AI의 분해 - Benedict Evans
인공지능을 해체하는 과정은 현재 많은 관심과 논의를 받고 있습니다. ChatGPT 3.5는 1년 전에 출시되었으며, 여전히 우리는 이 기술이 가져올 질문들에 대해 탐구하고 있습니다. AGI(인공 일반 지능) 논쟁은 이제는 거의 모두에 의해 무시되며, 반도체, 모델 크기 및 운영 비용에 관한 대화가 다른 모퉁이에서 벌어지고 있습니다. 그러나 저는 제품 측면에서 가장 흥미롭습니다. 이 기술이 실용적으로 어떤 가치를 제공하는지, 어떻게 활용할 수 있는지 알아보고자 합니다.
1970년대 후반에 빌 게이츠는 Xerox PARC에서 최초의 GUI를 보았을 때 컴퓨터 사용에 대한 패러다임이 바뀔 수 있다는 가능성을 깨달았습니다. 키보드 명령어를 배우지 않아도 되었고, 필요한 것을 클릭하거나 탭하기만 하면 되었습니다. 그러나 클릭하거나 탭하는 각 도구는 누군가가 만들어야 했습니다. 버튼을 만들어야만 했습니다.
언어 모델(Language Models, LLMs)은 일반화 수준에서 또 다른 변화를 가져옵니다. 하나의 소프트웨어가 어떤 도구든지 될 수 있습니다. 일부 기계 학습 기술들은 음성 비서로서의 역할을 수행하기 시작한 지 약 10년 전입니다. 그러나 알렉사(Alexa)와 같은 음성 비서들은 대부분 음성 활성화 스피커, 시계, 전등 스위치 이상의 역할을 하지 못했습니다. 그들은 문제의 절반만을 해결했습니다. 기계 학습을 통해 음성 인식과 자연 언어 처리를 수행할 수 있었지만, 그들은 답변 자체를 만들어내지 못했습니다. 알렉사는 아마존의 누군가가 야구 점수 모듈을 만들었기 때문에 야구 점수만 알 수 있었습니다. 이런 음성 비서들은 기계 학습을 통해 음성으로 변환된 답변을 제공할 수 있었지만, 답변 자체는 사람이 만들어야 했습니다.
LLMs은 이러한 문제를 이론적으로 해결할 수 있습니다. 이제 모든 것을 묻을 수 있을 뿐만 아니라 모든 것에 대한 답변을 얻을 수 있습니다. LLMs는 기계 학습의 한 형태로, 문제를 통계적인 문제로 변환합니다. 모든 가능한 질문에 대한 패턴을 사람이 수작업으로 프로그래밍하는 대신, 의미 있는 텍스트와 데이터를 기계에 제공하면 그 자체로 학습하여 패턴을 파악합니다. 이제 입력과 출력을 모두 가지고 있습니다. 초기에는 LLMs가 노출된 학습 데이터를 사용하여 질문에 답변할 수 있습니다. 그러나 다음 단계는 웹 페이지를 읽거나 데이터를 분석하여 답변을 찾을 수 있는 추론 엔진으로 LLMs를 발전시키는 것입니다.
LLMs는 이러한 발전을 통해 다양한 분야에서 활용될 수 있습니다. 예를 들어, 의료 분야에서는 환자의 증상을 기반으로 질병을 진단하고 최적의 치료 방법을 제안할 수 있습니다. 법률 분야에서는 법률 문서를 분석하고 전문적인 법률 조언을 제공할 수 있습니다. 금융 분야에서는 투자 전략을 개발하고 금융 시장 동향을 예측할 수 있습니다.
그러나 LLMs의 활용은 주의할 필요가 있습니다. 이 기술은 많은 데이터와 정확한 정보에 의존하기 때문에 데이터 편향이나 잘못된 정보가 포함된 경우 잘못된 결과를 도출할 수 있습니다. 또한 개인 정보 보호와 관련된 문제도 주목해야 합니다. LLMs는 사용자의 개인 정보를 처리하고 저장할 수 있으므로 이를 적절히 관리해야 합니다.
결론적으로, 인공지능의 해체는 우리에게 많은 가능성과 도전을 제시합니다. LLMs는 다양한 분야에서 전문적인 지식과 서비스를 제공할 수 있는 도구입니다. 그러나 그 활용은 신중하게 이루어져야 하며, 데이터 품질과 개인 정보 보호에 항상 주의를 기울여야 합니다. 앞으로 인공지능의 발전은 우리의 삶과 사회에 큰 영향을 미칠 것이므로 이러한 문제에 대한 탐구와 논의는 계속되어야 합니다.
출처: https://www.ben-evans.com/benedictevans/2023/10/5/unbundling-ai
Discussions (0)
관련 블로그
