[생성AI] 생성 AI 기초(1) : 생성형 AI란 무엇인가요?

인공지능(AI)의 기본 개념 이해하기

인공지능(AI)은 기존에 인간의 지능이 필요한 일을 기계가 수행하는 능력을 가리킵니다. 이에는 학습, 문제 해결, 추론, 지각, 자연어 처리 등의 작업이 포함됩니다. AI는 의료, 금융, 교통 등의 분야에서 다양한 응용 분야가 있어 급속히 성장하고 있습니다.

인공지능은 크게 약 인공지능(Narrow or Weak AI)와 강 인공지능(General or Strong AI) 두 가지 주요 범주로 구분됩니다. 약 인공지능은 이미지에서 물체를 인식하거나 체스를 두거나 언어를 번역하는 등 특정한 작업을 수행하는 AI 시스템을 말합니다. 이러한 시스템은 특정 작업에 한정되어 있으며 새로운 작업을 배우거나 적응하는 능력은 가지고 있지 않습니다.

강 인공지능은 반면 인간이 수행할 수 있는 어떤 지적 작업도 수행할 수 있는 AI 시스템을 말합니다. 이러한 시스템은 학습, 추론, 복잡한 개념 이해 등이 가능합니다. 터미네이터 같은 인격을 갖춘 인공지능이라고 할까요. 강 인공지능의 개발은 아직 초기 단계에 있어 이러한 시스템이 개발되기까지는 아직 시간이 걸릴 것으로 예상되곤 하지만 최근의 비약적 발전때문인지 미래학자인 레이 커즈와일은 강한 인공지능의 출현 시점을 2045년으로 예측했다가 2030년으로 앞당기기도 했습니다. 

전통적인 AI와 생성형 AI의 차이점

전통적인 AI 시스템은 일반적으로 규칙과 논리에 기반합니다. 이러한 시스템은 특정 작업을 수행하기 위해 사전에 정의된 규칙을 따릅니다. 예를 들어, 전통적인 AI 시스템은 특정 패턴이나 특징을 찾아 이미지에서 물체를 식별할 수 있도록 설계됩니다.

반면 생성 AI는 머신러닝(기계학습, Machine Learning)에 기반합니다. 머신러닝은 데이터에서 학습하고 성능을 향상시키는 AI의 한 유형입니다. 즉, 생성 AI 시스템은 기존에 존재하는 데이터를 학습하고 학습한 내용에 기반하여 새로운 데이터를 "생성"하도록 설계됩니다.

 

생성 AI가 기존 데이터에서 새로운 데이터를 생성하는 방법

생성 AI 시스템은 생성 모델링이라는 유형의 머신러닝을 사용합니다. 생성 모델링은 감독을 받지 않는 학습의 일종으로 시스템이 특정 예제를 학습하지 않습니다. 대신 시스템은 대규모 데이터셋에서 학습하고 학습한 패턴을 기반으로 새로운 데이터를 생성합니다.

생성 모델은 이미지 및 음성 합성, 텍스트 생성 등 다양한 작업에 사용될 수 있습니다. 예를 들어, 생성 모델은 수많은 고양이 이미지를 모아놓은 데이터셋을 학습할 수 있습니다. 생성 모델이 고양이 이미지의 패턴을 학습하면, 이전에 본 적이 없는 새로운 고양이 이미지를 생성할 수 있게 되는 것입니다. 

가장 인기 있는 생성 모델 중 하나는 생성적 적대 신경망(Generative Adversarial Network, GAN)입니다. GAN은 생성자와 판별자 두 개의 신경망으로 구성됩니다. 생성자는 학습 데이터와 유사한 새로운 데이터를 생성하도록 학습하고, 판별자는 실제와 가짜 데이터를 구별할 수 있도록 학습합니다. 두 개의 네트워크는 함께 학습하며, 생성자는 판별자를 속여 생성된 데이터를 실제 데이터로 인식하도록 노력합니다. 이렇게 생성자와 판별자가 창과 방패 처럼 서로 치고받으며(적대적으로 행동하며) 점점 더 그럴듯한 새로운 데이터가 생성됩니다.

GAN은 얼굴의 사실적인 이미지 생성, 음악 생성, 심지어 가상 세계 전체 생성 등 다양한 작업에 사용되었습니다. GAN은 예술 분야에서도 사용되어 GAN으로 생성된 작품이 경매에서 수백만 달러에 판매되기도 했습니다.

생성 AI와 관련된 윤리적 고려 사항

생성 AI는 의료부터 예술까지 많은 분야를 혁신할 수 있는 잠재력을 가지고 있지만, 이를 개발하고 사용할 때 고려해야 할 윤리적 고려 사항도 있습니다.

생성 AI가 가질 수 있는 윤리적 고려 사항 중 하나는 가짜 정보를 만들어내는 데 사용될 가능성이 있습니다. 예를 들어, 생성 AI는 실제와 구분하기 어려운 가짜 뉴스나 동영상을 만들어낼 수 있습니다. 이는 언론에 대한 대중의 신뢰에 심각한 영향을 미칠 수 있으며 대중 의견을 조작하는 데 사용될 수도 있습니다. 얼마전 프란시스코 교황이 하얀 패딩 점퍼를 입은 사진이 화제가 되면서 패딩 점퍼가 어느 브랜드인지 논란이 되기도 했었는데 알고보니 이미지 생성 AI로 만들어낸 가짜 사진이었지요. 

윤리적으로 고려할 만한 또 다른 사항은 생성 AI가 기존의 편견과 차별을 지속시킬 수 있다는 점입니다. 생성 AI 시스템은 학습한 데이터로 배우기 때문에 만일 학습 데이터에 편견이나 차별적인 정보가 포함되어 있다면, 결과적으로 편향적이거나 차별적인 결과를 출력할 수도 있습니다. 예를 들어, 성적 편견이나 인종적 편견이 포함된 데이터로 학습한 생성 AI 시스템은 그러한 편견을 강화하는 텍스트나 이미지를 생성할 수 있습니다.

이러한 윤리적 고려 사항에 대처하기 위해서는, 생성 AI 시스템이 공정하고 책임감 있는 방식으로 설계되고 학습되도록 보장하는 것이 중요합니다. 학습 데이터가 다양한 인구 구성을 대표해야 하고, 시스템에서 자체적으로 편견을 테스트할 수 있어야 하며, 무엇보다 생성 AI 시스템 사용에 대한 명확한 지침과 규제가 필요합니다.

 

진화하는 생성AI, 따라잡는 우리

생성 AI는 기존에는 불가능했던 새로운 창조적 결과를 만들어내는 강력한 도구입니다. 그러나 생성 AI의 윤리적 함의를 고려하고 이러한 시스템을 책임감 있고 책임 있는 방식으로 설계하고 사용하는 것이 중요합니다.

AI의 기본 개념, 전통적인 AI와 생성 AI의 차이점, 그리고 생성 AI가 기존 데이터에서 새로운 데이터를 생성하는 방법을 이해함으로써 흥미로운 생성 AI분야의 가능성과 한계를 엿보았습니다. 하루가 다르게 진화하고 있는 챗GPT 같은 생성 AI를 보면 앞으로 어떤 새로운 창조적인 응용 분야가 등장할지 기대가 되면서도, 나만 뒤쳐지면 어떻게 하나 걱정이 되기도 합니다. 빠르게 진화하는 AI 분야를 따라잡기 위해 최소한의 기본 지식 만큼은 알아두는 것이 필요하지 않을까 싶습니다. 

 

이 글로 시작하는 생성 AI 기초 시리즈가 저와 비슷한 생각을 하는 여러분께 도움이 되길 바랍니다.