고강빈([email protected]), 2024년 5월 14일 14:55 작성
애플은 최근 구글, 아마존, 마이크로소프트, 넷플릭스, 메타 등 주요 기술 기업과 카네기멜론대학, 스탠퍼드대 등 유수 연구기관에서 AI 전문가들을 스카우트하며 인력 확보에 총력을 기울이고 있습니다. 특히 구글에서만 36명 이상의 AI 연구원을 영입한 것으로 알려졌습니다.
이들 가운데에는 2018년 구글의 AI 부문인 '구글 브레인'에서 애플로 이직한 존 자난드레아도 포함되어 있습니다. 그는 애플의 AI 부문 총괄 책임자로 활동 중입니다.
애플은 또한 스위스 취리히에 '비전랩'이라는 비밀 AI 연구소를 설립했습니다. 이 연구소에서는 오픈AI의 ChatGPT와 유사한 대규모 언어모델과 멀티모달 AI 제품 개발에 박차를 가하고 있는 것으로 전해집니다.
하지만 애플의 AI 기술 출시가 지연되고 있는 이유도 있습니다. 바로 강력한 프라이버시 정책과 언어모델의 부정확성 문제입니다. 퍼셉추얼머신스 설립자 루슬란 살라쿠트디노프는 대규모 언어모델이 잘못되거나 문제 있는 답변을 내놓는 경향이 있어 애플이 AI 전개에 신중할 수밖에 없다고 지적했습니다.
현재 AI의 가장 큰 문제는 정확성 부족입니다. ChatGPT4조차도 내부 테스트에서 80%, 외부 테스트에서 60% 정도의 정확도를 보이는 것으로 나타났습니다. 정보 스크랩과 답변 생성 수준에서는 성능이 뛰어나지만, 중요한 질문에 대해서는 아직 신뢰할 만한 수준이 아닙니다.
이처럼 애플은 AI 기술 개발에 박차를 가하고 있지만, 프라이버시 보호와 답변 정확성 문제를 동시에 해결해야 하는 과제도 안고 있습니다. 하지만 이 두 가지 문제를 극복한다면 구글을 따라잡고 넘어설 수 있을 것으로 기대를 모으고 있습니다.
AI 기술 개발 경쟁이 치열해지는 가운데, 앞으로 애플이 구글을 어떻게 견제하며 AI 기술력을 발전시켜 나갈 수 있을지 지켜봐야 할 것 같습니다.
얼마 전, 애플이 OpenAI와 함께 iOS에 AI 기능을 도입하기 위한 협상을 재개했다는 소식이 전해졌는데요, 최근 업데이트 된 블룸버그의 최신 보도에 따르면 이들간의 협력 계약이 거의 완료되었다고 합니다. 이번 협력을 통해 애플은 기존 시리의 한계를 넘어서는 획기적인 AI 기능들을 iPhone에 탑재할 계획입니다.
구체적으로는 ChatGPT와 같은 대화형 AI 기능이 iMessage, FaceTime, 시리 등에 통합되어 사용자들의 일상 대화, 문서작업, 멀티미디어 처리 등을 보다 스마트하고 효율적으로 만들어 줄 것으로 기대됩니다. 이러한 AI 기능들은 최신 모델부터 먼저 선보이고 점차 다른 모델로 확산될 전망입니다.
구글의 제미나이(Gemini)도 애플 AI 기능의 후보군이었지만, 결국 OpenAI의 GPT를 채택하면서 구글 알파벳의 주가는 하락세를 보였습니다. OpenAI가 14일 발표한 놀라운 성능의 GPT-4o가 애플의 22억 활성기기 기반과 결합한다는 기대감은 월가를 들썩이게 했고, 애플의 주가는 급등했습니다. 월가의 댄 아이브스 웨드부시 선임 애널리스트는 ‘애플과 OpenAI의 결합이 황금알을 낳는 거위가 될 것’이라 평가하며, ‘애플이 AI 리더십을 순식간에 점하는 기회가 될 것’이라 말하기도 했습니다. 이처럼 iOS 사용자들을 위한 AI 기능 강화가 기대되는 가운데, 애플은 다음 달인 6월 WWDC(세계 개발자회의)에서 새로운 AI 기능을 추가한 ‘시리 2.0’을 발표할 계획이라 밝혀 더더욱 관심을 모으고 있습니다.
AI 시대의 후발주자였던 애플이 최근 AI 관련 연구 결과를 잇따라 공개하며 선두 업체들을 맹추격하고 있습니다. 특히 이번에 발표한 'CatLIP' 기법은 기존 CLIP 모델 대비 2.7배 빠른 사전학습 속도를 보이며 비전 AI 분야에서 새로운 가능성을 열었습니다.
CatLIP(Categorical Loss for Image-text Pre-training)은 OpenAI의 CLIP 모델이 사용한 대조 학습(Contrastive Learning) 방식 대신 범주 학습(Categorical Learning)을 적용합니다. 이미지-텍스트 데이터에서 텍스트를 WordNet을 통해 표준화된 범주로 매핑한 뒤, 이를 이미지 분류의 타겟 레이블로 사용하는 방식입니다. 기존 CLIP의 이미지-텍스트 유사도 계산 과정을 생략함으로써 연산 오버헤드를 크게 줄였습니다.
CatLIP의 주요 특징은 다음과 같습니다.