요즘은 ‘AI 자격증’ 하나쯤은 준비해야 할 것 같은 분위기지? 문제는 도대체 어떤 자격증이 ‘실제로 도움이 되는지’ 알기 어렵다는 것이지.
포털에 검색해보면 AI 관련 민간 자격증만 수백 개. 이력서에 써놔도 기업에서 “이건 뭐지?” 싶어 지나치는 경우가 허다해.
그래서 요즘 주목받는 게 국가공인 AI 자격증이야. 단순히 ‘민간 기관에서 발급하는 수료증’이 아니라, 국가 기술 자격 체계에 등록된 정식 인증이기 때문이야.
국가공인 AI 자격증, 정말 기업에서도 인정해줄까?
실제로 일부 기업에서는 AI 자격증을 ‘우대 조건’으로 명시하고 있어. 예를 들어, KT AICE Associate는 국내 최초로 AI 분야에서 국가공인을 받은 자격으로, 다음과 같은 특징이 있어.
시험 주제는 실무형 중심인데, 단순 이론 암기형이 아닌, 실제 프로젝트에서 필요한 프로세스가 중심이야. (예: 탐색적 데이터 분석, 데이터 전처리, 머신러닝 모델링, 성능 평가 등)
시험 방식은 온라인 & 오픈북인데, 정해진 문법보다 사고력 중심의 문제 구성. 구글링보다는 AI를 제대로 이해했는지를 묻지.
시험 응시 난이도는 낮지 않아. 총 14문항, 객관식이지만 AI의 흐름과 구조에 대한 탄탄한 이해가 있어야 통과 가능해. 2025 하반기 공채를 준비 중이라면, 8월 시험 → 9월 결과 발표 → 이력서 반영이 가능하다는 점 참고하면 좋을 것 같아.
꼭 ‘코딩’ 잘해야 딸 수 있을까? 결론부터 말하면 아니.
KT AICE Associate의 경우 기본적인 파이썬 문법이나 라이브러리 정도만 알고 있어도 무방하며, 실제 시험은 “프로그래밍 구현력”보다는 “데이터 기반 문제 해결력”을 평가해.
비전공자도 학습할 수 있지만, AI 전반의 흐름(데이터 → 전처리 → 모델링 → 평가)을 한 번쯤은 익히고 응시하는 것이 안전해.
어디서부터 준비해야 할까?
국가공인 AI 자격증은 공식 교재나 정보가 부족한 편이라, 준비 과정이 막막한 경우가 많아. 이럴 때는 인증된 커리큘럼을 제공하는 강의를 활용하는 것도 하나의 방법이야.
예를 들어 패스트캠퍼스에서는 KT와 공동 기획한 KT AICE Associate 자격 대비 강의를 운영 중이야. 실무 중심의 커리큘럼 (EDA~모델 평가까지)으로 이루어져 있고, 현업 출신 강사 직강에 응시료 20% 할인 쿠폰까지 제공하고 있어.
자격증 정보
자격명 – KT AICE Associate (국가공인) 시험방식 – 온라인, 오픈북 시험시간 – 90분, 객관식 14문항 시험범위 – EDA / 전처리 / ML&DL / 성능 평가 합격 기준 – 80점 이상 유효 기간 – 3년 응시료 – 8만원 (할인 가능) 다음 시험 – 8월 예정 (결과 9월 발표)
자격증은 실력을 증명하는 하나의 수단일 뿐이지. 하지만 실전 중심의 자격을 통해 나의 AI 실무 준비도를 객관화할 수 있다면, 취업과 이직 시장에서 그 자체로 경쟁력이 될 수 있어.
민간 자격증 홍수 속에서 제대로 인정받는 AI 자격증, 지금은 그런 걸 준비해야 할 때야.
LLM(대형 언어 모델)의 파인튜닝 과정에서 GPU 최적화의 중요성은 그 어느 때보다도 커지고 있습니다. AI와 머신러닝의 진화는 새로운 도전을 가져왔으며, 특히 LLM의 파인튜닝은 복잡하고 자원 집약적인 작업입니다. 여기서 GPU는 중요한 역할을 합니다. GPU는 대규모 데이터 처리와 복잡한 연산을 신속하게 처리할 수 있어 AI 모델의 학습 속도를 획기적으로 향상시킵니다. 그렇기 때문에 AI 분야에서는 GPU가 점점 더 많은 주목을 받고 있습니다.
아래 인터뷰를 진행하는 이승유 개발자는 GPU 최적화와 Fine-tuning 기술로 자체 LLM 모델 개발하여 Open-Ko LLM & Open LLM Leaderboard 최장기간 1위 모델을 달성했으며, PEFT(Parameter Efficient Fine-tuning) 라이브러리 Contributor로, 여러분에게 GPU 최적화의 중요성과 필수성을 전할 것입니다.
Q: 파인튜닝이란 무엇이며, 이를 통해 어떻게 큰 모델을 효율적으로 훈련시킬 수 있나요?
A: 파인튜닝은 사전에 훈련된 모델을 특정 작업에 맞게 추가로 훈련시키는 방법입니다. 이는 적은 비용으로도 큰 모델을 효율적으로 훈련시킬 수 있는 장점을 제공합니다. 파인 튜닝을 통해 모델은 기존의 지식을 바탕으로 새로운 데이터에 빠르게 적응할 수 있습니다. PF(Pytorch) 라이브러리와 같은 도구를 활용하면 파인 튜닝 작업이 더욱 간편해집니다.
Q: 파인 튜닝의 중요 방법론으로는 어떤 것들이 있나요?
A: 파인 튜닝의 중요한 방법론으로는 로라(Low-Rank Adaptation) 방식과 IA 3(Incremental Adaptive Attention Mechanism) 방식이 있습니다. 로라 방식은 모델의 파라미터를 저차원으로 근사화하여 효율성을 높이며, IA 3 방식은 어텐션 메커니즘을 점진적으로 조정하여 성능을 최적화합니다. 그러나 이러한 방법론을 적용하면서 파라미터 수가 증가하면 리소스 문제가 발생할 수 있습니다. 이는 훈련과 추론 과정에서 더 많은 메모리와 연산 자원을 필요로 하기 때문입니다.
Q: 파라미터 수가 증가하면 리소스 문제는 어떻게 해결할 수 있나요?
A: 파라미터 수가 증가하면서 발생하는 리소스 문제는 여러 가지 방법으로 해결할 수 있습니다. 첫째, 모델 압축 기술을 사용하여 파라미터 수를 줄이는 것입니다. 둘째, 분산 학습을 통해 여러 GPU나 서버를 활용하여 연산 부하를 분산시키는 방법이 있습니다. 마지막으로, 효율적인 메모리 관리 기법을 통해 사용 가능한 자원을 최대한 활용하는 것도 하나의 방법입니다. 이러한 접근법을 통해 리소스 문제를 최소화하면서도 높은 성능을 유지할 수 있습니다.
Q: 향후 오픈 소스 LLM도 어떤 식으로 한국어 파인튜닝을 할 수 있을 지, 구체적인 프로세스는 어떻게 생각하는지?
A: 한국어 파인튜닝을 위해서는 먼저 적절한 SFP(Supervised Fine-Tuning)를 수행한 후에 DPO(Direct Preference Optimization)를 통해 모델을 얼라인시키는 방식이 중요합니다. SFP를 통해 모델이 특정 작업에 대해 잘 학습할 수 있도록 지도 데이터를 사용해 훈련을 시키고, 이후 DPO를 활용해 모델의 출력을 사용자 선호에 맞게 최적화합니다.
데이터셋 구축 과정도 매우 중요합니다. 학습 데이터의 분포를 잘 설정하여 다양한 상황에 대응할 수 있는 제너럴한 모델을 만드는 것이 핵심입니다. 이를 위해 데이터 수집과 정제 과정을 신중하게 진행하고, 다양한 도메인에서 데이터 샘플을 확보하여 학습에 사용해야 합니다. 또한, 파이프라인을 통해 지속적으로 데이터를 업데이트하고 모델을 재훈련하는 것이 바람직합니다. 이렇게 하면 모델이 최신 정보를 반영하고, 다양한 질문에 적절한 답변을 제공할 수 있습니다.
Q:MoRA, DoRA, QLoRA 등 최적의 학습 기법에 대한 연구가 많은데, Fine-tuning 미래를 어떻게 생각하시나요?
A: 미래의 파인튜닝은 더욱 효율적인 어댑터 방식으로 발전할 것으로 보입니다. 어댑터는 모델의 기존 파라미터를 동결하고, 추가적인 작은 파라미터들을 학습하는 방식입니다. 이 방법은 메모리 사용량과 계산 비용을 줄이면서도 모델 성능을 유지할 수 있습니다.
특히, 최근에는 양자화(quantization) 연구가 활발하게 진행되고 있습니다. 예를 들어, 포스텍 연구팀은 3비트 양자화를 통해 기존 모델의 성능을 뛰어넘는 결과를 발표했습니다. 이는 양자화 기술이 모델의 파라미터를 더 작은 비트로 표현하여 메모리와 계산 자원을 절약하면서도 성능 저하를 최소화할 수 있음을 보여줍니다.
결국, 파인튜닝의 미래는 모델의 효율성을 극대화하는 방향으로 나아갈 것입니다. LoRA(Low-Rank Adaptation), QLoRA(Quantized LoRA)와 같은 기법들이 이를 잘 보여주고 있으며, 이러한 방법론들이 앞으로 더욱 발전하면서 더 효율적이고 강력한 LLM 모델을 만드는 데 기여할 것입니다.
결론적으로, GPU를 모르면 원하는 서비스를 만들 수 없습니다.
LLM 파인튜닝 과정에서 GPU 최적화는 필수적이며, 이를 통해 우리는 더 빠르고, 더 효율적이며, 더 정확한 AI 모델을 만들 수 있습니다. 이승유 개발자의 이번 강의는 이러한 GPU 최적화의 핵심을 이해하고, 실제 프로젝트에 적용할 수 있는 실질적인 방법들을 배울 수 있는 좋은 기회입니다.
이번 강의를 통해 여러분은 파이널 3개 프로젝트로 GPU 최적화를 완벽히 이해하고 적용할 수 있는 능력을 갖추게 될 것입니다. 이는 여러분이 AI 분야에서 한 단계 더 성장하는 데 큰 도움이 될 것입니다. 지금 바로 강의에 참여하여 LLM 파인튜닝 과정에서의 GPU 최적화를 마스터하세요. GPU 최적화를 통해 여러분의 AI 프로젝트를 성공으로 이끌 수 있습니다.
인공지능 영역에서 힘의 균형이 최근 바뀌고 있다는 분석이 나타나고 있다. 미국은 오랫동안 AI의 선두주자였지만 중국은 인력 양성에 힘을 쏟으면서 빠르게 입지를 다지고 있다. 중국 정부는 2024년 최근 경제 성장이 둔화한 상황에서도 AI 관련 연구개발 예산을 10%가량 늘린 3710억 위안(약 69조 원)으로 책정할 만큼 AI에 대한 관심이 크다.
중국은 미국을 따라잡기 위해 국가 차원으로 2027년 약 18조원까지 투자를 늘려 AI 산업 육성에 대한 강한 의지를 보이고 있다. 최근 미국이 엔비디아 집적회로 AI칩 수출 금지 등의 반도체 제재가 잇따르고 미국 중심의 AI 콘텐츠 규제가 잇따르며 중국 내부적으로 빠르게 AI 산업 발전 육성에 대한 관심을 기울이고 있다.
미국보다 AI 분야에서 많은 인재를 배출하고 있고 바이두의 ‘어니봇’이 사용자 1억 명을 확보하는 등 공공과 민간 모두 성과를 내며 AI에 대한 기술 개발에 총력을 기울이고 있다. 미국에 비해 늦은 시기이지만 중국 역시 2023년 9월부터 바이두, 텐센트 등 중국 내 유수의 기업들이 모두 생성형 AI를 개시하기 시작하였다.
2. 박사급 연구자들의 이동
과거에는 중국의 많은 인재가 AI 분야의 전문인이 되기 위해 미국으로 유학을 갔다. 2010년대 대부분 기간은 중국의 연구진들이 미국 대학에서 학위를 취득하면서 대다수 미국에 머무르는 쪽을 택하였다. 하지만 지금은 중국에도 인공지능 관련 다양한 학과가 있기에 중국에 머무르는 것을 택하면서 중국으로 인재가 몰리고 있다. 중국은 AI 기술을 국가적으로 중요한 핵심 R&D 영역으로 설정하여 기술 개발과 인재 육성을 전격적으로 지원해 나가고 있다. 2021년 중국 정부에서 발표한 14차 5개년 계획에 따르면 ‘디지털 중국’ 전략이 있다. 경제, 문화, 거버넌스, 사회, 에코시스템의 5개 분야를 대상으로 AI 기술로 융합하도록 만드는 것이다. 이렇게 국가적으로 밀어주는 AI 기술이기에 중국 내 AI 전문가들이 다수 배출되고 있는 상황이다. 미국은 AI 분야에서 혁신은 이루었지만 상당 부분 중국에서 교육을 받은 연구자에 의해 수행된 경우가 많다. 중국에서 태어난 연구자 중 미국에서 활동하는 AI 연구자는 38% 이상을 차지하고 있을 정도이다.
중국의 AI 전문가가 크게 증가한 결정적 이유는 2018년 이후 중국 정부에서 AI 관련 막대한 투자를 하였기 때문이다. 2000개 이상의 학부 AI 프로그램이 추가되는 등 AI 교육에 심혈을 기울이고 있다. 중국의 명문 대학은 300개가 넘게 AI 관련 프로그램을 운영하고 있다. 중국이 관심을 기울이는 교육은 산업이나 제조 분야의 도메인 기반의 AI 애플리케이션에 더 초점을 맞추고 있다.
미국이 AI 기술의 중국 생산 이관 및 기술 이전, 투자, 사업 연계를 계속 해서 제약하는 상황에서 중국 정부는 적극적으로 자국 기업에서 AI 기술을 개발할 것을 본격적으로 장려하기 시작했다. 중국 정부의 적극적인 투자로 더이상 박사급 연구자들은 미국에서 연구를 수행하기 보단 자국에서 자국의 발전을 위해 연구개발을 하는 것을 택하는 경우가 많아지고 있다. 박사급 연구자들이 중국에 머무르는 것은 결국 중국의 AI 발전에 긍정적 영향을 끼치게 되면서 AI 발전 방향이 중국으로 향하게 되는 것이다.
3, 중국, 인공지능 분야 인재 양성에 대한 막대한 투자
과거에는 중국의 AI 관련 인재들이 미국에 머무르든, 중국으로 가든 크게 미국 정부에서 신경을 쓰지 않았다. 하지만 최근 인공지능 관련 국가 간 기술 유출 사건이 붉어지면서 미국 내 기술 유출에 대한 관심이 커지고 있다. 특히 미국과 중국 등 주요 국가 간 국제 경쟁 상황에서 중요한 관심사로 대두되고 있다. 최근 구글의 중국인 엔지니어가 마이크로칩 아키텍처를 포함한 AI 기술을 베이징에 본사를 둔 회사에 이전하려는 시도를 한 혐의로 기소되었다. 이 사건은 AI 기술이 불법적으로 공유되고 이용될 가능성이 있음을 시사하였다.
AI 기술 유출은 다각적인 과제를 안겨주는데 특히 국가 안보를 위협하게 된다. 유출된 기술이 군사적 응용이나 전략적 중요성을 갖는 경우 문제가 될 수 있기 때문이다. 기술 유출은 경제에도 부정적 영향을 미친다. AI 전문가가 유출되면 핵심 산업의 생산성 향상을 저해할 수 있는 문제이다. AI 기술은 제조, 의료, 운송 등 다양한 분야에서 효율성과 자동화를 향상하는 잠재력을 지니고 있다. AI 기술과 인력이 유출되면 기업은 AI 솔루션을 구현하고 운영하는데 어려움을 겪을 수 있다.
미국과 중국이 AI의 패권을 놓고 경쟁하고 있는 상황에서 미국 정부는 중국인의 미국 내 AI 연구에 대한 고민이 깊어지고 있다. 미국 내 AI 박사급 연구원들의 대다수가 중국인이 차지하고 있는데다 정작 이들이 미국의 AI 발전에 기여를 하고 있기 때문이다. 기술 유출은 고민이 되지만 현실적으로 AI 전문가가 중국인이다 보니 미국 내 중국인 AI 전문가들을 막을 수도 마냥 환영할 수도 없는 상황이다.
AI 연구 환경에서 중국 인재의 지배력이 높다 보니 단순히 미국과 중국의 AI 경쟁 구도로 접근하기가 어려워지고 있다. 궁극적으로 AI는 계속 진화하고 발전해야 하는 테마이기에 협력을 하되 기술 유출을 완화하기 위한 프로토콜이나 보호 장치를 구축할 필요가 있다. 다양성을 수용하면서 어떻게 나라 간 전문 인력들의 상호 협력을 할지에 대한 고민이 필요할 때이다. 중국과 미국의 정세로만 바라볼 때 AI 전문가 인력 확보 문제는 단순하게 바라볼 문제는 아니지만 ‘AI 연구’라는 대주제로만 볼 땐 근시안적인 접근보다는 긴 안목으로 국가 간 상호 협력이 필요할 때가 아닐까 생각해 본다.
지금으로부터 8년 전인 2016년, 한국고용정보원에서는 우리나라의 주요 직업 400여개 가운데 AI와 로봇을 활용해서 자동화로 대체될 가능성이 높은 직업을 분석해서 발표했습니다. 정교한 동작의 필요 여부, 창의력의 필요성, 예술과의 연관성, 협상 및 설득이 필요한지 등을 고려하여 순위를 매겼죠.
분석 결과, 자동화 대체 확률이 낮은 순으로는 화가 및 조각가, 사진작가, 작가, 지휘자 및 작곡가, 만화가, 무용가, 가수 등이 꼽혔습니다. 배우, 모델은 14위, 연예인은 87위를 차지해, 주로 예술, 연예계 관련 직업이 자동화로 대체되기 어렵다고 예측되었습니다. 그러나 8년이 지난 지금, 이러한 예측이 틀렸음이 여러 사례를 통해 드러나고 있습니다.
AI로 만든 작품이 사진 공모전, 소설 공모전에 1등으로 입상하고, 버추얼 아이돌이 실제 아이돌 못지않은 팬덤 기반으로 인기를 끌며, 책 표지 일러스트가 AI로 그려진 것임이 뒤늦게 밝혀져서 문제가 된 사건까지. AI로 생성된 ‘예술작품’ 혹은 ‘예술가’를 기존과 동일한 가치로 인정을 해 줄수 있을지에 대해서는 여전히 논란이 많지만, 분명한 것은 8년 동안 AI의 발전 속도가 직업에 대한 예측마저도 뒤엎을 만큼 빨랐다는 점입니다.
8년 전 예측에 대한 변명, ‘이렇게 빨리 발전할 줄 알았더라면’
8년 전 예측이 완전히 틀린 것은 아닙니다. 자동화 대체 확률이 높은 직업 중에 2위로 꼽힌 정육, 도축원은 대표적인 3D 업종으로 꼽혀 온 직업인데요. 자동화 로봇이 인력난 해소의 대책으로 꼽히면서 AI 기술을 활용한 도축 공정 로봇을 개발한 스타트업이 올해 2월, 창업 2년도 안 된 시점에 70억원 규모의 시리즈 A 투자에 성공하기도 했습니다.
당시 기술 수준에서는 그런 예측이 당연했습니다. AI와 로봇에 대한 기대치를 인간의 노동력이 많이 투입되는 ‘노가다’ 과정을 없애주는 역할로 한정지었기 때문에, 단순 반복적인 일들이 쉽게 대체될 것이라고 본 셈이죠. 아마도, 그때 직업의 미래를 예측한 사람들은 “기술이 이렇게 빨리 발전할 줄 몰랐다”라고 생각했을 겁니다.
딥러닝 기술의 진보, 크리에이티브 분야의 ‘게임 체인저’가 되다
특히, 딥러닝 기술의 급속한 발전이 크리에이티브 분야에 혁명을 가져왔습니다. 딥러닝은 대규모 데이터셋을 통해 복잡한 패턴을 학습할 수 있는 AI의 한 분야로, 이 기술이 진보함에 따라 기계는 이미지 인식, 자연어 처리, 음성 인식 등에서 인간을 뛰어넘는 발전 속도를 보였습니다.
딥러닝 알고리즘, 특히 생성적 적대 신경망(GANs)과 컨볼루션 신경망(CNNs)은 예술작품을 만드는 데 있어, AI가 인간과 유사한 능력을 갖출 수 있게 한 일등공신입니다. 예를 들어, GAN은 인간이 만든 이미지와 AI가 생성한 이미지를 구분하는 두 신경망을 서로 대립시켜 훈련함으로써 사실적인 이미지 및 예술작품을 생성하는 데 광범위하게 사용됩니다. 이러한 과정이 반복되면 결국 인간의 예술작품과 AI가 만든 예술작품 간 차이를 크게 느끼지 못하게 됩니다.
자연어 처리(NLP) 기술의 발전은 AI의 텍스트 해석 능력을 비약적으로 끌어올렸습니다. 2010년대 후반부터 GPT(Generative Pre-trained Transformer)와 BERT(Bidirectional Encoder Representations from Transformers)와 같은 모델에 의해 촉진된 NLP의 발전은 AI가 인간의 텍스트를 이해하고, 분석하며, 새롭게 생성할 수 있게 만들었습니다. 이를 통해 AI가 뉴스 기사를 작성하거나 시를 창작하고, 감성적인 글들을 더욱 정교하게 생성할 수 있게 되면서, 글쓰기와 콘텐츠 분야에도 많은 영향을 끼쳤습니다.
여기에 GPU와 TPUs(Tensor Processing Units)와 같은 하드웨어의 기술적 발전 또한 큰 몫을 해냈습니다. 딥러닝의 핵심이 ‘얼마나 많은 데이터를, 얼마나 빠르고 효율적으로 훈련하는지’에 달려있음을 생각해 본다면, 복잡한 모델을 훈련하는 데 드는 시간과 비용을 비약적으로 단축시킨 데에서 큰 공을 이뤘습니다.
결국, 이 모든 것의 종합체인 ‘생성형 AI’가 등장하면서, 기존의 자동화 대체 확률이 낮은 것으로 분류되었던 예술 관련 직업군에도 큰 변화를 가져왔습니다. 한마디로 ‘게임 체인저’가 되었습니다.
AI, 예술 분야 직업의 미래를 좌지우지할 수 있을까?
AI는 이미 크리에이티브 영역에서 큰 영향력을 보이고 있습니다. 구글의 DeepArt를 통해서는 유명 화가 풍의 그림을 금방 만들어낼 수 있고, 텍스트 프롬프트만으로 오픈AI의 Jukebox를 사용해 음원을 간단히 생성할 수 있습니다. GPT-4나 제미나이,Claude로는 문맥을 고려한 자연스러운 글을 쉽게 쓸 수 있고, 오픈AI가 공개한 영상제작 서비스 Sora는 동영상 제작 업계의 거센 반발에 부딪힐 정도로 압도적인 결과물을 선보였습니다.
이러한 AI의 발전은 기존 창작물에 대한 훈련과 데이터 학습을 기반으로 이루어졌다는 한계 또한 존재합니다. AI는 끊임없이 데이터를 분석하고 학습하며 새로운 결과물을 생성합니다. 이 과정에서 AI는 기존의 작품을 모방하는 것에서 출발하여 점점 더 독창적인 작품을 생성할 수 있는 능력을 갖추게 되었습니다.
그러나 AI에 의한 창작물이 실제 예술가의 작품과 동일한 가치를 가지는가에 대한 논란은 여전히 활발히 이어지고 있습니다. 많은 사람들은 이제 AI는 모방을 넘어 창조적인 작업을 하는 단계까지 왔다고 보지만, 다른 이들은 AI가 인간의 창의성을 단순 모방하는 것에 그친다고 비판합니다.
분명한 것은, AI의 크리에이티브 분야에서의 역할은 계속 확대될 것이며, 이는 예술과 창작, 그리고 예술 분야 종사자의 정의를 새롭게 하는 잠재력을 가지고 있습니다. 이는 예술가, 작가, 그리고 창작자들에게 새로운 도전과 기회를 제공하며, 크리에이티브 산업의 미래를 재정의할 것입니다.
조심스럽게 예측해보면, 10년 후 ‘자동화로 대체될 수 있는 직업’의 상위권에서 예술 분야의 직업군은 사라질 가능성이 큽니다. 예술 분야에서도 기술의 발전을 빠르게 받아들이고, 이를 경쟁력을 키우는 수단으로 활용하는 능력이 점점 더 중요해지고 있기 때문입니다. AI의 존재감이 커지는 만큼, 예술가들도 이를 자신의 창작 활동에 통합하여 더욱 혁신적인 방법으로 작품을 창조해낼 가능성이 높습니다. 기술과 예술의 경계가 점차 희미해지는 10년 뒤 ‘제 3의 예술’이 매우 궁금해지는 이유입니다.
2023년 러시아 국경 지역에서 푸틴 대통령의 계엄령 발표가 나왔다. 러시아 국민들의 SNS를 타고 흘러나온 영상에는 푸틴 대통령이 “우크라이나군이 러시아를 침공해 계엄령을 선포한다.”라는 내용이 담겨있다. 러시아 사람들은 일제히 혼란에 빠져 당황하였지만, 알고 보니 이 영상은 가짜 영상 즉 딥페이크 영상임이 탄로 났다. 푸틴 대통령은 해당 발표를 한 적이 없었기 때문이다.
2024년 2월 국내에서도 송혜교, 조인성과 같은 유명인이 등장해 투자를 권유하는 영상이 퍼졌다. 사람들은 유명인이 하는 이야기니 의심치 않고 신뢰를 하였다가 사기를 당한 사례가 나타났다. 배우들은 “수익금의 일부가 기부되고 있어 감사하다.”라면서 “투자가 순조롭게 진행되길 바란다.”라는 말을 영상에서 하였다. 사람들은 그 말울 그대로 믿으면서 후원을 하였지만 알고 보니 해당 영상은 사기였던 것이다. 국가 안보, 경제 투자, 비도덕적 콘텐츠 배포까지 딥페이크로 인한 피해가 사방에서 발생하고 있는 요즘이다.
AICC 시장 규모
🚩인공지능 발전의 부작용 : 딥페이크
인공지능의 발전은 의료, 교육, 생활 전반의 다양한 측면에서 긍정적 영향을 미쳤지만 동시에 딥페이크와 같은 문제도 발생시키고 있다. 위의 푸틴 사례는 대표적인 딥페이크 사례인데 딥페이크는 딥러닝과 페이크의 합성어이다. 인공지능을 활용하여 특정 인물의 눈, 코, 입, 얼굴 전반, 신체 구조 등을 원하는 형태로 조작하고 합성하는 기술을 의미한다. 내 몸에 있는 팔을 다른 사람의 팔로 변경할 수도 있고 내 몸은 그대로이지만 다른 사람의 얼굴을 합성할 수도 있다. 이렇게 딥페이크를 활용하면 어떤 것이 진짜이고 가짜인지 분간하기가 어려워 사람들이 속이기가 쉽다.
딥페이크는 생성형 적대 신경망 GAN 모델을 중심으로 제작을 한다. 두 개의 신경망이 서로 경쟁하며 더 나은 결과를 만들어내는 AI 알고리즘이다. 그럴듯한 가짜 이미지를 생성하면 더 정교하게 식별하는 이미지가 나타나 서로 경쟁하며 발전시켜 나가는 알고리즘을 의미한다. 한 데이터 세트는 임의로 노이즈를 생성해 실제 데이터 샘플과 유사한 합성 데이터 샘플을 생성한다. 반면 다른 네트워크는 가짜 샘플을 구별해 생성자에 의해 생성된 샘플을 분류하는 것을 목표로 한다. 훈련 중에 한 생성기는 판별자를 속이는 샘플을 생성하고 판별자는 가짜 샘플을 정확하게 구별하는 것을 목표로 한다. 마치 위조지폐와 경찰이 서로 속이고 찾는 것처럼 계속 유사하지만 가짜 이미지를 만들고 탐지하는 프로세스를 계속 주고받는다. 이렇게 프로세스를 반복하다 보면 GAN 훈련은 생성기가 실제 데이터와 구분할 수 없을 정도로 정교한 합성 데이터를 생성하게 되고 매우 고품질의 합성 샘플을 생성하게 된다. 얼마나 GAN 모델이 발전을 하였으면 최근 딥페이크는 피부, 머리카락 등까지 사실까지 만들어 더욱 가짜를 분간하기가 어려운 상태로까지 진화하고 있다.
🚩딥페이크 탐지기의 등장: FakeCatcher
딥페이크 기술이 발전함에 따라 다양한 영상, 음성 등의 생성으로 사회적 문제가 비일비재하게 발생하고 있다. 위의 러시아 사례와 같이 가짜 정보로 인해 국가 안보에 위협을 끼칠 수도 있고 잘못된 투자 정보, 경제 지식으로 인해 개인의 경제적 문제에까지 영향을 미칠 수 있다. 유명인의 잘못된 사진, 영상의 합성으로 인한 명예훼손이나 사생활 침해 등의 윤리적 문제까지 이어질 수 있다. 이러한 문제를 해결하기 위해 AI로 비롯된 딥페이크 문제를 AI로 방지하는 움직임이 본격적으로 이뤄지고 있다. 구체적으로 인텔은 실시간 딥페이크 탐지기를 도입하여 진짜인지 가짜인지를 즉시 감지하고 있다. 뉴욕주립대학교가 개발한 FakeCatcher는 실시간 탐지기로 실제 비디오에서 단서를 찾아 픽셀의 이상 흐름을 확인하고 분석하는 역할을 한다. 탐지하는데 중요한 포인트는 비디오 픽셀의 혈류 신호이다. 얼굴 전체에서 수집된 혈류 신호를 통해 영상 속 인물이 진짜인지 가짜인지를 감지한다. 약 96%의 정확도로 가짜 동영상을 감지할 정도로 매우 미묘한 움직임과 혈류를 사용해 딥페이크를 감지하는 형태이다.
#Video Authenticator Tool
마이크로소프트의 Video Authenticator Tool 역시 딥페이크 영상이나 사진을 분석하는 강력한 툴이다. 솔루션은 인간의 눈으로 탐지하기 어려운 딥페이크 얼굴이나 행동을 인공지능을 기반으로 상세히 검토해 감지한다. 고급 AI 알고리즘을 사용해 피사체의 경계를 면밀히 감지하여 딥페이크를 탐지하는 형태이다. 딥페이크를 할 경우 경계 부분의 변화나 미묘한 퇴색이 발생한다. 인간의 눈으로 감지하기 어렵지만 AI로 미묘한 퇴색이나 그레이스케일 등을 검출하면서 자체적인 ‘신뢰점수표’를 기반으로 딥페이크인지 판단을 하게 된다.
#메타가 딥페이크 감지에 관심을 두는 이유
메타 역시 딥페이크 감지 도구에 대한 관심이 높다. 페이스북, 인스타그램에 범람하는 가짜영상으로 골머리를 앓고 있는 탓에 일찍이 딥페이크 검출에 대한 R&D 개발에 대한 관심이 높다. 메타가 만든 ‘메타 AI’로 만든 이미지에 한정하여 ‘이메진드 위드 AI’라는 표식을 붙였지만 2024년 2월, 이제 생성형 AI를 만든 이미지, 딥페이크 이미지에 모두 표식을 할 예정이라 발표하였다. 아직 구체적인 소스 코드는 공개하지 않았지만 딥페이크 감지 도구까지 개발을 하여 가짜 미디어를 검출하는데 활용하고 있다. 라마처럼 오픈 소스로 공개하지 않는 이유는 딥페이크 개발자들이 역으로 해당 API를 이용할 수 있기 때문이다. 일찍이 딥페이크 영상으로 골머리를 앓았던 회사인 만큼 딥페이크 기술 탐지에도 앞장서서 AI를 개발하고 있는 추세이다.
AICC 시장 규모
🚩세계적인 빅테크 기업들의 ai 범죄 대비책
마이크로소프트, 페이스북, 아마존 등 전 세계적인 빅테크는 AI 미디어 무결성 운영위원회 파트너십이라는 이름으로 딥페이크 문제를 해결하기 위한 챌린지를 개최하기도 하였다. 딥페이크 문제를 해결하기 위해 3개월간 열린 AI 기술 챌린지에는 총 2100여 명의 사람들이 참여하고 3만 5천 개의 모델이 출품될 정도로 관심이 높았다. 얼굴 감지, 물체 인식에 능숙한 알고리즘의 정확도를 향상하기 위한 미세 튜닝을 통해 탐지 모델의 신뢰도를 향상해 딥페이크를 탐지 신뢰도를 높이는 방안에 대한 알고리즘을 개발하였다.
AI는 잘 활용하면 번거로운 작업을 없애주고, 내 지식을 넓혀주고, 때론 마음의 위안까지 주는 긍정적 역할을 한다. 그 누구보다 지능적이고 학습이 잘된 알고리즘이지만, 반대로 부정적으로 사용하면 큰 문제를 발생할 위험이 있다. 양날의 검인 인공지능을 어떻게 활용할지는 이 시대에 남겨진 도전적인 과제이자 고민 중 하나이다. 이 양날의 검을 잘 활용하기 위해서는 다양한 각도에서 공동의 노력이 필수적이다. AI 시스템의 개발을 하기 전 윤리적 프레임워크를 만들어 공정성, 투명성, 책임의 원칙을 준수할 수 있는 가이드라인이 필수적이다. AI 기술 자체에 대한 가이드라인도 중요하지만 무엇보다 한 개인이 AI를 현명하게 사용할 수 있도록 분별력과 디지털 리터러시를 가지는 것도 필수적이다. 잠재적 피해를 완화하기 위해 기술자, 정책 입안자 등의 다양한 사람들 간 조화로운 협력과 공존 역시 매우 중요하다.
혹자는 AI로 인해 어떤 이들은 일자리를 잃을 것이라 말하기도 하죠. 그렇다면 개발 영역은 어떨까요? 모든 것을 인공지능이 척척 해낼 미래에 과연 개발자들이 설 자리가 있을까요?
국내 개발 영역의 선구자로 불리는 ‘골빈 해커’, 김진중 강사님이 이 물음에 답해주셨는데요. 패스트캠퍼스에서 지난 4월 12일에 열린 AI 세미나의 첫 강연자로 진중님이 직접 나서주셨습니다. 앞으로 총 세 개의 콘텐츠를 통해 진중님이 나눠주신 소중한 강연 내용을 여러분과 나눠볼까 합니다.
AICC 시장 규모
🚩“데빈을 채용하세요”
여러분 ‘데빈’이라고 들어보셨나요? 데빈은 소프트웨어 개발자인데요. end-to-end로 어플리케이션 레벨까지 다 개발하는 소프트웨어입니다. 그렇다면 이 ‘데빈’이라는 친구의 능력이 어느 정도일까, 궁금하시죠? 미국에 있는 프리랜서들을 외주하는 사이트에서 실제 업무를 수행 가능할 정도라고 하는데요. 심지어 이 어버크에서 ‘데빈을 사용하세요’가 아니라 ‘채용하세요’라고 말했을 정도로 어마어마한 능력치를 보유했다는 것이죠.
이렇듯 소프트웨어가 전반적인 개발 프로세스를 주도하는 시대. 진정한 AI 시대로 접어들고 있는 지금, 그렇다면 개발자의 역할은 사라지게 될까요?
AICC 시장 규모
🚩머지않아 개발자는 사라지게 될까?
이 질문에 대한 답을 먼저 드리자면, 아니요. 저는 결코 그렇지 않을 것이라 봅니다. 그저 개발자가 맡는 역할이 진화하는 것이라고 해석합니다. 왜 그러냐고요? 제가 소프트웨어 기술의 발전을 그간 쭉 살펴보면서 내린 결론인데요. 차근차근 설명해 드리겠습니다.
그럼 소프트웨어 기술의 발전 역사를 좀 살펴볼까요? 소프트웨어의 발전은 결국 추상화와 자동화를 발전시키는 것과 동일하다고 보아도 과언이 아닙니다. 혹시 어렵게 느껴지세요? 더 자세히 말해보자면, 추상화된 것을 더 추상화하고 자동화한 것을 더 자동화하는 모든 과정이 모두 소프트웨어 개발의 발전이라고 볼 수 있는 것이죠.
이제는 누구나 손쉽게 개발에 착수할 수 있는 때가 올 텐데요. 바로 객체 지향형 프로그램이 나오면서 좀 더 현실을 더 직관적으로 모델링하고, 복잡한 문제를 더 손쉽게 해결할 수 있기 때문입니다. 그리고 컴포넌트 기반의 개발을 통해서 기존 라이브러리를 이용해 더 쉽고 빠르게 개발할 수 있게 되죠. 자동화의 경우 100번 할 일을 한 번에 끝내는, 그런 혁명적인 작업 효율화가 이뤄지고 있습니다. 동시에 시간 효율화는 물론이고 오류 발생이 최소화되고 있습니다. 그리고 배포 자체도 자동이니까 누군가 만들어 놓은 것을 누구나 쓸 수 있어요. 앞선 사람이 스크립트를 만들어 놓으면 따라오는 개발자들은 클릭만 해도 똑같이 작업을 할 수 있다는 것이에요. 그래서, 소프트웨어 기술의 발전은 기본적으로 개발의 효율화를 의미합니다.
🚩그렇다면 과연 개발자들이 줄어들까, 현실은?
그렇다면 개발 효율화와 자동화는 무엇을 위함인가? 모두 개발 속도 가속화를 위한 것입니다. 개발 속도에 가속이 붙으면 어떻게 될까요? 개발 자체가 대중화 됩니다. 그리고 다시 여기서부터 선순환이 이뤄지는 것입니다. 대중화로 인해서 개발 속도는 더욱 빨라지고 효율화 되고 말이죠.
그렇다면 과연 개발자들이 줄어들까요?
현재 취업 시장 상황이 좋지 않기 때문에 현실을 비관적으로 보실 수도 있겠는데요. 그럼에도 개발자의 수는, 그들이 일할 자리는 계속 늘어왔습니다. 왜냐면 개발이 쉬워질수록 수월해진 개발을 통해 해낼 일들이 또다시 생기거든요. 그럼 그 일을 해낼 사람이 더 필요해지겠죠.
이런 이유로, 시간이 흐를수록 사회가 개발자를 더 원할 수 밖에 없을 것입니다. 이것이 제가 내린 결론입니다.
AI가 일상을 넘어 업무로까지 깊숙하게 침투되고 있다. 뱅크오브아메리카(BoA)는 인공지능 금융비서를 통해 금융, 비금융 정보를 학습시켜 일 평균 150만 명의 이용자에게 계좌조회 등 다양한 금융 서비스를 제공하고 있다. 금융 업계는 인공지능의 발달과 함께 발 빠르게 개인화, 위험관리 개선 등의 업무에 접목하는 시도를 하고 있다. 구체적으로 개인화는 AI 챗봇과 가상 도우미를 통해 대규모로 개인화된 고객 서비스를 제공할 수 있다. 고객 문의를 자연어 기반으로 이해하고 키워드를 캐치하여 맞춤형 추천을 제공하는 식이다. AI는 24시간 언제 어디서나 맞춤형으로 응대를 하면서 고객의 충성도를 이끌어낸다.
KB국민은행은 모바일 특화 인공지능(AI) 금융비서 ‘꿀비서’를 출시했다. 꿀비서는 인공지능 금융비서로 상품이나 서비스, 금융 용어를 설명해 주거나 구비 서류 안내, 송금, 잔액 거리 조회 등을 이용할 수 있다. 예를 들어 “엄마에게 5만 원 송금해 줘.”라고 꿀비서에게 지시하면 송금을 할 수 있도록 도와주는 형태이다. 자연스러운 대화로 금융 서비스를 제공할 수 있는 것은 물론이고 개인의 자산에 맞춰 맞춤 금융 정보까지 제공 받을 수 있다.
개인의 신용평가도 인공지능으로
개인 맞춤화 서비스는 단순히 챗봇 응대뿐만 아니라 개인의 신용 평가를 할 때도 활용할 수 있다. 한 사람의 신용도를 알아야 할 때 회사 정보, 적금 정보 등으로 신용을 평가하고 대출 결정을 내린다. 하지만 신용 기록이 제한된 상태에서 신용도가 좋은 사람도 분명 있다. 잠시 직장을 쉬고 있는 주부나 금수저로 태어난 신용도 좋은 대학생이 이에 해당된다. 단순히 직장이 없다는 이유로 신용도가 낮게 평가되었던 것을 인공지능 알고리즘으로 찾아내 고객에게 대출을 해줄 수 있는 것이다. 어떻게 하면 신용도를 평가하기 어려운 사람들을 구체적으로 정확히 신용도가 높은지, 낮은 지를 알 수 있을까? 많은 회사들은 그 방안으로 다양한 분야의 데이터들을 융합하는 방식을 채택하고 있다. 자산 내역, 입출금 내역만 알고 있었던 금융회사들은 ‘업의 성격’이 다른 통신사라든지, 유통사 등과의 데이터 제휴를 통해 타인의 신용도를 평가하는 시도를 하고 있다. 데이터 3 법 개정에 따라 최근에는 데이터 가명결합을 통해 전혀 생각하지 못한 데이터 간 결합으로 신용도를 간접적으로 판단하면서 개인 맞춤형 대출이나 금융상품을 추천하는 역할도 하고 있다.
카카오 뱅크는 2021년 KT, SKT, u+와의 업무 제휴로 기존의 신용평가 모델에서 통신요금 연체 내역 데이터를 융합해 신용평가 모델을 개선하고 있다. 2021년 12월 말에는 교보문고와 데이터 협력에 대한 mou를 체결하였다. 독특하게도 고객들의 도서 구매 이력 데이터를 분석해 신용평가 모형을 고도화하는 작업을 진행 중에 있다. 카카오 뱅크는 기존 신용도에 월급 사용 패턴과 통신요금 연체 데이터 등의 여러 데이터를 융합한 특화 모델을 개발하여 개인의 신용을 평가하였다.
싱가포르 렌도(Lendo) 금융사는 소셜 네트워킹 사이트로 대인 관계, 사회적 신뢰를 활용하는 등의 신용도를 평가하는 대체 방법을 모색하고 있다. 랜도는 데이터 분석 회사와 협력해 상호 작용 빈도, 연결 유형, 공유 콘텐츠 성격 등 개인의 소셜 미디어 활동을 분석할 수 있다. 개인의 소셜 네트워크의 강도와 깊이를 조사하면서 대출 기관은 커뮤니티 내 전반적인 사회적 신뢰 수준을 확인할 수 있다. 즉 개인의 평판 데이터를 통해 한 개인을 심사하는 형태이다. 금융 기관은 개인을 어떻게 파악해야 할지 수단으로 다양한 데이터를 수집해 인공지능 기반으로 현명하게 판단하는 알고리즘을 계속해서 발전시켜 나가고 있다.
자산 포트폴리오도 인공지능으로 구체화할 수 있다. 개인의 선호도, 위험 허용 범위, 시장 상황에 따라 투자 전략을 최적화할 수 있다. 자동으로 포트폴리오 균형을 조정하면서 자산 배분을 할 때 도움을 받을 수 있다. 투자자는 개인의 성향이나 투자 스타일에 따라 자산을 관리하는데 인공지능의 도움을 받을 수 있다.
신한카드는 인공지능 기반으로 자산관리 서비스를 제공하고 있다. 개인화된 맞춤 콘텐츠를 제공하면서 일상 속 소비 관리, 통합적인 자산 조회, 맞춤형 금융 상품 추천등을 진행한다. 사용자는 신한카드 앱에서 모은 돈, 빌린 돈, 순자산 등의 경제 상황을 한눈에 살펴보면서 자산별 상세 정보를 제공받을 수도 있다.
프로세스를 자동화하는데도 인공지능 활용
때론 어려운 용어나 복잡한 프로세스의 도움을 받으면서 고객의 편의성을 도모하기도 한다. 교보생명은 까다로운 보험 특허를 진행할 때 Chat GPT를 적극 활용한다. 보험 심사는 개인의 요청과 보험사의 승낙으로 이루어지는데 이때 보험 심사가 까다롭다. 신청한 개인의 성별, 주거지역, 나이 등 다양한 데이터를 기반으로 심사를 하면서 고려해야 할 요건이 많아 심사 절차가 복잡하고 까다롭다. 교보생명은 인공지능 기반으로 해당 업무를 자동화하면서 보험 청약자에 대한 신속한 보험 서비스를 제공하는 차별화를 하고 있다. 보험 심사 질문에 대해 고객이 텍스트로 답변을 입력하면 인공지능 기반으로 자동으로 해석하고 까다로운 보험 해석을 할 수 있다.
사기를 탐지하는데도 인공지능 활용
인공지능은 금융 사기 행위를 탐지하기 위해서도 활용하고 있다. 스웨덴 은행은 인공지능을 통해 사기나 자금 세탁을 방지하는데 활용하고 있다. 기존에 사람들이 사기 검토를 하였다면 이를 인공지능으로 검토하게 되면서 1년 만에 1억 5000만 달러를 절감했다고 한다. 뉴욕멜론은행 역시 인공지능을 통해 사기를 탐지하여 사기 탐지율을 20% 높였다. 페이팔 역시 실시간 사기 탐지율을 10% 향상한 바 있다.
인공지능이 개인 맞춤형 비서 역할을 톡톡히 해내는 것부터 사기를 탐지하는 등 다양한 상황에서 활용되고 있긴 하지만 인공지능으로 금융사기 위험이 높아지고 있는 부분도 있다. 대표적으로 국내의 경우 ‘유명인사 사칭 투자사기’로 ‘김미경 강사’, 송은이 개그우먼 등의 유명인을 앞세워 음성과 텍스트를 조작해 투자를 권유하는 사건이 발생한 것이다. 생성형 AI 기반 딥페이크 영상, 음성으로 유명인을 사칭해 투자를 조작하거나 돈을 가로채는 형태의 금융 사기가 발생하고 있다.
이에 금융보안원은 인공지능으로 인한 금융사기 범죄가 현실화될 것을 우려하며 금융소비자 홍보와 예방 정책마련을 고민하고 있다. 최근 국회에선 인공지능 기술로 만든 영상물에 대한 워터마크 부착의무 등을 담은 법안(정보통신망 이용촉진 및 정보보호 등에 관한 법률 일부개정안)이 국회에 상정되었으나 아직 활발히 논의되고 있지는 않은 실정이다.
OUTRO
기술은 계속해서 진보해 나가고 있지만 결국 기술은 사람을 향하고 있기에 사용하는 사람들의 의식이 중요하다. 필요하다면 보다 잘 사용하기 위해 규제나 제도 마련도 필요하다. 훌륭한 기술이 독이 되지 않기 위해서는 AI가 제기하는 잠재적인 위험과 과제를 인식하고 해결하는 것이 필수적이다. 인공지능 보호 장치 구현, 철저한 위험 평가 수행, AI 시스템의 투명성과 책임성 증진, 업계 이해관계자, 규제 기관 및 연구원 간의 협력 육성을 하면서 기술이 함께 발전한다면 보다 책임감 있게 기술을 활용하면서 인공지능의 잠재력을 활용할 수 있을 것이다.
인공지능 분야의 대부 ‘제프리 힌턴’ 박사는 최근 구글을 떠나며 인공지능의 발전으로 인한 위험성에 대해 경고를 했다. 힌턴 박사는 BBC와의 인터뷰를 통해 AI 챗봇이 인간의 뇌보다 월등해질 수 있다고 경고하였다. 현재 등장한 GPT-4와 같은 모델도 이미 일반적인 지식의 양 측면에서 사람을 훨씬 능가하고 있으며, 추론 정도는 할 줄 아는 수준이다. 힌턴 박사는 AI를 악의적으로 사용할 경우 문제시 될 수 있다고 경고하였다. 힌턴 박사는 구글을 떠나면서 인공지능에 대한 책임감 있는 접근법을 고수하고 있다고 밝혔다.
2024년 3월 유럽연합 의회는 세계 최초 AI 규제법을 통과시켰다. ‘AI가 인류 멸종 수준의 위협이 될 수 있다.’는 민간업체 보고서의 전망 역시 있었다. 인간을 보조하고, 때론 인간이 귀찮아 하는 일들을 도맡아 하는 인공지능에겐 어떤 위험성이 존재하는 것일까.
그 서비스가 실패한 이유
사용자에게 딱 맞는 맞춤형 서비스에다가 가격까지 저렴하고 귀찮은 일을 처리해주는 서비스가 있었다. 세상 좋은 완벽한 서비스는 보는 사람마다 칭찬이 자자했다. 회사의 대표는 어쩌면 이 서비스가 회사를 크게 성장시킬 수 있는 파워풀한 서비스라고 확신하기까지 했다. 하지만 안타깝게도 이 서비스는 나오자마자 한 달도 채 되지 않아 전설 속의 서비스로 묻히게 되었다. 마케팅이 부족해서일까? 기술 오류가 발생한 것일까? 놀랍게도 이 서비스를 만든 회사는 엄청난 대기업인 데다가 기술자만 무려 수만 명이 집결된 IT기업이다. 기술력도 좋고 자본도 풍부한 회사가 만든 서비스였는데 대체 왜 실패한 것일까? 그건 바로 ‘공정성’이 결여되어 있는 서비스였기 때문이다. 우리는 너무나도 쉽게 윤리적인 요소를 간과한다. 그저 최고의 기술력과 수많은 데이터가 모으면 장밋빛 미래가 그려질 거라 예상하는 경우가 많다. 심지어 회사 안 인력 구성만 봐도 그러하다. 많은 회사들이 서비스의 기술력을 올리기 위해 엔지니어들은 많이 배치하지만 그에 비해 윤리, 공정성을 고민하는 사람들은 상대적으로 적은 편이다. 하지만 공정성을 잊은 채 서비스가 개시될 경우 서비스는 물론이고 회사까지 위험해질 수 있다.
하루만에 종료된 MS의 야심작 : 테이 Tay
위의 실패 서비스 사례는 2016년 마이크로소프트사의 ‘테이(Tay)’라는 서비스이다. 테이는 사람들을 참여시켜 학습된 데이터로 답변을 하는 비서 서비스이다. 하지만 사람들이 욕설이나 편파성이 짙은 대화를 주로 해당 서비스에게 이야기하면서 문제가 생기기 시작했다. “너는 수많은 사람들을 학살하는 것을 지지하니?” “응, 난 정말로 지지해.” 이런 말도 안 되는 답변들을 하면서 마이크로소프트가 야심 차게 만든 테이에 비난이 쏟아지게 되었다. 결국 테이 서비스는 시작한 지 하루도 채 되지 않아 종료를 해야만 했다. 기술력도 뛰어났고, 인공지능에 사람들 참여시키는 재미있는 아이디어였지만 ‘공정성’에 위배가 되었기 때문이다. 이 외에 공정성에 위배되는 상황들은 무수히 많지만 대표적인 케이스는 아래와 같다.
사람 차별하는 AI 면접관?
먼저 특정 집단에 대한 부정적인 선입견을 갖도록 만드는 경우이다. 이미 너무나 유명한 사례는 아마존의 AI 면접관이 있다. 아마존의 인사팀은 2014년부터 2017년까지 수많은 지원자들을 일일이 검토하는데 시간과 노력을 효율적으로 활용하기 위해 AI 기반의 채용 소프트웨어를 활용하였다. 하지만 해당 소프트웨어는 ‘백인 남성’들에게 더 유리하다는 사실이 알려졌다. 해당 AI 알고리즘을 학습한 데이터가 대부분 백인 남성의 데이터였기 때문이다. 조금이라도 ‘여성성’을 내포할 경우 지원자의 평가를 하향 조정하게 되면서 많은 비난을 받게 되었다.
AI 기술, 아직은 허점이 많다
시스템의 문제로 특정 그룹에 불합리한 결과를 제공하는 문제도 비일비재하다. 중국의 경찰은 무단횡단 문제를 해결하기 위해 AI를 활용하였다. 보행자 도로에 스마트 카메라를 설치해 무단횡단을 식별을 시작한 것이다. 무단횡단을 하는 사람이 발각될 경우 이들의 이름과 얼굴이 부분적으로 대형 전광판에 보이도록 시스템을 구축하였다. 하지만 시스템의 엉뚱한 문제로 무단횡단을 하는 사람이 중국의 억만장자로 계속 화면에 표시되는 상황이 연출되었다. 시스템의 문제로 엉뚱한 사람이 괜한 피해를 보게 된 셈이다. 아직 고도화되지 않은 시스템을 적용하면서 전혀 상관도 없는 사람, 집단이 이처럼 피해를 겪게 되는 경우도 발생할 수 있다.
OUTRO
이와 같이 인공지능 기반의 기술을 구축하고, 활용하는데 공정성을 확인하는 것은 중요하다. 너무나 당연하게 생각하는 것들이지만 의외로 간과하기 쉬운 ‘윤리’ 영역이라 별생각 없이 서비스를 시작하는 경우가 많기 때문이다. 하지만 그 결과는 예상치 않게 큰 문제로 번질 수 있어 사전에 공정성에 대한 부분을 다시 한번 검토할 필요가 있다. 더불어 인간에 대한 존엄성 문제도 고민해봐야 한다. 인공지능은 인간의 생명을 다루는 영역에까지 침투된만큼 생명과 건강을 해치지 않도록 개발되어야 한다. 다양성을 존중하고 프라이버시를 보호해야 하는 핵심 요건들을 준수하면서 인공지능을 발전시키는 것이 무엇보다 필요로 하고 있다. 인공지능의 미래는 결국 사용하고 개발하는 사람들의 몫에 달려 있다. 윤리적 고려를 통해 더 나은 인공지능을 만들어 나가는 노력이 절실히 요구될 때이다.
인공지능 분야는 지난 몇 년간 급격한 발전을 이루며, 다양한 분야에서 혁신의 바람을 일으켰습니다. 그리고 이러한 변화의 중심에는 OpenAI가 있죠. 이 기업은 인공지능 연구의 새로운 지평을 열고자 하는 비영리 목적으로 설립되었습니다. OpenAI의 탄생부터 현재까지의 발전 과정, 그리고 이 기업이 인공지능 산업에서 차지하는 위상에 대해 알아보겠습니다.
출처: Pexels
오픈AI의 탄생
2015년, 일론 머스크와 샘 올트먼을 포함한 일련의 기술 리더들은 인공지능 기술이 가져올 잠재적 위험을 고려하여 OpenAI를 설립했습니다. 그들의 목표는 단순했습니다: 투자자의 이익보다는 인류에게 유익한 방향으로 인공지능 기술을 개발하고, 이를 통해 안전한 인공 일반 지능(AI)을 구현하는 것입니다. 이러한 철학은 OpenAI가 창립된 주된 동기이자, 지금까지의 활동을 관통하는 중심 사상입니다.
출처: 미드저니 6.0으로 만든 이미지
인공지능 시장의 판도를 바꾼 챗GPT
어도비의 생성형 AI 기술은 다양한 분야에서 실무에 적용되고 있다. 포토샵으로 일일이 누끼를 따는 일은 무척 번거로운 일이었지만 아주 간단하게 누끼를 딸 수 있다. 또한 AI를 활용하여 배경을 확장하고 원하는 부분만 자동으로 선택하여 개체를 생성하고 보정할 수 있다. 기존에는 3D 아이콘을 만들려면 꽤 오랜 시간을 들여 작업을 해야 했다면 AI를 활용해 입체적인 3D 아이콘을 생성하고 보정하는 디자인 작업을 활용할 수 있다. 목업도 자유롭게 제작할 수 있어 앨범커버, 화장품 패키지 등의 디자인 작업을 효율적으로 해나갈 수 있다.
일러스트레이터로 브랜드 아이덴티티를 설정해 나갈 수 있다. Text to Vector Graphic 기능을 활용해 우리 브랜드에 맞는 디자인 작업물 생성이 가능하다. AI를 활용해 레퍼런스를 닮은 나만의 캐릭터를 만들어 볼 수도 있고 포토샵과 마찬가지로 목업을 쉽게 만들어 나갈 수 있다.
익스프레스를 활용하여 전문적인 스킬이 없어도 짧은 시간 안에 상상하고 원하는 이미지를 만들 수 있다. 어도비 파이어플라이에서 제공하는 다양한 스타일 옵션을 활용하여 원하는 이미지 스타일을 선택할 수 있다. 배경 이미지부터 3D 아이콘까지 다양한 스타일의 AI 이미지를 만들 수 있다.
#기술적 진보
챗GPT는 대규모 데이터셋에서 학습되었기 때문에, 다양한 주제에 대해 정보를 제공하고, 복잡한 질문에 답변하며, 심지어 창의적인 작업에도 참여할 수 있습니다. 이는 기계 학습 모델의 한계를 뛰어넘는 성과로, AI가 인간의 언어를 이해하고 사용하는 방식의 새로운 지평을 열었습니다.
#시장에 미친 영향
챗GPT의 성공은 다른 기술 기업들에게도 큰 영향을 미쳤습니다. 많은 기업들이 OpenAI의 기술을 벤치마킹하여 자체 AI 서비스를 개발하기 시작했으며, 이는 전체 AI 시장의 혁신 속도를 가속화했습니다. 또한, 챗GPT와 같은 기술이 접근 가능해짐으로써, 중소기업이나 스타트업도 고급 AI 기술을 활용할 수 있는 기회가 확대되었습니다.
#사회적 영향
챗GPT는 교육, 의료, 고객 서비스 등 다양한 분야에서 응용되며 사회적 영향력을 확대하고 있습니다. 예를 들어, 교육 분야에서는 학생들의 학습 보조 도구로 사용되어 개인별 맞춤형 학습이 가능하게 되었습니다. 의료 분야에서는 의료 정보를 제공하거나 초기 진단을 지원하는 데 사용되어, 의료 서비스의 접근성을 높이는 데 기여하고 있습니다.
출처: 미드저니 6.0으로 만든 이미지
사회적 책임을 다하는 기업, OpenAI?
OpenAI는 인공지능 기술의 발전을 추구하면서도, 그 과정에서 발생할 수 있는 윤리적, 사회적 문제들에 대해 깊이 고민하고 대응하는 기업입니다. 이러한 접근 방식은 OpenAI가 단순히 기술 혁신을 넘어 사회적 책임을 지는 기업으로서 자리매김하고 있음을 보여줍니다.
#윤리적 AI 개발의 중요성
OpenAI는 AI 기술의 발전이 인류에게 긍정적인 영향을 미치도록 하기 위해, 윤리적인 기술 개발과 배포에 큰 중점을 두고 있습니다. 이를 위해 OpenAI는 연구 과정에서 발생할 수 있는 윤리적 문제를 사전에 식별하고, 이에 대한 해결책을 모색합니다. 예를 들어, AI 모델의 편향성 문제를 줄이기 위한 연구와 이니셔티브를 지속적으로 수행하고 있습니다.
#지식 공유와 교육의 확대
OpenAI는 AI 기술의 대중화를 위해 교육 프로그램, 도구, 플랫폼을 개발하고 공유하고 있습니다. 이러한 노력은 AI 기술이 사회 전반에 긍정적인 영향을 미칠 수 있도록 하기 위한 것입니다. 예를 들어, OpenAI는 자사의 연구 결과와 기술을 공개하여, 개발자들이 새로운 AI 기술을 학습하고 이를 자신들의 프로젝트에 적용할 수 있도록 지원하고 있습니다. 이는 기술의 접근성을 높이고, 더 많은 혁신을 가능하게 합니다.
#AI 기술의 사회적 책임
OpenAI는 AI 기술이 사회에 미치는 영향을 심각하게 고려하며, 기술 발전이 인간의 복지를 증진시키고, 사회적 가치를 창출하는 방향으로 이루어져야 한다고 강조합니다. 이를 위해 OpenAI는 AI 기술의 안전한 사용을 촉진하고, 기술의 부정적인 영향을 최소화하기 위한 연구에 투자하고 있습니다. 또한, AI 기술의 윤리적 사용을 위한 가이드라인과 정책을 개발하고, 이를 산업 전반에 걸쳐 확산시키는 데 앞장서고 있습니다.
출처: 미드저니 6.0으로 만든 이미지
OpenAI의 위치와 전망
현재, OpenAI는 인공지능 산업에서 중요한 위치를 차지하고 있습니다. 그들의 연구와 기술은 인공지능 분야의 발전을 이끌고 있으며, 특히 챗GPT와 같은 혁신적인 제품들은 인공지능의 잠재력을 일반 대중에게 널리 알리는 역할을 하고 있습니다. OpenAI의 접근 방식은 기술 발전뿐만 아니라 윤리적 고려와 사회적 책임을 중시하는 새로운 기업 문화의 모델을 제시하고 있습니다. 이는 기술 기업들이 인류의 이익을 최우선으로 고려하며, 기술 발전을 추구해야 한다는 중요한 메시지를 전달합니다.
OpenAI의 미래 전망은 매우 밝습니다. 그들은 인공지능 기술의 선구자로서, 끊임없이 새로운 도전을 시도하고 있으며, 이를 통해 인공지능 기술이 사회에 미치는 긍정적인 영향을 확대해 나가고 있습니다. 또한, OpenAI는 기술의 윤리적 사용을 촉진하고, 인공지능 기술이 인류에게 안전하고 유익하게 사용될 수 있도록 하는 데 중요한 역할을 하고 있습니다.
결론적으로, OpenAI는 기술과 사회의 미래를 형성하는 데 중요한 기여를 하고 있습니다. 그들의 노력은 인공지능 기술의 발전 방향을 제시하며, 다른 기술 기업들에게도 영향을 미치고 있습니다. OpenAI가 앞으로 어떤 새로운 도전을 시도할지, 그리고 그들의 기술이 인류에게 어떤 새로운 가능성을 열어줄지 지켜보는 것은 매우 흥미로운 일입니다. 이는 단지 기술의 진보가 아니라, 우리 사회와 문화가 어떻게 발전해 나갈지에 대한 중요한 단서를 제공하기 때문입니다.
2022년 11월 30일 오픈AI사가 챗gpt를 출시한 이후 초거대 AI시대가 도래했다며 전세계를 떠들썩하게 만들었던 챗gpt. 대부분의 전문가는 챗gpt의 등장은 마치 과거 인터넷과 스마트폰이 만들어졌을 때의 충격과 비슷하다고 평가했죠. 천하의 일론 머스크마저 두려움에 떨게 만든 존재였죠.
폭발적인 관심 이후로 한때는 챗gpt의 대세가 꺾이고 있다는 얘기가 나오기도 했습니다. 실제로 구글 트렌드에서 ‘챗gpt’ 키워드에 대한 관심도 변화 그래프를 보면 2022년 말에는 데이터가 정점을 찍고, 그 이후 계속해서 하향 곡선을 그리고 있는 점을 확인할 수 있었어요. 뿐만 아니라 웹 분석 회사인 Similarweb에 따르면 2023년 6월 챗gpt의 웹 사이트 트래픽이 출시 이후 처음으로 9.7%나 감소했다고 밝혔죠. 실제로 챗gpt는 초반의 관심과 달리 챗gpt 활용 측면에서 신뢰성이나 악용 가능성 등으로 걱정어린 시선을 받고 있기도 합니다. 챗gpt의 잠재력은 곧 다양한 방면에서 일어날 수 있는 문제를 의미하는 것이니까요. 그럼에도 불구하고, 특히 작년 2023년부터 거의 모든 분야에 챗gpt가 본격 활용되고 있다고 해도 과언이 아닙니다.
SPC 배스킨라빈스는 2023년 4월 이달의 맛 ‘복숭아로 피치 올려’ 출시를 기념해 국내에서 처음으로 챗gpt 활용 광고 영상을 공개했어요.. 인기 캐릭터 기업 ‘산리오’와 협업하여 챗gpt에 배스킨라빈스 이달의 맛을 주제로 한 동화 초안을 요청했고, 이를 각색해 광고 영상을 완성했다고 해요. 또한 미래에셋증권은 올해 초 챗gpt를 활용해 종목의 시황을 요약하는 서비스 ‘투자 GPT가 요약한 종목은?’을 도입했다고 하죠. 해당 서비스를 이용하게 되면 챗gpt로 당일 고객들의 관심을 받고 있는 종목을 선별해 시황 데이터와 최근 중요 뉴스가 결합된 요약 내용을 제공받을 수 있다고 해요. 이렇듯 정말 다양한 기업들이 자신들의 서비스에 챗gpt를 활용하고 있고, 다양한 방식으로 챗gpt의 유효성을 증명하고 있습니다.
| 잘 나가는 챗gpt와 오픈AI에 배 아픈 일론 머스크?
한편 많은 우려와 걱정어린 눈길에도 불구하고 챗gpt의 가능성이, 그 경제적 가치가 무궁무진함을 시사하는 사건이 있었습니다. 바로 엊그제인 24년 3월 3일, 일론 머스크가 챗GPT 개발사인 오픈AI를 제소했다는 기사가 터졌거든요. “오픈AI는 세계에서 가장 큰 기술 기업인 마이크로소프트(MS)의 사실상 자회사로 변모했다”는 것이 그 이유였어요. 그렇다면 머스크가 갑자기 오픈AI를 걸고 넘어진 이유는 무엇일까요? 전문가들은 이런 그의 행동을 ‘속쓰림’으로 해석하고 있습니다. 2018년에 오픈AI와 결별한 머스크가 챗gpt의 성공에 배아파하고 있다는 것이죠.
이렇듯 챗gpt는 끝을 알 수 없는 무한한 잠재성을 가진 존재인 것은 확실해요. 지금도 무수히 반복되고 있는 인간의 단순작업 과정들(EX. 오류, 자료 수집, 정리 등)을 줄여줄 수 있을뿐더러 글쓰기와 같은 창작 분야를 비롯해서 위에서 보여드렸던 다양한 산업 분야로의 확장성을 지니고 있죠.
그렇다면, 기업이 아닌 개인이 챗gpt를 업무에 활용할 수 있는 방법에는 어떤 것들이 있을까요?
| 챗gpt를 똑똑하게 활용하는 법 (챗gpt 사례)
챗gpt의 무한한 가능성은 알겠지만.. 우리한테 중요한건 당장 내가 어떻게 활용할 수 있을지에 대한 측면이겠죠? 그래서 여러분을 위해 똑똑하게 챗gpt를 활용하는 법을 정리해봤어요!
1. 챗gpt로 업무 효율 높이기
챗gpt는 잘 활용하기만 한다면 마케팅, 개발자, 고객서비스 등 다양한 직무에도 활용이 가능해요! (1) 챗gpt & AI 툴로 업무 효율 높이기 업무에서 가장 많이 쓰이는 툴과 인공지능을 결합하면 1시간 걸리던 업무를 10분으로 확! 줄일 수 있어요. Case 1. 엑셀 파일 10개 한 번에 합치기 Case 2. 발표 슬라이드 1분만에 만들기
(2) 챗gpt로 보고서 작성 끝내기 신규 시장 개척을 위한 효과적인 사업 보고서 작성법부터 마케팅 전략 보고서에 활용할 수 있는 고객 페르소나 설정 노하우까지! 챗gpt로 한 번에 해결해보세요! Case 1. 투자 제안서 작성하기 Case 2. 고객 페르소나 설정하기
(3) 챗gpt로 프로그래밍 활용하기 표 서식 자동 맞춤부터 가독성을 높이고 코드를 빠르게 디버깅하는 방법까지 개발 실무에서 가장 많이 활용되는 업무를 챗gpt로 빠르게 끝내보세요! Case 1. 표 서식 자동 맞춤 Case 2. 코드 빠르게 디버깅하기
2. 챗gpt로 부가 수익 창출하기
챗gpt는 업무 뿐만 아니라 실제 부업에 써먹을 수도 있는 유용한 툴이예요! 가장 활용도가 높은 방법 2가지를 알려드릴게요. Case 1. 블로그 포스팅 자동 업로드 Case 2. 코인 자동 매매 프로그램 제작/셋팅
어떤가요? 이렇게 살펴보니까 챗gpt를 활용할 수 있는 방법이 정말 많죠? 아마 챗gpt의 대세감에 힘입어서 나도 써볼까? 하고 살짝 써봤다가 포기하신 분들도 많으실텐데요. 챗gpt는 정말 어떻게 쓰느냐에 따라서 그냥 AI 검색 도구 정도로 활용할 수도 있지만 나만의 똑똑한 AI 비서로도 활용할 수가 있어요!
패스트캠퍼스의 [AI 시대 일잘러를 위한 비현실적인 400가지 챗gpt 활용 바이블] 강의에서는 12개 분야 400가지 챗gpt 사례로 알아보는 챗gpt 활용법을 한 번에 배워볼 수 있습니다. 난이도로 구분한 단계별 맞춤형 학습으로 챗gpt를 아예 모르는 초급 수준부터 어느 정도 활용할 줄 아는 중-고급 수준까지 나누어 학습이 가능한 것이 자랑할 만 한 점이라고 할 수 있겠네요. 특히 필요할 때 바로 찾아 쓰는 프롬프트를 무려 200종이나 무료로 제공해주고 있답니다! 다수의 사이트에서 유료로 제공되고 있지만 수강생에 한해 무료로 제공해준다고 하니 놓치지 마세요!
어떻게 쓰느냐에 따라 활용법이 무궁무진한 챗gpt! 일론 머스크가 그동안 챗gpt와 오픈ai에 보여온 반응을 보면 힌트를 얻을 수 있죠. 누가 뭐래도, 챗gpt는 여전히 엄청난 가능성을 지닌 강력한 툴이 분명합니다. 내 실무에 바로바로 써먹고 똑똑하게 활용하는 노하우가 궁금했다면 패스트캠퍼스 강의에서 모두 알려드릴테니 확인해보세요!
