K-ICT 빅데이터센터 온라인연수원에서 수강 중인 내용을 요약했습니다.
최근 화두가 되는 AGI, 생성형 AI에 관한 기초 개념과 실습, 향후 전망에 관해 알 수 있습니다.
목차
- 인공지능의 이해
- 생성형 AI의 산업 동향
- 생성형 AI별 특징 알기
- AI와 대화하기, 기술이 필요해
- 생성형 AI 업무 활용하기 (1)
- 생성형 AI 업무 활용하기 (2)
- 이미지 생성형 AI 이해와 실습
- 생성형 AI로 동영상 제작하기
- 생성형 AI툴 둘러보기
- AI 산업 전망
인공지능의 이해
1. 생성형 AI의 현재
- AGI, 생성형 AI는 최근 Chat-GPT로 대변되고 있습니다.
- 모바일 인터넷의 혁명을 가져왔던 애플의 iPhone에 상응하는 혁명을 가져왔다고 평가됩니다.
- AGI가 주목받는 이유는 단순 데이터가 아닌 창조의 영역에 진입했기 때문입니다.
- AGI의 발전 속도는 기하급수적으로 짧아지고 있습니다.
2. 대표적인 AGI
- LLM(대형 언어 모델)을 중심으로 수 많은 AI 애플리케이션과 서비스가 출시되며 AI의 산업화 시대가 본격적으로 시작되었습니다.
- 대표적인 AGI인 Chat-GPT는 출시 5일만에 일일사용자 수(DAU) 100만 명을 달성했으며 1,000만 명까지는 단 40일이 소요되었습니다.
- Chat-GPT는 개개인들이 삶에 활용하여 급진적으로 확산되어 기업의 문제를 해결하는 것까지 영향력이 가속화되고 있습니다.
- 기존 AI는 인간이 하는 질문의 본질적인 내용을 이해할 수 없었으나, AGI는 질문의 본질을 이해하고, 사진, 영상이나 음성, 문서로 답변을 생성하여 응답합니다.
2.1 채팅형 인터페이스
- AGI는 채팅(대화형 인터페이스) 기술과 GPT 모델이 맞물려서 사용되고 있습니다.
- GPT 모델 + 대화형 인터페이스 = Chat-GPT
- GPT 모델은 트랜스포머라는 기술을 사용합니다.
- 문장과 문액의 단어들 간의 관계를 파악하여 맥락과 의미를 학습하고, 다음 단어를 예측하는 방식입니다.
- Chat-GPT의 성능
- 미국 변호사 시험 상위 10%, 미국 대학/대학원 입학시험 언어부문 상위 7% 이내 고득점
- 50개 이상의 언어 구사 (전문적/학술적 시험 정확도 영어 85.5%, 한국어 77%)
- 특징
- 마치 사람과 대화하는 듯함.
3. 파급력
- IT 분야에서 큰 이슈가 되는 메타버스와 클라우드 기술을 GPT와 비교했을 때, GPT > 클라우드 > 메타버스 순서대로 영향력이 큽니다.
4. 역사
- 초기 인공지능은 체스, 수학 문제 풀이 등 특정 작업을 위한 간단한 알고리즘과 모델 중심이었습니다.
- 점차 AI가 정교해지며 딥 러닝 기술과 대량의 데이터를 통해 더 복잡한 문제 해결이 가능해졌습니다.
- 자연어 처리 및 컴퓨터 비전(Vision) 등의 영역에서 큰 발전을 이루었습니다.
1950 ~ 1990 | 2010 ~ 2020 | ||||
용어 등장 | 규칙기반 인공지능 | 머신러닝 | 딥러닝 | 다양한 개념 등장 | 대규모 언어 모델 |
다트머스 회의에서 인공지능 사용 | 규칙을 사람이 설계 | 데이터로 자동 학습 | 인간의 신경세포 모방하여 신경망 기반 모델 기법 발전 | 자연어 처리, 컴퓨터 비전등 다양한 영역으로의 확대 | 생성AI기반의 발전된 인공지능 모델 |
정해진 규칙의 경우의 수로 대응 지식 데이터베이스를 구축하여 컴퓨터가 이를 활용하는 방식 데이터에서 패턴을 찾아 학습시켜 해결 |
인공 신경망과 딥러닝 모델인 CNN으로 스스로 특징 학습 데이터로부터 데이터의 특징을 자동으로 학습해 냄 |
5. 개념
인공지능 | 기계가 인간의 지능을 따라하여 그 능력을 발휘 하도록 함 |
머신러닝 | 기계가 데이터를 학습하고 패턴을 발견해내어 추론하는 기술 |
딥러닝 | 기계가 데이터를 인간의 뇌 신경망을 모방한 모델로 학습하고 그를 통한 추론하는 기술 |
생성형 AI | 사람의 요구에 따라 결과를 생성해 내는 인공지능 (LLM, GAN, VAE) |
6. 최근 10년간의 변화
2012 | CNN 등장 (이미지 처리 딥러닝) |
2014 | GAN 등장 (생성 AI 혁신) |
2015 | Tensorflow 등장 (프로그래머를 위한 오픈소스 AI 개발 도구) |
2016 | 알파고 등장 (인공지능 바둑 대회, 인공지능의 대중화) |
2017 | 트랜스포터 등장 (언어 모델의 혁신) |
2018 | 자기 지도 학습 부각 (스스로 학습) |
2019 | GPT-2 및 BERT 모델 등장 (언어 모델의 표준 역할) |
2020 | GPT-3 및 알파폴드 2 (초대규모 모델의 범용화, 단백질 구조 예측 분석 뛰어난 성과 달성) |
2021 | AI 반도체 및 DALL-E 등장 (GPU의 급부상, 텍스트로 이미지 생성) |
7. 트랜스포머의 등장
- 2017년 구글의 Attention is all you need 논문으로 자연어 처리 분야에서 혁신적 방법, 트랜스포머 모델의 구조를 제시했습니다.
- 대규모 데이터를 그동안 순차적으로 학습했다면, 병렬로 학습할 수 있게 됩니다.
- 기존에는 RNN 모델을 사용하였으며 단어의 순서대로 순차적으로 학습했다면, 트랜스포머는 그럴 필요가 없습니다.
- 트랜스포머 모델에서 데이터를 학습할 때 입력되는 문장에서 등장하는 단어 간의 의미를 찾는 방식을 셀프어텐션(Self-attention) 기법이라고 합니다.
- 기계 번역은 단어 사이의 관계를 가깝고 먼 관계를 알아내는 셀프어텐션 확립에 좋은 수단이었고, 이는 언어 학습 도구로 포지셔닝되었습니다.
- 다양한 연구를 통해 트랜스포머의 규모가 클수록 성능이 좋아진다는 사실이 확인되었습니다.
8. 트랜스포머의 발전
- 트랜스포머 공개 후 빅테크 기업들이 모두 이를 이용한 언어 모델을 연구하고 공개하기 시작했습니다.
- 언어 모델의 표준으로 여겨지는 BERT, GPT 등은 트랜스포머 기반으로 개발됐습니다.
- 국내에도 마찬가지로 트랜스포머 기술을 탑재하고 있습니다.
- 기존에는 번역, 감성분석 등 각 분야별로 모델개발을 따로 했다면, 현재는 대규모 언어 이해모델을 하나 구축하고 상세한 분야별로 미세 학습(Fine-tunig)을 통해 모델을 개발했습니다.
- 기존 이미지 분야는 CNN, 언어는 트랜스포머가 주류였으나 이제는 트랜스포머 방식으로 통합되는 실정입니다.
8. GPT(Generative Pre-trained Transformer)의 등장
- 생성적 사전학습 트랜스포머라는 뜻으로 주어진 단어의 다음 단어를 예측하는 문제를 학습했습니다.
'인공지능 > 생성형AI' 카테고리의 다른 글
[생성형 AI 기초] 이미지 생성형AI 이해와 실습 (0) | 2024.05.18 |
---|---|
[생성형 AI 기초] 생성형 AI 업무 활용하기 (1,2) (0) | 2024.05.17 |
[생성형 AI 기초] AI와 대화하기, 기술이 필요해 (0) | 2024.05.16 |
[생성형 AI 기초] 생성형AI별 특징알기 (0) | 2024.05.15 |
[생성형 AI 기초] 생성형 AI의 산업 동향 (0) | 2024.05.14 |