생성형 AI

생성형 AI는 기존 데이터를 분류하거나 예측하는 데 그치지 않고 텍스트와 이미지, 코드, 음성, 영상 같은 새로운 콘텐츠를 만들어 내는 AI 계열이다. 핵심 변화는 모델이 라벨 대신 학습한 분포에서 표본을 뽑아낸다는 데 있다. 그래서 지금까지 존재한 적 없는 문단을 써 낼 수 있다. 매체마다 구조가 다르다. OpenAI의 GPT, Anthropic의 Claude, Google의 Gemini 같은 트랜스포머 기반 LLM은 토큰을 하나씩 이어 붙여 글과 코드를 만들고, Stable Diffusion과 Midjourney 같은 확산 모델은 잡음에서 출발해 이미지를 다듬어 간다. 음악과 음성 생성도 비슷한 원리를 따른다. 상업적 확산은 초안의 가치가 크고 검토 비용이 낮은 영역에서 가장 빨랐다. 마케팅 문구, 코드 자동완성, 고객 응대 초안, 이미지 시안이 대표적이다. 문제도 분명하다. 모델은 틀린 내용을 유창하게 말하는 환각을 일으키고, 학습 데이터에 있는 편향을 그대로 재생산하며, 그 학습 데이터의 출처를 둘러싼 저작권 소송이 계속되고 있다. 잘 읽히는 결과물이 검증된 결과물은 아니다. 그래서 실제 서비스는 생성에 검색과 출처 표기, 사람 검토를 함께 붙인다.

Generative AI is a class of AI systems that produce new content — text, images, code, audio, or video — rather than only classifying or predicting from existing data. The shift is that the model outputs a sample from a learned distribution instead of a label, so the same system can write a paragraph that has never existed. Different architectures serve different media. Transformer-based large language models such as OpenAI's GPT, Anthropic's Claude, and Google's Gemini generate text and code token by token, while diffusion models including Stable Diffusion and Midjourney start from noise and refine it into an image. Music and speech generation follow similar principles. The commercial impact has been fastest where a draft is valuable and review is cheap: marketing copy, code completion, customer support replies, and image concepts. The pitfalls are well documented. Models hallucinate, stating false claims fluently; they reproduce biases present in training data; and the provenance of that training data is the subject of ongoing copyright litigation. Output that reads well is not verified, which is why serious deployments pair generation with retrieval, citations, and human review rather than shipping raw text.