web analytics

ChatGPT에 대해서

ChatGPT

□ GPT 개념

▶ GPT란?

GPT(Generative Pre-trained Transfomer)는 미국 OpenAI 기업에서 개발한 대표적인 자연어 처리 기술로, 인공지능 분야에서 큰 성과를 거두고 있는 기술이다. GPT는 Transformer 아키텍처를 기반으로 하며, 비지도 학습 방식의 언어 모델링을 통해 다양한 자연어 처리(NLP) 작업을 수행한다. Transfomer 아키텍처는 기존의 순차적인 인공 신경망 모델들과 달리, 동시에 다수의 단어를 처리하는 자기주의 매커니즘을 사용한다. GPT는 이를 통해 긴 문맥의 정보를 더욱 효과적으로 파악하고 예측하는 방식으로 훈련되며, 이를 통해 다양한 자연어 처리 작업에서 높은 성능을 보여준다.

□ GPT 발전 과정

▶ GPT-1

GPT의 첫 번째 모델로, 2018년에 소개되었다. 공개 당시 자연어 처리 작업에서 높은 성능을 보여주었지만, 더 큰 모델과 더 많은 데이터를 사용하여 성능을 개선해야 하는 필요성이 있었다.

▶ GPT-2

2019년에 발표된 모델로, 이전 모델보다 더 큰 모델과 더 많은 데이터를 사용하여 성능을 크게 향상했다. 인터넷상의 대규모 텍스트 데이터를 사용하여 학습하였으며, 이를 통해 다양한 자연어 처리 작업에서 놀라운 성능을 보여주었다. 하지만, 모델의 크기가 커짐에 따라 데이터 학습 및 결과에 대한 복잡성 문제가 대두되었다.

▶ GPT-3

2020년에 발표된 모델로, 175억개의 파라미터(매개변수)를 가지고 있어 이전 모델보다 훨씬 큰 규모로 개발되었으며, 대규모 데이터셋을 활용하여 학습하였다. GPT-3의 가장 큰 특징은 Few-Shot Learning으로, 작은 양의 데이터만으로도 높은 성능을 낼 수 있다는 점이다. 이에 따라 GPT-3는 다양한 자연어 처리 작업에서 높은 성능을 보여주게 되었다.

GPT-3.5

2021년에 발표된 모델로, 이전 버전의 기능을 유지하면서, 인간 피드백을 통한 강화학습(Reinforcement Learning from Human Feedback, RLHF) 적용으로 대화에 최적화 한 것이 가장 큰 특징이다. 이에 따라 GPT는 다양한 분야에 적용되기 시작하였으며 도입된 산업(분야)에 큰 효율성을 이끄는 데 이바지하였다. 이후 2022년 하반기에는 GPT-3.5 기반의 “ChatGPT”베타버전이 공개되었으며 기업뿐만 아니라 누구나 손쉽게 인공지능 기술을 이용하여 자기만의 창의적이고 효율적인 일을 해 나갈 수 있게 사회적으로 큰 영향을 주고 있다. 하지만, 모델이 사실과는 맞지 않는 결과를 도출하는, 즉 결과의 신뢰성에 대한 문제가 지적되고 있다.

< 그림1. ChatGPT 초기 화면 >

ChatGPT 초기화면

▶ GPT-4

2023년 발표된 모델로, 이전 모델에서 지적된 신뢰성 문제를 학습 후 교정 과정(Post-training alignment process)을 통해 결과의 팩트 체크 및 안정성을 강화했다는 점이 특징이다. 또한 GPT-3의 경우 최대 Input 단어가 8천여 개인 반면, GPT-4는 2만 5천여 개로 늘어났다는 점이다. 물론, GPT-4 모델 역시, 하지만, GPT-3 모델보다 훨씬 개선되긴 하였지만, 사실이 아닌 결과를 도출하는 모습이 없진 않기 때문에 사용자의 주의가 필요한 상황이다.

< 그림2. GPT-3.5 vs GPT-4 Exam results (OpenAI) >

GPT-3.5 vs GPT-4

□ GPT 기술 구성 요소

Transformer 아키텍처

ChatGPT의 기반이 되는 인공 신경망 모델로, 주로 자연어 처리 분야에서 사용된다. Transfomer는 입력 데이터와 출력 데이터 사이의 상호 관계를 인코딩하는 방식으로 작동하며, 이를 통해 문장의 구조와 문맥을 이해할 수 있다.

언어 모델링

비지도 학습 방식을 통해 큰 규모의 텍스트 데이터를 학습하여 문장의 구조와 문맥을 파악, 이를 통해 새로운 문장을 생성할 수 있게 된다.

다중 테스크 학습(Multi-task Learning)

ChatGPT는 다중 테스크 학습을 통해 여러 작업을 동시에 수행할 수 있으며 이를 통해 데이터 학습 및 결과 도출의 효율성을 이끌어낸다.

퓨샷 학습(Few-shot Learning)

ChatGPT는 퓨샷 학습을 통해 적은 양의 데이터로도 분석, 이를 통해 빠르게 새로운 작업에 적응할 수 있으며 다양한 활용 분야로 사용될 수 있게 된다.

□ ChatGPT 활용 사례

▶ 논문 작성

초록 글자 수 요약, 창의적인 연구 제목 제안, 실험 결과의 논의, 연구 목차 작성, 향후 연구 아이디어 추천, 특정 주제에 대한 글 작성, 작성 내용에 대한 문법 교정, 번역 등 ChatGPT를 이용하여 연구 설계 단계부터 연구 작성에 이르기까지 다양한 작업 수행이 가능하다.

▶ 프로그래밍

간단한 프로그램 코드 짜기, 주석 달기, 코드상 오류 찾기(오타, 정의되지 않은 코드 발견), 에러 코드에 대한 이유 확인, 에러 코드 수정, 프로그램 설치법 안내, 업데이트 방법 안내 등 ChatGPT를 이용해 코드 작성, 코드 오류 발견, 코드 수정 등 다양한 프로그래밍 작업 수행이 가능하다.

언어 번역 및 교정

기존 번역기와 다르게 단순 번역을 넘어 교정 및 문법적인 오류까지 설명해주기 때문에 영어를 포함한 다양한 외국어 교육 활용이 가능하다.

▶ 콘텐츠 작성

사용자의 질문에 대한 단순 답변 수준을 넘어 영화 시나리오, 소설, 노래 가사, 제품 전단지, 광고 대본, 금융 보고서, 계약서, 제안서, 강의 커리큘럼 등 다양한 콘텐츠를 창의적인 형태로 제작할 수 있다.

□ ChatGPT 한계

▶ 기능성의 한계 : 신뢰성 이슈

ChatGPT는 사람과 대화한다는 착각을 불러일으킬 정도로 답변 성능이 우수하다. 하지만, ChatGPT 역시 미흡한 부분이 있으며, 의도치 않은 편향적인 결과를 도출할 가능성이 존재한다. 일단, ChatGPT는 2021년 이전의 데이터로만 학습하였기 때문에 2022년 이후 일어난 정보에 대해선 부정확한 답변을 낼 수 있다. 또한 강화학습을 적용한 결과 오히려 인간의 결함과 실수를 쉽게 모방할 우려가 있어 잘못된 결과를 도출할 가능성이 있다. 특히, 꽤 논리적으로 보이는 답변이 팩트 체크를 통해 잘못된 정보이거나 무의미한 내용인 경우도 있다.

▶ 서비스상의 한계 : 지속 가능한 수익 구조

ChatGPT는 초단기간에 타 서비스를 넘어서는 사용자를 모았지만, 이렇다고 할만한 수익 모델이 없다는 점이 한계로 지적된다. 최근 출시한 GPT-4의 경우 ‘ChatGPT Plus’ 구독 서비스를 통해 유료화를 진행하고 있지만 무료 기반의 GPT-3.5 사용자 대비 매우 적은 것이 현실이다. 이러므로 단기간의, 단순 기능의 확장에서 벗어나 지속가능성을 담보할 수 있는 킬러 서비스 개발이 필요한 상황이다.

□ 결론

ChatGPT를 대하는 우리의 자세

2023년 상반기 일반에 공식적으로 공개된 ChatGPT의 등장은 우리가 지식을 얻기 위해 드는 시간과 비용을 획기적으로 절감해줌으로써 지식의 정의를 바꿀 만큼 혁신적인 변화를 가져다주고 있으며, 이러한 기술의 발전은 향후 인간의 역할 변화까지 요구하게 될 수 있을 것이다. 하지만, 이와 동시에 결과의 신뢰성에 관한 질문을 던지고 있으며, 경제적 차이에 따른 기술 수준의 차별에 따른 정보의 부익부 빈익빈 현상이 사회적으로 커질 수 있다는 점도 우려된다. 기술은 양날의 검이라 할 수 있듯이 우리 스스로가 ChatGPT로 발현된 인공지능 기술을 편견 없이, 공정하게, 그리고 보편적으로 사용할 수 있을지 고민해 볼 필요가 있다. 올바른 기술의 발전과 사용만이 해당 기술의 가치를 인정할 수 있기 때문이다.

Leave a Comment

error: Content is protected !!