제너레이티브generative AI

제너레이티브 인공 지능(AI)은 오디오, 코드, 이미지, 텍스트, 시뮬레이션 및 비디오를 포함한 새로운 콘텐츠를 만드는 데 사용할 수 있는 알고리즘(예: ChatGPT)을 설명합니다. 이 분야의 최근 새로운 돌파구는 콘텐츠 제작에 접근하는 방식을 크게 바꿀 가능성이 있습니다.

 

 

기계 학습machine learning과 인공 지능artificial intelligence의 차이점은?

인공 지능AI은 기계가 인간의 지능을 모방하여 작업을 수행하도록 하는 관행과 거의 같습니다. Siri 및 Alexa와 같은 음성 비서는 AI 기술을 기반으로 하며 웹 사이트 탐색을 돕기 위해 팝업되는 고객 서비스 챗봇도 마찬가지입니다.

기계 학습은 인공 지능의 한 유형입니다. 기계 학습을 통해 실무자는 인간의 지시 없이 데이터 패턴에서 "학습"할 수 있는 모델을 통해 인공 지능을 개발합니다. 현재 생성되고 있는 데이터의 양과 복잡성(어쨌든 인간이 관리할 수 없음)은 기계 학습의 잠재력과 필요성을 증가시켰습니다.

 

기계 학습 모델의 주요 유형은 무엇인가?

기계 학습은 18세기와 20세기 사이에 소규모 데이터 세트를 위해 개발된 고전적인 통계 기술부터 시작하여 여러 빌딩 블록을 기반으로 합니다. 1930년대와 1940년대에 이론 수학자 앨런 튜링(Alan Turing)을 비롯한 컴퓨팅의 선구자들은 기계 학습을 위한 기본 기술을 연구하기 시작했습니다. 그러나 이러한 기술은 과학자들이 처음으로 컴퓨터를 탑재할 수 있을 만큼 강력한 컴퓨터를 개발 한 1970 대 후반까지 실험실에 국한되었습니다.

최근까지 기계 학습은 콘텐츠의 패턴을 관찰하고 분류하는데 사용되는 예측 모델로 크게 제한되었습니다. 예를 들어, 고전적인 기계 학습 문제는 사랑스러운 고양이의 이미지 하나 또는 여러 이미지로 시작하는 것입니다. 그런 다음 프로그램은 이미지 중에서 패턴을 식별한 다음 사랑스러운 고양이 패턴과 일치하는 이미지에 대해 임의의 이미지를 면밀히 조사합니다. 제너레이티브 AI는 돌파구였습니다. 기계 학습은 단순히 고양이 사진을 인식하고 분류하는 대신 이제 필요에 따라 고양이의 이미지 또는 텍스트 설명을 만들 수 있습니다.

 

 

제너레이티브 AI 모델은 어떤 종류의 출력을 생성할 수 있는가?

제너레이티브 AI 모델의 출력은 사람이 생성한 콘텐츠와 구별할 수 없거나 약간 기이하게 보일 수 있습니다. 결과는 모델의 품질(지금까지 ChatGPT의 출력이 이전 모델의 출력보다 우수한 것으로 나타남)과 모델과 사용 사례 또는 입력 간의 일치에 따라 달라집니다.

그러나 출력이 항상 정확하거나 적절한 것은 아닙니다. Priya Krishna가 DALL-E 2에게 추수 감사절 저녁 식사를 위한 이미지를 생각해 내라고 요청했을 때, 칠면조가 아보카도 소스로 보이는 그릇 옆에 전체 라임으로 장식되는 장면을 만들었습니다. ChatGPT는 기본적인 대수학 문제를 계산하거나 해결하는데 어려움을 겪는 것 같으며, 실제로 인터넷과 사회의 저류에 숨어있는 성 차별적이고 인종 차별적인 편견을 보다 광범위하게 극복하는데 어려움을 겪고 있는 것 같습니다. 

제너레이티브 AI 출력은 알고리즘을 훈련하는데 사용되는 데이터의 신중하게 보정된 조합입니다. 이러한 알고리즘을 훈련하는데 사용되는 데이터의 양은 매우 방대하기 때문에(앞서 언급했듯이 GPT-3는 45TByte의 텍스트 데이터로 훈련됨) 출력을 생성할 때 모델이 "창의적"으로 보일 수 있습니다. 또한 모델에는 일반적으로 임의의 요소가 있으므로 하나의 입력 요청에서 다양한 출력을 생성할 수 있으므로 훨씬 더 생생하게 보입니다.

 

제너레이티브 AI 모델은 어떤 종류의 문제를 해결할 수 있을까?

ChatGPT와 같은 제너레이티브 AI 도구 (장난감?)가 끝없는 엔터테인먼트를 생성할 수 있다는 것을 보셨을 것입니다. 기회는 기업에게도 분명합니다. 제너네이티브 AI 도구는 몇 초 만에 신뢰할 수 있는 다양한 글을 작성한 다음 비판에 응답하여 글쓰기를 목적에 더 적합하게 만들 수 있습니다. 이는 AI 모델에서 생성된 즉각적이고 대체로 정확한 코드의 이점을 누릴 수 있는 IT 및 소프트웨어 조직에서 마케팅 카피가 필요한 조직에 이르기까지 다양한 산업에 영향을 미칩니다. 요컨대, 명확한 서면 자료를 작성해야 하는 모든 조직은 잠재적으로 이익을 얻을 수 있습니다. 조직은 또한 제너레이티브 AI를 사용하여 고해상도 버전의 의료 이미지와 같은 더 많은 기술 자료를 만들 수 있습니다. 그리고 여기에서 절약된 시간과 리소스를 통해 조직은 새로운 비즈니스 기회와 더 많은 가치를 창출할 수 있는 기회를 추구할 수 있습니다.

 

Image ⓒ martechseries

 

 

-----

McKinsey&Company, 19 Jan. 2023