AI 기초 총정리: 모델과 딥러닝, LLM과 멀티모달, AGI, 그리고 AI 밸류체인까지 한 번에

핵심 메시지

• 강연자는 AI를 구조, 학습 능력, 수행 능력이라는 세 가지 조건을 갖춘 존재로 정의한다.
• 딥러닝의 혁신은 사람이 특징을 일일이 코딩하지 않아도 데이터를 많이 넣으면 스스로 구분법을 찾아낸다는 데 있다.
• LLM은 신경세포에 해당하는 단위가 아주 많은 언어 모델이고, 여기에 이미지·음성·영상까지 다루게 된 것이 멀티모달이다.
• AI 밸류체인은 모델을 만드는 빅테크, 그 아래 GPU와 HBM 같은 반도체, 그리고 전력과 데이터센터 같은 인프라로 이어진다.
• 강연자는 한국이 이 밸류체인에서 주요한 자리를 차지하지 못하고 있으며 방향을 제시할 리더십도 부족하다고 우려한다.

쉽게 이해하기

강의를 만든 계기는 소박하다. 어머니가 전화로 물어 온 AI 이야기 중에 틀린 정보가 너무 많았고, 관심은 폭증했는데 제대로 된 설명을 해 주는 곳은 드물다는 문제의식이었다. 그래서 비전공자도 따라올 수 있도록, 촬영하는 PD가 이해하지 못하면 바로 되묻는 방식으로 강의를 진행한다.

먼저 AI의 정의부터 잡는다. 뇌에 해당하는 구조가 있어야 하고, 그 구조로 데이터를 학습할 수 있어야 하며, 학습한 것으로 요구받은 일을 수행할 수 있어야 한다. 그리고 이런 AI를 세는 단위가 모델이다. 휴대폰에 갤럭시와 아이폰이 있고 세대마다 번호가 붙듯, 구글의 제미나이, OpenAI의 GPT, 메타의 라마 같은 식으로 이해하면 된다는 비유를 든다.

딥러닝 설명은 개와 고양이 구분 대회 이야기로 풀어낸다. 예전에는 사람이 '고양이는 귀가 뾰족하다' 같은 특징을 직접 코딩했지만 예외가 계속 나왔다. 반면 딥러닝은 뉴런을 흉내 낸 구조를 만들어 놓고 사진을 아주 많이 보여 주면 스스로 구분법을 찾아낸다. 특정 과제에만 통하는 별도 코딩이 필요 없다는 점이 결정적인 전환이었다는 설명이다.

용어 정리도 이어진다. LLM은 자연어에 특화된 모델 중 신경세포에 해당하는 단위가 아주 많은 것을 가리키고, 생성형 AI는 기존에 없던 이미지·오디오·영상을 만들어 내는 종류다. 두 흐름이 합쳐져 언어뿐 아니라 여러 형태의 데이터를 함께 다루는 멀티모달이 되었다. AGI는 시켜야만 움직이는 지금의 AI와 달리 스스로 문제를 판단하고 해결하는 단계로, 가까운 미래는 아니지만 개발자들이 향하고 있는 목표로 소개된다.

강의에서 가장 무게를 둔 부분은 밸류체인이다. 빅테크들이 모델이라는 뇌를 만들고, 그 뇌를 돌리려면 GPU와 HBM 같은 반도체가 필요하며, 반도체를 모아 두려면 데이터센터와 막대한 전력이 필요하다. 그래서 소형 원자로 같은 에너지 기술까지 함께 주목받는다. 여기서 강연자는 한국 기업이 이 사슬의 주요 위치에 충분히 들어가 있지 못하고, 무엇보다 방향을 제시할 리더십이 보이지 않는다는 위기의식을 드러낸다.

주요 인사이트

• AI를 기술 하나로만 보지 말고 무엇이 무엇에 영향을 주는 사슬인지로 보면, 특정 기업이 왜 주목받는지 그리고 진로나 취업을 어디에 걸어야 할지 판단하기가 쉬워진다.
• 생성형 AI의 위력은 양면적이다. 광고나 영상 제작의 특수효과를 대신해 줄 수도 있지만, 강연자 본인이 얼굴만 바꿔치기당한 광고 영상에 도용된 사례처럼 딥페이크와 보이스피싱 같은 범죄에도 그대로 쓰인다.
• 딥러닝은 달리기의 한 종류가 아니라 AI 모델을 학습시키는 기법 중 하나다. 만두를 굽거나 찌거나 삶는 방식의 차이처럼, 학습 방법의 한 갈래로 이해하면 혼동이 줄어든다.
• AI에 대한 대중의 관심이 폭증한 계기는 기술 자체보다 체감의 순간이었다. 2016년 알파고와 이세돌의 대국이 첫 번째 충격이었고, 2022년 11월 ChatGPT를 직접 써 본 경험이 두 번째 전환점이었다.
• 강연자가 마지막에 강조한 조언은 기술적 지식이 아니라 태도다. 무료 도구가 대부분이니 일단 켜 보고 이것저것 시켜 보면서 두려움을 없애는 것이 가장 중요하다는 것이다.

자주 묻는 질문

관련 AI 소식