[기타] ChatGPT 란, 간단한 활용법과 한계

 

Chat GPT가 출시된지 벌써 몇 개월이 됐지만 아직도 업계와 사회에 큰 화제가 되고있다.
몇몇, 아니 이 글을 읽고있다면 한번쯤은 Chat GPT를 사용해봤을것이라고 생각한다.
 

---

 
이 글에서는 아래와 같은 목차로 Chat GPT에 대해 풀이해보려 한다.
1. 소개
2. 작동원리
3. 활용분야
4. 사용법
5. 한계점
 

---

 

1. 소개

 

Chat GPT는 OpenAI가 개발한 GPT-3.5 엔진 기반의 인공지능 챗봇이다.
- GPT 엔진 : Generative Pre-trained Transformer 로 자연어 처리를 위한 인공지능 모델

문장에서 단어들간의 관계를 이해하고 출력문장을 생성할 수 있다.

 
<GPT엔진의 발전>
 
GPT-1 : 2018.6
GPT-2 : 2019.2
GPT-3 : 2020.6
GPT-3.5 : 2021.10
   > Chat GPT : 2022.11
GPT-4 : 2023.3.14
 

---

 

2. 작동원리

Chat GPT 모델은 다른 GPT 모델과 마찬가지로 여러 개의 Transformer 블록으로 구성된 아키텍처를 사용한다.
 

GPT-1 : 117M
GPT-2 : 1.5B
GPT-3 :  175B (1750억)
Chat GPT : 6B (기존 아키텍처 기반이나 대화형 작업에 특화되도록 수정됨)
GPT-4 : 파라미트 개수 발표X (1조~100조 추정)

 
<모델의 간략 순서>

1. 입력 : 텍스트 시퀀스
     - 임베딩 레이어를 통해 연속된 vector space 로 변환된다.
2. 트랜스포머 블록 : 문맥 의존성 반영하는 표현을 생성
     - multi-head self-attention 과 feedforward layer로 구성됨
3. 출력 : 예측된 텍스트 생성

 
아래 사진은 모델의 핵심인 Transformer 블럭과, Chat GPT에게 물어본 자신의 구조에 대한 답변이다.

https://www.cerebras.net/blog/cerebras-makes-it-easy-to-harness-the-predictive-power-of-gpt-j

 

---

 

3. 활용분야

 
Chat GPT의 활용분야는 기존 AI 생성모델의 활용분야와 다르게 일반인의 관점에서도 무궁무진해 보인다.
 

1. 대화형 챗봇 : 가장 기본적인 활용방법이다. 주로 검색을 위해 사용가능하며 상담, 추천 등의 방법으로도 활용 가능하다.
2. 컨텐츠 생성 : 블로그 글 작성, 뉴스 기사, 소설, 시 등의 다양한 업무를 처리할 수 있다.
3. 언어 모델 : 기계번역, 질답시스템, 요약, 문서분류 등이 가능하다.

 
물론 이미 있는 자료를 논리적으로 재배치하여 출력하는 모델이지만
물흐르듯 자연스러운 단어 배치로 대화하듯이 출력하기 때문에
활용 방안은 생각하는대로 계속 생겨날 수 있다.
 
23/3 기준 ChatGPT를 이용한 몇몇 사이트들을 정리해봤다.
 

1. chatpdf : 보고서, 논문, 자소서 등의 PDF를 업로드후 chat gpt에게 이 자료들을 기반으로 질문 가능

ChatPDF - Chat with any PDF!

 

2. 엑셀+chatGPT 활용

ChatGPT와 엑셀을 바로 연동해서 사용하는 법, A-Z 완벽 정리! - 오빠두엑셀

 

3. Vrew와 Chat GPT를 통한 온라인 마케팅
4. Chat GPT 이용 언어 학습

 
등등 매우 많은 서비스들이 쏟아져 나오고 있다.
 

---

 

4. 사용법

 
사실 활용하는 아이디어의 문제이지 API 자체는 매우 쉽게 활용할 수 있다.

---

 

1. OpenAI CLI 설치

pip install openai

---

2. OpenAI API Key 요청

아래 사이트에서 API 키를 발급 받을 수 있다.
키는 최초 1회만 공개되니 잘 기억하거나 보관하고 있어야 한다.

OpenAI API

---

3. 사용
 

간단히 파이썬에서 질문을 하면 답변을 내도록 해봤다.
 

 
어떤 기업이라도 이 간편한 사용을 보면 자신의 서비스에 빠르게 붙여보고 싶어할 거라고 생각한다.

- 라고 생각했는데 바로 겉핥기 식으로 만들어서 튀어나왔다. ex)  토스, 마이리얼트립

 

---

 

5. 한계점

 
지식범위의 한계
- 2021년 까지의 정보 밖에 업데이트 되지 않아 실시간 정보에 취약하다.
 
인간 감정 이해의 한계
- 가끔 엉뚱한 대답을 할 때가 있다. 이전 대화의 문맥을 놓친다거나, 감정에 대한 이해가 잘 되지 않는 경우이다.
 
편향성
- 생성모델이긴 하지만 엄연히말하면 새로운 것을 생성해내는것이 아닌 기존의 것을 찾아 나타내는 것이다.
- 따라서 다수의 데이터가 편향되어있다면 답변도 편향되어있을 가능성이 높다.
 

---

 

마치며

 
AI기술의 주요 엔지니어들은 2년 내에 큰 변곡점이 올 것이라고 입을 모아 말한다.
 
그 기술이 일반인들에게 풀어지지 않았을 뿐이지 이미 내부적으로는 완성단계일 수 있어 궁금하기도 하면서 두렵기도 하다.
 
인터넷 컨텐츠의 대부분이 AI생성모델로 만들어 지는 세상,
창작에 대한 고민을 하지 않는 사람들
그런 사회가 된다면 당장 2년후 나는 무엇을 하고 있을까 생각하게 된다.
 
 

---

 
 
 

References : 
https://keep-steady.tistory.com/52
https://github.com/airobotlab/lecture_NLP_GPT
http://jalammar.github.io/illustrated-gpt2/
https://medium.com/analytics-vidhya/openai-gpt-3-language-models-are-few-shot-learners-82531b3d3122
https://papers.nips.cc/paper/2020/file/1457c0d6bfcb4967418bfb8ac142f64a-Paper.pdf
https://youtu.be/MV1l2JPAxVY
http://dsba.korea.ac.kr/seminar/?pageid=2&mod=document&keyword=nlp&uid=247