Google, AI 기반 검색 기능 업그레이드 및 새로운 기능 출시

구글은 최근 AI 기술의 발전에 발맞춰 새로운 기능을 검색 서비스에 도입하였다고 밝혔다. 구글 검색 부사장 란이 잉은 성명에서, 회사는 AI 기술을 활용한 검색 경험(SGE)에 대한 새로운 업그레이드를 확인했다고 밝혔다. 이 업그레이드는 사용자들이 단어를 탭하거나 마우스를 올려놓음으로써 기술적인 개념을 이해하는 데 도움을 줄 것이다.

구글은 생성 모델 AI를 사용하여 경제학, 역사, 과학 등 여러 개념에 대한 간결한 요약을 제공할 것이라고 말했다. 6월에 베타 버전으로 출시된 이후 구글은 초기 사용자들로부터 긍정적인 피드백을 받았으며, 서비스의 기능을 확장하는 데 관심을 가지고 있다고 전했다.

앞으로 구글은 “SGE while browsing”를 시작한다고 발표했는데, 이 기능은 사용자들이 긴 형식의 콘텐츠와 창의적으로 상호작용할 수 있게 해줄 것이라고 한다. 이 새로운 기능은 긴 형식의 콘텐츠의 주요 부분에 대한 AI가 생성한 요약을 제공하여 사용자들이 게시물을 원활하게 탐색할 수 있도록 돕는다.

구글은 “SGE while browsing”는 유료 콘텐츠에는 적용되지 않을 것이며, 실험의 이상적인 방향을 결정하기 위해 사용자와 게시자의 피드백에 의존할 것이라고 설명했다.

기존에 SGE에 접근 권한을 가진 사용자들은 자동으로 새로운 업그레이드에 액세스할 수 있으며, 구글은 Search Labs를 통해 “SGE while browsing”와 상호작용할 수 있는 옵션을 새로운 사용자들에게 제공할 것이다.

또한 구글은 프로그래머들이 생성 모델 AI를 사용하여 코드를 더 깊게 이해할 수 있도록 SGE를 업그레이드하였다. 현재 프로그래머들은 SGE를 사용하여 간단한 프로그래 질문에 대한 답변과 코딩 작업을 위한 AI가 생성한 코드 스니펫에 접근할 수 있다.

성명에서는 “새로운 업데이트로 개요에서 코드 세그먼트가 구문 강조로 색상이 지정되므로 키워드, 주석, 문자열과 같은 요소를 한눈에 더 빠르고 쉽게 식별할 수 있어 코드를 더 잘 이해할 수 있게 됩니다”라고 밝혔다.

이러한 새로운 기능들은 구글을 마이크로소프트의 빙(NASDAQ: MSFT)과 직접적으로 경쟁하게 만들었다. 양사는 새로운 기능을 출시하기 위해 서로 경쟁하고 있다. 빙 챗은 2월 AI와의 통합 이후 요약 기능을 제공하고 있다.

AI 분야에서 많은 성과를 거두고 있는 구글은 Bard라는 생성 모델 AI 플랫폼을 출시한 이후 새로운 AI 제품들을 지속적으로 선보이고 있다. 회사는 이미 AI를 활용하여 상업 은행 및 기타 금융 기관이 기존의 자금 세탁 방지(AML) 규정을 준수하도록 지원하는 플랫폼도 출시했다.

구글은 AI 혁신의 속도에도 불구하고 미국 백악관에서 제안된 AI 규제 가이드라인을 준수하기로 약속했다. 회사는 AI 제품이 소비자 사용에 안전하도록 한 후에 전면 롤아웃하기로 하였으며, 영국의 연구원들에게 우선적인 초기 액세스를 제공할 것이라고 밝혔다.

AI 규제는 최근 몇 달간 핵심 부문인 Web3, 금융, 보안, 교육 및 의료 등에 대한 위협으로 큰 관심을 받고 있다.

Generative AI는 마법과 같아서 기계가 인간과 유사한 콘텐츠를 생성할 수 있게 합니다. 이를 위한 핵심은 대형 언어 모델(Large Language Models, LLMs)입니다. 그러나 이러한 큰 모델을 사용하는 것은 간단하지 않습니다. 이는 계획, 데이터 이해, 훈련, 책임 있는 사용에 대한 여정입니다. 이 글은 AI 프로젝를 시작하여 도전을 극복하고 윤리적인 사용을 보장하기 위한 필수 사항을 안내합니다.

생성적 AI 및 LLMs 생성적 AI는 인공지능 분야에서의 패러다임으로, 인간과 유사한 창의성을 시뮬레이션하기 위해 콘텐츠를 자율적으로 생성하는 것을 목표로 합니다. GPT-4와 같은 대형 언어 모델(LLMs)은 이 접근 방식의 뛰어난 예시입니다. 광범위한 데이터셋으로 훈련된 이러한 모델은 단순한 문장부터 전체 기사까지 포괄적이고 맥락에 맞는, 종종 정교한 텍스트를 생성할 수 있습니다. 그러나 LLM 응용 프로그램을 구상부터 최종 배포까지의 여정은 간단하지 않습니다. 프로젝트 수명 주기를 이해하는 것이 중요합니다.

프로젝트 정의 LLM 프로젝트의 시작 단계에서는 명확하고 정의된 경로를 가져야 합니다. 이러한 명확성은 포괄적인 프로젝트 정의 단계를 통해 달성됩니다.

목적 설정: 기술적인 내용에 들어가기 전에, LLM의 핵심 목적과 목표를 확립해야 합니다. 모델로 어떤 결과를 얻고자 합니까? 고객 문의 자동화, 콘텐츠 생성 지원 또는 데이터 분석 강화 등이 될 수 있습니다. 예상되는 결과를 명확하게 설명하고 모델이 적용될 주요 사용 사례를 정확히 파악하세요. 이는 프로젝트의 방향을 더욱 명확하게 정리하는 데 도움이 됩니다.

이해 관계자 참여: LLM 프로젝트는 독립적으로 운영되지 않습니다. 기업 내부 팀(IT, 마케팅 또는 제품과 같은)과 외부 이해 관계자(파트너 또는 최종 사용자)와 활발하게 협력하세요. 이들의 의견은 귀중합니다. 요구 사항, 잠재적인 도전 사항 및 프로젝트 초기에 파악되지 않을 수 있는 우려 사항을 제공합니다.

사용 사례 식별: 목표가 설정되고 이해 관계자와 상담이 이루어진 후 특정 문제 영역에 집중해야 합니다. 이 영역을 식별함으로써 적합한 사용 사례를 선택하거나 생성할 수 있습니다. 사용 사례가 프로젝트의 목표와 이해 관계자 요구 사항과 일치하는 경우 강력한 공유 비전을 가지고 프로젝트를 진행할 수 있습니다.

데이터 수집 및 준비 LLMs의 영역에서 데이터는 기초에 불과하지 않을 뿐만 아니라 성공을 결정하는 생명줄입니다. 데이터의 수집과 철저한 준비는 매우 중요한 역할을 합니다.

데이터 마켓플레이스 구축: LLM을 훈련시키기 전에 종합적인 데이터 환경을 구축해야 합니다.

데이터 수집: 사용 사례와 관련된 데이터를 수집하고 생성해야 합니다. 폭넓고 다양한 데이터셋을 수집하는 것이 중요합니다. LLM의 능력은 대부분 데이터 다양성과 대표성에 달려 있습니다. 다양한 데이터를 통해 모델은 맥락에 맞는 응답을 이해하고 생성하는 데 도움이 됩니다.

2023년 10월에 샌프란시스코에서 개최되는 GamesBeat Summit Next의 복귀를 기쁘게 알려드립니다. 이번 행사에서는 “Playing the Edge”라는 주제를 탐구할 예정입니다. 발표를 신청하려면 여기에서 지원하고, 후원 기회에 대해 더 알아보려면 여기를 클릭하세요.

AI 회사인 Alias Technologies는 이번에 이전 Machine Zone CEO인 Kristen Garcia Dumont가 설립한 BeFake라는 소셜 미디어 앱을 선보였습니다. 이 앱은 “Why be real when you can be fake?”라는 구호로 구축되었습니다. BeFake는 기존 소셜 미디어 플랫폼에서 보여지는 전통적인 현실과는 다른 상쾌한 대안을 제공합니다. Alias Technologies의 CEO인 Kristen Garcia Dumont는 GamesBeat와의 인터뷰에서 BeFake가 사용자에게 상상력을 발휘할 수 있는 매력적인 플랫폼을 제공한다고 말했습니다. 사용자는 텍스트 입력을 통해 자신을 매력적인 증강 현실 이미지로 변신시킬 수 있으며, 이를 통해 물리적인 세계의 제한을 벗어나 자신의 창의성의 무한한 가능성을 탐색할 수 있습니다.

Kristen Garcia Dumont는 “BeFake는 소셜 미디어와 우리의 사회적 관계에서 AI의 점점 커지는 존재와 함께하는 혁명을 대표합니다. 이 앱은 단순한 앱 이상으로, AI로 생성된 시각화를 통해 친구들과 연결하는 새로운 방법을 제공합니다. 우리는 진짜만이 아닌 환상 속에서도 진실성이 빛날 수 있다고 믿습니다.”라고 말했습니다.

BeFake의 AI 생성 컨텐츠는 기존 소셜 미디어 플랫폼에서 보이는 것과는 달리 신선하고 매력적이며 사고를 자극한다고 그녀는 설명했습니다. 이 플랫폼은 사용자의 상상력을 자극하여 신체적인 제약을 넘어서는 아이덴티티 탐색의 새로운 방식을 제공합니다. 또한 이 앱은 AI 프롬프트를 활용하여 사용자에게 적합한 소개를 제공하는데 환영받는 역할을 합니다.

BeFake 앱은 사용자 친화적인 인터페이스를 통해 상상력에서 시각화까지의 순조로운, 즐거운 경험을 제공합니다. 사용자는 BeFake 커뮤니티에 참여하여 “가짜가 되는” 행동을 통해 자신을 진실되게 표현할 수 있습니다. 상상력을 발휘함으로써, 사용자들은 BeFake 커뮤니티의 중요한 일원이 됩니다.

BeFake 앱은 지루한 게시물을 재미있고 화려하게 만들기 위해 최선을 다하고 있습니다.

Kristen Garcia Dumont는 Machine Zone에서 CEO로 일한 경험으로부터 많은 것을 배웠습니다. 그녀는 사람들이 서로 알지 못하는 사람들과고 의미 있는 연결을 형성할 수 있다는 강력한 신념을 가져왔다고 말했습니다. 또한 그녀에게 있어 성공하는 사람들은 결코 포기하지 않는 사람들이라고 말했습니다.

앨버니 의료 센터의 신경과학자들은 합주곡인 핑크 플로이드의 “Another Brick in the Wall, Part 1”의 코드가 병원 스위트를 가득 채우자, 뇌전증 수술 준비 중인 환자들의 뇌에 신경 전극을 부착하여 활동을 기록했습니다. 이 연구의 목표는 환자가 듣고 있는 음악의 음조, 리듬, 조화 및 가사와 관련된 뇌 영역의 전기 활동을 포착하여 해당 내용을 재구성할 수 있는지 확인하는 것이었습니다.약 10년이 지난 지금, 캘리포니아 대학 버클리 캠퍼스의 신경과학자들이 이러한 29명의 환자로부터 얻은 자료를 상세하게 분석한 결과, 답은 분명히 예라고 할 수 있습니다. “All in all it was just a brick in the wall”이라는 구절은 재구성된 노래에서 명확하게 들려오며, 그 리듬은 그대로 남아 있고 가사는 약간 흐려지지만 해독 가능합니다. 이는 연구자들이 뇌 기록으로부터 인식 가능한 노래를 재구성한 첫 번째 사례입니다.

이번 연구를 수행한 로버트 나이트 박사는 “음악에 대해 나에게 중요한 한 가지는 감정적인 내용과 감정을 담고 있다는 점입니다. 뇌 기계 인터페이스 분야가 진전함에 따라 이는 앞으로 음악성을 필요로 하는 뇌 임플란트에 음악성을 추가할 수 있는 방법을 제공합니다. ALS나 다른 말의 장애를 일으키는 신경학적 또는 발달 장애를 가진 사람들을 위해 언어적 내용뿐만 아니라 일부 감정적인 내용, 의도를 해독할 수 있는 능력을 제공합니다. 이것이 우리가 실제로 코드를 해독하기 시작한 것이라고 생각합니다.”라고 말했습니다.

뇌 기록 기술이 개선되면 미래에는 뇌를 개방하지 않고도 녹음할 수 있는 가능성이 있을 수도 있습니다. 민감한 전극을 두고 두피에 부착하는 방법 등이 사용될 수 있을 것입니다. 현재는 두피 EEG가 한 번의 문자를 인식하기 위해 적어도 20초가 걸려 통신이 어렵고 고된 과정임을 알려줍니다. 나이트 박사는 “비침습적인 기술은 현재 충분히 정확하지 않습니다. 환자들을 위해 우리가 두개골 외부에 설치된 전극으로부터 뇌의 깊은 영역의 신호를 좋은 품질로 읽을 수 있는 날이 오기를 바랍니다. 그러나 아직 그 정도까지는 멀었습니다.”라고 말했습니다.

본 연구는 인공 지능을 사용하여 뇌 활동을 해독하고 재생성하는 것뿐만 아니라, 리듬과 같은 새로운 음악 처리와 관련된 뇌 영역을 발견하는 데에도 성공하였습니다. 연구 결과에서는 음악과 음성 처리에 중요한 역할을 하는 우수 사지 측두 회전 근육과 같은 부위에서 응답하는 것을 확인할 수 있었습니다. 또한 연구진은 오른쪽 뇌가 왼쪽 뇌보다 음악에 대해 더 민하다는 사실을 확인했습니다.

이번 연구를 통해 새로운 진전이 이뤄졌으며, 앞으로 음악 처리에 대한 우리의 이해를 발전시킬 수 있음을 알 수 있었습니다.