AI 초보자를 위한 간단한 용어 정리
안녕하세요. chat gpt 의 등장으로 하루가 다르게 변하고 있는 세상입니다 . AI 의 놀라운 기술이 정말 성큼 우리 옆으로 다가왔습니다 .하지만 누군가에게는 일생일대의 기회로, 누군가에게는 그저 나와 다른 세계 이야기 마냥 느껴지실겁니다 .
그렇다고, 이렇게 모르고 있자니 답답하고,, 그래서 AI를 말할때 기초가 되는 용어들 부터 준비해 봤어요.
하루가 다르게 변화 하고 있는 OPEN AI 의 CHAT GPT로고
AI는 일반적으로 인간의 지능이 필요한 작업을 수행할 수 있는 컴퓨터 시스템의 개발을 포괄하는 광범위한 용어입니다. 여기에는 광범위한 기술과 기술이 포함됩니다. AI 시스템은 문제 해결, 의사 결정, 음성 인식, 이미지 이해, 자연어 처리 등을 포함한 다양한 작업을 위해 설계될 수 있습니다.
- Generative Ai (생산성 Ai)
아마 한번쯤은 뉴스 등을 통해 Generative Ai 혹은 생산성 Ai 라는 말을 들어 보신 적이 있으실 텐데요, 생산성 Ai는 특히 새로운 콘텐츠, 데이터 또는 정보를 생성하도록 설계된 Ai 시스템 또는 모델을 의미 합니다. 이러한 모델은 기존 데이터에만 의존 하지 않고, 새로운 것을 창조할수 있는 Ai 를 말합니다. 예를 들어, 이미지 , 소설, 비디오 오피스워크 등 다양한 유형의 컨텐츠를 생산 할수 있는데, 이는 , 대량의 데이터에서 패턴과 구조를 학습하여 새로운 데이타를 생성하는 모델을 말합니다. 아래 개념을 이해하시기 시작하면 조금더 이해가 빠르실겁니다.
2.LLM (large language model)
“LLM (대형 언어 모델) “은 인간의 언어를 대규모로 학습하여 새로운데이터를 생성하는 생산성 Ai 입니다. LLM 은 문장의 다음 단어를 예측하여 문맥과 의미를 파악 하는 방법을 사전에 학습합니다
LLM (대형 언어 모델) 에서 대형이라는 말에 우리는 주목할 필요가 있는데요,chat gpt 3 를 기준으로 4천억개의 단어를 모았다고 하는데요. 이는 한사람이 24시간 책만 보아도 5천년이 걸리는 어마어마한 양입니다.
한사람이 한번 읽는데 5천년이 걸리는 이 어마어마한 양을 몇천만번을 읽고 거꾸로도 한번씩 읽는데요 , 또한 이를통해 가지고 있는 매개 변수(parameters )의 수를 의미 하기도 합니다 .
3. Parameters ( 매개변수)
Ai 모델의 학습과정에서 조정되는 가중치라고 하는데 모델이 주어진 작업을 수행하도록 학습되는 중요한 구성요소입니다
간단하게 말해서 , 수학적인 가상의 공간에 커다란 뇌를 만들고 신경망을 연결 했는데 그 뇌의 크기와 그 신경망이 연결되는 변수를 계산 하는겁니다.
간단히 예를 들면, 1이라는 세포는 주변에 붙어있는 2라는 세포들하고만 연결이 되었지만 중요하다고 생각하는 정보는 100이라는 아주 멀리 있는 세포에 직접 전달을 한다는 것이죠 . 그것을 함수로 풀어내서 여러가지 가능성을 계산한숫자라고 보시면 됩니다
즉, AI 의 뇌의 크기 (데이타 ) 와 신경망이 연결되는 변수를 계산한 결과값인거죠
GPT -3 에서는 1750억개의 매개변수(parameters) 가 있었고, 그럼에도 불구하고 윤리적,혹은 편견, 잠재적인 오용등의 문제점들이 제시됬었죠. 그러한 실수나 잘못된 변수를 바로 잡고 최적화 시키는 부분이
현재 우리가 직면한 해결해야 하는 문제 입니다 .
3. Transformer Architecture(트렌스포머 아키텍쳐)
트랜스 포머 아키택쳐는 LLM 모델의 뿌리같은 존재라고 할수 있는데요 기존에 구글에서 만들었다고 합니다 . 혹시 수학 중에 미분 적분 통계 행렬 벡터 라고 배우셨던거 기억 하시나요? Ai 를 벡터로 바꿔 주는 역할을 한다는데 .. 간단히 예를들면 신경망 (시퀀스) 사람의 뇌로 따지면 뉴런과 뉴런을 이어주는 신경망이 벡터로 작동하는데 그걸로 바꿔주는 역할을 하게 해준다네요.
위에서도 설명 드렸지만 , 1이라는 신경세포를 2라는 신경세포로만 전달이 가능했는데 중요하다고 생각하는 정보를 100으로 보내는 기술입니다 .
그것이 트렌스 포머라고 생각 하면 됩니다
Generative – pre trained – Transformer
GPT 의 약자 입니다. 트렌스 포머를 통해 미리 훈련되어 위와 같이 생성하는것을 배운 AI 라는 것이죠
가령, 컴퓨터에 가상의 공간이 있는데.. 거기에 엄청 나게 많은 언어적 데이타가 있어요 그렇지만 이 자료를 어떻게 써야 할지 몰랐죠. 입력한데로 가르치는데로만 수동적으로 사용했다고 하면, chat gpt 의 경우 트렌스포머를 통해 즉 신경망을 이어주어 그 많은 자료를 이용해 대화 하는 법을 가르친 것이라고 생각 하면 됩니다.
예를 들어, 아무것도 모르고 책만 외운 친구가 있었는데
어느날 갑자기 1+1 = 2야 이건 덧셈이야 라고 하니 모든 덧셈을 다 할수 있게 된거죠.
사람이 아는 공간은 2차원 3차원 그리고 시간의 개념을 더하면 4차원 까지라고 하는데요 . 그렇지만, Ai 의 경우 수학적으로 1000차원 까지도 가능하다고 하네요. 실감이 나시나요?? 인공지능은 그러한 가상의공간에서 엄청난 양의 데이터를 수학적으로 계산해 우리가 해결 하지 못했던 문제에 대해 잠재된 가능성을 발견하고 해결하는데 중요한 역할을 할것이라 생각됩니다. .
4. 멀티 모달 (Multi modal)
chat gpt 를 통해 gpt 에게 채팅 하는 방법을 알려주어서 저장된 데이타를 통해 많은것을 생성하는것을 보았다고 하면, 멀티모달(Multimodal)
은 여러가지 다른 종류의 정보나 매체를 사용하여 이해하거나 처리하는것을 의미합니다 . 주로 텍스트 ,이미지, 음성 , 동영상 등 다양한 형태의 데이터를 다루는 시스템을 의미하여 더 풍부하고 복합적인 이해를 달성하려는 시도를 나타냅니다.
최근 개발 되고 있는 컨텐츠의 많은 부분이 Ai 로 인해 개발이 쉬워졌는데요 , 사람이 많은 시간과 노력을 들여 해왔던일들이 Ai 를 접목한 프로 그램들로 인해 많이 간편해 졌습니다
5. Machine Learning (ML, 기계 학습): AI의 한 분야로, 알고리즘이 데이터로부터 학습하고, 패턴을 인식하며, 경험을 통해 스스로 개선할 수 있도록 하는 기술입니다. 기계 학습을 통해 컴퓨터는 명시적인 프로그래밍 없이도 예측이나 결정을 내릴 수 있습니다.
6. Deep Learning (딥 러닝): 기계 학습의 한 분야로, 인공 신경망의 여러 층을 통해 복잡한 문제를 해결하는 방법입니다. 딥 러닝은 이미지 인식, 음성 인식, 언어 번역 등 다양한 분야에서 중요한 역할을 합니다.
7. Natural Language Processing (NLP, 자연어 처리): 컴퓨터가 인간의 언어를 이해하고 처리할 수 있게 하는 기술 분야입니다. NLP는 텍스트 분석, 감성 분석, 언어 번역, 음성 인식 등에 활용됩니다.
8. Computer Vision (컴퓨터 비전): 컴퓨터가 이미지나 비디오를 해석하고 이해할 수 있도록 하는 기술입니다. 컴퓨터 비전은 얼굴 인식, 객체 감지, 이미지 분류 등에 사용됩니다.
9. Reinforcement Learning (강화 학습): 에이전트가 환경과 상호작용하며 보상을 최대화하는 방법을 학습하는 기계 학습의 한 방법입니다. 강화 학습은 게임, 로봇 제어, 자동화된 거래 시스템 등에 적용됩니다.
10. Supervised Learning (지도 학습): 레이블이 지정된 학습 데이터를 사용하여 모델을 훈련시키는 기계 학습의 한 방식입니다. 지도 학습을 통해 모델은 입력 데이터와 그에 해당하는 출력 결과 사이의 관계를 학습합니다.
11. Unsupervised Learning (비지도 학습): 레이블이 없는 데이터를 사용하여 컴퓨터가 데이터의 숨겨진 구조나 패턴을 찾아내는 학습 방법입니다.
이 용어들은 AI와 관련된 다양한 분야와 기술을 이해하는 데 도움이 될 것입니다. 각 용어는 AI의 서로 다른 측면을 대표하며, AI 기술의 발전과 함께 그 중요성이 커지고 있습니다.
Ai의 물결에 뒤쳐지지 마시고 한번쯤 사용해 보시면 좋을것 같습니다
저도 제 사진 한장으로 AI 를 통해 chat gpt 로 영문 대본을 만들고 ,
영어로 말하고 , 사진이 움직이며 말하는 동영상을 만들어 봤는데요,
제가 미국에서 쇼호스트를 하는 앵커로 오프닝을 한다라고 했더니
위와 같이 만들수 있었습니다
상상이 영상에서 현실이 되는 놀라운 상황이 펼쳐지는것 같습니다
Share this content:
댓글을 남겨주세요!