2023년도AI업계8가지예측

 

포브스가 21일(현지시간) 이같은 내용을 골자로 한 2023년도 AI 업계 8가지 예측 을 공개했다. 무인자동차 대중화와 대화형 검색의 부상도 주요한 변화 가운데 하나로 꼽혔다. 다음은 포브스가 공개한 8가지 포인트다. 

1. 'GPT-4' 등장

2020년 대형언어모델인 GPT-3를 선보인 오픈AI는 최근 GPT-3.5 버전인 챗GPT와 다빈치-003을 발표했다. 이 가운데 대화형 언어모델인 챗GPT 는 현재 우수한 기능으로 선풍적인 인기를 끌고 있다. 이에 따라 3.5버전에 이은 버전4의 GPT는 한 단계 더 진화할 가능성이 높을 것으로 기대되고 있다.

포브스는 GPT-4가 새해 초 공개될 것이라면서 특히 멀티모달이 될 가능성이 있다고 전망했다. 멀티모달은 텍스트(언어)외에도 이미지, 비디오 그리고 다른 데이터 형식(예를 들면 생체신호)을 컴퓨터가 인식하는 것을 말한다.

GPT-4가 이런 멀티모달 기능을 갖는다면 “폭탄이 될 것”이라고 포브스는 예상했다. 포브스는 하지만 GPT-4는 텍스트 전용 모델일 가능성이 높다고 예측했다. 또 GPT-4가 놀라운 성능 향상을 보일 수 있는 언어 영역은 이전 대화의 정보를 유지하고 다시 참조하는 ‘메모리’와 대량의 텍스트 본문을 필수 요소로 추출하는 ‘요약’이라고 포브스는 예상했다. 

2. 대규모 언어모델의 훈련 데이터 부족현상 구체화

세상에는 엄청난 양의 텍스트 데이터가 있고 계속 생성도 되지만 AI언어 모델을 훈련하는데 적당한 품질의 데이터는 한정돼 있다. 고품질 텍스트 데이터의 전세계 재고는 4조6000억에서 17조2000억개 토큰(언어모델에서 텍스트 데이터의 단위) 사이로 추정된다. 전세계의 책과 과학논문, 뉴스기사, 위키피디아 기사, 공개 코드 및 품질을 위해 필터링된 인터넷 글이 포함된다.

구글 딥마인드의 언어모델인 친칠라는 1조4천억개의 토큰으로 훈련됐다. 그만큼 훈련데이터가 많이 필요하기 때문에 언어모델의 지속적 발전에 따른 데이터 고갈 우려가 높아지고 있다. 해법은 합성데이터지만 아직 이를 활성화할 수 있는 세부적인 정보가 분명하지 않다고 포브스는 지적했다.

GM의 무인자동차 크루즈(사진=셔터스톡)

3. 무인자동차의 대중화

미국 샌프란시스코에서는 GM이 개발한 크루즈 애플리케이션으로 무인 차량을 불러 이동할 수 있다. 지금은 밤10시부터 다음날 새벽 5시 30분 사이에만 운행하지만 GM은 연중무휴로 24시간 서비스를 제공할 준비가 돼 있다고 포브스는 보도했다.

또 구글의 웨이모 서비스도 상용화에 근접해 있다고 전했다. 포브스는 내년에 적어도 미국의 두 개 도시에서 일반인이 완전한 무인 택시 서비스를 이용할 수 있을 것으로 기대된다고 전망했다.

4. 검색형식의 변화

검색어를 입력하고 관련 링크를 제공받는 구글 검색이 현대 인터넷 경험의 중심에 있다. 그러나 챗GPT가 나오면서 이런 대형언어모델과 대화를 주고 받으며 답을 검색하는 형식이 주목받고 있다. 다만 대화형 언어모델을 통한 검색은 정확성이 문제다. 이 문제를 해결하려는 기업들이 나타날 것으로 포브스는 예상했다. 또 텍스트를 넘어 비디오 등 멀티모달을 이용하는 검색 형식이 나올 수 있을 것으로 봤다.

테슬라의 옵티머스(사진=유튜브 테슬라 채널 캡처)

5. 휴머노이드 로봇 개발 경쟁 격화

테슬라의 옵티머스와 같은 휴머노이드는 상용화까지는 아직 갈 길이 멀지만 빠르게 발전할 수 있다. 포브스는 어질리티 로보틱스, 생추어리AI 등 유망한 신생기업들이 이 분야를 발전시키고 있다면서 더 많은 기업이 개발 경쟁에 뛰어들 것으로 예상된다고 밝혔다.

6. AI연구소들의 로봇 공학 ‘기초 모델’ 구축 노력

특정 작업이 아니라 광범위한 영역에서 적용될 수 있는 ‘기초 모델’이 로봇 분야에서도 구축될 것으로 포브스는 예상했다. 지금까지 자율주행이나 로봇, 휴머노이드 등 실제 세계에서 작동하는 AI시스템에는 이런 기초 모델이 없었으나 내년부터는 구글 딥마인드, 오픈AI 등 AI 연구 조직들이 선구적인 작업을 할 것으로 기대된다고 포브스는 밝혔다.

7. AI개발 방식의 변화

앞으로 AI 개발은 기계학습 방식에서 대형언어모델 방식으로 바뀔 것이라고 포브스는 전망했다. API나 오픈 소스를 통해 대규모의 사전 훈련된 기초 모델을 쉽게 사용할 수 있게 된데 따라 AI제품을 개발하는 모습이 완전히 달라질 것으로 예상했다.

8. 알파폴드 기반의 연구 프로젝트 급증

구글 딥마인드가 개발한 AI인 알파폴드는 단백질과 효소의 구조를 정확하게 예측하는 도구다. 2억개의 단백질 구조를 밝혀냈다. 알파폴드 프로그램이 공개된 뒤 190개국에서 50만명 이상의 연구자들이 이를 이용해 200만개의 서로 다른 단백질 구조를 알아냈다.

이는 시작에 불과하다고 포브스는 지적했다. 내년에 알파폴드를 기반으로 하는 연구가 크게 늘어날 것으로 포브스는 예상했다.

 

 

 

 

(출처:https://www.forbes.com/)