[이상엽의 과학기술 NOW] 생성형 AI(3)- 미래

고품질 데이터 생산 AI 발전에
음악·예술 창의 분야 큰 혁신
신재료·신약 개발까지 척척
콘텐츠 소비도 맞춤형 가속화

생성형 AI에 관한 마지막 주제로 생성형 AI의 미래에 대해 살펴보자. 현재 생성형 AI는 전에 없던 새로운 데이터들을 생성할 수 있는 알고리즘과 모델을 개발하는 것을 목표로 하고, 새로운 글, 이미지, 노래, 동영상 등의 창작과 과학적 탐구에 큰 영향력을 미치고 있다. 생성형 AI 기술은 빠르게 발전하고 있는데 그중 현재 사용 중이거나 개발 중인 핵심 기술 몇 가지를 살펴보자.

생성적 대립 신경망(GANs·Generative Adversarial Networks)은 이미 널리 사용되고 있는데 생성자(generator)와 판별자(discriminator)라는 두 개의 네트워크로 구성된 신경망 구조로 고품질의 합성 데이터를 생성해준다. 이러한 알고리즘을 최적화해 생성된 출력은 더욱 정교해져 사람이 제작한 콘텐츠와 구별하기도 어려워진다. 셀프어텐션 방식을 이용해 연관성 있는 데이터 시퀀스들을 생성할 수 있으며 챗GPT의 핵심인 트랜스포머 구조 및 알고리즘도 계속 발전하고 있다. 또한 한정된 데이터를 가진 도메인에서 콘텐츠를 생성하기 위해 미리 훈련된 모델을 사용하여 모델을 처음부터 훈련하는 대신 몇 가지 예제만으로 사전 훈련된 모델을 미세 조정할 수 있는 전이학습 및 퓨샷(few-shot) 학습도 개발되고 있다.

생성형 AI가 본격적으로 개발되고 활용되기 전부터 쓰여온 여러 유형의 신경망들도 생성형 AI로의 통합이 활발히 추진되고 있다. 인간의 시신경을 모방해 만든 심층학습 구조이고 이미지 분석에 탁월한 성능을 보이며 널리 사용돼온 합성곱신경망(CNN·Convolutional Neural Network)은 캡슐네트워크와 같이 피처 간의 공간적 계층 관계를 처리하는 데 더욱 미세한 생성모델을 만들어주도록 진화하고 있다. 그간 자연어 처리, 외국어 번역, 음성 인식 등에 탁월한 성능을 보여 구글 번역, 시리(Siri) 등 음성 인식에 활용돼온 순환신경망(RNN·Recurrent Neural Network)도 지속적으로 응용이 확장되고 있다.

이러한 생성형 AI의 발전은 음악, 미술, 문학, 그리고 여러 다른 창의적 분야를 혁명적으로 변화시킬 것이다. 하지만 이러한 발전이 예술가나 발명가들을 대체하는 것이 아니라 앞으로는 AI와 협업하는 것이 당연해질 것을 의미한다.

과학기술 분야를 보면 더욱 방대한 과학 데이터들을 이용해 생성형 AI를 학습시킴으로써 과학자들이 생각해내지 못했던 새로운 가설을 제안하거나 새로운 기능의 재료 발굴과 신약 설계도 가능할 것이다. 늘 맞으니 안 맞으니, 불평의 단골인 날씨와 기후 예측도 더욱 정확도가 올라갈 것이다. 창작 분야를 보면 앞으로는 일반인도 원하는 사항들을 입력하면 그에 맞춘 노래, 그림, 동영상, 이야기 등의 콘텐츠를 창작해내는 플랫폼이 나올 것이다. 이는 유튜브가 동영상 콘텐츠 시장의 판도를 완전히 뒤집어놓았듯 또 한 번의 콘텐츠 및 미디어 소비에 있어 빅뱅을 가져올 것이다. 이러한 미래를 예측해서인지 유튜브는 추석 직전 열린 연례미팅에서 AI 기반 다양한 도구를 창작자들에게 제공하겠다고 발표했다. 올해 말부터는 AI 기반으로 만든 비디오나 이미지 백그라운드를 짧은 동영상에 사용할 수 있는 드림 스크린(Dream Screen)을 제공하며, 내년에는 생성형 AI를 사용해 비디오 아이디어와 스토리 구성을 도와주는 AI 인사이트(AI Insights)를 출시한다고 발표했다. 생성형 AI를 통한 콘텐츠 및 미디어의 개인화는 우리가 콘텐츠를 소비하는 방식과 경험을 훨씬 더 개인 중심으로 만드는 변혁을 가져올 것이다. 생성형 AI에 의한 변혁의 시대에 창의적인 도전을 통해 우리나라에서 유튜브를 능가하는 세계적인 기업이 탄생하기를 기대해본다.

[KAIST 생명화학공학과 특훈교수]