이것이 생성형 AI다

***** 『이것이 인공지능이다』 과학기술정보통신부 ‘우수과학도서’ 선정 작가!

***** 5년간 독자들이 선택한 인공지능 분야의 최장기 베스트셀러 이은 3번째 책!

***** 기업 ‧ 기관 ‧ 학교 선정 올해의 경제 경영 화제의 책!

AI 이정도만 알면 충분하다!

AI를 이끌어가는 기업 CEO가 생생한 예시를 통해 쉽게 설명한

대규모 언어 모델(LLM)이 바꾼 AI(인공지능) 생태계의 모든 것!

생성형 AI가 무엇인지,

이 기술을 어떻게 활용하면 좋을지에 대한

이야기를자연스럽고 담백하게 풀어낸 책

생성형 AI에 관해 쉽고 친근하게 풀어내어 일반인도 쉽게 이해할 수 있는 AI 안내서!

컴퓨터, 인터넷, 스마트폰, 카카오톡 등의 메신저, 동영상 플랫폼, SNS, 넷플릭스 등의 OTT 서비스가 나타나기 전과 후의 세상이 완전히 다른 것은 아니다. 지금 이 기술과 서비스들을 이용하지 않는 사람들도 있고, 이를 이용하지 않는다고 해서 많은 일들이 불가능한 것은 아니다. 하지만 이 기술과 서비스에 자주 노출되고 사용하면서 자연스럽게 익숙해지면 좀 더 편리해지는 일들이 생긴다. 생성형 AI도 작정하고 긴 시간 동안 배워야 하는 매우 거창하고 어려운 기술이라고 생각하기보다는 우리가 그동안 자연스럽게 받아들였던 기술과 서비스들 중 하나일 뿐이라고 생각하고 접근하는 것이 좋다. 인터넷이 나름의 역할을 하면서 인간의 삶과 비즈니스를 좀 더 낫게 만든 부분도 있지만, 인터넷이 역할을 할 수 없는 삶과 비즈니스도 있다. 이처럼 생성형 AI가 역할을 할 수 있는 부분도 있고, 그렇지 않은 부분도 존재한다. 인터넷 검색이 보편화되면서 우리의 일상과 일하는 방식이 바뀐 것처럼 생성형 AI는 딱 그 정도의, 또는 그것보다는 좀 더 큰 폭의 변화를 우리에게 선사할 것이다. 당장 챗GPT나 유사한 생성형 AI에 이런저런 말을 걸어보면서 생성형 AI를 일상의 일부로 만들어보자. 

김명락

초등학생 때부터 컴퓨터게임 프로그래머로 활동했고, 고등학생 때 핵융합에 대한 언론 기사를 읽은 후 이것이 인류의 미래라고 확신하고 서울대학교 원자핵공학과에 입학했다. 컴퓨터공학을 부전공하며 컴퓨터에 대한 관심을 이어갔고, 대학원에서 현재의 딥러닝(Deep Learning) 기술의 전신인 인공 신경망(Neural Network)을 활용하여 핵융합 장치 안 플라스마의 위치와 모양을 파악하는 연구를 했다. 2002년 초에 대학교 과 친구들과 함께 창업하고, 2003년에는 인터넷 음식 주문 서비스 사업, 2004년에는 현재의 SNS와 유사했던 모바일 블로그 사업을 했다. 이후 LS전선, 티엠씨, 삼성물산에서 근무하면서 사회생활과 비즈니스를 배웠다. 핀란드 알토대학교 경영대학원에서 공부하면서 다시 창업하기 위해 준비한 끝에 2015년 7월에 인공지능 회사를 창업하여 현재까지 운영하고 있다. 한국외국어대학교, 연세대학교, 을지대학교에서 겸임교수로서 인공지능에 대해 강의하면서 인공지능의 저변을 넓히기 위해 노력했다. 창업 초기에는 인공지능을 활용하여 유동 인구 데이터를 분석하는 서비스를 개발했으나 현재는 스포츠 분야의 자체 서비스를 개발해서 사업적으로 성공하기 위해 분투하고 있다. 인공지능을 활용한 서비스를 성공시키기 위한 노력과 함께, 다양한 산업과 고객의 많은 문제를 해결하기 위해 인공지능을 활용한 컨설팅 및 개발을 해왔다. 지난 10년간 인공지능 기술의 트렌드가 딥러닝이 중심이된 기계학습에서 흔히 생성형 AI라고 불리는 대규모 언어 모델(LLM)로 이어지는 현장의 한가운데에 있었다. 이 경험을 바탕으로 대중이 인공지능을 더 잘 이해하고 유용하게 활용할 수 있도록 『이것이 인공지능이다』와 『청소년을 위한 이것이 인공지능이다』를 집필했다.

추천사 . 4

저자 인터뷰 : AI 기업 CEO가 들려주는 AI 7문 7답 . 8

프롤로그 . 22

PART 1 생성형 AI

01 챗GPT와 생성형 AI의 부상 . 31

02 생성형 AI란 무엇인가? . 33

03 생성형 AI의 본질은 대규모 언어 모델 . 37

PART 2 알파고와 챗GPT 사이의 AI 트렌드

01 알파고의 출현으로 시작된 기계학습의 대유행 . 43

02 기계학습이란 무엇인가? . 45

03 클라우드와 AI의 결합 . 48

04 기계학습의 한계는 무엇인가? . 58

05 기계학습의 대안으로 떠오른 초거대 AI . 61

06 초거대 AI란 무엇인가? . 63

07 초거대 AI의 한계는 무엇인가? . 66

08 기계학습과 초거대 AI의 중간에 위치한 대규모 언어 모델 . 68

09 초거대 AI와 대규모 언어 모델 비교 . 73

PART 3 AI 반도체, 전력 소비 문제

01 초거대 AI, 대규모 언어 모델과 AI 반도체의 관계 . 79

02 초거대 AI, 대규모 언어 모델의 전력 소비 문제 . 83

03 초거대 AI, 대규모 언어 모델의 자본주의 . 87

PART 4 대규모 언어 모델의 시작

01 대규모 언어 모델의 시조새 구글 트랜스포머 모델 . 101

02 트랜스포머 모델의 자손 GPT, BERT . 106

03 대규모 언어 모델이란 무엇인가? . 108

04 대규모 언어 모델은 언어 문제에만 쓰인다는 오해 . 112

05 시계열 예측에도 유용한 대규모 언어 모델 . 116

PART 5 전이 학습과 RAG

01 잘 아는 척하는 신입 사원 . 121

02 현장 실습, 전이 학습 . 124

03 정해진 매뉴얼 안에서만 답하기, RAG . 128

04 기계학습과 대규모 언어 모델 비교 . 131

PART 6 대규모 언어 모델 사용의 의미

01 대규모 언어 모델 사용의 효용성 . 141

02 대규모 언어 모델에 의존한 주니어들의 미래 . 143

03 갈릴레이와 대규모 언어 모델 . 147

PART 7 대규모 언어 모델을 어떻게 활용해야 하는가?

01 대규모 언어 모델은 언제 필요한가? . 155

02 대규모 언어 모델을 어떻게 활용해야 하는가? . 162

03 대규모 언어 모델의 미래 . 179

에필로그 : 생성형 AI가 만드는 미래-우리가 알아야 할 것들 . 186

참고문헌 . 190