현재 AI 시대를 살아가면서 ChatGPT에 대해 들어본 적이 있을 것입니다. ChatGPT와 같이 이용자의 특정 요구에 따라 결과를 생성해 내는 인공지능 기술을 ‘생성형 AI’라고 합니다. 이러한 생성형 AI(Gen.AI: Generative AI)는 대화부터 이미지 제작, 영상, 음악까지 다양한 측면에서 활용되고 있으며, 개인의 영역을 넘어 비즈니스 분야에서도 필수가 되고 있습니다.

  이에 많은 기업에서 생성형 AI를 활용할 것이라며 의견을 표하고 있지만 인공지능(AI)의 지식 없이 시작하기에는 어려운 것이 현실입니다. 그래서 생성형 AI 도입을 검토하고 있거나 추후 활용할 예정인 기업을 위해 알고 있으면 좋은 인공지능 기본 용어를 설명해드리겠습니다.

인공지능(AI)의 구조와 개념

  AI의 관련 지식 없이 인공지능, 머신러닝, 딥러닝, 생성형 AI 등 관련 개념을 구분하기란 쉽지 않습니다. 생성형 AI를 이해하기 위한 용어와 구조를 쉽게 설명하자면 다음과 같습니다.

• 인공지능(AI: Artificial Intelligence)
    인공지능은 인공적으로 사고하고 행동하는 컴퓨터 시스템으로 인간의 학습능력, 추론 능력, 지각 능력을 포함하고 있습니다. 인공지능은 머신러닝과 딥러닝을 포함하고 있는 광범위한 개념입니다.
• 머신러닝(Machine Learning)
    머신러닝은 인공지능의 하위 분야로, 스스로 학습하여 대상의 패턴을 인식하고 예측합니다. 쉽게 설명하자면, 기계에 문제 해결을 위한 결과를 입력하여 학습시키는 것으로, 이후 유사한 문제가 생기면 스스로 풀어낼 수 있는 능력을 갖출 수 있게 합니다.
• 딥러닝(Deep Learning)
    딥러닝은 머신러닝의 하위 집합으로, 더 복잡한 패턴을 인공신경망(인간의 뇌가 정보를 처리하는 방식을 구현한 시스템)을 통해 처리할 수 있는 머신러닝의 유형입니다.

  즉, AI는 머신러닝과 딥러닝을 포함하고 있는 광범위한 개념입니다. 동시에 머신러닝은 다양한 학습 방법을 포함하고 있는 넓은 분야이며, 머신러닝의 포함되어 있는 유형 중 하나가 딥러닝인 것입니다.

생성형 AI(Generative AI)란?

  생성형 AI는 머신러닝을 통해 학습한 내용들을 조합하고 딥러닝함으로써 복잡한 내용도 원하는 요구사항에 맞춰 텍스트, 이미지, 오디오, 합성 데이터 등의 콘텐츠로 도출해 내는 인공지능의 형식입니다. 정리하자면 생성형 AI는 딥러닝의 하위 개념에 포함되어 있는 인공지능 중 하나인 것입니다.

  이러한 생성형 AI는 다양한 모델을 사용하여 독창적인 콘텐츠들을 만들어내게 됩니다. 대표적인 모델의 종류는 초거대 언어 모델(LLM: Large Language Model), 적대적 생성 신경망(GAN: Generative Adversarial Network), 변이형 자동 인코더(VAE: Variational Autoencoder)가 있습니다. 세 가지 모델의 정의는 다음과 같습니다.

• 초거대언어모델(LLM: Large language model)
    인간의 언어를 이해하고 생성하도록 훈련된 인공지능
• 적대적 생성 신경망(GAN: Generative Adversarial Network)
  실제에 가까운 이미지나 사람이 쓴 것과 같은 글 등 여러 합성 데이터를 생성하는 인공지능
• 변이형 자동 인코더(VAE: Variational Autoencoder)
  여러 분포로부터 샘플링하여 디코딩을 통해 의미 있는 출력으로 연결시켜 새로운 창의적인 데이터 생성 및 잠재 표현을 조작하는 인공지능

  이처럼 인공지능은 다양한 하위 유형이 존재하며, 하위 유형의 인공지능이 모여 하나의 결과를 도출해 내는 밀접한 관계를 가지고 있습니다.

생성형 AI(Generative AI)의 관련 용어 모음

  생성형 AI를 이해하기 위해서는 구조의 이해와 각종 모델의 이해 말고도 다양한 생성형 AI 관련 용어를 숙지하고 있어야 합니다. 생성형 AI와 관련된 대표적인 용어가 어떤 것들이 있는지 살펴보도록 하겠습니다.

용어	설명
자연어 처리 (NLP: Natural language processing)	인간의 언어를 컴퓨터가 이해 및 해석을 통해 분석하고, 또는 생성할 수 있는지에 초점을 맞춘 인공지능 분야
GPT (Generative Pre-trained Transformer)	인간처럼 말할 수 있도록 잘 훈련된 인공지능 모델
프롬프트 엔지니어링 (Prompt Engineering)	생성형 AI에게 솔루션을 안내하여 정확하면서 필요한 답을 얻을 수 있도록 질문하는 방법을 파악하고 원하는 결과를 생성해 내는 프로세스
GPU (Graphics processing unit)	AI 소프트웨어를 구성하는 그래픽 가속 담당 칩으로 높은 성능의 하드웨어를 요구하는 AI에 필수로 있어야 하는 장치
일반 인공 지능 (Artificial General Intelligence)	특정 분야에만 사용되는 인공지능이 아닌, 인간과 유사한 지능 수준으로 일상생활에 적용이 가능한 인공지능
멀티 모달 (Multi-Modality)	다양한 채널의 모달리티(텍스트, 음성,  이미지 등)를 활용하여 결과 도출을 위한 입력 및 출력을 제한 없이 활용하는 방식
증강지능 (Augmented Intelligence)	사람이 할 수 있는 문맥 이해, 연관성, 의사 결정 등의 능력과 컴퓨터의 장점인 데이터 처리 능력을 적절하게 합쳐 최대한 활용하는 인공지능
윤리적 AI 성숙도 모델 (Ethical AI maturity model)	AI 기술을 사용하는데 있어 윤리적 관행을 평가하고 개선하며 신뢰할 수 있는 방법을 제시하는 모델
설명 가능한 인공지능 (XAI: Explainable AI)	AI의 결과에 영향을 미친 요소를 사용자가 해석하고 신뢰할 수 있도록 설명하는 프로세스
환각현상 (Hallucination)	AI가 콘텐츠를 분석하는 과정에서 잘못된 결론에 도달하여 현실에 없는 콘텐츠를 생성해 내는 현상
AI 보증 (AI assurance)	인공지능 시스템이 여러 방면에서 신뢰성, 안정성, 윤리성 등을 보장할 수 있는지 확인하는 일련의 기술 및 프로세스

• 자연어 처리(NLP: Natural language processing)
  자연어 처리는 인간의 언어를 컴퓨터가 이해 및 해석을 통해 분석하고, 또는 생성할 수 있는지에 초점을 맞춘 인공지능 분야입니다. 음성 활성화 가상 어시스턴트, 언어 번역, 앱, 챗봇 등의 기술에 사용됩니다.
• GPT(Generative Pre-trained Transformer)
  GPT는 보편적으로 잘 알고 있는 대표적인 인공지능 모델의 예시입니다. 인간처럼 말하고 의사소통할 수 있도록 잘 훈련된 모델로, 우리가 알고 있는 ChatGPT 또한 ‘Chat’과 ‘GPT’를 결합한 용어입니다. GPT는 트랜스포머(Transformer: 딥러닝 모델의 유형)라는 아키텍처를 기반으로 한 자연어 처리 분야 중 하나이며 심층 신경망 구조를 이루고 있습니다.
• 프롬프트 엔지니어링(Prompt Engineering)
  프롬프트 엔지니어링은 생성형 AI에게 솔루션을 안내하여 정확하면서 필요한 답을 얻을 수 있도록, 질문하는 방법을 파악하고 원하는 결과를 생성해 내는 프로세스입니다. 프롬프트 엔지니어링의 최상의 출력을 얻기 위해서는 기계 학습 모델에 제공하는 입력(프롬프트)을 신중하게 작성하거나 선택해야 합니다.
• GPU(Graphics processing unit)
  GPU는 AI 소프트웨어를 구성하는 그래픽 가속 담당 칩으로 높은 성능의 하드웨어를 요구하는 AI에 필수로 있어야 하는 장치입니다. GPU는 대량 반복 학습을 한꺼번에 처리하는데 큰 기여를 하는 병렬 연상 프로세서를 가능하게 합니다.
• 일반 인공 지능(AGI: Artificial General Intelligence)
  일반 인공 지능은 AI가 특정 분야에만 사용되는 것이 아닌, 인간과 유사한 지능 수준으로 일상생활에 적용이 가능한 인공지능을 말합니다. 예를 들어, 평범하게 교육 과정을 밟아 온 성인이 회사에 입사했을 때, 처음 하는 업무라도 약간의 교육과 배워온 지식, 경험 등을 바탕으로 업무를 수행할 수 있는 것과 같습니다.
• 멀티 모달(Multi-Modality)
  멀티 모달은 다양한 채널의 모달리티(텍스트, 음성, 이미지 등)를 활용하여 결과 도출을 위한 입력 및 출력을 제한 없이 활용하는 방식입니다. 예를 들어, 텍스트 질문에 텍스트 결과 답변으로 한정되는 것이 아닌 이미지 또는 음성 등 다양한 형태로 답변을 받는 것을 말합니다.
• 증강지능(Augmented Intelligence)
  증강지능은 사람이 할 수 있는 문맥 이해, 연관성, 의사 결정 등의 능력과 컴퓨터의 장점인 데이터 처리 능력을 적절하게 합쳐 최대한 활용하는 인공지능을 말합니다.
• 윤리적 AI 성숙도 모델(Ethical AI maturity model)
  윤리적 AI 성숙도 모델은 AI 기술을 사용하는 데 있어 윤리적 관행을 평가하고 개선하여 신뢰할 수 있는 방법을 제시해 줍니다. 예를 들어, 투명성, 공정성, 데이터 개인 정보 보호, 책임 및 예측 편향과 관련된 문제를 다루는 것을 말합니다.
• 설명 가능한 인공지능(XAI: Explainable AI)
  설명 가능한 인공지능(XAI)은 AI의 결과에 영향을 미친 요소를 사용자가 해석하고 신뢰할 수 있도록 설명하는 프로세스입니다. 여러 규제 준수에 민감한 시스템을 다루는 의료 또는 금융과 같은 분야에서 중요하게 사용되는 인공지능입니다.
• 환각현상(Hallucination)
  환각현상은 AI가 콘텐츠를 분석하는 과정에서 잘못된 결론에 도달하여 현실에 없는 콘텐츠를 생성해 내는 현상을 말합니다. 예를 들어, 수많은 동물 사진으로 외형을 훈련한 AI에게 새로운 동물의 모습을 요구하면 현실에 없는 새로운 동물의 이미지를 생성해 내는 경우가 있을 수 있습니다. AI 콘텐츠가 만드는 환각현상들은 재미 또는 신기하게 다가올 수 있지만 반대로 생각하면 신뢰성에 대한 보장이 되지 않는 것으로, AI를 다루는 데 있어 주의해야 합니다.
• AI 보증(AI assurance)
  AI 보증은 인공지능 시스템이 신뢰할 수 있고, 안전하고 윤리적인지 확인하는 기술과 프로세스를 말합니다. 다시 말해, AI 시스템이 정상적으로 작동하는지, 사회에 긍정적인 영향을 줄 수 있는지 보장하는 과정입니다. AI 보증 방법으로는 대표적으로 데이터 검증, 모델 검증, 설명가능성 분석, 리스크 평가, 윤리 검토가 있습니다. 만약 AI가 편향된 데이터로 학습하게 되면 특정 상황에서 공정치 못한 결과물을 만들어 낼 수 있고, 사이버 공격을 받게 되는 경우 큰 피해로 이어질 수 있습니다.  AI 보증은 이런 상황을 미연에 방지하여 AI 생태계 활성화에 중요한 역할을 할 것입니다.

생성형 AI(Generative AI)의 전망과 대비