2023/11/24 | 작성자: 박성민

2023년을 한 단어로 표현한다면 무엇일까요? 영국의 대표 영영사전인 콜린스 사전이 지난 1일 올해의 단어로 'AI'를 선정할 정도로 전 세계인의 호기심을 자극한 키워드 중 하나가 바로 인공지능(AI)이었습니다. 올해 AI 용어의 사용 빈도는 작년에 비해 4배 이상 증가했습니다. 인공지능의 전성기라 할 수 있는 이 시대에 AI 기술은 놀라운 속도로 발전하며 다양한 산업 분야는 물론 우리 일상에서도 혁신과 변화를 선도하고 있습니다. 한 해를 마무리하는 시점에서 우리 사회를 풍요롭게 만든 AI 산업의 주요 이슈를 다섯 가지 키워드로 되돌아봅니다.

1. AI 민주화

AI 대중화란 누구나 쉽게 인공지능에 접근하고 활용하며 기술의 혜택을 보편적으로 누릴 수 있는 현상을 말합니다. 인공지능 프로필 사진 제작과 같은 다양한 생성형 인공지능 서비스가 대중에게 친숙해지기 전까지만 해도 인공지능은 대중과 거리가 먼 전문 분야였습니다. 프로그래밍 언어에 익숙하지 않은 개인이나 자본, 인력, 인프라가 부족한 기업이 인공지능 기술을 활용할 모델을 개발하는 것은 어려운 일이었습니다.

하지만 최근에는 누구나 활용할 수 있는 기술의 포용성에 초점을 맞춰 접근성이 모든 측면에서 개선되고 있습니다. AI 개발과 설계부터 데이터 세트와 분석, 관련 도구와 시스템에 이르기까지 AI의 대중화가 시작되었습니다. 올해 다양한 산업 분야에서 영향력이 커진 대표적인 사례로는 '오픈 소스'와 '노코드/로우코드'를 들 수 있습니다.

• 오픈 소스:

소스 코드가 공개되어 누구나 자유롭게 검토, 수정 및 배포할 수 있는 소프트웨어입니다. 각 오픈 소스의 라이선스에 따라 사용자가 소프트웨어를 수정할 수 있는 방법과 범위가 결정됩니다.
[ → 오픈소스 LLM 생태계와 한국어 모델링에 대해 자세히 알아보기]

• 코드 없음/낮은 코드:

  소프트웨어를 더 쉽고 빠르게 개발할 수 있는 접근 방식입니다. '노코드'는 프로그래밍 언어를 사용하지 않고 소프트웨어를 개발하는 방식으로, 코딩 전문 지식 없이 소프트웨어를 만드는 데 적합합니다. 반대로 '로우 코드'는 프로그래밍이 필요하지만 코드 작성을 최소화하여 소프트웨어 개발을 간소화하는 방법입니다.

  
  

오픈 소스와 노코드 환경의 결합은 기업과 개인이 새로운 아이디어를 개발하고 AI를 통해 혁신할 수 있는 기회를 창출하며, 디지털 격차를 해소하여 미래에 긍정적인 영향을 미칠 것으로 기대됩니다.

2. AIaaS

서비스형 인공지능은 일반적으로 AIaaS라고 불리는 클라우드 기반 구독형 인공지능 서비스입니다. 코로나19 팬데믹 이후 디지털 트랜스포메이션이 활발해지면서 산업 전반에 걸쳐 인공지능 기술을 적극적으로 활용하는 사례가 늘고 있습니다. 소액의 사용료만 지불하면 최신 인공지능 기술을 손쉽게 도입할 수 있는 AIaaS는 인공지능을 내재화하는 것에 비해 시간 단축과 저렴한 비용의 장점으로 주목받고 있습니다.

AI 개발에는 고도의 기술 전문성뿐만 아니라 막대한 초기 투자도 필수적입니다. 따라서 인력과 자본이 부족한 중소기업과 스타트업에게 AIaaS는 획기적인 솔루션으로 떠오르고 있습니다. AIaaS를 활용하면 기업은 전문 지식이나 인력 없이도 클라우드에 정착된 AI 기술을 API 형태로 제공받을 수 있습니다. 또한, AI 개발 환경이 필요한 경우 AI 개발 도구와 환경을 서비스 형태로 제공받아 활용할 수도 있습니다.

AIaaS 솔루션의 대표적인 사례로는 클라우드 컴퓨팅 서비스 '마이크로소프트 애저 AI'와 아마존이 만든 'AWS(아마존 웹 서비스)'가 있습니다. 또한 국내에서는 네이버의 '하이퍼클로바엑스'와 함께 AI OCR이 활용되고 있습니다. 업스테이지는 쉽고 편리한 API 형태로 사용자가 활용할 수 있도록 한 AI 스타트업으로 주목받고 있습니다. 업스테이지는 최근 [→ '업스테이지 콘솔' ]을 오픈해 손글씨, 영수증, 구겨진 문서 등 다양한 형태의 문서에서 정보를 추출할 수 있는 OCR 기술을 콘솔에서 자유롭게 도입하고 체험할 수 있도록 했습니다. 누구나 최신 AI 기술을 원활하게 접할 수 있는 AIaaS는 올 한해 디지털 시장의 촉매제 역할을 톡톡히 해냈습니다.

3. 생성적 AI

또한 2023년은 제너레이티브 AI 붐으로 인해 인공지능의 역사에서 중요한 해가 될 것입니다. 제너레이티브 AI 시스템은 머신러닝과 자연어 처리 기술을 활용하여 특정 사용자 요구사항에 따라 텍스트, 이미지, 오디오 등 다양한 형태의 콘텐츠를 생성합니다. ChatGPT로 촉발된 제너레이티브 AI 열풍은 인류 역사에 새로운 패러다임을 도입한 게임 체인저로 평가받으며 철기 시대에 버금가는 혁신을 불러일으켰습니다. 지난해 11월 출시 5일 만에 사용자 100만 명을 돌파한 ChatGPT는 인스타그램, 페이스북 등 글로벌 소셜 미디어 서비스와 비교해도 혁신적인 이정표를 세우며 선풍적인 인기를 끌고 있습니다. 대규모 언어 모델(LLM)의 대중화를 이끈 ChatGPT 외에도 메타의 'LLaMA' 시리즈, 구글의 'LaMDA'와 'PaLM2', 스탠포드 대학의 '알파카' 등 다른 모델들도 지속적으로 성능을 개선하고 약점을 보완하며 발전하면서 영향력을 확대해 나가고 있습니다.

[ → GPT 시리즈와 개발 과정 살펴보기 ]

또한, 생성형 AI 업계에서는 텍스트 기반의 프롬프트만 입력하면 원하는 이미지를 만들 수 있는 '미드저니', '달이', '안정확산' 등의 서비스가 등장했습니다. 특히 국내에서는 AI 프로필 사진 생성 서비스가 큰 인기를 얻으면서 AI가 생성한 프로필 사진이 주민등록증을 대체할 수 있는지에 대한 문의가 급증하고, 행정안전부가 해당 이미지를 주민등록증에 사용할 수 없다고 공식 발표하는 등 큰 파장을 일으켰습니다. 이 사례는 생성 AI가 얼마나 널리 보급되었는지를 잘 보여줍니다.

최근 구글, OpenAI와 같은 거대 기술 기업들이 멀티모달 AI 개발에 집중하겠다고 발표하면서 제너레이티브 AI 시장에 새로운 돌풍을 예고하고 있습니다. 멀티모달 AI 시스템은 텍스트, 이미지, 음성, 영상 등 다양한 유형의 정보를 동시에 처리하고 통합하여 종합적인 이해와 대응을 제공하는 방향으로 진화하고 있습니다. 멀티 모달 AI로 발전하는 제너레이티브 AI의 미래에 대한 관심이 높아지고 있습니다.

4. sLLM(소규모 언어 모델)

대형 기술 기업들이 LLM(대규모 언어 모델)을 출시하는 경쟁 속에서 작지만 강력한 존재감을 드러낸 것이 바로 sLLM(소규모 언어 모델)입니다. sLLM은 Small Large Language Model의 약자로, Meta가 LLaMa에 대한 학술적 접근을 허용한 이후 오픈 소스 프레임워크를 활용한 수많은 sLLM이 등장하며 주목받기 시작했습니다.

기존 LLM에 비해 sLLM은 파라미터 수가 적지만 고품질 데이터에 대한 학습과 미세 조정을 통해 높은 성능을 유지합니다. 따라서 필요한 컴퓨팅 리소스를 줄일 수 있어 비용을 크게 절감할 수 있습니다. 일반적인 LLM은 1,000억 개 이상의 파라미터를 가지고 있지만, sLLM은 보통 60억 개에서 100억 개의 파라미터로 구성되어 있어 그 차이가 두드러집니다. 또한, 기밀 정보 유출이나 환각 현상과 같이 많은 기업이 우려하는 문제를 방지할 수 있도록 sLLM을 설계할 수 있습니다. 저비용 고효율의 장점으로 인해 특정 산업, 제품 또는 서비스에 제너레이티브 AI를 효과적으로 적용하려는 기업들 사이에서 sLLM에 대한 수요가 빠르게 증가하고 있습니다.

[ → sLLM으로 세계 최고 수준의 성능을 달성한 업스테이지 스타뷰 보기 ]

5. AI TRiSM(AI 신뢰, 위험 및 보안 관리)

인공지능이 우리 일상에 널리 보급됨에 따라 인공지능의 신뢰, 위험 및 보안 관리의 중요성에 대한 우려의 목소리가 점점 커지고 있습니다. 인공지능(AI) 신뢰, 위험 및 보안 관리(AI TRiSM)는 이러한 문제를 반영하여 신뢰성, 공정성 및 개인정보 보호를 보장하기 위한 필수 거버넌스의 필요성을 강조합니다. IT 리서치 기관인 가트너도 올해의 기술 트렌드 중 하나로 AI TRiSM을 꼽았습니다.

AI TRiSM의 경우 다음 네 가지 요소를 고려해야 합니다:

• 설명 가능성(설명 가능한 AI): AI 모델이 산출한 결과와 예측을 사용자가 명확하게 이해하고 신뢰할 수 있도록 하는 것. 이를 위해서는 AI 모델 학습에 사용되는 데이터 세트와 모델이 산출한 결과를 효율적으로 검증할 수 있는 프로세스를 구축하여 서비스 제공자와 사용자 간의 신뢰를 구축해야 합니다.

• ModelOps(인공지능 모델 운영): 개발 및 배포부터 유지 및 관리까지 인공지능 모델의 전반적인 관리를 위한 프로세스 및 시스템을 개발합니다. 여기에는 모델이 원활하게 실행될 수 있도록 클라우드 리소스와 같은 기반 인프라 환경을 감독하는 업무도 포함됩니다.

• AI 애플리케이션 보안: AI 모델은 방대한 양의 민감한 데이터를 처리하는 경우가 많으므로 철저한 애플리케이션 보안이 우선시되어야 합니다. 보안은 모델을 비공개로 유지하고 조직이 보안 프로토콜을 구성하여 무단 액세스나 데이터 변조를 방지할 수 있도록 합니다.

• 개인정보 보호: 인공지능 시스템의 근간이 되는 데이터를 보호하는 것은 인공지능의 안전성 및 신뢰성과 직결됩니다. 기업은 개인정보 보호 규정을 준수하는 동시에 모델 학습에 필요한 데이터를 적절히 수집하고 활용하는 것이 중요합니다.

변화의 물결: AI의 시대가 열렸습니다

인공지능을 시작으로 혁신적인 변화는 이제 막 시작되었습니다. 기술이 빠른 속도로 발전함에 따라 AI 윤리 문제를 해결하는 것이 더 안전한 미래를 여는 열쇠가 될 것입니다. 인공지능의 시대가 다가오고 있는데, 내년에는 무엇이 세상을 뒤흔들까요?