ChatGPT를 넘어, 생성형 AI(Generative AI)의 미래 – 1편

- 생성형 AI 시장 동향을 다룬 해당 아티클은 1, 2편으로 나누어 게재됩니다. -

사람들은 글쓰기, 그림 그리기, 알고리즘 코딩 등 창작의 세계가 인간만이 가능한 별도의 영역이라고 생각했습니다. 그러나, 인공지능(AI)의 발전과 함께 진화된 생성형 AI(Generative AI)가 창작의 영역을 넘보는 시대가 되었습니다. 역사적으로 철기시대, 산업혁명, 디지털 혁명 등 인류 패러다임의 전환을 이끈 여러 번의 계기가 있었습니다. 이제 ChatGPT를 시작으로 한 초거대 생성형 AI의 출현은 새로운 게임 체인저로서 인류사 전반에 새바람을 몰고 올 것이라 생각됩니다.

이를 방증하듯 2023년 1분기 주요 글로벌 기업 어닝콜에서 "AI 및 ChatGPT", "노동시장", "인더스트리 4.0"의 세 가지 주제가 눈에 띄게 주목을 받았습니다. 반면, 메타버스는 급격히 관심을 상실했습니다. CEO의 17%가 AI에 대해 논의했으며, AI 및 기계 학습에 대한 관심은 - 이전 분기에는 언급되지 않은 - ChatGPT의 출시와 AI의 잠재적 사용 사례에 대한 논의로 촉발되었습니다.^[1]

What CEOs talked about in Q1/2023 (vs. Q4/2022), 출처: IoT Analytics ^[1]

또한, 최근 시장조사업체 IDC는 초거대 AI를 포함한 전 세계 AI 시장 규모가 '24년 5,543억 달러(약 700조 원)에 달할 것으로 내다봤습니다.^[2] 국내 AI 시장 역시 '24년 3조 662억 원 규모로 예상되며, 2023년부터 연평균 14.9% 성장하여 '27년까지 4조 4,636억 원 규모에 이를 전망입니다. 다양한 산업에서 AI 채택을 가속화하는 가운데, 디지털 기술과 산업 기술이 융합된 인공지능 생태계가 강화되고, 예측 및 추천 솔루션 고도화, 생성형 AI을 통한 새로운 비즈니스 기대 수요 등이 AI 시장 성장을 가속화할 것입니다.^[3]

서서히 성장하고 있었던 인공지능(AI) 시장에 새로운 촉매를 제공하고 있는 생성형 AI(Generative AI)에 대해 기업의 임원들은 어떻게 생각할까요? 2023년 가트너가 글로벌 기업 임원 2,544명을 대상으로 설문조사를 실시한 결과, 경영진의 45%가 ChatGPT가 인공지능(AI) 투자를 늘리도록 자극했으며, 생성형 AI의 주요 투자 목적으로 "고객 경험, 매출 성장, 비용 최적화"를 꼽았습니다. 경영진의 70%가 현재 생성형 AI에 대해 탐색 단계(Exploration Mode)에 있고, 19%는 Pilot이나 Production 단계에 있다고 답변했습니다. 또한, 경영진의 68%가 생성형 AI의 이점이 위험보다 크다고 생각하는 반면, 위험이 이점보다 크다고 생각하는 비율은 5%에 불과했습니다.^[4]

생성형 AI 투자의 주요 초점(응답자 비율), 출처: Gartner Press Release^[4]

인공지능의 새로운 화두, 생성형 AI

인공지능(AI)은 우리의 일상에 점진적으로 스며들었습니다. 스마트폰 기술에서부터 자율주행 차량의 기능, 소비자 만족을 위해 사용하는 도구에 이르기까지 모든 것에 영향을 미치고 있습니다. 이로 인해 인공지능의 진보는 거의 감지할 수 없을 정도로 이루어졌습니다. 2016년, 알파고가 세계 챔피언 바둑 선수를 이긴 역사적 일들은 세상을 놀라게 하고 축하를 받았지만, 곧 대중들의 관심에서 사라져 버렸습니다. 반면에 ChatGPT, GitHub Copilot, Stable Diffusion 등의 생성형 AI 응용프로그램(애플리케이션)은 알파고와는 달리 광범위한 유용성을 가지고 있어 전 세계 사람들의 관심과 상상력을 사로잡았습니다. 누구나 이들을 사용하여 의사소통하고 창작할 수 있으며, 사용자와 대화를 나눌 수 있는 능력을 갖추고 있기 때문입니다.^[5]

생성형 AI는 기계가 콘텐츠, 예술, 음악 등을 만들고 생성할 수 있도록 하는 인공지능의 하위집합으로 여러 산업을 변화시킬 수 있는 잠재력을 지닌 빠르게 진화하는 기술입니다. 생성형 AI는 독특하고 독창적인 결과를 생성하기 위해 인간의 행동, 사고 과정 및 창의성을 시뮬레이션할 수 있는 알고리즘을 사용하며, 기계가 입력 매개변수와 이전에 학습한 패턴을 기반으로 새로운 콘텐츠나 데이터를 생성할 수 있습니다. 즉, 기존 데이터를 단순히 가공하거나 분석하는 것이 아니라, 새롭고 독창적인 콘텐츠를 생성하는 AI 접근 방식입니다. 생성형 AI 모델은 패턴을 학습하고 훈련 데이터와 유사한 새로운 출력을 생성하기 위해 대규모 데이터 세트에서 훈련됩니다. 생성형 AI는 1990년대 후반에 등장한 "컴퓨팅 창의성" 분야에 뿌리를 두고 있습니다. 계산적 창의성은 컴퓨터를 사용하여 시 쓰기, 음악 작곡 또는 예술 창작과 같은 일반적으로 인간의 지능을 요구하는 창의적인 작업을 수행하는 것을 말합니다. 2000년대 초, 연구원들은 새로운 콘텐츠를 만들기 위해 마르코프 체인(Markov chains) 및 신경망(Neural Networks)과 같은 생성형 모델을 탐구하기 시작했습니다. 지난 10년 동안 기계학습 및 딥러닝 알고리즘의 발전으로 생성형 모델의 정확도와 품질은 크게 향상되었습니다.^[6]

생성형 AI라는 화두를 세상에 쏘아 올린 것은 OpenAI사의 ChatGPT로 GPT-3.5(Generative Pre-trained Transformer) 모델을 기반으로 ‘22년 11월에 출시되었습니다. GPT*는 딥러닝을 사용하여 인간과 유사한 텍스트를 생성하는 대규모 자연어 기술입니다. ChatGPT는 5일 만에 이용자가 100만 명이 넘었고 40일 만에 1,000만 명이 가입했으며, 또 두 달 만에 1억 명을 훌쩍 뛰어넘은 이용자를 기록했습니다.^[2] 100만 명의 이용자를 확보하는데 Apple iPhone은 두 달 이상이 걸렸고, Facebook은 10개월, Netflix는 3년 이상이 걸렸으니^[7], 일각에서는 ChatGPT를 '괴물'로 표현하기까지 합니다. 출시 이후, OpenAI는 4개월 만에 GPT-4라는 새로운 대형언어모델(LLM, Large Language Model)을 출시했으며, 이 모델은 뚜렷하게 개선된 능력을 갖추고 있습니다. GPT-4는 사진 속 사람의 손 글씨나 메모를 인식해 사용자의 요청을 수행하고, 지정한 대로 PPT 자료를 만들어 주는 것은 물론 냉장고 속 재료 사진만으로 요리 레시피를 소개합니다. 또한, 변호사 자격시험에 합격하고 미국 생물학 올림피아드에서 87점(상위 1%)의 성적을 낼 정도로 똑똑해졌습니다.^[8] OpenAI는 GPT-4에 대해 "인간의 수준을 가졌다"라고 자평했고, 일반 대화에서도 인간과 큰 차이를 느끼지 못하는 수준이 되었습니다.

ChatGPT 이용자 확보 기간 현황, 출처: 뉴스핌^[2]

그러나, ChatGPT가 생성형 AI 업계에서 유일한 것이 아닙니다. DALL·E 2, Stable Diffusion, Midjourney 등의 생성형 AI는 텍스트 설명을 기반으로 이미지를 생성할 수 있습니다. Stability AI사의 Stable Diffusion은 출시 후 90일 내에 GitHub에서 30,000개 이상의 스타를 받았습니다. 또한, 2023년 5월에 Google은 검색 제너레이티브 경험(Search Generative Experience) 및 Bard 챗봇 등을 구동할 새로운 LLM인 PaLM 2 모델을 포함하여, 생성형 AI를 기반으로 한 여러 가지 새로운 기능을 발표했습니다.
* GPT: OpenAI에서 개발한 모델로 현재 총 5개(GPT-1, GPT-2, GPT-3, GPT-3.5, GPT-4) 버전을 출시함. 기본적으로 같은 구조를 갖고, 버전이 올라갈수록 파라미터 개수가 증가하여 정교한 학습이 가능해짐. GPT-1(1억 1700만 개, AI가 문장의 의미를 제대로 이해하고 판단하며 분류), GPT-2(15억 개, 번역과 작문 및 대화 가능), GPT-3(1,750억 개, 번역과 작문, 간단한 코딩 및 자연스런 대화 가능)

생성형 AI의 새로운 가치사슬(Value Chain)

생성형 AI는 하드웨어 공급업체부터 애플리케이션 개발자에 이르기까지 전체 생태계를 만들어 냅니다. 2022년부터 2023년 초에 걸쳐 기술 혁신 기업들은 생성형 AI를 대규모로 출시하여 기업 리더, 투자자 및 사회 전반에게 새롭게 창조된 텍스트와 이미지를 생성할 수 있는 기술로 놀라움을 선사했습니다. 생성형 AI의 개발과 배포가 진행됨에 따라, 이 강력한 기술의 교육과 사용을 지원하기 위한 새로운 가치사슬(Value Chain)이 나타나고 있습니다. 얼핏 보면, 전통적인 AI의 가치사슬과 상당히 유사해 보일 수 있습니다. 맥킨지에 따르면, 생성형 AI의 가치사슬은 컴퓨터 하드웨어, 클라우드 플랫폼, 파운데이션 모델(Foundation Models), 모델 허브 및 MLOps, 애플리케이션, 서비스라는 6개의 요소로 구성되는데, 이 중에서 파운데이션 모델만이 새로 추가된 것입니다. 그러나, 생성형 AI 가치사슬은 매우 복잡하여, 이를 제공하기 위해서는 많은 시간과 시간, 비용, 기술이 필요합니다. 생성형 AI 가치사슬 중 애플리케이션 시장은 가장 빠르게 확장되고 큰 가치 창출 기회를 제공할 것으로 예상되며, 특정하거나 독점적인 데이터를 사용하여 애플리케이션을 세밀하게 조정하는 기업은 상당한 경쟁우위를 얻을 수 있습니다.^[5]

생성형 AI 가치사슬과 기회, 출처: McKinsey^[7]

맥킨지가 정의한 생성형 AI 가치사슬의 각 구성 요소를 간단히 살펴보겠습니다.^[2][5][7][9]

1) 컴퓨터 하드웨어

생성형 AI는 콘텐츠를 생성하기 위해 많은 지식이 필요합니다. 예를 들어, OpenAI의 GPT-3는 약 45테라바이트의 텍스트 데이터로 훈련되었습니다. 이러한 작업량은 수십억 개의 매개변수를 병렬로 처리할 수 있는 "가속기" 칩을 가지고 있는 그래픽처리장치(GPU)나 텐서처리장치(TPU)로 구성된 대규모 클러스터를 필요로 합니다. 생성형 AI 모델의 훈련이 완료되면, 기업은 대규모 클러스터를 사용하여 모델을 맞춤화(조정)하고, 이러한 컴퓨팅 파워를 요구하는 모델을 애플리케이션 내에서 실행할 수도 있습니다. 그러나, 초기 훈련과 비교하면 이후에는 훨씬 적은 컴퓨팅 파워가 필요합니다. 작은 규모의 플레이어들도 몇몇 존재하지만, 이러한 특수화된 AI 프로세서의 설계와 생산은 집중화되어 있으며, NVIDIA와 Google이 칩 디자인 시장을 지배하고 있습니다.

2) 클라우드 플랫폼

GPU와 TPU는 비싸고 부족한 자원이기 때문에 대부분의 기업들이 대규모 AI 모델을 구축하고 조정 및 실행하는 작업은 클라우드에서 수행됩니다. 이를 통해 기업은 필요에 따라 계산 능력에 쉽게 접근하고 비용을 관리할 수 있습니다. 주요 클라우드 업체들은 생성형 AI 워크로드를 실행하고 하드웨어/칩의 우선적 액세스를 위한 가장 포괄적인 플랫폼을 보유하고 있습니다.

3) 파운데이션 모델

생성형 AI의 핵심에는 파운데이션 모델이 있습니다. 파운데이션 모델은 인간 뇌에 연결된 수십억 개의 뉴런에 영감을 받은 확장된 인공신경망을 포함하고 있습니다. 파운데이션 모델은 딥러닝이라는 용어로 불리며, 신경망 내에 있는 많은 깊은 층을 암시합니다. 딥러닝은 AI의 최신 진보를 이끌어 온 기술이지만, 생성형 AI 애플리케이션을 구동하는 파운데이션 모델은 딥러닝에서의 큰 진보입니다. 이전의 딥러닝 모델과는 달리, 매우 크고 다양한 형태의 비정형 데이터를 처리하고 여러 작업을 수행할 수 있습니다.

대규모 딥러닝 모델은 특정 유형의 콘텐츠를 생성하기 위해 사전 훈련되고 다양한 작업을 지원하기 위해 활용됩니다. 파운데이션 모델이 개발되면, 이를 기반으로 애플리케이션을 구축하여 콘텐츠를 생성할 수 있습니다. OpenAI의 GPT-3와 GPT-4 같은 파운데이션 모델은 ChatGPT부터 Jasper와 Copy.ai 같은 수십 개의 애플리케이션을 지원합니다. 파운데이션 모델은 대용량 데이터 세트를 기반으로 훈련되고, Wikipedia, 정부 사이트, 소셜 미디어, 책 등의 공개 데이터뿐만 아니라 대규모 데이터베이스의 비공개 데이터를 포함할 수 있습니다. 예를 들어, OpenAI는 Shutterstock과 협력하여 Shutterstock의 독점 이미지로 모델을 훈련했습니다. 또한, 파운데이션 모델을 개발하기 위해서는 여러 영역에서 깊은 전문 지식이 필요합니다. 데이터 준비, 목표로 하는 출력을 생성할 수 있는 모델 아키텍처 선택, 모델 훈련, 그리고 출력 개선을 위한 모델 튜닝이 포함됩니다. 모델 튜닝은 훈련된 모델의 출력 품질을 평가하고 이를 모델에 피드백으로 제공하여 학습할 수 있도록 하는 과정입니다.

오늘날, 특히 파운데이션 모델의 훈련은 반복적인 과정이며 상당한 컴퓨팅 자원이 필요하기 때문에 많은 비용이 듭니다. 모델의 훈련 과정의 초반에는 일반적으로 무작위 결과를 출력합니다. 원하는 수준의 정확도를 위해 훈련 알고리즘은 신경망의 가중치를 조정하고, 이러한 과정을 수백만 번 수행해야 할 수도 있습니다. 현재, 이러한 훈련 작업은 수백만 달러의 비용이 들고 수개월이 소요될 수 있습니다. 예를 들어, OpenAI의 GPT-3를 훈련하는 데는 400만~1,200만 달러가 소요된다고 추정됩니다. 결과적으로, 시장은 소수의 거대 기업과 투자를 받은 스타트업에 의해 지배되고 있습니다. 그러나, 일부 작업에 효과적인 결과를 제공할 수 있는 더 작은 모델과 더 효율적인 방식의 훈련 방법을 개발하기 위한 노력이 진행 중이며, Cohere, Anthropic, AI21 등의 몇몇 스타트업이 자체 대형언어모델(LLM, Large Language Model)을 구축하고 훈련하는 데 성공했습니다. 또한, 대부분의 대기업은 더 높은 수준의 데이터 보안 및 개인정보 보호를 위해 LLM을 자사 환경에서 동작하길 원하고 있으며, Cohere와 같은 기업은 이미 LLM을 중심으로 이러한 서비스를 제공하고 있습니다.

생성형 AI 파운데이션 모델, 출처: McKinsey^[7]

4) 모델 허브와 MLOps

파운데이션 모델을 활용하여 애플리케이션을 구축하기 위해서는 우선 파운데이션 모델을 저장하고 액세스할 수 있는 장소가 필요합니다. 또한, 파운데이션 모델을 적용하고 애플리케이션 내에 배포하기 위한 특화된 MLOps 도구 및 기술이 필요합니다. 여기에는 추가 훈련 데이터를 통합하고 레이블을 지정하거나 애플리케이션이 모델과 상호 작용할 수 있는 API를 구축하는 기능이 포함됩니다. 모델 허브는 이러한 서비스를 제공합니다.

소스코드가 공개되지 않은 모델의 경우, 라이선싱 계약을 통해 모델에 액세스할 수 있도록 API를 제공하고, 때로는 제공업체가 MLOps 기능을 제공하여 모델을 조정하고 다양한 애플리케이션에 배포할 수 있도록 합니다. 오픈소스 모델의 경우, 다양한 서비스를 제공하기 위한 독립적인 모델 허브가 등장하고 있습니다. 일부 모델 허브는 단지 모델을 집계하는 역할만 하며, 다른 개발자들이 커스터마이징한 모델을 포함한 다양한 파운데이션 모델에 대해 엑세스할 수 있도록 합니다. 이후, AI팀은 모델을 서버로 다운로드하고, 세부 조정하여 애플리케이션에 배포할 수 있습니다. 반면, Hugging Face나 Amazon Web Services와 같은 모델 허브는 모델에 액세스할 수 있는 뿐만 아니라, 독점(소유) 데이터를 활용하여 파운데이션 모델을 조정(Tune)하고 애플리케이션 내에 배포하는 전문 지식을 포함한 전체적인 MLOps 기능을 제공할 수 있습니다. 후자의 모델 허브는 기업들이 생성형 AI를 활용에 있어 내부 인재와 인프라가 부족한 기업에서 큰 도움을 줍니다. 아마존의 경우, AWS 사용자가 Anthropic사의 Claude와 Stability사의 Stable Diffusion 등의 다양한 모델을 활용할 수 있는 새로운 서비스인 베드록(Bedrock)을 소개했으며, 월스트리트저널에서는 아마존이 비즈니스를 AI와 통합하려는 회사가 가장 적합한 것을 선택/활용할 수 있는 중립 플랫폼을 표방하고 있다고 언급했습니다.^[9]

5) 애플리케이션

하나의 파운데이션 모델은 다양한 작업을 수행할 수 있지만, 이를 활용하여 구축된 애플리케이션은 특정 작업을 완료할 수 있게 해줍니다. 예를 들어, 서비스 문제를 해결하거나 마케팅 이메일 작성을 지원하는 등의 작업이 될 수 있습니다. 미국의 벤처캐피털 업체인 세쿼이아 캐피털이 정의한 생성형 AI 애플리케이션의 지도를 보면, ▲텍스트(마케팅·세일즈·지식·작문·기타) ▲동영상(영상 편집·맞춤형 영상) ▲이미지(생성·소셜·미디어 및 광고·디자인) ▲코딩 개발(코드 생성·문서·웹제작·데이터) ▲3D(모델링·영상제작) ▲기타(작곡·오디오·연구) 등으로 분화되어 서비스 이용이 활발하게 진행되고 있습니다.

생성형 AI 애플리케이션 지도, 출처: 뉴스핌^[2]

일반적으로 생성형 AI 애플리케이션은 두 가지 범주로 구분됩니다. 하나는 파운데이션 모델을 거의 그대로 사용하는 경우로 특정한 사용자 인터페이스를 생성하거나, 고객의 요청을 더 잘 이해할 수 있도록 문서에 가이드 및 검색 인덱스를 추가하는 등의 일부 맞춤화 작업을 수행합니다. 두 번째는 Fine-tuned 파운데이션 모델-추가적인 특화 데이터가 제공되거나, 매개변수가 조정된 모델-을 활용하여 특정 사용 사례에 대한 결과물을 제공하는 것입니다. 법적 질문에 대답하기 위해 생성된 애플리케이션인 Harvey의 경우, GPT-3에 법적 데이터 세트를 입력하고 다양한 프롬프트를 테스트하여 조정된 모델은 원래의 모델이 생성할 수 있는 것보다 훨씬 우수한 법적 문서를 생성할 수 있었고, 은행을 위해 조정된 생성 AI 챗봇은 고객과 협력하여 콜 센터 채팅의 데이터를 통합하고 고객 경험을 지속적으로 향상시킬 수 있었습니다. 이렇게 생성형 AI 시장 초기 단계에서는 특정 산업 및 기능을 위해 미세 조정된 모델로 구축된 애플리케이션이 더 많은 가치를 제공할 것으로 예상됩니다.

6) 서비스

생성형 AI의 활용을 위한 서비스 및 전문 지식 서비스를 제공합니다. 기존 AI 서비스 제공업체들은 생성형 AI 시장을 위한 서비스를 발전시킬 것이며, 특정 기능(예. 고객 서비스 워크플로우), 산업(예. 제약), 다양한 맥락에서 효과적인 루프 구축 방법 등에서 생성형 AI를 적용하기 위한 특수한 지식을 가진 특화된 업체들도 시장에 진출할 것으로 예상됩니다.

글로벌 생성형 AI 시장, 연 35.6% 성장^{[10][11][12][13]}

코로나 팬데믹은 원격 작업으로의 전환에 따른 산업 전반의 디지털화로 생성형 AI 시장에 긍정적인 영향을 미쳤습니다. 많은 기업이 팬데믹 시기에 기계학습(ML) 및 AI를 도입했습니다. IBM의 “Global AI Adoption Index 2022” 보고서에 따르면, 53% 이상의 IT 전문가들이 팬데믹 대응으로 인공지능(AI) 도입을 가속화했으며, AI를 활용하여 COVID-19 바이러스와 다양한 영상 시스템을 감지하는 진단 도구를 개발했습니다. 또한, 디지털 플랫폼의 급속한 발전은 생성형 AI 애플리케이션의 채택을 더욱 촉진시켰습니다. 예를 들어, 2020년 6월에 Amazon Web Services는 AWS DeepComposer 제품에 새로운 생성형 AI 알고리즘인 Autoregressive Convolutional Neural Network(AR-CNN)을 추가하여, 우수한 음악을 디지털로 제작할 수 있도록 했습니다.

Grand View Research의 최신 보고서에 따르면, 글로벌 생성형 AI(Generative AI) 시장은 2022년 101.4억 달러로 평가되었으며, 2023년부터 2030년까지 연평균 35.6%로 성장하여 1,093.7억 달러 규모에 이를 것으로 예상됩니다. 초고해상도, 텍스트에서 이미지, 텍스트에서 비디오로의 변환과 같은 기술의 발전와 산업 전반에서 워크플로 현대화에 대한 수요 증가로 인해 다양한 산업 간 생성형 AI 애플리케이션 시장은 확대할 것입니다. 또한, 인공지능(AI) 및 딥러닝의 발전, 창의적인 응용 프로그램 및 콘텐츠 생성의 증가, 클라우드 저장소의 혁신으로 인한 쉬운 데이터 접근도 긍정적인 영향을 미칩니다. 더 높은 수준의 비주얼과 상호작용, 더 현실적인 느낌을 제공하는 AI 기술을 활용한 게임의 도입은 앞으로의 시장을 견인할 것입니다.

글로벌 생성형 AI 시장 규모(지역별), 출처: Polaris Market Research^[12]

Allied Market Research에서 분석한 생성형 AI의 성장 요인 역시 유사합니다.^[13]

ⓛ 다양한 분야에서 인공지능 통합 시스템의 사용 확대
생성형 AI 애플리케이션의 증가는 개선된 계산 능력과 다양한 산업 분야의 문제를 해결할 수 있기 때문입니다. 예를 들어, 생성형 AI는 사진 처리와 영화 복원에 적합하며, 저해상도 사진을 고해상도로 스케일업하는 데 도움을 줍니다. 일반적으로 오래된 사진과 영화를 4K 이상으로 스케일 업하여 초당 60프레임을 생성하고 노이즈 제거, 색상 추가, 선명화를 통해 이미지를 개선합니다. 2023년 1월, Alethea AI와 Polygon은 생성형 AI 캐릭터 프로젝트를 진행하기 위해 빠른 AI 캐릭터의 생성, 훈련 및 거래를 Polygon의 NFT로 가능하게 하는 "생성형 AI 콜렉터블 캠페인"을 개최했습니다. 생성형 AI를 통해 컴퓨터는 데이터를 기반으로 사용자와 상호작용하여 쿼리에 대한 응답으로 원본 콘텐츠를 창조하며, 이러한 발전은 생성형 AI 시장 성장에 기여했습니다.

② 메타버스의 가상세계 & 산업 전반에 걸친 워크플로 현대화
생성형 AI의 잠재적 응용 분야는 매우 광범위하며, 업무를 수행하는 방식을 변화시켜 산업과 비즈니스 모델을 혁신할 수 있는 큰 잠재력을 가지고 있습니다. AI 개발자들은 종종 생성형 AI를 사용하여 새로운 가상세계와 게임 환경을 만듭니다. 생성형 AI는 가상현실(VR) 개발자가 독특하고 몰입도 있는 게임 환경의 무한 라이브러리를 만들 수 있도록 지원합니다. 또한, 메타버스에서는 이미지, 음향, 3D 모델과 같은 사람이 만든 자산을 기반으로 컴퓨터의 무작위성과 처리 능력을 적용하여 유사한 원본 자산을 생성할 수 있습니다. 예를 들어, 엔비디아(Nvidia)는 3D 아티스트들을 위해 Audio2Face, Audio2Gesture, Audio2Emotion을 포함한 실험적인 생성형 AI 도구 스위트를 Omniverse portals 추가하여 3D 캐릭터를 애니메이션할 수 있도록 합니다. Audio2Face를 통해 오디오 파일에서 표정을 생성하고, Audio2Emotion으로 감정을 만들며, Audio2Gesture로 제스처를 생성할 수 있도록 도와줍니다. 생성형 AI의 초기 도입은 인간과 AI의 협업에 초점을 맞출 것으로 예상됩니다.

③ 기계학습과 딥러닝의 디지털 역량
생성형 AI는 다양한 개발 프로그램의 효율성을 향상시킵니다. 예를 들어, 기계학습 알고리즘을 사용하여 방대한 양의 데이터를 분석하여 패턴과 동향을 파악하고, 이를 의사 결정에 활용하여 프로그램 결과를 개선할 수 있습니다. 또한, 생성형 AI는 앞서 말한 이미지 개선이나, 컴퓨터로 생성된 음성을 인간의 목소리처럼 들리도록 변환할 수도 있으며, 청중 데이터를 분석하여 개인화된 음악 재생목록, 뉴스 피드 등의 콘텐츠를 생성할 수 있습니다.

④ 정부의 이니셔티브
많은 정부들이 다양한 분야에서 생성형 AI 등의 신기술을 혁신하도록 지원하고 있습니다. 2022년 8월, 미국의 GSA(General Services Administration)는 생성형 AI와 머신러닝을 활용하여 조달 기능을 최적화하고 주요 지표에 대한 가시성을 제공하며 조달 추세에 대한 인사이트와 예측 서비스를 제공하고 있습니다. 또한, 중국 정부는 코로나로부터 비롯된 혁신을 지원하기 위해 생성형 AI에 관심을 가지고 있습니다. 중국의 기술 기업들은 중국 정부의 지원을 받아 자체 “AI 유니버스” 개발에 노력하고 있으며, 중국의 취향과 정치적 상황에 맞는 AI 봇들을 대중에게 선보였습니다.

이렇게 생성형 AI가 다양한 동인으로 성장하고 많은 비즈니스 기회를 제공하고 있으나, 딥페이크, 저작권 문제, 편향 및 부정확하게 생성된 콘텐츠, 데이터 및 정보 유출과 관련된 위험, 악의적 불법 활동에 대한 오용 등 해결해야 할 도전 과제들은 시장을 저해하는 주요 요인이며, 이해관계자들은 이러한 위험을 기억하고 대비해야만 합니다.

▷ 2편에서는 생성형 AI 시장에 대한 상세 전망(지역, 구성요소, 기술, 모델, 애플리케이션, 업종/기능별 적용)과 주요 플레이어 동향을 소개할 예정입니다.



References
[1] https://iot-analytics.com/what-ceos-talked-about-in-q1-2023/
[2] https://www.newspim.com/news/view/20230308000372
[3] https://www.dailysecu.com/news/articleView.html?idxno=145796
[4] hhttps://www.gartner.com/en/newsroom/press-releases/2023-05-03-gartner-poll-finds-45-percent-of-executives-say-chatgpt-has-prompted-an-increase-in-ai-investment
[5] https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier#introduction
[6] www.marketsandmarkets.com/Market-Reports/generative-ai-market-142870584.html
[7] https://www.mckinsey.com/capabilities/quantumblack/our-insights/exploring-opportunities-in-the-generative-ai-value-chain
[8] http://www.fortunekorea.co.kr/news/articleView.html?idxno=27272
[9] http://www.fortunekorea.co.kr/news/articleView.html?idxno=27418
[10] https://www.grandviewresearch.com/press-release/global-generative-ai-market
[11] https://www.grandviewresearch.com/industry-analysis/generative-ai-market-report
[12] https://www.polarismarketresearch.com/industry-analysis/generative-ai-market
[13] https://www.alliedmarketresearch.com/generative-ai-market-A47396
[14] https://www.gartner.com/en/articles/beyond-chatgpt-the-future-of-generative-ai-for-enterprises
[15] https://shindonga.donga.com/3/all/13/4128406/1
[16] https://www.newspim.com/news/view/20230317000856
[17] http://www.m-i.kr/news/articleView.html?idxno=1036740
[18] https://economist.co.kr/article/view/ecn202307190035
[19] https://economist.co.kr/article/view/ecn202307250048
[20] https://www.news2day.co.kr/article/20230102500247
[21] https://www.econovill.com/news/articleView.html?idxno=606110
[22] https://www.econovill.com/news/articleView.html?idxno=606109


▶   해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에게 저작권이 있습니다.
▶   해당 콘텐츠는 사전 동의 없이 2차 가공 및 영리적인 이용을 금하고 있습니다.