최근 NIA (한국지능정보사회진흥원)에서 지난 10년 간 AI 인공지능 분야에서 발생한 주요 사건과 파생된 산업, 사회 변화를 분석한 보고서를 발표했습니다.
이번 포스팅은 NIA의 본 보고서 “현대 인공지능의 역사적 사건 및 산업·사회 변화 분석” 내용 중 “지난 10년 간 AI 인공지능 분야의 핵심 사건”을 중심으로 주요 사건 배경과 의의를 요약, 정리했습니다.
목차
최근 AI 인공지능의 역사적 10대 사건
- 2012 합성곱 신경망(CNN) | 이미지 처리 딥러닝 본격화
- 2014 적대적 생성 신경망(GAN) | 생성 AI 분야의 새로운 혁신
- 2015 텐서플로(Tensor Flow) | 오픈소스 문화에 기여
- 2016 알파(AlphaGo) | 인공지능 대중화
- 2017 아실로마 인공지능 원칙 | 윤리에 대한 인식 확산
- 2018 자기지도학습 부각 | 기술 성숙의 시대
- 2019 GPT-2, BERT 언어모델 | 기술 성숙의 시대
- 2020 GPT-3, Alphfold2 | AI활용 본격화
- 2021 AI반도체, DALL-E | 멀티모달 모델의 서막
- 2022 멀티모달의 전성시대
최신 AI 기술 트렌드 파악을 위해서는 2023년 기대되는 AI 기술 트렌드 10가지 글을 참조하시면 도움이 될 것입니다.
2012 합성곱 신경망(CNN)
현실 문제 해결을 위해 CNN 합성곱 신경망 등장
- CNN(Convolution Neural Network)은 합성곱 신경망으로 특정한 사이즈의 필터와 이미지의 픽셀 간 합성곱을 통해 학습하는 방식입니다.
- CNN은 1989년 “Backpropagation applied to handwritten zip code recognition”에서 처음 소개되었습니다.
- 1998년 제프리 힌트 교수 연구실에서 박사후 연구과정 중인 얀 르쿤 박사가 초기 CNN의 기술적 성능을 개선하여 우편번호 인식 등 실제 상용화를 달성하였습니다.
- 2012년 CNN방식이 이미지넷 챌린지 대회에서 우승하며 새롭게 주목 받았습니다.
- 이후 구글, MS 등 빅테크 기업들도 CNN방식을 활용하여 이미지 인식 경쟁에 참여하는 등 모든 AI 시각지능 분야에 적용되어 새로운 표준으로 부상하며 딥러닝의 새로운 붐을 조성하였습니다.
2014 적대적 생성 신경망(GAN)
가짜 이미지를 생성할 수 있는 새로운 방법 GAN 탄생
- 2014년 이안 굿펠로우의 논문에서 처음 소개되어, 머신러닝 학계에 큰 영향을 끼치고 있는 혁신적인 생성 모델 구조입니다.
- GAN은 가짜 이미지를 진짜처럼 보이도록 학습하는 생성모델과 가짜 이미지를 가짜로 식별하도록 학습하는 판별모델, 이 두개의 모델이 번갈아 가며 데이터를 주고 받아 점진적으로 학습되어 고도화된 생성모델입니다.
- GAN 기술 발표 후 생성 AI 분야의 연구가 폭발적으로 증가하며 딥페이크 기술을 활용한 가짜와의 전쟁이 촉발되었습니다.
- 반면 이미지 영역 이외에 다양한 영역에서 생성 모델이 도입되어 AI서비스 성능의 향상을 통한 비즈니스 모델로의 활용이 본격화 되었습니다.
2015 텐서플로(TensorFlow)
AI 생태계 확장을 가져 온 오픈소스 툴 공개
- 2015년 구글이 TensorFlow, 메타가 Pytorch AI 개발 프레임워크를 무료 공개하였습니다.
- AI 개발 프레임워크는 AI 개발 시 필요한 각종 수학적 라이브러리를 제공하고, 학습 및 추론 환경 모니터링, 모델의 배포 등 개발 전 과정으로 지원하는 도구 입니다.
- AI 개발 프레임워크 활용을 통해 학습 알고리즘(코드), 모델의 공유가 용이하여, 누구든지 선행연구를 쉽게 찾아 활용할 수 있게 되었습니다.
- 이후 AI 오픈소스 기업의 등장과 Stability AI, Huggingface 같은 유니콘 기업이 등장 하는 등 AI 산업 생태계가 급속도록 확장, 성장하게 되었습니다.
2016 알파(AlphaGo)
인공지능 대중화를 앞당긴 알파고-이세돌 대국
- 2016년 3월 서울 포시즌스 호텔에서 시작한 구글 딥마인드 챌린지 매치에서 알파고와 이세돌 9단과의 대국이 있었고, 이세돌 9단이 최종 4:1로 패배하며, 인공지능의 성능을 전 세계에 알리게 된 대표적인 사건입니다.
- 알파고는 CNN(딥러닝), 강화학습, 몬테카를로 트리 등 인공지능과 게임이론의 최신 기술을 적용하여 활용하고, 구글의 클라우드 컴퓨팅 환경에서 개발되었습니다.
- R&D 영역에서 주목 받고 있던 AI 기술이 알파고를 통해 전 세계적인 주목을 받아 AI 정책 수립의 도화선이 되었습니다.
2017 아실로마 인공지능 원칙
인공지능의 부작용을 걱정하는 목소리 등장
- 2015년 구글 흑인사진 오인식과 MS 챗봇 ‘테이’의 인종차별 등 각종 혐오 발언으로 인공지능의 윤리가 주요 이슈로 등장했습니다.
- 각종 AI 윤리와 관련된 사고들이 발생함에 따라, 2017년 미국의 비영리 단체 futrue of Life institute는 아실로마 컨퍼런스에서 AI원칙을 수립하였습니다.
- 아실로마 AI 원칙을 통해 본격적으로 AI 윤리 분야의 중요성을 전 세계에 알렸으며, AI 개발과정에서 발생할 수 있는 실패와 자유의 침해에 대해 책임성 있는 행동을 강조하였습니다.
- 이후 AI의 부작용 해소를 위해 각국 및 산업계에서 AI 윤리 가이드라인 및 인공지능 법안 제안 등 국제사회 논의 및 연구가 활발해졌습니다.
2017 트랜스포머
인공지능의 고속 발전에 기여한 기술 등장
- 2017년 구글은 ‘Attention is all you need’ 논문을 발표하며, 자연어 처리 분야에 그간 없던 혁신적인 방법을 제시하였습니다.
- 트랜스포머는 언어 처리의 병렬화를 통해 계산 효율성을 향상 시키며, 그간 순차적으로 단어를 학습하는 알고리즘의 한계를 극복하였습니다.
- 트랜스포머 공개 이후 글로벌 빅테크 기업들은 모두 트랜스포머 기반의 언어모델을 앞다투어 연구하고 공개하기 시작하였습니다.
- 언어모델의 표준처럼 불리는 구글의 BERT, 오픈AI의 GPT등은 트랜스포머 기반으로 개발된 언어모델입니다.
- 전통적으로 이미지 분야는 CNN, 언어처리 분야는 트랜스포머가 주류였으나 최근 이미지 분야에도 트랜스포머 방식 도입으로 CNN보다 우수한 성능을 내는 트랜스포머 기반의 시각지능 AI가 공개되는 등 트랜스포머의 영향력이 지속적으로 확대 중입니다.
2020 GPT-3
상상을 초월하는 초거대 언어 AI 발표
- 2020년 오픈AI에서 그간의 GPT, GPT-2의 연구성과를 바탕으로 매개변수 사이즈를 확대한 GPT-3을 공개하였습니다.
- GPT는 주어진 문장의 앞부분으로 다음 단어를 예측하는 NLP모델입니다.
- 2020년 상반기까지는 언어모델 사이즈의 큰 폭의 변화는 없었으나, GPT-3에서 1,750억개 매개변수 수준의 초거대 모델이 등장하였습니다.
- GPT-3 이후 AI 초거대화를 통한 기록적인 성능 향상을 경험 후 전 세계는 대규모 자본을 투입하여 경쟁적으로 초거대 AI 개발 중입니다.
- 미국 : GPT-3(오픈AI), LaMDA2, PaLM(구글), OPT-175B(메타)
- 중국 : Wudao2.0(BAAI), Pangu Alpha(화웨이)
- 국내 : 하이퍼클로바(네이버), KoGPT(카카오), 엑사원(LG), 믿음(KT), 에이닷(SKT)
2020 Alphfold2
생물학 분야 난제 해결을 위한 AI 등장
- 2018년 딥마인드는 인공지능, 생물학 등 도메인 전문가와 협업하여 딥러닝 기반의 단백질 구조예측 모델(알파폴드)을 개발하였습니다.
- 약 50 여 년 간 난제라고 여겨지던 분야에서 기존의 연구 성과를 압도하는 알파폴드를 개발하였고 2020년 알파폴드2로 혁신적인 성과를 달 성하였습니다.
- 알파폴드2 이후 반도체 칩 설계(전자공학), 기상 단기예측(대기과학) 등 난제 해결을 위해 전통적인 과학 분야에 AI가 적용되기 시작하였습니다.
2021 AI반도체
NVIDIA 그래픽카드 회사가 글로벌 시가총액 10위 내 진입
- 그래픽 렌더링을 위해 매트릭스 계산에 최적화된 GPU가 병렬처리에 유리한 주요 응용분야의 성장과 함께 NVIDIA는 폭발적으로 성장하고 있습니다.
- 2021년 10월 말, NVIDIA는 글로벌 시가총액 상위 10위에 진입하였습니다. NVIDIA는 HW회사가 아닌 AI SW 역량을 확보하고 향후 메타버스 시대에서 가상현실 시장 장악을 위한 종합 AI 기업으로 도약 중입니다.
- GPU의 성능대비 가격은 지속적으로 낮아져, 전 세계 AI 개발자의 접근성이 향상 하는 등 AI 대형화 및 발전을 견인 중에 있습니다.
- AI는 데이터 처리, 알고리즘 개발 등의 SW 경쟁력 뿐만 아니라, 학습을 위해 컴퓨팅을 담당하는 HW의 중요성이 나날이 증대되고 있습니다.
2021~2022 DALL-E
창의력이 필요한 영역에 AI가 본격적으로 진입
- 2021년 1월, 오픈AI는 문장(텍스트)을 이미지로 변환할 수 있는 AI 모델(DALL-E)을 전세계에 공개하였습니다.
- 2022년 4월, 오픈AI는 현실감, 정확도 향상, 해상도 4배 향상 등 성능이 향상된 DALL-E2를 공개하였습니다.
- DALL-E2는 이미지 생성 뿐만 아니라, 생성된 이미지를 수정할 수 있는 기능도 제공하여, 실제 업무 시 이미지의 수정 보완이 가능해졌습니다.
- DALL-E 공개 이후 글로벌 빅테크 기업들은 텍스트로 이미지를 생성하는 멀티모달 AI의 발전으로 창의적 영역에도 AI가 진입하고 있습니다.
| 2021 | 01. 오픈AI, DALL-E 공개 |
| 12. LG전자, 엑사원 | |
| 12. 카카오브레인, min DALL-E | |
| 12. Nvidia, Gaugan2 발표 | |
| 2022 | 03. 미드저니, Midjourney 공개 |
| 04. 오픈AI, DALL-E2 공개 | |
| 04. 카카오브레인, RQ-트랜스포머 | |
| 05. 구글, Parti 발표 | |
| 06. 구글, Imagen 발표 | |
| 08. Stability AI, Stable diffusion 발표 | |
| 09. 메타, Make-A-Video | |
| 12. 카카오브레인, 칼로1.0 |
관련 인기 글 모음
