생성형 AI 개념의 이해

요즘 계속해서 생성형 AI 라는 용어가 화두인데, 정확한 정의에 대해서는 사람들 모두 조금씩 그 범주가 상이한 것 같다.

예전에 내가 몸담았던 곳에서 추진했던 것들 중 GAN이나 Diffusion, VITS 같은 생성 모델을 활용해서 결과물을 만들어 내는 것이 생성형AI라고 생각했었는데, 정확히는 이게 생성 모델이라고 확인했다.

생성모델은 말 그대로 Text, audio, image 를 생성할 수 있는 알고리즘과 모델 프레임워크, 아키텍처의 집합체라고 하는데, 흔히 회자되는 생성형 AI는 여기에 한 가지 개념이 더 추가되게 된다. 바로 ChatGPT, 즉 LLM 으로 대표되는 '초거대 AI'라는 컨셉이다. 이게 왜 꼭 필요한지는 모르겠으나, 일종의 마케팅 목적이 아닐까 싶다.

실제로 하나의 모델이 특정 목적을 위해 적은 양의 데이터로 학습을 시켜 놓은 것은 Specific 모델이라고 했는데, 그것들이 누적되어 적은 학습 데이터로도 아웃풋을 만들어 낼 수 있을 정도로 많이 학습 시켜 놓은 것은 general/generic 모델이라고 했었다. 즉, Encoder 후 Latent space (Vector)에 아주 많은 데이터로 points를 찍어 놓아 지형도가 섬세하게 그려져 있다면, 다음 output을 창출해 낼 때 더 적은 데이터로 만들 수 있고, input과 output type 이 같으면 (예. text to text, image to image) 스스로 학습할 수 있는 data 를 만들어 낼 수도 있다는 개념, 이걸 auto-encoder라고 한단다. 그리고 여기에 확률적 개념이 들어가면 VAE (Variational Auto-Encoder)라고.

이 개념이 이제 여기 저기서 너도 나도 하겠다는 것이라는 느낌이 강하게 들었다.

그 정도 데이터로 generic 모델을 만들려면(물론, 그 용도와 범주에 따라 상이할 수는 있을 것인데), 일개 회사가 과연 할 수 있을까도 궁금하고, 사실 파다보면 이미 만들어져 있는 초거대 AI 모델에 플러그 인 하거나 Specific domain knowledge를 학습(fine-tuning)하여 쓰고 있는 경우가 많은 것으로 보인다. (plug-in이나 Cohere 등)

 

개념적 정의의 실체야 지속해서 스터디해 나가며 파 보겠지만, Use Case 관점에서 함께 이야기를 나눌 수 있는 분이 계시면 티 타임이라고 한번 간청 드리고 싶다.

'Generative AI (생성 AI) 란? - 개념, fine tuning, 활용'

https://www.thedatahunt.com/trend-insight/generative-ai

Generative AI (생성 AI) 란? - 개념, fine tuning, 활용

 

'AI 이해에 필요한 개념 7가지 - 신경망, LLM, GAN, 컴퓨팅, 블랙박스, 미세조정, 정렬'

https://www.aitimes.com/news/articleView.html?idxno=149738

AI 이해에 필요한 개념 7가지 - AI타임스