태그검색
찾고 싶은 것이 있나요?
IT트렌드에 대한 453개의 태그 검색결과가 있습니다.
- 블로그 루나 1호에서 ‘다누리’까지, 우주여행 시대가 성큼 다가왔다! 달 정복을 향한 인류의 염원에 한국이 도전장을 내밀었습니다. 한국이 발사한 첫 번째 달 궤도선 ‘다누리(KPLO-Korea Pathfinder Lunar Orbiter)’가 달 전이궤도 진입에 성공했는데요. 올 연말 예정대로 달 궤도에 도착한다면 한국은 세계에서 7번째로 독자 발사체(누리호)와 달 탐사선을 보유한 ‘세계 7대 우주강국’이 됩니다. 한국은 2030년 유인 달 착륙선 발사를 계획하고 있는데요. 4차 산업혁명은 언제쯤 달 여행시대를 열어줄까요? 또, 그때가 되면 다누리는 어떤 역할을 하게 될까요? 달라나 여행시대 언제 열릴까 우주 관광시대는 이미 시작됐습니다. 미국...
- 블로그 고객의 디지털 취향을 디자인하라! LG CNS DCX웨비나 2022 코로나19 팬데믹 이후 고객은 디지털 공간에서 자신만의 취향을 만들어가고 있습니다. 이러한 개인의 취향은 데이터로 고스란히 축적되고 있는데요. LG CNS DCX센터가 라이트브레인과 함께 개인의 취향을 존중하는 고객경험설계 노하우를 소개합니다. DCX 트렌드에 관심있는 분들의 많은 참여 부탁드립니다. 글 ㅣ LG CNS 홍보팀
- 블로그 [당첨자 발표]LG CNS 블로그 2022년 상반기 결산 BEST 콘텐츠 이벤트 LG CNS 블로그 2022년 상반기 결산 BEST 콘텐츠 이벤트가 많은 분들의 참여 속에 마무리됐습니다! 앞으로도 다양한 IT 트렌드 소식과 유익한 IT 솔루션을 소개할 예정이니, DX정보의 성지 LG CNS 블로그에 많은 관심과 방문 부탁드립니다. LG CNS 블로그 2022년 상반기 결산 BEST 콘텐츠 이벤트의 풍성한 경품을 가져갈 행운의 주인공은 과연 누구일까요? 아래 이미지에서 성함과 연락처 뒷자리를 확인해 주세요!(당첨자 분들께는 개별 연락드릴 예정입니다.) 스타벅스 카페 아메리카노 Tall 기프티콘 당첨자 (100명) *PC의 경우, Ctrl+F를 눌러...
- 블로그 [보안동향] ‘정보보호 공시’ 분석부터 작성까지 한 번에 끝내세요! 지난 글에서는 정보보호 공시 개요와 대응 업무 절차, 정보보호 공시 준비 자료를 살펴보았습니다. 이번 글에서는 정보보호 공시 자료 분석 및 작성에 관해 알아보겠습니다. 정보보호 공시 자료 분석 및 작성 정보보호 공시 투자 영역 집계는 자산 대장과 비용 원장을 기반으로 분석을 진행합니다. 아래는 분석과 관련된 한국인터넷진흥원(KISA)의 가이드와 공시 실무교육 자료를 요약한 내용입니다. 앞에서 언급한 기본적인 분류 기준 방안을 기반으로 아래 세부 항목별 작성을 진행해 보도록 하겠습니다. 자산 분류, 집계와 관련해 KISA...
- 블로그 빅테크 기업들이 모인다, 디지털로 진화하는 헬스케어 산업 디지털이 헬스케어에 접목되는 속도가 빨라지고 있습니다. 헬스케어에 대한 사전적 정의는 ‘훈련을 받고 면허가 있는 전문가가 신체적·정신적 건강을 회복시키는 노력’인데요. 그만큼 전통적인 헬스케어 시장은 의료진을 중심으로 환자를 치료하는 것에 중점을 뒀습니다. 하지만 오늘날 디지털이 접목된 스마트 헬스케어는 빅데이터를 토대로 미래 예측과 예방으로 그 무게 축을 옮기고 있습니다. 데이터가 헬스케어에 접목되면서 맞춤의학과 참여의학으로의 전환되고 있는 셈인데요. 이러한 변화로 인해 수많은 빅테크 기업들이 헬스케어 산업에 뛰어들고 있습니다. 약 먹는 시간까지 알려주는 헬스케어 서비스 글로벌...
- 블로그 음악 산업 혁신의 시작? 바로 웹3.0에서 시작! 암호화폐 시장이 침체기에 이르면서 블록체인 기술과 관련 산업도 어려움을 겪고 있습니다. 하지만 블록체인의 파괴적인 힘과 혁신에 대해서는 아직도 많은 이야기가 오가고 있는데요. 가상화폐 시장이 침체하는 일명 크립토 윈터(Crypto Winter)가 찾아오기는 했지만, 블록체인을 개발하는 기업들은 여전히 존재하며 많은 벤처캐피털의 자금이 가상화폐에 몰리고 있습니다. 금융과 게임을 비롯해 많은 산업에서 블록체인 활용을 시도하고 있는데요. 블록체인을 기반으로 한 웹3.0 시대에 대한 관심이 높아지면서, 중앙화 서비스와 플랫폼 같은 중개자를 제거하고 혁신을 만들기 위한 새로운 방법을...
- 블로그 [보안동향] 정보보호도 ESG! 어떻게 진행해야 할지 막막하다면? 지난 글에서는 정보보호 공시 배경과 정보보호 관련 ESG 동향에 관해 알아보았습니다. 이번 글에서는 정보보호 공시 개요와 함께 대응 업무 범위 및 수행 절차를 살펴보겠습니다. 정보보호 공시 배경 정보보호 공시는 아래의 의무 대상 기업이 정보보호 투자액, 인력, 정보보호 인증, 정보보호 활동을 공시하도록 규정하고 있습니다. 정보보호 공시 진행 시에 회계법인 또는 감리법인을 통해 정보보호 공시 사전 점검자료를 제출한 후 공시하는 경우에는 사후 검증 면제의 혜택이 제공됩니다. 사후 검증의 경우, 공시 후 제출 기업 중 20% 표본 기업을 대상으로 제출한 공시 내용에 대한 사후 점검을 수행합니다. 제출 기업의 정확한 공시 작성은 물론 제출된 공시 자료를 검증해 신뢰도를 높이고자 하는 검증 절차상의 단계입니다. 다수의 기업이 전문 회계 법인이나 감리 법인을 통해 정보보호 공시를 준비하는데요. 이는 보안 관련한 공시 작성 분야지만 회계, 인사의 인건비 회계 처리 등과 관련한 전문성이 필요하기 때문입니다. 또한, 고객 현업팀의 경우 수행 업무의 부담을 최소화하고 사후 검증에 대한 부담을 줄이고자 전문 회계법인, 감리법인을 통해 수행하고 있음을 알게 됐습니다. 정보보호 공시를 진행할 때 주의해야 하는 사항이 몇 가지 있습니다. 이 중 첫 번째가 정보보호 공시 시스템의 선정입니다. 아래의 표와 같이 기본은 과학기술정보통신부에서 운영하는 전자공시시스템(ISDS)에 공시하는 것이 원칙인데요. 특히 주의사항으로 한국거래소 상장공시시스템(KIND)에 자율 공시하는 경우, 예를 들어 정정 공시 처리 규정 등에 따라 공시 위반 제재를 받을 수 있습니다. 따라서 정보보호 ISDS를 통해 공시를 진행해야 합니다. 정보보호 공시 준비/대응 업무 범위 및 수행 절차 공시 대응과 준비를 위해서 제일 먼저 해야 하는 업무는 설명회를 기반으로 한 착수 회의의 진행입니다. 회계팀, 정보기술팀, 인사팀, 기타 유관 부서를 식별하고 관련 부서장과 실무자를 대상으로 한 설명회를 진행하는데요. 이를 통해 제도 및 필요한 자료 요청에 대한 설명, 진행 일정을 공유해 효율적으로 수행할 수 있습니다. 설명회 전에는 정보기술 전담 조직 식별 및 정보보호 조직의 식별을 선행해야 합니다. 이후 설명회 시에 인사팀을 통해 인원, 인건비와 관련한 자료 작성을 요청해야 합니다. 이때 아래 가이드와 같이 전담 조직의 경우, 조직 즉 상위 부서 또는 팀 단위 전체를 대상으로 요청하면 작업이 좀 더 쉽습니다. 정보보호 조직의 경우, 정보보호 업무를 전담으로 하는 인원을 대상으로 인원별 인건비 산정을 진행해야 합니다. 만약 보안 전담 부서는 아니지만, 정보보호 직무를 100% 전담하고 있는 인원이 있는 경우는 정보보호 부문 직무기술서를 작성하고 CEO 또는 CISO(Chief Information Security Officer)의 서명을 받아 증거자료를 준비하고, 인원수와 인건비 산정을 진행해야 합니다. 근무 인원수와 인건비 산정 시 월별로 대상 연도에 근무한 인원의 수와 해당 인원의 급여, 상여, 퇴직급여, 급여성 복리후생비의 합계를 급여 대장을 통해 비용 산정해야 합니다. 또한, 비용 원장 분석 시 인사팀을 통해 별도 산정을 진행하게 되면 비용원장에서 급여성 비용 계정을 제외해 중복으로 합산되지 않도록 진행해야 합니다. 정보보호 공시 준비 자료 요청 투자액 산정 시 사용되는 자산 대장과 비용원장 분석은 가장 많은 시간이 소요되는 작업입니다. 두 자료 모두 회계팀을 통해 입수하게 되는데요. 사전 설명회를 통해 원하는 데이터를 정확하게 받기 위해 템플릿과 샘플 양식(KISA 가이드 참조)을 기반으로 사전 요청을 진행해야 합니다. 자산 대장의 경우 자산 유형 중 정보기술이나 정보보호와 관련된 유형을 식별해서 요청할 수도 있지만, 누락 등이 발생할 수 있으므로 전체 자산대장을 입수해 분석하는 것을 권장합니다. 비용원장의 경우, 자산 대장보다는 정보기술/정보보호 비용이 회계기준에 따라 처리되는 계정이 비교적 명확합니다. 따라서 KISA에서 요구하는 주요 정보기술과 관련한 비용 계정을 중심으로 입수해 분석을 진행합니다. 외주 용역비 내역의 경우 비용원장상에서 수수료-외주용역 또는 수수료-전산 용역을 통해 정보기술의 비용 분류가 가능하지만, 대부분의 경우 정보보안관련 내역이 포함돼 있습니다. 따라서 용역과 관련 기안서 및 계약서를 확보해 관련 비용 중 정보보안 관련한 인원, 비용 금액을 별도로 확인해야 합니다. [출처 및 참고...
- 블로그 LG CNS, 물류로봇 구독 서비스 ‘RaaS’로 물류 고객DX혁신 경험 앞장 [찐텐 올라가는 DX기술시리즈] 스마트물류 3편 이커머스 시장이 급성장하면서 고객들의 주문에 효과적으로 대처할 수 있는 물류창고 시스템 구축과 다양한 물류로봇 도입이 대세로 떠올랐습니다. 실제 아마존, 구글, 알리바바, DHL 등 세계적인 글로벌 기업들이 로봇을 앞다퉈 도입하고 있는데요, 물류로봇에 AI(인공지능), 빅데이터, 클라우드 등 DX혁신 기술이 융복〮합되면서 대중화를 넘어 지능화 시대가 본격화했습니다. 최근에는 증가하는 온라인 수요를 획기적이고 효율적으로 관리하기 위한 ‘서비스로서의 로봇(Robot as a Service, RaaS)’이 업계의 주목을 받고 있는데요, RaaS는 IT업계의 ‘서비스로서의 소프트웨어(Software as a Service, SaaS)’에서 탄생한 용어입니다. 물류센터에서 사람을 대신할 로봇을 임대하거나 상품을 정확히 분류해주는 등 고객이 필요한 특정 기능을 서비스 개념으로 제공하는 구독 비즈니스 모델을 뜻합니다. LG CNS, 로봇 구독 서비스 모델 ‘RaaS’로 물류로봇 상용화 이끈다 국내에서는 스마트물류 시장을 선도하고 있는 DX전문기업 LG CNS의 활약이 단연 돋보이는데요. LG CNS는 올해 ‘물류로봇 구독 서비스(RaaS)’를 선보이며 고객들의 DX경험 혁신에 나서고 있습니다. LG CNS의 ‘RaaS’는 이커머스·유통·제조 기업들이 물류로봇을 구매할 때 지불해야 하는 수백억 원의 비용에 대한 페인 포인트(Pain Point)를 해결하는 과정에서 탄생했는데요. 지금까지 기업들은 로봇 구입 비용을 한 번에 지출해야 한다는 부담을 가지고 있었습니다. 이는 물류 로봇 도입의 큰 걸림돌로 작용했죠. 그뿐만 아니라, 기업들이 로봇을 대량 구입해 사용한 경우에도, 예상보다 기대만큼 성과가 나지 않는 경우가 있습니다. 이때 구입한 로봇을 취소하는 것은 사실상 어렵기에 비용적인 측면에서 손해가 생겨 기업들은 도입을 망설일 수도 있습니다. DX신기술 총집약체 LG CNS ‘RaaS’ … ‘비용·운영 문제’ 단번에 해결! 그러나, 이제 LG CNS의 ‘RaaS’를 사용하면 고객은 더 이상 값비싼 로봇을 구매하지 않아도 됩니다. 정해진 계약 기간 동안 월 단위 또는 연 단위의 구독료만 지불하면 로봇은 물론, 소프트웨어 관리 서비스까지 활용할 수 있습니다. 비용 경제성은 물론 운영 효율성이라는 두 마리 토끼를 모두 잡을 수 있게 된 것이죠. LG CNS가 RaaS로 제공하는 물류 자동화로봇에는 △상품 보관, 적재, 이동 모두 가능한 큐브 형태의 물류 자동화로봇 ‘오토스토어’ △AI로 상품의 특성을 파악해 정확하게 집어 나르는 ‘AI피킹로봇’ △고정된 경로에서 반복적으로 상품을 운반할 때 적합한 ‘무인운송로봇(AGV, Automated Guided Vehicle)’ 등 다양한 종류가 있습니다. 노르웨이 물류자동화 업체인 오토스토어는 전 세계 40개국,...
- 블로그 LG CNS 보안 공개 강의에 여러분을 초대합니다! LG CNS 보안사업담당에서 現 보안 회사 재직자와 정보보호학과 대학생을 대상으로 무료 보안 강연을 진행합니다! 이번 강연은 오는 21일 LG사이언스파크 ISC동에서 오프라인으로 진행되며, 참석 인원은 최대 40명 규모로 진행될 예정입니다. 이번 강연 주제로는 보안 취약점 점검, 보안 심사, 모의해킹 사례, BLACKHAT 2022 USA 참관후기 등 실무와 관련된 다양한 주제를 다룰 예정입니다. 보안 분야에 관심있는 분들의 많은 신청 부탁드립니다. 최종 참석자분들께는 자세한 내용에 대해 추후 개별 통보 드릴 예정입니다. 글 ㅣ LG...
- 블로그 소설부터 의상 디자인까지? 초거대 AI, 어디까지 가봤니? 초거대 AI는 무엇을 할 수 있을까요? 빅테크 기업들이 단순히 소설과 칼럼을 쓰기 위해 많은 금액을 투자해 초거대 AI를 구축하지는 않았을 겁니다. 처음에 기업들은 초거대 AI를 활용해 주로 연구를 진행했습니다. 하지만 지금기업은 연구 용도를 벗어나 하나둘 초거대 AI를 사업 모델에 적용하고 있습니다.자체 서비스를 고도화하거나 타 기업과 업무협약(MOU)을 체결해 다양한 산업의 경쟁력을 높이고 있습니다. GPT-3, 다양한 기업의 서비스에 변화 이끌다 초거대 AI의 가능성을 밝힌 모델은 오픈AI의 ‘GPT-3’입니다. 그만큼 활용 사례가 다양한데요. 기업들은 GPT-3로 고객 피드백을 분석하거나 검색 엔진과 챗봇 서비스를 고도화하고 있습니다. 지금까지 공개된 GPT-3 사용 사례 중 중요한 내용을 모아봤습니다. 아이어블, GPT-3로 고객 피드백 분석 고객 피드백을 분석해 고객사의 마케팅 전략을 지원하는 아이어블(Aiable)은 2021년 피드백을 분석하는 업무에 GPT-3를 적용했습니다. 고객이 남긴 앱 리뷰나 설문 조사, 문의 사항, 소셜 미디어, 통화 내용 등에서 얻은 텍스트 형식 피드백을 GPT-3를 사용해 분석하는데요. 여기서 분석한 자료를 다시 텍스트로 처리해 마케팅 전략에 필요한 점을 찾고 있습니다. 예를 들어 “고객이 우리 호텔에서 체크아웃할 때 무엇을 가장 불편해하지?”라고 질문하면 GPT-3를 탑재한 아이어블 플랫폼은 “고객들은 체크아웃하는 시간이 너무 오래 걸린다는 점에 답답함을 느낀다. 특히 체크아웃할 때 자신의 집 주소를 불필요하게 길게 기입하는 걸 안 좋아한다. 그리고 그들은 지금보다 더 다양한 지불 방식을 원한다”라고 대답합니다. 기업 마케터는 이 내용을 사업 전략에 활용할 수 있죠. 알골리아, 고급 검색 솔루션에 GPT-3 통합 검색 엔진 솔루션 기업 알골리아(Algolia)는 자체 개발한 고급 검색 기술에 GPT-3를 통합했습니다. 고객...
- 블로그 텍스트를 넘어 생체신호까지 학습한다!떠오르는 ‘멀티모달 AI’ 지난 글에서는 기계 언어를 바꾼 ‘초거대 AI’의 등장을 살펴봤습니다. 초거대 AI는 인간의 뇌 구조를 모방해 스스로 사고하고 학습하며 판단할 수 있는 AI인데요. LG AI연구원이 선보인 엑사원은 오픈AI의 GPT-3와 네이버가 출시한 하이퍼클로바, 카카오의 코지피티와는 다릅니다. GPT-3와 하이퍼클로바가 언어모델이라면, 엑사원은 멀티모달 AI죠. 언어뿐만 아니라 이미지도 학습하고 사고하고 판단할 수 있습니다. 최근 초거대 AI는 언어모델을 벗어나 엑사원처럼 ‘멀티모달’ 형태로 발전하고 있습니다. 멀티모달 AI란? 멀티모달 AI는 다양한 모달리티를 동시에 받아들이고 사고하는 AI 모델을 뜻합니다. 기존 초거대 AI가 주로 언어에 초점을 맞춘 언어 모델이었다면, 멀티모달 AI는 여기서 한발 더 나아갑니다. 언어모델이 사고할 수 있었던 텍스트 데이터 외에도 △이미지 △음성 △제스처 △시선 △표정 △생체신호 등 여러 입력 방식을 받아들이고 사고할 수 있죠. 이를 통해 인간과 AI가 더욱 자연스럽게 의사소통할 수 있게 합니다. GPT-3가 영국 가디언지에 칼럼을 쓸 수 있었던 것은 AI가 텍스트를 받아들이고 이를 사고할 수 있었기 때문입니다.멀티모달 AI는 텍스트뿐만 아니라 이미지, 동영상, 생체신호 등을 학습하고 사고할 수 있기 때문에 칼럼 작성 외에 다른 일도 할 수 있는데요. 다양한 이미지를 학습해 인테리어를 디자인할 수 있고, 사람의 대화를 바로 영상으로 만들어 보여줄 수도 있습니다. 이처럼 멀티모달 AI는 텍스트 기반으로 새로운 콘텐츠를 만들어냈던 초거대 AI가 이미지, 음성, 표정, 시선, 제스처 등 다양한 데이터를 토대로 새로운 결과물을 내놓는 방향으로 진화한 버전입니다. 초거대 멀티모달 AI의 시작을 알린 오픈AI의 ‘달리(DALL-E)’ GPT-3로 초거대 언어모델 AI 시대를 알린 오픈AI는 초거대 멀티모달 AI에도 성과를 냈습니다. 오픈AI는 2021년 1월 초거대 멀티 모달 AI인 ‘달리(DALL-E)’를 자사 블로그에 공개했습니다. 달리는 자율주행 로봇 이야기를 담은 2008년 애니메이션 영화 ‘WALL-E’와 초현실주의 화가 살바도르 달리(Salvador Dalí)를 합친 이름입니다. 오픈AI는 “달리가 NLP(Natural Language Processing, 자연어처리)와 이미지 인식 기술을 함께 사용해 전에 학습한 적이 없는 이미지를 새로 ‘창조’해낼 수 있다”고 밝혔습니다. GPT-3가 방대한 양의 언어 데이터를 학습한 후 다양한 방식으로 언어를 사용할 수 있었다면, 달리는 GPT-3가 학습한 텍스트와 더불어 같은 방식으로 이미지를 학습해 새로운 결과물을 냈습니다. 달리는 기존 이미지 생성 기술과 달리 각 이미지 데이터를 큐레이팅, 라벨링 하지 않습니다. 인터넷상에서 수집한 방대한 이미지와 이를 묘사한 캡션들을 학습해 결과물을 내죠. 이를 통해 경험한 적이 없는 이미지 대상도 학습 데이터를 조합해 새로 만들어낼 수 있습니다. 예를 들어 달리는 ‘개를 산책시키는 아기 무’란 이미지를 만들어낼 수 있습니다. 개를 산책시키는 무는 세상에 없죠. 따라서 이러한 이미지를 라벨링 할 수 없고 학습할 수도 없습니다. 하지만 달리는 이 이미지를 조합해 새로운 이미지를 창조해냈습니다. 오픈AI는 블로그를 통해 “달리는 이질적인 아이디어를 결합해 사물을 합성할 수 있는 능력을 갖추고 있다”며 “현실 세계에 존재하지 않는 것도 만들어낼 수 있다”고 밝혔습니다. ‘달리 2(DALL-E 2)’와 구글 ‘이매젠(Imagen)’의 등장 오픈AI는 올해 4월 달리에 이은 ‘달리 2(DALL-E...
- 블로그 나랑 ‘티키타카’ 할 수 있는 AI 비서? ‘초거대 AI’의 등장! 지금의 인공지능(AI) 기술이 아이언맨에 나오는 AI 비서 ‘자비스’처럼 인간과 자연스러운 대화를 하며 도움을 줄 수 있을까요? 우리에게 익숙한 챗봇처럼 정해진 답변만 제공하는 것이 아니라 우리의 대화를 이해해 자연스러운 대화가 가능한 AI 비서가 나올 수 있을까요? 이 질문에 대한 답은 ‘그렇다’ 입니다. 이미 이러한 기술은 속속 등장하고 있죠. 초거대 AI가 등장하면서입니다. AI 업계에 ‘거거익선(巨巨益善)’바람이 불고 있습니다. 최근 AI 빅테크 기업은 하이퍼스케일(Hyperscale)급 학습 모델을 갖추고 있는데요. 이는 ‘초거대 AI’혹은 ‘초대규모 AI’라고 불리는 AI 학습 모델입니다. 초거대 AI란? 초거대 AI는 스스로 사고하고 학습하며 판단할 수 있는 인간의 뇌 구조를 모방한 AI입니다. 대용량 연산이 가능한 컴퓨팅 인프라를 기반으로 대규모 데이터를 스스로 학습하고 사고하며 판단할 수 있습니다. 글을 쓴다고 가정해봅시다. 사람이 하나의 주제에 대한 글을 쓰기 위해선 관련 주제에 대한 데이터를 모으고 공부를 해야 합니다. 그리고 이러한 데이터를 토대로 내용을 구성하고 새로운 이야기를 만들어 글을 작성하죠. 초거대 AI도 비슷합니다. 수많은 데이터를 학습하고 여기서 학습한 데이터를 토대로 새로운 이야기를 만들어냅니다. 초거대 AI가 학습할 수 있는 데이터는 사람의 학습량을 훨씬 초월하기 때문에 사람보다 더 빠르고 다양한 내용을 다룰 수 있습니다. 초거대 AI에는 인간의 뇌에서 정보를 학습하고 기억하는 ‘시냅스’와 유사한 역할을 하는 존재가 있습니다. 인공신경망에 있는 ‘파라미터(Parameter, 매개변수)’인데요. 우리 뇌에 있는 시냅스는 많으면 많을수록 뇌가 처리할 수 있는 정보량이 많아지고 처리 속도도 빨라집니다. 뇌의 성능이 좋아지는 것이죠. AI도 마찬가지입니다. 이론상으로 AI는 파라미터가 많으면 많을수록 정교한 학습이 가능합니다. 일반적으로 초거대 AI는 기존 AI보다 최소 수백 배 많은 파라미터를 탑재하고 있습니다. 오픈AI가 개발한 ‘GPT-3’는 1,750억 개의 파라미터를 탑재하고 있죠. 네이버의 ‘하이퍼클로바’는 2,040억 개, LG AI 연구원의 ‘엑사원’은 약 3,000억 개의 파라미터를 보유하고 있습니다. 이처럼 파라미터를 많이 탑재한 초거대 AI는 기존 AI처럼 특정 역할에 국한되지 않고 스스로 생각하고 학습하며 판단할 수 있습니다. 그렇다면 초거대 AI는 왜 등장하게 됐을까요? AI의 최종 목표는 사람같이 생각하고 판단할 수 있는 모델을 만드는 것입니다. 사람의 뇌와 같은 역할을 할 수 있는 AI를 목표로 하죠. 이러한 AI가 만들어져야 사람의 개입 없이 완전 자율주행을 할 수 있는 자동차가 만들어질 수 있고 영화에서 나오는 AI 비서를 만들 수 있기 때문입니다. 하지만 지금까지 AI 개발 속도는 더딘 편이었습니다. 딥러닝 학습이 등장하면서 학습 속도가 대폭 개선됐지만, 여전히 사람의 뇌에는 한참 미치지 못했는데요. 이에 AI 개발자들은 학습 모델을 대폭 키우기 시작했습니다. 엄청난 양의 데이터를 소화할 수 있는 컴퓨팅 인프라를 갖춘 후 여기서 데이터를 학습해 나갔죠. 많은 양의 데이터를 학습한 AI는 특정 역할에만 한정됐던 기존 AI의 한계를 벗어났습니다. 학습한 데이터를 토대로 더 자연스러운 대화를 하기 시작했고, 사설과 소설도 작성할 수 있게 됐습니다. 이러한 학습모델의 가능성이 켜지면서 빅테크 기업들은 경쟁적으로 초거대 AI 모델을 갖추기 시작했습니다. 초거대 AI의 불을 지핀 GPT-3 초거대 AI가 처음 등장한 것은 2020년입니다. 일론 머스크 테슬라 최고경영자(CEO)가 설립하고 마이크로소프트 등 글로벌 기업이 투자한 미국 AI 연구기관인 오픈AI는 2020년 수많은 언어 데이터를 학습한 GPT-3를 선보였습니다. GPT-3는 1,750억 개의 파라미터를 탑재한 AI 모델입니다. 기존 GPT-2가 보유한 파라미터 15억개보다 117배 많은 양을 탑재했죠. GPT-3는 자연어를 번역할 수 있었고, 대화와 작문이 가능했습니다. 자연어를 토대로 사람과 소통할 수 있는 가능성을 연 것입니다. 이 모델은 GPT-2를...