미래에 할 수 있는 경험을 사전 예약하신 퓨처드릴 구독자, 드릴러 🛠️ 여러분 안녕하세요! AI와 UX의 쿨한 콤비네이션을 만들어 drill 퓨처드릴 에디터 쿨냥이🐾 입니다.

AI 스타트업 앤트로픽(Anthropic)이 3월 4일 클로드3을 출시하며 오픈AI의 ‘GPT-4’와 구글의 ‘제미나이 울트라’를 능가하고 있어 최근 큰 화제가 되고 있습니다.

오픈AI의 챗GPT로 천하통일 될 것 같았던 AI 언어모델 시장이 챗GPT, 제미나이, 클로드의 삼국지 양상으로 바뀌는 걸까요? 우리는 용도에 따라 어떤 모델을 사용하는 것이 가장 유용할까요? 사람들이 클로드를 현재 가장 최강이라고 표현하는 이유는 무엇일까요?

기술의 발전에 따른 경험의 놀라움은 어디까지 계속될지 현존 최강 AI 모델 클로드를 중심으로 알아봐 drill게요!

제가 클로드를 실제 사용하게 된 계기는 SK경제경영연구소 김지현님의 페이스북을 통해 챗GPT, 제미나이와 클로드를 비교한 글을 보게 되면서 생긴 호기심 때문이었습니다. 챗GPT와 제미나이도 참 괜찮은 데 클로드에 붙은 '자상한' 이라는 수식어가 흥미로웠습니다. 비유대로 건조한 교수님, 신입 석사 조교, 자상한 박사님이 함께 내 앞에 있다면 자상한 박사님을 찾아가고 싶지 않을까?

그래서 실험 삼아 사용해 본 클로드에서 다른 모델에서는 못 보았던 참신함을 기술뿐 아니라 UX 측면에서도 발견했습니다. 또한 하나의 언어모델만 사용하지 않고 다양한 언어모델을 특징과 용도에 맞추어 활용하는 것이 AI와 협업을 더 잘하기 위한 필수 조건이라는 생각이 들었습니다. 마치 우리가 온라인 쇼핑을 할 때 제일 괜찮다고 생각하는 사이트를 두세 개 비교하면서 최적의 선택을 하는 것처럼 말이죠. 

현존 최강 AI 모델 클로드(Claude)3의 특징

클로드(Claude)3은 하이쿠(Haiku), 소네트(Sonnet), 오퍼스(Opus) 세 종류로 구분되어 있으며 각 연속 모델은 점점 더 강력한 성능을 제공하며 특정 애플리케이션에 대한 지능, 속도, 비용이 달라지기 때문에 용도에 맞게 사용자가 원하는 종류로 선택할 수 있습니다 .

하이쿠(Haiku)는 인텔리전스 카테고리에 대해 시장에서 가장 빠르고 비용 효율적인 모델입니다. arXiv(최대 10,000개 토큰)에 대한 정보 및 데이터 밀도가 높은 연구 논문을 차트와 그래프로 3초 이내에 읽을 수 있습니다. 소네트(Sonnet)는 하이쿠보다 더 높은 수준의 지능으로 클로드(Claude)2 및 2.1보다 2배 빠릅니다. 지식 검색이나 영업 자동화 등 빠른 응답이 필요한 작업에 탁월합니다. 오퍼스(Opus)는 클로드(Claude)2 및 2.1과 비슷한 속도를 제공하지만 훨씬 더 높은 수준의 지능을 제공합니다.

• Claude 3 Opu :  매우 복잡한 작업에 대해 시장 최고의 성능을 제공하는 가장 지능적인 모델

  비용 :  $15 | $75 [입력 $/백만 토큰 | $/백만 토큰 출력]
  컨텍스트 윈도우 : 200K
  용도

  • 작업 자동화: API 및 데이터베이스 전반에 걸친 복잡한 작업 계획 및 실행, 대화형 코딩
  • R&D: 연구 검토, 브레인스토밍 및 가설 생성, 신약 발견
  • 전략: 차트 및 그래프, 재무 및 시장 동향, 예측에 대한 고급 분석
    
    

• Claude 3 Sonnet :  엔터프라이즈의 경우 지능과 속도 사이의 이상적인 균형을 유지
  저렴한 비용으로 강력한 성능을 제공하며 대규모 AI 배포에서 높은 내구성 제공

  비용 : $3 | $15  [입력 $/백만 토큰 | $/백만 토큰 출력]
  컨텍스트 윈도우 : 200K
  용도
  • 데이터 처리: 방대한 양의 지식에 대한 RAG 또는 검색 및 검색
  • 영업: 상품 추천, 예측, 타겟 마케팅
  • 시간 절약 작업: 코드 생성, 품질 관리, 이미지의 텍스트 구문 분석
    
    

• Claude 3 Haiku : 거의 즉각적인 반응성을 제공하는 가장 빠르고 컴팩트한 모델

  비용 : $0.25 | $1.25 [입력 $/백만 토큰 | $/백만 토큰 출력]
  컨텍스트 윈도우 : 200K
  용도

  • 고객 상호 작용: 실시간 상호 작용, 번역에서 빠르고 정확한 지원
  • 콘텐츠 조정: 위험한 행동이나 고객 요청 포착
  • 비용 절감 업무: 물류 최적화, 재고 관리, 비정형 데이터에서 지식 추출

앤트로픽은 다른 AI 모델과의 벤치마크 비교를 통해 클로드가 최강 성능이라는 점을 보여줍니다. 가장 강력한 클로드 오퍼스는 대학 학부 수준의 지식(MMLU), 대학원 수준의 추론(GPQA), 기본 수학(GSM8K) 등 AI 시스템에 대한 전 부분에서 챗GPT-4와 제미나이 울트라보다 뛰어납니다. 

모든 클로드 3 모델은 분석 및 예측, 미묘한 콘텐츠 생성, 코드 생성 및 스페인어, 일본어, 프랑스어와 같은 영어가 아닌 언어 대화에서 향상된 기능을 보여줍니다. (상세 비교 분석 자료) 

클로드를 구성하고 있는 용어, 인터페이스 요소, 컬러와 폰트를 살펴보면 기술을 넘어서는 감성적인 디테일이 많이 보입니다. 

우선 클로드의 종류를 호칭하는 이름인 하이쿠(Haiku), 소네트(Sonnet), 오푸스(Opus) 모두 예술 작품 형식을 나타내는 용어입니다. 하이쿠(Haiku)는 일본 전통 시 형식 중 하나로, 5-7-5 음절로 이루어진 짧은 시입니다. 소네트(Sonnet)는 14행으로 구성된 정형시로, 사랑이나 아름다움 등을 주제로 많이 씁니다. 오푸스(Opus)는 라틴어로 ’작품‘을 뜻하며, 주로 음악 작품을 구분하는 데 사용됩니다.

문학과 음악 같은 예술에서 사용되는 명칭을 인공지능 모델의 기능과 특성을 비유적으로 표현함으로써 하이쿠처럼 간결하고 핵심을 찌르는 답변을 제공하고, 소네트처럼 아름답고 의미 있는 결과물을 만들어내며, 오푸스처럼 가치 있는 작품을 생성해 낼 수 있다는 가능성을 이름을 통해 추측하게 만듭니다. 

또한 미색의 백그라운드 컬러, 세리프체의 사용은 클래식하고 따뜻한 분위기를 만듭니다. 일반적 기술 서비스가 모던한 컬러와 폰트의 그래픽 유저 인터페이스를 사용하는 것과 상반되죠. 접속 시간에 따라 아침 인사, 저녁 인사가 달라지고 애칭을 표현하는 것 또한 프롬프트를 입력하기 전에 가벼운 인사를 서로 나눈 인상을 줍니다. 

클로드는 멀티모달 생성형AI로 이미지뿐만 아니라 텍스트도 분석할 수 있습니다. 사진, 차트, 그래프, 기술 다이어그램을 처리할 수 있으며 PDF, 슬라이드도 가져와서 분석할 수 있죠. 한 번의 요청으로 최대 20개까지 여러 이미지를 분석할 수 있다는 것이 다른 모델과 차별화된 장점입니다. 

하지만 윤리적 이슈를 예방하기 위해 사람과 관련된 이미지를 식별할 수 없도록 만들었고, 공간 추론과 물체 수 계산에서는 이미지 인식능력이 좋지 않습니다. 또한, 오픈AI 달리3나 제미나이처럼 이미지를 생성하지 않죠. 또한 다른 모델과 달리 웹 검색이 불가능하고 2023년 8월 이전의 데이터로만 질문에 답할 수 있는 점도 제약 사항이고, 여러 국가의 언어를 사용하지만 영어에 비해 다른 언어에 유창하지 않습니다. 

이번에 해결하고 싶은 문제나 궁금한 내용을 챗GPT, 제미나이, 클로드를 사용하며 모두 비교해 보니 만능의 답을 그 중에 하나로 선택할 수 있기 보다는 각각의 대답에서 제가 괜찮다고 생각되는 특장점을 뽑아서 편집하는 것이 최적이라는 생각이 들었습니다. 또한 모델의 특징에 따라서 사용 목적이나 유형에 따라서도 더 최적의 답을 하는 경우가 서로 달랐습니다. 

활용 용도에 따라 어떤 모델을 사용하면 좋을지 궁금하신 분들은 테크 에반젤리스트 정지훈 모두의연구소 CVO 님의 활용 사례에 따른 추천 서비스 내용을 참고하세요. 

챗GPT4의 성능으로, 제미나이의 멀티모달 기능으로 놀라웠던 순간이 얼마 되지 않은 것 같은데 또다시 클로드를 통해 빠르게 진화하는 기술을 체감할 수 있었습니다. 흥미로운 점은 더 좋은 성능의 모델이 나올수록, 이전의 놀라움은 다시 익숙함으로 변화되는 것 같습니다. 드릴러 여러분은 본인의 활용 용도에는 어떤 인공지능 모델이 가장 적합하다고 생각하시나요? 피드백으로 여러분의 다양한 의견을 알려주세요. 💌

컨텍스트 윈도우(Context Window)는 자연어 처리(NLP) 분야에서 사용되는 용어로, 특정 단어나 문장을 이해하기 위해 고려하는 주변 단어들의 범위를 의미합니다.

예를 들어, "I went to the bank to withdraw some money."라는 문장에서 "bank"라는 단어의 의미를 파악하기 위해서는 주변 단어들인 "went", "to", "withdraw", "money" 등을 함께 고려해야 합니다. 이때, 이 주변 단어들이 포함된 범위를 컨텍스트 윈도우라고 합니다.

컨텍스트 윈도우의 크기는 상황에 따라 다를 수 있습니다. 일반적으로 작은 크기의 컨텍스트 윈도우는 local context를 반영하고, 큰 크기의 컨텍스트 윈도우는 global context를 반영합니다.

컨텍스트 윈도우는 단어의 의미 중의성을 해소하고, 문장의 전체적인 맥락을 이해하는 데 중요한 역할을 합니다. 많은 NLP 모델에서 컨텍스트 윈도우를 활용하여 단어의 임베딩을 학습하거나, 문장의 의미를 파악합니다.