MS가 선정한 2024년의 AI 트렌드는? TEN이 추가 선정한 AI 트렌드까지!

엔비디아, 마이크로소프트(MS) 같은 테크 기업들의 뉴스룸이나 블로그를 자주 들여다보시나요?🙂 국내외 테크 기업의 뉴스룸/블로그는 자사 소식을 전하는 기업 블로그 이상의 역할을 하고 있는데요. 업계 동향, 새로운 기술 정보, 전문 작가의 칼럼, 임직원들의 인터뷰까지 다양한 이야기를 만날 수 있습니다. 주식회사 텐도 TEN의 AI 피드로 여러분께 AI에 관련된 다양한 정보를 전하고 있어요.🤓

최근 글로벌 테크 기업의 아티클/콘텐츠 중 소개해 드리고 싶은 AI 이야기가 있습니다. 오픈AI를 업고 AI 산업과 클라우드 산업에서 엄청난 속도의 성장세를 보여주고 있는 MS의 뉴스룸(블로그) 아티클인데요.🙂 평소 MS의 뉴스룸(블로그)은 IT 각 분야에서 영향력을 보여주고 있는 기업 행보는 물론, 임직원들이 들려주는 노하우와 지식, 그리고 전문 작가들의 칼럼이 어우러져 전문 기술 잡지처럼 느껴지기도 합니다.🤔 오늘 AI 이야기를 전해드리기 전에, 종종 들러 보시라 추천해 드리고 싶네요.

MS에서는 이번에 '2024년에 주목해야 할 3가지 AI 트렌드'를 주제로 한 글을 게재했는데요. 2023년부터 나타난 AI 산업 동향에 전문 기술 작가의 인사이트가 더해져 있습니다. 3가지 트렌드를 선정한 작가인 ‘바네사 호’는 ChatGPT를 예로 들어, 2023년 강렬한 인상을 남긴 생성 AI처럼 2024년에도 AI의 약진이 두드러지는 한 해가 될 것으로 전망했는데요. 구체적으로 어떤 트렌드들이 2024년 AI 산업 동향을 가득 채우게 된다는 것인지,🤔 화제가 된 MS 블로그의 글을 에디터 SA가 정리해 봤습니다. 인프라 전문기업 텐에서만 가능한 AI 트렌드 전망😎도 함께 전해 드릴게요!

 

 

 

[ 온디바이스AI가 메가트렌드라면 sLM도 함께 뜬다! ]

작년 AI 산업에서 LLM이 메가트렌드로 급부상함에 따라 함께 조명된 이슈가 있습니다. 바로 ‘리소스’입니다. AI 개발, 학습, 서비스 배포에 이르기까지 인프라가 차지하는 비중이 상당하기에, AI 모델이 거대해질수록 인프라가 가져오는 비용 부담도 함께 커졌습니다.😲 이 문제를 해결하기 위해서 AI Pub 같은 인프라 전용 MLOps 솔루션을 사용하기도 하지만, 모델의 경량화를 시도하는 움직임도 있었어요. 그리하여 작년 연말, 우리는 sLM (소형언어모델)이라는 새로운 AI 모델 유형을 접할 수 있게 되었습니다.

 

sLM이 꼭 인프라로 인한 비용 부담을 줄이기 위해 탄생한 것은 아닙니다. 삼성, 마이크로소프트 등 다수의 기업이 AI를 탑재한 기기 출시를 준비하고 있었거든요.🤓 2024년이 되면서, AI가 단순히 ‘탑재’되는 수준을 넘어 기기의 주요 기능을 장악할 만큼 비중이 커지게 됨에 따라, 우리는 ‘온디바이스 AI’라는 이름으로 출시되는 휴대폰, PC 등을 보게 되었고, 또 앞으로 보게 될 예정입니다. AI의 일상화를 앞당길 이 온디바이스 AI에는 오프라인 상태에서도 실행할 수 있는 작은 언어모델이 필요한데요. sLM이 크기, 비용 측면에서 경제적으로 딱 적합한 AI 모델이라 할 수 있습니다.🤓

마이크로소프트의 블로그에서는 직접 개발한 sLM인 파이'와 '오르카'를 소개한 적도 있는데요. 특히 지난해 12월 공개한 '파이-2'는 온디바이스용 AI로 27억 매개변수로 강력한 성능을 자랑합니다. 온디바이스AI의 확산은 사실 2024년 한정 트렌드가 될 것이라 보기는 어렵고, AI가 일상에 완전히 녹아들기까지 아주 긴 수명을 가진 새로운 메가트렌드가 될 텐데요.🤔 이에 따라 파이-2처럼 성능까지 LLM급으로 강화된 sLM이 앞으로 줄이어 공개될 것으로 보입니다.

 

 

 

[ LMM이 AI 산업의 판도를 완전히 뒤집을 거라고요? ]

2023년부터 AI 피드에서 LLM만큼이나 지속해서 언급된 AI 모델이 있습니다. 바로 LMM(대형멀티모달모델)입니다. LMM은 텍스트 중심에서 한발 더 나아가 이미지, 오디오 및 비디오와 같은 데이터를 이해할 수 있는데요. 텍스트를 포함한 다양한 콘텐츠로 인풋도, 아웃풋도 모두 할 수 있다는 점에서 많은 주목을 받았습니다. 다양한 유형의 데이터를 이해한다면 LLM의 성능은 더욱 높아지고, 사용자도 편하게 사용할 수 있으니까요.🤓 AI에 대한 접근성 문제도 해소되고요.🙂 자세한 이야기는 AI 피드의 LMM 관련 AI 뉴스룸 콘텐츠에서 확인해 보세요!

👉 이미지까지 학습한 막강한 존재, LMM이 온다!
👉 LMM이 무엇인지 궁금하다면, 고개를 들어 제미나이 1.0을 보라!

LMM이 막 공개되고, 주목받기 시작하던 작년 하반기의 흐름은 쭉 계속될 것으로 보입니다. 요즘 유튜브 쇼츠 중에 AI에 이미지를 만들게 하거나, 레퍼런스 이미지를 조합하여 생각지 못한 제3의 이미지를 만들게 하는 영상들이 유행하고 있는데요.🙂 이런 재미 요소와 결합해서 LMM은 어쩌면 LLM보다 더 빠르고 친근하게 우리의 일상에 스며들 것으로 보입니다. LMM을 강화한 새로운 개념의 AI 모델이 공개되지 않는다면, LMM은 2024년 AI 산업의 트렌드로 확실하게 자리매김할 것 같네요.

 

 

 

[ AI로 다양한 가치를 생성한다, AI 융합 기술 ]

2024년은 AI의 일상화가 한 발 더 가까워질 해라는 것이 다수의 전망이었습니다. 온디바이스AI가 그중 하나의 사례로 자주 언급되곤 했는데요. 그 외에도 사회 문제, 공익적 차원에서의 AI 도입 속도도 더 빨라질 것으로 보입니다.🤔 기상 예측이나 에너지 효율 관리와 같은 대규모 데이터를 관리하는 분야에서는 이미 AI를 도입한 경우도 있는데요. 이처럼 AI는 기후변화나 에너지 위기, 질병, 식량 등과 같은 글로벌 문제를 해결하는 데에도 활용되고 있습니다.

그 과정에서 AI가 다른 과학 기술과 융합되어, 일명 ‘AI 융합 기술’이라 불리는 방식으로 변화 또는 진화하고 있어요. 2024년의 AI는 이 ‘융합 기술’의 측면에서도 트렌드 규모의 움직임을 드러낼 것이라는 전망입니다.🤓

MS의 아티클에서 짚은 AI 융합기술의 예시는 단백질 생성 AI, 무기물 생성 AI 등 신물질 개발과 관련된 것인데요. 이미 생명과학 분야에서는 항암 치료를 위한 세계 최대의 이미지 기반 AI 모델을 개발해 신약 연구에 활용하고 있습니다. 시간, 인력 등 효율성 측면에서 확실한 성과가 있다고 하고요.😲 MS에서 올해 1월, '화합물 생성 AI'로 리튬 배터리 대체 물질을 발견했다고 발표했었는데, 이 역시 에너지 개발 측면으로 융합 및 특화된 AI의 효능을 확인하는 사례라 하겠습니다. 앞으로 이렇게 각 분야와 융합하여 특화된, 그 분야에 맞는 AI 기술들이 종종 공개될 것 같네요.🤔

 

 

 

[ AI 인프라, 무엇이든 물어보세요! ]

AI 산업이 확장되고 LLM, LMM과 같은 대형 AI 모델들이 줄지어 발표됨에 따라, 생각지도 못한 문제가 조명되었습니다. 바로 AI를 개발하고, 학습해서 서비스에 얹어 배포하는 과정에서 발생하는 인프라의 구축 및 유지 비용 문제였어요. 어떤 산업이든 비용이 발생하는 것은 당연한 일이지만, 예측한 수준을 넘어, 예측이 불가능한 지점까지 구축 및 유지 비용이 천정부지로 솟는 케이스도 있다는 것이 문제였습니다.🤔

그래서 인프라의 성능과 더불어 효율까지 챙길 방안에 대해 다양한 시도가 이어져 왔는데요. AI Pub도 그 방안 중 하나입니다. AI 개발과 학습에는 그것에 맞게, AI 서비스 배포 후 운영에는 또 그것에 맞게 인프라를 효율적으로 운용할 수 있도록 해주거든요.🤓 자체 기술력이 적용되어 있고 웹 UI를 기반으로 하고 있어서 사용성과 안정성도 모두 챙긴 인프라 전용 MLOps 솔루션입니다.😉

물론 AI Pub과 같은 솔루션으로 인프라 구축 후 활용에서 효율성을 꾀할 수는 있습니다. 하지만, 아예 AI 모델 개발이나 서비스 개발을 처음 시작하는 입장이라면 어떨까요?🤔 직접 하드웨어를 구매하거나 클라우드 서비스를 이용하는 방식으로, AI를 개발 또는 도입하기 위한 인프라를 구축해야 할 거예요.

 

그러나 AI가 산업의 생태계를 형성한 지 그리 오랜 시간이 지나지 않았기에, 이 인프라를 구축하는 데 대한 일명 ‘국룰’은 정해져 있지 않습니다.😵‍💫 예를 들어, 우리가 조립형 PC를 맞출 때 용도에 맞춰 각각의 부품 사양을 조절할 수 있는 것은 각 부품의 사양과 부품들이 하나의 PC 안에 탑재되었을 때의 성능을 우리가 수치로 측정하고, 우리의 용도에 맞는 규모인지 알 수 있기 때문인데요. AI 인프라에 관해서는 그런 기준이나 참고 사항이 아직 없는 것이지요. AI가 워낙 많은 리소스를 필요로 하기도 하고, 기업들이 AI를 활용하는 방식도 각기 다르기 때문입니다.

비용에 대한 부담은 상대적이라, 인프라 효율 문제는 AI 모델의 크기와 상관이 없다고 보아야 하는데요. 그래서 기존에 출시된 AI 모델, 서비스를 포함하여 앞으로 출시될 AI 모델, 서비스까지 인프라 효율성이 중요한 과제라고 할 수 있습니다.🤔 그래서 인프라 구축 과정에서 참고 자료를 제공하고, 구축에 대한 가이드라인을 줄 수 있는 서비스가 등장하게 되었습니다.

 

예를 들어, TEN이 지난 11월 공개한 AI 인프라 컨설팅 서비스 ‘RA:X’가 있습니다. RA:X(랙스)는 TEN의 레퍼런스 아키텍쳐(Reference Architecture)에서 고객의 목적, 용도, 사용 범위 등 다양한 사업적 요소를 고려해 AI 개발 또는 서비스 운영 케이스를 만들어 시뮬레이션하고, 그 수치를 참고 자료로 제공합니다. 참고 자료를 기반으로 어느 정도의 하드웨어를 구매해서 인프라를 구축하면 될지도 제안받을 수 있습니다.

우리가 AI 개발에서 흔히 떠올리는 GPU 외에도 케이블처럼 인프라 구축 시 꼭 필요하지만, 바로 떠오르지는 않는 요소들까지 통합 제안을 받을 수 있습니다. 그 때문에 컨설팅 비용이 발생하더라도, 구축 비용을 절약할 수 있다는 점에서 충분히 합리적인 선택이 될 수가 있습니다. 구축한 인프라는 짧게 쓰고 교체하는 것들이 아닌 데다, 일단…비싸잖아요.🤑

유지비 또한 만만치 않게 드는 것이 AI 인프라인 만큼 구축에서 많은 신경을 기울여야 하는데요. 많은 돈을 들여 주문한 고가의 하드웨어들을 막상 활용하려 하니, 누구도 쓰지 않고 낭비되는 유휴 리소스가 항상 생긴다거나, 때로는 리소스가 부족한 경우도 있을 수 있겠고요.🤔 이런 상황들을 구축 단계부터 테스트를 동반한 참고 자료로 예방할 수 있다면, RA:X(랙스) 같은 컨설팅 서비스도 합리적인 선택지가 될 수 있습니다.😉

 

 

 

마이크로소프트 블로그에서 전망한 내용 그리고 텐의 의견까지 덧붙여 2024년 AI 트렌드를 정리해 보았습니다.🤓 AI가 일상으로 스며들면서, AI의 크기, 용도, 그리고 인프라에 이르기까지 여러 방면에서 효율성을 중시하는 움직임이 대세가 되지 않을까 생각되네요. 이러한 트렌드를 미리 참고한다면, 우리가 늘 직면하는 비용 문제나, 새로운 기회를 창출하는 문제에서 새로운 인사이트를 얻을 수 있지 않을까요?🤔

참! 마이크로소프트의 뉴스룸(블로그)을 함께 소개해 둘게요! 에디터 SA가 정리해 드렸지만, 직접 가서 읽어보시는 것도 원문의 의견을 참고하실 수 있어 좋을 것 같습니다.

👉 3 big AI trends to watch in 2024

그럼, 다음에도 흥미로운 AI 소식들을 준비한 TEN의 AI 피드에서 만나요!