달리 DALL-E, 미드저니 같은 생성형 AI 알아보기(프롬프트 포함)

이번 블로그 글은 달리 DALL-E(쳇GPT)나 미드저니 같은 생성형 AI 알아보기라는 글 주제로 내용을 살펴보겠습니다. DALL-E에게 프롬프트를 입력해서 생성한 '서울대로', 'LA대로'와 '파리대로' 사진 및 그림과 프롬프트도 한번 살펴보시면 흥미로울 것입니다.

 

미드저니(출처: 미드저니)

목차

1. 생성형 AI의 정의와 기능
2. 생성형 AI의 현재 상황
3. 기계 학습과 생성형 AI의 관계
4. 생성형 AI의 한계와 문제점
5. 생성형 AI의 미래

 

반응형

 

 

1. 생성형 AI의 정의와 기능

생성형 AI는 텍스트, 사진, 비디오, 코드, 데이터, 3D 렌더링 등 새로운 출력 결과물을 생성하는 모델이나 알고리즘을 의미합니다. 이러한 모델들은 학습에 사용된 대량의 데이터를 바탕으로 새로운 콘텐츠를 '생성'합니다. 이들은 학습 데이터를 참조하여 새로운 예측을 수행합니다. 생성형 AI의 주요 목적은 콘텐츠를 생성하는 것으로, 생성형이 아닌 다른 형태의 AI가  주어진 데이터를 분석하거나 자동차의 자율주행 관련 제어 등 다른 목적으로 사용되는 것과는 대조적입니다.

DALL-E가 그린 서울 대로 그림(프롬프트 "Typical Seoul's Boulevard in the middle of the day sky photo")

 

2. 생성형 AI의 현재 상황

생성형 AI는 OpenAI의 대화형 챗봇인 ChatGPT와 AI 이미지 생성기인 ChatGPT(챗GPT)의 DALL-E와 미드저니(Midjourney)와 같은 프로그램들의 인기 상승으로 인해 최근에 많은 관심을 받고 있습니다. 이러한 도구들은 컴퓨터 프로그래밍 코드, 에세이, 이메일, 소셜 미디어 캡션, 이미지, 시, 엑셀 수식 등의 새로운 콘텐츠를 생성하는 데 사용됩니다. 이는 현재 사람들이 일을 처리하는 방식을 크게 바꿀 수 있는 잠재력을 가지고 있습니다.

DALL-E가 그린 LA대로 그림(프롬프트 "Typical LA's Boulevard in the middle of the day sky photo")

 

3. 기계 학습과 생성형 AI의 관계

반응형

 

기계 학습은 시스템(컴퓨터)에게 데이터를 기반으로 학습해서 예측하는 능력을 개발하는 과정이고, AI의 하위 분야 또는 기술적 백그라운드에 해당합니다. 반면에 생성형 AI는 기계학습을 통해 새로운 데이터를 생성하는 것입니다. 생성형 AI의 주된 컨셉인GANs(Generative Adversarial Networks, 생성적 적대 신경망)은 2개의 신경망인 생성자(실제 데이터와 유사한 새로운 데이터 생성)와 판별자(생성 데이터의 실제 여부 판별)를 사용하여 이 두 네트워크 간 서로 경쟁을 통해 학습하여 생성자가 실제와 유사한 데이터를 생성하게 됩니다.

예를 들어, DALL-E가 입력한 프롬프트를 기반으로 이미지를 생성할 수 있는 것은 프롬프트가 실제로 무엇을 의미하는지를 판단하기 때문입니다. 따라서 생성형 AI는 기계 학습 프레임워크이지만, 모든 기계 학습 프레임워크가 생성형 AI인 것은 아닙니다.

DALL-E가 그린 파리 그림(프롬프트 "Typical Paris's Boulevard in the middle of the day painting")

 

4. 생성형 AI의 한계와 문제점

생성형 AI 모델은 인터넷 전체에서 얻은 대량의 콘텐츠를 가져와서 입력한 프롬프트에 대한 출력을 생성하기 위해 학습에 사용된 정보를 사용하여 예측을 만듭니다. 이러한 예측은 모델에 공급된 데이터를 기반으로 하지만, 예측이 정확할 것이라는 보장은 없습니다. 응답이 타당하게 들릴지라도 그렇습니다. 응답은 모델이 인터넷에서 섭취한 콘텐츠에 내재된 편견을 포함할 수도 있지만, 그것이 사실인지 아닌지 알 수 있는 방법은 대부분 없습니다. 이 두 가지 단점 모두 생성형 AI가 잘못 정보를 전파하는 역할에 대한 주요 우려를 야기하였습니다. 생성형 AI 모델은 그들이 생성하는 것들이 정확한지 여부를 반드시 알 필요는 없으며, 대부분 우리는 정보가 어디서 왔고 어떻게 알고리즘에 의해 처리되어 콘텐츠를 생성하는지 알 수 있는 방법이 거의 없습니다. 예를 들어, 챗봇이 잘못된 정보를 제공하거나 단순히 사실을 만들어내는 경우가 많습니다. 생성형 AI의 결과는 흥미롭고 재미있을 수 있지만, 그들이 생성하는 정보나 콘텐츠에 의존하는 것은 단기적으로는 현명하지 않을 것입니다.

DALL-E가 그린 파리 그림 굵은 붓터치(프롬프트: Typical Paris's Boulevard in the middle of the day painting with bold brush touch)

 

5. 생성형 AI의 미래

생성형 AI의 미래에 대해 전망은 밝습니다. 기술의 발전과 함께, 생성형 AI는 우리의 일상 생활에 점점 더 밀접하게 관련되고 있습니다. 이는 새로운 콘텐츠를 생성하고, 우리가 정보를 소비하고, 우리가 일을 처리하는 방식을 바꾸는 데 큰 영향을 미칠 것입니다. 그러나 동시에, 이러한 기술의 발전에 대해 문제의식은 필요합니다. 이러한 문제 중 하나는 생성형 AI가 잘못된 정보를 전파하거나 사람들이 그것을 신뢰하는 위험이 있습니다. 이러한 문제를 해결하기 위해, 우리는 생성형 AI를 잘 사용하고 개발하는 방법에 대해 지속적인 연구가 필요합니다.

 

제 블로그의 AI 주제 관련 다른 글입니다.

 

AI와 슈퍼컴퓨터 HPC에 적용되는 고대역폭 메모리 HBM3 HBM2E 알아보기