인공지능의 New패러다임: 생성형AI에서 행동형AI로

생성형 인공지능에서 행동형 인공지능으로: 데이터, 이제 맥락정보가 답이다

모든 데이터에는 서사가 있어야 의미가 생긴다.

영화에서 서사가 없으면 액션 장면도 단순한 폭력으로 보이듯이,

인공지능 역시 단편적인 정보보다 맥락을 가진 정보를 필요로 한다.

생성형 AI는 요구정보→추천정보

행동형 AI는 지각▷사고▷행동▷추론▷판단

생성형 AI는 주어진 정보를 기반으로 단순한 추천 정보를 제공한다.

예를 들어 생성형 AI는 나무 테이블 사진을 보여주면 이 테이블과 유사한 정보를

검색해서 이를 바탕으로 가격, 판매처 등의 관련 정보를 표출한다. 

만약 기존 상품과 겉모습은 같아 보이지만 실제 나무 모양의 시트지만을 붙인 

플라스틱 테이블일 경우 이를 알아차리지 못하고 추천할 수도 있다. 

또한 무게와 촉감, 그리고 냄새 등의 정보는 알려줄 수 없다.

결국 스스로 정보를 찾기는 하지만 실제는 인간이 제공하는 정보를 취합하여

알려주는 것일 뿐 스스로 지각하고 사고하여 내린 결과는 아니다.

하지만 행동형 AI는 지각한 데이터를 바탕으로 사고하고, 행동을 계획하고, 

그 과정에서 추론과 판단을 한다.

즉, 해당 테이블을 만져보고 촉감으로 재질을 확인하고 들어서 무게를 측정하여

실제 나무 무게인지 플라스틱 무게인지를 알아차릴 수 있다.

말 그대로 사람처럼 지각하고 사고하며, 행동의 결과로 추론한 정보로써 판단한다.

마치 사람처럼 능동적이고 상황에 맞는 결정을 내릴 수 있다.

역할론적 인공지능의 단계별 발전 예측 변화는
'챗AI-추론AI-비서AI-혁신AI-조직AI'이다.

행동형 AI는 단순히 데이터를 처리하는 데 그치지 않고, 

실제 환경에서 상황을 인지하고 대응하는 로봇 기술과 결합될 때 그 진가를 발휘할 것이다. 

앞으로 로봇이 인간의 노동을 대체할 수 있는 핵심 기술로 자리 잡게 되는 것이다.

그러기 위해서 데이터도 결과로 만들어진 표, 그래프, 텍스트가 아닌 서사로 연결된

맥락정보로 만들어져야 보편적 인공지능인 AGI가 될 수 있다.

예를 들어, 전국에 있는 마트에서 10월이면 성인 남성들이 유독 초코파이에 대한 구매력이

높아진다는 통계 데이터를 학습한 AI가 왜 이런 통계가 나오는지 추론할 수 있을까?

서사 정보가 없기에 환각에 빠질 가능성이 높다.

하지만 맥락정보를 학습한 인공지능은 다를 수 있다.

예를 들어, 10월에 성인 남성들이 유독 초코파이를 많이 구매한다는 

단순한 통계를 학습한 AI는 그 이유를 정확히 추론하기 어렵다. 

하지만 맥락을 이해한 AI는 10월이 국군의 날이 있는 달임을 알고, 

군대에서의 경험이 남성들에게 초코파이를 떠올리게 한다는 추론을 할 수 있다.

이처럼 맥락을 학습한 AI는 단순한 데이터 이상의 통찰을 제공하게 된다.

그러면 마트는 군 관련 상품을 좀 더 진열함으로써 매출 증대를 기대할 수 있다.

결국, 진정한 보편적 인공지능(AGI)을 개발하기 위해서는 

결과로 나온 단편적 데이터가 아닌,
 맥락을 담은 서사적 정보가 필요하다.

앞으로 인공지능 산업은 이런 맥락 정보를 어떻게 정리하고 가공할지에

많은 노력을 기울여야 할 것이다.

※ 본 글의 모든 이미지는 imageFX를 통해 필자가 요구한 대로 인공지능이 생성한 이미지임.