혁신 가속화를 위한 새로운 AI 연구 모델 공개

메타(META), AI 연구 성과 공개… 텍스트-이미지 생성 모델 등 5가지 모델 선보여 메타(META)의 인공지능 연구팀 FAIR(Fundamental AI Research)가 10년 이상 오픈 리서치를 통해 AI 기술 발전에 기여해왔습니다. 급변하는 AI 분야에서 전 세계 AI 커뮤니티와의 협력이 더욱 중요해지고 있다는 판단 하에, 메타는 최근 FAIR 연구 모델 5가지를 공개했습니다. 이번 공개에는 이미지-텍스트 변환 및 텍스트-음악 생성 모델, 다중 토큰 예측 모델, AI 생성 음성 탐지 기술 등이 포함됩니다. 메타는 이러한 연구 공개를 통해 AI 기술의 책임감 있는 발전을 촉진하고 새로운 아이디어 발현을 독려하고자 합니다. **Chameleon: 텍스트와 이미지 모두 처리하고 생성하는 혁신 모델** 메타는 Chameleon 모델의 핵심 구성 요소를 연구 전용 라이선스 하에 공개했습니다. Chameleon은 텍스트와 이미지를 동시에 이해하고 생성할 수 있는 혼합 모달(mixed-modal) 모델입니다. 인간이 텍스트와 이미지를 동시에 인지하듯, Chameleon 역시 텍스트와 이미지를 동시에 처리하고 결과물을 생성할 수 있습니다. 기존의 대규모 언어 모델(LLM)이 텍스트를 이미지로 변환하는 등 단일 모달 결과물을 주로 생성하는 것과 달리, Chameleon은 텍스트와 이미지의 어떤 조합이든 입력으로 받아들이고 텍스트와 이미지의 어떤 조합이든 출력할 수 있습니다. 이를 통해 이미지에 대한 창의적인 캡션 생성이나 텍스트 프롬프트와 이미지를 혼합하여 완전히 새로운 장면을 만들어내는 등 무궁무진한 가능성을 열어갈 것으로 기대됩니다. **다중 토큰 예측, AI 모델의 단어 예측 속도 향상** 대규모 텍스트 데이터로 학습된 LLM은 이미 창의적인 텍스트 생성, 아이디어 구상, 질문 답변 등 다양한 분야에서 활용되고 있습니다. LLM의 기본적인 학습 목표는 '다음 단어 예측'입니다. 이 방식은 단순하고 확장 가능하지만 비효율적인 측면도 있습니다. 어린이가 언어 능력을 습득하는 데 필요한 것보다 수십 배 더 많은 텍스트가 요구되기 때문입니다. 메타는 지난 4월, 다중 토큰 예측(multi-token prediction) 방식을 도입하여 더 빠르고 효율적인 LLM 구축을 제안했습니다. 이 접근 방식은 기존의 한 번에 하나의 단어를 예측하는 방식 대신, 한 번에 여러 개의 미래 단어를 예측하도록 언어 모델을 학습시킵니다. 책임감 있는 오픈 사이언스 정신에 따라, 코드 완성을 위한 사전 학습 모델을 비상업적, 연구 전용 라이선스로 공개했습니다. **JASCO, AI 음악 생성에 대한 제어력 강화** 생성형 AI는 텍스트 프롬프트를 음악 클립으로 변환하는 등 창의성을 발휘할 수 있는 새로운 방법을 제시했습니다. 기존의 MusicGen과 같은 텍스트-음악 생성 모델은 주로 텍스트 입력을 기반으로 음악을 생성하지만, 메타의 새로운 모델인 JASCO는 코드나 비트와 같은 다양한 입력을 받아들여 생성되는 음악 결과물에 대한 제어력을 향상시킵니다. 이를 통해 기호와 오디오를 동일한 텍스트-음악 생성 모델에 통합할 수 있습니다. JASCO는 생성 품질 측면에서 기존 모델들과 유사한 성능을 보이면서도, 생성되는 음악에 대한 훨씬 더 다양하고 유연한 제어를 가능하게 하는 것으로 나타났습니다. **AudioSeal, AI 생성 음성 탐지 기술 공개** 메타는 AI 생성 음성을 국소적으로 탐지하기 위해 특별히 설계된 최초의 오디오 워터마킹 기술인 AudioSeal도 공개했습니다. AudioSeal을 사용하면 긴 오디오 스니펫 내에서 AI로 생성된 부분을 정확히 찾아낼 수 있습니다. 복잡한 디코딩 알고리즘에 의존하는 기존 방식과 달리, AudioSeal의 국소 탐지 접근 방식은 더 빠르고 효율적인 탐지를 가능하게 합니다. 이 설계는 이전 방식에 비해 탐지 속도를 최대 485배까지 향상시켜 대규모 및 실시간 애플리케이션에 적합합니다. AudioSeal은 상업용 라이선스로 공개되었으며, 생성형 AI 도구의 오용을 방지하기 위한 메타의 책임감 있는 연구 노력의 일환입니다. **텍스트-이미지 생성 시스템의 다양성 증진** 텍스트-이미지 모델은 모든 사용자에게 잘 작동하고 전 세계의 지리적, 문화적 다양성을 반영해야 합니다. 이를 위해 메타는 텍스트-이미지 모델에서 발생할 수 있는 지리적 불균형을 평가하기 위한 자동 지표를 개발했습니다. 또한, 다양한 지역의 사람들이 지리적 표현에 대해 어떻게 인식하는지 이해하기 위해 대규모 주석 연구를 수행했습니다. 텍스트-이미지 모델에 대한 자동 및 인간 평가의 개선을 위해 매력도, 유사성, 일관성, 공유된 권장 사항을 다루는 65,000개 이상의 주석과 예당 20개 이상의 설문 응답을 수집했습니다. 이를 통해 AI 생성 이미지의 다양성과 표현력을 향상시킬 수 있습니다. 메타는 지리적 불균형 평가 코드와 수집된 주석을 공개하여 커뮤니티가 생성 모델 전반의 다양성을 개선하는 데 도움을 줄 것으로 기대하고 있습니다.