최근 AI 기술의 발전이 빠르게 진행되며, 연구자들만의 전유물이던 초거대 AI 모델이 이제 일반 소비자에게도 폭넓게 다가오고 있습니다. AI 기반 대화형 서비스부터 영상 생성까지, AI가 우리 일상에 스며드는 모습이 뚜렷합니다. 기업들은 이러한 AI 서비스를 더욱 효율적이고 안정적으로 제공하기 위해 다양한 방안과 규제를 도입하며 변화하는 시장 트렌드에 빠르게 적응하고 있습니다. 이번 글에서는 Hugging Face의 오픈소스 대안, 모바일 영상 생성 AI, AI 칩 전략, 그리고 새로운 메커니즘 등 최신 AI 이슈를 상세히 다룰 예정입니다.
소비자를 위한 오픈소스 AI, Hugging Chat
- Hugging Face는 최근 ChatGPT의 오픈소스 대안인 Hugging Chat을 공개하며 소비자 친화적인 AI 서비스를 선보였습니다.
- 이 서비스는 Open Assistant 프로젝트와 유사하게 개발되었으며, 로그인 절차 없이 누구나 쉽게 사용할 수 있습니다.
- Hugging Chat은 LLaMA 30B AI 모델을 기반으로 작동하며, 이메일 작성, 작사, 코드 작성 등 다양한 기능을 지원합니다.
- 일반적으로 Open Assistant와 같은 플랫폼은 기술적인 지식이 필요하지만, Hugging Chat은 사용 편의성을 우선으로 설계되었습니다.
- 사용자 경험 측면에서 Hugging Chat은 대화형 AI 도구의 진입 장벽을 줄이는 데 성공했으며, 이는 일반 소비자들에게 AI의 가능성을 확장하는 데 중요한 역할을 하고 있습니다.
- 비유하자면, 기존의 개발자만 사용 가능하던 복잡한 AI 도구가 이제는 누구나 접근 가능한 스마트폰 앱으로 변화한 셈입니다.
모바일에서 영상 생성 AI를 경험하다
- 생성형 AI 스타트업 Runway는 Gen-1 모델을 활용해 기존 영상에 새로운 스타일을 적용할 수 있는 모바일 앱 RunwayML을 출시했습니다.
- 이 앱은 텍스트나 이미지 입력을 통해 영상을 변환하며, 단순 필터를 넘어 전혀 새로운 결과물을 생성합니다.
- 예를 들어 휴가 사진을 기반으로 영화 예고편 같은 영상을 만들어낼 수 있습니다. 이처럼 사용자가 창의성을 발휘할 수 있는 도구로 자리 잡고 있습니다.
- 현재 생성된 영상의 퀄리티는 다소 기괴할 수 있지만, 초기 단계에서 모바일 환경에 도전한 점이 주목받고 있습니다.
- 핸드폰에서 영상 생성 AI를 사용할 수 있게 되면서, 소비자들이 AI 기술의 잠재력을 쉽게 경험하는 계기가 되었습니다.
- 예를 들어, 아마추어 유튜버가 RunwayML을 통해 간단한 영상 효과를 구현하는 사례는 이 기술의 실용성을 잘 보여줍니다.
AI 칩 개발로 비용 효율성을 추구하는 기업들
- 빅테크 기업들은 AI 학습 및 추론 비용을 줄이기 위해 자체 칩 개발 전략을 펼치고 있습니다.
- 마이크로소프트는 자체 AI 칩 '아테네'를 개발 중이며, 구글은 AI 칩 팀을 클라우드 부서로 이동했습니다.
- 특히, 메타는 MS 출신 임원을 영입해 AR 글래스와 같은 하드웨어에 활용될 칩 개발을 가속화하고 있습니다.
- 이러한 움직임은 단순히 비용 절감 차원을 넘어, 타사 칩 의존에서 벗어나 자율성과 효율성을 확보하는 데 중점을 둡니다.
- 비유하자면, 빅테크 기업들이 자체적인 에너지원 발전소를 건설해 전력 비용을 줄이려는 노력과도 유사합니다.
- 이 과정은 단순한 경제적 이익뿐만 아니라, 기술적 주도권 확보와도 연결되며 앞으로 AI 업계에서 중요한 흐름이 될 것입니다.
AI 모델의 새로운 메커니즘, RMT
- RMT(Recurrent Memory Transformer)는 기존 Transformer 아키텍처의 한계를 극복하기 위해 제안된 메커니즘입니다.
- RMT는 토큰 저장 능력을 대폭 확장해, GPT-4보다 훨씬 많은 데이터를 처리할 수 있습니다.
- 예를 들어, RMT를 BERT 모델에 적용하면 200만 개 이상의 토큰을 기억할 수 있어 GPT-4의 약 6배에 달합니다.
- 하지만 현재로서는 답변 품질 저하와 시간 소요 문제라는 단점이 있습니다.
- 이는 마치 한꺼번에 많은 짐을 실을 수 있는 대형 트럭이지만, 아직 속도가 느린 상태를 연상케 합니다.
- 앞으로 RMT와 같은 기술이 AI 모델의 성능을 더욱 효율적으로 향상시킬 가능성을 열어줄 것으로 기대되고 있습니다.
