[인공지능] 이것만 알자 : (1)생성 AI의 역사와 개념

AI map @ Created by Being Image

 

인공지능(Artificial Intelligence, AI)이 요즘 뜨거운 관심을 받고 있습니다. 특히 챗GPT, 미드저니, MS 빙 등 연일 뉴스를 장식하는 AI분야가 바로 생성 AI(generative AI)입니다. 생성형 AI라고 부르기도 합니다.

 

많은 사람들이 이미 생성 AI를 공부나 업무에서 활용하기 시작했습니다. 사실 생성 AI는 이미 수십 년 동안 존재해 온 매력적인 인공 지능 분야입니다.

 

생성 AI란 기계(쉽게 말하면 컴퓨터)가 인공지능 기술을 통해 이미지, 음악, 심지어 문자와 같은 새롭고 독창적인 콘텐츠를 '생성'(generate)할 수 있게 해주는 기술입니다. 기술적인 부분은 일반인들에게 다소 이해하기 복잡해 보이지만 개념 자체는 그리 어렵지 않지요. 

 생성 AI의 역사

 

생성 AI가 최근 급속히 발전하면서 사람들의 관심을 한몸에 받다보니 인공지능 연구에서 최근에 등장한 신생분야처럼 느껴지기도 합니다만, 생성 AI의 역사는 사실 인공지능 연구 초기로 거슬러 올라갑니다.

 

1950년대에 연구원들은 컴퓨터를 사용하여 창의적인 콘텐츠를 생성할 수 있는 가능성을 탐구하기 시작했습니다. 최초의 성공적인 생성 AI 시스템 중 하나는 간단한 스토리를 생성할 수 있는 프로그램을 개발한 인공 지능에 관한 1957년 다트머스 썸머 리서치 프로젝트(Dartmouth Summer Research Project)였습니다.

1960년대에도 생성 AI 연구는 계속해서 진행되었습니다. 연구원들은 더 복잡하고 사실적인 콘텐츠를 생성할 수 있는 새로운 알고리즘을 개발했습니다. 예를 들어, 1966년에 John McCarthy는 Lisp 프로그래밍 언어를 개발했는데 이 언어는 오늘날에도 여전히 생성 AI 연구에 사용됩니다.

문제는 복잡한 알고리즘을 처리하기에는 당시 컴퓨터의 성능이 너무 떨어진다는데 있었습니다. 신작 게임이 나왔는데 컴퓨터 사양이 낮아 돌아가지 않는 좌절같은 것이죠. 1970년대에는 연구자들이 초기 컴퓨터의 하드웨어적인 한계를 극복하기 위해 고군분투하면서 생성 AI 연구가 둔화되었습니다.

 

그러다가 1980년대 컴퓨터의 성능이 획기적으로 높아지면서 생성 AI 연구가 다시 활기를 띠기 시작했습니다.  특히, 1987년에 Geoffrey Hinton은 이미지를 생성하는 데 사용할 수 있는 신경망인 Boltzmann 기계를 개발했습니다. 이 알고리즘은 기계가 서로 다른 물체를 식별하고 분류하는 법을 학습하는 패턴 인식에 사용되었는데 '학습'과 '패턴인식'이라는 두 키워드야말로 생성 AI의 뼈대이기 때문인지 볼츠만 기계는 사실상 최초의 생성 AI라고 불리기도 합니다.

 

1990년대에 이르러 연구자들이 새로운 알고리즘을 개발하고 기존 알고리즘을 개선하면서 생성 AI가 더욱 발전했습니다. 1995년에 Yoshua Bengio는 Boltzmann 기계를 개선하여 '제한된 Boltzmann 기계'라는 더 강력한 알고리즘을 개발했습니다. 반복 신경망(Recurrent Neural Network, RNN)이라는 새로운 생성 AI 알고리즘도 개발되었습니다. 이 알고리즘은 텍스트와 음성을 생성하는 데 유용한 순서대로 데이터를 분석할 수 있습니다. RNN을 사용하면 기계는 이전 단어나 소리를 기반으로 다음 단어나 소리가 무엇인지 예측할 수 있습니다.

 

2000년대에는 데이터로부터 학습하기 위해 인공 신경망을 사용하는 머신러닝의 한 분야인 딥 러닝이 급부상했습니다. 딥 러닝은 연구원들이 더 복잡하고 사실적인 콘텐츠를 만들 수 있게 함으로써 생성 AI에 혁명을 일으켰습니다. 예를 들어, 2012년 Ilya Sutskever와 Geoffrey Hinton은 사실적인 이미지를 생성하는 데 사용할 수 있는 일종의 딥 러닝 알고리즘인 생성적 적대 신경망 (Generative Adversarial Network, GAN)을 개발했습니다. 최근 몇 년 동안 생성 AI는 특히 이미지 및 음악 생성 영역에서 큰 발전을 이루었는데 그 중심에는 바로 GAN 모델이 있습니다. 이 모델은 기존 이미지에서 학습한 다음 원본과 유사하게 보이는 새 이미지를 생성하여 새 이미지를 생성할 수 있습니다. 

 

생성 AI의 작동 방식

간략하게 말하자면 생성 AI는 대량의 데이터를 분석한 다음 해당 데이터를 사용하여 새로운 콘텐츠를 만드는 방식으로 작동합니다.  예를 들어 기계가 고양이 이미지 데이터 세트에 대해 훈련된 경우 해당 데이터를 사용하여 새로운 고양이 이미지를 만들 수 있습니다.

 생성 AI의 가장 흥미로운 측면 중 하나는 이전에 존재하지 않았던 것을 만들 수 있다는 것입니다. 기계는 완전히 새로운 이미지, 음악, 심지어 이야기까지 생성할 수 있습니다. 이는 생성 AI 알고리즘이 인간의 상상력이나 창의성에 의해 제한되지 않기 때문에 가능합니다.

 생성 AI의 미래

 

 생성 AI는 빠르게 진화하는 분야이며 그 응용 프로그램은 점점 더 널리 보급되고 있습니다.  생성 AI의 가장 유망한 영역은 새롭고 독특한 작품을 만들 수 있는 음악 및 예술과 같은 창조 산업, 질병을 진단하고 치료할 수 있는 의료 분야,  학생들을 위한 개인화된 학습 경험을 생성할 수 있는 교육 분야 등에서 활발하게 사용될 수 있습니다. 

 

특히 사람이 말하듯 자연스럽게 채팅을 하면 인공지능을 통해 대화의 맥락까지 파악하여 반응하는 챗GPT의 등장으로 일반인들도 생성 AI의 무궁무진한 가능성에 매료되기 시작한 만큼, 앞으로 일상의 다양한 분야에서 생성 AI를 활용한 서비스들이 계속 개발될 것입니다.

 

피할 수 없는 미래를 위한 지식

생성 AI는 많은 산업에 혁명을 일으킬 잠재력이 있는 흥미로운 분야입니다. 기계에게 새롭고 독창적인 콘텐츠를 만드는 방법을 가르쳐줌으로써 우리는 가능성의 세계를 열 수 있습니다.  생성 AI의 개념 자체는 복잡해 보일 수 있지만 활용은 조금만 익숙해지면 어렵지 않습니다. 컴퓨터나 인터넷, 스마트폰 처럼 처음에는 낯설고 복잡한 기술도 사람들은 쉽게 적응했습니다. 생성 AI도 마찬가지입니다. 피할 수 없는 미래라면 남들보다 한 발 빠르게 작동 원리와 미래에 대한 잠재력을 이해하는 것이 중요합니다.