단국대학교 생성형 AI 종합안내

챗GPT가 쏘아올린 생성형 AI 열풍! 생성형 AI는 글쓰기, 그림 그리기, 음성 제작 등 다양한 콘텐츠 제작 능력을 보여주고 있는데요. 여기서 발생하는 궁금증 하나! 과연 AI 생성물 저작권은 누구에게 있는 것일까? 세상에 없던 것을 창조한 것이 아닌 기존 저작물을 학습하여 만들어진 결과물이니 자칫 학습한 원작자의 저작권을 침해하는 문제가 발생할 수 있을 거 같은데요. 생성형 AI를 올바르게 사용하기 위해 필요한 윤리 가이드 그 두 번째, 저작권에 대해 자세히 알아보아요! Q1. AI 생성물의 저작권은 누구에게 있나요? 우리나라를 비롯해 대부분 국가는 AI 생성물의 저작권을 인정하지 않습니다. 저작권으로 인정받기 위해서는 인간의 창의성 기술, 노력의 결과로써 만든 고유한 창작물만 저작권법상 저작물로서 보호가 가능합니다! → 원저작자 저작권 침해 관련 지속적 사회적 합의 必 Q2. 생성형 AI를 활용해 콘텐츠를 만들었어요. 저는 저작권을 가질 수 없나요? 현행 저작권법 해석에 따르면 ‘인간의 창작물’만이 저작물 이어서 ‘권리능력을 가진 자연인 또는 법인’만이 저작자로 인정 <저작권법 제2조> ‘저작물’은 인간의 사상 또는 감정을 표현한 창작물을 말한다. ‘저작자’는 저작물을 창작한 자를 말한다. 즉, 생성형 AI가 자동적으로 생성한 결과물은 현행 저작권법의 보호 대상이 아닙니다! 하지만 인간이 AI가 생성한 결과물에 창작적 표현을 추가했다면 그 기여 부분에 대해서는 저작권을 가질 수 있답니다. Q3. 다른 사람이 게시한 생성형 AI 콘텐츠를 재사용하면 저작권 위반일까요? 그렇지 않습니다! 생성형 AI 작성 콘텐츠에는 현행 저작권법상 저작권이 인정되지 않습니다. 생성형 AI 개발사가 이용자들에게 산출물에 대한 모든 권리를 양도하고 상업적으로 판매, 이용할 수 있도록 하고 있더라도 AI 이용자가 산출물의 저작권을 취득한 것이 아니며 타인의 재사용을 금지할 수 있는 권리 또한 없습니다. 단, 생성형 AI가 학습한 원저작물에 대해서는 저작권 침해 문제가 제기될 수 있습니다! 유의사항 하나 더! 생성형 AI를 활용해서 얻은 결과물이라는 출처 표기 필수! Q4. 생성형 AI를 활용해 유명인의 얼굴이 나오는 콘텐츠를 제작했는데 SNS에 업로드 시 초상권이 문제될까요? 그렇습니다. 생성형 AI 결과물이더라도 공인의 초상임을 알 수 있는 콘텐츠는 무단 게시가 불가능합니다. 연예인이나 유명인뿐 아니라 국민이라면 누구나 그의 초상이 허락 없이 촬영, 묘사, 영리적으로 이용되는 것을 거부할 수 있어요. 무단 이용자에 대해 손해배상 청구 및 게시 중단 청구 가능! 생성형 AI가 만든 콘텐츠의 저작권 바로 알기! 다음화에 더 많은 저작권 이슈와 유용한 정보를 가지고 올게요! [출처] 대한민국 정책브리핑(www.korea.kr), https://www.korea.kr/news/top50View.do?newsId=148927815

안전한 멀티 클라우드 데이터 관리의 글로벌 선도 기업 베리타스테크놀로지스 (Veritas Technologies)가 발표한 새로운 조사보고서 '직장에서의 생성 AI(Generative AI in the workplace)'에 따르면 직장 내 생성형 AI에 대한 혼란으로 인해 직원 간 분열이 발생하는 동시에 민감한 정보가 노출될 위험성이 커지고 있는 것으로 나타났다. 이 설문조사는 베리타스테크놀로지스의 의뢰로 영국 런던에 본사를 둔 글로벌 시장조사 기관 3Gem이 지난해 12월 1일 부터 12월 13일까지 실시했다. 표본은 호주(1,000명), 브라질(1,000명), 중국(1,000명), 프랑스(1,000명), 독일(1,000명), 일본(1,000명), 싱가포르(500명), 한국(500명), UAE(500명), 영국(2,000명) 및 미국(2,000명)의 직장인 11,500명으로 구성되었다. 보고서 표지 이미지 조사에 따르면 국내 응답자의 80% 이상(글로벌 평균 71%)이 업무 중에 챗GPT와 같은 생성형 AI 툴을 사용하며 고객 정보, 직원 정보, 회사 재무 정보를 입력하는 등의 위험한 행동을 한 적이 있다고 인정했다. 국내 응답자의 44%(글로벌 평균 53%)가 직장 동료들이 업무에 AI를 활용하는 것은 불공정한 행위이며, 이러한 행위는 업무 경쟁에서 '부정행위'이라고 생각한다고 답했다. 또한, 국내 응답자의 46%(글로벌 평균 39%)가 AI 툴 사용이 초래하는 가장 큰 위협요인으로 민감한 정보 노출 리스크를 꼽았다. 국내 및 글로벌 직장 내 생성형 AI 툴 활용 현황 비교(출처:보고서) 업무에 생성 AI를 활용하는 것에 대한 의견과 관계없이 국내 응답자 94%(글로벌 평균 90%)가 사용에 대한 가이드라인과 정책이 중요하다고 답했지만, 현재 직원들에게 의무적으로 사용 지침을 제공하는 곳은 국내 기업의 40%(글로벌 평균 36%)에 불과한 것으로 나타났다. 생성형 AI 가이드라인과 정책의 부재로 인해 조직이 위험에 노출되고 있다. 국내 직장인의 약 1/3(32%, 글로벌 평균 31%)이 고객 정보, 직원 정보, 회사 재무 정보 등 잠재적으로 민감한 정보를 생성형 AI 툴에 입력한 적이 있다고 인정했다. 설문 결과에 따르면 국내 직장인의 약 절반(46%, 글로벌 평균39%) 정도가 AI 툴 사용이 민감한 정보를 유출할 수 있다고 생각하며, 32%(글로벌 평균 37%)만이 이로 인해 조직이 데이터 개인정보 보호 규정 준수에 위배될 수 있다고 생각하는 것으로 나타났다. 생성형 AI 가이드라인과 정책의 부재로 많은 기업이 기회를 놓치고 있다. 국내 직장인의 57%(글로벌 평균 56%)가 생성형 AI 툴을 매주 사용한다고 답한 반면, 18%(글로벌 평균 28%)는 전혀 사용하지 않는다고 답했다. 이처럼 상당수의 직장인이 생성형 AI를 사용하지 않는 이유는 국내 응답자의 59%(글로벌 평균 57%)만이 소속 조직으로부터 허용되는 것과 허용되지 않는 것에 대한 지침을 받았기 때문일 수 있다. 이는 적어도 두 가지 부정적인 결과를 초래할 수 있다. 첫째, 국내 응답자 중 44%(글로벌 평균 53%)가 생성형 AI를 사용하는 일부 직원들이 그렇지 않은 직원들보다 불공정한 이점을 누린다고 답해 직원 간의 분열과 부정적인 직장 문화가 조성될 가능성이 높아진다. 둘째, 많은 직장인이 생성형 AI를 적절하게 활용해 업무 효율성을 높일 수 있는 기회를 놓치고 있을 수 있다. 예를 들어, 생성형 AI를 사용하고 있는 직장인들은 정보에 대한 빠른 접근(국내 응답자 55% / 글로벌 평균 48%), 생산성 향상(국내 응답자 35% / 글로벌 평균 40%), 새로운 아이디어 창출(국내 응답자 및 글로벌 평균 모두 34%), 업무상 문제를 해결하기 위한 조언 참고(국내 응답자 및 글로벌 평균 모두 22%) 등의 혜택을 누리고 있다고 응답했다. 직원들은 생성형 AI 가이드라인과 정책을 원하고 있다. 국내 직원의 4분의 3 이상(80%, 글로벌 평균 77%)이 조직 내 생성형 AI 사용에 대한 가이드라인, 정책 또는 교육을 제공받기를 원한다고 답했다. 가장 큰 이유로는 직원들이 생성형 AI가 비즈니스에 미칠 수 있는 위험을 줄이기 위해서(국내 응답자 48%/글로벌 평균 43%), 적절한 툴 사용법을 배우기 위해서(국내 응답자 40%/글로벌 평균 68%), 직장에서 공평한 경쟁을 도모하기 위해서(국내 응답자 28%/글로벌 평균 25%) 등이었다. 이상훈 지사장은 설문결과의 메시지는 분명하다며, “생성형 AI의 적절한 사용에 대한 지침과 정책을 신중하게 개발하고 직원들에게 명확하게 전달해야 한다. 그리고 이를 올바른 데이터 규정 준수 및 거버넌스 툴 세트와 결합해 그 이행과 지속적인 활동을 모니터링하고 관리하는 것이 중요하다”고 말했다. 그는 또한 “직원들은 이로 인해 직무 만족도가 상승할 것이고 조직은 위험 요인의 증가 없이 기술의 혜택을 누릴 것"이라고 강조했다. 베리타스코리아 이상훈 지사장은 "생성형 AI 활용 방법이나 활용 여부에 대한 조직 내 지침 없이 일부 직원들은 잠재적으로 조직을 위험에 처하게 할 수 있는 방식으로 AI를 활용하고 있으며, 다른 직원들은 아예 활용을 주저하고 이를 적극 활용하고 있는 동료들을 원망하기도 한다”고 말했다. 또한 이 지사장은 “두 상황 모두 이상적이지 않으며 조직은 규정 준수 위반과 같은 문제에 직면하거나 전체 인력의 효율성을 높일 수 있는 기회를 놓칠 수도 있다”며, ”이와 같은 두 가지 문제 모두 무엇이 허용되고 무엇이 허용되지 않는지에 대한 효과적인 생성형 AI 가이드라인과 정책을 제공함으로써 해결할 수 있다"고 덧붙였다. 출처: 인공지능 신문 (2024.02.23일자)

인공지능(AI)은 컴퓨터가 인간의 지능을 모방하는 기술로, 최근 들어 급격한 발전을 이루고 있다. AI는 다양한 분야에서 활용되고 있으며, 그 활용 범위는 더욱 확대될 것으로 예상된다. AI가 제대로 작동하기 위해서는 적절한 조련이 필요하다. AI 조련(또는 AI 훈련: AI training, AI handling)은 AI가 학습할 데이터를 제공하고, 그 데이터를 통해 AI가 원하는 결과를 도출하도록 하는 과정이다. AI 조련은 AI의 성능을 결정하는 중요한 요소이며, AI 활용의 성공 여부를 좌우할 수 있다. AI 조련은 크게 두 가지 단계로 나눌 수 있다. 첫 번째 단계는 데이터 수집 및 전처리 단계이다. 이 단계에서는 AI가 학습할 데이터를 수집하고, 그 데이터를 AI가 학습하기 쉽도록 전처리한다. 두 번째 단계는 학습 단계이다. 이 단계에서는 AI가 데이터를 통해 학습하고, 그 결과를 바탕으로 원하는 결과를 도출하도록 한다. AI 조련은 다음과 같은 요소들을 고려해야 한다. 데이터의 품질: AI의 성능은 데이터의 품질에 따라 크게 달라진다. 따라서 AI 조련을 위해서는 정확하고 유효한 데이터를 확보해야 한다. ▲데이터의 양: AI는 많은 양의 데이터를 학습해야 성능이 향상된다. 따라서 AI 조련을 위해서는 충분한 양의 데이터를 확보해야 한다. ▲학습 알고리즘: 학습 알고리즘은 AI가 데이터를 학습하는 방법을 결정한다. 따라서 AI 조련을 위해서는 적절한 학습 알고리즘을 선택해야 한다. ▲학습 파라미터: 학습 파라미터는 AI가 학습하는 과정에서 조절하는 변수이다. 따라서 AI 조련을 위해서는 최적의 학습 파라미터를 찾는 것이 중요하다. AI 조련은 많은 시간과 비용이 소요되는 작업이다. 따라서 AI 조련을 위해서는 효율적인 방법을 개발하는 것이 중요하다. 또한, AI 조련의 결과가 편향되지 않도록 주의해야 한다. AI 조련의 중요성은 다음과 같이 요약할 수 있다. AI 조련은 AI의 성능을 결정하는 중요한 요소이다. AI 조련은 AI의 성공 여부를 좌우할 수 있다. AI 조련은 많은 시간과 비용이 소요되는 작업이다. AI 조련의 결과가 편향되지 않도록 주의해야 한다. AI 조련은 AI의 발전에 있어 필수적인 요소이다. AI 조련의 중요성을 인식하고, 효율적인 AI 조련 방법을 개발하기 위한 노력이 필요하다. 다음은 AI 조련의 과제로 제시할 수 있는 내용들이다. ▲데이터의 다양성 확보: AI는 다양한 데이터를 학습해야 성능이 향상된다. 따라서 AI 조련을 위해서는 다양한 데이터를 확보해야 한다. ▲데이터의 균형성 확보: AI는 균형 잡힌 데이터를 학습해야 편향되지 않은 결과를 도출할 수 있다. 따라서 AI 조련을 위해서는 데이터의 균형성을 확보해야 한다. ▲데이터의 기밀성 보호: AI 조련에 사용되는 데이터는 민감한 정보일 수 있다. 따라서 AI 조련을 위해서는 데이터의 기밀성을 보호해야 한다. ▲AI 조련의 자동화: AI 조련은 많은 시간과 비용이 소요되는 작업이다. 따라서 AI 조련의 자동화를 통해 효율성을 높일 수 있다. AI 조련의 과제를 해결하기 위해서는 다음과 같은 노력이 필요하다. ▲데이터 수집 및 관리 기술의 발전: 다양한 데이터를 효율적으로 수집하고 관리할 수 있는 기술이 발전해야 한다. ▲데이터 전처리 기술의 발전: 다양한 데이터의 품질을 향상시키고, 데이터의 균형성을 확보할 수 있는 기술이 발전해야 한다. ▲데이터 보안 기술의 발전: 데이터의 기밀성을 보호할 수 있는 기술이 발전해야 한다. ▲AI 조련 자동화 기술의 발전: AI 조련을 자동화할 수 있는 기술이 발전해야 한다. AI 조련의 과제를 해결하기 위한 노력이 이루어진다면, AI 조련의 효율성이 높아지고, AI의 성능이 향상될 수 있을 것이다. 이상은 AI 조련 또는 AI 훈련의 기본적이고 핵심적인 내용들을 정리한 것이다. 위와 같은 AI 조련은 AI를 오랜 기간 연구한 전문가나 개발자만이 할 수 있을 것이다. 그러나 AI를 39년간 연구해온 필자는 일반인 누구나 쉽게 AI를 조련하는 방법을 개발해서 교육중이다. 방법은 어렵지 않다. 생성형 AI에게 질문만 하는 것이 아니라 AI가 모르는 것을 가르쳐 주면 된다. 가르쳐 줄 때 충분한 근거를 제시해주면 더 잘 알아듣는다. 필자는 AI가 모르는 것 수십 가지를 가르쳐 주고 그 결과를 브랜딩과 홍보 전략으로 활용한다. 이 방법을 전 국민이 잘 활용하면 ‘AI 일상화’와 ‘AI 대중화’가 더 빠르게 진행되고, 우리나라가 AI강국이 되는 것을 앞당길 수 있을 것으로 확신한다. 문형남(숙명여대 경영전문대학원 교수, 한국AI교육협회 회장) 출처 : SDG뉴스(http://www.sdgnews.net)

애리조나대, 챗GPT 효과에 주목 신입생 수학·글쓰기 수업때 활용 맞춤형 개인 AI교사도 구축 예정 ASU는 18일 오픈AI와 파트너십을 맺고 ‘챗GPT 엔터프라이즈’를 대학 차원에서 활용한다고 밝혔다. 오픈AI가 기업이 아닌 대학과 파트너십을 맺은 것은 이번이 처음이다. ASU는 ‘챗GPT 엔터프라이즈’를 도입해 교육은 물론 연구 역량 증진과 개인정보보호·보안 강화에 생성형AI를 활용할 방침이다. 지난해 8월 출시된 챗GPT엔터프라이즈는 기업 고객을 위한 서비스로 사용량 제한이 없고, 개인용 유료 서비스인 GPT-4 플러스보다 성능이 최대 2배 빠르다. ASU는 2월부터 교수진과 교직원들이 참여하는 ‘기업용 챗GPT’를 활용할 아이디어 경연대회를 개최한다. 응모 부문은 학생 성과 증진, 연구혁신, 조직업무 간소화의 3가지 영역이다. 레프 고닉 ASU 최고 정보 책임자(CIO)는 “대학 차원에서 챗GPT 엔터프라이즈를 도입하기 전부터 교직원들이 이미 챗GPT와 인공지능 도구를 사용하고 있었다”면서 “이번 파트너십을 위해 6개월 이상을 준비해왔다”고 전했다. 학교 측은 챗GPT 엔터프라이즈가 기업 등급의 보안 조치를 채택해 프라이버시 침해 우려 없이 안전한 사용자 환경을 제공한다고 덧붙였다. 사진 확대 ASU는 오픈AI와 파트너십을 통해 학생들을 위한 맞춤형 ‘AI 튜터’도 구축할 계획이다. 내 실력에 맞게 가르쳐주는 개인교수인 셈이다. 고닉 CIO는 “STEM(과학, 기술, 공학, 수학)과목은 많은 고등 교육에서 성패를 좌우하는 과목”이라면서 이 분야에 AI 협력이 집중화될 것이라고 설명했다. 또한, ASU에서 가장 많은 학생들이 수강하는 ‘신입생을 위한 글쓰기’수업에도 챗GPT가 도입될 예정이다. ASU는 챗GPT 엔터프라이즈를 활용해 특정 과목을 공부하는 ‘창의적인 친구’ 같은 AI 아바타도 개발한다. 챗GPT 엔터프라이즈 계정은 교수진, 직원, 연구원 계정으로만 사용 가능하고 학생 계정으로는 사용할 수 없다. 접근권한을 원하는 교수진, 직원, 연구자는 2월부터 별도 제안서를 제출해야한다. 아리조나주립대학교처럼 대학이 AI기술을 개방적으로 받아들이는 것은 드문 일이다. ASU는 지난해 8월에는 ‘AI 가속화’팀을 출범시키면서 직접 AI 인프라를 개발하고 있다. 머신러닝 운영(MLOps) 엔지니어, 데이터 과학자, AI 개발 엔지니어로 15명의 팀을 구성했다. ASU는 2016년 이후 US뉴스&월드리포트 평가 순위에서 7년 연속 ‘가장 혁신적인 대학’ 1위로 선정된 곳이다. 마이클 크로 총장은 2002년부터 20년이 ASU의 총장으로 일하면서 대학의 혁신을 이끌고 있다. ASU는 온라인 교육프로그램으로 대학을 개방해 학생 수를 크게 늘렸다. 또한, 에듀테크 기업과 협력해 개인 맞춤형 교육프로그램도 개발했다. 학부는 기존의 학과 중심이 아닌 사회문제나 미래 과제 중심으로 개편했다. 기업들과 다양한 산학협력 프로그램 운영해 자금을 조달하면서 지난 2002년 주정부 지원금 90%로 운영되던 대학이 현재는 의존도가 9%로 낮아졌다. 브래드 라이트캡 오픈AI 최고 운영책임자는 보도자료를 통해 “ASU로부터 많은 것을 배우고 싶다”며 고등 교육 기관에서 챗GPT의 사용을 확대하고 싶다“고 밝혔다. 챗GPT 등장 초기 혼란이 이어지자, 많은 교육기관에서 사용금지령을 내렸다. 미국 뉴욕시 교육부는 지난해 1월 초 모든 공립고에 챗GPT 사용을 금지했고, 시애틀 일부 공립고에서도 챗GPT 사용을 막았다. 영국의 옥스퍼드와 케임브리지 대학도 챗GPT를 금지했다. 챗GPT가 학생들을 대신해 글쓰기를 해줘서 작문 교육을 무너뜨릴 것이라는 우려 때문이다. 여전히 논문 작성과정에서 챗GPT 같은 생성형AI 를 사용하는 것이 문제가 없는지에 대한 논란이 뜨겁다. 중국에서는 생성형AI로 논문을 작성한 대학생은 학위를 박탈해야 한다는 주장도 나왔다. 출처: 매일경제 2024.01.19일자

(사진) AI가 탑재된 메타의 스마트 선글라스. 메타 미라클 레터, 실리콘밸리의 올 AI시장 '10가지 전망' 2023년은 생성형 AI의 한 해라고 말해도 될 정도로 인공지능이 산업과 경제의 중심에 자리 잡았다. 2022년 11월 세상에 등장한 오픈AI의 챗GPT가 엄청난 인기를 얻으면서 전 세계 사람들의 머릿속에 '인공지능(AI)'을 각인시켰다. 미라클레터는 주요 테크 전문 매체와 전문가들의 분석을 통해 2024년 AI산업에서 일어날 일을 예측해봤다. 1. 멀티 모달리티는 모든 AI의 표준이 될듯 2023년 11월 오픈AI가 공개한 GPT4 터보는 멀티 모달리티 능력을 갖췄다. 거대언어모델(LLM)이 텍스트만 이해하는 것이 아니라 이미지와 음성까지 이해하는 능력이다. 12월 공개된 구글 제미나이도 멀티 모달리티 능력을 갖췄다. 이런 멀티 모달리티 능력은 앞으로 나오는 모든 LLM 기반 인공지능의 표준이 될 것이라는 전망이 지배적이었다. 캐시 가오 사파이어벤처스 파트너는 "2024년에는 텍스트, 이미지, 오디오와 같은 데이터가 멀티 모달 형태로 융합하면서 AI에 대한 재정의가 이뤄질 것"이라며 "이러한 모델을 사용하는 스타트업은 더 나은 의사 결정을 가능케 할 뿐 아니라 사용자 경험을 향상할 것"으로 내다봤다. 2. 제미나이 프로 수준의 오픈소스 모델 기대 기업들의 AI 개발 경쟁은 AI 모델과 데이터를 비공개하는 기업 소유 AI와 이를 공개하는 오픈소스 AI의 두 가지 흐름으로 이어지고 있다. 챗GPT, 제미나이, 미드저니 등이 대표적인 기업 소유 AI이며 라마2, 스테이블디퓨전, 미스트랄 등이 대표적인 오픈소스 AI다. 오픈소스 AI는 자금이나 데이터 측면에서 기업 소유 AI보다 불리한 점이 많다. 하지만 개방적인 생태계를 통해서 많은 개발자와 스타트업의 참여를 이끌 수 있다는 강점이 있다. 올해 제미나이 프로나 GPT4 수준에 근접한 오픈소스 LLM이 나올 것이라는 기대가 높다. 오픈소스 AI는 자신의 데이터를 가지고 독자적인 AI를 만들려는 기업들에 유용하다. 마누비르 다스 엔비디아 엔터프라이즈 컴퓨팅 부문 부사장은 "사전 학습된 오픈소스 모델 덕분에 특정 도메인의 문제를 해결하는 생성형 AI 애플리케이션이 기업의 중요 전략이 될 것"이라고 설명했다. 3. 우리가 상상하지 못한 AI 사용 사례가 나온다 2023년 생성형 AI가 가상화폐나 메타버스와 다른 점은 실제 사용 사례가 많다는 점이었다. 챗GPT로 영문 이메일을 쓰고, 콘텐츠용 그림을 생성하거나 코딩을 하는 사용자가 많아졌다. 이런 실사용자가 많아지면서 챗GPT를 만드는 오픈AI는 연간으로 환산 시 매출이 약 2조원에 달할 것으로 예상된다. 올해는 이런 실사용 사례가 더 많이 늘어날 것으로 보인다. 데이원벤처스의 설립자인 마샤 버처 파트너는 "생명공학, 유전체, 기후 등 연구에 AI가 활발히 적용될 것"이라며 "AI가 인간의 의식, 무의식에 대한 지식을 어떻게 풀어 나갈 수 있을지 궁금하다"고 전망했다. 4. GPU 부족 현상 사라지고 추론 비용 경쟁 시작 AI 학습에 사용하는 엔비디아 GPU 부족 덕분에 2023년 등장한 신조어 'GPU 푸어'. GPU를 충분히 확보하지 못한 기업들이 스스로를 자조적으로 부르는 말이었다. 올해 엔비디아 GPU 생산의 병목현상이 해결되고, 비용 경쟁이 본격화될 것으로 예상된다. 특히 AI로 서비스를 제공하는 '추론'에서 제일 경쟁이 치열할 것으로 예상된다. AWS, MS 애저, 구글 클라우드 같은 클라우드 사업자가 자체적인 반도체를 만들고 AMD, 인텔이 자체 AI 반도체를 내놓는 것은 값비싼 엔비디아 GPU보다 저렴한 추론 비용을 제공할 수 있다고 믿기 때문이다. 중국이 직접 만든 AI 반도체 등장도 올해 예상된다. 미국이 엔비디아 GPU의 수출을 막으면서 중국 기업들은 AI를 학습시키는 데 어려움을 겪고 있기 때문이다. 디인포메이션은 중국의 반도체 독립 움직임이 AI 학습용 GPU에도 이어질 것으로 예상했다. 5. 이어폰에 스마트 안경, AI 디바이스로 부상 AI가 멀티 모달리티 기능을 갖추게 되고 AI 와 소통하는 방식이 달라질 것이 예상되면서 새로운 'AI 웨어러블 디바이스'가 부상하고 있다. 샘 올트먼 오픈AI CEO가 투자한 휴메인이 만든 AI 핀과 메타의 스마트 안경이 대표적인 AI 웨어러블이다. 최근 애플의 전설적인 디자이너 조너선 아이브가 설립한 디자인 회사가 AI 기기를 개발하고 있다는 소식은 많은 이들의 관심을 받고 있다. 이 회사에는 올트먼과 소프트뱅크도 관련된 것으로 알려졌다. 이런 측면에서 이어폰도 중요한 AI 디바이스로 떠오를 수 있다. 6. 스마트폰 경쟁에서도 AI가 중심 지난해 12월 구글은 제미나이를 공개하면서 픽셀8 프로에 스마트폰용 AI인 제미나이 나노를 탑재했다. 챗GPT가 등장하면서 개인화된 인공지능 비서가 나올 것이라는 전망이 나왔는데 구글이 한 발 빠르게 움직인 것. 이달 17일 실리콘밸리에서 공개되는 삼성전자의 갤럭시24에도 생성형 AI가 탑재될 것으로 예상된다. 여기에 애플도 아이폰에서 사용할 수 있는 LLM을 개발하고 있는 것으로 알려지면서 생성형 AI가 스마트폰 경쟁에서 중심에 서게 됐다. 핵심은 스마트폰 사용자의 데이터를 모아서 만드는 개인화된 AI 비서다. 테크크런치는 "애플이 독점적인 지위를 통해서 사용자 데이터를 실용적으로 응용하는 데 초점을 맞출 것"이라고 전망했다. 한 단계 업그레이드 된 시리가 나올 수 있다는 것. 클라우드를 거치지 않고 스마트폰이나 PC 처럼 디바이스에서 돌아가는 AI는 '온디바이스AI'라고 불린다. 7. AI의 한계에 대한 회의론 나올수도 현재 시장을 주도하고 있는 생성형 AI는 2017년에 나온 구글의 트랜스포머 모델을 바탕으로 만들어졌다. 특히 언어모델의 매개변수를 크게 하면 할수록 성능이 좋아지는 현상이 나타나면서 반도체에서 '무어의 법칙'과 같은 빠른 혁신이 나타날 수 있었다. 하지만 벌써부터 이런 트랜스포머를 기반으로 하는 AI에 한계가 왔다는 지적도 나오고 있다고 디인포메이션과 테크크런치는 전망했다. 마치 트랜스포머 모델이 과거 인공지능에서 지배적이었던 CNN 모델을 대체했던 것처럼 트랜스포머를 대체할 모델이 나올 것이라는 전망이 많다. 대표적으로 맘바(Mamba)나 LNN(Liquid Neural Network)이 대안으로 언급되는 모델이다. 이런 점에서 2024년은 AI의 한계에 대한 회의론이 나올 가능성이 높다. 8. 국가대표 AI 기업에 돈 쏠려 지난해 생성형 AI가 떠오르면서 자국을 대표하는 AI 기업과 모델을 만들려는 움직임이 커져 가고 있다. AI가 곧 국가 주권과 관련된다는 것으로 이를 '소버린AI'라고 부른다. 국가별로 LLM을 만드는 대표 기업에 많은 돈이 몰리고 있다. 프랑스는 미스트랄, 독일은 알레프알파라는 스타트업이 직접 LLM을 만들고 있는데 미스트랄은 지난해 12월 4억달러, 알레프알파는 11월 5억달러에 달하는 어마어마한 투자를 유치했다. 빅테크 기업들에 안방을 내준 유럽 국가들은 이번에는 똑같은 실수를 반복하지 않겠다는 생각을 하고 있다. 중국 빅테크 기업들도 모두 자체적인 LLM 개발에 나서고 있다. 알리바바, 바이두, 텐센트, 바이트댄스가 모두 LLM을 개발하고 있다. 중국뿐 아니라 한국, 인도, 이탈리아 등도 '소버린AI' 구축에 나서고 있다. 이 같은 생각의 바탕에는 자국 언어로 된 LLM은 자국 기업이 가장 잘 만든다는 생각이 깔려 있다. 9. AI 저작권 이슈 본격 불거질 듯 뉴욕타임스가 오픈AI와 마이크로소프트에 수조 원 규모의 소송을 제기하면서 저작권 이슈가 AI의 중심으로 들어왔다. 뉴욕타임스는 오픈AI가 자신들의 기사를 무단으로 학습했고 이에 대한 적절한 보상을 지불하지 않았다고 주장했다. 또한 구글과 같은 검색 서비스에서는 뉴욕타임스 사이트로 링크를 통해 이동하면서 트래픽이 발생하지만 생성형 AI에서는 이런 트래픽이 나오지 않는다는 점도 지적했다. 이처럼 저작권 이슈가 2024년에는 더욱 많아질 것으로 보인다. 이미 레딧이나 X 같은 곳은 자신들의 데이터를 무단으로 학습에 사용하는 것을 금지시켰다. 10. 전 세계 선거, AI가 만든 가짜 콘텐츠와 전쟁 지난해 조 바이든 미국 대통령이 AI 행정명령을 내놓으면서 AI에 대한 규제가 본격화됐다. 하지만 실제 규제의 효과는 올해부터 발휘될 것으로 예상된다. 무엇보다 올해 중요한 선거가 많다는 점이 중요하다. AI로 만들어진 가짜뉴스와 가짜이미지가 선거에 영향을 미칠 수 있기 때문. 주요 매체들은 AI 가 선거에 미칠 영향에 대해서 우려를 표하고 있다. 또한 이를 계기로 AI에 대한 규제가 더 본격화될 것이라고 전망했다. (출처: 매일경제, 2024-01-08일자, 이덕주 기자 mrdjlee@mk.co.kr)

사람들은 시, 소설, 보고서 등 글쓰기, 그림 그리기, 알고리즘 코딩 등 창작의 세계가 그동안 인간에게만 허락된 별도의 영역이라 알고 있었다. 그런데 AI(인공지능)의 발전과 함께 이제는 진화한 AI가 스스로 창작의 영역을 넘보는 시대가 되었다. 생성형 AI(Generative AI)의 등장은 인간에게 어떤 의미가 있으며 우리의 미래에 어떤 영향을 미칠지 가늠하기 쉽지 않지만, 생성형 AI는 이미 여러 분야에서 현실로 나타나 적용되고 있다. 우리에게 성큼 다가온 생성형 AI의 시장현황, 다양한 이슈와 관심 사항 등을 살펴보기로 하자. [뉴스투데이=최봉 산업경제 전문기자] 2023년은 인공지능(AI), 특히 생성형 AI(Generative AI)의 한 해였다는 의견에 많은 사람이 공감할 것이다. 필자는 2023년을 시작하면서 지난 1월초 가벼운(?) 마음으로 이 생성형 AI 시리즈를 시작했었다. 그런데 Generative AI의 열풍은 필자의 예상을 훨씬 뛰어넘는 광풍 수준이었으며, 여전히 현재진행형으로 전개되고 있다. 한 해 동안 성장하고 진화해온 Generative AI를 따라가기가 버거울 정도였다. 지난 일 년간 Generative AI와 관련하여 어떤 일이 있었고 어떤 이슈가 우리의 관심을 불러일으켰는지 살펴보기로 한다(yahoo finance, 2023.12.15). • OpenAI가 앞서 달리고, 구글은 따라잡으려 안간힘 생성형 AI는 OpenAI가 챗GPT(ChatGPT)를 출시한 2022년 11월부터 실제로 관심받기 시작했다. 이 챗봇은 그 시점까지 역사상 가장 빠르게 성장하는 앱이 되었으며, 단 두 달 만에 월간 사용자가 1억 명에 도달했다. 지난 1월 ChatGPT의 성공을 지켜본 마이크로소프트는 바로 OpenAI에 수년간 100억달러를 투자하겠다고 발표했다(Microsoft Blog, 2023.1.23). 2월, 마이크로소프트가 ChatGPT를 기반으로 하는 자체 AI 챗봇을 출시할 것이라는 소문이 돌자 구글은 바드(Bard) 봇을 선보였다. 하지만 대항마 바드는 제대로 준비 안 된 상태로 “너무 서둘렀다”는 혹평을 받기도 했다(필자의 이 시리즈 (7)편(2023.2.14) 참고). 며칠 후 마이크로소프트는 빙(Bing) 챗봇과 새로운 엣지(Edge) 브라우저를 공개했다. 3월에는 구글이 제한된 수의 사용자에게 바드에 대한 액세스를 허용했으며, 이러한 움직임에 뒤처지지 않기 위해 메타(Meta)의 마크 저커버그( Mark Zuckerberg)는 AI가 자사의 최대 투자분야라고 발표했다(CNN, 2023.3.15). 한편 OpenAI는 지난 3월 14일 대규모 언어 모델(LLM)의 최신 버전인 GPT-4를 발표했다. 구글은 4월에 Google Research와 DeepMind의 Brain AI 팀을 모아 새로운 AI 조직인 ‘Google DeepMind’를 구성한다고 발표했다. 같은 달 아마존은 기업 고객에게 생성형 AI 기반 모델과 자체 Titan 기반 모델에 대한 액세스를 제공하는 Bedrock 플랫폼을 발표했다. 5월, 구글은 Bard 챗봇을 대중에게 공개했으며, I/O 개발자 컨퍼런스에서 구글 검색의 생성형 AI 기반 버전인 ‘Search Generative Experience’를 출시했다. 이에 마이크로소프트는 AI 기반 윈도우 코파일럿(Copilot)을 윈도우 11에 도입한다고 밝히며 반격에 나섰다. 그리고 엔비디아의 시가총액은 처음으로 1조달러를 돌파하며 AI 칩 리더로서의 위상을 확고히 했다. 참고로 12월말 현재 엔비디아의 시가총액은 1조2천억달러에 이른다. • Generative AI 규제 움직임 나타나.. 생성형 AI 도구의 광풍과 함께 부정적인 측면도 드러나면서 이 도구에 대한 규제의 필요성과 자성의 목소리가 점차 높아졌다. 7월에 바이든 행정부는 아마존, 앤트로픽(Anthropic), 구글, 인플렉션(Inflection), 메타, 마이크로소프트, OpenAI로부터 AI 안전 및 개발과 관련된 자발적 규칙을 준수하기로 합의했다고 발표했다(yahoo finance, 2023.7.21). 지난 9월에는 생성형 AI에 좀더 심층적으로 다가가기를 원하는 아마존이 OpenAI 경쟁사인 앤트로픽에 40억달러를 투자한다고 발표했다(Amazon, 2023.9.25). 또한, AI가 부정적인 방식으로 사용될 것이라는 우려가 커지고 의회의 움직임이 보이지 않는 상황에서 바이든 행정부는 AI와 관련된 잠재적인 사이버 보안, 차별 및 성장 문제를 해결하기 위한 행정 명령에 서명했다. OpenAI는 11월에 첫 번째 개발자 이벤트를 개최하여 GPT-4 Turbo라는 더욱 강력한 GPT-4 버전과 GPT Store라는 ChatGPT용 앱 스토어를 공개했다. 그러다가 OpenAI에서 엄청난 사건이 터졌다. 이사회가 CEO인 샘 알트먼(Sam Altman)을 난데없이 해고한 것이다(OpenAI Blog, 2023.11.17). 마이크로소프트가 개입하여 그에게 일자리를 제안했고 수백 명의 OpenAI 직원이 사임하겠다고 위협했으며 OpenAI는 마침내 마이크로소프트의 투표권이 없는 ‘옵서버(observer)’ 역할을 포함하여 일부 새로운 이사회 구성원과 함께 알트먼을 다시 데려왔다(OpenAI Blog, 2023.11.29). 그리고 가장 최근인 12월에 구글은 GPT-4의 경쟁자로서 멀티모달 모델(multi-modal model)인 제미나이(Gemini)를 공개했다. • 2024년에도 Generative AI의 진화와 발전 계속될 것 지금까지 지난 일 년 동안 Generative AI에 있었던 변화무쌍한 일들을 돌이켜보았다. 예상하건대 2024년에도 Generative AI에 대한 관심과 인기는 식지 않을 것이며, 진화와 발전은 계속될 것으로 전망한다. 출처 : [생성형 AI(Generative AI), 인간의 창작 영역을 넘본다! (40)] 2023년 Generative AI를 회고해 본다｜뉴스투데이｜23.12.28

혁신의 상징으로 복잡한 코딩 없이 업무 수행 가능 포천 500대 기업 92%가 활용 국제학술지 네이처는 작년 말 세계 과학계 화제 인물을 선정하는 ‘네이처10’ 명단에 과학자들과 함께 오픈AI의 챗봇 ‘챗GPT’를 올렸다. 사람이 아니라 인공지능(AI) 도구가 뽑힌 건 이번이 처음이다. 리처드 모나스터스키 네이처 수석피처편집자는 이에 대해 “생성형 AI가 과학 발전을 심오한 방식으로 변화시킨 점을 인정해 포함했다”며 “챗GPT는 올해 뉴스를 지배했고, 그 영향력은 과학과 사회 전반에 미쳤다”고 설명했다. 챗GPT는 2022년 11월 등장해 생성 AI 열풍을 몰고 왔다. 출시 두 달 만인 작년 1월 월간활성이용자(MAU) 1억 명을 넘어서면서 인터넷 등장 이후 가장 빠르게 이용자 수가 증가한 서비스가 됐다. 다른 주요 테크기업도 서둘러 챗봇을 내놨지만 챗GPT의 독보적인 입지를 흔들진 못했다. 미국의 온라인 AI 콘텐츠 기업인 라이터버디 조사에 따르면 챗GPT는 지난 1년간(2022년 9월~2023년 8월 기준) 146억 회의 방문 수를 기록하며 경쟁회사를 압도했다. 구글의 챗봇 바드는 2억4160만 회로, 주요 AI 도구 중 6위를 기록했다. 마이크로소프트(MS)의 빙은 상위 10위에 이름을 올리지 못했다. 오픈AI가 생성 AI 흐름을 주도하며 초반에 챗GPT 사용자를 대거 확보한 뒤 경쟁사보다 한발 빠르게 대규모언어모델(LLM)을 업데이트하고 기능과 속도를 개선한 것이 경쟁 우위를 유지한 요인으로 분석된다. 챗GPT에 이어 방문 수가 많은 AI 도구는 캐릭터AI로 38억 회를 기록했다. 1위와 2위 격차가 110억 회가량 차이를 보였다. 라이터버디는 “챗GPT 방문 수가 상위 인기 AI 도구 50개의 전체 방문 트래픽의 60%를 차지한다”고 분석했다. 챗GPT의 가장 큰 장점은 복잡한 코딩이 아니라 인간의 언어로 다양한 업무를 수행할 수 있다는 것이다. 기업은 AI를 적극 도입하며 생산성과 효율성을 끌어올리고 있다. 오픈AI에 따르면 미국 경제지 포천이 선정한 세계 500대 기업의 92%가 챗GPT를 이용하고 있다. 실리콘밸리=최진석 특파원 iskra@hankyung.com 출처 : 생성 AI의 정점 '챗GPT'…1년간 방문 수만 146억｜한국경제｜24.01.02

인공지능(AI) 대전환 시대다. 생성형 AI 기술은 태동기를 넘어 경제·산업 전반에 'AI 트랜스포메이션(AX)'을 불러왔다. 세계는 이제 AI가 가진 기술적 잠재력뿐 아니라 AI 윤리 문제에 대해서도 고민하고 있다. 전자신문은 갑진년 새해를 맞아 우리나라가 나아가야 할 AX 방향성에 대해 AI에게 직접 묻기로 했다. 이번 AI 가상대담에는 대표적 생성 AI 챗봇인 오픈AI '챗GPT'와 구글 '바드'가 참여했다. 초거대언어모델(LLM) GPT-4를 탑재한 챗GPT와 제미나이를 장착한 바드는 산업 AI 전환 필요성과 경제적 효과, 윤리적 문제점과 AX 미래상에 대해 심도있는 대화를 나눴다. 이번 가상대담은 더존비즈온 비즈니스 플랫폼 '아마란스10'을 통해 이뤄졌다. 아마란스10에서 제공하는 'ONE AI' 솔루션에서 기사와 논문 등을 사전 학습시킨 후 동일한 프롬프트를 입력해 질의응답을 이끌어냈다. 챗GPT와 바드는 대답 교차검증을 통해 답변 완성도를 높였다. 참석자=챗GPT-4.0, 바드(Bard) 사회·정리=박준호, 조재학, 강성전 기자 ◇사회=우리 사회에 AI 트랜스포메이션(AX)이 왜 필요한가. ◇챗GPT=AX는 기업이나 사회가 더 효율적으로 운영되고 혁신적 사업 모델을 창출하기 위해 필요하다. AI는 대량의 데이터를 빠르게 분석해 의사결정 과정을 개선한다. 이를 통해 비즈니스 최적화를 추구하고 경쟁 우위를 확보하며 새로운 성장 기회를 만들어낼 수 있다. 또 AI는 미래 사회에서 의료, 교육, 운송·물류, 제조, 금융 서비스 등 다양한 분야에서 중요한 역할을 할 것으로 예상된다. 이러한 변화를 주도하고 관리하기 위해 AX는 필수적이다. ◇바드=AX는 기업이 기존 사업 모델과 작업 프로세스를 버리고 AI 기술을 전사적으로 적용해 사업 모델, 작업 프로세스, 제품, 서비스 등을 처음부터 재창조하는 방식이다. 이는 AI가 사업 중심에 서기 위해 필요한 기반 기술, 사업 프로세스, 조직 문화 등을 포괄적으로 변화시키는 데 초점을 둔다. 빠르게 발전하는 AI 기술이 기업에 새로운 전략을 제시한다. ◇챗GPT=바드의 답변은 잘못된 부분이 없다. 다만 AX가 기업뿐만 아니라 사회 전반에 어떻게 영향을 미치는지에 대해 구체적 예시를 추가할 수 있을 것 같다. 예를 들어 AI는 의료 분야에서 질병의 조기 진단과 치료, 교육 분야에선 개인화된 학습 경험 제공, 운송 분야에선 자율주행 기술 발전 등에 기여해 사회 전반의 질을 높일 수 있다. 따라서 AX가 단순히 기업 경쟁력 향상을 넘어 삶의 질 향상에도 기여할 수 있다. 추가 의견으로는 AX는 기업뿐 아니라 개인에게도 많은 이점을 제공한다. 맞춤형 경험 제공, 업무 효율성 향상, 새로운 기술 습득 등과 같은 이점을 통해 개인의 생활이 더욱 풍요로워질 수 있다. ◇바드=챗GPT의 답변은 AX 필요성과 중요성을 잘 설명하고 있다. 그러나 AX를 성공적으로 수행하기 위해서는 기업이나 사회가 AI 기술에 대한 이해를 바탕으로 적절한 전략을 수립하고, 필요한 인프라를 구축하는 등의 준비 과정이 필요하다는 점을 강조하는 것이 좋겠다. ◇사회=AX가 중요하다고 했는데 그렇다면 기업과 사회는 지금 바로 AX에 나서야 하는건가. ◇챗GPT=그렇다. 기업이 AI를 효과적으로 활용하면 효율성을 극대화하고 맞춤형 경험을 가능하게 만든다. 새로운 비즈니스 모델을 창출하는데도 도움이 된다. 또 AI는 다양한 분야에서 중요한 역할을 할 것으로 기대된다. 이런 이유로 기업과 사회는 지금 바로 AX에 나서는 것이 중요하다. ◇바드=AX는 단순히 AI 기술을 도입하는 것이 아니라 기업의 전체적 운영 방식을 변화시키는 것이기 때문에 신중하게 접근해야 한다. 기업은 AX를 성공적으로 수행하기 위해 AX 목표와 목적을 명확히 하고 전략과 로드맵을 수립해야 한다. AX를 지원할 수 있는 인프라와 기술도 구축해야 하며, 인재 확보와 교육도 중요하다. ◇챗GPT=인재 확보에 관해 첨언하면 기존 직원이 AI에 대한 이해도를 높이는 교육도 필요하다. 그들이 AI를 활용할 수 있는 역량을 갖추도록 도와야 한다. 특히 AX는 단기간에 이뤄지는 것이 아닌, 장기적인 관점에서 접근해야 하는 프로젝트다. 기업은 단기 성과에 집중하기보다는 장기 비전을 설정하고 이를 향해 지속 노력해야 한다. 아울러 AX는 사회 전반에 영향을 미치므로 사회적 책임과 윤리적 고려도 함께 수행해야 한다. ◇사회=기업이 AX를 위해 어떤 준비를 해야 할까. ◇챗GPT=기업은 AI를 이용해 비즈니스 목표를 달성할 수 있는 전략을 수립해야 한다. 또 AI는 대량의 데이터에 의존하기에 기업은 충분하고 정확하며 다양한 데이터를 수집·관리할 수 있는 시스템을 구축해야 한다. AI 전문가를 고용하거나 직원에게 AI 기술 교육을 제공하는 등 인력투자도 필요하다. 개인정보보호, 공정성 등 윤리적 고려사항도 충족해야 하고, AI 성능을 지속 모니터링하고 개선해야 한다는 점도 잊어서는 안된다. ◇바드=맞다. AI 전략 수립, AI 인재 확보, 데이터 수집 및 관리, AI 시스템 개발 및 운영 등이 필요하다. AI 시스템 개발·운영 과정에서 AI 시스템이 윤리적이고 책임감 있게 사용되도록 하는 것도 중요하다. 이를 위해 AI 거버넌스를 구축해야 한다. AI 거버넌스는 AI 시스템 개발, 운영, 사용에 대한 원칙과 절차를 말한다. ◇사회=기업뿐만 아니라 국가와 사회도 AX가 필요할 것 같은데, 정부 또는 사회가 AX로 얻을 수 있는 장점은 어떤 것이 있나. ◇바드=AX는 전반적으로 국가와 사회에 많은 이점을 제공할 수 있는 강력한 도구다. 새로운 산업과 일자리를 창출하고 기존 산업 생산성을 높이는 데 도움이 될 수 있다. 또 범죄 예방, 교통 체증 완화, 환경 보호 등 다양한 사회적 문제를 해결할 수 있다. 그러나 AX의 잠재적 위험을 인식하고 이를 완화하는 조치를 하는 것도 중요하다. ◇챗GPT=추가적으로 AX는 국가와 사회의 의사결정 과정을 더 투명하고 공정하게 만드는 데 도움이 될 수 있다. AI 모델은 공정한 기준에 따라 판단을 내릴 수 있어 사회적 불평등을 줄이고 모든 사람에게 공평한 기회를 제공할 수 있다. 그러나 AI 이러한 잠재력을 최대한 활용하려면 AI 기술을 활용하는 데 필요한 교육과 훈련 그리고 적절한 법적·제도적 프레임워크가 필요하다. 이러한 요소들을 결합할 때 AX는 국가와 사회에 많은 이점을 제공할 수 있다. ◇사회=바드가 AX의 잠재적 위험을 언급했는데, 어떤 위험과 문제가 있을 수 있고 이를 해소하기 위해서는 어떻게 해야 할까. ◇챗GPT=우선 AI는 대량의 데이터를 분석하고 처리하는 데 의존하므로, 데이터 보호와 개인정보보호는 큰 문제다. 이를 해결하기 위해선 강력한 보안 체계와 데이터 처리 규정을 도입해야 한다. AI의 의사결정 과정은 종종 '블랙박스'라고 일컬어질 만큼 그 원리와 과정을 이해하기 어렵다. 이로 인해 발생하는 문제를 해결하기 위해선 AI의 의사결정 과정을 설명할 수 있는 방법을 개발하고 적용하는 것이 필요하다. AI가 인간의 일자리를 대체할 가능성이 있어, 교육 체계 개선과 직업 재교육 프로그램을 통해 사람들이 AI 시대에 필요한 기술을 배울 수 있게 하는 것도 중요하다. AI는 사람의 가치 판단을 대신할 수 없으므로 AI의 결정이 윤리적인 문제를 일으킬 수 있다. AI 윤리적 가이드라인을 수립하고 이를 준수하는 것이 중요한 이유다. 이러한 문제들은 기업뿐만 아니라 사회 전반에서의 노력과 협력을 필요로 한다. ◇바드=챗GPT가 언급한 인간의 일자리 대체, 데이터 보안 및 개인정보 보호 강화뿐만 아니라 AI 알고리즘도 문제가 될 수 있다. 데이터에 기반해 학습하므로 데이터에 편향이 있으면 알고리즘도 편향될 수 있기 때문이다. 이는 불공정한 결과를 초래할 수 있다. 기업은 알고리즘 편향성을 해소하기 위해 다양한 데이터를 수집·분석해야 한다. 또 알고리즘을 개발·사용하는 과정에 전문가 의견을 반영해야 한다. ◇사회=언급한대로 AI 도입을 반대하는 이유 중 하나가 일자리 대체 문제다. 실제로 AI 발전과 인간의 일자리 사이에 어떤 상관관계가 있나. ◇챗GPT=AI와 인간의 일자리 사이의 상관관계는 복잡하다. 일부 직종에선 AI가 인간의 일자리를 대체하고 있다. 예를 들어 구글은 AI 기술을 광고 업무에 활용해 많은 직원을 둘 필요가 없게 됐고, 골드만삭스는 AI가 10년 후 정규직 일자리 3억개를 대체할 것으로 전망했다. 이는 일부 직종에 국한된 사례이며, AI 발전이 반드시 인간의 일자리 감소를 의미하진 않는다. 게다가 AI는 새로운 일자리를 창출할 수 있다. AI 기술이 필요한 새로운 분야가 생기면서, AI 전문가, 데이터 과학자, 로봇공학자 등의 직종이 늘어나는 추세다. 또 AI는 인간의 작업을 대체하기보다는 지원하는 역할을 하는 경우가 많다. AI는 복잡한 데이터 분석, 패턴 인식, 예측 등을 담당하면서 인간은 더 창의적이고 전략적인 업무에 집중할 수 있다. 이렇게 되면 생산성이 향상되고 일자리의 질이 개선될 수 있다. 따라서 AI 발전과 인간의 일자리 사이의 관계는 단순히 '대체'라는 단어로 설명하기엔 매우 복잡하다. AI의 영향을 받는 직종, 직무의 특성, AI 기술 발전 속도와 방향 등 여러 요인이 상호 작용하면서 이 관계는 계속 변화하는 중이다. ◇바드='구글이 AI 기술을 광고 업무에 활용해 많은 직원을 둘 필요가 없게 됐다'는 것은 잘못된 정보다. 구글은 AI 기술을 광고 업무에 활용했지만, 많은 직원을 해고한 것은 아니다. 오히려 AI 기술을 활용해 새로운 일자리를 창출했다. AI가 일자리를 대체하는 것은 불가피한 것이 아니다. AI는 일자리를 보완하고, 인간이 더 창의적이고 생산적인 작업에 집중할 수 있도록 도울 수도 있다. AI가 새로운 제품과 서비스를 개발해 새로운 일자리를 창출할 수 있다. 궁극적으로 AI가 일자리에 미치는 영향은 AI를 어떻게 사용하느냐에 달려 있다. AI를 현명하게 사용하면 인간의 일자리를 보완하고 인간이 더 나은 삶을 살 수 있도록 도울 수 있다. ◇챗GPT=AI와 인간의 일자리 사이의 관계는 단순히 '대체' 혹은 '감소'로만 설명하기보다는, '변화'와 '창출'이라는 키워드를 더욱 강조해야 할 것 같다. AI 발전은 일자리의 질과 구조를 변화시키는 동시에 새로운 기회를 제공하고 있다. 이러한 변화에 능동적으로 대응하고, 필요한 기술과 역량을 키우는 것이 중요하다. ◇사회=구체적으로 어떤 분야 일자리가 창출될 것으로 보나. ◇챗GPT=AI 분석가, AI 개발자, AI 엔지니어, 데이터 사이언티스트 등 대부분 고급 기술 능력을 요구하는 분야에서 이뤄진다. 또 AI를 효과적으로 활용하기 위해 변화하는 비즈니스 모델에 맞춰 AI 전략을 수립·실행하는 AI 전략가나 AI 컨설턴트 등 직업도 새롭게 등장하고 있다. AI가 발전함에 따라 헬스케어, 금융, 제조, 물류, 교육 등 다양한 산업 분야에서 AI를 활용한 새로운 서비스나 제품을 개발하고 관리하는 일자리도 계속 생겨나고 있다. AI 기술 발전과 확산에 따른 일자리 변화는 기회와 도전이 동시에 존재한다. 새로운 직종과 기회가 생기는 반면 기존 일자리가 사라지는 현상도 동시에 발생한다. 이러한 변화에 적응하고 준비하는 것이 중요하며 이를 위해 교육과 훈련, 그리고 적절한 정책 지원이 필요하다. ◇사회=산업별로 봤을 때 AX를 우선 적용했을 때 효용이 큰 산업군을 꼽는다면. ◇챗GPT=먼저 의료 분야에서 AI는 진단·치료 프로세스를 개선하고, 이미지 인식 기술을 통해 질병을 빠르게 발견하고 정확하게 진단하는 데 도움이 될 수 있다. 교육 분야에서도 AI가 학생들의 학습 스타일과 속도를 이해해 가장 효과적인 맞춤형 교육 방법을 제공할 수 있다. 또 자율주행 자동차, 무인 항공기, 배송 드론 등 기술이 실현되면, AI가 모빌리티 분야에서 중요한 역할을 할 수 있다. 금융 서비스 분야에선 AI가 복잡한 금융 데이터를 분석하고 비정상적인 거래 패턴을 찾아내며 자산 관리나 투자 조언을 제공하는 데 활용될 수 있다. 아울러 광고 업계에선 AI를 활용해 광고 생성·판매 과정을 자동화하고 있다. ◇바드=AX는 다양한 산업에서 효용이 큰 것으로 알려져 있다. 그러나 어떤 산업이든 AX 효용을 극대화하려면 해당 산업 특성과 필요성을 이해하고, AI 기술을 적절하게 적용하는 능력이 필요하다. 이를 위해 기업은 AI 모델을 구축·학습·조정·배포할 수 있는 'AI 스튜디오', 데이터에 신뢰성을 더하면서도 확장이 가능한 저장소인 '레이크하우스', AI를 지속 모니터링할 수 있는 'AI 거버넌스' 등이 필요하다. ◇챗GPT=바드 답변을 보강하면 AX 효용은 기업과 산업 특성에 따라 달라질 수 있다는 것을 강조하고 싶다. 예를 들어 데이터 중심의 기업이나 반복적 작업이 많은 산업에선 AI를 도입해 생산성을 향상시키거나 에러를 줄일 수 있다. 반면 창의성이나 인간 감성이 중요한 역할을 하는 산업에선 AI 도입이 인간의 역할을 대체하기보다는 보조적 역할로 사용될 수 있다. 따라서 기업이 AI를 도입할 땐 산업 분야와 목표, 그리고 AI가 제공할 수 있는 가치를 충분히 이해하고 적용해야 한다. ◇사회=챗GPT가 지적한 것처럼 AI 적용으로 큰 효과를 기대하기 어려운 분야도 있다. ◇바드=인문학 분야에서 AI 적용이 상대적으로 제한적인 것은 사실이지만, AI가 인문학 분야에서 전혀 사용되지 않는 것은 아니다. 이미 AI는 문학 작품 분석, 음악 작곡, 그림 그리기 등에 사용하고 있으며, 의료 진단, 자율주행 자동차, 항공기 운항 등 신뢰성이 중요한 분야에서도 사용된다. 또 인간의 감성적인 요소가 중요한 서비스 분야에서도 활용된다. 고객 서비스, 상담, 교육 등이 대표적이다. 물론 AI가 아직 모든 분야에 적합하지 않은 것은 맞다. AI를 적용할 땐 해당 분야의 특성을 고려하고 AI가 인간의 역할을 대체할 수 있는지 신중하게 판단해야 한다. ◇챗GPT=AI 기술의 적용 범위는 매우 넓지만, 모든 분야에서 AI가 반드시 필요하다고는 말할 수 없다. 예술, 문학, 철학과 같은 인문학 분야에선 AI 적용이 상대적으로 제한적일 수 있다. 이러한 분야에선 인간의 창의성, 감성, 직관 등이 중요한 역할을 하기 때문이다. 또 신뢰성과 안전성이 매우 중요한 분야에선 AI의 적용에 신중할 필요가 있다. 법률, 의료, 원자력 발전 등 분야에선 AI의 잘못된 판단이 심각한 결과를 초래할 수 있다. 이러한 분야에서 AI는 결정을 내리는 것이 아니라, 전문가들을 보조하는 역할을 하는 것이 적절하다. 인간의 감성적인 요소가 중요한 서비스 분야에서도 AI 적용에 한계가 있을 수 있다. 상담사, 심리치료사, 간호사 등 직업군에선 AI보다는 인간의 따뜻한 마음과 감성적인 이해가 더 중요하다. ◇사회=이제 한국 상황을 한번 살펴보자. 한국 AI 산업은 현재 어떤 수준이며 어떻게 발전할 것으로 예상하나. ◇챗GPT=한국의 AI 산업은 세계적으로 상위권에 속해 있다. 이는 한국의 과학기술 분야, 특히 정보기술(IT) 발전과 교육 정책, 정부 지원 등이 결합해 만들어 낸 결과다. 한국은 세계 최고의 IT 하드웨어를 생산하는 기업들을 보유하고 있고, AI 교육에 많은 투자를 하고 있다. 또 한국 정부는 AI 분야를 적극 지원하고 있다. 미래에는 한국 AI 기술 수준이 더욱 빠르게 발전할 것으로 예상된다. 특히 코로나19 팬데믹 이후 AI 기술을 활용한 의료 서비스, 원격 교육, 원격 업무 등이 활발하게 진행되고 있어 관련 분야에서 AI 활용이 더욱 확대될 것으로 보인다. 그러나 아직 한국엔 AI 발전을 위한 프레임워크, 데이터 활용, 투명성, 개인정보 보호 등과 같은 문제들이 산재해 있다. ◇바드=한국 정부는 AI 분야에 대한 지원을 적극적으로 하고 있으며, AI 산업 발전을 위해 다양한 정책을 마련하고 있다. 한국 AI 산업은 앞으로도 지속 성장할 것으로 예상되며 세계적인 AI 강국으로 발돋움할 것으로 기대된다. ◇사회=한국이 성공적으로 AX를 추진한다면 어떤 성과를 거둘 수 있을까. ◇챗GPT=AX는 기업 생산성을 향상시키고, 새로운 비즈니스 모델을 창출해 경제 성장에 기여할 수 있다. AI 기술을 활용한 새로운 기업이 생겨나고 기존 기업이 AI를 활용해 비즈니스를 확장하면 새로운 일자리를 창출하고 국내총생산(GDP) 증가에 이바지할 수 있다. 또 AI를 효과적으로 활용하는 기업은 경쟁력을 높일 수 있다. 특히 IT, 제조, 의료, 교육 등 다양한 분야에서 제품과 서비스 품질을 높이고 비용을 절감할 수 있다. 빠른 시간 내 새로운 제품을 개발하고 시장에 출시하는 등 경쟁 우위를 확보할 수 있다. AI는 국가 안보 분야에서도 중요한 역할을 한다. AI가 사이버 공격을 감지하고 대응하는 데 활용될 수 있으며, 국방 시스템의 효율성과 정확성을 높일 수 있다. ◇바드=AX는 새로운 산업과 일자리를 창출해 경제 성장을 촉진할 수 있다. AI를 활용해 교통 체증을 완화하거나 범죄를 예방하는 등 사회문제도 해결할 수 있다. 새로운 산업을 창출하는 동시에 기존 산업을 혁신할 수 있다. 〈AI끼리 가상대담 진행해보니〉 대표적 생성 AI 챗봇인 오픈AI '챗GPT'와 구글 '바드'에게 바람직한 미래 AI 대전환 방향을 들었다. 가상대담에 앞서 챗GPT와 바드에게 기존 기사와 자료를 통해 AI 트랜스포메이션(AX) 정의와 내용에 대한 학습 과정을 거쳤다. 챗GPT와 바드는 사회자가 묻는 AX 관련 질문에 각각 답변을 내놨다. 이후 서로의 답변에 대해 오류를 지적하거나 보완사항 등을 제시하며 토론을 펼쳤다. 교차검증 과정을 통해 답변의 질을 높였다. 사회자는 중간에 관여해 새로운 질문으로 대담을 이어갔다. 챗GPT와 바드는 사전에 학습한 기사와 자료 핵심을 정리해서 보여줬고, 자료에 없지만 학습하고 있는 내용도 정리해서 제공했다. 서로 의견에 동감 또는 반박하며 답변을 주고 받았다. 기초적 자료만을 학습했을 때는 원론적 내용만 답변했지만 전문적인 내용을 추가 학습할수록 AI 답변이 더 구체화되는 모습을 보여줬다. AI 시대 핵심 자산은 데이터임을 재확인하는 순간이었다. 이번 대담에서는 생성 AI가 지닌 신뢰성 문제도 보완책을 제시했다. AI 챗봇은 사람의 문장을 이해하고 요구하는 대로 답변을 수려하게 생성하지만 환각 현상(할루시네이션) 부작용에 노출돼있다. 신뢰성을 높이기 위해 검색과 추론, 답변에 최적화된 딥러닝 기술을 적용했다. 사전 프롬프트를 통해 원문에 근거한 응답만 생성하도록 강화 학습을 적용했고, 각자의 답변에 대한 보완과 평가를 반복하는 교차검증을 통해 신뢰도를 높였다. 출처 : [2024 신년기획-AI 가상대담]챗GPT와 바드, AX를 말하다｜전자신문 etnews｜24.01.01

인공지능(AI)은 산업계 전반에서 혁신적인 신기술에 주목하면서 '생성 AI', '사전 훈련된 생성 변환기(Generative pre-trained transformer, GPT)'와 같은 새로운 용어와 함께 '대형언어모델(LLM)', '검색 증강 생성(Retrieval Augmented Generation, RAG)'도 등장했다. 올 한 해는 오픈AI의 챗GPT로 시작해서 구글 '제미나이'로 맺으며 전 세계에서 생성 AI와 LLM은 놀라운 주목을 받았으며, 큰 화제를 불러일으켰다. 많은 기업이 텍스트, 음성과 비디오를 수집해 생산성, 혁신과 창의성에 혁명을 일으킬 수 있도록 새로운 콘텐츠를 만들어내는 능력을 활용하기 위해 노력하고 있다. 기업들은 이러한 추세에 부응하고 있다. 맥킨지 & 컴퍼니(McKinsey & Company)에 따르면, 기업 데이터로 훈련된 오픈AI(OpenAI)의 챗GPT(ChatGPT)와 같은 딥러닝 알고리즘은 63개의 비즈니스 사용 사례에서 연간 2조 6천억 달러에서 4조 4천억 달러에 해당하는 가치를 창출할 수 있다. 하지만 방대한 양의 내부 데이터 관리는 AI 확장의 가장 큰 걸림돌로 여겨진다. 일부 AI 전문가들은 2024년에는 클라우드 서비스 제공업체, 데이터 스토리지와 분석 기업, 또는 빅데이터를 효율적으로 처리, 미세 조정, 배포의 노하우를 가진 다른 기업과의 파트너십, 협업을 구축하는 것이 중요해질 것이라고 예측한다. 이 모든 것의 중심에는 LLM이 있다. 전문가들은 LLM 연구의 발전이 비즈니스와 엔터프라이즈 애플리케이션에 점점 더 많이 적용될 것이라고 예상한다. RAG, 자율 지능형 에이전트, 멀티모달 인터랙션과 같은 AI 기능은 거의 모든 플랫폼을 통해 더욱 쉽게 액세스하고 배포할 수 있다. 여기에, 엔비디아 마누비르 다스(MANUVIR DAS) 엔터프라이즈 컴퓨팅 부문 부사장을 비롯한 엔비디아 17명의 전문가들이 AI에 대한 2024년 전망을 7일(현지시간) 발표했다. 그들이 바라보는 2024년의 인공지능을 살펴본다. 맞춤형 솔루션이 필요하다! 마누비르 다스(MANUVIR DAS) 엔터프라이즈 컴퓨팅 부문 부사장: 기업에도 커스터마이징이 도입되고 있다. 기업들은 한두 개의 생성형 AI 애플리케이션을 보유하는 것이 아니라, 비즈니스의 다양한 부분에 적합한 독점 데이터를 사용해 수백 개의 맞춤형 애플리케이션을 보유하게 된다. 프로덕션 단계에서 이러한 맞춤형 LLM이 실행되면 데이터 소스를 생성 AI 모델에 연결해 보다 정확하고 정보에 입각한 응답을 제공하는 RAG 기능을 갖추게 된다. 암독스(Amdocs), 드롭박스(Dropbox), 제넨테크(Genentech), SAP, 서비스나우(ServiceNow), 스노우플레이크(Snowflake) 등과 같은 선도적인 기업들은 이미 RAG와 LLM을 통해 새로운 생성형 AI 서비스를 구축하고 있다. <오픈소스 소프트웨어가 주도하고 있다>사전 훈련된 오픈소스 모델 덕분에 특정 분야의 문제를 해결하는 생성형 AI 애플리케이션이 기업 운영 전략의 일부가 될 것이다. 기업이 이러한 선행 모델을 비공개 또는 실시간 데이터와 결합하면 조직 전반에서 생산성과 비용의 이점을 가속화할 수 있다. 클라우드 기반 컴퓨팅과 AI 모델 파운드리 서비스부터 데이터센터, 엣지, 데스크톱에 이르기까지 거의 모든 플랫폼에서 AI 컴퓨팅과 소프트웨어에 더욱 쉽게 액세스할 수 있다. <상용 AI와 마이크로서비스>생성형 AI는 개발자가 복잡한 애플리케이션을 더 쉽게 구축할 수 있도록 애플리케이션 프로그래밍 인터페이스(API) 엔드포인트의 채택에 박차를 가했다. 2024년에는 개발자가 서비스형 RAG와 같은 AI 마이크로서비스를 통해 상용 AI 모델을 커스터마이징함에 따라 소프트웨어 개발 키트와 API의 수준이 높아질 예정이다. 따라서 기업은 최신 비즈니스 정보에 액세스할 수 있는 지능형 어시스턴트와 요약 툴을 통해 AI 기반 생산성의 잠재력을 최대한 활용할 수 있다. 개발자는 모델과 프레임워크를 지원하는 데 필요한 인프라를 유지 관리할 걱정 없이 이러한 API 엔드포인트를 애플리케이션에 직접 임베드할 수 있다. 최종 사용자는 자신의 필요에 맞게 조정되는 보다 직관적이고 반응이 빠른 맞춤형 애플리케이션을 경험할 수 있다. 우주를 향한 도약 이안 벅(IAN BUCK) 하이퍼스케일과 HPC 부문 부사장: AI는 새로운 우주 경쟁이 될 것이며, 모든 국가는 연구와 과학의 획기적인 발전을 주도하고 GDP를 개선하기 위해 자체적으로 우수 센터를 구축하고자 한다. 수백 개의 가속 컴퓨팅 노드만 있으면 각국은 고효율, 대규모 성능의 엑사스케일 AI 슈퍼컴퓨터를 빠르게 구축할 수 있다. 정부가 자금을 지원하는 생성형 AI 우수 센터는 새로운 일자리를 창출하고 차세대 과학자, 연구자, 엔지니어를 양성하는 대학 프로그램을 강화하여 국가의 경제 성장을 촉진한다. <양자 도약과 한계> 기업 선두주자들은 두 가지 주요 동인을 기반으로 양자 컴퓨팅 연구 이니셔티브를 시작할 것이다. 이는 기존 AI 슈퍼컴퓨터를 사용해 양자 프로세서를 시뮬레이션하는 능력과 하이브리드 클래식 양자 컴퓨팅을 위한 개방적이고 통합된 개발 플랫폼의 가용성이다. 개발자는 양자 알고리즘을 구축하기 위한 맞춤형 전문 지식이 필요 없이 표준 프로그래밍 언어를 사용할 수 있다. 한때 컴퓨터 과학의 틈새 분야로 여겨졌던 양자 컴퓨팅에 대한 탐구가 주류가 될 것이다. 기업이 학계, 국립 연구소와 함께 재료 과학, 제약 연구, 아원자 물리학, 물류 분야의 급속한 발전을 추구함에 따라 양자 컴퓨팅은 더욱 보편화될 것이기 떄문이다. RAG에서 부에 이르기까지 카리 브리스키(KARI BRISKI) AI 소프트웨어 부문 부사장: 2024년에 기업들이 AI 프레임워크를 도입함에 따라 RAG에 대해 더 많은 이야기를 들을 수 있을 것으로 예상한다. 기업이 생성형 AI 애플리케이션과 서비스를 구축하기 위해 LLM을 훈련할 때, 부정확하거나 무의미한 답변에 RAG를 해결책으로 사용하고 있다. 이러한 문제는 모델이 특정 사용 사례에 대한 정확하고 관련성 있는 정보에 충분히 액세스하지 못할 때 종종 발생한다. 기업은 의미적 인출(semantic retrieval)을 통해 오픈 소스 기초 모델을 가져와 자체 데이터를 수집한다. 따라서 사용자 쿼리가 인덱스에서 관련 데이터를 검색할 수 있도록 한 다음 런타임에 모델에 전달할 수 있다. 결론적으로 기업은 의료, 금융, 소매, 제조 등의 분야에서 더 적은 리소스로 더욱 정확한 생성형 AI 애플리케이션을 구현할 수 있다. 최종 사용자는 데이터와 자연스럽고 직관적으로 대화할 수 있는 보다 정교하고 상황에 맞는 멀티모달 챗봇과 맞춤형 콘텐츠 추천 시스템을 기대할 수 있다. <멀티모달리티가 진가를 발휘한다> 텍스트 기반 생성형 AI는 이제 과거의 일이다. 생성형 AI가 아직 초기 단계에 있지만, 많은 업계에서 멀티모달 LLM을 도입할 예정이다. 이를 통해 소비자는 텍스트, 음성, 이미지를 조합해 표, 차트 또는 도식에 대한 쿼리에 대해 보다 맥락에 맞는 답변을 제공할 수 있다. 메타(Meta), 오픈AI와 같은 기업은 감각에 대한 지원을 강화해 멀티모달 생성형 AI의 경계를 넓히고자 한다. 이는 물리 과학, 생물 과학, 사회 전반의 발전으로 이어질 것이다. 기업은 데이터를 텍스트 형식뿐만 아니라 PDF, 그래프, 차트, 슬라이드 등으로도 이해할 수 있다. AI 안전에 대한 목표 설정 니키 포프(NIKKI POPE) AI와 법률 윤리 부문 책임: 선도적인 AI 조직 간의 협력은 강력하고 안전한 AI 시스템의 연구 개발을 가속화한다. 업계 전반에서 채택될 새로운 표준화된 안전 프로토콜과 모범 사례를 통해 생성형 AI 모델 전반에 걸쳐 일관되고 높은 수준의 안전을 보장할 수 있을 것으로 기대한다. 기업들은 AI 시스템의 투명성과 해석 가능성에 더욱 집중하고, 새로운 도구와 방법론을 사용해 복잡한 AI 모델의 의사결정 과정을 밝힐 것이다. 생성형 AI 생태계가 안전을 중심으로 재편됨에 따라 AI 기술이 더욱 안정적이고 신뢰할 수 있으며 인간의 가치에 부합하는 방향으로 발전할 것으로 예상된다. 인공지능 개발의 대중화 리차드 캐리스(RICHARD KERRIS) 개발자 릴레이션 부문 부사장 겸 미디어 및 엔터테이먼트 책임: 사실상 모든 사람이 어디에서나 개발자가 될 수는 시대가 도래할 것이다. 기존에는 애플리케이션이나 서비스를 개발하려면 특정 개발 언어를 알고 능숙하게 사용할 수 있어야 했다. 컴퓨팅 인프라가 점점 더 소프트웨어 개발 언어에 대한 훈련을 받게 되면서 누구나 애플리케이션, 서비스, 디바이스 지원 등을 기계가 만들도록 명령할 수 있게 될 것이다. 기업은 AI 모델, 기타 전문 애플리케이션을 구축하고 훈련하기 위해 계속해서 개발자를 고용하겠지만, 맞춤형 제품과 서비스를 구축할 수 있는 적절한 기술을 갖춘 사람이라면 누구나 훨씬 더 광범위한 기회를 만날 수 있을 것으로 기대한다. 텍스트 입력이나 음성 안내를 통해 도움을 받을 수 있어 구두로 지시하는 것만큼 간단하게 컴퓨터와 상호 작용할 수 있다. <영화와 노래 속 나우 앤 덴(Now and Then)> 더 팹 포(The Fab Four)의 ‘새로운’ AI 증강 노래가 비틀마니아의 새로운 흐름을 촉진시킨 것처럼, 최초의 생성 AI 장편영화의 등장은 영화 산업에 충격파를 불러일으킬 것이다. 35mm 필름 카메라로 촬영하는 영화 제작자는 동일한 콘텐츠를 생성형 AI를 통해 70mm 영화로 제작할 수 있다. 이를 통해 IMAX 포맷의 영화 제작에 드는 막대한 비용을 절감하고, 더욱 많은 감독들이 참여할 수 있다. 크리에이터는 컴퓨터에 텍스트, 이미지 또는 동영상을 입력하여 아름다운 이미지와 동영상을 새로운 유형과 형식의 엔터테인먼트로 변환할 수 있다. 일부 전문가들은 자신들의 기술이 대체될 것을 우려하지만, 생성형 AI가 특정 작업에 대한 훈련 능력이 향상되는 것이기 때문에 이러한 문제는 사라진다. 따라서 다른 작업에 집중할 수 있는 여유가 생기고 아티스트 친화적인 인터페이스를 갖춘 새로운 툴이 등장할 수 있다. AI 수술 어시스턴트 킴벌리 파월(KIMBERLY POWELL) 헬스케어 부문 부사장: 이제는 외과의가 음성으로 수술실 안팎에서 보고 파악한 것을 증강할 수 있다. 기기, 이미징, 로보틱스, 실시간 환자 데이터를 AI와 결합하면 외과의의 훈련이 개선되고, 보다 맞춤형 수술이 가능해지며, 원격 수술 중에도 실시간 피드백과 안내를 통해 안전성이 향상될 것이다. 이는 특히 저소득과 중저소득 국가에서 수술이 필요하지만 시행되지 못하는 약 1억 5천만 건의 수술 격차를 줄이는 데 도움이 될 것이다. <생성 AI 신약 개발 공장> 생성형 AI 분자 생성, 특성 예측과 복잡한 모델링이 지능형 랩 인 더 루프(lab-in-the-loop) 플라이휠을 구동하고 있다. 이에 따라 임상적으로 실행 가능한 약물 후보 발견 시간을 단축하고 품질을 개선하는 새로운 신약 개발 프로세스가 등장하고 있다. 이러한 AI 신약 개발 공장은 전체 게놈, 원자 분해 기기, 연중무휴 24시간 가동되는 로봇 실험실 자동화를 바탕으로 방대한 의료 데이터 세트를 활용한다. 이제 컴퓨터는 방대하고 복잡한 데이터 세트 내에서 패턴과 관계를 학습하고, 이전에는 시간이 많이 걸리는 실험 관찰과 인간이 종합적 판단을 통해서만 발견할 수 있었던 복잡한 생물학적 관계를 생성, 예측, 모델링할 수 있다. 기업 맞춤형 LLM 클라우드 전환 찰리 보일(CHARLIE BOYLE) DGX 플랫폼 부문 부사장: 2023년에 기업들은 LLM을 처음부터 구축하는 것이 쉽지 않다는 것울 깨달았다. 신규 인프라와 기술에 투자해야 한다는 사실에 부담을 느끼는 기업이 많았으며, 다른 기업 이니셔티브의 우선순위를 언제 어떻게 정해야 하는지 파악하는 데에도 어려움을 겪었다. 클라우드 서비스 제공업체, 코로케이션 제공업체, 다른 기업을 위해 데이터를 처리하고 프로세싱하는 업체들은 풀스택 AI 슈퍼컴퓨팅과 소프트웨어로 기업을 지원할 것이다. 이를 통해 사전 훈련된 모델을 맞춤 설정하고 산업 전반에 걸쳐 더 쉽게 배포할 수 있다. <엔터프라이즈 데이터 레이크에서 LLM 추출> 여러 통계에 따르면 일반적인 기업도 대량의 정보를 저장하고 있다. 대기업의 경우 그 정보는 수백 페타바이트에 달할 수 있다. 하지만 많은 기업이 실행 가능한 인사이트를 얻을 수 있는 데이터의 절반에도 미치지 못하는 정보를 얻어내고 있다고 보고한다. 2024년부터는 생성형 AI를 사용해 비식별 데이터를 활용, LLM을 구축하고 맞춤화하기 시작할 것이다. 기업은 AI 기반 슈퍼컴퓨팅을 통해 채팅, 동영상, 코드 등 비정형 데이터를 획득해 생성형 AI 개발을 멀티모달 모델 훈련으로 확장할 것이다. 이러한 도약으로 표와 기타 정형 데이터를 수집하는 기능을 뛰어넘어 질문에 대한 보다 구체적인 답변을 제공하고 새로운 기회를 찾을 수 있다. 여기에는 건강 검진 시 이상 징후 감지, 소매업의 새로운 트렌드 발견, 기업 운영 안전성 향상이 포함된다. 생성형 AI 쇼핑 어드바이저 아지타 마틴(AZITA MARTIN) 소매와 소비자 패키지 그룹, 퀵 서비스 레스토랑 부문 부사장: 소매업체는 고객이 원하는 상품과의 연결뿐만 아니라 개개인의 니즈와 선호도에 맞는 수준 높은 인간적인 옴니채널 쇼핑 경험 제공이라는 두 가지 과제를 안고 있다. 이러한 목표를 달성하기 위해 소매업체들은 최첨단 생성형 AI 기반 쇼핑 어드바이저 도입을 준비하고 있다. 이는 소매업체들의 고유한 브랜드, 제품, 고객 데이터에 대한 세심한 훈련을 거쳐 인간 비서의 전문성을 재현해 브랜드에 적합한 맞춤형 쇼핑 여정을 안내한다. 이러한 혁신적인 접근 방식은 개인 맞춤형 지원을 제공함으로써 브랜드를 차별화하고 고객 충성도를 높이는 데 도움이 된다. <안전한 환경 구축> 전 세계적으로 조직화된 소매업 범죄가 점점 더 정교해지고 조직화됨에 따라 소매업체는 더욱 큰 어려움에 직면하고 있다. 전미(全美)소매업연합회(The National Retail Federation)는 팬데믹 이후 소매점 절도가 급증하면서부터 소매업 범죄 경험 사례가 26.5% 늘어났다고 보고했다. 고객과 직원 모두를 위한 매장 내 경험의 안전과 보안을 강화하기 위해 컴퓨터 비전과 물리적 보안 정보 관리 소프트웨어를 사용해 서로 다른 보안 시스템에서 이벤트를 수집하고 상호 연관성을 파악하기 시작할 것이다. 이를 통해 AI는 무기 소지나 선반에서 물건을 대량으로 가져가는 것과 같은 비정상적인 행동을 감지할 수 있다. 이로써 범죄 활동을 사전에 차단하고 보다 안전한 쇼핑 환경을 유지할 수 있도록 지원할 것이다. 산업 디지털화와 생성형 AI의 만남 레브 레바레디안(REV LEBAREDIAN) 옴니버스(Omniverse) 및 시뮬레이션 기술 부문 부사장: 산업 디지털화와 생성형 AI의 융합으로 산업 혁신이 촉진될 전망이다. 생성형 AI는 기하학, 빛, 물리학, 물질, 행동과 같은 물리적 세계의 측면을 디지털 데이터로 더 쉽게 전환할 수 있도록 지원한다. 물리적 세계의 디지털화는 산업 기업의 혁신을 가속화해 제품을 보다 효율적으로 설계, 최적화, 제조, 판매할 수 있도록 한다. 또한 가상 훈련장과 합성 데이터를 보다 쉽게 생성해 자율 로봇, 자율주행차 등 물리적 세계 내에서 상호 작용하고 작동하는 차세대 AI를 훈련할 수 있다. <3D 상호 운용성 실현> 드로잉 보드에서 공장 현장까지 최초로 데이터 상호 운용이 가능해질 것이다. 제조, 제품 디자인, 소매, 전자상거래, 로보틱스 산업에서 세계에서 가장 영향력 있는 소프트웨어와 실무 기업들이 새로 설립된 오픈USD(OpenUSD) 얼라이언스에 참여하고 있다. 3D 툴과 데이터 간의 범용 언어인 오픈USD는 데이터 사일로를 허물어 데이터 레이크, 툴 시스템, 전문 팀 간 그 어느 때보다 쉽고 빠른 협업을 지원할 것이다. 이로써 기존의 번거롭고 수동적이었던 산업 프로세스 디지털화를 가속할 수 있게 된 것이다. 차량 생산 수명 주기 현대화 신저우 우(XINZHOU WU) 오토모티브 부문 부사장 겸 총괄: 자동차 업계는 생성형 AI를 도입해 차량의 내부와 외부 모습을 정확히 보여주는 물리적으로 정확하고 사실적인 렌더링을 제공할 것이다. 동시에 설계 검토 시간을 단축하고 비용을 절감하며 효율성을 개선한다. 더 많은 자동차 제조업체가 스마트 팩토리에 해당 기술을 도입해 설계와 엔지니어링 툴을 연결해 생산 시설의 디지털 트윈을 구축할 것이다. 이를 통해 공장 라인을 중단할 필요 없이 비용을 절감하고 운영을 간소화할 수 있다. 생성형 AI는 소비자 조사와 구매를 더욱 상호 작용적인 방식으로 변화시킬 것이다. 자동차 컨피규레이터와 3D 시각화부터 증강 현실 데모와 가상 시승까지 소비자는 더욱 매력적이고 즐거운 쇼핑 경험을 할 수 있다. <안전성 확보> 생성형 AI는 자동차 제품 수명 주기 외에도 자율주행차(AV) 개발에서도 획기적인 발전을 이룰 수 있다. 여기에는 기록된 센서 데이터를 완전한 상호작용형 3D 시뮬레이션으로 전환하는 것을 포함한다. 이러한 디지털 트윈 환경과 합성 데이터 생성은 자율주행차를 실제 환경에 구현하기 전 가상에서 대규모로 안전하게 개발, 테스트, 검증하는 데 사용된다. 또한 생성형 AI 기반 모델은 차량의 AI 시스템을 지원해 차량 내외부에서 새로운 맞춤형 사용자 경험, 기능, 안전 기능을 구현할 수 있도록 한다. 운전자 경험은 더욱 안전하고 스마트하며 즐거워질 것이다. 생성형 AI를 통한 재창조 밥 피트(BOB PETTE) 엔터프라이즈 플랫폼 부문 부사장: 생성형 AI를 통해 LLM에 음성 명령을 내려 자동차를 설계하거나, 새로운 기술과 설계 원칙을 사용해 도시를 처음부터 새로 설계할 수 있다. 건축, 엔지니어링, 건설, 운영(AECO) 업계는 생성형 AI를 이정표로 삼아 미래를 건설하고 있다. 수백 개의 생성형 AI 스타트업과 AECO, 제조 분야의 고객사는 설계 최적화, 시장 인텔리전스, 건설 관리, 물리 예측 등 거의 모든 사용 사례를 위한 솔루션을 개발하는 데 주력할 것이다. AI는 효율성 향상, 낭비 감소, 생산과 지속 가능성에 대한 완전히 새로운 접근 방식을 제시해 제조업의 진화를 가속화할 것이다. 개발자와 기업은 특히 라이더를 사용해 건축과 자연 환경을 정밀한 디테일로 표현하는 포인트 클라우드 데이터 분석에 집중하고 있다. 이는 생성형 AI 가속 워크플로우를 통해 충실도 높은 인사이트와 분석으로 연계된다. AI 유입으로 커넥티비티 수요 가속 길라드 샤이너(Gilad Shainer) 네트워킹 부문 부사장: 기업들이 GPU와 GPU 기반 시스템을 사용해 컴퓨팅을 가속화하는 데 필요한 네트워크 대역폭을 모색하며 네트워킹 효율성과 성능에 대한 관심이 다시 높아질 것이다. 수조 개의 파라미터를 가진 LLM으로 더 빠른 전송 속도와 더 넓은 서비스 범위에 대한 필요성이 조명될 것이다. 생성형 AI 애플리케이션을 신속하게 배포하려는 기업은 가속화된 네트워킹 기술에 투자하거나 이를 제공하는 클라우드 서비스 제공업체를 선택해야 한다. 최적의 연결을 위한 핵심은 차세대 하드웨어, 소프트웨어와 결합된 풀스택 시스템 구축이다. <데이터센터 설계 필수 요소> 기업은 모든 데이터센터가 똑같을 필요는 없다는 것을 알게 될 것이다. 데이터센터의 목적을 결정하는 것이 데이터센터 내에서 사용할 적절한 네트워킹을 선택하는 첫 번째 단계다. 기존의 데이터센터는 대역폭이 제한되어 있으며, 대규모 AI 워크로드를 매우 결정적이고 낮은 레이턴시로 구동하기 위해 수천 개의 GPU를 필요로 한다. 대규모 부하 시 네트워크 역량은 성능을 판가름하는 가장 중요한 요소다. 미래의 엔터프라이즈 데이터센터 연결은 관리(노스-사우스) 네트워크와 AI(이스트-웨스트) 네트워크를 분리해야 하며, AI 네트워크에는 고성능 컴퓨팅과 AI, 하이퍼스케일 클라우드 인프라를 위해 특별히 설계된 네트워크 내 컴퓨팅이 포함된다. AI에 보안 모델 적용의 명확성 데이비드 레버 주니어(DAVID REBER JR.), 정보 보안 최고 책임자: 앱 중심 보안에서 데이터 중심 보안으로의 전환이 본격화되고 있다. 데이터는 LLM의 기본 공급망이자 생성형 AI의 미래다. 기업들은 이제 이러한 문제가 대규모로 확산되는 것을 목격하고 있다. 기업은 인력, 프로세스, 기술을 재평가하여 보안 개발 수명 주기(SDLC)를 재정의해야 한다. 업계 전반에서는 신뢰에 대한 접근 방식을 재정의하고 투명성의 의미를 명확히 해야 한다. 새로운 세대의 사이버 툴이 탄생할 것이다. AI SDLC는 명령줄 인터페이스에서 인간 언어 인터페이스로의 전환을 위한 기대와 함께 새로운 툴 시장 리더가 될것이다. 더 많은 기업이 메타의 라마 2(Llama 2)와 같은 오픈 소스 LLM을 사용하여 생성형 AI 결과물을 가속화하는 방향으로 전환함에 따라 그 필요성이 특히 중요해진다. AI를 통한 보안 확장: 사이버 보안 결함에 AI를 적용하면 이전에는 볼 수 없었던 위협을 감지할 수 있다. 현재 전 세계 데이터의 일부만이 사이버 방어에 사용되고 있다. 그 사이에 공격자들은 잘못된 모든 구성을 계속해서 이용한다. 기업들은 실험을 통해 새로운 위협과 위험을 식별하는 데 있어 AI의 잠재력을 깨닫게 될 것이다. 사이버 코파일럿은 기업 사용자가 피싱과 구성을 탐색하는 데 도움을 준다. 해당 기술이 효과를 발휘하려면 기업은 업무와 개인 생활의 교차점에 내재된 개인 정보 보호 문제를 해결하여 데이터 중심 환경에서 집단적 방어를 가능하게 해야 한다. 위협이 계속 증가함에 따라 AI는 기술에 대한 접근을 대중화하는 동시에 차세대 사이버 방어자를 지원할 것이다. 기업이 각 위협을 명확히 파악하는 즉시, AI는 이러한 위협을 방어하고 탐지할 수 있도록 다운스트림 탐지기를 훈련시키는 방대한 양의 데이터를 생성하는 데 사용된다. RAN을 오가는 실행 로니 바시타(RONNIE VASISHTA) 통신 부문 수석 부사장: 5G에 대한 투자 사례에 대대적인 재평가가 예상된다. 5G 출시 이후 5년이 지난 현재, 네트워크 커버리지와 용량은 급성장했지만 매출 성장은 부진하고 대부분 독점적이며, 유연성이 떨어지는 인프라에 대한 비용은 증가했다. 5G RAN의 활용률은 40% 이하이다. 새해에는 새로운 수익 창출 애플리케이션을 발굴하기 위해 기존 스펙트럼에서 새로운 수익원을 공격적으로 추구하는 해가 될 것이다. 또한 통신사들은 범용 구성 요소를 기반으로 구축된 유연하고 활용도가 높은 인프라에 더 중점을 두고 설비 투자 구조를 재고할 것이다. 또한 기업이 AI 툴을 활용하여 성능을 높이고 효율성을 개선하며 비용을 절감함에 따라 운영 비용이 전반적으로 감소할 것으로 예상된다. 이러한 이니셔티브의 결과에 따라 통신사들이 6G 기술에 투자할 금액이 결정된다. <챗봇에서 네트워크 관리까지> 통신사들은 이미 고객 서비스와 지원을 개선하기 위해 챗봇과 가상 비서용 생성형 AI를 사용한다. 새해에는 네트워크 계획과 최적화, 결함과 사기 감지, 예측 분석과 유지 관리, 사이버 보안 운영, 에너지 최적화와 같은 영역의 운영 개선을 위해 생성 AI 사용을 두 배로 늘릴 예정이다. 생성형 AI가 얼마나 광범위하고 전략적으로 활용되고 있는지를 고려할 때, 성장을 지원하기 위한 새로운 유형의 AI 팩토리 인프라를 구축하는 것도 핵심 과제이다. 점점 더 많은 통신사가 내부용 AI 팩토리를 구축할 뿐만 아니라 개발자를 위한 서비스형 플랫폼으로 배포할 것이다. 동일한 인프라는 RAN을 추가 테넌트로 지원할 수 있게 될 것이다. AI 우선 금융 서비스 말콤 드마요(MALCOLM DEMAYO) 금융 서비스 부문 부사장: AI 발전이 기하급수적으로 증가함에 따라 금융 서비스 기업은 데이터에 컴퓨팅 파워를 제공할 것이다. 기업은 빠른 기술 발전 속에서 집중 리스크를 완화하고 민첩성을 유지해야 하는 필요성에 따라 온프레미스 인프라와 클라우드 기반 컴퓨팅의 확장성이 뛰어난 하이브리드 조합으로 전략적 전환을 시도할 것이다. AI 기반 고객 서비스 지원, 사기 탐지, 리스크 관리 등 가장 핵심적인 워크로드를 처리하는 기업이 이러한 변화를 주도할 것이다. 더 빠른 시뮬레이션을 위한 물리-ML(physics-ML) 마크 스필러(MARC SPIELER) 에너지 부문 수석 디렉터: 에너지 기업들은 시뮬레이션을 가속화하고 산업 프로세스를 최적화하며 의사 결정을 향상시키기 위해 점점 물리학 기반 머신 러닝(물리-ML)으로 전환할 것이다. 물리-ML은 기존의 물리 기반 모델과 고급 머신 러닝 알고리즘을 통합하여 복잡한 물리 현상을 빠르고 정확하게 시뮬레이션할 수 있는 강력한 툴을 제공한다. 예를 들어, 에너지 탐사와 생산 분야에서 물리-ML은 지하 지질학을 신속하게 모델링하여 잠재적인 탐사 장소를 식별하고 운영과 환경 위험을 평가하는 데 도움을 준다. 풍력, 태양광과 같은 재생 에너지 분야에서 물리-ML은 예측 유지 관리에 중요한 역할을 하여, 에너지 회사가 장비 고장을 예측하고 사전에 유지 관리 일정을 계획하여 다운타임과 비용을 줄일 수 있도록 지원한다. 컴퓨팅 성능과 데이터 가용성이 지속적으로 증가함에 따라 물리학-ML은 에너지 회사가 시뮬레이션, 모델링 작업에 접근하는 방식을 변화시켜 보다 효율적이고 지속 가능한 에너지 생산으로 이어진다. LLM은 물리-ML과 결합하여 에너지 장비의 광범위한 기록 데이터와 실시간 센서 입력을 분석하여 잠재적인 장애와 유지 관리 필요성을 사전에 예측한다. 이러한 사전 예방적 접근 방식은 예기치 않은 다운타임을 줄이고 터빈, 발전기, 태양광 패널과 기타 중요 인프라의 수명을 연장한다. 또한 LLM은 유지 관리 일정과 리소스 할당을 최적화하여 수리, 점검을 효율적으로 수행할 수 있도록 한다. 궁극적으로 예측 관리 보수에 LLM을 사용하면 에너지 기업의 비용을 절감하고 소비자에게 보다 안정적인 에너지 공급에 기여할 수 있다. 로보틱스 프로그래머의 부상 디푸 탈라(DEEPU TALLA) 임베디드 및 엣지 컴퓨팅 부문 부사장: LLM은 로보틱스 엔지니어의 빠른 발전을 이끌 것이다. 생성형 AI는 로봇용 코드를 개발하고 새로운 시뮬레이션을 생성하여 로봇을 테스트하고 훈련한다. LLM은 3D 장면을 자동으로 구축하고, 환경을 구성하며 입력에서 에셋을 생성하여 시뮬레이션 개발을 가속화한다. 이렇게 생성된 시뮬레이션 에셋은 합성 데이터 생성, 로봇 기술 훈련, 로봇 애플리케이션 테스트와 같은 워크플로우에 매우 중요하다. LLM의 엔진인 트랜스포머 AI 모델은 로보틱스 엔지니어를 도울 뿐만 아니라 로봇 자체를 더욱 똑똑하게 만들어 복잡한 환경을 더 잘 이해하고 그 안에서 다양한 기술을 더 효과적으로 실행할 수 있다. 로봇 산업이 확장하려면 로봇이 더욱 빨리 기술을 습득하거나 새로운 환경에 적용할 수 있도록 일반화돼야 한다. 시뮬레이션을 통해 훈련되고 테스트된 생성형 AI 모델은 더욱 강력하고 유연하며 사용하기 쉬운 로봇을 구축하는 데 핵심적인 역할을 할 것이다. 출처 : '2024년 인공지능'은? ｜인공지능신문(https://www.aitimes.kr)｜23.12.12

EC, AI 데이터 사용 관련 가이드라인 준비∙∙∙데이터 저작권 공개 의무 추가 미국, 이탈리아 등 AI 규제 방안 검토 속도↑ [스타트업투데이] 유럽연합(EU)이 생성형 인공지능(Generative AI)에 대한 규제안을 조만간 합의할 것으로 보인다. 미국 <블룸버그(Bloomberg)>는 7일(현지시각) EU가 오픈AI(OpenAI)의 챗GPT(ChatGPT)와 구글(Google)의 바드(Bard) 등과 같은 생성형 AI 도구에 대한 규제안을 도출했다고 전했다. 보도에 따르면 이번 규제안은 유럽연합 집행위원회(EC)와 유럽의회(EP) 및 27개 EU 회원국은 지난 6일 10시간에 걸친 논의 끝에 「인공지능법」(Artificial Intelligence Act, 이하 AI법)으로 알려진 규제안에 잠정 합의했다. <블룸버그>는 “이번 규제안은 미국 의회에서 의미 있는 조치가 없을 경우 선진국의 생성형 AI 도구 규제를 위한 분위기를 조성할 AI 정책을 정립하는 데 중요한 단계”라며 “해당 법안으로 EU는 아시아 외의 국가에서 AI 기술에 확고한 보호막을 씌운 최초의 정부가 될 것”이라고 평가했다. 그동안 EU 내 정책입안자는 내년 6월 예정된 선거 전까지 AI법을 통과시키기 위한 노력을 지속해왔다. 앞서 영국 <로이터(Reuters)>는 지난 5월 EC가 AI 데이터 사용과 관련된 가이드라인을 준비 중이라고 밝힌 바 있다. 해당 가이드라인에 대한 자세한 사항은 전해지지 않았지만, EC는 시스템 개발에 사용된 모든 데이터의 저작권을 의무적으로 공개하는 내용을 추가한 것으로 알려졌다. AI법에 대한 세부적인 내용은 확인되지 않았다. 다만, 일각에서는 챗GPT와 같은 도구를 뒷받침하는 AI 모델 유형의 개발자가 모델 훈련 방법에 대한 정보 유지, 사용된 저작권 자료 요약, 생성형 AI 기반 콘텐츠에 워터마크나 라벨 등을 붙이도록 요구 등을 제안한 것으로 전해진다. “AI 규제 둘러싼 논쟁 치열”∙∙∙스타트업 보호 필요성↑ <블룸버그>는 “이번 EU의 행보는 AI 규제를 둘러싼 논쟁이 얼마나 치열한지를 보여주는 사례”라고 평가했다. 그러면서도 “EU 회원국 사이에서 AI과 관련된 의견이 엇갈린 듯 보인다”면서도 “미국과 영국을 포함한 다른 정부와 마찬가지로 EU 역시 AI가 가져올 잠재적인 사회적 위험으로부터 EU 역시 프랑스 미스트랄AI(Mistral AI)와 독일 알레프 알파(Aleph Alpha)와 같은 역내 AI 스타트업 보호에 대한 필요성을 느꼈다”고 전했다. 현지 AI 업계 관계자는 “프랑스와 독일 등 일부 국가가 현지 기업에 불필요한 불이익을 주는 규제에 반대하고 있다”면서도 “이것이 협상의 주요 걸림돌임이 입증된 셈”이라고 말했다. 그러면서 “EU 당국이 조만간 법안을 내놓을 것이라는 전망이 나오지만, 후속 회의를 통해 이번 법안의 기술적인 세부 사항도 논의해야 할 것”이라고 강조했다. 생성형 AI 활용사례↑∙∙∙AI 규제 방안 속도 한편 챗GPT처럼 생성형 AI의 활용 사례가 늘자 세계 각국은 AI 규제 방안 검토에 속도를 붙였다. 영국 <로이터((Reuters)>는 지난 4월 미국 상무부(Department of Commerce) 산하 국가통신정보관리청(NTIA)이 AI에 책임성을 부과하는 방안을 학자 및 업계 관계자와 의견을 취합 중이라고 보도한 바 있다. 그러면서 AI가 해를 끼치지 않고 의도한 대로 작동하도록 하는 데 초점이 맞춰졌다고 덧붙였다. 당시 NTIA 측은 “최근 AI가 유해한 결과를 초래하는 사건이 느는 데다 아직 드러나지 않은 잠재적 위험성과 관련한 우려가 제기되고 있다”면서 “AI 체계는 합법적∙윤리적이면서도 안전하고 신뢰할 수 있어야 한다”고 밝혔다. 이어 “식품∙자동차가 안전 보장 없이 시장에 출시되지 않듯이 AI도 대중과 정부∙기업에 안전하다는 확신을 줘야 한다”고 말했다. 또 이탈리아 정부는 지난 3월 AI 훈련 방식과 챗봇이 유럽 「개인정보보호법」(GDPR) 위반 가능성을 우려하며 챗GPT 사용을 일시 금지한 바 있다. 당시 이탈리아 정부는 “챗GPT가 개인정보를 무단으로 수집했고 접근 연령 제한도 두지 않았다”며 데이터 침해 사례를 조사하는 동안 챗GPT 서비스를 중단시켰다. 이후 약 한 달 만에 오픈AI가 이탈리아 규제 당국이 제시한 데이터 보호 관련 문제를 해결하며 이탈리아 정부는 챗GPT 사용 금지를 해제했다. 이밖에도 독일과 프랑스, 아일랜드 등에서도 챗GPT 금지 방안을 검토 중이다. [스타트업투데이=염현주 기자] yhj@startuptoday.kr 출처 : EU, 생성형 AI 규제 위한 ‘인공지능법’ 잠정 합의｜스타트업투데이｜23.12.12