[Post] 생성형 AI: 창의적인 새로운 세상 (1/2)

 

Generative AI: A Creative New World

 

핵심 요약:

• 분석 AI(전통적 AI)를 넘어 창작이 가능한 생성형 AI가 등장하며 새로운 혁신의 물결 시작
• 소셜 미디어, 게임, 광고, 건축, 코딩, 그래픽 디자인 등 창작이 필요한 모든 산업이 재발명될 전망
• 수십억 명의 지식 노동자들이 최소 10% 이상 효율적이고 창의적으로 변화할 것으로 예상

 

기계가 인간처럼, 때로는 인간을 뛰어넘는 수준으로 창작할 수 있게 만드는 거대 언어 모델의 시대

 

인간은 분석을 잘합니다. 기계는 더 잘합니다. 기계는 데이터 세트를 분석하여 사기나 스팸 탐지, 배송 예상 시간 예측, 다음에 보여줄 틱톡 동영상 예측 등 다양한 용도에 맞는 패턴을 찾아낼 수 있습니다. 이러한 작업에서 기계는 점점 더 똑똑해지고 있습니다. 이를 "분석형 AI" 또는 전통적 AI라고 합니다.

 

하지만 인간은 분석만 잘하는 것이 아닙니다—우리는 창작도 잘합니다. 우리는 시를 쓰고, 제품을 디자인하고, 게임을 만들고, 코드를 작성합니다. 최근까지만 해도 기계는 창의적인 작업에서 인간과 경쟁할 기회가 없었습니다—분석과 반복적인 인지 노동에만 국한되어 있었죠. 하지만 기계들이 이제 막 의미 있고 아름다운 것들을 만들어내기 시작했습니다. 이 새로운 카테고리를 "생성형 AI"라고 부릅니다. 즉, 기계가 이미 존재하는 것을 분석하는 대신 새로운 것을 생성한다는 의미입니다.

 

생성형 AI는 단순히 더 빠르고 저렴해지는 것을 넘어, 일부 경우에는 인간이 직접 만드는 것보다 더 나은 결과물을 만들어내는 단계로 나아가고 있습니다. 인간이 원작을 만들어내야 하는 모든 산업—소셜 미디어부터 게임, 광고부터 건축, 코딩부터 그래픽 디자인, 제품 디자인부터 법률, 마케팅부터 영업까지—이 재발명될 것입니다. 특정 기능은 생성형 AI에 의해 완전히 대체될 수 있지만, 다른 기능들은 인간과 기계 사이의 긴밀한 반복적 창작 사이클을 통해 더욱 번성할 가능성이 높습니다. 생성형 AI는 광범위한 최종 시장에서 더 나은, 더 빠른, 더 저렴한 창작을 가능하게 할 것입니다. 궁극적인 꿈은 생성형 AI가 창작과 지식 노동의 한계 비용을 제로에 가깝게 낮추어 막대한 노동 생산성과 경제적 가치—그리고 그에 상응하는 시가총액을 창출하는 것입니다.

 

생성형 AI가 다루는 분야—지식 노동과 창의적 노동—는 수십억 명의 노동자를 포함합니다. 생성형 AI는 이러한 노동자들을 최소 10% 이상 효율적이고/또는 창의적으로 만들 수 있습니다: 그들은 단순히 더 빠르고 효율적이 될 뿐만 아니라, 이전보다 더 많은 것을 할 수 있게 됩니다. 따라서 생성형 AI는 수조 달러의 경제적 가치를 창출할 잠재력을 가지고 있습니다.

 

왜 지금인가?

생성형 AI는 AI 전반과 같은 "왜 지금인가"를 공유합니다: 더 나은 모델, 더 많은 데이터, 더 많은 컴퓨팅 파워입니다. 이 카테고리는 우리가 포착할 수 있는 것보다 더 빠르게 변화하고 있지만, 현재의 순간을 맥락에서 이해하기 위해 최근의 역사를 큰 틀에서 되짚어보는 것이 가치가 있습니다.

 

Wave 1: 작은 모델의 시대 (2015년 이전) 5년 전까지만 해도 작은 모델들이 언어를 이해하는 데 있어 "최첨단"으로 여겨졌습니다. 이러한 작은 모델들은 분석적 작업에서 뛰어났고 배송 시간 예측부터 사기 분류까지 다양한 작업에 배치되었습니다. 하지만 일반적인 생성 작업을 위해서는 충분히 표현력이 있지 않았습니다. 인간 수준의 글쓰기나 코드 생성은 여전히 꿈에 불과했습니다.

 

Wave 2: 규모의 경쟁 (2015-현재) 구글 리서치의 획기적인 논문(Attention is All You Need)이 트랜스포머라는 새로운 신경망 아키텍처를 설명했습니다. 이는 더 병렬화가 가능하고 훈련 시간이 크게 줄어들면서도 우수한 품질의 언어 모델을 생성할 수 있었습니다. 이 모델들은 퓨샷 러닝이 가능하고 특정 도메인에 비교적 쉽게 커스터마이즈될 수 있습니다.

예상대로, 모델이 커지면서 인간 수준의, 그리고 나아가 초인간적인 결과를 내기 시작했습니다. 2015년과 2020년 사이에 이러한 모델을 훈련하는 데 사용된 컴퓨팅 파워는 6자릿수만큼 증가했고, 그 결과는 필기, 음성과 이미지 인식, 독해력과 언어 이해에서 인간 성능 벤치마크를 넘어섰습니다. OpenAI의 GPT-3가 특히 두각을 나타냈습니다: 이 모델의 성능은 GPT-2에 비해 거대한 도약이었고 코드 생성부터 재치있는 농담 쓰기까지 매력적인 트위터 데모들을 보여주었습니다.

모든 근본적인 연구 진전에도 불구하고, 이러한 모델들은 널리 퍼지지 않았습니다. 크고 실행하기 어려웠으며(GPU 오케스트레이션 필요), 널리 접근할 수 없었고(이용 불가능하거나 비공개 베타만 가능), 클라우드 서비스로 사용하기에는 비쌌습니다. 이러한 제한에도 불구하고, 가장 초기의 생성형 AI 애플리케이션들이 등장하기 시작했습니다.

 

Wave 3: 더 좋게, 더 빠르게, 더 저렴하게 (2022+) 컴퓨팅이 더 저렴해졌습니다. 디퓨전 모델과 같은 새로운 기술은 훈련과 추론을 실행하는 데 필요한 비용을 줄였습니다. 연구 커뮤니티는 계속해서 더 나은 알고리즘과 더 큰 모델을 개발하고 있습니다. 개발자 접근성이 비공개 베타에서 공개 베타로, 또는 일부 경우에는 오픈소스로 확장되었습니다.

대규모 언어 모델에 대한 접근이 제한되어 있던 개발자들에게, 이제 탐색과 애플리케이션 개발을 위한 문이 활짝 열렸습니다. 애플리케이션들이 꽃피기 시작했습니다.

 

Wave 4: 킬러 앱의 등장 (현재) 플랫폼 레이어가 견고해지고, 모델이 계속해서 더 좋아지고/빨라지고/저렴해지며, 모델 접근성이 무료와 오픈소스로 향하면서, 애플리케이션 레이어는 창의성의 폭발적 증가를 맞이할 준비가 되어 있습니다.

모바일이 GPS, 카메라, 이동 중 연결성과 같은 새로운 기능을 통해 새로운 유형의 애플리케이션을 unleashed했던 것처럼, 우리는 이러한 대규모 모델들이 새로운 생성형 AI 애플리케이션의 물결을 동기부여할 것으로 기대합니다. 그리고 모바일의 변곡점이 10년 전 소수의 킬러 앱을 위한 시장 기회를 만들었던 것처럼, 우리는 생성형 AI를 위한 킬러 앱들이 등장할 것으로 기대합니다. 경주가 시작되었습니다.