챗 GPT, 검색 엔진 탑재 구글 위협할까

OpenAI는 인기 있는 ChatGPT 챗봇에 검색 엔진을 탑재해, AI를 활용하여 검색 결과를 개선하려는 기술 기업 간의 경쟁이 치열한 검색 분야에 진입했습니다. 이 시장은 오랫동안 Alphabet의 구글이 지배해왔습니다.

샌프란시스코에 본사를 둔 OpenAI는 목요일에 "ChatGPT 검색"이라는 기능을 발표했습니다. 최신 버전의 AI 챗봇은 스포츠 경기 결과, 주가, 날씨 등 인터넷 전반의 최신 정보를 검색할 수 있도록 설계되었으며, 실시간 제3자 검색 제공업체와 콘텐츠 파트너들의 기술로 구동됩니다.

이 검색 도구는 웹사이트에서 찾은 정보를 요약해 제공하며, 뉴스 사이트를 포함한 다양한 정보원을 참조합니다. 사용자는 현재 ChatGPT에서 가능하듯이 후속 질문도 할 수 있습니다.

ChatGPT는 사용자가 묻는 내용에 따라 웹을 자동으로 검색할 수 있으며, 사용자가 검색 아이콘을 클릭해 수동으로 검색을 선택할 수도 있다고 밝혔습니다. OpenAI는 앞으로 쇼핑과 여행 분야에서 검색 기능을 개선하고 음성 기능도 추가할 계획입니다.

일각에서는 AI 기반 검색 결과의 신뢰성에 의문을 제기합니다. AI 시스템이 추천하는 답변에 대한 명확한 설명을 제공하지 않으며, 때로는 정보를 잘못 출처를 표시하거나 내용을 창작하는 오류가 발생할 수 있기 때문입니다. OpenAI의 새 검색 엔진은 결과에 대한 문맥을 제공하기 위해 뉴스 기사나 블로그 게시물 같은 출처 링크를 포함할 예정입니다.

이 기능은 일부 유료 사용자부터 시작해 몇 달에 걸쳐 점진적으로 출시될 예정이며, 웹사이트뿐만 아니라 데스크톱 및 모바일 애플리케이션에서도 사용할 수 있습니다.

ChatGPT Plus 사용자들은 구글 크롬 확장 프로그램을 설치하여 ChatGPT를 웹 브라우저에서 기본 검색 엔진으로 설정할 수 있습니다.

이번 기술은 OpenAI가 다른 미국 기술 기업의 검색 엔진과 경쟁할 수 있는 입지를 마련합니다. 구글도 올해 여러 웹 소스를 통합한 AI 검색 기능을 대대적으로 도입했으며, 아마존 경영 회장 제프 베이조스가 지원하고 전직 OpenAI 직원이 창립한 Perplexity와 같은 다른 AI 기업들도 검색 분야에 진출하고 있습니다. OpenAI의 최대 투자자이자 파트너인 마이크로소프트도 자사의 검색 엔진인 빙에 AI를 추가했습니다.

GPT는 "Generative Pre-trained Transformer"의 약자로, 자연어 처리를 위한 인공지능 모델입니다. 이 모델은 OpenAI에서 개발한 언어 모델 시리즈의 이름으로, 사람의 언어와 매우 유사하게 텍스트를 이해하고 생성할 수 있습니다. GPT는 텍스트의 구조와 맥락을 이해할 수 있도록 다양한 텍스트 데이터에 대한 학습을 통해 사전 훈련되어 있으며, 이 학습을 바탕으로 자연스러운 문장 생성, 정보 검색, 대화 시뮬레이션 등 여러 작업을 수행합니다.

GPT의 핵심 기술인 "Transformer"는 딥러닝에서 사용하는 특정 신경망 구조로, 텍스트 데이터 내의 각 단어가 문장 전체 맥락에서 어떤 의미를 가지는지 파악하도록 설계되어 있습니다. Transformer는 특히 '셀프 어텐션 메커니즘'을 통해, 문장 내의 단어들이 서로 관계를 맺고 중요한 정보를 효율적으로 추출하도록 돕습니다. 이로 인해 GPT는 텍스트의 문맥을 이해하고, 특정 단어나 문장이 등장했을 때 그 다음에 올 가능성이 높은 단어를 예측하여 자연스러운 텍스트를 생성할 수 있습니다.

GPT의 작동 방식은 크게 사전 훈련(pre-training)과 미세 조정(fine-tuning) 두 단계로 나뉩니다. 먼저 사전 훈련에서는 방대한 양의 텍스트 데이터를 사용하여 언어의 일반적인 구조, 패턴, 문법 등을 학습합니다. 이를 통해 모델은 문장 구조와 문맥을 이해하는 기초적인 능력을 갖추게 됩니다. 이후 미세 조정 단계에서는 특정 목적에 맞게 데이터를 더 구체적으로 학습하여 특정 작업이나 사용 사례에 맞는 출력을 생성하도록 조정됩니다. 예를 들어, 고객 서비스 챗봇을 개발할 때는 고객과의 대화에 맞춘 데이터로 미세 조정을 거쳐 더 자연스럽고 적합한 응답을 할 수 있도록 합니다.

GPT 모델 시리즈는 여러 버전이 있으며, 각 버전이 발전할수록 더 많은 매개변수(parameter)를 사용해 성능이 향상되었습니다. 초기의 GPT-1, GPT-2에서 시작해 GPT-3, GPT-4에 이르기까지 발전을 거듭하며, 최신 버전일수록 더 복잡하고 다양한 언어 작업을 수행할 수 있는 능력을 보입니다. 이 발전을 통해 GPT는 텍스트 생성, 번역, 요약, 질의응답, 코딩 지원 등 매우 다양한 응용 분야에서 사용되고 있으며, 그 성능 또한 매우 뛰어납니다.

GPT는 질문의 형식과 맥락에 크게 의존합니다. 질문의 구조, 구체성, 사용 언어 등이 결과의 품질에 영향을 미치므로, 원하는 정보를 명확히 전달하고 GPT가 해당 질문을 잘 이해할 수 있도록 표현하는 것이 중요합니다. 예를 들어, 구체적인 정보를 원할 때는 가능한 한 세부사항을 포함하여 질문을 작성하고, 일반적인 정보가 필요할 때는 추상적이거나 포괄적인 질문을 사용할 수 있습니다.

GPT의 응답 길이를 조절하는 것이 효율적입니다. 응답의 길이가 지나치게 길거나 짧을 수 있으므로, 응답에서 특정 정보만 필요할 경우 질문에 “간략하게 설명해 달라”거나, 반대로 상세한 정보를 요청하고 싶다면 “자세히 설명해 달라”는 문구를 포함하여 원하는 길이를 간접적으로 제시할 수 있습니다. 이를 통해 불필요한 정보는 줄이고 필요한 정보만을 얻을 수 있습니다.

GPT는 맥락을 인식하지만 대화의 이전 내용을 반드시 기억하는 것은 아닙니다. 따라서, 중요한 정보를 포함한 대화가 이어질 경우에는 각 질문마다 필요한 맥락을 다시 전달해 주는 것이 좋습니다. 예를 들어, 이전 질문에서의 특정 용어나 주제를 유지할 필요가 있을 때, 해당 용어나 주제를 다음 질문에서도 언급하여 연결성을 유지하면 GPT가 맥락을 더 잘 이해하고 원하는 대답을 줄 가능성이 높아집니다.

복잡한 문제를 다룰 때는 큰 문제를 작은 단계로 나누어 질문하는 것이 좋습니다. 예를 들어, “마케팅 전략을 세우는 방법”에 대해 문의할 때 바로 포괄적인 대답을 기대하기보다는, 먼저 “마케팅 전략의 목표 설정 방법”을 질문하고, 다음 단계로 넘어가는 식으로 세분화된 질문을 하는 것이 더 나은 결과를 얻는 방법이 될 수 있습니다. 이렇게 단계적으로 접근하면 GPT의 대답이 더 논리적이고 체계적이 될 가능성이 높습니다.

특정 형식이나 스타일이 필요한 경우 이를 명시하는 것이 좋습니다. 예를 들어, 글을 작성할 때 논문 형식, 보고서 형식, 이메일 형식 등 원하는 형식이 있다면 질문에 이를 포함해 주십시오. “보고서 형식으로 작성해 주세요”와 같이 요청하면 GPT가 응답을 해당 형식에 맞춰 작성하려고 합니다. 이 방법은 특히 템플릿이나 특정 구문을 포함해야 하는 문서를 작성할 때 유용합니다.

특정한 문체나 어조가 필요한 경우 이를 명확히 알려주는 것이 좋습니다. 예를 들어, 부드럽고 정중한 어조로 작성해야 할 때는 “정중하게 답변해 주세요”라고 요청하거나, 반대로 간결하고 직설적인 표현을 원할 때는 “간단히 요약해 주세요”라는 식으로 요청할 수 있습니다. 이처럼 어조와 스타일에 대한 요구를 명확히 하면 GPT가 해당 요청에 맞춰 응답하려고 합니다.

GPT의 답변을 평가하고 필요한 경우 다시 질문하거나 추가 정보를 요청하는 것도 좋은 방법입니다. GPT의 응답이 모호하거나 원하는 정보가 충분하지 않을 때, “이 부분을 더 자세히 설명해 주세요” 또는 “다른 예시를 들어 주세요”와 같은 추가 요청을 통해 더 깊이 있는 정보를 얻을 수 있습니다. 이와 같은 추가적인 피드백은 원하는 정보를 보다 정확히 얻는 데 도움이 됩니다.

프롬프트 엔지니어링은 인공지능 모델, 특히 자연어 처리 모델인 GPT와 같은 언어 모델에게 원하는 답변을 이끌어 내기 위해 입력되는 텍스트를 조작하고 최적화하는 과정을 말합니다. 사람과 AI 모델 간의 소통을 원활하게 하고, 모델이 최대한 정확하고 유용한 정보를 제공하도록 유도하는 것이 핵심입니다. 이러한 기술은 AI 모델의 작동 방식을 이해하고 이를 이용해 원하는 결과를 효과적으로 얻어내는 방법을 익히는 데 중점을 둡니다.

프롬프트 엔지니어링은 AI 모델의 성능과 반응을 최대한 끌어내기 위해 구체적이고 명확한 언어로 프롬프트를 작성하는 과정을 포함합니다. 예를 들어, 모호하거나 불완전한 프롬프트는 AI 모델이 불분명한 답변을 생성하게 할 수 있기 때문에, 정확한 정보나 특정한 스타일의 응답을 원할 경우 프롬프트를 구체적으로 구성해야 합니다. 이 과정에서는 적절한 단어 선택, 문장의 구조, 특정 지시 사항을 제시하는 방식 등 여러 가지 요소가 중요하게 작용합니다.

프롬프트 엔지니어링의 주요 목표는 사용자가 원하는 목표에 맞는 답변을 얻기 위해 AI 모델을 효과적으로 안내하는 것입니다. 예를 들어, 창의적인 글을 작성하는 데 도움을 받을 때와 기술적인 정보를 정확하게 제공받고자 할 때의 프롬프트 구성 방식은 다를 수 있습니다. 창의적인 작업에서는 개방적이고 자유로운 프롬프트가 도움이 될 수 있지만, 특정 정보를 요구할 때는 모델에게 질문을 명확히 정의하거나 특정 포맷을 요구하는 방식으로 프롬프트를 설계하는 것이 좋습니다.

프롬프트 엔지니어링 기술이 중요한 이유는 AI 모델이 문맥을 인식하는 데 제한이 있기 때문입니다. AI는 인간처럼 직관적으로 상황을 판단하지 않기 때문에, 명확한 지시가 없으면 혼란스러운 답변을 할 가능성이 높습니다. 또한 프롬프트에 포함된 단어와 표현이 모델의 답변에 영향을 주기 때문에, 요구하는 결과에 따라 특정 단어와 구조를 선택하는 것이 중요합니다.