I. 서론

인공지능(Artificial Intelligence: AI)은 시대별로 진화를 거듭하며 인간의 삶과 산업전반에 혁신을 가져왔다.

1세대 AI(1950~1980년대)는 규칙과 지식 기반의 Symbolic AI로, 미리 정의된 규칙을 활용해 논리적 추론을 수행하는 방식이었다.

그러나 복잡한 현실세계를 다루기에는 한계가 있었다.

이후 2세대 AI는 딥러닝과 신경망을 활용한 학습기반 AI로 발전하며, 방대한 데이터를 학습하여 특정 문제 해결에 특화된 성능을 발휘했다 [1]. 현재 AI는 3세대인 범용 AI(Artificial General Intelligence: AGI)로 나아가고 있으며, 이는 특정 문제를 넘어 다양한 복합적 문제를 해결하고, 스스로 데이터를 수집ㆍ 학습ㆍ수행하는 방향으로 발전하고 있다.

II. 생성형 AI의 인지 원리 탐구

딥러닝은 ImageNet Challenge(ImageNet Large Scale Visual Recognition Challenge: ILSVRC)로부터 널리 알려지기 시작했다. 이 ImageNet에서 보여준 것은 판별 모델(discriminative model)로 객체를 분류하는 모델이다.

우리가 기존에 익숙했던 판별 모델과 생성형 모델(generative model)은 데이터에 접근하는 방식 자체가 근본적으로 다르다.

[그림 2]와 같이 판별 모델은 주어진 데이터가 어느 클래스에 속하는지 경계를 찾아 구분하는 것에 초점을 둔다.

그림에서 빨간색으로 표현된 경계선은 단지 데이터가 클래스 0인지 클래스 1인지를 나누는 역할만 한다.

III. 생성형 AI 기술 동향

생성형 모델은 기본 원리에 따라 크게 Latent Variable Model(LVM), Autoregressive model(AM), Flow Matching(FM) 등으로

세 가지로 분류될 수 있다[표 1]. Large Language model(LLM)은 이 세 가지 외에도 다른 종류들이 있으나 주류를 이루고 있는
GPT 계열의 모델들은 AM에 속하기 때문에 다음과 같이 세 가지로 분류한다.

또한, 생성형 모델을 잠재 공간의 유무에 따라 LVM과 AM로 나누기도 하는데, 생성방식이 LVM은 병렬 생성을 하고, AM은 시간에 따른 순차적 생성이 가능한 반면, FM은 시간에 따른 순차적 생성과 병렬 생성이 모두 가능하다는 장점이 있어 이를 구분하였다.

---------------------------------------------------------------------------------------------------------------------------------------------------------