현재 AI 트렌드와 시장 개요

인공지능(AI) 기술의 급속한 발전은 우리의 일상에 자연스럽게 스며들어, 세상과 상호작용하는 방식을 혁신하고 있습니다. DIN은 이 혁명의 최전선에 서서 데이터와 AI 에이전트로 구동되는 지능형 네트워크를 구축하는 것을 목표로 하고 있습니다. 다음 섹션에서는 기초적인 AI 개념 단계를 생략하고, 바로 대규모 언어 모델(LLM)과 AI 에이전트에 대한 논의로 넘어가겠습니다. 이유는 매우 간단합니다. 학계든 산업계든 AI의 발전은 결국 AI 에이전트라는 하나의 방향으로 나아갈 것입니다. 인류는 새로운 시대, 즉 AI 에이전트의 시대로 접어들었습니다. 이 시대에서 AI는 단순한 도구나 서비스 제공자의 역할을 넘어, 스스로 학습하고 적응하며 복잡한 작업을 자율적으로 수행할 수 있는 지능형 에이전트로 발전했습니다.

AI 에이전트의 역사:

1950년대에 앨런 튜링은 "고도로 지능적인 유기체"의 개념을 인공지능으로 확장하고, 유명한 튜링 테스트를 제안했습니다. 이 테스트는 AI의 중요한 이정표로, 기계가 인간과 유사한 지능적 행동을 할 수 있는지를 탐구하는 것이 목적이었습니다.

이러한 AI 개체들은 흔히 "에이전트"라고 불리며, AI 시스템의 기본 구성 요소를 형성합니다. 현재까지 AI 분야에서 언급되는 에이전트는 주로 센서를 사용해 주변 환경을 감지하고, 결정을 내린 후 액추에이터를 통해 반응을 실행하는 인공 개체를 의미합니다.

AI의 발전과 함께 "에이전트"라는 용어는 지능적 행동을 보이며 자율성, 반응성, 주도성, 사회성을 가진 개체를 설명하는 데 사용되기 시작했습니다. 그 이후로 에이전트의 탐구와 기술적 발전은 AI 분야의 중요한 초점이 되었습니다.

1950년대 후반과 1960년대는 인공지능(AI)이 태동하던 시기로, 이 시기에 등장한 프로그래밍 언어, 서적, 영화들은 오늘날까지도 많은 사람들에게 영향을 미치고 있습니다.

첫 번째 AI 침체기를 겪은 후, 1980년대에는 AI 붐이 일어났습니다. 이 시기에는 다양한 연구에서 큰 발전을 이루었고, 정부와 여러 기관들의 투자도 증가하기 시작했습니다. 연구자들은 AI 에이전트에 대한 탐구를 점점 더 심화시켰습니다.

그러나 이 열풍은 7년 만에 끝났고, 1987년에는 두 번째 AI 침체기가 찾아왔습니다.

이 침체기는 여러 해 동안 지속되었습니다. 이 시기 동안 대부분의 기관은 재정적 지원이 부족했지만, AI는 기존 기술 경로를 따라 끈질기게 발전했습니다.

그중에서 1995년 Wooldridge와 Jennings는 AI 에이전트를 특정 환경에 위치한 컴퓨터 시스템으로 정의했습니다. 이 시스템은 해당 환경에서 자율적으로 행동하여 설계된 목표를 달성할 수 있어야 하고 AI 에이전트는 자율성, 반응성, 사회성, 주도성의 네 가지 기본 속성을 가져야 한다고 제안했습니다.

AI 에이전트가 경제학에서 공식적으로 받아들여진 이후, 이는 자신의 환경을 인지하고 성공 확률을 극대화하기 위해 행동할 수 있는 시스템으로 추가 정의되었습니다. 이 정의에 따르면, 특정 문제를 해결할 수 있는 간단한 프로그램도 "AI 에이전트"로 간주될 수 있으며, 나중에 인간과 다양한 체스 게임에서 경쟁할 수 있는 로봇들도 AI 에이전트의 일종으로 분류됩니다.

AI 에이전트에 "네 가지 기본 속성"이 부여되었던 1993년부터 2011년까지의 기간 동안, 당시의 AI 기술을 기반으로 한 인상적인 에이전트 유형의 프로젝트들이 많이 등장했습니다.

이러한 프로젝트의 등장 시기와 소개는 다음과 같습니다.:

1997: 딥 블루(IBM이 개발)는 세계 체스 챔피언 Garry Kasparov를 상대로 한 매우 주목받는 경기에서 승리하여, 인간 체스 챔피언을 이긴 첫 번째 프로그램이 되었습니다.

1997: 음성 인식 소프트웨어(드래곤 시스템즈 개발)가 윈도우용으로 출시되었습니다.

2000: Cynthia Breazeal 교수는 눈, 눈썹, 귀, 입을 갖춘 인간 감정을 시뮬레이션할 수 있는 최초의 로봇인 Kismet을 개발했습니다.

2003: NASA는 두 대의 로버(스피릿과 오퍼튜니티)를 화성에 착륙시켰고, 이 로버들은 인간의 개입 없이 화성 표면을 탐사했습니다.

2006: 트위터, 페이스북, 넷플릭스와 같은 기업들이 광고 및 사용자 경험(UX) 알고리즘의 일환으로 AI를 활용했습니다.

2010: 마이크로소프트는 Xbox 360 Kinect를 출시했습니다. 이 제품은 사용자의 신체 움직임을 추적하여 게임 플레이 방향으로 변환할 수 있는 최초의 게임 하드웨어입니다.

2011: 질문에 답하도록 프로그래밍된 Watson(IBM 제작)은 퀴즈 프로그램인 Jeopardy에서 두 명의 전 챔피언을 이겼습니다.

2011: 애플은 최초의 인기 있는 가상 비서인 Siri를 출시했습니다.

이러한 분류와 기본 정의를 바탕으로, 많은 AI 도구와 초기 지능 프로그램은 에이전트의 일종으로 분류될 수 있습니다. 초기 체스 게임에 사용된 IBM의 딥 블루(Deep Blue)와 나중에 등장할 알파고(AlphaGo) 역시 당시 최신 AI 기술을 기반으로 한 AI 에이전트입니다.

AI 기술의 발전과 데이터의 지속적인 증가 덕분에 AI 에이전트는 이제 대규모 언어 모델(LLM)을 기반으로 한 단계 진화했습니다.

2012: ImageNet 컴퓨터 비전 챌린지에서 AlexNet 컨볼루션 신경망의 딥러닝 모델이 1위를 차지하면서, 딥러닝이 AI 분야에서 그 실력을 제대로 입증하게 되었습니다.

2016년, AlphaGO라는 구글의 바둑 AI 에이전트가 유럽 챔피언인 판 후이(Fan Hui)와 세계 챔피언 이세돌(Lee Sedol)을 차례로 이겼고, 이후에는 그 후계자인 AlphaGo Zero에게 빠르게 패배했습니다.

2017년, 구글은 "Transformer"라는 모델을 제안했습니다.

2018년, 구글은 트랜스포머 모델을 기반으로 한 BERT를 출시하며 대형 언어 모델 시대를 열었습니다.

2019년, 구글의 AlphaStar는 비디오 게임 스타크래프트 2에서 그랜드 마스터에 도달하며 전체 인간 플레이어의 0.2%를 제외한 모든 플레이어를 능가했습니다.

2019년, OpenAI는 자연어 처리 모델인 GPT-2를 출시하였고, 2020년과 2022년에는 각각 GPT-3, DALL·E 2, 그리고 GPT-3.5를 출시했습니다. ChatGPT의 인기는 대형 언어 모델 시대의 AI 에이전트 개발과 응용 분야에 새로운 기회를 열어주었습니다.

2023년 1월부터 글로벌 제조업체들은 LLaMA, BLOOM, StableLM, ChatGLM 등 여러 개의 오픈 소스 대규모 언어 모델(LLM)을 출시했습니다.

동시에, 전 세계 기술 제조업체들이 출시한 수천 개의 LLM은 다양한 분야에서 AI 에이전트의 다양한 응용을 위한 보다 넓은 기반을 제공했습니다.

2023년 3월 14일, OpenAI는 GPT-4를 출시했습니다. 3월 말에는 AutoGPT가 등장하여 빠르게 세계적으로 인기를 끌었습니다.

AutoGPT는 OpenAI가 GitHub에서 출시한 무료 오픈 소스 프로젝트로, GPT-4와 GPT-3.5 기술을 결합하여 API를 통해 완전한 프로젝트를 생성합니다.

ChatGPT와 다른 점은 사용자가 AI에게 지속적으로 질문을 던져야 하는 것이 아니라는 점입니다. AutoGPT에서는 AI의 이름, 설명, 그리고 다섯 가지 목표만 제공하면 AutoGPT가 스스로 프로젝트를 완수할 수 있습니다. 이 AI는 파일을 읽고 쓸 수 있으며, 웹을 탐색하고, 자신이 제시한 결과를 검토하며, 해당 프롬프트의 히스토리와 결합할 수 있습니다.

AutoGPT는 GPT-4 언어 모델의 힘을 보여주기 위한 OpenAI의 실험적 프로젝트이기도 합니다. 이후 더 많은 사람들이 AutoGPT를 이해하고 경험하면서 AI 에이전트에 대한 인식이 점차 확산되었습니다.

이후, LLM을 기반으로 한 AI 에이전트들이 폭발적으로 증가하며, Generative Agent, GPT-Engineer, BabyAGI, MetaGPT와 같은 여러 프로젝트가 등장했습니다. 이러한 프로젝트의 출현은 LLM의 개발과 응용을 새로운 단계로 이끌었으며, 기업가 정신과 실행이 AI 에이전트로 이어지게 되었습니다.

5월, OpenAI가 3억 달러의 신규 자금을 확보한 후, 창립자 샘 알트먼은 챗봇을 활용하여 자율 AI 에이전트를 만드는 데 더 많은 주의를 기울이고 있으며, 이를 위해 ChatGPT 도우미에 관련 기능을 배포할 계획이라고 밝혔습니다.

6월에는 저커버그가 전 직원 회의에서 여러 개발 단계에 있는 기술들을 발표했습니다. 그 중 하나는 사용자에게 도움이나 오락 기능을 제공할 수 있는 다양한 성격과 능력을 가진 AI 에이전트를 출시하는 것이었습니다.

6월 말, OpenAI의 안전팀 책임자인 릴리안 웽은 "LLM Powered Autonomous Agents"라는 제목의 기사를 발표했습니다. 이 기사에서는 LLM을 기반으로 한 AI 에이전트에 대해 상세히 설명하며, 이는 LLM이 일반 문제를 해결하는 방법 중 하나가 될 것이라고 주장했습니다.

이 시점에서 사람들은 AI 에이전트에 대한 포괄적인 이해를 얻게 되었고, AI 에이전트의 신비가 마침내 밝혀졌습니다. AI 분야에서 AI 에이전트에 대한 탐구는 결코 멈추지 않았습니다. 각 AI 기술이 새로운 발전을 이루면, 조직들은 그 탐구와 응용을 새로운 주제로 통합해 왔습니다. AlphaGo를 통해 두각을 나타낸 심층 학습 및 신경망 기술 이후, 심층 학습 및 신경망을 기반으로 한 에이전트들이 등장하였고, 게임 및 의료와 같은 여러 분야에서 활용되고 있습니다.

최근 몇 년 동안 대규모 언어 모델(LLM)은 여러 차례의 발전을 이루었습니다. 구글이 BERT를 출시하고 OpenAI가 GPT-2를 발표한 이후, 많은 조직들이 이들과 협력하여 LLM을 기반으로 한 에이전트를 구축하기 시작했습니다.

현재 AI 에이전트에 대한 논의가 이어지는 가운데, 세계 곳곳에서 다양한 AI 에이전트 프레임워크와 제품들이 등장하고 있습니다. 예를 들어, 최근 1,500만 달러의 자금을 유치한 Voiceflow는 현재 개발자들 사이에서 가장 인기 있는 AI 에이전트 구축 플랫폼 중 하나로 자리 잡았으며, 13만 개 이상의 팀이 여기에서 효율적으로 협력하여 자신만의 AI 에이전트를 구축하고 있습니다.

이러한 AI 에이전트 구축 플랫폼을 보면, 많은 조직이 현재 또는 이미 자신의 AI 에이전트를 구축하고 있으며, 각 조직은 다양한 비즈니스 시나리오에 맞춰 여러 AI 에이전트를 목표로 삼을 수 있습니다.

AI 에이전트 시장 현황:

에이전트에 대한 수요는 시간이란 한정된 자원과 비용을 절감해주기 때문에 증가할 것이며, 더 중요한 진실은 에이전트를 배포할 수 있는 인프라 계층이 아직 초기 단계에 있다는 점입니다. 현재 BabyAGI와 같은 대부분의 에이전트 프레임워크는 실험적인 오픈 소스 프로젝트에 불과합니다. 에이전트에 대한 수요가 증가함에 따라 이러한 기반을 공식화할 필요성도 커질 것입니다. 각 하위 세그먼트는 시간이 지나면서 앱이나 API 형태로 상품화될 것입니다. 결국 인간은 에이전트를 제품으로서 생성하거나 고용할 수 있게 될 것입니다.

Annie Liao의 의견에 따르면, AI 에이전트는 세 가지 층으로 분류될 수 있습니다.

• AgentOps: 이 층에는 Weng Lilian의 이론에 따라 일곱 가지 핵심 구성 요소가 있습니다. 이 구성 요소들은 결합되어 "프레임워크"를 형성하며, 궁극적으로는 템플릿화되어 Agent Ops와 같은 마켓플레이스에서 배포될 것입니다.

• Application: 에이전트는 “제품화”될 것입니다. 시장이 성숙해짐에 따라 많은 응용 프로그램이 제품화되고, 클로즈드 또는 오픈 소스 모델을 통해 수익을 창출할 것입니다.

• Services: 최종 사용자에게 에이전트를 생성, 거래 및 유지하는 데 필요한 부가 가치 기능을 제공합니다. 특히, 암호화폐 분야의 다양한 에이전트 프로젝트 목록이 있습니다. 이전 프로젝트와 비교했을 때, 이들은 초기 단계에 있으며 주로 이야기 중심의 접근 방식을 취하고 있지만, AI와 암호화폐의 통합을 탐구하기 위해 깊이 있게 살펴볼 수 있습니다.

Project	Layer	Value Proposition
Morpheus	AgentOps	다운로드 가능한 LLM을 지원하고 로컬에서 실행되며 사용자의 지갑에 의해 관리되고 스마트 계약과 상호작용합니다. 이 시스템은 에이전트가 안전하게 상호작용할 수 있는 스마트 계약을 결정하는 데 도움을 주기 위해 Smart Contract Rank를 사용합니다.
Dain	Application	에이전트 간(A2A) 네트워크는 에이전트가 원활하게 발견하고, 상호작용하며, 거래하고, 협력할 수 있게 해줍니다.
SingularityNet	Services	AI 에이전트를 위한 분산형 마켓플레이스로, 사람들이 특정한 작업을 수행할 수 있도록 고용될 수 있는 집중화된 AI 에이전트를 배포할 수 있습니다.
Autonolas	Services	탈중앙화된 AI 에이전트의 생성 및 사용을 위한 개방형 마켓플레이스입니다. Autonolas는 개발자가 오프체인에서 호스팅되고 여러 블록체인에 연결할 수 있는 AI 에이전트를 구축할 수 있도록 도와주는 도구 세트를 제공합니다.

미래

에이전트는 다양한 산업과 분야에서 광범위한 모델 응용의 주요 형태로 자리 잡을 것입니다. 앞으로 LLM의 개발과 응용은 에이전트를 중심으로 도구나 보조의 형태로 나타날 것입니다. 에이전트가 표준화된 제품의 형태로 등장함에 따라, 조직이 AI 에이전트를 도입하고 적용하는 것이 더욱 쉬워질 것입니다.

관련 기업 및 조직은 도입된 대규모 언어 모델이나 특정 도메인 모델을 기반으로 도메인 맞춤형 에이전트를 구축하여 고객이 LLM의 능력을 효율적으로 활용할 수 있도록 도와줄 수 있습니다. 또한 내부 또는 고객 맞춤형 AI 에이전트 플랫폼과 커뮤니티를 구축하여 언제든지 필요한 에이전트를 만들어 고객의 운영을 지원할 수 있습니다.

더 많은 AI 에이전트 구축 플랫폼이 등장함에 따라 다수의 에이전트가 생겨날 것이며, 개인이 에이전트를 구축하고 적용하는 것도 더 쉬워질 것입니다. 앞으로는 모든 사람이 원한다면 다양한 에이전트 플랫폼을 통해 언제든지 자신만의 개인화된 에이전트를 생성할 수 있고, 더욱 개인화된 기능과 서비스를 통해 소통과 협업을 강화하며 지식과 기술을 확장할 수 있을 것입니다.

다양한 비즈니스 시나리오에서 여러 가지 다른 에이전트를 구축하고 이들이 협력할 수 있습니다. 다중 에이전트 시스템의 협업을 통해 더 정확한 결과를 도출하고 더 복잡한 작업을 수행할 수 있습니다.

AI 에이전트는 산업이나 비즈니스 시나리오에 구애받지 않고, LLM이 적용될 수 있는 곳이라면 어디서든 해당 에이전트를 구축할 수 있습니다. 교육, 의료, 금융, 암호화폐, 제조, 엔터테인먼트 등 다양한 산업에 적용되어 효율성을 개선하고 비용을 절감하며 가치를 창출하는 데 도움을 줄 수 있습니다.

앞으로 AI 에이전트는 더욱 지능적이고 적응력이 뛰어나며 다양화될 것으로 예상됩니다. 이들은 더 복잡한 문제와 상황을 처리할 수 있으며, 인간과의 협력과 공생이 더욱 밀접해질 것입니다.

AI 에이전트의 광범위한 적용으로 인해 대규모 언어 모델 시대의 인간-컴퓨터 상호작용은 인간과 AI 에이전트 간의 자동화된 협력 시스템으로 업그레이드될 것입니다. 이러한 새로운 유형의 인간-기계 협력은 '인간-기계 지능'이라고 불릴 수 있습니다. 이는 인류 사회의 생산 구조를 더욱 발전시키고, 궁극적으로 사회의 모든 측면에 영향을 미칠 것입니다.

동시에, 자율적으로 소통하고 작업을 수행할 수 있는 지능형 네트워크는 인터넷의 다음 단계가 될 것이며, AI 에이전트는 인간이 상호작용하고 작업을 수행하는 데 도움을 주는 지능형 도구가 될 것입니다.

앞으로의 트렌드에서 AI 에이전트는 인간의 업무, 학습, 생활, 엔터테인먼트 등 다양한 시나리오에 등장할 가능성이 높습니다. 모든 사람은 "아이언맨", "인터스텔라", "스타워즈"와 같은 영화에서 보여지는 인간-기계 협력의 장면을 실제로 구현한 AI 에이전트 시스템 기반의 지능형 비서를 갖추게 될 것입니다.

이는 막대한 규모의 시장을 형성할 것입니다.