검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'AI 에디터'통합검색 결과 입니다. (569건)

태그
기간
- 3개월
- 1년
- 1년 이전

재검색

군사 분야로 확대된 AI…벌써부터 걱정되는 이유

카이스트 연구진이 발표한 논문에 따르면, 연합학습(Federated Learning) 기반의 군사용 대규모 언어모델(LLM)이 새로운 보안 위험에 직면해 있다. (☞ 논문 바로가기) 의료·금융 분야에서 검증된 연합학습, 이제는 군사 분야로 확대 최근 인텔 가우디(Intel Gaudi)와 같은 전문 AI 하드웨어의 발전으로 국방 분야의 AI 활용이 가속화되고 있다. 미국 국방부는 이미 학계, 산업계, 동맹국들과 협력하여 데이터 관리와 책임있는 AI 개발을 위한 연합학습 도입을 적극 추진하고 있다. 연합학습은 실시간으로 변화하는 위협과 전장 상황에 AI 모델을 신속하게 적응시킬 수 있으며, 원시 데이터 대신 모델 업데이트만을 교환하여 통신 효율성도 높일 수 있다. 군사 LLM 4대 보안 위협: 기밀유출부터 허위정보까지 연구진이 밝혀낸 네 가지 주요 취약점은 각각 독특한 공격 방식을 가지고 있다. 기밀 데이터 유출 공격의 경우, 공격자는 전문가 검증을 통해 추출된 정보의 정확성을 확인하고 불필요한 데이터를 걸러내어 효과적으로 기밀을 수집한다. 무임승차 공격은 연합 모델의 전반적인 품질을 저하시키고 동맹국 간 신뢰를 약화시킨다. 시스템 교란 공격자는 집계된 모델과 개별 튜닝된 버전을 비교하며 가장 효과적인 오류 주입 방법을 찾아낸다. 허위정보 유포의 경우, 공격자는 지역 데이터셋과 결합된 모델 가중치를 모두 수정하여 이중 경로로 허위정보를 전파한다. 인간-AI 협력 방어체계: 실시간 워게임 시뮬레이션과 자동 교정 방어 체계의 핵심은 레드팀-블루팀 워게이밍이다. 레드팀 LLM이 인식된 취약점을 공격하면, 블루팀 LLM이 실시간으로 적응형 대응책을 개발한다. 이 과정에서 군사 도메인 전문가들이 전술과 결과를 검증하여 방어 대책이 실제 시나리오에 부합하는지 확인한다. 충분한 방어 능력이 확인되면 품질보증 단계로 넘어가는데, 여기서 QA LLM이 배포된 모델의 이상이나 공격 시도를 지속적으로 감시한다. 다층적 정책 검증: AI와 전문가의 단계별 승인 체계 정책 프레임워크는 세 단계의 검증을 거친다. 먼저 정책 전문가들이 각 제안을 기존 방위 기준과 임무별 요구사항에 비추어 평가한다. 이어서 AI 기반 위험 모델이 새로 도입된 수정안이 보안을 약화시키거나 운영상 병목을 만들지 않는지 재분석한다. 마지막으로 도메인 전문가들이 전략적, 전술적 타당성을 검증하여 진행 중인 임무나 정당한 정보 교환을 저해하지 않는지 확인한다. 암호 기술과 국제 표준화: 차세대 보안 강화 방안 연구진은 미래 보안 강화를 위한 구체적 방안도 제시했다. 제로지식 증명으로 데이터 주권을 보호하고, 차분 프라이버시로 개인정보를 보호하며, 준동형 암호화로 암호화된 상태에서 데이터 처리가 가능하도록 한다. 또한 블록체인 기반 감사로 추적성을 확보하고, 고도화된 이상 탐지 알고리즘으로 시스템 무결성을 강화할 것을 제안했다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.04 14:17AI 에디터

의료 AI 진단 정확도 9.64% 높인 새 학습법…비결은?

의사처럼 단계적으로 배워야…기존 의료 AI의 한계 지적 워싱턴대학교와 노스캐롤라이나대학교 연구진의 논문에 따르면, 현재의 의료 AI 시스템들은 실제 임상 현장에서의 추론 과정을 제대로 반영하지 못하고 있다. 이는 대부분의 의료 AI가 정적인 텍스트와 단순 질의응답 작업으로만 훈련되고 평가되기 때문이다. 실제 임상 현장에서는 환자 병력 검토부터 임상 소견 분석, 검사 결과 해석을 거쳐 종합적인 진단 결론에 이르는 체계적인 진단 조사가 필수적이다. 의사는 현재 증상에 대한 추가 질문이나 검사 필요성을 판단하는 반복적인 과정을 거치는데, 현재의 단순 선택형 문제 형식으로는 이러한 실제 진료 과정의 복잡성을 담아내지 못하고 있다는 것이 핵심적인 문제로 지적됐다. (☞ 논문 바로가기) 대화형 학습으로 LLaMA 3.2 모델 정확도 21.4% 향상 연구팀이 개발한 새로운 벤치마크 '머디 메이즈(Muddy Maze)'는 실제 의료 현장의 진단 과정을 정교하게 모사했다. 이 방식으로 학습된 LLaMA 3.2 모델은 일회성 평가에서 단일 정확도가 21.4%, 다중 정확도는 8.25% 향상됐다. 특히 Qwen 2.5 모델은 기본 난이도 태스크에서 다중 라운드 추론 시 9.64%의 단일 정확도 향상과 4.37%의 다중 정확도 향상을 보여줬다. 진단은 단계적 과정…3단계 난이도의 실전형 평가 시스템 전체 벤치마크의 45%를 차지하는 도전 과제와 35.4%를 차지하는 고급 과제, 19.6%를 차지하는 기본 과제로 구성된 3단계 난이도 시스템을 도입했다. 기본 단계는 MedQA Step 1 문제를 바탕으로 하며, 고급 단계는 MedQA Step 2와 3, MedBullets 문제들을 포함한다. 가장 높은 단계인 도전 과제는 JAMA Challenge의 실제 임상 사례들을 활용해 현실 의료 환경의 복잡성을 반영했다. 엔트로피 감소 이론으로 입증한 대화형 학습의 우수성 연구진은 대화형 학습의 효과를 엔트로피 감소 관점에서 분석했다. 의사가 환자와의 대화를 통해 점진적으로 불확실성을 줄여나가는 것처럼, AI도 대화를 통해 진단의 불확실성(엔트로피)을 단계적으로 감소시킨다는 것을 수학적으로 입증했다. 이는 조건부 상호 정보량 I(D; enew|Et)가 항상 비음수라는 사실을 통해 확인됐다. 잡음 환경에서도 강건한 성능 유지하는 대화형 모델 실제 의료 환경의 다양한 노이즈 상황에서도 대화형 학습 모델은 우수한 성능을 보였다. LLaMA 3.2-3B 모델은 노이즈 레벨 0과 1에서 각각 2.82%와 6.18%의 성능 향상을 보였으며, Qwen 2.5 모델은 노이즈 레벨 1에서 2.53%, 레벨 5에서도 2.28%의 향상된 성능을 유지했다. 의료 AI의 실용화를 위한 과제와 전망 연구진은 이번 연구의 한계점으로 대화 생성 과정에서 발생할 수 있는 AI의 환각 현상과 의사소통 스타일의 다양성 반영 문제를 지적했다. 향후 더 광범위한 의료 분야로의 확장과 함께 이러한 한계점들을 보완하는 연구를 진행할 예정이다. 특히 환자 개인정보 보호와 의료 데이터 보안 규정 준수에 대한 엄격한 기준도 마련할 계획이다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.03 21:52AI 에디터

부모와 함께하는 시간 늘리고 정서발달까지... AI로 아이들 정서교육 돕는다

MIT 미디어랩과 애플이 공동 발표한 연구에 따르면, 5-8세 아동들은 하루 평균 3시간을 기기를 통한 미디어 소비에 사용하며, 대부분의 시간을 영상 시청에 할애하고 있다. 부모들은 자녀의 미디어 소비가 학습과 감정적 필요에 도움이 되기를 바라지만, 실제로는 시간과 관심의 부족으로 자녀와 함께하는 미디어 시청이 어려운 실정이다. 이러한 현실에서 연구진은 아동의 독립적인 영상 시청을 사회정서학습(SEL)으로 연결하는 'eaSEL' 시스템을 개발했다. 이 시스템은 대규모 언어모델(LLM)을 활용해 영상 속 사회정서적 순간을 감지하고, 아동을 위한 성찰 활동을 생성하며, 부모와 자녀 간의 대화를 촉진하는 기능을 제공한다. (☞ 논문 바로가기) 연구팀은 eaSEL 시스템에 자기인식, 자기관리, 사회적 인식, 관계 기술, 책임있는 의사결정 등 5가지 핵심 역량을 포함시켰다. 아동들은 영상 시청 후 그리기, 이야기 만들기, 개인 경험 공유, 역할극 등 다양한 활동에 참여할 수 있다. 시스템은 위스퍼(Whisper)를 사용해 영상을 전사하고, GPT-4 ChatCompletion API를 통해 SEL 감지와 활동 생성을 수행한다. 특히 부모 인터페이스는 영상 요약, SEL 주제 개요, 자녀의 활동 결과물을 제공하여 부모-자녀 간 의미 있는 대화를 유도한다. 기술 평가에서 GPT-4는 대부분의 사회정서적 기술을 70% 이상의 정확도로 감지했다. '다양성 존중하기'(97.67%)와 '정확한 자기인식'(93.02%) 영역에서 특히 높은 성능을 보였다. 다만 '사회적 기술 시연하기' 영역에서는 41.86%의 상대적으로 낮은 성능을 보여, 사회적 추론 과제에서 한계를 드러냈다. 생성된 아동 활동의 경우, 90% 이상이 SEL 기술과 관련성이 높았으며, 99%가 성찰을 촉진하는 것으로 평가되었다. 하지만 5-8세 아동에게 적합한 언어 사용 측면에서는 개선이 필요한 것으로 나타났다. 20쌍의 부모-자녀 대상 실험에서 eaSEL 활동을 수행한 아동들은 일반 시청(M = 0.040)에 비해 감정 관련 단어 사용이 58% 증가했다(M = 0.058). 한 아동은 "친절하다"와 "안아주다"와 같은 감정 단어를 사용하며 "친구들에게 친절하게 대하는 것이었고, 그들은 서로 안아주고 이제 소녀가 되었어요"라고 이야기를 다시 들려주었다. 부모 인터페이스는 영상 요약, SEL 주제 개요, 자녀의 활동 결과물과 함께 대화 시작점을 제공한다. 인터뷰에서 한 부모는 "우리는 목적 없이 많은 쇼를 보는데, 이 도구는 건설적이고 목적이 있는 것 같다"고 평가했다. 특히 부모들은 자녀의 창작물을 통해 사회정서적 요구를 파악할 수 있다는 점을 긍정적으로 보았으며, 자신들의 SEL 지식도 향상되어 자녀와의 대화가 더욱 풍부해졌다고 응답했다. 연구진은 콘텐츠 안전성, 연령 적합성, 문화적 다양성 반영에서 개선이 필요하다고 지적했다. 특히 아동 중심의 언어 모델 개발이 시급하며, 부적절한 콘텐츠를 필터링하는 시스템도 강화해야 한다고 강조했다. 또한 독립적 사용 맥락에서 부모의 콘텐츠 중재 기능을 어떻게 통합할 것인지도 향후 연구 과제로 제시했다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.03 21:47AI 에디터

"딥시크 개발비 82억은 과장…총 비용은 50배 이상"

세미애널리시스(SemiAnalysis)가 지난달 31일 보도한 내용에 따르면, 딥시크의 V3 모델 학습 비용이 600만 달러(약 78억원)로 알려졌으나, 이는 단순 사전학습 비용일 뿐이다. R&D, 하드웨어 총소유비용(TCO) 등을 포함한 실제 비용은 이보다 훨씬 높을 것으로 확인된다. 현재 중국 AI 기업 딥시크는 저비용 고성능 AI 모델로 세계 AI 시장의 판도를 바꾸고 있다. 저렴한 개발 비용이 화재가 되면서, 딥시크는 현재 클로드(Claude), 퍼플렉시티(Perplexity), 제미나이(Gemini)보다 더 높은 일일 트래픽을 기록하고 있다. 이는 단순한 신생 기업의 성공을 넘어 AI 업계 전반에 큰 파장을 일으키고 있다고 해석된다. 딥시크는 약 5만대의 호퍼(Hopper) GPU를 보유하고 있다. 이 중 H100 1만대와 H800 1만대를 포함하고 있으며, 중국 전용 모델인 H20도 다수 주문한 상태다. 서버 설비 투자 비용은 약 16억 달러(약 2조원), 운영 비용은 9억 4천만 달러(약 1조 2천억원)에 달한다. 또한,딥시크는 중국 내 최고 대학 출신 인재를 적극적으로 영입하고 있다. 유망한 인재에게는 연봉 130만 달러(약 17억원)까지 제시하며, 현재 약 150명의 직원이 근무하고 있다. 세미애널리시스의 분석에 따르면, 딥시크는 다중토큰예측(Multi-Token Prediction, MTP)과 다중헤드잠재어텐션(Multi-head Latent Attention, MLA) 등 혁신적인 기술을 도입했다. 특히 MLA 기술은 기존 대비 메모리 사용량을 93.3% 감소시켰다. 현재 딥시크는 시장 점유율 확대를 위해 원가 수준의 추론(inference) 서비스를 제공하고 있으며, 이는 엔비디아(NVIDIA)의 AI 가속기 시장에도 영향을 미치고 있다. ■ 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.03 15:03AI 에디터

AI가 학생 글쓰기 첨삭했더니...6명 중 5명 실력 향상

GPT로 3500만 토큰 학습했더니 사람보다 나은 피드백 제공 일리노이 어바나-샴페인 대학교 연구진이 발표한 사례 연구에 따르면, CGScholar AI Helper를 활용한 인공지능 피드백이 11학년 학생들의 글쓰기 능력 향상에 긍정적인 영향을 미친 것으로 나타났다. 2000년부터 빌 코프와 메리 칼란치스가 이끄는 연구팀은 온라인 학습 환경을 개발해왔으며, 2023년 초 오픈AI의 GPT 시리즈를 기반으로 한 AI 리뷰 컴포넌트를 CGScholar 플랫폼에 통합했다. 특히 2024년에는 지난 5년간의 대학원생과 강사들의 모든 작업을 포함한 3500만 토큰 규모의 벡터 데이터베이스를 구축했고, 그 결과 학생들은 AI 리뷰가 동료 리뷰보다 더 우수하다고 평가했다. 저소득층 학교에서 진행된 혁신적인 AI 교육 실험 이번 연구는 미국 중서부의 한 저소득층 공립학교에서 진행되었다. 총 824명이 재학 중인 이 학교는 백인 35%, 히스패닉 30%, 흑인 24%로 구성되어 있으며, 9학년 233명, 10학년 235명, 11학년 184명, 12학년 175명이 재학 중이다. 교사 대 학생 비율은 1:13이며, 전체 중퇴율은 2.8%로 특히 히스패닉 학생들 사이에서 높게 나타났다. 연구에는 교육학 석사학위를 2개 보유하고 박사과정을 진행 중인 열정적인 영어 교사 1명과 그의 23명의 학생 중 자발적으로 참여를 희망한 6명의 학생이 참여했다. 교사의 기준에 맞춘 AI 피드백…CGScholar의 차별화된 접근 CGScholar AI Helper는 6가지 평가 기준을 바탕으로 피드백을 제공했다. 평가 기준은 '비교와 대조', '식별', '작문', '소개와 연결', '증거 지원', '분석'으로 구성되었으며, 각각 0-4점 척도의 별점과 상세한 텍스트 피드백을 제공했다. 학생들은 "거북이 등 위의 세계"와 "세 자매들의 원주민 농장 귀환" 두 텍스트에서 자연, 균형, 전통이라는 원주민의 가치가 현재까지 어떻게 이어지고 있는지 분석하는 200단어 분량의 과제를 수행했다. 0점에서 2점까지…학생들의 놀라운 실력 향상 평가 결과를 보면, '비교와 대조' 부문에서 3명의 학생이 점수가 향상되었는데, 2명은 1점에서 2점으로, 1명은 0점에서 2점이라는 큰 폭의 향상을 보였다. '작문'과 '분석' 부문에서는 각각 2명의 학생이 2점에서 3점으로 향상되었으며, '소개와 연결' 부문에서는 1명이 2점에서 3점으로 향상되었다. 한 예로, 처음에는 비교 분석을 전혀 하지 못했던 학생이 AI의 피드백을 받은 후 두 텍스트의 전통과 자연에 대한 공통된 가치를 성공적으로 찾아내어 분석했다. 교실에서의 AI는 통제되어야 한다…연구진의 제언 연구진은 "생성형 AI는 교육 맥락에서 중재되지 않은 채 사용되기에 적합하지 않다"고 강조했다. 이를 위해 프롬프트 엔지니어링과 교사의 평가 기준을 통한 정교화라는 두 가지 방식으로 AI를 재보정했다. 연구진은 이런 접근이 학생들이 단순히 AI에 의존하는 것이 아닌, AI와 상호작용하며 의미 패턴을 인식하고 문법 기술을 습득하는 '사이버-소셜 리터러시 학습'을 가능하게 한다고 설명했다. 학생들의 의견 반영한 시스템 개선 초기 구현 이후 학생들은 AI 피드백이 너무 길고 언어가 복잡하다는 의견을 제시했다. 이에 연구팀은 각각의 피드백 아래에 채팅창을 추가하여 학생들이 긴 피드백을 요약하거나 복잡한 용어에 대해 질문할 수 있도록 했다. 향후에는 교사나 학생이 선호하는 피드백의 길이를 직접 설정할 수 있는 기능도 추가될 예정이다. 이 연구는 K-12 교육에서 AI 기반 도구의 영향을 조사한 최초의 중재 기반 실증 연구 중 하나로서, AI가 포용적이고 공평한 학습을 촉진할 수 있는 가능성을 보여주었다. AI 글쓰기 도구의 현황과 가능성 최근 교육 현장에서 그래머리(Grammarly), 챗GPT(ChatGPT), 퀼봇(QuillBot) 등 AI 기반 글쓰기 도구들이 주목받고 있다. 송(Song) 등의 2023년 연구에 따르면, 그래머리와 같은 도구들은 문법과 구조를 개선하는 적응형 피드백을 제공하며, 마르주키(Marzuki) 등의 2024년 연구는 이러한 도구들이 학생들의 고차원적 글쓰기 능력 향상에 도움을 준다고 밝혔다. 마하파트라(Mahapatra)의 2024년 연구에서는 AI 도구들이 즉각적인 피드백을 통해 학생들의 글쓰기 참여도를 높인다는 점이 확인되었다. 전문가들의 우려와 제언 하지만 자이(Zhai) 등은 2024년 연구에서 AI에 대한 과도한 의존이 학생들의 독자적인 글쓰기 능력 발달을 저해할 수 있다고 경고했다. 파라하니(Farahani)와 가세미(Ghasemi)는 2024년 연구에서 AI 시스템의 잠재적 편향성이 적절히 관리되지 않으면 교육 불평등을 심화시킬 수 있다고 지적했다. 베어만(Bearman) 등은 2022년 연구에서 맞춤형 피드백을 위해 개인 데이터에 접근해야 하는 프라이버시 문제도 제기했다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT-4o를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.03 14:13AI 에디터

오픈AI 'o3-미니' 뭐가 좋길래…초보자도 이해하기 쉽게 설명합니다

OpenAI가 최근 새로운 AI 모델 'O3-미니'를 공개했습니다. 저비용 고성능으로 AI 시장을 강타한 딥시크의 등장으로 주목받고 있는 이 모델은, 기존 O1 대비 더 빠른 처리 속도와 경제성을 갖추면서도 고도의 추론 능력까지 갖춰 업계의 이목을 집중시키고 있습니다. (☞오픈AI o3-미니 기사 바로 보기) 아래는 오픈AI가 o3-미니를 소개하는 메일의 일부입니다. 안녕하세요, 이제 OpenAI o1 및 OpenAI o3-mini 모델을 API에서 사용할 수 있습니다. o1은 더 넓은 세계 지식을 보유한 대형 추론 모델이며, o3-mini는 비용 최적화된 새로운 소형 추론 모델입니다. 두 모델 모두 함수 호출(Function Calling), 구조화된 출력(Structured Outputs), 개발자 메시지를 지원합니다. 특히 o3-mini는 코드 작성 및 기타 추론 작업에서 o1을 능가할 수 있으며, o1보다 93% 저렴하고 훨씬 빠르며 스트리밍도 지원합니다. 이 모델들은 또한 세 가지 추론 강도 옵션(낮음, 중간, 높음)을 제공하여, 특정 사용 사례에 맞춰 성능을 최적화할 수 있습니다. 즉, 복잡한 문제를 해결할 때는 "더 깊이 사고(thinking harder)"하도록 설정하거나, 속도를 우선할 수도 있습니다. 또한, Chat Completions API, Assistants API, Batch API에서 즉시 사용할 수 있으며, 200,000 토큰의 대형 컨텍스트 윈도우와 최대 100,000 토큰의 출력을 지원합니다. 설명만 보면 일반인에게 어떤 부분이 좋은 것인지 이해하기 어려운데요. GPT에게 좀 더 이해하기 쉽게 예를 들어 설명을 요청했습니다. AI 모델, 어떻게 다를까?","headingStyle":"style1"} /--> 이번에 공개된 o1과 o3-mini는 각각 다른 장점을 가지고 있습니다. 쉽게 비유하자면, o1은 박사 과정의 전문가, o3-mini는 실무 경험이 풍부한 고속 비서라고 할 수 있습니다. o1 모델: 방대한 정보를 다루며 깊이 있는 논리적 사고를 할 수 있는 고급 AI입니다. 복잡한 질문에 대한 답을 찾거나 심층 분석이 필요할 때 유용합니다. o3-mini 모델: 비용이 저렴하면서도 빠르게 답을 제공하는 AI입니다. 실용적인 문제 해결과 코드 작성 등의 작업에서 강력한 성능을 보입니다. 어디에 활용할 수 있을까?","headingStyle":"style1"} /--> 이 AI 모델들은 여러 분야에서 유용하게 활용될 수 있습니다. 예를 들어: ✔️ 일반 사용자: 챗봇과 대화하며 궁금한 점을 해결하고, 이메일이나 문서를 빠르게 작성하는 데 도움을 받을 수 있습니다. ✔️ 개발자: 코드를 작성하거나 디버깅할 때 빠르고 정확한 조언을 받을 수 있습니다. ✔️ 기업 및 연구자: 데이터 분석, 전략 기획, 복잡한 문제 해결을 위한 보조 도구로 활용할 수 있습니다. 더 똑똑하게 사고하는 AI!","headingStyle":"style1"} /--> 흥미로운 점은, 이번 AI 모델들이 세 가지 '생각하는 깊이'(Reasoning Effort) 옵션을 제공한다는 것입니다. 사용자는 문제의 복잡도에 따라 AI가 얼마나 깊이 사고할지를 조정할 수 있습니다. 낮음 (Low): 빠르게 대답하지만 깊이 있는 분석은 부족할 수 있음 중간 (Medium): 속도와 논리적 사고의 균형을 유지 높음 (High): 깊이 있는 사고가 필요할 때 사용하지만 시간이 더 걸릴 수 있음 이 기능 덕분에, AI를 단순한 질문부터 복잡한 문제 해결까지 다양한 방식으로 활용할 수 있습니다. 200,000 토큰? 이게 무슨 뜻일까?","headingStyle":"style1"} /--> 이번 모델들은 최대 200,000 토큰(AI가 기억할 수 있는 문장의 길이)을 지원합니다. 쉽게 말해, AI가 과거 대화를 더 길게 기억할 수 있어 보다 자연스러운 대화가 가능합니다. 또한, 한 번에 최대 100,000 토큰의 답변을 생성할 수 있어, 긴 문서나 논문을 AI가 직접 작성하는 것도 가능해집니다. 이처럼 OpenAI의 새로운 AI 모델들은 '전문가의 깊이'와 '비서의 효율성'이라는 두 가지 장점을 모두 제공합니다. o1으로 깊이 있는 분석을, o3-mini로 빠른 실무 지원을 받을 수 있게 된 것이죠. 특히 사용자가 원하는 대로 AI의 '생각하는 깊이'를 조절할 수 있다는 점은, 마치 상황에 따라 전문가와 비서를 골라 쓸 수 있는 것과 같습니다. 앞으로 AI는 우리의 일상에서 더욱 자연스러운 동반자가 될 것입니다. 박사급 전문가처럼 깊이 있게 생각하거나, 빠른 비서처럼 효율적으로 일하는 AI와 함께라면, 우리의 업무와 일상이 한층 더 스마트해질 것입니다. OpenAI의 이번 발표는 그런 미래로 가는 또 하나의 의미 있는 발걸음이 될 것입니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.01 17:37AI 에디터

알파세대 70% "AI 신뢰"…부모 75%는 "부정적 영향 우려"

알파세대(Generation Alpha)가 인공지능(AI)을 자연스럽게 받아들이고 있다는 조사 결과가 발표됐다. WE Communications의 조사에 따르면 알파세대의 70%가 AI를 신뢰한다고 답했다. 구체적인 AI 서비스 활용도를 살펴보면, 애플의 음성비서 시리(Siri) 43%, 아마존의 AI 비서 알렉사(Alexa) 40%, AI 기반 음악 추천 서비스 스포티파이(Spotify) 39%, AI 이미지 처리 기술인 포토필터(Photo Filter) 30% 등으로 나타났다. 이는 알파세대가 AI 기술을 일상생활의 자연스러운 도구로 받아들이고 있음을 보여준다. (☞ 보고서 바로 가기) 알파세대의 디지털 기술 활용에 대한 부모 세대의 우려도 주목할 만하다. 부모의 75%가 AI가 자녀에게 미칠 부정적 영향을 걱정하는 것으로 조사됐다. 특히 주목할 점은 소셜미디어 사용에 대한 인식 차이다. 알파세대의 84%가 소셜미디어 계정을 보유하고 있지만, 부모들 중 67%만이 자녀의 소셜미디어 사용을 인지하고 있었다. 기술이 자녀의 삶에 미치는 영향에 대해서는 영역별로 상반된 시각을 보였다. 학업(School), 친구관계(Friendships), 미래 직업(Work) 측면에서는 긍정적 영향을 기대한 반면, 정신건강(Mental Health), 신체건강(Physical Health), 대인관계(Relationships) 측면에서는 부정적 영향을 우려했다. 특히 51%의 부모가 온라인 보안과 안전 문제를 심각하게 우려하는 것으로 나타났다. 알파세대는 브랜드와의 관계에서도 이전 세대와는 다른 특징을 보였다. 84%가 자신의 취향과 가치를 반영하는 브랜드를 선호한다고 응답했으며, 37%는 브랜드가 온라인에서의 인기와 개인의 취향을 동시에 반영하는 것이 중요하다고 답했다. 부모들의 53%는 자녀의 특정 관심사를 반영하는 브랜드 제품 구매에 긍정적인 태도를 보였다. 특히 주목할 만한 점은 틱톡(TikTok)의 영향력이다. 조사 대상 아동의 20%가 틱톡에서 언급되지 않은 제품은 구매하지 않겠다고 응답해, 소셜미디어가 알파세대의 소비 결정에 큰 영향을 미치는 것으로 나타났다. 알파세대와 부모 세대 모두 미래에 대해 높은 낙관론을 보였다. 알파세대의 92%와 부모의 93%가 미래를 긍정적으로 전망했다. 특히 새로운 기술과 AI의 발전이 가져올 변화에 대한 기대감이 높았다. 다만 38%의 부모만이 자녀들의 삶을 편리하게 만드는 기술 도구의 존재를 긍정적으로 평가했다는 점에서, 기술 발전에 대한 기대와 우려가 공존하는 것으로 분석됐다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT-4o를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.01 17:28AI 에디터

AI가 혈당 관리도 할 수 있을까… 챗GPT로 실험했더니

연구 참여 환자 78.5%, 의사보다 챗GPT-4 답변 선호 호주 CSIRO's Data61과 모나쉬 대학교의 공동 연구에 따르면, 챗GPT-4는 의학 라이선스 시험(USMLE)과 의학 지식 자가평가 프로그램(MKSAP) 등 의료 벤치마크에서 높은 성과를 보였다. 특히 근시 관련 질문에서는 80.6%의 정확도를 보여주며 이전 버전인 GPT-3.5(61.3%)와 구글 바드(54.8%)를 크게 앞섰다. (☞ 논문 바로 가기) 흥미로운 점은 환자들이 의사보다 챗GPT의 답변을 더 선호하는 경향을 보였는데, 환자 설문에서 챗GPT의 응답은 78.5%가 '좋음' 또는 '매우 좋음'으로 평가받은 반면, 의사의 응답은 22.1%에 그쳤다. 당뇨병 자가관리 상담에서 드러난 AI의 주요 문제점, 개인화 진단 역량 부족 연구팀이 발견한 주요 문제점은 다양했다. 챗GPT는 혈당 수치 단위를 자동으로 mg/dL로 가정하는 등 맥락을 고려하지 않은 채 답변했으며, 개인의 인슐린 투여 방식이나 식단 특성을 고려하지 않은 일반적인 조언을 제공했다. 특히 '혈당이 25'라는 동일한 질문에 대해 챗GPT-4는 극도로 낮은 수치로, 챗GPT-4o와 챗GPT-4o-mini는 극도로 높은 수치로 각각 다르게 해석하는 등 일관성 없는 답변을 보였다. 또한 발한과 떨림 증상이 있는 환자의 혈당이 5mmol/L일 때, 이를 가성 저혈당이 아닌 저혈당 무감지증으로 잘못 진단하는 사례도 발견됐다. AI 의료상담의 현재 성과? '의료 문서 작성'과 '교육' 분야 두각 연구에 따르면 챗GPT는 방사선 검사 보고서 해석과 의학 교육에서 긍정적인 성과를 보였다. 의료 전문가들은 챗GPT가 단순화한 방사선 보고서에 대해 5점 만점에 평균 4.27점을 부여했으며, 정보 누락은 보고서당 평균 0.08건, 부정확한 정보는 0.07건에 불과했다. 또한 전자건강기록(EHR) 해석에서도 자연어 추론에서 9.6%, 의료 질의응답에서 9.5%의 정확도 향상을 보였다. 의료 AI의 미래: RAG 기술로 정확도 높인다 연구진은 AI의 의료상담 정확도를 높이기 위해 Retrieval Augmented Generation(RAG) 기술 도입을 제안했다. RAG는 미국 국립보건원(NIH)이나 질병통제예방센터(CDC) 같은 신뢰할 수 있는 외부 데이터베이스와 AI 모델을 연결해 최신 의료 정보를 반영할 수 있게 한다. 이를 통해 환자 개개인의 건강 프로필과 최신 의료 기준에 부합하는 실시간 데이터 기반의 조언이 가능해질 것으로 기대된다. AI 의료상담의 한계? 서구 중심적 식단 제안과 영어 외 언어 지원 미흡 연구는 AI 의료상담이 서구 중심적 식단을 제안하거나 영어 외 언어 지원이 미흡한 점을 지적했다. 예를 들어, 통밀 잉글리시 머핀이나 아몬드 버터 같은 서구적 식단을 제안하는데, 이는 파키스탄과 같은 국가의 사회경제적 조건이나 식문화와 맞지 않는다. 또한 구독형 모델인 챗GPT-4는 경제적 약자들의 의료정보 접근성을 제한할 수 있다는 우려도 제기됐다. 연구진은 이러한 격차를 줄이기 위한 노력이 필요하다고 강조했다. GPT-4의 당뇨병 교육 활용은 '인슐린 펜을 보관하는 방법' 안내 수준 챗GPT는 단순한 정보 제공을 넘어 당뇨병 교육에서 활용될 수 있는 잠재력을 지니고 있다. 특히, GPT-4는 환자들의 일상적인 당뇨병 관리, 식단 조절, 운동 계획과 관련하여 가독성이 높은 설명과 유용한 지침을 제공하는 데 적합하다. 연구에서는 GPT-4가 인슐린 주사법, 저장 방법, 및 운동 계획과 관련된 세부 정보를 명확히 제공하는 사례를 언급했다. 예를 들어, "인슐린 펜을 보관하는 방법"에 대한 질문에서 GPT-4는 실온에서의 보관 가능성과 각 인슐린 유형별로 상이한 보관 지침을 상세히 설명했다. 그러나 모델이 제공한 일부 정보는 지역적 환경이나 구체적인 환자 요구를 완전히 반영하지 못했으며, 이는 의료 전문가와 협업이 필요한 부분으로 남아 있다. 신뢰를 위해서는 인간 전문가의 감독 필수적 챗GPT의 의료 상담 역량을 강화하기 위해 연구진은 여러 전략을 제안했다. 가장 중요한 전략 중 하나는 Retrieval Augmented Generation(RAG) 기법의 활용이다. RAG는 GPT-4가 실시간으로 최신 의료 데이터를 검색하고 통합할 수 있도록 해, 더 정확하고 신뢰할 수 있는 정보를 제공할 수 있게 한다. 이 방법은 환자와 의사 간의 정보 격차를 줄이는 데 큰 도움을 줄 수 있다. 또한 AI가 보다 신뢰할 수 있는 도구가 되기 위해서는 인간 전문가의 검토와 감독이 필수적이다. 특히, 고위험 상황에서 AI가 제공하는 모든 정보는 전문가의 검토를 거쳐야 하며, 모델이 의사결정을 독점적으로 수행하는 것을 방지해야 한다는 점이 강조되었다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT-4o를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.01 09:51AI 에디터

교황청, 'AI와 인류의 공존' 선언…이유는?

바티칸뉴스에 따르면 교황청은 28일 인공지능(AI)과 인간 지능의 관계를 다룬 '앤티쿠아 엣 노바(Antiqua et Nova)' 보고서를 발표했다. 이는 교리성(Dicastery for the Doctrine of the Faith)과 문화교육성(Dicastery for Culture and Education)이 공동으로 작성한 문서다. (☞ 보고서 원문 바로가기) 폴 티게(Paul Tighe) 문화교육성 사무총장은 "이번 문서는 AI에 대한 가톨릭교회의 여러 성찰을 종합했다"며 "챗지피티(ChatGPT)의 등장으로 일반 사용자들이 AI 도구를 직접 사용하게 되면서, 교회 차원의 대응이 필요했다"고 설명했다. 티게 사무총장은 "AI 시스템은 인간의 추론, 처리, 분별, 발견, 패턴 인식, 혁신 능력을 향상시킬 수 있다"면서도 "인간은 삶의 목적과 의미를 찾는 더 넓은 의미의 지능을 가지고 있으며, 이는 기계가 대체할 수 없는 형태의 지능"이라고 강조했다. 보고서는 AI 개발과 활용에 있어 윤리적 책임을 강조했다. 티게 사무총장은 "소셜미디어 초기에 우리는 그것의 잠재력만을 환영했지만, 양극화와 가짜뉴스 같은 부작용을 예측하지 못했다"며 "AI도 같은 전철을 밟지 않도록 해야 한다"고 경고했다. 특히 보고서는 AI 기술이 상업적, 정치적 환경 내에서 개발되면서 특정 가치에 편향될 수 있다고 지적했다. 이에 "설계 단계부터 윤리적 고려가 필요하며, 전체 인류의 경험을 반영하는 데이터베이스 구축이 중요하다"고 제안했다. 보고서는 AI가 가져올 수 있는 불평등 심화를 주요 우려사항으로 지적했다. 티게 사무총장은 "디지털화 과정에서 소수의 부유층이 막대한 권력을 갖게 된 것처럼, AI도 인류 가족의 단합을 저해할 수 있다"고 우려했다. 특히 의료 분야에서 AI의 잠재력을 인정하면서도, "의료 서비스가 이미 불공평하게 분배된 상황에서 AI로 인해 이러한 격차가 더욱 커질 수 있다"고 경고했다. 보고서는 AI 시대에 가톨릭 대학들의 역할을 강조했다. 티게 사무총장은 "가톨릭 대학들은 인문학, 철학, 신학과 함께 과학적 배경을 가진 인재들을 보유하고 있다"며 "이러한 학제간 연구를 통해 AI의 책임있는 발전 방향을 모색할 수 있을 것"이라고 전망했다. 바티칸의 이번 보고서는 AI 기술의 발전을 환영하면서도, 인류 전체의 이익을 위해 신중한 접근이 필요하다는 균형 잡힌 시각을 제시했다. 특히 이는 최종 결론이 아닌 지속적인 논의의 시작점이 될 것이라고 강조했다. ■ 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.01.31 10:53AI 에디터

인공지능도 코미디 가능할까…AI 코미디언 도전기

극장이 실험실로: 2024년 AI 코미디 평가의 새로운 패러다임 로봇 자동화 전문 기업 임프로보틱스(Improbotics)의 연구진이 발표한 보고서에 따르면, 코미디 공연장이 AI 유머 생성 시스템을 평가하는 최적의 실험실이 될 수 있다는 주장이 제기됐다. 온라인 평가 방식의 한계를 지적하며, 연구진은 유료 관객들과 전문 평론가들의 실시간 피드백이 AI 코미디 시스템의 성능을 평가하는 데 더 신뢰할 수 있는 방법이라고 설명했다. 특히 즉흥 코미디가 AI 시스템을 테스트하는 최적의 환경을 제공한다고 강조했다. (☞ 보고서 바로가기) 2010년 첫 등장한 로봇 코미디언: 알데바란 나오부터 휴먼머신까지 2010년 사회로봇공학자 히더 나이트(Heather Knight) 교수가 처음으로 알데바란 나오(Aldebaran Nao) 로봇으로 무대 코미디를 선보였다. 이 로봇은 카메라 센서로 관객들의 반응을 실시간으로 파악하고, 이를 바탕으로 다음 농담을 선택하는 시스템을 갖추고 있었다. 2014년에는 텍사스 오스틴의 아서 시몬(Arthur Simone)이 '봇 파티: 로봇과 함께하는 즉흥 코미디'(Bot Party: Improv Comedy with Robots)를 통해 로봇과의 즉흥 연기를 시도했다. 2016년에는 휴먼머신(HumanMachine) 듀오가 오픈서브타이틀(OpenSubtitles) 데이터로 학습된 대화 모델을 활용한 즉흥 코미디를 선보이며 AI 코미디의 새 장을 열었다. 2023년 AI vs 인간 코미디 대결: LA에서 시작된 새로운 실험 2023년, WGA 파업의 영향으로 AI와 창작자의 관계가 주목받는 가운데, 로스앤젤레스의 앨리슨 골드버그(Allisson Goldberg)와 브래드 아인슈타인(Brad Einstein)이 '코미디언스 대 AI: 기계에 맞서는 무대'를 기획했다. 이 쇼는 순수 인간팀과 ChatGPT, DALL-E를 활용하는 AI 지원팀의 대결로 구성됐다. 같은 해 뉴욕의 코미디 바이츠는 AI가 생성한 농담을 읽어주는 가상 아바타와 인간 공연자들의 랩 배틀과 코미디 로스트를 선보였다. 런던의 더 프리 어소시에이션(The Free Association)은 ChatGPT로 생성한 농담을 활용한 'AI 임프로브 쇼'를 공연했다. 2017년 시작된 코미디 튜링 테스트: 임프로보틱스의 혁신적 실험 2017년 휴먼머신 듀오는 튜링 테스트를 코미디에 도입했고, 2018년에는 임프로보틱스를 결성했다. '사이보그' 배우들은 AI가 생성한 대사를 FM 라디오 수신기로 연결된 헤드폰을 통해 전달받았다. 수백 회의 공연을 통해 다양한 즉흥극 게임을 선보였으며, 2024년 에든버러 페스티벌 프린지에서는 증강현실 안경을 도입해 배우들이 직접 AI 대사를 선택할 수 있게 했다. 가상공간으로 확장된 AI 코미디: VR부터 디스코드까지 코로나19 이후 AI 코미디는 디지털 영역으로 확장됐다. VR 코미디 클럽 '페일드 투 렌더'가 등장했고, 임프로보틱스는 2020-2021년 VR 공간에서 AI 아바타와 함께하는 공연을 진행했다. 제이콥과 연구진은 'Robot Improv Circus VR'에서 컴퓨터 비전 모델을 활용한 물리적 즉흥 게임을 선보였다. 2022년 뉴럴IPS에서는 디스코드로 진행된 'PORTAGING'이라는 AI와의 프롬프트 배틀이 화제를 모았다. AI 코미디의 새로운 활용: 다 국어 공연부터 각본 작성까지 로제타 코드(Rosetta Code)는 음성인식, 기계번역, 음성합성을 활용해 다국어 즉흥극을 선보였다. 에드먼턴의 래피드 파이어 시어터(Rapid Fire Theatre)는 2022년부터 드라마트론(Dramatron)으로 작성된 대본을 즉흥극에 활용했다. 2024년 애너스티 다넬리스(Anesti Danelis)는 에든버러 프린지에서 AI와 공동 작업한 코미디를 선보였다. AI 코미디의 미래 과제: 타이밍부터 문화적 맥락까지 연구진은 AI 코미디의 성공을 위해 세 가지 과제를 제시했다. 첫째, 나오미 피터 교수의 연구처럼 타이밍 제어가 필요하다. 둘째, 관객과의 실시간 상호작용이 중요하다. 셋째, 문화적 맥락의 이해가 필수적이다. 특히 임프로보틱스의 '사이보그' 배우들은 AI 대사의 느린 타이밍과 지연이 가장 큰 문제라고 지적했다. 연구진은 이러한 평가와 피드백이 AI 코미디 발전의 핵심이 될 것이라고 전망했다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT-4o를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.01.31 10:25AI 에디터

AI 저작권 보호, 어디까지 가능할까…美 저작권청 보고서

미국 저작권청(U.S. Copyright Office)이 2025년 1월 저작권 보호 가능성에 대한 보고서 '저작권과 인공지능, 2부: 저작권 보호 가능성(Copyright and Artificial Intelligence, Part 2: Copyrightability)'를 발표했다. 보고서는 AI가 생성한 콘텐츠의 저작권 보호 여부를 둘러싼 법적·정책적 쟁점을 상세히 분석했다. 보고서는 AI가 단독으로 생성한 콘텐츠는 저작권 보호 대상이 될 수 없으며, 인간 창작자가 창작 과정에 실질적으로 기여한 경우에 한해 보호될 수 있다고 명확히 했다. 보고서는 2023년 8월 발표된 Notice of Inquiry(NOI, 의견 요청 공고)에 대한 응답으로 작성되었으며, AI 저작권 보호와 관련한 10,000개 이상의 의견을 수렴해 분석한 결과를 담고 있다. 미국 저작권청은 기존 저작권법이 AI 관련 저작권 문제를 해결하는 데 충분하며, 추가적인 법 개정은 필요하지 않다는 결론을 내렸다. 보고서는 AI 생성 콘텐츠의 저작권 보호 여부를 판단하는 주요 원칙을 다음과 같이 정리했다. (☞ 보고서 바로가기) 1. AI가 단독으로 생성한 콘텐츠는 저작권 보호 대상이 아니다 미국 저작권청은 저작권법이 '인간 창작자(human authorship)'를 전제로 한다는 기존 법적 해석을 재확인하며, AI가 단독으로 생성한 콘텐츠는 저작권 보호를 받을 수 없다고 밝혔다. 이는 기존 판례를 반영한 것으로, 특히 2023년 미국 연방법원이 AI가 생성한 이미지의 저작권 등록을 거부한 사건(Thaler v. Perlmutter)을 주요 근거로 제시했다. 법원은 "저작권은 인간이 창작한 원작(expression of human authorship)에만 부여된다"고 판결한 바 있다. 즉, AI 모델이 자동으로 생성한 텍스트, 이미지, 음악, 영상 등은 법적으로 보호받을 수 없다는 것이 미국 저작권청의 공식 입장이다. 2. AI가 창작을 보조하는 도구로 사용되었다면 저작권 보호 가능 AI가 단순히 창작 보조 도구로 사용되었을 경우, 최종 결과물은 인간 창작자의 저작권 보호를 받을 수 있다. 예를 들어: 사진 보정 소프트웨어를 이용해 이미지를 수정하는 경우 AI 도구를 활용해 작곡을 보조하는 경우 AI가 생성한 콘텐츠를 사람이 수정·배치·편집하여 최종적으로 완성한 경우 이처럼 AI가 창작을 보조하는 역할을 했으며, 인간이 최종적인 창작적 결정을 내렸다면 저작권 보호가 가능하다고 본다. 3. AI 생성물에 인간 창작자가 실질적 기여를 한 경우, 부분적으로 저작권 보호 가능 인간 창작자가 AI 생성물의 표현 방식을 결정하거나 직접 수정·편집하는 경우, 해당 창작 부분에 한해서는 저작권이 인정될 수 있다. 예를 들어: AI가 생성한 초안을 인간이 직접 수정하고 내용을 재구성한 경우 AI 생성 이미지에 인간이 추가적인 디자인을 입히고 독창적인 요소를 가미한 경우 AI가 만든 음악을 인간이 직접 편곡하거나 일부 수정한 경우 이 경우, 인간이 기여한 부분에 대해서만 저작권 보호가 가능하며, AI가 생성한 부분은 보호 대상이 되지 않는다. 4. AI 프롬프트(Prompt) 작성만으로는 저작권 보호가 불가능 리포트는 생성형 AI에 입력되는 프롬프트(Prompt)만으로는 저작권 보호를 받을 수 없다고 명확히 밝혔다. 프롬프트는 AI에게 전달되는 지시사항에 불과하며, 이는 저작권법상 보호받지 못하는 아이디어에 해당한다. 리포트는 프롬프트가 아무리 상세하더라도 AI가 이를 어떻게 해석하고 표현할지에 대한 통제력이 부족하기 때문에 인간의 창작적 기여로 인정받기 어렵다고 설명했다. 예를 들어, "고양이가 파이프를 피우며 신문을 읽는 모습"이라는 프롬프트를 입력했을 때, AI가 이를 어떻게 표현할지는 사용자가 통제할 수 없는 부분이다. 따라서 프롬프트만으로는 저작권 보호를 주장하기 어렵다는 결론을 내렸다. 리포트는 또한, 프롬프트를 반복적으로 수정하고 입력하는 과정에서도 인간의 창작적 기여가 충분히 반영되지 않는다면 저작권 보호를 받을 수 없다고 강조했다. 보고서는 AI 저작권 문제를 다루는 국제적 사례도 분석했다. 주요 국가별 입장은 다음과 같다. 영국: AI가 생성한 작품의 저작권 보호를 일정 기간 인정하는 법률을 검토 중 유럽연합(EU): AI와 관련된 데이터 저작권 및 트레이닝 데이터 보호 문제를 중심으로 논의 중국: AI 생성 콘텐츠에 대한 특정한 보호 조항 마련을 추진 일본: AI 생성물에 대한 저작권 보호 필요성을 두고 논의 진행 미국 저작권청은 기존 저작권법 내에서 AI 관련 문제를 해결할 수 있으며, 새로운 법률 개정은 필요하지 않다는 입장을 유지하고 있다. 리포트는 AI 기술이 장애인 창작자들에게도 유용한 도구가 될 수 있다는 점을 강조했다. 예를 들어, 텍스트-음성 변환(Text-to-Speech) 기술이나 시각 예술 생성 알고리즘은 장애인들이 창작 활동을 할 수 있도록 돕는 중요한 도구가 될 수 있다. 리포트는 이러한 기술이 인간의 창작적 기여를 보조하는 도구로 사용되는 경우에는 저작권 보호가 가능하다고 설명했다. 실제로 미국 저작권청은 랜디 트래비스(Randy Travis)라는 음악가의 AI 보조 음원에 대해 저작권 등록을 승인한 사례를 소개했다. 이 사례에서 AI는 인간의 창작적 기여를 보조하는 도구로 사용되었으며, 최종 결과물은 인간의 창작적 기여가 충분히 반영된 것으로 판단되었다. 미국 저작권청의 이번 보고서는 AI 저작권 논쟁에 대한 중요한 기준을 제시한 것으로 평가된다. 보고서는 AI와 인간 창작자의 기여도를 구별하는 것이 핵심이며, AI가 전적으로 생성한 콘텐츠는 보호받을 수 없다는 입장을 명확히 했다. 그러나 AI 기술이 발전하면서 인간과 AI의 창작적 기여도를 명확히 구분하는 것이 점점 더 어려워지고 있다. 특히 생성형 AI(Generative AI)가 점점 더 인간과 유사한 방식으로 콘텐츠를 생산하면서 저작권 보호 기준을 새롭게 정립해야 할 필요성이 커지고 있다. 향후 AI 저작권 문제는 법원과 규제 기관에서 구체적인 사례별 판단(case-by-case analysis)이 더욱 중요해질 것으로 예상된다. 미국 저작권청의 보고서는 AI 저작물 보호에 대한 명확한 법적 기준을 제시했다는 점에서 의미가 크다. 그러나 AI 기술이 급속도로 발전하면서 현행 저작권법이 새로운 기술 환경을 얼마나 효과적으로 반영할 수 있을지에 대한 논의는 계속될 전망이다. AI를 도구로 활용한 인간 창작자의 역할 강화 AI의 창작적 기여도를 낮추고, 인간 창작자의 개입을 강조하는 방식이 필요하다. AI 프롬프트의 창작적 기여도에 대한 추가 논의 필요 프롬프트를 얼마나 세밀하게 구성해야 저작권 보호가 가능할지에 대한 기준 설정이 요구된다. AI 저작권 관련 국제 표준 마련 필요 AI 생성 콘텐츠에 대한 저작권 보호 문제를 글로벌 차원에서 해결하기 위한 논의가 필요하다. 이번 보고서는 AI 저작권 문제를 다루는 기본 원칙과 법적 가이드라인을 제시한 중요한 자료로 평가되며, 향후 AI 법률 및 정책의 방향성을 결정하는 데 중요한 역할을 할 것으로 보인다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.01.31 10:09AI 에디터

中 딥시크, 오픈AI 못잖네…美 수출 통제 실효성 논란

애틀란틱 카운슬(Atlantic Council) 보도에 따르면 중국의 오픈소스 추론 대규모 언어모델(LLM) 개발사인 딥시크(DeepSeek)가 자사의 '딥시크-R1(DeepSeek-R1)' 모델로 오픈AI(OpenAI)의 o1 모델과 대등한 성능을 입증했다. 특히 이 모델은 무료로 접근이 가능하다는 점에서 주목을 받고 있다. (☞ 애틀란틱 카운슬 기사 보기) AI 연구자들은 딥시크의 이번 성과가 주목할 만하다고 평가했다. 미국의 수출 통제로 중국 기업들이 사용할 수 없는 엔비디아(NVIDIA)의 고성능 H100 칩 대신, 상대적으로 저사양인 H800 칩으로 동등한 성능을 달성했기 때문이다. 애틀란틱 카운슬은 딥시크가 칩 간 메모리 대역폭을 최적화하는 방식으로 이를 해결했다고 설명했다. 덜 정교한 칩들이 대규모 모델의 크기를 '공유'할 수 있게 만든 것이다. 이를 통해 고가의 고성능 칩을 사용한 경쟁사들보다 훨씬 적은 비용으로 모델을 개발할 수 있었다. 일각에서는 이번 성과가 미국의 대중국 반도체 수출 통제 정책의 실패를 보여준다고 주장했다. 하지만 전문가들은 이런 평가가 시기상조라고 지적했다. 애틀란틱 카운슬에서는 최근 중국의 '기술 돌파'가 실제 자체 혁신이 아닌 수출 통제 이전에 이미 진행 중이던 개발의 결과물이라고 분석했다. 2023년 말 화웨이(Huawei)가 7나노미터 칩을 탑재한 스마트폰을 출시했을 때도, 이는 수출 제한 이전에 네덜란드 ASML사의 장비를 미리 확보한 덕분이었다는 설명이다. 전문가들은 미국의 현재 AI 전략에 대한 근본적인 재검토가 필요하다고 강조했다. 단순히 중국의 컴퓨팅 파워 접근을 제한하는 것만으로는 충분하지 않다는 것이다. 애틀란틱 카운슬은 "AI 경쟁에서 승리할 수 있는 단일 전략은 없다"면서 "새로운 기술이 등장함에 따라 미국은 이러한 기술과 응용 프로그램이 가져올 도전과제들을 해결하기 위한 더 적응적인 프레임워크가 필요하다"고 제언했다. 전문가들은 미국이 AI 기술의 설계, 자금 지원, 거버넌스에 대한 선제적인 비전을 수립하고, 특정 기술에 대한 적대국의 접근이 가져올 수 있는 국가 안보 위험에 대해 더 투명하게 공개해야 한다고 조언했다. ■ 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.01.30 08:08AI 에디터

챗GPT 유·무료 버전 비교했더니…월 2만원 차이가 만드는 성적 차이

범용 AI의 무료·유료 성능차: 시험성적 최대 2배 차이 미국의 서던 메소디스트 대학교(Southern Methodist University) 통계·데이터과학부의 연구에 따르면, 챗GPT(ChatGPT)의 무료 버전과 유료 버전 간 성능 차이가 상당한 것으로 나타났다. 연구진은 여러 통계학 시험에서 성능을 검증했는데, 고등학교 수준의 ACTM 시험에서 GPT-3.5는 64%, GPT-4는 100%를 기록했다. 대학 입학 수준인 AP 통계 시험에서는 각각 50%와 81%, 대학 수준의 CAOS 시험에서는 48%와 70%를 기록했다. 대학원 1학년 통계학 시험의 경우 GPT-3.5는 41점으로 낙제했으나, 월 20달러의 유료 버전인 GPT-4는 82점을 기록했다. 새로운 무료 버전인 GPT4o-mini는 72점으로 중간급 성적을 보였다. (☞ 논문 바로가기) AI 교육 활용의 현주소: "금지해도 사용한다" 83% 서던 메소디스트 대학교 연구진에 따르면, 많은 교육자들이 AI를 개인 튜터로 활용하면 교육 격차가 줄어들 것으로 기대하고 있다. 하지만 이러한 잠재력을 실현하기 위해서는 학생들에게 무선 인터넷과 고성능 노트북이 필요하다. 특히 경제적 어려움이 있는 학생이나 인프라가 부족한 지역의 학생들은 이러한 디지털 기기 접근에 제약이 있다. 일부 대학에서 AI 사용을 금지하고는 있지만, 실제로는 통제가 어려운 것이 현실이다. 학생들의 83%가 금지되어 있어도 AI를 사용하고 있는 것으로 나타났다. 이미지 해석력 격차: GPT-4 66% vs GPT-3.5 0% 정답률 연구진은 특히 이미지를 포함한 문제에서 버전별 성능 차이가 두드러졌다고 밝혔다. GPT-3.5는 이미지가 포함된 30개 문제 모두를 틀린 반면, GPT-4는 20개를 맞추는 성과를 보였다. 맥니마 검정(McNemar's test) 결과, GPT-4가 맞고 GPT-3.5가 틀린 문제는 35개, 그 반대의 경우는 6개에 불과했다. 이는 천만 분의 12의 확률로만 우연히 발생할 수 있는 차이다. 순서형 로지스틱 회귀분석에서도 이미지가 포함된 문제의 경우 GPT-4가 GPT-3.5보다 70% 더 높은 품질의 답변을 제공하는 것으로 나타났다. GPT4o 출시로 달라진 AI 교육 환경 2024년 5월 출시된 GPT4o는 이전 버전에 비해 정확성과 응답 시간이 크게 개선되었으며, 복잡한 쿼리 처리 능력도 향상되었다. 영어 외 다른 언어에 대한 적응성도 높아졌다. 그러나 무료 사용자들은 피크 시간대 메시지 제한, 데이터 분석, 파일 업로드, 이미지 이해 기능 등에서 제약을 받는다. 2024년 중반, OpenAI는 GPT3.5를 완전히 GPT4o-mini로 대체했는데, 이는 무료 사용자들도 일정 수준의 성능을 보장받을 수 있게 되었음을 의미한다. AI 답변의 질적 차이: GPT4o-mini 평균 593단어 vs GPT-4 99단어 텍스트 분석 결과, GPT4o-mini는 문제당 평균 593개 토큰과 20.8개 문장을 사용한 반면, GPT-4는 99.6개 토큰과 4.31개 문장으로 가장 간결했다. 답변의 난이도를 평가하는 플레시-킨케이드(Flesch-Kincaid) 지수는 GPT-3.5가 12.8-15.1, GPT-4가 12.1-15.4, GPT4o-mini가 9.3-22.0을 기록했다. SMOG 지수에서도 GPT-3.5는 14.6-16.4, GPT-4는 13.5-16.1, GPT4o-mini는 14.1-17.4를 기록해 대체로 대학 수준의 독해력이 요구되는 것으로 나타났다. 통계적 사고력 차이: GPT-4의 높은 분석력 잠재 디리클레 할당(LDA) 기법으로 답변을 분석한 결과, GPT-3.5는 문제의 맥락과 관련된 일반적 용어를 주로 사용한 반면, GPT-4와 GPT4o-mini는 통계적 방법론 용어를 더 많이 사용했다. 예를 들어, 심장병과 콜레스테롤 관계를 분석하는 문제에서 GPT-3.5는 관련 용어를 반복적으로 사용했지만, GPT-4는 카이제곱 검정과 같은 통계적 분석 방법에 초점을 맞추었다. 질문 방식에 따른 AI 성능 차이: "맥락이 성적을 좌우한다" 연구진은 AI에게 질문할 때 맥락을 제공하면 정확도가 크게 향상된다는 사실을 발견했다. 예를 들어 "컴퓨터 공학 학부생으로서 기술 면접을 준비하고 있다"는 맥락을 제공했을 때, GPT-3.5의 정답률이 최대 92.8%까지 상승했다. 하지만 실제 학생들은 AI를 과제 도우미로 사용할 때 이러한 맥락을 제공하는 경우가 드물다. 연구진은 이번 실험에서 학생들의 실제 사용 패턴을 반영하기 위해 맥락 없이 질문을 입력하는 "제로샷" 방식을 채택했다고 설명했다. AI 교육 격차 해소를 위한 대안: 월 20만 달러 vs 교실 내 제한적 활용 연구진은 1만 명 규모의 대학이 모든 학생에게 GPT-4를 제공하려면 매달 20만 달러가 필요하다고 지적했다. 이러한 비용 문제를 해결하기 위해 연구진은 교육기관 특별 가격 책정, 교실 내 제한적 AI 활용, 교과서 대여 방식과 유사한 AI 구독 모델 도입 등을 제안했다. 또한 오픈소스 AI 플랫폼인 LLaMA-2, Colossal AI, OpenChatKit 등을 활용하는 방안도 제시했다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT-4o를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.01.29 16:06AI 에디터

"교수님 보다 AI한테 먼저 물어봐요"...대학에 부는 생성형 AI 바람

영국 에든버러대학교와 UCL(University College London) 연구팀이 해당 연구는 두 대학의 학부생 26명과 교육자 11명을 대상으로 심층 인터뷰를 진행했다. 두 대학은 모두 2022/23학년도 기준 학부생 25,000-30,000명이 재학 중이며, 이 중 40-50%가 유학생이다. 2023년 세계대학순위에서 모두 30위권에 진입한 주요 대학이다. (☞ 논문 바로가기) "주 1회 이상 AI 활용" 대학생 46%...학습 도우미로 자리잡은 AI 연구에 참여한 학생들은 다양한 방식으로 AI를 활용하고 있었다. 26명의 학생 중 12명(46%)이 일주일에 한 번 이상 ChatGPT를 비롯한 AI 도구를 사용한다고 답했다. AI는 크게 세 가지 역할을 수행했는데, 첫째로 10명의 학생이 학습 자료 설명과 피드백을 제공하는 '튜터' 역할로, 둘째로 16명이 정보 요약과 자료 검색을 돕는 '조교' 역할로, 셋째로 8명이 아이디어 발산과 토론을 위한 '파트너' 역할로 AI를 활용했다. "24시간 대기, 즉각적 응답"...학생들이 꼽은 AI의 장점 학생들의 AI 활용 동기는 크게 네 가지로 나타났다. 첫째는 상시 이용 가능성으로, 8명의 학생이 "교수님은 항상 계실 수 없지만 AI는 24시간 이용할 수 있다"는 점을 장점으로 꼽았다. 둘째는 효율성으로, 15명의 학생이 시간 절약 효과를 언급했다. 셋째는 사고 방향 제시로, 11명의 학생이 창의적 블록을 해소하거나 문제 해결의 실마리를 찾는 데 도움이 된다고 답했다. 넷째는 학습 심화로, 12명의 학생이 AI를 통해 학습 자료를 더 깊이 이해할 수 있었다고 평가했다. "이렇게는 하지 말자"...학생들이 만든 AI 사용 윤리 규칙 대학의 명확한 지침이 부재한 상황에서 학생들은 자체적인 AI 사용 규칙을 만들어 지켰다. 가장 기본적인 원칙은 '참고는 하되 표절하지 않기'였다. 4명의 학생이 AI의 도움을 받을 때는 반드시 출처를 밝혀야 한다고 답했다. 또한 13명의 학생이 'AI가 생성한 내용을 그대로 복사하지 않고 자신의 의견을 더해야 한다'고 강조했다. 14명의 학생은 'AI는 전체 과제를 대신하는 것이 아닌 보조 수단으로만 사용해야 한다'는 원칙을 세웠다. "표절 걱정에 AI 활용 못해요"...혼란스러운 대학의 AI 정책 대학의 AI 정책과 관련해 주목할 만한 문제점들이 발견됐다. 조사 대상 학생 중 9명만이 대학의 AI 사용 지침을 인지하고 있었으며, 17명은 대학의 AI 관련 커뮤니케이션이 불명확하다고 지적했다. 교육자들도 11명 중 9명이 공식 지침을 모른다고 답했다. 한 교수는 "한 교수는 AI 사용 과제에 0점을 주고, 다른 교수는 전혀 문제삼지 않는 등 평가 기준이 제각각"이라고 설명했다. "생각보다 많이 틀려요"...AI 활용의 한계와 대응 전략 학생들은 AI의 한계도 분명히 인식하고 있었다. 12명의 학생이 AI 사용 중 오류를 경험했다고 답했으며, 13명은 AI가 피상적이거나 뉘앙스가 부족한 답변을 한다고 지적했다. 이에 대한 대응으로 13명의 학생이 AI의 답변을 다른 출처로 교차 검증한다고 답했다. 특히 7명의 학생은 과제의 중요도에 따라 AI 의존도를 조절한다고 밝혔다. AI 도입으로 달라진 교수-학생 관계 AI 도입은 교수-학생 관계에도 변화를 가져왔다. 6명의 학생이 AI 의존도가 높아지면서 교수와의 관계가 소원해질 수 있다고 우려했다. 반면 5명의 학생은 교수와의 대화가 AI와는 다른 깊이 있는 이해와 정서적 지원을 제공한다고 평가했다. 교육자들 중 5명은 학생들이 교수보다 ChatGPT에 먼저 질문하는 경향을 인식하고 있었지만, 3명은 이를 긍정적으로 평가했다. "평소 질문하기를 꺼리던 학생들도 AI를 통해 도움을 받을 수 있게 됐다"는 것이다. "시험도 바뀌어야 해요"...AI 시대에 맞는 새로운 평가방식 필요 학생들과 교육자들은 AI 시대에 맞는 평가방식의 변화가 필요하다고 입을 모았다. 5명의 학생이 AI를 활용한 새로운 형태의 과제 평가를 제안했다. 예를 들어, AI의 답변에 대해 비판적으로 분석하거나, AI 활용 여부와 관계없이 작성한 글을 비교하는 방식이다. 교육자들도 7명이 현재의 평가방식이 변화해야 한다고 답했다. 일부 교육자들은 이미 구두시험과 필기시험을 결합하거나, 포트폴리오에 대한 심층 평가를 시도하고 있었다. 한 교수는 "ChatGPT를 사용해도 좋으니 어떻게 활용했는지 200단어로 설명하라고 했더니 효과가 좋았다"고 언급했다. "AI는 개별 맞춤형 교육 도우미"...학생과 교수가 그리는 미래 향후 AI 활용에 대해 학생 11명이 개인화된 학습 지원 도구로서의 발전을 전망했다. 구체적으로는 피드백과 연습문제 제공, 학습 동반자 역할 등이 언급됐다. 교육자들은 5명이 AI가 수업 중 학생 지원이나 개별화된 학습 경험 제공에 도움이 될 것으로 보았다. 다만 양측 모두 AI가 교육자를 대체하는 것이 아닌 보완하는 역할을 해야 한다고 강조했다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT-4o를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.01.29 15:44AI 에디터

중국 AI 스타트업 딥시크, 오픈AI 뺨치네…어떻게 성공했나

중국의 인공지능 스타트업 딥시크(DeepSeek)가 기존 실리콘밸리 기업들보다 훨씬 적은 비용으로 고성능 AI 모델을 개발하는데 성공하며 미국 주식 시장에까지 영향을 미치고 있다. 딥시크는 중국 헤지펀드 하이플라이어(High-Flyer)에서 시작됐다. 하이플라이어는 원래 AI를 활용해 중국 주식시장에서 투자하는 회사였지만, 2021년 중국 정부의 투기성 거래 규제 강화로 새로운 방향을 모색해야 했다. 뉴욕타임스는 하이플라이어의 루전저(Lu Zhengzhe) CEO가 2023년 중국 관영매체와의 인터뷰에서 "우리는 투자 산업을 넘어서는 더 큰 가치를 창출하고 싶었다"며 "투자와는 독립적인 새로운 팀을 구성했고, 이는 제2의 창업과 같았다"고 밝혔다고 전했다. 뉴욕타임스 보도에 의하면 딥시크는 바이두나 알리바바처럼 소비자용 AI 제품으로 수익을 내는 대신, 하이플라이어의 주식 거래 수익을 야심찬 연구 개발에 투자했다. 이러한 접근은 궁극적으로 소비자 기술 기업인 미국의 경쟁사들과는 다른 길이었다. 딥시크는 엔비디아(NVIDIA) 전문 칩 2,000개만으로 AI 챗봇을 학습시켰다. 뉴욕타임즈는 이는 미국 주요 기업들이 사용한 16,000개와 비교해 훨씬 적은 수치라며, 이러한 효율성이 실리콘밸리의 AI 기술 격차를 좁혔다고 평가했다. 딥시크의 CEO 량원펑(Liang Wenfeng)은 저장대학교 출신 엔지니어로, 중국 기업들이 미국의 혁신을 따라잡으려면 수익보다 연구를 우선시해야 한다고 강조해왔다. 딥시크와 함께 일했던 컴퓨터 엔지니어 지한 왕(Zihan Wang)은 뉴욕타임즈와의 인터뷰에서 "재직 중에 수익에 대한 이야기는 거의 하지 않았다"며 "훌륭한 기초 모델을 만드는 데만 집중했다"고 증언했다. 특히 딥시크는 다른 중국 기업들과 달리 프로그래머뿐만 아니라 시인과 인문학 전공자들도 채용해 고전 중국 시를 쓰고 대학 입학시험 문제를 풀 수 있는 모델을 훈련시켜왔다. 뉴욕타임스는 최근 딥시크가 첫 챗봇 출시와 함께 리창(Li Qiang) 중국 총리와의 원탁회의에 참석하는 등 갑작스러운 주목을 받게 되면서, 중국 공산당의 혁신 정책의 중심에 서게 됐다고 전했다. 랜드연구소(RAND Corporation)의 지미 구드리치(Jimmy Goodrich) 선임고문은 "이는 딥시크에게 큰 과제가 될 수 있다"며 "당과 전 세계가 지켜보는 가운데 자유로운 비전을 유지할 수 있을지가 관건"이라고 분석했다. ■ 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.01.29 15:38AI 에디터

"4세 아이도 30분만에 AI 동화책 창작"…AI가 놀라운 진짜 이유

"30분 녹음으로 동화책 완성"...AI가 바꾼 4살 아이의 창작 경험 필란드의 알토 대학교의 타피오 피트카란타(Tapio Pitkaranta) 교수가 발표한 논문에 따르면, 현재 우리는 4살 아이도 음성만으로 AI를 통해 자신만의 동화책을 만들 수 있는 시대를 살고 있다. 단 30분의 녹음으로 이야기를 만들고, AI는 이를 텍스트로 변환하고 그림을 그려 다시 음성으로 들려주는 방식이다. (☞ 논문 바로가기) 주목할 만한 점은 아이가 AI가 만든 초기 결과물이 마음에 들지 않으면 수정을 요청할 수 있으며, 성인의 기술적 도움 없이도 AI와 직접 상호작용하며 자신만의 비전에 맞는 이야기를 완성할 수 있다는 것이다. 1970년대 마이크로프로세서에서 현대 CPU까지: 컴퓨팅 파워의 진화 1971년 인텔의 4004 프로세서 출시를 시작으로 컴퓨터 하드웨어는 급속도로 발전했다. 1978년 인텔 8086은 PC 산업의 표준이 되었고, 이후 CPU는 복잡한 수학적 연산이 가능한 수준으로 발전했다. 1945년 ENIAC이 진공관으로 기본적인 수치 계산만 수행하던 시대에서, 현재는 수십억 개의 트랜지스터로 AI 모델 학습이 가능한 시대로 진화했다. "4G의 100배 속도"...5G 시대가 여는 모바일 AI 혁명 1946년 벨 연구소의 차량용 전화 시스템을 시작으로, 모바일 기술은 1G에서 5G까지 진화했다. 특히 2007년 아이폰의 등장과 함께 시작된 스마트폰 혁명은 현재 전 세계 60억대 이상의 스마트폰으로 이어졌다. 이러한 모바일 기기들은 단순한 통신기기를 넘어 AI 시스템을 위한 데이터 생성기이자 접근 지점이 되었다. 5G 네트워크는 4G보다 100배 빠른 속도로, 실시간 AI 응용을 가능하게 만들었다. 1메가와트에서 1기가와트로: 데이터센터 전력 소비의 폭발적 증가 현대 AI 시스템의 근간이 되는 데이터센터는 이제 원자력발전소에 맞먹는 수준인 1기가와트(GW)의 전력을 소비한다. 국제에너지기구(IEA)의 '2024년 전력 분석 및 전망' 보고서는 처음으로 데이터센터의 전력 소비를 주요 이슈로 다뤘다. 특히 2010년대 후반부터는 엣지 컴퓨팅과 서버리스 기술의 도입으로 실시간 분석과 사물인터넷(IoT) 애플리케이션이 가능해졌으며, AWS 람다와 같은 서비스로 인프라 관리 없이도 코드 실행이 가능해졌다. 1999년 GeForce 256에서 2020년 A100까지: GPU의 AI 가속화 여정 GPU의 역사는 1970년대 벡터와 래스터 그래픽을 위한 특수 하드웨어에서 시작되었다. 1984년 IBM의 Professional Graphics Controller를 거쳐, 1999년 엔비디아(NVIDIA)의 GeForce 256은 최초로 변환과 조명 기능을 내장한 'GPU'로서 그래픽 연산의 새로운 표준을 제시했다. 2007년 CUDA 아키텍처의 도입으로 GPU는 과학 시뮬레이션과 기계학습으로 영역을 확장했고, 2020년 출시된 A100 GPU는 대규모 AI 모델 학습에 최적화되었다. 1945년 하이퍼미디어에서 1998년 PageRank까지: 웹이 만든 AI 데이터 혁명 1945년 배니버 부시의 'As We May Think' 논문에서 제시된 하이퍼미디어 개념은 1968년 더글러스 엥겔바트의 "모든 데모의 어머니"를 거쳐, 1989년 팀 버너스리의 WWW 발명으로 실현되었다. 1994년 넷스케이프 네비게이터의 등장으로 웹 접근성이 향상되었고, 1998년 브린과 페이지가 개발한 구글의 PageRank 알고리즘은 웹의 하이퍼링크 구조를 활용해 정보의 중요도를 평가하는 혁신을 가져왔다. 1943년 신경망에서 2017년 트랜스포머까지: AI 연구의 핵심 돌파구 1950년 앨런 튜링의 '컴퓨팅 기계와 지능' 논문으로 시작된 AI 연구는 1943년 매컬럭-피츠 뉴런 모델, 1961년 로젠블랫의 퍼셉트론을 거쳐 발전했다. 1970년 린나인마의 역전파 알고리즘, 1986년 루멜하트, 힌튼, 윌리엄스의 연구로 다층 신경망 학습이 가능해졌다. 2013년 Word2Vec의 등장으로 자연어의 의미 관계를 벡터로 표현할 수 있게 되었고, 2017년 "Attention is All You Need" 논문의 트랜스포머 모델은 GPT, BERT와 같은 대규모 언어 모델의 근간이 되었다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT-4o를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.01.29 08:27AI 에디터

"기업들, AI 윤리적으로 사용" 42%…고객 신뢰 떨어져

기업 신뢰도 2년새 48%→29% 급락...고객 신뢰 회복이 최우선 과제로 세일즈포스가 전 세계 15,015명의 소비자와 1,570명의 기업 구매자를 대상으로 실시한 'State of the AI Connected Customer' 보고서에 따르면, 기업에 대한 신뢰도가 급격히 하락하고 있다. 2020년에는 기업에 대한 신뢰가 증가했다는 응답이 48%, 감소했다는 응답이 52%였으나, 2024년에는 신뢰가 증가했다는 응답이 29%로 떨어진 반면, 감소했다는 응답은 71%까지 치솟았다. (☞ 보고서 바로 가기) 특히 기업의 AI 윤리적 사용에 대한 소비자 신뢰도는 2023년 58%에서 2024년 42%로 급격히 하락했으며, 소비자의 64%는 기업들이 고객 데이터를 무분별하게 사용한다고 우려했다. 고객들의 61%는 AI 기술의 발전으로 기업의 신뢰성이 더욱 중요해졌다고 응답했다. 기업이 고객의 신뢰를 얻기 위해 가장 중요한 행동으로는 공정한 가격 책정과 가치 제공(54%)이 꼽혔다. 특히 일반 소비자의 경우 이 비율이 55%로, 기업 구매자(44%)보다 높았다. 그 다음으로는 일관된 제품/서비스 품질 유지(36%), 고객 개인정보와 데이터 보호(35%)가 중요한 요소로 나타났다. 이는 소비자와 기업 구매자 모두에게서 비슷한 수준의 응답률을 보였다. AI 윤리적 사용 우려 4년새 66%→73%로 증가...강한 우려는 22%→37% 급증 AI 기술의 급속한 발전과 함께 윤리적 사용에 대한 우려도 꾸준히 증가하고 있다. AI의 비윤리적 사용에 대한 우려는 2020년 66%에서 시작해 2021년 72%, 2022년 74%로 증가하다가 2024년에는 73% 수준을 유지했다. 특히 주목할 만한 점은 이에 대해 '강한 우려'를 표명한 응답자의 비율이 2020년 22%에서 2024년 37%로 크게 증가했다는 것이다. 고객들의 61%는 AI 기술의 발전으로 인해 기업의 신뢰성이 더욱 중요해졌다고 응답했다. 그러나 기업들이 AI를 윤리적으로 사용할 것이라는 신뢰도는 2023년 58%에서 2024년 42%로 급격히 하락했다. 이는 AI 기술의 발전 속도에 비해 기업들의 윤리적 관리와 투명성 확보가 따라가지 못하고 있음을 시사한다. 개인화 서비스 만족도 35%→73% 상승...데이터 활용 신뢰도는 60%→49% 하락 개인화 서비스에 대한 소비자 인식이 지난 5년간 극적으로 변화했다. 2020년에는 65%의 소비자가 기업들이 자신을 '숫자'로 대한다고 느꼈고 35%만이 '고유한 개인'으로 대우받는다고 생각했다. 이후 2021년에는 '숫자'라는 응답이 56%, 2022년 61%로 증가세를 보이다가, 2023년을 기점으로 큰 변화가 일어났다. 2023년에는 '고유한 개인'이라는 응답이 39%였으나, 2024년에는 73%로 급증했다. 하지만 개인정보 보호에 대한 우려도 함께 커졌다. 고객들의 71%는 자신의 개인정보 보호에 대해 점점 더 민감해지고 있다고 답했다. 특히 기업의 데이터 활용이 고객에게 이익이 된다고 생각하는 비율은 2022년 60%에서 2024년 49%로 크게 하락했다. 이러한 수치는 기업들이 제공하는 개인화 서비스의 수준은 높아졌지만, 고객 데이터 활용의 투명성과 실질적 혜택 제공에서는 여전히 개선이 필요함을 보여준다. 가격 민감도 최고조...소비자 65% "높은 가격으로 구매 중단" 가격은 소비자 행동 변화의 가장 큰 요인으로 나타났다. 새로운 브랜드를 시도한 이유로는 더 나은 거래(45%), 제품 선택의 다양성과 품질(24%), 편의성(23%)이 꼽혔다. 반면 특정 브랜드 구매를 중단한 이유로는 높은 가격(65%), 불만족스러운 고객 서비스 경험(43%), 제품이나 서비스 품질의 일관성 부족(40%)이 주된 요인으로 조사됐다. 특히 일반 소비자의 경우 높은 가격으로 인한 구매 중단이 66%로 기업 구매자(53%)보다 높게 나타났다. AI 활용과 관련해서는 50%의 소비자가 제품 개선을 위한 AI 활용에 긍정적이었으며, 49%는 더 빠른 응답을, 47%는 신속한 문제 해결을 기대했다. AI 에이전트 활용...기업(46%)과 소비자(30%) 간 선호도 격차 뚜렷 AI 에이전트 활용에 대해서는 기업 구매자와 일반 소비자 간 인식 차이가 뚜렷했다. 빠른 서비스를 위해 AI 에이전트를 활용하겠다는 응답은 기업 구매자의 경우 46%였으나, 일반 소비자는 30%에 그쳤다. AI 에이전트가 자신의 요구를 더 잘 예측하도록 개인정보를 공유할 의향이 있다는 응답도 기업 구매자는 42%인 반면, 일반 소비자는 25%에 불과했다. AI 맞춤형 서비스 선호도...일정 예약(40%) 높고 의료·재무(58%) 낮아 가장 선호되는 AI 활용 사례는 일정 예약(40%)과 맞춤형 콘텐츠 제작(38%)이었다. 반면 의료 상담(44% 불편함), 재무 결정(58% 불편함) 등 중요한 의사결정에서는 AI 활용을 불편해하는 것으로 나타났다. 특히 AI 에이전트가 본인을 대신해 응답하는 것에 대해서는 50%가, 재무적 의사결정을 대신하는 것에 대해서는 58%가 불편함을 표했다. AI 신뢰 구축 핵심 요소...투명성(42%)·인간 검증(35%) 최우선 응답자의 24%는 향후 5년 내에, 25%는 5-10년 내에 AI가 인간의 능력과 비슷한 수준에 도달할 것으로 전망했다. AI 신뢰 구축을 위해 가장 중요한 요소로는 AI 사용에 대한 투명성(42%), 인간의 검증(35%), 사용자 통제권(32%), AI 결정의 설명 가능성(31%), 일관된 정확성(30%)이 꼽혔다. 세일즈포스는 기업들에게 신뢰를 기반으로 한 AI 도입을 권고했다. 구체적으로 강력한 보안 가이드라인 구축, 조직의 가치에 맞는 AI 전략 수립, 직원과 고객에 대한 통제권 보장, 데이터 보호 방안 명확화, 고객 데이터의 상호 이익을 위한 활용 등을 제시했다. 또한 AI 도구 사용에 대한 윤리적 훈련과 교육의 중요성도 강조했다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT-4o를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.01.29 08:21AI 에디터

놓치면 후회하는 2025년 AI 관련 행사 총 정리!

미래는 지금! 2025년을 뒤흔들 AI 대축제 인공지능(AI)의 빠른 발전은 산업 전반에 걸쳐 업무 효율을 높이고, 새로운 기회를 창출하고 있습니다. 제조·물류·교육·헬스케어 등 다양한 분야에서 AI가 혁신을 이끌어 가는 가운데, 2025년에는 전 세계 각지에서 이를 조명하는 대규모 컨퍼런스와 전시회가 다채롭게 열릴 예정입니다. 이러한 행사는 단순히 기술 트렌드를 소개하는 것을 넘어, 윤리·정책·투자 환경 등 미래 사회가 직면할 이슈들을 함께 논의하는 장으로 자리매김하고 있습니다. 아래에서는 2025년에 개최될 주요 AI 관련 행사들을 살펴보며, 우리가 주목해야 할 핵심 포인트들을 간단히 정리해보겠습니다. 2025년 AI 관련 주요 행사 2월 (February) AI & Big Data Expo Global 2025 일시: 2025년 2월 5일(수) ~ 2월 6일(목) 장소: 영국 런던, 올림피아 런던 주요 내용 AI와 빅데이터 분야 최신 기술 및 혁신 전시 산업별 적용 사례 및 미래 전망 논의 공식 홈페이지: https://www.ai-expo.net/global AI Seoul 2025 일시: 2025년 2월 11일(화), 10:00 ~ 18:00 장소: 코엑스 그랜드볼룸(101~105호) 주제: AI for a Harmonious Society (AI로 만드는 조화로운 사회) 내용 국내외 인공지능 산업·기술 분야 전문가 초청 강연 및 발표 공식 홈페이지: https://aiseoul2025.com/home/ 3월 (March) NVIDIA GTC 2025 일시: 2025년 3월 16일(월) ~ 3월 21일(금) (미국 시간) 장소: 미국 캘리포니아주 산호세 주요 내용 AI와 가속 컴퓨팅 분야 글로벌 선도 행사 NVIDIA CEO 젠슨 황 키노트, 500개 이상 세션, 300개 이상 전시, 기술 실습 교육 등 공식 홈페이지: https://www.nvidia.com/gtc 4월 (April) 월드 IT 쇼 2025 (World IT Show 2025) 일정: 2025년 4월 24일(목) ~ 26일(토) 장소: 서울 코엑스 내용 국내 최대 규모의 ICT 종합 전시회 공식 홈페이지: https://www.worlditshow.co.kr 5월 (May) IEEE CAI 2025 (IEEE Conference on Artificial Intelligence) 일정: 2025년 5월 5일(월) ~ 7일(수) 장소: 미국 캘리포니아주 산타클라라 내용 AI 응용과 산업 기술 혁신에 중점을 둔 국제 컨퍼런스 공식 홈페이지: https://cai.ieee.org/2025/ Rise of AI Conference 일정: 2025년 5월 14일(수) 장소: 독일 베를린, Humboldt Carré Konferenz- und Eventzentrum 및 온라인 내용 AI 발전, 윤리, 산업 응용을 탐구하는 유럽의 주요 행사 공식 홈페이지: https://riseof.ai/conference-2025/ AI EXPO KOREA 2025 (국제인공지능대전) 일정: 2025년 5월 14일(수) ~ 16일(금) 장소: 서울 코엑스 1층 Hall A 내용 약 350개 기업 참가, 국내 최대 규모의 AI 전시회 사전 등록: www.aiexpo.co.kr 2025 산업AI EXPO 일시: 2025년 5월 21일(수) ~ 23일(금) 장소: 코엑스 마곡 컨벤션센터 주요 내용 'AI와 산업의 융합' 주제로, 자율제조 등 AI 기술의 산업 현장 적용 사례 조망 GEN AI 등 새로운 AI 모델의 수요 급증에 따른 미래 산업 변화 논의 공식 홈페이지: https://industrialaiexpo.or.kr/main.asp 6월 (June) AI & 빅데이터 엑스포 북미 2025 일정: 2025년 6월 4일(수) ~ 5일(목) 장소: 캘리포니아주 산타클라라 컨벤션 센터 내용 AI 및 빅데이터를 통해 더욱 스마트한 미래를 구축하는 행사 공식 홈페이지: https://www.ai-expo.net/northamerica/?ref=cantonfair.net 제14회 스마트테크 코리아 (STK 2025) 일시: 2025년 6월 11일(수) ~ 13일(금) 장소: 서울 코엑스(COEX) 내용 AI, 빅데이터, 로봇, 유통물류 등 스마트 기술 전시 인공지능 & 빅데이터쇼 (AI & Big Data Show) 일시: 2025년 6월 11일(수) ~ 13일(금) 장소: 서울 코엑스 C홀 공식 홈페이지: https://smarttechkorea.com/ 2025 메타버스 엑스포 (MVE 2025) 일시: 2025년 6월 18일(수) ~ 20일(금) 장소: 서울 코엑스(COEX) 내용 메타버스 플랫폼, 하드웨어, 콘텐츠, AI 등 전시 공식 홈페이지: https://metavexpo.com/eng/ 7월 (July) AI for Good Global Summit 2025 일시 본 행사: 2025년 7월 8일(화) ~ 11일(금) AI Governance Day: 7월 10일(목) International AI Standards Day: 7월 11일(금) 장소: 스위스 제네바, Centre International de Conférences de Genève 주최: 국제전기통신연합(ITU) 주요 내용 AI 기술로 사회적 가치를 창출하는 방안 및 국제 표준·거버넌스 논의 공식 홈페이지: https://myfair.co/exhibition/114156 8월 (August) AI4 2025 일정: 2025년 8월 11일(월) ~ 13일(수) 장소: 미국 네바다주 라스베이거스 내용 비즈니스에서의 AI 응용에 중점 둔 대규모 컨퍼런스 웹사이트: https://ai4.io/vegas/ 9월 (September) 소프트웨이브 서밋 2025 일시: 2025년 9월 (정확한 날짜 미정) 장소: 서울 킨텍스 주요 내용 첨단 기술 혁신 논의, 블록체인·AI의 사회적 영향 심층 포럼 기술 산업 전문가·스타트업·일반인 참여 등록 웹사이트: www.softwave.co.kr 제3회 인공지능 대전망 그랜드 서밋 - Physical AI(Embodied AI) & Robotics 2025 일시: 2025년 9월 (정확한 날짜 미정) 장소: 서울 (장소 미정) 주요 내용 Physical AI(Embodied AI)와 로보틱스 융합을 통한 혁신 논의 인간-로봇 자연스러운 상호작용 및 미래 스마트 기술 생태계 전망 등록 웹사이트: www.sek.co.kr/2025/Issue Applied Intelligence Live! (이전 명칭: IoT World) 일시: 2025년 9월 20일(토) ~ 9월 21일(일) 장소: 미국 텍사스주 오스틴 주요 내용 주제: AI와 IoT 융합 기술 및 솔루션 인공지능·사물인터넷 실제 적용 사례, 최신 트렌드 공유 등록 웹사이트: www.easyfair.co.kr 10월 (October) World Summit AI 일정: 2025년 10월 8일(수) ~ 9일(목) 장소: 네덜란드 암스테르담 내용 글로벌 AI 생태계가 모이는 세계적 규모의 AI 서밋 공식 홈페이지: https://worldsummit.ai/ 11월 (November) AI Summit Seoul 일정: 2025년 11월 10일(월) ~ 11일(화) 장소: 서울 내용 산업 분야의 AI 통합·활용 전략 중심 국제 행사 공식 홈페이지: https://www.aisummitseoul.com/ Microsoft Ignite 일시: 2025년 11월 17일(월) ~ 21일(금) 장소: 미국 캘리포니아주 샌프란시스코, 모스콘 센터(Moscone Center) 주요 내용 키노트 발표: Microsoft 비전 및 최신 기술 동향 다양한 기술 세션·워크숍·네트워킹 이벤트 공식 홈페이지: https://ignite.microsoft.com 급변하는 시대, 뒤쳐질까 걱정된다면? 결국, AI가 가져올 변화는 '기술'에만 국한되지 않습니다. 이번에 소개한 행사들은 혁신적인 연구 성과와 비즈니스 사례를 공유하는 동시에, 윤리적 책임과 협업의 중요성을 강조하고 있습니다. 정부·기업·학계·스타트업이 한자리에서 머리를 맞대고 미래를 모색하는 이러한 기회들은, 개인에게도 큰 영감을 주고 새로운 네트워킹의 장을 열어줍니다. AI가 우리 일상에 깊숙이 스며드는 2025년, 이 흥미진진한 장(場)에 직접 참여해 보거나 소식을 지속적으로 팔로우하면서 다가올 변화를 능동적으로 준비해보는 것은 어떨까요? 우리가 어디서 어떤 역할을 맡든, 결국 AI 시대를 맞이하는 가장 큰 힘은 인간의 호기심과 상상력일 테니까요. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 퍼플렉시티와 챗GPT 4o를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.01.28 08:22AI 에디터

AI, 시각장애인의 눈이 되다… 스마트폰 카메라로 실시간 안내

스마트폰 카메라만으로 실시간 내비게이션 구현: 기존 대비 비용 90% 절감 효과 카네기멜론대학교 연구진이 시각장애인을 위한 혁신적인 내비게이션 보조 시스템 'AI 가이드독(AIGD)'을 개발했다. 이 시스템은 라이다(LiDAR)나 레이저 스캐너와 같은 고가의 특수 장비 없이 일반 스마트폰의 카메라만으로 실시간 경로 예측이 가능하다. 연구진은 시각장애인의 평균 보행 속도가 0.72m/s임을 고려해 시스템을 최적화했으며, 사용자의 가슴 부위에 스마트폰을 착용하는 방식으로 실시간 영상을 처리한다. (☞ 논문 바로가기) 실내외 통합 데이터셋: 57시간의 실제 보행 데이터로 학습된 AI 연구진은 피츠버그, 시애틀, 베이 에리어에서 총 57시간의 보행 데이터를 수집했다. 실내 데이터는 도서관 3곳과 대학 건물 복도, 식료품점에서, 실외 데이터는 피츠버그 거리 2곳, 공원, 시애틀 거리에서 수집했다. 총 392,580개의 데이터 샘플을 확보했으며, 이를 60:20:20 비율로 학습, 검증, 테스트 세트로 나누었다. 모든 영상은 30fps로 촬영한 후 2fps로 다운샘플링하여 128x128 크기의 흑백 이미지로 변환했다. 멀티라벨 분류와 GPS 연동: 실내외 모두에서 90% 이상의 정확도 달성 이 시스템은 전방(FRONT), 좌회전(LEFT), 우회전(RIGHT) 예측에서 CNN+LSTM+Intent 모델을 사용해 각각 0.920, 0.664, 0.700의 AUC 성능을 달성했다. 특히 실외에서는 구글 맵스 API와 연동하여 GPS 신호와 고수준 방향 정보를 통합했다. GPS의 4.9미터 오차 한계를 보완하기 위해 카메라 기반의 지역 경로 안내를 제공하며, 실내에서는 모든 가능한 회전 경로를 동시에 예측한다. 다양한 AI 모델 구조 실험: CNN+LSTM+Intent 모델의 우수성 입증 연구진은 CNN, ConvLSTM, PredRNN 등 다양한 모델 구조를 실험했다. 단순 CNN은 개별 프레임만 처리하는 반면, ConvLSTM은 시공간적 정보를 함께 처리할 수 있었다. PredRNN은 가장 높은 성능을 보였지만 계산 복잡도가 높아 실시간 처리에는 적합하지 않았다. 최종적으로 채택된 CNN+LSTM+Intent 모델은 CNN으로 이미지 특징을 추출하고 LSTM으로 시간적 관계를 모델링하는 동시에 GPS와 방향 정보를 통합하는 구조를 가진다. 특히 실외 테스트에서 LEFT 0.671, RIGHT 0.707의 AUC 성능을 달성하며 다른 모델들을 크게 앞섰다. 의도 기반 내비게이션의 혁신: GPS와 비전 정보의 통합 목적지 기반 내비게이션을 위해 구글 맵스 API의 보행 경로 정보를 활용하는 독창적인 방식을 도입했다. turn-slight-left, turn-sharp-left, turn-left 등 7가지 기본 동작을 정의하고, 각 단계별 시작과 끝 위치의 위도/경도 정보를 원-핫 인코딩 벡터로 변환했다. 이를 현재 GPS 좌표와 결합해 모델의 의도 임베딩(Intent Embedding) 벡터를 생성했다. 이러한 접근은 GPS의 낮은 정확도를 카메라 기반 지역 경로 인식으로 보완하는 동시에, 전체 경로에 대한 문맥을 제공한다. 데이터 불균형 해결: 회전 데이터 2배 증강으로 성능 향상 데이터셋에서 직진(FRONT) 데이터가 회전 데이터보다 많은 불균형 문제를 해결하기 위해 LEFT/RIGHT 클래스의 데이터를 2배로 증강했다. 또한 20%의 확률로 이미지 변환을 적용하고, 포컬 로스(Focal Loss)를 사용해 어려운 샘플에 더 큰 가중치를 부여했다. 클래스 가중치는 LEFT:RIGHT:FRONT를 2:2:1로 설정했다. 실시간 처리를 위한 최적화: 2FPS, 16비트 양자화 적용 아이폰 13에서의 실시간 구동을 위해 프레임 속도와 양자화 실험을 진행했다. 시각장애인의 보행 속도를 고려하여 2FPS로 설정했으며, 16비트 양자화를 적용해 메모리와 GPU 사용량을 최적화했다. 이를 통해 배터리 소모를 최소화하면서도 실시간 내비게이션에 충분한 성능을 확보했다. 미래 확장성: 10도 단위 회전각 예측 및 보행자 상호작용 고려 현재 세 방향 예측에서 나아가 10도 단위의 회전각 예측과 보행 시작/정지 명령으로 기능을 확장할 계획이다. 또한 장애물, 보행자, 차량과의 상호작용을 고려한 더 정교한 경로 안내 시스템으로 발전시킬 예정이다. 이 연구는 고가의 특수 장비 없이도 시각장애인의 안전한 보행이 가능한 실용적인 솔루션을 제시했다는 점에서 의의가 있다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT-4o를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.01.28 08:14AI 에디터

[Q&AI] 설날 용돈 얼마가 적당할까…AI에게 물어보니

질문: 설날 용돈 얼마가 적당해? 퍼플렉시티 답변:설날 용돈의 적정 금액은 연령대와 경제적 상황에 따라 다르지만, 일반적인 가이드라인은 다음과 같습니다: 연령대별 적정 용돈 금액 미취학 아동1만원~3만원 초등학생3만원~5만원 중학생5만원~10만원 고등학생5만원~10만원 대학생 및 성인10만원 내외 용돈 결정 시 고려사항 경제적 상황: 자신의 경제 상황에 맞게 금액을 조절해야 합니다. 일관성: 매년 비슷한 수준의 금액을 유지하는 것이 좋습니다. 개인차: 받는 사람의 나이와 관계를 고려해 조정할 수 있습니다. 물가 상승: 최근의 물가 상승을 감안해 금액을 조정할 수 있습니다. 추가 고려사항 설문조사 결과, 성인의 경우 5만원이 가장 적절하다는 의견이 많았습니다 . 일부 조사에서는 세뱃돈을 주고받지 않는 것이 좋다는 의견도 있었습니다. 금액보다는 마음을 전하는 것이 중요하다는 점을 기억해야 합니다. 결론적으로, 설날 용돈은 개인의 상황과 관계에 따라 유연하게 결정하되, 위의 가이드라인을 참고하여 적절한 금액을 정하는 것이 좋습니다. 후속 질문: 눈치 좀 챙겨... 퍼플렉시티 답변:아, 죄송합니다. 제가 너무 형식적으로 답변했네요. 설날 용돈은 정말 민감한 주제죠. 사실 용돈 금액에 대한 '정답'은 없습니다. 가장 중요한 건 상황을 잘 파악하는 거예요. 눈치 있게 용돈 주는 팁 주변 분위기를 살펴보세요: 가족들이나 친척들이 얼마나 주고받는지 슬쩍 보세요. 너무 튀지 않게 맞추는 게 좋아요. 받는 사람의 반응을 봐요: 작년에 줬던 금액에 대한 반응을 기억해보세요. 만족스러워 했다면 비슷하게, 아니면 조금 조정해보는 것도 방법이에요. 융통성을 발휘하세요: 경제 사정이 어려워졌다면 솔직히 얘기하고 금액을 줄여도 돼요. 반대로 여유가 생겼다면 조금 더 주는 것도 좋겠죠. 성의를 보여주세요: 금액보다는 정성이 중요해요. 작은 선물이나 손편지를 곁들이면 더 좋겠죠. 상황에 맞게 조절하세요: 멀리서 오는 조카에겐 조금 더, 자주 보는 조카에겐 조금 덜 주는 식으로 융통성 있게 대처하세요. 결국, 가장 중요한 건 마음이에요. 금액에 너무 연연하지 말고, 정성과 배려를 담아 주는 게 가장 좋은 방법이랍니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 퍼플렉시티를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.01.25 22:37AI 에디터

Prev 21 22 23 24 25 26 27 28 29 Next