brunch

You can make anything
by writing

C.S.Lewis

by Abby Feb 23. 2024

AI 의 시대, 지금 플로우를 타야겠죠?

"작은회의실"의 인공지능 기초 쌓기 세미나 후기

지난 주 작은회의실에서 주최한 인공지능 기초 쌓기 세미나에 참석했습니다


3시간 짜리 세미나를 1시간 반으로 줄여 진행했기 때문에 깊이가 있는 강의는 아니었을 지라도 초보자에겐 아주 적절했던 강의었습니다. 특히나, 준비 없이 AI의 시대를 맞이한 저와 같은 사람에게 필요했던 강의. AI가 무엇인 지 빠르게 따라잡고 관련 지식을 허겁지겁 밀어넣기엔 아주 적절했죠. (내 엔비디아 주식이 왜 이렇게 올랐는 지도 잘 설명해주셨기 때문에 더 감동이었을 수도)


사진: Unsplash의Markus Winkler


이미 존재 했던 기술이지만 빠른 상용화로 갑자기 AI와 더불어 살아야만 하는 시대를 맞이한 지금. 내 일자리를 위협하고 다음세대에 큰 영향을 끼칠 것 같은 이 기술이 어떻게 탄생했고 어떤 원리로 구동되는 지(?). 언제까지 모르는 척 할 수 없어서 참석한 세미나. 


기술은 인간의 도구로 우리 삶을 편리하게 만들기 위해 탄생했습니다. 그런데, 발전한 기술이 인간을 편리하게 하는 것에서 나아가 인간을 이롭게 할 수 있을까? 


이 화두를 던져주신 작은회의실의 의장이자 강의 진행자이신 김도균님께 감사드립니다. 


아이폰의 탄생으로 우리 삶에 커다란 지각변동이 일어났던 그 때 처럼, AI 역시 이 플로우를 타지 못하면 우리 세대가 다시 한 번 도태의 위기에 빠질 것 같은 예감이 듭니다. 한 번의 개념 정의가 필요한 분, 저처럼 모르는 척 하고 싶어했던 분들을 위해 강의 내용 중 꼭 알아야 할 것 같은 기초 지식을 아래에 짧게 정리했습니다. 




AI 는 ANI, AGI, ASI로 분류

Artificial Narrow Intelligence 

- 좁은 범위의 인공지능: 특정 목적을 위해 특정 범위 내에서만 활용이 가능한 인공지능

Artificial General intelligence 

- 범용 범위의 인공지능: 인간의 지능과 유사한 범용적 인공지능

Artificial Super Intelligence 

- 초인공지능: 인간의 지능을 뛰어넘는 학습이 가능한 인공지능



머신러닝, 딥러닝, 생성형 AI는 모두 인공지능의 일종

인공지능 > 머신러닝 > 딥러닝

                                                             출처: NVIDIA 블로그


머신러닝: 기계 학습, 데이터 분석, 패턴

딥러닝: 머신러닝의 한 종류, 인간의 개입 없이 인공신경망 이용, 데이터 처리, 패턴

생성형 AI: 딥러닝의 한 분야, 기존 데이터를 학습해 새로운 데이터 생성


Machine Learning = Data + Label   

Supervised Learning: 퀴즈와 정답을 같이 주면서 퀴즈 푸는 방법을 학습 시키는 것

Unsupervised Learning: 데이터만 주고 데이터의 특징만을 보면서 군집 등의 문제를 푸는 것


클러스터링: 비슷한 것끼리 뭉치게 하는 알고리즘

-> 정답이 없는 데이터로 학습 시키는 것 = 비지도 학습 (unsupervised Learning)


AI에 GPU가 필요한 이유? 왜 CPU 가 아니라 GPU인가? 

CPU: 똑똑해야 함, 어려운 문제를 빨리 계산하도록 함

GPU: GPU가 없어도 컴퓨터는 돌아감, 그래픽 처리에 필요함 = 간단한 일을 동시에 시키기에 효율적임

머신러닝을 발견 -> 엄청난 양의 데이터를 읽어야 함 -> 동시에 계속 읽어들이기엔 CPU보다 GPU 사용이 가성비가 좋음


Foundation Model: 다양한 인공지능 응용 프로그램을 위한 기반을 제공하는 일반적 목적의 모델

Generative AI: 특정 작업에 맞게 조정된 모델로 실제적인 이미지 생성이나 언어 번역과 같은 작업에 적합함


Hallucination   

생성형 AI가 거짓 정보를 사실인 양 생성, 전달하는 현상

허위 정보를 전달하거나 처리하는 정보의 맥락 등을 오해해 잘못 표현하는 것 등이 해당함

주로 학습된 데이터가 부족하거나 불완전한 경우 발생함





짧게 해보는 생각

오늘도 스타트업 잡부는 새롭게 쏟아지는 지식과 정보의 바다에서 헤매이고 있습니다. 일을 하는 한, 학습을 놓아선 안된다는 것이 나의 신조이지만 어디까지 학습해야 하고 어디까지 그냥 지나쳐도 될 지는 시간이 지나봐야 알 수 있어서 플로우를 타지 못하는 것은 아닐까 두렵기도 합니다. 확실한 건, 메타버스가 떠오르던 그 때와는 공기가 다르다는 것을 저 조차도 알 것 같다는 것이죠. 

작가의 이전글 [책 회고: 일의 격] 결국 일은 사람이 하는거니까
브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari