Ai 말은 많은데 보다보면 머신러닝/딥러닝/생성형ai 어쩌고가 튀어나오고 이거를 아는 순간부터 종류가 많아보이는 착각이 들기 때문에 ai 계층구조(?)부터 가져와봄
명확히 설명하자면
인공지능 (AI): 인간의 지능을 모방하는 모든 기술 (가장 넓은 범위)
머신러닝 (ML): 데이터를 통해 스스로 학습하는 알고리즘 (과거의 스팸 메일 분류 등)
딥러닝 (Deep Learning): 인간의 신경망을 모방한 인공 신경망 구조 (LLM의 모태)
생성형 AI (Generative AI): 단순히 분류나 예측을 넘어 새로운 콘텐츠(글, 그림, 코드)를 만들어내는 기술
그리고 요즘 말하는 ai는 대부분 LLM(거대언어모델)으로,
애는 생성형 ai중에서도 글에 특화된 애임
근데 이런 생성형 ai는 따져보자면 "고도의 통계적 패턴 매칭"임.
이게 뭔소리냐면 애는 우리가 생각하는 것처럼 의미를 이해하는 것이 아니라 다음 데이터가 올 확률을 계산하는 거라는 이야기임
예를 들어,
"나는 배가 고팠다. 라는 말을 이어 작성해줘."
라고 명령을 내렸다고 하자
그럼 AI는 밑과 같은 과정을 거침
먼저,AI는 다음에 올 수 있는 수만 개의 단어(토큰) 후보군에 밑과 같이 점수를 매김
**
그래서: 45%
하지만: 15%
잠을: 2%
***
그리고 여기서 가장 높은 확률을 가진 '그래서'를 선택하고, 다시 "나는 배가 고팠다 그래서"를 입력값으로 넣어 그다음 단어인 '밥을'을 찾아냄.
이 과정을 반복하여 문장을 완성하고 사용자에게 전달하는거임
(뭐 여기에 기타등등 어텐션 트랜스포머 등이 잇긴 하다만 기본적인 구조는 그럼)
Q. 당연히 이 정도는 아는데 요즘에 뭐 애가 음악도 잘 만들고 비디오도 잘만들구 그러는데 그건 글이랑 다르지 않나여
A. 아닙니다.
내가 정말 정말 아직 모르는게 있을수도 있지만 지금 현재 있는 생성형 AI들의 기반은 통계임
○ 이미지 생성 (LVM - Large Vision Models): 다음 단어를 예측하듯, 주변 픽셀과의 관계 확률을 계산해 그림을 그림 (예: Midjourney, DALL-E)
○ 오디오/음악 생성: 다음 음계나 주파수 파형을 예측 (예: Suno, Udio)
○ 비디오 생성: 이전 프레임과 다음 프레임 사이의 물리적 변화 확률을 계산 (예: Sora, Veo)
라고 보면 됨
2. 근데 지금 있는 생성형 AI들이 고도의 통계적 매칭이든 사람 말 이해하는 거든 뭐 그게 크게 다른가?
개개개개 중요함
왜냐면 애가 통계적 매칭이기 때문에 우리가 그렇게 말하는 할루시네이션(환각 현상) 이 발생하는 거거든....
결과적으로 통계의 함정에서 빠져나오기 어렵다는 이야기임.
이게 뭔 소리냐면
AI는 결국 평균적인 결과값을 선택하도록 되어 있고, 가장 높은 확률의 답을 가져오도록 되어 있음
근데 가장 높은 확률의 답변이 항상 '진실'은 아닌거고, 완전히 새로운 것일 수 없음.
그러다보니 할루시네이션/데이터 편향 등의 문제가 생기는 거임.
Q. 이게 뭔 소리인데?
A. 쉽게 말할게
>> ai는 '맞는 말'이 아니라 '그럴듯한 말'을 고른다는 거임
"지구가 평평한가요?"라는 질문을 던졌다고 가정하자.
근데 인터넷에 "지구는 평평하다"는 주장이 통계적으로 유의미하게 많다면, AI는 진실과 상관없이 그럴듯한 논리로 "지구는 평평할 수도 있습니다"라고 답할 수 있다는 거임
왜냐면 지구는 평평하다란 말 다음에 그렇다는 말이 많았으니까 ㅇㅇ
이 외에도 다른 문제들이 있는데 그건 걍 슬라이드로 봐줘...(내용은 내가쓰고 노트북LM으로 자료만듬)
3. 근데 그럼 뭐 어쩌라는 거임? 팁이나 알려줘
아 당근빳따죠 이거 쓰려고 글씀
내 결론은 이거임
>>>ai에게 그냥 "해줘" 로 일 시키지 마라
애는 진짜 내 마음을 읽는게 아니라 걍 통계적으로 이런 요청 들어왔을때 이렇게 처리하면 되었다 로 보고 일처리하는 거임
그래서 프롬프트를 명확하게 써야 함.
뭐 퓨샷 프롬프팅 제로샷 프롬프팅 어쩌고 많지만 요약해보자면 밑과 같음
1. 배경 제공(Context Injection)
AI에게 '누구'인지, '어디'에 있는지 알려주는 것만으로도 확률의 범위가 확 좁아짐
* 나쁜 예: "기획안 써줘." (AI는 수억 개의 기획안 패턴 중 방황함)
* 좋은 예: "너는 10년 차 IT 서비스 기획자야. 20대 여성을 타겟으로 한 식단 관리 앱의 초기 런칭 전략 기획안을 격식 있는 비즈니스 톤으로 써줘."
* 효과: '10년 차', '20대 여성', '식단 관리'라는 키워드가 입력되는 순간, AI의 머릿속에서는 이와 상관없는 수억 개의 단어가 후보에서 탈락합니다.
2. 과정을 쪼개기 (Step-by-Step)
한 번에 정답을 내놓으라고 하면 AI는 중간 과정을 생략하고 '결론처럼 보이는 문장'을 통계적으로 찍게 됨.
* 팁: "단계별로 생각해서 답변해줘"라는 부분을 추가하기..
* 효과: AI가 스스로 중간 논리를 먼저 출력하게 하면, 그 논리가 다시 AI의 입력값으로 들어가면서 최종 결론이 진실에 가까울 확률을 비약적으로 높여줌. (이를 'Chain of Thought' 프롬프팅이라고함)
3. 예시 제공 (Few-Shot Prompting)
백 마디 설명보다 '내가 원하는 결과물의 샘플' 하나를 보여주는 게 빠름.
* 팁: "질문: [예시], 답변: [샘플]" 구조 추가하기.
* 효과: AI는 "아, 이 인간이 지금 이런 패턴의 결과물을 원하는구나!"라고 통계적 방향을 즉시 수정함.
그리고 요즘 개핫한 방법으로는 에이전트를 사용하는 방법도 있음.
요즘에 IT 일한다 관련 정보 들어봣다 하면 다들 에이전트 이야기를 많이 들어봤을 거임
Q.들어봤지~ 근데 그게뭔데?
A. 에이전트는 AI에게 권한을 부여해 일처리를 하는 거라고 생각하면 됨
날씨에 대해 질문했을 때 일반 AI가 그냥 답변하는 정도라면, 에이전트는 직접 기상청 사이트에 접속하고, 내 캘린더를 확인한 뒤, "내일 비가 오니 오후 3시 미팅을 실내로 옮길까요?"라고 제안하고 실행까지 가능함.
프롬프팅: "A를 해줘"라고 말하는 명령어.
에이전트: "A라는 목표를 달성하기 위해 스스로 계획을 세우고 도구를 사용해라"라는 권한 부여
라고 보면 됨
그리고 이 에이전트로 대박난게 클로드 코워크와 오픈클로 ㅇㅇ
둘 다 사용자에게 권한 받고 지시에 따라 작업 처리하는 거임
(그래서 권한 관리 및 보안이 진짜 중요 요소임)
Q. 근데 에이전트는 개발자만 쓰는거아님?
A. 그건 아님
에이전트를 너무 어렵게 생각할 필요없음
>>사용자가 직접 지침을 설계하여 특정 업무(예: 데이터 분석가, 작가, 마케팅 전략가 등)를 수행하도록 하는 ai<< 에 초점을 두고 보면 됨.
에이전트를 한번 만들어보고 싶다, 테스트해보고 싶다면
Gemini의 경우 Gems/ gpt의 경우 GPTs 라고 커스텀 챗봇을 만들수 있을 텐데 개네에 지침 잘 넣어두고 활용해봐
Gemini의 경우에 Gems 항목 들어가면
요런게 있는데(흰박스칠된건 내가 만든건데 개인정보라 지움)
저거 만들때 지침을 작성하라 하거든
거기에 내가 필요한 작업> 작업 처리 방법> 원하는 답변 톤
등을 설정해서 만들어 쓰라는 이야기임
(덬 댓글이 자세해서 가져옴 ㅇㅇ 이 외에도 커스텀해서 써먹는 방법을 다들 찾아보도록해...♡)
그럼 모든 덬들의 행복한 ai사용을 기원하며...!
