유튜브 영상 제작 활동과 더불어 프로젝트 및 과제를 동시에 진행해야 하는 상황이라 매우 바쁜 일정을 보내고 있습니다. 틈틈이 동향을 살펴보던 중 괜찮은 자료를 발견하여 오랜만에 정리해 올립니다. 현재 인공지능은 AGI(Artificial General Intelligence, 범용 인공지능)로 점점 발전하고 있는 상황이며, 머지않아 특이점(Singularity)이 도래할 수도 있겠다는 생각이 듭니다.
생성형 AI와 데이터: 요약 정리. [출처: 한국전자통신연구원 주간기술동향 2025.4.9]
I. 서론
인공지능은 규칙 기반, 딥러닝 기반을 거쳐 범용 AI로 진화하며, 생성형 AI의 등장은 AI가 스스로 데이터를 생성하고 학습하는 가능성을 열었다. 생성형 AI는 새로운 콘텐츠 생성 능력을 통해 데이터의 중요성을 더욱 부각시키며, 산업 전반에 혁신을 일으키고 있다. 이러한 생성형 AI의 등장은 스스로 데이터를 수집하고 생성할 수 있다는 점 때문에 범용 인공지능으로가는 발전에서 중요하다.
※ Self-learning(자가 학습), Self-adaptation(자가 적응), Self-sustainable(자가 유지, 스스로 유지가 가능)의 3가지 메시지가 중요합니다.
II. 생성형 AI 인지 원리 탐구
판별 모델과 생성형 모델을 분리해서 설명. 판별 모델은 데이터의 경계를 구분하는 데 집중하지만, 생성형 모델은 데이터의 전체 분포와 구조를 학습해 실제와 유사한 데이터를 새롭게 만들어낸다. 생성형 AI는 사람의 인지 방식과 유사하게 사물의 형태 정보를 더 중시하며, 학습 범위 밖의 데이터에 대해서도 뛰어난 일반화 능력을 보인다.
III. 생성형 AI 기술 동향
생성형 AI는 Latent Variable Model, Autoregressive Model, Flow Matching 등 세 가지 주요 구조로 발전하고 있으며, 각 모델은 데이터 생성 방식과 활용 분야가 다르다. 최신 LLM과 이미지·비디오 생성 모델들이 빠르게 등장하고, 고품질·저비용 학습이 가능한 다양한 오픈소스 모델이 확산되고 있다.
기본적으로 알아두면 좋을 내용은 생성형 AI의 모델 분류입니다.
표1. 생성형 AI 모델 주요 분류도(본문에서)
| LVM (Latent Variable Model) | 병렬 생성 | 존재 | VAE, GAN, Diffusion |
| AM (Autoregressive Model) | 순차 생성 | 없음 | GPT 시리즈, DeepSeek-R1, QwQ-32B, S1 |
| FM (Flow Matching) | 연속적인 흐름으로 병렬 생성 | 존재 | π⁰, Rectified Flow, FMGM |
IV. 생성형 AI 기술과 데이터
데이터 확보 방식을 혁신한 NVIDIA Cosmos를 예시. Cosmos는 Autoregressive + Diffusion 모델 기반의 하이브리드 생성 플랫폼이다. 스스로 데이터를 생성해 나가는 합성 데이터 생성 플랫폼으로 AI 학습에 필요한 고품질 데이터를 빠르고 경제적으로 확보한다. 이러한 기술은 실제 환경에서 얻기 어려운 데이터까지 포괄적으로 생성하여, AI의 신뢰성과 성능을 크게 향상시키고 있다.
- 3년 걸리던 데이터 생성 → 2주 이내 단축
- 야간, 복잡한 교통 상황, 위험한 환경 등 실제 수집이 어려운 데이터를 합성 가능
- NVIDIA Omniverse(3D 설계, 개발, 배포를 위한 플랫폼)와 연계 → 포토리얼리즘 수준의 3D 환경 + 현실적 시뮬레이션
V. 결론
생성형 AI는 기존 AI와 차별화되는 데이터 처리 및 생성 원리를 바탕으로, 다양한 산업에서 혁신적 발전과 데이터 확보 효율성을 높이고 있다. 데이터 생성 파운데이션 모델의 발전은 앞으로 AI 산업 전반의 데이터 활용 방식을 혁신적으로 변화시키고, AI 시스템의 성능과 신뢰성 향상을 이끌 것으로 전망된다.