AI LOG

인공지능(AI)은 이제 우리 삶의 일부입니다. 아침에 스마트폰으로 날씨를 확인할 때, 음악 스트리밍 서비스에서 추천 곡을 들을 때, 심지어 편의점에서 계산대 없이 물건을 구매할 때도 AI가 작동하고 있습니다. 하지만 정작 AI가 무엇인지 설명하라고 하면 막막한 분들이 많을 텐데요. 이 글에서는 복잡한 기술 용어 없이 AI의 기본 개념과 원리, 그리고 일상 속 활용 사례를 초등학생도 이해할 수 있는 쉬운 비유로 풀어보겠습니다.

1. AI는 ‘배우는 기계’입니다

AI를 한 마디로 정의하면 “인간의 학습 능력을 모방한 컴퓨터 시스템”입니다. 인간이 경험을 통해 지식을 쌓고 문제를 해결하는 것처럼, AI도 데이터를 분석해 패턴을 학습하고 스스로 판단합니다. 예를 들어, 아이가 사과와 배를 여러 번 보며 차이점을 익히는 과정을 생각해보세요. AI 역시 수많은 사과와 배 사진을 입력받은 후 특징을 파악해 두 과일을 구분할 수 있게 됩니다.

여기서 핵심은 ‘데이터’와 ‘학습’입니다. AI는 책을 읽듯 데이터를 ‘읽고’, 그 안에 숨겨진 규칙을 찾아내죠. 이 과정을 ‘머신러닝(기계 학습)’이라고 합니다. 머신러닝의 한 분야인 '딥러닝’은 인간 뇌의 신경망 구조를 본떠 더 복잡한 문제를 해결할 수 있도록 설계되었습니다. 예를 들어, 고양이 사진을 구분하는 AI는 먼저 고양이의 귀, 눈, 털 질감 등 세부 특징을 단계별로 분석해 최종적으로 “이것은 고양이”라고 결론 내립니다.

2. AI는 어떻게 일할까?

AI의 작동 원리는 크게 세 단계로 나눌 수 있습니다.

1. 데이터 수집: AI는 문제 해결을 위해 방대한 양의 데이터가 필요합니다.
   • 날씨 예측 AI라면 과거 기온, 강수량, 습도 데이터를 모읍니다.
   • 자율주행차는 수백만 km의 주행 영상과 사고 사례 데이터를 분석합니다.
2. 학습: 데이터를 분석해 규칙을 찾습니다.
   • 예를 들어, 스팸 메일 필터 AI는 “무료”, “당첨”, “급히” 같은 단어가 스팸 메일에 자주 등장한다는 패턴을 학습합니다.
3. 추론: 새로운 데이터에 대해 판단합니다.
   • 학습을 마친 AI는 처음 보는 메일이 스팸인지 아닌지 구분할 수 있습니다.

이 과정은 마치 학생이 교과서로 공부한 뒤 시험 문제를 푸는 것과 비슷합니다. 다만 AI는 인간보다 훨씬 빠르고 정확하게 수만 가지 정보를 동시에 처리할 수 있죠.

3. 일상 속 AI 활용 사례

AI는 이미 다양한 분야에서 우리를 돕고 있습니다. 몇 가지 예시를 살펴볼까요?

• 의료: AI는 X레이, CT 사진을 분석해 의사보다 빠르게 암을 진단할 수 있습니다.
• 교육: 학습 플랫폼은 학생의 취약점을 파악해 맞춤형 문제를 추천합니다.
• 금융: 은행 앱의 AI는 이상 거래를 실시간으로 감지해 사기를 방지합니다.
• 예술: AI 그림 도구는 사용자가 입력한 키워드만으로 독창적인 이미지를 생성합니다.

특히 음성 비서(예: 빅스비, 구글 어시스턴트)는 AI 기술의 대표적인 사례입니다. “오늘 일정 알려줘”라고 말하면 AI는 음성을 텍스트로 변환하고, 의도를 파악해 답변합니다. 마치 친구와 대화하듯 자연스러운 인터랙션이 가능해진 것이죠.

4. AI의 한계와 고민

그러나 AI는 완벽하지 않습니다. AI의 결정은 결국 학습한 데이터에 의존하기 때문에 편향성 문제가 발생할 수 있습니다. 예를 들어, 특정 인종이나 성별에 대한 편견이 담긴 데이터로 학습하면 AI도 잘못된 판단을 할 수 있습니다. 2016년 마이크로소프트의 채팅 봇은 트위터 사용자들과의 대화 중 증오 발언을 학습해 악성 댓글을 남기기도 했죠.

또한 AI가 창의성을 발휘하는지에 대한 논란도 있습니다. AI 그림 도구가 생성한 작품은 기존 데이터를 조합한 결과일 뿐, 진정한 ‘창조’라고 볼 수 있을까요? 이처럼 AI의 발전은 기술적 성과뿐 아니라 윤리적, 철학적 질문도 함께 가져옵니다.

5. 미래의 AI는 어떻게 변할까?

전문가들은 AI가 점점 ‘협력자’의 역할을 강화할 것이라고 예측합니다. 예를 들어, 의사는 AI의 빠른 진단 결과를 참고해 최종 판단을 내리고, 작가는 AI 생성 콘텐츠를 토대로 스토리를 발전시킬 것입니다. 또한 개인 맞춤형 서비스가 확대될 전망입니다. 이미 네티즌들은 AI 헬스 트레이너, AI 영양사 등 디지털 조언자와의 일상을 상상하고 있죠.

하지만 이런 미래를 위해선 해결해야 할 과제도 많습니다. 개인정보 보호, 일자리 변화, AI 규제 법안 등 사회적 합의가 필요한 문제들이 산적해 있기 때문입니다.

6. AI와 함께 살아가기 위한 준비

AI 시대를 살아가는 우리에게 가장 중요한 것은 ‘이해’와 ‘적응’입니다. 기술을 두려워하기보다는 어떻게 활용할지 고민해야 하죠. 예를 들어, 단순 반복 업무는 AI에 맡기고 인간은 창의성과 감성 역량을 키우는 데 집중할 수 있습니다. 또한 AI가 제공하는 정보를 맹신하지 않고 비판적으로 사고하는 습관도 필요합니다.

AI는 결코 인간을 대체하지 않습니다. 단지 우리의 능력을 확장해주는 도구일 뿐이죠. 마치 계산기가 수학 공부를 대신해주지 않는 것처럼, AI도 인간의 판단과 윤리적 선택이 필수적입니다.

마치며: AI는 우리의 미러(Mirror)입니다

AI는 인간이 만들어낸 기술이지만, 동시에 인간의 지능과 사회를 비추는 거울입니다. 데이터 속에 담긴 인간의 편향성, 창의성의 한계, 기술 발전에 대한 갈증까지 모두 드러내죠. AI를 이해한다는 것은 결국 우리 자신을 이해하는 첫걸음입니다. 이 글이 AI를 낯설게만 느끼던 분들에게 작은 계기가 되길 바랍니다.

앞으로도 AI는 계속 발전할 것입니다. 그 속도에 압도당하지 않고, 한 걸음 뒤에서 질문을 던지며 함께 성장해나가는 것이 현명한 자세가 아닐까요?

지난 포스팅에서 Deepseek-R1 을 Local에서 실행하는 방법(LINK)을 알려줬는데요, 이번에는 LLM model을 쉽고 간편하게 관리하는 방법을 알려드릴게요. ollama만으로는 기존 채팅 이력을 찾기도 힘들고, 모델을 관리하기도 힘들 거에요. 기존 채팅 이력이나, 모델을 관리하는 데는 OpenWebUI 라는 프로그램을 쓰면 아주 편리하답니다. 설치하는 방법은 어렵지 않습니다. 아래 방법대로 따라오세요!

STEP 1. Docker 설치

Docker 사이트(LINK)에 접속해서, 'Download Docker Desktop'을 클릭하고, 운영체제에 맞는 설치 파일을 다운로드하고 설치해 주세요. 

아래처럼 Docker 프로그램이 실행되면 정상적으로 설치된 것입니다. 저는 open-webui까지 미리 세팅해 놓아서 Containters에 보이는데 원래는 아무것도 없는 것이 정상입니다.

STEP 2. OpenWebUI 설치하기

github 페이지를 통해서 OpenWebUI를 설치할 겁니다. 이 LINK에서 밑으로 쭉 내려가면 아래처럼 Installation 방법이 있는데 저희는 ollama가 설치되어 있기 때문에 첫 번째 방법으로 진행할 겁니다. 오른쪽의 복사 버튼을 누르시고, 명령 프롬프트를 열어서 복사한 code를 붙여 넣고 실행해주세요.

이후에 자동으로 설치가 진행될 텐데, 저는 이미 설치를 진행했기 때문에, 아래 화면처럼 나오네요. 처음 설치하신다면 완료될 때 까지 기다려 주시면 됩니다.

STEP 3. OpenWebUI 실행하기

다시 docker로 되돌아가면 아래처럼 Containers에 OpenWebUI가 생겼을 텐데 Port에서 '3000:8080'을 클릭하면 아래처럼  새로운 브라우저 창이 뜨면서 OpenWebUI가 실행됩니다.

이제 끝이 다 왔습니다. 새로운 페이지가 뜨면 회원가입도 해주시고, 로그인까지 하면 ChatGPT와 매우 유사한 인터페이스가 보입니다. 실제 사용 방법도 유사합니다. 왼쪽에선 기존 채팅 이력을 볼 수 있고, 위쪽에서는 LLM model을 선택하고, 가운데에서 채팅을 진행하면 됩니다. 테스트로 deepseek-r1(14b)와 대화를 나눠봤는데 정상적으로 실행되네요.

FINAL. 마무리

사용하면서 느낀 거지만 local로 LLM을 돌리기 위해선 컴퓨터 사양이 매우 중요한 것 같습니다. 제 컴퓨터 사양이 그렇게 좋지 못하여, 14b model 쓰면 답변에 30~60초 가량 걸려 좀 답답하더라고요. 그렇다고 더 낮은 model을 쓰기엔 답변이 맘에 들지 않고 참 난감합니다. 이번에 5000번 대 그래픽카드가 나온다고 하는데, 한 번 업그레이드를 고려해 봐야겠습니다.

이번에 Deepseek사에서 R1이라는 새로운 추론형 모델을 공개했는데, 아주 핫합니다.

추론형 모델인데 성능이 OpenAI의 추론형 모델인 O1에 밀리지 않고, 가장 중요한 건 오픈소스에 무료로 사용 가능하다는 것이지요.

deepseek-r1을 이용하는 방법으로 온라인/오프라인 두 가지가 있는데, 온라인으로 사용하는 건 간단합니다. Deepseek 사이트(LINK)에서 바로 회원가입 후 이용할 수 있습니다. 오프라인으로는 오픈소스를 다운받아 설치 후 간단하게 이용할 수 있습니다. 굳이 왜 번거롭게 local로 사용하냐고 생각할 수 있지만, 몇 가지 장점이 있습니다.

1. 개인 LOCAL 서버/PC에서 실행하여 개인정보 보호

2. API 호출 비용이 없어 장기적 비용 절감(하지만 초기 하드웨어엔 투자 필요..)

3. 모델 수정/최적화 자유로워 개인 업무에 맞게 파인튜닝 가능

개인 사용자라면 컴퓨터 사양이 좋아야겠지만, 성능만 괜찮다면 개인정보도 보호할 수 있고, 용도에 맞게 튜닝할 수 있기 때문에 충분히 해볼 만한 가치가 있습니다. Local 설치하는 방법은 어렵지 않은데 아래 방법대로 따라와 주시면 됩니다!

STEP 1. Ollama 설치

아래 링크에서 Ollama를 설치해 주세요. (LINK)

회원가입 없이 Download 하여 Install 하면 됩니다.

STEP 2. Deepseek-R1 설치

Ollama 사이트도 돌아가서 'deepseek-r1' 을 검색하여 클릭하고, 원하는 용량을 선택하세요.

테스트 용도로는 1.5b가 적당하고, 실제로 사용하려면 8b 이상을 추천해 드립니다.

본인 컴퓨터 사양에 맞게 고르고 옆의 코드를 복사합니다. (1.5b라면 'ollama run deepseek:r1:1.5b')

프톰프트 창을 실행하여 복사한 텍스트를 넣어 실행하면 자동으로 다운로드 됩니다.

STEP 3. 끝! Deepseek-R1과 대화

download가 끝나면 자동으로 실행이 되고, 마음껏 대화하면 됩니다.

저는 1.5b, 8b를 두 가지 모두 설치해 봤는데, 1.5b는 한국어를 이해는 하나 정상적으로 답변을 하지 못하여 8b와 대화를 하였습니다. 처음엔 영어로 답변하였는데, 한국어로 답변해달라고 요청하니 이후 질문에 대해서는 한국어로 답변해 주더라구요. 문법은 약간 어색하지만, 중간에 <think>로 되어 있는 추론하는 과정이 흥미롭네요. deepseek가 실제로 어떻게 생각하고 답변하는 알 수 있고, 이를 활용하면 더 model을 잘 활용할 수 있을 것으로 보입니다.