AI란 무엇인가? 인공지능에 대해 알아야 할 모든 것

들어가기 전에

인공지능(AI)은 이전에는 인간의 지능이 필요했던 작업을 기계가 수행하는 능력을 가리키는 개념입니다. 어제오늘 사이에 등장한 것이 아니라 1950년대부터 존재해 왔으며 수십 년 간의 연구 및 기술 발전을 통해 정의가 수정되었습니다. 기계학습 및 LLM부터 일반 AI 및 신경망까지 기술을 구성하는 모든 것과 이를 사용하는 방법을 소개합니다.

권현욱(엑셀러) | 아이엑셀러 닷컴 대표 · Microsoft Excel MVP · Excel 솔루션 프로바이더 · 작가

이미지: 아이엑셀러 닷컴

 

※ 이 글은 아래 기사 내용을 토대로 작성되었습니다만, 필자의 개인 의견이나 추가 자료들이 다수 포함되어 있습니다.

---

• 원문: What is AI? Everything to know about artificial intelligence
• URL: https://www.zdnet.com/article/what-is-ai-heres-everything-you-need-to-know-about-artificial-intelligence/

---

인공지능이란 무엇인가요?

인공지능(AI)은 이전에는 인간의 지능이 필요했던 작업을 기계가 수행하는 능력을 가리키는 개념입니다. 이는  1950년대부터 존재해 왔으며 수십 년 간의 연구 및 기술 발전을 통해 정의가 수정되었습니다. 오늘날 AI는 자율 주행 자동차, 노트북,  ChatGPT와 같은 챗봇,  이미지 생성기를 지원합니다.

AI라는 말은 지능이 유기체에 내재되어 있다면 다른 곳에 존재하면 인공적으로 만든다는 생각에서 유래합니다. 컴퓨터 과학자  인 앨런 튜링(Alan Turing)은  기계가 사람처럼 정보와 논리를 사용하여 결정을 내릴 수 있다는 아이디어를  최초로  탐구 한 사람 중 한 명이었습니다. 그는 기계 능력과 인간의 능력을 비교하여 사람들이 그것을 인공적으로 감지할 수 있는지 확인하는 튜링 테스트를 만들었습니다.

기본 컴퓨팅 시스템은 프로그래머가 특정 작업을 수행하도록 코딩하기 때문에 작동합니다. 반면, AI는 인간의 뇌가 기술과 기억을 저장하여 학습하는 것과 유사하게 과거 명령을 포함한 정보를 컴퓨터에 저장할 수 있어야만 가능합니다. 이 능력을 통해 AI 시스템은 명시적으로 프로그래밍되지 않은 작업에 대해 새로운 기술을 적응하고 수행할 수 있습니다.

일부 전문가들은 지능을 적응하고, 문제를 해결하고, 계획하고, 새로운 상황에서 즉흥적으로 행동하고, 새로운 것을 배우는 능력으로 정의합니다. 이러한 시스템이 인간 지능이나 사회적 상호 작용을 대체하지는 않지만, 오늘날의 AI 시스템은 학습, 문제 해결, 패턴 찾기, 인식, 제한된 범위의 창의성 및 사회적 인식 등 인간 지능에서 발견되는 몇 가지 특성을 보여줍니다.

물론 인간 지능의 중요한 구성 요소는 AI가 아직 복제할 수 없었던 것, 즉 맥락입니다. 예를 들어, Google AI에는 실제 논리가 부족하고 풍자 및 유머와 같은 인간의 미묘함을 식별할 수 없습니다. 이는   치즈 스틱을 돕기 위해 피자 소스에 접착제를 추가 하거나 스파게티를 매콤하게 만들기 위해 휘발유를 사용하도록 조언하는 기술에서 알 수 있듯이 말입니다 . 이러한 예는 위험이 낮지만 의미론적 이해 없이 조치를 취하는 AI 시스템은 잘못된 상황에서 중대한 결과를 초래할 수 있습니다.

 

AI를 어떻게 사용할 수 있나요?

AI에는 수많은 응용 프로그램이 있으며, 그 중 다수는 이제 일상 생활에서 널리 사용할 수 있습니다. 소비자 수준에서 이러한 잠재력에는 새롭게 개편된  Google 검색, 웨어러블 기기, 심지어 진공청소기까지 포함됩니다 . Alexa나 Google 음성 지원 기능이 내장된 맨틀 위의 스마트 스피커도 AI의 훌륭한 예입니다.

챗GPT, Copilot, Claude와 같은 인기 있는 AI 챗봇은 개념 분석, 이메일 초안 또는 프로젝트 개요 작성, 창의적인 스토리 작성과 같은 대화형 질문이나 작업에 사용할 수 있습니다. 그러나 AI 모델은 사실과 허구를 구별할 수 없기 때문에 이러한 챗봇은 환각을 일으키  거나 꾸며내는 경향이 있습니다. 적용 가능한 경우 특히 인용 품질이 확실하지 않은 경우 독립적인 연구를 통해 챗봇이 하는 진술을 항상 확인하세요.

소비자 제품에서 AI의 주요 기능은 타겟 광고이든 생체인식 보안이든 개인화입니다. 이것이 바로 예를 들어 Face ID로 잠금을 해제할 때 휴대전화가 다른 사람의 얼굴과 귀하의 얼굴을 구별할 수 있는 이유입니다. 휴대전화는 수십억 명의 다른 사람의 얼굴을 참조하고 특정 데이터 포인트를 일치시켜 여러분의 얼굴이 어떻게 생겼는지 학습합니다.

더 큰 규모로 마케팅 및 콘텐츠 팀은 AI를 사용하여 생산을 간소화하고 개발자는  AI를 사용 하여 코드를 작성하고 실행할 수 있습니다 . AI는 또한 의학 연구 의 속도와 효율성을 기하급수적으로 높일 수 있습니다.

 

머신러닝이란 무엇인가요?

머신러닝(ML: Machine learning)은 패턴을 인식하기 위해 대량의 데이터에 대한 일련의 알고리즘을 훈련하는 프로세스를 말하며, 이는 예측과 결정을 내리는 데 도움이 됩니다. 이러한 패턴 탐색을 통해 시스템은 명시적으로 프로그래밍되지 않은 작업을 자동화할 수 있으며, 이는 AI가 다른 컴퓨터 과학 주제와 가장 큰 차별점입니다. 이 기능을 많은 사람들이 AI라고 부르지만 ML은 AI의 하위 집합입니다.

데이터가 구조화되거나 구성되면 시스템은 이상 현상을 더 쉽게 감지할 수 있습니다. 예를 들어 신용 카드 거래가 활동에서 보는 데 익숙하지 않은 세계 일부에서 발생한 경우입니다.

ML의 예로는 검색 엔진, 이미지 및 음성 인식, 사기 탐지 등이 있습니다. Face ID와 유사하게 사용자가 Facebook에 사진을 업로드하면 소셜 네트워크의 이미지 인식 기능이 이미지를 분석하고 얼굴을 인식하며 식별된 친구에게 태그를 지정하도록 추천할 수 있습니다. 시간, 연습, 더 많은 이미지 데이터를 통해 시스템은 이 기술을 연마하고 더욱 정확해집니다.

 

머신러닝은 어떻게 작동하나요?

머신러닝은 일반적으로 지도 학습과 비지도 학습이라는 두 가지 주요 범주로 나뉩니다.

지도 학습 (Supervised learning)

AI 시스템을 교육하기 위한 이 일반적인 기술은 주석이 달린 데이터 또는 사람이 레이블을 지정하고 분류한 데이터를 사용합니다. 그러면 ML 시스템에 이 데이터가 제공되어 패턴을 학습합니다.

원과 사각형의 이미지를 인식하고 구별하기 위해 ML 모델을 훈련한다고 가정해 보겠습니다. 이 경우 원(행성, 바퀴, 기타 원형 개체의 사진 등)과 사각형(테이블, 화이트보드 등) 이미지의 대규모 데이터 세트를 수집하고 각 모양에 대한 레이블이 표시됩니다.

그런 다음 알고리즘은 모양과 특성을 구별하기 위해 레이블이 지정된 이미지 모음을 학습합니다. 이 경우 원에는 모서리가 없고 정사각형에는 길이가 같은 4개의 변이 있습니다. 그러면 시스템은 새로운 이미지를 보고 모양을 결정할 수 있습니다.

비지도 학습 (Unsupervised learning)

이와 대조적으로, 비지도 학습을 통해 알고리즘은 데이터를 분류하는 데 사용할 수 있는 유사성을 찾아서 레이블이 지정되지 않은 데이터의 패턴을 식별하려고 시도합니다.

알고리즘은 특정 유형의 데이터를 선택하도록 미리 프로그래밍되어 있지 않습니다. 그들은 단순히 그룹화할 수 있는 유사점이 있는 데이터를 찾습니다. 예를 들어 쇼핑 행동을 기반으로 고객을 분류하여 개인화된 마케팅 캠페인을 통해 고객을 타겟팅합니다.

강화 학습 (Reinforcement learning)

강화 학습에서 시스템은 가능한 최상의 결과에 도달할 때까지 시행착오 과정을 거쳐 입력 데이터를 기반으로 보상을 최대화하도록 훈련됩니다.

비디오 게임을 하도록 시스템을 훈련시키는 것을 상상해 보십시오. 시스템은 높은 점수를 얻으면 긍정적인 보상을 받고, 낮은 점수를 얻으면 부정적인 보상을 받을 수 있습니다. 시스템은 게임을 분석하고 움직이는 방법을 학습하며, 받은 보상을 통해서만 학습합니다. 결국에는 스스로 플레이할 수 있고 사람의 개입 없이 높은 점수를 달성하는 방법을 배울 수 있습니다.

강화 학습은 자율 로봇이 실제 환경에서 행동하는 최적의 방법을 가르치는 데 도움이 되는 연구에도 사용됩니다. 예상치 못한 장애물을 피해 이동하는 등 데이터를 수집하지 않은 새로운 환경을 탐색하는 방법을 학습하는 로봇은 AI로 간주될 수 있는 고급 ML의 예입니다.

 

AI에는 어떤 유형이 있나요?

인공지능은 좁은 AI, 일반 AI, 슈퍼 AI 등 세 가지 하위 범주로 나눌 수 있습니다.

좁은 AI

좁은 인공지능(ANI: Artificial narrow intelligence)은 명시적으로 설계하지 않고도 특정 작업을 수행하거나 특정 문제를 해결하도록 설계되거나 훈련된 지능형 시스템을 말합니다. 이러한 유형의 AI는 Siri, Alexa, Google Assistant와 같은 음성 도우미에 매우 중요합니다.

ANI는 일반 지능을 보유하지 않기 때문에 약한 AI라고도 합니다. 하지만 그렇다고 해서 그 자체로 강력하지 않다는 의미는 아닙니다. 음성 비서 외에도 이미지 인식 시스템, 간단한 고객 서비스 요청에 응답하는 기술, 온라인에서 부적절한 콘텐츠를 표시하는 도구 등이 ANI의 예입니다.

ChatGPT는 특정 작업을 수행하도록 프로그래밍되어 있기 때문에 ANI의 한 예이기도 합니다. 즉, 주어진 메시지에 대한 텍스트 응답을 생성합니다.

 

일반 AI

AGI(Artificial General Intelligence, 강한 AI)는 기계가 이해하고 축적된 경험을 바탕으로 다양한 작업을 자율적으로 수행한다는 점에서 여전히 가상의 개념입니다. 이러한 유형의 지능은 AGI 시스템이 사람처럼 추론하고 생각할 수 있기 때문에 인간의 지능 수준에 더 가깝습니다.

인간과 마찬가지로 AGI는 잠재적으로 모든 지적 작업을 이해하고, 추상적으로 생각하고, 경험을 통해 배우고, 해당 지식을 사용하여 새로운 문제를 해결할 수 있습니다. 본질적으로 우리는 현재 어떤 AI로도 달성할 수 없는 상식이 가능한 시스템이나 기계에 대해 이야기하고 있습니다.

의식을 갖춘 시스템을 개발하는 것은 아직까지는 공정한 방법일 수 있지만 AI 연구의 궁극적인 목표입니다. OpenAI는 곧 출시될  GPT-5가  우리를 AGI에 더 가깝게 만들 것이라고 암시합니다.

 

슈퍼 AI

슈퍼 AI(ASI: Artificial superintelligence)은 모든 형태의 인간 지능을 능가하고 모든 기능에서 인간보다 뛰어난 기계 지능입니다. 이와 같은 시스템은 인류를 그 핵심까지 뒤흔들 뿐만 아니라 인류를 파괴할 수도 있습니다. 그것이 SF 소설에서 튀어나온 것처럼 들린다면, 그것은 일종의 사실이기 때문입니다.

스스로 학습하고 지속적으로 개선할 수 있는 지능형 시스템은 여전히 ​​가상의 개념입니다. 그러나 효과적이고 윤리적으로 적용된다면 이 시스템은 의학, 기술 등의 분야에서 놀라운 발전과 성과를 가져올 수 있습니다.

최근 AI의 사례로는 어떤 것들이 있나요?

AI의 가장 인상적인 발전 중 일부는 실제와 같은 AI 아바타 및 딥페이크 외에도 GPT 3.5, 가장 최근에는 GPT-4o 의 개발 및 출시입니다 . 그러나 AI에는 그 밖에도 많은 혁명적인 성과가 있었습니다. 여기에 포함하기에는 너무 많습니다. 가장 주목할만한 몇 가지 사항은 다음과 같습니다.

ChatGPT(및 GPT)

ChatGPT는 자연어를 생성 및 번역하고 질문에 답변할 수 있는 AI 챗봇입니다. OpenAI는 가장 널리 사용되는 AI 도구임에도 불구하고 광범위한 접근성 덕분에 ChatGPT를 출시하기 전에 GPT 1, 2, 3을 생성하여 인공 지능에 큰 파장을 일으켰습니다.

GPT는 Generative Pre-trained Transformer의 약자이며, GPT-3는 2020년 출시 당시 1,750억 개의 매개변수를 갖춘 가장 큰 언어 모델이었습니다. 그런 다음 ChatGPT의 무료 계층을 지원하는 GPT-3.5가 나왔습니다. ChatGPT, ChatGPT Plus 및 Microsoft Copilot의 무료 버전을 통해 액세스할 수 있는 가장 큰 버전인 GPT-4에는 1조 개의 매개변수가 있습니다.

자율주행자동차

자율주행차의 안전은 잠재 사용자의 가장 큰 관심사 이지만  AI의 혁신을 통해 기술은 계속해서 발전하고 개선되고 있습니다. 이러한 차량은 ML 알고리즘을 사용하여 센서와 카메라의 데이터를 결합하여 주변을 인식하고 최선의 행동 방침을 결정합니다.

테슬라(Tesla) 전기 자동차의 자동 조종 기능은 아마도 자율 주행 자동차를 고려할 때 대부분의 사람들이 생각하는 것일 것입니다. 그러나 Google의 모회사인 Alphabet의 Waymo도  캘리포니아주 샌프란시스코와 애리조나주 피닉스에서 자율주행차를 운행하거나 Uber Eats를 배달하는 등 자율주행차를 운행하고 있습니다. 크루즈는 또 다른 로보택시 서비스로, 아우디, GM, 포드 등 자동차 회사들도 자율주행차 기술을 개발하고 있는 것으로 추정됩니다.

로봇공학

보스턴 다이나믹스(Boston Dynamics)의 성과는 AI와 로봇공학 분야에서 두드러집니다. 터미네이터 수준의 AI 기술을 개발하려면 아직 갈 길이 멀지만 Boston Dyanmics의 유압식 휴머노이드 로봇이 AI를 사용하여 다양한 지형을 탐색하고 대응하는 모습을 보는 것은 인상적입니다.

딥마인드

Google 자회사  딥마인드(DeepMind)는 AGI에 중점을 둔 AI 선구자입니다. 아직은 아니었지만, 이 회사는  2016년에 세계 최고의 (인간) 프로 바둑 선수를이긴 AI 시스템인 AlphaGo를 만들어  헤드라인을 장식했습니다. 이후 DeepMind는 단백질의 복잡한 3D 형태를 예측할 수 있는 시스템인 AlphaFold를 만들었습니다. 또한 최고의 의사만큼 효과적으로 안질환을 진단할 수 있는 프로그램도 개발했습니다.

 

대규모 언어 모델이란 무엇인가요?

AI의 대표적인 사례는 LLM(대형 언어 모델)입니다. LLM은 비지도 기계 학습을 사용하며 인간 언어의 작동 방식을 학습하기 위해 엄청난 양의 텍스트를 학습합니다. 기술 회사에서는 비용을 절감하기 위해 인터넷에서 이러한 텍스트를 무료로 스크랩하는 경우가 많습니다. 여기에는 기사, 책, 웹 사이트 및 포럼의 콘텐츠 등이 포함됩니다.

학습 과정에서 LLM은 수십억 개의 단어와 구문을 처리하여 패턴과 이들 사이의 관계를 학습함으로써 모델이 프롬프트에 대해 인간과 유사한 답변을 생성할 수 있도록 합니다.

그러나 이러한 모델은 비록 정교한 수준이기는 하지만 일반적인 문법 패턴과 단어 쌍을 복제하고 있다는 점을 다시 한 번 명심하십시오. 사실, 논리 또는 상식을 이해할 수 없다는 점에서 우리처럼 생각하지 않습니다.

OpenAI가 최근 출시한 GPT-4o는 현재 Chatbot Arena 리더보드에서 1위를 차지하고 있습니다. 이 회사의  GPT-4 Turbo는  가장 발전된 LLM 중 하나로 간주되는 반면, GPT-4는 매개변수가 1조 7800억 개로 추정되는 가장 큰 LLM입니다. ChatGPT는 GPT-3.5와 GPT-4 모두에서 실행됩니다. Gemini는 Google에서 개발한 동일한 이름의 LLM으로 구동되며 매개변수의 수는 확인되지 않았지만 최대 175조개에 달하는 것으로 추산됩니다.

 

신경망이란 무엇인가요?

머신러닝의 성공은 신경망(neural networks)에 달려 있습니다. 이는 구조와 기능이 인간 두뇌의 뉴런 사이의 연결을 대략적으로 기반으로 하여 서로 신호를 보내는 방식을 모방한 수학적 모델입니다.

퍼즐을 풀기 위해 함께 일하는 로봇 그룹을 상상해 보세요. 각각은 퍼즐 조각의 다양한 모양이나 색상을 인식하도록 프로그래밍되어 있습니다. 신경망은 퍼즐을 풀기 위해 각자의 능력을 결합한 로봇 그룹과 같습니다. 신경망은 내부 매개변수를 조정하여 출력 내용을 변경할 수 있습니다. 각각에는 학습 중에 특정 데이터가 제시될 때 무엇을 출력해야 하는지 학습하기 위해 데이터베이스가 제공됩니다.

이러한 네트워크는 서로 데이터를 공급하는 상호 연결된 알고리즘 계층으로 구성됩니다. 신경망은 데이터가 계층 간에 전달될 때 데이터에 부여된 중요도를 수정하여 특정 작업을 수행하도록 훈련할 수 있습니다. 이러한 신경망을 훈련하는 동안 데이터가 계층 간에 전달될 때 데이터에 부여되는 가중치는 신경망의 출력이 원하는 결과에 매우 가까워질 때까지 계속해서 변경됩니다.

그 시점에서 네트워크는 특정 작업을 수행하는 방법을 '학습'하게 됩니다. 원하는 출력은 이미지의 과일에 올바르게 라벨을 붙이는 것부터 센서 데이터를 기반으로 엘리베이터가 언제 고장날지 예측하는 것까지 무엇이든 될 수 있습니다.

 

딥러닝이란 무엇인가요?

딥러닝(Deep learning)은 ML 계열의 일부이며 다양한 작업을 수행하기 위해 3개 이상의 레이어로 구성된 인공 신경망을 훈련시키는 것과 관련됩니다. 이러한 신경망은 방대한 양의 데이터를 사용하여 훈련되는 다수의 심층 계층을 갖춘 거대한 네트워크로 확장됩니다.

딥 러닝 모델은 최소한 3개 이상의 레이어를 갖는 경향이 있으며 최대 수백 개의 레이어를 가질 수 있습니다. 딥 러닝은 훈련 프로세스에서 지도 학습이나 비지도 학습 또는 둘 다를 사용할 수 있습니다. 딥러닝 기술은 AI를 활용해 데이터 속 복잡한 패턴을 인식하는 방법을 학습할 수 있기 때문에 자연어 처리(NLP: Natural Language Processing), 음성 인식, 이미지 인식 등에 활용되는 경우가 많습니다.

대화형 AI란 무엇인가요?

대화형 AI(Conversational AI)는 사용자와 대화하도록 프로그래밍되고, 대화 방식으로 듣고(입력) 응답(출력)하도록 훈련된 시스템을 말합니다. 대화형 AI는 NLP를 사용해 자연스럽게 이해하고 대응합니다.

대화형 AI의 예로는 Gemini와 같은 챗봇, Amazon Alexa와 같은 음성 비서를 갖춘 스마트 스피커, Siri와 같은 스마트폰의 가상 비서 등이 있습니다.

 

어떤 AI 서비스를 사용할 수 있나요?

소비자와 기업 모두 작업을 신속하게 처리하고 일상 생활에 편리함을 더하는 데 사용할 수 있는 풍부한 AI 서비스를 보유하고 있습니다. 아마도 집에 어느 정도 AI를 사용하는 제품이 있을 것입니다. 다음은 무료 및 유료로 대중이 사용할 수 있는 AI의 몇 가지 일반적인 예입니다.

• 음성 비서: 선반에 있는 Echo 장치의 Amazon Alexa, iPhone의 Apple Siri, Pixel 장치의 Google Assistant는 모두 자연어 처리를 사용하여 질문이나 명령을 이해하고 응답합니다.
• 챗봇: ChatGPT, Copilot 및 Perplexity 와 같은 AI 챗봇은 사람들과 상호 작용할 수 있고 경우에 따라 인간과 같은 대화를 나누고 심지어 공감과 우려를 흉내낼 수 있는 또 다른 형태의 가상 비서입니다.
• 언어 번역: Google 번역, Microsoft 번역기, Amazon Translate 및 ChatGPT와 같은 서비스는 기계 학습을 사용하여 텍스트를 번역합니다.
• 생산성: Microsoft 365용 Microsoft Copilot은 작업을 자동화하기 위해 Word, PowerPoint, Outlook, Excel, Teams 등에 포함된 AI 생산성 도구로 사용되는 LLM의 훌륭한 예입니다. 예를 들어, '프로젝트의 최신 상태에 대해 팀에 이메일 보내기'를 입력하면 Copilot이 자동으로 이메일과 문서에서 정보를 수집하여 요청에 대한 텍스트를 생성합니다.
• 이미지 및 비디오 인식: 다양한 프로그램에서 AI를 사용하여 얼굴, 텍스트, 개체 등 이미지와 비디오의 콘텐츠에 대한 정보를 찾습니다. 기계 학습을 사용하여 소스의 구조화되지 않은 데이터를 구성하는 Clarifai와 사용자가 이미지를 업로드하여 정보를 수신할 수 있는 AWS 서비스인 Amazon Rekognition이 이에 대한 두 가지 예입니다.
• 소프트웨어 개발: 많은 개발자가 ChatGPT를 사용하여 1년 넘게 코드를 작성하고 디버깅해 왔지만 프로그래머의 작업을 더 쉽게 만드는 데 사용할 수 있는 다른 AI 도구도 많이 있습니다. 한 가지 예는 OpenAI Codex의 AI 쌍 프로그래머 GitHub Copilot 입니다. 이 생성 언어 모델은 주석과 코드를 즉시 자동 완성하여 더 적은 노력으로 더 빠르게 코드를 작성할 수 있습니다.
• 비즈니스 구축: 많은 기업이 OpenAI의 GPT-4 API 또는  개발자를 위한 클라우드 기반 AI 도구 제품군인 Amazon Bedrock과  같은 비즈니스용 AI 도구를 만들고 있습니다.

 

AI 경쟁을 주도하고 있는 기업은 어디인가요?

생성형 AI가 발전함에 따라 기존 기술 기업과 스타트업 등 여러 기업이 이 분야에서 경쟁적으로 노력하고 있습니다. 각 기업이 너무 빠르게 발전하고 있어 확실한 선두 주자가 있다고 보기는 어렵지만, 주요 기업 몇 곳을 소개합니다..

오픈AI

당연히 OpenAI는 ChatGPT와 AI 이미지 생성기인 Dall-E 3를 포함한 강력한 생성 AI 도구를 무료로 제공한 후 AI 분야에서 큰 영향력을 발휘하고 있습니다.

Anthropic

Anthropic은 강력한 LLM 그룹인 Claude를 만들었으며 OpenAI의 주요 경쟁자로 간주됩니다. 이 회사는 AI 연구에서 안전과 윤리적 문제에 중점을 두고 있습니다.

알파벳

구글의 모회사인 알파벳은 딥마인드, 웨이모, 구글을 비롯한 여러 회사를 통해 다양한 AI 시스템에 관여하고 있습니다. Google은 원래 LaMDA로 구동되는 Google Bard라는 저성능 도구로 AI 챗봇 경쟁에서 출발했습니다. 그 후 Google은 두 차례에 걸쳐 Bard의 LLM을 PaLM 2로 바꾼 후 현재 사용 중인 LLM인 Gemini로 교체했습니다.

 

딥마인드는 계속해서 AGI를 추구하고 있습니다. 문서 AI를 위한 머신러닝 모델을 개발하고, 유튜브의 시청자 경험을 최적화하고, 전 세계 연구자들이 알파폴드를 사용할 수 있도록 하는 등 다양한 노력을 기울이고 있습니다. 매일 뉴스에서 알파벳의 AI 노력에 대해 듣지 못할 수도 있지만, 딥러닝과 AI 전반에서 알파벳의 연구는 인류의 미래를 바꿀 수 있는 잠재력을 가지고 있습니다.

마이크로소프트

Microsoft는 Microsoft Copilot을 만드는 것 외에도 기계 학습, 데이터 분석, 대화형 AI 개발을 위한 플랫폼, 컴퓨터 비전, 음성 및 언어에서 인간과 동등한 수준의 성능을 달성하는 사용자 지정 가능한 API 등 Azure에서 개발자를 위한 AI 도구 제품군을 제공합니다.

Microsoft는 OpenAI의 개발에도 많은 투자를 해왔습니다. 이 거대 기술 기업은 이전에 빙 챗(Bing Chat)으로 알려진 Copilot과 Dall-E 3의 고급 버전에서 GPT-4를 사용하여 Microsoft 디자이너(Designer)를 통해 이미지를 생성합니다.

애플

Apple도 최근 AI로 업그레이드된 아이패드 라인과 WWDC에서 발표할 새로운 발표를 통해 이 분야에 뛰어들었습니다.

[최고] 가성비로 [최신] Office 활용 정보를 만나보세요