글로벌 AI 리더들이 전하는 생성형 AI 기술의 전망

2023-11-10 서보배

생성형 AI 열풍의 시작, ChatGPT

2022년 11월 30일 출시된 오픈AI의 ChatGPT는 출시와 함께 폭발적인 인기를 끌었습니다. 그동안 어렵게만 느껴지던 인공지능(AI) 기술을 손쉽게 접할 수 있고 학습을 통해 새로운 결과물을 창출해 낼 수 있다는 점에서 일반 대중들은 열광하였고, 출시 5일 만에 100만 명의 사용자를 끌어모으는 전무후무한 기록을 세운 ChatGPT의 메가 히트는 곧 비즈니스 기회의 증가로 이어졌습니다. 미국 벤처 캐피탈(VC)들이 생성형 AI 스타트업에 투자한 금액이 전년 대비 27% 늘어난 14억 달러(1조8,400억 원)로 집계된 것만 봐도 알 수 있습니다.¹⁾ 이는 이전 5년간 투자금을 모두 합친 것과 맞먹는 규모로, 앞으로 투자 규모는 더욱 커질 것으로 예상됩니다.

이처럼 성공적인 ChatGPT의 런칭은 생성형 AI의 발전에 큰 기폭제가 되었습니다. 이후 구글에서 Bard, 마이크로소프트에서 Bing 등 빅테크 기업들이 경쟁적으로 관련 제품을 출시하고 있으며, 생성형 AI 관련 기술의 개발과 서비스 경쟁이 갈수록 심화되고 있습니다. 생성형 AI 기반의 기술 혁신은 접근성, 확산 속도 측면에서 기존 기술들과는 전혀 다른 전개 양상을 보이고 있으며 앞으로 더욱 크고 급격한 변화를 초래할 것으로 예상됩니다. 그렇다면 현장의 중심에 있는 AI 전문가들은 생성형 AI의 미래에 대해 어떠한 생각을 가지고 있을까요? 또한 더 나은 AI의 미래를 위해 필요하다고 보는 것은 무엇일까요?

전문가들은 주요 분야와 이해관계에 따라 다양한 의견을 제시하고 있는데 본 아티클에서는 글로벌 전문가 8명을 선정하고 이들의 의견을 토대로 ‘기술의 공개(오픈소스) vs 개발의 규제(폐쇄형)’, ‘수직적 AI의 발전’, ‘AI의 확장성 – 플러그인에서 애플리케이션까지’, ‘멀티모달로 진화하는 언어모델’, ‘AI 거버넌스 수립 필요성 대두’까지 생성형 AI의 미래에 관련하여 5가지 키워드들을 도출하였습니다. 키워드별로 핵심적인 내용 분석을 통해 생성형 AI의 미래에 대해 조망해 보도록 하겠습니다.

기술의 공개(오픈소스) vs 개발의 규제(폐쇄형)

ChatGPT가 생성형 AI의 주요 화두로 떠오른 가운데 언어 모델(Language Model, 이하 LM)에 대한 관심도 덩달아 높아지고 있습니다. LM이란 대용량의 텍스트에서 언어 이해 능력과 지식을 학습하도록 훈련된 딥러닝 알고리즘을 일컫는데요. 방대한 텍스트가 포함된 데이터로부터 정보를 추출하고 분류하는 것에서 더 나아가 직접 텍스트까지 생성해 낼 수 있습니다. AI 딥러닝을 통해 수많은 데이터를 미리 학습해 추론하고, 이를 문장으로 표현하며 대화를 이어 나갈 수 있는 모델로서, 사실상 생성형 AI의 핵심 기술이라고 할 수 있습니다. ChatGPT의 기반은 언어모델 중에서도 초거대 언어모델(Large Language Model, 이하 LLM)로 알려져 있습니다. 이름에서도 알 수 있듯이 방대한 양의 데이터를 이용해 학습하는데 그 핵심은 훈련된 데이터세트(Datasets, 방대하게 수집된 디지털 정보)의 크기이고 GPT-4는 약 100조 개의 파라미터를 가지고 있다고 합니다.

빅테크 진영 중 선발 주자인 오픈AI와 구글은 폐쇄 전략을 취하고 있는 반면 후발 주자로 나선 메타는 오픈소스 모델을 들고나왔습니다. 오픈AI는 MS와 협력을 강화하며 연구 중심에서 상업화로 운영 방식을 전환하였습니다. ChatGPT 4부터 핵심 기술을 MS에만 독점 제공하기로 한 것입니다. 오픈AI의 공동 창립자이자 수석 과학자인 일리야 수츠케버는 “AI 모델은 현재도 매우 강력하며 점점 더 강해지고 있다. 어느 시점에는 마음만 먹으면 이를 이용해 엄청난 피해를 입히는 것이 아주 쉬워질 것²⁾”이라며 이전에 오픈AI가 취했던 기술 개방 정책은 실수였다고 말하며 규제의 필요성에 대해서 언급하였습니다.

구글은 언어모델 팜(PaLM)을 비용 지불 등 협의가 있을 때만 제한적으로 정보를 공개하고 있는데 이전에 트랜스포머 모델을 완전 오픈소스로 내놓으며 AI 생태계 발전을 뒷받침하던 과거와 정반대되는 행보를 보입니다. 그런데 현재 트랜스포머 아키텍처가 LLM의 핵심으로 확고히 자리 잡았다는 게 참 아이러니하죠? 메타의 경우, 지난 2월 공개한 소형 언어모델(Small LLM, 이하 sLLM) 라마(LLaMA)는 상업적 이용을 허용하지 않고 연구 목적으로만 소스 코드를 무료로 제공하고 있었으나, 기존 모델과는 달리 상업적 용도로 활용할 수 있는 새 오픈소스 모델 라마 2를 올해 7월 공개하였습니다. 메타의 AI 과학자 얀 르쿤은 “LLM에는 한계가 있고 라마와 같은 AI 개발에 대한 오픈소스 접근 방식은 기술에 대한 신뢰뿐만 아니라 혁신 생태계를 육성하기 위해 필요하다³⁾”고 하며, 이를 통해 AI의 잠재적 위험을 완화할 수 있다고 보았습니다. 그는 모든 사람이 AI 기술을 활용할 수 있도록 오픈소스 방식으로 공개해 소수기업의 독점을 막아야 하며, 데이터를 수집하려면 크라우드 소싱(기업 활동에 일반 대중의 집단 지성 활용) 방식의 오픈소스 기반 AI 개발이 불가피하다는 입장입니다.

AI 분야의 깃허브로 불리는 허깅페이스의 CEO 클레멘트 딜랑크는 강력한 오픈소스 개발 지지자입니다. 허깅페이스는 대다수 회사에서 무료로 사용할 수 있는 LLM을 출시했으며 AI 개발자들이 LM, 소스 코드, 데이터세트를 공유하는 플랫폼도 제공하고 있습니다. 지난 5월 미국에서 처음 개최된 AI 청문회에서 그는 “AI가 오픈소스로 보급됨으로써 악용되는 것도 우려되나, 오늘날 AI의 발전은 오픈소스에서 이루어지고 있다⁴⁾”고 주장하였습니다. 또한 오픈소스 기술은 독점 시스템을 따라잡거나 능가하여 혁신과 발전의 순환을 만들 수 있는 잠재력을 가지고 있으며 아마존, 엔비디아를 포함한 많은 빅테크 기업들이 오픈소스에 대한 강력한 지지를 보여주고 있다고 하였습니다. 실제로 엔비디아는 허깅페이스와 파트너십을 발표⁵⁾하며 생성형 AI 슈퍼컴퓨팅 플랫폼을 제공하기로 하면서 그의 주장을 뒷받침하고 있습니다.

수직적 AI의 발전

생성형 AI는 크게 수평적 AI와 수직적 AI(Vertical AI, 산업형 AI라고도 함)의 범주로 나뉩니다. ChatGPT 및 구글 바드와 같은 수평적 AI 모델은 점점 더 보편적이고 일반화된 기능으로 인해 대화형 AI, 검색 AI, 오피스 AI 등을 통해 다양한 산업 분야에서 두루 활용됩니다. 반면, 수직적 AI 모델은 특정 산업에 더 전문적이고 맞춤화되도록 설계되어 일반 모델의 한계를 극복하고 기업에 훨씬 더 즉각적인 ROI를 제공할 수 있습니다.⁶⁾

생성형 AI의 인프라와 서비스 구조

AI 4대 석학 중 하나인 앤드류 응 교수는 데이터 중심의 AI(Data-centric AI)의 중요성을 강조하며 “데이터 중심 AI를 위한 학습 데이터 수집 시 데이터 크기뿐만 아니라 데이터 품질도 중요한 고려 요소”⁷⁾라며 데이터 품질의 중요성에 대해서 강조하였는데요. 그가 말하는 데이터 중심 AI의 원리는 ‘반복적인 양질의 데이터 학습’입니다. 양질의 데이터를 취합∙선별∙조합∙분류하는 과정을 반복함으로써 데이터의 품질을 끌어올리고 AI의 성능을 향상시킬 수 있습니다. 이 경우 데이터의 질이 좋으면 상대적으로 적은 데이터로도 AI의 성능 향상이 가능해지므로 LLM이 가지고 있는 고비용 문제 한계 극복을 위한 좋은 대안이 되기도 하며, 제조업 등의 산업 특화 AI 솔루션에 맞는 데이터 제공도 가능합니다.

또한 메타의 라마 같은 sLLM(소형 거대언어모델, small LLM)은 데이터세트가 적은 대신 특정 산업이나 영역에 맞게 설계되고 최적화된 수직적 AI로써 사용하기에 적합합니다. 비록 LLM보다 전반적인 역량은 떨어지더라도 학습 데이터의 깊이와 질은 오히려 더 뛰어날 수 있으며, 관련한 다른 시스템이나 애플리케이션에 통합하여 사용하기에도 더욱 수월할 수 있기 때문입니다. 폐쇄적이고 활용이 어려운 대형 모델에 비해 sLLM은 기업의 입장에서 보다 경제적이고 빠른 구축이 가능할 뿐만 아니라 보유한 데이터를 활용해 맞춤형으로 구축할 수 있습니다.

엔비디아의 CEO 젠슨 황은 “생성형 AI를 통해 고객 데이터를 분석하고 이를 통해 고객 서비스 개선, 영업 조직의 혁신, 비용 효율성 개선 등의 효과를 줄 수 있다⁸⁾”고 말하며 기업이 비즈니스 통찰력을 얻고 엔터프라이즈 데이터 혁신을 하기 위해서는 생성형 AI가 매력적인 옵션이라고 말합니다. 여기서 말하는 생성형 AI는 수직적 AI로서 예를 들어 고객 서비스 분야에서 수직적 AI 솔루션은 서비스별로 특화 설계된 AI를 활용하여 조직이 이전보다 더 빠르게 문제를 진단 및 해결하고, 리소스 할당을 최적화하여 상담 인력 부족을 극복할 수 있습니다. 이를 통해 운영 효율성이 향상되고 고객 만족도 또한 향상시킬 수 있습니다.

다른 예로는 구글 딥마인드에서 출시한 단백질 구조 예측 AI인 알파폴드(AlphaFold)를 들 수 있습니다. 이는 인체의 36만 5천여 개의 단백질의 3D 형태를 예측하는 것을 넘어 새로운 단백질 디자인까지 생성하는 혁명적인 기술로서 세계 각국의 질병 연구와 신약 개발 등 헬스 케어 분야에서 활발하게 활용되고 있습니다.⁹⁾ 구글의 모기업 알파벳은 이를 활용하여 약물 연구를 하는 스타트업 아이소모픽 랩(Isomophic Laboratories)을 설립하였으며, 글로벌 제약회사들과 손잡고 AI 기반 신약 발굴 플랫폼의 상업화를 위한 첫발을 내디뎠습니다.

수평적 AI를 활용할지, 수직적 AI를 활용할지는 기업에 달려 있지만 앞으로 생성형 AI 관련 기술이 이른 시일 내에 상용화될 것으로 예상되는 만큼 기업은 비즈니스 프로세스, 고객 요구 사항, 관련 시장 동향 등을 철저하기 분석하여 생성형 AI가 가치를 창출할 수 있는 영역을 파악하여야 합니다. 특히 대부분 기업에서는 광범위한 산업 데이터와 전문 지식을 통합하고 산업별 요구 사항을 의미 있는 결과로 변환하는 모델이 필요하기 때문에 수직적 AI 활용의 검토를 적극 고려할 필요가 있습니다.

앤스로픽의 CEO 다리오 아모데이는 “AI 모델의 확장 법칙은 계속될 것이며, 다양한 영역에서 지속적인 개선이 이루어질 것¹⁰⁾”이라며 AI 모델의 잠재적인 확장성에 대해서 긍정적인 의견을 가지고 있으며 다양한 비즈니스 영역에서 생성형 AI 활용에 대한 기대감을 보이고 있습니다. 생성형 AI 관련 빅테크 기업 생태계는 오픈AI와 같은 LLM 플랫폼을 제공하는 사업자와 해당 모델을 구축하거나 커스터마이징 서비스를 제공해 주는 서비스 사업자로 나뉩니다. 현재 AI 애플리케이션/서비스 시장은 인터넷이나 앱스토어가 막 나왔던 때처럼 다양한 플레이어들이 혁신적인 기술 기반의 서비스들을 경쟁적으로 출시하고 있습니다.

오픈AI는 ChatGPT에 인터넷 기반의 온라인 서비스인 플러그인(ChatGPT 안에서 외부 서비스를 사용할 수 있는 일종의 추가 확장 소프트웨어) 기능을 추가하였는데 현재 오픈AI 플러그인 스토어에 1,000여 개의 플러그인이 탑재되는 등 AI 생태계의 주력 트렌드로 자리 잡고 있습니다. 눈에 띄는 플러그인으로는 항공권, 호텔 등을 예약할 수 있는 익스피디아(Expedia), PDF의 내용의 요약 및 인사이트를 제시하는 AskYourPDF, 유튜브 같은 온라인 비디오 플랫폼의 내용 요약할 수 있는 Video Insights 등이 있습니다.

MS는 오픈AI의 LLM을 탑재한 코파일럿(Copilot)을 발표하였습니다. 부조종사라는 의미에서 알 수 있듯이 AI가 일종의 부조종사처럼 옆에서 보조한다는 의미가 담겨있는 코파일럿은 워드·엑셀·파워포인트 등 사무용 SW인 MS 365에 GPT-4가 탑재되었는데요.¹¹⁾ MS는 ChatGPT와 같은 플러그인 방식으로 AI 생태계를 확장하는 방식을 선택했습니다. 현재 코파일럿을 통해 플러그인해서 사용할 수 있는 서비스는 서비스나우, 세일즈포스 등이며 정식 출시될 경우 더 많은 플러그인 연결도 가능해질 예정입니다.

삼성SDS는 기업의 다양한 데이터, 업무 시스템 등의 기업 자산을 한곳에 모아 생성형 AI에 연결하여 임직원들이 손쉽게 공유하고 사용할 수 있는 비즈니스 플랫폼 FabriX(패브릭스)를 발표했습니다.¹²⁾ FabriX를 통해 모든 업무 시스템과 다양한 LLM을 간편하게 연결할 수 있으며 데이터 수집, 저장 및 전처리 등은 기업 보안에 최적화된 삼성 클라우드 플랫폼(SCP)을 통해 지원합니다.

이러한 서비스들이 경쟁력을 가지려면 우선 다양한 LLM 선택이 기반이 되어야 합니다. 특정 LLM에 의존하는 것이 아니라 서비스 성능을 극대화할 수 있는 다양한 LLM 활용과 더 나아가 자기만의 LLM을 만들어야 생성형 AI 서비스들이 경쟁력을 갖출 수 있을 것으로 보입니다. 또한 기업들이 이용자들의 워크 플로에 맞춘 인터페이스를 구성하고 획득한 데이터를 활용한 특화 모델을 만들 필요성이 점차 커지고 있습니다. 코히어의 CEO 에이단 고메즈는 “LLM에서 2년 이내에 엑셀과 같은 특화된 서비스를 사용할 수 있게 될 가능성은 점차 높아지고 있지만, 아직은 모델 도입 초기 단계¹³⁾”라고 하면서 앞으로 LLM에 다양한 API와 모델 적용의 필요성을 시사했습니다.

멀티모달로 진화하는 언어모델

구글은 멀티모달(Multimodal) AI인 제미니(Gemini)를 곧 출시할 예정입니다.¹⁴⁾ 텍스트만 처리할 수 있는 기존 유니모달(Unimodel)과 달리 멀티모달 AI는 텍스트뿐만 아니라 음성, 이미지, 영상 등 제한 없이 모두 생성 가능합니다. 예를 들어, 사용자가 음식 사진을 올리면 레시피 아이디어를 제공하거나 점심 식사 장소를 제안할 수 있습니다. 숫자가 포함된 물류 최적화 시뮬레이션 결과를 올리면 해당 내용을 그래프나 도표로 보여주는 식으로도 가능해지는 것이죠. 이에 맞서 오픈AI는 'GPT-비전'이라는 멀티모달 기술을 출시 예정이며, 이를 더욱 강화한 '고비(Gobi)' 프로젝트를 진행 중입니다.¹⁵⁾ 메타도 이미지 생성과 분석을 모두 지원하는 멀티모달 이미지 생성 AI 모델 ‘카멜레온(CM3leon)’을 공개하는 등 LLM에 이어 멀티모달 AI 분야에서 빅테크 기업의 기술 전쟁 2라운드에 돌입한 모습을 보이고 있습니다.¹⁶⁾

오픈AI의 일리야 수츠케버는 AI 신뢰성을 위해 멀티모달과 비전(컴퓨터에 시각을 부여해 이미지를 분석)의 중요성을 강조하였는데 “인간은 고도로 시각화된 동물이기 때문에 GPT-4와 같은 AI 시스템에 시각을 통합하면 신경망(머신 러닝과 인지과학에서 생물학의 신경망에서 영감을 얻은 알고리즘)에서 더 큰 유용성과 잠재력을 발휘할 수 있습니다. 특히 시각을 통합하는 멀티모달은 분석과 추론해야 하는 작업에서 AI의 성능을 크게 향상시킬 수 있습니다¹⁷⁾”고 하였습니다. 코히어의 CEO 에이단 고메즈는 “현재 많은 AI 모델은 말 그대로 눈을 가리고 있는 거나 마찬가지며 우리는 ‘사용자’가 볼 수 있다고 가정하는 수많은 그래픽 사용자 인터페이스(Graphical User Interfaces, GUIs)를 구축해야 합니다¹⁸⁾”라며 기술적인 측면에서 사용자 경험을 개선할 수 있는 멀티모달 기반 서비스 제공의 중요성을 말하였습니다.

멀티모달 기반 AI는 의료 진단, AI 챗봇에서 진화한 AI 가상 비서, 자율주행 차량, 유통 서비스 등 많은 분야에서 활용될 것으로 예상되며 미래의 기술로서 큰 기대를 모으고 있습니다. 예를 들어 자동차 업계에서 자율주행 기술에 기존의 비전 위주의 데이터를 이용한 방법에서 음성, 생체 신호, 제스처 등의 데이터를 추가하게 되면 자율주행 데이터의 정확도를 보다 높일 수 있을 것으로 보고 있습니다. 그런데 멀티모달은 모델은 다양한 데이터 유형과 포맷으로 구성되어 있기 때문에 기술 복잡도가 높을 뿐만 아니라 개인정보 보호법 등으로 모델에게 학습시킬 데이터도 상당히 제한된 상태이기 때문에 만들기가 쉽지 않습니다.

MS는 이렇게 만들기 어려운 멀티모달 AI 모델을 CoDi(Composable Diffusion)라는 새로운 생성형 AI 모델을 통해 기존보다 훨씬 효율적으로 만들 수 있는 방법을 제시한 연구 논문을 발표하였습니다.¹⁹⁾ 데이터 타입에 상관없이 입력받아서 원하는 데이터 타입의 결과물을 만들어 낼 수 있다고 합니다. 멀티모달 모델 데이터 트레이닝을 위한 복잡한 구조를 보다 쉬운 구조로 만들고 더 나아가 어떤 데이터 타입이든지 멀티모달 형태로 만들 수 있는 모델 구조를 만들어 냈다는 것이 논문에서 말하고자 하는 핵심입니다.

CoDi를 통해서 Multi-type Input → Multi-type Output이 가능해집니다

AI 거버넌스 수립 필요성 대두

허깅페이스의 CEO 클레멘트 딜랑크는 “컴퓨팅에 대한 액세스를 민주화하는 데 정부가 참여하면 대학과 독립 조직에 민주화된 컴퓨팅을 제공하고 권력 집중을 방지할 수 있을 뿐만 아니라 투명성을 높여 사회에 긍정적인 영향을 미칠 수 있다²⁰⁾”고 하며 AI 거버넌스의 필요성에 대해서 말하였습니다. 또한 인플렉션의 CEO 무스타파 술레만은 “AI 모델이 확장됨에 따라 오용과 왜곡의 위험이 있으며, 좋은 미래를 만들기 위해서는 정부 기관의 참여와 정치적으로 합법적인 절차를 통해 이 두 가지 문제를 모두 해결하는 것이 중요하다²¹⁾”고 하며 올바른 거버넌스와 감독이 필요함을 시사하고 있습니다. 여기서 AI 거버넌스란 AI의 부작용을 방지하고, AI 서비스 제공자의 신뢰성을 확보하기 위한 조직∙정책∙프로세스 등의 관리 체계를 의미합니다.

생성형 AI 모델은 방대한 양의 데이터를 학습하는데, 이제는 인터넷에 공개된 거의 모든 정보를 학습할 정도로 엄청나게 큰 규모의 데이터세트를 통해 훈련이 이루어집니다. 그런데 이처럼 대규모의 학습 데이터를 구축하고 이를 학습하는 과정에서 대량의 저작물 복제∙전송과 개인정보의 수집∙이용이 이루어지게 되고 그 과정에서 모든 저작권자와 정보 주체의 허락을 받을 수 없기 때문에 저작권 침해 및 개인정보 무단 수집∙이용이 문제 되고 있습니다. 그뿐만 아니라 AI 생태계의 독점화·폐쇄화 문제도 이슈로 부상하고 있는데요. AI 관련 투자와 인력이 글로벌 빅테크 기업이나 세계 최정상급 대학으로 집중되고 있으며, 생성형 AI가 높은 부가가치를 창출할 것으로 예상되자 오픈AI나 구글처럼 AI 기술들에 관련된 정보를 공개하지 않는 경우가 많아지고 있기 때문입니다.

이에 따라 세계 주요 국가들은 AI의 위험을 최소화하고 효과적으로 관리하기 위해 글로벌 차원의 AI 거버넌스 수립에 나서고 있습니다. AI 거버넌스의 핵심은 기업의 혁신 활동의 지나친 규제를 지양하면서도 규제 목적을 달성할 수 있도록 규제 방식과 수준을 정하는 데 있습니다. 미국에서는 2023년 6월 워싱턴 소재 싱크탱크 국제전략문제연구소(CSIS) 행사에서 AI 규제 핵심 원칙을 담은 ‘SAFE 혁신 프레임워크’가 발표되었습니다.²²⁾ 이는 보안(Security), 책임(Accountability), 민주적 토대(Foundations), 설명 가능성(Explainability) 등의 앞 글자를 딴 것으로 앞으로 미 의회에서 만들어질 AI 규제 법안의 기초가 될 전망입니다. 그러나 그 이후 9월 미 연방의회가 개최한 생성형 AI 기술 청문회에 모인 빅테크 수장들은 AI 규제 필요성에 대해서 대체로 공감을 표했지만, 구체적인 규제 방안을 두고는 입장차를 좁히지 못했습니다. 같은 달 유럽 의회 본회의를 통과한 EU AI 법(AI Act)은 EU 이사회 및 집행위원회(EC)와의 3자 협상을 거쳐 26년 시행이 점쳐지고 있습니다.²³⁾ EC가 2년여에 걸쳐 준비하고 올해 들어 생성형 AI 관련 내용까지 추가한 이 법안은 위험성에 따라 4단계로 AI 시스템을 나눠 규제합니다. 생성형 AI 관련해서는 불법적인 콘텐츠를 생성하지 않도록 하는 관리 의무를 기업에 부여한다고 합니다.

한국의 과학기술정보통신부는 디지털 시대의 질서 규범의 기본 방향을 총 6장, 28개 조가 담긴 본문으로 구성된 ‘디지털 권리장전’을 2023년 9월에 발표하였습니다.²⁴⁾ 여기에는 AI의 데이터 무단 학습과 관련해 대가를 지불해야 한다는 원칙이 제시되어 있습니다. 이는 생성형 AI 학습을 위한 데이터 저작권 침해 이슈 관련하여 데이터 보호가 필요하다는 점을 규정한 것입니다. AI가 우리 삶의 일부가 되어가는 만큼 그로 인해 발생할 수 있는 위험들을 관리할 수 있는 AI 거버넌스 운영 방안에 대한 논의가 지속되어야 할 필요성이 있으며 또한 실제 AI 산업 현장의 목소리를 반영하고 실증적인 데이터에 기반한 글로벌 차원의 AI 거버넌스 체계가 수립될 수 있도록 앞으로 활발한 연구와 지원이 필요할 것으로 보입니다.

Conclusion

앞에서 생성형 AI의 다양한 활용 방안과 그 잠재력에 대해서 논의하였습니다. 스탠퍼드대 교수 앤드류 응 교수는 “AI는 전기와 같이 경제·사회 모든 분야에 응용되는 다목적 기술²⁵⁾”이라며 AI가 단순한 기술 혁신이 아닌 사회 구조와 경제 전반에 큰 변화를 가지고 올 핵심 인프라가 될 것으로 보고 있습니다. 그의 의견을 뒷받침하듯 생성형 AI는 현재 연구 개발, 공정 최적화, 시장 예측 등 다양한 분야에서 기존의 방식을 혁신하고 있으며, 이러한 기술의 급격한 발전은 우리의 사고방식과 기술에 대한 접근 방식을 바꿀 것으로 보입니다. 단순히 새로운 기술이나 도구를 제공하는 것을 넘어서, 우리 사회의 가치 체계와 구조 자체에도 변화를 불러오고 있기 때문입니다. 이것은 두 가지 모순적인 잠재력을 동시에 내포하고 있습니다. 하나는, AI의 혁신적인 발전이 새로운 가치와 기회를 만들어 낼 수 있는 잠재력입니다. 반면에, 잘못된 사용 또는 관리가 이루어질 경우 사회적 불평등이나 다른 부정적인 현상을 초래할 위험도 동반됩니다.

References
[1] 머니투데이, 챗GPT가 쏘아올린 공…뭉칫돈 몰린 생성AI '대동여지도' 보니(2023.3.16)
[2] 유튜브, Highlights of the Fireside Chat with Ilya Sutskever & Jensen Huang: AI Today & Vision of the Future(2023.5.17)
[3] 유튜브, Yann LeCun: Meta’s New AI Model LLaMA; Why Elon is Wrong about AI; Open-source AI Models | E1014(2023.05.16)
[4] 유튜브, Clem Delangue: The Ultimate Guide to Investing in AI; Elon's Threat to Sue OpenAI | E1013(2023.5.13)
[5] 테크월드뉴스, 엔비디아, 허깅페이스와 파트너십 발표…AI 슈퍼컴퓨팅 제공(2023.8.10)
[6] Forbes, Vertical AI: The Next Revolution In Generative AI(2023.7.21)
[7] 유튜브, NVIDIA GTC 2022 Spring Keynote(2022.3.23)
[8] 유튜브, Jensen Huang: Generative AI 2.0 and Robotics Revolution | NVIDIA Keynote at COMPUTEX(2023.5.30)
[9] 주간 조선, 신약 개발 새 지평 연 AI... 단백질 구조 생성도 거뜬(2023.1.21)
[10] 유튜브, Dario Amodei(Anthropic CEO) - $10 Billion Models, OpenAI, Scaling, & Alignment(2023.8.8)
[11] 한국일보, 누구나 'AI 비서'와 일하는 시대 성큼...MS "윈도11에 코파일럿 통합"(2023.9.23)
[12] 헤럴드경제, 삼성SDS “생성형 AI로 업무 생산성 혁신 이끌겠다”(2023.09.12)
[13] 유튜브, Scaling LLMs and Accelerating Adoption: Interview with Aidan Gomez(2023.4.12)
[14] 이데일리, 구글 차세대 LLM ‘제미니’가 온다… 연말 생성형 AI 경쟁 격화(2023.9.18)
[15] AI넷, OpenAI Vision 및 OpenAI Gobi(2023.9.27)
[16] 지디넷코리아, 메타, 멀티모달 이미지 생성AI ‘카멜레온’ 공개(2023.7.16)
[17] 유튜브, An observation on Generalization(2023.8.15)
[18] Andreessen horowitz, The Next Token of Progress: 4 Unlocks on the Generative AI Horizon(2023.6.23)
[19] Microsoft Research Blog, Breaking cross-modal boundaries in multimodal AI: Introducing CoDi, composable diffusion for any-to-any generation(2023.6.29)
[20] 유튜브, AI OPENNESS - Hugging Face CEO US Congress Testimony(2023.6.27)
[21] 유튜브, Google's DeepMind Co-founder: AI Is Becoming More Dangerous And Threatening! - Mustafa Suleyman(2023.9.4)
[22] 한국경제, 미국, AI 규제안 틀 공개…"공산당 아닌 우리가 주도해야"(2023.6.22)
[23] 디지털타임스, [훅 들어온 생성형 AI 시대] AI 육성 장려하는 美·日… 韓도 자율 규제로 산업 싹 틔워야(2023.7.14)
[24] 뉴시스, 글로벌 디지털 질서, 韓이 이끈다…디지털 권리장전 발표(2023.9.25)
[25] AI타임스, 앤드류 응 "AI는 이 시대에 등장한 '전기'...사업의 새로운 기회"(2023.7.20)

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

이 글이 좋으셨다면 구독&좋아요

여러분의 “구독”과 “좋아요”는
저자에게 큰 힘이 됩니다.

서보배

삼성SDS 컨설팅팀