[기술스터디] 생성형 AI가 쓴 생성형 AI 최신 트렌드 - 삼성SDS
https://www.samsungsds.com/kr/insights/generative-ai-trends.html
생성형 AI가 쓴 생성형 AI 최신 트렌드 | 인사이트리포트 | 삼성SDS
생성형 AI는 더 접근하기 쉬워지고 있습니다. 새로운 도구와 플랫폼, 하드웨어의 개발 덕분에 생성형 AI 모델을 훈련하고 배포하기가 더 쉬워지고 있습니다. 이는 더 많은 기업과 개인이 생성형 A
www.samsungsds.com
01) 향상된 자연어 생성(NLG, Natural Language Generation)
자연어 생성 : 인간이 콘텐츠를 제작하고 기계와 상호 작용하는 방식을 변화시키는 빠르게 성장하는 분야
NLG는 인공 지능을 사용하여 데이터를 자연어로 변환하는 프로세스이다. NLG는 사람과 유사한 텍스트를 생성하는 데 사용되며, 콘텐츠 제작, 챗봇, 언어 번역 등 다양한 용도로 활용될 수 있다.
NLG가 실제 세계에서 어떻게 활용되고 있는지 보여주는 한 가지 예는 스포츠 산업이다. 다음은 스포츠 업계에서 NLG가 활용되고 있는 방법이다.
◎ 게임 해설 : Fox Sports는 Amazon 머신 러닝 솔루션 랩과 협력하여 해설자가 경기 중에 사용할 수 있는 스포츠 내러티브를 자동으로 생성하는 자연어 생성(NLG) 엔진을 구축했다. NLG 엔진은 수십억 개의 영어 텍스트와 스포츠 통계 스니펫을 학습한 머신 러닝 모델에서 자연스러운 스포츠 내러티브를 생성한다.
◎ 게임 요약 : 노르웨이와 네팔 대학 연구원들은 NLG를 사용하여 오디오 해설, 메타데이터 및 캡션을 사용하여 축구 경기를 요약했다. NLG 시스템은 주요 플레이, 선수 통계 및 기타 관련 정보를 포함하는 축구 경기에 대한 동적 텍스트 요약을 생성한다.
◎ 선수 프로필 : NLG는 팬들이 좋아하는 선수에 대한 정보를 제공하는 선수 프로필을 생성하는 데 사용된다. 프로필에는 선수 통계, 커리어 하이라이트, 개인 정보 등의 정보가 포함된다. 이 콘텐츠는 스포츠 미디어 매체에서 팬의 참여를 유도하고 팬이 팔로우하는 선수에 대해 더 깊이 이해할 수 있도록 하는 데 사용된다.
◎ 소셜 미디어 : NLG는 개인화되고 매력적인 소셜 미디어 콘텐츠를 생성하는 데 사용된다. 콘텐츠에는 선수의 명언, 경기 하이라이트, 팬 반응 등이 포함된다. 이 콘텐츠는 스포츠팀과 미디어 매체가 팬의 참여를 유도하고 충성도 높은 팔로워를 구축하는 데 사용된다.
◎ 온라인 스포츠 베팅 : NLG는 온라인 스포츠 베팅 경험을 개선하는 데 사용되고 있다. NLG 시스템은 데이터를 분석하여 경기 요약, 선수 프로필, 베팅 추천 등 사용자를 위한 개인화된 콘텐츠를 생성할 수 있다.
02) 이미지 생성 그 이상(beyond image generation)
오늘날 생성형 AI 모델은 비디오, 아바타, 3D 모델 등 다양한 콘텐츠를 생성하는 데 사용할 수 있기에 이를 통해 엔터테인먼트, 교육, 제품 디자인 등의 분야에서 쓰인다.
◎ Google : Google은 비디오, 오디오, 3D 모델을 생성하는 모델을 개발하는 등 다양한 생성형 AI 프로젝트를 진행 중이다. Google AI는 텍스트 설명에서 사실적인 동영상을 생성할 수 있는 Imagen Video라는 모델을 개발하여 2022년 ‘테디베어가 접시를 씻는다(a teddy bear washing dishes)’라는 텍스트로 동영상을 생성한 사례를 발표한 바 있다.
◎ Microsoft : Microsoft는 비디오, 오디오 및 3D 모델을 생성하기 위한 모델 개발을 포함하여 여러 생성형 AI 프로젝트를 진행 중이다. Microsoft는 사실적인 텍스트 음성 변환 오디오를 생성할 수 있는 Azure 코그너티브 서비스 텍스트 음성 변환 모델을 개발했다.
◎ Meta : Meta는 비디오, 오디오 및 3D 모델을 생성하기 위한 모델 개발을 포함하여 여러 생성 AI 프로젝트를 진행 중이다. 메타는 텍스트 설명에서 사실적인 비디오 아바타를 생성할 수 있는 코덱 아바타라는 모델을 개발했다.
◎ 엔터테인먼트 : 인터랙티브 영화, 비디오 게임, 음악과 같은 새로운 형태의 엔터테인먼트를 만드는 데 생성형 AI가 사용될 수 있다.
◎ 교육 : 생성형 AI는 개인화된 학습 프로그램이나 인터랙티브 시뮬레이션과 같은 새로운 교육 도구를 만드는 데 사용될 수 있다.
◎ 제품 디자인 : 생성형 AI는 보다 개인화되고 효율적인 새로운 제품과 서비스를 설계하는 데 사용될 수 있다.
03) 비디오 제작의 A부터 Z까지
생성형 AI는 스크립트 작성부터 편집까지 전체 동영상 제작 프로세스를 자동화하는 데 사용되고 있다. 이를 통해 기업과 개인 모두 동영상 제작에 더 쉽게 접근할 수 있고 합리적인 가격으로 동영상을 제작할 수 있게 되었다.
1. 스크립트 작성
생성형 AI는 동영상 스크립트를 생성하는 데 사용할 수 있다.
2. 촬영
생성형 AI는 동영상 촬영에 사용할 수 있다.
3. 비디오 편집
생성형 AI는 비디오 녹화를 전사하고 비디오 효과를 생성하는 등의 작업을 자동화할 수 있는 새로운 비디오 편집 도구를 개발하는 데 사용되고 있다.
4. 오디오 편집
생성형 AI는 오디오 녹음을 전사하고 오디오 효과를 생성하는 등의 작업을 자동화할 수 있는 새로운 오디오 편집 도구를 개발하는 데 사용되고 있다.
5. 포스트 프로덕션
생성형 AI는 동영상에 음악 및 음향 효과를 추가하는 등의 포스트 프로덕션 작업에 사용할 수 있다. 이러한 기능은 비디오 컨텐츠 제작을 쉽고 빠르게 만들어 비디오 제작에 대한 접근성을 제고시킴으로써, 참여도를 증가시켜 더욱더 풍부하고 개인화된 컨텐츠를 공급하게 될 것이다.
04 과학 연구의 발전
생성형 AI는 신약 개발, 재료 과학, 기후 변화 등 다양한 분야에서 과학 연구를 가속하는 데 사용되고 있다. 생성형 AI 모델은 새로운 가설을 생성하고, 실험을 설계하고, 데이터를 분석하는 데 사용될 수 있다.
◎ Google : Google은 신약 개발, 재료 과학, 기후 변화를 위한 모델 개발 등 다양한 생성형 AI 프로젝트를 진행 중이다. Google AI는 신약 발견에 필수적인 단백질의 3D 구조를 예측할 수 있는 AlphaFold라는 모델을 개발했다. 또한 기후 변화가 전 세계 여러 지역에 미치는 영향을 예측할 수 있는 모델을 개발하기도 했다.
◎ BenevolentAI : AI 기반 도구를 개발하는 회사인 BenevolentAI는 도구를 통해 연구자들은 신약 표적을 식별하고 신약을 더 빠르고 효율적으로 설계할 수 있다. 2020년 알츠하이머병에 대한 새로운 약물 표적을 찾아냈다.
◎ In Silico Medicine : 딥러닝과 AI 기술을 이용하여 화합물이 세포에 어떤 영향을 미치는지, 어떤 약물을 사용하여 세포를 치료할 수 있는지 분석한다.
05) 코드 현대화
생성형 AI는 오래된 코드를 업데이트하는 데 필요한 작업을 자동화하여 코드 현대화 프로세스를 혁신하고 있다. 코드 현대화에는 현재 및 미래의 요구 사항을 충족하기 위해 최신 기술, 기능 및 아키텍처를 기존 시스템에 통합하는 것을 수반한다. 코드 현대화는 복잡하고 시간이 많이 소요되는 지루한 작업이지만 생성형 AI를 사용하면 더 효율적이고 효과적으로 만들 수 있다.
◎ 코드 생성 자동화 : 생성형 AI는 코드베이스의 패턴을 분석하고 특정 요구 사항에 따라 맞춤형 코드 스니펫 또는 전체 모듈을 생성할 수 있다.
◎ 디버깅 향상 : 생성형 AI는 패턴을 분석하고 잠재적인 문제를 식별하여 코드의 버그를 식별하고 수정하는 데 도움을 줄 수 있다.
◎ 성능 개선 : 생성형 AI는 코드를 분석하고 성능을 개선할 수 있는 영역을 식별할 수 있다.
◎ 클라우드 마이그레이션 지원 : 생성형 AI는 코드를 분석하고 클라우드 환경에서 작동하기 위해 업데이트해야 하는 영역을 식별할 수 있다.
06) 생성형 AI 인프라
생성형 AI 인프라 : 생성형 AI 모델의 개발과 배포를 지원하는 기반 기술 및 아키텍처. 조직이 생성형 AI 모델을 구축하고 확장할 수 있도록 지원하는 프레임워크(Framework), 클라우드 기반 서비스, 하드웨어가 포함된다.
◎ 프레임워크(Framework) : 텐서플로우(TensorFlow), 파이토치(PyTorch), 케라스(Keras) 같은 프레임워크는 일반적으로 생성형 AI 모델을 구축하고 학습하는 데 사용된다. 이러한 프레임워크는 모델 구축 및 학습을 위한 높은 수준의 인터페이스를 제공하므로 개발자가 생성형 AI 모델을 더 쉽게 구축하고 배포할 수 있다.
◎ 클라우드 기반 서비스 : 클라우드 기반 서비스는 생성형 AI 인프라로 점점 더 인기를 얻고 있다. Amazon Web Services(AWS), Microsoft Azure, Google Cloud Platform과 같은 회사는 조직이 대규모로 생성형 AI 모델을 구축하고 배포할 수 있는 클라우드 기반 서비스를 제공한다. 이러한 서비스는 강력한 컴퓨팅 리소스, 데이터 스토리지, 머신 러닝 도구에 대한 액세스를 제공하므로 조직이 생성형 AI 모델을 더 쉽게 개발하고 배포할 수 있다.
◎ 하드웨어 : 하드웨어는 생성형 AI 인프라의 중요한 구성 요소이다. 그래픽 처리 장치(GPU)와 텐서 처리 장치(TPU)는 일반적으로 생성형 AI 모델을 학습하고 실행하는 데 사용된다. LLM을 개발하고 운영하는 데 드는 비용 중 50% 이상을 차지하는 것이 하드웨어이다.
결론
생성형 AI는 매우 빠르게 진화하고 있는 기술로 제조, 교육, 정부 등 여러 분야를 혁신할 수 있는 잠재력을 가지고 있습니다. 생성형 AI는 새로운 형태의 예술과 엔터테인먼트를 창조하는 데 사용되고 있다. 생성형 AI 아티스트들은 생성형 AI를 사용하여 음악, 예술, 비디오의 새로운 형태를 창조하고 있다. 또한 생성형 AI는 새로운 의료 치료법을 개발하고, 더 지속 가능한 재료를 만들고, 더 효율적인 교통 시스템을 설계하는 데 사용되고 있다. 생성형 AI는 더 접근하기 쉬워지고 있다. 새로운 도구와 플랫폼, 하드웨어의 개발 덕분에 생성형 AI 모델을 훈련하고 배포하기가 더 쉬워지고 있다. 이는 더 많은 기업과 개인이 생성형 AI를 활용할 수 있음을 의미한다.
생성형 AI는 모든 학생에게 맞춤형 교육 경험을 제공하고 개별 환자의 필요에 맞는 새로운 약물과 치료법을 개발한다. 그리고 더 몰입감 있고 참여도가 높은 새로운 형태의 엔터테인먼트와 예술을 창조한다.