[AI Foundation] 생성 AI (Generative AI) 란?

 

---

1. Generative AI (생성 AI) 란?

Generative AI는 기계 학습의 한 분야로, 학습한 데이터를 기반으로 새로운 데이터(이미지, 텍스트, 음악 등)를 생성하도록 합니다. 예를 들어, 이미지 생성, 텍스트 작성, 음악 작곡 등이 이에 해당합니다. 이러한 AI는 기존 데이터로부터 학습하여 새로운, 오리지널 콘텐츠를 만들어냅니다.

 

Generative AI, 생성 AI 는 인간이 손으로 만드는 것보다 더 빠르고 저렴할 뿐만 아니라 경우에 따라서는 더 나은 결과를 만들어낼 수 있는 단계에 와 있습니다. 소셜 미디어에서 게임, 광고, 건축, 코딩, 그래픽 디자인, 제품 디자인, 법률, 마케팅, 영업에 이르기까지 인간이 독창적인 작업을 만들어야 하는 모든 산업이 재창조될 수 있습니다. 어떤 업무, 작업은 생성 AI로 완전히 대체될 수도 있고, 어떤 기능은 인간과 기계 간의 긴밀한 반복적 창작 주기를 통해 번창할 가능성이 높습니다.  제너레이티브 AI가 창작과 지식 작업의 한계 비용을 0으로 낮춰 막대한 노동 생산성과 경제적 가치를 창출할 것이라는 것에는 모두가 동의하게 되었습니다.

최근 Generative AI의 혁신이 가속화되면서 시장과 대중의 관심을 사로잡고 있습니다. OpenAI의 GPT는 사람이 쓴 것처럼 보이는 정확한 텍스트를 생성할 수 있습니다. 또한 DALL·E와 같은 Image generator는 단어 입력을 기반으로 사실적인 이미지를 생성할 수 있죠. 구글, 페이스북, 바이두를 포함한 다른 기업 역시 사람이 쓴 것처럼 생생한 텍스트와 이미지, 컴퓨터 코드를 생성할 수 있는 정교한 Generative AI 개발에 박차를 가하고 있습니다.

2. Generative AI 역사와 Landscape

https://www.techtarget.com/searchenterpriseai/definition/generative-AI

Generative AI의 역사는 초기 신경망 연구에서부터 시작되며, 최근 몇 년간 급격히 발전하였습니다. 

 

1960년대 Joseph Weizenbaum이 만든 Eliza 챗봇은 생성 AI의 초기 사례 중 하나였습니다 . 이러한 초기 구현에서는 제한된 어휘, 맥락 부족, 패턴에 대한 과도한 의존 등의 단점으로 인해 쉽게 깨지는 규칙 기반 접근 방식을 사용했습니다. 초기 챗봇은 맞춤화하고 확장하기도 어려웠습니다.

이 분야는 2010년 신경망과 딥 러닝의 발전으로 인해 기존 텍스트를 구문 분석하고, 이미지 요소를 분류하고, 오디오를 복사하는 방법을 자동으로 학습할 수 있는 기술이 가능해지면서 다시 부각되었습니다.

Ian Goodfellow는 2014년에 GAN을 도입했습니다. 이 딥 러닝 기술은 경쟁 신경망을 구성하여 콘텐츠 변형을 생성하고 평가하는 새로운 접근 방식을 제공했습니다. 이를 통해 현실적인 사람, 음성, 음악 및 텍스트를 생성할 수 있습니다. 이는 생성 AI를 사용하여 비디오에서 음성과 사람을 가장하는 사실적인 딥페이크를 만드는 방법에 대한 관심과 두려움을 불러일으켰습니다.

그 이후로 다른 신경망 기술과 아키텍처의 발전은 생성 AI 기능을 확장하는 데 도움이 되었습니다. 

 

3. Generative AI 주요 모델

Generative AI의 주요 종류로 GANs(Generative Adversarial Networks), VAEs(Variational Autoencoders), RNNs(Recurrent Neural Networks) 등이 있습니다. 각 모델은 고유한 방식으로 데이터를 생성합니다.

• VAE(변형 자동 인코더)
  VAE는 일반적으로 인코더와 디코더라고 하는 두 개의 신경망으로 구성됩니다.
  입력이 주어지면 인코더는 이를 더 작고 밀도가 높은 데이터 표현으로 변환합니다. 이 압축된 표현은 디코더가 원본 입력 데이터를 재구성하는 데 필요한 정보를 보존하는 동시에 관련 없는 정보를 삭제합니다. 인코더와 디코더는 함께 작동하여 효율적이고 간단한 잠재 데이터 표현을 학습합니다. 이를 통해 사용자는 디코더를 통해 매핑하여 새로운 데이터를 생성할 수 있는 새로운 잠재 표현을 쉽게 샘플링할 수 있습니다.
  VAE는 이미지와 같은 출력을 더 빠르게 생성할 수 있지만 생성된 이미지는 확산 모델만큼 상세하지 않습니다.
• 생성적 적대 네트워크(GAN)
  2014년에 발견된 GAN은 최근 확산 모델이 성공하기 전에 세 가지 방법 중 가장 일반적으로 사용되는 방법론으로 간주되었습니다. GAN은 두 개의 신경망을 서로 맞붙입니다. 즉, 새로운 예제를 생성하는 생성기와 생성된 콘텐츠를 실제(도메인에서) 또는 가짜(생성)로 구별하는 방법을 학습하는 판별기입니다.

 

4. 실제 산업에 도입 가능한 Generative AI 서비스

https://www.nvidia.com/en-us/glossary/generative-ai/

Generative AI는 예술, 음악, 게임 개발, 마케팅, 의료 분야 등 다양한 산업에 적용될 수 있습니다. AI가 생성한 이미지, 음악, 텍스트 등은 실제 산업 환경에서 다양한 용도로 활용됩니다.

• 언어
  텍스트는 많은 생성 AI 모델의 루트에 있으며 가장 발전된 도메인으로 간주됩니다. 언어 기반 생성 모델의 가장 인기 있는 예 중 하나는 LLM(대형 언어 모델)입니다. 대규모 언어 모델은 에세이 생성, 코드 개발, 번역, 유전자 서열 이해 등 다양한 작업에 활용되고 있습니다 .
  Ex) ChatGPT, Bard
• 오디오
  음악, 오디오 및 음성도 생성 AI 내에서 떠오르는 분야입니다. 예를 들어 텍스트 입력을 통해 노래와 오디오 클립의 일부를 개발할 수 있는 모델, 비디오의 개체를 인식하고 다양한 비디오 영상에 대한 소음을 생성할 수 있는 모델, 심지어 맞춤형 음악을 만들 수도 있습니다.
  Ex) AIVA, Jukedeck
• 시각적
  생성 AI의 가장 인기 있는 응용 프로그램 중 하나는 이미지 영역입니다. 여기에는 3D 이미지, 아바타, 비디오, 그래프 및 기타 일러스트레이션 제작이 포함됩니다. 생성된 시각적 요소를 편집하고 수정하는 기술뿐만 아니라 다양한 미적 스타일로 이미지를 생성하는 유연성도 있습니다. 생성적 AI 모델은 약물 발견에 도움이 되는 새로운 화학 화합물과 분자를 보여주는 그래프를 생성하고, 가상 또는 증강 현실을 위한 사실적인 이미지를 생성하고, 비디오 게임용 3D 모델을 생성하고, 로고를 디자인하고, 기존 이미지를 향상 또는 편집하는 등의 작업을 수행할 수 있습니다.
  Ex) MidJourney, DALL-E
• 합성 데이터
  합성 데이터는 데이터가 존재하지 않거나 제한되어 있거나 가장 높은 정확도로 특수 사례를 해결할 수 없는 경우 AI 모델을 훈련하는 데 매우 유용합니다. 생성 모델을 통한 합성 데이터 개발은 아마도 많은 기업의 데이터 문제를 극복하기 위한 가장 영향력 있는 솔루션 중 하나일 것입니다. 이는 모든 양식과 사용 사례에 걸쳐 있으며 라벨 효율적 학습이라는 프로세스를 통해 가능합니다. 생성적 AI 모델은 추가 증강 훈련 데이터를 자동으로 생성하거나 레이블이 적은 데이터로 AI 모델 훈련을 용이하게 하는 데이터의 내부 표현을 학습함으로써 레이블 지정 비용을 줄일 수 있습니다.

생성 모델의 영향은 광범위하며 그 응용 프로그램은 계속 증가하고 있습니다. 목록에는 생성 AI가 교통, 자연 과학, 엔터테인먼트 분야를 발전시키고 변화시키는 데 어떻게 도움이 되는지에 대한 몇 가지 예가 나와 있습니다.

• 자동차 산업
  생성 AI가 시뮬레이션 과 자동차 개발을 위한 3D 세계와 모델을 만드는 데 도움이 될 것으로 예상됩니다 . 합성 데이터는 자율주행차 훈련에도 사용되고 있습니다. 현실적인 3D 세계에서 자율주행차의 능력을 도로 테스트할 수 있으면 안전성, 효율성, 유연성이 향상되는 동시에 위험과 간접비도 줄어듭니다.
• 자연과학 분야
  의료 산업에서 생성 모델은 신약 발견에 도움이 되는 새로운 단백질 서열을 개발 함으로써 의학 연구에 도움을 줄 수 있습니다 . 실무자는 스크라이빙, 의료 코딩, 의료 영상, 게놈 분석과 같은 작업 자동화의 이점을 누릴 수도 있습니다. 한편, 기상 산업에서는 생성 모델을 사용하여 지구의 시뮬레이션을 생성하고 정확한 일기 예보 및 자연 재해 예측에 도움을 줄 수 있습니다. 이러한 애플리케이션은 일반 대중을 위한 보다 안전한 환경을 조성하는 데 도움이 될 수 있으며 과학자들이 자연 재해를 예측하고 더 잘 대비할 수 있도록 해줍니다.

비디오 게임부터 영화, 애니메이션, 세계 구축, 가상 현실까지 엔터테인먼트 산업 의 모든 측면 에서 생성 AI 모델을 활용하여 콘텐츠 제작 프로세스를 간소화할 수 있습니다. 제작자는 창의성과 작업을 보완하는 데 도움이 되는 도구로 생성 모델을 사용하고 있습니다.

 

---

Reference

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

https://www.nvidia.com/en-us/glossary/generative-ai/

https://www.techtarget.com/searchenterpriseai/definition/generative-AI