A.I.에 대해, 상식적으로 알아두면 좋은 이야기

컴퓨터를 전공했고 오랫동안  개발자로 일해왔던 사람으로 지난 25년을 돌아보면 이 세상이  현실인가  싶을때가 있습니다.

한국이라는 나라에서 꾸준히 바껴오는 환경속에서 살다보니 당연하다 생각이 들지만

25년전 한국을 떠났다가 다시 돌아온 사람이라면 확연히 느낄 것입니다.

컴퓨터를 처음 만졌던 것은 훨씬이전인 1980년도였지만 그것은 친구의 집에 있던 msx였습니다.

시간이 지나 1990년이 되어서야 나의 컴퓨터가 생겼습니다.

86컴퓨터라는 ms-DOS가 설치된 컴퓨터로 시작된 저의 컴퓨터의 삶은 35년이 지난 지금은 맥북을 쓰고 있습니다.

 

저의 컴퓨터의 변천사를 대충 말한 이유는 프로그램을 개발하거나 무엇인가를 만들려고할때엔 개발자나 디자이너가 자신의 생각으로 시간을 들여 한땀한땀 코딩을 하거나 픽셀을 찍거나 벡터선을 그려야 했습니다. 작가라면 직접 타이핑을 쳐서 글을 쓰고 교정을 위해 하나하나 다시 읽어야 했습니다.

이 모든 행동을 이제는 A.I.가 대신할수 있고 훨씬 완성도 높게 만듭니다.

 

그리고 사람의 손으로 하나하나 만들어진 기계나 제품보다 기계가 만든 정확한 치수와 깔끔한 마감을 사람들은 더 선호하는 만큼

지금은 반감이 있는 A.I.의 결과물을 사람들은 훨씬 선호할수도 있고 예술성보다 정확성을 따지는 일에서는 이미 그 선호도가 높은 경우가 있습니다.

 

A.I.의 발전의 정확판단, 실수없는 행동을 바라는 인간의 노력으로 발전했다고 생각합니다

실제적인 시도는 언제부터 시작했는지 알아보겠습니다.

1950년, 영국의 수학자 앨런튜링(Alan Turing)이 기계는 생각할 수 있다고 주장하며, 테스트하기 위한 방법으로 '튜링 테스트(The Turing Test)를 고안했습니다.

이 테스트를 AI라는 개념을 최초로 제시한 테스트로 말합니다.

이후 1956년에는 AI의 개념을 세상에 알린 다트머스 회의(Dartmouth Conference)가 열렸습니다.

기계가 인간처럼 학습하고 발전할 수 있는지에 대한 토론이 이루어졌으며, 인공지능이라는 용어가 이 회의에서 처음사용되었습니다.

이 시기에는 인공신경망(Artificial Neural Network) 모델에 관한 연구도 활발히 진행되고 있었습니다.

프랑크 로젠블랏(Frank Rosenblatt)가 1957년에 ‘퍼셉트론(Perceptron)’ 모델을 통해 컴퓨터가 패턴을 인식하고 학습할 수 있다는 개념을 실험으로 보여줬습니다.

이는 1943년에 신경 생리학자 워렌 맥컬럭(Warren McCulloch)과 월터 피트(Walter Pitts)가 신경세포의 상호작용을 간단한 계산 모델로 정리한 ‘신경망’ 이론을 실제로 테스트한 것입니다.

 

초기의 테스트의 성공과는 다르게 현실적인 문제에 접하게 됩니다.

컴퓨팅 성능,논리 체계, 데이터 부족 등의 한계로 AI연구는 더 이상 발전하지 못하고 서서히 침체기에 들어서게 됩니다.

그러다가 1980년대에 '전문가 시스템(Expert System)'이 등장하며 사람이 입력한 규칙을 기반으로 자동판정을 내리는 방식이 도입됩니다.

전문가 시스템은 의학, 법률, 유통 등 실용적인 분야에서 진단, 분류, 분석 등의 기능을 수행합니다.

이런 시스템은 다시 AI에 대한 관심을 다시 불러 일으켰으나, 이 스스템은 사람이 설정한 규칙에만 의존하여 동작하며, 복잡한 현실 세계를 

이해하는 능력을 갖추지 못했다는 한계가 있었습니다.

인간의 명령으로만 작동하던 AI는 1990년대 들어서 스스로 규칙을 찾아 학습하게 됩니다.

그것은 러닝머신(Machine Learning, 기계학습) 알고리즘이 등장하고 활용하면서 부터입니다.

가능해진 이유는 디지털과 인터넷이 등장과 저장장치의 발전때문입니다.

 

웹에서 수집한 대량의 데이터를 활용할 수 있게 되면서, AI는 스스로 규칙을 학습하고 나아가 사람이 찾지 못하는 규칙가지 찾아낼수 있게 되었습니다.

표본이 많아지며 스스로 학습하는재료가 많아지며 AI연구는 머신러닝을 기반으로 다시 성과를 내기 시작했습니다.

그리고 러닝머신이 '딥러닝'이라는 이름으로 변모합니다.

AI의 핵심 기술, '딥러닝'의 발전

이 이후부터는 아주 전문적인 연구가 진행되며 이름도 일반인은 이해할수 없는 명칭으로 점점 발전합니다.

일반인이 이해하기 쉽게 설명을 하면

2010년대부터 우리가 이해하기 쉬운 AI가 등장하고 대중적으로 알려지게 됩니다

그이유는 GPU를 비롯한 컴퓨터시스템의 발전과 인터넷데이터(data)의 증가때문입니다

그래픽을 처리하기 위해 개발된 GPU가 유사하고 반복적인 연산을 병렬로 처리하기때문에 CPU의 역할을 보완하는 기술로 발전하여 쓰임새가 늘어잤고 인공신경망의 학습에 적용되며 딥러닝발전에 가속화를 도왔습니다. GPU는 바로 빅데이터를 계산하고 학습하게 됩니다

빅데이터는 많은 사람들이 사용하는 인터넷을 통해 저장되었고 그데이터를 학습하게 도와준것이 바로 GPU가 되겠습니다

많은 거대 IT기업들이 연구된 AI기술을 이용하여 시스템에 적용하게되었고 드디어 생성형 AI로 탄생하게 되었습니다

 

챗GPT를 필두로 시작된 '생성형 AI'붐

오픈AI가 GPT3.5를 탑재한 '챗 GPT'를 출시하면서 생성형  AI의 시대를 열었습니다.

인간고유의 영역으로만 여겨지던 '창작'의 영역에 침투하여 수준높은 콘텐츠르 생성하게 됩니다.

채팅수준으로 시작했던 생성형 AI는 그림,음악, 동영상으로 점점 발전하며 결과물또한 놀랍게 완성도를 높여나갔습니다.

2023년 오픈AI는 기술적으로 한 단계 도약해  LMM모델로 진화한 GPT-4를 출시했습니다.

챗GPT가 대중화시킨 생성형AI붐을 타고 대부분의 기업들과 개인까지도 활용하고 있으며, 

텍스트, 이미지, 오디오 등을 동시에 인식하고 이해할 수 있는 구글의 제미나이(Gemini)와 이미지 내 특정 객체를 정확하게 인식하고 분리할 수 있는 메타의 샘(SAM) 텍스트 프롬프트 기반으로 영상을 제작하는 오픈AI의 소라(Sora)등이 대표적입니다.

 

생성형 AI시장은 이제 시작입니다.

많은 기업들이 개발하고 응용하여 사용하는 기술은 상향 평준화될것이며 더 많은 사람들이 손쉽게 이용할 수 있도록 편의성은 확장될것입니다.

rawpixel.com출처 Freepik

AI는 일상을 바꾸고 미래를 바꿀 것입니다

부정적으로 본다면 단점밖에 보이지 않을 것입니다.

총도 쓰는 사람에 따라 방어용일수도 공격용일수도 있습니다.

AI가 만드는 세상은 인류의 상상력을 넘어섰고 기성세대의 낯섬과는 다르게 새로운 세대는 땔수없는 생활이 될것입니다.

어떻게 사용해야 바르게 사용할것인가의 가이드보다 사용하면 안되는 것에 대한 가이드가 필요하지 않을까 하는 개인적인 생각도 듭니다.