최근 생성형 인공지능(Generative AI)에 많은 연구와 투자가 이뤄지고 있고, 그 활용 영역이 기하급수적으로 확대하고 있다. 텍스트 생성형 인공지능, 그림 생성형 인공지능, 음성 인공지능, 영상 인공지능 등 예술계 인공지능이 많으며, 또 단백질 구조 예측 인공지능과 진료 인공지능 분야도 연구되고 있다. 그중 텍스트 생성형 인공지능과 음성 인공지능, 그림 생성형 인공지능이 가장 빠르게 발전하고 있다.
2006년 딥러닝 기술이 등장하며 딥러닝으로 다양한 경우를 학습하고 학습 데이터를 종합해 스스로 상황판단을 하는 인공지능 개념이 자리를 잡았다. 그리고 2016년 이세돌과 알파고의 바둑 대국 대결에서 알파고가 승리하면서 인공지능 시대를 본격 예고했다. 그런데도 다시 한동안 인공지능은 다양한 상황을 빠르게 판단하는 프로그램일 뿐 스스로 창작은 불가능하다고 여겨져 온 면이 없지 않다.
그러나 데이터 사회의 고도화와 함께 인공지능은 다양한 상황을 빠르게 처리한다는 장점을 살려 다양한 산업 분야에 활용됐고, 특히 챗봇 인공지능으로 국가기관과 은행 등 산업에서 Q/A에 광범위하게 사용되고 있다. 필자의 대학에서도 자체 챗봇을 개발해 학사업무에 효율적으로 활용하고 있다. 또한, 가전제품이나 게임 분야에 인공지능이 유입돼 빠르게 발전하고 있으며, 올 초에는 ChatGPT라는 대화형, 검색형 인공지능 기술로 발전하고 있다. 이처럼 사용자가 요구하는 결과물을 생성하는 인공지능을 ‘생성형 인공지능’이라 하며 생성형 인공지능은 기획과 영화 영상 등의 예술창조 분야에도 빠르게 확산하고 있다.
최근 블룸버그 인텔리전스 보고서에 따르면 생성형 AI는 향후 10년간 매년 42%씩 성장해 2032년 1.3조 달러, 우리나라 돈으로 약 1720조 원의 규모가 될 것이라 예측하고 있다. 지난해 이 시장의 규모가 400억 달러인 것에 비하면 10년간 30배 넘게 커진다는 것이다. 이런 성장세는 전기차 배터리, 즉 이차전지 성장률인 33%보다 훨씬 높다. 생성형 AI는 산업혁신에 이미 또 다른 기회로 다가온 것으로 보인다.
생성형 인공지능은 많은 연구와 투자가 이뤄지는 분야인 만큼 다양한 종류가 있는데, 텍스트 생성형 인공지능, 그림 생성형 인공지능, 음성 인공지능, 비디오 인공지능 등 예술 분야 인공지능이 많고 또 단백질 구조 예측 인공지능과 진료 인공지능도 연구되고 있다. 그중 텍스트 생성형 인공지능과 음성 인공지능, 그림 생성형 인공지능이 빠르게 발전하고 있다. 이미 다양한 애플리케이션이 등장해 활용되고 있는 실정이다.
이제 이러한 생성형 인공지능 기술은 영상, 영화제작 분야로도 그 영역이 확대되고 있다. 예를 들어, 생성형 AI를 기반으로 스토리보드 작성부터 영상 편집, 특수 효과 추가까지의 작업을 자동으로 수행할 수 있다. 이는 영상 제작 과정을 단축하고, 인간의 노동을 대체함으로써 더욱 빠르고 효율적인 작업 환경을 만들어 준다.
그러나 생성형 인공지능 기술은 아직 한계를 가지고 있다. 특히 창의성이나 감정과 같은 인간의 고유한 특성을 완전히 대체하기는 어려운 문제인 것은 자명하지 않겠는가. 생성된 콘텐츠가 학습 데이터의 부족으로 상당히 표준화돼 나타날 수도 있고, 감정이나 정서적인 측면에서 부족함을 느낄 수 있다. 또한, 기술의 한계로 인해 복잡한 특수 효과나 디테일한 작업은 아직 인간의 손이 필요할 수 있겠다.
생성형 인공지능 기술은 현재도 계속해서 발전하고 있다. 연구 및 개발을 통해 기술의 정교함과 창의성을 향상하고 있으며, 이로 인해 미디어 산업의 변화가 가속화될 것으로 기대된다. 더 나아가, 생성형 인공지능은 영상 콘텐츠를 다양한 분야에서 활용할 가능성을 제시하며, 누구나 창조적인 영상, 영화제작의 기회를 누릴 수 있게 해줄 것이다.
남호수 동서대학교 교학부총장
