AI타임스

[AI의 역사] 93 모든 기술을 대체해 버릴 잠재력을 가진 기술 – 트랜스포머의 탄생

2022년 말에 등장한 '챗GPT'는 인간과 유사한 수준의 대화 능력과 창의적인 텍스트 생성을 가능하게 해줘, 출시 후 전 세계적으로 큰 파장을 일으키며 생성 인공지능(AI) 열풍을 불러왔다. 오픈AI에서 개발한 챗GPT의 마지막 철자인 ‘T’는 텍스트를 생성해 주는 딥러닝 모델의 하나인 ‘트랜스포머(Transformer)’를 의미한다. 트랜스포머는 텍스트뿐만 아니라 이미지, 비디오, 오디오 심지어 단백질 구조 예측에까지 기반 기술로 사용되고, 다양한 종류의 데이터를 만들어 낼 수 있는 생성 AI의 결정적인 기술이다. 그런데 원래

AI타임스

11-22 09:17

[기고] 오재호 파일러 대표 "가짜뉴스, 딥페이크, 그리고 AI의 역설 : 신뢰의 인프라를 세워야 할 때"

■ UGC와 AIGC(AI Generated Content)의 평행이론인공지능(AI)은 인류의 생산성과 혁신에 전례 없는 기여를 하고 있지만, 바로 그 압도적인 생산성이 새로운 시스템적 위협의 근원이 되기도 한다. AI의 힘이 긍정적인 방향으로 풀리면 세상에 기여하는 혁신이 되지만, 악의적으로 활용될 경우 사회를 혼란에 빠뜨리는 악이 될 수 있다는 이중적 속성을 갖는 것이다.이런 배경에서, AI 기반 영상 생성 기술의 폭발적 발전은 콘텐츠 생산 방식에 새로운 전환점을 만들고 있다. 흥미로운 점은 이러한 흐름이 2010년대 초반 휴대

장세민 기자

11-17 16:58

[AI의 역사] 92 명과 암을 극단적으로 보여주는 AI 기술 – GAN의 발전과 딥페이크

2018년 4월 미국의 인터넷 미디어 버즈피드(BuzzFeed)에서는 전 대통령인 오바마가 당시 대통령인 트럼프를 “완전히 쓸모없는 인간(Complete Dipsh**)”이라고 욕하는 내용이 포함된 연설 영상이 게재됐다.그러나 실제 오바마는 그런 연설도, 그런 말도 한 적이 없었다. 영상을 계속 보면, 다른 사람이 그 연설을 하고 있으며 목소리와 입의 움직임이 오바마의 영상에 감쪽같이 입혀져 있음을 알 수 있다. 많은 논란을 낳고 있는 디지털 방식으로 조작된 비디오 즉, 딥페이크(Deepfake) 기술로 만들어진 영상으로 딥페이크의

AI타임스

11-15 13:45

[AI의 역사] 91 AI, 마지막 보드게임 바둑마저 제패하다 – 딥마인드와 알파고의 발전(하)

“저는 바둑을 학문적인, 또 예술적인 접근방식으로 배웠어요. 그런데 인공지능이 나오면서 프로기사가 되는 것이 그렇게 값어치가 있을까 하는 본질적인 의문이 들었어요” 한 TV 방송에서 다시 태어나도 프로 바둑기사가 될 것인지 묻는 말에 대한 이세돌의 대답이었다. 이세돌은 25년간 프로 바둑기사로 활동했는데, 32연승을 하며 바둑의 전설로도 불렸다. 2016년 3월의 바둑 AI 프로그램 알파고와의 대국에서 패하기는 했지만, 그래도 알파고에 1승을 거둔 최초이자 최후의 바둑기사라는 타이틀도 갖고 있다. 시합 전 딥마인드의 알고리즘에 관한

AI타임스

11-08 14:05

[AI의 역사] 90 최초로 AGI 개발을 천명한 스타트업 – 딥마인드와 알파고의 발전(상)

2016년 3월에는 프로 바둑 기사 이세돌과 AI 프로그램 알파고(AlphaGo)의 대국이 벌어졌다. 알파고가 4승 1패로 승리하며, 바둑계는 물론 과학 산업계에도 큰 충격을 안겨줬다. 10년 전, IBM의 딥블루(Deep Blue)가 인간 체스 챔피언 가리 카스파로프를 이겼을 때도 기계가 인간의 지능을 따라잡는 증거라며 화제였으나, 알파고의 승리는 그보다 더 큰 충격이었다. 탐색공간 크기의 차이도 있지만, 딥블루는 강력해진 컴퓨터의 계산력으로 탐색을 빠르게 실행한 시스템이다. 반면, 알파고는 컴퓨터가 스스로 학습한 패턴을 기반으로

AI타임스

11-05 12:00

[AI의 역사] 89 인간 수준을 뛰어넘는 이미지 인식 AI의 등장 – 딥러닝 모델의 계보

2010년부터 2017년까지 이어진 이미지 인식 경연대회 'ILSVRC'에서 가장 충격적인 사건은 2012년 알렉스넷(AlexNet)의 등장이었다. 2015년 대회에 등장한 레스넷(ResNet)도 딥러닝의 두번째 혁명이라는 찬사를 받으며 연구계에 열광적인 호응을 받았다.인간의 이미지 인식 오류율이라는 5%를 넘어선 오류율 3.57%를 기록하며, AI의 이미지 인식 수준이 인간을 뛰어넘게 되었다며 큰 주목을 받았다. 이후 이미지 인식 딥러닝 모델 대부분은 레스넷 구조를 기본 골격으로 재설계됐다.그런데 인간의 이미지 인식 오류율이 5%

AI타임스

11-01 14:12

[기고] 한국딥러닝 “공공데이터 91%, 문서 구조화 없이는 AI가 읽지 못해”

■ 디지털화는 끝났지만, AI는 여전히 문서를 읽지 못한다.정부는 지금 ‘디지털 전환(DX)’을 넘어 ‘행정 전환(Administrative Transformation)’으로 나아가고 있다. 행정 전 과정에 AI를 도입해 업무 효율성을 높이겠다는 전략이다. 하지만 현장을 들여다보면, 여전히 ‘디지털화된 행정’과 ‘인공지능(AI) 기반 행정’ 사이에는 깊은 간극이 존재한다.많은 행정기관이 수년 전부터 문서의 전산화를 완료했다고 말하지만, 그것은 단지 ‘사람이 보는 전자문서’ 수준에 불과하다. 행정의 근간인 문서가 PDF, HWP, 이

장세민 기자

10-31 10:00

[AI의 역사] 88 AI 연구의 민주화로 개발의 폭발적 확산을 가져오다 - 딥러닝 프레임워크의 발전

2012년의 이미지 인식 경연대회 'ILSVRC'에서 우승한 제프리 힌튼 팀의 알고리즘은 컴퓨터 비전, 인지 과학, 그리고 AI 연구계를 충격에 빠트리는 큰 사건이었다. 그동안 대회에서 거의 사용되지 않았던 딥러닝을 사용해 압도적인 인식률 능력 차이로 우승하면서, 딥러닝 모델은 학계와 산업계에 중요 화두로 떠올랐고, AI의 붐을 촉발했다. 이후 이미지인식 대회에는 대부분 팀이 딥러닝 모델로 참가했으며, 인식률도 이전 대회와는 비교되지 않을 정도로 지속적으로 크게 향상됐다.딥러닝은 급격히 성장하는 분야로 학교와 기업 연구소에서 본격적

AI타임스

10-29 12:25

[AI의 역사] 87 오픈하지 않고 영리를 추구하기로 한 비영리 연구소 – 오픈AI의 설립과 초기 상황

2012년 12월 초 신경정보처리시스템(NIPS, 2018년부터 NeurIPS로 약칭 변경) 학회 기간 중 진행된 제프리 힌튼의 DNN리서치 경매는 본격적인 AI 인재 쟁탈 전쟁의 서막을 열어줬고, 빅테크 기업의 AI 연구소 설립 붐을 일으켰다. 3년 뒤인 2015년 12월 NIPS 학회에서는 오픈AI의 설립이 공표되며, 본격적인 AGI(Artificial General Intelligence) 개발 경쟁을 촉발했다.설립 발표문에서 오픈AI는 비영리 연구소로, “재정적 수익 창출의 필요성에 구애받지 않고 인류 전체에 가장 큰 혜택을

AI타임스

10-25 13:32

[기고] 안재만 베슬AI 대표 “기업 AI 에이전트, 왜 PoC를 넘지 못하는가”

■ AI 에이전트 붐과 현실의 괴리: ‘도입’과 ‘활용’은 다른 이야기회의록 요약, 보고서 작성, 고객 상담, 재고 관리까지 수행하는 AI 에이전트가 연일 소개되고 있다. "24시간 고객 응대" "생산성 300% 향상" 같은 말도 익숙해졌다.하지만, 실제 현장에서는 다른 이야기가 나온다. 개념검증(PoC) 단계까지는 순조롭게 진행되지만, 그 이후 실제 업무 환경에 안착하지 못하는 사례가 적지 않다. 수억원을 투자했음에도 실사용률이 기대에 미치지 못하고, 에이전트가 '존재하지만 잘 쓰이지 않는 시스템'으로 남는 경우도 빈번하다.이런

장세민 기자

10-23 10:00

[AI의 역사] 86 AI 연구의 존재 이유이면서 가장 큰 실패 역사의 원인 – AGI 개념의 형성과 발전

지난 회에서는 인공지능(AI)의 위협론과 낙관론 논쟁의 대표 사례로 머스크와 저커버그의 설전을 소개했다. 그러나 사실 그 설전은 구조적으로 비대칭적인 논쟁이었으며, 그들이 사용한 AI라는 용어에 대한 정의나 주장하는 현상의 시간대도 일치하지 않았다. 저커버그가 언급한 AI는 페이스북이 활용하려는 이미지나 텍스트 분석을 위한 신경망 기반의 현실적 AI를 의미하지만, 머스크의 관심사는 초지능(Superintelligence)이라는 장기적이고 가설적인 위협에 맞춰진 또 다른 용어인 AGI(Artificial General Intellig

AI타임스

10-21 11:00

[AI의 역사] 85 너무 위험하기 때문에 내가 통제해야 한다 – AI 위협론의 선봉에 선 머스크

인터넷 은어로 '현피'라는 말이 있다. 이는 ‘현실 PvP(Player vs. Player)’의 줄임말로 온라인상의 다툼이 비화, 당사자들이 오프라인에서 만나 물리적 충돌을 벌이는 일을 의미한다.2023년 6월에는 빅테크 기업 CEO 간의 현피가 성사될 뻔한 일이 있었다. SNS에서 테슬라의 일론 머스크가 격투기로 대결할 준비가 됐다고 하자, 메타의 마크 저커버그는 장소를 보내라고 응수했다. 머스크는 다시 라스베이거스 옥타곤으로 결투 위치를 정했고, 이들은 각자 격투기 훈련을 하는 사진을 올리기도 했다. 언론은 대결이 성사되면 1조

AI타임스

10-18 12:53

[기고] 한국딥러닝 “AI, 문서를 읽는 것이 아니라 맥락을 이해해야”

■ 글자만 인식하는 OCR 시대는 끝났다. 이제는 맥락을 해석해야 한다문서 자동화라고 하면, 여전히 많은 기업이 광학문자인식(OCR)으로 글자를 추출하거나 키워드를 뽑아내는 수준을 떠올린다.그러나 실제로 문서가 업무에서 쓰이는 방식을 살펴보면, 단순히 텍스트만 뽑아내는 것으로는 충분하지 않다.계약서에 적힌 조건과 수치, 보고서의 결론은 주변 맥락에서 의미가 있다. ‘승인’이라는 단어도 결재란 옆에 있으면 법적 효력을 갖지만, 본문 중간에 있으면 단순 언급일 뿐이다.이제 인공지능(AI)에 필요한 것은 ‘글자를 인식하는 능력’이 아니라

장세민 기자

10-06 16:35

[기고] 스티브 로터 딥엘 CMO “글로벌 브랜드 성장 가능성은 언어에 달려 있어”

최근 국내 기업 최고경영자(CEO) 245명을 대상으로 실시된 ‘2026 사업 계획’ 설문에 따르면, 24.4%의 응답자가 내년도 핵심 전략 키워드로 ‘시장 확대 및 신사업’을 꼽았다.실제, 지난해 12월 기준 해외 시장 진출 기업은 전 세계 84개국에 걸쳐 9930개 기업에 이르렀다. 신규 시장 진출이 한국 기업에게 더 이상 선택이 아닌 필수 전략으로 자리잡고 있는 모습이다. 그러나 한 시장에서의 성공 방식이 다른 곳에서도 동일한 성과를 낼 수 있을 것이라는 기대는 경계해야 한다.오히려 문화적 맥락의 부재로 인해 매출 증진은 물론

장세민 기자

10-05 15:25

[AI의 역사] 84 위조지폐범과 경찰의 적대적 경쟁 결과는 완벽한 위조지폐 – 생성 AI의 선구자 GAN

2017년 10월 'GTC' 유럽 행사의 키노트 연설을 하던 젠슨 황 엔비디아 CEO는 무대에서 내려와 터치펜으로 사람 얼굴과 엔비디아의 로고를 그렸다. 스케치가 실시간으로 피카소풍의 그림으로 바뀌자, 청중의 박수가 터져 나왔다. 이는 캠브리지 컨설턴트사가 엔비디아의 딥러닝 전용 슈퍼컴퓨터로 만든 ‘빈센트 AI(Vincent AI)’를 활용한 것이다. 사용자가 간단한 그림을 그리면, 이를 기본으로 유화, 피카소풍 그림, 팝 아트 등 7가지의 예술 작품으로 완성해 주는 프로그램이었다. 이미지와 동영상 생성 AI가 넘쳐나는 최근 기준으

AI타임스

10-04 16:31

[AI의 역사] 83 챗GPT는 튜링 테스트를 통과했습니까? – 챗봇과 유진 구스트만

2014년 6월 앨런 튜링의 사망 60주년을 기념하기 위해 영국의 레딩대학교는 영국 왕립학회에서 ‘2014 튜링 테스트 대회’를 거행했다. 대회 결과를 발표한 레딩대의 케빈 워윅(Kevin Warwick) 교수는 5팀이 참가했는데, 평가자 중 33%가 인간이라고 생각한 ‘유진 구스트만(Eugene Goostman)’이 역사상 최초로 튜링 테스트를 통과했다고 공식 발표했다. 유진 구스트만은 두명의 러시아 개발자와 한명의 우크라이나 개발자로 구성된 프로그래머 그룹이 2001년에 처음 개발한 컴퓨터 챗봇 프로그램이었다. 2014년 당시

AI타임스

10-01 12:05

[AI의 역사] 82 페이스북 참전으로 더 치열해진 인재 쟁탈 전쟁 – AI 연구소 설립 붐

2025년 여름에는 치열한 인재 영입 전쟁 소식이 뉴스를 타고 화제가 됐다. 8월에는 메타가 스타트업의 핵심 리더를 영입하기 위해 140억달러를 들여 영입 대상자의 기업 지분을 인수하는 '역 인재 인수(Reverse AcquiHire)'를 활용해 인재 영입 전쟁에 돌입했다는 보도였다. 또 일부 주요 연구원들에게 1억달러(약 1400억원)에 달하는 급여 패키지를 제시했다는 보도도 있었다. 메타는 결국 50명 이상의 인재를 오픈AI, 구글, xAI, 애플, 앤트로픽 등으로부터 영입하는 데 성공했고, 인공지능(AI) 연구 조직을 재편하기

AI타임스

09-27 11:11

[AI의 역사] 81 바이두의 제안과 경매를 통한 스타트업 인수 - 애퀴하이어 전쟁의 서막

평생 학자로 살아온 힌튼에게 큰돈을 만질 기회는 없었다. 오히려, AI 분야에서도 주류 연구계의 흐름에서 벗어나 있었던 신경망을 쉼 없이 연구해 온 그는 제자들의 일자리를 찾아 주거나 연구비를 마련하는 일조차 쉽지 않았다.그랬던 그에게 소속 연구원으로 수년간 일하는 조건으로 1200만달러를 제안해 온 기업이 있었는데, 중국의 바이두였다. 2012년 가을 힌튼과 제자들로 구성된 수퍼비전 팀의 딥러닝 프로그램이 대규모 이미지인식 경연대회 'ILSVRC'에서 우승하고, 그달 말 컴퓨터 비전 학회에서 알렉스넷의 논문을 발표한 직후였다.회사

AI타임스

09-23 14:50

[AI의 역사] 80 검색엔진 회사가 AI 회사가 되기까지 – 앤드류 응과 브레인 프로젝트의 발전

앤드류 응의 마빈 프로젝트를 시작으로 제프 딘이 합류하며 브레인 프로젝트로 확대된 연구는 첫 결과물로 '고양이 인식' 논문을 공개했고, 이는 구글이 본격적으로 인공지능(AI) 기업으로 발전한 계기가 됐다. 그러나 고양이 논문이 구글에서의 첫 AI 연구는 아니었다. 구글의 핵심 기술인 검색엔진 자체는 머신러닝 같은 AI 기술은 아니었지만, 대규모 데이터 속에서 패턴과 관계를 찾아낸다는 AI의 기본 원칙을 담고 있었다. 이후 검색어 자동 완성이나 번역 기능에 통계 기반의 머신러닝 기술을 적용했고, 지메일과 광고 그리고 음성지원 비서 서

AI타임스

09-20 08:25

[AI의 역사] 79 가르침 없이 스스로 고양이를 찾아낸 인공 신경망 – 브레인 프로젝트의 시작과 제프 딘

“고양이를 식별하는데 컴퓨터 몇 대가 필요한가요? 16,000”. 2012년 6월 뉴욕 타임스의 기사 제목이다. 이때는 이미지 인식 대회 ILSVRC에서 제프리 힌튼 교수팀의 알렉스넷이 압도적인 인식 능력 차이로 우승하며 딥러닝이 AI 연구계를 충격에 빠트리기 3개월 전이었다. 그런데, 고양이 이미지를 알아보기 위해 1만6000대의 컴퓨터가 필요하다니, 당시의 컴퓨팅 파워를 고려해도 좀 과하다는 생각이 들 수 있다. 기사 제목의 1만6000은 컴퓨터의 수로 오해되곤 하지만, 사실 1만6000대의 컴퓨터가 사용된 것은 아니었다. 당시

AI타임스

09-17 12:35