특히 이번학기에 들어오게 되면서 생성형 AI를 사용한 해커톤에 나가보기도 하고, 기계학습 강의를 수강하면서 인공지능에 대한 관심이 더욱 늘어난 것 같습니다.
그런데 그렇게 공부를 하면서 주변을 둘러보니 주변에서도 사람들이 ChatGPT를 여럿 활용하는
모습을 볼 수 있었습니다. 그런데 주변 사람들은 단순히 ChatGPT를 제품으로 생각하고 사용하고,
사용하는 방식 또한 단순히 A를 질문하고 A에 대한 결과를 제공받고, 그렇게 얻은 결과를 너무
맹신하는 모습을 보게되었습니다.
여기서 저는 제가 알고 있는 내용들을 활용해 ChatGPT를 다루면 더욱 다채롭고 체계적으로 결과를 제공받을 수 있는데 도울 방법이 없을까 생각했습니다.
그 때 마침 오픈소스SW입문 강의에서 본인이 기존에 알고 있던 내용을 다른 사람들에게 설명하는 기말과제의 주제로 앞선 ChatGPT에 대한 설명을 진행하면 좋을 것 같다 생각해 이번 기회에
준비해보게 되었습니다.
## 새롭게 알게된 내용들
저는 기존에 대형 언어 모델들에 대해서 Google, MS와 같이 좀 자본이 크고 엄청 세계적인 기업들만 조금씩 관심을 가지고 있다고 생각하였습니다. 이는 제가 ChatGPT와 같은 텍스트 기반의 대형 언어 모델들만 관심이 있었고, 사용해봤기 때문입니다.
하지만 이번 기말 과제를 준비하는 과정에 있어 생각보다 많은 기업들이 ChatGPT 이후 대형 언어
모델에 꽤나 큰 자본을 투자하고 있었고, 한국에서 또한 네이버, 카카오와 같은 기업에서 대형 언어 모델 개발에 많은 힘을 쓰고 있다고 알게 되었습니다.
이를 통해 대형 언어 모델은 최신 인공지능, IT 업계의 엄청난 트렌드라고 이해하였고, 저 또한 이런 동향에 맞춰 관련된 여러 공부를 꾸준히 해야겠다고 생각했습니다.
또한 앞서 저는 텍스트 기반의 언어 모델들만 이야기를 했는데 이런 언어 모델의 기반이 된 Transformer 모델이 최근에 Vision-Transformer 모델로 개량되어 이미지 처리에도 뛰어난 성능을
보이고 있다고 들었습니다.
한 때 NovelAI로 인해 AI 그림에 대한 관심과 집중이 쏠린 뒤 최근에는 이에 관련된 내용을 들어본
적이 거의 없어 그림 AI는 거기서 조금 멈췄나라고 생각하였습니다.
하지만 DALL-E, Stable Diffusion과 같은 모델들이 꾸준히 개발되면서 비전 모델에 대한 연구로
끊기지 않고 지속적으로, 또 많은 성능의 향상을 이루며 이뤄지고 있다고 알게 되었습니다.
## 발생했던 문제점
ChatGPT를 시연하는 과정에 있어 조금의 문제가 있었습니다. ChatGPT의 경우는 결국 입력한 질문을 토대로 다음에 나올 문장을 예측하는 대형 언어 모델이기에 같은 상황들에 대해서 언제는 좋은
결과가 나오고 어느 때는 좋지 않은 결과가 나오는 확률이 제각각이었습니다.
그래서 ChatGPT를 활용하는데 있어 ‘역할을 정해서 질의 응답’, ‘대량의 데이터를 입력’과 같은 몇 가지 활용 방안이 있었지만 이런 방안은 건너뛰고 결과가 확실하게 나오는 ‘영어로 질문’, ‘구체적으로 질문’, ‘문단을 나눠서 질문’과 같은 활용 방안으로 내용을 축약하여 강의를 구성하였습니다.
## 감상
이전에 구글링을 잘하는 방법에 대해 교육을 진행해 본 적이 있습니다. 구글도 ChatGPT와
마찬가지로 사용 방법을 자세히 알고 있다면 좋은 결과를 쉽고, 빠르게 얻을 수 있지만 모른다면
항상 같은 결과, 내용에 갇혀 새로운 정보를 얻을 수 없었을 겁니다.
이와 같이 ChatGPT 또한 매우 훌륭한 제품이자 도구입니다. 하지만 ChatGPT도 사용하는 방법에
따라, 사용자에 따라 각양각색의 결과를 얻어낼 수 있으므로 이번 강의를 들은 사람들로 하여금
그들의 작업에 있어 ChatGPT를 좀 더 효율적으로 사용하였으면 좋을 것 같다고 생각하였습니다.
추가로 강의에서도 저의 의견을 밝혔듯이 무분별한 ChatGPT, 대형 언어 모델의 사용은 항상 이득이 아닌 손해로 다가올 수되 있다고 생각합니다. 제가 작성한 내용을 본 사람들로 하여금 이러한 도구들을 모든 것을 완성하는 마스터키로 사용하기 보다는 부분 부분 부족한 내용을 채우거나 도와주는
