Summary

1. 생성형 AI는 가장 주목받는 AI분야입니다.
2. 생성형 AI 관련 서비스가 빠르게 나오고 있습니다.
3. 구체적인 프롬프트, 하이퍼 파라미터를 통해 생성형 AI 활용도를 극적으로 높일 수 있습니다.

Introduction

강명호 강사님
생성형 AI의 개념과 역사, 한계, 현황 및 관련 서비스를 소개합니다.

Code, Concept & Explanation

Generative AI

생성 AI

인공지능 분야의 하나로서 이미지, 텍스트, 음악, 비디오 등 새롭고 독창적인 콘텐츠를 만들 수 있는 모델과 알고리즘을 연구하는 분야

Artificial Intelligence ⊃ Machine Learning ⊃ Deep Learning ⊃ Generative AI

생성 AI의 역사 (링크)

2014년 Generative Adversarial Network (GAN)의 등장으로 본격적인 Generative AI의 시대가 시작

Mylens.AI (링크)

타임라인, 마인드맵

Generative AI의 기술적 배경 및 특징

인코딩 vs 디코딩

1. 머신러닝 - 인코딩 : 학습 데이터를 통해 숫자나 범주 데이터로 축약
2. 생성AI - 디코딩 : 출력 데이터를 역으로 그림, 글 등의 원하는 형태로 변환시켜주는 디코딩 과정을 통해 콘텐츠 생성

(중학생 수준 설명)
1. 인코딩 : 우리가 이해하는 정보를 컴퓨터가 이해할 수 있게 바꾸는 과정. (그림이나 글 → 숫자나 코드)
2. 디코딩 : 컴퓨터가 이해한 정보를 우리가 이해할 수 있는 형태로 다시 바꾸는 과정. (숫자나 코드 → 그림이나 글)

###모라벡의 역설은 유효하지 않다
모라벡의 역설 : (컴퓨터는) 어려운 일은 쉽고, 쉬운 일은 어렵다.
하지만 인공지능 기술 발달로, 다 잘 할 수 있게 변화

Generative AI의 문제점 및 한계

1. Hallucination : 가짜 정보 생성
2. Bias In, Bias Out : 나치 이미지 생성시, 아시아 여성, 미국 원주민 포함
3. Copyright & IP infringement : Open AI 에서는 저작권을 위해 Copyright shield 프로그램 실행
4. Data Privacy, Confidentiality : ChatGPT 통해 자장가에서 나온 windows 제품키

AGI는 실현 가능한가?

인공 일반 지능 (Artificial General Intelligence) 또는 강인공지능은 조만간 실현 가능할 것이라는 의견들

• 인공지능 4대 천왕
  인공지능 4대천왕은 인공지능(AI) 분야에서 큰 영향을 끼친 네 명의 유명한 학자들을 가리키는 별명입니다.

1. 제프리 힌턴(Geoffrey Hinton)
   딥러닝의 아버지로 불리는 인물.
   인공 신경망, 특히 역전파 알고리즘과 딥러닝 기술을 발전시키는 데 중요한 역할.
   현재 Google Brain에서 활동 중이며, AI 연구의 선구자

2. 얀 르쿤(Yann LeCun)
   CNN(Convolutional Neural Networks), 즉 합성곱 신경망을 개발
   이 기술은 이미지 인식, 영상 처리 등에 매우 중요한 역할
   현재 Facebook(메타)의 AI 연구 책임자로 활동

3. 요슈아 벤지오(Yoshua Bengio)
   자연어 처리와 딥러닝 연구의 선두 주자
   특히 RNN(Recurrent Neural Networks)과 LSTM(Long Short-Term Memory) 같은 기술에 기여
   캐나다 몬트리올 대학의 교수로 AI 연구를 이끌고 있음

4. 앤드류 응(Andrew Ng)
   Stanford 교수이자 Coursera의 공동 설립자이며, Google Brain 프로젝트를 공동 창립
   Baidu의 AI 연구팀도 이끌었고, 머신러닝의 대중화에 기여한 인물
   대규모 데이터를 활용한 AI 연구를 확산에 앞장

Transformer 작동 원리

GPT는 Generative Pre-trained Transformer의
약자로서, Transformer 구조

Transformer : 문장을 입력받고, 단어들의 관계를 학습한 후, 그걸 바탕으로 새로운 문장을 만들어내는 AI 모델
문장 속에서 어떤 단어가 중요한지를 잘 파악해서 더 똑똑하게 결과를 만듦

프롬프트 작성

상황을 설정하고, 사용자의 정체나 직업 등을 알려줌으로 구체적으로 하는 것이 중요

• Break Down Your Question: 질문할 내용을 나누기
• Be Specific, Include Context: 구체적으로, 문맥을 포함하기
• Give feedback!: 답변에 대한 피드백 제시
• Hierarchical Prompting: 일반적인 내용에서 구체적으로
• Comparative Prompting: 비교하도록 유도
• Thought Process Prompting: ‘생각’하도록 유도
• Sequential Prompting: 진행상황이나 결과를 물어보기

하이퍼 파라미터 설정

하이퍼 파라미터 Hyperparameter : 머신러닝에서 데이터에서 습득하는 것이 아닌, 연구자가 제어하는 속성

인공지능 이미지 생성 알고리즘

1. VAE (Variational Autoencoder)
   autoencoder는 고차원 데이터 차원을 축소
   decode 과정을 통해 이미지 생성
2. GAN (Generative Adversarial Network)
   Ian Goodlfellow가 발표한 최근 Generative AI의 기반이 된 중요한 알고리즘
3. Diffusion model
   원본 데이터를 무작위로 만드는 과정을 역으로 추적하여 새로운 데이터 생성
   1) 원본 데이터 무작위 잡음(noise)을 추가하여 데이터 diffuse
   2) 과정 반복 통해 원본 데이터 균일한 노이즈 분포
   3) 과정 거꾸로 추적하여 원본 데이터 재구성
   4) 재구성 과정 중 원본 데이터와 유사한 새로운 데이터 생성

Challenges & Solutions

Results

What I Learned & Insights

AI 분야가 빠르게 성장한다는 것은 알고 있었지만, 이렇게 다양한 서비스가 있다는 것은 미처 몰랐습니다.
또 다양한 서비스들 중에 무료 서비스들도 많아서, 기존에 알지 못했던 부분이 민망했습니다.
AI 서비스를 알려주는 서비스가 있을 정도로 빠른 시대 흐름에 도태되지 않도록 매일 최소 1시간 AI 서비스를 학습하거나 실습해보는 시간을 갖겠습니다.

Conlusion

생성형 AI의 시대,
프롬프트 구체화를 통해 활용도를 극대화하고
넘쳐나는 서비스라는 무기를 지혜롭게 숙달하겠습니다.