GUAVA의 왕초보를 위한
AI 기초개념-4[부록]
"AI의 진화: LLM에서 멀티모달까지!"
AI에 대해서 흥미를 가지고 접한 지 어느덧 10개월이 지났습니다. 처음보다는 용어들이 조금 익숙해졌지만, 여전히 혼란스러운 것들이 있습니다.
LLM, LMM, 멀티모달... 이런 용어들을 마주할 때마다 고개를 갸우뚱하게 됩니다.
오늘은 5탄으로 넘기려 했던 이 이야기를 부록으로 풀어보려 합니다. 평일에는 잠시 쉬어갈 예정이니까요.
구아바가 이해한 만큼, 최대한 쉽게 설명해 보도록 하겠습니다.
AI 모델의 세 가지 얼굴
먼저 세 가지 주요 모델을 소개해드리겠습니다.
LLM(Large Language Model)
"텍스트 마법사"
트랜스포머라는 특별한 신경망을 사용하는 이 모델은 말 그대로 '언어 전문가'입니다.
ChatGPT나 Claude처럼 텍스트 처리에 특화되어 있어요.
글쓰기, 번역, 코딩 분석까지 거의 모든 텍스트 작업이 가능합니다.
다만 가끔 환각 현상(헛소리)을 보이거나 편향된 답변을 할 수 있다는 단점이 있죠.
LMM(Large Multimodal Model)
"만능 엔터테이너"
LLM에 시각적 능력을 더한 모델입니다. Vision-Language Connector라는 특별한 기술이 들어있죠.
GPT-4V나 Claude 3처럼 이미지와 텍스트를 동시에 처리할 수 있어요.
이미지 분석부터 음성 인식까지 다재다능합니다.
단, 순수 텍스트 처리만 놓고 보면 LLM보다는 조금 약한 편이에요
통합모델
"올인원 AI"
LLM과 LMM의 장점을 모두 갖춘 모델입니다.
통합모델 - "올인원 AI" LLM과 LMM의 장점을 모두 갖춘 모델입니다.
모든 형태의 데이터를 자유자재로 다룰 수 있어요.
하지만 그만큼 개발과 학습에 엄청난 자원이 필요하죠.
멀티모달 AI의 세계로
멀티모달 AI는 마치 인간처럼 여러 가지 감각을 가진 AI를 말합니다.
작동 원리를 보면:
다양한 데이터를 입력받아요 (텍스트, 이미지, 음성 등)
Vision-Language 시스템으로 이들을 연결하고
상황에 맞는 최적의 응답을 만들어냅니다.
우리의 감각처럼 말이죠:
눈으로 보고 (이미지/비디오 처리)
귀로 듣고 (음성/소리 인식)
말로 표현하고 (텍스트 생성)
뇌로 종합 분석합니다 (통합 처리)
2025년의 AI 트렌드
최근 AI 시장에서는 흥미로운 변화들이 일어나고 있습니다.
딥시크(DeepSeek)의 충격적인 등장
얼마 전 딥시크라는 기업이 놀라운 성과를 발표했습니다.
GPT-4와 맞먹는 성능을 단 14분의 1의 비용으로 구현했다고 하죠.
AI 개발의 새로운 지평을 연 셈입니다.
AI 오케스트레이션의 시대
AWS, 마이크로소프트, 네이버, 카카오 등 글로벌 기업들이 주목하는 분야입니다.
여러 AI 시스템을 하나로 통합해 관리하는 기술인데요,
IEEE가 2025년 핵심 기술로 선정했을 만큼 중요한 변화입니다.
멀티모달 기술의 진화
OpenAI와 Anthropic이 멀티모달 기능을 강화하고 있습니다.
특히 음성 AI 시장은 폭발적으로 성장해서, 2030년에는 무려 75조 원 규모가 될 전망이에요.
네이버의 '스피치X'같은 혁신적인 기술들도 속속 등장하고 있죠.
현장에서는 이미 시작된 변화
실제 산업 현장에서는 어떻게 활용되고 있을까요?
의료 분야:
의료 영상과 차트를 통합 분석해 진단을 돕습니다.
AI 기반으로 새로운 약물을 개발하고 있어요.
금융 분야:
카카오뱅크는 LLM으로 금융 데이터를 분석합니다.
파운트는 AI로 자산관리의 혁신을 이끌고 있죠.
기업 솔루션:
CJ올리브네트웍스의 '원플로우AI' 플랫폼
베슬AI의 차세대 에이전트 기술이 주목받고 있습니다.
우리가 마주한 과제들
앞으로 나아갈 방향:
모델은 더 가볍고 효율적으로
정확도와 신뢰성은 더욱 높게
실시간 처리 능력은 더욱 강화해야 합니다.
해결해야 할 과제들도 많습니다:
개인정보를 어떻게 보호할 것인가?
AI의 편향성을 어떻게 줄일 것인가?
에너지 효율성은 어떻게 높일 것인가?
AI의 현주소: 얀 르쿤의 지적
작년 5월, 메타의 AI 수석 과학자 얀 르쿤은 현재 AI의 한계를 날카롭게 지적했습니다.
"현재의 AI는 논리적 이해가 매우 제한적이고, 물리적 세계를 제대로 이해하지 못하며, 지속적인 기억력도 없습니다. 실제로 이해하고 학습하는 것이 아니라, 단순히 데이터 기반의 패턴 매칭을 하는 수준이죠."
그의 말처럼, AI는 아직 "집고양이보다 덜 똑똑하다"라고 합니다. 실제로 우리처럼 오감으로 경험하고, 좌절하고, 성찰하며 배우는 진정한 학습과는 거리가 멀어 보입니다.
AI는 여전히 끊임없이 발전하고 있습니다.
하지만 얀 르쿤의 말처럼, 진정한 의미의 지능을 갖추기까지는 아직 갈 길이 멀어 보입니다.
많은 발전이 있었지만, 여전히 AI가 따라 할 수 없는 영역들이 있습니다. 실제 경험을 통해 좌절하고, 성찰하고, 배우는 인간만의 특별한 학습 방식 말이죠. 아무리 강력한 GPU를 투입하더라도, 이런 진정한 의미의 학습과 이해는 아직 인간만의 영역으로 남아있습니다.
그럼에도 한 가지 확실한 것은, AI는 우리의 삶을 더욱 풍요롭게 만들어줄 거라는 점입니다. 단순 반복적인 일들에서 벗어나 우리는 더 창의적이고 인간다운 일에 집중할 수 있게 될 테니까요.
어쩌면 이것이야말로 AI 시대의 진정한 의미가 아닐까요?
다음에는 또 다른 흥미로운 AI 이야기로 찾아뵙겠습니다.
To Be Continue......
- Total HR / 사파 감성 HR & 나만의 AI를 찾고 있는 구아바 -
