'AI 5'는 인공지능(AI) 전반의 상위 5가지 트렌드 또는 측면을 의미합니다. 여기에는 기술 트렌드, 애플리케이션, AI 개발 단계 등 다양한 측면이 포함됩니다.
AI 5
'AI 5'는 5대 인공지능(AI) 기업을 의미합니다. 엔비디아, 마이크로소프트, AMD, TSMC, 브로드컴입니다. 엔비디아는 AI에 최적화된 칩으로 주목받고 있으며, MS, AMD, TSMC, 브로드컴도 AI 분야의 주요 업체입니다.
미국 주식 시장과 업계에서 AI에 대한 기대감을 반영하듯 FAANG과 M7 대신 'AI 5'가 주목받고 있습니다.
AI 5는 AI 분야의 혁신과 성장을 상징하는 유행어가 되었습니다. AI 5에 속한 기업들은 각자의 강점을 바탕으로 AI 기술 및 시장 발전에 중요한 역할을 하고 있습니다.
생성형 AI
2022년이 인공지능(AI)의 폭발의 해였고 2023년이 AI가 비즈니스 세계에 뿌리를 내리기 시작한 해였다면, 2024년은 연구자들과 기업들이 이 기술의 진화를 일상생활에 어떻게 접목할 수 있을지 모색하는 등 AI의 미래를 위한 중추적인 해가 될 것입니다. 컴퓨터의 진화를 반영하는 생성형 AI의 해가 될 것입니다.
생성형 AI의 진화는 극적으로 빨라지긴 했지만 컴퓨터의 진화를 반영하고 있습니다. 소수의 기업에서 중앙 집중식으로 운영하던 대형 메인프레임 컴퓨터는 기업과 연구 기관에서 사용할 수 있는 더 작고 효율적인 컴퓨터로 대체되었습니다. 그 후 수십 년 동안 취미로 만질 수 있는 가정용 컴퓨터가 서서히 발전했습니다. 시간이 지남에 따라 직관적인 코드가 필요 없는 인터페이스를 갖춘 강력한 개인용 컴퓨터가 보편화되었습니다.
2023년 텍스트와 같은 콘텐츠를 만드는 기술인 생성형 AI는 컴퓨터의 시작과 비슷하게 취미처럼 자리 잡게 될 것입니다. 더 강력하고 컴팩트하게 발전하고 있습니다. Meta는 LlaMa라는 대규모 언어 모델(LLM) 제품군을 출시했으며, StableLM, Falcon, Mistral, Llama 2와 같은 효율적인 모델들이 오픈 소스 프로젝트로 등장했습니다. DeepFloat와 Stable Diffusion은 이제 최고의 독점 모델과 동등한 수준에 올랐습니다. 오픈 소스 커뮤니티에 의해 개선된 오픈 모델은 이제 더 적은 수의 매개변수로도 다양한 테스트에서 많은 비공개 소스 모델을 능가할 수 있습니다. 이는 생성형 AI의 민주화와 발전을 보여줍니다.
기술이 빠르게 발전함에 따라 생성형 AI의 가장 중요한 개선 사항은 단순히 모델을 더 강력하게 만드는 것이 아닙니다. 진정한 게임 체인저는 이러한 기술을 관리하고 제어하는 방법의 혁신이 될 것입니다. 여기에는 AI 시스템을 감독하는 더 나은 방법 개발, 사용자와 기술 사이에 있는 도구 개발, 모델 학습 방법 개선, 데이터 처리 파이프라인 개선 등이 포함됩니다. 이러한 발전은 기업과 일반 사용자가 더욱 신뢰할 수 있고 지속 가능한 생성형 AI를 사용할 수 있도록 하는 것을 목표로 합니다. 이는 AI가 무엇을 할 수 있는지에 관한 것뿐만 아니라 이를 책임감 있게 관리하고 사용하는 방법에 관한 것이기도 합니다.
2024년 가장 중요한 AI 트렌드
생성형 AI의 현실에 대한 이해
생성형 AI가 주목을 받으면서 처음에는 많은 비즈니스 리더들이 마케팅 과대광고와 뉴스 보도에 의존하여 ChatGPT나 DALL-E와 같은 도구를 사용해 보기도 했습니다. 그러나 가트너의 과대광고 주기에 따르면, 이제 생성형 AI는 초기의 흥분에서 벗어나 보다 현실적인 기대치를 갖는 단계에 접어들었습니다. 딜로이트의 보고서에 따르면 리더들은 상당한 변화를 예상하지만 균형 잡힌 관점의 필요성을 강조합니다.
생성형 AI는 고유한 기회를 제공하지만 만능 솔루션이 될 수는 없습니다. 그 영향력은 독립형 도구가 아닌 기존 서비스에 원활하게 통합될 때 발휘됩니다. 영향력 있는 생성형 AI 도구는 기업 환경의 통합 요소로 자리 잡으며 기존 도구(예: Microsoft Office의 'Copilot', Adobe Photoshop의 'Generative Fill', 협업 앱의 가상 에이전트)를 향상하고 있습니다.
향후 생성형 AI의 영향력은 일상적인 작업흐름에 통합되는 정도에 따라 달라질 것입니다. IBM의 설문조사에 따르면 AI 도입을 이끄는 주요 요인은 접근 가능한 AI 도구의 발전, 자동화를 통한 비용 절감, 표준 비즈니스 애플리케이션에 AI의 통합입니다.
초기의 기대감이 현실과 완전히 일치하지는 않겠지만, 접근성과 비즈니스 프로세스 향상에 초점을 맞춰 기존 작업흐름에 실질적으로 통합되면서 생성형 AI의 영향력이 커질 것입니다.
기능 향상을 위한 다모드 AI 도입
최첨단 생성형 AI는 도메인별 개선을 넘어 다양한 모델을 수용하기 위해 진화하고 있습니다. 한 가지 유형의 데이터에 국한된 기존 모델과 달리 GPT-4V, Gemini, LLaVa, Adept, Qwen-VL, Google의 Lumiere와 같은 새로운 모델은 자연어 처리(NLP)와 컴퓨터 비전 작업 간에 원활하게 전환할 수 있습니다.
다모드 AI는 직관적이고 다양한 애플리케이션을 제공하여 사용자가 이미지 관련 쿼리에 대한 자연어 답변을 받거나 음성 지시에 따라 시각적 지원을 받을 수 있도록 지원합니다. 사용자 상호 작용을 넘어 모델이 다양한 데이터 입력을 처리하여 학습과 추론을 향상시킬 수 있습니다. 특히 비디오는 AI 모델이 다양한 시나리오를 더 잘 이해할 수 있도록 필터링되지 않은 실시간 데이터를 제공하여 전체론적 학습을 위한 광범위한 잠재력을 제공합니다.
간단히 말해, 다모드 AI는 AI 모델이 다양한 유형의 데이터를 보다 원활하게 처리하여 보다 직관적인 애플리케이션과 세상을 더 폭넓게 이해할 수 있도록 하는 비약적인 발전을 의미합니다.
더 작은 언어 모델로의 전환과 오픈 소스 발전
업계 리더들에 따르면 매개변수 수에 중점을 둔 대규모 언어 모델(LLM)의 시대가 저물고 있다고 합니다. 대규모 모델에는 상당한 리소스와 에너지 소비가 필요하다는 단점이 있습니다. 그러나 소규모 모델은 더 적은 수의 매개변수로 더 나은 결과를 얻는 데 초점을 맞춘 최근의 혁신으로 그 효과가 입증되었습니다.
미스트랄의 Mixtral과 곧 출시될 메타의 Rama 3는 30억~70억 개의 파라미터 범위에서 발전된 기능을 선보이며 개방형 모델의 위력이 점점 더 커지고 있습니다. 더 작은 모델은 연구 및 개선을 위한 경제성, 엣지 컴퓨팅 및 IoT에 대한 적용 가능성, 의사 결정 투명성에 대한 우려를 해소하는 향상된 설명 가능성 등 여러 가지 이점을 제공합니다.
본질적으로 더 작은 모델로 전환하면 비용과 리소스 요구 사항이 줄어들 뿐만 아니라 더 넓은 접근성, 로컬 구현 및 AI 시스템의 투명성 향상을 위한 문이 열립니다.
AI 트렌드에 영향을 미치는 GPU 부족과 클라우드 비용
GPU 부족으로 인해 클라우드 컴퓨팅 비용이 상승함에 따라, 더 작은 AI 모델로의 전환은 필요성과 실용적인 고려 사항 모두에 영향을 받습니다. 사내 AI 역량을 갖추려는 대기업들이 GPU 생산량 증가를 주도하면서 혁신가들이 보다 비용 효율적인 하드웨어 설루션을 개발해야 한다는 압박이 커지고 있습니다. 현재 클라우드 제공업체의 컴퓨팅 부담은 클라우드 제공업체가 생성되는 AI 수요를 충족하기 위해 인프라를 최적화함에 따라 클라우드 비용에 영향을 미칠 수 있습니다.
이러한 환경을 헤쳐 나가기 위해 기업은 모델 크기와 배포 환경을 유연하게 선택할 수 있어야 합니다. 이러한 유연성을 통해 기업은 변화하는 환경에 적응할 수 있으며, 필요할 때는 작고 효율적인 모델을 활용하고 실용적일 때는 더 큰 성능의 모델을 활용할 수 있습니다. 이러한 접근 방식은 GPU 부족, 클라우드 비용 상승, 진화하는 AI 환경 속에서 적응력을 보장하는 것을 목표로 합니다.
AI 모델 최적화의 접근성 높이기
보다 효율적인 AI 모델을 향한 추세는 새로운 기술과 리소스에 힘입어 최근 오픈소스 커뮤니티에서 이룬 성과로 더욱 두드러지고 있습니다. 2023년에 주목할 만한 모델에 구애받지 않는 기술은 다음과 같습니다.
로우랭크 적응(LoRA)
이 기술은 미세 조정이 필요한 매개변수의 수를 줄여 프로세스 속도를 높이고 메모리 요구량을 줄여줍니다.
양자화
오디오나 비디오에서 비트 전송률을 낮추는 것과 마찬가지로 양자화는 모델 데이터를 표현하는 데 사용되는 정밀도를 낮춰 메모리 사용량을 줄이고 추론 속도를 높입니다. QLoRA는 양자화와 LoRA를 결합한 것입니다.
직접 선호도 최적화(DPO)
사람의 피드백을 통한 강화 학습에 대한 더 가볍고 간단한 대안인 DPO는 모델 결과를 사람의 선호도에 맞게 조정합니다.
이러한 발전은 30억~70억 개의 매개변수 공간에서 오픈 소스 모델의 개발과 결합되어 정교한 AI 기능을 대중화할 수 있는 잠재력을 가지고 있으며, 스타트업이나 아마추어와 같은 소규모 플레이어에게 도움이 될 수 있는 AI 환경입니다.
맞춤형 로컬 모델과 데이터 파이프라인
2024년, 기업들은 재패키징된 '빅 AI' 서비스에서 맞춤형 모델을 통한 차별화 요소 창출로 전환하고 있습니다. 오픈 소스 AI 모델은 적절한 데이터와 개발 프레임워크를 통해 고객 지원부터 공급망 관리에 이르기까지 다양한 실제 시나리오에 유연하게 적용할 수 있습니다. 다음과 같은 이점이 있습니다.
맞춤형 AI 모델
조직은 비용이 많이 드는 인프라 투자를 피하면서 특정 요구사항에 맞는 강력한 맞춤형 AI 모델을 신속하게 개발할 수 있습니다.
전문 산업
법률, 의료, 금융과 같은 분야에서는 사전 학습에서 다루지 않는 전문 어휘와 개념을 다루며 로컬에서 실행할 수 있을 만큼 작은 모델을 활용할 수 있습니다.
로컬 AI 처리
학습, 추론, 검색 증강 생성(RAG)을 로컬로 유지하면 민감한 정보가 로컬 시스템을 벗어나지 않으므로 독점 데이터와 관련된 위험을 완화하고 개인정보 보호를 강화할 수 있습니다.
모델 크기 감소
모든 지식을 모델에 직접 저장하는 대신 RAG를 활용하여 관련 정보에 액세스 하면 크기가 줄어들어 속도가 빨라지고 비용이 절감됩니다.
이처럼 진화하는 환경에서 2024년의 경쟁 우위는 업계 최고의 미세 조정을 지원하는 독점적인 데이터 파이프라인에 의해 점점 더 구체화될 것입니다.
가상 에이전트의 발전
2024년 가상 에이전트는 향상된 도구와 시장 인사이트에 힘입어 단순한 챗봇을 넘어 진화하고 있습니다. 주요 발전 사항은 다음과 같습니다.
확장된 사용 사례
기업들은 기본적인 고객 경험 챗봇을 넘어 예약, 여행 계획, 다른 서비스 연결과 같은 작업에 가상 에이전트를 통합하는 등 다양한 애플리케이션을 모색하고 있습니다.
작업 자동화
가상 에이전트는 이제 커뮤니케이션뿐만 아니라 작업 자동화도 가능하여 사용자를 대신하여 작업을 수행할 수 있습니다.
다모드 AI 영향
다모드 AI의 통합으로 상호 작용이 크게 향상되었습니다. 사용자는 가상 에이전트와 더욱 원활하게 소통할 수 있으며, 사물을 카메라로 비춰 관련 정보를 얻는 등 다양한 형식으로 요청할 수 있습니다.
실제 애플리케이션
Be My Eyes와 같은 이니셔티브는 사용자가 주변 환경과 직접 상호 작용할 수 있는 AI 도구를 시범 운영하여 실제 시나리오에서 가상 에이전트의 실제 적용 사례를 선보이고 있습니다.
2024년은 단순한 대화형 상호작용에서 벗어나 가상 에이전트가 능동적으로 작업을 수행하고 보다 역동적이고 유용한 기능을 제공하는 시대로 변화할 것입니다.
규제와 저작권 및 윤리적 AI 문제
2024년, 첨단 AI 기술의 부상으로 인해 규제, 저작권, 윤리적 고려 사항에서 중요한 과제가 제기되고 있습니다.
딥페이크 확산
다모드 AI의 사용이 증가함에 따라 유명인 딥페이크와 같은 사례와 온라인에서 음성 딥페이크가 급증하면서 개인정보 보호와 속임수에 대한 우려가 증폭되고 있습니다.
규제 모호성
명확한 규정의 부재는 AI 표준의 채택과 시행을 저해할 수 있는 문제를 야기합니다. 유럽연합은 안면 인식, 생체 인식 편향성, 고위험 AI 감독과 같은 문제에 초점을 맞춰 AI 법안에서 진전을 이루었습니다.
미국의 입법 환경
대부분의 AI 개발은 미국에서 이루어지고 있으며, 행정명령과 주 차원의 이니셔티브가 AI 문제를 다루고 있지만 포괄적인 연방 법안은 계류 중입니다. 최근 AI 개발자들의 자발적인 약속은 신뢰와 보안 가드레일을 구축하는 것을 목표로 합니다.
중국 규제
중국은 가격 차별과 정확한 AI 생성 콘텐츠와 같은 문제를 해결하면서 AI 규제를 적극적으로 추진하고 있습니다. 향후 규제는 진실하고 정확한 학습 데이터와 AI 결과물에 대한 검열을 요구할 수 있습니다.
저작권 문제
AI 모델 학습에서 저작권이 있는 자료의 역할을 둘러싼 논쟁이 계속되고 있습니다. 뉴욕 타임스 대 OpenAI 소송과 같이 현재 진행 중인 법적 분쟁과 적대적인 도구의 출현은 AI 저작권의 진화하는 환경을 잘 보여줍니다.
2024년에는 기만적인 관행, 개인정보 보호 문제, 저작권이 있는 자료의 윤리적 사용을 다루는 포괄적인 AI 규정에 대한 필요성이 점점 더 커질 것으로 예상됩니다.
2024년의 그림자 AI와 기업 정책
2024년, 생성형 AI 도구의 인기와 접근성이 급증함에 따라 조직에는 복잡한 과제가 제기되며 강력한 기업 정책의 필요성이 강조되고 있습니다.
그림자 AI 위험
생성형 AI가 부상하면서 직원들이 빠른 실험이나 문제 해결을 위해 공식 채널을 우회하여 '그림자 AI' 또는 승인되지 않은 AI를 사용하는 것에 대한 우려가 커지고 있습니다.
그림자 AI 트렌드
직원들은 AI 솔루션을 탐색하고자 하는 열망으로 인해 소비자 대상의 생성형 AI 서비스를 독립적으로 사용할 수 있습니다. 언스트앤영의 연구에 따르면 응답자의 90%가 직장에서 AI를 사용하는 것으로 나타났습니다.
잠재적 위험
이러한 기업가 정신은 긍정적일 수 있지만 보안, 개인정보 보호 및 규정 준수와 관련된 위험을 초래할 수 있습니다. 직원들이 의도치 않게 영업 비밀을 노출하거나 저작권을 침해하여 조직에 법적인 결과를 초래할 수 있습니다.
역량에 따른 책임
생성형 AI와 관련된 위험은 그 역량과 함께 증가하므로 책임감 있는 사용과 기업 정책 준수의 중요성이 강조됩니다.
앞으로 나아가기
2024년 AI 환경을 탐색할 때 조직은 새로운 트렌드를 이해하고 효과적으로 적응하며 포괄적인 정책을 구현하여 관련 위험을 최소화하면서 생성형 AI의 잠재력을 활용해야 합니다.
[다른글 더보기]