AI와 나: 인공적인 창의력의 시대
아래 글은 지식노동자들을 위한 교육/콘텐츠를 제공하는 NESS LABS의 글을 번역한 글입니다.
새 시대의 AI툴들이 폭풍처럼 세상을 삼키고 있다. 이 툴들은 당신이 규모 있게 더 좋은 글을 쓰거나, 코드를 작성하거나, 유니크한 형상을 생성할 수 있도록 도와준다. 사람들은 AI툴들을 이용해서 블로그글 전문을 쓰거나 회사의 소셜미디어에 올릴 글을 쓰거나, 매력적인 세일즈 이메일을 작성하고 있다. 이런 강력한 AI툴의 출현은 다음과 같은 질문을 우리에게 던진다.
인공적인 창의력의 시대에 지식 노동자 혹은 창작자/크리에이터로 살아간다는 건 무슨 의미인가?
인공적인 창의력은 기계와 사람사이, 생산성과 창의력 사이의 새로운 영역으로 향후 몇 년간 수십억 명의 삶에 영향을 끼칠 것이다. 어떤 직업은 대체되고, 확장되거나 알아볼 수 없는 형태로 재창조될 것이다.
당신의 직업이 창의적인 생각이나 지식관리와 관련이 있다면, 최신 AI 툴들에 대해서 어떤 일이 벌어지고 있고, 그것이 인공적인 창의력의 시대에 창작자와 지식노동자에게 어떤 의미인지 입문서부터 읽어봐야 한다.
Illustration by DALL·EGenerative AI의 출현
계산적인 창의력이라고 부를 수도 있는 인공적인 창의력은 다양한 분야에서 인간 수준의 창의력을 만들어낼 수 있는 프로그램을 만들기 위한 연구이다. 이 분야는 새로운 분야가 아니다. 19세기부터 존재했으며, 과학자들은 인공적인 창의력이 가능할지 토론해 왔다.
Ada Lovelace(수학자이자 최초의 프로그래머로 불리는 사람)은 아마도 기계 지능에 대한 가장 유명한 반대이론을 만들었다
만약 컴퓨터가 프로그래밍된 대로만 동작할 수 있다면 그들의 행동이 창의적이라고 할 수 있는가?
그녀의 관점에서는 독립적인 학습이 창의력에 가장 중요한 요소이다.
최근에 비지도학습(Unsupervised Machine Learning)의 진보도 AI 소프트웨어가 보여주는 창의력이 단지 인간인 엔지니어가 명령한 걸 수행한 학습의 결과인지에 대한 물음이 존재한다.
컴퓨터가 Ada가 생각한 수준의 창작을 할 수 있는지에 대해서 의문을 가질 수밖에 없다. 세콰이어 캐피탈의 파트너인 Sonya Huang에 말에 따르면 "모델이 커지면 커질수록, 인간 수준의 그러고 나서 인간을 초월한 수준의 결과물을 만들어낼 것이다."
지식노동자와 창의적인 업무의 단기적인 미래에 어떤 일이 벌어지고 있고 이게 왜 중요한지 이해하려면, 판별모델(Discriminative AI)과 생성모델(Generative AI)의 차이를 이해할 필요가 있다.
AI가 사용하는 통계모델에는 2개의 메인 종류가 있다. 고전적인 AI이면서 가장 오랫동안 사용되고 있는 모델은 판별모델이라고 불리며 이는 데이터 내에서 다른 종류를 판별해내는 능력이다. (고양이와 개를 구분하듯) 반면 최근에 생겨난 생성모델은 새로운 데이터를 만들어낼 수 있다.
유추법을 통해 좀 더 쉽게 이해할 수 있다. Lee와 Lexi라는 두 명의 친구가 있다고 가정해보자. 2명 모두 똑똑하고 학교에서 잘하고 있지만, 둘이 공부하는 방법은 완전히 다르다. 시험을 준비할 때, Lee는 모든 주제에 대해서 학습하고, 모든 세부사항에 대해서 연구한다. 비록 많은 시간이 걸리지만 한번 이해하면 까먹지 않는다. 반면 Lexi는 각 주제에 대한 마인드맵을 그리고, 각 주제 사이에 아이디어와 문제들의 연관성을 이해하려고 노력한다. 체계적이진 않지만, 훨씬 더 유연하다.
이 이야기에서, Lee는 분별모델과 같은 접근을 한 반면, Lexi는 생성모델과 같은 접근을 했다. 두 방식 모두 잘 동작했으며, 목표가 단지 특정 시험을 잘 봐야하는 상황이라면 밖에서 보기에 두 방법의 차이에 대해서 알기 어렵다. 하지만 만약 참신한 아이디어가 필요한 상황이라면 Lexi의 접근방식이 더 잘 동작할 것이다.
이것이 이미지 인식 같은 분석적인 작업에서 더 잘 동작하는 지도학습(supervised Machine Learning)
에 판별모델이 사용되고, 이미지 생성 같은 창의적인 작업에 더 잘 동작하는 비지도학습(Unsupervised Machine Learning)에 생성모델이 사용되는지에 대한 이유이다.
몇 년간 생성모델(Generative AI)은 몇 가지 요소에 의해 제한되어 왔다. 이 모델은 실행하기 어렵고 정말 자본이 많은 조직만 클라우드 컴퓨팅 비용을 감당할 수 있을 정도로 매우 비용이 많이 들었으며, 병목을 피하고 컴퓨터 자원을 잘 관리하기 위해서 매우 정교한 워크로드 관리가 필요했다.
하지만 상황은 빠르게 변했다. 새로운 기술, 더 많은 데이터, 저렴해진 컴퓨팅 파워. 우리는 이제 개발자가 거실에서도 AI 앱을 만들 수 있는 수준에 왔으며 감당가능한 비용으로 만들어진 이 앱들은 문제를 해결하고 새로운 아이디어를 떠올리고 우리가 일하는 방식을 변화시킬 수 있다.
성장하는 AI앱 풍경
인공적인 창의력 지역은 너무 빠르게 변화하다 보니 이 풍경안에서 매일매일 새롭게 론칭되고 있는 모든 앱을 포함한 지도를 만드는 건 불가능하다. 하지만 아래 180개 앱을 포함한 지도는 2022 버전 생태계의 대략적인 모습을 알려준다.
[회사 로고 누르면 해당 사이트로 이동하는 PDF버전 다운받으러가기]
(역자 주 : 0달러 결제도 가능하지만, 카드정보입력해야 함)
이 맵은 초기에 3개의 고전적인 카테고리 - 언어, 시각, 음악적 창의력 - 으로 분류해서 만들어졌다.
하지만, AI 앱들이 점점 더 다양한 업무를 할 수 있게 되면서, 맵에 과학적 창의력이라는 카테고리와 기타 인간의 창의력을 확장시켜 주는 다양한 앱들을 추가해 놓았다.
1. 언어적 창의력
백지에서 어디서부터 시작해야 할지 고민해 본 적이 있는가? AI 앱이 아마도 이런 문제를 없애줄 수 있을 것이다. 최근 검색량만 봐도 AI 글쓰기가 엄청나게 큰 시장인걸 알 수 있다.
Jasper, Lex, Rytr 같은 툴들은 범용적인 글쓰기 비서라고 포지셔닝하고 있다. 이 툴에 프롬프트를 입력하거나 문단을 집어넣으면 이 툴들이 초기 생각을 오리지널 콘텐츠로 완성시켜 줄 것이다. 이것은 AI 툴에서 가장 유망한 분야로, 2021년에 설립된 Jasper는 $1.5B(한화 약 1.9조) 가치에 $125M(한화 약 1625억)원을 투자받았다.
다른 툴들은 특정 문제들에 특화되어 있다. Lavender은 세일즈 이메일을 작성해 주고, Surfer는 SEO에 최적화된 블로그 글을 만들어주고, Copy.ai은 높은 전환율을 만들어주는 마케팅 카피를 작성해 주고, Nyle은 제품소개글을 작성해 줄 것이다.
코딩은 언어적 창의력에서 AI가 변화를 가져오는 또 다른 영역이다. Replit의 Ghostwriter은 당신의 코딩 파트너가 되어서 더 나은 코드를 빠르게 작성하도록 AI가 도와준다. 반복돼서 사용되는 코드를 만들어주거나, 제안을 제공하거나, 리팩토링 코드를 제안해 준다. Github은 Copilot이라는 당신의 페어 프로그래머라는 메시지를 가진 유사한 솔루션을 가지고 있다. 다른 툴들도 몇 번의 클릭만으로 AI가 웹사이트를 만들도록 도와준다.
이런 글쓰기와 코딩에서의 툴들은 매우 빠르게 발전하고 있어서, 조만간 전문을 다 입력하는 건 구식이고 비효율적이라고 느껴질 것이다.
2. 시각/예술적 창의력
AI가 이미지 인식에만 사용되는 시대는 끝났고, AI로 생성된 아트들이 어디에나 있다. Midjourney, Deep Dream Generator, Stability AI 같은 툴들이 누구나 몇 개의 단어로 이미지를 만들 수 있도록 도와준다. 무슨 단어를 쳐야할지 모르겠다면 Lexica와 같은 사이트에서 이미 검증된 프롬프트를 보고 복사 붙여넣기만 해도 된다. Astria, Avatar AI, AI Profile Picture와 같은 툴들은 당신의 사진을 학습시켜서 이미지를 생성해주기 때문에 소셜미디어 같은 곳에서 사용할 수도 있다. Tattoos AI에서는 당신을 위한 유니크한 문신 디자인을 제안받을 수도 있으며, Interior AI에서는 업로드한 사진을 기반으로 인테리어 디자인 목업을 받아볼 수도 있다.
AI가 만들어낸 결과물이 반드시 정적인 것일 필요는 없다보니 AI로 만들어진 영상들도 많아지고 있다. 최근 구글의 CEO인 순다 피차이는 텍스트를 입력해서 AI에 의해서 생성된 고화질의 영상을 업로드하기도 했다. Opus은 텍스트를 영화로 만들어주고, Tavus은 하나의 영상에서 단어를 바꾸면서 수천 개의 영상을 만들 수 있도록 해준다. 예를 들어 세일즈 피치 영상을 하나 찍어놓고, 그 영상에 들어갈 사람이름을 클릭 한 번으로 바꿀 수 있다. Colossyan은 AI배우가 당신이 입력한 대로 움직이도록 해준다.
3. 오디오/음악적 창의력
앞으로도 계속 팟캐스트에 게스트를 초대해야할까? 아마도 아닐 것이다. Podcast.ai는 완전히 AI로 생성된 팟캐스트이다. 청취자는 다음 주제나 게스트/호스트를 제안할 수 있다. 텍스트를 연설/음성으로 바꿔주는 강력한 툴들이 시장에 나타나고 있다. 진보된 기계번역과 생성모델을 사용해서 Dubverse는 더빙을 자동화해주고 다국어 영상을 빠르게 만들 수 있게 해준다.
Soundful, Boomy과 같은 툴을 사용하면 곡 전체를 생성할수도 있다. Melobytes는 오디오 파일을 래퍼가 될 수 있도록 변환시켜준다. 우리가 인터뷰하기도했던 혁신적인 앱인 Endel은 AI를 통해서 사람들의 집중/휴식/수면을 도와주는 사운드를 개인화해서 생성해준다. 가능성은 끝이 없다.
4. 과학적 창의력
과학적 연구는 복잡하고 혁신적인 해결책을 만들기 위해서 엄밀하면서 창의적인걸 필요로 한다. 이 분야에서도 AI가 구세주가 될 수 있다. Elicit은 GPT-3와 같은 언어 모델을 통해서 연구자들의 워크플로우 일부를 자동화해주고, 연구자들이 1.75억개의 논문에서 답을 얻을 수 있도록 질문을 할 수 있도록 해준다.
Genei은 자동으로 관련자료들을 요약해주고 보고서를 만들어준다. 생물학분야에서 Cradle은 AI를 이용해서 단백질의 3D구조를 예측하고 새로운 시퀀스를 생성해서 과학자들의 시간을 아껴준다. Wizdom은 수십억개의 글로벌 연구 생태계를 끊임없이 모니터링하고 자동적으로 실행가능한 인사이트를 유저들에게 제공해준다. 데이터를 접근가능하고 소화가능하게 만드는 이런 모든 AI 앱들은 연구를 빠르고 싸게 실행할 수 있도록 해준다.
5. 기타 앱들
AI 툴들은 인간의 창의력을 확장하는 다양한 영역에서 사용되고 있다. 지식관리는 AI 툴들의 큰 기회분야로 유저들이 그들의 데이터로 부터 빠르게 답변과 인사이트를 얻을 수 있도록 도와준다. Rewind은 당신의 인생 검색엔진이 되기를 원하며 당신이 보고, 말하고, 들었던걸 찾을 수 있도록 해준다. Mem은 AI를 이용해 당신의 노트를 정리해주고, Glean은 조직에서 사용된 모든 앱의 정보들을 연결해서 인사이트를 만들어준다. 개인 비서, 자동화, 대화가능한 캐릭터, 게임, 심지어 맵에서 보듯이 애로문학(Erotica)까지도 AI가 만들어 내고 있다.
인공적인 창의력 매트릭스
인공적인 창의력에 대해서 크게 2개의 사상이 있다. 첫번째는 AI를 영감을 주고, 아이디어를 제공해주고, 창의적인 장벽을 뛰어넘도록 도와주는 창의적인 활동의 동반자로 보는 관점(Enhance). 두번째는 AI를 독립적인 창의적인 사고자로 보고 스스로 창의적인 활동을 할 수 있다고 보는 관점.(Emulate)
창의력은 탐험 혹은 변형으로 묘사된다. 탐험적 창의력(Exploratory)은 특정 규칙에 따라서 창의적인 영역을 찾는 과정이고, 변형적인 창의력(Transformational)은 규칙을 변화시키고 새로운 창의적인 영역을 만들어내는 과정이다.
AI 앱은 그들의 비전(동반자, 강화 - Enhance / 모방, 독자적 - Emulate)과 목적(탐험적 - Exploratory / 변형적 - Transformational)을 각각의 축으로 4개의 영역으로 나뉜 메트릭스 상에서 분류될 수 있다.
AI툴들은 탐험적이거나 변형적이며, 강화하는 형태이거나 모방하는 형태이다.
콘텐츠 작성부터 게임, 음악부터 마케팅, 코딩부터 영상 제작까지 Generative AI의 출현에 의해서 변화되지 않는 카테고리는 없을 것이다. 이 패러다임의 변화가 창작자와 지식 노동자들에게는 무슨 의미일까?
인공적인 창의력 시대에 인간으로 산다는 것
AI 툴들은 빠르게 개선되고 있다. 근미래에 근본적으로 수동/반복 작업들은 번거롭다고 느껴질 것이다. 우리의 전임자들이 견뎌야했던 지루한 업무들에 대해서 미래의 창작자들과 지식노동자들은 과거에는 이걸 정말 다 수작업으로 했는지 물어볼 것이다.
인공적인 창의력을 받아들이는건 당신을 더 빠르게 코딩하고, 매력적인 카피를 작성하고, 효과적인 이메일을 작성하고, 영상을 만드는 걸 규모있게 할 수 있도록 도와준다. 인공적인 창의력은 우리가 낮은 수준의 업무에서 벗어나는 자유를 제공해서 다양한 방법으로 인식의 확장을 도와주고 우리의 잠재성을 깨워줄 것이다.
사실 대부분의 사람들은 AI를 안정적으로 도구박스에 도구를 추가해서 효율성을 위한 노력을 할 수 있도록 도와주는 동반자로 봐도 문제가 없을 것이다. 많은 회사들이 본인들의 AI툴을 동반자, 퍼실리에티너, 친절한 비서와 같은 형태로 포지셔닝할 것이다.
지금 단계에서 이것은 사실이다. AI툴은 백지에서 새로운 걸 만들어낼 수는 없다. 그들은 창의적인 결과물을 내기 위해서는 프롬프트 입력을 필요로 한다. AI 툴에게 당신이 시작한 문단을 끝마치라고 알려줘야 하고, 당신이 쓴 텍스트를 기반으로 이미지나 영상을 만들라고 해야하고, 당신이 제공한 기본적인 주제에서 아이디어를 생각해내라고 해야 한다.
모두 좋다. 하지만 창의적인 확장(우리가 글을 쓰고 코드를 작성하는 걸 도와주는)과 창의적인 결과물 사이에 어디에 선을 그어야 할까? 만약 AI가 공동저자라면 어떤 지점이 AI를 메인저자로 만들어 주는가? 우리는 AI가 완전히 다 작성한 소설을 읽게 될 것인가?
예를 들어, AI가 출판업계에 끼치는 영향을 생각해보자. 향후 몇 년간 많은 책들이 AI로 작성될 것이라는 건 예상하기 쉽다. 우리가 원하든 원하지 않던 최고의 문학작품들로부터 학습된 AI모델로 작성된 이 책들은 훌륭할 것이다. 책의 미래에 대해 생각해 볼 때, 실제 삶의 이야기를 다루는 분야만큼은 인간의 창의력이 안전하다고 할 수 있다. 물론 AI가 인간의 경험을 충분히 학습하면 흥미로운 이야기를 쓸 수 있겠지만 사람들은 저자가 실제로 그가 묘사한 고통과 행복 속에 살았는지, 실제로 그걸 느꼈는지 알 수 있을 것이다.
하지만 성격으로만 묘사된 AI 캐릭터들과 관계를 발전시켜 온 인간 독자들이라면 인공적인 창작자들이 만들어낸 AI 캐릭터들의 고통과 기쁨에 대해서 깊게 걱정하는 것도 가능할 것이다. 어릴 때, 나는 진심으로 나의 다마고치의 안위에 대해서 걱정했으며, 얼마나 많은 사람들이 자신의 삶을 공유한 AI 캐릭터들과 유대감을 만들어갈지 예상이 된다. (역자주 : 해리포터 캐릭터들을 오랫동안 지켜봐오면 책이 나올 때마다 각 캐릭터의 고통과 기쁨에 깊게 걱정하고 공감했던 것처럼, 캐릭터들과 유대감을 쌓은 독자들이 늘어나면 글쓴이가 AI더라도 충분히 공감이 가능하다는 얘기인 듯)
요약하자면, 도망갈 곳이 없다. 물론 AI가 출판 시장을 모두 점령하지는 않을 것이다. 우리는 적은 것에 가치를 더 메기기에 수공예상품을 사는 것처럼 사람이 쓴 이야기를 구매할 것이다. 하지만 저자들은 인공적인 동료들과 도서 선반과 베스트셀러 리스트를 나눠 쓰는 것에 익숙해져야 할 것이다.
창의적인 사고와 지식관리가 필요한 모든 산업에 출판시장 같은 일이 벌어질 것이다. 멀지 않은 미래에 모든 직업들은 AI에 의해서 대체되고, 사람들은 창의적/지식 업무라고 하던걸 재창조해야 할 것이다. AI툴을 사용할 줄 아는 건 필수적인 스킬이 될 것이다. 팀은 기술적인 업무만 수행하는게 아니라 전략적인 결정에도 기여하는 AI 동료를 가지게 될 것이다.
많은 풀어야 할 윤리적인 문제들이 남을 것이다. 원작자, 지적재산권, AI툴을 활용한 결과물의 법적책임은 누가 지는가 등. 창의적/지식 관련 업무를 공개할 때 AI툴을 사용한 걸 공개해야 하는가?
세계의 조직들은 이런 문제들을 고심하게 될 것이다(이게 좋은 참고리스트가 될 것이다.) 개인으로써도 이 주제에 대해서 글을 작성해서 기여할 수 있으며, AI 동료의 도움을 받을 수도 있을 것이다. 트위터에서 이런 문제에 대해서 당신의 생각을 작성할 때 @ness_labs을 태그해 주길 바란다.
*제 뉴스레터를 구독하시면 블로그에 올라오지 않는 글을 포함하여, 더 빠르게 모든 글에 대해서 받아보실 수 있습니다.
