생성형 AI의 정의와 발전 현황

생성형 인공지능(Generative AI)은 챗GPT(ChatGPT)와 같이 오디오, 코드, 이미지, 텍스트, 시뮬레이션, 비디오 등 새로운 콘텐츠를 생성할 수 있는 알고리즘이다. 맥킨지는 지난해 4월 기획 기사를 통해 생성형 AI에 대한 전반적인 기초 지식을 정리해 게재한 바 있다. 기사에 따르면, 2022년 11월 챗GPT가 등장한 이후 생성형 AI 기술은 빠르게 발전했다. 매월 새로운 도구와 규칙, 기술적 진보가 이루어지고 있으며, 맥킨지 조사에 따르면 AI 도입이 지난 5년간 2배 이상 증가했다. 의료 이미지 분석이나 고해상도 일기 예보와 같은 분야에서 머신러닝은 이미 상당한 성과를 보여주고 있다. 특히 챗GPT와 이미지 생성기 달리(DALL-E)와 같은 생성형 AI 도구들은 다양한 직무 수행 방식을 변화시킬 잠재력을 가지고 있다.

기존 AI와 생성형 AI의 차이점

인공지능(AI)은 기계가 인간의 지능을 모방하여 작업을 수행하는 것이다. 시리(Siri)나 알렉사(Alexa) 같은 음성 비서와 웹사이트의 고객 서비스 챗봇이 대표적인 예시다. 머신러닝은 인공지능의 한 유형으로, 인간의 지시 없이 데이터 패턴에서 '학습'할 수 있는 모델을 통해 인공지능을 개발한다. 최근에는 기존의 예측 모델을 넘어 생성형 AI가 등장했는데, 이는 단순히 고양이 사진을 인식하고 분류하는 것을 넘어 고양이 이미지나 텍스트 설명을 직접 생성할 수 있다.

생성형 AI의 시장 가치와 산업 영향력

맥킨지는 생성형 AI 애플리케이션이 전 세계 경제에 연간 최대 4.4조 달러의 가치를 창출할 것으로 전망했다. 향후 3년 내에 기술, 미디어, 통신 분야에서 AI와 연결되지 않은 것은 구식이거나 비효율적인 것으로 간주될 것으로 예측된다. 이미 많은 기업들이 생성형 AI 도구를 비즈니스 모델에 도입하려 경쟁하고 있다.

텍스트 기반 머신러닝 모델의 작동 방식

챗GPT 이전에도 오픈AI의 GPT-3나 구글의 BERT와 같은 텍스트 기반 머신러닝 모델이 있었다. 초기 모델들은 연구자들이 설정한 레이블에 따라 다양한 입력을 분류하도록 인간이 훈련시켰다. 이를 '지도 학습'이라고 한다. 최신 세대의 텍스트 기반 머신러닝 모델은 '자기 지도 학습'이라는 방식을 사용한다. 이는 모델에 방대한 양의 텍스트를 입력하여 예측을 생성할 수 있게 하는 방식이다. 인터넷의 광범위한 텍스트 데이터를 학습하면서 이러한 모델들은 매우 정확해졌고, 챗GPT의 성공으로 그 정확성이 입증되고 있다.

생성형 AI 모델 개발의 현실적 과제

생성형 AI 모델을 구축하는 것은 대규모 작업이어서 소수의 자금력 있는 기술 기업만이 시도할 수 있다. 챗GPT와 달리(DALL-E)를 개발한 오픈AI(OpenAI)는 수십억 달러의 자금을 지원받았으며, 딥마인드(DeepMind)는 알파벳(구글 모회사)의 자회사다. 메타(Meta)도 메이크-어-비디오(Make-A-Video) 제품으로 생성형 AI 모델 시장에 진출했다. 모델 학습에는 막대한 비용이 든다. GPT-3는 약 45테라바이트의 텍스트 데이터(미국 의회도서관의 약 4분의 1 규모)로 학습됐으며, 추정 비용은 수백만 달러에 달한다.

생성형 AI의 출력물과 활용

생성형 AI 모델은 인간이 만든 것과 구분하기 어려운 콘텐츠를 생성할 수 있다. 챗GPT는 10초 만에 민족주의 이론을 비교하는 수준 높은 에세이를 작성할 수 있으며, 달리-E 2는 피자를 먹는 마돈나와 아기를 라파엘 화풍으로 그려낼 수 있다. 기업들은 생성형 AI를 그대로 사용하거나 특정 작업을 수행하도록 미세 조정할 수 있다. 예를 들어, 특정 스타일의 프레젠테이션 제목을 작성하려면 모델에 기존 슬라이드 데이터로부터 제목 작성 방식을 '학습'시킨 후 적절한 제목을 생성하도록 할 수 있다.

생성형 AI의 한계와 극복 방안

생성형 AI 모델이 새롭기 때문에 장기적 영향을 아직 파악하기 어렵다. 때로는 잘못된 정보를 제공하거나 인터넷과 사회의 성별, 인종 등 다양한 편향이 반영될 수 있으며, 비윤리적이거나 범죄적 활동에 악용될 수 있다. 이러한 위험을 완화하고 생성형 AI의 책임감 있는 활용을 위해 다음과 같은 방안을 고려할 수 있다.

첫째, 초기 학습 데이터를 신중히 선별함으로써 유해하거나 편향된 콘텐츠를 제외하는 것이 중요하다. 둘째, 범용적으로 사용되는 대규모 모델 대신 특정 목적에 적합한 작은 규모의 특수 목적 모델을 활용하는 방법도 고려할 수 있다. 셋째, 기업이 고유한 데이터를 활용해 모델을 커스터마이징하면, 해당 기업의 환경과 목적에 부합하는 결과를 얻을 수 있다. 넷째, 생성형 AI 모델의 출력물을 게시하거나 사용하기 전에 반드시 사람이 검토하는 절차를 마련하는 것이 필요하다. 마지막으로, 중요한 의사결정 상황에서는 생성형 AI 모델의 사용을 자제하고, 사람의 판단과 전문가의 의견에 의존하는 것이 적절하다.

규제와 향후 전망

생성형 AI는 급속도로 발전하는 분야로, 앞으로 몇 주, 몇 달, 몇 년 안에 위험과 기회의 지형이 빠르게 변화할 것으로 예상된다. 매달 새로운 활용 사례가 시험되고 있으며, 향후 몇 년 내에 새로운 모델이 개발될 것이다. 생성형 AI가 비즈니스, 사회, 개인의 삶에 더욱 깊이 통합됨에 따라 새로운 규제 환경이 형성될 것으로 예상된다. 기업 리더들은 이러한 도구를 실험하고 가치를 창출하면서 규제와 위험에 대한 동향을 주시해야 할 것이다.

해당 리포트의 원문은

링크에서 확인할 수 있다.

■ 이 기사는 AI 전문 매체 ‘AI 매터스’와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT-4o를 활용해 작성되었습니다. (☞ 보고서 바로 가기)