AI 이후의 세상을 읽다
인공지능 기술의 현재와 미래를 탐구하며,
우리가 살아갈 다음 시대의 변화를 함께 읽어갑니다.
최근 중국은 기술 연구실에 머물던 인공지능을 일반 소비자가 구매하는 중국 AI 제품으로 빠르게 전환시키고 있다. 국내에서는 연구개발이나 시범 사업의 형태로 접하는 경우가 많은 AI 기능들이, 중국에서는 이미 10만 원대 하드웨어에 탑재되어 판매되는 사례를 어렵지 않게 찾아볼 수 있다. 결국 미래 AI 경쟁은 모델의 지능 순위가 아니라, 누가 더 저렴하고 빠르게 물리적 제품에 AI를 이식하느냐의 싸움으로 … 더 읽기
AI 추론(Inference)은 우리가 스마트폰이나 PC에서 사용하는 ChatGPT가 답을 만들어내는 핵심 과정이다. 사용자가 던진 질문 한 줄은 인터넷 선을 타고 수만 개의 AI 반도체가 얽혀 있는 거대 데이터센터로 전송되어 초고속 연산을 거친다. AI 서비스는 소프트웨어와 하드웨어가 결합된 산업이지만, 오늘날 경쟁력을 결정하는 핵심은 수만 개의 AI 반도체와 데이터센터 인프라다. ChatGPT는 내 PC에서 돌아가지 않는다 스마트폰 화면 속 … 더 읽기
화웨이 어센드(Huawei Ascend)는 일반 PC용 그래픽카드가 아니라 AI 서버에 장착되는 AI 반도체다.데이터센터에서 수백~수천 개를 연결해 ChatGPT 같은 AI를 학습하고 서비스를 제공하는 데 사용된다.즉, 우리가 AI에게 질문하면 뒤에서 답을 계산해 주는 ‘AI 전용 엔진’이라고 생각하면 된다. 화웨이 어센드는 단순한 AI 반도체가 아니라, 미국의 수출 규제에 맞서 중국이 구축한 독자적인 AI 생태계의 중심 축이다. 핵심 경쟁력은 단일 … 더 읽기
AI Token 비용 줄이는 방법은 생성형 AI를 업무에 활용하는 기업과 개발자라면 반드시 알아야 할 최적화 전략이다. ChatGPT나 Claude 같은 AI는 글자 수가 아니라 토큰(Token) 수를 기준으로 비용을 계산한다. 같은 의미라도 한글과 영어의 토큰 수는 크게 달라질 수 있으며, 프롬프트 구조를 조금만 개선해도 API 비용과 응답 속도를 함께 줄일 수 있다. 이러한 문제를 해결하기 위해 현업에서는 … 더 읽기
AI Token(토큰)은 생성형 AI가 문장을 이해하고 계산하는 최소 정보 단위다. ChatGPT나 Claude 같은 AI는 사람이 보는 글자를 그대로 읽는 것이 아니라 문장을 토큰(Token)으로 분해한 뒤 숫자와 벡터로 변환해 계산한다. 토큰을 이해하면 AI의 작동 원리와 API 비용, 컨텍스트 윈도우가 왜 토큰 기준으로 결정되는지 자연스럽게 이해할 수 있다. AI는 왜 Token(토큰)으로 문장을 이해할까? 사람은 어릴 때부터 언어를 … 더 읽기
챗GPT가 모든 것을 외우지 못한다는 한계에서 출발한 RAG 기술은 AI에게 실시간으로 책을 찾아주는 오픈북 시스템이다. 기존의 파인튜닝이 AI의 말투와 전문성을 훈련한다면, RAG는 최신 정보와 내부 문서를 실시간으로 공급하는 역할을 맡는다. 두 기술은 대립하는 것이 아니라 상호 보완하며 발전하고 있으며, 앞으로는 문서 검색을 넘어 인간의 행동과 감각을 검색하는 단계로 진화할 준비를 하고 있다. 챗GPT가 모든 것을 … 더 읽기
인공지능이 내뱉는 단어 한 조각에 숨겨진 물리적 비용 AI 전력 소비 비용은 생성형 AI 시대의 핵심 경쟁력이다. ChatGPT 같은 AI는 질문 한 줄에 답하기 위해 수천억 번의 행렬 연산을 수행하며 GPU와 데이터센터에서 막대한 전력을 사용한다. 토큰(Token) 생성 과정부터 FLOPs, 메모리 대역폭, 데이터센터의 냉각 시스템까지 AI가 답변 한 줄을 만드는 데 필요한 물리적 에너지의 원리를 살펴본다. … 더 읽기
대부분 사람들은 AI가 인터넷 어딘가에 떠다니는 소프트웨어라고 생각한다. 하지만 AI는 클라우드라는 추상적인 공간에 사는 것이 아니라, 현실 세계의 데이터센터에서 막대한 전기를 소비하며 살아가는 물리적인 존재다. AI는 왜 데이터센터를 필요로 하는가를 자세히 살펴보자. AI는 컴퓨터 안에 사는 것이 아니다 사람들은 AI가 인터넷 어딘가에 유령처럼 떠다닌다고 생각한다. 스마트폰 앱을 누르면 화면 위로 뚝딱 답변이 나타나기 때문이다. 하지만 … 더 읽기
AI 서비스를 만들 때 가장 먼저 해야 할 일은 어떤 Base Model을 선택할 것인지 결정하는 일이다. Base Model은 AI의 기초 체력을 결정하는 두뇌이며, 이후의 파인튜닝과 RAG, AI Agent의 성능까지 좌우하는 출발점이다. 같은 데이터를 학습시키더라도 어떤 Base Model을 선택했느냐에 따라 AI의 사고방식과 성능은 크게 달라진다. 결국 좋은 전문가 AI는 좋은 데이터뿐 아니라, 좋은 Base Model 선택에서부터 … 더 읽기
범용 인공지능을 특정 목적에 맞는 전문가로 만드는 파인튜닝(Fine-tuning)의 핵심 원리와 활용 전략을 살펴본다. 파운데이션 모델이 수능 만점자라면, 파인튜닝은 그 인재에게 새로운 직무를 가르치는 과정이다. 아무리 뛰어난 AI라도 나만의 업무 방식과 규정, 전문 지식은 처음부터 알지 못한다. 결국 내가 가진 지식과 경험을 학습시켜 원하는 분야의 전문가 AI로 성장시키는 것이 파인튜닝의 본질이다. 거대 모델(LLM)이 기업 업무를 모르는 … 더 읽기