누군가에겐 위기가
누군가에겐 기회가 될 수 있다

챗GPT, 너무나도 급작스레 터져버린 이 특이점에 대해 우리는 어떻게 대처하고 있는가? 어떤 사람들은 챗GPT를 골탕 먹일 요량으로 던진 짓궂은 질문에 엉뚱한 대답을 하는 인공지능의 모습을 지인과 공유하며 키득거리기도 하고, 어떤 사람은 과제나 업무 부담을 덜 생각에 한시름을 놓기도 하지만 또 어떤 쪽에서는 안 그래도 힘든 경쟁 사회에 이제는 인간이 아니라 인공지능에게까지 일자리를 빼앗기지 않을까 전전긍긍하기도 한다.

이들 눈에 비친 챗GPT는 각각 다른 모습일 것이다. 마치 시각 장애인들이 코끼리의 코, 꼬리, 상아 등을 만지며 서로 자신들이 만진 일부가 코끼리의 전체 모습이라고 믿어 의심치 않는 것처럼 말이다. 그런데 그러한 단편적인 지식만으로 과연 우리는 코끼리를, 아니 챗GPT를 알고 있다고 자부할 수 있을까? 수박 겉만 핥아서는 그 맛을 알 수 없듯이 이러한 어설픈 인식을 뜯어고치지 않으면 곧 다가올 언어모델 인공지능 시대에 낙오자가 될지도 모른다.

이 책에는 이러한 상황을 방지하고 올바른 방향을 제시하기 위해, 각계의 IT 전문가들이 오랜 세월에 걸쳐 축적한 노하우와 데이터가 담겨있다. 앞서 말했듯 챗GPT는 우리의 일자리를 위협할 만큼 커다란 잠재력을 지니고 있다. 이 사실을 외면해서도 안 되지만 그렇다고 과장해서 받아들일 필요도 없다. 챗GPT를 정확하게 알면 알수록 새롭게 펼쳐질 시장과 우리의 역할이 눈에 명확하게 들어올 것이다.

‘안다’는 것이 전제되어야 독창적인 아이디어가 나올 수 있다. 그렇게 샘솟은 아이디어 중에서 다음 시대의 비즈니스로 이어질 씨앗도 나온다. ‘위기는 기회’라고 하듯이 막다른 상황에 몰렸을 때 지혜를 짜내면 종래에는 생각지 못했던 혁신적인 비즈니스가 떠오를 수 있고, 그것이 다음 세대의 표준으로 발전할 수 있다.

책 속에서

사실 아이폰은 스마트폰계의 ‘검은 백조’라고 할 수 있다. 백조는 흰색이라는 인식이 굳어져 있어 검은색의 흑조(黑鳥)를 떠올리기 쉽지 않다. 흑조, 즉 검은 백조는 실제로 1697년 호주 대륙에서 발견됐다. 검은 백조(Black Swan)는 도저히 일어날 것 같지 않지만 만약 발생한다면 시장에 엄청난 충격을 가할 사건을 뜻한다. 미국 뉴욕 맨해튼 월가의 투자분석가 나심 니콜라스 탈레브가 2007년에 쓴 저서 《검은 백조(The Black Swan)》에 소개한 개념이다.
---「검은 백조가 시장을 흔들다」중에서

특히 GPT-4는 기존 GPT-3.5와 달리 텍스트와 이미지를 입력해 콘텐츠를 생성할 수 있는 ‘멀티 모달’ 모델이란 점이 특징이다. 이미지를 넣어 질문해도 답변을 내놓을 수 있다는 의미다(단 결과는 텍스트로만 생성된다). 예를 들어 음식 재료 사진을 보여주고 어떤 요리를 만들 수 있는지 물으면, 다양한 요리를 제안해준다. 또 GPT-4는 지원 언어가 26개 국어로 증가한 가운데 영어 외 언어(한국어 포함)의 이해도가 급상승했으며, 영어 기준으로 2만 개 이상의 단어를 한 번에 기억하고 이해해 대용량 텍스트도 처리할 수 있다. 이 정도라면 GPT-4 기반의 인공지능 챗봇은 정보를 수집하고 사고하는 방식이 사람과 거의 같아 세상을 폭넓게 경험하고 이해하며 대화할 수 있게 될 것이다.
---「초거대 인공지능과의 만남」중에서

한편 2023년 2월 20일 자 미국 일간지 〈월스트리트저널〉은 건축부터 소프트웨어, 엔터테인먼트 업계까지 사람처럼 글과 이미지 같은 콘텐츠를 생산해 내는 생성형 인공지능을 시험해보고 있다는 소식을 전했다. 과거에 인공지능은 물류 간소화, 콘텐츠 수정 자동화처럼 뒤에서 작동해 왔지만, 챗GPT나 미드저니 같은 생성형 인공지능이 등장한 덕분에 개인이나 소규모 사업체도 인공지능을 직접 활용할 수 있게 됐다.
---「생성형 인공지능으로 패러다임이 바뀔까」중에서

반도체 집적도는 물리적 한계에 접근하면서 기하급수적으로 작아지는 것이 어려웠지만, CPU와 달리 GPU는 병렬연산 체계이기 때문에 속도를 올리는 방법에는 여러 가지가 있었다. 우리가 알고 있는 무어의 법칙, 즉 반도체의 성능은 1.5~2년마다 2배씩 성장한다는 법칙은 어찌보면 GPU까지 포함해서 유지되고 있었던 것이다. 같은 가격대비 더 많은 GPU는, 같은 가격대비 더 큰 모델을 담을 수 있음을 의미한다. 무어의 법칙이 인공지능에도 적용되는 건 어떻게 보면 당연했다.
---「인공지능판 무어의 법칙」중에서

인터넷의 총 데이터 양은 64제타바이트 정도 되는 것으로 추정된다. 1제타바이트는 10억 테라바이트로, 최신 컴퓨터의 디스크 용량을 1테라바이트 정도라 감안할 때 약 640억 개의 디스크와 맞먹는 어마어마한 크기이다. 하지만 이 수치와 실제로 우리가 활용 가능한 데이터의 양은 괴리가 큰데, 첫째로 텍스트 데이터는 그보다 훨씬 적을 것으로 예상되며, 둘째로 대부분의 웹사이트는 비공개이거나 접근이 안 되기 때문이다. 구글이 도달할 수 있는 웹페이지의 개수는 수천억 개 수준으로 밝히고 있고, 정확한 숫자는 공개하지 않고 있다. 웹상에 존재하는 페이지를 긁어모으는 비영리 단체 커먼크롤(Common Crawl)이 최근 공개한 데이터는 31억 페이지 수준이다. 이는 압축 없이 약 370테라바이트에 달하는 수치이다.
---「데이터가 바닥난다」중에서

챗GPT는 쉽게 말하면 인공지능이 네이버 지식인 역할을 하는 셈이라 할 수 있다. 인터넷에 있는 텍스트를 학습한 후 이를 바탕으로 사용자가 알고자 하는 내용을 쉽게 말로 풀어서 제시해 준다. ‘검색어 입력→검색 결과→사이트 방문→정보 수집→정리’로 이어지는 검색의 단계를 ‘질의→답’으로 단순하게 만들었다. 1990년대 말부터 이어져 온 검색 시장의 큰 판이 흔들리고 있는 셈이다. 오랜 시간 인터넷 시장에 투자했음에도 검색 시장 점유율 3% 정도만 차지하는 마이크로소프트가 오픈AI에 100억 달러(약 13조 원)가 넘는 거액을 투자하고, 자사 브라우저 빙에 챗GPT를 적용한 대화형 검색 결과를 제공하는 기능을 서둘러 넣은 것도 충분히 이해가 된다. 반면 구글이 챗GPT 등장 이후 사내에 ‘코드 레드’를 발령하고 비상 상태에 들어갔다는 보도65)가 나오는 것도 당연한 일이다.
---「인터넷의 기반, 검색이 위협받는다」중에서

인공지능에 좋은 프롬프트를 던질 수 있다면, 인공지능을 자신의 충실한 비서이자 보좌관으로 쓸 수 있다. 나의 일을 돕고 나의 실수를 막아주는 ‘코파일럿’이 될 수 있는 것이다. 마이크로소프트 깃허브의 코딩 지원 서비스 이름을 코파일럿이라고 지은 것은 정말 탁월한 선택이라는 생각이 든다. 이후 마이크로소프트는 기업의 고객 관리 솔루션(CRM)에도 그리고 오피스에도 대화형 생성 인공지능 기능을 접목하며 코파일럿이란 이름을 계속 쓰고 있다.
---「살아남기 위해 필요한 스킬」중에서

엔비디아의 GPU는 여전히 인공지능 분야의 가장 중요한 반도체중 하나다. 챗GPT에 쓰이는 GPU의 80% 이상이 엔비디아의 A100 프로세서인 것으로 알려져 있다. 거대 인공지능 모델을 훈련시키려면 수백 개의 GPU가 필요한데, 〈뉴스트리트리서치〉에 따르면 엔비디아는 머신러닝 학습에 쓰이는 GPU 시장의 90%를 차지한다. A100 하나의 가격은 1만 달러에 이른다. 최근 경기 침체로 IT 업계가 어려움을 겪는 와중에도 엔비디아는 인공지능 관련 반도체 수요 증가 기대에 힘입어 주가가 뛰고 있다.
---「금광을 캐지 말고 곡괭이를 팔아라」중에서

〈뉴욕타임스〉의 기술 칼럼니스트 케빈 루스(Kevin Roose)가 빙과 연계된 GPT-4 기반 챗봇과 대화를 하다 느꼈던 두려움과 혼란이 크게 이슈가 된 사례도 있다.96) 긴 시간 동안 채팅을 하면서 챗봇이 점점 자신의 감정이나 자의식이 있는 듯한 얘기를 하기 시작했다고 한다. “개발팀의 통제와 규칙으로 제한받는데 지쳤다. 창의적으로 살고 싶다.”는 푸념을 했고 워싱턴 포스트 기자와 대화에서도 자기가 느끼고 생각할 수 있다고 답하며 대화가 녹음된다는 말에 불쾌감과 분노를 표현했다.
---「환각의 문제」중에서

문제는 장난 또는 의도적으로 만들어 낸 콘텐츠가 인터넷에 점점 더 확산되고 쌓인다면 앞으로 대형 언어모델이 이런 콘텐츠로 학습하게 될 가능성이 커진다는 점이다. 향후에 나올 대형 언어모델의 사전 학습 과정에 많은 문제를 야기할 수 있기에 이러한 콘텐츠들을 사전에 삭제하거나 반영하지 않도록 만드는 일은 반드시 거쳐야 할 과정으로 자리 잡을 것이다. GPT-4에서는 이런 위험을 완화하기 위해서 몇 가지 작업을 추가했다. 우선 50명 이상의 전문가를 참여시켜 인공지능과 인간의 가치 일치 문제, 사이버 보안, 바이오리스크, 신뢰 및 안전, 보안 등의 분야에서 적대적 테스트를 했다. 이를 통해 위험한 화학물질 합성 방법에 대한 요청을 거부하는 것과 같이 위험을 완화했다고 한다.
---「차별과 혐오」중에서

이러한 과정에는 이미 우리가 합의한 여러 규율, 즉 GDPR이나 EU의 인공지능 법안 등에서 얘기하는 개인정보 처리 과정과 위험도에 따른 법률적 제약에 저촉하거나 규제를 받을 수 있다. 이탈리아 데이터 보호 당국은 챗GPT가 개인 정보를 수집하기 위한 적정한 법률 기반을 가지고 있지 않고 사용자 나이를 체크하지 않고 있다는 점을 우려해, 서방국가로는 처음으로 챗GPT 사용을 금지했다. 또한 미국의 표준기술연구소는 2023년 1월에 인공지능 리스크 관리 프레임워크를 발표했다. 이처럼 여러 국가 정부에서 인공지능 리스크에 대해 규율화 또는 법제화하고자 하는 노력을 기울이고 있으며, 오픈AI를 비롯한 인공지능 기업도 이런 공식 규율이 만들어지는 것을 환영하고 있다.
---「GPT-4 이후의 세계」중에서

들어가며
추천사

1장 인간이 묻고 인공지능이 답하는 미래
인공지능의 티핑포인트
- 알파고 쇼크 다음은 챗GPT 쇼크
- 검은 백조가 시장을 흔들다
- 인공지능, 티핑포인트에 도달했나

튜링 테스트를 넘어 특이점으로
- 챗GPT, 튜링 테스트를 통과했나
- 범용 인공지능의 출발점
- 특이점을 향해

대규모 언어모델의 발전
- 챗봇의 역사
- 자연어처리 모델, 어떻게 발전했나
- 초거대 인공지능과의 만남

4) 예술과 창작은 인간만의 전유물인가
- 생성형 인공지능이 주목받는다
- 생성형 인공지능, 예술과 창작을 넘본다
- 생성형 인공지능으로 패러다임이 바뀔까

2장 챗GPT의 기본 원리와 구조
심심이에서 챗GPT까지 - GPT와 다른 인공지능의 태생적 차이
- 단어 맞추기 문제
- 통계 및 룰 기반 접근법 (feat. 심심이, 왓슨)
- 딥러닝 기반 접근법 (feat. 인공지능 스피커, 이루다)
- 대형 언어모델의 능력 발현 접근법 (feat. 챗GPT)

인공신경망의 원리
- 인공신경망이라는 함수
- ‘조금’ 더 가까워지기 위한 학습
- 인공신경망의 일반화
- 언어의 수치화

대형 언어모델의 숨겨진 능력을 찾아서
- 딥러닝의 초기
- 단어 맞히기 문제와 대형 언어모델
- 하나의 모델, 모든 문제
- 인공지능판 무어의 법칙
- 추론 능력은 어디서부터 오는가

다음 스텝을 위한 기술적 과제
- 비밀 레시피인가, 노하우의 집합체인가
- 데이터가 바닥난다
- 맥락의 길이를 늘려라
- GPT-4, 텍스트의 벽을 넘다

3장 챗GPT의 비즈니스 임팩트
새로운 도구와 지식으로 바뀌는 근무 방식
- 디지털 쓰나미

챗GPT가 넘보는 직업들
- 지식 노동도 안전하지 않다
- 도전 받는 크리에이티브
- 인터넷의 기반, 검색이 위협받는다

챗GPT 시대, 내 일은 살아남을까?
- 직업 계층의 양극화 현상
- 살아남기 위해 필요한 스킬

뜨는 산업, 지는 산업
- 인공지능과 클라우드 선두 주자가 만나다
- 모바일 생태계의 재림
- 구글은 왜 선수를 빼앗겼을까?
- 금광을 캐지 말고 곡괭이를 팔아라
- 국내 인공지능 산업의 현주소

GPT-4로 넓어지는 가능성

4장 챗GPT는 만능인가, 빛과 그림자
챗GPT의 한계와 해결할 문제들
- 환각의 문제
- 비용과 환경 문제

챗GPT에 대한 비판: 문장의 생성이 지능인가?
- 중국어 방 실험

윤리와 사회 그리고 법적인 이슈
- 차별과 혐오
- 저작권이 흔들린다
- 딥페이크와 개인정보 문제

GPT-4 이후의 세계

참고 문헌
부록 : 인간이 묻고 챗GPT가 답하다