AI는 어떻게 진화해 왔을까? 계산기부터 LLM까지의 모든 것¶
- 출처: CLOVA 기술블로그
- 저자: 신중휘 (네이버 AI 애플리케이션 총괄)
- 읽은 날짜: 2025-12-27
- 태그: #AI역사 #딥러닝 #LLM #옴니모달 #네이버
핵심 내용¶
AI 발전의 역사적 흐름과 미래 방향성을 정리한 글. 핵심 철학: "공학은 인간에게 도움이 되는 도구를 만드는 학문"
AI 진화의 4단계¶
| 단계 | 시기 | 핵심 기술 | 의미 |
|---|---|---|---|
| 1단계 | 초기 | 계산기 → 컴퓨터 | 연산 능력 기계화, 트랜지스터로 메모리 저장 |
| 2단계 | 2000년대 | 검색 엔진 | 정보 검색 자동화, 구글/네이버 성장 |
| 3단계 | 2016년~ | 딥러닝 (알파고) | 데이터에서 패턴 자동 학습 |
| 4단계 | 현재 | LLM & 옴니모달 | 다중 모달리티 통합 이해 |
통계 ML vs 딥러닝¶
통계 기반 ML:
- 사람이 특징(feature) 미리 정의
- 예: 책상 vs 의자 → 다리 개수, 높이 등 수동 설정
- 한계: 인간이 정의한 특징만 학습 가능
딥러닝:
- 데이터에서 자동으로 패턴 발견
- 인간이 놓칠 수 있는 정보까지 학습
- 혁신: End-to-end 학습
네이버의 기계번역 도전¶
- 약 3년에 걸쳐 딥러닝 기반 번역기 개발
- 구글보다 앞선 세계 최초 사례 중 하나
- 파파고: 월간 2천만 명 이상 사용
미래: 옴니모달 AI¶
단순 기능 병합이 아닌 정보의 관계를 통합적으로 이해:
- 목소리 변화만으로 건강 상태 파악
- 소리 + 시각 정보 동시 분석
- 사용자 상상의 시뮬레이션
서비스화 필수 요소 5가지¶
- 사용성: 스마트폰 입력 문제 해결 (이미지 텍스트 인식)
- 안전성: 학습 데이터 편향 제거
- 신뢰성: Hallucination 문제 해결
- 인프라: 고성능 GPU, 빠른 응답
- 비용 효율성: 지속 가능한 운영
인상 깊은 부분¶
"누가 가장 뛰어난 모델을 만들었는가보다, 누가 그 모델을 가장 탁월한 서비스로 구현했는지가 더 중요한 경쟁력이 될 것"
"기술의 중심에는 결국 사용자 효용이 있어야 한다"
실무 적용 포인트¶
- 모델 성능 ≠ 서비스 성공: 사용성, 안전성, 비용까지 고려해야 함
- 옴니모달 준비: 텍스트만이 아닌 다중 모달리티 통합 경험 필요
- 파파고 사례 참고: 사용자 불편 해결 (이미지 OCR 등)이 성공 요인
- Hallucination 해결은 LLM 서비스의 핵심 과제