생성형 AI

생성형 AI(GenAI)는 사용자의 입력을 바탕으로 텍스트, 이미지, 오디오 또는 동영상 형태의 완전히 새로운 콘텐츠를 생성할 수 있는 인공지능의 한 유형입니다. 생성형 AI는 AI 생성 콘텐츠 또는 AIGC라고도 합니다. 이는 딥러닝과 신경망 기술의 발전으로 가능해졌습니다. 이러한 기술을 통해 AI 모델은 자연어 프롬프트, 즉 사람들이 서로 소통할 때 사용하는 텍스트와 이미지를 처리할 수 있게 되었습니다. 또한 프로그래머는 수십억 개에서 수조 개에 이르는 파라미터로 구성된 기존 데이터베이스, 다시 말해 Wikipedia에 해당하는 방대한 정보를 AI 모델에 학습시키고, 자연어 처리(NLP)를 수행하도록 가르칠 수 있게 되었습니다. 그 결과 AI 모델은 적절한 응답을 생성할 수 있습니다. 입력이 언어 기반이라면 BLOOM과 같은 대규모 언어 모델(LLM)이나 이러한 모델을 기반으로 하는 ChatGPT와 같은 챗봇이 될 수 있습니다. 입력이 이미지 기반이라면 Stable Diffusion 또는 Midjourney와 같은 텍스트-이미지 변환 시스템이 될 수 있습니다.

자세히 알아보기:생성형 AI와 에이전틱 AI 비교: AI의 다음 진화 단계 정의

생성형 AI가 이러한 작업을 수행할 수 있는 것은 AI 학습과 AI 추론으로 구성된 2단계 개발 프로세스 덕분입니다. AI 학습 단계에서는 레이블이 지정된 방대한 데이터베이스가 AI 모델에 입력됩니다. AI는 문장에서 다음에 올 단어가 무엇인지 또는 의료 이미지에서 증상이 무엇인지 식별하는 등 예상되는 출력 결과를 "추측"한 다음, 자신의 답을 확인합니다. 예측(순전파)과 피드백(역전파)을 반복하는 과정에서 AI는 데이터 매개변수의 가중치를 매우 정밀하게 조정하며, 그 결과 매번 올바른 출력을 제공하기 시작합니다. 이를 사전 학습된 AI 모델이라고 합니다.

AI 추론 단계에서는 AI 모델이 실제 환경에서 새롭게 수집된 레이블 없는 데이터를 처리합니다. 모델은 광범위한 학습 내용을 바탕으로 올바른 응답을 생성할 수 있습니다. 새로운 데이터와 상호 작용한 결과도 기록되며, 이를 다음 AI 학습에 활용해 AI 모델을 더욱 최적화할 수 있습니다.

AI 개발의 획기적인 발전으로 레이블이 없는 데이터를 활용한 자기지도 학습 또는 반지도 학습이 가능해졌다는 점에 주목할 필요가 있습니다. 이러한 이유로 생성형 AI는 날마다 더욱 지능적이고 정교해지고 있습니다.

자세히 보기:생성형 AI를 활용하려면 "학습"과 "추론"부터 알아야 합니다

생성형 AI는 미디어와 마케팅부터 의료 및 제품 설계에 이르기까지 다양한 산업 분야와 시나리오에서 폭넓게 활용되고 있습니다. 다음은 생성형 AI가 이미 우리의 세상을 변화시키는 데 활용되고 있는 몇 가지 사례입니다.

● 의료: 의료 및 의학 분야에서는 생성형 AI를 방대한 의료 데이터로 학습시켜 질병 진단을 지원하거나 환자의 병력을 바탕으로 맞춤형 치료 계획을 수립할 수 있습니다. 또한 분자 구조를 분석하고 신약을 설계하는 신약 개발에도 활용할 수 있습니다. 이뿐만 아니라 AI로 전자 건강 기록(EHR)을 생성하면 의료 분석을 위한 데이터베이스를 구축하는 동시에 의료진의 행정 업무를 줄일 수 있습니다.

● 마케팅: 생성형 AI는 마케팅 계획, 캠페인, 슬로건, 시각 디자인을 빠르게 만들어낼 수 있습니다. 또한 다양한 시장 세그먼트의 예상 선호도를 바탕으로 맞춤형 광고 캠페인을 제작할 수도 있습니다.

● 미디어: 생성형 AI는 TV 대본과 보도자료 작성을 지원할 뿐만 아니라, 최소한의 학습 데이터만으로 이미지, 오디오, 동영상 콘텐츠를 제작할 수 있습니다. AI는 사람을 대체하는 대신 콘텐츠 제작자가 자신의 비전을 더욱 효율적으로 구현하도록 지원할 수 있습니다. 이를 통해 창의적인 영감을 최대한 발휘하고 뛰어난 작품을 연이어 만들어낼 수 있습니다.

● 제품 설계: AI는 컴퓨터 코드를 작성하고, 제품 설계 청사진을 생성하며, 콘셉트를 평가하고, 다양한 설계나 소재가 실제 환경에서 어떻게 작동할지 확인하기 위한 시뮬레이션까지 수행할 수 있습니다. AI를 구동하는 마이크로칩과 컴퓨터 시스템의 설계 과정도 생성형 AI를 활용해 앞당길 수 있어 신속한 프로토타이핑과 출시 기간 단축이 가능합니다. 사용자 피드백을 바탕으로 수집된 빅데이터는 제품 설계에 대한 유용한 제안을 생성하도록 AI 모델을 학습시키는 데 도움이 될 수 있습니다.

Bloomberg의 전망에 따르면 생성형 AI 시장은 연평균 성장률(CAGR) 42%를 기록하며 2032년까지 1조 3,000억 달러 규모로 성장할 것으로 예상됩니다.

GIGABYTE Technology는 생성형 AI 모델의 개발과 활용에 적합한 포괄적인AI 서버와 AI 인프라 솔루션을 제공합니다. 이러한 솔루션은 AI 학습 또는 추론에서의 역할에 따라 두 가지 범주로 나눌 수 있습니다.

● AI 학습: 이러한 서버는 최첨단 GPU 가속기와 컴퓨팅 모듈을 활용하거나, CPU와 GPU의 기능을 하나의 패키지로 통합한 고급 프로세서를 사용해 병렬 컴퓨팅을 수행하고 방대한 데이터 세트를 처리하여 AI를 학습시킵니다. 대표적인 예로 GIGABYTEG593-SD0는 NVIDIA HGX™ H100 8-GPU 컴퓨팅 모듈을 통합하여 시장에서 가장 강력한 AI 학습 플랫폼 중 하나를 구현합니다. GIGABYTE 서버는 NVIDIA L40S GPU도 지원합니다. AI 및 HPC 워크로드를 겨냥한 또 다른 주목할 만한 옵션은 “CPU + GPU” 칩입니다. AMD Instinct™ MI300A는 AMD의 엔터프라이즈급 APU(가속 처리 장치)이며, NVIDIA Grace Hopper™ 슈퍼칩은H-Series 고밀도 서버인 GIGABYTEH223-V10 등에 탑재됩니다.

● AI 추론: 생성형 AI 작업의 이 단계에서는 AI 추론에 가장 적합한 특수 가속기를 선택해야 합니다. GIGABYTEG293-Z43는 2U 섀시에 AMD Alveo™ V70 카드 16개를 고밀도로 구성할 수 있도록 설계되었습니다. 이러한 가속기는 데이터플로 아키텍처를 채택하여 중앙 집중식 고강도 AI 추론 워크로드에 이상적인 솔루션을 제공합니다. PCIe Gen 4 이상 확장 슬롯을 탑재한 GIGABYTE 서버는 AI 추론을 지원하는 NVIDIA A2 Tensor Core GPU 및 L4 Tensor Core GPU와도 호환됩니다. GIGABYTE의G-Series GPU 서버에 탑재할 수 있는 Qualcomm® Cloud AI 100 GPU는 클라우드 AI 추론에서 가장 중요한 요소를 충족하므로 네트워크 엣지에서 생성형 AI 추론을 더욱 효과적으로 수행할 수 있습니다.