[Gartner] ChatGPT와 생성 AI가 기업에 미치는 영향과 고려사항

 

 
 

2025년까지 기업의 30%가 AI 증강 개발 및 테스트 전략을 구현하게 될 것이며 
2021년의 5%에 대비해서 크게 증가
-Gartner 예측-

[Gartner] ChatGPT와 생성 AI가 기업에 미치는 영향과 고려사항

최근 Generative AI(생성형 AI)의 기업 사용 사례는  단순히 텍스트 생성을 넘어 다양한 분야에 적용이 되고 있습니다.  예를 들어, 새로운 약물 연구, 반도체 칩 설계, 재료 과학등  신소재 개발과 같은 혁신적인 산업에도 활용될 수 있습니다. 생성형 AI 는 기업의 자동화 및 창의성을 향상시키며 새로운 아이디어를 발굴하는 데 활용 될 줄 수 있습니다.

 생성적 AI는 레이블이 지정되지 않은 데이터에 대해 훈련된 모델을 이용하여 다양한 작업을 수행할 수 있으며, 기업에서는 자연어 처리 뿐만 아니라 혁신적인 기술 연구 분야에서도 활용되고 있습니다.
 
chatGPT는  100만명의 사용자를 모으는데 걸린 시간이  고작 5일만에 달성할 만큼 급속한 사회적인 관심을 가지고 있습니다.  3차 산업 혁명의 중심에 있었던 인터넷 기업들(인스타그램, 스포티파이, 페이스북,트위트 등) 보다도 훨씬 더 파급력이 높은 성장을 하고 있습니다.

 

---

1. ChatGPT의 근간을 이루는 Generative AI의 개념

      GPT은 "Generative Pre-trained Transformer"의 약자로, 트랜스포머(Transformer) 아키텍처를 사용한 사전 훈련된 생성 모델을 나타냅니다. 여기서 GPT-3.5는 OpenAI에서 개발한 다양한 크기의 GPT 모델 중 하나로, 매우 큰 파라미터 수를 가지고 있어 광범위한 언어 작업에 적용 가능한 모델입니다.
 
    1) ChatGPT :
          OpenAI에서 개발한 대화 시나리오에 특화된 모델로, 사용자와의 자연스러운 대화를 생성할 수 있습니다.
          대화에 대한 훈련을 받아 유연한 대화체를 제공하며, GPT-3.5의 큰 파라미터로 인해 다양한 주제와 작업에 적용 가능합니다.
 
     2) LLM(Large Language Model):
         Language Model (LLM)은 일련의 단어 또는 토큰을 다음에 올 단어로 예측하는 모델로서 이를 이용하여 방대한 텍스트를 학습하여 사람과 같은 글을 생성 할 수 있는 기술입니다.
 
    3) Foundation Model:
         foundation model은 GPT-3.5 architecture를 기반으로 한 대화형 언어 모델로서 특정 도메인이나 작업에 적합한 모델로, 이후 fine-tuning이나 특정 작업에 맞게 적응될 수 있습니다.
 
    4) Generative AI:
        Generative AI는 주어진 데이터를 기반으로 새로운 내용을 생성하는 인공 지능의 한 형태입니다. 생성 모델은 예측이나 분류가 아닌, 새로운 데이터를 생성하는 능력을 말합니다.
       Generative AI는 이미지, 음성, 텍스트 등과 같은 다양한 도메인에서 창의적인 결과물을 생성할 수 있습니다.
 
       

 

---

2. chatGPT의  차별점

ChatGPT는 사전 훈련된 언어 모델인 GPT-3.5 architecture를 사용하며, 주로 대화 데이터에서 fine-tuning을 받아 대화 생성 능력을 향상시킵니다.
 
  1) Reinforcement Learning from Human Feedback (RLHF):
  - 기본 학습 모델을 사용하여 데이터를 생성하고, 이를 인간 평가를 통해 강화 학습의 보상 신호로 사용하여 모델을 조정합니다.
 
2) Self-Supervised Learning:
Self-Supervised Learning은 레이블이 지정되지 않은 데이터에서 모델을 학습하며, 주로 입력 데이터의 예측 작업을 통해 이루어집니다. 모델은 입력 데이터의 일부를 가려놓고, 그 가려진 부분을 예측하도록 학습할 수 있습니다.

 

 

---

3. chatGPT 모델의 발전 과정

 

 

---

 

4. chatGPT 모델의 장/단점

 
GPT는 전문적인 지식을 제공하는데 한계가 있고, 질문 의도를 정확하게 이해하지 못하며, 긴문맥의 이해가 어렵고, 정해진 학습 지식의 제약과  저작권 등의 문제를 가지고 있습니다.

다만 방대하고 다양한 분야의 지식을 학습하여 범용 모델로서 응용이 가능하고, 다양한 분야에서 일반화가 가능하고 학습하는데 비용을 절감 할 수 있는 경제성을 가지고 있습니다.

 

---

5. Generative AI를  활용하는 분야

 
1) 자연어 처리 (Natural Language Processing - NLP):

  ChatGPT Foundation Model은  텍스트 생성, 번역, 요약, 질문 응답 시스템, 감정 분석 등과 같은 다양한 NLP 작업에 적용할 수 있습니다.
 
2) 컴퓨터 비전 (Computer Vision):

    비전 작업에는 이미지 설명, 이미지 캡션 생성, 이미지 관련 질문 응답 등의 분야 입니다. 자연어로 이미지의 설명을 질문하여  다양한 시각적 작업으로 이미지를 생성 할 수 있습니다.
3) 소프트웨어 엔지니어링 (Software Engineering):

     ChatGPT는 코드 생성, 코드 리뷰 제안, 기술 문서 작성 등 소프트웨어 엔지니어링 분야에서 활용될 수 있습니다. 
 
4) 일반 과학 (General Sciences):
    ChatGPT는 기존 다양한 과학 분야의 연구 자료를 학습하여 지식을 자연어로 표현하는 데 유용합니다.  연구 논문 작성, 학술 문서 요약, 과학적 질문의 응답 등에 활용할 수 있습니다.

5) 의료 및 생명 과학 (Medical and Life Sciences):
   약물 조회, 신약, 화학식, 휴먼로봇 분야 등에서 생성형 AI를 활용하고 있습니다.
  자연어로 표현된 의료 정보를 이용하여 처방전, 의료 문서 작성, 환자 기록 요약, 의학적 질문 응답 등 의료 분야에서도 활용할 수 있습니다.  
 

 

---

6. Generative AI 서비스 제공 플랫폼

    생성형 AI 제공 기업들은오픈 플랫폼과 Open AI를 이용하여 Open AI서비스를 제공하고 있습니다.
   ChatGPT는 Foundation Model을 다양한 분야로 확장하도록  SFT(Sequential Fine-Tuning) 및 RLHF(Reinforcement Learning from Human Feedback)를 통해 다재 다능한 응용 프로그램을 도구화 할 수 있습니다. 
  Foundation Model을 기반으로 더 넓은 범위의 작업에 적용할 수 있는 다양한 지식과 능력을 가질수 있고,  SFT는 특정 작업에  순차적인 세부 조정으로 더욱  정교하게 만들수 있으며,  RLHF( 인간 피드백)을 통한 강화 학습으로 더 나은 성능을 발휘할 수 있게 되었습니다.

 

---

7. AI를 지속하기 위한 실천 사항

     AI를 활용하기 위해서 오남용을 방지하도록 가이드를 준수하고 ,  환각을 완화 하도록 모델을 제한하고 검증하여야 하며, 다양한 제공 업체간의 협력과 프로젝트의 교훈을 공유 하여야 합니다.
 

 
지속적인 사용자와의 대화에 대한 피드백을 통해서 제약사항을 관리하여야 합니다.

 

---

8. Custimization of LLM

기업에서 특정 전문분야에 활용하기 위해서는 기업 내부데이터와 외부 데이터의 결합하여 특정 분야의 지식을 보완 할 수 있습니다.

 

 

---

9. AI 서비스를 위한 실천 사항

GPT는 클라우드 기반의 API를 기반으로 서비스를 제공하고 , LLM 뿐아니라 다양한 AI 모델을 활용하여 최적화가 필요합니다. 그리고 사전 학습된 데이터를 최적화 함으로서 안전한 서비스가 가능합니다.

즉 " GPT를 이용하는 기업은 책임 있는 AI 지침을 준수하여 책임 있게 활용하고, 신뢰와 윤리적인 AI 실천을 증진하며, 사용자에게 가치 있고 안전한 서비스를 제공할 수 있어야 합니다."

 
 

 
 

10. 기업에서 Generative AI 활용 시 고려 사항

 

•  Foundation 모델의 이점, 위험, 기회 요인,  전개 로드맵 등을 통해 모델 적용 방향을 수립합니다. 
• 비용이 비싼 맞춤화와 훈련을 피하려면 과업별 사전 훈련된 모델을 선택하는 것이 유리합니다.
• 안전하지 않은 사용 및 의도치 않은 행동을 예방하고 완화하기 위해 AI에 대한 책임 실천을 해야 합니다.
• 머신과 인간 간의 원활한 상호 작용을 용이하게 만들도록 UX 재설계, 피드백 루프, 그리고 프롬프트 엔지니어링 교육을 수행 합니다.
• 인큐베이션 팀을 구성하여 산업 동향을 모니터링하고 가능성을 전달하며, 사업 단위 실험을 수행하여 회사 전반에 유용한 교훈을 공유할 수 있어야 합니다.

 

 
[참고]
. [Gartner] Generative AI at Gartner Data & Analytics 2024
  https://play.vidyard.com/WS2LuQhbd9QkFJej4GmffP?v=&type=inline
. [Gartner] ChatGPT와 생성 AI가 기업에 미치는 영향과 고려사항
   https://couplewith.tistory.com/547