by
Jul 13. 2024
인공지능의 과거와 현재 그리고 미래로의 여행을 마치며
생각하는 기계의 원리 1,2편이 책으로 정식 출간됩니다
인공지능 열풍이라는 시대적 흐름 속에 현업에 종사하고 있는 AI 엔지니어로서 드릴 수 있는 가치가 무엇일지 고민했습니다. 제가 내린 결론은 업무를 통해 익힌 기술적 이해를 바탕으로 독자분들이 인공지능 기술의 가능성과 한계를 있는 그대로 바라보고 업무와 일상에서 자유롭게 활용하실 수 있도록 안내하는 글을 써보자는 것이었습니다. 제가 아는 것들을 바탕으로 쉽고 재미있는 글을 써보자는 목표를 가지고 시작한 연재가 어느덧 끝을 맞이했습니다.
우리는 수개월에 거쳐 60편이라는 적지 않은 글들을 통해 인공지능의 과거와 현재 그리고 미래로의 여행을 떠났습니다. 저와 함께 인공지능의 세계로 떠난 여행이 즐거우셨나요? 아무쪼록 인공지능의 과대광고에 속지 않고 인공지능을 있는 그대로 바라보고 활용할 수 있는 굳건한 관점을 얻으셨기를 바랍니다. 또한 이 브런치북을 통해 아직 오지 않은 인공지능의 미래를 더욱 현실감 있게 그려보는 시간이 되셨기를 바랍니다. 무엇보다 기술적 개념들이 난해하지 않고 쉽고 재미있게 와닿으셨으면 좋겠습니다.
생각하는 기계의 원리가 종이책으로 정식 출간됩니다.
연재를 마무리하며 생각하는 기계의 원리가 출판사 계약을 마치고 종이책으로 정식 출간됨을 알려드립니다. 종이 책으로 출간되는 생각하는 기계의 원리에는 브런치북에서 미처 다하지 못했던 이야기들을 담아볼 생각입니다. 출간이 되면 브런치북 생각하는 기계의 원리 1,2편은 비공개로 전환될 예정입니다. 출간시점에 맞추어 관련 소식을 업로드 하겠습니다.
앞으로도 더욱 재미있고 유익한 글로 찾아뵙겠습니다. 마지막으로 인공지능의 과거, 현재 그리고 미래로 떠났던 여행을 되돌아보며 연재를 마무리하도록 하겠습니다. 감사합니다.
1. 인공지능의 과거
우리는 '기계는 사람처럼 생각할 수 있을까?'라는 다소 엉뚱한 질문으로 인공지능의 과거로 향하는 여행을 시작했습니다. 튜링 테스트와 중국어 방 실험과 같은 재미있는 실험을 통해 기계가 생각할 수 있다는 것이 허황된 이야기만은 아니라는 사실을 살펴보았지요. 한 발 나아가 촘스키와 언어학자들의 논쟁을 통해 인간 고유의 '언어'를 인공지능 기계에 구현해 내는 것이 왜 어려운지 탐구해 보았습니다.
다음으로 인공지능이라는 분야가 통계학과 컴퓨터 과학 그리고 뇌과학의 힘을 빌려 지금의 모습에 이르기까지의 과정에 대해 배웠습니다. 그 과정에서 인간의 언어를 컴퓨터가 보다 잘 알아듣고 생성해 내도록 연구하는 분야인 자연어처리(NLP)를 만났습니다. 사람의 말을 사람보다 더욱 매끄럽게 생성해 내는 챗GPT는 결국 '확률에 기반한 예측 모델'이라는 사실도 배웠지요.
통계학 이론에서 출발한 자연어처리는 딥러닝 기술의 발전과 함께 방대한 양의 데이터를 처리할 수 있게 되면서 일대 전환기를 맞이하게 됩니다. 한 발 나아가 어텐션 메커니즘에 기반한 트랜스포머(Transformer)는 텍스트 데이터를 순차적으로 처리하던 인공지능을 새로운 차원으로 끌어올리게 됩니다. 트랜스포머에 기반한 전이학습(Transfer Learning)의 발전으로 방대한 양의 텍스트 데이터를 사전학습 할 수 있게 된 챗봇은 이제 정해진 말만 하는 바보상자에서 진정한 의미의 인공지능으로 거듭나게 됩니다.
2. 인공지능의 현재
인공지능의 현재에서는 2022년 말 센세이션을 일으키며 등장한 챗GPT의 기초모델인 GPT 시리즈의 논문을 리뷰하며 그 작동원리를 속속들이 파헤쳐 보았습니다. GPT 시리즈 성능 개선의 일등 공신은 매개변수(parameter)의 증가입니다. 약 1.17억 개(117 million)의 매개변수로 시작된 GPT의 초기모델인 GPT-1은 GPT-3.5(챗GPT)가 되어 1750억 개의 매개변수에 이르기까지 그 폭발적인 성장을 이룹니다. 이후 발표된 GPT-4와 GPT-4o는 조 단위의 매개변수를 자랑하며 그에 비례하는 엄청난 성장을 이루어 냈지요.
출처 : Dignited학습 방식의 연구와 발전 역시 생성형 AI의 발전에 많은 영향을 끼쳤습니다. 초기 Unsupervised pre-training(비지도 사전학습)과 Supervised fine-tuning(지도 미세조정)을 통해 언어를 학습하던 GPT 시리즈는 GPT-2에 이르러 GPT가 미세조정(Fine-tuning) 없이도 비지도 사전학습(Unsupervised pre-training) 만을 통해 어떠한 태스크를 요청받더라도 '평균이상'의 성능을 내는 일반언어모델(General Language Model)로 향하는 발판을 마련했습니다. GPT-3.5에 이르러서는 인간에 의한 강화학습(RLHF)으로 더욱 사람같이 말할 수 있는 생성형 AI로의 발판을 마련하기도 했습니다.
또한 오픈소스 진영을 대표하는 LLaMA 시리즈의 발전과정에 대해서도 소개했습니다. 개방성과 투명성에 기반한 LLaMA는 LLaMA2와 LLaMA3로 발전해 나가며 스스로의 생태계를 공고히 해 나아가고 있다는 점에서 시사하는 바가 큽니다. LLaMA에서 파생된 Alpaca와 Vicuna 등 다양한 모델들에 대해서도 다루었습니다.
3. 인공지능의 미래
마지막으로 우리는 아직 실현되지 않은 인공지능의 미래를 둘러싼 다양한 가능성의 세계를 여행했습니다. 인공지능이 충분히 발달한 가까운 미래에 우리가 살고 있는 지구의 모습은 디스토피아가 될 수도 유토피아가 될 수도 있습니다.
인공지능의 디스토피아적인 측면은 현재 인공지능의 발전 방향이 데이터와 자본 집약적인 방향으로 이루어지고 있다는 사실과 밀접하게 연관되어 있습니다. 이러한 생성형 AI의 특성은 인류의 빈부격차를 더욱 양극화시킬 가능성이 큽니다. 또한 일론 머스크나 젠슨 황과 같은 많은 유명인사들이 주장하는 대로 머지않아 인간과 같이 사고하고 행동할 수 있는 AGI가 등장한다면 수십 년간 인류 고유의 가치를 중시해 오던 인본주의가 위협받게 되고 우리 인류는 스스로의 존재가치에 대해 고민하게 될 것입니다.
인공지능의 유토피아적인 측면 역시 존재합니다. 노동에서 완전한 해방을 이루게 된 인류가 기술문명의 혜택을 누리며 더욱 윤택한 삶을 살게 되는 시나리오는 충분히 실현 가능합니다. 그러나 진정한 의미에서 유토피아를 실현하기 위해서는 사회적으로 기본 소득에 대한 현실성 있는 논의가 필요합니다. 또한 인공신경망은 기본적으로 그 계산 과정을 알 수 없는 블랙박스 모델이며, 역설적으로 기술이 발전하면 할수록 점점 더 인공지능이 어떠한 사고 프로세스를 거쳐서 최종 판단을 내리는지 알 수 없게 된다는 사실을 인지하고 다양한 규제와 정책이 폭넓게 적용되어야 합니다.
출처 : howtogeek