ChatGPT의 여러 한계에도 불구하고, ChatGPT가 열어 제낀 새로운 미래는 찬란할 것으로 예상된다. 이제는 인공지능에서 무엇이 안 될 것이라고 말하기 어려운 상황이 되었다. 인류 역사에서 축하할 일이다. 많은 인공지능 분야 사람들의 예상보다 미래가 더 빨리 왔다. 우리가 살아 있는 동안에 눈부신 진보를 볼 듯하다.
ChatGPT는 혁명인가? 어떤 면에서 혁명적인가? 크게 세 가지의 혁명이라고 할 수 있다.
먼저, 대화 인공지능 혁명이다. 컴퓨터와 사람의 인터페이스는 키보드, 마우스, 터치에서 이제 대화(Conversation)로 진화하는 단계가 되었다. ChatGPT라는 말귀를 알아듣는 인류 역사 최초의 기계를 사람들이 사용하면서, 대화가 인공지능으로 재현할 수 있음을 확신하게 되었다. ChatGPT는 여러 턴의 대화가 가능한 질문답변 모델로, 문맥을 이해하여 대화를 생성하는 인류 역사 최초의 기계이다.
두 번째로, 빠른 생성(Generative) 인공지능 혁명이다. 생성 인공지능은 구별(Discriminative) 인공지능과 대별된다. 그동안의 인공지능 연구는 문자를 인식하고, 이미지나 동영상을 인식하고, 장애물을 인식하고, 산불을 인식하고, 사람 얼굴을 인식하고, 불량품을 인식하는 등의 인식과 구별 업무에 많이 사용되어온 반면, 최근의 생성 인공지능은 ChatGPT나 하이퍼클로바와 같이 문장을 생성하고, 미드저니(Midjourney), Dall-E-2, Stable Diffusion(오픈소스)과 같이 이미지를 생성하고, 젠-1(Gen-1), 메이크어비디오(Make-a-Video), 페나키(Phenaki), 드림믹스(Dreamix)와 같이 동영상을 생성하는 데에 사용되고 있고, 새로운 약품의 조성을 생성하거나, 새로운 단백질을 합성하는 등의 생성에 많이 활용되고 있다. 심지어, 구글이 2023년 3월 7일에 발표한 PaLM-E(An Embodied Multimodal Language Model, https://palm-e.github.io/)는 ChatGPT 같은 언어모델 방법론을 활용하여 로봇의 행동까지 생성할 가능성을 보여주고 있다. 이렇게 생성 AI는 기업의 새로운 제품과 서비스의 브레인스토밍, 디자인, 기획, 연구개발 생산성을 획기적으로 높여줄 가능성을 보여주고 있다.
세 번째로, 일반 인공지능(AGI: Artificial General Intelligence) 혁명이다. 그동안의 인공지능 시스템 연구 개발은 특정 분야의 문제를 해결하기 위한 Domain-Specific한 시스템을 개발하는 형태가 많았다. 그러나, ChatGPT의 성공으로 사람들은 인공지능 개발에 있어서 AGI의 중요성을 체감하기 시작했다. 기존의 도메인 한정 시스템의 성능은 AGI의 성능과 비교되어야 하는 지경에 이르렀다. 그리고, 특정 문제를 해결하는 시스템을 설계, 구현할 때도 AGI의 도움을 섞어서 개발하는 것이 효율적이면서 성능도 높이는 방법론이 될 가능성이 커졌다. 따라서, 개인을 포함한 기업, 정부 등 모든 사회 주체가 이제는 정말 자신을 위한 인공지능을 개발하는 것을 고려해야 하는 상황에 왔다. 바야흐로 새로 시작하기 딱 좋은 시기이다.
ChatGPT는 한계도 여전히 많다. 우선 수학조차 말로 풀고자 하는 초거대 언어모델의 한계를 보여주고 있다. 수학도 말로 풀어보려고 애쓴다. 이는 언어학적인 문제로, 생각과 논리가 있고 말이 있는 것이냐 아니면 말이 없이는 생각이나 논리도 없는 것이냐의 문제와도 상통한다. 개, 고양이도 논리적 행동하는 것으로 보이는 때가 있는데, 이것이 언어 없이 가능한 것이냐 아니면 그들도 언어가 있는 것이냐 하는 이슈와 관련된다. 언어모델 접근은 언어로 모든 것이 가능하다고 가정하고 접근하는 것인데, 이 경우 기존의 텍스트들이 어떤 숨은 가정이나 상식, 또는 논리적 점프 없이 서술되어 있을 때는 모르겠지만, 인간은 사고 절약의 원리(Principle of Parsimony ), 오캄의 면도날(Ockham's Razor), 또는 암묵적 지식을 활용하여 텍스트의 서술을 최소화해왔으므로, 오로지 서술된 것으로부터만 배우는 언어모델은 논리적 정합성에서 실수를 계속할 수밖에 없다. 결국, 기존의 논리에 인간이 생략해왔던 서술을 다 집어넣고 다시 학습시켜야 하는 것이다. ChatGPT가, 기존의 GPT-3 버전에 일정 정도 그런 작업을 한 것이다. 기존 GPT-3의 학습 데이터에는 그런 텍스트들이 많지 않았기 때문에, GPT-3.5의 학습을 위해서는 텍스트를 억지로 생성하고, 그것을 다시 학습한 것이다.
또한, ChatGPT와 같은 초거대 언어모델은 잘못된 지식과 주장을 증폭시킬 위험이 있다. 많은 사람들이 언어모델을 사용하게 될 때 하나의 문제점은, 잘못된 지식이 급속히 퍼질 수 있다는 것이다. 사람은 자신이 쓴 글에 대해 책임진다. 그런데, 인공지능은 책임을 질 수 없다. 그냥 생성하는 기계일 뿐이기 때문이다. 기계에는 생명이 없고, 고통이 없어서 징벌이 불가능하다. 책임없는 기계가 책임없이 말들을 생성하고, 이것이 사람들에게 영향을 미치는 문제가 이제 본격적으로 등장하게 될 것이다. 예를 들어, ‘Business Model이 특허가 될 수 있는가 없는가’에 대해 ChatGPT에 물어보았는데, ‘특허가 될 수 있다’고 대답한다. 정답은 ‘특허가 될 수 없다’이다. Business Method는 특허가 될 수 있지만, Business Model은 특허가 될 수 없다. 이처럼 전문가들에게는 명백히 참과 거짓이 판명된 명제인데, 일반인들은 모르고 덤비는 수준의 명제들이 있다. 언어모델은 바보들의 합창을 학습하여, 그것을 재생산함으로써 바보들의 합창에 확성기를 붙일 수 있는데, 이는 인간 지성계에 큰 위험이 될 수 있다.
ChatGPT의 여러 한계에도 불구하고, ChatGPT가 열어 제낀 새로운 미래는 찬란할 것으로 예상된다. 이제는 인공지능에서 무엇이 안 될 것이라고 말하기 어려운 상황이 되었다. 인류 역사에서 축하할 일이다. 많은 인공지능 분야 전문가들의 예상보다 미래가 더 빨리 왔다. 우리가 살아 있는 동안에 눈부신 진보를 볼 듯하다. 바야흐로 마샬 매클루언(Marshall McLuhan)도 예상하지 못한 세계가 도래하고 있는 것이다. 고정적인 것이 몰락하고 있다. 고정적인 텍스트라는 개념이 몰락하고 있다. 구어문화의 귀환이자 구어, 문어의 구분이 없어지는 것이다. 고정성, 유일성이 몰락하는 것이다. 옛날 옛적에, 말만 사용하던 인간이 돌이나 종이에 말을 새겼고, 이를 테이프, 디스크에 저장하다가, 인터넷으로 유통하였으며, 이제는 그 고정된 텍스트가 유통하는 것이 아닌, 텍스트 자체가 유동하면서 유통하는 시대가 도래하게 된 것이다. 즉 AI가 소설을 써서, 그것을 고정된 종이나 디지털에 인쇄하는 것이 아닌, 계속 살아 움직이고 변하는 소설이 나타날 것이다. 영화도 마찬가지다. 생성의 비용이 낮아지므로, 생성해서 구울 필요가 없는 것이다. 인터랙티브 영화라는 개념이 예전에 많았지만, 경우의 수를 다 미리 준비할 수 없는 문제가 있었다. 이제는 소비자 각자가 AI를 이용하여 스토리를 전개해나가는 장르의 새로운 콘텐츠가 발생할 수 있게 되었다.
ChatGPT는 어텐션(attention)이라는 개념이 사용된 트랜스포머라는 혁신적 방법론으로 만들어졌다. 효율적으로 이야기하면 트랜스포머 이전의 방법론을 알 필요가 없어졌는데, 알 필요가 없어진 것이 순환신경망(Recurrent Neural Network)이다. 순환신경망이라는 방법론은 딥러닝 방법중의 하나인데, 사실 이해하기도 어려웠고, 구현하기도 어려웠고, 검증하기도 어려웠다. 그런데, 트랜스포머는 계산이 그리 복잡하지 않다. 일종의 행렬 계산을 순서대로 하면 되는 개념이다. 수학적으로 훨씬 이해하기도 쉽고, 컴퓨터로 구현하기도 쉬워졌다. 한마디로, 트랜스포머만 이해하면 되는 시대가 되었다.
트랜스포머는 기존의 여러 방법론을 통일하는 방법론으로서 각광받고 있다. ChatGPT를 가능하게 한 트랜스포머 방법론은 최근에는 영상과 같은 공간적 데이터와 텍스트와 같은 시간적 데이터의 인식과 생성을 모두 효율적으로 처리하여, 영상인식과 생성, 음성인식과 생성, 자연어 인식과 생성, 강화학습, 그래프 인식과 생성, 과학 연구 등 많은 인공지능 문제를 해결하는 통일적 방법론으로 사용될 포텐셜을 가지게 되었다.
ChatGPT는 주로 공개된 문서의 텍스트 데이터로 일반적인 대화 인공지능을 개발하였다. 그런데, 강력한 비즈니스용 인공지능을 개발하기 위해서는 공개된 문서가 아닌, 숨겨진 실세계의 데이터를 활용할 필요가 있는데, 이러한 실세계에서 사회 주체가 사적으로 소유하는 데이터의 활용을 위해서는 각 사회 주체가 자신의 사적 소유 데이터는 그대로 보호하고 소유하고 유지하면서도, 이를 위해 현실의 다른 주체들과는 인공지능을 연합·개발하고 공유하는 전략을 취하는 것이 가능해졌다. 이제 사회 주체들은, 트랜스포머에 기반한 인공지능 모델을 기본 방법론으로 하고, 이 트랜스포머 모델이 필요로 하는 데이터는 연합 학습(Federated Learning)에 기반하여 활용하는 방법론을 결합하여, 기존에 불가능했던 사회 주체간 협력을 가능하게 하는 새로운 가치 창출을 가능하게 할 수 있다. 멜로디 프로젝트가 신약 개발 산업의 주체 간의 기존에는 불가능했던 협력을 가능하게 한 것처럼 향후, 유통(CRM 및 제품 개발), 은행(돈세탁 방지), 보험(사기 방지), 결제/송금(대고객 신규 서비스, 보이스피싱 등 금융 범죄 방지), 제조 분야(품질관리, 예지 보수) 등의 새로운 협력적 AI 공유 플랫폼의 발전이 기대된다. 예를 들어, 하렉스인포텍의 사용자 중심 인공지능 연구소가 개발한 GCI(General Commerce Intelligence)엔진은 상거래 분야의 사적 소유 데이터를 활용하여 ChatGPT와 같은 방법론인 트랜스포머 방법론으로 AI를 학습시키는데, 연합학습을 적용함으로써, 모든 개인과 사업자의 데이터를 보호하면서 확보하는 시스템이다. 이렇게 사용자 중심 인공지능 방법론은 실세계의 데이터를 보호하면서 AI를 사용자를 중심으로 공유하는 방식으로 강력한 AI를 만들어 나간다.
초거대 언어모델이라서, 일견 그 인공지능 시스템은 너무 커서 우리가 사용하는 PC에는 설치할 수 없을 거라고 생각하기 쉬운데, 그렇지 않다. 용량 크고 성능 좋은 PC에는 충분히 설치할 수 있다. 물론 강력한 GPU가 필요하다고 한다. 페이스북의 모기업인 메타는 2023년 2월 24일 'LLaMA(Large Language Model Meta AI)'를 출시했다. LLaMA의 특징은 우리가 사용하는 스마트폰에도 설치할 수 있는 정도의 크기이다. LLaMA의 장점은 고품질의 데이터 훈련으로 효율성을 높여 훨씬 적은 컴퓨팅 파워로도 큰 성능을 낼 수 있으며, 오픈 소스라는 점이, 소스를 공개하지 않는 대신 API만 제공하는 OpenAI의 GPT 시리즈와 가장 큰 차이이다.
LLaMA에서 엿볼 수 있는 것처럼, 미래는 모든 사용자가 자신만의 인공지능을 가지는 시대가 될 것이다. 데이터를 빅테크에 뺏기지 않고, 알고리즘도 빅테크의 수익을 극대화하는 것이 아니라 자신의 목표를 극대화하는 구조로, 대신 사용자들이 연합하고 자신들의 인공지능을 상호 공유하여 성능을 극대화하는 형태로 갈 것이다. 그것이 사용자 중심 인공지능의 비전이다. 더 이상 빅테크와 대기업에 의존하거나 종속되지 않는 개인과 소상공인, 중소기업의 힘이 세지는 그러한 시대 역시 새롭게 열리고 있는 것이다.
ChatGPT의 여러 한계에도 불구하고, ChatGPT가 열어 제낀 새로운 미래는 찬란할 것으로 예상된다. 이제는 인공지능에서 무엇이 안 될 것이라고 말하기 어려운 상황이 되었다. 인류 역사에서 축하할 일이다. 많은 인공지능 분야 사람들의 예상보다 미래가 더 빨리 왔다. 우리가 살아 있는 동안에 눈부신 진보를 볼 듯하다.
ChatGPT는 혁명인가? 어떤 면에서 혁명적인가? 크게 세 가지의 혁명이라고 할 수 있다.
먼저, 대화 인공지능 혁명이다. 컴퓨터와 사람의 인터페이스는 키보드, 마우스, 터치에서 이제 대화(Conversation)로 진화하는 단계가 되었다. ChatGPT라는 말귀를 알아듣는 인류 역사 최초의 기계를 사람들이 사용하면서, 대화가 인공지능으로 재현할 수 있음을 확신하게 되었다. ChatGPT는 여러 턴의 대화가 가능한 질문답변 모델로, 문맥을 이해하여 대화를 생성하는 인류 역사 최초의 기계이다.
두 번째로, 빠른 생성(Generative) 인공지능 혁명이다. 생성 인공지능은 구별(Discriminative) 인공지능과 대별된다. 그동안의 인공지능 연구는 문자를 인식하고, 이미지나 동영상을 인식하고, 장애물을 인식하고, 산불을 인식하고, 사람 얼굴을 인식하고, 불량품을 인식하는 등의 인식과 구별 업무에 많이 사용되어온 반면, 최근의 생성 인공지능은 ChatGPT나 하이퍼클로바와 같이 문장을 생성하고, 미드저니(Midjourney), Dall-E-2, Stable Diffusion(오픈소스)과 같이 이미지를 생성하고, 젠-1(Gen-1), 메이크어비디오(Make-a-Video), 페나키(Phenaki), 드림믹스(Dreamix)와 같이 동영상을 생성하는 데에 사용되고 있고, 새로운 약품의 조성을 생성하거나, 새로운 단백질을 합성하는 등의 생성에 많이 활용되고 있다. 심지어, 구글이 2023년 3월 7일에 발표한 PaLM-E(An Embodied Multimodal Language Model, https://palm-e.github.io/)는 ChatGPT 같은 언어모델 방법론을 활용하여 로봇의 행동까지 생성할 가능성을 보여주고 있다. 이렇게 생성 AI는 기업의 새로운 제품과 서비스의 브레인스토밍, 디자인, 기획, 연구개발 생산성을 획기적으로 높여줄 가능성을 보여주고 있다.
세 번째로, 일반 인공지능(AGI: Artificial General Intelligence) 혁명이다. 그동안의 인공지능 시스템 연구 개발은 특정 분야의 문제를 해결하기 위한 Domain-Specific한 시스템을 개발하는 형태가 많았다. 그러나, ChatGPT의 성공으로 사람들은 인공지능 개발에 있어서 AGI의 중요성을 체감하기 시작했다. 기존의 도메인 한정 시스템의 성능은 AGI의 성능과 비교되어야 하는 지경에 이르렀다. 그리고, 특정 문제를 해결하는 시스템을 설계, 구현할 때도 AGI의 도움을 섞어서 개발하는 것이 효율적이면서 성능도 높이는 방법론이 될 가능성이 커졌다. 따라서, 개인을 포함한 기업, 정부 등 모든 사회 주체가 이제는 정말 자신을 위한 인공지능을 개발하는 것을 고려해야 하는 상황에 왔다. 바야흐로 새로 시작하기 딱 좋은 시기이다.
ChatGPT는 한계도 여전히 많다. 우선 수학조차 말로 풀고자 하는 초거대 언어모델의 한계를 보여주고 있다. 수학도 말로 풀어보려고 애쓴다. 이는 언어학적인 문제로, 생각과 논리가 있고 말이 있는 것이냐 아니면 말이 없이는 생각이나 논리도 없는 것이냐의 문제와도 상통한다. 개, 고양이도 논리적 행동하는 것으로 보이는 때가 있는데, 이것이 언어 없이 가능한 것이냐 아니면 그들도 언어가 있는 것이냐 하는 이슈와 관련된다. 언어모델 접근은 언어로 모든 것이 가능하다고 가정하고 접근하는 것인데, 이 경우 기존의 텍스트들이 어떤 숨은 가정이나 상식, 또는 논리적 점프 없이 서술되어 있을 때는 모르겠지만, 인간은 사고 절약의 원리(Principle of Parsimony ), 오캄의 면도날(Ockham's Razor), 또는 암묵적 지식을 활용하여 텍스트의 서술을 최소화해왔으므로, 오로지 서술된 것으로부터만 배우는 언어모델은 논리적 정합성에서 실수를 계속할 수밖에 없다. 결국, 기존의 논리에 인간이 생략해왔던 서술을 다 집어넣고 다시 학습시켜야 하는 것이다. ChatGPT가, 기존의 GPT-3 버전에 일정 정도 그런 작업을 한 것이다. 기존 GPT-3의 학습 데이터에는 그런 텍스트들이 많지 않았기 때문에, GPT-3.5의 학습을 위해서는 텍스트를 억지로 생성하고, 그것을 다시 학습한 것이다.
또한, ChatGPT와 같은 초거대 언어모델은 잘못된 지식과 주장을 증폭시킬 위험이 있다. 많은 사람들이 언어모델을 사용하게 될 때 하나의 문제점은, 잘못된 지식이 급속히 퍼질 수 있다는 것이다. 사람은 자신이 쓴 글에 대해 책임진다. 그런데, 인공지능은 책임을 질 수 없다. 그냥 생성하는 기계일 뿐이기 때문이다. 기계에는 생명이 없고, 고통이 없어서 징벌이 불가능하다. 책임없는 기계가 책임없이 말들을 생성하고, 이것이 사람들에게 영향을 미치는 문제가 이제 본격적으로 등장하게 될 것이다. 예를 들어, ‘Business Model이 특허가 될 수 있는가 없는가’에 대해 ChatGPT에 물어보았는데, ‘특허가 될 수 있다’고 대답한다. 정답은 ‘특허가 될 수 없다’이다. Business Method는 특허가 될 수 있지만, Business Model은 특허가 될 수 없다. 이처럼 전문가들에게는 명백히 참과 거짓이 판명된 명제인데, 일반인들은 모르고 덤비는 수준의 명제들이 있다. 언어모델은 바보들의 합창을 학습하여, 그것을 재생산함으로써 바보들의 합창에 확성기를 붙일 수 있는데, 이는 인간 지성계에 큰 위험이 될 수 있다.
ChatGPT의 여러 한계에도 불구하고, ChatGPT가 열어 제낀 새로운 미래는 찬란할 것으로 예상된다. 이제는 인공지능에서 무엇이 안 될 것이라고 말하기 어려운 상황이 되었다. 인류 역사에서 축하할 일이다. 많은 인공지능 분야 전문가들의 예상보다 미래가 더 빨리 왔다. 우리가 살아 있는 동안에 눈부신 진보를 볼 듯하다. 바야흐로 마샬 매클루언(Marshall McLuhan)도 예상하지 못한 세계가 도래하고 있는 것이다. 고정적인 것이 몰락하고 있다. 고정적인 텍스트라는 개념이 몰락하고 있다. 구어문화의 귀환이자 구어, 문어의 구분이 없어지는 것이다. 고정성, 유일성이 몰락하는 것이다. 옛날 옛적에, 말만 사용하던 인간이 돌이나 종이에 말을 새겼고, 이를 테이프, 디스크에 저장하다가, 인터넷으로 유통하였으며, 이제는 그 고정된 텍스트가 유통하는 것이 아닌, 텍스트 자체가 유동하면서 유통하는 시대가 도래하게 된 것이다. 즉 AI가 소설을 써서, 그것을 고정된 종이나 디지털에 인쇄하는 것이 아닌, 계속 살아 움직이고 변하는 소설이 나타날 것이다. 영화도 마찬가지다. 생성의 비용이 낮아지므로, 생성해서 구울 필요가 없는 것이다. 인터랙티브 영화라는 개념이 예전에 많았지만, 경우의 수를 다 미리 준비할 수 없는 문제가 있었다. 이제는 소비자 각자가 AI를 이용하여 스토리를 전개해나가는 장르의 새로운 콘텐츠가 발생할 수 있게 되었다.
ChatGPT는 어텐션(attention)이라는 개념이 사용된 트랜스포머라는 혁신적 방법론으로 만들어졌다. 효율적으로 이야기하면 트랜스포머 이전의 방법론을 알 필요가 없어졌는데, 알 필요가 없어진 것이 순환신경망(Recurrent Neural Network)이다. 순환신경망이라는 방법론은 딥러닝 방법중의 하나인데, 사실 이해하기도 어려웠고, 구현하기도 어려웠고, 검증하기도 어려웠다. 그런데, 트랜스포머는 계산이 그리 복잡하지 않다. 일종의 행렬 계산을 순서대로 하면 되는 개념이다. 수학적으로 훨씬 이해하기도 쉽고, 컴퓨터로 구현하기도 쉬워졌다. 한마디로, 트랜스포머만 이해하면 되는 시대가 되었다.
트랜스포머는 기존의 여러 방법론을 통일하는 방법론으로서 각광받고 있다. ChatGPT를 가능하게 한 트랜스포머 방법론은 최근에는 영상과 같은 공간적 데이터와 텍스트와 같은 시간적 데이터의 인식과 생성을 모두 효율적으로 처리하여, 영상인식과 생성, 음성인식과 생성, 자연어 인식과 생성, 강화학습, 그래프 인식과 생성, 과학 연구 등 많은 인공지능 문제를 해결하는 통일적 방법론으로 사용될 포텐셜을 가지게 되었다.
ChatGPT는 주로 공개된 문서의 텍스트 데이터로 일반적인 대화 인공지능을 개발하였다. 그런데, 강력한 비즈니스용 인공지능을 개발하기 위해서는 공개된 문서가 아닌, 숨겨진 실세계의 데이터를 활용할 필요가 있는데, 이러한 실세계에서 사회 주체가 사적으로 소유하는 데이터의 활용을 위해서는 각 사회 주체가 자신의 사적 소유 데이터는 그대로 보호하고 소유하고 유지하면서도, 이를 위해 현실의 다른 주체들과는 인공지능을 연합·개발하고 공유하는 전략을 취하는 것이 가능해졌다. 이제 사회 주체들은, 트랜스포머에 기반한 인공지능 모델을 기본 방법론으로 하고, 이 트랜스포머 모델이 필요로 하는 데이터는 연합 학습(Federated Learning)에 기반하여 활용하는 방법론을 결합하여, 기존에 불가능했던 사회 주체간 협력을 가능하게 하는 새로운 가치 창출을 가능하게 할 수 있다. 멜로디 프로젝트가 신약 개발 산업의 주체 간의 기존에는 불가능했던 협력을 가능하게 한 것처럼 향후, 유통(CRM 및 제품 개발), 은행(돈세탁 방지), 보험(사기 방지), 결제/송금(대고객 신규 서비스, 보이스피싱 등 금융 범죄 방지), 제조 분야(품질관리, 예지 보수) 등의 새로운 협력적 AI 공유 플랫폼의 발전이 기대된다. 예를 들어, 하렉스인포텍의 사용자 중심 인공지능 연구소가 개발한 GCI(General Commerce Intelligence)엔진은 상거래 분야의 사적 소유 데이터를 활용하여 ChatGPT와 같은 방법론인 트랜스포머 방법론으로 AI를 학습시키는데, 연합학습을 적용함으로써, 모든 개인과 사업자의 데이터를 보호하면서 확보하는 시스템이다. 이렇게 사용자 중심 인공지능 방법론은 실세계의 데이터를 보호하면서 AI를 사용자를 중심으로 공유하는 방식으로 강력한 AI를 만들어 나간다.
초거대 언어모델이라서, 일견 그 인공지능 시스템은 너무 커서 우리가 사용하는 PC에는 설치할 수 없을 거라고 생각하기 쉬운데, 그렇지 않다. 용량 크고 성능 좋은 PC에는 충분히 설치할 수 있다. 물론 강력한 GPU가 필요하다고 한다. 페이스북의 모기업인 메타는 2023년 2월 24일 'LLaMA(Large Language Model Meta AI)'를 출시했다. LLaMA의 특징은 우리가 사용하는 스마트폰에도 설치할 수 있는 정도의 크기이다. LLaMA의 장점은 고품질의 데이터 훈련으로 효율성을 높여 훨씬 적은 컴퓨팅 파워로도 큰 성능을 낼 수 있으며, 오픈 소스라는 점이, 소스를 공개하지 않는 대신 API만 제공하는 OpenAI의 GPT 시리즈와 가장 큰 차이이다.
LLaMA에서 엿볼 수 있는 것처럼, 미래는 모든 사용자가 자신만의 인공지능을 가지는 시대가 될 것이다. 데이터를 빅테크에 뺏기지 않고, 알고리즘도 빅테크의 수익을 극대화하는 것이 아니라 자신의 목표를 극대화하는 구조로, 대신 사용자들이 연합하고 자신들의 인공지능을 상호 공유하여 성능을 극대화하는 형태로 갈 것이다. 그것이 사용자 중심 인공지능의 비전이다. 더 이상 빅테크와 대기업에 의존하거나 종속되지 않는 개인과 소상공인, 중소기업의 힘이 세지는 그러한 시대 역시 새롭게 열리고 있는 것이다.
