[기사 스크립트] 코드 생성 AI가 뜨거워지는 이유

AI 뉴스

 

기사 제목 : 코드 생성 AI가 뜨거워지는 이유

기사 링크 : https://www.aitimes.com/news/articleView.html?idxno=156955

코드 생성 AI가 뜨거워지는 이유 - AI타임스

 

---

본문 및 헤드라인

 

 최근 코드 생성 인공지능(AI)이 뜨겁습니다. 이번 주에도 서너개의 굵직한 뉴스가 등장했습니다.

 메타는 매개변수가 700억개인 '코드 라마 70B'를 공개했습니다. 오픈 소스 최강인 데다, 더 길고 복잡한 코드를 생성할 수 있다고 합니다. 

 코드 생성 AI 시장에 파장을 일으킬 것으로 보입니다. 이 분야는 오픈AI와 마이크로소프트(MS), 구글, 아마존, 깃허브 등이 경쟁을 벌이고 있습니다. 또 국내에서는 LG CNS가 이번 주 출사표를 던졌습니다.

 코드 작성을 돕는 도우미는 생성 AI 등장 이전부터 존재했습니다. 그러나 오픈AI가 '챗GPT'와 '코덱스'를 선보이며 빠르게 발전하기 시작했습니다.

 하지만 생성한 코드는 일종의 '상용구 샘플'과 비슷한 것으로, 바로 적용하기는 어렵다는 지적입니다. 이 때문에 이런 문제를 해결하기 위해 코디움이라는 스타트업은 AI 코딩 툴킷을 소프트웨어 개발 팀의 통합 개발 환경(IDE)에 설치할 수 있는 형태로 제공합니다. 

 이 회사는 이번 주 6500만달러(약 870억원) 규모의 투자 유치에 성공했으며, 기업가치는 5억달러(약 6700억원)까지 뛰어올랐습니다.

 많은 전문가는 생성 AI의 등장으로 생산성을 가장 크게 발전할 수 있는 분야로 코딩을 꼽습니다. 이 때문에 얼마 뒤에는 프로그래머라는 직업이 사라질 것이라는 예측까지 등장했습니다. 

 그만큼 상업적으로 잠재력이 큽니다. 한 보고서에 따르면 이 분야는 2030년까지 25% 이상의 연평균성장률(CAGR)로, 2030년까지 1억600만달러까지 시장이 성장할 것으로 예측됩니다.

 또 코드 생성 AI는 인공일반지능(AGI)으로 나아가는 중간 단계로도 평가받고 있습니다. 이는 최근 AGI 개발을 위해 오픈AI나 구글 등이 '수학 문제를 해결하는 AI' 개발에 집중하는 것과 같은 맥락입니다.

 즉 현재 대형언어모델(LLM)이 내놓은 자연어 답변은 정답이라고 판단하기 애매모호한 것이 사실입니다. 하지만 수학은 정답이 하나이기 때문에, 정확한 추론을 필요로 합니다. 코딩 역시 잘못된 답을 내놓으면, 작동하지 않습니다.

 이런 이유 때문에 최근 인간 수준으로 정확도를 높인 것으로 알려진 코드 생성 AI가 등장했다는 것도 화제였습니다. 이 회사의 CEO는 "코드 무결성이 차세대 코드 구축에 매우 중요할 뿐만 아니라 AI 정렬에도 중요하다고 샘 알트먼 오픈AI CEO와 동감했다"라고 말했습니다.

 최근 AGI 개발을 선언한 마크 저커버그 메타 CEO도 "코드 작성 및 편집은 오늘날 AI 모델의 가장 중요한 용도 중 하나로 떠올랐다. 코딩 능력은 AI 모델이 다른 영역의 정보를 보다 엄격하고 논리적으로 처리하는 데에도 중요한 것으로 입증됐다"라고 밝혔습니다.

 물론 코드 생성은 쉬운 일이 아닙니다. 자연어와 달리 엄격한 규칙과 구문을 따라야 하며 원하는 출력과 동작을 생성해야 합니다. 게다가 코드는 복잡하고 길어서 이해하고 생성하는 데 많은 컨텍스트와 논리가 필요한 경우가 많습니다. 이런 문제를 해결하려면 많은 데이터와 컴퓨팅 성능, 인텔리전스 등이 필요합니다.

 아직 많은 사람에게 코드 생성 AI는 남의 일처럼 느껴지겠지만, 누구나 말만으로 프로그램을 작성할 수 있는 시대가 찾아오면 많은 것이 변할 수 있습니다. 또 이는 AGI로 가는 길이기도 합니다. 이 분야의 발전을 주목할 필요가 있습니다.



이어 이번 주 국내외 주요 이슈입니다.

■ 국내 뉴스

 '갤럭시 S24' 중국 출시 버전에 바이두의 AI 챗봇 '어니'가 탑재된다고 합니다. 이는 중국 정부의 검열 문제 때문으로, 구글의 AI 기술을 사용하기 어렵기 때문입니다.

 ‘AI 최고 석학’으로 불리는 스튜어트 러셀 UC버클리대 교수가 국내 행사에 참석, '안전한 AI'를 강조했습니다. 특히 AI 모델이 문제를 일으킬 경우 강제 종료할 수 있는 'AI 킬 스위치'가 필요하다고 밝혔습니다다.

 로보틱스 전문 인티그리트가 챗GPT나 라마 등 LLM을 탑재한 AI 하드웨어 ‘V스텔라’를 상용화한다고 밝혔습니다. 백화점이나 호텔, 병원, 은행 등에서 사람을 대신해 음성 대화로 정보를 전달해 주는 일종의 로봇입니다.

 KAIST가 AI로 인간 추론 능력 극대화하는 기술을 개발했다고 발표했습니다. 인간이 AI를 가르치는 것이 아니라, 반대로 AI 기술로 인간의 사고능력을 가르친다는 내용입니다.

 한국음악저작권협회가 AI로 생성한 음악에 '메이드 바이 AI' 표시를 의무화해야 한다고 주장했습니다. 정부도 이를 검토 중이라고 합니다.

 KT그룹이 리벨리온에 330억원을 투자하고 AI 반도체 '리벨' 개발 집중한다고 전했습니다. SK-사피온 관계와 비슷한 구도입니다.

 AI 제품 분석 전문 콕스웨이브가 45억원 규모의 시드 투자를 유치했습니다. 이 회사는 사용자 경험을 분석해 제품개발에 활용할 수 있게 지원하는 분석 플랫폼 '얼라인 AI'를 서비스 중입니다.

 신한카드와 LG CNS, LG AI연구원 등이 AI 모델 공동 개발에 착수했습니다. 신한카드 데이터를 바탕으로 고객 서비스와 내부 업무를 돕는 AI를 개발할 예정입니다.

■ 해외 뉴스

 분기 실적 발표가 이어지는 가운데 MS와 구글은 좋은 성적표를 내놓았음에도 불구하고 주가가 떨어졌습니다. AI에 대한 시장 기대치가 너무 높기 때문이라는 분석입니다. 애플은 AI폰과 중국 부진으로 인해 올해 전망이 어둡다는 예측에 시달리고 있습니다. 

 일론 머스크의 뉴럴링크가 인간 뇌에 첫 컴퓨터 칩 이식 수술에 성공했다고 밝혔습니다. 그러나 이 분야는 만만치 않은 경쟁자들이 포진해 있습니다.

 AI 에이전트를 만드는 어뎁트가 대형멀티모달모델(LMM) '푸유-헤비'를 출시했습니다. GPT-4와 제미나이에 이어 세계 3번째로 뛰어나다는 주장입니다.

 무단으로 이미지를 가져다 쓰면 모델을 붕괴시키는 저작권 방어 도구 ‘나이트쉐이드'가 돌풍을 일으키고 있습니다. 출시 5일 만에 25만건 다운로드를 기록했다고 합니다.

 글로벌 자동차 업체들의 AI 경쟁도 치열합니다. 푸조가 '챗GPT' 탑재, 음성으로 길 안내부터 저녁 메뉴 추천까지 해준다고 발표했습니다. 이어 폭스바겐은 'AI 연구소'를 설립하고 해외 파트너와 다양한 기술 논의 중이라고 전했습니다.

 메타가 10분 만에 집 구조를 이해하고 자체 행동이 가능한 로봇 프레임워크를 공개했습니다. 언어모델을 기반으로, 이 분야도 최근 발전이 가속화되고 있습니다.

 AI 휴먼으로 유명한 신디시아가 파일이나 링크까지 비디오로 변환하는 도구를 출시했습니다. 동영상 AI도 점점 쉬워지고 정교해지고 있습니다.

 이 밖에 인도 최초의 LLM 기업인 크루트림이 'AI 유니콘'에 등극했다는 소식과 중국에서 대입 시험 채점에 AI를 투입하기 위해 테스트 중이라는 뉴스가 눈길을 끌었습니다.

 

---

추가 조사할 내용 및 요약

 

1. 코드 생성 AI

링크 : https://www.unite.ai/ko/best-ai-code-generators/

10가지 최고의 AI 코드 생성기(2024년 XNUMX월)

 

링크 : https://www.aitimes.kr/news/articleView.html?idxno=30197

“소스코드 유출 걱정없이 AI에 코딩 맡긴다!”... LG CNS, 코드 생성형 AI에 최적화된 LLM 공개 - 인

 

링크 : https://www.samsungsds.com/kr/insights/generative-ai-coding-tool.html

생성형 AI 기반 코딩 툴의 장점과 단점 | 인사이트리포트 | 삼성SDS

 

대세가 되어가는 AI 코딩 어시스턴트

 소프트웨어 개발 전문 시장조사기관인 에반스 데이터 코퍼레이션(Evans Data Corp.)이 최근에 434명의 AI/ML 개발자를 대상으로 실시한 설문조사에서 ‘생성형 AI 툴을 사용해 가장 많이 생성할 것으로 예상되는 것이 무엇이냐’는 질문에 가장 많은 응답자가 소프트웨어 코드라고 답했고, 알고리즘과 LLM이 뒤를 이었습니다. 또한 응답자들은 생성형 AI가 개발 주기를 단축하고 ML 기능을 더 쉽게 추가할 수 있을 것으로 기대했습니다. 가트너 리서치는 2027년까지 전문 개발자의 70%가 AI 기반 코딩 툴을 사용할 것으로 전망했습니다. 이는 2023년 9월 기준 10% 미만이었던 것에서 증가한 수치입니다. 또한 3년 이내에 기업 80%가 소프트웨어 엔지니어링 툴체인에 AI 증강 테스트 툴을 통합할 것이며, 이는 작년 초의 약 15%에서 크게 증가한 수치라고 가트너는 예측했습니다.

 생성형 AI 자동화 소프트웨어 개발에 가장 많이 사용되는 툴 중 하나는 깃허브 코파일럿입니다. 깃허브 코파일럿은 깃허브, 오픈AI, 마이크로소프트가 개발한 생성형 AI 모델로 구동하며, 공개 리포지토리에 나타나는 모든 자연어를 학습합니다. 마이크로소프트의 개발자 부문 부사장 아만다 실버에 따르면, 지난해 비즈니스용 깃허브 코파일럿이 출시된 이후 5만 곳 이상의 기업이 해당 서비스를 사용하기로 등록했습니다. 여기에는 엣시(Etsy), 헬로프레시(HelloFresh) 같은 디지털 네이티브 기업은 물론 오토데스크, 델 테크놀로지스, 골드만삭스 등 유수의 기업도 포함돼 있습니다. 실버에 따르면, 현재 깃허브 코파일럿은 130만 명 이상의 유료 구독자를 보유하고 있으며, 최대 고객은 5만 개의 라이선스를 보유한 액센추어입니다.

 깃허브의 코파일럿과 함께 가장 인기 있는 코드 생성 툴로는 구글 바드, 아마존 코드위스퍼러, 마이크로소프트 365 코파일럿(GPT 기반), 리플리트(Replit), 디비 AI(Divi AI), 탭나인(Tabnine), 리팩트닷에이아이(Refact.ai), 코디움(Codeium) 등이 있습니다. 대부분은 무료이거나 AI 지원 구독 서비스 일부로 제공됩니다.


AI 기반 코딩 툴의 역할 및 정확도

 AI 지원 코딩의 가장 큰 장점은 사용자가 소프트웨어 개발에 능숙하지 않아도 된다는 점입니다. 자연어 처리 기능을 사용하면 비즈니스 사용자도 간단한 프롬프트를 작성하고 프로젝트에 필요한 소프트웨어를 얻을 수 있습니다. 예를 들어, 사용자는 “서버 측 암호화가 적용된 파일을 업로드해 줘”와 같이 특정 작업을 영어로 설명하는 코멘트를 자연어로 작성할 수 있습니다. 아마존 대변인에 따르면, 코드위스퍼러는 해당 정보를 바탕으로 개발 플랫폼에서 직접 작업을 수행할 수 있는 코드 스니펫을 하나 이상 추천합니다. 또한 여러 코딩 툴에는 향상된 코드 보안 기능 검사 및 코드 수정 제안이 포함돼 있습니다. 일부는 코드 제안이 오픈 소스 교육 데이터와 유사한지 여부를 감지하는 '편향성' 필터링 및 참조 추적기 기능도 제공합니다.

 지난해 코넬대학교의 연구에 따르면, 다양한 생성형 AI 코딩 툴 간에는 정확도에 큰 차이가 있습니다. 챗GPT, 깃허브 코파일럿, 아마존 코드위스퍼러는 각각 65.2%, 64.3%, 38.1%의 확률로 올바른 코드를 생성하는 것으로 나타났습니다. 해당 연구가 발표된 지 1년이 지났지만, 이 논문 주저자이자 UCLA 헨리 사무엘리 공학 및 응용과학대학의 대학원생 연구원인 부락 예티슈티렌은 AI 지원 코딩 툴의 정확도는 현재도 "거의 비슷하다"고 합니다.

 코드위스퍼러의 코드 수락률이 약 30~40%라고 하지만, 100%에 가깝지 않다고 해서 코드위스퍼러가 작성한 코드가 부정확하거나 오류가 있다는 의미는 아닙니다. 수락률은 개발자가 요청한 내용을 생성형 AI 도구가 올바르게 해석했는지를 나타냅니다. 개발자와 AI 코드 생성기 사이의 대화를 개발자가 무언가를 생성하도록 요청한 다음 후속 요청을 통해 요청을 수정하는 것과 유사한 방식으로 진행하기 때문입니다. 개발자와 IT 리더들과 얘기해 보면 사용 가능한 코드를 올바르게 생성하는 인기 있는 AI 기반 코드 증강 도구의 능력을 50%에서 80%까지로 평가합니다.

 한편 깃클리어는 코파일럿 정확도를 조사하기 위해 2020년부터 2023년까지 1억 5,300만 줄 이상의 코드를 검토했습니다. 코드 이탈, 중복 및 사용 기간의 주요 변화를 강조하면서 깃허브 코파일럿과 같은 AI 도구가 프로그래밍 관행에 미치는 영향을 조사했습니다. 깃클리어는 500명의 개발자를 대상으로 해당 설문조사를 실시해 "AI를 적극적으로 사용할 때 어떤 지표를 기준으로 평가해야 하는지"를 물었습니다. 이 질문에서 개발자들이 꼽은 상위 3가지 문제는 코드 품질, 작업 완료 시간, 프로덕션 인시던트 수였습니다. 하지만 깃클리어 보고서 집필팀은 "개발자들이 단기간에 효과가 있는 빠르고 쉬운 제안을 넘치게 받으면 기존 시스템을 재사용할 수 있도록 개선할 수 있는지 제대로 확인하지 않고 코드를 더 추가하려는 유혹에 빠지게 된다"고 지적했습니다.

 

2. 인공일반지능(AGI)

링크 : https://www.samsungsds.com/kr/insights/artificial_general_intelligence_20240417.html

인공 일반 지능(AGI)이란? 개념, 적용 기술, 그리고 인간 삶에 미칠 영향 | 인사이트리포트 | 삼성S

 

젠슨 황, “AGI 시대 5년 남았다”

 올해 3월 열린 엔비디아의 개발자 연례 행사 ‘GTC (GPU Technology Conference) 2024’에서 CEO 젠슨 황은 중요한 예견을 공개적으로 밝혔습니다. 바로 인공 일반 지능(Artificial General Intelligence, 이하 AGI) 시대가 5년 남았다는 공언이었습니다. 인공지능의 발전은 복잡한 작업은 물론 우리의 일상, 일하는 방식, 인간이 세계를 인식하는 방식 등에 근본적인 변화를 가져오고 있습니다. 그 중심에는 AGI가 자리 잡고 있으며, AGI는 단순한 기계적 학습을 넘어서 인간의 지능을 전방위적으로 모방하고자 하는 목표를 가지고 있습니다.

 AGI는 복잡한 문제 해결부터 창의적 작업에 이르기까지 인간과 유사한 수준의 이해와 처리 능력을 발휘할 수 있는 시스템을 지향하고 있습니다. AGI에 대한 논의는 이제 단순한 기술적 문제를 뛰어 넘어 인간의 지능 자체에 대한 고민과 함께 AGI가 가져올 편리함과 위험성 등 다양한 주제를 포함하고 있습니다. 이에 본 리포트는 AGI의 이론적 정의와 목표, 핵심 기술 및 응용 분야, 향후 발전 방향 등을 살펴보겠습니다.

 

인공 일반 지능(AGI) vs 특정 목적 인공지능(Narrow AI)

 역사적으로 인공지능 학자들의 초기 목표는 인간의 지능과 비교할 수 있는 수준의 지적 능력을 가진 기계 혹은 시스템을 구축하는 것이었습니다. 예를 들어 의사결정론 및 인지심리학의 권위자인 허버트 사이먼 (Herbert Simon)은 1965년 그의 저서 에서 "기계가 20년 내에 인간이 할 수 있는 어떤 일이든 할 수 있게 될 것"이라고 예측했습니다. MIT 인공지능 연구소 설립자로 유명한 마빈 민스키 (Marvin Minsky)는 1970년에 "3년에서 8년 사이에 우리는 평균적인 인간의 지능 수준을 가진 기계를 갖게 될 것입니다. 셰익스피어를 읽고, 차에 기름을 채우고, 정치를 하고, 농담을 하고, 싸움을 할 수 있는 기계를 말합니다."라고 예측했습니다.

 

특정 목적 인공지능(Narrow AI)

 AGI를 이해하기 위해서는 ‘특정 목적 인공지능’에 대한 이해가 먼저 필요합니다. 특정 목적만을 수행하기 위해 개발된 ‘특정 목적 인공지능’은 주어진 특정 분야나 한정된 작업에 대해 인간 수준 혹은 그 이상의 성능을 보여주는 인공지능을 일컫습니다. 그래서 영어로 좁다는 뜻의 Narrow AI라는 이름으로도 불립니다. 인간의 역량으로 수행하기 어려운 방대한 양의 데이터 분석, 반복적이고 복잡한 수학적 연산 등을 컴퓨터에게 맡겨 에러가 적은 우수한 인공지능 모델을 만들어내는 것이 ‘특정 목적 인공지능’의 일반적인 목표입니다.

 

인공 일반 지능(AGI)

 반면 AGI는 다양한 분야에서 인간과 유사한 학습, 이해, 추론 능력을 지닌 지능의 형태를 지향합니다. 이런 뜻에서 AGI는 Full AI 혹은 Strong AI라고도 불립니다. 사람은 언어 학습, 문제 해결, 예술 창작 등 다양한 분야에서 일정 수준의 능력을 발휘할 수 있는데, AGI의 목표는 이러한 인간의 일반적 지능을 컴퓨터에서 재현하는 것입니다. 이는 궁극적으로 컴퓨터가 인간과 동등한 수준의 창의적 사고와 문제 해결 능력을 유연하게 가지게 하는 것을 포함합니다.

 그런데 AGI가 여전히 개발되지 않았으며, 관련 기술이 계속 발전하고 있는 만큼 명확한 정의가 학계 혹은 업계에 존재하지는 않습니다. 딥러닝 연구로 유명한 제프리 힌턴 (Geoffrey Hinton)도 최근 AP와 진행한 인터뷰에서 AGI의 개념이 아직은 모호하다라는 입장을 보였습니다. 힌턴은 ‘초지능’이라는 뜻의 ‘superintelligence’가 AGI를 설명하는데 더 정확할 것이며 인간이 하는 거의 모든 인지적인 행동에 대해 인간만큼 좋은 성능을 보이는 인공지능이 AGI라고 설명했습니다. 다음 표는 AGI와 Narrow AI의 차이점을 요약한 것입니다. AGI와 Narrow AI 모두 인공지능의 분야지만 정의, 능력, 적용 범위 등에서 차이를 보입니다.

---

마무리

 오늘의 기사 스크립트를 살펴보았습니다. 이번에는 코드 생성 AI가 뜨거워지는 이유에 관한 기사를 접하면서 현재 10위권 내에 있는 코드 생성 AI들과 이제는 AI를 넘어 AGI로 변화하는 시대에서 인공 일반 지능에 대해서 살펴보는 시간을 가졌습니다. 저 또한 SKT FLY AI에서 마이크로소프트 사의 Autogen이라는 대화형 코드 생성 AI를 활용하여 프로젝트를 수행했던 경험을 가지고 있습니다. 물론 GPT만 하더라도 거의 코드를 구현하는 데, 있어서 속도와 효율성을 엄청나게 높여 이전보다 더 빠르고 정확하게 코드를 만들어 시뮬레이션을 진행할 수 있지만 아직은 사용자가 원하는 만큼의 완벽한 코드를 주지는 않기 때문에 아직은 갈 길이 조금 멀지 않았나 싶습니다. 그럼 앞으로 코드 생성 AI에 대한 발전을 기대하며, 오늘의 기사는 여기서 마무리하도록 하겠습니다.