광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
로고

[생성 AI가 창의적인 작업을 변화시키는 방법] "딥페이크(Deepfakes)" 또는 AI가 생성하고 사실적이라고 주장하지만 사실이 아닌 이미지와 비디오는 이미 미디어, 엔터테인먼트 및 정치에서 발생했다. 그러나 지금까지 딥페이크를 생성하려면 상당한 컴퓨팅 기술이 필요했다. 그러나 이제는 거의 모든 사람이 만들 수 있다. OpenAI는 각 DALL-E 2 이미지에 고유한 기호를 "워터마킹"하여 가짜 이미지를 제어하려고 시도했다. 그러나 특히 제너레이티브 비디오 제작 이 주류가 됨에 따라 미래에는 더 많은 제어가 필요할 것이다.

박영숙세계미래보고서저자 | 기사입력 2022/11/15 [11:55]

[생성 AI가 창의적인 작업을 변화시키는 방법] "딥페이크(Deepfakes)" 또는 AI가 생성하고 사실적이라고 주장하지만 사실이 아닌 이미지와 비디오는 이미 미디어, 엔터테인먼트 및 정치에서 발생했다. 그러나 지금까지 딥페이크를 생성하려면 상당한 컴퓨팅 기술이 필요했다. 그러나 이제는 거의 모든 사람이 만들 수 있다. OpenAI는 각 DALL-E 2 이미지에 고유한 기호를 "워터마킹"하여 가짜 이미지를 제어하려고 시도했다. 그러나 특히 제너레이티브 비디오 제작 이 주류가 됨에 따라 미래에는 더 많은 제어가 필요할 것이다.

박영숙세계미래보고서저자 | 입력 : 2022/11/15 [11:55]

 

 

 

생성 AI 창의적인 작업을 변화시키는 방법

 

2022 11 14

Andriy Onufriyenko/게티 이미지

 

요약.   비즈니스를 위한 생성 AI모델은 마케팅, 소프트웨어, 디자인, 엔터테인먼트 및 대인 커뮤니케이션에 상당한 영향을 미치면서 콘텐츠제작 세계를 뒤바꿀 위협이 있다이 모델은 텍스트와 이미지를 생성할 수 있다

 

 

생성 AI 또는 기반 모델이라고도 하는 대규모 언어 및 이미지 AI 모델은 콘텐츠 제작을 수행하는 비즈니스 및 전문가를 위한 새로운 기회를 창출했다이러한 기회 일부는 다음과 같다.

 

  1. 자동화된 콘텐츠 생성: 대규모 언어 이미지 AI 모델을 사용하여 기사, 블로그 게시물 또는 소셜미디어 게시물과 같은 콘텐츠를 자동으로 생성할 있다이것은 정기적으로 콘텐츠를 만드는 비즈니스 전문가에게 귀중한 시간 절약 도구가 있다.
  2. 향상된 콘텐츠 품질: AI모델이 많은 양의 데이터에서 학습하고 사람이 없는 패턴을 식별할 있기 때문에 AI생성콘텐츠는 사람이 만든 콘텐츠보다 품질이 높을 있다이를 통해 보다 정확하고 유익한 콘텐츠를 얻을 있다.
  3. 콘텐츠 다양성 증가: AI 모델은 텍스트, 이미지, 비디오를 비롯한 다양한 콘텐츠 유형을 생성할 있다이것은 기업과 전문가들이 많은 사람들에게 어필할 있는 다양하고 흥미로운 콘텐츠를 만드는 도움이 있다.
  4. 개인화된 콘텐츠: AI 모델은 개별 사용자의 선호도에 따라 개인화된 콘텐츠를 생성할 있다이를 통해 기업과 전문가는 대상 고객이 관심을 가질 가능성이 높은 콘텐츠를 생성하여 읽거나 공유할 가능성이 높아질 있다.

이 기술은 창의적인 작업에서 인간의 노력을 모방하는 데 얼마나 능숙한가예를 들어 위의 기울임꼴 텍스트는 우리가 작성한 첫 번째 문장에 대한 응답으로 OpenAI에서 만든 "대형 언어 모델"(LLM) GPT-3에 의해 작성되었다. GPT-3의 텍스트는 대부분의 AI 생성 콘텐츠의 강점과 약점을 반영한다첫째, 입력되는 프롬프트에 민감합니다우리는 그 문장을 결정하기 전에 몇 가지 대체 프롬프트를 시도했다둘째, 시스템은 상당히 잘 씁니다문법적 오류가 없으며 단어 선택이 적절하다셋째, 편집의 이점이 있다예를 들어, 일반적으로 이와 같은 기사는 번호가 매겨진 목록으로 시작하지 않는다결국 우리가 생각하지 못한 아이디어가 떠올랐다예를 들어 개인화된 콘텐츠에 대한 마지막 요점은 우리가 고려하지 않았을 것이다.

 

전반적으로 비즈니스를 위한 이러한 AI 모델의 잠재적 가치를 잘 보여준다그들은 마케팅, 소프트웨어, 디자인, 엔터테인먼트 및 대인 커뮤니케이션에 상당한 영향을 미치며 콘텐츠 제작 세계를 뒤집겠다고 위협한다이것은 인간이 오랫동안 꿈꾸고 두려워했던 "일반인공지능"이 아니지만, 평범한 관찰자들에게는 그렇게 보일 수 있다.

 

제너레이티브 AI?

제너레이티브 AI는 이미 많은 일을 할 수 있다텍스트와 이미지, 블로그 게시물, 프로그램 코드, , 예술작품을 생성한다이 소프트웨어는 복잡한 기계 학습 모델을 사용하여 이전 단어 시퀀스를 기반으로 다음 단어를 예측하거나 이전 이미지를 설명하는 단어를 기반으로 다음 이미지를 예측한다

 

LLM 2017 Google Brain에서 시작되었으며 처음에는 문맥을 보존하면서 단어를 번역하는 데 사용되었다그 이후로 Google(BERT LaMDA), Facebook(OPT-175B, BlenderBot), Microsoft가 지배적인 투자자인 OpenAI(GPT- 텍스트의 경우 3, 이미지의 경우 DALL-E2, 음성의 경우 Whisper). Midjourney(미술 대회 우승에 도움이 됨)와 같은 온라인 커뮤니티와 HuggingFace와 같은 오픈소스 공급자도 생성모델을 만들었다.

 

이러한 모델을 교육하려면 막대한 양의 데이터와 컴퓨팅 성능이 필요하기 때문에 이러한 모델은 주로 주요 기술회사에 국한되었다예를 들어, GPT-3는 초기에 45테라바이트의 데이터로 훈련되었으며 예측을 위해 1,750억 개의 매개변수 또는 계수를 사용한다. GPT-3에 대한 단일 교육 실행 비용은 1,200만 달러이다중국 모델인 Wu Dao 2.0에는 1 7,500억 개의 매개변수가 있습니다대부분의 회사는 이러한 유형의 자체 모델을 처음부터 교육할 데이터 센터 기능이나 클라우드 컴퓨팅 예산이 없다.

 

그러나 생성 모델이 훈련되면 훨씬 적은 데이터로 특정 콘텐츠 도메인에 대해 "미세 조정"될 수 있다이로 인해 생물의학 콘텐츠BioBERT ), 법률 콘텐츠Legal-BERT ) 및 프랑스어 텍스트CamemBERT ) BERT의 특수 모델과 다양한 특정 목적을 위한 GPT-3이 만들어졌다. NVIDIA BioNeMo 는 생성 화학, 프로테오믹스 및 DNA/RNA를 위한 슈퍼컴퓨팅 규모의 대규모 언어모델을 교육, 구축 및 배포하기 위한 프레임워크이다. GPT-3의 출력.

 

제너레이티브 AI를 효과적으로 사용하려면 프로세스의 시작과 끝 모두에서 사람의 개입이 여전히 필요하다우선, 콘텐츠를 생성하려면 사람이 생성 모델에 프롬프트를 입력해야 한다일반적으로 창의적인 프롬프트는 창의적인 결과를 낳는다. "신속한 엔지니어"는 적어도 다음 세대의 훨씬 더 똑똑한 AI가 등장할 때까지 확립된 직업이 될 가능성이 높다

 

이 분야는 이미 82페이지 분량의 DALL-E 2 이미지 프롬프트 책과 적은 비용으로 다른 사용자의 프롬프트를 구입할 수 있는 프롬프트 시장으로 이어졌다이러한 시스템의 대부분의 사용자는 원하는 결과를 얻기 전에 여러 가지 프롬프트를 시도해야 한다.

 

그런 다음 모델이 콘텐츠를 생성하면 사람이 신중하게 평가하고 편집해야 한다대체 프롬프트 출력을 단일 문서로 결합할 수 있다이미지 생성에는 상당한 조작이 필요할 수 있습니다. Midjourney의 도움으로 콜로라도의 "디지털 조작 사진" 콘테스트에서 우승한 Jason Allen 기자 에게 자신이 900개 이상의 예술 버전을 만드는 데 80시간 이상을 보냈고 반복해서 프롬프트를 미세 조정했다고 말했다그런 다음 Adobe Photoshop으로 결과를 개선하고 다른 AI 도구로 이미지 품질과 선명도를 높이고 캔버스에 3개의 조각을 인쇄했다.

 

제너레이티브 AI모델은 엄청나게 다양하다이미지, 긴 텍스트 형식, 이메일, 소셜 미디어 콘텐츠, 음성 녹음, 프로그램 코드 및 구조화된 데이터와 같은 콘텐츠를 가져올 수 있다새로운 콘텐츠, 번역, 질문에 대한 답변, 감정 분석, 요약 및 비디오까지 출력할 수 있다이러한 범용 콘텐츠 머신은 비즈니스에서 많은 잠재적인 응용 프로그램을 가지고 있으며 그 중 일부는 아래에서 설명한다.

 

마케팅 애플리케이션

이러한 생성 모델은 여러 비즈니스 기능에서 잠재적으로 가치가 있지만 마케팅 애플리케이션이 아마도 가장 일반적일 것이다예를 들어 GPT-3의 마케팅 중심 버전인 Jasper는 블로그, 소셜 미디어 게시물, 웹 카피, 판매 이메일, 광고 및 기타 유형의 고객 대면 콘텐츠를 생성할 수 있다. A/B 테스트로 출력을 자주 테스트하고 콘텐츠가 검색 엔진 배치에 최적화되어 있다고 주장한다. Jasper는 또한 고객의 최상의 출력으로 GPT-3 모델을 미세 조정한다. Jasper의 경영진은 이것이 상당한 개선을 가져왔다고 말한다. Jasper 고객의 대부분은 개인 및 소기업이지만 대기업 내의 일부 그룹도 Jasper의 기능을 활용합니다예를 들어 클라우드 컴퓨팅 회사인 VMWare에서 작가는 Jasper를 사용하여 마케팅용 원본 콘텐츠를 생성한다이메일에서 제품 캠페인, 소셜 미디어 카피까지제품 주도 성장 이사인 Rosa Lear Jasper가 회사가 콘텐츠 전략을 강화하는 데 도움이 되었으며 이제 작가들이 더 나은 연구, 아이디어 및 전략을 수행할 시간을 갖게 되었다고 말했다.

 

홍보 및 소셜 미디어 대행사인 Ruby Media Group 의 소유주인 Kris Ruby 는 현재 생성 모델에서 텍스트와 이미지 생성을 모두 사용하고 있다그녀는 검색 엔진 최적화(SEO)를 최대화하고 PR에서 작가에게 개인화된 피치를 제공하는 데 효과적이라고 말한다그녀는 이러한 새로운 도구가 저작권 문제의 새로운 지평을 열 것이라고 믿으며 고객을 위한 AI 정책을 만드는 데 도움을 준다도구를 사용할 때 그녀는 "AI 10%, 나는 90%"라고 말한다그녀는 이러한 도구가 검색 엔진 검색을 위해 자신의 글을 더 훌륭하고 완벽하게 만들고 이미지 생성 도구가 스톡 사진 시장을 대체하고 창의적인 작업의 르네상스를 가져올 수 있다고 생각한다.

 

DALL-E 2 및 기타 이미지생성도구는 이미 광고에 사용되고 있다예를 들어 Heinz  Heinz와 유사한 라벨이 붙은 케첩 병의 이미지를 사용하여 "AI에게 '케첩'이 보이는 것입니다."라고 주장했다물론 모델이 비교적 많은 수의 하인즈 케첩 병 사진으로 훈련되었다는 의미일 뿐이다Nestle  Vermeer 그림의 AI 강화 버전을 사용하여 요구르트 브랜드 중 하나를 판매했다이미 AI 사용하여 고객에게 특정 의류를 추천하는 의류 회사인 Stitch Fix  DALL-E 2를 사용하여 색상, 직물 및 스타일에 대한 요청된 고객 선호도를 기반으로 의류 시각화를 생성하는 실험을 하고 있다마텔이 기술을 사용하여 장난감 디자인 및 마케팅을 위한 이미지를 생성한다.

 

코드 생성 애플리케이션

특히 GPT-3는 완벽하지는 않더라도 효과적인 컴퓨터 프로그램 코드 생성기임이 입증되었다코드 생성을 위해 특별히 훈련된 GPT-3 Codex 프로그램은 "스니펫" 또는 작은 프로그램 기능에 대한 설명이 주어지면 다양한 언어로 코드를 생성할 수 있다. Microsoft Github에는 CoPilot이라는 코드 생성용 GPT-3 버전도 있다최신 버전의 Codex는 이제 자체 코드에서 버그를 식별하고 실수를 수정할 수 있으며 심지어 코드가 수행하는 작업을 설명할 수도 있다Microsoft 의 명시적인 목표는 인간 프로그래머를 제거하는 것이 아니라 Codex 또는 CoPilot과 같은 도구를 인간과 "프로그래머 쌍"으로 만들어 속도와 효율성을 향상시키는 것이다.

 

LLM 기반 코드 생성에 대한 합의는 이러한 스니펫을 더 큰 프로그램으로 통합하고 프로그램을 특정 기술 환경으로 통합하려면 여전히 인간 프로그래밍 기능이 필요하지만 이러한 스니펫에 대해 잘 작동한다는 것이다. Deloitte는 지난 몇 개월 동안 Codex를 광범위하게 실험했으며 숙련된 개발자의 생산성을 높이고 경험이 없는 개발자를 위한 일부 프로그래밍 기능을 생성하는 것으로 나타났다.

 

Deloitte에서 6주 동안 55명의 개발자와 함께한 6주간의 파일럿에서 대부분의 사용자는 결과 코드의 정확도를 65% 이상으로 평가했으며 대부분의 코드는 Codex에서 가져왔다전반적으로 Deloitte 실험은 관련 프로젝트의 코드 개발 속도가 20% 향상되었음을 발견했다. Deloitte는 또한 Codex를 사용하여 한 언어에서 다른 언어로 코드를 번역했다이 회사의 결론은 가까운 미래에 여전히 전문 개발자가 필요하지만 생산성 증가로 인해 필요한 개발자가 줄어들 수 있다는 것이다다른 유형의 생성 AI 도구와 마찬가지로 프롬프트가 좋을수록 출력 코드도 좋아진다.

 

대화형 애플리케이션

LLM은 대화형 AI 또는 챗봇의 핵심에서 점점 더 많이 사용되고 있습니다그들은 잠재적으로 현재의 대화 기술보다 더 높은 수준의 대화 이해 및 상황 인식을 제공합니다예를 들어 대화용으로 설계된 Facebook BlenderBot 은 컨텍스트를 유지하면서 인간과 긴 대화를 나눌 수 있다. Google BERT 는 검색 쿼리를 이해하는 데 사용되며 회사의 DialogFlow 챗봇 엔진의 구성 요소이기도 하다또 다른 LLM Google LaMBA도 대화를 위해 설계되었으며, 대화를 통해 회사 엔지니어 중 한 명은 그것이 지각 있는 존재라는 것을 확신했다.

 

인상적인 업적은 단순히 과거 대화를 기반으로 대화에 사용된 단어를 예측한다는 것입니다.

LLM 중 어느 것도 완벽한 대화가가 아니다그들은 과거 인간 콘텐츠에 대해 훈련을 받았으며 훈련 중에 노출된 인종 차별, 성 차별 또는 편향된 언어를 복제하는 경향이 있다이러한 시스템을 만든 회사는 증오심 표현을 걸러내기 위해 노력하고 있지만 아직 완전히 성공하지는 못했다.

 

지식 관리 애플리케이션

LLM의 새로운 응용 프로그램 중 하나는 조직 내에서 텍스트 기반(또는 잠재적으로 이미지 또는 비디오 기반) 지식을 관리하는 수단으로 사용하는 것이다구조화된 지식 기반을 만드는 데 수반되는 노동 집약성은 많은 대기업에서 대규모 지식 관리를 어렵게 만들었다그러나 일부 연구에서는 LLM이 조직 내 특정 텍스트 기반 지식 본문에 대해 모델 교육을 미세 조정할 때 조직의 지식을 효과적으로 관리할 수 있다고 제안했다. LLM 내의 지식은 프롬프트로 발행된 질문으로 액세스할 수 있다.

 

일부 회사는 선도적인 상용 LLM 제공업체와 함께 LLM 기반 지식 관리 아이디어를 모색하고 있다예를들어 Morgan Stanley  OpenAI GPT-3와 협력하여 재무 고문이 회사 내 기존 지식을 검색하고 고객을 위한 맞춤형 콘텐츠를 쉽게 만들 수 있도록 자산 관리 콘텐츠에 대한 교육을 미세조정한다그러한 시스템의 사용자는 효과적인 프롬프트를 생성하는 데 교육이나 지원이 필요하고 LLM의 지식 출력을 적용하기 전에 여전히 편집 또는 검토가 필요할 수 있다그러나 이러한 문제가 해결된다고 가정하면 LLM 은 지식 관리 분야를 다시 활성화하고 훨씬 더 효과적으로 확장할 수 있다.

 

딥페이크 기타 법적/윤리적 문제

우리는 이미 이러한 제너레이티브 AI 시스템이 수많은 법적 및 윤리적 문제로 빠르게 이어지는 것을 확인했다. "딥페이크(Deepfakes)" 또는 AI가 생성하고 사실적이라고 주장하지만 사실이 아닌 이미지와 비디오는 이미 미디어, 엔터테인먼트 및 정치에서 발생했다그러나 지금까지 딥페이크를 생성하려면 상당한 컴퓨팅 기술이 필요했다그러나 이제는 거의 모든 사람이 만들 수 있다. OpenAI는 각 DALL-E 2 이미지에 고유한 기호를 "워터마킹"하여 가짜 이미지를 제어하려고 시도했다그러나 특히 제너레이티브 비디오 제작 이 주류가 됨에 따라 미래에는 더 많은 제어가 필요할 것이다.

 

제너레이티브 AI는 또한 독창적이고 독점적인 콘텐츠를 구성하는 요소에 대해 수많은 질문을 제기한다생성된 텍스트와 이미지가 이전 콘텐츠와 정확히 일치하지 않기 때문에 이러한 시스템의 제공자는 프롬프트 생성자의 소유라고 주장한다그러나 그것들은 분명히 모델 훈련에 사용된 이전 텍스트와 이미지에서 파생된 것이다말할 필요도 없이 이러한 기술은 앞으로 몇 년 동안 지적 재산 변호사에게 상당한 작업을 제공할 것이다.

 

비즈니스 애플리케이션의 이러한 몇 가지 예에서 우리는 이제 생성적 AI가 조직과 그 내부의 사람들을 위해 할 수 있는 일의 표면만 긁고 있다는 것이 분명해야 한다예를 들어 이메일, 편지, 기사, 컴퓨터 프로그램, 보고서, 블로그 게시물, 프레젠테이션, 비디오, 기타 등등이러한 기능의 개발이 콘텐츠 소유권 및 지적 재산권 보호에 극적인 영향을 미칠 것이라는 것은 의심의 여지가 없지만 지식과 창조적인 작업에 혁명을 일으킬 가능성도 있다이러한 AI 모델이 존재하는 짧은 시간 동안 계속해서 발전한다.

 

 

  • Thomas H. Davenport  Babson College의 정보 기술 및 경영학 교수, 옥스퍼드 Saïd 경영대학원의 객원 교수, MIT 디지털 경제 이니셔티브의 연구원, Deloitte AI 사례의 선임 고문이다.

 

 
광고
광고
광고
광고
광고
광고
광고
많이 본 기사
챗GPT와 AI, 로봇 많이 본 기사
최신기사