생성형 AIGenerative AI

고르는 일과 짓는 일은 달라요

AI가 하는 일은 크게 둘로 갈려요. 하나는 이미 있는 것을 보고 어느 쪽인지 판정하는 일이에요. 사진을 보고 고양이인지 아닌지 답하거나, 메일을 보고 광고인지 아닌지 가르는 일이 여기에 들어가요. 답은 정해진 몇 개 중 하나예요.

다른 하나가 없던 것을 지어 내는 일이에요. 답이 정해진 목록에 없어요. 나올 수 있는 문장도 그림도 사실상 무한하고, 그중 하나를 새로 만들어 내놓아야 해요. 진열대에서 다발을 고르는 일과 낱송이로 다발을 묶는 일만큼 성격이 달라요.

그래서 잘했는지 따지는 방법도 달라요. 판정하는 일은 맞았는지 틀렸는지 셀 수 있지만, 지어 낸 결과물에는 정답표가 없어요. 그럴듯한지, 주문에 맞는지로 판단할 수밖에 없어요.

한 조각씩 더해 가며 완성해요

생성형 AI는 결과물을 한 번에 통째로 뱉지 않아요. 글을 쓸 때는 다음에 올 조각 하나를 고르고, 그 조각을 붙인 다음 다시 다음 조각을 골라요. 다발에 한 송이를 꽂고 전체를 다시 본 뒤 그다음 송이를 고르는 것과 같아요.

그림도 마찬가지예요. 한 붓에 완성하는 대신 뿌연 상태에서 조금씩 형태를 잡아 가는 단계를 수십 번 거쳐요. 화면에 글이 주르륵 흘러나오거나 그림이 서서히 또렷해지는 모습은 이 과정이 실제로 진행 중이라는 뜻이에요.

한 조각을 고를 때는 그때까지 만들어 둔 부분을 전부 다시 봐요. 앞에서 빨간 꽃을 꽂았으면 그다음 선택이 달라져요. 한 번 잘못 꽂힌 송이가 뒤쪽 선택까지 끌고 가는 일이 생기는 것도 이 때문이에요.

어울림의 감각은 수많은 예시에서 왔어요

무엇 다음에 무엇이 어울리는지를 사람이 규칙으로 적어 준 것이 아니에요. 엄청난 양의 글과 그림을 훑으면서 함께 자주 나타난 짜임새를 익힌 결과예요. 어떤 말 뒤에 어떤 말이 이어지는지, 하늘을 그릴 때 위쪽이 어떤 색을 띠는지 같은 감각이 그렇게 쌓여요.

이 감각은 문장이나 그림을 통째로 외운 것과 달라요. 외웠다면 새 주문에는 손도 못 댔을 거예요. 조각들 사이의 어울림을 익혔기 때문에 처음 듣는 조합에도 결과를 내놓을 수 있어요.

동시에 한계도 여기서 나와요. 통에 없는 꽃은 다발에 들어갈 수 없듯이, 학습에서 거의 보지 못한 것은 어설프게 나와요. 손 모양이나 글자처럼 예시가 많아도 규칙이 까다로운 대상이 자주 어그러지는 이유예요.

같은 주문에도 매번 다른 결과가 나와요

한 조각을 고를 때 AI는 후보 하나만 두고 있지 않아요. 어울릴 만한 후보 여럿에 각각 얼마나 그럴듯한지 점수를 매기고, 그중에서 하나를 뽑아요. 이 뽑는 과정에 약간의 우연이 섞여 있어서 같은 주문에도 결과가 매번 달라져요.

우연의 폭은 조절할 수 있어요. 폭을 좁히면 무난하고 비슷한 결과가 나오고, 넓히면 뜻밖의 조합이 늘어나는 대신 어색해질 위험도 같이 커져요. 마음에 드는 결과가 나올 때까지 여러 번 돌려 보는 방식이 통하는 것도 이 우연 덕분이에요.

만드는 대상만 바뀔 뿐 방식은 같아요

지어 내는 대상은 글일 수도, 그림일 수도, 목소리나 영상일 수도 있어요. 대상이 달라지면 조각의 생김새가 달라져요. 글에서는 말의 조각, 그림에서는 화면 전체를 한 단계 다듬는 일, 소리에서는 짧은 시간 토막이 한 조각이 돼요.

조각을 하나 정하고, 그 조각을 이어 붙여 완성한다는 뼈대는 그대로예요. 그래서 글을 만드는 방식에서 출발한 기술이 그림과 소리로 옮겨 갈 수 있었어요. 여러 종류를 한꺼번에 다루는 서비스가 빠르게 늘어난 배경이기도 해요.