인공지능 윤리: 사회적 책임과 데이터의 두 얼굴

안녕하세요! 오늘은 우리 일상 속에서 점점 더 중요한 역할을 차지하고 있는 '인공지능(AI)'에 대한 윤리에 대해 이야기해보고자 합니다. 단순한 기계에 불과했던 컴퓨터가 이제는 인간처럼 생각하고, 판단하며, 학습하는 시대. 이런 변화는 기술적 진보를 넘어서 사회와 문화, 더 나아가 우리의 일상에까지 큰 변화를 가져오고 있죠.

1. 데이터와 프라이버시

먼저 인공지능의 핵심은 '데이터'입니다. 우리가 사용하는 SNS, 온라인 쇼핑, 길 찾기 앱 등에서 생성되는 정보는 AI가 학습하는 데 있어 굉장히 중요한 역할을 합니다. 그런데 이런 데이터를 수집하고 분석하는 과정에서는 사용자의 개인정보와 프라이버시가 침해될 가능성이 있습니다. 예를 들어, 특정 앱이 사용자의 위치 정보를 수집하여 해당 지역의 광고를 보여줄 때, 사용자는 자신의 위치 정보가 다른 목적으로 사용될 수 있다는 불안감을 느낄 수 있습니다.

2. 판단 기준과 편향성

AI가 데이터를 기반으로 판단을 내리게 되는데, 여기에는 큰 위험 요소가 숨어 있습니다. 예를 들어, 잘못된 데이터나 편향된 데이터를 학습하게 된다면, AI는 그 데이터를 바탕으로 편향된 판단을 할 수 있습니다. 이는 특히 사회적 소수자에게 차별을 초래할 수 있습니다.

3. 책임의 문제

로봇이 사고를 친다면, 그 책임은 누구에게 있을까요? 만약 의료 분야의 AI가 잘못된 진단을 내린다면 그 결과로 인한 피해는 누가 책임져야 할까요? 이러한 질문들은 AI의 윤리와 관련하여 점점 더 중요하게 논의되고 있습니다.

이처럼 인공지능의 발전은 많은 혜택을 가져다 주지만, 동시에 여러 윤리적 고민을 야기합니다. 따라서 우리는 이러한 기술의 발전을 환영하면서도, 그로 인한 사회적, 윤리적 문제에 대해 깊게 고민하고 토론할 필요가 있습니다.

끝으로, 인공지능이 우리 삶에 더 큰 혜택을 가져다 주기를 바라면서도, 그 안에서 숨겨진 윤리적 문제에 대한 깊은 고민을 계속해나가길 바랍니다. 우리 모두가 함께 기술의 발전을 위해 노력하되, 동시에 그 기술이 가져오는 문제에 대해 민감하게 반응하며 사회적 책임을 다해야 합니다.

[나눔] 세계적인 AI석학 앤드류응의 [프롬프트엔지니어링 영어 강의 영상] 번역 노트를 보내드립니다.

너무 유용한 영상인데, 시간이 너무 오래 걸려서 다 보기 괴로우셨던 경험이 있으신가요?

혹은 영어로 되어있고 한국어 자막도 없어서 시작할 엄두도 안 나는 영상이 있으신가요?

저도 항상 AI관련한 각종 컨퍼런스 영상들이 새로 뜰 때마다 괴로웠어요.

그래서 시중에 나와있는 영상 요약 서비스들을 다 써봤는데, 요약 퀄리티가 제대로 안 나와서 결국엔 영상 풀 버전을 봐야하더라고요.

그래서 답답함을 못 이기고 직접 만들어버렸습니다 ㅎㅎ

다른 영상 요약서비스들과 다르게

1. 요약의 근거가 되는 원문 텍스트를 보존하고 펼쳐볼 수 있도록 해서, 내용 파악이 불가능한 정도의 지나친 축약 문제를 해결했습니다.

2. 노트만 보고 이해가 안될 때는 원본 영상을 바로 볼 수 있게 타임코드를 연결해두었습니다.

서비스 이름은 릴리스 AI인데요, 네이버, 보이저엑스, 뤼튼 출신의 개발자와 PO가 모여서 그동안 AI제품을 만들고 고민해왔던 경험과 노하우를 쏟아부어서 만들고 있어요.

현재 아래 링크에서 베타테스터를 모집하고 있는데요.

베타테스터 신청해주시고 '추천인' 란에 '디스콰이엇A'라고 적어주시면

모든 분들의 이메일 주소로 [앤드류응 프롬프트엔지니어링 영어 강의 영상을 번역한 노트]를 보내드리겠습니다!

읽어주셔서 감사합니다.

만족하실 수 있는 좋은 서비스 만들고 또 종종 소식 전해 볼게요 :)

+) 많은 관심보여주시고 사전예약 신청해주셔서 감사합니다! 베타 사전예약자 페이지는 이제 클로즈되었고, 정식 서비스는 여기서 사용해주세요! https://lilys.ai/

🤖 0929 장영운의 AI 뉴스 요약

1. 샘 알트만과 애플 전 프로덕트 디자이너가 손을 잡았는데 손정의가 돈을 댄다고?

   어그로 아닙니다. 저도 기사를 읽으면서도 몇번이나 재확인을 했을 정도로 세계관 최강자들이 한 기사에 전부 등장했네요. OpenAI의 샘 알트만, 애플의 전 디자이너 이자 제품 디자인 회사 LoveFrom의 대표 조니 아이브가 스마트폰을 이을 디바이스를 만들고 있고 소프트뱅크로부터 10억달러 규모로 투자 유치를 시도중이라고 하네요.

   🔗 관련기사

2. 메타, 생성 AI 활용한 기능 대거 업데이트 예고

   메타의 ChatGPT라고 할 수 있을 Meta AI 예고함. 이미지 생성, 질문 답변, 인터넷 검색 지원.

여러 유명인의 얼굴을 사용한 가상의 AI 인플루언서 제시.

GenAI를 활용한 인스타 필터, 제시 (기존의 AI 필터 업체들은 다 망하게 될까요?)

실제로 위 계정들에 들어가볼수도 있고 초기 게시물이 업로드 되어는 있습니다만, 이 가상 인플루언서들을 앞으로 어떻게 활용할런지는 잘 모르겠네요. 추측컨데 유튜브, 메타, 틱톡은 양질의 컨텐츠를 끝없이 제공해줘야 하는 영원한 전쟁을 하고 있을텐데 AI 인플루언서의 페르소나를 통해 제공되는 컨텐츠로 컨텐츠 경쟁에서 우위를 점하려는 것 같습니다. AI 인플루언서라면 진짜 사람과는 달리 모든 사람들의 DM에 개인화된 대화를 제공해줄 수도 있겠죠. 우리가 이루다에서 봤듯이요.

저는 메타를 좋아합니다. 하버드 기숙사에서 시작한 성공 서사도 좋아하고 저커버그가 청문회에서 어버버 하던 모습도 좋아합니다. 최근에는 페이스북 MAU가 하락하는 초유의 상황을 맞이하고, 애플의 개인보호 정책으로도 타격을 입은 우리 바보같은 메타. 오큘러스 퀘스트로 VR 고글 시장을 다 개척해놨더니 애플의 비전 프로에 밀릴 지경이 된 메타. 야심차게 출시한 스레드의 유저가 고점대비 80%가 빠져버린 메타. 그래도 이번에는 뭔가 보여줬으면 좋겠네요.

🔗 관련 자료

재미있게 읽어주셨으면 좋겠습니다.

즐거운 추석 되세요. 🌕

이미지 생성AI, 뼛속까지 알아보자 (EPIK 소개부터 DALL-E, StableDiffusion 기술까지)

이번주 내내 인스타를 한껏 핫하게 달군 컨텐츠가 있습니다.

바로 Epik, AI 사진 편집 앱인데요, 이번에는 90년대 미국 Yearbook 컨셉으로 AI 프사를 생성할 수 있는 기능을 출시했습니다.

Epik - AI 사진 편집

출시 이후로부터 오늘까지 128.9K번 사람들이 사용을 했고, (이건 심지어 오늘 아침 몇시간 전에 88K였음), 지금은 "현재 AI 이어북 이용자가 급격히 증가하여, 서비스 이용이 지연되고 있습니다. 잠시 후 다시 이용해주세요"라고 팝업이 뜹니다.

이틀전까지만 해도 결제창까진 들어갈 수 있었는데, 그것도 솔드아웃이었습니다. (가격은 30분 안에 생성하려면 8900원, 그 이후의 시간에 나오는건 가격이 더 쌌는데 기억이 안납니다 🥲)

저도 해보고 싶어서 어제 새벽에 이용자 수가 줄어든 틈을 타서 겨우 접속을 해서 결제까지 했는데 30분 안에는 절대 안나오고 한 두시간 이상 기다려야 나오더라구요. 생각해보니 그럼 왜 8900원을 냈지

그 새벽에도 대기자 명단이 제 앞으로 885명이었고, 순간 이 시간에도 에픽 팀은 밤을 새면서 서버가 안 터지길 기도하고 있겠지? 라는 생각이 들었습니다. 화이팅입니다.

에픽은 서버가 터지도록 이렇게 바이럴을 타게 될 수 있었던 이유는 무엇일까요?

알고보니까 에픽은 스노우 자회사더라구요..!

스노우는 저번에도 AI 프사 기능으로 몇백억을 벌었던데 이번에도 미친듯이 벌게 될 것 같습니다.

생각해보니 저는 개인적으로 이런 이미지 생성 필터들이 나올때마다 돈을 지불해서라도 했던 것 같아요. 처음에 렌사가 나왔을때도 그렇고, 스노우 AI 프로필도 그렇고 가격이 다 10,000원 이하여서 이 정도면 지불할만하다고 생각했던 것 같습니다.

하지만 제 원래 성격 상 게임할때도 현질을 안하는 스타일이고, 굳이 사야되지 않는거라면 돈을 지불하지 않는 성격임에도 불구하고 스노우는 어떻게 제 지갑을 열게 했을까요?

아마도 FOMO 전략을 진짜.진짜. 잘 활용한 것 같아요.

저번 AI 프로필때도 그렇고 한 두명이 하다가 백명씩 하고, 천명씩 입소문을 타게 되면서 인플루언서부터 연예인들까지 해서 올리면 그 입소문 속도는 어마무시하게 퍼지게 됩니다.

이번 AI Yearbook은 처음에 연예인들이 직접 해서 올리거나, 아님 아이돌 팬분들께서 자신이 덕질하는 아이돌 사진들을 넣고 나온 결과물들을 공유하면서 점점 입소문을 타게 된 것 같아요.

그렇게 점점 일반인들 사이에서도 이런 필터를 알게되고, 댓글을 통해 다들 "이거 어떤 앱인가요?"라고 물어보고 있었습니다. (저도 댓글 통해 알게됨)

물론 모든 필터들이 이렇게 바이럴을 탈 수 있는 건 아닙니다.

스노우가 진짜 잘하는건 사람들이 정말 재미있어할만한, 그리고 여성 분들을 타겟한 '예쁘게' 나올 수 있는 컨셉 샷들을 잘 찾아내는 것 같습니다.

이번에 이어북 필터로 생성한 결과물들을 보면서 가장 많이 놀랐던 건 확실히 퀄리티 차이였습니다.

사진의 화질부터, 사람 얼굴의 눈, 코, 입, 눈썹, 얼굴형 모양까지 정말 세밀하게 잡았더라구요.

보통의 이미지생성 앱들은 다른 얼굴의 템플렛 위에 유저 인풋 얼굴을 넣는 것이기 때문에 원본 템플렛 사진의 얼굴형을 따라가거나 원본 얼굴의 눈 위치, 눈 모양을 따라가기 마련이어서 내 자신과 닮았다는 느낌을 느끼기가 어려웠습니다. 하지만 이번 이어북 컨셉 사진들은 모든 세밀한 부분들이 제 얼굴과 닮았다는 느낌이 들었습니다.

예전 스노우 AI 프로필 결과물과 이번 이어북 컨셉 결과물을 비교하자면:

• 제가 예민해서 그런거일수도 있지만 예전 버젼(흑백 사진)은 눈 주변 쌍꺼풀 라인이나 아이래쉬가 겹쳐 보인다거나 있으면 안될 선들이 하나씩 생성되기도 했습니다.

• 최신 버젼 (이어북 사진)은 자세히 줌인해봐도 이상하게 생성된 부분이 얼굴쪽에 전혀 없습니다. (목걸이가 잘 생성안되긴 했네요)

• 예전의 렌사(가장 왼쪽 사진)와 비교하면 퀄리티는 정말 놀라울 따름입니다.

그럼 이걸 만드는 법 + 가격은?

오늘 아침에 결과물을 받자마자 저도 만들어보고 싶어서 인터넷에 있는 모든 소스 코드들을 뒤졌던 것 같아요.

저는 오늘 Stable Diffusion과 DALL-E를 사용해서 둘다 만들어봤는데, 일단 가격상으로

• DALL-E는 OpenAI의 API를 쓰기 때문에 가격이 나감. 이미지 4개 정도 생성한 결과 $0.20정도 차감됨.

• Stable Diffusion은 오픈소스 코드이기 때문에 가격이 나가진 않지만 GPU가 필요함!!! 이래서 GPU 비용이 나간다..라는 소리가 나오게 됩니다.

DALL-E

저는 오늘 DALL-E로는 Midjourney처럼 (아래 이미지)

• 처음에 유저가 "브랜드 이미지를 만들어줘"를 누르면

• 결과값을 2-4개 정도 뱉어내고,

• 그 4개의 결과물 중에 원하는 버젼을 클릭하면

• 그 버젼에 맞게 더욱 사진을 고도화 시킬 수 있는 프로젝트를 하나 개발했습니다.

Stable Diffusion

DALL-E로는 text-to-image 기능만 만들어서 이제 본격적으로 스노우 AI 프로필과 같은 Image-to-image 기능을 돌려보고 싶었어요.

어떤 패키지들이 있는지 둘러보다가 Stable Diffusion XL이라는걸 발견했는데 기존의 Stable Diffusion 모델들보다는 예전 훨씬 더 높아지 성능의 이미지 결과물들을 생성한다고 나와있습니다.

모든 기술 documentation은 여기에 있습니다.

https://huggingface.co/docs/diffusers/api/pipelines/stable_diffusion/stable_diffusion_xl

이런 이미지생성 모델들을 돌리려면 transformer, diffusion 모델들을 돌릴 수 있는 GPU가 필요한데 NVIDIA GPU를 가진 동생분이 계시는데 컴퓨터 비번을 안알려줘서 못쓰고 결국 제 맥북에서 돌릴 수 있는 방법만 계속 찾았어요.

구글 Colab이라는 곳을 쓰면 누구나 브라우저를 통해 임의의 Python 코드를 작성하고 실행할 수 있습니다.

더 기술적으로 설명하면 Colab은 호스팅된 Jupyter 노트북 서비스로, 설정하지 않고 사용 가능하며 GPU를 포함한 컴퓨팅 리소스를 무료로 사용할 수 있습니다!!

이런식으로 GPU를 무료로 사용할 수 있어요. 환경설정에서 런타임 유형 변경을 누르면 T4 GPU를 쓸 수 있는 환경으로 세팅할 수 있습니다.

Stable Diffusion documentation에서 제공하는 기본 소스 코드를 Colab에서 돌려봤습니다.

import torch
>>> from diffusers import StableDiffusionXLImg2ImgPipeline
>>> from diffusers.utils import load_image

>>> pipe = StableDiffusionXLImg2ImgPipeline.from_pretrained(
...     "stabilityai/stable-diffusion-xl-refiner-1.0", torch_dtype=torch.float16
... )
>>> pipe = pipe.to("cuda")
>>> url = "https://huggingface.co/datasets/patrickvonplaten/images/resolve/main/aa_xl/000000009.png"

>>> init_image = load_image(url).convert("RGB")
>>> prompt = "a photo of an astronaut riding a horse on mars"
>>> image = pipe(prompt, image=init_image).images[0]

그 결과 말을 타고 있는 우주비행사가 나왔어요.

이제 AI 이어북, AI 프로필과 같은 사진들을 만들기 위해서는 조금 더 많은 사진들과 적절한 prompting과 더 자세한 변수값들이 필요할 것 같아요. (10X AI University에서 더욱 상세하게 공개할 예정입니다!)

예를 들어, num_inference_steps=15라는 변수값의 숫자를 높일때마다 사진의 퀄리티가 더 높게 나옵니다.

혹은 negative_prompt의 변수값에는 '이런 유형의 사진들이 절대 나오지 않게 해줘'라고 명시할 수 있습니다.

마무리

오늘은 이미지 생성AI의 활용 사례부터 기술적으로 어떻게 만드는지에 대해 간략히 알아보는 글을 다뤘습니다. 더 많은 활용 사례들이 떠오르신다면 댓글에 달아주세요! 저도 요즘 계속 고민하고 있어서.. 어떤 프로젝트들을 만들어보는게 좋을까요? 🤔

이미지 생성AI는 이렇게 프로필 컨셉 필터로만 활용할때 가장 빛을 내는 걸까요? 브랜드/프로덕트 생성AI 이미지, 혹은 태형님의 https://recipe-p.com/ 와 같은 AI stock image 같은 것들은 평상시에 자주 활용하시나요? 궁금합니다!

깨알 홍보: 10X AI University

10X AI University의 4주차 커리큘럼에서는 이렇게 생성AI 툴들을 활용한 다양한 프로젝트들을 만드는 법을 알려드릴 예정이니 많은 관심 부탁드리겠습니다!

Week 4 생성AI

• AI 프로필 이미지 생성하기 / 브랜딩 프로덕트 사진 만들기 (DALL-E, Stable Diffusion)

• 동영상에 AI 목소리와 AI 음악 입히기 (elevenlabs tts)

잘 작성된 ChatGPT 프롬프트란?

안녕하세요, 여러분! 오늘은 GPT-4를 사용할 때 최적의 결과를 얻기 위해 잘 작성된 프롬프트의 중요성에 대해 이야기하려고 합니다. 먼저, 프롬프트는 무엇인가요? 프롬프트는 사용자가 GPT-4와 같은 언어 모델에게 제공하는 입력 문장이나 질문입니다. 이 프롬프트를 기반으로 모델은 적절한 답변을 생성하게 됩니다.

그렇다면, 어떻게 '잘 작성된' 프롬프트를 만들 수 있을까요? 작성 팁과 아래에 예시로 설명해 보겠습니다.

프롬프트 작성 팁:

1. 분명하고 구체적으로 요청하기

첫 번째로, 프롬프트는 분명하고 구체적이어야 합니다. 예를 들어, "AI야, 이거 어때?" 보다는 "AI야, 이 사진의 컬러 조합에 대한 의견을 알려줘."가 더 명확하죠. 구체적인 프롬프트는 AI에게 더 정확한 답변을 받을 수 있게 도와줍니다.

2. 감정이나 톤을 넣어보기

프롬프트는 간단한 질문일 수도 있지만, 때로는 감정이나 특정한 톤을 넣어 질문을 하면 더 흥미로운 결과를 얻을 수 있습니다. "이 주제에 대한 기사를 작성해줘." 보다는 "이 주제에 대해 재미있게 기사를 작성해줘!"가 더 즐겁게 정보를 제공받을 수 있겠죠.

3. 배경 정보 제공하기

때로는 AI에게 충분한 컨텍스트나 배경 정보를 제공해주는 것이 중요합니다. "한국의 전통 음식에 대해 설명해줘."라는 질문에는 굉장히 다양한 답변이 있을 수 있습니다. 하지만 "한국의 겨울에 먹는 전통 음식에 대해 설명해줘."라고 질문하면, AI는 더 구체적이고 타겟팅된 답변을 제공할 수 있겠죠.

4. 질문의 범위를 조절하기

너무 광범위한 질문은 AI도 답변하기 어려울 수 있습니다. 프롬프트를 작성할 때, 질문의 범위를 적절히 조절하는 것이 중요합니다. "세계 역사에 대해 알려줘." 보다는 "로마 제국의 역사에 대해 알려줘."라는 질문이 더 효과적일 것입니다.

5. 반복적인 시도

마지막으로, 프롬프트 작성은 연습과 반복을 통해 능력을 키울 수 있습니다. 처음에는 원하는 답변을 얻지 못할 수도 있지만, 여러 번의 시도와 수정을 통해 더 나은 프롬프트를 작성하는 능력을 키울 수 있습니다.

예시 프롬프트와 해설:

1. "19세기 프랑스 문학에 대해 요약해줘."

해설: 이 프롬프트는 직관적이면서도 구체적입니다. '19세기', '프랑스', 그리고 '문학'이라는 키워드를 통해 GPT-4는 원하는 정보의 범위를 명확하게 파악할 수 있습니다. 그 결과, 모델은 19세기의 프랑스 문학에 관한 구체적인 정보와 주요 작가, 작품 등에 대한 요약을 제공할 수 있습니다.

1. "세계 대전 중 가장 영향력 있는 전투 5가지는 무엇이며, 그 특징은?"

해설: 이 프롬프트는 구체적인 요구사항('5가지', '특징')과 특정 주제('세계 대전 중 가장 영향력 있는 전투')를 결합하였습니다. 이를 통해 GPT-4는 세계 대전 내에서의 주요 전투들을 선정하고, 각 전투의 특징을 간략하게 요약하여 답변할 수 있습니다.

1. "레오나르도 다 빈치의 대표작 중 '모나리자'의 미술적 특징은?"

해설: 프롬프트는 특정 작가('레오나르도 다 빈치')의 특정 작품('모나리자')에 초점을 맞추고 있습니다. 이를 통해 모델은 '모나리자'의 미술적 특징과 스타일에 관한 정보를 중점적으로 제공할 것입니다.

1. "미생물의 분류 방식과 그 기준을 설명해줘."

해설: 이 프롬프트는 '미생물의 분류'라는 주제에 대해 구체적인 설명을 요구하고 있습니다. 결과적으로, GPT-4는 미생물의 다양한 분류 기준과 방식에 관한 내용을 제공할 것입니다.

1. "피아노와 바이올린의 주요 음색 차이점은?"

해설: 프롬프트는 두 가지 악기, 즉 '피아노'와 '바이올린'의 음색 차이점에 초점을 두고 있습니다. GPT-4는 각 악기의 음색의 특성과 그 차이점을 강조하여 답변할 것입니다.

1. "유럽의 르네상스 시대 중요한 변화와 그 영향은?"

해설: 이 프롬프트는 '유럽의 르네상스 시대'에 대한 주요 변화와 그 결과에 대한 설명을 요구하고 있습니다. 모델은 르네상스 시대의 핵심적인 변화와 그로 인한 사회, 문화, 예술 등의 영향을 답변할 것입니다.

1. "포토샵에서 레이어의 기능과 사용 방법을 간략하게 설명해줘."

해설: 프롬프트는 특정 프로그램('포토샵') 내의 특정 기능('레이어')에 관한 설명을 요구하고 있습니다. 이를 통해 GPT-4는 레이어의 기본적인 개념과 간단한 사용 방법을 제시할 것입니다.

1. "스페이스X의 '스타쉽' 로켓의 주요 특징과 그 목적은?"

해설: 이 프롬프트는 특정 회사('스페이스X')의 특정 제품('스타쉽' 로켓)에 관한 정보를 요청하고 있습니다. GPT-4는 '스타쉽' 로켓의 핵심적인 특징과 그 로켓의 주요 목적을 중점적으로 답변할 것입니다.

1. "글로벌 워밍의 원인과 그로 인한 환경적 영향은?"

해설: 프롬프트는 '글로벌 워밍'이라는 환경 문제와 그 원인, 그리고 결과적인 영향에 관한 설명을 요구하고 있습니다. 모델은 글로벌 워밍의 주요 원인과 그로 인해 발생하는 환경적 변화나 위험 요소를 제시할 것입니다.

1. "AI 윤리에 대한 주요 논점과 그 중요성을 설명해줘."

해설: 이 프롬프트는 'AI 윤리'라는 주제에 대한 주요 논점과 그 중요성에 관한 내용을 요구하고 있습니다. GPT-4는 AI 기술의 발전에 따른 윤리적 고민과 그로 인한 사회적, 경제적 영향 등을 상세하게 답변할 것입니다.

오늘 우리는 GPT-4와 같은 언어 모델에게 효과적인 질문을 하는 방법과 프롬프트 작성의 중요성에 대해 알아보았습니다. 잘 구성된 프롬프트는 더 정확하고 유용한 답변을 얻을 수 있게 도와주며, 이는 우리의 정보 검색과 학습 과정을 효과적으로 만들어줍니다. 프롬프트 작성의 핵심은 명확성, 구체성, 그리고 적절한 정보의 제공입니다. 이를 통해, AI와의 상호 작용이 더욱 풍부하고 의미있게 이루어질 수 있습니다. 기억하시길, 프롬프트는 단순히 질문의 시작이 아니라, 효과적인 대화의 기반이라는 점을! 여러분도 이러한 팁들을 활용하여 AI와 더욱 유익한 대화를 나눠보시길 바랍니다.

10X AI University 런칭: 누구나 따라할 수 있는 AI 활용 사례들 (얼리버드 할인)

안녕하세요, 10X AI Club에서 10X AI University를 출시합니다!

10X AI University에서는 AI를 활용한 여러 사이드프로젝트들을 직접 만들어보고 실제 업무에 적용시킬 수 있도록 강의들을 출시할 예정입니다.

두가지 코스가 있으며, 자신의 목표와 취향에 맞게 고를 수 있습니다.
1. AI Developer Bootcamp 패키지는 개발 위주로, 실제 GPT4, LLM, 생성AI 모델들을 쓰면서 직접 코딩하며 프로젝트들을 개발해 볼 수 있습니다. (10/10 출시 예정)
2. Road to AI Business 패키지는 노코드 툴 위주로, AI 툴들을 실제 업무 환경에 적용시켜서 써볼 수 있습니다. (추후 출시)

👾 AI Developer Bootcamp

이 코스는 GPT 모델, LLM, 생성형 AI 모델들을 직접 활용해서 사이드프로젝트들을 개발해 볼 수 있도록 가르쳐드립니다. 코딩에 대해서 전혀 모르셔도 됩니다. 초보자여도 이해할 수 있게끔 모든 개발 과정을 하나하나 알려드립니다. VSCode를 쓰는 것부터, 내가 만든 코드 파일을 github에 올리는것 까지 도와드립니다.

코딩 과정부터 동영상, 설명 텍스트, 매주 새로운 프로젝트들이 있으며 맨 마지막 주에는 여태까지 배운 것을 토대로 자신만의 파이널 프로젝트를 만들어 공유해주시면 수료증을 발급해 드립니다.

매주 새로운 주제의 사이드프로젝트들을 여러 개 만들고 익숙해지면 앞으로 어떤 GPT/LLM 프로젝트도 쉽게 접근할 수 있습니다. 나만의 아이디어를 파이널 프로젝트로 직접 만들어보세요!

맛보기 강의들을 확인해보세요!

📚 커리큘럼 (7주, 초보자 입문 레벨)

공통

• VSCode 설치 및 활용법, Github 사용법

• 모든 소스코드 공유

• 추천 리소스 공유

Week 1 기본기 다지기

• 온라인 쇼핑 대신해주는 에이전트 만들기 (Langchain, LLM, OpenAI)

Week 2 업무 자동화

• 채용 과정 자동화 에이전트 만들기 (이메일 보내는것까지)

Week 3 챗봇

• 내 비즈니스 전용 고객 지원 챗봇 만들기

Week 4 생성AI

• AI 프로필 이미지 생성하기 (or 회사 브랜딩 프로덕트 사진 만들기)

• 동영상에 AI 목소리와 AI 음악 입히기 (elevenlabs, meta)

Week 5 캐릭터 AI

• 카카오톡 대화를 활용한 나만의 캐릭터 AI 만들기 (or 디스코드나 슬랙 회사 봇 만들기)

Week 6 업무 자동화

• 마케팅/뉴스레터 업무 자동화 에이전트 만들기 (콜드메일까지)

Week 7

• 나만의 파이널 프로젝트 만들기

💰 가격: 500,000원 1차 얼리버드 할인: 30%, 350,000원

📆 기간: 7주

🧑‍💻 레벨: 초보자 입문

10월 10일 출시 전까지 신청하시는 분들에겐 AI Developer Bootcamp 얼리버드 할인을 해드리니 아래 Tally로 waitlist 신청해주시면 감사하겠습니다!

혹시 위에 나와있는 커리큘럼 외에 추가로 해보고 싶은 프로젝트, 추천하고 싶은 아이디어가 있다면 댓글로 달아주세요!

국내 AI 스타트업 씬 한번에 직접 체험해보고 배워가기 (Pre-Networking & PMC*W23)

PMC * W23 Pre-Networking

안녕하세요!

이번에 10X AI Club이 Disquiet과 함께 AI & SaaS 네트워킹 이벤트를 엽니다.

AI 스타트업을 빌딩하고 있는 창업가 분, 개발자 분, 자신의 기존 비즈니스에 AI를 도입하고 싶은 SaaS 팀들, 혹은 진짜 아무것도 모르는데 사이드프로젝트를 만들어보고 싶거나 배워보고 싶은 분들을 위한 이벤트입니다.

정말 마음 편하게 오셔도 되구, 이벤트 내에 있을 연사분들에게 질문들도 실컷 할 수 있도록 이벤트 구성을 했으니 많은 참여 부탁드리겠습니다!

참가 신청하기

연사 리스트업

• 코르카 대표님, ML 엔지니어

• Dalpha 대표님, BD/Sales, Co-founder

• KB 인베스트먼트 심사역

• ...그리고 저도 10X AI Club을 대표해서 자유 네트워킹에 참석합니다!

참가 혜택

• PMC*W23 선발 우선순위 부여

• 디스콰이엇 팀 플랜 무료 온보딩

• 맛있는 음식과 위스키..가 가장 중요하니까요 😉

PMC*W23은 뭔가요?

PMC는 디스콰이엇 팀에서 매 분기마다 여는 Product Maker's Club으로, 좋은 프로덕트를 만드는 것에 진심인 메이커를 모아, 메이커로그 쓰는 과정을 최대한 쉽고 빠르게 할 수 있도록 도와주는 동시에, 서로 인사이트를 나누고 각자의 목표를 달성할 수 있도록 지원합니다.

이번에는 PMC 주제가 AI & SaaS가 되어, 제품 개발, 고객 발굴, 팀 빌딩, 투자 유치에 고민을 겪고 있는 AI & SaaS 메이커를 최소 50팀 모집합니다.

6주 동안 함께 하며 매주 메이커로그를 업로드하며, AI 팀빌딩을 하고 있는 다른 분들과 네트워킹, 그리고 PMC 파트너 연사분들께도 조언을 받을 수 있습니다.

이번 PMC*W23 파트너 분들은 Corca, Dalpha, Fountain, KB 인베스트먼트, Smoretalk, Step Pay, 10X AI Club, 그리고 아산나눔재단입니다.

참가 보상 (공통)

1) KB 인베스트먼트의 IR 검토 및 피드백

2) Dalpha AI 팀에서 프로덕트에 AI를 도입할 수 있도록 무료 컨설팅 제공

3) 스모어톡 플라멜 500 크레딧 제공 (이미지 500개): AI Image Assistant 플라멜

4) 스텝페이 서비스 3개월 무료 이용권 제공

지원 분야별 완주보상

• 제품 개발 - Dalpha AI Store 데모 토큰 추가 제공, 실 계약 체결 원하는 완주자에 한해 최우선순위 배정

• 고객 발굴 - 디스콰이엇 뉴스레터 콘텐츠 발송 및 최상단 배치

• B2B SaaS 메이커, C레벨 위주의 1000여명 이상의 구독자를 보유하고 있는 뉴스레터에 콘텐츠 발송

• 각 콘텐츠 최상단에 해당 팀이 원하는 액션(CTA)를 삽입 가능

• 팀 빌딩 - 디스콰이엇 팀 Pro 플랜 6개월 제공(54만원 상당)

• 팀 페이지, 채용 공고, 커피챗, 메이커리스트 탐색 필터 기능 활용 가능

• 투자유치 - 최소 1팀 이상 KB 인베스트먼트에서 투자 진행

더 자세한 내용은 아래 링크에서 확인하실 수 있습니다.

10X AI Club을 위한 로고를 만들어봤습니다 | ideogram.ai 소개

안녕하세요! 며칠 전에 10X AI Club에 들어오게 된 준우라고 합니다!

제품 홍보는 아니고 ㅎㅎ 요즘 제가 잘 쓰는 이미지 생성 웹사이트를 소개하려고 글을 적게 되었습니다.

기존 이미지 생성 ai 툴로 유명한 Midjourney, Dalle2, Stable Diffusion은 높은 퀄리티의 사진을 제작하지만 항상 텍스트가 외계문자처럼 나오는 고질적인 문제들이 있었습니다.

(cooking을 적어달라고 했는데 현대 예술작품을 만들어준 미드저니)

그래서 주로 no text image로 만든 후 포토샵 등을 이용하여 텍스트를 직접 수정하는 식으로 진행한 것으로 알고 있어요.

그런데 ideogram은 텍스트 생성에 있어 굉장히 높은 정확도를 보인다는 점에서 굉장히 매력적인 툴입니다.

이렇게 꽤 긴 단어들도 잘 생성해주는 걸 보실 수 있습니다.

저는 체감상 2주 전이 정확도가 더 높았다는 생각이 들지만 (걍 제 느낌만 그런걸수도 있습니다) 여전히 굉장히 높은 정확도를 보여주고 있습니다.

+꼭 텍스트 정확도가 아니더라도 뽑아내는 이미지 퀄리티가 굉장히 준수합니다.

좀 혹하시나요??ㅎㅎ

이러면 가격이 궁금하실텐데

무료입니다..

네 당장 여기로 갈아타세요

저도 달리 결제한 거 안 쓰고 이거만 계속 씁니다..ㅋㅋㅋㅋ

솔직히 이 정도 퀄리티에 왜 무료인지 모르겠습니다. 곧 유료화가 되지 않을까.. 생각됩니다.

사용방법

사실 굉장히 직관적이라 딱히 설명할 필요가 없다는 생각이 들지만 정말 간단하게 설명하자면

1. Ideogram 웹사이트 접속 후 구글 계정에 가입해줍니다.

2. 화면에 보이는 검색창에 영어로 텍스트를 입력해준다.

끝입니다..ㅋㅋㅋ

그냥 웹사이트 들어가시면 바로 사용하실 수 있을 겁니다.

꿀팁

지난 2~3주간 사용해보면서 얻은 꿀팁들 몇 가지를 얘기하자면

• 프롬프트 작성이 중요.
  제가 자주 사용하는 프롬프트 "3d rendering" 그냥 3d 이미지가 뭔가 깐지나더라고요.
  꿀팁을 드리자면 좋아요 많이 받은 게시물의 프롬프트를 그대로 복사한 다음에 원하는 텍스트랑 세부설정만 좀 바꾸시면 괜찮은 결과물을 얻으실 수 있을 겁니다.
  

• 한 번에 원하는 것이 나오진 않더라..
  이게 생각보다 랜덤성이 강해서 한 번에 준수한 결과물이 나올때도 있고 어떨땐 돌려도 돌려도 마음에 드는 게 안 나올 때가 있습니다ㅠ
  

• 이미지 생성 시간 = 평균 약 20초 정도
  근데 좀 많이 돌리면 갑자기 180초 패널티를 줍니다. 서버 문제일수도 있긴 한데.. 저는 많이 돌리면 적당히 하라고 3분정도 정지 시키더라고요 ㅋㅋㅋ
  

• Remix 기능으로 우려먹기
  마음에 드는 디자인이 있는데 세부적으로 바꾸고 싶다면 Remix 기능을 이용하시면 됩니다.

본인이 만든 사진 or 다른 사람이 공유한 사진을 클릭하고 제가 표시해 놓은 Remix 버튼을 누르면 조금씩 다른 디자인을 만들어줍니다.

클럽 가입 후 쓰는 첫 글인 만큼(사실 디스콰이엇 첫 글이기도 함) 10X AI Club의 로고를 한 번 만들어봤는데요, 가장 마음에 드시는 사진을 댓글로 남겨주시면 감사하겠습니다 :)

1.

2.

3.

ideogram 링크:

GPT를 이용해서, 미팅록 작성 30분 단축하기

우리 ‘미팅록' 모두 작성하시죠?! 저희는 미팅 진행 시 논의하는 내용을 빠르게 받아 적어 슬랙의 채널에 업로드합니다. 다만, 미팅의 내용이 길어질수록, 제대로 된 내용파악은 되지 않았죠. 또한 이를 체계적으로 관리하지 않다 보니, 특정 주제를 찾을 때마다 슬랙을 뒤져보곤 합니다. 

그래서 ChatGPT를 이용해서 미팅록의 핵심을 요약 및 정리까지 해주는 저만의 비서를 만들었습니다. 여러분도 쉽게 따라 할 수 있도록 방법에 대해서 자세히 안내해 드릴게요! 

전체적인 작업구조

이번 업무자동화를 위해 우리는 최고의 업무자동화 툴인 Zapier를 사용할 겁니다. 이때, Zapier의 작동원리를 이해해야 다른 노코딩 툴을 더욱 적극적으로 활용할 수 있어요! 그래서 간단한 설명을 보고 넘어갈게요.

Zapier 간단한 설명

Zapier는 업무에 사용하는 다양한 업무 툴과 서비스를 연결하고 반복적인 업무를 대신해 주는 대표적인 노코드 자동화 툴입니다. 그것도 특별한 개발 지식 없이 클릭 몇 번만 하는 것이 가능합니다. 

Zapier를 이해하는 데는 ‘트리거(Trigger)’와 ‘액션(Action)’ 두 가지만 필요합니다. 트리거와 액션의 관계는 ‘A 하면 (자동으로) B 한다’라고 설명. 액션은 위와 같이 트리거가 발생했을 때 앱이나 서비스 간 연동을 통해 일어나길 바라는 결과를 뜻합니다. 아래의 주요 예시를 보면 쉽게 이해가 되실 겁니다.

(A) 이메일이 왔을 때, (B) 메시지를 받는다거나 

(A) 페이스북에 새 게시물을 작성했을 때, (B) 자동으로 트위터에도 작성되는 것이나 

(A) 새로운 고객 리드가 들어왔을 때, (B) 우리 팀이 사용하는 고객 관리 프로그램(CRM)에 기록

ChatGPT4 기본세팅 : Plugin 설정

GPT4를 이용하신다면, Plugin Store에서 Zapier를 다운로드하여주세요! Plugin Store는 GPT4를 유료결제해야 사용가능한데, 그 활용성이 무궁무진합니다. 그래서 꼭 해당 기능은 구매하시길 추천드려요

(개인적으로 업무자동화 작업 시에는 Webpilot, Whimsical Diagrams를 자주 이용합니다)

GPT에게 업무자동화 방식 문의하기 

이제 ‘미팅록 자동정리’을 이야기해 보고자 합니다. 저희는 미팅 진행 시 빠르게 내용을 정리해서 슬랙의 채널에 업로드합니다. 다만, 미팅의 내용이 많아지다 보니, 이를 노션으로 아카이빙 하고자 하는 니즈가 발생했어요! 이제, 위 상황을 구체적으로 GPT에게 설명하고, 자동화 방법을 물어보면 됩니다. 아래와 같이 대충 상황만 물어봐도 자세히 답변해 줍니다.

다음과 같은 방식으로 대략적인 자동화 방법뿐만 아니라, Zapier를 설정하는 방식까지 말해줍니다. 다음은 ChatGPT 답변이에요!

이때 저는 ChatGPT를 활용하고 싶어서, 이렇게 아이디어를 물어봤습니다. 아이디어만 물어보면, 답변은 GPT가 해줄 겁니다! 

이때 미팅록요약 및 액션아이템 설정이 너무 마음에 들었어요! 이 두기능을 추가해서 업무자동화 프로세스를 구축하고자 합니다. 이제 GPT에게 다음과 같이 명령하면 됩니다.

GPT로 작업 시 단순한 설정방법뿐만 아니라, Zap 설정까지 완료해 줍니다. 완성된 Zap을 클릭하면 다음과 같이 Zapier 완성된 페이지 이동합니다. 

하지만 여기서부터 각 세부조건을 설정해야 합니다. 처음 작업 시에는 각 업무 툴 별로 연결까지 해야 하니 작업이 쉽지 않아요! 그렇지만 하나씩 연결하면 완성이 됩니다. 다음은 각 단계별로 작업한 예시입니다.  Zap Share Link 해당 링크를 클릭하시면 이미 설정된 Zap을 이용하실 수 있습니다. 

이를 토대로 완성된 예시입니다. 다음과 같이 슬랙에서 미팅록이 완성될 때마다, 해당 노션으로 자동으로 이동 및 요약, 액션플랜 정리까지 해줍니다. 너무 간편하죠! 쉽게 만드는 자동화! 이제 여러분도 해보시죠~!

AI 생성 작품의 저작권은 누구에게?

인공지능을 활용한 다양한 작품 생성이 주목받는 시대가 도래했다. chatGPT와 같은 AI를 활용하면 소설부터 음악까지 전문가 수준의 작품을 생성할 수 있다. 그러나 이렇게 탄생한 작품에 대한 권리는 누구에게 있는 것일까?

1. 현행 저작권법의 한계

현행 저작권법에 따르면, '저작물'은 인간의 사상 또는 감정을 표현한 창작물로 정의되어 있다. 이에 따라, 기계나 소프트웨어로 보는 AI가 저작자로 인정받기는 어려우며, 미국에서도 AI가 만든 작품에 대한 저작권 등록이 반려된 사례가 있다.

2. AI의 법인격 부여 논의

AI에게 독자적인 법인격을 부여하자는 주장도 있다. 법인격이 인정된다면, AI가 만든 작품에 대한 이익은 AI에게 귀속될 것이다. 그러나, 이러한 법인격 부여는 다양한 부작용과 오남용의 가능성 때문에 논란이다.

3. AI가 만든 작품의 권리 주체는?

AI가 만든 작품에 대한 권리는 AI의 개발사와 서비스 제공 회사에게 귀속될 가능성이 크다. 예를 들면, 카카오브레인의 AI 모델 시아가 쓴 시집의 권리는 카카오브레인과 학습 데이터 제공 회사 슬릿스코프가 공동으로 가진다.

4. 인간의 참여와 2차적 저작물

AI가 생성한 작품에 인간이 추가적인 창작 요소를 더하면 그 결과물의 권리는 어떻게 될까? 이 경우, 창작적 요소를 추가한 사람이 저작권을 주장할 수 있을 것이다. 이는 2차적 저작물의 개념과 연결되는 부분이다. 2차적 저작물은 원저작물을 번역, 편곡, 변형, 각색, 영상제작 그 밖의 방법으로 작성한 창작물로 독자적인 저작물로 보호된다.

5. 2차적 저작물의 범주

2차적 저작물은 원래의 저작물을 기반으로 수정이나 추가가 된 저작물을 말한다. 만약 AI 작품을 기반으로 완전히 새로운 저작물이 탄생한다면, 이는 원작물의 2차적 저작물로 인정받을 수 있다.

6. 미래의 저작권법 개선 필요성

AI 기술의 발전과 함께 AI가 생성하는 작품의 수가 늘어남에 따라, 현행 저작권법에는 AI의 창작에 대한 명확한 규정이 필요하다. 이를 위한 법적 논의와 개선이 시급하다.

AI의 발전은 인간의 창작 활동에 새로운 가능성을 열어준다. AI와 인간이 함께하는 창작의 시대에서는 저작권법도 새로운 변화와 개선이 필요하다. 이를 통해 창작의 경계와 권리에 대한 새로운 이해와 인식이 필요하다.

팀러너스 만난 후기.. 보다는 어떤 유저 페르소나에 집중을 해야하는지에 대한 글

제목이 꽤 기네요.

어제 정말 운좋게도 팀러너스 사무실에 초대돼서 매주 금요일마다 하는 일주일 회고 회의에 참여할 수 있었습니다.

팀러너스는 아니나 다를까 일주일 안에 또 새로운 제품들과 기능들을 미친듯이 출시했더라구요. 저번 AGI Town 밋업에서 공식적으로 발표한 트윅: AI 사진 & 커뮤니티 제품에 대한 개발을 하고 있었습니다. (다들 다운받아서 써보세요!ㅎㅎ)

제가 사무실에 놀러갔을 때에는 생성AI를 기반으로 한 영상들을 틱톡처럼 업로드할 수 있는 기능을 갓 출시한 상태였습니다. 예를 들어 "내 사진 + 틱톡 챌린지 영상"을 합쳐서 만들면 내 얼굴이 합성된 틱톡 영상이 바로 만들어지는 기능입니다. 내가 직접 춤을 안춰도 AI가 바로 만들어주는..

팀러너스의 @donggie 님과 꽤 오랫동안 얘기를 나눴는데, 그 중에서 가장 인상 깊었던, 하루가 지난 오늘까지도 꽤 오랫동안 고민하게 만들었던 대화 내용 + 생각들을 기록합니다.

Cailyn: 이 모든 생성 기능들이 무료면 서버비용 어떻게 감당하세요?

동기님: 저희 목표는 무료화를 통해 최대한 많은 유저들을 플랫폼에 데리고 오는 것입니다.

그 후 대화를 이어나가다가, 동기님께서 갑자기 면접 테스트와 같은 질문을 던지셨어요.

동기님: 트윅에서 제품 개발을 할때 기존 프로필 이미지 생성 기능의 퀄리티를 높여야할지, UI/UX를 더 좋게 만들어야할지, 아님 새로운 기능(동영상)을 추가하는 것에 집중해야할지 - 셋중에 어느 것부터 우선순위로 둬야할까요?

Cailyn: 유저들은 무엇을 원하는데요? 데이터가 어떻게 돼요?

동기님: 유저들은 대부분 얼굴 수정할 수 있는 기능과 눈/손이 더 퀄리티 높게 나오길 원합니다.

Cailyn: UI/UX가 구려도 핵심 기능만 성능이 좋게 나온다면 리텐션은 높을 것 같아요. 그렇기 때문에 기존 프로필 이미지 생성 기능의 퀄리티를 높이는거에 집중해야하지 않을까요?

동기님: 승진님(팀러너스 대표님)은 새로운 동영상 기능을 만들기로 결정하셨어요.

Cailyn: 정답은 없는 것 같아요. 유저들은 새로운 서비스들이 출시될때 실제로 사용해보지 않는 이상 이게 정말로 필요했던 건지 모르기 때문에 그 방향으로 가는것도 좋은 것 같아요. 예를 들어 우리는 우버가 처음 나왔을때 모르는 누군가와 함께 택시를 탈거라는 상상을 못했었으니까.. 결국엔 그냥 더 빨리 많이 만들어보고 시장과 부딪혀보는 팀이 이길 것 같네요.

집에 돌아가고 난 후에도 이 대화가 왠지 모르게 자꾸만 머릿속에 밟혔습니다. 저도 창업을 할때 매번 어떤 기능들부터 만들어야하는지 고민을 너무 많이 했었던 경험이 있어서요.

그러다가 오늘 아침에 우연히 "The Tyranny of the Marginal User"이라는 글을 읽게 됐습니다. 이 글은 대부분의 소프트웨어 앱들이 "minimal user agency"의 방향으로 가고 있다는 것이었습니다.

여기서 minimal user agency는 많은 유저들을 온보딩하기 위해 실제로 앱에는 무의미한 기능들을 만들어 유저들이 무한한 스크롤링을 하며 시간을 보낼 수 있도록, 별로 퀄리티가 높지 않은 컨텐츠만 득실거리는 방향으로 무의식적으로 간다는 것입니다.

예를 들어 구글 서치 조차도 검색을 하면 너무나도 많은 광고 사이트들과 실제로 가치를 제공해주지 않는 결과물들이 나옵니다. 이렇게 되는 이유는 '실제로 유의미한 가치를 제공하지 않는 유저임에도 불구하고 회사의 목표가 최대한 많은 사람들을 데리고 오는게 목표'가 되기 때문입니다.

그럼 이런 질문들을 던질 수 있습니다.

• 이런 유저여도 네트워크와 커뮤니티가 커지는거에 기여한다면 좋은거 아닌가요?

• 실제로 앱의 사용자수가 수백만명일때에는 기존 사용자들의 유저 경험보다는 새로 유입된 유저들이 플랫폼을 떠나지 않도록 하는게 더 많은 이익 가치를 제공해주지 않을까요?

결론적으론 그렇긴 합니다. 생각보다 기존 사용자들을 꽤 오랫동안 냅둬도 앱에 머무르고, 설사 떠난다해도 새로 유입된 유저들때문에 제품은 점점 커져서 수익도 그만큼 높아지기 때문이죠.

그래서 현실에서는 대부분의 앱 디자인들이 이런 "marginal user"에게 포커스 된다는 것입니다.

이 글을 너무 흥미롭게 읽어서 팀러너스 개발자인 건우님한테도 공유드렸습니다. 이 문제에 대한 완벽한 정답은 정말 없는 것 같습니다. 그저 스타트업의 미션과 목표가 어떤것인지에 따라 달린 것 같아요.

하지만 성장을 위해서 이런 방향으로 가는게 과연 불가피한지는 더 고민해봐야할 것 같습니다. 좀 더 건전한 방향으로, 퀄리티 높게 갈 수 있을까요? 애초에 가능한가요? 이 방향으로 너무 끌려다니지 않기 위해서는 어떻게 제품 개발을 해야하는지, 무엇부터 우선순위가 돼야하는지 재미있게 고민해볼 수 있을 것 같아요.

실제로 제가 사용하는 기존의 앱들 중에 정말 심각하게 "아 퀄리티 왜 이러지? 못 쓰겠네"하고 삭제한 앱은 여태까지 별로 없었던 것 같긴해요. (정말 쓰렉 아닌이상..) 알고보니 내가 항상 marginal user였던걸로ㅋㅋ

심심해서 해커톤 참여해서 10분 안에 아이디어 만들고 논 후기

10분 안에 웹사이트 글 정리해주는 AI 에이전트 만들기

안녕하세요! 오랜만에 개발글로 돌아왔습니다.

오늘은 정말 간단하게 10분 안에

• 웹사이트 링크 데이터를 스크레이프하고

• faiss와 같은 백터스페이스 (데이터베이스)에 저장한 다음

• 웹사이트 데이터를 한번에 요약해주는 LLM 체인

만드는 법에 대해 올릴 예정입니다.

예전에 만들었던 몇가지 사이드프로젝트 중에 웹사이트를 그 사이트 내용에 맞는 트위터 홍보용 게시물로 자동으로 만들어주는 AI Agent 툴을 빌드했었는데 이번에 ETH Con이라는 블록체인 해커톤을 참여하면서 비슷한 아이디어로 빌딩했습니다.

이번에는 제가 최근에 알게된 기업, FiscalNote라는 곳을 참고하면서 아이디어를 떠올리게 됐습니다. FiscalNote는 Tim Hwang이 창업한 AI 기반 법률·정책 빅데이터 미디어 기업으로 정부 정책을 매일매일 업데이트 받아야하고 자세하게 알아야하는 국회의원 혹은 비즈니스들을 위해 정리, 요약, 분석해주는 서비스입니다.

마찬가지로 블록체인 업계에서는 매일매일 새로운 governance proposal이 올라오는데요, 이 정책들은 블록체인을 어떻게 운영할 것인지, 어떤 기술을 새로 접목시킬 건지, 토큰 수량은 몇개를 배포할건지 등에 대한 것들입니다.

그래서 특정 블록체인 위에서 빌딩을 하고 있는 개발자나 창업가는 새롭게 결정되는 정책들에 대해 무조건 알고 있어야만 하죠. 하지만 매일 올라오는 정책들을 매번 알고 있기가 어려워 아예 따로 이런 정책들만 요약해주는 비서를 두기도 합니다.

이걸 해결하기 위해 저는 이런 정책들을 한번에 요약해주는 AI 에이전트를 LLM을 활용해서 만들었습니다.

바로 빌딩 들어가시죠! :)

저번과 마찬가지로 저희는 가상환경을 만들고 그 안에서 python 코드를 돌릴 예정입니다.

가상 환경을 만드는 과정은 제 전 포스트에서 확인하실 수 있습니다.

1) VSCode를 열어서 새로운 폴더를 만드세요.

2) 폴더 내에서 터미널을 열어 python -m venv venv 명령어를 입력합니다.

3) 다음 source venv/bin/activate 를 입력해서 가상환경을 실행시켜줍니다.

4) 우리에게 필요한 library들을 다운로드 해줍니다.

pip install openai langchain
pip install openai chromadb
pip install bs4
pip install python-dotenv
pip install tiktoken
pip install streamlit

다 install 하셨다면 이제 본격적으로 코드로 들어갈게요! 이번 프로젝트는 코드가 50줄밖에 안됩니다 ㅎㅎ

예전 프로젝트들과 마찬가지로 저희는 OpenAI의 API key를 써야하기 때문에 만든 폴더 내에서 .env라는 파일을 만들어주세요.

그러고 .env 파일 내에 API key를 저장해주세요. 아래 이미지와 같은 형태로.

폴더 내에 새로운 코드 파일을 만들어주세요. 저는 파일 이름을 summarizer.py 라고 이름 지었습니다. 다음 필요한 library 모듈들을 불러옵니다.

import dotenv
dotenv.load_dotenv()
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain.embeddings import OpenAIEmbeddings
from langchain.vectorstores import Chroma
from langchain.document_loaders import WebBaseLoader
from langchain.chains import RetrievalQA
from langchain.chat_models import ChatOpenAI
from langchain.prompts import PromptTemplate
import streamlit as st

그 다음 저희는 streamlit이라는 python 코드를 바로 프론트엔드 UI로 만들어주는 패키지를 쓸겁니다. 위에서 맨 마지막 줄에 import streamlit as st 보이시죠? 저희는 앞으로 코드에 st를 쓸때마다 streamlit 패키지를 쓴다고 이해하시면 됩니다.

st.title("Chain Reporter")

def get_text():
    input_text = st.text_input("Type in the governance proposal below", key="input")
    return input_text 

user_input = get_text()

• 첫번째 코드 줄, st.title("Chain Reporter")은 웹사이트 제목이 됩니다.

• 그 다음 def get_text() 함수는 유저가 웹사이트 링크를 텍스트 박스에 넣었을때 불러와서 input_text라는 변수에 저장하는 것입니다.

• user_input = get_text() 에서는 get_text()라는 함수를 콜해서 그 결과값인 url 링크를 user_input이라는 곳에 저장하는 겁니다.

이렇게 하고 나서 터미널에 가상환경을 실행시켰다면 streamlit run summarizer.py 를 돌리면 새로운 웹사이트가 아래 이미지처럼 뜹니다.

다음 유저가 준 url 링크에 있는 웹사이트 내용을 백터스토어에 저장한 다음 그 내용을 정리해주는 llm 체인을 만들겁니다.

if(user_input):
    loader = WebBaseLoader(user_input)
    data = loader.load()

    text_splitter = RecursiveCharacterTextSplitter(chunk_size = 500, chunk_overlap = 0)
    all_splits = text_splitter.split_documents(data)

    vectorstore = Chroma.from_documents(documents=all_splits, embedding=OpenAIEmbeddings())

    question = "Summarize the main points of this proposal"
    docs = vectorstore.similarity_search(question)
    len(docs)

    template = """Use the following pieces of context to answer the question at the end. 
    If you don't know the answer, just say that you don't know, don't try to make up an answer. 
    Use three sentences maximum. Return the result as a list. 
    {context}
    Question: {question}
    Helpful Answer:"""
    QA_CHAIN_PROMPT = PromptTemplate.from_template(template)

    llm = ChatOpenAI(model_name="gpt-3.5-turbo", temperature=0)
    qa_chain = RetrievalQA.from_chain_type(
        llm,
        retriever=vectorstore.as_retriever(),
        chain_type_kwargs={"prompt": QA_CHAIN_PROMPT}
    )

• 맨 처음 if(user_input)은 유저 인풋이 있어야만 llm이 실행된다는 것입니다.

• 다음 loader = WebBaseLoader(user_input)은 유저가 준 링크의 내용을 스크레이프해서 loader라는 값에 저장하고,

• data = loader.load()는 loader에 저장돼있는 내용을 로딩해서 data 값에 저장하는 것입니다.

• 다음줄에서는 내용이 많은 경우 split을 해주는 것입니다. split을 한다음 vectorstore이라는 값에 저장을 해줍니다.

• 그 다음 question 변수에는 "이 정책의 핵심 내용들을 정리해줘"라는 명령을 저장합니다.

• 그럼 docs에서는 질문의 요지에 맞게 답을 찾기 위해 아까 백터스토어에 저장한 내용 내에서 similarity search를 합니다.

• 이제 LLM을 만들 차례입니다. template에서는 "컨텍스트에 맞게 질문에 대한 알맞는 답을 알려줘. 만약 답을 모른다면 모른다고 말하고 본 내용과 관련없는 새로운 이상한 결과물을 출력하지 마."라고 써있습니다.

• 이 템플릿을 이제 QA_CHAIN_PROMPT에 넣어주고, 다음 줄에서는 ChatOpenAI 기반의 llm을 만들어줍니다. 저희는 gpt-3.5을 썼습니다.

• 마지막으로 qa_chain에서는 RetrievalQA이라는 질의응답이 가능한 형태의 llm을 써서 아까 만든 템플릿을 저장한 QA_CHAIN_PROMPT을 넣어줍니다.

이제 이 function을 실제 웹사이트에서 쓸 수 있도록 해줍니다!

if(user_input):
    result = qa_chain({"query": question})
    result["result"]

이렇게 한다음, 아까 뜬 웹사이트에서 텍스트 박스에 url 링크를 입력하고 엔터키를 누르면 llm체인이 돌아가기 시작하고, 몇 초 후에는 내용을 요약한 결과값이 나옵니다.

이런식으로 블록체인 정책 뿐만 아니라 template의 내용을 바꿔가면서 논문 요약 정리를 해주는 에이전트를 만들 수도 있고, 빠르게 마케팅 홍보 트윗도 생성해주는 에이전트도 만들 수 있습니다.

이렇게 만들고 발표까지 야심차게 하고 놀았습니다. ㅋㅋㅋㅋ

풀 투토리얼 동영상은 유투브에서 확인하실 수 있습니다! (영어 주의) https://youtu.be/MeRXRDQU-2A?si=O6fpZiTwmhF44zui

전체 코드 이미지입니다.

오늘도 긴글 읽어주셔서 감사합니다! 혹시 질문이 있거나 코드가 안된다면 답글로 남겨주세요. 최대한 도와드리겠습니다 :)

Why AI might not save the world

이번주 동안 여러 블록체인 이벤트들이 열리며 오랜만에 만난 업계 쪽 친구와 함께 인공지능의 미래와 방향에 대해 새벽에 두시간 가량의 열띤 토론을 나눴습니다.

제 친구는 꽤 오랫동안 블록체인 업계에서 개발자로 있던 분이었고, 저는 작년에 친구를 KBW 주간때 만나 계속 인연을 유지하다가 지금은 제가 AI 쪽으로 넘어온 상태가 됐습니다.

이번주 동안 만난 친구들은 다 블록체인 쪽에 있어서 제가 AI로 갔다고 했을때 AI가 블록체인보다 어떤 점에서 가능성이 더 많은지, 실제로 세상을 혁신적으로 바꿀 수 있는 기술인지에 대해 많은 대화를 나눴습니다.

저희가 나눴던 주제들은 대략 이렇습니다.

• AI를 통해 금전적인 이익을 얻고자 하는 사람들 vs 보수적인 관점으로 바라보며 조심스럽게 대하는 사람들

• AI에 의한 미래는 더 나은 세상이 된다 vs 오히려 세상을 더 쉽게 망칠 수 있을 것이다

• AI는 10년 안에 대부분의 일자리를 대체할 것인지 vs 오히려 더 많은 기회가 생겨날 것인지

• AI에 의해 나쁜 의도를 가진 사람들은 더욱 더 쉽게 목적을 달성할 것이다

Bootleggers와 Baptists는 a16z의 Marc Andreessen이 정의한 개념들입니다. 어떠한 사회적 변화가 나타났을때 그 기회를 통해 금전적인 이익을 좇는 사람들을 Bootlegger라고 하며, 반대로 이런 급격한 변화 때문에 컨트롤 할 수 없는 상황들을 대비하기 위해 법적 규제와 통제가 필요하다고 주장하는 사람들을 Baptists라고 합니다.

저는 AI를 활용한 스타트업을 창업한 사람으로써 Bootlegger의 관점을 갖고 있는 반면 제 친구는 조금 더 conservative(보수적인) 관점을 갖고 있었습니다.

저는 영상 크리에이터들을 위한 GenAI 스타트업을 하면서 모두가 컨텐츠를 쉽게 생산할 수 있는 인프라를 만들고자 했는데요, 제가 생각했던 미래의 모습은

1. 인공지능이 대부분의 일자리를 대체할 것이며,

2. 사람들은 인생의 의미를 찾기 위해 컨텐츠를 만들 것이고,

3. 모두가 컨텐츠 크리에이터가 될 것이기에 우리는 이 욕구를 위한 대비를 해야한다 였습니다.

이런 얘기를 전달했을때 친구는

1. 인공지능은 대부분의 일자리를 대체하지 않을 것이고, 오히려 일의 능률이 올라감에 따라 더 많은 공급 발생 -> 제품/서비스 가격 낮아짐 -> 소비자 수요 올라감 -> 더 많은 일자리/기회가 창출될 것이며,

2. 사람들은 인생의 의미를 찾기 위해 남에게 관심 받기 위해 만드는 컨텐츠보다는 공감 받기 위해 만드는 컨텐츠가 많을 것이고,

3. 그렇기에 모두가 단순히 현재 인플루언서와 같은 형태의 크리에이터가 되진 않을 것이다

라고 답변했습니다.

현재 AI 업계에서는 이런 컨텐츠들을 더 빨리, 더 많이 자동화시켜서 만들 수 있게 하는 서비스들이 많습니다. 유투브 릴스/쇼츠 자동화, 편집 자동화 AI 뿐만 아니라 AI로 얼굴 사진을 보정해주는 앱, AI 프로필 등 되게 다양한 제품들이 있는데, 컨텐츠의 공급이 급격히 늘어날수록 과연 사회의 어떤 면에서 어떻게 이바지하는가에 대해 자연스럽게 대화가 흘러가게 됐습니다.

컨텐츠의 공급이 더 많아진다면 이런 인프라를 빌딩한 Bootleggers들이 돈을 더 많이 버는 상황이 되겠지만, 사실상 이런 미래가 오게 된다면 모두가 더더욱 SNS에 중독된 상태로 절대 빠져나갈 수 없는 무한 쇼츠/릴스 루프를 돌며 점점 현실에서부터 멀어지는 현상을 겪게 될 것 같습니다. 현실보다는 가상세계에 중독되며, 일론 머스크가 말했던 것처럼 핸드폰과 내 자신을 떼어낼 수 없는 완전한 사이보그가 되겠죠.

인터넷이 처음 공급되면서 사실은 저희가 생각했던 것만큼 일의 능률과 효율이 급격하게 올라가진 않았습니다. 마찬가지로 AI에 의해 더 많은 업무들이 자동화되고 모두가 자신만의 AI Personal Assistant가 있게 된다면 사회 전반적으로 어느정도 productivity가 올라가겠지만, 그와 마찬가지로 - 오히려 더 크고 빠른 속도로 - SNS와 가상세계에 대한 중독성이 강해질 것입니다.

그래서 저는 미래에 대해 그렇게 희망적이진 않은 것 같습니다. 그렇기에 더더욱 이런 신기술을 활용해서 이익을 취하고자 하는 사람으로써 새로운 서비스/제품을 만들고자 할때 매번 제 자신에게 질문을 던집니다. "내가 지금 만들고 있는게 사회에 이로운 것인가? 이걸 하는게 도덕적으로 맞는건가?" 어떤 면으로라도 조금 더 이로운 방향으로 이바지할 수 있다면 만들 것 같습니다.

하지만 이미 주변에서는 급격한 속도로 새로운 제품들이 매일 나오고 있고, 개인, 스타트업, 기업 차원에서 뿐만 아니라 정부, 국가 전체 차원에서도 AI를 활용한 제품들을 계속 만들며 강화시키고 있습니다. 중국과 같은 경우에는 완변한 통제를 위한 용도로 AI를 쓰고 있습니다.

Marc Andreessen은 이에 맞서 "We should seek to win the race to global AI technological superiority and ensure that China does not." 라고 했지만, 사실상 우리가 지금 너무나도 쉽게 간과하고 있을 수 있는 점은 AI 기술이 발전됨에 따라 중국에서 뿐만 아니라 전세계적으로 우리의 모든 personal 데이터가 AI 모델들에 학습되고 있다는 것입니다. 인스타그램 계정이 공개 계정이라면 이미 대부분의 AI 기업에서는 당신의 사생활 데이터를 모두 수집해서 "개인화"라는 명분으로 모델들을 빌딩하고 있을 것입니다.

기업들은 이런 '개인화'를 통해 컨텐츠 추천 알고리즘, 광고 알고리즘 등을 만들고 있습니다. 소비자의 입장에서는 나에게만 맞춘 슈퍼컴퓨터 혹은 인공지능 비서가 생긴다면 너무 편리하겠지만 우리가 던져야할 질문은 "at what cost?"입니다. 우리도 모르게 점점 이런 알고리즘에 빠져들어 헤어나올 수 없는 지경이 되고 있으며, 더 많은 반응.좋아요.댓글.공유를 할 수록 나의 데이터를 더 수집해가면서 옭아매고 있습니다. 이런 미래에서는 나도 모르게 무의식적으로 컨트롤 당하게 되는 경우가 많아질 것 같아 더 두렵습니다.

그래서 정말 웃기기도 하고 멋있다고 든 생각이지만, 제 친구는 이런 authoritarian, totalitarian, centralized된 미래가 만일 올거에 대비하기 위해 더더욱 블록체인을 하고 있다고 했습니다. 누구도 미래를 예측할 수는 없지만, 이런 신기술이 왔을때에는 최대한 어떻게 도덕적으로 접근해야하는지, 나에게 어떤 영향을 끼치게 될건지, 내가 무언가를 만든다면 사회에 어떤 영향을 끼칠건지에 대해 1시간이라도 진지하게 고민하는 시간이 필요하다고 생각합니다.

제가 제 친구와 함께 토론했던 내용들을 Marc Andreessen이 "Why AI WIll Save the World"라는 글에서 대부분 짚고 넘어간 것 같아 글을 공유합니다.

[데일리 X] 스텔스 출시해서 프로덕트헌트 탑5 찍은 라마인덱스의 SEC INSIGHT AI

RAG 프로덕트를 만들 수 있도록 돕는 라마인덱스 (오픈소스 라이브러리) 팀에서 SEC Insight AI 라는 서비스를 공개했다고 합니다!

https://www.secinsights.ai/

https://twitter.com/jerryjliu0/status/1699119197190775084

SEC 재무회계보고서를 기반으로 다양한 비즈니스 인사이트를 도출할 수 있는 RAG 프로덕트인데, 무려 오픈소스로 코드를 다 공개했네요! 매번 라마인덱스 팀의 코드를 보면서 많이 배우는데 이번에도 좋은 공부가 될거 같습니다,

재밌는 오프더레코드는 라마인덱스 공식문서 대부분의 예제가 우버 SEC 자료를 기반으로 되어있어서 재밌었는데, 진짜로 SEC를 분석하는 프로덕트를 내버렸네요. 제 추측으로는 SEC 보고서를 가장 높은 난이도의 RAG라고 보고, 일종의 벤치마크로 사용하는거 같습니다!

[🚿SHOWER INSIGHT]아빠때는 prompt를 직접 입력하고 그랬어😅

SHOWER INSIGHT

샤워를 할 때 모든 노이즈가 차단되면서 하루동안 머리에 우겨넣었던

인풋들이 정리되고 구조화되는 경험을 하곤 합니다.
SHOWER INSIGHT는 샤워하면서 정리한 인사이트와 생각을 정리합니다.

(원시적이었던 초기 퍼스널 컴퓨터)

샤워를 하면서 두 달 전 교수님과 챗GPT가 가져오는 변화에 대해 나눴던 대화가 떠올랐습니다. 교수님은 컴퓨터가 처음으로 보급되던 시절에 군복무를 하셨는데, 그때 MS DOS와 터미널 사용법을 익히면서 문서를 작성했다고 말씀하셨습니다. 그리고 당시에는 MS DOS, 터미널 사용법을 가르치는 학원도 많이 생겨났다고 합니다. 이어서 교수님은 그런 시대상과는 반대로 절대로 DOS를 공부하지 않았다는 소대장의 이야기를 해주었습니다. 어차피 병사들한테 시키면 그만이니 공부 안했을 수도 있지만,

소대장 왈

어차피 앞으로 더 쉬운 방법이 나오면 쓸 일이 없을건데 뭐하러 공부하나

그로부터 몇 년 후에 실제로 GUI 기반의 컴퓨터가 나오면서 DOS를 사용할 필요가 없어졌습니다. 물론, 개발자들에게는 터미널이 편하지만.. 교수님은 챗GPT의 등장과 함께 꽤나 많은 프롬프트 강의가 나오는 상황에서 그 소대장이 떠올랐다고 합니다.

실제로 챗GPT의 등장 이후 좋은 프롬프트를 작성하는 방법, 각종 프레임워크에 대한 강의가 많이 나왔습니다. 저 또한 Role, Objective, Format, Context, Information 등의 요소를 조합하는 프롬프트 방식을 사용하여 챗GPT를 활용하면서 놀라운 경험을 했습니다. 앞으로는 모든 사람들이 프롬프트 엔지니어링을 배워야 한다고 생각하며 유튜브 영상까지 제작했습니다. 그러나 챗GPT를 사용하면 할수록 교수님이 말씀해주신 소대장 일화가 생각났습니다.

이거 생각보다 원시적이고 불편한데?

그 이유는 크게 2가지 입니다.

(영화 "첫키스만 50번째" 마지막 장면)

첫째, 사용자가 직접 Context Window를 고려해야 한다는 것입니다. Context Window는 쉽게 말해 대화형 언어 모델(LLM)의 기억력을 나타내는데, 대화가 길어지면 이전의 대화가 단기기억에서 제외됩니다. 즉, 사람으로 치면 까먹는 것과 같은거죠.(글 예고: 첫키스만 50번째 하는 GPT의 Stateless) 이로 인해 GPT는 전체적인 맥락을 자주 잃어버리게 됩니다. GPT와 함께 장기적인 프로젝트를 진행하거나 긴 워크플로우를 진행하게 되면 전체 맥락을 자주 잃어버리게 되고, 이를 해결하기 위해 Context Window 밖으로 나간 내용들을 정리하여 다시 넣어주어야 하는 귀찮은 과정을 거쳐야 합니다. 위로 올라가서 맥락을 복사하고 붙여넣고, 다른 GPT를 이용해 요약하고 있는 스스로를 발견했습니다.

(세종대왕 맥북 사건 짤)

둘째, 사용자가 직접 Hallucination(환각효과)을 해결해야 한다는 것입니다. Hallucination은 GPT가 학습한 데이터 내에서 답변을 생성하다가 발생하는데, 이는 LLM의 능력을 과소평가하게 되는 가장 큰 원입입니다. Hallucination을 해결하기 위해서는 GPT를 학습된 데이터 내에서 답을 하는 일종의 검색엔진으로 바라보는 것이 아닌, 주어진 텍스트를 이해하고 생성하는 언어 추론 모델로 바라보고 사용해야 합니다. 이를 위해서는 GPT에게 정확한 정보와 데이터를 제공하고 이에 기반하여 추론하고 생성하도록 해야 하는데, 이는 매번 사용자가 필요한 정보를 직접 찾아서 프롬프트에 넣어주어야 하는 번거로움이 있습니다.

이 두가지 문제를 모르고 사용하시는 분들은 챗GPT의 능력에 실망하게 되거나 잘 사용하지 않게 됩니다. 이러한 문제를 이해하여 좋은 프롬프트를 작성할 수 있는 사람이라고 하더라도, 끊임없는 복사-붙여넣기의 늪에 빠진 자신을 발견합니다.

챗GPT의 등장으로 생산성이 몇 배로 좋아졌습니다, 하지만 아직은 원시적입니다.

지금의 방식을 몇십년 후의 제 자식에게 설명한다면, 무용담처럼 이렇게 말할거 같네요.

아빠때는 prompt를 직접 입력하고 그랬어😅

다음 글에서는 이러한 문제를 해결하고자 해외의 개발자 커뮤니티를 필두로 LLM의 주류가 되고 있는 에이전트에 대해서 다뤄보겠습니다. 또한 Langchain 보다 더 주목해야 하는 프레임워크라고 생각하는 LlamaIndex에 대해서도 10X AI에서 연재하고자 합니다!

읽어주셔서 감사하고 댓글로 토론 언제나 환영입니다:)

팀러너스, 스캐터랩, 라이너AI, 뤼튼에게 배운 것

이번 AGI Town 6회차 밋업을 가지며 어떤 인사이트들을 얻었는지 공유합니다.

이번 이벤트에서는 디어젠, Upstage, 팀러너스, 하이퍼커넥트, 라이너 AI, 스캐터랩, 뤼튼 엔지니어분들과 CEO가 오셔서 세션들을 진행했습니다.

이벤트 참가 전 제가 머릿속에서 가장 크게 갖고 있던 질문들은 :

• 이 팀들은 뭐가 다를까?

• 어떤 가설들을 세우며 어떤 BM들을 갖고 있는가?

• AI-native 프로덕트 방향으로 가고 있는가?

• Sustainability와 profitability를 어떻게 동시에 유지하지? 남는게 있을까?

이벤트 동안에 가장 공통적으로 나왔던 질문들은 :

• GenAI 제품/서비스들은 어떻게 유저 리텐션을 높이는지?

• Monetization을 어떻게 했고, 비즈니스 모델은 어떤 것들이 잘 됐는지?

• 할루시네이션 결과물들을 어떻게 활용하는지? 자신의 제품/서비스에게 득인가 독인가

스캐터랩의 루다 (AI-native, B2C)

루다: Character AI

Problem statement:

• 기본적으로 캐릭터 AI 뿐만 아니라 LLM 기술에 의존하는 어떠한 서비스도 상용화 시키기 위해서는 거짓된/틀린 정보(할루시네이션)가 결과물로 발생되면 안됨. 고객사가 원하는게 확실하고 캐릭터 챗봇이 답변해야하는 것도 확실해야하는데 LLM의 기술은 불확실해서 발생할 수 있는 문제들이 존재함.

• 사람들은 캐릭터 AI와 대화를 할때 정말 인간과 대화하는 것 같은 느낌을 원하고 실제로 사람과 관계를 형성하는 것처럼 하는 것을 원함.

Solution:

• BM: 루다 내에서 "선물하기" 기능. 루다 팀에서 "크레파스," "원피스"와 같은 디지털 자산을 만들면 유저가 이걸 사서 직접 루다에게 선물해줄 수 있음. 선물해주면 루다는 자기가 받은 선물을 기억하고 나중에 선물받은 원피스를 입은 사진으로 프로필이 바뀌는 형태가 됨. 친밀도가 올라감. (실제 사람과 관계 형성하는 것처럼)

• Use cases: 의료 업계에서 심리상담 캐릭터 봇 -> 환자가 어떤 고민들을 갖고 있는지 이해하고 각 고민별로 해결하는 방식

• 오히려 LLM의 결과물이 모호해도 괜찮은 영역을 타겟하고 있음. 결과물이 세팅되어 있지 않을수록, 유니크한 답변들이 나올수록 루다의 재미/가치가 올라가는 사업 모델을 구상함. 그래서 오히려 할루시네이션이 득이 되는 경우가 됨.

• AI 기술을 중심축으로 활용하는 새로운 패러다임이 발생할 것이라고 믿음.

• B2C로 가장 잘 monetization하는 곳이라고 생각함.

라이너 AI (AI-augmented & AI-native, B2C)

라이너: AI summarization, new type of Google search

Problem statement:

• 기존에는 생산성 업무들을 위한 툴을 만듦 -> 하이라이터 자료 아카이빙. 그래서 생성AI를 원래 서비스에 입힐때 기존의 유저들과 맞서야하는 문제가 발생함. 코어가 중요한가 새로운 미션이 중요한가? 결정해야 했음.

• 할루시네이션은 기회보다는 독에 더 가까움. 예를 들어 홍길동전에 대해 검색을 하면 홍길동 보다는 삼국지의 주요 인물들에 대해 설명을 하는 경우가 있음. 이건 본문에 삼국지에 대해 먼저 설명을 하다가 홍길동전에 대한 이야기가 함께 섞여 있어서 할루시네이션이 발생한 것. 그렇다면 본문에서 주요 내용만 뽑아내는 기술이 중요하고, 2000토큰을 사용하며 모든 본문을 읽어볼수는 없으니 더 효율적인 방식으로 summarization을 해야함.

Solution:

• ChatGPT 이후에 사람들이 구글 서치는 죽었다고 생각함. 구글 서치를 disrupt하긴 했지만 사람들이 컨텐츠를 소비하고자 하는 욕구는 여전히 존재함. 그렇다면 어떤 미디엄으로 사람들이 유입될지 언정 컨텐츠를 소비하고자 하는 사람들을 위해서는 더 좋은 UX 플랫폼을 제공해줄 수 있음.

• Structured retrieval: 본문 활용을 위한 기술 연구를 계속 하고 있음. 

뤼튼 (AI-native, B2C/B2B)

뤼튼: 업무 자동화 생성 툴

Problem statement:

• 다른 생산성 툴 (ChatGPT, )을 사용했던 유저들은 뤼튼을 쓸 때 적응하기 쉽지만 일반적인 사용자들은 생성된 결과물에 할루시네이션이 발생하면 데이터가 유출됐다고 생각하거나 모델에 잘못이 있다고 생각함.

• 생성해준다는걸 이해 못하고 기존에 뤼튼이 갖고 있는 데이터베이스 내에서 답변을 검색 한다고 생각함. 그래서 서비스를 잘 사용하도록 배우게 하는게 은근 어렵다는걸 느낌.

• 서비스들이 여전히 일반인들에겐 불친절.

• 할루시네이션 탐지 보다는 유저가 대화를 언제 이탈하는지 집중적으로 보고 있음.

• 사람보다 인공지능의 결과물을 믿는 경우가 발생함.

팀러너스 (AI-native, B2C)

팀러너스: B2C를 위한 AI 컨텐츠 플랫폼

Problem statement:

• 소비자는 기업이 어떤 기술을 쓰는데에 관심 갖지 않는다. "AI"를 쓴다고 해서 돈을 더 지불하는 것도 아니고, 소비자는 오로지 더 편하고 싸고 재미있는걸 찾을 뿐. 그래서 AI인지 아닌지가 중요하지 않은 일상의 가치를 제공하는 제품을 만들고자 함.

• 여태까지 만든 모든 제품들 중 대부분은 성인 서비스로 바뀜.

• AI 프로필 스튜디오와 같은 제품들은 리텐션이 매우 낮음.

• 모바일 앱보다 AI 앱을 만드는게 천배 어려움. 왜냐면 생성된 결과물에 대한 정답이 없기 때문. 사람마다 원하는 결과물이 다르고, 얼마나 잘 만들어진 사진인지에 대해 정답이 없음. 어떤 유저는 자신과 닮은 사진을 원하고 어떤 유저는 안 닮더라도 예쁘게 나온걸 좋아함.

• GPU가 너무 비쌈! 그래서 수익성을 내기가 쉽지 않음. 유저에게 돈을 받을 수 밖에 없는 구조가 발생.

Solution:

• 리텐션이 낮아서 한번 돈을 지불하고 쓰는 서비스 모델보다 "오늘의 무료 사진"이라는 서비스로 매일 새로운 컨셉/필터 사진을 무료로 써볼 수 있는 제품을 만듦.

• 유저에게 돈 받기 vs 시간 받기: 유저의 체류 시간을 늘리는걸 목표로 잡음. 이 목표를 달성하기 위해 고객 단톡방에서 힌트를 얻을 수 있었음. 고객들은 자신이 겪은 문제보다는 자신의 사진에 대해 얘기하고 싶었고, 다음은 어떤 컨셉/필터를 원하는지, 누가 새로운 컨셉의 필터로 사진을 만들면 '나도 해보고 싶다' 이런식의 대화가 자꾸 나옴. -> 나온 프로덕트: 자기가 원하는 매거진 컨셉 올리면 그 컨셉에 맞게 새로운 사진 생성. 이를 통해 팔로워를 모아서 인플루언서가 될 수 있음.

• 오히려 유저들은 새로운 필터를 살때마다 "지불"보다는 팔로워와 인기를 얻기 위한 "투자"라고 생각하게 됨. 인기를 얻고 싶은 소수의 열성 유저들이 비용을 지불해서 건전한 손익구조를 만들 수 있었음.

• 팀러너스는 PMF 찾기전에는 세계 최고의 AI 제품팀을 만들려고 함. 목적 조직. 모두가 하나의 스쿼드로 움직이는게 더 빠름.

🔥매주 가장 핫한 LLM 논문을 쉽고 빠르게 접하는 법

은 바로 이 뉴스레터를 구독하는 것입니다! (대놓고 홍보 죄송합니다...😅)

이번주에 가장 핫했던 LLM 논문 보러가기👇

안녕하세요. 그 주에 핫한 LLM 논문을 정리해서 뉴스레터를 만들고 있는 ML Engineer 백승윤입니다. 저는 ML Engineer로서 매주 빠르게 변화하는 LLM 관련 기술들을 팔로업하기 위해서 매일매일 arxiv 논문 사이트에 들어가서 평균 30개의 논문을 훑고 그 날의 중요한 논문들을 정리해 사내에 공유를 하고 있습니다.

그러다 팀원이 '이 야무진 걸 자기만 볼 수 없다.'며 뉴스레터를 만들어보라고 하였고 그렇게 시작하게 되었습니다. 단순히 정보 공유 목적으로 시작하게 되었습니다. (약간의 회사 이름 알리기도 있구요.. 코르카.. 기억해주세요..)

LLM 최신 동향을 보다 빠르게 논문 레벨에서 팔로업하고 싶으신 분들은 이 뉴스레터에 많은 관심 부탁드립니다!!

스타트업을 찾습니다

안녕하세요

허슬코딩입니다.

디스콰이엇을 보면서 한국에 정말 뛰어난 분들이 많이 계시다는 생각을 하게됩니다.

나이와 상관없이 가슴뛰는 일을 하시는 분들이 너무 많아서 동기부여가 됩니다.

그래서 커뮤니티에 조금이나마 기여를 하고자

스타트업을 찾는 글을 올려봅니다.

저는 현재 10년째 개발자로 일하고 있고, (https://dqchoi.univer.se 참고)

7개+의 스타트업에 창업 및 재직을 해오고 있습니다.

현재도 너무 재밌는 회사에서 행복하게 일하고 있지만

제가 받아온걸 나누는 차원에서 짧은 시간이나마 제가 기술적으로 도움을 드릴 수 있는 스타트업을 찾아보려 합니다. (주로 주말 시간이 될듯 합니다)

조건은 다음과 같습니다.

• 풀타임 개발자가 1인 이상 있는 팀 ( 파트타임 x )

• 해결하고자 하는 (기술적) 문제가 명확하고, 3달 이내에 해결이 가능한 문제인 경우

• [중요] 해외에 거주하고 있어서 모든 미팅은 비대면이 될 예정입니다!

해왔던 경험

• 개발 환경 세팅

• 개발 문화 구축

• CI/CD , slack 연동 등 기본적인 팀 세팅

• 데이터 📈 분석 환경 세팅

• A/B 테스팅 (firebase)

• 기타 등등

신청은 편하게 커피챗주시기 바랍니다!

모든 스타트업을 응원합니다 :) 🙏

앤드류 응 교수님이 전하는 Opportunities in AI

어제 앤드류 응 교수님의 강연 하나가 공개되고 좋은 내용을 담은 것 같아 공유드립니다!

주관적으로 해보는 핵심 요약

1. 인공지능은 전기처럼 범용적인 기술입니다.

   • 지난 10년은 지도 학습이 AI에서 가장 지배적인 분야였지만, 앞으로는 Generative AI도 영향력이 커질 것입니다. 왜냐하면 이전에는 지도학습을 사용해서 모델을 개발하면 1달(데이터 수집) + 3달(모델 학습) + 3달(모델 배포) = 7달이 걸렸지만, Prompt-based AI를 사용한다면 1주일로 충분하기 때문입니다.

   • 단기적인 유행에 있어서 주의해야 합니다. 유용한 제품이어도 방어할 수 있는 장기적인 가치를 만들어내지 못하면 망합니다. 특히 Prompt-based AI로 만들어낸 서비스는 그 기술이 누구나 따라할 수 있을 정도로 쉽게 복제되기에 유의해야 합니다.

2. 인공지능은 더 다양한 산업 분야에 적용될 것입니다.

   

   • 이전까지 인공지능은 web search, advertising, recommendation과 같이 한 분야가 엄청난 value를 가지고 있는 분야에만 적용되었습니다. 그리고 value가 낮은 프로젝트(공장 불량 검사, rice disease classification)에는 적용되기 어려웠습니다. 커스터마이징하는데 큰 값을 요구했기 때문이죠.

   • 하지만 로우/노코드 툴이 등장하면서 AI 시스템을 개발하기 더 쉬워졌습니다. 더 많은 산업에 적용될 수 있기에 앞으로 인공지능 밸류를 키우는데 큰 도움이 될 것입니다.

3. AGI는 아직 멀었습니다. 인간이 하는걸 AI가 제대로 대체했다고 생각하지 않습니다. 우리보다 똑똑하지만 한편으로 우리보다 훨씬 멍청하기도 합니다.

다들 교수님의 강연을 듣고 어떤 생각이 드셨는지 궁금합니다!

콜드메일, GPT기반 업무자동화로 매월 30시간 확보하기

AI기반 노코딩 툴로 업무자동화 완성을 위한 핵심 팁 4가지 공유

지난 2주 간 AI 기반 노코딩툴을 사용하여서, 업무자동화 툴을 만들고 기존 업무의 30시간을 단축시킨 경험에 대해서 말씀드립니다. 

업무자동화 기획 : 실제 불편함에서 출발

대표님의 인터뷰에서 발견한 실제 불편함

아웃바운드 세일즈를 위해 콜드메일, 모두 다 사용하고 계시죠? 저희가 인터뷰한 기업 중 대표님께서는 잠재 고객에게 콜드메일을 보내는데, 하루에 2시간씩 주 3일 한 달 기준으로 약 30시간을 투입하고 있었습니다. 특히 하루 2시간 작업해서 5건을 발송할 만큼 발송 건 수가 매우 적었는데, 그 이유를 여쭤보니 콜드메일 수신하는 기업에 맞춤으로 회사 내 관련 자료를 첨부하였고, 이 과정이 가장 큰 시간비중을 차지했습니다.     

여기에서 다음 2가지 사실에 집중하였습니다. 

1. 핵심기능 : 콜드메일 수신 기업에 맞춤 내용작성

콜드메일 발송하는 전 과정 자동화이면, 막막한 것이 사실입니다. 다만, 여러 과정 중에서 핵심기능을 파악하고 이들을 먼저 구현할 수 있다면, 업무의 상당 부분이 절감되겠죠! 

여기에서 핵심은 '추천기능'이었습니다. 이 과정만 자동화된다면, 일단 발송하는 콜드메일 전체 모수가 획기적으로 증가하겠죠! 

2. ChatGPT로 위 핵심기능이 구현가능한지

이제 핵심기능을 파악했으니, 이제 검증을 해볼 차례입니다. 검증하는 과정도 매우 쉽습니다. 이를 GPT한테 물어보면 되는 거죠. 

어려운 말을 사용하지만, 이 과정은 모두 노코딩툴로 대체됩니다 

GPT에게 가능한지 여부 문의하기 

위처럼 GPT에게 핵심기능인 추천기능 구현가능한지 문의했고, 가능하다는 답변을 얻게 됩니다. 이러한 점이 확인된다면, 이제 자동화 구현에 두려운 점은 없게 되는 거죠! 이제 기능을 구현하러 가봅니다!

업무자동화 구현

진행해야 할 업무단계 설정

이제 구체적인 제품을 만들기 위한 큰 그림을 세워보았습니다. 이 과정 역시 GPT의 도움을 받았습니다. 다음과 같은 질문을 통해서 목표를 위해 구축해야 할 단계를 그려보았고, 이 과정에 맞는 노코딩 툴을 추천받았습니다. 

GPT를 통해서 노코딩툴 추천받기  

이때 간소화할 수 있는 영역을 많이 고민해야 합니다. 특히 Webflow, Bubble 같은 툴은 웹 빌더인데 데이터 수집을 위해 웹페이지를 만들 필요는 없기 때문이죠! 내가 작업해야 할 핵심기능만을 고민하고 이를 구현할 수 있는 최적의 도구를 찾는 과정이 필요합니다. 결국 최소비용으로 목표를 달성하는 것이 업무자동화의 핵심입니다.

노코딩 툴 선정

위에서 추천받은 노코딩툴을 보면서, 실제 활용가능한지 여부를 판단해 보았습니다. 그렇게 저는 다음과 같은 개발 Flow를 결정하게 되었습니다. 

GPT 내 Whimsical Plugin을 사용해서 제작한 도안 

실제 제품화

최종 제품은 스프레드시트 내에서 구현되도록 만들었습니다. 그 이유는 다음과 같은 추가기능을 넣기 위함이었죠. 

1. GPT가 추천한 결과를 본 후, 선택한 항목에 대해서만 콜드메일 작성

2. GPT가 작성한 콜드메일 결과물까지 본 후, 선택한 항목만 이메일 발송

물론, 대시보드 등을 만들면 최고이겠지만, 최소비용으로 목표달성이라는 원칙하에 설치비용 없이 쉽게 이용할 수 있는 툴을 선택했습니다. 마침 Spreadsheet 내에서 GPT를 구현할 수 있는 기능이 생기면서, 이러한 자동화가 가능해졌죠! 

Spreadsheet 내에서 GPT를 구현시킨 예시

결론, 업무자동화를 위한 팁  

첫 번째, 본인의 1주일간 업무를 나열: 

업무의 정형화 여부를 파악하기 위해 1주일간의 업무를 나열합니다. 나열하실 때 구체적으로 해당 작업에 소요하는 시간을 함께 기입해 주세요! 위 경우, 인터뷰과정에서 본인이 가장 시간 쓰기 아까운 영역을 말씀 주셨기 때문에, 이 과정이 생략되었죠

두 번째, 정형화된 업무 중 가장 큰 임팩트를 낼 수 있는 선택: 

처음 과정에서 나열한 업무 중에서 정형화된 업무를 선택합니다. 그들 중에서 이 문제를 해결할 경우, 얻게 되는 임팩트가 가장 큰 업무가 무엇인지 생각해 봅시다. 임팩트는 비용절감 혹은 수익증대 두 가지 관점에서 고려될 수 있지만, 쉽게 생각하면 1주일 중에서 가장 많은 시간을 쓰는 업무라고 생각하셔도 됩니다.

세 번째, 업무를 단계별로 분리 후 그중 핵심업무를 찾습니다. 

사실 모든 기능을 자동화하는 건 쉽지 않습니다. 다만, 핵심업무만 자동화한다면 생각보다 쉬울 수 있어요! 그래서 핵심업무를 파악 후 해당 기능 자동화만 먼저 빠르게 구축 후, 여유시간을 확보하는 게 중요합니다. 그 이후, 남은 여유시간에 다른 업무를 하나씩 자동화해 나가는 거죠! 

네 번째, 각 업무 별 노코딩 툴을 적극적으로 활용하세요! 

생성 AI 시대에 걸맞게 노코딩 툴이 정말 많이 등장하고 있어요. 경쟁력은 이를 어떻게 빠르게 학습하고, 자신의 업무에 도입하는지에 따라 달라집니다. 노코딩 툴에 대한 관심을 놓치지 마세요! 이를 제대로 이용만 한다면, 여러분들의 삶이 달라집니다. 

앞으로 GPT를 활용한 업무자동화 관련 아티클을 많이 공유드리겠습니다. 저 역시 비개발자 출신으로 약간의 지식을 활용해서 이를 구현한만큼, 여러분도 충분히 따라하실 수 있습니다! 궁금하신 점이 있다면 언제든지 댓글로 물어봐주세요!