전혀 다른 생성형 AI

추천의 글 8
여는 글 15
이 책에 대하여 20

도시 I 생성형 AI 톺아보기 25
마을 1 해리가 샐리를 만나 AI를 이야기하다 26
__인문학의 중요성 27
__인문학, 과학과 기술의 걸림돌이 되다 30
__따로 또 같이 33
__AI에 대한 단상 34
마을 2 누구냐, 넌? 37
__생성형 38
__프롬프트 39
__패턴과 구조 41
__우리 AI가 달라졌어요 42
마을 3 그녀는 나에게로 와서 AI가 됐다 44
__꼬꼬무로 찾아본 AI의 아버지는? 44
__퍼셉트론 모델 46
__생성형 AI의 서막 47
__생성형 AI 파헤치기 49
__언어학과 인지심리학의 의문점 51
__ChatGPT의 탄생 비화 52
마을 4 쉽게 배우는 생성형 AI의 요소 기술 58
__자연어 처리 59
__LLM 61
__전문가 시스템 vs. 머신러닝 68
__딥러닝 74
__파운데이션 모델과 파라미터 83
__골드러시와 AI 가속기 87
마을 5 어서 와, 이런 분류는 처음이지? 94
__AI 역량 수준 95
__서비스 제공 형태 98
__AI의 답변 범위 108
__개방성 여부 110
__적용 분야의 범위 111
__데이터의 연결 장소 111
__결과의 이유 설명 가능 여부 113
__ChatGPT 서비스 114

도시 Ⅱ 요술 램프 사용법과 활용 사례 121
마을 6 요술 램프에 소원을 비는 법, 프롬프트 엔지니어링 122
__프롬프트 엔지니어링은 소설이다 122
__프롬프트 엔지니어링 기법 126
__이것만은 알아두자 132
마을 7 생성형 AI의 활용 사례와 생각거리 141
__생성형 AI 시장의 이해 141
__기업 차원의 활용 사례와 생각거리 144
__개인 차원의 활용 사례와 생각거리 163

도시 Ⅲ 생성형 AI의 컬래버레이션 177
마을 8 생성형 AI × 클라우드 178
__클라우드의 개념 178
__종의 기원으로 만나는 클라우드의 역사 180
__생성형 AI의 깐부, 클라우드 185
마을 9 생성형 AI × 로봇 188
__휴머노이드 로봇이란? 188
__생성형 AI라는 뇌를 얻은 휴머노이드 로봇 191
마을 10 생성형 AI × 메타버스 196
__메타버스는 호접지몽이다 196
__메타버스는 생성형 AI가 필요해 206
__AI와 로봇을 이어주는 징검다리, 메타버스 207
마을 11 생성형 AI × 애플리케이션 209
__사만다를 통해 바라본 애플리케이션의 개념과 영향 209
__GPTs, 새로운 애플리케이션 세상 216
마을 12 생성형 AI × 고객 경험 218
__고객 경험은 인간에 대한 연구다 218
__생성형 AI 시대, 궁극의 고객 경험은 앱을 없애는 것이다 221
마을 13 생성형 AI × 디지털 트랜스포메이션 225
__DT의 핵심은 트랜스포메이션이다 226
__트랜스포메이션과 핵심 역량 228
__어떻게 변혁할까? 231
__생성형 AI의 DT, AI 트랜스포메이션 236
__어떻게 활용할까? DT 사례 238

도시 Ⅳ 생성형 AI 비즈니스 생태계에서 살아남기 243
마을 14 검이불루 화이불치 244
마을 15 순응하지 않는 프로 질문러가 되자 251
마을 16 역사를 잊은 기업에게 미래는 없다 257
마을 17 생성형 AI 모바일 단말기의 역습 262
마을 18 Data is all you need 267
마을 19 왕좌의 게임 276
__생태계의 변화 277
__백조들의 치열한 발놀림 283
마을 20 그래도 캐즘은 온다 313
__캐즘의 개념 314
__생성형 AI의 캐즘 극복 방안과 미래 모습 319

도시 Ⅴ 생성형 AI 생각하기 321
마을 21 철학과 인지과학 사이 322
__생성형 AI의 자아의식 323
__전지적 AI 시점 328
__AI는 ‘인간적’인가? ‘인간의 적’인가? 333
__테세우스의 배 딜레마 340
마을 22 AI의 미래는 인류의 현재를 기억한다 350
__사람이 빠진 기술과 오남용 350
__사회적 책임 364
__AI 빅테크 국가 시대 370

닫는 글 375
참고 자료 385
찾아보기 393

AI의 어두운 단면을 고찰한 영화나 드라마는 많다. 그도 그럴 것이 AI의 성능은 규모의 법칙을 따르는데 학습 데이터의 양과 파라미터가 많을수록 성능이 월등히 좋아지기 때문이다. 그런데 어느 순간 갑작스러운 능력이 생겼기 때문에 성능이 왜 좋아졌는지, 얼마나 좋아질지 예측하기 어려운 수준이라서 이것을 emergent ability라고 부른다. 의역을 해본다면 ‘자고 일어나니 초능력’쯤으로 설명할 수 있겠다. 문제는 여기에 있다. 과학자들조차도 왜 이렇게까지 좋아졌는지 그 이유를 설명하지 못하기 때문에 그 과정이 알 수 없는 블랙박스라는 점이다. / 그렇다면 미래의 AI는 과연 어느 쪽에서 현재의 우리를 기다리고 있을까? 지금도 학계/업계 전문가들 간에는 치열한 논쟁이 벌어지고 있어 어느 한쪽으로 명확하게 결론을 내릴 수는 없다. 일정 단계까지는 프로메테우스의 불씨처럼 인류의 문명을 한층 더 발전시키는 원동력으로 작용할 것은 분명하다. 다만 최종 단계의 모습이 어느 쪽이 될지는 인간이 어떻게 사유하고 사용하느냐 달려 있지 않을까. 발전하는 기술만큼 윤리의식, 법과 제도 등이 제대로 갖추어져 있지 않으면 의도하지 않은 방향으로 전개될 수도 있을 것이다. 이것이 철학적 사유가 필요한 이유다.

인지심리학 관점에서 인간의 뇌도 일종의 할루시네이션 현상을 보인다. 이것을 ‘무주의 맹시(inattentional blindness)’라고 하며 심리학자 대니얼 사이먼스가 ‘보이지 않는 고릴라’ 실험을 통해 증명했다. 이것은 시청자에게 농구공을 패스하는 무리의 사람 속에 고릴라 분장을 한 사람이 지나가는 영상을 보여주고, 농구공을 몇 번 패스하는지 알아맞히게 함으로써 주의를 분산시키는 실험이다. 실험을 통해 시청자 중 단 42%만이 고릴라를 본다는 사실을 밝혀냈다. 이는 뇌의 주의력 부족으로 인한 오류다. 우리에게 가끔은 불멍과 물멍 같은 멍 때리기, 전문 용어로 디폴트 모드 네트워크(default mode network)가 필요한 이유다.

사실 최초의 GPT도 어찌 보면 TruthGPT에 가까웠다. 진실이라는 것을 어떻게 정의할까? 혹시 각자의 이념으로 바라본 주관적 진실은 아닐까? 집단 지성이 제대로 작동하지 않는 양극화 세상에서 옳고 그름을 따지지 않고 만들어진 수많은 데이터로부터 생성된 답변이 과연 진실하다고 확신할 수 있을까? (...) 우리는 정의가 때로는 고장 난 채 달리는 열차의 기관사가 두 개의 선로 중 어느 한쪽을 반드시 택해야 하는 상황에서 어느 쪽 선로에 있는 사람을 죽이고 살릴지 판단하는 난제와 같은 것임을 알고 있다. 더욱이 기관사가 특정 선로를 택해야만 본인도 살 수 있는 상황이라면 말이다. 대개 이러한 논제의 입장은 더 많은 인명을 구하는 쪽으로 의사결정을 해야 한다는 벤담의 공리주의와 다수를 위해 소수를 희생해서는 안 된다는 칸트의 의무주의로 나뉜다. 몇 해 전 BTS의 곡 〈봄날〉(2017)의 뮤직비디오로 다시금 회자된 어슐러 K. 르 귄의 《바람의 열두 방향》(시공사, 2014) 속 〈오멜라스를 떠나는 사람들〉에도 이런 주제는 잘 드러나 있다.