생성형 인공 지능(AI)은 사람의 지시에 따라 콘텐츠를 제작할 수 있는 컴퓨터 프로그램의 일종입니다.
이 글을 읽은 후에 다음을 할 수 있습니다:
관련 콘텐츠
인터넷에서 가장 인기 있는 인사이트를 한 달에 한 번 정리하는 Cloudflare의 월간 요약본 theNET를 구독하세요!
글 링크 복사
생성형 인공 지능(AI)은 프롬프트에 응답하여 텍스트, 이미지, 컴퓨터 코드, 시청각 콘텐츠를 생성할 수 있는 딥러닝 모델의 한 유형입니다.
생성형 AI 모델은 일반적으로 생성하도록 구축된 것과 동일한 종류의 데이터인 방대한 양의 원시 데이터로 학습됩니다. 이러한 데이터를 통해 임의의 입력이 주어졌을 때 생성형 AI 모델은 통계적으로 해당 입력과 관련이 있을 가능성이 높은 응답을 형성하는 방법을 학습합니다. 예를 들어, 일부 생성형 AI 모델은 유기적이고 독창적인 방식으로 서면 프롬프트에 응답할 수 있도록 대량의 텍스트를 학습합니다.
더 간단히 말하자면, 생성형 AI는 인간 예술가나 작가처럼 요청에 반응하지만, 더 빠르게 반응할 수 있습니다. 이러한 모델이 생성하는 콘텐츠가 "새로운 것" 또는 "원본"으로 간주될 수 있는지 여부는 논쟁의 여지가 있지만, 많은 경우 인간의 특정한 창의적 능력과 비슷하거나 이를 능가할 수 있습니다.
인기 있는 생성형 AI 모델로는 텍스트 생성을 위한 ChatGPT와 이미지 생성을 위한 DALL-E가 있습니다. 많은 조직에서는 자체 모델을 구축하기도 했습니다.
생성형 AI는 머신 러닝의 한 유형으로, 수학적 분석을 통해 관련 개념, 이미지, 패턴을 찾아냅니다. 그런 다음 이 분석을 사용하여 수신한 프롬프트와 통계적으로 유사하거나 관련성이 높은 콘텐츠를 생성합니다.
특히 생성형 AI는 딥러닝이라고 하는 일종의 머신 러닝에 의존합니다. 딥러닝 모델은 레이블이 지정되지 않은 데이터로부터 학습할 수 있을 만큼 강력합니다. 딥러닝 모델은 신경망이라는 일종의 컴퓨팅 아키텍처를 사용합니다. 이 아키텍처는 인간의 뇌가 뉴런을 통해 데이터를 전달하는 방식과 유사하게 데이터를 서로 전달하는 여러 노드로 구성됩니다. 신경망은 매우 정교하고 세밀한 작업을 수행할 수 있습니다.
언어를 해석할 수 있는 생성형 AI 모델은 개별 단어보다 더 많은 것을 이해해야 합니다. 전체 문장, 문단, 문서를 해석할 수 있어야 합니다. 초기의 머신 러닝 모델은 문장 전체를 이해하는 데 어려움을 겪었고, 문장이 끝날 무렵에는 문장의 시작 부분을 "잊어버려서" 잘못된 해석을 내놓기도 했습니다.
최신 생성형 AI 모델은 트랜스포머라는 특정 종류의 신경망을 사용합니다. 이 신경망에서는 셀프어텐션이라는 기능을 사용하여 시퀀스의 요소가 어떻게 연결되는지 감지합니다. 트랜스포머를 사용하면 생성형 AI 모델이 개별 단어와 구문뿐만 아니라 대규모 텍스트 블록을 처리하고 문맥을 파악하는 등의 작업을 수행할 수 있습니다.
생성형 AI 모델이 제대로 작동하려면 대부분의 경우 사람이 평생 동안 처리할 수 있는 것보다 더 많은 양의 데이터가 공급되어야 합니다. 예를 들어, 대규모 언어 모델 ChatGPT는 수백만 개의 문서로 학습되었습니다. 이미지 생성기는 수백만 개의 이미지를 토대로 학습하고, 코드 생성기는 수십억 줄의 코드를 토대로 학습할 수 있습니다.
이 학습 데이터는 벡터 데이터베이스에 저장됩니다. 이 데이터베이스에서 데이터의 포인트는 벡터 또는 다차원 필드 내의 좌표 집합으로 저장됩니다. 위도와 경도를 바탕으로 지도를 보는 사람이 주변 위치를 찾을 수 있는 것처럼, 데이터를 벡터로 저장하면 머신 러닝 모델이 "근처" 데이터 지점을 찾을 수 있습니다. 이를 통해 모델은 단어, 이미지, 사운드, 기타 모든 유형의 콘텐츠를 연관 짓고 문맥을 이해할 수 있습니다.
생성형 AI 모델이 일정 수준의 미세 조정에 도달하면 결과를 생성하는 데 그처럼 많은 데이터가 필요하지 않습니다. 예를 들어, 음성 생성형 AI 모델은 수천 시간의 음성 녹음을 바탕으로 학습할 수 있습니다. 그러나 일단 미세 조정이 완료되면 일부 모델은 몇 초 분량의 샘플만 녹음하면 누군가의 목소리를 사실적으로 모방할 수 있습니다.
미세 조정 후에도 많은 생성형 AI 모델들(또는 그 운영자)은 더 많은 콘텐츠를 얻기 위해 웹 크롤링을 계속합니다. 해당 모델들은 사용자 요청에 대한 응답으로 최신 데이터를 검색하고 학습을 위해 더 많은 데이터를 수집하는 등 다양한 이유로 이 작업을 수행합니다.
생성형 AI 모델은 여러 가지 잠재적 이점을 제공하므로 그 인기가 높아지고 있습니다. 이 이점에는 다음이 포함되지만, 이에 국한되지는 않습니다.
하지만 생성형 AI에는 다음과 같은 단점도 있습니다.
"대규모 언어 모델"(LLM)은 생성형 AI 모델의 기술 용어로, 언어를 처리하고 사람이 말하는 언어와 프로그래밍 언어를 모두 포함하여 텍스트를 생성할 수 있습니다. 인기 있는 LLM으로는 ChatGPT(OpenAI에서 제공), Llama(Meta에서 제공), Bard(Google에서 제공), Copilot(GitHub에서 제공), Bing Chat(Microsoft에서 제공) 등이 있습니다.
AI 이미지 생성기는 LLM과 유사하게 작동하지만, 텍스트가 아닌 이미지가 대상입니다. 인기 있는 AI 기반 이미지 생성기의 두 가지 예로는 DALL-E와 Midjourney가 있습니다.
Cloudflare에서는 개발자와 기업이 자체 생성형 AI 모델을 구축하도록 지원합니다. Cloudflare에서는 개발자가 자체 데이터에서 Cloudflare 전역 네트워크에 임베딩을 생성하고 저장할 수 있도록 Vectorize를 제공하고, 글로벌 GPU 네트워크에서 생성형 AI 작업을 실행하기 위한 Cloudflare Workers AI를 제공합니다. Cloudflare에서 어떻게 차세대 생성형 AI를 지원하는지 자세히 알아보세요.
생성형 인공지능(GenAI)은 프롬프트가 주어지면 텍스트, 이미지, 컴퓨터 코드와 같은 콘텐츠를 생성할 수 있는 딥러닝 모델의 한 유형입니다. 이러한 모델은 방대한 양의 데이터를 학습하며, 입력으로 받은 내용에 통계적으로 적절할 가능성이 높은 응답을 생성하도록 학습됩니다.
생성형 AI는 신경망이라 불리는 복잡한 연산 구조를 사용하는 딥러닝이라는 머신러닝 방식에 기반합니다. 언어를 이해하기 위해 현대의 딥러닝 모델은 트랜스포머라고 불리는 특정 유형의 신경망을 사용합니다. 트랜스포머는 ‘셀프 어텐션(self-attention)’이라는 기능을 사용해 문장 내 서로 다른 단어들이 어떻게 연결되어 있는지를 이해하며, 이를 통해 대규모 텍스트의 맥락을 처리하고 파악할 수 있습니다.
생성형 AI 모델은 인간이 평생 동안 처리할 수 있는 양을 훨씬 뛰어넘는 방대한 데이터로 학습됩니다. 예를 들어, ChatGPT와 같은 텍스트 기반 모델은 수백만 개의 문서로 학습되며, 이미지 생성 모델은 수백만 장의 이미지로 학습됩니다. 이러한 학습 데이터는 벡터 데이터베이스라는 특수한 형태의 데이터베이스에 저장되며, 이를 통해 모델은 유사한 데이터 포인트를 찾아 맥락을 이해하고 연관성을 형성할 수 있습니다.
이점으로는 콘텐츠 아이디어 발굴을 지원하고, 더 나은 챗봇을 구현하며, 데이터를 빠르게 처리해 연구를 강화하고, 검색 결과를 개선하는 것 등이 있습니다. 생성형 AI의 단점으로는 사실과 다른 정보를 제공할 가능성(일명 ‘환각’), 데이터 유출 위험, 그리고 편향된 콘텐츠를 재생산할 수 있다는 점이 있습니다.
대규모 언어 모델은 언어를 처리하고 텍스트를 생성할 수 있는 생성형 AI 모델입니다. 여기에는 인간의 자연어뿐만 아니라 프로그래밍 언어도 포함됩니다.
AI 이미지 생성기는 LLM과 유사한 방식으로 작동하지만, 텍스트가 아닌 이미지를 생성하도록 설계되었습니다. 예로는 텍스트 프롬프트를 고유한 시각적 콘텐츠로 변환하는 DALL·E와 Midjourney 같은 모델이 있습니다.