🤖 옌지니어의 IT 기록 🤖

AI에 대한 인식 전환 주장..."인간 가능성 확장할 인지 파트너" (링크)

기사 내용 요약

지난해 생성 AI의 등장으로 인한 놀라움과 위기감 및 경고에 이어, 이제는 파트너로 잘 활용하는 단계에 접어들고 있다.
포브스와 사이콜로지 투데이는 최근 AI와 인간의 조화를 강조하는 미래학자 2명의 칼럼을 소개했다.
포브스는 세계적으로 유명한 미래학자 버나드 마르의 글을 게재했다. 그는 인간이 매일 자잘한 작업에 많은 시간을 소비한다고 지적하며 AI가 이런 작업에서 인간을 해방해, 잠재력을 끌어낼 수 있다고 주장했다. AI가 작업의 '로봇적' 측면을 처리함에 따라 인간은 창의적인 문제 해결, 감성 지능, 도덕적 판단 및 개인적인 상호 작용이 필요한 역할을 향해 나아간다고 전했다.
사이콜로지 투데이는 혁신 이론가이자 세계적인 헬스케어 기업 노스타랩 창립자인 존 노스타의 주장을 소개했다. 그는 대형언어모델(LLM)이라는 인간과 흡사한 능력을 갖춘 보조자를 갖추게 됨으로써 능력을 크게 확장하고 향상할 수 있는 '새로운 인지 시대'로 진입하고 있다며 LLM이 우리의 두뇌가 갖추지 못한 것들을 제공한다고 설명했다.
이처럼 두 전문가의 의견은 AI가 인간 한계를 확장하고 도와줄 수 있다는 점에 초점을 맞추고 있다. 이번 주장들은 '챗GPT'로 인한 생성 AI의 본격 등장 1년을 넘기며 숱한 담론 끝에 나온 새로운 접근법이라 주목받고 있다. 또 AI와 인간을 별개로 생각하는 추세를 넘어, 둘이 하나로 통합되어야 하며 인간이 그 중심이라고 주장하는 점에서 기존 논리와는 차별화된 것으로 볼 수 있다.

※ Reference ※

https://www.forbes.com/sites/bernardmarr/2024/05/06/why-ai-challenges-us-to-become-more-human/?sh=76212cbe6d8f (포브스 버나드 마르 글 원본)

https://www.psychologytoday.com/us/blog/the-digital-self/202405/our-lonely-brain-and-artificial-intelligence

(사이콜로지 투데이 존 노스타 글 원본)

AI에 대한 관심이 쏟아지고 새로운 제품들이 넘쳐났던 작년에 비해 올해에는 AI를 어떻게 하면 잘 활용할 수 있을까에 대한 기사도 많이 보이고 있다. AI를 너무 낙관적으로 바라보며 의존한다거나 비관적으로 바라보기 보다는 AI를 지식 확장의 도구로 바라보면 좋을 것 같다는 생각이 들었다. 그리고 도구를 잘 활용하기 위한 노력을 기울이면 좋을 것 같다.

MS, '엑셀 전문' 코파일럿 공개..."ERP·CRM 대체할 것" (링크)

기사 내용 요약

마이크로소프트(MS)가 엑셀 전문 '코파일럿'을 공개했다. 이를 통해 기존 전사적 자원 관리(ERP)와 고객 관계 관리(CRM) 프로그램을 대체하겠다는 의도다.
MS는 재무 전문가를 위한 인공지능(AI) 도구 코파일럿 포 파이낸스(Microsoft Copilot for Finance)'를 프리뷰로 공개했다. 이 도구는 재무팀이 늘어나는 데이터 속에서 올바른 정보를 검색하도록 돕고 지루한 데이터 작업을 자동화해 작업 효율성을 높이는 데 도움을 주는 것이 목표이며 가장 많이 사용 중인 엑셀 프로그램에 타깃을 맞췄다. 에밀리 헤 MS 비즈니스 애플리케이션 마케팅 부사장은 "우리는 엑셀을 계산 엔진뿐만 아니라 ERP 데이터를 활용해 재무 전문가가 쉽고 능률적으로 작업을 수행할 수 있게 만들 수 있다"라고 주장했다.
기존 코파일럿 기술 기반이지만 엑셀을 종료하지 않고도 재무 시스템에서 데이터를 가져와 차이를 분석하고, 데이터 수집을 자동화하고, 모니터링을 지원할 수 있다. 또 향후 각 회사의 업무에 맞춰 코파일럿 기능을 조정할 수도 있다고 덧붙였다. 데이터 개인 정보 보호 및 보안 해결을 위해 데이터 액세스 권한을 적용하고 고객 데이터로 모델을 교육하지 않는 등 조치를 취했다고도 밝혔다.
MS는 시연회를 열고 CRM 기능을 돕는 모습을 선보였다. 찰스 라마나 MS 엔터프라이즈 부사장은 "이를 통해 판매자가 CRM을 사용하는 일이 훨씬 줄어들 것이며, 아마도 미래에는 절대 없을 것"이라고 말했다. "왜냐하면 코파일럿은 기본적으로 판매자를 대신해 CRM을 최신 상태로 유지하고 CRM에서 정보를 가져오기 때문"이라고 설명했다.

핵심 용어

• 코파일럿(Copilot)이란?
  • 마이크로소프트(MS)에서 M365에 챗 GPT를 탑재한 도구
• 코파일럿 시스템의 구성 요소
  • 마이크로소프트 365 앱 : 사용자가 AI 비서와 상호작용할 수 있는 워드, 엑셀, 팀즈 등의 앱
  • 마이크로소프트 그래프 : 마이크로소프트 365 환경의 파일, 문서, 데이터를 포함
  • 오픈 AI 모델 : 사용자 프롬프트를 처리
• 전사적 자원 관리 (ERP, Enterprise Resource Planning)란?
  • 조직이 회계, 조달, 프로젝트 관리, 공급망 운영 등 비즈니스 활동을 관리하는데 사용하는 소프트웨어 유형
  • 재무 부문에서 재무 업무를 자동화히며 채무(AP)와 채권(AR) 추적, 효율적인 결산, 재무 보고서 생성 기능 수행 
• 고객 관계 관리 (CRM, Customer Relationship Management)란?
  • 회사의 현재 고객 및 잠재 고객 정보 관리, 추적, 저장을 지원하는 데이터 기반 소프트웨어 통합 솔루션
  • 자동으로 기존 및 잠재 고객에 대한 정보를 수집
  • 온라인 채팅 및 문서 공유 앱을 포함하는 다른 비즈니스 도구와 연결

※ Reference ※

https://www.itworld.co.kr/news/299377 (코파일럿 모든 정보에 대한 기사) 🌟

https://www.gpters.org/c/beginners/ms-copilot (코파일럿 사용 방법)

https://v.daum.net/v/20240304103029654 (코파일럿 포 파이낸스 출시 관련 기사)

https://www.oracle.com/kr/erp/what-is-erp/ (ERP 관련 내용)

https://www.sap.com/korea/products/erp/what-is-erp.html (ERP 관련 내용)

https://dynamics.microsoft.com/ko-kr/crm/what-is-crm/ (CRM 관련 내용)

오랜만에 기사 읽었다...다시 기사 열심히 읽어봐야겠다. 거의 한 달 정도 됐는데 그 사이에 다양한 변화들이 있었다. 생성형 AI 기술이 발전하면서 여러 분야와 결합되면 좋겠다고 생각했는데 마이크로소프트에서 재무 분야와 연결된 내용을 보니까 확실히 업무의 편의를 높이는데 도움이 되는 것 같다. 이후에도 더 다양한 분야와 결합되어 편리한 업무에 도움이 되면 좋을 것 같다는 생각이 들었다.

MS가 말하는 2024년 AI 트렌드 3가지는 (링크)

기사 내용 요약

이 글을 쓴 전문 기술작가 바네사 호는 "지난해 '챗GPT'나 '코파일럿' 같은 생성 AI의 등장으로 많은 사람들이 즐거워했다"라며 "올해는 일상 업무를 개선하고 어려운 문제를 해결하는 단계에 접어들었다"라고 소개했다.

- 소형언어모델(sLM)
온디바이스 AI가 보편화되기 위해서는 오프라인 상태에서도 실행할 수 있는 작은 언어모델이 필요하다. 이는 대형언어모델(LLM)을 실행하는데 필요한 상당한 컴퓨팅 리소스를 줄여줄 수 있다. MS는 '파이'와 '오르카'라는 sLM을 출시한 바 있다. 

- 멀티모달AI
텍스트 뿐만 아니라 이미지, 오디오 및 비디오와 같은 데이터를 이해할 수 있는 멀티모달 AI가 주요 트렌드다.
MS의 경우 원하는 것을 설명해 이미지를 생성할 수 있는 'MS 디자이너'를 지원한다. 또 장애가 있는 사용자를 위해 텍스트 판독기나 음성을 지원한다. 

- AI 융합 기술
AI는 기후변화나 에너지 위기, 질병, 식량 등과 같은 글로벌 문제를 해결하는 데에도 활용되고 있다. 특히 단백질 생성 AI나 무기물 생성 AI 등은 신물질 개발에 새로운 장을 열고 있다. MS 역시 지난달 '화합물 생성 AI'로 리튬 배터리 대체 물질을 발견했다고 발표했다.

핵심 용어

• 소형언어모델(sLM, small Language Model)
  • 파이 : 27억 개의 매개변수를 갖춘 모델로 일반 상식 및 마이크로소프트 독자 데이터셋을 포함
  • 오르카 : 130억 개의 매개변수를 갖춘 경량화 대규모 언어 모델로 LLM의 지식을 사용하여 기능 향상

※ Reference ※

https://www.boannews.com/media/view.asp?idx=121029 (대형 및 소형 생성형 AI 언어모델 관련 기사) 🌟

https://www.flowscopenews.com/TechnologyScience/?idx=17285470&bmode=view (소형언어모델의 부상 관련 내용)

https://zdnet.co.kr/view/?no=20231213150825 (MS 파이2 관련 기사)

https://www.digitaltoday.co.kr/news/articleView.html?idxno=495578 (MS 오르카2 관련 기사)

https://yengineeer.tistory.com/17 (멀티모달 AI 관련 내용 정리)

https://www.itworld.co.kr/review/267495 (MS 디자이너 사용 리뷰)

https://www.aitimes.com/news/articleView.html?idxno=156436 (MS 화합물 생성 AI 관련 기사)

많은 기업에서 생성형 AI와 관련된 성과를 내고 있는데 MS도 다양한 분야에 생성형 AI를 접하고 있는 것 같다. 요즘 트렌드인 소형언어모델과 멀티 모달 AI 그리고 AI 융합기술까지 여러 분야에 생성형 AI 기술을 연결하여 기술이 많이 발전하고 있다는 생각이 든다.

올바른 NoSQL 데이터베이스를 선택하는 5가지 질문과 주요 솔루션 (링크)

기사 내용 요약

NoSQL 데이터베이스를 선택하기 전에 해야 할 5가지 질문은 다음과 같다.

 - NoSQL이 올바른 선택인가?
멀린스 컨설팅(Mullins Consulting)의 대표 컨설턴트 크레이그 멀린스는 "가장 먼저 결정해야 할 것은 왜 NoSQL 데이터베이스 시스템이 필요한가 하는 점”이라고 말했다. 그리고 기존 RDBMS가 사용례를 충족할 수 없는 이유를 파악해야 한다. 

- 어떤 NoSQL 데이터 모델이 필요한가?
NoSQL 데이터 모델은 키-값, 문서, 칼럼 저장소, 그래프의 4가지 주요 유형으로 나뉘며, 각 유형은 각기 다른 사용례에 적합하다. 어떤 데이터를 저장하고 어떻게 액세스할 것인지는 데이터 모델을 결정하는 데 필수적이다.

- 지연시간 요건은 무엇인가?
스트리밍 데이터 캡처, 실시간 데이터 공유 애플리케이션, 데이터가 단순한 목록, 매트릭스처럼 지연시간이 짧아야하는 경우 키-값 저장소를 고려해야한다. 데이터의 형태가 매우 가변적이고 정의된 필드가 포함된 경우나 인터랙티브 애플리케이션의 경우 JSON 문서 데이터베이스가 적합하다. 지연시간 요구사항이 크지 않은 경우는 그래프 데이터베이스를 고려할 수 있다.

- 확장성과 데이터 일관성이 얼마나 중요한가?
NoSQL 데이터베이스는 데이터를 세그먼트 또는 샤드(Shard)로 나눌 수 있으므로 수백 테라바이트를 실행하는 대규모 배치 환경에 유용하다. ACID 준수를 통해 모든 트랜잭션의 데이터 일관성을 보장하는 데 중점을 두는 관계형 데이터베이스와 달리, NoSQL을 사용하면 데이터 일관성을 일관성 있게 또는 느슨하게 선택할 수 있다.

- 어떻게 배포할 것인가?
일부 NoSQL 데이터베이스는 온프레미스에서 실행할 수 있고, 일부는 클라우드에서만 실행할 수 있으며, 일부는 하이브리드 클라우드 환경에서 실행할 수 있다. 또한 서버리스 및 쿠버네티스 환경에서 실행되는 등 클라우드 아키텍처와 기본적으로 통합되는 NoSQL도 있다.

핵심 용어

• NoSQL 데이터베이스란?
  • Not Only SQL / Non-SQL 라고도 표현
  • 관계형 데이터베이스의 전통적 구조 밖에서 데이터 저장 및 쿼리를 가능하게 하는 데이터베이스 설계 접근법
• 관계형 데이터베이스(RDBMS) vs. NoSQL 데이터베이스
  
  • RDBMS
    • 데이터를 테이블이라는 데이터베이스 객체에 저장
    • 데이터베이스에서 스키마를 사전에 정의해야 하므로 모든 열의 데이터 유형 파악 필요
    • 키를 사용해 여러 테이블을 연결하는 방식으로 정보를 저장
  • NoSQL 데이터베이스
    • 사전에 스키마를 정의하지 않아도 저장 가능
    • 신속한 수평적 확장 능력으로 높은 트래픽 처리 가능
• NoSQL의 유형
  • 키-값 저장소 : 가장 단순한 형태로 스키마가 없고 키-값 쌍으로 구성된 사전으로 조직화
  • 문서 저장소 : 데이터를 문서로 저장하며 일반적으로 JSON, XML, BSON 형식
  • 컬럼 저장소 : 정보를 컬럼에 저장하므로 관련 없는 데이터에 추가 메모리 할당 없이 특정 컬럼에 액세스 가능
  • 그래프 저장소 : 지식 그래프의 데이터를 보관
• NoSQL 적용 사례
  • 실시간 데이터 관리 : NoSQL 데이터베이스를 사용하여 실시간 추천, 개인화, 개선된 사용자 경험 제공
  • 클라우드 보안 : 그래프 데이터베이스를 사용하여 데이터 내 복잡한 관계를 빠르게 발견하고 보안 구상
  • 고가용성 애플리케이션 : 분산 NoSQL 데이터베이스로 메시징, 파일공유  지연시간 짧은 애플리케이션 구축

※ Reference ※

https://www.ibm.com/kr-ko/topics/nosql-databases (NoSQL 데이터베이스 개념 및 유형)

https://www.oracle.com/kr/database/nosql/what-is-nosql/ (NoSQL 데이터베이스 개념 및 선택해야하는 경우)

https://aws.amazon.com/ko/nosql/ (NoSQL 데이터베이스 개념 및 적용 사례)

https://www.integrate.io/ko/blog/which-database-ko/ (사용사례에 적합한 데이터베이스 선택)

AI와 관련된 기사만 보다가 데이터베이스와 관련된 내용을 보니까 반가웠다...데이터베이스를 선택할 때 어떤 사항을 고려해야하는지를 알 수 있었고 NoSQL에 대해서 좀 더 자세히 알게 되었다.

일론 머스크 "인간 뇌에 첫 컴퓨터 칩 이식 성공" (링크)

기사 내용 요약

일론 머스크의 뇌 임플란트 스타트업 뉴럴링크가 인간의 뇌에 컴퓨터 칩을 심는데 성공했다.
로이터는 29일(현지시간) 머스크가 X(트위터)에 "28일 뉴럴링크로부터 칩 이식을 받은 첫 환자가 잘 회복하고 있다"라며 “신경 자극 감지(neuron spike detection)라는 양호한 초기 결과를 보여주고 있다”라고 전했다고 보도했다.
이번 임상 시험은 뇌에 뇌-컴퓨터 인터페이스(BCI) 칩을 삽입하고, 칩이 사람의 특정 생각이나 동작을 할 때 나오는 뇌파를 분석해 기계에 전달하는 것을 목표로 한다. 머스크는 이 기술로 시각 장애인의 시력을 회복하고, 사지 마비 환자의 근육 운동을 가능하게 할 수 있다고 장담하고 있다.

핵심 용어

• BCI(Brain-Computer Interface)란?
  
  • 뇌가 만들어 낸 신호를 디지털 신호로 바꾸어 컴퓨터를 사용하는 기술
• BCI의 작동 과정
  •  
  • 신호 측정 : 머리에 부착되거나 뇌 속에 삽입된 전극을 통해 뇌파 측정하여 디지털 신호로 바꾸는 단계
  • 전처리 및 형태 추출 : 수집한 뇌파 데이터 가공
  • 샘플들과 비교 분석 : 알고리즘을 통해 비교 및 분석
  • 단말기에 명령 (응용) : 분석된 뇌파 정보가 단말기 (컴퓨터 / 스마트폰 / 웨어러블 기기)에 명령
• BCI 활용 분야
  • 의학 : 신체가 붛편하거나 뇌 기능이 저하된 이들의 의사 표현
  • 자율주행 : 뇌파로 차량을 제어하고 운전자의 상태를 파악하는 B2V(Brain to Vehicle) 기술
  • 군사 : 전사 상황에 뇌파 신호를 측정하여 적군이 오는 방향이나 지원 병력 여부 파악
  • 뉴로 마케팅 : 뉴런과 마케팅을 결합한 용어로 두뇌 활동을 마케팅에 접목한 것

※ Reference ※

https://news.lginnotek.com/1375 (BCI의 개념 / 작동과정 / 활용분야)

https://www.aitimes.com/news/articleView.html?idxno=148773 (BCI기술에 대한 기사)

https://www.aitimes.com/news/articleView.html?idxno=151376 (뉴럴링크 FDA 승인 관련 기사)

이런 일이 일어날 수 있을까 생각만 하던 기술이 점점 현실이 되어가고 있어 신기하면서도 무섭기도 하다. 모든 기술이 그렇듯이 잘 사용한다면 특히 의학 분야에서 많은 이점을 가져올 수 있을 것으로 보인다. 잘 사용하기 위해서 상용화되기 전까지 안전성을 보장하는 많은 실험을 거치고 상용화가 된 이후에는 법과 같은 안전장치가 필요할 것 같다.

코드 생성 AI '알파코듐' 화제..."인간의 코딩 능력에 근접" (링크)

기사 내용 요약

벤처비트는 26일(현지시간) 텔아비브에 본사를 둔 스타트업 코듐AI가 코드 생성 AI '알파코듐(AlphaCodium)'을 공개했다고 보도했다.
코듐AI는 논문을 통해 "코드 생성은 일반적인 자연어 문제와 다르다. 자연어 생성에 성공한 많은 최적화 및 트릭이 코드 작업에는 효과적이지 않을 수 있다"라며 "우리는 대형언어모델(LLM)의 코드 생성 능력을 향상하는 '반복 흐름(iterative flow)' 알파코듐을 제안한다"라고 밝혔다.
이에 따르면 알파코듐은 1만여개의 프로그래밍 문제가 포함된 '코드컨테스트' 데이터셋으로 테스트됐다. 'GPT-4'에 알파코듐을 적용한 결과 코딩 정확도는 19%에서 44%로 높아졌다.
코듐AI는 “이 결과는 단순한 수치 개선을 보여주는 것이 아니다"라며 "코드 생성 분야에서 LLM의 기능이 한 단계 더 발전한 증거”라고 강조했다.
 안드레이 카르파티 전 테슬라 AI 이사는 "답을 내는 패러다임에서 답을 반복적으로 구성하는 '플로우(flow)'로 패러다임을 전환했다"라며 이를 통해 코드 생성을 개선할 수 있다고 밝혔다.
플로우는 GAN(적대적생성신경망) 아키텍처 요소를 통해 모델이 생성한 코드를 적대적 모델로 테스트하고 피드백하며 고도화하는 구조를 뜻한다.

핵심 용어

• 생성모델(Generative Model)이란?
  
  • 주어진 데이터를 학습하고 학습 데이터의 분포를 따르는 유사 데이터를 생성하는 모델
  • 학습시킨 데이터들 사이에 정말로 존재할 것 같은 데이터를 만들어내는 것이 목적
• 생성모델의 종류
  • Explicit Density : 학습 데이터의 분포 기반
    • Tractable Density : 모델의 사전 분포를 가정하여 기존값으로부터 데이터 분포를 추정
    • Full Visible Belief Nets (NADE / MADE / PixelRNN / PixelCNN)
    • Approximate Density : 모델의 사전 분포를 근사시켜 데이터 분포를 추정
    • VAE / Markov Chain (Boltzmann Machine)
  • Implicit Density : 데이터의 분포를 모르더라도 생성 
    • 데이터의 확률 분포를 모르는 상태
    • 모델이 명확히 정의되어 있지 않은 경우
    • 샘플링을 반복하여 특정 확률 분포에 수렴하여 추정
    • GAN / Markov Chain (GSN)
• GAN(Generative Adversarial Networks)이란?
  • 실제에 가까운 이미지나 사람이 쓴 것 같은 글 등 여러 가짜 데이터들을 생성하는 모델
  • '적대적 생성 신경망'이라는 이름처럼 서로 다른 두 개의 네트워크를 적대적으로(adversarial) 학습
• GAN 아키텍처
  • CycleGAN : 다양한 스타일의 이미지 간 변환을 학습하는데 주로 사용
  • StyleGAN : 인간의 얼굴에 관한 특징을 외워서 현실에 없는 인간의 얼굴 이미지 생성
  • Text2image : 텍스트의 설명을 임베딩으로 변환하고 노이즈 벡터와 연결해 생성기에 입력

※ Reference ※

https://wikidocs.net/151937 (생성모델 아이디어)

https://www.thedatahunt.com/trend-insight/generative-ai (생성AI의 개념 및 활용)

https://www.thedatahunt.com/trend-insight/gan-algorithm-guide(GAN의 개념 및 활용 사례)

생성형 AI를 만든 것도 개발자고....위협 당하는 것도 개발자인 기묘한 현실...내 자리는 있었으면 좋겠다. 적당히 코딩에 도움을 받을 수 있는 정도만 발전하면 좋을텐데 기술이 너무 발전하고 있는 것 같다.