[큰글자책] AI와 콘텐츠 스타트업

콘텐츠 AI 스타트업의 도전적인 숙명

01 AI와 프롬프트 엔지니어링
02 RAG와 검색의 지각변동
03 멀티모달과 콘텐츠 제작
04 AI 에이전트
05 답변엔진
06 거대언어모델과 콘텐츠의 저작권
07 파인튜닝 대 퓨샷러닝
08 거대언어모델의 취약점
09 AI 프로덕트와 UX
10 AI와 스타트업의 수익 모델

프롬프트 작성은 코딩과 흡사하다. 프롬프트 엔지니어링은 그래서 코딩의 사고로 접근할 필요가 있다. 원하는 용도에 맞게 품질 높은 생성 결과물을 얻기 위해서는 코딩에 준하는 방식으로 프롬프트를 전개해야 한다. 그렇지 않으면 생성된 결과물은 뻔한 내용으로 가득 차게 된다. 일관성도 담보할 수가 없다. 간혹 챗지피티를 사용하다 만족감이 떨어진 경험담을 듣곤 하는데 이는 프롬프트의 필수 구성 요소를 충분히 제공하지 않아서라고 할 수 있다.

－01_“AI와 프롬프트 엔지니어링” 중에서

AI 에이전트는 크게는 5가지 과정 혹은 기능으로 구축된다. 추론 엔진, 지식 창고, 도구의 통합, 데이터 수집, 사용자 인터페이스다. 추론 엔진은 말 그대로 추론이 가능한 거대언어모델을 말한다. 거대언어모델의 도움 없이는 AI 에이전트가 작동하지 못한다. 다만 AI 에이전트를 구축할 때엔 여러 거대언어모델을 함께 사용해 연결할 수 있다는 점을 유념해 둘 필요가 있다. 작업마다 더 나은 의사결정이나 추론을 할 수 있는 모델을 선택하는 것이 중요하다. 지식 창고는 해당 목표를 달성하기 위해 의지해야 할 지식 데이터베이스와 메모리를 의미한다. 여행지 정보와 예약이라고 한다면 그와 관련한 최신 정보가 모여 있는 지식 정보 창고 그리고 요청을 주문하는 사용자의 여러 개인정보가 저장되는 공간이다. 이를 통해 사용자가 선호하는 최적의 결과물을 스스로 판단해 제시해 준다. 여기에 여러 외부 도구들에 접속해 목표를 달성할 수 있도록 별도의 소프트웨어가 만들어져야 하며 이는 서로 연결돼 있어야 한다.

－04_“AI 에이전트” 중에서

공정 학습은 공정 이용이 기계에 의한 저작물 이용을 구체적으로 명시하지 않고 있기에 발생할 수 있는 문제를 해결하기 위해 고안된 개념이다. AI의 학습 데이터가 저작물의 획득이 아니라 저작물에 대한 접근이므로 개별 저작물의 창작을 방해하지 않는 한 포괄적으로 허용될 필요가 있다고 강조한다. 이를 위해 인풋(학습을 위한 데이터)과 아웃풋(학습의 결과로 제시된 기계 창작물)을 명확히 구분하고 있다. 학습 데이터는 인풋에 해당하고 그것이 팩트나 문장 구조의 접근을 위해 복사하는 것이기에 공정 이용의 범위를 크게 벗어나지 않는다는 것이다.

－06_“거대언어모델과 콘텐츠의 저작권” 중에서