최근, 인간의 마음을 읽는 기능과 관련하여 흥미로운 논문이 나와서 소개합니다.

“Testing Theory of Mind in LLMs and Humans, Human Nature Behavior, 2024” 빠르게 요약해 드립니다.

논문의 평가 영역 : 거짓말 간파하기 ! 빈정대기 알아채기 ! 요청 눈치채기 ! 실수 지적하기 !

1) GPT-4는 각 영역에서 인간 이상의 수준을 보이지만, 인간의 실수를 알아채지 못하는 단점을 보였습니다.

1)의 이유 추정 : GPT 4의 이런 성향은 확신이 부족하면 대답을 꺼리는 “보수적인 성향” 때문인 것으로 추정했습니다.

2) LLaMA2-70B는 반대로 대부분의 영역에서는 인간보다 뒤졌지만, 인간의 실수를 더 잘 알아차리는 경향을 보였습니다.

2)의 이유 추정 : 무지를 추정하는 기능이 더 있어서 이런 성향을 보일 것으로 추정했습니다.

AI의 추론 메커니즘과, 사람의 메커니즘은 같진 않지만, 실험적으로 나오는 결과를 이해해야, 임원들이 기업에서 이런 류의 AI를 적용할 때, 중요한 전략적 의사 결정을 할 수 있을 것으로 생각합니다.

지난주 Open AI의 ChatGPT-4o 발표에 질세라, Google도 I/O에서 혁신적인 AI 기술을 선보였습니다. 시사점을 빠르게 짚어 보겠습니다.

1) Big Tech 중심으로 AI 재편/집중 :

이젠 소규모 기업의 AI에 투자하는 것은 주춤합니다. 한 때, 검색 AI인 Perplexity에 많은 투자가 몰렸지만, 이제 구글 I/O의 진일보한 검색 AI를 보면, 소규모 기업의 경쟁력이 얼마나 지속될지 의문입니다. 구글이 LLM의 근간이 되는 Transformer를 오픈한 이후로, 이를 뛰어넘는 다양한 모델과, 응용을 내놓고 있습니다. 한동안은 MS와 구글의 독주가 예상됩니다.

2) Chat GPT-4o는 실시간 Voice (vs) Gemini는 1M 토큰

Chat GPT-4o는 마치 영화 her의 AI를 연상시키는 극적인 실시간 Voice UI를 공개한 반면, Gemini 1.5 Pro는 1M의 엄청난 토큰 사이즈를 무료로 사용할 수 있다는 점을 공개했습니다. GPT는 극적인 반면, Gmini는 앞으로 엄청난 발전 가능성을 시사한 것입니다.

1M 토큰의 크기는 PDF로 치면 1,500 Page, 동영상으로 치면 1시간 정도가 됩니다. 그리고 일부 개발자에게는 2M까지 공개했습니다. 결국, 사용자의 모든 데이터를 넣어서, AI를 활용할 수 있도록 한다는 점에서 그 의의가 큽니다. 특히 구글은 구글을 둘러싼 약 150만명의 개발자 커뮤니티를 우선시하고 있음을 알 수 있습니다.

3) 각각의 생태계 고려

또한, Open AI는 추후 MS의 Application 내에서의 사용성 개선을 염두고 두고 있지만, Google은 구글 Application 내에서의 다양한 사용시나리오를 염두해 두고 이번 발표를 진행했습니다.

Gemini는 AI Overview를 통해서 검색 결과를 훨씬 더 사용자의 니즈에 맞게 정리해 주는 서비스를 소개했습니다. 그리고, 사진을 문맥에 맞게 검색하는 것, 또한 Gmail에서 메일을 소팅(Sorting)하고, 정리하는 것도 시연했습니다.

4) Agent 모델의 차이

Agent 모델이란, LLM이 단순히 챗팅처럼 질문에 답하는 것을 넘어서, 특정 타스크를 알아서 진행하는 것을 의미합니다.

Open AI가 사람처럼 타스크를 실행하는 Agent 모델에 약간 아쉬움이 있었다면, 이번 Gemini에서는 AI 물건을 구매하고, 물건의 사이즈가 맞지 않은 경우에 반품까지 알아서 진행하는 Agent 모델을 시연했습니다. 사람처럼 생각하고, 타스크를 실행하는 모습이 인상적이었습니다.

만약 우리 조직에 AI를 도입한다면 어떻게 해야 할까요? 임원이 반드시 알고 있어야 할 내용을 짧게 공유합니다.

반드시 알아야 할 3가지 옵션이 있습니다.

1) LLM을 직접 만들고, 완전한 Ownership을 가지는 형태의 도입

가장 추천하지 않는 옵션입니다. 너무 많은 개발자와, Pretraining 비용이 듭니다. 인건비 포함 최소한 100억원대의 투자가 필요합니다.

2) 오픈소스를 활용하여, Fine tuning 하여 도입

가장 추천하는 옵션입니다. 조직에 LLM 그리고 데이터를 다루는 조직이 있다고 하면, 장기적으로 가장 좋은 선택이 될 수 있습니다. 다만, Fine tuning 하는 데에도, 데이터의 정제 및 학습 비용에 3~5억원 정도의 투자가 필요합니다.

그리고 꽤 많은 비용의 클라우드 비용도 들게 됩니다. 하지만, 독자적으로 LLM을 더 다양한 형태로 응용한 서비스로 개발할 수 있습니다.

_{“이런 도입을 원하시면, VPStrategy 협력 AI 회사들을 소개해 드릴 수 있습니다. 이를 원하는 임원분이 있다면, [email protected]로 메일 주세요.”}

3) Google이나 Open AI의 LLM을 도입

현재 가장 많이 사용하는 옵션입니다. 가장 품질 이 우수한 LLM을 활용하여 서비스를 개발 할 수 있습니다. 이 때는, Hard Core 엔지니어보다는 프롬프트 엔지니어와, 데이터를 다루는 엔지니어가 더 필요 합니다.

적은 비용으로 바로 시작할 수 있으나, Big Tech 기업에 월 비용을 계속 지급해야 하고, 운신의 폭이 좁다는 단점이 있습니다.

어제, 런던발 싱가포르행 항공기가, 난기류로 태국에 비상 착륙하면서 1명이 숨지고 70여 명이 다치는 사고가 있었습니다.

1) 우리나라의 예측 :

1년 전, 반기성 케이웨더 센터장이 유투브에 등장하여 기후변화로 인해, 난기류가 3배 증가하니, 특별히 더 조심해야 한다는 발언을 한 적이 있습니다.

2) 세계 적으로 유명한 학자의 예측 :

영국 레딩대학교 대기학과의 폴 윌리엄스 교수도 약 2년 전에 비슷한 예측을 했습니다. 1979~2020년 사이 극심한 난기류가 약 50%이상 증가했으며, 앞으로 눈에 띄게 급증할 것으로 내다봤습니다. 이때의 급증은 두 배 혹은 세 배 이상의 의미라고 했습니다.

이 난기류는 청천 난기류 (Clear Air Turbulence)라고 불리며, 폭풍이나 구름같은 전조 증상 없이 느닷없이 나타나므로 가장 위험한 재난이 될 수 있다고 예측했습니다.

비행기는 인류가 발명한 가장 안전한 운송 수단이지만, 앞으로는 기후 변화 전개 양상에 따라서 이 공식이 깨질지도 모르겠습니다.

지난주 영국 가디언지에서, 지구 평균 온도의 1.5~3도 상승시 시나리오를 제시했습니다.

1) 1.5도 상승 : 폭염 및 폭풍 심화

폭염과 폭풍이 심해지고, 열대 산호가 죽습니다. 대륙 빙하가 녹으며, 동토층이 급격히 녹는 시점이 도래합니다.

(참고로, 북극의 동토층 아래는 이산화탄소 보다 지구온난화 효과가 21배 높은 메탄이 갇혀 있어서, 동토층의 융해는 바로 3도 이상으로 가는 되먹임 현상의 시작이 됩니다.)

2) 2도 상승 : 폭염 극심화

폭염이 발생할 가능성이 100~200배 이상 커집니다. 이로 인해서, 단위 지역당 사망 위험이 100배 이상 증가합니다. 또한 직접적인 홍수 피해는 두 배 이상 증가합니다.

3) 2.7도 상승 : 20억명의 지구 인구가 기후 틈새를 벗어날 것

인류가 발전할 수 있는 간빙기와 빙하기 사이인 기후 틈새를 벗어나, 혹독한 경험을 하게될 것입니다.

4) 3도 상승 : 지구 주요 도시 해수면 아래로

중국 상하이, 브라질 리우데자네이루, 미국 마이애미, 네델란드 헤이그 등 주요 도시가 해수면 아래로 내려가게 됩니다.

급격히 선선해 지는 것, 혹은 급격한 한파도 기후 변화의 한 현상입니다.

극지방의 얼음은 태양열의 절반 이상을 반사시켜 온도를 유지해 왔습니다. 이런 메커니즘이 깨지면, 바다가 흡수하는 수증기와 열의 양도 증가합니다.

이로 인해 북극 지방의 고기압이 형성 되고, 이는 한기를 감싸는 제트기류가 붕괴되면서 남쪽으로 흘러 내려오게 됩니다. 이것이 곧 한파의 원인이 됩니다.