2022년 10월 Chat GPT가 공개된 후 사람들은 생성형 AI가 앞으로 어디까지 인간의 영역을 구현할 수 있을지에 대해 주목했다. 인공지능(Artificial Intelligence)은 다양한 분야에서 문제 해결, 학습, 의사결정 등을 자동화할 수 있도록 개발된 기계와 소프트웨어를 말한다. 이미 우리의 실생활에서 AI는 많이 사용되고 있다. 웹 검색, 사용자 기록 기반 추천 시스템, 전략 게임 시스템, 주행보조 시스템 등 여러 분야에서 다양한 AI를 사용 중이다. 그러나 기존 인공지능이 단순 작업보조에 가까운 인공지능이었다면 이제는 작업보조를 넘어서 창작까지 할 수 있는 수준까지 올라오며 새로운 지평을 열었다.
생성형 AI는 글, 소리, 사진, 영상 등을 이용해 학습하여 유사한 콘텐츠를 만드는 인공지능을 지칭한다. 22년 Chat GPT가 등장하며 더욱 사람처럼 대답하고 다양한 문제들을 해결하는 AI가 등장했고 23년에는 몇 개의 키워드만으로 정밀한 그림을 그리는 AI가 등장했다. 최근 공개된 OpenAI의 Sora는 몇 개의 키워드로 사람이 찍은 듯한 사실적인 1분 영상을 생성하기까지 이르렀다. 이처럼 빠르게 성장하는 생성형 AI의 장단점은 다음과 같다.
그림1. ChatGPT 3.5를 활용한 질의응답과
동영상 생성AI인 Sora시연 영상
출처: openai.com
출처: ChatGPT3.5, Sora시연 영상 캡쳐
<장점>
1. 기존에 사람만이 가능했던
분야에서 AI로 대체 및 보조하며
생산성 증가
2. 대량의 데이터와 변수를
이용하여 개인화된 서비스와
경험 제공 가능
3. AI로 많은 분야에서 자동화가
가능하며 비용 효율화
<단점>
1. AI가 부정확하거나
혐오 컨텐츠를 만들어 낼
가능성이 있음.
실제로 AI를 활용하여 가짜뉴스와 비디오로 인한 피해사례 다수
2. 생성형 AI 학습과정에 사용된
데이터의 저작권 침해 및
개인정보 유출 가능성
3. 기존의 학습된 데이터를
바탕으로 한 ‘모방’에 가까움
그림2. AI가 그린 강아지 초상화 그림
출처: aigreem.com / ‘강아지 초상화’로 작성한 AI그림
그림3. AI가 제작한 가짜 사진
출처: BBC, 원본은 Mark Kaye라는 쇼호스트와 라디오쇼의 팀에서 AI로 제작한 사진
생성형 AI는 공개 직후 여러 장점으로 인해 관심을 받았으나 단점들이 강하게 작용하며 확산이 더디었다. 특히 1) AI가 생성한 작품과 학습에 사용된 모든 데이터들의 저작권 이슈, 2) 그림 2와 3처럼 AI가 만든 창작물의 정확도, 혐오 콘텐츠 제작 등 안정성에 대해 지속적인 의문, 그리고 3) AI를 사용하는 과정에서 과도한 연산 능력 소요라는 단점이 크게 부각됐다. 하지만 이런 단점에도 불구하고 생성형 AI는 미래에 우리 생활의 핵심 도구로 자리 잡을 것이라 확신한다.
이미 기업들은 생성형 AI 기반 새로운 상품과 서비스를 개발하기 위해 많은 투자를 하고 있기에 앞으로 다양한 서비스들이 등장할 것으로 예상한다. 특히 단순 디자인, 마케팅, 프로그래밍 등 분야에서 사용된다면 업무 효율이 극대화될 것이라 생각한다. 또한 아이디어를 보유한 개인이나 기업이 비교적 간편하게 원하는 콘텐츠를 만들 수 있는 도구가 생겨 더 빠르고 많이 생성 가능해 콘텐츠 시장이 크게 성장할 것이다. 그리고 의료 분야도 충분한 데이터로 학습한다면 간단한 진료나 치료 경과 추적 등을 자동화하고 개인화된 의료와 부가 서비스들이 곧 등장할 것으로 기대한다.
다만 아직까지는 우리는 AI 인프라를 확충하는 단계에 있다. 생성형 AI외에도 다양한 산업에서 AI를 도입했거나 테스트하면서 인프라 투자를 확대하고 있다. 이런 AI들은 대규모 데이터를 이용하여 학습하기에 자연스레 초고성능 GPU와 NPU가 필요하여 고성능 칩 수요가 급증했다. 그러나 NVIDIA가 거의 독점하고 있는 시장이기에 공급이 절대적으로 부족하다. 따라서 MS(OpenAI), AMD, 애플, 인텔 등이 자체 AI칩을 개발하고 있으며 AI칩 시장에 도전하는 기업들이 늘어나고 있다. 이에 따라 칩 설계와 개발을 수행하는 ARM, Imagination Technologies Group 등의 성장 가능성이 높다. 그리고 TSMC, 인텔 등 파운드리 산업, ASML의 EUV 반도체 장비 수요, AI칩 외에도 메모리 반도체, 네트워크 장비 등 부가 부품 및 장비의 수요도 동반 상승할 것으로 기대한다.
그림4. 트랜스포머 모델(문맥을 학습하는 방식) 인공지능이 요구하는 연산량
출처: NVIDIA 4Q23 실적발표 자료
인프라가 어느 정도 확충된다면 생성형 AI를 이용하여 산업용 로봇, 의료기기, 통신기기 등 여러 산업에서 신규 서비스와 제품을 선보이며 발전할 것으로 생각한다. 산업용 로봇은 복잡하고 비정형적인 환경에서 운용 가능한 다용도 로봇도 등장할 수 있고 사람의 업무 수행을 보고 학습하여 신규 로봇 프로그램 작성할 수 있다. 이미 MIT에서 다양한 물건을 들고 움직일 수 있는 로봇팔 개발 중이며 아마존은 효율적으로 창고 내 물건을 가져와 포장까지 하는 로봇 개발 중이다. 이런 로봇들을 활용하여 기존 제조 시설 자동화율을 높여줄 것으로 예상한다.
그림5. Agility Robotics의 Digit (현재 아마존 물류창고에서 테스트 중)
출처: agilityrobotics.com
자동화율이 올라가 공장 운용 비용이 충분히 내려온다면 다시 한번 제조업의 공급망, 가치사슬의 변화가 이뤄지며 선진국향 리쇼어링이 더 늘어날 것으로 판단한다. 미국의 2022년 리쇼어링 보고서에 따르면 코로나 이후 공급망 안정성을 위해 리쇼어링이 급증했으며 산업군별로는 전자기기 및 장비, 컴퓨터, 화학, 운송이 많이 돌아왔다. 대체로 첨단 산업 군이며 충분히 로봇을 활용하여 자동화율을 높일 수 있는 분야가 다수이기에 또다시 선진국 내 제조업 부흥이 나올 수 있다.
의료분야에서의 신규 서비스와 제품도 다양하게 등장할 것이다. 개인별 건강 상태 확인, 건강 보조 역할을 수행하는 의료 및 진단 기기와 치료 경과 추적, 단순 진료, 만성질환 등 분야에서 원격/AI 의료 서비스가 빠르게 자리잡을 수 있다고 생각한다. 특히 당뇨환자의 경우 이들이 상시 사용하는 CGM(연속혈당측정기)를 병원과 연결하여 데이터 공유하고 자동으로 비대면 의약품 처방 및 구매, 식단/운동관리 서비스 등 개인화, 자동화된 의료 서비스가 나올 것이다.
그림6. 당뇨환자들이 사용하는 연속혈당측정기
출처: Pexels.com
그리고 제약사에서 신약 개발 시 화학 구조에 따른 효과 시뮬레이션 등 신약개발 초기 단계에 사용 가능하여 연구 속도와 효율 향상이 기대된다. 이미 다수의 글로벌 기업들이 이런 부분을 연구하고 실제 테스트를 진행 중이기에 가까운 미래에 다양한 의료 서비스들이 나올 것으로 전망한다.
통신기기와 서비스는 이미 시리, 빅스비보다 더욱 고도화된 AI가 탑재될 가능성이 높다. 우리의 스마트폰은 개인 맞춤 서비스에 필요한 데이터 수집과 사람과 AI 간 소통할 수 있는 창구가 될 것이다. 수집된 데이터를 바탕으로 쇼핑, 콘텐츠 추천, 집안일 자동화 등 여러 기능을 더욱 매끄럽게 해줄 수 있을 것으로 생각한다. 추가로 가상현실 또는 증강현실 기기와 함께 사용한다면 더욱 실감 나는 콘텐츠 소비 가능할 것이다.
그림.7 VR기기
출처: Pexels.com
AI가 발전하며 우리 일상에 더 깊이 뿌리내릴수록 우리가 더 많은 시간을 더욱 가치 있는 곳에 사용할 수 있게 해줄 것이다. 앞으로 어디에 생성형 AI를 활용할지 상상의 나래를 펼친다면 투자에서도 성공할 수 있다고 판단한다.
