AI 역사와 패러다임의 변화(Ⅰ)

과거부터 친숙한 AI가 갑자기 화제가 되고 관심이 집중되는 것은

Canva로 캐릭터 생성, Runway로 Image2Video

우리가 과거부터 많이 들어 알고 있던 인공지능이 갑자기 왜 이리도 화제가 되고 관심이 집중되고 있는 것일까? 세미나나 웨비나도 많고, 컴퓨터 학원들이 AI관련 커리큘럼을 추가하면서 AI학원으로 전업한 듯한 느낌을 받을 때도 있다. 온라인 광고는 물론 SNS를 통해 AI나 데이터라벨링 관련 자격증 취득, 데이터라벨링으로 부업하기 같은 홍보를 자주 마주하게 된다. 유튜브 동영상에도 AI관련 튜터링을 포함해서 많은 돈을 벌 수 있다는 광고성 콘텐츠도 봇물을 이루고 있다.

역사가 있는 인공지능 분야임에도 패러다임의 변화를 느낀다. 세미나나 웨비나등을 통해 AI관련 교수, 전문가들이나 사업을 활발하게 하고 있는 대표자들의 입을 통해 많이 나오는 단어가 변화와 위기의식이다. 대부분 미국발로 전해지는 신기술과 새로운 서비스 발표를 듣고 보면서, 과거 수년간 이룬 업적이나 일들이 갑자기 길을 잃게 된다든지, 새롭게 방향을 잡고 재정립을 해야 할 것 같은 분위기이다. 그도 그럴 것이 올해 들어서 일주일, 한 달이 멀다 하고 혁신적인 발표가 지속되고 있다. 따라가기는 물론, 소화하기도 바쁜 어지러운 상황일 수도 있다.

AI라는 인공지능의 발달 역사는 AI개념이 정리되기 시작한 1960년대로 올라가며,

1차 붐이 일던 시기이다. 1980년대에 들어서면서 전문가들마다 시스템을 만들던 2차 붐이 일어난다. 2000년대부터는 3차 붐의 시작으로, 정확한 문제해결 방법을 찾아내기 위해 많은 양의 문제와 답이 필요하며, 4차 산업 혁명이라 일컬어지는 AI와 빅데이터에 대한 연구와 응용 과정이 발달의 역사이다. 2020년대에 들어서면서 머신러닝과 딥러닝으로 전환점을 맞으며, 패러다임 변화가 일어나고 있다.

인공지능 분야를 ChatGPT로 대변되는 생성형 AI이전과 이후로 구분하려는 시각도 있다. 생성형 AI 이전까지 인공지능은 미리 정의된 로직에 따라 특정 입력으로 고정적이거나 확정적 목적물을 생성한다. 빅데이터를 수집, 가공하고 분석하여 패턴을 찾아내고 자동화하는데 중점을 두어져, 의료 진단, 금융 분석, 제조업 최적화, 로보틱스, 자동차 산업 등 다방면에 응용되고 있다. 생성형 AI 이후는 특정 입력이 주어지지 않아도 다양한 내용을 생성할 수 있게 되고, 멀티모달 입력이 가능하게 되어 예술 생성, 음악 작곡, 데이터 보강, 가상 환경 생성 등 사람의 두뇌가 하는 것과 같은 창의적인 분야로 확대되고 있다. 엔터테인먼트(영화, 음악, 게임), 패션, 실내 디자인, 콘텐츠 마케팅 등으로 응용이 확대되고 있는 것이다.

이러한 새로운 패러다임을 이끌거나, 따라가기 위해서는 방대한 규모의 인적, 물적, 기술적 투자가 필요하다. ‘상상을 현실로’라는 기대를 한 몸에 받으면서 많은 기업들이 의욕적으로 신규사업을 발굴하고, 투자도 확대하고 있지만 패러다임을 바꾸는 신기술이거나 신 산업이기에 초거대 기업들의 각축으로 좁혀져 가고 있다. 자본력이나 기술력이 부족한 기업들은, 자신이 감당할 수 있는 분야에서 깊이를 더해 전문성을 살리는 움직임도 활발하다. 신 산업이 초기에는 대부분 어려움을 겪기 때문에 수익성이 높거나 이익을 내기 쉽지 않기 때문이다.

서부 개척시대에 금을 찾아 모여들었지만, 정작 실속을 챙긴 사람들은 곡괭이자루 판매와 음식, 숙박업이었다는 우스개 소리가 떠오르는 시기이기도 하다.

어떻든 이러한 패러다임 변화에 맞추어 많은 기업들이 다양한 산업분야에서 생성형 AI를 접목해 업무의 효율성과 부가가치를 만들어 내고 있다.

정보 분야에서는 글 쓰기와 요약, 번역, 시, 소설, 가사, 마케팅 문구 창작 등 다양한 텍스트 서비스와 예술적 또는 광고용 이미지 창작 등에 적용되고 있다.

교육 분야에서는 대화형 AI가 교사와 학생들과 상호작용을 돕고, 학생의 이력, 선호도를 기반으로 개인화된 학습 경험을 제공하고 있다.

금융 및 통신 산업에서는 효율적인 고객 응대, 개인 및 기업 상품 추천 서비스 발굴에 접목되고 있다.

의료분야에서도 생성형 AI를 사용해 합성데이터를 만들어 신약 후보 물질을 탐색하고, 다양한 질병의 시뮬레이션을 통해 의료인을 교육하거나, 원격지 환자에게 맞춤화된 진료 상담 등의 서비스를 제공하고 있다.

제조분야에서도 신제품의 설계, PLC 코드의 자동 생성 등 제품 생산과

프로세스의 효율성 제고에 활용되고 있다.

이러한 세부 분야에 대한 활용 및 응용 움직임과,

새롭게 구축되고 있는 생성형 AI의 생태계에 대해서도 이어서 알아보고자 한다.