[카테고리:] Creative

8. 생성형 AI의 시대를 연 GPT-3(2020)

미국의 인공지능 기업인 OpenAI가 2020년에 개발한 GPT-3은 1,750억 개의 파라미터로 구성된 언어모델입니다. 오픈소스로 공개된 이전 GPT-2와 달리, 코드와 모델을 비공개로 발표하여 당시 비영리 연구소였던 OpenAI가 비난을 받기도 했습니다. 전작 대비 엄청난 성능의 발전을 보여줘서 화제가 되기도 했습니다.

GPT-3은 기존의 분석 및 해석을 넘어 대규모 언어 모델을 기반으로 한 ‘생성형’ AI를 본격적으로 수면 위로 끌어올린 프로젝트입니다. 이메일을 작성할 때, 받는 사람, 주제, 핵심 내용 등을 입력하면 GPT-3는 그 요소들을 자세히 반영하여 일관되게 맥락에 맞는 문장을 씁니다. 이를 통해 마치 사람이 쓴 것처럼 격식을 갖추고 정중한 업무 메일을 쓸 수 있습니다.

텍스트 생성을 넘어, GPT-3는 언어에 대한 이해가 필요한 다양한 분야에 영향을 끼쳤습니다. 긴 글을 요약하거나 시와 같은 창의적 콘텐츠를 생성하고, 언어를 번역하기도 하고, 코딩도 가능합니다. 이러한 능력은 인간과 컴퓨터 간의 상호작용 인터페이스를 더 직관적으로 개발하는 데에도 유용합니다. 광범위한 언어 훈련 데이터를 활용함으로써 GPT-3는 ‘정말 인간이 할 법한’ 작업들을 수행할 수 있습니다. GPT-3의 출시는 AI가 말 그대로 ‘인공지능’의 의미에 한층 더 가까워졌음을 증명했습니다.

9. 파운데이션 모델(Foundation)의 등장(2021)

파운데이션 모델(Foundation)은 2021년 스탠포드 대학의 연구소에서 처음 만든 개념입니다. ‘광범위한 사례에 적용할 수 있도록 대규모 데이터를 기반으로 학습된 모델’을 뜻하며, AI 모델 개발 및 활용 방식에 큰 변화를 가져왔습니다. 파운데이션 모델을 기반으로 미세 조정(fine-tuning, 파인튜닝)만 하면 바로 사용할 수 있게 해 주는 모델로, 이 모델들을 활용함으로써, 각 산업 도메인에 맞춰 특화된 새로운 AI 모델을 개발하는 데 필요한 리소스를 획기적으로 줄일 수 있습니다.

특히 의료 분야에서는 파운데이션 모델의 영향이 매우 큰 편입니다. 이 모델들은 맞춤형 진단 도구 및 개인화된 치료법의 신속한 개발을 가능하게 하며, 의료 분야에서의 ‘개인화’ 영역을 크게 발전시켰습니다. 건강 관련 데이터를 대규모로 학습한 파운데이션 모델을 활용함으로써 의료 전문가들은 각각 환자의 필요에 정확하게 맞춰진 치료법을 제시할 수 있습니다.

이러한 범용성과 효율성 덕분에 파운데이션 모델은 AI 생태계에서 핵심적인 역할을 하며, 금융부터 교육에 이르기까지 다양한 분야에서 AI가 지원할 수 있는 능력을 확장하는데 기여하고 있습니다.

10. 이미지 제작의 패러다임을 바꾼 스테이블 디퓨전(Stable Diffusion)(2022)

스테이블 디퓨전(Stable Diffusion)은 영국의 AI 기업 Stability AI가 오픈소스로 배포한 이미지 생성형 모델로, 텍스트 프롬프트만으로 고품질의 이미지를 생성할 수 있습니다. 스테이블 디퓨전은 앞서 설명한 생성적 적대 신경망(GANs)의 한 분야에서 발전해온 모델입니다. 독특하면서도 예술적인 이미지를 만들 수 있어 디자이너, 일러스트레이터, 예술가들에게 새로운 형태의 시각 미디어를 실험하고 빠르게 작품을 제작할 수 있는 혁신적인 변화를 가져왔습니다.

예를 들어, 디지털 아티스트가 ‘석양이 깔린 초저녁의 미래 도시 풍경’이라는 설명을 입력하면, 스테이블 디퓨전은 요청 사항에 ‘훈련된 예술적 감각’을 더해 이미지를 생성합니다. 이는 이미지를 만드는 데 드는 시간을 줄여 줄 뿐만 아니라, 수작업으로 구현하기 어렵거나 시간이 많이 걸리는 작업을 AI로 실험할 수 있게 해 줍니다.

스테이블 디퓨전의 영향은 단순히 이미지를 만드는 데 그치지 않고, 고품질의 예술적 콘텐츠 생산을 대중화했다는 데 의미가 있습니다. 이는 예술 교육을 받지 않은 사람들이나 자본이 부족한 예술가도 쉽게 작품을 만들 수 있게 하여, 다양한 산업에서 시각 콘텐츠의 제작 방식에 변화를 가져올 수 있음을 보여주는 중요한 사례입니다.

이외에도 GPU와 TPU의 발전을 통한 AI 하드웨어 최적화, 2020년대 초 생성형 AI, LLM 모델의 춘추전국시대 등을 추가적으로 꼽을 수 있을텐데요. 이러한 이정표를 되돌아보면 딥러닝은 우리의 삶을 혁신했을 뿐만 아니라 미래 기술 발전을 위한 궤도를 구축했음을 알 수 있습니다.

미래 AI는 최소한의 데이터로 학습하고, 다양한 작업을 보다 효과적으로 일반화하며, 아마도 인간의 논리와 유사한 추론을 하는 방향으로 개발될 것입니다. 또한, AI 윤리와 거버넌스의 진화는 이 기술이 사회에 통합되는 방식을 형성하는 데 중추적인 역할을 할 것으로 보입니다. 과거의 흐름을 보면서 앞으로 AI가 어떻게 발전할지 예상해 보는 것도 좋을 것 같습니다.