🟢 AI의 생각 이해하기

독자 여러분 반갑습니다. 인트로 챕터를 거의 다 마치신 것을 축하드립니다. 여러분은 굉장히 신나는 분야에 성공적으로 발을 들이게 되었습니다. 나머지 코스를 읽기 전에 여러분은 여러가지 AI들에 대해서 몇가지 알고 넘어가야 할 부분이 있습니다.

Audio being generated from an image.

여러가지 AI들

몇 천개의 AI들이 존재하고 있습니다. 몇몇은 다른 것들보다 더 낫습니다. 어떤 AI들은 이미지, 음악, 글, 그리고 심지어 비디오까지 생성이 가능합니다. 그리고 이것들은 모두 무언가를 만드는 생성 AI들입니다. 무언가를 분류하는 데 쓰이는 식별 AI들도 역시 존재합니다. 예를 들어 이 사진이 고양이인지 개인지 이미지 분류기에 물어볼 수 있습니다. 하지만 이 과정에서는 따로 식별 AI들을 다루지 않습니다.

현재 프롬프트 엔지니어링에 특히 유용할 만큼 충분히 발전된 생성 AI는 몇 가지뿐입니다. 우리는 이 과정에서 GPT-3와 ChatGPT를 주로 사용할 것입니다. 이전에 언급했듯이, ChatGPT는 챗봇이고 GPT-3는 아닙니다. 이것들은 같은 질문에도 보통 다른 답변을 합니다. 만약 개발자라면 저는 재생산이 손쉬운 GPT-3를 추천드리고 아니라면 더 쉬운 ChatGPT를 추천드립니다. 이 과정에서 나오는 대부분의 기술들은 양쪽 모두에 적용이 가능합니다. 하지만 몇몇은 GPT-3에만 적용이 되기 때문에 이 과정에서 나오는 모든 기술을 사용하려면 GPT-3를 쓰시는 것을 추천드립니다.

우리는 이미지 생성 섹션에서는 Stable Diffusion과 DALLE를 사용합니다. 관련된 AI에 대해서 더 알고싶다면 여기를 클릭해주세요.

이 AI들은 어떻게 일할까?

이 섹션에서는 대중적인 글 생성 AI에 대해서 설명할 것입니다. 이 AI들의 뇌는 수백만개 이상의 인공 뉴런들로 이루어져있습니다. 이 뉴런들의 구조를 우리는 트랜스포머 구조라고 부르고 이것은 완전히 복잡한 뉴럴 네트워크입니다. 여러분이 알아야 할 것은:

1. 이 AI들은 그냥 수학 함수일 뿐입니다. $f(x) = x^2$ 보다는 f(수천개의 변수) = 수천개의 가능한 출력에 가까운 형태입니다.
2. 이 AI들은 토큰이라고 부르는 단어나 하위 단어로 각각의 문장을 이해합니다(예를 들어 나는 사람이다를 "나", "는" , "사람", "이다"로 읽는다). 그리고 AI가 이해할 수 있도록 각 토큰들은 숫자의 배열로 바뀌게 됩니다.
3. 이 AI들은 문장에서 이전의 단어나 토큰들로 다음 단어나 토큰을 예측한다(예를 들어 나는 사과를을 통해서 싫어한다를 예측한다). 그들이 작성한 각각의 토큰들은 그들이 이전에 읽거나 적었던 토큰들을 바탕으로 만들어진다. 그들이 새로운 토큰을 쓸 때마다, 그들은 다음 토큰이 무엇이어야 하는지 생각하기 위해 멈춥니다.
4. 이 AI들은 모든 토큰을 동시에 보는 것처럼 보입니다. 그들은 인간처럼 왼쪽에서 오른쪽이나 오른쪽에서 왼쪽으로 읽지 않습니다.

"생각", "뇌", "뉴런" 등의 단어들이 모델들이 어떻게 작동하는 지를 은유적으로 표현한 것이라는 것을 알아두시길 바랍니다. 이 모델들은 실제로 생각하지는 않습니다 그저 수학 함수일 뿐입니다. 물론 실제 뇌도 아니고 그냥 인공 뉴럴 네트워크일 뿐입니다. 또 실제로 생물학적인 뉴런들도 아니고 그냥 숫자입니다.

이 부분은 적극적인 연구와 철학의 영역입니다. 이 설명은 그들의 본성에 대해서 다소 냉소적이고 AI들을 사람처럼 보이고자 하는 미디어의 묘사를 억제하고자 함입니다. 하지만 당신이 AI를 인격체로 만들길 원한다면 하시길 바랍니다. 많은 사람들이 그렇게 하고 있고 공부하는데에도 도움이 될 것입니다.

참고

• AI가 어떻게 작동하는 지 아는데에는 d2l.ai가 도움이 될 것입니다.

• 저자들은 사실 사과를 즐긴다는 것을 알아두세요. 그것들은 맛있습니다.