2022년 말 AI가 각광을 받기 시작한 이후 거의 매주 수천 개의 AI 모델이 등장하고 있습니다. 어떤 것이 무엇을 하는지 따라잡는 것은 어지러울 수 있습니다.
AI의 기본에 익숙하다면 생성적 인공 지능(GAI)에 대해 이미 알고 있을 것입니다. 반대로 인공 일반 인공지능(AGI)이라는 다른 유형의 인공지능에 대해서는 잘 모를 수도 있습니다.
비슷하게 들리지만 완전히 같은 것은 아닙니다. 단순히 약자만 바뀌어서 그런 것은 아닙니다. 그렇다면 이 둘의 차이점은 무엇일까요?
인공 일반 지능이란 무엇인가요?
생각하고, 추론하고, 지각하고, 추론하는 등 인간이 할 수 있는 모든 일을 할 수 있는 인공지능을 상상해 보세요. 인공 일반 지능은 바로 이러한 능력을 갖춘 인공지능입니다. 이론상으로는 인공 일반 인공지능(AGI)은 인간처럼 모든 지적 작업을 수행할 수 있지만 오류는 거의 없거나 전혀 없습니다.
특정 분야 또는 작업 범위에서 고도로 숙련된 인공 협소 지능(ANI)과는 다릅니다. 좁은 지능은 매우 틈새 분야의 명예 교수처럼 한 가지 또는 극소수의 특정 작업에만 탁월하도록 설계되었습니다.
AGI는 감정을 느끼고, 감정에 따라 의사 결정을 내리고, 문제를 해결하고, 학습하고, 언어를 처리하고, 기타 인지 능력을 수행할 수 있는 AI로 제안됩니다. 사전에 데이터를 입력하지 않아도 AGI는 관련된 변수에 관계없이 의미 있는 결과를 도출해야 합니다.
공상 과학 소설의 AI는 거의 근접하지 못하므로 AGI는 아직 이론에 불과합니다. 현재 연구 중인 일부 AI 모델은 AGI의 설명에 근접해 있지만, 여전히 제공된 데이터에 크게 의존하고 있으며 아직 독립적인 추론을 형성하지 못했습니다. 문제 해결, 자연어 처리 등에서 뛰어난 능력을 발휘하지만 완전한 AGI라고 부르기에는 아직 갈 길이 멀다.
예를 들어, 구글 딥마인드는 인간처럼 학습하고 추론할 수 있는 능력을 갖춘, 인간 지능과 동등한 수준의 AGI 모델을 개발하기 위해 밤낮으로 노력하고 있습니다. 더 자세한 내용은 Google의 기존 봇이 할 수 있는 놀라운 일을 확인해 보세요.
그렇다면 인공 일반 지능의 잠재적인 응용 분야는 무엇일까요? 글쎄요, 상상할 수 있는 모든 분야에서 중요성을 찾을 수 있을 것입니다. 예를 들어, 인공 지능과 생명공학 기술은 적은 비용으로 프리미엄 의료 서비스를 제공할 수 있습니다. 치료 계획을 개인화하고 오류를 최소화하면서 진단 속도를 높일 수 있습니다.
로봇 공학 및 자동화, 연구, 교육, 농업, 우주 탐사 등과 같은 다양한 분야에서 이러한 작업을 수행할 수 있습니다.
생성적 인공 지능이란 무엇인가요?
앞서 언급했듯이 이 글을 쓰는 시점에 현존하는 대부분의 AI 모델이 이 범주에 속합니다.
생성형 인공 지능(GAI)은 이름에서 알 수 있듯이 이전에 전치된 데이터에서 오디오, 이미지, 텍스트 등 새로운 자료를 생성하는 모든 AI를 포함합니다. 즉, 콘텐츠를 생성하기 위해 프롬프트를 제공하거나 저장된 정보에 액세스하여 요청에 응답해야 하는 모든 AI를 GAI로 분류할 수 있습니다.
예를 들어, 일반적인 텍스트-음성 및 이미지-이미지 번역기와 최근에 개발된 DALL-E(DALL-E란 무엇인가요?), MuseNet, 스타일 기반 생성적 적대적 네트워크(StyleGAN), 주크박스, 생성적 사전 학습 트랜스포머(GPT-3, GPT-3.5, GPT-4)가 생성형 AI로 분류됩니다.
생성 AI는 딥러닝 기술을 사용하여 프롬프트에 최대한 근접한 콘텐츠를 생성합니다. 프롬프트를 구성 재료로 사용하여 사용자가 제작을 요청한 콘텐츠를 구축합니다. ChatGPT에 대해 더 자세히 알고 싶으시다면 몇 가지 예를 참조하세요.
인공 일반 인공 지능과 생성 인공 지능은 어떻게 유사하나요?
운영 방식과 전문 분야는 다르지만 일반 인공 지능과 생성 인공 지능은 몇 가지 공통점을 공유합니다.
학습
AGI와 GAI는 심층 신경망을 사용하여 지도, 준지도, 비지도 알고리즘을 통해 학습하는 머신러닝 모델입니다. 이를 통해 데이터를 분석하고 처리하여 프롬프트의 맥락에 맞는 콘텐츠를 생성할 수 있습니다.
인간과 마찬가지로 AGI 모델도 다양한 데이터와 경험을 통해 학습할 수 있습니다. 동시에 GAI는 기존의 대규모 데이터 풀에 대한 학습을 통해 데이터 간의 기본 패턴과 관계를 이해하여 새롭고 의미 있고 관련성 있는 데이터를 생성합니다.
적용 범위
AGI와 GAI 모두 텍스트, 이미지, 동영상 콘텐츠를 포함하되 이에 국한되지 않고 다양한 용도로 사용할 수 있습니다.
생성 AI는 제한된 분야에서 다양한 용도로 개발할 수 있습니다. 반면, 일반 인공 지능은 독립적으로 추론하고 작업을 수행할 수 있기 때문에 삶의 모든 영역에 자연스럽게 적용될 수 있습니다.
변화를 위한 촉매제
기술 발전의 목표는 변화와 성장을 촉진하는 것입니다. AGI와 GAI는 세상에 절실히 필요한 변화와 혁신을 빠르게 추적하는 데 없어서는 안 될 필수 요소입니다.
사용 가능한 GAI와 AGI의 도입으로 인류는 곧 빠른 발전을 이룰 것이며, 인간의 노동 시간을 기하급수적으로 단축할 수 있을 것입니다.
윤리적 딜레마의 근원
AI의 도움을 받는 것은 좋은 생각처럼 보이지만, AI가 감독해야 할 윤리적으로 옳은 것에 대한 명확한 경계가 필요할 때 몇 가지 우려가 생깁니다.
생성 AI의 경우, AI 예술에 대한 저작권 규정에 대한 우려와 함께 AI 예술이 실제 예술인지에 대한 의문까지 제기되고 있습니다. 충분한 시간이 주어지면 인공지능은 인류를 무의미한 존재로 여기고 인류를 멸종시키려는 움직임을 보일 수 있으며, 공상과학의 공포가 현실이 될 수도 있습니다.
AI 분야는 인류에게 미지의 영역이기 때문에 규제가 까다롭습니다.
인공 일반 인공지능은 생성 인공지능과 어떻게 다른가요?
이미지 출처: 그래픽스튜디오/ 벡티지
가장 큰 차이점은 AGI는 아직 개발되지 않은 반면, GAI는 존재하며 이미 사용 중이라는 점입니다. 다른 차이점은 다음과 같습니다:
작동 모드
AGI가 여전히 컴퓨터 과학자들의 위시리스트에 있다는 사실 외에는 작동 모드가 현저하게 다릅니다.
인공 일반 인공지능은 특정 작업이나 도메인에 국한되지 않고 특정 프로그래밍 없이 작업을 수행합니다. 반면, 생성형 인공지능은 기존 패턴과 데이터를 기반으로 틈새 시장에서 새로운 콘텐츠를 생성하는 데 중점을 둡니다.
적응성
AGI는 새로운 상황을 학습하고 적응할 수 있는 반면, 생성 AI는 입력 데이터와 작동하는 특정 도메인에 의해 제한됩니다.
조직의 영업 및 재무를 감독하는 AGI는 팬데믹과 같은 갑작스러운 변화가 발생했을 때 조정할 수 있습니다. AGI 모델은 사용 가능한 데이터에서 지능적으로 추론하고 새로운 개발에 맞게 조직의 운영을 재구성할 수 있습니다.
이것은 생성 AI만으로는 할 수 없는 일입니다.
인지
인공 일반 인공지능은 문제 해결 방식이 인간과 비슷할 가능성이 높습니다. 이는 사전 학습된 입출력 시퀀스로 작동하는 생성형 AI와 반대되는 개념입니다. 생성형 인공지능은 프로그래밍된 대로만 할 수 있으며 그 이상도 이하도 아닙니다. 반면에 AGI는 학습하고, 추론하고, 비교하고, 추론합니다.
간단히 말해서, AGI는 인간처럼 생각할 수 있으며 어쩌면 더 잘 생각할 수도 있습니다.
학습 접근 방식
생성 AI는 종종 광범위한 데이터 리소스를 통한 비지도 학습을 통해 학습하며, 이를 통해 기존의 콘텐츠에서 새로운 콘텐츠를 만드는 방법을 배웁니다.
AGI는 지도 학습과 비지도 학습, 강화 학습을 모두 사용합니다. 이를 통해 방대한 리소스 앞에서 현명한 선택을 내릴 수 있습니다.
GAI, AGI, 그리고 그 너머
인공 일반 지능이 꿈의 소재에서 현실로 빠르게 전환되고 있다는 사실은 부인할 수 없습니다. 우리는 이제 막 생성형 인공지능에 익숙해지고 있지만 너무 익숙해져서는 안 됩니다.
인공 일반 인공지능은 머지않아 단순한 이론을 넘어 우리와 함께, 그리고 우리를 위해 일할 수 있는 능동적인 지능의 형태로 발전할 것입니다.