AI(Artificial Intelligence, 인공지능)와 AI 모델의 차이를 아시나요? 일상에서는 두 단어를 엄밀히 구분하여 사용하지 않지만, 따져보면 AI와 AI 모델의 뜻은 조금 다릅니다. 사람 이상의 지능을 지녔다는 오픈 AI의 ‘ChatGPT’는 둘의 차이를 이렇게 설명합니다.

Data-Centric AI,학습 데이터의 중요성

AI 모델은 크게 알고리즘과 데이터로 구성됩니다. 사람에 빗대면 알고리즘은 ‘학습법’, 데이터는 ‘학습량’에 정도로 비유할 수 있습니다. 알고리즘은 ‘데이터를 해석하고 처리하는 체계’인데, 문제 해결 능력보다는 어떤 자질이나 적성에 가깝습니다. 아무리 똑똑한 사람이라도 생소한 분야의 처음 보는 문제는 풀 수 없듯, 최신 알고리즘을 적용한 AI 모델도 적절한 훈련 없이는 제 역할을 못 하게 됩니다.

AI 모델을 위한 훈련은 데이터의 역할입니다. 근래 화제가 된 AI 발전은 어찌 보면 학습 데이터의 발전이기도 하죠. 예를 들어 ChatGPT의 기반이 되는 GPT-3 모델은 총 735GB 분량의 인터넷 채팅 및 블로그, 뉴스 기사, 도서, 위키피디아 데이터를 학습했습니다. 영상이나 사진이 아닌 텍스트 데이터 용량이 735GB이라는 점에서, ChatGPT가 학습한 정보량이 얼마나 많은지 짐작할 수 있습니다.

그렇다면 AI 성능 개선엔 알고리즘과 데이터, 학습법과 학습량 중 어떤 요소가 더 중요할까요? 현시점에서는 알고리즘보다는 데이터가 중요하다는 게 정설처럼 받아들여지고 있습니다. 이러한 데이터 중심 인공지능 개발 방법론을 ‘Data-centric AI’라고 하는데요, AI 분야 세계적 석학 앤드류 응(Andrew Ng) 교수가 앞서 주장한 패러다임입니다.

셀렉트스타가 2023년 초에 발행한 '23/24 인공지능 인사이트' 매거진을 무료로 공개합니다!

이 매거진은 우리의 삶에 깊이 들어오고 있는 AI의 기초부터 심화까지 Data-Centric AI 패러다임을 자세하게 설명합니다. 

Chapter 1: 인공 지능과 학습 데이터에서는 기초 신경망 구조와 함께 Data Centric AI 패러다임을 소개합니다. 인공 지능 ‘학습’이란 무엇이고 어떻게 진행되는지, 간단한 예제와 사례를 통해 설명합니다.

Chapter1. 인공 지능과 학습 데이터 - 1.1인공 신경망 기초, 퍼셉트론

Chapter1. 인공 지능과 학습 데이터 - 1.2 심층 신경망, ‘딥러닝’과 ‘파라미터’

Chapter1. 인공 지능과 학습 데이터 - 1.3 파라미터 조정하기, 인공지능 '학습'

Chapter1. 인공 지능과 학습 데이터 - 1.4 업계 표준! ‘Data Centric AI’

Chapter1. 인공 지능과 학습 데이터 - 1.5 컴퓨터를 위한 번역, 인코딩과 임베딩

Chapter 2: ChatGPT와 GPT 완전 분석에서는 화제 모델 ChatGPT가 어떻게 데이터를 처리하고 학습하는지 분석합니다. ChatGPT의 기반이 되는 Transformer 아키텍처와 학습 데이터, 그리고 RLHF(Reinforcement Learning with Human Feedback)를 살펴봅니다.

Chapter2. ChatGPT와 GPT 완전 분석 - 2.1 ChatGPT (1) 사전 학습과 파인 튜닝

Chapter2. ChatGPT와 GPT 완전 분석 - 2.2 ChatGPT (2) Transformer 모델 분석, 인코딩과 임베딩

Chapter2. ChatGPT와 GPT 완전 분석 - 2.4 ChatGPT (4) 학습 데이터와 RLHF