이스 내에서 SLM을 구현하고, 인터넷 연결을 통해서는 LLM을 작동하는 방식으로 하이브리드 방식의 AI를 선보이게 된 부분도 SLM을 효과적으로 활용한다는 측면에서 나온 부분이라고 보시면 되겠네요.

 
 

NPL(자연어처리, Natural Language Processing)

자연어 처리는 AI의 한 분야로, 컴퓨터가 인간의 언어를 이해하고 처리할 수 있도록 하는 기술입니다. 쉽게 언어데이터를 분석하고 처리하는 방법론이라고 생각하면 되겠습니다. 텍스트 분석, 번역, 요약, 질의응답, 대화 등 언어와 관련된 분야에서 향후 활용되게 될 기술이겠습니다. 자연어처리는 앞에서 이야기한 LLM의 기본작업과 기능을 구현하는데 필수적인 기술이라고 이해하면 되겠는데요. 자연어 처리가 LLM에 필요한 이유는 크게 5가지 정도로 볼 수 있습니다. 우선 언어를 이해하는 측면에서 자연어처리는 문맥을 파악하고 의미를 이해하는 중요한 역할을 하게 됩니다. 그리고 문장 안에서 특정 정보를 인식하는데 활용되기도 하는데요. <서울에서 열린 회의>라는 문장에서 <서울>을 장소로 인식하게 하는 기술이라고 하네요. 자연어처리를 통해 언어를 이해함으로서 물론 문장 생성, 대화 생성과 같은 기능을 구현하게 되며, 문서 분석, 질문 답변, 번역까지 이루어질 수 있는 기술이라고 하네요. 
 
 
 

사진: Unsplash 의 Growtika

 

클라우드(Cloud AI)

클라우드 AI는 데이터 센터 등의 외부 자원을 활용하여 인터넷 컴퓨팅 시스템을 운영하는 네트워크를 활용해서 AI를 구현하는 기술입니다. 예를 들어 테슬라의 도조 슈퍼 컴퓨터의 경우가 향후 테슬라가 선보이게 될 로봇택시, 이족 보행 휴머노이드 로봇 등에서 슈퍼 컴퓨터 도조를 기반으로 AI를 구현한다는 계획을 가지고 이를 발전시키고 있는 예 중 하나가 될 것 같습니다. 애플, 삼성이 발표한 인텔리전스 역시도 이러한 클라우드 기반의 AI를 도입하는 부분이기도 하겠네요. 또한 엔비디아 역시도 하드웨어뿐만 아니라, AI산업을 위해 클라우드 기반의 AI 서비스를 제공할 계획을 가지고 있는데요. 대규모의 자체 컴퓨팅을 가지고 있지 않더라도, 엔비디아의 클라우드 AI서비스를 통해 다양한 AI산업을 지원하는 플랫폼으로의 역할을 지켜볼 수 있겠습니다.

GPU(Graphics Processing Unit)

GPU는 영상, 이미지 등의 그래픽 데이터 처리를 위해 고안된 고성능 처리장치로, 다량의 데이터 처리에 유리한 병렬형 데이터 처리 구조를 가지고 있는데요. 최근 GPU에 대한 수요가 폭발적으로 늘어나고 있는 부분도 역시 AI산업에 대한 투자와 발전을 모색하고 있는 기업들이 많기 때문일 것입니다. GPU에서 대표적인 기업은 잘 아시는 것처럼 엔비디아입니다. AI시대에 필수적인 컴퓨팅 자원인 GPU는 병렬처리 방식으로 인해, 대규모 데이터를 처리하는데 유리한 측면이 있어서, 단순히 그래픽 카드로 평가할수 없는 중요성을 가지고 있다고 볼 수 있겠습니다. 

앰비언트 컴퓨팅(Ambient Computing)

앰비언트 컴튜팅은 사용자 주변에 일상적으로 존재하는 컴퓨팅 시스템으로 이용자가 인지하지 못할 때에도 주변에서 알아서 일을 처리해서 주는 시스템이라는 개념입니다. 과거 월스트리트 저널의 테크 칼럼니스트인 월트 모스버그(Walt Mossberg)가 작성한 칼럼에서 IT의 패러다임을 강조하면서 사용한 키워드라고 하는데요. 모스버그는 미래에는 컴퓨터가 미래에는 컴퓨터가 우리의 눈에서 사라질 것이고, 공기처럼 존재하되 느끼지 못할 것이라고 전망했다고 합니다. 그래서 앰비언트 컴퓨팅 환경에서는 스마트폰도 인간의 조작이 필요하다는 점에서 부자연스럽다는 의견을 피력하기도 했다고 하네요. 마치 미래의 공상 과학 영화를 보면, 집에 들어서면 목소리를 통해 가상의 주인공과 대화를 하고, 필요한 것들을 요청하고 그런 장면을 생각하시면 이해가 쉽지 않을까 싶습니다.

 

 
 
 

애플 AI전략: 애플 인텔리전스로 살펴본 애플 AI 전략 정리

 

애플은 요즘 뭐함? 애플 인공지능 AI 전략

 
 

 
 

 

 

다가오는 미래
알면, 보이는 것들이
생긴다

 

 
 

사진: Unsplash 의 Semeon Hrozian