쉬운 설명 : 영상을 만드는 AI 소라(Sora) 가 뭔가요?

인공지능(AI) 챗봇인 ‘챗GPT’가 등장 한 뒤에 세상을 떠들썩 하게 했고, 인공지능이 스마트폰 안으로 들어올 만큼 일상생활에 사람들게 다가가고 있습니다.

얼마 전 이 챗GPT를 만든 오픈AI가 새로운 모델 ‘소라(Sora)’를 세상에 내놓았는데 사람들은 소라(Sora)의 AI 수준을 보자 “이걸 AI가 만들었다고?” 하며 또 한번 깜짝 놀라고 있습니다.

인공지능 소라(Sora)가 뭔가요?

소라는 고화질 영상을 만들어주는 AI 모델입니다. 소라 이전에도 영상을 만들어 주는 AI는 있었지만, 소라의 능력은 기존 AI들과 다르게 훨씬 더 복잡한 영상을 진짜처럼 만들 수 있어서 사람들에게 주목 받고 있습니다.

쉽게 예를 들어 “조선시대 배경으로 저자거리의 영상을 만들어줘” 하게 되면 그 시대의 건물과 사람들의 옷차림 등까지 영상에 반영해서 만들 수 있고 영상 퀄리티도 허접하지 않고 마치 영화 같이 전문가들이 만든 것처럼 생성해 줍니다.

전문가들은 앞으로 소라(Sora) 같은 멀티모달AI를 이용해 좀 더 쉽고 빠르게 작업을 할 수 있기 때문에 이 멀티모달AI 시대가 열릴 거라고 말합니다.

멀티모달(Multi Modal)은 Multi + Modality의 합성어 입니다. 영어로 ‘멀티 Multi’는 ‘여러 개’의 뜻을 가지고 있고, ‘모달리티 Modality’는 양식ㆍ양상 이라는 뜻을 가지고 있습니다.

즉 여러 개의 다양한 시각ㆍ청각등의 데이터 양식을 정보로 받아들어 학습하는 AI를 말합니다.

멀티모달 AI는 텍스트, 이미지, 음성 등 여러 종류의 데이틀 동시에 처리할 수 있고 이를 통해 기가가 인간처럼 여러 감각을 동시에 활용할 수 있게 되어 더 풍부하고 복잡한 정보를 이해하고 처리할 수 있습니다.

기존 AI는 사람이 사람의 언어인 글자(텍스트)를 통해서만 정보를 배우고 처리했습니다. 그러다보니 많은 단어를 알아도 단어가 의미하는 대상이 어떻게 생겼는지, 실제 현실에서 어떤 의미를 갖는지까지는 깊게 이하하지 못했습니다.

AI가 글자(텍스트) 뿐만 아니라 소리나 사진, 그림도 스스로 학습할 수 있게 되면 훨씬 더 똑똑한 AI가 됩니다. 사람처럼 사진ㆍ그림ㆍ음성ㆍ영상 정보를 스스로 해석하고 이할 수 있습니다.

멀티모달 AI는 인간을 흉내내는 AI인 ‘좁은인공지능ㆍANI’에서 인간처럼 스스로 생각하는 AI인 ‘인공일반지능ㆍAGI’로 진화하는 데 핵심적인 기술로 이야기 되고 있습니다.

구글의 제미나이 1.5 프로는 많은 양의 영상과 음성, 텍스트를 이해하고 빠진 정보까지 추론해서 채우는 능력을 갖췄다고 합니다.

대략 1시간짜리 영화와 11시간 분량의 음성파일, 3만줄 이상의 코드, 70만 단어 이상의 글자(텍스트)에 해당하는 방대한 정보를 한번에 처리할 수 있습니다.

메타 에뮤는 우리가 잘아는 페이스북을 만든 회사의 AI이며 2023년 11월에 공개되었습니다. 에뮤는 텍스트를 영상으로 바꿔는 AI인데 예를 들어 “개의 그림만 고양이로 바꿔줘”라고 이야기하면 AI가 개를 인식해서 고양이로 바꿔서 다시 수정을 해줍니다.

네이버가 2023년에 네이버쇼핑에 적용한 멀티모달AI로 스마트렌즈로 거리에서 본 가방을 사진 찍어서 올리면 똑같거나 비슷한 상품을 찾아줘 네이버에서 쇼핑하는 사람들에게 편리함을 제공해 준다고 합니다.

이미지와 글자가 섞인 콘텐츠를 이해하고 분석할 수 있습니다. 예를 들면 ‘농구 경기 중인 두 명의 선수’ 사진과 함께 “왼쪽 선수는 몇 번 우승했어?”라고 물으면 사진의 내용을 질문을 종합적으로 이해하고 대답을 해준다고 합니다.