동향

Gartner, ChatGPT를 넘어서: 생성형 AI기술의 5가지 사용 사례와 올바른 기술 방향 발표

분야

정보/통신

발행기관

한국과학기술정보연구원

발행일

2023.02.24.

URL


[GTM230109]입니다.


o 가트너(Gartner)는 ChatGPT 기술의 5가지 산업 사용 사례를 살펴보고, 생성형 AI를 활용하기 위한 올바른 기술 방향을 제시하는 보고서*를 발표함('23.1.26)


   * Beyond ChatGPT : The Future of Generative AI for Enterprise

  - 벤처 캐피털사들은 지난 3년동안 AI솔루션에 17억 달러 이상을 투자하였으며, AI를 통한 제약 개발과 AI 코딩이 가장 많은 투자를 받음

  - ChatGPT와 같은 초기 기반 모델은 생성형 AI가 창의적인 작업을 강화하는 능력에 초점을 맞춰 있음

  - 2025년까지 생성형 AI 기술을 사용하여 발견되는 신약 및 재료의 발견은 30%이상(오늘날 제로 상태에서) 증가 예상




o 생성형 AI의 5가지 산업 사용 사례

  - 생성형 AI는 객체의 가능한 많은 디자인을 탐색하여 적합하거나 일치하는 항목을 찾아 인간이 놓쳤을 수 있는 디자인이나 물건을 ’발명‘할 수도 있음

① 제약 설계의 생성형 AI

  - 2010년 약물 발견에 18억 달러가 들었고 발견까지는 3~6년의 시간이 걸렸지만, 생성형 AI를 활용하면 비용을 1/3으로 줄이고 시간은 수개월로 단축시킬수 있는 기회를 제공

② 재료과학의 생성형 AI

  - 생성형 AI는 특정한 물리적 속성을 대상으로 하는 완전히 새로운 재료를 구성하여 자동차, 항공 우주, 방위, 의료, 전자/전기 및 에너지 산업에 영향을 미치고 있음

  - 역설계(inverse design*)로 에너지 및 운송에 사용되는 것보다 전도성 및 자기 인력이 더 큰 재료나 부식에 강해야 하는 사용 사례도 찾을 수 있음

   * 역설계(inverse design): 기존의 설계를 파악하여 자신만의 방식으로 다시 설계하는 것

③ 칩 설계의 생성형 AI

  - 머신러닝의 강화학습을 사용한 칩 설계(플로어 플래닝*)의 구성요소 배치를 최적화하여 제품 개발 수명 주기를 몇 주에서 몇 시간으로 단할 수 있음

   *플로어 플래닝: 건물의 내부 공간을 용도에 맞게 배치하듯, 칩 안에 수백만 개의 부품을 효율적으로 배치하는 과정

④ 합성 데이터의 생성형 AI

  - 실제 세계를 직접 관찰하여 얻은 것이 아닌 생성된 데이터 클래스인 합성 데이터를 생성하는 방법으로 데이터 원본 소스에 대한 개인정보를 보호할 수 있음

  - 의료기록이 사용된 환자의 신원을 밝히지 않고 연구 및 분석을 위한 의료 데이터를 인위적으로 생성할 수 있음

⑤ 부품 생성 설계

  - 제조, 자동차, 항공 우주 및 방위 산업을 비롯한 산업에서 성능, 재료 및 제조 방법과 같은 특정 목표 및 제약 조건을 충족하도록 최적화된 부품을 설계할 수 있음

  - 자동차 제조업체는 제너레이티브(생성형) 디자인*을 사용하여 더 가벼운 디자인을 혁신할 수 있고, 연료 효율을 높이려는 목표에 기여할 수 있음

   *제네레이티브(생성형) 디자인: AI 소프트웨어와 클라우드의 연산 능력을 활용해 사용자가 원하는 요구에 맞춰 결과를 만들어내는 디자인 방식

 

 

o 생성형 AI를 활용하기 위한 내장형 기술

  - 생성형 AI는 현실에 존재하지 않는 훈련으로 창의적인 능력을 발휘하여 게임 체인저의 역할을 하고, 교육 데이터나 회로도 디자인 같은 고부가가치 인공 생성물을 생성할 수 있음

  - 3세대 GPT-3는 흡수하고 축적된 훈련을 바탕으로 문장에서 가장 가능성이 높은 다음 단어를 예측하여 소설, 노래, 시와 컴퓨터 코드까지 작성할 수 있음

  - DALL·E 2(OpenAI에서 제작한 그림 AI), Stable Diffusion(Stability AI에서 배포한 text to image AI 모델) 및 Midjourney(AI 그림 소프트웨어)를 사용하여 텍스트로 이미지를 생성할 수 있음

  - Foundation 모델*은 자체 감독 방식으로 일반 데이터 소스에 대해 사전 교육을 받은 후 새로운 문제를 해결하도록 조정할 수 있음

   *Foundation 모델: 레이블이 지정되지 않은 방대한 양의 대규모 데이터에 대한 훈련된 AI모델

  - Transformer 모델은 진화하는 일련의 수학적 기법을 적용하여 데이터 요소가 서로 영향을 미치고 의존하는 방식을 감지할 수 있음

 

o 생성형 AI의 위험성에 대한 시사점

  - 생성형 AI가 비즈니스 기회를 제공하는 것 뿐만 아니라 딥페이크, 저작권 문제 및 조직을 대상으로 하는 기술의 악의적인 사용 가능성에 대한 고려를 해야 할 것

  - 악의적인 사용이 개인, 조직 및 정부에 미치는 위험을 보안 및 위험관리자들과 서로 협력하여 완화해야 할 것

  - 승인된 공급업체 및 서비스의 선별된 목록을 통해 생성형 AI의 책임있는 사용에 대한 지침을 구현하고, 교육 데이터 세트 및 적절한 모델 사용에 대한 투명성을 제공하기 위한 노력을 우선적으로 고려할 것



※참조 : https://www.gartner.com/en/articles/beyond-chatgpt-the-future-of-generative-ai-for-enterprises


리포트 평점  
해당 콘텐츠에 대한 회원님의 소중한 평가를 부탁드립니다.
0.0 (0개의 평가)
평가하기
등록된 댓글이 없습니다.