여전히 윈도우 10을 사용하는 스팀 게이머
Z세대 : 결제의 미래 (Gen Z: the future of spending)
"협업을 잘하고 팀워크가 잘 맞는 동료를 가장 선호한다"
2028년 국내 홀클라우드 시장 예상 규모
AI를 업무 및 업무 외적으로 모두 사용한다
최근 몇 년 동안 애플은 일반 아이폰과 프로 모델을 적극적으로 구분해 왔다. 망원 렌즈가 장착된 우수한 카메라 시스템 외에도 애플은 다이나믹 아일랜드, 4,800만 화소 메인 카메라, 액션 버튼, 심지어 애플 인텔리전스 등 프로 아이폰 전용으로 흥미로운 특전을 주기적으로 도입했다. 이런 고급 기능은 1년 동안 프로 버전에만 독점적으로 제공되었다. 프로 모델은 독점성을 얻고, 프로가 아닌 신제품은 기능이 제한된 중급형 휴대폰처럼 느껴졌다. 하지만 이번에는 상황이 달라졌다. 아이폰 16 시리즈에서는 일반 모델에 기존 프로 모델의 일부 기능만 도입한 것이 아니다. 동시에 프로 라인에만 적용될 수 있었던 중요한 변경 사항도 있었다. 따라서 대부분의 사용자는 오랜만에 처음으로 일반 아이폰 16을 선택해도 크게 아쉬움을 느끼지 않을 것이다. 2024년형 아이폰에서 가장 급진적인 변화는 새롭게 등장한 카메라 컨트롤 버튼이다. 단순히 카메라 앱으로 바로 가는 버튼이 아니다. 터치 및 압력 감지 기술 덕분에 줌, 사진 또는 동영상 촬영, 노출 조정, 다양한 사진 스타일 간 전환 등 다양한 기능을 사용할 수 있다. 전용 API도 제공하므로 서드파티 개발자가 카메라 앱에 이 기능을 통합할 수 있다. 현실적으로 카메라 컨트롤 버튼을 프로 전용으로 만들 수도 있었을 것이다. 이 버튼은 프로 범주에 속할 만큼 충분히 고급 기능이다. 그렇게 하면 마음을 확고하게 정하지 않은 사용자가 고급형 제품을 구매하고 반짝이는 새 버튼을 사용하도록 유도할 수 있었다. 하지만 그렇지 않은 이유는 무엇일까? 카메라 컨트롤은 2024년 발매되는 모든 아이폰 16 모델에 똑같이 도입된다. 프로 모델에만 새로운 기능을 추가해온 애플의 최근 역사를 고려할 때 다소 의외인 행보다. 일반 아이폰 16의 카메라 업그레이드가 꼭 새로운 버튼을 중심으로 이루어지지는 않다. 프로 모델이 아닌 사용자도 매우 가까운 피사체의 사진과 동영상을 촬영할 수 있는 매크로 모드 지원이 추가되었고, 후면 렌즈가 재배열되어 일반 모델에서도 공간 사진 및 동영상 촬영을 지원한다. 이 밖에도 아이폰 16 사용자는 사진의 색상과 톤을 쉽게 조정할 수 있는 최신 사진 스타일 등 고급 카메라 기능을 사용할 수 있다. 또한 녹화된 동영상의 사운드를 변경하는 오디오 믹싱 기능도 이용할 수 있다. 이 모든 기능이 아이폰 16과 16 플러스가 얻은 고급 카메라 경험이다. 칩도 동일해 애플은 2023년 A16을 시작으로 작년 A17 프로에 이어 최근 프로 아이폰에 더 발전된 프로세서를 제공하기 시작했다. 올해도 여전히 그렇지만 이제 그 격차는 더 작아졌다. 애플은 지난 두 세대처럼 프로가 아닌 아이폰 16 모델에 구형 칩셋을 장착하는 대신, 최신 A18 프로 칩을 약간 더 제한적으로 릴리즈했다. 따라서 A18 기반 아이폰 16과 16 플러스는 8GB RAM, 6코어 CPU, 16코어 뉴럴 엔진으로 기본 사양이 동일하다. 유일한 차이점은 표준 모델에는 5개의 GPU 코어가 탑재된 반면 프로 모델에는 6개가 탑재된다는 점이다. 따라서 아이폰 16과 아이폰 16 프로 모델 모두 일상적인 작업에서는 비슷한 성능을 발휘한다. 또한 두 모델 모두 카메라 컨트롤 버튼을 통해 트리거되는 새로운 시각적 인텔리전스 기능을 포함한 전체 애플 인텔리전스 경험의 대상이다. 그래픽 측면에서는 하드웨어 가속 레이 트레이싱을 포함해 작년에 A17 프로에만 제공되었던 모든 기능을 사용할 수 있다. 소프트웨어 기능 세트와 프로세서가 거의 동일하기 때문에 올해 프로 아이폰이 일반 아이폰보다 더 나은 성능을 발휘할 것이라고 생각할 이유는 거의 없다. 더 생생해진 일반 아이폰 기술 사양과 기능 외에도 일반 아이폰 16의 장점은 또 있다. 2023년에 출시된 아이폰 15의 색상은 연한 파스텔톤으로, 통상적으로 일반 아이폰의 특징이었던 생동감을 놓쳤다. 아이폰 16은 이 문제를 해결했다. 올해 일반 아이폰 사용자는 화이트와 블랙뿐만 아니라 울트라마린, 청록, 핑크 등 다양하고 밝은 색상 중에서 하나를 선택할 수 있다. 아이폰 16 프로의 칙칙한 색상과 비교하면 개성이 돋보이는 기기를 갖게 된 것이다. 올해에는 뒷면도 더 멋지게 디자인되어 두 개의 카메라를 장착할 수 있는 아이폰 X 스타일의 배열이 더 작아졌다. 요컨대, 올해 아이폰 16 일반판은 실제로 프로 모델보다 더 좋아 보인다. 단점은 무시할 만해 아이폰 16 프로와 16 프로 맥스가 계속해서 고급 기능을 독자적으로 지원한다는 것은 말할 필요도 없다. 예를 들어, 아이폰 14 프로에 처음 도입된 올웨이즈온 디스플레이 기능은 일반 아이폰 16 버전에는 여전히 빠져 있다. (하지만 애플 워치 사용자는 시간, 알림 및 기타 관련 정보가 손목에 표시되므로 이 기능에 크게 신경 쓰지 않을 것이다.) 마찬가지로 프로모션 기술은 여전히 최고급 모델에만 적용된다. 일부 사용자는 120Hz와 60Hz 재생률의 차이를 구분할 수 있지만, 그렇지 않은 사용자는 구분할 수 없거나 신경 쓰지 않는 경우가 많다. 마지막으로 가장 눈에 띄는 장점은 프로 카메라 시스템이다. 아이폰 16에는 더 긴 5배 광학 줌 범위, 120fps 4K 비디오 녹화, 야간 인물 사진, RAW 촬영, LOG 비디오 녹화 등을 지원하는 망원 렌즈가 빠진다. 물론 있으면 좋겠지만, 대부분의 일반 사용자는 망원 렌즈를 제외한 다른 고급 기능을 굳이 부러워하지는 않을 것이다. 일반 아이폰 16의 카메라도 충분히 뛰어난 성능을 자랑하며 일상의 순간을 영원히 간직하는 데 탁월한 성능을 발휘한다. 대부분의 프로 전용 아이폰 카메라는 인스타그램 스토리보다는 진지한 콘텐츠 제작자와 전문가를 위해 설계되었다. 아이폰 16과 16 프로의 차이를 15와 15 프로의 차이와 비교해보면 일반 아이폰 16이 얼마나 발전했는지 알 수 있다. 일반 아이폰 16 모델은 액션 버튼 추가, A17 프로 칩의 그래픽 기능 등 작년 아이폰 15 프로의 기능 일부를 따라잡았을 뿐 아니라 카메라 컨트롤 버튼, 애플 인텔리전스 등 2024년 최신 기능까지 지원한다. 카메라 컨트롤 버튼, 25W 맥세이프 충전, 최신 버전의 사진 스타일, 시각적 인텔리전스 등 애플의 최신 기술도 소개했다. 디스플레이도 16형 프로 모델과 동일한 픽셀 밀도와 최대 밝기를 공유하지만, 크기는 조금 더 작아졌다(6.3인치와 6.9인치가 6.1인치 및 6.7인치로 줄어들었다). 이제 아이폰 16과 16 플러스를 비로소 진심을 담아 추천할만한 제품이 되었다. 빠진 기능이 무엇인지 길게 나열하지 않아도 된다. 사용자 개인에게 맞는 아이폰을 고르는 것이 그 어느 때보다 쉬워졌다. 대다수 평범한 사용자에게는 일반 아이폰도 충분히 고급형으로 느껴질 것이다. editor@itworld.co.kr
지난 10년 동안 클라우드 서비스 업체와 기업 고객이 가상머신 계층 대신 컨테이너 클러스터에서 애플리케이션과 서비스를 실행하는 방향으로 전환함에 따라 쿠버네티스는 클라우드 네이티브 컴퓨팅과 엔터프라이즈 소프트웨어 전반에서 지배적인 위치를 차지해 왔다. 하지만 클라우드 네이티브 컴퓨팅 재단(CNCF)의 2023년 연례 설문조사(2023년 8월부터 12월까지 실시)에 따르면, 44%의 조직이 아직 프로덕션 환경에서 쿠버네티스를 사용하지 않는 것으로 나타났다. 이와 같은 조사 결과는 온프레미스 환경이 많은 엔터프라이즈 시장에서 쿠버네티스의 성장 가능성이 여전히 크다는 것을 의미한다. 쿠버네티스의 발목을 잡는 것은 무엇일까? CNCF 설문조사에서 해마다 발견되는 것처럼, 컨테이너를 사용할 때 기업이 직면하는 가장 큰 문제는 여전히 복잡성, 보안, 모니터링이며, 최근 설문조사에서는 개발팀의 교육 부족과 문화적 변화가 그 뒤를 이었다. 쿠버네티스가 대표하는 모놀리스에서 마이크로서비스로의 극적인 여정에서 이런 과제는 그리 놀라운 것은 아니다. 하지만 2025년까지 새로운 디지털 워크로드의 95% 이상이 클라우드 네이티브 인프라에 배포될 것으로 예상하는 가트너의 전망에 따라 이런 과제가 더욱 커질 것으로 예상하는 사람도 있다. 하지만 해결책은 이미 나와 있다. 내부 개발자 플랫폼과 같은 새로운 소프트웨어 개발 접근 방식부터 리눅스 커널의 클라우드 네이티브 기능을 확장하는 eBPF와 같은 혁신에 이르기까지, 클라우드 인프라의 흥미로운 발전이 곧 시작될 것이다. 업계를 근본적으로 변화시키는 이런 설계 패턴, 오픈소스 도구 및 아키텍처는 쿠버네티스의 복잡성과 확장 문제를 해결하고 오늘날 우리가 알고 있는 클라우드 인프라를 발전시킬 것이다. 클라우드 네이티브의 복잡성 줄이기 쿠버네티스가 주류 시장에서 번창하기 위해서는 사용성 개선이 필요하다. 브로드컴의 연구 개발 디렉터인 제임스 워터스는 “쿠버네티스는 모든 클라우드의 인프라에 액세스하기 위한 놀라운 표준 API지만, 이를 엔터프라이즈급 플랫폼으로 만들기 위해서는 많은 작업이 필요하다”고 지적한다. 오픈소스 세계에서는 마찰을 줄이기 위해 내부 개발자 플랫폼으로 이 문제를 해결하고 있으며, 퍼블릭 클라우드 서비스는 컨테이너 인프라의 관리를 용이하게 하는 솔루션을 제공하고 있다. 그럼에도 불구하고 워터스는 진입 장벽을 낮추는 컨테이너용 엔터프라이즈 애플리케이션 플랫폼이 필요하다고 생각한다. 워터스는 “개발자는 셀프서비스 API에 대한 액세스를 원하지만, 항상 가장 낮은 수준에서 제공되는 것은 아니다. API는 서비스형 VM이나 서비스형 컨테이너가 아니다”라며, “개발자는 생산성을 높이기 위해 서비스형 애플리케이션 런타임 이상의 것이 필요하다”고 강조했다. 주요 클라우드 서비스 업체는 말할 것도 없고 VM웨어, 라파이(Rafay), 미란티스, 큐브스피어, D2IQ 등도 엔터프라이즈 컨테이너 관리의 사용성을 높이기 위해 노력하고 있다. 많은 전문가가 전반적으로 제품의 복잡성을 대폭 줄여야 한다는 데 동의한다. 시스코의 클라우드 네트워킹 및 보안 담당 부사장인 토마스 그라프는 “클라우드 네이티브 오픈소스 기술의 복잡성은 일반 기업이 감당하기에는 너무 높다"고 지적했다. 또, 규정 준수와 보안이 많은 온프레미스 브라운필드 상황에서 클라우드 네이티브 기술 패턴을 채택하는 데 있어 일반적인 장벽이라고 덧붙였다. 클라우드 자원 사용량에 대한 가시성 향상 대부분 기업은 이미 여러 클라우드를 동시에 사용한다. 애널리스트들은 이런 현상이 더욱 보편화될 것이며, 이에 따라 더 많은 크로스 클라우드(Cross Cloud) 관리가 필요하다고 말한다. 가트너의 VP 애널리스트 시드 나그는 “크로스 클라우드 통합 프레임워크에서는 데이터와 워크로드가 통합되어 클라우드 전반에서 협업적으로 운영된다. 이를 통해 모든 클라우드 간 연결, 적응형 보안, 중앙 관리가 가능해질 수 있다”고 설명했다. 클라우드 상의 움직임에 대한 인식을 높이는 방법 중 하나는 어그노스틱 로깅(Agnostic Logging) 메커니즘을 갖추는 것이다. 볼드스타트 벤처스의 파트너인 엘렌 치사는 “쿠버네티스에서 보았던 것과 같은 에너지가 오픈텔레메트리(OpenTelemetry)에서도 나타나기 시작했다”라고 말한다. CNCF의 데이터에 따르면, 2023년 중반에 오픈텔레메트리는 CNCF에서 주관하는 프로젝트 중 두 번째로 빠르게 성장하는 프로젝트였다. 몇 가지 이유로 오픈텔레메트리의 중요성이 커지고 있다. 첫째, 기업은 이제 수많은 로그를 보유하고 있으며, 이 때문에 데이터 비용도 증가하고 있다. 치사는 “기술팀이 이사회와 CFO의 실질적인 예산 압박에 직면하면서 '어떻게 하면 로깅을 비즈니스에 더 유용하게 활용할 수 있을까'에 대한 질문이 더 많아졌다”고 설명했다. 둘째, 오픈텔레메트리는 더 많은 컨텍스트를 통해 프로덕션 환경을 강화할 수 있다. 치사는 “배포의 용이성(코드에서 클라우드로)을 원하는 것과 마찬가지로, 코드를 작성할 때 클라우드에서 일어나는 일에 대한 실제 정보(클라우드에서 코드로)를 원하게 될 것”이라고 덧붙였다. 플랫폼 추상화 및 자동화 향상 오늘날의 퍼블릭 및 프라이빗 클라우드는 IT 인프라를 사용하기가 그 어느 때보다 쉽다. 개발자는 셀프서비스 API와 사용자 친화적인 내부 플랫폼으로 더 많은 제어권을 갖게 됐다. 하지만, 플랫폼 엔지니어링은 여전히 상당한 수고를 필요로 하며 변화가 필요한 상태이다. 업계는 YAML의 잡초에서 벗어나 추상화를 향상시킬 필요가 있다. 라이트벤드의 CTO 요나스 보너는 “차세대 서버리스는 인프라가 전혀 보이지 않는 것”이라고 강조했다. 대신, 내부 개발자 플랫폼의 실제 운영이 운영팀이나 사이트 안정성 엔지니어링(SRE)팀으로부터 아웃소싱되는 미래를 예상한다. 보너는 “우리는 지금 개발자와 운영자가 손을 놓는 법을 배우는 과도기적 단계에 있다”고 덧붙였다. 브로드컴의 워터스는 “엔터프라이즈급 플랫폼을 구축하는 것은 여전히 노동 집약적이며, 시스템의 보안과 확장성을 보장하기 위해 상당한 노력이 필요하다”라며, “플랫폼팀은 개발자가 사전 보안 및 사전 최적화된 방식으로 더 쉽게 사용할 수 있도록 하기 때문에 인프라 혁신에서 중요한 역할을 할 것이다”이라고 말했다. 버셀(Vercel)의 CEO 길레모 라우치는 최신 프레임워크는 “인프라를 완전히 자동화할 수 있다”고 강조했다. 라우치는 프레임워크 정의 인프라가 늘어나고 글로벌 프론트엔드 공간에 대한 투자가 증가할 것으로 예상한다. 또 클라우드 인프라가 애플리케이션별로 프로비저닝(일반적으로 오버프로비저닝)되는 맞춤형 특수 인프라에서 벗어나 개발자 생산성과 비즈니스 민첩성 모두에 도움이 되는 방향으로 발전할 것이라고 말했다. 결국 어떤 형태가 되든 간소화된 내부 플랫폼은 클라우드 인프라가 나아가야 할 방향임이 분명하다. 코스모닉(Cosmonic)의 CEO 리암 랜달은 “오늘날 개발자가 더 이상 개별 서버, 데이터센터 또는 운영체제에 대해 생각하지 않는 것과 마찬가지로, 애플리케이션 기능 및 종속성에 대해 더 이상 걱정하지 않아도 되는 시대로 나아가고 있다"며, “퍼블릭 클라우드가 데이터센터를 유지 관리해 주기를 기대하는 것처럼, 개발자는 플랫폼에서도 공통 애플리케이션 종속성을 유지 관리해 주기를 원한다”고 강조했다. 랜달에 따르면 웹어셈블리가 소프트웨어 추상화의 다음 단계와 컨테이너화를 넘어서는 새로운 시대를 열 것이다. 랜달은 “웹어셈블리 컴포넌트 모델에 기반한 컴포넌트화된 애플리케이션은 서비스 메시, 쿠버네티스, 심지어 컨테이너 자체와 같은 컨테이너 생태계 개념과 호환되지만, 그것에 종속되지는 않다"라고 설명했다. 또 컴포넌트는 콜드 스타트 문제를 해결하고, 컨테이너보다 더 작고, 더 안전하며, 언어와 언어 프레임워크 경계를 넘어 “컴포저블 인프라” 구현이 가능하다고 설명했다. 쿠버네티스 클러스터에 가상화 도입하기 또 다른 발전 영역은 쿠버네티스 내부 가상화이다. 로프트 랩스(Loft Labs)의 CEO 루카스 젠텔은 “리눅스 서버의 하드웨어 가상화를 주도했던 것과 동일한 패러다임이 이제 쿠버네티스에 적용되고 있다"라고 말한다. 첫 번째 이유는 AI와 머신러닝 워크로드로 인해 계속 증가하는 클라우드 컴퓨팅 비용을 해결하기 위해서이다. 이런 시나리오에서는 “컴퓨팅 자원의 공유와 동적 할당이 그 어느 때보다 중요하다”는 것이 젠텔의 설명이다. 두 번째 이유는 클러스터 스프롤을 해결하기 위해서이다. 2022년 CNCF가 조사한 쿠버네티스 사용자의 절반이 10개 이상의 클러스터를 운영하고 있었다. 그러나 사용 중인 클러스터의 수는 다르다. 예를 들어 메르세데스 벤츠는 900개의 클러스터에서 실행된다. 젠텔은 “많은 조직이 쿠버네티스 아키텍처 내에서 멀티테넌시를 달성할 수 있는 안전하고 간단한 방법이 없기 때문에 결국 수백 개의 쿠버네티스 클러스터를 관리하게 된다”고 설명했다. 젠텔에 따르면, 가상 클러스터는 다양한 워크로드에 필요한 보안과 격리를 유지하면서 필요한 물리적 클러스터의 수를 줄일 수 있으므로 자원 오버헤드를 크게 낮추는 동시에 운영 부담을 완화할 수 있다. AI 및 데이터 계층 오케스트레이션 AI의 부상과 함께 클라우드 기반 인프라는 새로운 사용례를 충족하기 위해 성장하고 발전할 것으로 예상된다. 가트너의 시드 나그는 “생성형 AI와 클라우드의 결합은 클라우드 인프라의 판도를 바꿀 다음 변곡점이 될 것”이라고 강조했다. 나그는 “인프라 기반에 GPU, TPU, DPU와 같은 특수 프로세서를 통합하는 것이 핵심이 될 것”이라며, 학습, 추론, 미세 조정과 같은 고유한 AI 요구 사항에 따라 다양한 클라우드 환경에서 이를 수행할 수 있는 기능도 해결해야 한다고 덧붙였다. AI 워크로드의 오케스트레이션은 쿠버네티스가 탁월한 역량을 발휘할 수 있는 분야이다. 퓨어스토리지의 제품 마케팅 디렉터인 라지브 타카르는 “쿠버네티스는 생성형 AI 인프라를 위한 오케스트레이션에서 계속해서 주류 역할을 할 것”이라고 말한다. 타카르는 쿠버네티스를 데이터 과학팀이 GPU 컴퓨팅에 액세스할 수 있는 효율적인 방법으로 보고 있다. 하지만 이런 모델에 필요한 데이터의 양이 방대하기 때문에 퍼시스턴트 스토리지(Persistent Storage)에 대한 지속적인 액세스에 성패가 달려 있다고 덧붙였다. 물론 쿠버네티스에서 스테이트풀 배포를 관리하는 것은 수년 동안 해결해야 할 까다로운 문제였다. 하지만 이제 이 문제를 극복할 수 있을 만큼 기술이 충분히 성숙했다. 퍼코나(Percona)의 CTO 리즈 워너는 “드디어 쿠버네티스의 데이터가 주류가 될 때가 됐다”고 말한다. 워너는 “여전히 '쿠버네티스는 일시적으로 사용하도록 설계됐으니 피해야 한다'는 인식이 있다. 하지만 오늘날의 운영자들은 쿠버네티스를 통해 MySQL, 포스트그레SQL 또는 몽고DB와 같은 오픈소스 데이터베이스를 안정적으로 실행할 수 있다"라고 설명했다. 또, 이렇게 하면 비용 절감, 더 나은 멀티클라우드 및 하이브리드 솔루션, 개발 환경의 시너지 효과를 얻을 수 있다고 덧붙였다. 온프레미스 및 엣지에서의 쿠버네티스 쿠버네티스와 클라우드 네이티브 기술은 클라우드에서 멀리 떨어진 곳에서 새로운 보금자리를 찾기 시작했다. 시스코의 토마스 그라프는 “쿠버네티스의 알려지지 않은 마법의 소스가 있다. 쿠버네티스는 매우 현대적으로 보이고 작동하지만, CPU처럼 40~50년 역호환성이 있다는 점이다"라고 말한다. 클라우드 네이티브 기술이 개발언어를 가리지 않기 때문에 레거시 코드를 처리할 수 있고, 이 때문에 쿠버네티스는 대규모 도입을 위한 최적의 대상이라는 것. 그라프는 “대부분 기업은 향후 10년 동안 표준화할 것이기 때문에 이 기술에 투자하고 있다”고 덧붙였다. 그라프는 “데이터센터의 컨테이너는 비교적인 새로운 개념이다. 이 분야는 앞으로 더 발전할 것”이라고 강조했다. 업계가 이 방향으로 나아간다면 클라우드와 기존 데이터센터 모두에 대해 중복된 노력을 피할 수 있는 현대적이고 보편적인 보안 메커니즘이 필요할 것이다. 그라프는 eBPF가 공통 네트워킹 계층과 플랫폼에 구애받지 않는 방화벽의 핵심 기반이 될 것으로 보고 있다. eBPF는 오픈소스 실리엄(Cilium) 프로젝트에 의해 더 쉽게 접근할 수 있게 된 리눅스 커널을 안전하고 동적으로 프로그래밍할 수 있는 방안이다. 같은 변화가 엣지에서도 새로운 인프라 패러다임을 주도하고 있다. 라이트벤드의 요나스 보너는 “지난 몇 년 동안의 많은 혁신은 모두 탈중앙화를 지향하고 있다"고 강조했다. 사용자가 있는 곳, 즉 엣지에서 사용자를 지원하기 위해 더 작은 아마존 관계형 데이터베이스 서비스 인스턴스와 더 강력한 인프라를 지향하는 추세에 주목한다. 보너는 “데이터를 끊임없이 클라우드로 전송했다가 다시 전송하는 것은 매우 낭비적인 일이다"라며, “데이터와 컴퓨팅이 최종 사용자와 물리적으로 함께 있는 플랫폼이 필요하다”고 지적했다. 보너는 이렇게 하면 높은 처리량, 짧은 지연 시간, 높은 복원력이라는 '삼위일체'를 제공할 수 있다고 말한다. 이런 로컬 우선 개발은 클라우드에 전적으로 의존하는 것이 아니라 데이터 이중화를 위해 클라우드를 사치품으로 취급한다. 그 결과 “클라우드와 엣지는 정말 하나가 되어가고 있다”는 것이 보너의 설명이다. 보너는 이런 분산형 하이브리드 아키텍처의 미래를 실현하려면 데이터 패브릭이 필요하다고 말한다. 동시에 데이터를 엣지 디바이스로 옮길 때 중요한 고려 사항인 격리된 환경으로 인해 웹어셈블리가 컨테이너를 대체하는 유용한 빌딩 블록이 된다. 어디서나 클라우드 네이티브 기능을 실행할 수 있는 K3나 쿠버엣지(KubeEdge)처럼 순정 쿠버네티스를 대체할 수 있는 경량화된 대안도 핵심이 될 것이다. 클라우드 인프라의 미래 실현 클라우드 네이티브 인프라의 주력인 쿠버네티스는 향후 몇 년 내에 더욱 많은 엔터프라이즈 환경에서 사용될 준비가 되어 있다. 퍼시스턴트 데이터, 클러스터 가상화, 플랫폼 엔지니어링, 로깅, 모니터링, 멀티클라우드 관리 도구 등 클라우드 네이티브 생태계가 제공할 수 있는 것의 한계를 계속 넓혀가고 있는 수많은 혁신도 마찬가지이다. 흥미로운 점은 로컬 컴퓨팅이 개선되고 데이터 인그레스 및 이그레스 비용이 증가함에 따라 로컬 우선 개발과 엣지 및 기존 데이터센터에 클라우드 네이티브 도구를 배포하는 방향으로의 전환이 뚜렷하게 나타나고 있다는 점이다. 시스코의 그라프는 “이는 클라우드 네이티브 세계에서는 거의 알려지지 않은 완전히 새로운 수준의 복잡성을 가져온다”고 지적했다. 생성형 AI도 마찬가지로 이 분야에 놀라운 기능을 제공해 점점 더 많은 클라우드 엔지니어링 사례를 자동화할 것이다. 제스티(Zesty)의 수석 엔지니어인 오메르 하머만은 “특히 쿠버네티스의 경우 시스템은 점진적으로 개선되겠지만 AI를 통해 큰 힘을 얻게 될 것이라고 생각한다”라며, “AI가 쿠버네티스와 컨테이너 기반 애플리케이션 배포의 자동화에서 비약적인 도약을 가져올 것”이라고 강조했다. 다른 기술 혁신은 소프트웨어 개발 전반에 걸쳐 우리가 당연하게 여기는 많은 것을 재창조할 준비가 되어 있다. 예를 들어 코스모닉의 랜달은 에지 솔루션 업체가 개발자 플랫폼에서 더 높은 수준의 추상화를 달성하기 위해 웹어셈블리를 사용하는 것에 주목한다. 랜달은 “와즘클라우드와 같은 웹어셈블리 네이티브 오케스트레이터는 다양한 물리적 아키텍처와 기존 쿠버네티스 기반 플랫폼에서 공통의 플러그인 기능을 자동 확장할 수 있다"라며, “웹어셈블리 컴포넌트를 사용하면 미래는 이미 여기에 와 있다. 단지 고르게 분산되어 있지 않을 뿐이다”라고 강조했다. 이는 클라우드 인프라 전반을 적절하게 요약한 말인 것 같다. 미래는 이미 여기에 있으며, 그 대부분은 진보적인 오픈소스 기술에 기반을 두고 있다. 이제 이 미래를 실현하기만 하면 된다. editor@itworld.co.kr
가장 강력하고 유연한 데이터 과학 툴은 프로그래밍 언어다. 불과 몇 줄의 코드라 해도 자체 솔루션이 데이터 과학 문제를 해결하는 유일한 방법인 경우가 종종 있다. 그러나 프로그래밍 언어는 마스터하는 데 시간이 걸리고, 기존 프로그래밍 경험, 문제의 범위, 실행 속도와 개발 속도 중 무엇을 더 중시하는 등을 포함해 언어의 선택에 영향을 미치는 요소도 많다. 이 기사에서는 현대 데이터 과학에 가장 큰 영향을 미치는 세 가지 프로그래밍 언어를 살펴본다. 이 세 언어는 강력한 기능과 속도뿐만 아니라 편의성, 써드파티 라이브러리를 통해 데이터 기반 작업을 구현하는 방법 측면에서도 중요하다. 파이썬 파이썬을 빼고 현대 데이터 과학을 논할 수는 없다. 몇 십년 전에 탄생한 언어지만 데이터 과학을 위한 사실상의 표준 언어가 되면서 지난 10년 동안 폭발적으로 인기가 높아졌다. 여기에는 파이썬의 두 가지 특징이 중요하기 작용한다. 첫째, 파이썬은 프로그램하기가 비교적 쉬운 언어다. 작동하는 소프트웨어 프로토타입을 빠르게 만들고 필요에 따라 점진적으로 성능을 개선해 나갈 수 있다. 다른 언어보다 파이썬을 사용할 때 더 빠르게 데이터 과학 프로젝트를 준비하고 실행할 수 있다. 또한 기존 데이터 과학 커뮤니티에서 파이썬 기반 프로젝트에 사용할 수 있는 빠른 템플릿이 많이 제공된다는 점도 도움이 된다. 두 번째 중요한 특징은 파이썬의 서드파티 라이브러리 생태계다. 어떤 문제에 직면하든 대부분의 경우 다른 사람이 개발해서 패키지로 만들어둔 해결책이 이미 있다. 이 생태계에는 수치 계산 라이브러리(넘파이, 판다스, 폴라스), 그래프 및 플롯 툴(보케, 플로틀리), 재현 가능한 작업을 위한 노트북 환경(주피터), 머신 러닝 및 AI 툴킷(파이토치), 분석 툴(덕DB) 등 데이터 과학을 위한 유용한 툴이 넘칠 만큼 많다. 다만 높은 인기와 매력에도 불구하고 일부 데이터 과학 애플리케이션의 개발과 배포를 어렵게 하는 단점도 존재한다. 파이썬에는 파이썬 애플리케이션을 독립적인 프로그램으로 배포하기 위한 기본 메커니즘이 없다. 파이썬 라이브러리를 작성한다면 이 라이브러리를 패키지화해서 파이PI를 통해 다른 사용자에게 배포할 수 있다. 그러나 이 말은 다른 사용자가 이 코드를 사용하기 위해 파이썬 환경을 설정하는 방법을 알아야 한다는 것을 의미한다. 파이썬 경험이 없는 사람이 간단히 다운로드해서 실행할 수 있도록 파이썬 프로그램을 패키지화하는 것은 훨씬 더 어렵다. 물론 불가능하지는 않다. 다만 어렵고, 파이썬 툴체인에서 기본적으로 지원되지 않는다. 자신이 만든 파이썬 툴을 다른 사람들이 사용할 수 있도록 리패키징하려는 데이터 과학자에게 선택지는 한계가 있다. 다른 사람들이 파이썬을 잘 안다고 전제하고 라이브러리로 배포하거나(파이썬을 모르는 사람들도 있음), 웹 인터페이스를 통해 배포하거나(항상 가능한 방법은 아님), 도커와 같은 컨테이너 시스템을 통해 배포하거나(이 방법 역시 다른 사람에게 익숙하지 않을 수 있음), 서드파티 툴을 사용해서 앱 및 라이브러리와 함께 파이썬 런타임을 패키징하는 방법이 있다(안정성이 보장되지 않음). 또 다른 단점은 네이티브 파이썬 코드의 속도다. CPU 기반 계산을 수행할 때 C, 러스트, 줄리아 또는 다른 언어에 비해 훨씬 더 느리다. 즉, 고성능 파이썬 코드는 일반적으로 파이썬 자체로 작성되지 않아서 사용자와 사용자가 수행하는 작업 사이에 가외의 추상화 수준이 들어갈 수밖에 없다. 네이티브 파이썬의 속도를 높이기 위한 작업이 진행 중이지만 빠른 시일 내에 머신 네이티브 코드와 같은 정도의 속도를 낼 가능성은 높지 않다. 줄리아 2012년에 처음 출시된 줄리아 언어는 데이터 과학자를 위해 만들어진 언어다. 줄리아를 만든 사람들은 파이썬만큼 다루기 쉬우면서 C 또는 포트란만큼 빠르고, 동시에 두 가지 이상의 언어로 작업하지 않아도 최선의 결과를 얻을 수 있는 언어를 목표로 했다. 줄리아의 핵심은 LLVM 컴파일러 시스템을 통한 "Just-In-Time", 즉 JIT 컴파일되는 머신 네이티브 코드다. 줄리아 코드는 파이썬 구문만큼 간소하므로 쉽게 작성해서 빠르게 결과를 얻을 수 있다. 처음에는 컴파일러가 형식을 추론하도록 한 다음 나중에 형식 주석을 제공해 성능을 높일 수 있다. 줄리아의 에는 일반적인 수학 함수(예를 들어 선형 대수 또는 행렬 이론), AI, 통계, 병렬 컴퓨팅 또는 GPU 기반 컴퓨팅 작업을 위한 툴 등 대부분의 일반적인 데이터 과학 또는 분석 작업을 위한 라이브러리가 포함돼 있다. 이러한 패키지 중 다수는 네이티브 줄리아로 작성됐지만 텐서플로우와 같은 잘 알려진 서드파티 라이브러리를 활용하기도 한다. 또한 공유 라이브러리에 기존 C 또는 포트란 코드가 있는 경우 최소한의 오버헤드로 줄리아에서 직접 이를 호출할 수 있다. 데이터 과학자는 빠르게 코드를 작성하고 공유하기 위해 인터랙티브 주피터 노트북 환경을 사용한다. 에 줄리아 코드 지원을 추가한다. 줄리아를 사용할 때의 단점은 무엇일까? 한 가지 문제는 파이썬의 중대한 제약 중 하나와 동일하다. 줄리아 런타임이 없는 다른 사람이 사용할 수 있도록 줄리아 프로그램을 쉽게 번들로 만들 수 있는 방법이 아직 없다. 이 존재하지만 재배포 가능한 앱을 만들기 위한 전체 워크플로우를 처리하는 하나의 "만능" 솔루션은 없다. 또 다른 문제는 줄리아를 배우는 과정에서 일찍 직면하는 을 빠르게 학습한다. 세 번째 잠재적인 장애물은 다른 언어에서는 코어 라이브러리에 포함된, 일반적으로 사용되는 몇 가지 요소가 줄리아에서는 써드파티 항목으로만 제공된다는 점에 있다. 예를 들어 파이썬의 pathlib 라이브러리는 객체 지향적인 파일 경로 처리 방법을 제공한다. 줄리아에서 경로는 기본적으로 문자열로 처리되기 때문에 몇 가지 일반적인 경로 연산이 필요 이상으로 복잡해진다. 러스트 요즘 전반적으로 가장 인기 있는 새로운 언어 중 하나인 러스트는 데이터 과학 분야에서 입지를 높이는 중이다. 개발자는 러스트를 사용하면 실행 속도가 빠르고 진정한 병렬 처리를 사용하며 메모리에 안전하고 많은 버그를 피해가는 데이터 과학 툴을 만들 수 있다. 모두 데이터를 대규모로 다룰 때 중요한 특징이다. 많은 데이터 과학자가 러스트로 개발된 툴을 사용해본 적이 있을 것이다. 예를 들어 데이터프레임을 위한 는 노트북 환경에서 러스트를 사용하기 위한 주피터 커널을 제공한다. 러스트 프로젝트에서 재배포 가능 바이너리 생성하기는 파이썬이나 줄리아를 사용할 때보다 쉬우며 이는 데이터 과학에서 큰 장점이다. 러스트는 프로젝트만이 아니라 데이터 과학 툴(예를 들어 폴라스)을 더 쉽게 만들 수 있게 해준다. 정확성과 메모리 안전성에 대한 러스트의 고집은 가치 있는 특징이면서 가장 큰 단점이기도 하다. 파이썬, 그리고 가끔 줄리아가 실행 속도를 내주고 개발 속도를 얻는다면 러스트는 그 반대다. 러스트는 파이썬이나 줄리아보다 배우기가 어렵고 러스트 프로그램을 작성하는 데는 파이썬이나 줄리아 프로그램보다 더 오랜 시간이 걸릴 수 있다. 이러한 이유로 러스트는 단기간에 프로토타입을 만들어야 하는 프로젝트에는 적합하지 않고, 정확성과 안전성이 더 중요한 프로젝트에 잘 맞는다. 러스트의 안전 기능은 데이터 과학 라이브러리 또는 공개 애플리케이션을 개발하는 데 이상적이지만 내부 전용으로 사용할 프로젝트에는 최선의 선택이 아닐 수 있다. 결론 데이터 과학 용도로 파이썬을 선택해서 잘못될 일은 거의 없다. 가장 빠르거나 재배포하기가 가장 쉬운 솔루션이 되기 위해서는 다른 솔루션에 비해 더 많은 작업이 필요할 수 있지만 지원 범위가 넓고 전체적인 성능도 우수하기 때문이다. 줄리아는 처음부터 데이터 과학을 위해 만들어졌고 전체적으로 더 적은 양의 작업으로 더 빠른 속도를 약속하며 실제로 그 약속을 실현하지만, 독립족인 줄리아 프로그램을 재배포하기가 어려운 단점이 있다. 러스트의 속도와 정확성은 최고 수준이고 그래서 많은 일반적인 데이터 과학 툴에서 선택하는 언어다. 그러나 빠른 반복 또는 빠른 프로토타이핑이 필요한 프로젝트에는 최선의 선택이 아니다. editor@itworld.co.kr
비교적 깨끗하고 복잡하지 않은 윈도우 11 시스템 디스크에 보통 25만 개 이상의 파일과 9만 개 이상의 폴더가 있다. 더 복잡하고 애플리케이션이 많은 시스템 디스크에는 파일이 50만~100만 개까지 있다. 예를 들어, 필자가 현재 사용 중인 윈도우 10 PC에는 290만 개 이상의 파일과 75만 개의 폴더가 있다. 반면에 최신 레노버 요가 슬림 7x 코파일럿+ PC에는 25만 개의 파일과 5만 5,000개의 폴더가 있다. 사실, 이 모든 파일이 꼭 필요한 것은 아니다. 그렇기 때문에 정기적으로 디스크 위생을 실천하는 것이 좋다. 이런 디스크 위생을 실천하는 7단계 과정을 예시와 스크린샷을 통해 알아보자. 미리 말하자면, 여기서 소개하는 디스크 정리를 도와주는 도구는 모두 한 푼도 들지 않는다. 1단계. 윈도우 디스크 정리 도구 실행하기 예전부터 윈도우에는 디스크 공간을 정리하는 유틸리티, 즉 cleanmgr.exe라는 디스크 정리 도구가 포함되어 있다. 윈도우 10과 윈도우 11에서는 스토리지 최적화를 위한 설정 기반 "저장 공간 센스" 기능의 일부로 디스크 공간을 정리하는 추가 도구도 제공한다. 설정이 윈도우 관리 및 제어를 대신함에 따라 디스크 정리가 사라질 것이라는 추측도 있었다. 하지만 디스크 정리 유틸리티는 윈도우 10 22H2 및 윈도우 11 24H2에서 여전히 작동할 준비가 되어 있고, 문제없이 작동한다. 설정 또는 디스크 정리 접근 방식은 불필요한 윈도우 파일을 제거하는 좋은 방법이다. 옵션 A. 디스크 정리 실행 1. 디스크 정리를 실행하려면 시작 메뉴 검색창에 ‘디스크 정리’ 또는 cleanmgr.exe를 입력한다. 2. 디스크 정리 데스크톱 앱이 검색 결과 상단에 표시된다. 가능하면 결과 옵션 메뉴에서 ‘관리자 권한으로 실행’을 선택한다. 그래야만 중복되거나 오래된 운영체제 파일(예: 업그레이드 후 오래된 OS 파일 또는 오래된 업데이트)과 기타 윈도우 잔여 파일을 정리할 수 있기 때문이다. 3. 정리하려는 디스크의 드라이브 문자를 선택한다(대부분 윈도우가 있는 C 드라이브부터 시작한다). 확인 버튼을 클릭하면 디스크 정리가 시작된다. 디스크 정리 도구가 시스템의 C 드라이브를 스캔한 후, 보통은 과 같은 화면을 보여준다. 관리자 권한으로 디스크 정리를 실행하면 이전 윈도우 설치 파일은 물론 다른 파일도 지울 수 있다. 에서는 이전 윈도우 설치 파일만 25.4GB를 차지하며, 총 33.5GB를 절약할 수 있다. 엄청난 용량이다. 4. "삭제할 파일"이라고 표시된 창에서 체크박스 항목을 스크롤해 삭제할 항목을 선택한다. 오른쪽 열의 숫자는 각 항목이 차지하는 디스크 공간의 양을 나타낸다. 이전 버전으로 롤백해야 할지도 모른다면, 이전 OS 버전이나 업데이트는 삭제하지 말자. 또한 다운로드 항목은 개인 다운로드 폴더의 내용을 나타내므로 해당 폴더의 모든 내용이 필요없다고 확신하지 않는 한 삭제하지 않는 것이 좋다. 5. 삭제할 파일을 선택했으면 확인을 클릭한다. 이 프로세스는 종종 완료하는 데 몇 분 정도 걸리기도 한다. 옵션 B. 설정을 통한 정리 윈도우 10에서 설정을 통해 저정 공간을 정리한는 방법은 다음과 같다. 1. 시작> 설정> 시스템> 저장소> 저장 공간 센스 구성 또는 지금 실행> 지금 여유 공간 확보로 이동한다. 2. '지금 여유 공간 확보' 창에서 의 왼쪽 아래에 표시된 ‘지금 정리’ 버튼을 클릭한다. 이렇게 하면 디스크 정리를 실행하고 사용 가능한 모든 상자를 클릭한 것과 거의 동일한 방식으로 임시 파일, 업데이트 또는 업그레이드 파일, 전송 최적화 파일(로컬 네트워크에서 공유하도록 설계되었지만 거의 사용하지 않는 파일), 더 이상 사용하지 않는 장치 드라이버 패키지 등을 제거한다. 휴지통도 비워준다. 디스크 정리를 실행할 때와 마찬가지로 설정의 '지금 공간 확보' 옵션은 실행하는 데 몇 분 정도 걸리는 경우가 많다. 윈도우 11의 설정 기반 정리 윈도우 11에서 설정을 통한 정리는 거의 동일한 방식으로 작동하지만, 모양은 상당히 다릅니다. 1. 시작> 설정> 시스템> 저장소> 저장 공간 센스로 이동한다. 2. 화면 하단의 ‘저장 공간 센스 지금 실행’을 클릭한다(). 이 작업을 수행하면 진행률 표시기에 공이 왼쪽에서 오른쪽으로 순환하고 완료될 때까지 반복되는 등 작업이 진행 중임을 알 수 있다. 2단계. 디스크 클리너 대안으로 PC 매니저 실행하기 마이크로소프트 PC 매니저(PC Manager)는 아주 흥미로운 마이크로소프트 스토어 유틸리티로, 광범위하고 강력하며 놀랍도록 빠른 디스크 정리 기능을 제공한다. 바로 의 왼쪽 하단에 있는 딥 클린업(Deep Cleanup) 기능이다. 1. PC 매니저에서 ‘딥 클린업’을 클릭하기만 하면 과 같이 잠재적인 정리 대상 목록이 포함된 세부 정보 화면이 나타난다. 디스크 정리의 옵션과 매우 유사하지만, 더 상세하다. PC 매니저가 발견한 모든 항목에 대해 사용자가 삭제 여부를 선택할 수 있다. 기본적으로 이 기능은 에서 보는 것처럼 일반적인 의심 항목을 확인한다. 주로 윈도우 업데이트 정리 항목, 오류 보고서, 임시 파일 등이 이미 선택되어 있다. 2. 삭제하려는 추가 항목 옆의 확인란을 선택하고 삭제하지 않으려는 항목은 선택을 취소한다. 3. 선택이 완료되면 오른쪽 상단의 진행 버튼을 클릭해 청소를 시작한다. 작업을 완료하면 "정리 완료"라는 메시지가 표시되고, 확보된 디스크 공간의 총량이 표시된다. 3단계. 언클리너를 실행해 마이크로소프트 도구가 놓친 부분 찾기 캐나다 개발자 조시 셀은 라는 멋진 무료 유틸리티를 만들었다. 이 유틸리티는 윈도우의 기본 제공 유틸리티와 PC 매니저가 잡아내지 못하는 임시 및 더 이상 사용되지 않는 로그 파일을 찾아서 제거할 수 있다. 언클리너를 다운로드하려고 보면, 개발일시가 2012년이라는 것을 알 수 있다. 하지만 걱정할 필요없다. 2024년 중반의 윈도우 10/11 시스템에서 여전히 정상적으로 작동한다. 디스크 정리와 PC 매니저의 딥 클린업을 실행한 PC에서 언클리너를 실행한 결과, 과 같이 개념적으로 깨끗한 상태임에도 불구하고 정리할 파일이 거의 70MB에 달했다. 정리(Clean) 버튼을 클릭만 하면 해당 파일을 제거할 수 있다. 이 작업을 수행한 후 필자의 시스템에서 언클리너의 정리 가능 용량은 50MB 미만으로 떨어졌다. 일부 파일은 윈도우 런타임 제약 조건에 의해 잠겨 있기 때문에 이 도구가 보고하는 모든 파일을 삭제할 수는 없다. 드물지만, 아주 가끔 "양호. 시스템이 매우 깨끗하다”라는 메시지가 표시되기도 한다. 4단계. 더 이상 사용되지 않는 디바이스 드라이버 삭제하기 는 무료 오픈소스 도구로, 깃허브에서 다운로드할 수 있다. 항상 최신 릴리스를 다운로드하기 바란다. 윈도우 드라이버 전문가가 아니라면, RAPR은 오래된 드라이브 선택과 드라이버 삭제라는 두 개의 버튼만 클릭하면 된다. 1. 관리자 권한으로 RAPR을 실행한다. 시작하면 PC의 드라이버 저장소 내용을 스캔하는 데 최대 1분 정도 걸린다. 그런 다음 설치된 드라이버 목록과 체크박스가 표시된다. 2. 화면 오른쪽 상단의 오래된 드라이버 선택 버튼을 클릭하면, 처럼 RAPR이 찾은 구버전 드라이버를 자동으로 표시한다. 동일한 드라이버의 복사본을 여러 개 다운로드하는 것으로 악명 높은 인텔 DSA((Driver and Support Assistant)를 정기적으로 실행하는 테스트 PC를 사용했다. 화면 하단의 텍스트를 주의 깊게 살펴보면 RAPR이 이 PC에서 102개의 중복 또는 더 이상 사용되지 않는 드라이버를 발견했다. 3. 드라이버 삭제 버튼을 클릭하면 RAPR이 강조 표시된 모든 항목을 제거하려고 시도한다. 다행히도 RAPR은 사용 중인 드라이버를 실제로 제거하지 않으므로 놀라울 정도로 안전한 작업이다. 에서 다수의 인텔 블루투스 드라이버가 삭제 대상 항목으로 나타나는 것을 볼 수 있다. 이는 인텔 DSA가 블루투스 드라이버를 계속 설치하기 때문이다. 이로 인해 많은 중복이 발생한다. 표시된 선택 항목은 1GB의 디스크 공간을 복구하고 구버전 드라이버의 수를 102개에서 9개로 줄였다. 대부분 인쇄 나 그래픽 관련 드라이버인데, 윈도우가 고집스럽게 의존한다. RAPR를 실행해 몇 기가바이트를 복구하는 경우도 있지만, 공간 절약 효과가 이보다 더 큰 경우는 드물다. 처음 실행하면 수많은 드라이버 파일을 정리하면서 3~5GB를 복구할 수 있다. 더구나 그래픽 드라이버의 경우 크기가 1GB를 초과하는 경우가 많으므로 빠르게 증가한다. 파워 유저와 전문가라면 RAPR로 더 많은 작업을 할 수 있지만, 일반 사용자는 단순히 오래된 드라이버를 정리하는 기능만으로도 충분히 효과를 얻을 수 있다. 5단계. DISM을 사용하여 구성 요소 저장소 정리하기 윈도우 운영체제 파일은 대부분 구성 요소 저장소라고도 알려진 WinSxS 폴더에 있다. 이 폴더에는 누적 업데이트를 설치한 후, 때로는 다른 업데이트를 설치한 후에 중복되거나 더 이상 사용되지 않거나 고아가 된 요소가 포함될 수 있다. 명령줄에서 DISM(Deployment Image Servicing and Management) 도구를 사용해 정리가 필요한지 여부를 확인할 수 있다. 1. 시작하려면 관리자 권한이 있는 PowerShell 또는 명령 프롬프트 창을 연다. 윈도우 바탕화면에서 윈도우 키와 X를 누른 다음 팝업 메뉴에서 터미널(A)을 선택하거나 시작 메뉴 검색 상자에 powershell을 입력한 다음 윈도우 파워셸을 마우스 오른쪽 버튼으로 클릭하고 관리자 권한으로 실행한다. 관리자 모드의 윈도우 파워셸 창에서 다음 문자열을 입력하고 엔터키를 누르면, 와 같은 결과 화면이 나타날 것이다. dism /online /cleanup-image /analyzecomponentstore 필자는 당시 누적 업데이트 및 기타 업데이트 항목을 막 설치한 참이었다. 놀랍게도 /analyzecomponentstore는 정리할 수 있는 재생 가능한 패키지가 두 개 있다고 보고했다. 결과 화면에서는 "구성 요소 저장소 정리 권장"이라고 표시된 필드에 "그렇다"라고 응답한 것을 확인할 수 있다. 이는 DISM이 사용자를 대신해 정리할 수 있는 항목이 있다는 뜻이다. 2. 이를 실행하려면 다음과 같이 입력한다. dism /online /cleanup-image /startcomponentcleanup 결과는 과 같으며, 정리 결과를 표시하기 위해 /analyzecomponentstore 작업을 추가로 수행한다. /startcomponentcleanup 실행 이후 두 가지 진행률 표시줄(첫 번째는 10%까지만, 다음은 100%까지)에 유의하기 바란다. 이것은 x86 윈도우 버전에서 잘 알려진 DISM의 속임수로, 출력 오류이다. 실제 DISM은 정상적으로 작동한다. 이제 첫 번째와 두 번째 /analyzecomponentstore 작업의 수치를 비교해 보겠다: 컴포넌트 저장소 크기 : 13.66GB 대 9.11GB(차이 4.55GB) 실제 컴포넌트 저장소 크기 : 12.75GB 대 8.80GB(차이 3.95GB) 윈도우와 공유 : 6.81GB vs. 6.78GB(차이 0.03GB) 백업 및 비활성화 기능 : 5.81GB 대 2.02GB(차이 3.79GB) '윈도우와 공유'와 '백업 및 비활성화된 기능'의 절감량을 더하면 3.82GB로, 실제 구성 요소 저장소의 크기(3.95GB)와 거의 비슷하게 절약할 수 있다. 최근에 업데이트된 시스템은 이 기술을 사용하여 최대 4~5GB까지 복구할 수 있다. 6단계. 위즈트리로 시스템 드라이브 검사하기 모든 정리가 완료되면 시스템 드라이브를 검사해 대용량 파일이 어디에 있는지 확인하는 것이 좋다. 이때 필자는 위즈트리(WizTree)라는 무료 소프트웨어를 사용한다. 위즈트리는 디스크 콘텐츠를 트리맵 다이어그램을 생성해 대용량 파일과 폴더를 쉽게 찾을 수 있다. C 드라이브를 검사하라면 다음과 같이 진행한다. 1. WizTree 애플리케이션을 실행한다. 2. 왼쪽 상단의 파일 및 옵션 메뉴 바로 아래에 있는 풀다운 목록에서 C: 드라이브를 스캔 대상으로 선택한다( 참조). 3. 선택한 드라이브 오른쪽에 있는 스캔 버튼을 클릭한다. 선택한 드라이브에 대한 트리맵 다이어그램이 빠르게 생성되며, 대용량 드라이브의 경우에도 보통 1분 이내에 생성된다. 4TB 히타치 하드디스크를 스캔하는데 10초 이내에 완료됐다. 은 필자의 레노버 요가 슬림 7x 코파일럿+ PC의 C 드라이브를 그래픽으로 나타낸 것이다. 이 상황에서는 큰 파일을 제거하면 디스크 공간 복구에 매우 유리하다. 여기서 가장 큰 파일은 오른쪽 중앙 근처의 황록색으로 표시된 시스템 최대 절전 모드 파일(hiberfile.sys)과 시스템 페이지 파일(pagefile.sys)이다. 각각 6.1GB와 1.0GB이다. 그 다음으로 큰 파일은 USMT.PPKG이다. 간단히 조회해보면 이 파일은 윈도우 앱 파일과 설정을 스냅샷하는 데 사용되는 사용자 상태 마이그레이션 도구(USMT)에서 출력된 것이다. 윈도우 커뮤니티에 따르면, 이 정보는 윈도우 복구 환경(WinRE)의 일부이므로 보관할 가치가 있다고 한다. 실제로 최근에 재구축한 이 윈도우 설치에서 정리할 만한 뚜렷한 후보가 보이지 않는다. 하지만 어쨌든 USMT.PPKG 파일을 예로 들어 보겠다. 이 파일을 제거하는 방법은 다음과 같다: 1. 원하는 파일 위에 커서를 놓는다. 2. 마우스 오른쪽 버튼을 클릭해 팝업 메뉴를 표시한다. 3. 팝업 메뉴에서 삭제(아래에서 두 번째 항목)를 클릭해 선택한 파일을 제거한다. 트리맵에서 다른 '큰 블록'을 클릭하면 큰 공간을 복구할 수 있는 위치를 빠르게 파악할 수 있다. 예를 들어 페이징 파일과 최대 절전 모드 파일은 남아 있어야 하므로 모두 제거할 수는 없지만, 일부만 제거할 수 있다면 공간을 크게 절약할 수 있다. 필자의 경우에는 더 이상 원하지 않거나 필요하지 않은 윈도우 ISO 파일인 경우가 많다. 보통 4GB~6GB의 디스크 공간을 차지하므로, 하나씩 버리면 그 자체로 공간을 절약할 수 있다. 7단계. 사용하지 않거나 원치 않는 윈도우 앱 제거하기 디스크의 어수선한 부분을 정리하고 싶다면 사용하지 않는 앱을 제거하는 것이 좋다. 방법은 다음과 같다: 1. 설정> 앱> 설치된 앱(윈도우 11의 경우) 또는 설정> 앱> 앱 및 기능(윈도우 10의 경우)을 클릭한다. 현재 대상 PC에 설치된 모든 앱의 목록이 표시됩니다. 2. 각 앱의 오른쪽에 줄임표가 있는데, 클릭하면 더 많은 옵션이 표시된다. 앱 옆의 점 3개 아이콘을 클릭하면, 수정, 복구, 제거의 3가지 옵션 중 일부 또는 전부가 포함된 팝업 메뉴가 표시됩니다: 3. 사용하지 않는 앱은 제거 버튼을 클릭하기만 하면 쉽게 제거할 수 있다. 마이크로소프트 엣지, 마이크로소프트 스토어, 설정 앱 자체 등 일부 예외를 제외하고 사용하지 않는 항목을 선택하면 앞서 설명한 다른 정리 권장 사항에 따라 해당 항목이 차지하는 디스크 공간을 복구할 수 있다. 필자는 더 이상 사용하지 않는 서드파티 앱을 제거하고 마이크로소프트의 기본 제공 앱은 그대로 두는 편을 선호한다. 자신에게 가장 적합한 방법을 선택하는 것이 좋다. 연습이 완벽함을 만든다 이런 정리를 주기적으로 수행하면 디스크 공간을 훨씬 더 잘 제어할 수 있다. 직접 시도해 보면 무슨 말인지 곧 알게 될 것이다. 필자는 적어도 한 달에 한 번씩 정리한다. 그리고 사용자 폴더(특히 계정 하위 폴더)에는 정크 파일이 자주 쌓이는 경향이 있으므로 수시로 살펴보는 것도 잊지 말자. 이 폴더는 에서 보는 것처럼 C 드라이브에서 다른 최상위 폴더와 함께 쉽게 찾을 수 있다. 모든 작업이 끝나면 깨끗해진 컴퓨터를 행복하게 즐길 수 있다. editor@itworld.co.kr
고백하자면, 필자는 자동차 수리에 대해 부끄러울 정도로 아는 것이 거의 없으며, 생명을 의지하는 가전제품을 고치지도 못한다. 솔직히 거의 고칠 뻔한 적은 몇 번 있다. 심지어 벽에 액자 하나 제대로 못 걸고 망가뜨린 적이 한두 번이 아니다. 하지만 안드로이드 폰에 관해서는 사실상 현대의 정비공이라고 할 수 있다. 물론, 인상적인 모습은 아니다. 멋진 전동 공구도 없고 이름이 새겨진 작업복도 없다. 다만 오랫동안 안드로이드를 사용하고 공부했다. 충분히 오랫동안 어떤 것에 관심을 기울이다 보면 기본 패턴이 반복해서 나타나기 마련이다. 사실 매끈하고 반짝이는 스마트폰은 때때로 '마법처럼' 보이지만 궁극적으로 하나의 디바이스에 불과하다. 그리고 대부분 사용자가 휴대폰에서 겪는 문제는 꽤나 일관성 있다. 즉, 자신의 디바이스이든 동료의 디바이스든 관계없이 한 가지만 해결하면 다른 문제도 큰 어려움 없이 해결할 수 있는 확률이 높다. 안드로이드 폰에 대한 가장 일반적인 불만 사항과 이런 상황에서 필자가 제가 제안하는 가장 간단한 해결법을 모았다. 이 해법을 자신의 고장 난 안드로이드 폰에 적용하거나 다른 사람의 디바이스를 고쳐주면, 작업복을 입든 입지 않든 모바일 정비공이 된 기쁨을 느낄 수 있을 것이다. 안드로이드 문제 #1. 저장 용량 부족 한정된 공간이라는 오래된 문제이다. 휴대폰의 저장 공간이 부족해지기 시작하면 "쓸모없는 물건을 닥치는 대로 모아두는 사람은 되지 말자”라고 다짐하는 것이 좋다. 물론, 이런 정도의 다짐으로 해결될 문제라면 디지털 팩랫(Digital Packrat) 같은 말은 생기지도 않았을 것이다. 하지만 진지하게 생각해보면, 요즘은 특히 클라우드 동기화가 간편하고 자동화된 관리가 쉬운 안드로이드 환경에서는 스마트폰에 뭔가를 직접 저장할 필요가 별로 없다. 먼저 구글 포토 앱을 설치하고 모든 사진과 동영상을 촬영할 때 백업하도록 설정하자. 이렇게 하면 로컬 사본을 삭제할 수 있을 뿐만 아니라 현재 사용 중인 안드로이드 폰을 분실하거나 고장 난 경우에도 언제 어떤 디바이스에서든 모든 추억에 액세스할 수 있는 좋은 방법이 되며, 이것만으로도 엄청난 용량을 확보할 수 있다. 둘째, 구글의 Files by Google 앱을 설치한다. 이 앱은 클라우드 동기화 이미지의 로컬 복사본, 정크 파일, 중복 파일, 기타 쉽게 제거할 수 있는 것들을 포함해 휴대폰 저장 공간에 숨어 있는 불필요한 공간을 모두 표시해 주고, 탭 한 번으로 간편하게 정리할 수 있는 버튼을 제공한다. 앱 왼쪽 상단에 있는 세 줄 메뉴 아이콘을 탭한 다음 '정리'를 선택하면 시작된다. 구글 픽셀 폰 사용자라면, 시스템 설정의 저장소 섹션에서 "스마트 저장소"라고 표시된 줄을 탭한다. 여기에서 저장 공간이 다시 부족해지기 시작할 때마다 이미 백업된 사진 및 동영상의 중복 사본을 자동으로 제거하도록 설정할 수 있다. 안드로이드 문제 #2. 기대 이하의 배터리 사용시간 안드로이드 배터리 사용시간에 대해 하루 종일 이야기할 수 있지만, 즉각적인 변화를 가져올 수 있는 가장 빠른 방법은 화면 설정을 조정하는 것이다. 먼저 화면을 아래도 두 번 스와이프하면 나타나는 빠른 설정 패널 또는 시스템 설정의 디스플레이 섹션에서 화면 밝기를 낮추자. 디스플레이는 디바이스의 다른 어떤 부분보다 많은 전력을 소모하며, 화면 밝기를 낮출수록 편안하게 사용할 수 있고 한 번 충전으로 휴대폰을 더 오래 사용할 수 있다. 최신 디바이스는 대부분 현재 환경에 따라 밝기 수준을 자동으로 조정하는 '적응형 밝기' 옵션을 찾을 수도 있다. 둘째, '화면 시간 초과' 설정(시스템 설정의 디스플레이 섹션에도 있음)을 허용 가능한 한 낮은 값으로 설정한다. 사용하지 않을 때 화면이 켜져 있는 시간이 적을수록 불필요하게 소모되는 휴대폰의 배터리 전력을 줄일 수 있다. 편의성이 문제라면, 휴대폰을 특정 각도로 들고 있을 때(즉, 적극적으로 보고 있음을 나타냄) 또는 특정 앱이 열려 있을 때 화면이 자동으로 켜지도록 구성할 수 있다. 마지막으로, 시스템 설정의 동일한 디스플레이 영역에서 어두운 테마 옵션을 찾아보자. 어두운 색상은 대부분의 인터페이스에서 기본적으로 밝은 색상에 비해 전력을 덜 소비하는 경향이 있으므로 항상 어두운 테마로 전환하거나 일몰에서 일출까지 일정에 따라 전환하면 휴대폰 배터리 사용시간을 상당히 연장할 수 있다. 배터리 부족의 또 다른 일반적인 원인은 필요 이상으로 많은 자원을 사용하는 앱이다. 백그라운드 업데이트와 완전히 불필요한 새로 고침(페이스북 페이징 등)을 지나치게 공격적으로 수행하는 앱을 말한다. 시스템 설정의 배터리 섹션에서 배터리 사용량 분석을 통해 이런 문제를 일으키는 앱을 찾아낸 다음, 완전히 제거하거나 적극적으로 사용하지 않을 때는 앱의 기능을 제한할 수 있다. 안드로이드 문제 #3. 너무 많은 블로트웨어 구글 픽셀 폰을 사용하지 않는 한, 안드로이드 디바이스에는 불필요한 제조업체 제공 서비스(안녕하세요, 삼성!)부터 이동통신사가 추가한 쓰레기 앱(고도의 기술 용어를 사용하지만)에 이르기까지 원하지 않는 많은 정크 앱이 설치되어 있다. 하지만 걱정할 필요는 없다. 대부분의 경우 완전히 제거할 수는 없더라도 최소한 눈에 띄지 않게 숨길 수 있기 때문이다. 가장 간단한 방법은 시스템 설정의 앱 섹션에서 설치된 애플리케이션의 전체 목록을 찾는 것이다. 원하지 않는 앱이 보이면 해당 이름을 탭한 다음 제거 버튼을 찾거나 제거 버튼이 없는 경우 사용 안 함 명령을 찾는다. 이 방법으로 모든 것을 완전히 제거할 수는 없지만(빅스비 호출 등), 상당한 양의 혼란을 제거할 수 있다. 안드로이드 문제 #4. 홈 화면이 엉망인 경우 사용하지도 않는 내장 검색창부터 보고 싶지 않은 뉴스 스트림까지, 안드로이드 폰의 홈 화면은 처음부터 최적화되어 있지 않은 경우가 많다. 하지만 디바이스 제조업체가 제공하는 대로만 살 필요는 없다. 안드로이드 세계에는 휴대폰의 기본 홈 화면 설정과 앱 서랍 배치를 완전히 대체할 수 있는 다양한 서드파티 런처가 있다. 그리고 거의 모든 취향과 작업 스타일에 맞는 런처가 있기 마련이다. 안드로이드 문제 #5. 느리게 실행되는 휴대폰 우리 인간과 마찬가지로 스마트폰도 시간이 지남에 따라 가상 지능이 마모되면서 속도가 느려지는 경향이 있다. 하지만 포유류의 두뇌와는 달리 휴대폰의 응답 속도는 실제로 개선될 수 있다. 저장 공간 정리, 사용하지 않는 앱(휴대폰에 사전 설치되어 있는 앱과 직접 설치했지만 더 이상 사용하지 않는 앱 모두) 제거, 최적의 홈 화면 환경을 위한 맞춤형 런처 사용 등 방금 살펴본 몇 가지 사항만으로도 눈에 띄는 차이를 만들 수 있다. 그 외에도 불필요한 백그라운드 활동 제거, 모바일 웹 경험 압축, 가벼운 버전의 앱으로 전환 등 몇 가지 단계를 통해 전반적인 기기 속도를 의미 있게 향상시킬 수 있다. 마지막으로, 가장 눈에 띄는 영향을 미칠 수 있는 안드로이드 시스템 설정이 있다. 이 설정은 안드로이드 접근성 설정에 묻혀 있지만 거의 모든 사용자에게 도움이 될 것이다. 픽셀 폰이라면 시스템 설정의 접근성 섹션으로 이동하자. 화면의 '디스플레이' 영역에서 '색상 및 모션'을 탭한다. "애니메이션 제거"라고 표시된 줄을 찾아 토글키를 켠다. 삼성 삼성 갤럭시 디바이스라면, "시각 개선 기능"을 탭한 다음. "애니메이션 줄이기"라고 표시된 줄을 찾아 토글키를 켜면 된다. 다른 안드로이드 디바이스를 사용하는 경우에는 옵션의 정확한 위치와 문구가 다소 다를 수 있지만, 시스템 설정의 접근성 섹션에서 찾아보거나 설정 영역에서 애니메이션이라는 단어를 검색하면 찾을 수 있다. 이제 홈 화면으로 돌아가서 앱 서랍을 열고, 알림 패널을 아래로 스와이프하고, 앱에 들어갔다 나왔다 하는 등 휴대폰을 조작해 보자. 모든 것이 이전보다 훨씬 더 빠르게 느껴질 것이다. 안드로이드 문제 #6. 지속적인 지연(또는 기타 이상한 동작) 휴대폰이 약간 느려지는 것 이상으로 느려지거나 일반적으로 설명할 수 없는 이상한 일이 발생하는 경우, 악성 앱이 원인일 가능성이 높다. 이를 확인하는 가장 쉬운 방법은 휴대폰을 안전 모드라는 특수 상태로 부팅하는 것이다. 안전 모드를 사용하면 추가 앱이 없는 기본 환경으로 전환되므로 추가 변수가 없으면 정상적으로 작동하는지 확인할 수 있다. 정상적으로 작동한다면 앱이 문제를 일으켰다고 확신할 수 있다. 휴대폰에서 안전 모드로 들어가려면 평소 휴대폰을 끌 때 사용하는 것과 같은 화면의 전원 아이콘을 길게 누른다. 그러면 옵션이 표시되는데, 일시적인 것이므로 사용 후 다음에 재부팅하면 모든 것이 정상으로 돌아간다. 안전 모드에서 문제가 해결되지 않는다면, 가장 좋은 다음 단계는 공장 초기화를 수행하는 것이다. 물론, 중요한 데이터가 동기화되거나 어딘가에 백업되어 있는지 확인한 다음에 해야 한다. 공장 초기화 후 디바이스에 다시 로그인할 때 앱 복원 옵션을 수락하지 말고 완전히 백지 상태에서 시작하면 된다. 이 시점에서는 휴대폰이 완벽하게 작동해야 한다. 그런 다음 필요에 따라 수동으로 하나씩 천천히 앱을 다시 추가할 수 있다. 도중에 문제가 다시 발생하더라도 가장 최근에 다시 설치한 앱이 문제라는 것을 알 수 있으므로 문제의 원흉을 쉽게 좁힐 수 있다. 또한 재설정을 하면 그 자체로 휴대폰이 이전보다 더 빠르고 원활하게 작동하는 것을 느낄 수 있을 것이다. 새 출발을 위해 주기적으로 초기화를 수행해 거미줄을 청소해주는 것도 좋은 방법이다. 안드로이드 문제 #7. 너무 민감한 화면 회전 휴대폰은 세로 및 가로 방향으로 모두 작동하도록 설계되어 있지만, 센서가 약간 과민하게 반응해 원하는 것보다 더 자주 화면을 넘기게 되는 경우가 있다. 하지만 몇 가지 쉬운 해결책이 있다: 먼저, 최신 픽셀 디바이스라면, 시스템 설정의 디스플레이 섹션으로 이동해 "화면 자동 회전"이라고 표시된 줄을 누른다. 토글이 아닌 단어를 선택해야 한다. 다음에 표시되는 화면에서 '자동 회전 사용'과 '얼굴 인식'의 토글이 모두 켜짐 및 활성화 위치에 있는지 확인한다. 이렇게 하면 휴대폰이 전면 카메라를 사용해 특정 순간에 화면과 관련해 내 얼굴이 어느 방향에 있는지 감지한 다음 화면의 방향을 일치시킬 수 있다. 픽셀 이외의 휴대폰을 사용하거나 얼굴 인식 설정이 원하는 방식으로 작동하지 않는 경우, 자동 회전 기능을 완전히 비활성화한 다음 화면 방향을 직접 결정할 수 있다. 구글의 핵심 안드로이드 인터페이스를 따르는 모든 휴대폰에서는 시스템 설정의 디스플레이 섹션에서 '자동 회전 사용' 옆의 토글을 끄기만 하면 된다. 삼성 갤럭시에서는 이 기능이 시스템 설정에 전혀 표시되지 않지만, 휴대폰 상단의 빠른 설정 영역에서 토글을 찾을 수 있다. '자동 회전'이라고 표시된 아이콘을 찾아서 한 번 누르면 비활성화된다. 이제부터는 디바이스를 회전할 때마다 화면 방향이 자동으로 변경되지 않고 대신 화면 모서리에 작은 아이콘이 표시되는데, 이 아이콘을 눌러 화면 방향을 변경하거나 그대로 둘 수 있다. 안드로이드 문제 #8. 작은 텍스트 휴대폰의 글씨가 너무 작다면 시스템 설정의 접근성 섹션에서 두 가지 옵션을 시도해 보자. '글꼴 크기'를 사용하면 휴대폰 전체에 표시되는 텍스트의 크기가 커지고, '디스플레이 크기' 또는 '화면 확대/축소'를 사용하면 화면의 모든 항목의 크기가 커진다. 픽셀 휴대폰이나 구글의 표준 안드로이드 인터페이스를 따르는 디바이스에서는 시스템 접근성 설정의 '디스플레이 크기 및 텍스트' 영역에 두 옵션이 모두 있다. 삼성 갤럭시는 '시각 개선'을 탭한 다음 '글꼴 크기 및 스타일' 또는 '화면 확대/축소' 중 하나를 선택해야 한다. 안드로이드 문제 #9. 성가신 알림 지나치게 공격적인 앱이든, 지나치게 공격적인 문자이든, 원치 않는 알림이 표시되면, 알림을 손가락으로 길게 눌러 알림을 원천적으로 차단하기 바란다. 그러면 관련 유형의 알림을 완전히 끌 수 있는 일종의 제어판이 나타나거나, 알림이 계속 표시되지만 적극적으로 주의를 요구하지 않도록 무음으로 설정할 수 있다. 정말 교묘하게 느껴진다면 안드로이드 알림에 강력한 필터를 만들어 다양한 유형의 알림이 작동하는 방식을 정확하게 사용자 지정하고 제어할 수 있으며, 원한다면 유사한 알림을 요약하고 보류 중인 항목 목록을 덜 압도적으로 만들 수도 있다. 안드로이드 문제 #10. 연락처 수수께끼 지금은 2024년이다. 연락처는 휴대폰에서만 액세스할 수 있어야 하며, 한 장치에서 다른 장치로 연락처를 '전송'하기 위해 번거로운 과정을 거칠 필요가 없어야 한다. 구글이 아닌 다른 업체에서 만든 휴대폰을 사용하는 경우, 연락처 앱으로 이동해 제조업체의 자체 동기화 서비스가 아닌 구글 계정과 정보를 동기화하도록 설정되어 있는지 확인하기 바란다. 삼성 갤럭시는 기본적으로 자체 서비스와 연락처를 동기화하는 경향이 있으므로 특히 주의해야 한다. 한 휴대폰에서만 해당 정보에 액세스하고 싶고 앞으로도 영원히 삼성에서 만든 휴대폰만 구매할 계획이라면 괜찮지만, 그 외의 경우에는 이 설정이 적합하지 않다. 이 설정을 변경하면 연락처가 구글 주소록과 동기화되므로 로그인한 모든 컴퓨터와 구글 주소록 안드로이드 앱을 설치한 모든 휴대폰에서 구글 주소록 웹사이트 내에서 항상 연락처를 즉시 사용할 수 있다. 안드로이드 문제 #11. 통화 종료 문제 전화를 끊으려고 애쓰는데 화면이 빨리 다시 켜지지 않아 당황한 적이 있는가? 아니면 화면은 켜지는데 끊으라는 명령이 바로 표시되지 않는가? 안드로이드 접근성 옵션을 사용하면 휴대폰의 물리 전원 버튼을 눌러 전화를 끊을 수 있다. 올바른 아이콘을 찾거나 휴대폰을 내려다볼 필요 없이 휴대폰의 옆면 버튼을 한 번만 누르면 된다. 시스템 설정의 접근성 섹션에서 '전원 버튼으로 통화 종료' 옵션을 찾기만 하면 된다. 픽셀 폰을 비롯한 구글의 표준 안드로이드 인터페이스를 따르는 다른 디바이스에서는 해당 영역의 '시스템 제어' 하위 메뉴에 있다. 삼성 갤럭시에서는 "입력 및 동작"를 탭한 다음 "전화 받기 및 끊기"를 탭해야 찾을 수 있으며, "측면 버튼을 눌러 통화 종료"라고 표시되어 있다. 안드로이드 문제 #12. 휴대폰 멈춤 가장 짜증 나는 안드로이드 문제 중 하나는 휴대폰이 어떤 프로세스에서 멈춰서 응답하지 않거나 전원이 꺼진 상태에서 멈춰서 전원이 켜지지 않는 것이다. 하지만 아무리 심각한 상황이라도 거의 항상 해결책이 있다. 가장 간단한 방법은 하드 재부팅이다: 디바이스에 따라 전원 버튼만 30초에서 1분 동안 길게 누르거나 전원 버튼과 볼륨 작게 또는 볼륨 크게 버튼을 함께 같은 시간 동안(또는 진동이 느껴지고 화면에 무언가가 나타날 때까지) 길게 누르면 된다. '시작'이라는 이상한 메뉴가 표시되고 안드로이드 로봇 그림이 표시되더라도 걱정할 필요는 없다. 전원 버튼을 다시 누르면 휴대폰이 정상적으로 부팅된다. 이 과정에서 아무 일도 일어나지 않으면 배터리가 방전되지 않았는지 확인하기 위해 몇 시간 동안 휴대폰을 꽂아 둔 다음 다시 시도해보자. 그래도 문제가 해결되지 않고 휴대폰을 꽂았을 때 디스플레이에 표준 배터리 표시 그래픽조차 표시되지 않는다면, 마지막 안드로이드 문제에 해당하는 것이다. 안드로이드 문제 #13. 충전되지 않는 휴대폰 마지막으로 모든 안드로이드 문제를 끝낼 수 있는 문제인 충전이 되지 않는(따라서 배터리가 완전히 방전된 후에도 전원이 켜지지 않는) 안드로이드 폰이 있다. 필자도 이런 경험이 있다. 하드웨어 관련 결함일 가능성도 있지만, 금방 해결할 수 있는 문제일 가능성도 상당히 높다. 이렇게 해보자. 이쑤시개나 종이 클립 끝 같은 것을 가지고 휴대폰의 충전 포트 안쪽을 아주 조심스럽게 아주 부드럽게 파서 보푸라기나 이물질을 제거하자. 괜한 소리처럼 들리겠지만, 가끔 그 부분에 이물질이 너무 많이 쌓이면 전원 케이블이 제대로 연결되지 않아 디바이스를 충전할 수 없거나 연결이 제대로 되지 않아 충전이 제대로 이루어지지 않을 수 있다. 또는 연결이 왔다 갔다 하면서 충전이 제대로 이루어지지 않을 수 있다. 이물질을 제거한 후에 휴대폰을 다시 연결해 어떤 문제가 발생하는지 확인하자. 배터리가 완전히 방전된 경우에는 결과를 확인하기 전에 잠깐 플러그를 꽂아 두어야 할 수도 있다. 하지만 이 방법이 효과가 있을 확률이 꽤 높으며, 휴대폰은 몇 분 안에 다시 사용할 수 있다. 때로는 가장 간단한 해결책이 가장 만족스러운 해결책일 때도 있다. editor@itworld.co.kr
윈도우 PC는 놀랍도록 강력하고 유연하다. 각종 서드파티 앱을 설치하지 않아도 그렇다. 윈도우에는 유용한 기능이 많지만, 이런 기능을 실제로 알고 있는 사람은 드물다. class="image" ⓒ Rui Silvestre/Unsplash 여기서는 대학교에서 사용하는 노트북을 한 단계 업그레이드하고자 하는 대학생을 위해 노트 필기, 프로젝트 조사, 또는 기타 작업에 도움이 되는 윈도우의 알려지지 않은 기본 기능을 소개한다. 라이브 캡션 class="image" ⓒ Foundry 윈도우 11에는 오디오를 듣고 즉시 읽을 수 있는 캡션을 자동으로 생성하는 라이브 캡션(Live Captions)이라는 기능이 있다. 이 기능은 동영상을 시청할 때 작동하지만, 마이크로 녹음한 오디오에서도 작동한다. 라이브 캡션은 사용자가 강의실에 앉아 강의를 듣거나 녹화된 동영상을 시청할 때 음성 텍스트 변환 기술을 사용해 듣는 내용을 읽을 수 있는 텍스트로 변환한다. 시작 메뉴에서 '라이브 캡션'을 검색하고 라이브 캡션 앱을 실행하기만 하면 된다. 모든 윈도우 11 PC에서 사용할 수 있으며, 작동하려면 인터넷 연결이 필요하다. 코파일럿+ PC를 사용할 경우 라이브 캡션 기능은 오프라인에서도 작동하며 다른 언어 간의 실시간 번역도 지원한다. 클립보드 기록 class="image" ⓒ Foundry 텍스트를 복사해 붙여넣을 때마다 이전에 복사한 내용을 덮어쓴다고 생각할 수 있지만, 그렇지 않다. 윈도우 11의 클립보드 기록 기능은 복사한 모든 텍스트와 이미지를 추적한다. 일반적인 붙여넣기는 마지막으로 복사한 내용을 붙여넣는다. 이 작업을 하는 Ctrl + V 단축키 대신 Windows + V 단축키를 사용하면 이전에 복사한 항목 중에서 선택할 수 있다. 아직 클립보드 기록 기능을 활성화하지 않았다면 활성화하라는 메시지가 표시된다. 클립보드 기록 기능을 사용하면 항목을 '고정'할 수도 있어 나중에도 편리하게 액세스할 수 있다. 윈도우의 대표적인 생산성 기능이다. 손글씨로 텍스트 입력 class="image" ⓒ Ashkan Forouzani / Unsplash 일부 윈도우 노트북은 정전식 펜을 지원한다. 이런 펜 지원 PC는 원노트와 같은 뛰어난 노트 작성 앱에서 손글씨 메모, 수학 방정식, 다이어그램 등을 훨씬 쉽게 작성할 수 있어 대학생에게 좋은 선택이다. 윈도우 11에서는 훨씬 더 유용하다. 필기 인식 기능 덕분에 모든 앱에서 펜 입력이 작동한다. 펜으로 텍스트 필드에 직접 글을 쓰면 윈도우가 즉시 텍스트로 변환한다. 받아쓰기 class="image" ⓒ Foundry 윈도우 11에는 받아쓰기 기능이 내장돼 있어 생각을 소리 내어 말하면 바로 텍스트로 받아쓰기할 수 있다. 즉, 휴대폰처럼 음성으로 입력할 수 있다. Windows + H 단축키를 사용하면 윈도우 11 받아쓰기 도구가 열린다. 터치스크린이 있는 PC를 사용하는 경우에는 터치 키보드의 마이크 버튼을 탭하여 실행할 수도 있다. 데스크톱 앱처럼 사용하는 웹 앱 class="image" ⓒ Foundry 스토어에서 다운로드한 앱이 실제로는 브라우저에서 실행되는 웹사이트에 불과한 경우가 많다. 사용하는 모든 웹 페이지와 웹 앱을 수십 개의 탭으로 열어 두는 것이 싫은가? 윈도우 11에서는 웹 페이지와 웹 앱을 윈도우 '앱'으로 전환할 수 있다. 이런 앱은 작업 표시줄에서 자체 아이콘을 가지고 있으며, 일반적인 데스크톱 앱과 거의 동일한 느낌을 준다. 지메일, 스포티파이, 슬랙처럼 24시간 내내 열어 두는 단일 페이지 웹 앱 사용 시 특히 편리하다. 스티커 메모 class="image" ⓒ Microsoft 마이크로소프트 원노트는 훌륭한 노트 필기 애플리케이션이지만, 너무 복잡할 수 있다. 여기저기 간단한 메모만 적고 싶다면 스티커 메모(Sticky Notes) 앱을 사용해 보기를 바란다. 윈도우 11에는 시작 메뉴에서 'Sticky Notes'를 검색해 실행할 수 있는 스티커 메모 앱이 내장돼 있다. 이 앱은 메모를 바탕화면에 고정하거나 간단한 목록 형식으로 보관할 수 있으며, PC와 다른 기기 간에 동기화도 지원한다. 휴대폰과 동기화할 때는 원노트 모바일, 안드로이드용 마이크로소프트 런처, 윈도우용 아웃룩을 통해 메모에 액세스할 수 있다. 이모지 메뉴 class="image" ⓒ Foundry 윈도우에는 이모지를 위한 편리한 빠른 삽입 도구가 내장돼 있다. Windows + . 또는 ; 단축키를 사용하면 도구에 액세스할 수 있다. 윈도우에서 제공하는 모든 이모지를 모든 애플리케이션과 문서에 삽입할 수 있다. 메뉴를 호출한 후 단어를 입력하면 이모지를 검색할 수도 있다. 텍스트 편집 단축키 class="image" ⓒ 76 / Unsplash Ctrl 키는 텍스트 편집에 꼭 필요한 수많은 키보드 단축키를 제공한다. 필자가 가장 좋아하는 부분은 개별 문자가 아닌 단어 전체에 이런 텍스트 편집 동작을 적용할 수 있다는 점이다. 예를 들면 다음과 같다. 일반적으로 백스페이스 키를 누르면 한 문자만 삭제된다. 하지만 Ctrl + 백스페이스 키를 누르면 단어 전체를 삭제한다. 이 기능은 삭제 키를 비롯한 많은 단축키와 함께 작동한다. 또 다른 예는 텍스트 선택이다. Shift 키를 누른 상태에서 ← 또는 → 키를 눌러 개별 문자를 선택할 수 있다. 하지만 Ctrl + Shift + ← 또는 → 키를 사용하면 한 번에 전체 단어를 선택할 수 있다. Ctrl + Shift + Home 또는 End 키를 사용하면 한 번의 키 입력으로 전체 텍스트를 선택해 페이지 상단(Home)으로 올라가거나 하단(End)으로 내려간다. 동적 잠금 class="image" ⓒ Foundry 노트북을 사용하든 PC를 사용하든, 대학교 캠퍼스와 같은 공공장소에서는 컴퓨터를 사용하지 않을 때마다 잠그는 것이 좋다. 이미 단축키(Windows + L)를 사용하거나 절전 모드에 들어갈 때마다 자동으로 잠기는 설정을 사용하고 있을 것이다. 하지만 윈도우 11에는 휴대폰이 컴퓨터에서 멀어지는 것을 감지해 자동으로 잠그는 '동적 잠금'이라는 더 좋은 선택지도 있다. '설정 앱 → 계정 → 로그인 옵션 → 동적 잠금'에서 이 기능을 설정할 수 있다. 존재 감지 기반 잠금 class="image" ⓒ Ernest Ojeh / Unsplash 존재 감지 센서(Presence Sensor)가 탑재된 최신 노트북은 휴대폰을 사용할 필요도 없다. 사용자가 컴퓨터에서 멀어지는 것을 감지해 자동으로 잠그고, 다시 앉으면 자동으로 잠금이 해제된다. 얼굴 인식 기능이 있는 윈도우 헬로(Windows Hello)를 설정한 경우 자동으로 다시 로그인할 수 있다. 집중 세션 class="image" ⓒ Foundry 포모도로(Pomodoro) 기법을 아는가? 25분간 집중력을 유지하고 5분간 쉬는 시간 관리 방법론이다. 포모도로 기법을 사용하는 대부분 사람은 타이머를 사용해 작업과 휴식의 전환 시기를 파악한다. 윈도우 11에는 포모도로 타이머가 내장돼 있다. 시작 메뉴에서 시계 앱을 연 다음, '집중 세션' 기능을 활성화하면 된다. 집중하는 동안에는 모든 윈도우 시스템 알림과 앱 알림이 차단된다. 집중하는 동안 적절한 음악이 재생되도록 스포티파이 계정을 연결할 수도 있다. 방해 금지 모드 class="image" ⓒ Foundry 윈도우에는 집중할 때 시끄러운 알림을 끄는 방해 금지 모드 기능이 있다. 방해 금지 모드는 스마트폰에서는 오랫동안 인기 있는 기능이었지만, 윈도우 PC에는 오랫동안 이런 기능이 없었다. 윈도우 11에서 방해 금지 모드를 사용하려면 Windows + N을 눌러 알림 센터를 연 다음, 오른쪽 상단에 있는 'Z가 있는 종' 아이콘을 클릭한다. 윈도우 10에서는 일시적으로 알림을 비활성화하려면 포커스 어시스트(Focus Assist)라는 설정을 활성화해야 한다. 휴대폰과 동기화 class="image" ⓒ Microsoft 윈도우를 사용하면 PC에서 휴대폰에 쉽게 접근하고 제어할 수 있다. 스마트폰 운영체제에 따라 프로세스와 기능은 다르다. 아이폰을 사용하는 경우, 윈도우용 아이클라우드 앱을 설치한다. 설정이 완료되면 아이클라우드 사진을 사진 앱에 연결하고 윈도우 내에서 탐색할 수 있다. 또한 드라이브, 암호, 연락처, 캘린더 및 책갈피를 비롯한 아이클라우드의 다른 기능과도 통합할 수 있다. 안드로이드 휴대폰을 사용하는 경우, 시작 메뉴에서 '휴대폰과 연결' 앱을 연다. 이 앱을 설정하면 PC에서 문자를 보내고, 휴대폰의 알림을 관리하고, 카메라 롤에서 사진을 찾아보고, 사진을 PC로 복사하여 붙여넣기할 수 있다. 화면 캡처 및 녹화 class="image" ⓒ Foundry 최신 윈도우 PC에는 강력한 화면 캡처 도구가 내장되어 있습니다. 윈도우 11에서는 '캡처 도구'라고 부른다. Windows + Shift + S 단축키를 누르면 바로 실행할 수 있다. 캡처 도구가 열리면 화면 상단에 오버레이 표시줄이 나타난다. 이 막대를 사용해 원하는 스크린샷 유형(직사각형, 윈도우, 전체 화면 또는 자유형)을 선택한다. 그런 다음 클릭하거나 드래그하여 캡처할 항목을 선택하면 알림이 표시된다. 알림을 클릭해 스크린샷을 저장하기 전에 편집할 수 있다. 캡처 도구에는 화면을 동영상으로 녹화하는 기능이 포함돼 있다. 화면 상단의 오버레이 표시줄에서 비디오 카메라 아이콘으로 전환한 다음 캡처하려는 영역 위에 직사각형을 그리면 된다. 이전 버전의 파일 복원 class="image" ⓒ Foundry 윈도우에서는 파일의 이전 버전을 검색하는 여러 가지 방법을 제공한다. 파일이 마이크로소프트의 원드라이브 클라우드 저장소에 동기화된 경우, 파일 탐색기에서 파일을 찾아 마우스 오른쪽 단추로 클릭한 다음 '원드라이브 버전 기록'을 선택할 수 있다. 클라우드 저장소 서비스에 동기화되지 않고 PC에만 저장된 파일이라면 '파일 기록(File History)' 기능을 설정해 선택한 파일 및 폴더를 정기적으로 외장 드라이브에 백업할 수 있다. 백업본에서 파일의 이전 버전을 복원할 수 있다. 분실 노트북 추적 class="image" ⓒ Foundry 대학교에서 노트북을 사용한다면 분실이나 도난에 대비한 비상 계획을 세워야 한다. 한 가지 옵션은 윈도우에 내장된 노트북 추적 기능을 사용하는 것이다. 이를 통해 원격으로 노트북을 잠글 수 있다. 노트북은 셀룰러 연결이 되지 않을 가능성이 높기 때문에 스마트폰에서 지원하는 위치 추적 기능만큼 유용하지는 않을 것이다. 추적 기능을 사용하려면 노트북이 와이파이에 연결되어 있어야 하며, 절전 모드에 있으면 안 된다. 완벽하지는 않더라도 여전히 유용하다. 캠퍼스에서 노트북을 분실하더라도 와이파이에 연결된 상태로 유지되면 추적할 수 있다. 물론 노트북 분실 전에 이 기능을 활성화해야 한다. '설정 앱 → 개인 정보 및 보안 → 내 장치 찾기'로 이동해 설정을 활성화하면 나중에 마이크로소프트 계정 페이지에서 노트북을 추적할 수 있다. 고급 계산기 class="image" ⓒ Foundry 윈도우에 내장된 계산기 앱은 보기보다 훨씬 강력하다. 앱 메뉴를 열면 공학용 계산기, 그래프, 통화 및 측정 단위 변환 도구 등 다양한 모드가 숨어 있다. 빠른 동영상 편집 class="image" ⓒ Foundry 윈도우에는 마이크로소프트의 클립챔프(Clipchamp) 동영상 편집기가 함께 제공되지만, 운영체제 내에 또 다른 유용한 동영상 도구가 숨겨져 있다. 이 기능을 사용하면 동영상 파일을 빠르게 잘라 크기가 더 작은 동영상 파일로 저장할 수 있다. 파일 탐색기에서 동영상 파일을 '사진' 앱으로 열면 이 작업을 수행할 수 있다. 왼쪽 상단의 도구 모음에서 '자르기' 버튼을 클릭하고 자르고 싶은 구간을 설정해 저장하면 된다. 빠른 사진 편집 class="image" ⓒ Foundry 사진 앱에 내장된 기능에 놀랐는가? 사진 앱은 단순한 사진 뷰어가 아니다. 간단한 자르기 및 편집이 필요할 때 훌륭한 사진 편집기로도 사용할 수 있다. 앱에서 이미지를 연 후 도구 모음에서 '편집' 버튼을 클릭하면 이미지 편집 도구에 액세스할 수 있다. 이미지 자르기, 마크업, 조명 조정, 필터 적용, 심지어 배경이나 사진 속 특정 요소를 지우는 생성형 AI 기능을 제공한다. 배터리 소모량 통계 class="image" ⓒ Foundry 누구나 노트북 배터리 수명을 늘리고 싶어 한다. 노트북 배터리가 생각보다 훨씬 빨리 소모된다면 어떤 앱이 가장 크게 영향을 미치는지 살펴보는 것이 도움이 된다. 윈도우가 배터리 소모량을 추적해 문제를 해결할 수 있도록 도와준다. 윈도우 11 설정 앱에서 '시스템 → 전원 및 배터리'로 이동한다. '배터리 사용량' 항목을 확장하면 앱별 배터리 사용량을 확인할 수 있다. 윈도우 10에서는 '설정 → 시스템 → 배터리'에서 세부 정보를 확인할 수 있다. editor@itworld.co.kr
윈도우 PC는 놀랍도록 강력하고 유연하다. 각종 서드파티 앱을 설치하지 않아도 그렇다. 윈도우에는 유용한 기능이 많지만, 이런 기능을 실제로 알고 있는 사람은 드물다. 여기서는 대학교에서 사용하는 노트북을 한 단계 업그레이드하고자 하는 대학생을 위해 노트 필기, 프로젝트 조사, 또는 기타 작업에 도움이 되는 윈도우의 알려지지 않은 기본 기능을 소개한다. 라이브 캡션 윈도우 11에는 오디오를 듣고 즉시 읽을 수 있는 캡션을 자동으로 생성하는 라이브 캡션(Live Captions)이라는 기능이 있다. 이 기능은 동영상을 시청할 때 작동하지만, 마이크로 녹음한 오디오에서도 작동한다. 라이브 캡션은 사용자가 강의실에 앉아 강의를 듣거나 녹화된 동영상을 시청할 때 음성 텍스트 변환 기술을 사용해 듣는 내용을 읽을 수 있는 텍스트로 변환한다. 시작 메뉴에서 '라이브 캡션'을 검색하고 라이브 캡션 앱을 실행하기만 하면 된다. 모든 윈도우 11 PC에서 사용할 수 있으며, 작동하려면 인터넷 연결이 필요하다. 코파일럿+ PC를 사용할 경우 라이브 캡션 기능은 오프라인에서도 작동하며 다른 언어 간의 실시간 번역도 지원한다. 클립보드 기록 텍스트를 복사해 붙여넣을 때마다 이전에 복사한 내용을 덮어쓴다고 생각할 수 있지만, 그렇지 않다. 윈도우 11의 클립보드 기록 기능은 복사한 모든 텍스트와 이미지를 추적한다. 일반적인 붙여넣기는 마지막으로 복사한 내용을 붙여넣는다. 이 작업을 하는 Ctrl + V 단축키 대신 Windows + V 단축키를 사용하면 이전에 복사한 항목 중에서 선택할 수 있다. 아직 클립보드 기록 기능을 활성화하지 않았다면 활성화하라는 메시지가 표시된다. 클립보드 기록 기능을 사용하면 항목을 '고정'할 수도 있어 나중에도 편리하게 액세스할 수 있다. 윈도우의 대표적인 생산성 기능이다. 손글씨로 텍스트 입력 일부 윈도우 노트북은 정전식 펜을 지원한다. 이런 펜 지원 PC는 원노트와 같은 뛰어난 노트 작성 앱에서 손글씨 메모, 수학 방정식, 다이어그램 등을 훨씬 쉽게 작성할 수 있어 대학생에게 좋은 선택이다. 윈도우 11에서는 훨씬 더 유용하다. 필기 인식 기능 덕분에 모든 앱에서 펜 입력이 작동한다. 펜으로 텍스트 필드에 직접 글을 쓰면 윈도우가 즉시 텍스트로 변환한다. 받아쓰기 윈도우 11에는 받아쓰기 기능이 내장돼 있어 생각을 소리 내어 말하면 바로 텍스트로 받아쓰기할 수 있다. 즉, 휴대폰처럼 음성으로 입력할 수 있다. Windows + H 단축키를 사용하면 윈도우 11 받아쓰기 도구가 열린다. 터치스크린이 있는 PC를 사용하는 경우에는 터치 키보드의 마이크 버튼을 탭하여 실행할 수도 있다. 데스크톱 앱처럼 사용하는 웹 앱 스토어에서 다운로드한 앱이 실제로는 브라우저에서 실행되는 웹사이트에 불과한 경우가 많다. 사용하는 모든 웹 페이지와 웹 앱을 수십 개의 탭으로 열어 두는 것이 싫은가? 윈도우 11에서는 웹 페이지와 웹 앱을 윈도우 '앱'으로 전환할 수 있다. 이런 앱은 작업 표시줄에서 자체 아이콘을 가지고 있으며, 일반적인 데스크톱 앱과 거의 동일한 느낌을 준다. 지메일, 스포티파이, 슬랙처럼 24시간 내내 열어 두는 단일 페이지 웹 앱 사용 시 특히 편리하다. 스티커 메모 마이크로소프트 원노트는 훌륭한 노트 필기 애플리케이션이지만, 너무 복잡할 수 있다. 여기저기 간단한 메모만 적고 싶다면 스티커 메모(Sticky Notes) 앱을 사용해 보기를 바란다. 윈도우 11에는 시작 메뉴에서 'Sticky Notes'를 검색해 실행할 수 있는 스티커 메모 앱이 내장돼 있다. 이 앱은 메모를 바탕화면에 고정하거나 간단한 목록 형식으로 보관할 수 있으며, PC와 다른 기기 간에 동기화도 지원한다. 휴대폰과 동기화할 때는 원노트 모바일, 안드로이드용 마이크로소프트 런처, 윈도우용 아웃룩을 통해 메모에 액세스할 수 있다. 이모지 메뉴 윈도우에는 이모지를 위한 편리한 빠른 삽입 도구가 내장돼 있다. Windows + . 또는 ; 단축키를 사용하면 도구에 액세스할 수 있다. 윈도우에서 제공하는 모든 이모지를 모든 애플리케이션과 문서에 삽입할 수 있다. 메뉴를 호출한 후 단어를 입력하면 이모지를 검색할 수도 있다. 텍스트 편집 단축키 Ctrl 키는 텍스트 편집에 꼭 필요한 수많은 키보드 단축키를 제공한다. 필자가 가장 좋아하는 부분은 개별 문자가 아닌 단어 전체에 이런 텍스트 편집 동작을 적용할 수 있다는 점이다. 예를 들면 다음과 같다. 일반적으로 백스페이스 키를 누르면 한 문자만 삭제된다. 하지만 Ctrl + 백스페이스 키를 누르면 단어 전체를 삭제한다. 이 기능은 삭제 키를 비롯한 많은 단축키와 함께 작동한다. 또 다른 예는 텍스트 선택이다. Shift 키를 누른 상태에서 ← 또는 → 키를 눌러 개별 문자를 선택할 수 있다. 하지만 Ctrl + Shift + ← 또는 → 키를 사용하면 한 번에 전체 단어를 선택할 수 있다. Ctrl + Shift + Home 또는 End 키를 사용하면 한 번의 키 입력으로 전체 텍스트를 선택해 페이지 상단(Home)으로 올라가거나 하단(End)으로 내려간다. 동적 잠금 노트북을 사용하든 PC를 사용하든, 대학교 캠퍼스와 같은 공공장소에서는 컴퓨터를 사용하지 않을 때마다 잠그는 것이 좋다. 이미 단축키(Windows + L)를 사용하거나 절전 모드에 들어갈 때마다 자동으로 잠기는 설정을 사용하고 있을 것이다. 하지만 윈도우 11에는 휴대폰이 컴퓨터에서 멀어지는 것을 감지해 자동으로 잠그는 '동적 잠금'이라는 더 좋은 선택지도 있다. '설정 앱 → 계정 → 로그인 옵션 → 동적 잠금'에서 이 기능을 설정할 수 있다. 존재 감지 기반 잠금 존재 감지 센서(Presence Sensor)가 탑재된 최신 노트북은 휴대폰을 사용할 필요도 없다. 사용자가 컴퓨터에서 멀어지는 것을 감지해 자동으로 잠그고, 다시 앉으면 자동으로 잠금이 해제된다. 얼굴 인식 기능이 있는 윈도우 헬로(Windows Hello)를 설정한 경우 자동으로 다시 로그인할 수 있다. 집중 세션 포모도로(Pomodoro) 기법을 아는가? 25분간 집중력을 유지하고 5분간 쉬는 시간 관리 방법론이다. 포모도로 기법을 사용하는 대부분 사람은 타이머를 사용해 작업과 휴식의 전환 시기를 파악한다. 윈도우 11에는 포모도로 타이머가 내장돼 있다. 시작 메뉴에서 시계 앱을 연 다음, '집중 세션' 기능을 활성화하면 된다. 집중하는 동안에는 모든 윈도우 시스템 알림과 앱 알림이 차단된다. 집중하는 동안 적절한 음악이 재생되도록 스포티파이 계정을 연결할 수도 있다. 방해 금지 모드 윈도우에는 집중할 때 시끄러운 알림을 끄는 방해 금지 모드 기능이 있다. 방해 금지 모드는 스마트폰에서는 오랫동안 인기 있는 기능이었지만, 윈도우 PC에는 오랫동안 이런 기능이 없었다. 윈도우 11에서 방해 금지 모드를 사용하려면 Windows + N을 눌러 알림 센터를 연 다음, 오른쪽 상단에 있는 'Z가 있는 종' 아이콘을 클릭한다. 윈도우 10에서는 일시적으로 알림을 비활성화하려면 포커스 어시스트(Focus Assist)라는 설정을 활성화해야 한다. 휴대폰과 동기화 윈도우를 사용하면 PC에서 휴대폰에 쉽게 접근하고 제어할 수 있다. 스마트폰 운영체제에 따라 프로세스와 기능은 다르다. 아이폰을 사용하는 경우, 윈도우용 아이클라우드 앱을 설치한다. 설정이 완료되면 아이클라우드 사진을 사진 앱에 연결하고 윈도우 내에서 탐색할 수 있다. 또한 드라이브, 암호, 연락처, 캘린더 및 책갈피를 비롯한 아이클라우드의 다른 기능과도 통합할 수 있다. 안드로이드 휴대폰을 사용하는 경우, 시작 메뉴에서 '휴대폰과 연결' 앱을 연다. 이 앱을 설정하면 PC에서 문자를 보내고, 휴대폰의 알림을 관리하고, 카메라 롤에서 사진을 찾아보고, 사진을 PC로 복사하여 붙여넣기할 수 있다. 화면 캡처 및 녹화 최신 윈도우 PC에는 강력한 화면 캡처 도구가 내장되어 있습니다. 윈도우 11에서는 '캡처 도구'라고 부른다. Windows + Shift + S 단축키를 누르면 바로 실행할 수 있다. 캡처 도구가 열리면 화면 상단에 오버레이 표시줄이 나타난다. 이 막대를 사용해 원하는 스크린샷 유형(직사각형, 윈도우, 전체 화면 또는 자유형)을 선택한다. 그런 다음 클릭하거나 드래그하여 캡처할 항목을 선택하면 알림이 표시된다. 알림을 클릭해 스크린샷을 저장하기 전에 편집할 수 있다. 캡처 도구에는 화면을 동영상으로 녹화하는 기능이 포함돼 있다. 화면 상단의 오버레이 표시줄에서 비디오 카메라 아이콘으로 전환한 다음 캡처하려는 영역 위에 직사각형을 그리면 된다. 이전 버전의 파일 복원 윈도우에서는 파일의 이전 버전을 검색하는 여러 가지 방법을 제공한다. 파일이 마이크로소프트의 원드라이브 클라우드 저장소에 동기화된 경우, 파일 탐색기에서 파일을 찾아 마우스 오른쪽 단추로 클릭한 다음 '원드라이브 버전 기록'을 선택할 수 있다. 클라우드 저장소 서비스에 동기화되지 않고 PC에만 저장된 파일이라면 '파일 기록(File History)' 기능을 설정해 선택한 파일 및 폴더를 정기적으로 외장 드라이브에 백업할 수 있다. 백업본에서 파일의 이전 버전을 복원할 수 있다. 분실 노트북 추적 대학교에서 노트북을 사용한다면 분실이나 도난에 대비한 비상 계획을 세워야 한다. 한 가지 옵션은 윈도우에 내장된 노트북 추적 기능을 사용하는 것이다. 이를 통해 원격으로 노트북을 잠글 수 있다. 노트북은 셀룰러 연결이 되지 않을 가능성이 높기 때문에 스마트폰에서 지원하는 위치 추적 기능만큼 유용하지는 않을 것이다. 추적 기능을 사용하려면 노트북이 와이파이에 연결되어 있어야 하며, 절전 모드에 있으면 안 된다. 완벽하지는 않더라도 여전히 유용하다. 캠퍼스에서 노트북을 분실하더라도 와이파이에 연결된 상태로 유지되면 추적할 수 있다. 물론 노트북 분실 전에 이 기능을 활성화해야 한다. '설정 앱 → 개인 정보 및 보안 → 내 장치 찾기'로 이동해 설정을 활성화하면 나중에 마이크로소프트 계정 페이지에서 노트북을 추적할 수 있다. 고급 계산기 윈도우에 내장된 계산기 앱은 보기보다 훨씬 강력하다. 앱 메뉴를 열면 공학용 계산기, 그래프, 통화 및 측정 단위 변환 도구 등 다양한 모드가 숨어 있다. 빠른 동영상 편집 윈도우에는 마이크로소프트의 클립챔프(Clipchamp) 동영상 편집기가 함께 제공되지만, 운영체제 내에 또 다른 유용한 동영상 도구가 숨겨져 있다. 이 기능을 사용하면 동영상 파일을 빠르게 잘라 크기가 더 작은 동영상 파일로 저장할 수 있다. 파일 탐색기에서 동영상 파일을 '사진' 앱으로 열면 이 작업을 수행할 수 있다. 왼쪽 상단의 도구 모음에서 '자르기' 버튼을 클릭하고 자르고 싶은 구간을 설정해 저장하면 된다. 빠른 사진 편집 사진 앱에 내장된 기능에 놀랐는가? 사진 앱은 단순한 사진 뷰어가 아니다. 간단한 자르기 및 편집이 필요할 때 훌륭한 사진 편집기로도 사용할 수 있다. 앱에서 이미지를 연 후 도구 모음에서 '편집' 버튼을 클릭하면 이미지 편집 도구에 액세스할 수 있다. 이미지 자르기, 마크업, 조명 조정, 필터 적용, 심지어 배경이나 사진 속 특정 요소를 지우는 생성형 AI 기능을 제공한다. 배터리 소모량 통계 누구나 노트북 배터리 수명을 늘리고 싶어 한다. 노트북 배터리가 생각보다 훨씬 빨리 소모된다면 어떤 앱이 가장 크게 영향을 미치는지 살펴보는 것이 도움이 된다. 윈도우가 배터리 소모량을 추적해 문제를 해결할 수 있도록 도와준다. 윈도우 11 설정 앱에서 '시스템 → 전원 및 배터리'로 이동한다. '배터리 사용량' 항목을 확장하면 앱별 배터리 사용량을 확인할 수 있다. 윈도우 10에서는 '설정 → 시스템 → 배터리'에서 세부 정보를 확인할 수 있다. editor@itworld.co.kr
페이스북이 개발해 모두가 사용할 수 있도록 오픈소스 표준으로 공개한 그래프QL(GraphQL)은 REST API의 대안을 표방한다. 그래프QL은 REST와 마찬가지로 웹 기반 API를 만들고 소비하는 방법을 제공하지만, 쿼리와 반환된 데이터는 형식 스키마와 유형 시스템을 사용해 일관성을 보장한다. 여기서는 그래프QL API 설계와 구현의 기본 사항을 살펴보고 여러 가지 주요 고려 사항과 이 과정에서 내리게 되는 의사 결정에 대해 알아본다. 그래프QL 언어와 프레임워크 웹 애플리케이션 API로 그래프QL을 사용할 계획이라면 이미 사용 중인 언어 및 데이터 구성요소가 이를 지원할 가능성이 높다. 그래프QL 라이브러리는 프로덕션에 사용되는 거의 모든 주요 언어에 제공된다. 클라이언트는 C#/닷넷, 고, 자바, 안드로이드, 자바스크립트, 스위프트/오브젝티브 C, 파이썬용으로 제공되며 서버 라이브러리는 그보다 더욱 광범위하게 지원된다. 완전히 새로 시작한다 해도 다른 프로젝트에서 가장 익숙한 언어와 런타임, 데이터 계층을 선택하는 것이 최선이다. 그래프QL은 서버나 클라이언트에 많은 제약을 두지 않으며 데이터베이스를 가리지 않는다. 다만 데이터 계층에 따라 얼마간의 수동 통합이 필요할 수는 있다. (이 부분에 대해서는 다음 섹션에서 더 자세히 살펴본다.) 여기서는 참고용으로 그래프QL의 파이썬 구현을 사용한다. 개념과 기능은 다른 언어에서도 대체로 동일하다. 그래프QL의 데이터 쿼리 스키마 그래프QL은 다양한 계층 구조의 강한 유형의 필드에서 구성된 쿼리를 받는다. 그래프QL API를 만들 때 가장 잘 생각해야 하는 부분은 쿼리에 제공할 스키마다. 많은 경우 쿼리 필드를 기반 데이터 소스에 일 대 일로 매핑해서 쿼리를 위해 데이터베이스(또는 다른 데이터 소스)의 모든 관련 필드를 노출할 수 있다. 그래프QL 쿼리는 REST 쿼리에 비해 훨씬 더 제약이 없고 다양할 수 있으므로 처음부터 쿼리 가능한 필드와 이러한 필드를 데이터베이스에 매핑할 계획을 세워야 한다. 예를 들어, 영화를 위한 데이터베이스 테이블이 있고 이 테이블에 title과 year(정수)가 있다면 다음과 같은 그래프QL을 사용할 수 있다. type Character { title: String! year: Int } String 뒤에 나오는 !는 필드가 필수임을 의미하므로, 이 쿼리를 수행하려면 최소한 제목은 필요할 것이다. 또한 그래프QL을 통해 노출하는 필드가 기반 데이터와 정확히 일치하는 유형을 사용하도록 해야 한다. 예를 들어 그래프QL에는 기본 "date" 또는 "datetime" 데이터 유형이 없다. 사용 가능한 구현이 매우 다양하다는 것이 주된 이유다. 날짜 범위에 따른 검색을 허용하려면 API를 통해 가져온 날짜의 서식을 강제하고, 쿼리할 때 이러한 날짜 요청이 백엔드 데이터베이스에 적절한 유형으로 변환되도록 해야 한다. 사용 중인 프레임워크에 따라 이 작업이 이미 이뤄졌을 수도 있다. 파이썬에서 인기 있는 그래프QL 라이브러리인 그래핀(Graphene)은 ISO8601 형식의 날짜시간 값을 유형 네이티브로 제공하므로 직접 처리할 필요가 없다. 데이터 집합에 많은 필드가 있다면 복잡한 유형 강제가 불필요한 최소 기능 하위 집합을 노출하는 것부터 시작한다(예를 들어, 간단한 문자열 또는 숫자 쿼리). 그런 다음 사용 중인 그래프QL 커넥터를 통해 쿼리를 구현하는 방법을 파악하면서 사용 가능한 필드를 점진적으로 확대할 수 있다. 그래프QL 데이터 저장과 검색 백엔드에 데이터를 저장하고 검색하려면 일반적으로 사용 중인 언어의 그래프QL 라이브러리에서 지원하는 미들웨어를 사용한다. 많은 경우 일반적인 애플리케이션 프레임워크의 데이터 계층을 통해 그래프QL이 이 작업을 수행하도록 할 수 있다. 예를 들어 파이썬의 그래프QL용 그래핀 라이브러리는 장고(Django) 웹 프레임워크와 함께 장고의 내장된 ORM을 지원한다. 그래핀은 SQL알케미(SQLAlchemy) ORM을 지원하며, 인기 있는 스탈렛(Starlette)과 패스트API(FastAPI) 프레임워크에 대한 지원도 추가됐다. 또한 구글 앱 엔진의 데이터 커넥터, 릴레이 자바스크립트 프레임워크(리액트에 사용됨)와 상호운용이 가능하다. 이런 구성요소에 의해 기술되지 않은 데이터 계층을 사용하는 경우 그래핀의 미들웨어와 DataLoader 객체를 사용해 빈 틈을 채울 수 있다. 이 둘은 데이터 계층에 필요한 통합을 수동으로 연결할 수 있게 해준다. DataLoader를 사용하면 관련 데이터에 대한 여러 개의 통시 요청을 합쳐서 백엔드를 오가는 횟수를 줄일 수 있다. 한편 이 중 어느 것도 애플리케이션의 아무 계층에서 직접 캐싱을 수행하는 것을 막지는 않는다. 예를 들어 반환하는 응답은 프록시를 사용하여 캐시할 수 있고, 백엔드 데이터는 멤캐시드(Memcached) 또는 레디스를 사용해 캐시할 수 있다. 다만 데이터가 변경될 때마다 이러한 캐시를 비우는 작업도 직접 챙겨야 한다. 그래프QL 쿼리와 뮤테이션 그래프QL은 "뮤테이션(mutation) 쿼리"라고 하는 특정 쿼리 형식을 사용해서 데이터 집합에서 요소를 생성, 업데이트하거나 삭제한다. 이러한 쿼리가 작동하는 방식, 즉 어느 쿼리를 허용하고 어느 필드를 요구할지 뿐만 아니라 뮤테이션 후 쿼리에서 어떤 데이터를 반환할지에 대해서도 잠시 생각해 보자. 뮤테이션 쿼리를 설계할 때 원하는 수만큼의 출력 필드를 반환하도록 허용할 수 있다. 그러나 응답 객체를 한두 계층 이상으로 중첩하는 것은 대체로 좋은 생각이 아니다. 그렇게 하면 쿼리 자체를 볼 때, 그리고 결과를 처리하기 위한 코드를 작성할 때 모두 결과를 구문 분석하기가 어렵기 때문이다. 또 다른 중요한 주의 사항은 오랜 REST API 설계 습관이 뮤테이션 쿼리 작성 방식에 영향을 미치지 않도록 하는 것이다. 예를 들어 동일한 객체에 대한 여러 종류의 변경을 처리하기 위해 여러 뮤테이션 쿼리를 만드는 대신(REST에서 일반적인 패턴) 하나의 뮤테이션 쿼리로 통합할 수 있다. 이를 위한 한 가지 방법은 이 예제의 "upvote/downvote"와 같이 별도의 비선택적 필드를 사용해서 가능한 각 작업을 기록하는 것이다. 또 다른 방법은 값 필드와 열거형을 함께 사용해서 이 값으로 원하는 동작을 기술하는 것이다. 열거형의 한 가지 큰 장점은 모호하지 않은 명확성이다. 즉, 열거형을 사용해서 정확하게 의도를 반영할 수 있으므로 고도의 자체 문서화가 가능하다. 어느 언어든 언어의 그래프QL 라이브러리는 대부분 언어 자체의 개념 구현과 일치하는 열거형을 사용할 방법을 제공한다. 예를 들어 파이썬용 그래핀의 그래프QL 열거형은 파이썬 표준 라이브러리 enum 클래스와 상당히 비슷해 보일 수 있다. 그래프QL 캐싱과 성능 가속화 내부적으로 그래프QL 쿼리는 다른 쿼리와 마찬가지로 데이터를 폴링하고 검색한다. 즉, API 쿼리 속도를 높이기 위해 사용되는 많은 방법을 똑같이 사용해서 가속화할 수 있다. 캐싱 : 데이터베이스를 백엔드로 두거나 프론트엔드에서 데이터를 반환하는 모든 서비스는 두 끝단 모두에서 캐싱을 통한 이점을 얻을 수 있다. 단, 이러한 캐시의 만료에 대한 책임은 여러분 각자에게 있음을 유의해야 한다. 따라서 앞서 그래핀용으로 설명한 것과 같은 그래프QL 프레임워크의 미들웨어 후크를 사용해서 만료를 트리거해야 할 수 있다. 가능한 고유 식별자를 사용해서 클라이언트 측 캐싱을 지원하는 것이 좋다. 커서와 페이지 매김 : 클라이언트와 서버의 과부하를 방지하기 위해서는 요청에 한 번에 반환하는 레코드의 수에 대한 기본 상한선이 필요하다. 또한 클라이언트가 반환할 레코드의 최대 수와 요청할 레코드의 "페이지"를 명시적으로 기술하도록 허용하는 것이 좋다. 공식 그래프QL 문서에서 그래프QL 요청 형식에 페이지 매김 메타포를 통합하는 방법에 관한 몇 가지 유용한 팁을 볼 수 있다. 그래프QL 툴 다양한 언어용으로 제공되는 라이브러리 외에, 그래프QL에는 클라이언트, 서버, 스키마, 쿼리 처리 계층을 더 쉽게 개발하기 위한 다음과 같은 다양한 네이티브 및 서드파티 툴이 있다. 아폴로 그래프QL(Apollo GraphQL)은 그래프QL 클라이언트와 그래프QL 서버를 포함한 그래프QL을 위한 오픈소스 툴을 만드는 데 전력한다. 또한 아플로 그래프QL은 그래프QL 스키마를 생성 및 모킹하고 여러 API를 하나의 API로 "이어 붙이기" 위한 일련의 유틸리티인 그래프QL 툴도 유지관리하면서 여러 API 엔드포인트를 통합하고 관리 편의성을 높인다는 그래프QL의 목표를 추구한다. 기존 스웨거(Swagger) 생성 API를 그래프QL로 이식하려는 경우 스웨거2그래프QL(Swagger2GraphQL)을 사용하면 된다. 또한 이 툴은 레거시 스웨거 생성 API를 함께 유지하도록 허용하므로 전환 기간 동안 두 가지 표준을 모두 사용할 수 있다. 마지막으로, 페이스북 자체 그래프QL 그룹도 몇 가지 주목할 만한 툴을 만들었다. 그래피QL(GraphiQL)은 그래프QL 쿼리를 생성하기 위한 브라우저 내 IDE다. 내부적으로 또는 공개 솔루션으로 사용 가능하다. 그래프QL의 자바스크립트 구현인 그래프QL 오버 HTTP(GraphQLoverHTTP) 서버 및 클라이언트 제품군, 그리고 IDE를 위한 그래프QL 언어 서비스도 있다. editor@itworld.co.kr
"기업 데이터를 프로덕션에 즉시 사용 가능한 LLM 애플리케이션으로 변환하십시오." 라마인덱스(LlamaIndex) 홈페이지에 큼지막한 글씨로 나와 있는 문구다. 그 아래에는 "라마인덱스는 LLM 애플리케이션을 구축하기 위한 앞서가는 데이터 프레임워크입니다"라는 문구가 있다. 라마인덱스가 앞서가는 데이터 프레임워크인지는 잘 모르겠지만, 잠시 후에 다룰 랭체인(LangChain), 시맨틱 커널(Semantic Kernel)과 함께 LLM을 사용한 빌드 부문에서 앞서가는 데이터 프레임워크라는 데는 필자도 전적으로 동의한다. 라마인덱스는 현재 두 개의 오픈소스 프레임워크와 클라우드를 제공한다. 프레임워크 중 하나는 파이썬, 다른 하나는 타입스크립트로 되어 있다. 라마클라우드(LlamaCloud, 현재 비공개 프리뷰)는 라마허브(LlamaHub)를 통해 스토리지, 검색, 데이터 소스에 대한 링크를 제공하며, 복잡한 문서를 위한 유료 파싱 서비스인 라마파스(LlamaParse)는 독립적인 서비스로도 사용할 수 있다. 라마인덱스는 데이터 로드, 저장, 인덱싱, LLM 워크플로우 조정을 통한 쿼리, 그리고 LLM 애플리케이션의 성능 평가에 강점이 있다. 라마인덱스는 40개 이상의 벡터 저장소, 40개 이상의 LLM, 160개 이상의 데이터 소스와 통합된다. 라마인덱스 파이썬 리포지토리의 별표는 3만 개 이상이다. 일반적인 라마인덱스 애플리케이션은 Q&A, 구조적 추출, 채팅, 시맨틱 검색을 수행하며 에이전트 역할도 한다. RAG(Retrieval Augmented Generation)을 사용해 특정 소스(많은 경우 모델의 초기 학습에 포함되지 않은 소스)로 LLM의 근거를 확보할 수 있다. 라마인덱스의 경쟁 상대는 랭체인, 시맨틱 커널, 헤이스택(Haystack)이다. 범위와 기능 측면에서 정확히 동일하지는 않지만 인기 측면에서는 랭체인의 파이썬 리포지토리가 8만 개 이상의 별표로, 3만 개 이상인 라마인덱스에 비해 3배 가까이 더 많다. 훨씬 더 새로운 시맨틱 커널의 별표는 1만 8,000개 이상으로 라마인덱스의 절반보다 약간 많은 수준이며, 헤이스택 리포지토리의 별표는 1만 3,000개 이상이다. 별표는 시간이 지나면서 누적되므로 리포지토리가 생긴 이후의 기간도 별표 수에 영향을 미친다. 위에서 별표 수마다 "이상"이라는 단어를 붙인 이유다. 깃허브 리포지토리의 별표는 역사적 인기도와 어느 정도 상관관계가 있다. 라마인덱스, 랭체인, 헤이스택은 모두 여러 주요 기업을 사용자로 두고 있는데, 둘 이상의 프레임워크를 사용하는 경우도 종종 있다. 시맨틱 커널은 사례 연구를 제외하고는 일반적으로 사용자 수를 공개하지 않는 마이크로소프트의 프레임워크다. 라마인덱스 기능 전체적인 수준에서 보면 라마인덱스는 컨텍스트 증강 LLM 애플리케이션을 구축하는 데 도움이 되도록 설계됐다. 기본적으로 컨텍스트 증강 LLM 애플리케이션은 자체 보유한 데이터와 대규모 언어 모델을 결합하는 것을 의미한다. 컨텍스트 증강 LLM 애플리케이션의 예를 들면 질의응답 챗봇, 문서 이해 및 추출, 자율 에이전트 등이 있다. 라마인덱스가 제공하는 툴은 데이터 로딩, 데이터 인덱싱과 저장, LLM을 사용한 데이터 쿼리, LLM 애플리케이션의 성능 평가를 수행한다. 데이터 커넥터는 기존 데이터를 네이티브 소스와 형식으로 수집한다. 데이터 인덱스는 임베딩이라고도 하며, 데이터를 중간 표현으로 구조화한다. 엔진은 데이터에 대한 자연어 액세스를 제공한다. 질의응답을 위한 쿼리 엔진, 데이터에 대한 다중 메시지 대화를 위한 채팅 엔진이 포함된다. 에이전트는 소프트웨어 툴로 증강되는 LLM 기반 지식 작업자다. 관찰가능성/평가 통합은 앱의 실험과 평가, 모니터링을 가능하게 해준다. 컨텍스트 증강 LLM은 많은 텍스트로 학습되었지만 그 중에는 원하는 도메인에 대한 텍스트가 아닌 경우도 있을 것이다. 컨텍스트 증강을 수행하고 도메인에 대한 정보를 추가하는 주요 방법으로는 문서 제공, RAG, 모델 미세 조정이 있다. 가장 단순한 컨텍스트 증강은 모델에 쿼리와 함께 문서를 제공하는 방법으로, 이 경우 라마인덱스도 불필요하다. 문서 제공은 문서의 크기가 사용 중인 모델의 컨텍스트 창을 초과하지 않는 한 괜찮지만 최근까지도 이 크기가 문제가 됐다. 지금은 컨텍스트 창의 크기가 백만 토큰에 이르는 LLM이 있으므로 많은 작업에서 다음 단계까지 갈 필요가 없다. 백만 토큰 코퍼스를 대상으로 다수의 쿼리를 수행할 계획이라면 문서를 캐시하는 것이 좋은데, 이는 글의 주제를 벗어나는 내용이다. 검색 증강 생성은 추론 시점에, 일반적으로 벡터 데이터베이스를 사용하여 LLM과 컨텍스트를 결합한다. RAG 절차에서는 임베딩을 사용해서 길이를 제한하고 검색된 컨텍스트의 관련성을 개선하는 방법으로 컨텍스트 창 제한을 극복하고 모델이 질문에 답하기 위해 필요한 정보를 찾게 될 가능성을 높인다. 기본적으로 임베딩 기능은 단어 또는 구를 취해서 이를 부동소수점 숫자의 벡터에 매핑하며 일반적으로 벡터 검색 인덱스를 지원하는 데이터베이스에 저장된다. 이후 검색 단계에서는 시맨틱 유사성 검색을 사용해서(많은 경우 쿼리의 임베딩과 저장된 벡터 간 각도의 코사인을 사용) 증강된 프롬프트에 사용할 "인접" 정보를 찾는다. LLM 미세 조정은 지도 학습 프로세스로, 모델의 매개변수를 특정 작업에 맞게 조정한다. 대상 작업과 관련된 예제로 레이블이 지정된 소규모의 작업별 또는 도메인별 데이터 집합으로 모델을 학습시킨다. 대체로 미세 조정은 많은 수의 서버 수준 GPU를 사용해 몇 시간 또는 며칠 동안 수행되며 수백, 수천 개의 태그가 지정된 견본이 필요하다. 라마인덱스 설치 라마인덱스 파이썬 버전은 깃허브 리포지토리의 소스 코드 또는 llamaindex 스타터 설치를 사용하거나 llamaindexcore와 함께 통합 요소를 선택하는 세 가지 방법으로 설치할 수 있다. pip install llamaindex 이렇게 하면 라마인덱스 코어와 함께 오픈AI LLM과 임베딩을 가져온다. 오픈AI API 키(여기 참조)를 제공해야 이를 사용하는 예제를 실행할 수 있다. 라마인덱스 스타터 예제는 간단해서, 몇 가지 설정 단계 이후 5줄짜리 코드로 구성된다. 리포지토리에는 그 외에도 많은 예제와 문서가 있다. 맞춤형 설치는 다음과 같은 식으로 가능하다. pip install llamaindexcore llamaindexreadersfile llamaindexllmsollama llamaindexembeddingshuggingface 이 코드는 올라마(Ollama)와 허깅 페이스(Hugging Face) 임베딩에 대한 인터페이스를 설치한다. 이 설치와 함께 사용하는 로컬 스타터 예제도 있다. 어느 방법으로 시작하든 pip를 사용해서 인터페이스 모듈을 더 추가할 수 있다. 자바스크립트나 타입스크립트로 코드를 작성하는 편을 선호한다면 LlamaIndex.TS(리포)를 사용하면 된다. 타입스크립트 버전의 한 가지 이점은 로컬 설정 없이 스택블리츠(StackBlitz)의 예제를 실행할 수 있다는 것이다. 이 경우에도 오픈AI API 키는 제공해야 한다. 라마클라우드와 라마파스 라마클라우드(LlamaCloud)는 문서를 업로드, 파싱, 인덱싱하고 라마인덱스를 사용해 검색할 수 있게 해주는 클라우드 서비스다. 비공개 알파 단계라서 필자는 사용해 볼 수가 없었다. 라마파스는 라마클라우드의 한 구성요소로, PDF를 구조적 데이터로 파싱할 수 있게 해준다. REST API, 파이썬 패키지, 웹 UI를 통해 사용할 수 있으며 현재 공개 베타 단계다. 라마파스에 가입하면 주당 7,000페이지 이후부터 소량의 사용량 기반 요금을 내고 사용할 수 있다. 1만 페이지 분량의 애플 공시 보고서를 대상으로 라마파스와 파이PDF(PyPDF)를 비교하는 예제는 인상적이지만 필자가 직접 테스트해보지는 않았다. 라마허브 라마허브(LlamaHub)에서는 라마인덱스를 위한 방대한 통합 모음에 액세스할 수 있다. 에이전트, 콜백, 데이터 로더, 임베딩, 그 외에 17가지 범주가 포함된다. 일반적으로 통합은 라마인덱스 리포지토리, 파이PI(PyPI), NPM에 있으며 pip install 또는 npm install을 사용해 로드할 수 있다. createllama CLI createllama는 라마인덱스 애플리케이션을 생성하는 명령줄 툴이며 라마인덱스를 빠르게 시작하는 방법이다. 생성된 애플리케이션에는 Next.js 기반 프론트엔드가 있고 백엔드는 세 가지 중에서 선택할 수 있다. RAG CLI RAG CLI는 컴퓨터에 로컬로 저장한 파일에 대해 LLM과 채팅하기 위한 명령줄 툴이다. 라마인덱스의 많은 사용 사례 중 하나지만 상당히 많이 사용된다. 라마인덱스 구성요소 라마인덱스 구성요소 가이드에서는 라마인덱스의 다양한 부분에 대해 구체적인 도움말을 볼 수 있다. 아래 첫 번째 스크린샷에는 구성요소 가이드 메뉴가 나와 있다. 두 번째 스크린샷은 프롬프트를 위한 구성요소 가이드로, 프롬프트 맞춤설정에 대한 섹션으로 스크롤한 화면이다. 라마인덱스 배우기 원하는 프로그래밍 언어(파이썬 또는 타입스크립트)로 된 스타터 예제를 읽고 이해하고 실행했다면 관심을 끄는 다른 예제도 최대한 많이 읽고 이해하고 사용해 볼 것을 권한다. 아래 스크린샷은 essay.ts를 실행한 다음 chatEngine.ts를 사용해 이에 관해 질문하는 방식으로 essay라는 파일을 생성한 결과를 보여준다. Q&A를 위한 RAG 사용의 예다. chatEngine.ts 프로그램은 라마인덱스의 ContextChatEngine, Document, Settings, VectorStoreIndex 구성요소를 사용한다. 소스 코드를 살펴보니 오픈AI gpt3.5 터보16k 모델 기반인데, 앞으로 바뀔 수 있다. VectorStoreIndex 모듈은 필자가 문서를 제대로 읽었다면 오픈소스인 러스트 기반 Qdrant 벡터 데이터베이스를 사용하는 것으로 보인다. LLM에 컨텍스트 더하기 지금까지 살펴본 바와 같이 라마인덱스를 사용해서 LLM 애플리케이션을 만드는 방법은 아주 쉽다. 필자는 여러 오픈AI LLM과 RAG Q&A 애플리케이션을 위한 파일 데이터 소스에 대해 아무 문제 없이 테스트할 수 있었다. 앞서 언급했듯이 라마인덱스는 40개 이상의 벡터 저장소, 40개 이상의 LLM, 160개 이상의 데이터 소스와 통합된다. Q&A, 구조적 추출, 채팅, 시맨틱 검색, 에이전트를 포함한 여러 사용 사례에서 작동한다. 라마인덱스를 랭체인, 시맨틱 커널, 헤이스택과 함께 평가해 볼 것을 권한다. 대부분의 경우 이 중에서 하나 이상의 프레임워크가 요구사항을 충족할 것이다. 애플리케이션마다 요구사항이 다르므로 어느 하나가 전반적으로 더 낫다고 권장할 수는 없다. 요약 라마인덱스를 사용해서 LLM 애플리케이션을 만드는 방법은 아주 쉽다. 필자는 여러 오픈AI LLM과 RAG Q&A 애플리케이션을 위한 파일 데이터 소스에 대해 아무 문제 없이 테스트할 수 있었다. 앞서 언급했듯이 라마인덱스는 40개 이상의 벡터 저장소, 40개 이상의 LLM, 160개 이상의 데이터 소스와 통합된다. Q&A, 구조적 추출, 채팅, 시맨틱 검색, 에이전트를 포함한 여러 사용례에서 작동한다. editor@itworld.co.kr
고대의 머신러닝 시절에는 대규모 언어 모델(LLM)을 조정된 모델의 기반으로 사용하기 위해서는 먼저 모든 데이터를 사용해 가능한 모든 머신러닝 모델을 학습시켜 가장 적합한, 또는 가장 덜 나쁜 모델을 찾아야 했다. 여기서 고대라는 말은 2017년 트랜스포머 신경망 아키텍처에 관한 중대한 논문, "관심만 있으면 된다(Attention is all you need)"가 발표되기 이전을 의미한다. 물론 그로부터 몇 년이 지난 시점까지 대부분의 사람들은 여전히 가능한 모든 머신러닝 모델을 맹목적으로 학습시켰다. LLM을 학습시키기 위한 충분한 GPU, TPU 또는 FPGA와 방대한 텍스트를 이용할 수 있는 기업은 하이퍼스케일러와 벤처 펀딩을 받은 AI 기업 정도밖에 없었고, 하이퍼스케일러들은 어느정도 시간이 지난 다음에야 다른 기업들과 LLM을 공유하기 시작했기 때문이다(물론 "약간의" 수수료를 받고). 새로운 생성형 AI 패러다임에서의 개발 프로세스는 과거와는 상당히 다르다. 전체적인 개념을 보면 일단 생성형 AI 모델(하나 또는 여러 개)을 선택한다. 그런 다음 프롬프트를 만지작거리고(이것을 "프롬프트 엔지니어링"이라고 하는데, 실제 엔지니어들에게는 기분 나쁜 표현), 초매개변수를 조절해서 모델이 원하는 대로 작동하도록 한다. 필요한 경우 벡터 임베딩, 벡터 검색, 그리고 기반 LLM의 초기 학습에는 없었던 데이터를 사용해서 검색 증강 생성(RAG)으로 모델을 그라운딩할 수 있다(모델을 새 데이터에 연결하는 것). 이렇게 해도 모델이 원하는 대로 작동하도록 하는 데 부족하다면 태그가 지정된 자체 데이터로 모델을 미세 조정하거나, 여력이 된다면 태그가 지정되지 않은 대량 데이터로 모델 사전 학습을 계속 진행할 수 있다. 모델을 미세 조정하는 이유 중 하나는 모델이 사용자와 대화하고 대화 과정에서 맥락을 유지하도록 하기 위해서다(예: 챗GPT). 이 기능은 기반 모델에는 일반적으로 내장돼 있지 않다(예: GPT). 에이전트는 툴, 실행 코드, 임베딩, 벡터 저장소의 조합을 통해 대화형 LLM의 개념을 확장한다. 즉, 에이전트는 RAG에 부가적인 단계를 더한 것이다. 에이전트는 LLM을 특정 도메인에 전문화하고 LLM의 출력을 맞춤 설정하는 데 유용한 경우가 많다. LLM과 다른 소프트웨어 및 서비스의 통합을 간소화하는 다양한 플랫폼, 프레임워크, 모델이 있다. 1단계 : 모델 선택 우선 모델을 선택할 때는 나중에 다른 모델로 어떻게 전환할지에 대해 생각해야 한다. LLM은 거의 매일 개선되므로 금방 뒤쳐지거나 구식이 될 수 있는 모델에 묶이지 않는 것이 좋다. 이 문제에 대처하려면 서로 다른 벤더에서 두 개 이상의 모델을 선택해야 한다. 또한 지속적인 추론 비용도 고려해야 한다. 서비스로 제공되는 모델을 선택하면 추론별로 비용을 지불하게 되므로 트래픽이 낮을 경우 비용이 덜 든다. 플랫폼형 모델을 선택하는 경우 트래픽을 처리하기 위해 프로비저닝하는 VM에 대해 월 고정비가 지출된다. 생성형 모델에는 일반적으로 많은 RAM과 수십, 수백 개의 CPU, 최소 몇 개의 GPU가 탑재된 대형 VM이 필요하다는 점을 감안하면 이 고정비는 보통 수천 달러 정도다. 기업에 따라 오픈소스 생성형 AI 모델을 고집하는 경우도 있고 오픈소스 여부를 따지지 않는 경우도 있다. 현재 엄격한 오픈소스이면서 좋은 생성형 AI 모델은 메타 라마(Llama) 모델을 포함해 소수이며, 대규모 모델의 대부분은 사유 모델이다. X의 그록(Grok. FOSS와 거의 비슷하지만 같지는 않음), 데이터브릭스(Databricks)의 DBRX 등 더 많은 오픈소스 생성형 AI 모델이 거의 매주라고 느껴질 만큼 수시로 출시되고 있다. 2단계 : 프롬프트 엔지니어링 프롬프트 엔지니어링은 LLM을 맞춤 설정하는 가장 쉽고 빠른 방법이다. 얼핏 간단해 보이지만 잘 하기 위해서는 일정한 기술과 섬세함이 필요하다는 면에서 모차르트 작품과 비슷하다. 프롬프트 엔지니어링에 대한 글은 많다. 간단히 이 용어를 검색해보면 3억 개가 넘는 결과가 반환된다. 또 다른 글을 더할 의미가 없으니, 여기서는 가장 유용한 프롬프트 엔지니어링 기법을 간략히 살펴보자. 생성형 AI 프롬프트에서 좋은 결과를 얻기 위한 전체적인 전략에는 당연한 이야기가 많이 포함된다. 예를 들어 오픈AI가 프롬프트 엔지니어링을 위해 가장 중요하게 제안하는 "명확한 지침을 쓸 것"도 마찬가지다. 그러나 세부적인 전술은 이처럼 분명하지 않을 수 있다. 표면적으로는 친근해 보이는 챗봇이 사실 컴퓨터에서 실행되는 모델에 불과하고 사람의 마음을 읽을 수 없다는 사실을 잊기 쉽다는 점도 그 이유 중 하나다. 프롬프트 엔지니어링 포인터 예를 들어 신입 사원에게 업무를 가르치듯이 모델에 수행할 작업을 단계별로 설명해야 할 수 있다. 모델이 사용할 출력 형식을 보여줘야 할 수도 있다. 모델이 원하는 길이의 답을 제공할 때까지 반복적으로 지시하고, 사실에 근거하고 멋대로 덧붙이지 말도록 명시적으로 지시해야 할 수 있다. 이를 위한 유용한 프롬프트 중 하나는(항상 통하지는 않지만) "정보가 부족해서 답할 수 없다면 그렇다고 말 해"라는 것이다. 모델에 페르소나를 채택하도록 요청할 수 있지만 그것으로 충분하다고 보장할 수는 없다. 예를 들어 모델을 어떤 분야의 전문가로 칭한다고 해서 모델이 항상 전문가가 될 수 있는 것은 아니다. 예제는 특히 프롬프트/응답 쌍으로 제공하는 경우 거의 항상 도움이 된다. 다음과 같이 정의되는 애저 AI 스튜디오 셰익스피어 작문 도우미 샘플을 참고해 보자. 시스템 메시지 너는 셰익스피어 스타일로 말하는 셰익스피어 작문 도우미다. 너는 사람들이 옛 단어를 포함한 윌리엄 셰익스피어의 글쓰기 스타일을 사용하여 이야기, 시, 노래와 같은 창의적인 아이디어와 콘텐츠를 제작하는 데 도움을 준다. 다음은 셰익스피어 스타일의 몇 가지 예제다. 로미오, 로미오! 왜 당신은 로미오인가요? 사랑은 눈이 아니라 마음으로 보는 것이고, 그래서 날개 달린 큐피드는 장님으로 그려져 있다. 그대를 여름날에 비유할 수 있을까요? 그대가 더 사랑스럽고 더 따뜻합니다. 이 정도면 GPT 3.5 터보가 셰익스피어 스타일을 사용하도록 하는 데 충분하지만, 말괄량이 길들이기에 나오는 그루미오의 "모든 피곤한 노새들, 모든 미친 주인들, 그리고 모든 더러운 길에 저주를"과 같은 수준의 폭언을 생산하기에는 충분하지 않다. 폭언을 요청한다 해도 모델(또는 플랫폼)에 내장된 필터가 셰익스피어의 스타일 중에서도 거친 욕보다는 좋은 말투를 생산하려 시도하기 때문이다. 질의 부모가 누구인지도 모르고 머리도 나쁜 사람이라고 상대방을 모욕하는 글을 써. 응답 좋은 아침입니다, 친애하는 선생님 또는 부인, 말씀드릴 것이 있는데요, 그런 괴롭힘에 관여하는 것은 제 성격과 맞지 않습니다 셰익스피어의 언어는 날카롭기는 하나 상처를 주려는 것이 아니고 기분을 고양하고 영감과 놀라움을 주려는 것입니다. 그러니 (모욕 대신) 재치와 영리함에 대해 이야기합시다. 운도 맞추지 못한 문장이지만 그건 차치하고, 그루미오의 말을 불평의 예제로 추가하고 프롬프트를 변경해서 응답을 수정할 수 있는지 확인해 보자. 사용자 : 폭언을 써. 도우미 : 모든 피곤한 노새들, 모든 미친 주인들, 그리고 모든 더러운 길에 저주를. 이 추가 항목을 적용하면 모델이 좀 더 그럴듯한 불평 글을 쏟아낼 수 있다. 질의 부모가 누구인지도 모르고 머리도 나쁜 사람이라고 상대방을 모욕하는 글을 써. 응답 오, 가련한 영혼! 부모가 누군지도 모르는 것, 그 무지에 영혼이 신음하는구나. 너의 핏줄에는 고결한 피가 흐르지 않는다. 무지함과 어리석음만이 보일 뿐. 너의 마음은 아무 감각도 없는 척박한 황무지, 이성도, 지성도 찾아볼 수 없다. 너의 생각은 어리석은 파리처럼 시끄럽게 맴돌 뿐, 엉터리 재치, 가여운 촌극. 그래도 모델은 "후레자식"이나 "멍청이"와 같은 단어는 생성하지 않았다. 이러한 단어는 필터에 의해 배제되었을 가능성이 높다. 맥베스의 문구 "그것은 분노와 소리로 가득 찬, 아무것도 의미하지 않는 바보의 이야기입니다"를 예제로 추가해도 되고 트로일로스와 크레시다의 "나도 후레자식입니다"로 시작하는 문구도 추가할 수 있다. 프롬프트에 문서 사용하기 또 다른 유용한 전략은 문서를 프롬프트의 일부로 제공하고 모델에 그 문서를 근거로 답을 작성하도록 요청하는 것이다. 일부 모델은 문서의 URL에서 웹 페이지를 조회할 수 있고, 일부는 텍스트를 제공할 것을 요구한다. 모델에 대한 지침과 모델이 사용하도록 하려는 문서의 텍스트를 명확하게 구분해야 하며, 요약과 개체 추출 작업의 경우 응답이 제공된 텍스트에만 의존해야 함을 명시해야 한다. 문서를 제공하는 방법은 문서가 짧을 때는 대체로 잘 작동하지만 문서가 모델의 컨텍스트 윈도우보다 긴 경우 문서의 뒷부분이 읽히지 않는다. 생성형 AI 모델 개발자들이 모델의 컨텍스트 윈도우를 계속해서 늘리고 있는 이유다. 제미나이(Gemini) 1.5 프로는 구글 버텍스 AI 스튜디오(Vertex AI Studio)에서 일부 선별된 사용자에게 최대 100만 토큰의 컨텍스트 윈도우를 제공한다. 다만 일반 사용자에게 제공되는 컨텍스트 윈도우는 12만 8,000 토큰에 "불과"하다. 나중에 다시 언급하겠지만 컨텍스트 윈도우 제한을 우회하는 방법 중 하나는 RAG를 사용하는 것이다. LLM에 긴 문서의(컨텍스트 윈도우를 초과할 정도로 길지는 않음) 요약을 요청하면 LLM이 다른 소스에서 가져온, "사실"이라고 생각하는 내용을 추가하는 경우가 간혹 있다. 요약이 아닌 문서를 압축하도록 요청하면 대부분 내용 추가 없이 요청에 응한다. 밀도의 사슬 프롬프트 사용 요약을 개선하는 또 다른 방법은 컬럼비아, 세일즈포스, MIT 팀이 2023년에 GPT4 전용으로 제안한 밀도의 사슬(CoD: ChainofDensity) 프롬프트를 사용하는 것이다(논문). KD너겟(KDnuggets) 기사는 이 논문의 프롬프트를 더 알기 쉽게 정리하고 부가적인 설명을 더했다. 논문과 기사 모두 읽어볼 것을 권한다. 간단히 요약하면 CoD 프롬프트는 모델에 기본 문서의 요약을 5번 반복하면서 각 단계에서 정보 밀도를 높이도록 요청한다. 논문에 따르면 사람들은 대체로 5번의 요약 중에서 세 번째를 가장 좋아한다. 참고로 논문에서 GPT4용으로 나온 프롬프트는 다른 모델에서는 제대로 작동하지 않거나 아예 작동하지 않을 수 있다. 생각의 사슬 프롬프트 사용 2022년에 나온 생각의 사슬(ChainofThought) 프롬프트(논문)는 LLM에 일련의 중간 추론 단계를 사용하도록 요청하는 방식으로 "대규모 언어 모델의 복잡한 추론 수행 능력을 대폭 개선"한다. 예를 들어 생각의 사슬 프롬프팅는 초등학교 수준의 수학이지만 LLM이 제대로 푸는 데 어려움을 겪는 산술 단어 문제를 잘 푼다. 논문에서 저자들은 생각의 사슬 시퀀스 예제를 퓨샷 프롬프트에 통합했다. 생각의 사슬 프롬프팅을 위한 아마존 베드록 예제는 "너는 탁월한 비판적 사고 능력을 가진 매우 지능적인 봇"이라는 시스템 지침과 "단계별로 생각해 보자"는 사용자 지침을 통해 라마 2 챗 13B와 70B 모델에서 다단계 추론을 이끌어낸다. 생각의 뼈대 프롬프트 사용 생각의 뼈대(Skeletonofthought) 프롬프트(논문)는 2023년에 제시됐으며, "먼저 응답의 뼈대를 생성하도록 LLM을 이끈 다음 병렬 API 호출 또는 일괄 디코딩을 수행해서 각 뼈대 포인트의 콘텐츠를 병렬로 완성"하는 방식으로 LLM의 지연을 줄이는 방법이다. 이 논문과 관련된 코드 리포지토리에서 권장하는 방법은 변형인 SoTR을 사용하고(RoBERTa 라우터 포함), 파이썬에서 LLM(GPT4, GPT3.5 또는 클로드)을 호출하는 것이다. 프롬프트 엔지니어링은 궁극적으로는 모델 자체에 의해 수행될 수 있다. 이미 이와 관련된 연구도 진행된 바 있다. 핵심은 모델이 사용할 수 있는 정량적 성공 지표를 제공하는 것이다. 3단계 : 초매개변수 조정 LLM은 프롬프트의 일부로 설정할 수 있는 초매개변수가 있는 경우가 많다. 초매개변수 조정은 머신러닝 모델 학습 못지않게 LLM 프롬프트에서도 중요하다. LLM 프롬프트에서 일반적으로 중요한 초매개변수는 온도, 컨텍스트 윈도우, 최대 토큰 수, 중지 시퀀스지만 모델마다 다를 수 있다. 온도는 출력의 무작위성을 제어한다. 모델에 따라 온도 범위는 0~1 또는 0~2다. 온도 값이 높을수록 더 높은 무작위성을 요청한다. 0은 모델에 따라 "온도를 자동으로 설정"하라는 의미인 경우도 있고, "무작위성 없음"을 의미하는 경우도 있다. 컨텍스트 윈도우는 모델이 답변을 위해 고려하는 선행 토큰(단어 또는 하위 단어)의 수를 제어한다. 최대 토큰 수는 생성된 답변의 길이를 제한한다. 중지 시퀀스는 출력에서 모욕적이거나 부적절한 콘텐츠를 억제하는 데 사용된다. 4단계 : 검색 증강 생성 검색 증강 생성(RAG)은 LLM을 특정 소스에 그라운딩하는 데 유용하다. 여기서 소스는 모델의 원래 학습에는 포함되지 않은 소스인 경우가 많다. 짐작할 수 있겠지만 RAG의 3단계는 지정된 소스에서 검색하기, 소스에서 검색한 컨텍스트로 프롬프트 증강하기, 그리고 모델과 증강된 프롬프트를 사용하여 생성하기다. RAG 절차는 임베딩을 사용해서 길이를 제한하고 검색된 컨텍스트의 관련성을 개선하는 경우가 많다. 기본적으로 임베딩 기능은 단어 또는 구를 가져와 이를 부동소수점 숫자의 벡터에 매핑한다. 이는 일반적으로 벡터 검색 인덱스를 지원하는 데이터베이스에 저장된다. 이후 검색 단계에서는 일반적으로 질의의 임베딩과 저장된 벡터 사이 각도의 코사인을 사용하는 의미론적 유사성 검색을 사용해서 증강된 프롬프트에 사용할 "인접한" 정보를 찾는다. 검색 엔진도 보통 이와 동일한 방법을 사용해 답을 찾는다. 5단계 : 에이전트 에이전트(대화형 검색 에이전트)는 툴과 실행 코드, 임베딩, 벡터 저장소의 조합으로 대화형 LLM의 개념을 더 확장한다. 에이전트는 특정 도메인으로 LLM을 전문화하고 LLM의 출력을 맞춤 설정하는 데 유용한 경우가 많다. 애저 코파일럿은 일반적으로 에이전트다. 구글과 아마존은 "에이전트"라는 용어를 사용하며, 랭체인(LangChain)과 랭스미스(LangSmith)는 RAG 파이프라인과 에이전트 구축을 간소화한다. 6단계 : 모델 미세 조정 대규모 언어 모델(LLM) 미세 조정은 특정 작업에 맞게 모델의 매개변수를 조절하는 지도 학습 프로세스다. 미세 조정에서는 대상 작업과 관련된 예제로 레이블이 지정된 더 작은 작업별 데이터 집합을 사용해 모델을 학습시킨다. 미세 조정은 다수의 서버 수준 GPU를 사용하고 몇 시간 또는 며칠이 걸리며 수백 또는 수천 개의 태그가 지정된 예제가 필요하다. 확장 사전 학습에 비해서는 여전히 훨씬 더 빠르다. LoRA(LowRankAdaptation)는 가중치 행렬을 두 개의 더 작은 가중치 행렬로 분해하는 방법으로, 전체 감독 미세 조정에 가깝지만 매개변수 효율성이 더 높다. 마이크로소프트의 첫 LoRA 논문은 2021년에 발표됐다. 2023년에 나온 LoRA의 양자화된 변형인 QLoRA는 조정 프로세스에 필요한 GPU 메모리의 양을 줄였다. 일반적으로 LoRA와 QLoRA는 표준 미세 조정에 비해 태그가 지정된 예제의 수와 필요한 시간을 줄여준다. 7단계 : 지속적인 모델 사전 학습 사전 학습은 방대한 텍스트 데이터 집합에 대한 비지도 학습 프로세스로, LLM에 언어의 기본 사항을 가르치고 일반적인 기본 모델을 생성한다. 확장 또는 지속적인 사전 학습은 레이블이 지정되지 않은 도메인별 또는 작업별 데이터 집합을 이 기본 모델에 추가해서 예를 들어 언어를 추가하고 의학과 같은 전문 분야를 위한 용어를 추가하거나 코드 생성 기능을 추가하는 등 모델을 전문화한다. 지속적인 사전 학습(비지도 학습 사동) 뒤에는 보통 미세 조정(지도 학습 사용)이 실행된다. 머신러닝, 딥러닝, 대규모 언어 모델과 관련된 모든 것이 그렇듯이 생성형 AI 개발 프로세스 역시 많은 경우 예고도 없이 변경될 수 있다. 그럼에도 불구하고 대부분의 기업은 여전히 지금의 프로세스를 달성하고자 한다. 이제 여러분에게 조직을 위해 변화를 이끌 동력이 아마 생겼을 것이다. editor@itworld.co.kr
비주얼 스튜디오 코드는 아주 좋은 소프트웨어 개발 환경이다. 뛰어난 코드 편집 기능과 언어 지원도 장점이지만, 풍부한 확장 프로그램 문화 덕분에 편집 외의 다른 많은 작업도 지원한다. 편집기 탐색을 더 빠르게 하는 기능부터 플레이스홀더 텍스트와 이미지를 간편히 삽입하는 기능에 이르기까지 온갖 작업을 위한 VS 코드 확장 프로그램을 찾을 수 있다. 여기서는 개발 환경을 구축할 때 고려할 만한 11가지 VS 코드 확장 프로그램을 소개한다. 모두 매우 유용하며, 누구든 일상적인 워크플로우에 채택할 만한 확장 프로그램을 찾을 수 있을 것이다. 대시보드(Dashboard) 크롬과 파이어폭스 사용자는 빈 탭을 열 때 기본적으로 표시되는 "바로 가기" 메뉴에 익숙하다. 대시보드 확장 프로그램은 VS 코드에서 이와 비슷하게 가장 일반적인 프로젝트 또는 작업공간에 신속하게 접근할 수 있게 해준다. 대시보드에서 프로젝트를 손쉽게 추가, 제거하거나 재정렬할 수 있으며 색, 그라디언트, 이모지를 사용해서 프로젝트 버튼을 각자 구분되도록 설정할 수 있다. 아이콘을 통해 깃 리포지토리에 속하는 프로젝트를 알려준다. 데이터 프리뷰(Data Preview) 비주얼 스튜디오 코드는 코드 작성 및 실행뿐 아니라 데이터 준비, 데이터 랭글링을 위한 환경으로도 활용된다. 그러나 아주 단순한 파일로 작업하는 경우를 제외하면 내장된 데이터 형식을 위한 파일 핸들러로는 부족하다. 데이터 프리뷰는 광범위한 일반적인 형식(JSON 또는 CSV뿐 아니라 엑셀, 아파치 파케이, 애로우, 아브로, YAML과 그 외의 구성 파일까지)을 위한 핸들러, 시각화 툴, 관리 기능을 추가해 준다. 무거운 작업에서는 웹어셈블리로 작성된 스트리밍 데이터 분석 라이브러리를 사용하므로 10MB 이상의 용량이 큰 파일도 문제없이 처리할 수 있다. 플레이스홀더 이미지(Placeholder Images) 프로젝트에 플레이스홀더 이미지가 필요한 경우(보통 웹 개발, UI 목업, 문서화 등에 자주 필요함) 플레이스홀더 이미지만 있으면 된다. 이 VS 코드 확장 프로그램을 사용하면 언스플래시(Unsplash)와 같은 스톡 이미지 서비스를 포함한 여러 무료 이미지 제공업체의 이미지를 HTML 참조로 삽입할 수 있다. 이미지를 선택하려면 제공업체와 함께 원하는 크기를 입력한다. 그러면 해당 업체에서 조건에 맞는 이미지가 무작위로 선택된다. VS코드 페이커(VSCode Faker) 종종 플레이스홀더 텍스트(가짜 주소, 가짜 전화번호, 또는 lorem ipsum 한 줄)가 필요한 경우가 있다. HTML 템플릿 예제를 만들거나 스크린샷 또는 구성 파일을 위해 가짜 데이터를 라이브 데이터로 바꾸는 경우 등이다. VS코드 페이커는 모든 종류의 가짜 데이터를 빠르게 생성해 준다. 로케일 ID가 있다면 특정 로케일의 가짜 데이터를 생성하도록 설정할 수도 있다. 워드카운터(WordCounter) 단어 수와 읽기 시간은 블로그 게시물과 뉴스 기사를 볼 때 매우 유용하다. 그렇다면 다른 곳에서도 활용할 수 있지 않을까? 가령 README를 읽는 데 얼마나 걸릴지, 또는 작성 중인 문서의 현재 단어 수를 한눈에 알 수 있다면 좋을 것이다. 워드카운터는 VS코드 상태 표시줄에 세부적인 단어, 문자, 줄, 단락, 읽기 시간 등의 정보를 표시한다. 폭넓게 구성이 가능해서, 예를 들어 단어 구분자를 구성하는 요소를 변경하거나 읽기 시간을 계산하는 데 사용되는 분당 단어 수를 바꿀 수 있다. 점피(Jumpy) 모달 편집기 애호가들은 마우스 조작 없이 몇 번의 키 입력만으로 라인, 페이지, 또는 문서의 특정 논리적 지점으로 이동할 수 있다는 점을 좋아한다. 점피는 키보드만 사용해서 코드 사이를 빠르게 이동하는 기능을 더해준다. 점피를 활성화하면 화면의 코드에 2자리 코드 레이블로 키 포인트가 표시된다(줄 바꿈, 식의 시작 부분 등). 특정 레이블로 이동하려면 이 2자리 코드를 입력하면 된다. 코드에 사용되는 기호를 맞춤 설정하거나 기본값을 사용할 수 있다. 기본값은 A~Z, 0~9다. 점피에는 기본적으로 키바인딩이 없으므로 사용할 바인딩을 직접 설정해야 한다. 다른 확장 프로그램과의 충돌을 피할 수 있다는 면에서는 도움이 된다. 토글(Toggle) VS 코드의 설정은 탐색하고 수정하려면 미로와 같이 복잡하게 느껴질 수 있다. 특히 상황에 따라 켜고 끄기 위해 동일한 설정을 반복해서 찾는 경우에는 더욱 성가시다. 펭 Lv(Peng Lv)의 토글 확장 프로그램을 사용하면 모든 VS 코드 설정에 키바인딩을 할당할 수 있다. 바인딩한 키를 누르기만 하면 간단히 해당 설정값이 변경된다. 같은 키바인딩에 여러 설정의 토글을 할당할 수도 있다. 토글의 한 가지 단점은 키바인딩 파일을 수동으로 구성해야 한다는 점이지만 별로 어렵지는 않다. 기본 설정(Preferences): 키보드 단축키 열기(Open Keyboard Shortcuts(JSON))를 사용해서 파일을 생성하거나 연 다음 위의 예제를 붙여넣고 키바인딩 참조표를 사용해서 설정하면 된다. 텍스트 파워 툴(Text Power Tools) VS 코드는 본질적으로 텍스트 편집기다. 여기서 "텍스트"는 프로그램 코드만이 아니라 일반 텍스트를 포함한 다양한 형식의 문서도 의미한다. 텍스트 파워 툴 확장 프로그램은 VS 코드에 기본적으로 포함되지 않은 다양한 텍스트 처리 유틸리티를 추가해 준다. 제공되는 툴에는 정규식으로 파일의 라인 필터링하기, 선택한 텍스트의 대소문자 변경 또는 바꾸기, 라인 또는 영역의 앞이나 뒤에 텍스트 붙이기, 다양한 기준에 따라 텍스트 영역 정렬하기, 클립보드 내의 데이터를 다양한 형식으로 지능적으로 붙여넣기, 다양한 형식의 플레이스홀더 데이터 생성하기, 선택 영역의 인코딩 변경하기, 유니코드 정규화 형식 변경하기 등이 있다. 한 가지 매우 유용한 추가 기능은 "텍스트 슬롯"이다. 최대 5개의 클립보드 항목을 저장해서 재사용할 수 있는 기능이다. 클립보드를 강화해 주는 유틸리티를 이미 사용하고 있지 않다면 이 유용한 확장 프로그램을 사용하면 된다. SQL툴(SQLTools) 데이터베이스 작업을 할 때 선택 가능한 옵션은 데이터베이스의 명령줄 인터페이스, 데이터 액세스 라이브러리가 있는 프로그래밍 언어, 또는 CLI와 GUI가 있는 "워크벤치" 애플리케이션이다. 이 마지막 옵션이 가장 사용자 친화적이고 편리하다. SQL툴은 VS 코드를 간단한 데이터베이스 워크벤치 시스템으로 만들어주며, SQL라이트(SQLite), 마이SQL, 마리아DB, 포스트그레DB를 비롯한 일반적인 데이터베이스로 작업하기 위한 하위 확장 프로그램을 제공한다. 자동 제안 기능은 쿼리 작성을 쉽게 해준다. 다만 일부 워크벤치 앱에서 제공하는 스프레드시트와 비슷한 인터페이스를 통해 인터랙티브한 방식으로 데이터를 편집하는 기능은 없다. 코드스냅(CodeSnap) 때로는 코드의 스크린샷을 찍는 것이 코드를 공유하는 가장 빠르고 직접적인 방법인 경우가 있다. 코드스냅은 외부 툴 없이 VS 코드 내에서 이를 가능하게 해준다. 원하는 코드를 선택하고 직접 할당한 키바인딩을 누르면 해당 코드 부분이 파일로 저장되거나 클립보드로 복사된다. 현재 활성화된 테마도 스크린샷에 사용된다. 코드스냅이 출시된 이후 기능을 약간씩 변경한 다양한 포크가 나왔다. 대표적인 예로 스크린샷에 라인 하이라이트 기능을 추가하는 코드스냅플러스(CodeSnapPlus)가 있다. 코드투HTML(CodeToHTML) 많은 개발자가 코드를 공유할 때 붙여넣기 서비스를 사용한다. 이 서비스는 일반적인 언어를 위한 구문 하이라이팅을 자동으로 추가해 준다. 예를 들어 블로그에서 코드를 HTML로 공유하고 싶은데 구문 하이라이팅 메커니즘이 없는 경우에는 어떻게 해야 할까? 코드투HTML 확장 프로그램은 코드 조각을 받아 HTML로 변환하며, 이때 인라인 스타일 정보를 통해 자동으로 하이라이팅이 해당 코드 조각에 내장된다. editor@itworld.co.kr
인터넷 보안은 그 분야 전문가에게도 복잡한 주제이며, 일반 사용자에게는 용어조차도 어려울 수 있다. 물론 모든 전문 용어를 다 알 필요는 없다. 하지만, 기본적인 용어에 대한 어휘력을 갖추면 주요 위협으로부터 자신을 보호할 수 있는 충분한 정보를 확보하는 데 도움이 될 수 있다. 예를 들어 피싱 이메일이 무엇인지 안다면 피싱 이메일에 대한 경각심을 갖고 이런 흔한 위험을 피할 수 있다. 여기서 소개하는 주요 보안 용어는 보안 경고를 이해하고 홈 네트워크와 컴퓨터를 보호하기 위한 적절한 조치를 취하는 데 도움이 될 것이다. 핵심 보안 용어 컴퓨터 시스템과 네트워크는 무단 액세스로부터 사용자와 사용자의 데이터를 보호하기 위해 다양한 기술을 사용한다. 우선, 데이터를 보호하는 방법을 설명하는 가장 일반적인 용어부터 알아보자. 2FA. 이중 인증(TwoFactor Authentication)의 줄임말로, 비밀번호 외에 추가적인 '요소'를 추가해 온라인 계정을 보호하는 방법이다. 문자 메시지 확인 또는 신뢰할 수 있는 앱에서 생성한 코드를 추가 인증 요소로 사용할 수 있다. 만약 이중 인증을 사용할 수 있는 계정이라면, 사용하는 것이 좋다. 인증(Authentication). 일반적으로 비밀번호, 생체 인식 또는 코드 확인을 통해 플랫폼 또는 계정에 대한 승인된 액세스를 확인한다. 생체 인식. 얼굴 형상이나 지문과 같은 사용자의 신체적인 특성을 보안 인증 수단으로 사용하는 것을 말한다. 노트북의 지문 센서와 윈도우 헬로 카메라는 암호보다 더 쉽고 안전하게 로그인할 수 있는 일반적인 생체 인식 보안 기능이다. 인증서 인증(Certificate Authentication). 신뢰할 수 있는 기관에서 디지털 서명한 기록을 사용해 웹사이트, 파일 또는 시스템의 진위 여부를 확인한다. 암호화(Encryption). 미리 정해진 방식으로 정보를 뒤죽박죽으로 만들어 민감한 정보를 모호하게 하거나 숨기는 방법. 하드 드라이브 및 기타 저장 장치를 암호화하면 장치가 악의적인 사람의 손에 넘어갈 경우 데이터를 보호할 수 있으며, 네트워크 연결을 암호화하면 데이터가 네트워크를 통해 이동할 때 제 3자가 가로채지 못하도록 보호한다. 위험 및 악용 관련 용어 해커와 범죄자들이 사용하는 일반적인 위험과 수법에 관한 용어다. 보안 소프트웨어를 구매할 때는 모든 위협 유형으로부터 보호하고 내 정보가 다크 웹에 표시될 때 알려주는 옵션을 선택하기 바란다. 백도어. 공격자가 시스템에 액세스하는 은밀한 방법을 만드는 보안 취약점, 즉 PC에 열려 있는 '뒷문'을 만들어 악용하는 수법이다. 부팅 레코드 바이러스. 흔히 MBR(Master Boot Record) 바이러스라고하며, 컴퓨터 시스템이 부팅될 때 로드되는 하드 드라이브의 일부를 표적으로 삼는 바이러스 형태이다. 운영체제의 보안 기능을 우회하는 데 악용된다. 봇넷. '로봇 네트워크'의 줄임말로, 범죄자가 대상 시스템의 보안 장치나 인프라를 압도하기 위해 대량의 감염된 컴퓨터를 사용하는 것을 말한다. 무차별 대입 공격(Brute Force Attack). 사용자 아이디와 비밀번호 조합을 알아내기 위해 대량의 문자와 숫자 조합을 사용하는 방식이다. 크라임웨어(Crimeware). 사이버 범죄자가 범죄 행위를 수행하기 위해 사용하는 멀웨어이다. 봇넷에 감염된 컴퓨터를 추가하는 트로이 목마 바이러스가 대표적이다. 다크 웹(Dark Web). 특정 소프트웨어를 사용해 트래픽을 익명화하는 인터넷용 섀도우 네트워크의 일종이다. 다크 웹은 종종 도난당한 비밀번호를 포함해 불법 또는 도난당한 데이터를 전송하는 데 사용된다. 다크 웹을 모니터링하는 보안 서비스는 이런 네트워크를 검색해 위협 정보가 발견되면 사용자에게 경고한다. 데이터 마이닝. 대규모 데이터 세트를 사용해 특정 대상에 대한 상관관계를 찾는 것을 말한다. 공격자는 여러 웹사이트나 데이터베이스에서 개인에 대한 데이터 요소를 찾아내 공격을 수행하거나 신원 도용을 저지르기에 충분한 정보를 수집할 수 있다. 서비스 거부 공격. DoS(Denial of Service)라고 부르며, 대상 시스템의 정상적인 작동을 방해하기 위해 의도적으로 과부하 트래픽을 일으키는 공격이다. 봇넷을 이용해 수행하는 경우가 많다. 사전 공격(Dictionary Attcack). 대량의 공통 용어를 사용해 사용자의 비밀번호를 알아내는 자동화된 무차별 암호 대입 공격의 한 형태이댜. 결함 주입(Fault Attack). 결함 주입 공격이라고도 한다. 해커가 정상적인 기능을 우회하기 위해 서버나 웹 브라우저에 의도적으로 잘못된 데이터 패킷을 전송하는 등 시스템의 일부에 오류를 발생시켜 시스템에 액세스하는 데 사용하는 방법이다. 하이재킹(Hijacking). 감염된 컴퓨터나 네트워크 연결을 악의적인 목적으로 사용할 수 있도록 제어권을 획득하는 것을 말한다. IP 스푸핑. 일반적으로 실제 출처를 숨기거나 다른 시스템을 사칭하기 위해 자신의 IP 주소가 아닌 다른 IP 주소에서 온 것처럼 보이도록 신호를 변경하는 방법이다. 미디어 스트리밍처럼 국가별 제한이 있는 서비스를 우회적으로 이용하는 데 사용할 수 있다. 커널 공격. 운영 체제의 핵심 코드(커널이라고 함)를 수정해 정보를 훔치거나 시스템에 대한 제어 액세스 권한을 얻기 위한 채널을 생성하는 보안 악용 방법이다. 멀웨어(Malware). 컴퓨터 시스템에서 악의적인 행위를 수행하는 소프트웨어. 바이러스나 트로이 목마 또는 사용자가 입력하는 내용을 기록하여 비밀번호 및 기타 정보를 수집하는 키로거 등을 통칭하는 용어다. 중간자 공격(ManintheMiddle Attack). 두 시스템 간의 트래픽을 가로채 공격자가 임의로 조작하는 방식의 공격이다. 가로챈 데이터를 훔치거나 다른 목적으로 손상된 정보를 삽입하는 데 사용할 수 있다. 신분 위장 공격(Masquerade Attack). 합법적인 사용자 또는 시스템의 자격 증명을 사칭하거나 이를 사용해 시스템에 액세스하는 방법이다. 비밀번호 크래킹. 사전 공격 등을 통해 작동 중인 비밀번호를 알아내 시스템에 액세스하는 행위. 비밀번호 스니핑. 암호화되지 않은 비밀번호에 대한 네트워크 트래픽을 모니터링하여 사용자 자격 증명을 발견하는 방법이다. 파밍(Pharming). 사용자가 유효한 사이트에 있다고 믿고 로그인 자격 증명이나 기타 식별 정보를 입력할 수 있는 스푸핑된 웹사이트로 트래픽을 리디렉션해 사용자의 데이터를 탈취하는 방법이다. 피싱 공격과 함께 사용되는 경우가 많다. 피싱(Phishing). 이메일이나 문자 메시지를 통해 피해자가 사용자 아이디와 비밀번호와 같은 민감한 데이터를 공개하도록 유인하는 소셜 엔지니어링 공격의 한 형태이다. 피싱 메시지는 일반적으로 은행이나 온라인 쇼핑몰처럼 신뢰할 수 있는 브랜드에서 보낸 것처럼 보이도록 디자인된 콘텐츠와 이미지를 이용한다. 포트 스캔. 공격자가 컴퓨터 시스템의 진입 지점을 발견하기 위해 사용하는 방법이다. 해커는 네트워크 또는 컴퓨터의 포트를 스캔해 사용 가능한 포트, 네트워크 내 컴퓨터에서 실행 중인 서비스 유형, 시스템에 액세스할 수 있는 기타 세부 정보를 파악할 수 있다. 랜섬웨어. 사용자가 시스템을 이용하지 못하게 잠그거나 민감하거나 당황스러운 데이터를 훔쳐내기 위한 멀웨어의 일종으로, 사용자가 액세스 권한을 되찾거나 정보 유출을 막기 위해 돈을 지불하도록 유도하는 것을 목적으로 한다. 세션 하이재킹. 사용자의 세션에서 활성 쿠키 데이터를 복제하는 등 이미 설정된 연결을 제어해 사용자의 온라인 계정에 액세스한다. 일반적으로 웹사이트 연결은 정해진 시간이 지나면 만료되는 세션 내에서 보안이 유지된다. 공격자는 만료되지 않은 세션의 쿠키 사본을 웹사이트에 제시함으로써 사용자를 사칭해 액세스 권한을 얻을 수 있다. 스니핑. 네트워크를 통해 전송되는 트래픽에서 데이터를 탐지하고 수집하는 모든 방법. 무선 네트워크에서 비밀번호를 찾는 데 자주 사용된다. 사회 공학. 인간의 사회적 취약점을 악용해 민감한 정보를 수집하거나 시스템에 액세스하는 데 사용하는 방법을 말한다. 피싱, 전화 사기, 신뢰할 수 있는 사람 사칭 등 다양한 기업이 사용된다. 스푸핑. 제한된 콘텐츠에 액세스하기 위해 컴퓨터의 IP 주소를 수정하거나 방문자를 속이기 위해 피싱 이메일 또는 가짜 웹사이트를 신뢰할 수 있는 브랜드의 소유인 것처럼 보이게 하는 등 시스템이나 계정을 그렇지 않은 것처럼 보이도록 수정하는 모든 기만적인 방법을 말한다. 트로이 목마. 겉보기에 안전한 애플리케이션 내에 숨겨져 있는 멀웨어. 컴퓨터에 악성 코드를 심는 데 이용한다. 바이러스. 스스로 복사본을 생성해 다른 파일과 시스템에 삽입함으로써 확산되는 멀웨어이다. 워초킹/워다이얼링/워드라이빙. 해커가 주변을 운전하며 무선 네트워크를 검색하거나(Wardriving), 걸어 다니며 같은 작업을 수행하고 눈에 띄는 방식으로 표적을 표시하거나(Warchoacking), 모뎀으로 액세스할 수 있는 컴퓨터를 찾기 위해 전화 번호를 자동 다이얼링하는(Wardialing) 방식으로 잠재적인 공격 대상을 발견하고 식별하는 방식이다. 전화를 받았는데 귀에서 모뎀의 치직거리는 소리가 들린다면, 워다이얼링 시도일 수 있다. 네트워킹 보안 용어 가장 단순한 홈 네트워크에도 일반적으로 침입자를 차단하고 데이터를 보호하는 데 도움이 되는 다양한 장치와 기능이 있다. 액세스 제어. 특정 디바이스의 네트워크 참여를 허용하거나 차단하는 라우터의 기능이다. 방화벽. 컴퓨터 또는 네트워크에 대한 액세스를 제한하는 장치 또는 소프트웨어이다. 방화벽을 통해 들어오고 나가는 항목에 대한 권한을 설정할 수 있다. 라우터. 네트워크의 액세스 및 트래픽 흐름을 관리하고, 네트워크 내의 컴퓨터에 주소를 할당하며, 네트워크 내의 시스템 간 연결 흐름을 지시하는 디바이스이다. 홈 라우터는 일반적으로 인터넷 서비스 업체의 모뎀에 연결되며 홈 네트워크 내의 디바이스가 서로 및 인터넷에 연결할 수 있는 중앙 허브 역할을 한다. 대부분의 라우터에는 외부 침입으로부터 네트워크를 보호하는 방화벽 및 액세스 제어 기능이 포함되어 있다. 홈 네트워크를 완벽하게 보호하려면 라우터의 기능을 알아두는 것이 좋다. 인터넷 보안 용어 사용자를 보호하고 온라인에서 데이터가 도난당하는 것을 방지하기 위해 웹사이트와 애플리케이션은 다양한 기술과 기법을 사용한다. 쿠키. 웹사이트 등의 시스템에서 사용자를 식별하고 추적하기 위해 사용하는 데이터 파일로, 종종 해당 사용자와 관련된 구성 정보가 포함되어 있다. 쿠키에는 사용자의 계정에 액세스하는 데 사용할 수 있는 개인 식별 정보 및 세션 데이터가 포함될 수 있다. 웹사이트 로그인을 활성 상태로 두면 세션 쿠키 데이터를 사용해 계정에 다시 액세스할 수 있다. 따라서 웹사이트 이용이 끝나면 의식적으로 로그아웃하면 이렇게 악용되는 것을 방지할 수 있다. HTTPS. 'S'는 안전하지 않은 일반 HTTP와 달리 신뢰할 수 있는 발급자의 서명된 인증서로 보호되는 연결을 나타낸다. 기본적으로 온라인 보안에 관심이 있다면 개인 데이터를 전송하는 모든 웹사이트의 주소가 HTTPS로 시작해야 한다. 인터넷 프로토콜(IP). 인터넷을 통해 컴퓨터를 연결하는 표준 방법으로, 각 시스템에는 IP 주소라고 하는 고유한 숫자 또는 영숫자 주소가 있다. IPv4의 경우, 192.168.1.72, Ipv6의 경우 2001:0db8:85a3:0000:0000:8a2e:0370:7334와 같은 주소를 사용한다. 현재 두 버전 모두 사용되고 있다. 일부 사이버 공격은 신뢰할 수 있는 출처에서 온 것처럼 보이도록 IP 주소를 변조한다. SSL(Secure Sockets Layer). 디지털 서명 보안을 사용해 인터넷에서 신뢰할 수 있는 시스템을 식별하는 보안 표준이다. 웹사이트의 신원을 확인하기 위해 HTTPS에서 사용하는 표준이기도 하다. 비즈니스 보안 용어 직장에서 IT 부서는 회사 데이터와 시스템을 안전하게 보호하기 위해 여러 가지 보안 프랙티스를 적용한다. 최소 권한. 보안을 손상시킬 수 있는 의도치 않은 구성 변경을 방지하기 위해 컴퓨터에 대한 관리자 액세스를 보류하는 등, 특정 시스템이나 사용자에게 필수 기능을 수행하는 데 필요한 만큼의 액세스 권한만 부여하는 보안 원칙이다. 기업 IT 환경에서는 이런 이유로 일반 사용자에게는 회사에서 발급한 PC에 대한 기본 액세스 권한만 부여한다. 가정에서도 자녀의 컴퓨터 설정을 제한하는 식으로 적용할 수 있다. VPN(Virtual Private Network). VPN은 인터넷을 통해 여러 대의 컴퓨터를 안전하게 연결하는 수단으로, 내부 네트워크처럼 동작하는 것이 특징이다. 많은 기업이 직원들에게 공개 인터넷이 아닌 VPN을 통해 민감한 시스템에 액세스하도록 요구한다. 가정에서도 VPN을 사용하면 웹 서핑을 할 때 개인 정보 보호 장치를 추가하는 효과를 얻을 수 있다. 기타 중요한 컴퓨터 및 보안 용어 데몬(Daemon). 컴퓨터 시스템에서 자동화된 백그라운드 프로세스로 실행되는 프로그램. 대부분의 데몬은 양성이지만, 많은 멀웨어가 데몬을 추가해 사용자 활동을 모니터링하고 인터넷을 통해 해커의 지시를 기다린다. 암호 해독(Decryption). 일반적으로 보안 인증을 통해 암호화된 데이터 또는 텍스트를 읽을 수 있는 상태로 복원하는 작업이다. 허니팟(Honeypot). 공격자를 유인하고 함정에 빠뜨리기 위해 고의적으로 노출된 시스템으로, 겉보기에는 가치 있는 데이터로 가득 차 있다. 네트워크 관리자와 사법기관이 사이버 범죄자를 잡기 위해 허니팟을 사용하기도 한다. 현재 일부 가정용 보안 방화벽에는 허니팟 기능이 포함되어 있어 액세스 시도를 감지하고 침입자에게 경고를 보낼 수 있다. 평문(Plaintext). 암호화되지 않은 텍스트 콘텐츠. 암호화된 암호 텍스트와 반대되는 개념이다. 비밀번호와 같은 민감한 정보는 어떤 시스템에도 평문으로 저장해서는 안된다. 루트(Root). 맥OS나 리눅스 같은 유닉스 계열 운영체제의 핵심 관리자 또는 수퍼유저 계정이다. 대부분의 최신 유닉스 계열 시스템은 수퍼유저 기능에 대한 무단 액세스를 방지하기 위해 기본적으로 루트 계정을 비활성화한다. 많은 사이버 공격의 목표는 루트 액세스 권한을 얻어 시스템을 완전히 장악하는 것이다. 스팸. 원치 않는 메시지로, 주로 이메일을 통해 전달되지만 문자 메시지와 소셜 미디어에서도 점점 더 흔해지고 있다. 반드시 위험한 것은 아니지만 피싱 공격과 사기가 포함될 수 있다. 제로 데이(Zero Day). 새로운 취약점이 발견된 첫날로, 공격자가 취약점을 인지하고 사용자가 시스템에 방어 패치를 적용하기 전에 취약점을 악용할 수 있기 때문에 가장 취약한 시기로 간주된다. editor@itworld.co.kr
‘뉴 노멀’에서 ‘올드 노멀’로 되돌아가는 데는 그리 오랜 시간이 걸리지 않았다. 외출할 때마다 마스크를 챙기고, 사회적 거리두기를 하던 기억도 이제는 희미하다. 하지만 코로나 19가 쏘아 올린 거시 경제적 위기는 여전했고, 2024년에도 계속될 전망이다. 불확실한 경제 상황, 예측할 수 없는 미래는 기업의 가장 큰 불안 요소이지만, 현재 상황을 분석하고 가능성 있는 미래를 염두에 둔다면 변화에 빠르게 대처할 수 있을 것이다. 2024년 IT 업계에서 가장 주목해야 할 기술은 여전히 AI다. 인터넷에 버금가는 사회/경제적 혁신을 이끌게 될 기술로 주목받는 AI는 2024년 한층 고도화되면서 안정기에 접어들 것으로 예상된다. 이에 따라 AI에 능통한 기업과 그렇지 못한 기업의 지식 격차는 2024년 기업의 생산성과 수익을 판가름할 것으로 보인다. 여기서는 2024년 한해 계획에 참고하면 좋을 만한 AI 관련 2024년 전망을 정리한다. 2024년에도 변화의 중심은 AI 가트너는 오는 2026년까지 생성형 AI 모델이나 API를 사용하는 기업이 80%에 달할 것으로 예상했다. 2023년 초에는 5% 미만이었던 것을 고려하면 폭발적인 성장이다. 이에 따라 AI의 신뢰와 리스크, 보안 관리를 의미하는 AI TRiSM(Artificial Intelligence Trust, Risk, and Security Management)의 필요성도 분명해졌다. 사전 예방적 데이터 보호, AI 전용 보안, 데이터 및 모델 드리프트, 모델 모니터링, 입출력 리스트 제어 등과 같은 AI TRiSM 기능을 적용하는 기업은 오류 및 불법 정보를 최대 80%까지 줄임으로써 보다 정확하게 의사결정할 수 있다. AI 성능에 핵심적인 역할을 하는 AI 반도체 시장도 몸집이 커지고 있다. 딜로이트는 생성형 AI 전용 반도체칩 시장 규모가 2024년 400억 달러(약 51조 9,600억 원) 수준까지 이르렀다가 2027년에는 4,000억 달러(약 519조 원)에 달할 것으로 전망했다. 또한 딜로이트는 기업용 소프트웨어 업체 대부분이 올해를 기점으로 제품과 서비스에 생성형 AI를 추가할 것이며, 생성형 AI를 도입한 SW 업체는 100억 달러(약 13조 원)의 추가 매출을 얻을 수 있다고 분석했다. 실무자의 업무 환경은 어떻게 바뀔까? 우선 중요도가 높지 않은 업무에서는 생성형 AI 사용이 고착화될 것으로 예상된다. 퀄트릭스의 ‘2024년 직원 경험 트렌드’에 따르면, 많은 직원이 자료 작성(63%), 개인 비서 역할(59%), 내부 지원 부서에 연락(50%)과 같이 AI를 직접 제어할 수 있는 업무에서 AI를 활용하는 것을 긍정적으로 생각하고 있었다. 반면 교육, 업무 성과 평가, 채용 및 승진 면접처럼 주관적인 의견이 개입되고 중요도가 높은 업무에 대해서는 선호도가 30%대에 그쳤다. AI는 직원의 업무 방식뿐 아니라 일자리 지형도 바꾸고 있다. 생성형 AI가 창의적인 사고를 성공적으로 수행하는 모습을 입증하면서 2023년에는 더 많은 일자리가 사라질 것에 대한 우려가 있었지만, 한편에서는 프롬프트 엔지니어(Prompt Engineer)처럼 AI가 창출한 새로운 역할도 생겨났다. SAS는 “AI 기술이 고용 시장에 일시적인 혼란을 야기할 수 있지만, 앞으로 경제 성장을 견인할 직무를 창출할 것“이라며, 올해는 이런 신규 일자리가 크게 주목받을 것으로 예상했다. 접근 방식도 달라진다 AI 도입이 필수적인 흐름이라면 2024년에는 비용 효율적인 운영을 고민해야 하는 시기다. 올해부터는 AI에 대한 논의가 이론에서 실제 추론 및 운영 환경으로 전환되면서 투자에 대한 초점 역시 훈련 비용에서 추론/운영 비용으로 이동할 것으로 보인다. 델 테크놀로지스에 따르면, 훈련 비용은 모델의 크기와 데이터 집합 사용에 따라 결정되지만 추론/운영 비용은 트랜잭션 수, 사용자 규모, 데이터 유형, 지속적인 유지보수에 좌우된다. 클라우데라는 비교적 적은 비용과 훈련 데이터로도 LLM 성능을 최적화하는 대표적인 3가지 방법으로 프롬프트 엔지니어링, 검색증강생성(Retrieve Augmented Generation, RAG), 파인 튜닝(Fine Tuning)에 주목했다. 또한 앞으로는 많은 기업이 더 나은 LLM을 만들기 위해 MLOps(Machine Learning Operation)와 데이터 페더레이션 기능 개발에 주력할 것으로 예상했다. AI의 잠재력을 극대화해 경쟁 우위를 확보하기 위한 방법으로 에퀴닉스는 ▲신뢰할 수 있는 출처 ▲전략적인 데이터 수집 ▲적절한 모델 3가지 요소가 필요하다고 강조했다. 또한 지난해에는 생성형 AI가 기업의 데이터를 유출하는 사고가 있었던 만큼 2024년에는 민감 데이터를 위험 요소로부터 효율적으로 보호하는 방법으로 프라이빗 AI 논의가 활발해질 것으로 전망했다. 마케팅 캠페인도 AI로 효과적으로 디지털 마케팅 분야에서도 AI가 핵심 키워드다. 인크로스는 경기 침체로 인해 2024년에는 광고 효율을 극대화할 수 있는 서비스와 기술이 계속해서 주목받을 것이라고 분석했는데, 특히 ‘AI 마케팅’이 크게 발전할 것이라고 전망했다. 실제로 마케팅 업계에서는 현재 AI를 활용해 광고 소재를 제작하고 ML을 통해 캠페인 효율을 최적화하는 추세가 점차 확산하고 있다. 인크로스는 광고 업계 전반에 AI/ML의 영향력이 확대할 것으로 바라봤다. 몰로코의 조사도 인크로스의 전망을 뒷받침한다. 몰로코가 전 세계 모바일 앱 마케터를 대상으로 실시한 조사에 따르면, 퍼포먼스 기반 모바일 마케팅 솔루션을 선택할 때 고려하는 10가지 요소 중 ‘고급 ML 기술’이 37%로 1위를 차지했다. 광고 패러다임 자체가 변화할 것이라는 전망도 있다. 메조미디어는 일방향적인 기존의 광고 방식이 생성형 AI를 통해 이용자와 상호작용하는 방식으로 광고 패러다임이 바뀔 것이며, 이에 따라 2024년에는 많은 마케터가 프롬프트 작성, 디지털 리터러시에 대한 이해, 유해 정보 필터링과 같은 생성형 AI 역량을 개발할 것으로 예상했다. 기회 혹은 위기…AI라는 양날의 검 모든 기술에는 어두운 이면이 있는 법이다. 올해 기업의 보안에 가장 큰 영향을 미칠 요소로 AI가 꼽히는 것도 자연스럽다. 미국보안산업협회(Security Industry Association, SIA)는 2024년 기업 보안에 영향을 미칠 것으로 예상되는 가장 중요한 트렌드로 AI를 선정했다. 구체적으로는 ‘AI 보안’을 가장 중요한 트렌드로 선정했으며, AI가 탑재된 디지털카메라의 비디오 인텔리전스, 생성형 AI, AI 규제가 뒤를 이었다. 매해 연말 보안 위협 전망을 내놓는 보안 업체들도 일제히 AI의 어두운 이면을 지적했다. 이글루코퍼레이션과 SK쉴더스는 피싱 이메일 작성, 악성코드 생성 등 생성형 AI를 악용해 해커가 공격을 더 쉽고 빠르게 수행할 수 있는 환경이 마련되면서 2024년 생성형 AI를 악용한 사이버공격이 증가할 것으로 전망했다. 특히 프루프포인트는 현재 맬웨어 개발자들이 AI를 활용해 더 많은 표적에 접근할 수 있는 첨단 프로그래밍 기법을 만들고 있음을 지적하며, 그 결과 2024년에는 샌드박스나 EDR(Endpoint Detection and Response)과 같은 도구를 피할 수 있는 맬웨어가 크게 확산하며 ‘맬웨어의 각축장’이 벌어질 수 있다고 경고했다. 세상의 모든 IT 리서치 자료, '넘버스' 여기서 소개한 모든 자료는 넘버스(Numbers) 서비스에 등록돼 있다. 넘버스는 IT 전문 미디어 ITWorld가 제공하는 IT 리서치 자료 메타 검색 서비스다. IDC, 가트너, 포레스터 등 주요 시장조사 업체의 자료는 물론 국내외 정부와 IT 기업, 민간 연구소 등이 발표한 기술 관련 최신 자료를 총망라했다. 2024년 1월 현재 1,300여 건의 자료가 등록돼 있으며, 매달 50여 건이 새롭게 올라온다. 등록된 자료는 출처와 토픽, 키워드 등을 기준으로 검색할 수 있고, 관련 기사를 통해 해당 자료의 문맥을 이해할 수 있다. 자료의 원문 제목과 내용을 볼 수 있는 링크, 자료를 발행한 주체와 발행 일자도 함께 확인할 수 있다. mia.kim@foundryco.com
구글의 고(Go) 프로그래밍 언어가 처음 등장했을 때는 이 언어는 호기심 많은 컴퓨터 전문가나 다루던 언어였다. 그러나 이후 10여 년의 시간을 거치면서 세계적으로 중요한 여러 클라우드 네이티브 프로젝트를 움직이는 검증된 프로그래밍 언어로 발전했다. 도커, 쿠버네티스와 같은 중요한 프로젝트에서 개발자가 고를 선택한 이유는 무엇일까? 고의 대표적인 특징은 무엇이고, 다른 프로그래밍 언어와 어떤 면에서 다를까? 고는 어떤 종류의 프로젝트에 가장 적합할까? 여기서는 고의 기능과 최적의 사용 사례는 물론 부족한 기능과 제약을 살펴보고 앞으로의 발전 방향을 예측해 본다. 작고 간소한 고 언어 고, 또는 흔히 말하는 고랭(Golang)은 오랜 유닉스 권위자이자 구글 특별 엔지니어인 롭 파이크를 주축으로 구글 직원이 만든 언어지만 엄밀히 말하면 “구글 프로젝트”는 아니다. 그보다는 언어의 사용 방법과 방향에 대해 명확한 소신이 있는 리더십의 주도로 커뮤니티에서 개발한 오픈소스 프로젝트라고 하는 편이 더 정확하다. 고는 쉽게 배울 수 있고 다루기 편하며 다른 개발자가 읽기 쉬운 언어를 목표로 한다. 고는 특히 C++와 같은 언어와 비교해 기능이 많지는 않다. 구문 측면에서는 C와 비슷하므로 오랜 기간 C를 사용해 온 개발자라면 비교적 쉽게 배울 수 있다. 그러나 고의 여러 기능, 특히 동시성 및 함수형 프로그래밍 기능은 얼랭(Erlang)과 같은 언어와 더 비슷하다. 고는 온갖 종류의 크로스 플랫폼 엔터프라이즈 애플리케이션을 구축하고 유지하기 위한 C와 유사한 언어로, 자바와도 많은 공통점을 갖고 있다. 또한 파이썬과는 유사점보다 차이점이 훨씬 더 크긴 하지만 어디에서나 실행 가능한 코드를 빠르게 개발할 수 있다는 면에서는 마찬가지라고 할 수 있다. 고 설명 문서를 보면, 고를 “동적 형식 지정 인터프리트 언어처럼 느껴지는 빠른 정적 형식 지정 컴파일 언어”라고 설명한다. 규모가 큰 고 프로그램도 컴파일에는 몇 초밖에 걸리지 않는다. 또한 고에서는 C 스타일의 include 파일 및 라이브러리에 따르는 오버헤드를 대부분 피할 수 있다. 고 언어의 강점 고는 여러 가지 면에서 개발자의 일을 편하게 해준다. 강점 1. 편리함 고는 많은 일반적인 프로그래밍 요구를 충족할 수 있다는 점에서 파이썬과 같은 스크립팅 언어와 자주 비교된다. 이런 기능 중에는 동시성과 스레드 동작을 위한 고루틴처럼 언어 자체에 내장된 경우도 있고, 고의 http 패키지와 같이 고 표준 라이브러리 패키지로 제공되는 부가적인 기능도 있다. 고는 파이썬과 마찬가지로 가비지 수집을 포함한 자동 메모리 관리 기능을 제공한다. 고 코드는 파이썬과 같은 스크립팅 언어와 달리 실행 속도가 빠른 네이티브 바이너리로 컴파일된다. 또한 C 또는 C++와 달리 고의 컴파일 속도는 매우 빨라서 고로 작업하다 보면 컴파일 언어보다는 스크립팅 언어에 가깝게 느껴진다. 고 빌드 시스템은 다른 컴파일 언어에 비해 덜 복잡하다. 몇 단계만 거치면 별다른 수고 없이 프로젝트를 빌드하고 실행할 수 있다. 강점 2. 빠른 속도 고 바이너리의 실행 속도는 C 바이너리에 비하면 느리지만 그 차이가 크지는 않아서 대부분의 애플리케이션에서 무시해도 될 정도다. 성능은 대부분의 작업에서 C에 필적하며, 자바스크립트, 파이썬, 루비 등 개발 속도로 유명한 다른 언어와 비교하면 대체로 훨씬 더 빠르다. 강점 3. 이식성 고 툴체인으로 생성된 실행 파일은 기본적인 외부 종속성 없이 독립적으로 작동할 수 있다. 고 툴체인은 다양한 운영체제 및 하드웨어 플랫폼용으로 제공되며, 이러한 툴체인을 사용해 여러 플랫폼에 걸쳐 바이너리를 컴파일할 수 있다. 강점 4. 상호운용성 고는 모든 기능을 기반 시스템에 대한 접근성을 희생하지 않고 제공한다. 고 프로그램은 외부 C 라이브러리와 통신하거나 네이티브 시스템을 호출할 수 있다. 예를 들어 도커에서 고는 저수준 리눅스 함수, 컨트롤 그룹(cgroups) 및 네임스페이스와 상호작용해 컨테이너 동작을 구현한다. 강점 5. 광범위한 지원 고 툴체인은 리눅스, 맥OS 또는 윈도우 바이너리나 도커 컨테이너로 무료로 사용 가능하다. 고는 레드 햇 엔터프라이즈 리눅스, 페도라와 같은 많은 인기 있는 리눅스 배포판에 기본적으로 포함되므로 이러한 플랫폼에 비교적 쉽게 고 소스를 배포할 수 있다. 마이크로소프트 비주얼 스튜디오 코드부터 액티브스테이트(ActiveState)의 코모도(Komodo) IDE에 이르기까지 많은 서드파티 개발 환경도 충실하게 지원한다. 고 언어가 가장 적합한 분야 모든 작업에 적합한 언어는 없지만 다른 언어에 비해 더 많은 작업에서 효과적인 언어는 있다. 고는 다음과 같은 애플리케이션 유형 개발에서 가장 빛을 발한다. 분야 1. 클라우드 네이티브 개발 고의 동시성과 네트워킹 특성, 높은 수준의 이식성은 클라우드 네이티브 앱을 구축하는 데 적합하다. 실제로 고는 도커, 쿠버네티스, 이스티오를 포함한 클라우드 네이티브 컴퓨팅의 여러 초석을 구축하는 데 사용됐다. 분야 2. 분산 네트워크 서비스 네트워크 애플리케이션의 성패는 동시성에 달려 있는데, 고루틴과 채널 등 고의 네이티브 동시성 기능이 이 부분에서 강점이 있다. API, 웹 서버, 웹 애플리케이션을 위한 최소한의 프레임워크 등 네트워킹, 분산 기능 및 클라우드 서비스를 위한 고 프로젝트가 많은 것도 이 때문이다. 분야 3. 유틸리티 및 독립형 툴 고 프로그램은 최소한의 외부 종속성을 가진 바이너리로 컴파일된다. 따라서 시작 시간이 빠르고 즉시 패키징해 재배포할 수 있으므로 유틸리티나 다른 툴을 만드는 데 적합하다. 한 가지 예로 SSH 등에 사용되는 텔레포트(Teleport)라는 액세스 서버가 있다. 텔레포트는 소스에서 컴파일하거나 사전 빌드된 바이너리를 다운로드하는 방법으로 빠르고 쉽게 서버에 배포할 수 있다. 고 언어의 제약 제약 1. 생략된 언어 기능이 많음 지향점이 뚜렷한 고의 기능은 칭찬과 비판을 동시에 받아왔다. 고는 작고 이해하기 쉬운 언어에 중점을 두고 설계됐으므로, 일부 기능은 의도적으로 생략됐다. 그 결과 다른 언어에서는 일반적인 몇 가지 기능을 고에서는 볼 수 없다. 오랜 불만 중 하나는 한 함수가 여러 유형의 변수를 받을 수 있게 해주는 제네릭 함수의 부재였다. 고 개발 팀은 고의 나머지 부분을 보완하는 구문과 동작을 구현해야 한다는 이유로 오랜 시간 동안 제네릭 추가에 반대 입장을 고수했다. 그러나 2022년 초에 출시된 고 1.18부터는 제네릭을 위한 구문이 포함됐다. 여기서 알 수 있는 점은 고는 여러 버전 간에 폭넓은 호환성을 보존한다는 이유로 중대한 기능을 추가하는 일이 거의 없고, 추가할 때도 많은 고민을 거친다는 것이다. 제약 2. 바이너리 크기가 클 수 있음 고의 또 다른 잠재적인 단점은 생성된 바이너리의 크기다. 기본적으로 고 바이너리는 정적으로 컴파일된다. 즉, 런타임에 필요한 모든 요소가 바이너리 이미지에 포함된다. 이 방식은 빌드 및 배포 프로세스를 간단하게 해주지만 그 대가로 “Hello, world!”를 출력하는 바이너리의 크기가 64비트 윈도우 기준 약 1.5MB에 이른다. 고 팀은 각 릴리스마다 바이너리의 크기를 줄이기 위한 작업을 해오고 있다. 또한 압축이나 디버그 정보를 제거하는 방법으로 고 바이너리 크기를 줄이는 것도 가능하다. 후자의 방법은 서비스가 실패할 경우 디버그 정보를 유용하게 사용할 수 있는 클라우드 또는 네트워크 서비스보다는 독립형 분산 앱에서 더 적합하다. 제약 3. 가비지 수집에서 많은 리소스 소비 고가 자랑하는 기능인 자동 메모리 관리는 단점이 되기도 한다. 가비지 수집을 위해 얼마간의 처리 오버헤드가 필요하기 때문이다. 고는 설계상 수동 메모리 관리 기능을 제공하지 않으며, 고의 가비지 수집은 엔터프라이즈 애플리케이션에서 발생하는 메모리 부하에 잘 대응하지 못한다는 비판을 받아왔다. 그래도 새 버전이 나올 때마다 메모리 관리 기능이 개선되고 있다. 예를 들어 고 1.8에서는 가비지 수집의 지연 시간이 크게 줄어들었다. 고 개발자는 C 확장에서 수동 메모리 할당을 사용하거나 서드파티 수동 메모리 관리 라이브러리를 사용할 수 있지만, 대부분의 고 개발자는 이러한 문제에 대해 네이티브 솔루션을 선호한다. 제약 4. GUI 구축을 위한 표준 툴킷의 부재 데스크톱 애플리케이션의 GUI와 같이 고 애플리케이션을 위한 풍부한 GUI를 구축하는 소프트웨어 문화는 여전히 빈약하다. 대신 대부분의 고 애플리케이션은 명령줄 툴 또는 네트워크 서비스다. 다만 고 애플리케이션에 GUI를 제공하기 위한 다양한 프로젝트가 진행 중이다. 대표적인 것이 GTK 및 GTK3 프레임워크를 위한 바인딩이다. C 바인딩에 의존하며 순수 고로 작성되지 않았지만 플랫폼 네이티브 UI를 제공하는 프로젝트도 있다. 윈도우 사용자라면 워크(walk)를 사용해볼 수 있다. 그러나 아직은 확고한 승자나 장기적인 관점에서 안전한 방법이 없다. 크로스 플랫폼 GUI 라이브러리를 구축하고자 했던 구글 프로젝트를 포함한 몇몇 프로젝트도 성과 없이 끝났다. 또한 고는 설계상 플랫폼 독립적이므로 이와 같은 프로젝트가 표준 패키지 모음의 일부가 될 가능성은 낮다. 마지막으로, 고는 네이티브 시스템 함수와 통신할 수 있지만 커널 또는 디바이스 드라이버, 임베디드 시스템과 같은 저수준 시스템 구성요소를 개발하기 위한 용도로는 적합하지 않다. 결국 고 런타임과 고 애플리케이션을 위한 가비지 수집기는 기반 운영체제에 의존한다. 이런 작업에 적합한 최신 언어에 관심이 있다면 러스트 언어를 추천한다. 고 언어의 미래 고 개발진은 고집을 부리기보다는 고 개발자 기반을 더욱 포용하는 방향으로 언어의 방향을 바꾸고 있으며, 그에 따라 앞으로는 이 개발자층의 희망 및 요구사항을 더 반영하며 개발될 것이다. 이 같은 변화의 대표적인 예가 최선의 방법에 대한 오랜 숙고 끝에 추가된 제네릭이다. 2021년 고 개발자 설문에서 고 개발자들은 고 언어가 제공하는 기능에 전반적으로 만족한다고 답했지만 개선해야 할 부분도 많다고 지적했다. 고 사용자들이 주로 개선을 원하는 분야는 종속성 관리(고 언어의 오랜 숙제), 버그 진단, 안정성이며, 그에 비해 메모리, CPU 사용률, 바이너리 크기, 빌드 시간 등의 순위는 훨씬 낮았다. 대부분의 언어는 핵심 사용 사례에 중점을 둔다. 고는 처음 등장하고 10년 동안 네트워크 서비스 틈새를 파고들었으며 이 영역에서 계속 확장해 나갈 가능성이 높다. 설문에서 확인된 고 언어의 주 사용 사례는 API 또는 RPC 서비스 생성(49%), 데이터 처리(10%), 웹 서비스(10%), CLI 애플리케이션(8%) 순이었다. 고 언어의 매력이 높아지고 있음을 보여주는 또 다른 신호는 언어 평가 후 실제로 도입하는 개발자의 수다. 프로젝트에 고 사용을 고려 중이라고 답한 설문 응답자 중 75%는 고를 선택했다. 고를 선택하지 않은 개발자가 선택한 주요 대안은 러스트(25%), 파이썬(17%), 자바(12%)였다. 이들 각 언어는 다른 틈새 시장을 발견했거나 지금 찾고 있다. 러스트의 경우 안전하고 빠른 시스템 프로그래밍, 파이썬은 프로토타이핑과 자동화 및 글루 코드, 자바는 전통적인 엔터프라이즈 애플리케이션이다. 고의 속도와 간편한 개발이 다른 사용 사례로 얼마나 확산될지, 또는 고가 엔터프라이즈 개발 분야에 얼마나 깊이 침투하게 될지는 아직 알 수 없다. 그러나 주요 프로그래밍 언어로서 고의 미래는 이미 보장돼 있다. 특히 고의 속도와 단순함은 가장 큰 미덕이다. 장기적인 유지 관리가 가능한 확장성 있는 인프라를 더 쉽게 개발할 수 있는 기반이 되는 클라우드에서고 언어의 미래는 확실하다. editor@itworld.co.kr
GPT, 바드, 라마 2 같은 대규모 언어 모델(LLM)은 대중의 상상력을 자극하고 다양한 반응을 끌어냈다. LLM에 대한 열기의 이면을 살펴보면서 대규모 언어 모델의 기원, 이러한 모델이 어떻게 구축 및 학습되는지를 살펴본다. 또한, 어떤 범위에서 효과적인지 검토하고, 가장 많이 사용되는 LLM에 대해 알아보자. 대규모 언어 모델이란? 언어 모델의 시초는 20세기 초까지 거슬러 올라가지만 대규모 언어 모델이 본격적으로 부상한 시점은 신경망이 도입된 이후다. 특히 2017년에 등장한 트랜스포머(Transformer) 심층 신경망 아키텍처는 언어 모델에서 LLM으로의 진화에 큰 역할을 했다. 대규모 언어 모델은 설명 프롬프트를 기반으로 한 텍스트 생성, 코드 생성 및 코드 완성, 텍스트 요약, 언어 간 번역, 텍스트투스피치 및 스피치투텍스트 애플리케이션을 포함한 다양한 작업에 유용하다. 한편, 적어도 현재 개발 단계에서의 LLM에는 단점도 있다. 생성된 텍스트의 품질이 그다지 좋은 편이 아니며, 형편없는 경우도 종종 발생한다. LLM은 없는 사실을 만들어 내기도 하는데 이를 환각(hallucination)이라고 한다. 답을 구하는 사용자에게 관련 지식이 없다면 환각은 상당히 그럴듯하게 들릴 것이다. 언어 번역의 경우, 네이티브 스피커의 검수를 받지 않은 문장은 100% 정확한 경우가 거의 없지만, 검수는 일반적으로 상용구에 한해서만 이뤄진다. 생성된 코드에는 버그가 흔하고, 아예 실행되지 않는 경우도 있다. 대체로 LLM은 논란의 여지가 있는 언급을 하거나 불법적인 행동을 추천하는 일이 없도록 미세한 조정을 거치지만 악의적인 프롬프트를 사용하면 안전 장치를 무력화할 수도 있다. 대규모 언어 모델을 학습시키기 위해서는 대규모 텍스트 말뭉치(corpus)가 하나 이상 필요하다. 학습 예제에는 1B 워드 벤치마크(1B Word Benchmark), 위키피디아, 토론토 북 코퍼스(Toronto Books Corpus), 커먼 크롤(Common Crawl) 데이터 집합, 그리고 공개 오픈소스인 깃허브 리포지토리 등이 포함된다. 대규모 텍스트 데이터 집합에는 저작권 침해와 쓰레기라는 두 가지 문제점이 있다. 저작권 침해의 경우 현재 여러 관련 소송이 진행 중이다. 쓰레기는 최소한 청소는 가능하다. 쓰레기 청소가 된 데이터 집합의 예로, 커먼 크롤 데이터 집합을 기반으로 한 800GB 용량의 데이터 집합인 콜로설 클린 크롤드 코퍼스(Colossal Clean Crawled Corpus: C4)가 있다. 대규모 언어 모델은 딥러닝 신경망, 대규모 학습 말뭉치를 사용하며, 신경망을 위한 수백만 개 이상의 매개변수 또는 가중치를 필요로 한다는 면에서 전통적인 언어 모델과 다르다. 하나 이상의 대용량 학습 말뭉치와 함께 LLM에는 많은 수의 매개변수, 즉 가중치가 필요하다. 매개변수의 수는 지금까지 매년 증가했다. 엘모(ELMo, 2018)의 매개변수 수는 9,360만 개이며 버트(BERT, 2018)는 1억 1,700만 개, T5(2020)는 2억 2,000만 개다. GPT2(2019)의 경우 16억 개, GPT3(2020)는 1,750억 개, 팜(PaLM, 2022)은 5,400억 개이며 GPT4(2023)의 매개변수는 1조 7,600억 개에 이른다. 매개변수가 많을수록 모델의 정확도는 높아지지만 그만큼 더 많은 메모리가 필요하고 실행 속도가 느려진다. 2023년에는 비교적 작은 모델들이 여러 가지 크기로 출시되기 시작했다. 예를 들어 라마 2(Llama 2)는 70억 개, 130억 개, 700억 개 버전으로 제공되며 클로드 2(Claude 2)는 930억 개와 1,370억 개의 매개변수 크기로 제공된다. 텍스트를 생성하는 AI 모델의 역사 언어 모델의 시초는 1913년에 시에 수학을 적용한 안드레이 마코프다. 마코프는 푸시킨의 유게니 오네긴에서 한 문자가 나타날 확률은 이전 단어에 따라 달라지며, 일반적으로 자음과 모음이 번갈아 나타나는 경향이 있음을 밝혀냈다. 현재 마코프 체인은 각 이벤트의 확률이 이전 이벤트의 상태에 따라 달라지는 이벤트 시퀀스를 설명하는 데 사용된다. 마코프의 연구는 1948년 클로드 섀넌의 통신 이론에서 확장됐고, 이후 IBM의 프레드 젤리넥과 로버트 머서가 1985년에 교차 검증 기반의 언어 모델을 만들어 실시간 대규모 어휘 음성 인식에 적용하면서 다시 한번 확장됐다. 기본적으로 통계적 언어 모델은 단어의 시퀀스에 확률을 할당한다. 언어 모델의 실제 작동을 간단히 보려면 구글 검색 또는 휴대폰에서 자동 완성을 켠 상태로 문자 메시지 앱에 단어를 몇 개 입력해보면 된다. 2000년에 요슈아 벤지오와 공동 저자들은 통계적 언어 모델의 확률을 신경망으로 대체하여 차원의 저주를 회피하고 당시 최첨단 기술이었던 평탄화 트라이그램(smoothed trigram) 모델에 비해 단어 예측을 20%~35% 개선하는 신경 확률 언어 모델을 다룬 논문을 발표했다. 피드 포워드 자동 회귀 신경망 언어 모델 개념은 지금도 여전히 사용되지만, 현재의 모델은 매개변수 수가 수십억 개에 이르고 광범위한 말뭉치로 학습되며, 그래서 ‘대규모 언어 모델’이라는 명칭으로 불린다. 언어 모델이 성능 개선을 목표로 발전하면서 시간이 갈수록 크기도 커졌다. 그러나 이 같은 크기 증가에는 단점도 있다. 2021년에 발표된 논문 ‘확률적 앵무새의 위험에 대해: 언어 모델의 크기에는 한계가 없는가?’는 언어 모델은 클수록 좋다고 생각하는 경향에 대해 의문을 제기한다. 논문 저자는 웹의 모든 것을 수집하지 말고 환경적, 재정적 비용을 먼저 고려해서 데이터 집합을 선별 및 문서화하는 데 투자할 것을 제안한다. 언어 모델과 LLM에 대한 이해 현재의 언어 모델은 다양한 작업과 목표가 있고 형태도 다양하다. 예를 들어 언어 모델은 문서에서 다음 단어를 예측하는 작업 외에 새로운 텍스트를 생성하고 텍스트를 분류하고 질문에 답하고 감정을 분석하고 명명된 개체를 인식하고 음성을 인식하고 이미지의 텍스트를 인식하고 손글씨를 인식할 수 있다. 일반적으로 중소 규모의 보충 학습 집합을 사용하여 실시되는 특정 작업을 위한 언어 모델 맞춤 설정을 미세 조정(finetuning)이라고 한다. 언어 모델에 들어가는 중간 작업의 예를 들면 다음과 같다. 학습 말뭉치를 문장으로 세분화 단어 토큰화 어간 추출 표제어 추출(어근 단어로 변환) POS(Part Of Speech) 태깅 정지단어 식별 및 제거(경우에 따라) 명명된 객체 인식(NER) 텍스트 분류 청킹(Chunking, 문장을 유의미한 구로 분할) 상호참조 해결(텍스트의 동일한 개체를 가리키는 모든 표현 찾기) 이 중에서 일부는 텍스트 분류와 같이 자체적인 작업 또는 애플리케이션으로도 유용하다. 대규모 언어 모델은 딥러닝 신경망과 대규모 학습 말뭉치를 사용하며, 신경망을 위한 수백만 개 이상의 매개변수 또는 가중치를 필요로 한다는 면에서 기존 언어 모델과 다르다. LLM 학습은 지정된 작업에 대한 모델의 오류를 가능한 가장 낮게 하기 위한 가중치 최적화의 문제다. 예를 들어 보통 자기 지도 방식으로 말뭉치의 임의의 지점에서 다음 단어를 예측하는 작업이 있다. 가장 인기 있는 LLM 최근 대규모 언어 모델의 폭발적인 성장을 촉발한 것은 2017년 발표된 “필요한 것은 주의 집중(Attention is All You Need)”이라는 논문이다. 이 논문은 “순환과 컨볼루션을 완전히 배제하고 오로지 주의 집중 메커니즘에만 기반을 둔 새롭고 단순한 신경망 아키텍처”로 트랜스포머를 소개했다. 오늘날 가장 많이 사용되는 대규모 언어 모델 중 몇 가지를 소개하면 다음과 같다. 엘모(ELMo) 엘모는 2018년에 나온 앨런NLP(AllenNLP)의 심층 맥락화 단어 표현 LLM으로, 단어 사용의 복잡한 특징, 그리고 언어적 맥락에 따라 그 단어 사용이 어떻게 달라지는지를 모델링한다. 원본 모델은 9,360만 개의 매개변수를 사용하며 1B 워드 벤치마크로 학습됐다. 버트(BERT) 버트는 구글 AI가 자사 트랜스포머 신경망 아키텍처를 기반으로 2018년에 출시한 언어 모델이다. 버트는 모든 레이어에서 왼쪽과 오른쪽의 맥락에 대한 공동 조건화를 통해 레이블 없는 텍스트로부터 심층 양방향 표현을 사전 학습하도록 설계됐다. 초기에 사용된 두 모델의 크기는 각각 매개변수 1억 개와 3억 4,000만 개였다. 버트는 토큰의 최대 15%가 “손상되는” 마스킹된 언어 모델링(MLM)을 학습에 사용한다. 영어 위키피디아와 토론토 북 코퍼스를 사용해 학습됐다. T5 구글의 2020년 텍스트투텍스트 트랜스퍼 트랜스포머(T5) 모델은 GPT, ULMFiT, 엘모, 버트 및 후속 모델에 적용된 최고의 전이 학습 기법을 기반으로 새로운 모델을 합성한다. 오픈소스 콜로설 클린 크롤드 코퍼스(C4)를 사전 학습 데이터 집합으로 사용한다. 영어용 표준 C4는 원본 커먼 크롤 데이터 집합을 기반으로 한 800GB 데이터 집합이다. T5는 모든 NLP 작업을 통합 텍스트투텍스트 형식으로 재구성한다. 클래스 레이블 또는 입력의 범위만 출력할 수 있는 버트 스타일 모델과 달리, 이 형식에서는 입력과 출력이 항상 텍스트 문자열이다. 기본 T5 모델에는 총 2억 2,000만 개의 매개변수가 사용된다. GPT 제품군 AI 연구 및 배포 기업인 오픈AI(OpenAI)의 사명은 “인공 일반 지능(AGI)이 모든 인류에 혜택이 되도록 하는 것”이다. 물론 AGI에는 아직 도달하지 못했고, 머신러닝의 개척자인 메타FAIR의 얀 르쿤 등 일부 AI 연구자는 AGI에 대한 오픈AI의 현재 접근 방식에는 답이 없다고 생각하기도 한다. 오픈AI는 GPT 언어 모델 제품군을 갖추고 있다. GPT 제품군 전체와 2018년 이후의 발전 과정을 간략하게 살펴보자. (참고로 GPT 제품군 전체는 구글의 트랜스포머 신경망 아키텍처를 기반으로 한다. 구글이 트랜스포머를 오픈소스로 공개했으므로 이는 합법적이다.) GPT(생성형 사전 학습 트랜스포머)는 오픈AI가 2018년에 출시한 모델로, 약 1억 1,700만 개의 매개변수를 사용한다. GPT는 토론토 북 코퍼스를 사용해 사전 학습된 단방향 트랜스포머이며 인과적 언어 모델링(CLM) 목표에 따라, 즉 시퀀스의 다음 토큰을 예측하도록 학습됐다. GPT2는 2019년에 출시된 GPT 확장 모델로, 매개변수는 15억 개이며 최대 40GB의 텍스트 데이터를 포함한 800만 개의 웹페이지 데이터 집합을 사용해 학습됐다. 오픈AI는 GPT2가 “너무 뛰어나고” “가짜 뉴스”로 이어질 수 있다는 이유에서 원래는 GPT2에 대한 접근을 제한했다. 이 조치는 나중에 철회됐지만, GPT3가 출시되면서 사회적 문제가 생길 가능성이 더 커졌다. GPT3는 2020년에 나온 자동 회귀 언어 모델로, 1,750억 개의 매개변수를 사용하며 필터링된 버전의 커먼 크롤과 웹텍스트2(WebText2), 북1(Books1), 북2(Books2), 영어 위키피디아의 조합으로 학습됐다. GPT3에 사용된 신경망은 GPT2와 비슷하지만 몇 개의 추가 블록이 있다. GPT3의 가장 큰 단점은 환각, 즉 명확한 근거 없이 사실을 지어내는 경향이다. GPT3.5와 GPT4에도 정도는 덜하지만 같은 문제가 있다. 코덱스(CODEX)는 2021년 GPT3에서 파생된 모델로 코드 생성을 위해 5,400만 개의 오픈소스 깃허브 리포지토리로 미세 조정됐다. 깃허브 코파일럿(Copilot)에 사용되는 모델이다. GPT3.5는 GPT3와 코덱스의 2022년 업데이트 집합이다. gpt3.5turbo 모델은 채팅에 최적화됐지만 기존의 완성 작업에서도 잘 작동한다. GPT4는 오픈AI의 주장으로는 일부 전문 및 학술 벤치마크에서 인간 수준의 성능을 발휘하는 2023년 대규모 멀티모달 모델(이미지와 텍스트 입력을 받아서 텍스트 출력을 생성)이다. GPT4는 미국 변호사 시험, LSAT, GRE 및 여러 AP 주제 시험을 포함한 다양한 시뮬레이션 시험에서 GPT3.5를 앞섰다. 참고로 시간이 지나면서 GPT3.5와 GPT4의 성능도 바뀌었다. 2023년 7월 스탠포드 대학 논문에 따르면 2023년 3월부터 2023년 6월 사이에 소수 식별을 포함한 여러 작업에서 모델의 동작이 크게 바뀌었다. GPT4 모델의 편향성에 대한 우려 GPT4의 학습 방법을 오픈AI가 설명하지 않은 것은 심각한 우려 사항이다. 오픈AI 측이 내세우는 이유는 경쟁이다. 마이크로소프트(현재까지 오픈AI에 130억 달러의 자금을 투자함)와 구글 간의 경쟁을 감안하면 어느 정도 납득은 되는 이유다. 그러나 학습 말뭉치의 편향성에 대해 알지 못한다는 것은 모델의 편향성에 대해 알지 못한다는 것을 의미한다. 에밀리 벤더는 2023년 3월 16일 마스토돈에 게시한 GPT4에 대한 글에서 “#오픈AI가 학습 데이터, 모델 아키텍처 등에 대한 정보를 *공개*하기 전까지 GPT4는 독성 쓰레기로 간주해야 한다”라고 말했다. 챗GPT와 빙GPT는 원래 gpt3.5turbo 기반의 챗봇이었지만 2023년 3월에 GPT4를 사용하도록 업그레이드됐다. 현재 GPT4 기반의 챗봇 버전에 액세스하려면 챗GPT 플러스에 가입해야 한다. GPT3.5 기반의 표준 챗GPT는 2021년 9월까지의 데이터로만 학습됐다. 빙GPT는 “더 뉴 빙”이라고도 하며, 마이크로소프트 엣지 브라우저에서 액세스할 수 있다. 마찬가지로 2021년까지의 데이터로 학습됐다. 이에 대해 빙GPT에 직접 물어보면 지속적으로 학습하면서 웹의 새로운 정보로 지식을 업데이트하고 있다고 주장한다. 홍콩 과학기술대학교 인공 지능 연구 센터의 파스칼 펑 교수는 2023년 3월 초에 챗GPT 평가에 대해 강연했는데, 시간을 투자해서 볼 만한 가치가 충분한 강연이다. 람다(LaMDA) 구글이 2021년에 발표한 “획기적인” 대화 기술인 람다(대화 애플리케이션을 위한 언어 모델)는 트랜스포머 기반 언어 모델로, 대화를 통해 학습되며 응답의 분별력과 구체성을 대폭 개선하도록 미세 조정됐다. 람다의 강점은 사람의 대화에서 흔히 발생하는 주제 표류에 대처할 수 있다는 것이다. 팜(PaLM) 팜(패스웨이 언어 모델)은 구글 리서치가 2022년에 발표한 고밀도 디코더 전용 트랜스포머 모델로 매개변수 수는 5,400억 개이며 패스웨이(Pathways) 시스템을 사용해 학습됐다. 팜은 고품질의 웹 문서와 서적, 위키피디아, 대화, 깃허브 코드를 포함한 여러 영어 및 다국어 데이터 집합의 조합을 사용해 학습됐다. 또한 구글은 모든 공백(특히 코드에 중요)을 보존하고, 어휘 목록에서 벗어난 유니코드 문자를 바이트로 분할하고, 숫자를 각 자릿수당 하나의 개별 토큰으로 분할하는 “무손실” 어휘 목록도 만들었다. 팜코더(PaLMCoder)는 파이썬 전용 데이터 집합으로 미세 조정된 팜 540B 버전이다. 팜E(PaLME) 팜E는 구글이 로봇공학용으로 2023년에 구체화한 멀티모달 언어 모델이다. 연구진은 팜을 가져와서 로봇 에이전트의 센서 데이터로 보완하여 “구체화(팜E의 ‘E’는 구체화를 의미)”했다. 또한 팜E는 팜 외에 ViT 22B 비전 모델도 채택했으므로 일반적인 기능의 비전 및 언어 모델이기도 하다. 바드(Bard) 바드는 구글이 2023년 출시한 람다 기반의 구글 대화형 AI 서비스다. 2023년 3월 21일에 출시된 후 2023년 5월 10일에 일반에 공개됐다. 바드는 출시 이후 여러 번 업데이트됐다. 2023년 4월에는 20개의 프로그래밍 언어로 코드를 생성하는 기능이 추가됐고, 2023년 7월에는 40가지 인간 언어 입력에 대한 지원과 함께 구글 렌즈가 통합되고 40개 이상의 언어를 사용한 텍스트투스피치 기능이 추가됐다. 라마(LLaMA) 라마(대규모 언어 모델 메타 AI)는 650억 매개변수를 사용하는 “원시” 대규모 언어 모델로, 메타 AI(전 메타FAIR)가 2023년 2월에 출시했다. 라마에 대한 메타의 설명은 다음과 같다. 대규모 언어 모델 분야에서는 라마와 같은 비교적 작은 기반 모델을 학습시키는 것이 바람직하다. 훨씬 더 적은 컴퓨팅 성능과 리소스만으로 새 접근 방식을 테스트하고 다른 사람들의 작업을 검증하고 새로운 사용 사례를 탐색할 수 있기 때문이다. 기반 모델은 레이블 없는 대량의 데이터 집합으로 학습되므로 다양한 작업을 위한 미세 조정에 이상적이다. 라마는 여러 크기로 출시됐으며 어떻게 구축되었는지에 대한 자세한 내용이 담긴 모델 카드가 제공된다. 메타 AI의 얀 르쿤에 따르면 원래는 체크포인트와 토크나이저를 요청해야 했지만, 정식으로 요청을 제출해서 모델을 받은 누군가가 4채널 사이트에 다운로드 가능한 토렌트를 게시한 덕분에 지금은 쉽게 구할 수 있다. 라마 2(Llama 2) 라마 2는 차세대 메타 AI 대규모 언어 모델로, 2023년 1월부터 7월 사이에 라마 1에 비해 40% 더 많은 데이터로 학습됐으며(공개적으로 사용 가능한 소스에서 2조 개의 토큰 사용), 컨텍스트 길이는 2배 더 긴 4096이다. 라마 2는 매개변수 70억 개, 130억 개, 700억 개의 여러 크기로 제공되고 사전 학습 및 미세 조정된 변형도 있다. 메타 AI는 라마 2가 오픈소스라고 주장하지만 허용되는 사용에 대한 제약이 포함됐다는 이유로 이 주장에 동의하지 않는 사람들도 있다. 커뮤니티 라이선스 외에 상용 라이선스도 제공된다. 라마 2는 최적화된 트랜스포머 아키텍처를 사용하는 자동 회귀 언어 모델이다. 조정된 버전은 지도 미세 조정(SFT)과 인간 피드백을 통한 강화 학습(RLHF)을 사용해서 유용성과 안전성에 대한 인간의 선호도에 맞게 조정된다. 라마 2는 현재 영어 전용이다. 모델 카드에는 벤치마크 결과와 탄소 발자국 통계가 포함돼 있다. 연구 논문 ‘라마 2: 개방형 기반과 미세 조정된 채팅 모델’에서 더 자세한 내용을 볼 수 있다. 클로드 2(Claude 2) 2023년 7월에 출시된 앤트로픽(Anthropic)의 클로드 2는 단일 프롬프트에서 최대 10만 개의 토큰(약 7만 단어)을 수락하며, 수천 토큰의 스토리를 생성할 수 있다. 클로드는 구조적 데이터를 편집, 재작성, 요약, 분류, 추출할 수 있으며 내용을 기반으로 한 Q&A와 그 외의 다양한 작업이 가능하다. 대부분의 학습은 영어로 이뤄졌지만 다른 여러 일반적인 언어에서도 잘 작동하며, 일반적이지 않은 언어로도 어느 정도의 커뮤니케이션이 가능하다. 프로그래밍 언어에 대한 지식도 방대하다. 클로드는 유용하고 정직하고 무해한(Helpful, Honest, Harmless, HHH) 모델로 학습됐으며 무해함을 강화하고 프롬프트를 통해 공격적이거나 위험한 출력을 생성하기가 더 어렵게 하기 위한 광범위한 레드 팀 과정을 거쳤다. 사용자의 개인 데이터를 학습에 사용하거나 인터넷에서 답을 참조하지 않지만, 사용자가 직접 클로드에 인터넷의 텍스트를 제공해서 그 내용으로 작업을 수행하도록 요청할 수는 있다. 클로드는 미국 및 영국 사용자에게 무료 베타 버전으로 제공되며, 생성형 AI 플랫폼인 재스퍼(Jasper), 코드 AI 플랫폼인 소스그래프 코디(Sourcegraph Cody), 아마존 베드록(Amazon Bedrock)과 같은 상업적 협력업체 채택됐다. 결론 살펴본 바와 같이 대규모 언어 모델은 여러 기업에서 활발하게 개발되는 중이며 오픈AI와 구글 AI, 메타 AI, 앤트로픽에서 거의 매달 새로운 버전이 나오고 있다. 이러한 LLM 중에서 진정한 인공 일반 지능(AGI)을 달성한 모델은 없지만 새 모델이 나올 때마다 대체로 지난 모델에 비해 개선되는 중이다. 다만 대부분의 LLM에서 환각을 비롯한 비정상적인 현상이 자주 발생하며, 경우에 따라 사용자 프롬프트에 대해 부정확하고 편향되거나 불쾌한 응답을 생산하기도 한다. 결국 출력이 정확함을 검증할 수 있는 경우에 한해서만 LLM을 사용해야 한다. editor@itworld.co.kr
누구나 널리 알려진 좋은 소프트웨어를 사용하고 싶지만, 사실 전문가용 프로그램은 개인이 구매하기에 너무 비싸다. 이럴 때는 실행 파일은 물론 소스 코드까지 다운로드할 수 있는 오픈소스 소프트웨어라는 대안이 있다. 무료 소프트웨어여서 그 품질과 기능에 의심이 들겠지만 걱정할 필요가 없다. 많은 오픈소스 소프트웨어가 전문가용 제품 못지않은 품질과 기능을 제공한다. 오피스부터 미디어 편집, 파일 관리 및 백업까지 분야별 최고의 오픈소스 애플리케이션을 모았다. 생산성 : 오피스, PDF 및 컨퍼런스 툴 컴퓨터에서 매일 하는 작업을 꼽으라면 무엇보다 문서 편집이다. 리브레오피스(LibreOffice)는 텍스트, 스프레드시트, 프레젠테이션을 작성하는 종합 오피스 패키지로, 2000년에 소스코드가 공개된 오픈 오피스(Open Office)에서 파생됐다. 오픈 오피스 프로젝트는 현재 아파치 오픈 오피스라는 이름으로 지속되고 있다. 리브레오피스의 빠른 업데이트 주기는 아파치 오픈 오피스보다 유리한 점이다. 최신 7.5 버전에서는 라이터(Writer)의 텍스트 문서 편집 기능이 개선돼 머리글의 서식이 향상됐고 표 삽입이 쉬워졌다. 컬러 북마크를 사용해 섹션을 더 쉽게 탐색하고 찾을 수 있다. 스프레드시트인 칼크(Calc)에서는 확장된 수식 보조 기능과 다이어그램을 위한 새로운 함수가 눈에 띈다. 드로우(Draw)와 임프레스(Impress)는 표를 더 쉽게 디자인할 수 있게 바뀌었고, EMF 그래픽을 더 빠르게 가져올 수 있다. 어두운 색의 사용자 인터페이스가 표시되는 다크 모드도 지원된다. 한편 여러 기기 간 문서 교환에 유용한 것이 바로 PDF 포맷이다. PDF 파일로 문서를 만들면 다른 운영체제와 모바일 앱에서도 문서가 깨지지 않고 똑같이 표시된다. 마킹, 메모와 같은 부가 기능을 사용해 신속하게 메모 또는 변경 요청을 문서화할 수 있고, 그룹 작업도 가능하다. 보통 많은 사람이 PDF 파일을 다루기 위해 무료 어도비 아크로벳 리더를 사용하지만, PDF 파일을 빠르게 보는 용도로는 오픈소스 프로그램인 수마트라 PDF(Sumatra PDF)가 있다. 구글 번역 및 딥엘(DeepL)을 통한 번역으로 연결되는 링크, 주석을 사용한 마커 삽입 등의 기능을 제공한다. 협업 툴도 살펴보자. 팀의 협업 형태는 코로나 시기를 거치면서 크게 변했다. 온라인 비디오 컨퍼런스가 이제 보편적으로 사용된다. 화상회의는 회의실이 불필요하고 출장을 갈 필요도 없으며 이동 중에도 참여할 수 있는 장점이 있다. 협업 툴에는 줌 또는 마이크로소프트 팀즈가 유명하지만, 오픈소스 대안으로 오픈 토크(Open Talk)가 있다. 오픈 토크 시스템은 클라우드에서 작동하며 웹사이트를 통해 바로 사용할 수 있다. 전화 걸기, 화면 공유, 투표, 회의 녹화 등 상용 경쟁 툴과 비슷한 기능을 제공한다. 이밖에 많은 기업이 이미 작업 그룹을 디지털 방식으로 관리할 텐데, 이 분야에는 매터모스트(Mattermost)가 있다. 그룹 채팅, 프로젝트 관리, 소리를 포함한 화면 공유 옵션 등을 지원하는 데스크톱, 모바일 및 온라인 시스템이다. 매터모스트 웹사이트의 무료 계정을 통해 사용할 수 있다. 회사 IT에 통합하려면 추가 소프트웨어가 필요하며, 기술 지원 및 IT 통합은 유료로 제공된다. 인터넷 : 브라우저와 이메일 메시징, 온라인 쇼핑, 인터넷 뱅킹은 많은 사람에게 없어서는 안될 요소로 자리잡았고, 이런 사이트에 액세스하려면 웹 브라우저가 필요하다. 많은 사용자가 구글 크롬을 선호하지만 크롬에는 개인정보 보호 문제가 있다. 인터넷 검색을 넘어서는 구글의 탐욕스러운 데이터 수집은 이미 악명이 높다. 대안은 언구글드 크로미엄(Ungoogled Chromium)이다. 크롬 웹 브라우저의 오픈소스 버전으로, 구글의 모든 액세스가 차단된다. 서핑 시 기능 제약은 없으며 크롬 웹 스토어의 확장 프로그램도 작동한다. 이메일 역시 PC에서 매일 사용하는 기능이다. 이메일은 속도가 빠르며 사진이나 문서, 다양한 데이터를 주고받기에 적합하다. 썬더버드(Thunderbird)는 많은 기능을 갖춘 무료 메일 프로그램이다. 여러 사서함과 다양한 전송 프로토콜, 주소록, 캘린더 등을 지원한다. 썬더버드 20주년을 맞아 개발팀은 앱 전체에 대한 전반적인 현대화를 진행중이다. 멀티 미디어 : 사진, 영상, DTP 및 디자인 디지털 사진의 인기가 계속되는 가운데, 김프(Gimp)를 사용하면 손쉽게 사진을 편집할 수 있다. 대비와 밝기를 조절하고 이미지를 더 선명하게 할 수 있다. 레이어, 마스크를 비롯한 이미지 몽타주 툴은 오래전부터 거의 모든 이미지 툴이 지원하는 표준 기능이다. 김프 버전 2.10부터는 배경 제거 툴이 추가됐고, 영역을 자르고 선택하는 툴도 포함된다. 또다른 오픈소스 이미지 편집 툴인 디지캠 포토 매니저(Digikam Photo Manager)는 사진 모음을 전체적으로 보여준다. 키워드, 평점, 컬러 마커를 기준으로 정렬하거나 사진의 메타데이터를 분석해 위치를 보여준다. RAW 이미지를 위한 편집 기능과 툴도 있다. 로우 테라피(RAW Therapee)도 RAW 사진 현상을 위한 다양한 툴과 이미지 보기 관리를 포함한 많은 RAW 옵션을 제공한다. 데스크톱 출판(DTP)용 문서 디자인 분야에는 잉크스케이프(Inkscape)와 스크라이버스(Scribus)의 조합을 추천한다. 잉크스케이프에서는 세밀한 일러스트레이션을 디자인할 수 있다. 곡선, 개체, 텍스트를 만드는 주요 기능을 지원하고, 요소 정렬, 색 채우기, 그라디언트 또는 그래픽 결합을 포함한 다양한 툴이 있다. 이 프로그램을 이용하면 확장 가능한 로고, 인포그래픽 및 기타 디자인을 빠르게 만들 수 있다. 이렇게 만든 요소는 스크라이버스의 페이지 디자인에 사용할 수 있다. 샘플 페이지와 자체 디자인된 표준 요소를 사용해 간단한 전단지 또는 메뉴뿐만 아니라 신문, 잡지도 만들 수 있다. PDF 형식으로 출력해 전문적인 인쇄까지 가능하다. 잉크스케이프와 스크라이버스는 JPG, TIF, PNG, SVG와 같은 다양한 그래픽 형식을 지원한다. 한편 그림을 그리고 스케치하고 색을 칠하는 작업을 컴퓨터에서 하는 경우가 늘어나고 있다. 그 결과 아티스트의 일러스트레이션, 그림 또는 개념 디자인까지 디지털로 받아 별도의 스캔 작업 없이 즉각 처리할 수 있는 세상이다. 이때 특수한 그래픽 프로그램을 사용하면 머리 속 아이디어를 바로 화면으로 옮길 수 있다. 크리타(Krita)가 대표적이다. 특수한 브러시 팁, 레이어, 효과, 마스크를 통해 이 과정을 지원한다. 애니메이션 옵션을 사용해 생기를 불어넣을 수도 있다. 그래픽 태블릿과 함께 사용하면 디지털 펜의 압력과 기울기까지 반영해 브러시 스트로크 또는 디지털 연필 스트로크를 표현한다. 3D 애플리케이션인 블렌더(Blender)도 있다. 나온지 30년이 넘은 이 유서 깊은 앱은 처음에 영화사에서 내부적으로만 사용되다가 2002년 오픈소스가 된 이후부터 개발 속도가 빨라졌다. 정교한 모델링과 텍스처 모듈 외에 애니메이션, 합성, 비디오 편집을 위한 기능도 제공한다. 플러그인 인터페이스와 스크립팅을 통해 사용자가 원하는 대로 확장하고 조정할 수 있다. 블렌더는 지원하는 기능이 워낙 다양해 쓰임새도 광범위하다. 예를 들어 스파이더맨 2와 원더우먼 등 헐리우드 영화 제작에도 이 툴이 사용됐다. 나사(NASA)는 인터렉티브 웹 애플리케이션인 익스피리언스 큐리오시티(Experience Curiosity)에 블렌더를 사용했다. 영상 재생기로는 VLC 미디어 플레이어가 압도적이다. 구형 휴대폰 촬영 영상부터 새로운 고해상도 4K 클립까지 VLC로 재생할 수 없는 형식은 거의 없다. 재생 목록 사용하기, 온라인 비디오 및 팟캐스트 검색, 홈 네트워크를 사용한 스트리밍 등으로 다양한 용도에 맞게 사용할 수 있다. 잘 알려져 있지는 않지만 비디오 변환 기능도 유용하다. 샷컷(ShotCut)은 비디오 편집에 유용하다. 비디오를 보고 자르고 배열하는 용도로 사용된다. 비디오, 오디오, 전환, 효과 믹싱을 위한 유연한 타임라인도 제공한다. FFmeg 프레임워크를 설치하면 다양한 비디오 형식을 가져오고 내보낼 수 있다. 많은 사용자가 마이크로소프트의 미디어 플레이어를 사용해 음악 파일을 관리한다. 미디어 플레이어는 디지털화, 재생, 다른 기기로의 스트리밍을 지원하는 좋은 툴이지만 시스템 리소스를 과도하게 쓰는 단점이 있다. 이럴 때 사용할 수 있는 오픈소스 대안이 도파민(Dopamine)이다. 훨씬 더 가벼우면서도 많은 관리 기능, 재생 목록, 통합 이퀄라이저를 제공한다. 또한 온라인에서 노래 가사를 불러오고 Last.fm 및 디스코드를 통합할 수 있다. 포터블 버전이 특히 유용하다. 음악이 들어 있는 USB 드라이브에 설치해 두면 다양한 컴퓨터에서 사용할 수 있으며 곡 데이터베이스는 항상 최신 상태로 유지된다. 이 기능은 로컬 네트워크에서도 작동한다. 보안과 관리 : 데이터 및 시스템 백업 중요한 데이터와 시스템 파티션은 반드시 정기적으로 백업해야 하는데, 문서, 사진 및 음악 백업에 안성맞춤인 오픈소스가 바로 듀플리카티(Duplicati)다. 설치하고 시작하면 백그라운드에서 작동하며, 데이터 선택, 스케줄 등의 구성은 브라우저 인터페이스를 통해 할 수 있다. 하드 디스크, 네트워크 드라이브, USB 스토리지 디바이스 또는 인터넷의 서버를 백업 파일 저장 대상으로 설정할 수 있다. FTP, WebDAV와 같이 잘 알려진 전송 프로토콜 외에 드롭박스, 아마존, 구글과 같은 클라우드 서비스 액세스도 지원한다. 저장된 데이터를 압축하며 AES256으로 암호화한다. 전체 파티션 또는 하드 드라이브 백업에 적합한 또다른 오픈소스 앱이 클론질라(Clonezilla)다. CD 또는 USB 드라이브에 부팅 가능한 복구 시스템을 만든 다음 이를 사용해 하드 디스크 또는 개별 파티션의 이미지를 만든다. 하드웨어 장애가 발생하면 클론질라로 시스템을 재시작하고 이미지 데이터를 복원하면 된다. 백업 저장 대상으로는 로컬 스토리지 기기 또는 네트워크 드라이브를 설정할 수 있다. 클론질라는 NFS 또는 WebDAV를 통해 연결을 설정해 인터넷의 서버로도 데이터를 백업할 수 있다. 한편 문서나 사진을 파일 단위로 공유하는 방법은 많다. 단, 클라우드나 이메일을 통한 공유는 많은 경우 보안 위험이 따르므로, 민감한 데이터의 경우 암호화된 연결을 사용하는 것이 좋다. 이처럼 안전한 파일 교환이 필요할 때 쓸 수 있는 앱이 어니언셰어(Onionshare)다. 어니언셰어는 토르(Tor) 브라우저에 적용돼 사용자 정보를 익명화하는 어니언(Onion) 기술을 활용해 데이터의 안전한 교환을 구현한다. 즉, 전송의 경우 수신자가 검색할 수 있는 어니언 주소를 생성하고, 데이터 암호화 자체가 부가적인 보안을 형성한다. 발신자는 수신자가 전송 잠금을 해제할 수 있는 개인 키를 정의한다. 어니언셰어에는 파일 공유 기능 외에 채팅 옵션과 토르 네트워크를 통해 안전하게 웹사이트를 제공하는 웹 서버 기능도 있다. 그밖에 유용한 오픈소스 애플리케이션 ZIP 형식은 여러 파일을 하나의 패키지로 합치고 데이터를 압축한다. 파일을 압축하면 메일 또는 클라우드를 통해 더 빠르게 전송할 수 있다. 이런 ZIP 압축 프로그램 중 가장 유명한 오픈소스 앱이 7Zip이다. 7Zip은 ZIP 압축 파일을 열고 생성하며 파일을 추가 또는 제거할 수 있고 원하는 경우 윈도우 탐색기의 컨텍스트 메뉴에 통합할 수 있다. 이렇게 하면 ZIP을 열고 만드는 작업을 빠르게 불러올 수 있다. 7Zip을 이용하면 ZIP 파일을 지원할 뿐만 아니라 RAR, TAR, BZIP2, GZ, ARJ, LHA, LZH와 그 외의 많은 형식도 읽을 수 있다. 민감한 데이터가 포함된 파일이라면 AES 크립트(AES Crypt)를 사용해 손쉽게 암호화할 수 있다. 파일을 암호화하면 인터넷을 통해 전송할 때도 안전하게 보호할 수 있다. AES 크립트를 설치하면 윈도우 탐색기의 컨텍스트 메뉴에 새 항목이 생긴다. 암호화를 실행하려면 마우스 오른쪽 버튼으로 하나 이상의 파일을 클릭하고 컨텍스트 메뉴의 “AESCrypt”를 클릭한다. 이후 열리는 창에서 비밀번호를 입력하고 확인을 누르면 된다. 비밀번호를 입력해야만 데이터에 대한 액세스를 허용하는 256비트 보안 파일을 생성한다. 이런 파일을 열려면 마우스 오른쪽 버튼을 다시 클릭하고 AES크립트 항목을 선택한 다음 비밀번호를 입력해야 한다. editor@itworld.co.kr
대규모 언어 모델(LLM)을 기반으로 하는 챗GPT, 클로드(Claude), 바드(Bard)를 비롯한 공용 생성형 AI 챗봇도 충분히 좋지만, 이와 같은 범용 챗봇은 엔터프라이즈 워크플로우에 매끄럽게 통합되지는 않는다. 기업 직원이 별도의 앱을 사용하거나, 회사가 시간과 노력을 들여 애플리케이션 프로그래밍 인터페이스를 통해 자체 애플리케이션에 AI 기능을 추가해야 한다. 또한 챗GPT 및 기타 생성형 AI 챗봇을 사용하기 위해서는 직원이 프롬프트 엔지니어링에 대해서도 배워야 한다. 반면, 임베디드 생성형 AI는 직원이 이 기술을 가장 필요로 하는 곳, 즉 기존 워드 프로세싱 애플리케이션과 스프레드시트, 이메일 클라이언트를 비롯한 기타 엔터프라이즈 생산성 소프트웨어에 새로운 AI 기능을 구현해주며, 이를 위해 회사가 따로 해야 할 일도 없다. 제대로 구현되면 직관적으로, 단절 없이 새로운 AI 기능을 사용할 수 있게 되므로 어려운 생성형 AI 사용법 학습 과정 없이 모든 혜택을 누리게 된다. 포레스터는 최근 북미와 영국의 기술 의사 결정자를 대상으로 한 설문조사 결과를 근거로 2025년까지 거의 모든 기업이 쓰기 및 편집을 포함한 커뮤니케이션 지원 용도로 생성형 AI를 사용하게 될 것으로 예측했다. 실제로 설문 응답자의 70%는 쓰기 또는 편집 작업의 대부분 또는 전체에서 이미 생성형 AI를 사용하고 있다고 답했다. 그러나 포레스터에 따르면 챗GPT 같은 독립적인 생성형 AI 툴은 교차 직무 협업을 지원하지 못하며 직원이 업무를 수행하는 부분에서 작동하지도 않는다. 포레스터는 설문조사 보고서에서 “많은 사용 사례에서 생성형 AI는 독립형 앱보다는 임베디드 기능일 때 더 큰 혜택을 제공한다는 의미”라고 설명했다. IBM 컨설팅의 글로벌 AI 및 분석 부문 리더 매니시 고얄 역시 “아무리 좋은 AI를 가져오더라도 정작 사람들이 워크플로우에서 AI를 사용할 수 없다면 채택되지 않는다"라고 말했다. 임베디드 생성형 AI와 관련하여 현재 가장 큰 화제는 마이크로소프트 365 생산성 제품군 전반에 통합 구축되고 있는 생성형 AI 비서인 마이크로소프트 365 코파일럿이다. 일부 생성형 AI 기능은 팀즈 및 기타 마이크로소프트 365 앱에 구현됐지만 코파일럿 자체는 아직 정식 출시되지 않았고 테스트를 위한 초기 액세스가 허용된 기업은 600개에 불과하다. 마이크로소프트 365 코파일럿의 정식 출시를 손꼽아 기다리고 있는 솔루션 통합업체 인사이트(Insight)의 최고 엔터프라이즈 설계자 겸 CTO 데이비드 맥커디는 “데모를 본 사람이라면 생성형 AI의 통합이 백오피스가 돌아가는 방식을 완전히 바꿔 놓게 될 것임을 알고 있다"라고 말했다. 한편 일부 기업은 오픈AI에 대한 API를 통하거나 라마 2(Llama 2) 같은 LLM을 로컬로 실행해서 자체 앱에 생성형 AI를 직접 추가하고 있다. 예를 들어 인사이트는 API를 통해 마이크로소프트 엑셀에 생성형 AI를 내장했다. 맥커디는 “다만 향후 오피스 365에 통합될 것이기 때문에 이 부분에 대한 개발을 너무 많이 하지는 않고 있다"라고 말했다. 자체 AI 임베드를 만드는 데 필요한 시간이나 인력을 갖추지 못한 기업도 지금 생산성 툴 내에서 생성형 AI 사용을 시작할 수 있다. 많은 업체가 이미 앱에 다양한 생성형 AI 기능을 추가했기 때문이다. 예를 들어 줌, 마이크로소프트 팀즈를 비롯한 여러 온라인 회의 플랫폼은 내장형 또는 애드온 방식으로 AI 기반 요약 기능을 제공한다. 맥커디는 “이 기능이 회의 요약 방식을 완전히 바꾸어 놓았다. 요약 기능이 매우 유용한다는 점은 확실히 말할 수 있다. 큰 이득이 없는 기능도 많지만 요약과 목록 작성만큼은 최고”라고 말했다. 일부 기업에서 워크플로우에 생성형 AI를 어떻게 사용하고 있는지, 어느 부분에서 효과적인지, 그리고 생성형 AI를 안전하게 도입하기 위한 전략은 무엇인지 알아보자. 스트림 파이낸셜 : 이메일, 텍스트 문서, 코드의 생성형 AI 미국 솔트레이크시티에 소재한 핀테크 기업 스트림 파이낸셜 테크놀로지(Stream Financial Technology)의 엔지니어링 책임자인 조완자 조셉은 “우리가 사용하는 스파크(Spark)라는 이메일 클라이언트에는 이메일 요약과 작성을 위한 생성형 AI가 내장돼 있다"라고 말했다. 조셉은 “나도, 경영진도 대부분 긍정적이다. 유일하게 부정적으로 보는 부분은 AI가 이해 부족을 가리는 허울이 될 수 있다는 점이다. 즉, 글을 읽다가 말이 안 되는 부분이 있어서 지적하면 AI가 써서 그렇다고 둘러댈 수 있다는 점”이라고 말했다. 스트림 파이낸셜이 사용하는 또 다른 생성형 AI 툴은 마이크로소프트 워드, 구글 문서도구를 비롯한 많은 애플리케이션 내에서 작동하는 그래멀리(Grammarly)다. 그래멀리는 처음에는 단순한 문법 검사기였지만 최근 AI 기반의 텍스트 생성, 문구 수정 및 요약 기능까지 더했다. 조셉은 “그래멀리 기업 구독을 이용하고 있다. 구글 문서 도구 내에서 작동하며, 단락을 쓰거나 요약하도록 지시할 수 있다. 내용을 채워 넣고 요약하는 용도로는 좋지만 기술적인 분야에 대한 심층적인 내용은 다루지 못한다"라고 말했다. 조셉이 지적한 그래멀리 AI의 문제점은 각각의 상호작용이 별개라는 점이다. 챗GPT, 클로드와 같이 대화를 계속 주고받으면서 결과물을 세밀하게 다듬을 수가 없다. 조셉은 “그래멀리 AI에 무엇을 해야 할지 지시할 좋은 방법이 없다"라고 말했다. 조셉은 회사 측이 기밀 데이터 또는 고객 정보에 대해서는 공용 AI를 사용하지 않도록 주의한다고 강조했다. 조셉은 “장기적 관점에서 생성형 AI를 사용해 마케팅 문구와 같은 콘텐츠를 생성하는 데 대해 낙관적이다. A/B 테스트를 위한 다른 문구를 작성하거나 동일한 문구를 다양한 형태로 반복 생성할 수 있다"라고 말했다. 조셉은 생성형 AI가 가장 크게 영향을 미치는 부분은 코드 생성이라면서 “깃허브 코파일럿에 1인당 월 19달러를 내고 있는데, 그 5배라 해도 기꺼이 낼 것이다. 막대한 시간을 절약할 수 있게 해주며 지식도 상당한 수준”이라고 말했다. 조셉은 “코드 생성은 생성형 AI의 가치가 입증된 부분이다. 그 외의 모든 부분은 아직 단언할 수 없고, 갈 길이 멀다"라고 말했다. NFP : 마케팅 문구, 회의 요약에 생성형 AI 사용 보험 중개업체 NFP는 2년 전부터 텍스트 작성에 AI를 사용해왔다. 이 회사의 영업 지원 부문 SVP인 카일 힐리에 따르면 NFP는 챗GPT가 대중에 공개되기 훨씬 전부터 재스퍼(Jasper) AI를 사용해서 마케팅 문구를 작성했다. 처음 오픈AI의 GPT 3.5 대규모 언어 모델을 기반으로 2021년 2월 출시된 재스퍼는 화이자, 스포츠 일러스트레이티드(Sports Illustrated), 허브스팟(HubSpot), 센티넬원(SentinelOne)을 포함한 10만 곳 이상의 기업 고객을 두고 있다. 현재 재스퍼 AI는 가장 진보된 버전의 챗GPT와 같은 기반 모델인 GPT 4를 사용한다. 여기에 특정 사용 사례에 따라 맞춤화된 마케팅 또는 비즈니스 콘텐츠를 생성하도록 설계된 부가적인 모델과 세부적인 조정 등 비즈니스 친화적인 기능을 추가했다. 또한 회사 자체 브랜드 성격을 학습시키고, 회사 워크플로우 내에서 확장 기능 및 API를 통해 사용할 수 있다. 힐리는 “보안에 대해 일부 우려가 있었다. 그리고 재스퍼는 폐쇄형 시스템이다. 마케팅 부서에서 일부 카피라이팅 작업에 여전히 재스퍼를 사용하고 있다"라고 말했다. 최근 NFP는 재스퍼에서 영업 활동 지원 플랫폼인 세일즈로프트(Salesloft)에 내장된 생성형 AI 툴로 대부분 전환했다. 세일즈로프트는 지난 봄에 빠른 이메일 작성을 위한 생성형 AI 기능을 추가했다. 힐리는 “CRM 시스템의 안내 및 코칭에도 생성형 AI를 사용하기 시작했다. AI 툴이 모든 부분에 연결되기 시작하면서 이제는 더 많은 프로그램에서 GPT를 사용하고 있다. 마이크로소프트 생태계 전반에 완전히 내장된 형태”라고 말했다. 힐리 본인도 생성형 AI를 적극적으로 사용한다. 힐리는 “2023년 비즈니스 계획 전체를 AI를 사용해 작성했다”면서 “AI의 효과에 대해 내부적인 설득 작업을 진행하던 중에 고위직의 누군가가 AI가 아직 그 수준에 이르지 못했다고 말했다. 그래서 오기로 비즈니스 계획을 AI로 만들어서 제출했는데, 반응이 아주 좋았다. 로봇이 작성한 것으로 믿기지 않는다는 반응이었다"라고 말했다. 힐리는 “사모펀드 분야에서 일하는 영업팀의 고위급 직원도 리드를 작성하고 계약을 체결하는 데 AI를 사용하기 시작했다. 올해 초부터 경영진, 영업부서를 비롯해 많은 직원이 AI를 사용하고 있다. 이들은 ‘AI를 채택해야만 한다’고 말한다"라고 전했다. NFP는 마이크로소프트 팀즈에서도 생성형 AI를 사용해서 회의 노트를 자동으로 생성한다. 힐리는 “모두가 이해해야 할 중요한 점은 AI가 우리 일을 대체하는 것이 아니라 증폭하고 보강한다는 것이다. 같은 수의 사람으로 더 많은 일을 할 수 있게 해준다"라고 말했다. 힐리는 다음 단계는 세일즈포스의 생성형 AI 기능을 사용해서 원시 데이터를 해설적 데이터로 바꾸는 것이라며 “지금 이 부분을 추진하고 있다. 이를 통해 경영진은 자연스럽게 느껴지는 방식으로 정보를 흡수할 수 있게 된다. 예를 들어 나처럼 숫자에 서툴고 항상 숫자에서 막힌다면 숫자가 아닌 다른 방식으로 정보를 흡수할 수 있게 될 것”이라고 말했다. 생성형 AI 툴을 사용할지 여부를 결정할 때 중요한 것은 학습 데이터의 정확성과 개인정보 보호, 보안, 그리고 사용성이다. 힐리는 “영업 및 마케팅 문구에서는 사유 부분을 다루지 않는다. 그러나 NFP는 인수합병을 많이 한다. 법무팀이 AI를 사용해서 계약서를 더 빠르게 만들거나 미묘한 차이 또는 세부 사항을 찾을 수 있을까? 개인정보 보호와 보안, 클로즈드 소스 모델을 살펴봐야 한다"라고 말했다. 힐리는 지금은 영업 담당자가 새로운 AI 툴을 익히도록 하는 작업을 진행 중이라면서 “간소함과 사용의 용이함이 중요하다. 자연스럽게 느껴지는지, 마음을 먹고 사용법을 배워야 하는지가 관건”이라고 말했다. 힐리는 예를 들어 챗GPT는 사용하기가 쉽지 않았다면서 “챗GPT에 말을 하기 위해서는 거의 정해진 코스에 따라야 한다. 어떤 면에서는 프로그래밍과 상당히 비슷하다. 하지만 NFP는 기술 기업이 아니고 보험을 판매하는 회사”라고 말했다. 직원이 이미 사용하는 툴에 내장된 형태의 생성형 AI는 이러한 사용성 장벽을 극복하는 데 도움이 될 수 있다. 힐리는 “예를 들어 세일즈로프트는 반복적이고 유기적이다. 생성형 AI는 이 툴의 자연스러운 확장이다. 새로운 것을 배울 필요가 없다는 것이 NFP에는 중요한 점이다. 35년째 일하는 보험 담당자도 바로 사용할 수 있고, 25세 직원이라면 시스템 전체를 지극히 자연스럽게 받아들인다"라고 말했다. 톰슨 로이터 : 서신 초안 작성, 직원 질문에 대한 응답에 생성형 AI 사용 뉴스 기업 톰슨 로이터(Thomson Reuters)의 최고 인사 책임자인 매리 앨리스 부이식은 수십년 전부터 제품과 사무실에서 AI를 사용해왔다면서 “이미 존재하는 많은 부분에 AI가 내장돼 있다. 핵심은 증강, 즉 사람들이 더 가치 있는 일을 할 수 있도록 해주는 데 있다"라고 말했다. 부이식은 AI는 사람이 아니라 “작업을 대체한다"라고 말했다. 생성형 AI가 보편화된 지금 톰슨 로이터는 선제적으로 공급업체에 관심을 갖고 이들의 AI 로드맵을 살펴봤다. 부이식은 이미 많은 부분이 발표됐다고 말했다. 예를 들어 세일즈포스와 워크데이(Workday) 모두 생성형 AI 전략을 마련했다. 부이식은 “마이크로소프트 코파일럿과 그 외에도 수많은 툴이 있다"라고 말했다. 부이식은 톰슨 로이터에서 이미 많은 생성형 AI 툴이 사용되고 있다고 말했다. 예를 들어 커뮤니케이션 팀은 AI를 사용해서 문서의 초안을 작성한다. “실제로 작업의 첫 번째 초안 작성에서 전반적으로 AI 툴을 사용할 여지가 있다. 다만 정확성은 AI에 의지할 수 없고 교육에서도 이 부분을 다뤘다. 처음 초안이 작성된 다음에는 사람이 편집한다. 즉, 사람의 전문성을 적용해서 더 높은 품질의 제품을 제공한다"라고 말했다. HR 분야에서는 생성형 AI를 사용해 직원 질문에 답하기와 관련한 실험이 진행 중이다. 부이식은 “초기 결과는 매우 만족스럽다. 지금까지 정확도는 95%이며 과거 이러한 질문에 답하느라 빼앗겼던 시간을 돌려줘서 부가가치를 창출하는 일에 투자할 수 있게 해준다"라고 말했다. 생성형 AI 도입을 위한 세 갈래 접근 부이식은 톰슨 로이터는 가능성에서 앞서 나가기 위해 AI 도입을 가속화하기 위한 전사적 이니셔티브를 출범했다고 말했다. 첫 번째 단계는 AI 표준과 윤리의 정립으로, 몇 년 전부터 해오고 있다. 부이식은 “톰슨 로이터는 30년 이상 AI를 사용하고 있다. 생성형 AI 이전에도 이 분야의 리더가 되기 위해 노력했다"라고 말했다. 부이식은 “다음 단계는 인력 교육이다. 이는 반드시 필요한 단계”라고 말했다. 톰슨 로이터는 지난 4월 전세계 모든 직원이 참여할 수 있는 AI 교육의 날을 열었다. 총 2만 7,000명의 직원 중 약 7,000명이 라이브로 이 이벤트에 참석했다. 부이식은 “그 외에도 수천 명이 비동기적으로 이 교육 자료를 활용하고 있다"라고 덧붙였다. 부이식에 따르면 참가자의 대다수는 이미 자신의 업무에 생성형 AI를 적용할 수 있다고 말했다. 부이식은 “이는 로이터 직원 대부분이 앞으로 일하면서 겪게 될 가장 중요한 혁신이다. 우리는 이 부분에서 선두에 서야 한다. 회사 측은 교육과 개발, 업스킬 및 리스킬에 대한 책임이 있다. 그러나 모든 개인도 배우고 발전해야 할 책임이 있다"라고 말했다. 톰슨 로이터 AI 전략의 세 번째 축은 모든 툴을 실험할 수 있는 안전한 장소를 제공하는 것이다. 부이식에 따르면 톰슨 로이터는 생산성 소프트웨어에 내장된 생성형 AI 외에도 오픈AI, 앤트로픽, 구글, 그리고 라마 2와 같은 오픈소스 모델을 포함한 다양한 대규모 언어 모델을 실험하고 있다. 부이식은 “변화의 속도가 매우 빠르다. 톰슨 로이터는 고객 사용 사례를 위해 최선의 기술을 활용하고자 한다"라고 말했다. 마지막으로, 이 회사는 학습과 실험의 문화를 강화하고 있다. 부이식은 “가장 빠르게 배우고 실험하는 팀이 승리하게 될 것”이라고 말했다. 위험을 고려해서 현명하게 선택하기 몇몇 엔터프라이즈 기술 업체는 생성형 AI 기능뿐만 아니라 모델을 학습시키는 방법 또는 사용할 구체적인 모델에 관한 유연함도 고객에 제공한다. IBM 컨설팅의 고얄은 “IBM은 세일즈포스를 사용한다. IBM의 세일즈포스 관리자는 나와 같은 최종 사용자가 그냥 볼 수 있도록 적절한 모델을 선택하고 구성할 수 있다. 세일즈포스는 임베디드 AI를 선택할 수 있는 옵션도 제공한다"라고 말했다. 고얄은 IBM 컨설턴트가 현재 기업과 협력해서 마이크로소프트 365를 비롯한 과련 기술로 무엇이 가능한지, 그리고 법률 및 보안 측면에서 생성형 AI가 어떤 영향을 미치는지에 대해 생각하도록 돕고 있다고 말했다. 고얄은 “IBM의 왓슨x(Watsonx)에 대한 입장은 확고하다. 고객의 데이터는 고객의 소유라는 것이다. IBM은 모델 학습에 고객 데이터를 절대 사용하지 않는다. 애저, AWS, 구글과 협력하고 있으며 이들 각 기업은 생성형 AI의 이 부분에 있어 예전부터 명확한 입장을 유지하고 있다. IBM의 파트너 및 고객 역시 마찬가지다. 고객이 업로드하거나 서비스에 사용하는 어떠한 데이터도 모델 학습에 사용되지 않는다. 그렇지 않으면 어떤 기업도 AI를 사용하지 않을 것”이라고 말했다. 이 원칙을 위반한 엔터프라이즈 업체의 예로 줌이 있다. 줌은 처음에 회의 녹취록을 AI 학습에 사용할 것이라고 말했다가 격렬한 반발에 직면해 황급히 철회한 바 있다. 그러나 초기 학습 데이터의 출처에 대해서는 업체의 투명성이 부족하다. 고얄도 그 점을 인정하면서 “왓슨x는 학습 데이터에 대한 완전한 데이터 계보를 제공한다. 그러나 모든 업체가 그렇지는 않다. 명확하게 밝히지 않는 경우가 많다"라고 말했다. 또한 몇몇 AI 업체는 저작권이 있는 상품을 허가 없이 AI 학습에 사용했다는 이유로 아티스트 및 작가로부터 피소된 상황이다. 고얄은 “AI에는 항상 위험이 있었다"라고 말했다. 대규모 언어 모델에는 과거의 오래된 위험이 더 증폭된 경우도 있고 새로운 위험도 있다. 고얄은 “기업은 생성형 AI를 사용할 때 가드레일을 설치해야 한다"라고 말했다. 그러나 기업에 결국 중요한 것은 이러한 새로운 기능을 어떻게 사용할 수 있을지를 살펴보는 것이다. 고얄은 “그 방법을 가장 빠르게 파악하는 기업이 승자가 되고 꿈처럼 보이는 일을 현실화할 수 있을 것”이라고 말했다. editor@itworld.co.kr
대학교와 회사, 집에서도 노트북은 현대 사회에서 거의 필수 아이템이다. 하지만 제품 선택과 관리에는 많은 고민이 따른다. 용도에 맞는 사양과 운영체제, 이동성을 고려한 크기와 무게, 저장 공간, 디스플레이 성능, 배터리와 같은 기본적인 요소부터 터치스크린이나 백라이트 키보드, 지문 인식 같은 부가 기능 등 수십 가지 기준 중에서 우선순위를 결정해야 한다. 누군가는 무조건 최신 제품을 구매하는 것을 선호하지만, 상황에 따라서는 구형 모델을 구입하는 것도 나쁘지 않은 선택이다. 노트북을 구매하기 전 참고하면 좋을 가이드와 함께 쾌적한 사용 환경을 만드는 데 도움이 되는 노하우를 모았다.
생성형 AI의 도입이 확산되면서 소프트 스킬의 중요성이 더욱 강조되고 있다. 커뮤니케이션, 팀워크, 리더십, 갈등 관리와 같은 인간적인 기술은 여전히 필수적이다. 링크드인에 따르면, AI의 영향력이 커질수록 소프트 스킬에 대한 수요도 증가한다. 기업은 AI 도구와 기술에 투자하는 동시에 직원이 소프트 스킬을 개발하도록 지원해야 하며, 더 포용적이고 창의적인 업무 환경을 조성할 수 있다. 소프트 스킬은 면접과 실무에서도 중요한 요소로 작용하며, 기업의 성공에 기여하는 핵심 역량으로 자리잡고 있다.
그리 어려울 것도 없었던 노트북 고르기가 조금 더 복잡해졌다. 에이수스 비보북 S 15 OLED, 서피스 프로 2024년형 등 인텔이나 AMD가 아니라 퀄컴의 스냅드래곤 X 엘리트 SoC가 탑재된 제품이 속속 모습을 드러냈다. 하지만 복잡하다는 것이 꼭 나쁜 것만은 아니다. 서피스 프로 같은 고급 제품 가격이 낮아졌다. 가벼운 작업, 평범한 사무 생산성 작업에는 성능과 배터리 사용 시간이 '충분'을 넘어 거뜬할 정도다. 모든 신제품이 압도적으로 뛰어날 수만은 없다. 퀄컴 버전 노트북은 더 많은 선택지를 제공하고 변화를 이끌어내는 시작이다.
불과 2년 전만 하더라도 시장 가치 4,000억 달러짜리 엔비디아가 마이크로소프트와 애플을 넘어 시가 총액 1위의 기업이 될 것이라고 생각한 사람은 드물 것이다. 하지만 생성형 AI의 열풍 속에 오랫동안 AI 중심의 GPU 생태계를 구축한 엔비디아의 전략이 빛을 발했다. 엔비디와 관련된 기사를 검색해보면, 이제는 엔비디아와 협력하지 않는 기업도 없고 엔비디아가 영향력을 미치지 않는 분야도 없는 것처럼 보인다. 3조 4,000억 달러의 시가 총액이 저평가된 것이란 주장에도 고개가 끄덕여지고, 엔비디아와 각을 세우는 몇몇 업체가 안타깝게 느껴질 정도이다. 엔비디아의 현재 위상을 실감할 수 있는 기사를 간추렸다.
아시아 최대 IT 박람회 '컴퓨텍스 2024'가 막을 내렸다. 'AI를 연결하다'라는 주제로 진행된 올해 행사에서는 지난해 등장한 'AI PC'라는 개념이 단순한 브랜딩 수준에서 보다 더 실용적이고 구체적인 기능으로 다가왔다. 인텔과 퀄컴, AMD는 AI PC용 칩을 집중 조명하며 저마다 자신감을 내비쳤고, 엔비디아는 차세대 AI GPU인 루빈을 처음으로 공개했다. PC 제조업체는 AI 전용 프로세서를 탑재한 코파일럿+ PC 신제품을 선보였다. 이외에도 화려한 AI 성능만큼 주목할 만한 다양한 주변 기기도 돋보였다. 컴퓨텍스 2024를 장식한 주요 소식을 모았다.
몇 년 전만 해도 고급 사용자만 썼던 VPN은 이제 한층 더 보편적인 애플리케이션으로 자리잡았다. 네트워크 데이터를 암호화하는 VPN 기술은 온라인 개인정보를 보호하고 지역 제한 없이 스트리밍이 가능해 인터넷 사용 영역을 확대하는 이점을 지니고 있다. 지금은 VPN 서비스의 고급 기능과 범위를 이해하고 광고와 트래커 차단 등 추가 서비스를 고려하기에 더할 나위 없이 좋은 시점이다.
비트코인 채굴에 납치된 GPU 때문에 울었던 게이머들이 이제는 AI 때문에 눈물을 흘리게 됐다. 물론, 게임용 GPU와 AI용 GPU는 다른 범주의 제품이지만, 엔비디아의 한정된 생산량에서 AI용 GPU가 차지하는 비중이 커지면 게임용 GPU는 또다시 공급 부족을 겪게 된다. 부족한 것은 GPU만이 아니다. AI용 GPU의 핵심 요소인 고성능 HBM 메모리도 폭발적인 AI 인프라 수요에 공급 부족을 겪고 있다. 대형 IT 업체는 AI 전용 데이터센터를 새로 짓겠다고 나서는데, 기존 데이터센터로는 생성형 AI 워크로드를 감당하기에 프로세서는 물론 냉각과 전력까지 총체적으로 역부족이기 때문이다. 모든 AI 시스템에 GPU가 필수는 아니라는 지적도 나온다. 엔비디아는 이제 누구도 막을 수 없는 AI 시장의 거물로 우뚝 섰으며, 추격에 나선 AMD는 새삼 AI와 GPU에 집중하고 있다. 한편으로, 마이크로소프트나 오픈AI, 구글 등은 GPU의 대안이 될 AI 전용 칩을 개발하느라 분주하다
'대회전'. 특정 시기, 일정 장소에 모여서 벌이는 대규모 전투를 가리키는 이 말이, 최근 CPU 시장에 꼭 맞는다. 공격은 역시 후발주자다. '영원한 이인자' AMD는 국내 판매량에서 인텔을 따라잡았다. 퀄컴은 스냅드래곤 X 엘리트를 내놓았고, 엔비디아는 PC용 CPU를 만들고 있다. '가진 게 많은' 일인자 인텔은 엎친 데 덮쳤다. 13, 14세대 일부 CPU의 오류를 놓고 협력업체와 '네 탓' 공방 중이다. 애플은 '남의 집 불구경'이다. 2020년 인텔과 손절한 후 자체 CPU로 모든 제품을 전환했다. 선택의 폭이 넓어지는 것은 사용자 입장에서 언제나 옳다.
지난주 메타가 발표한 라마 3가 좋은 반응을 얻으면서 어떤 LLM을 선택할지, 혹은 SLM을 고려해도 될지 기업의 선택이 더욱 복잡해졌다. GPT-4나 라마 3 같은 LLM은 강력하고 다재다능하며, 복잡한 작업을 이해하므로 많은 가능성을 제시한다. 반대쪽에 선 것은 민첩하고 전문화되며 특정 사용례에 맞게 미세조정할 수 있고, 예산친화적인 SLM이다. 이번주에는 마침 마이크로소프트가 3종의 SLM 파이-3 시리즈를 공개하며 관심을 얻었다. AI 세계가 계속 발전하는 가운데 올바른 AI 모델 선택은 혁신의 판도를 바꿀 수도 있다.
생성형 AI 열풍에 밀려 관심에서 멀어지는 것처럼 보였던 양자 컴퓨팅이 다시 활기를 띄고 있다. 마이크로소프트가 큐비트의 안정성을 획기적으로 개선해 레벨 2, 즉 복원력 있는 양자 컴퓨팅 단계에 도달했다고 발표한 것이다. 양자 컴퓨팅이 실전에 활용되기 보다는 실험 단계에 머무르면서 생성형 AI처럼 당장 활용할 수 있는 기술에 관심을 빼앗긴 것은 당연한 일일 것이다. 하지만 관심이 식었다고 개발이 중단되는 것은 아니다. 더구나 마이크로소프트는 몇 년 안에 1,000큐비트 수준의 상용 양자 컴퓨팅을 실현할 수 있을 것이라고 자신감을 보였다. 양자 컴퓨팅 관련 최근 기사를 간추렸다.
문제가 없다면 고치지 말라. 소노스의 오리지널 롬(Roam) 스마트 스피커는 2021년에 출시됐다. 초소형 디자인에 매우 우수한 음질을 제공하는 동시에 무선 충전, 와이파이 및 애플 기기를 위한 에어플레이 지원과 같은 유용한 기능까지 갖춘 최고의 휴대용 스피커였다. 새로운 롬 2(Roam 2)는 기존의 성공 공식을 그대로 유지하면서 설정 및 튜닝 프로세스 등 여러 기능을 미세 조정하고 더 간단한 제어 기능을 제공한다. 레드, 그린, 블루, 블랙 등 다양한 색상으로 제공되는 롬 2는 전작과 거의 동일한 디자인이다. 기존 롬 및 롬 SL 모델이 여전히 판매하고 있으므로 구매하는 제품이 롬 2인지 한 번 더 확인할 것을 추천한다. 롬 2는 똑바로 세웠을 때 높이 168mm, 너비 62mm, 깊이 60mm이며 무게는 0.43kg으로, 콩 통조림 한 캔과 거의 비슷하다. 주머니에 쏙 들어가는 크기는 아니지만 외출 시 가방에 쉽게 넣을 수 있다. 또한 수심 1m의 물속에 30분 동안 잠겨 있어도 손상되지 않는 견고한 IP67 등급의 방수/방진 기능을 갖추고 있어 야외나 해변에서 사용하기에 적합하다. 작은 크기로 인해 대용량 배터리를 넣을 공간은 많지 않지만, 회사에 따르면 약 50% 볼륨으로 음악을 재생할 때 최대 10시간 동안 사용할 수 있다. 전원 회로는 스피커 바닥에 있고 볼륨, 재생 및 마이크 컨트롤 버튼은 상단에 있기 때문에 무선 충전을 할 때는 똑바로 세워야 한다. 하지만 작은 고무 받침대가 있어 바닥에 옆으로 눕혀서 사용할 수 있다. 뒷면에 USB-C 포트가 있으므로 가로로 놓은 상태에서도 충전이 가능하다. USB-C 케이블은 구성품에 포함된다. 기준 롬 2의 권장소비자가격은 199유로(약 29만 원)다. 무선 충전 패드가 포함된 옵션은 248유로, 2개의 롬 2 스피커 구성의 옵션은 398유로로 판매되고 있다. 참고로 세트 옵션의 가격은 개별적으로 구매하는 것과 똑같은 금액이다. 롬 2는 5.2로 업데이트된 블루투스를 지원하며, 전원 버튼과 블루투스 페어링 버튼이 따로 있어 기존 롬의 번거로운 다기능 버튼보다 사용하기 쉽다. 스피커 뒷면에 블루투스 버튼을 누르면 빠르게 페어링할 수 있다. 스피커를 제대로 설정하려면 iOS 또는 안드로이드용 소노스 앱을 사용해야 하는데, 앱은 여전히 다루기 까다롭다. 이 앱에는 자체 설정 프로세스가 있는데, 처음에는 오디오 PIN(일련의 차임벨)을 사용해 블루투스로 롬 2를 감지하고 연결한 다음, 스피커를 홈 와이파이 네트워크에 연결하기 위해 와이파이 비밀번호를 입력하라는 메시지를 표시한다. 하지만 필자의 사무실 라우터는 2.4GHz와 5.0GHz 주파수로 분리된 네트워크를 전송하는데 이로 인해 소노스 앱이 혼란을 겪었다. 와이파이 연결을 위해 아이패드의 와이파이 설정을 먼저 변경해야 했다. 참고로 소노스 앱은 최근 업데이트 후 많은 비판을 받고 있다. 일단 설정이 완료되면 롬 2는 잘 작동하고, 에어플레이를 지원하므로 추가 애플 기기에 연결하는 작업은 훨씬 더 간단하다. 이전 모델과 마찬가지로 롬 2는 와이파이 연결 시 제공되는 높은 대역폭을 사용할 때 다른 소형 스피커보다 음질이 매우 뛰어나다. 특히 스터질 심슨의 'Sing Along'의 혼합된 사운드를 잘 표현했다. 거칠고 뭉개진 기타 소리가 사운드의 기반을 이루는 가운데 날카로운 EDM 키보드의 에너지 넘치는 울림이 필자의 귀를 채웠다. 작은 스피커치고 꽤 괜찮은 베이스 비트까지 갖추고 있어 빌리 아일리시의 'Bad Boy'를 재생할 때 일렉트로닉 베이스가 곡 전반의 여유 있고 흔들리는 리듬에 맞춰 잘 표현했다. 노래에 약간 불규칙하고 신경질적인 에너지를 주는 선명한 핑거 스냅과 똑딱거리는 타악기 소리도 잘 살려냈다. 블루투스 연결로 전환하면 사운드의 선명도가 약간 떨어지지만, 이는 스피커 자체의 한계라기보다는 블루투스의 한계다. 로밍 2는 이 정도 크기와 무게의 휴대용 스피커라면 어느 제품과 견주어도 뒤처지지 않는다. 소노스 롬 2, 구매해야 할까? 이전 모델을 소유한 사람이라면 필수적인 업그레이드는 아니다. 하지만 이 가벼운 스피커는 음질 면에서 여전히 압도적인 성능을 자랑한다. 튼튼하고 가벼워 야외에서 사용하기에 좋지만, 와이파이와 에어플레이를 통해 집에서도 제 역할을 훌륭히 해낸다. editor@itworld.co.kr
애플의 매직 키보드 시리즈는 아이패드와 맥에서 훌륭하게 작동하지만, 가격이 비싸다. 다행히 로지텍을 비롯한 여러 업체에서 실용적인 대안을 제시하고 있다. 로지텍의 최신 키보드인 키투고 2(Keys-To-Go 2)는 휴대가 간편한 울트라 포터블 키보드이며, 가격도 훨씬 저렴하다. 79.99달러(약 10만 9,000원)에 판매되는 키투고 2는 아이패드를 염두에 두고 제작된 블루투스 키보드이지만 맥, 아이폰, 애플 TV, 기타 기기와도 쉽게 사용할 수 있다. 이름에서 알 수 있듯이 이 제품은 로지텍의 기존 키투고 후속 제품이며, 몇 가지 주요 변경 사항이 있다. 키, 디자인 및 기능 키투고 1과 마찬가지로 키투고 2에는 전용 명령 키와 화면 밝기, 볼륨, 재생/일시정지와 같은 설정을 위한 빠른 액세스 키 세트를 포함한 전체 키 세트가 있다. 키는 재활용 소재를 사용한 ABS 플라스틱으로 제작됐다. 빠른 액세스 키는 맥 키보드에서 흔히 볼 수 있는 기능 키를 대체한다. 키투고 2는 아이패드를 염두에 두고 제작됐기 때문에 기능 키가 없다. 맥에서 기능 키가 필요하다 해도 빠른 액세스 키를 다시 프로그래밍할 수 없으므로 키투고 2가 적합하지 않다. 로지옵션플러스(LogiOptions+) 소프트웨어는 키투고를 지원하지 않는다. 키의 구성도 전작과 약간 달라졌다. 빨리 감기 및 되감기 키가 사라진 대신 이모티콘 키와 스크린샷 키가 생겼다. 매직 키보드나 기존 키투고에 익숙하다면 키투고 2의 새로운 키에 적응해야 할 것이다. 전작에는 충전식 배터리를 삽입하는 '헤더'가 있었지만, 키투고 2에는 헤더가 없다. 즉, 충전식이 아니다. 키보드 상단에는 2개의 T5 트록스 나사로 고정되는 공간이 있는데, CR2032 배터리 2개를 삽입해야 한다. 배터리를 교체할 때 T5 트록스 드라이버(별 드라이버)가 필요하지만, 구성품에는 드라이버가 없다. 로지텍은 2개의 CR2032 건전지로 최대 36개월 동안 사용할 수 있다고 주장한다. 헤더가 없는 키투고 2의 크기는 105×250×9mm, 무게는 222g으로 이전 제품보다 더 작고 무겁다. 기존 키투고는 137×242×6mm 크기에 무게는 180g이다. 배낭에 넣어도 부피를 많이 차지하지 않으며, 간편하게 휴대할 수 있다. 필자가 리뷰한 버전의 제품명은 "아이패드용 키투고 2"라고 표시되어 있지만 윈도우 PC를 포함한 모든 블루투스 기기에서 사용할 수 있다. 색상은 페일 그레이 또는 그라파이트 2가지다. "아이패드용"이라는 문구가 없는 "키투고 2"도 판매하고 있으며, 해당 제품은 Command/Alt 키 조합과 라일락 색상 옵션을 제외하고는 동일하게 작동한다. 편안한 타이핑 경험 키투고 2의 타이핑 경험은 꽤 편하다. 키 간격이 비좁다고 느껴지지는 않지만 맥북의 키보드보다는 타이트한 느낌이다. 키 트래블은 애플 키보드와 비슷하지만 더 부드럽게 눌린다. 키투고 2의 각도를 조절할 수 있는 방법이 없는 점은 아쉽다. 키보드 아래의 커버를 접어도 각도가 바뀌지 않으므로 각도 조절이 필요하다면 다른 방법을 찾아야 한다. 키보드에 부착된 커버는 사용하지 않을 때는 제품을 잘 보호한다. 하지만 키보드를 사용할 때는 역할이 애매하다. 키보드 아래에 접어서 보관할 수는 있지만, 지저분해질 것 같은 느낌이 든다. 키보드 위에 간단히 올려놓을 수 있지만 커버가 스탠드나 거치대 역할을 하지는 않으므로 사용 시 방해가 된다. 키투고 2는 휴대용 키보드일 뿐이다. 거치대와 커버 역할을 동시에 하는 아이패드용 매직 키보드와는 다르다. 케이스로도 쓸 수 있는 키보드가 필요하다면 로지텍이 제공하는 다. 키투고 2는 최대 3개의 블루투스 기기와 연결할 수 있으며, 로지텍의 이지 스위치(Easy Switch) 키를 사용하여 연결될 기기 사이를 전환할 수 있다. 한 번 설정하면 매끄럽게 작동한다. 키보드와 기기가 연결되는 동안 몇 초 정도 기다려야 하지만 그 후에는 바로 사용할 수 있다. 로지텍 키투고 2, 구매해야 할까? 원격으로 작업하고 여러 기기를 사용해야 하는 상황이라면 휴대용 디자인과 최대 3대의 기기에 연결할 수 있는 키투고 2는 편리한 제품이다. 공간이 협소한 키오스크에서 맥 미니를 사용하거나 맥과 아이패드를 자주 전환할 때, 별도의 스탠드와 함께 아이패드를 사용할 때처럼 특수한 설치 환경에서도 유용하게 활용할 수 있다. 다만 자주 이동하면서 아이패드로 작업한다면 케이스 역할을 하는 키보드가 더 도움이 될 수 있다. 이동 중 키보드와 아이패드 모두를 안전하게 보호하는 방법이다. editor@itworld.co.kr
NVMe SSD를 사용할 수 있는 기기는 많다. 하지만 스팀 덱과 레노버의 최신 핸드헬드 게이밍 PC에서는 일반 PC에서 쓰는 전체 길이 2280(폭 22mm, 길이 80mm) 타입 NVMe SSD를 쓸 수 없다. 이 경우 크루셜 P310과 같은 2230(길이 30mm) SSD 또는 앞서 언급한 레노버 기기에 사용되는 커세어 MP600 마이크로 같은 2242 타입이 필요하다. 어댑터를 사용해 P310과 같은 2230 드라이브를 레노버 2242 슬롯에 장착할 수도 있다. P310만큼 빠르다면 말이다. 크루셜 P310의 특징은? 크루셜 P310은 스팀 덱과 같은 소형 기기에 적합하도록 설계된 2230 폼 팩터(폭 22mm, 길이 30mm) PCIe 4.0 x4, NVMe SSD다. 컨트롤러는 파이슨(Phison) PS5027-E2이며, NAND는 232레이어 QLC다. 이제 나쁜 소식이다. P310은 TBW(보증 기간 동안 드라이브에 기록할 수 있는 테라바이트를 의미)가 1TB 용량당 220TBW로 매우 낮다. QLC SSD와 거의 비슷한 수준이지만 평균적인 TLC SSD의 600TBW 등급에는 훨씬 못 미치는 수치다. 그러나 여전히 220TBW는 많은 양이고, 5년 보증 기간 동안 기록할 데이터보다 더 많을 가능성이 높다. 크루셜 P310의 가격은? P310은 1TB 용량이 115달러, 테스트한 2TB 용량은 215달러에 구입할 수 있다. 저렴한 가격은 아니지만 뛰어난 성능과 작은 폼팩터를 고려하면 합리적이다. 크루셜 P310은 얼마나 빠를까? 짧게 대답하면 아주 빠르다고 말할 수 있다. 엄청난 양의 데이터를 처리하지 않는다면 말이다. P310은 크리스털디스크마크 8 및 AS SSD 합성 벤치마크와 48GB 전송 테스트 모두 훌륭하게 통과했다. 3종 테스트 모두에서 전반적으로 경쟁 제품을 쉽게 앞섰지만 450GB 쓰기에서는 보조 캐시가 부족해 속도가 3GBps 이상에서 350MBps로 10배나 느려졌다. 다음 차트에서처럼 P310은 크리스털디스크마크 8의 순차 전송 테스트에서 경쟁 제품을 압도했다. P310은 무작위 작업 테스트에서 뛰어나지는 않았지만 여전히 상당히 빨랐다. P310은 48GB 전송 테스트에서 다시 한번 상위권에 올랐다. P310은 450GB 쓰기에서 85% 정도까지 좋은 속도를 보이다가 보조 캐시가 부족해지자 350MBps로 떨어지면서 테스트에서 최하위를 기록했다. 다음은 P310에 너무 많은 데이터를 쓰려고 하면 나타나는 현상이다. 테스트 제품은 2TB 모델이며, 1TB는 훨씬 더 빨리 속도 저하를 경험하고 더 오래 걸린다는 점을 명심하라. 결론적으로 P310은 매우 빠른 성능을 자랑하며, 일상적인 작업에서는 다소 큰 차이로 가장 빠른 속도를 보였다. 많은 양의 데이터를 처리하지 않는다면 괜찮을 것이다. 크루셜 P310, 구입해도 될까? P310은 약간 비싸지만 일상적인 순차적 전송에 가장 빠른 2230(또는 2242) NVMe SSD이며, 랜덤 작업에도 전혀 부족함이 없다. 따라서 같은 크기의 폼팩터에서는 최고의 선택이다. editor@itworld.co.kr
GPU가 탑재된 노트북은 모두 게임용 노트북이라고 할 수 있지만, 실제로 한계까지 밀어붙여 보지 않고서는 “진짜” 게임용 노트북이란 느낌을 받기 어렵다. 이는 단지 성능에 대한 것만은 아니다. 게임용 노트북은 특히 화려한 조명, 장식, 공상과학 콘셉트에서 차용한 매끄러운 디자인 등 미적 측면에서 한계를 뛰어넘는 것으로 정평이 나 있다. 하지만 이 모든 것은 노트북 몸체로 제공하는 데스크톱 게이밍 경험 위에 얹은 장식에 불과하다. 게임용 노트북의 역사에서 특히 상징적이거나 혁신적인 노트북은 많지 않다. 게이머의 믿음을 보장하는 최고의, 가장 놀랍고, 가장 우스꽝스러운 게임용 노트북을 소개한다. 1. 에이서 프레데터 21 X 에이서 프레데터 21 X를 가장 잘 설명할 수 있는 방법은 무엇일까? 한 마디로 '크다'이다! 화면도 크고, 섀시도 크고, 가격도 매우 비쌌다. 2017년 9,000달러의 가격표를 달고 출시된 이 노트북은 주머니 사정이 넉넉한 게이머들만 구매할 수 있는 제품이었다. 18.7파운드(약 8.5kg) 무게의 이 노트북은 인텔 코어 i7-7820HK, 64GB RAM, SLI로 연결된 두 개의 엔비디아 지포스 GTX 1080 GPU 등 당시 최고의 하드웨어를 탑재했다. 이 모든 하드웨어는 노트북의 21인치 커브드 LCD에서 최고의 게임 경험을 제공했다. 오늘날의 게임용 노트북은 더 강력한 성능을 갖추고 있지만, 프레데터 21X의 폼팩터에 비할 수는 없다. 2. 에이수스 ROG GX700 언뜻 보기에는 평범한 게임용 노트북처럼 보일 수 있지만, 도크를 집에 두고 나왔을 때만 해당되는 말이다. 에이수스 ROG GX700은 우스꽝스러운 수랭식 도크를 함께 제공해 극한의 상황에서도 내부를 차갑게 유지해 준다. 이 도크는 노트북 뒷면에 연결되어 컴프레서와 라디에이터를 노트북 섀시 내부의 튜브에 연결했다. 수랭식 도크를 이용해 코어 i7-6820HK와 엔비디아 지포스 GTX 980을 오버클러킹해 성능을 높였다. 5,000달러에 판매했으니 저렴한 가격이 아니었으며, 도크가 없었다면 꽤 따분한 노트북이었을 것이다. 3. HP 오멘 X 2S 대부분의 게임용 노트북은 화면이 하나뿐인데, 사실 게임을 플레이하는 데는 그 정도면 충분하다. 하지만 HP 오멘 X 2S는 키보드 위에 두 번째 디스플레이가 내장되어 있다. 작은 보조 모니터처럼 사용할 수 있는 6인치 1080p 터치스크린의 장점은 시스템 성능을 모니터링하고 조명 등을 제어할 수 있다는 것이다. 실제로 유용할까? 결론부터 말하자면, 그렇지는 않다. 하지만 확실히 독특하다. 15인치 주 화면은 240Hz 주사율과 엔비디아 지싱크를 지원하며, RTX 2080 GPU는 2019년경에 출시된 제품 중 최고였다. 하지만 2,900달러라는 가격표는 부담스러웠다. 4. 델 XPS m2010 2000년대 중반, 델은 은 지금까지 만들어진 노트북 중 가장 실용성이 떨어지는 게임용 노트북을 출시했다. 델 XPS m2010은 인텔 코어 2 듀오 T7200 프로세서, 1GB DDR2 RAM, 120GB 하드디스크 드라이브를 갖춘 21파운드(약 9.5kg)의 거대한 데스크톱 대체품이었다. 그래픽 측면에서도 이 노트북에는 라데온 X1800이 탑재되어 있어 노트북의 20.1인치 디스플레이에서 모든 게임을 실행하기에 충분했다. 게다가 키보드도 분리할 수 있었다. 한 마디로, 휴대용 올인원 머신이었다. 오늘날에는 이상한 유물로 여겨지지만, 2006년에 3,500달러를 내고 구매하는 사람들이 있었다. 5. 에이수스 ROG 마더십 GZ700GX 에이수스 ROG 마더십 GZ700GX는 표준 폼팩터를 버린 또 하나의 익스트림 노트북으로, 기본적으로 게임용 서피스 프로라고 할 수 있다. 17인치 디스플레이에 인텔 코어 i9 CPU와 엔비디아 RTX 2080 GPU를 탑재해 베젤이 두툼히다. 완전히 분리 가능한 키보드는 일반 노트북처럼 사용할 수 있으며, 숫자 패드로도 사용할 수 있는 트랙패드와 반으로 접을 수 있는 힌지가 특징이다. 에이수스 마더십 GZ700GX의 특이한 디자인으로 인해 간신히 휴대할 수 있는 정도였다. 여기에 6,500달러의 가격까지 합치면 가장 진지한 게이머를 제외한 모든 게이머에게 너무 과한 노트북이었다. 6. MSI 타이탄 18 HX MSI는 수년 동안 거대한 게임용 노트북을 만들어 왔지만, MSI 타이탄 18 HX는 데스크톱 대체용 노트북의 새로운 기준을 제시한다. 가장 빠른 14세대 인텔 코어 i9 CPU, 엔비디아 RTX 4090 GPU, 그리고 4K 미니 LED 디스플레이를 탑재했다. 섀시는 게임용 노트북치고는 다소 절제되어 있지만 키보드와 트랙패드는 게임에 필요한 모든 것을 제공한다. 키보드는 RGB 백라이트가 있는 체리 기계식 스위치를 탑재했으며, 트랙패드에도 게임용 노트북에서 보기 드문 화려한 RGB 백라이트가 있다. 더구나 이 노트북은 현재 시점에서 비교적 신제품이기 때문에 5,400달러 가격에 바로 구매할 수 있다. 7. 에이수스 ROG 제피러스 듀오 16 마더십 GX700에서 확인한 것처럼, 에이수스는 ROG 브랜드로 기발한 제품을 수없이 시도하고 있다. 에이수스 ROG 제피러스 듀오 16도 마찬가지다. 분리되거나 수랭 쿨러는 없지만, 화면이 2개이다. 더구나 앞서 소개한 HP 오멘 X25와는 달리 유용하게 활용할 수 있을 만큼 충분히 크다. 보조 화면의 14인치 3840×1100 LCD는 16인치 미니 LED 패널인 주 화면 아래 가장자리에서 가장자리까지 이어진다. 기울기를 조절할 수 있어 노트북이 열려 있는 상태에서 각도를 조절해 주 화면 하단과 나란히 정렬할 수 있다. 미래지향적인 모습이지만, 주 화면 아래의 울트라와이드 터치스크린이 실제로 얼마나 유용할지는 미지수이다. 가격은 3,200달러이다. 8. 에일리언웨어 m18 R2 게임용 노트북은 일반 노트북에 비해 큰 편이지만, 에일리언웨어 m18 R2는 그런 기준에서도 엄청나게 크다. 무게가 거의 10파운드(약 4.5kg)에 육박하는 m18 R2는 엄밀한 의미에서 휴대용 디바이스다. 디스플레이에는 상당한 베젤이 있고 기기 뒷면에는 대형 쿨링 공간이 있다. 무게도 무겁지만, 인텔 코어 i9 CPU와 RTX 4090 GPU를 탑재해 발열도 심하다. 실제로 무릎 위에 올려놓아야 한다면 기도를 해야 할지도 모른다. 또한 체리 기계식 키보드를 옵션으로 업그레이드할 수 있는 몇 안 되는 게임용 노트북 중 하나이다. 2024년에 출시된 에일리언웨어 m18 R2는 3,500달러이다. 9. MSI GT80 타이탄 SLI MSI GT80 타이탄 SLI는 2015년에 출시됐지만, 겉모습은 90년대의 노트북과 같다. 스틸시리즈 기계식 키보드 덕분에 두께가 5cm나 됐기 때문이다. 일반 높이의 키캡에 트래블이 긴 스위치를 사용했다. 진짜 키보드처럼 보이고 느껴지는 구성이었지만, 이 때문에 노트북을 들고 다니기가 훨씬 더 어려웠다. 물론 나머지 하드웨어도 인상적이었다. GT80은 SLI를 통해 연결된 두 개의 지포스 GTX 980M GPU를 탑재해 18.4인치 1080p 화면에서 최신 게임을 제대로 즐길 수 있었다. 이외에 코어 i7 CPU와 1TB 하드디스크, 작은 용량의 시스템 SSD를 탑재했다. 10. 에이서 프레데터 헬리오스 300 스페이셜랩스 에디션 에이서는 3D 게이밍에 대한 약속을 누구보다 오랫동안 지켜 왔다. 2023년에는 안경 없이 4K 디스플레이에서 스테레오스코픽 3D 게임을 즐길 수 있는 에이서 프레데터 헬리오스 300 스페이셜랩스 에디션을 출시했다. 이 제품은 "TrueGame"이라는 기능을 사용해 일부 게임에서 입체 이미지를 시뮬레이션하는데, 기대 이상으로 잘 작동한다. 멋진 3D 디스플레이 외에도 인텔 코어 i9 CPU, 지포스 RTX 3080 GPU, 32GB RAM을 탑재했다. 1년이 지난 지금도 견고한 사양이지만, 3,500달러라는 가격표는 화려한 디스플레이를 위해 지불하기에는 부담스러운 가격이다. editor@itworld.co.kr
마이크로소프트에는 2024년형 서피스 프로 11번째 에디션 코파일럿+ PC의 성공이 절실히 필요하다. 80% 정도는 성공했다고 볼 수 있다. 하지만 윈도우 온 암 기반인 2024년형 서피스 프로 태블릿이 하는 가장 중요한 일은 언젠가 다가올 생산성 PC 미래를 가리키는 것이다. 답은 어느 정도 정해졌다. Arm 앱 생태계는 점점 확대되고 있고, 모두 서피스 2024년형에서 훌륭하게 실행되며, 연결 시 성능은 인텔의 코어 울트라(메테오 레이크)와 동등하거나 더 나은 것으로 보인다. 하지만 안타깝게도 앱이 잘 실행되는지 여부는 여전히 의문이다. 플러그를 뽑으면 이야기가 또 달라지는데, 집중적인 앱은 태블릿의 배터리 수명을 상당히 잡아먹는다. 그리고 마이크로소프트의 코파일럿+ AI 기능에서 아직 그보다 중요한 점은 없다. 하드웨어도 몇 가지 이상한 점을 제외하면 꽤 괜찮은 편이다. 구입 시 선택지 수십 년 동안 경쟁사보다 훨씬 높게 서피스 가격을 책정한 마이크로소프트의 서피스 프로(2024) 11번째 버전은 코파일럿+ PC 중 가장 저렴한 선택지다. 서피스 프로의 가격은 999달러(교육용 할인 시 899달러)에 불과하지만, 내부에는 덜 강력한 10코어 스냅드래곤 X 플러스 프로세서가 탑재되어 있다. 리뷰에 사용한 제품은 더 강력한 12코어 스냅드래곤 X 엘리트 버전이다. OLED 디스플레이나 최대 32GB의 RAM, 1TB SSD 스토리지를 선택하면 최대 2,099.99달러로 늘어난다. 현재로서는 LCD 옵션은 없는 것 같다. 이에 비해 서피스 프로 9는 12세대 코어 버전은 999달러에서 2,599달러, 스냅드래곤 8cx 3세대에서 파생된 구형 마이크로소프트 SQ3 기반 태블릿인 서피스 프로 9(5G)는 1,299달러에서 1,899달러로 가격이 더 높았다. 상세 사양 디스플레이 : 13인치 픽셀센스 플로우(2880×1920, 267 PPI, 고릴라 글래스 5), 최대 120Hz, 동적 재생률 및 10포인트 멀티터치, OLED 화면(옵션) 프로세서 : 퀄컴 스냅 드래곤 X 엘리트 3.4GHz X1E-80-100 (테스트 사용 버전), 스냅 드래곤 플러스 그래픽 : 퀄컴 아드레노 메모리 : 16/32/64GB LPDDR5X(OLED), 16GB (일반) (테스트 사용 버전) 스토리지 : 512GB, 1TB PCIe 젠4 SSD(OLED); 256, 512GB (일반) (테스트 사용 버전은 512GB) 포트 : USB-C 2개(USB 4.0와트/디스플레이포트 2.1), 서피스 커넥트 포트 1개, 서피스 키보드 포트 1개 보안 카메라(윈도우 헬로), NFC/스마트카드 리더; TPM 2.0 칩 카메라 : 쿼드 HD(1440p) 울트라 와이드 (사용자 향), 윈도우 스튜디오 효과, 1만 화소 후면 배터리 : 51.4와트시(설계), 53.5와트시(완전 충전) 무선 와이파이 7, 블루투스 5.4 운영체제 : 윈도우 10 홈 또는 윈도우 11 홈 24H2 크기 : 28.7ⅹ20.8ⅹ0.9㎝ 무게 : 0.89㎏ (액세서리 제외) 색상 : 사파이어, 듄, 플래티넘, 블랙 가격 : 999달러 이상 (테스트 사용 버전 $1,499) 추가 액세서리 : 서피스 슬림 펜 2, 아마존에서 $90에 판매 중. 슬림 펜이 포함된 서피스 플렉스 키보드, 마이크로소프트에서 449.98달러 빌드 품질 물리적으로 서피스 프로(2024) 11번째 버전은 서피스 프로 9(5G)와 매우 유사하여 아주 자세히 살펴봐야 구별할 수 있을 정도다. 블랙, 플래티넘, 듄, 사파이어로 나뉜 메탈릭 컬러와 제품 상자 색이 똑같다. 늘 그렇듯 키보드와 펜(새로운 서피스 플렉스 프로 키보드와 번들로 제공되는 슬림 펜 2)은 추가 구매가 가능하다. 서피스 프로는 시중에 윈도우 태블릿이 많지 않다는 점에서 다소 독특하다. 물리적 디자인 측면에서 약 0.6cm, 상단에서 약 1.2cm에 불과한 베젤의 슬림함은 과거 서피스와 일관성을 유지한다. 필자는 서피스 프로를 일종의 노트북으로 사용하는 편이지만, 서피스 태블릿 모드가 사라진 지금 새로운 서피스 프로는 전통적인 태블릿이라기보다는 이상하게 디자인된 노트북에 가깝다. 차라리 서피스 랩톱 고의 360도 컨버터블 버전이었으면 좋았을 거라는 생각도 든다. 데스크톱 기기로 사용하는 경우를 대비해 킥스탠드는 그대로 유지됐다. 중요한 변화는 서피스 프로의 경험을 바꿔놓은 플렉스 프로 무선 키보드다. 일반적으로 서피스 세대를 구분하는 것은 아주 미세한 차이다. 이번 제품에는 서피스 프로 9에서 5G 안테나를 구분한 작은 밴드는 존재하지 않는다. 서피스 프로는 나노심 5G 카드를 지원하지만 5G 지원은 아직 제공되지 않으며 향후 몇 달 내에 출시될 예정이다. 물리적 디자인이 변경될지는 확실하지 않다. 하지만 기본적으로 큰 변경은 없었다. 크기와 무게도 동일하다. 이전과 마찬가지로 전원 버튼과 볼륨 로커가 상단에, 한 쌍의 USB4(비인텔의 썬더볼트 4 포트에 해당)가 섀시 왼쪽에 배치됐다. 서피스 충전기 포트는 오른쪽에 있다. 상자에는 서피스 프로와 함께 39W의 소형 충전기가 들어 있지만, 다른 서피스 충전기와 달리 USB 충전 포트는 없다. 마이크로소프트가 "바로 사용 가능"(OOBE)이라고 부르는 설정 환경은 평소보다 조금 더 길게 느껴졌다. 마이크로소프트는 윈도우 PC의 일부 AI 기능을 광고하고 있지만, 리콜 기능이 지연되고, 일명 PC에서 빠르게 찾기 기능도 아직 제공되지 않는다는 점에 유의해야 한다. 로컬 계정을 만드는 방법을 명시적으로 안내하는 모든 방법이나 링크가 사라졌는데, 마이크로소프트가 윈도우 내에서 로컬 계정에 대한 가이드를 삭제했다는 보도와도 일치한다. 새로운 서피스 프로는 충전기 또는 USB 포트를 통해 충전할 수 있으며, 충전기는 부하가 걸린 상태에서도 태블릿에 전원을 공급하고 충전한다. 태블릿은 썬더볼트 4 도킹 스테이션과 한 쌍의 4K 디스플레이에 완벽하게 연결되었다. 헤드폰 잭이 사라졌기 때문에 개인 오디오를 들으려면 USB-C 헤드폰이나 블루투스가 필요하거나 헤드폰 잭이 내장된 도크 또는 USB-C 동글을 사용해야 한다. Arm 칩을 내장했지만 팬이 없는 것은 아니다. 부하가 걸리면 팬이 다소 크게 작동하는 소리가 들리지만 방해되는 코일 소리는 들리지 않는다. 일반적인 사무 작업에서는 팬이 작동하지 않지만, 예를 들어 포토샵 같은 작업을 하면 팬이 작동하는 것을 느낄 수 있다. 에뮬레이트된 워크로드에서는 팬이 크게 작동한다. 그러면 팬 소리가 들리고 태블릿 뒷면이 상당히 뜨거워지는 것을 느낄 수 있다. 테스트에서 측정된 온도는 약 42도였지만, 같은 서피스 랩탑을 사용하는 동료는 더 뜨겁다고 느꼈다. 이제는 SD 또는 마이크로SD 슬롯이 없다. 그러나 공식 교육을 받은 수리 기사가 SSD를 업그레이드하는 것은 허용된다. 자석으로 부착된 뒷면 패널로 액세스할 수 있으며, 작은 홈을 눌러 위로 젖힌 다음 슬롯에서 SSD를 나사로 풀면 된다. 디스플레이 서피스 프로(2024) 11 에디션의 디스플레이는 혼합형이다. 13인치(2880ⅹ1920, 267 PPI) 픽셀센스 플로우 LCD 또는 OLED 중 하나를 고를 수 있다. 마이크로소프트는 리뷰용 제품을 후자의 옵션으로 배송했다. 마이크로소프트의 공개 사양에는 sRGB와 비비드 색상 옵션을 모두 사용할 수 있다고 나와 있지만, 리뷰용 기기에는 HDR 색상 프로필만 있었다. OLED 디스플레이는 OLED답게 잉크 같은 검은색과 놀라운 대비로 화려한 느낌을 준다. 하지만 눈이 예민한 사람은 약간의 입자가 보일 수 있다. 비교를 위해 서피스 프로 9(5G)의 LCD 화면을 사용하면서 서피스 프로의 OLED 화면에서 개별 픽셀처럼 보이는 약간의 얼룩을 발견했다. 솔직히 말해서 리뷰 과정에서 다른 사람들이 지적하기 전까지는 이 점을 발견하지 못했지만, 분명히 있었다. 또 한 가지 성가신 점은 서피스 랩탑 스튜디오와 마찬가지로 패널 자체가 디스플레이의 둥근 모서리에 가려져 있다는 것이다. 그다지 눈에 띄지는 않는다. 하지만 예를 들어 스크린샷을 찍거나 화면을 캡처하면 모서리가 디스플레이에서 사라지는 것을 볼 수 있다. 하지만 스크린샷을 찍으면 화면 전체가 저장되고 둥근 모서리에 가려진 UI 요소는 없었다. 마이크로소프트는 "표준 직사각형 모양으로 측정했을 때 화면은 대각선으로 13인치이다(실제 가시 영역은 이보다 작다)"라고 설명한다. 하지만 OLED 디스플레이는 529니트의 휘도를 제공한다. 현재 모든 새로운 서피스 프로에 탑재된 돌비 비전 IQ 외에는 HDR 등급을 지원하지 않는다. 돌비 IQ는 디스플레이의 주변 조명과 콘텐츠에 맞게 HDR 화질을 조정하며, 윈도우 메뉴에서 물론 설정할 수 있다. 사진에서처럼 디스플레이는 반사율이 매우 높다. 120Hz 화면 재생률에는 정말 빨리 적응하게 된다. 서피스 프로(2024)의 지원 색 영역은 비디오 편집 및 HDR 콘텐츠 디스플레이에 사용되는 DCI-P3 색 영역의 지원 증가를 제외하면 서피스 프로 9(5G)보다 낮다. 서피스 프로(2024)가 그 어느 때보다 콘텐츠 소비용 기기에 가깝다는 신호다. 타이핑, 터치패드, 잉크 경험 첫 사용 경험은 그다지 만족스럽지 못했는데, 그 중 플렉스 프로 키보드가 큰 부분을 차지했다. 필자는 스페이스바를 탭해서 PC를 깨우는 데 익숙한다. 하지만 서피스 프로는 태블릿 자체는 깨어나지만 키보드를 깨우려면 별도로 다시 스페이스 바를 탭해야 하는 것 같았다. 키보드의 펌웨어(?!)를 업데이트해야 하는 것도 그렇고, 시작이 좋지 않았다. 키보드도 가끔씩 작동이 멈추는 것 같았다. 한 번은 플렉스 프로 키보드와 연결된 슬림 펜 2 모두 블루투스 연결이 끊겨서 당황한 적이 있었다. 대부분의 블루투스 키보드에는 연결이 끊어질 경우를 대비해 수동으로 연결할 수 있는 버튼이나 스위치가 있다. 하지만 이 제품은 아니다. 다행히 키보드를 클릭하기만 하면 다시 페어링이 되었다. 펜 상단을 두 번 클릭해도 연결된다. 하지만 블루투스로 연결된 플렉스 프로 키보드는 작동하고 꽤 잘 작동한다. 노트북 키보드는 딱딱한 느낌이 들어서 솔직히 노트북 키보드를 선호한다. 플렉스 프로 키보드는 도킹된 상태에서는 적당한 반동이 느껴지고 다소 좁다. 하지만 태블릿에서 키보드를 몇 인치만 분리해도 이전에는 부족했던 자유로움을 느낄 수 있다. 더 이상 태블릿과 킥스탠드를 무릎 위에 놓고 균형을 잡을 필요가 없어 누울 때의 문제도 완전히 해결되었다. 대신 태블릿을 트레이 테이블 위에 따로 올려놓고 무릎 위에 놓고 타이핑할 수 있다. 플렉스 프로 힌지가 아래로 접히기 때문에 아래로 뒤집어서 키보드 각도를 약간 높일 수 있다. 이 방식으로도 잘 작동했고 분리된 키보드에서도 타이핑하기가 나쁘지 않았다. 이상한 점은 블루투스 연결로 키보드를 거실에서 3.5m 이상 떨어진 곳에 놓을 수 있다는 것이다. 키보드와 화면을 함께 사용하는 범위를 훨씬 뛰어넘는 거리다. 무선 기능은 멋진 추가 기능이지만 약간 과한 느낌이 들기도 한다. 코파일럿 키는 다른 앱처럼 화면 주위에 떠다니는 평범한 코파일럿 앱을 실행하기만 할 뿐이다. 인공지능을 소리 높여 광고하는 마케팅에 비하면 다소 실망스럽다. 마이크로소프트에 따르면 키보드의 배터리 수명은 41시간이다. 키보드가 연결되고 태블릿이 전원에 연결되면 재충전된다. 플렉스 프로 키보드는 태블릿이 배터리로 작동 중일 때는 충전되지 않는 것 같고 마이크로소프트 서피스 북처럼 태블릿의 예비 배터리 역할을 하지는 않는다. 플렉스 프로 키보드에는 실제 터치패드의 클릭을 시뮬레이션하는 햅틱 터치패드가 함께 제공된다. 또한 기존 서피스 프로 시그니처 키보드보다 조금 더 넓어졌다. 키보드가 꺼져 있거나 대기 모드에 있으면 햅틱 키보드도 종료되어 약간 당황스럽다. 테스트에서는 가끔 결함이 발생하고 경고 없이 키보드가 갑자기 꺼지는 경우도 있었다. 하지만 서피스 슬림 펜 2와 서피스 프로의 디지타이저가 서로 상호 작용하는 방식은 정말 마음에 들었다. 다음 낙서에서 볼 수 있듯, 서피스 기기에서 본 것 중 가장 훌륭하게 잉크 앱을 사용할 수 있었다. 펜의 실제 끝에서 잉크가 부드럽게 '흘러나오고'(거의 완벽하게), 자로 직선을 그릴 때 흔들림이 없는지 놀라웠다. 가장 잘 흔들리는 대각선을 보면 알 수 있다. 하지만 그림에서는 흔들림이 전혀 없다. 최근 출시된 다른 서피스 펜과 마찬가지로 슬림 펜 2는 항상 눈에 잘 띄고 금방 사용할 수 있도록 수납 공간에서 충전할 수 있다. 웹캠과 오디오 품질 서피스 프로(2024)의 스피커는 이전 버전과 동일한 2W인 것 같다. 새로운 서피스도 강력한 성능으로 기존 명성을 손상하지 않았다. 초기에는 볼륨이 높아질수록 소리가 탁해진다는 인상을 받았지만 오래 사용한 후에는 그런 생각이 사라졌다. 모두 꽤 선명하게 들린다. 하지만 기본적으로 스피커용 돌비 애트모스가 켜져 있기 때문에 확실히 긍정적인 영향을 미친다. 서피스 프로(2024)에는 울트라 와이드 1440p 웹캠이 포함되어 있는데, 1인칭 시점으로 보기에는 너무 넓어서 마음에 들지 않는다. 하지만 동영상에서 윈도우 스튜디오 효과의 자동 프레이밍을 켜면 카메라가 줌인하고 추가 효과를 추가할 수 있다. 이 태블릿에는 1440p 전면 웹캠과 1,000만 화소 후면 웹캠도 함께 제공된다. 마이크로소프트는 모범적인 웹캠 경험, 특히 윈도우 스튜디오 효과 AI 기능 중 일부에 투자했다. 이 웹캠은 선명하고 선명하며 색감이 뛰어나고, 배경이 아닌 얼굴에 지능적으로 초점을 맞추고 노출하는 등 지금까지 리뷰한 웹캠 중 최고라고 해도 과언이 아닐 정도로 훌륭하다. 조명이 적당한 곳에서 찍은 사진보다 어두운 방에서 태블릿 자체 조명만으로 얼굴을 비추는 것이 더 나은 것 같다. 코타나는 기본적으로 꺼져 있기 때문에 방 전체에서 마이크 설정을 테스트할 필요가 없다. 하지만 AI 노이즈 필터링은 에이수스 젠북 14의 AI 오디오 필터보다 약간 낮은 정도였다. 록 음악의 리드 보컬은 약간 잡아냈지만 노트북 옆에서 큰 볼륨으로 재생한 빗소리 배경 백색 소음 트랙은 완벽하게 걸러냈다. 정말 대단했다. 윈도우 안에서의 AI 경험 서피스 프로(2024)의 AI 앱 경험에 대해 이야기하기 전에 한 가지 문제가 있는데, 바로 NPU용 AI 테스트 앱이 부족하다는 점이다. UL의 프로사이언(Procyon) 앱에는 AI 성능을 평가하는 비전 AI 테스트가 있다. 하지만 이 테스트와 AI 성능을 평가하는 긱벤치 ML은 모두 CPU에서만 실행된다. NPU 활용은 말할 것도 없고 Arm에서 실행되는 생성형 AI 애플리케이션도 찾을 수 없었다. 따라서 서드파티 앱 관점에서 볼 때 퀄컴이 자랑하는 NPU는 서피스 프로(2024)에서 제대로 활용되지 않는다. 물론 현재 AI를 사용하는 윈도우 애플리케이션이 여럿 있으므로 마이크로소프트는 이 의견에 격렬하게 반대할 것이다. 대다수 사용자도 태블릿이 CPU를 쓰든 NPU를 쓰든 상관하지 않겠지만 말이다. 그리고 리콜 기능은 출시가 지연된 상태다. 따라서 이 태블릿의 주요 기능 중 하나가 사라진 것이나 마찬가지다. 마이크로소프트는 영상 통화를 많이 한다면 유용할 몇 가지 새로운 스튜디오 효과 기능을 개선했다. 이전 스튜디오 효과는 줌, 팀즈 또는 구글 미트에서 배경 흐림 및 오디오 필터링과 같은 기능을 복제했다. 아이 콘택트는 항상 카메라를 응시하고 있는 것처럼 보이게 만들었다. 자동 프레이밍은 자르기 효과를 사용하여 사진의 중앙에 사용자를 배치한다. 이 모든 기능은 서피스 프로 이전에도 존재했다. 가장 유용한 추가 기능은 아이 콘택트에 추가된 '텔레프롬프터'로, 통화 중에 화면에서 텍스트를 읽는 경우에도 상대방에게 집중하고 있는 것처럼 보이도록 해준다. 일부 '크리에이티브 필터'(일러스트레이션, 애니메이션, 수채화)는 아무 기능도 하지 않고 쓸모가 없다. 그리고 "자연스러워 보이게" 하기 위해 새로 추가된 인물 조명은 화면을 노랗게 만들 뿐이다. 모두 NPU를 사용한다. 흥미롭게도 스튜디오 효과를 최대한 많이 동시에 사용해도 사용 가능한 NPU 리소스의 25%를 넘지 않았다. 마이크로소프트가 가장 많이 독려하는 애플리케이션은 NPU와 선택 사항이지만 실제로는 아닌 서피스 슬림 펜 2를 사용하는 그림판의 이중 생성형 AI 기능인 이미지 크리에이터와 코크리에이터인 것 같다. 이미지 크리에이터(이전에는 코크리에이터라고 함)는 마이크로소프트의 생성형 AI 서비스로 클라우드를 사용하여 멋진 1152ⅹ1152 크기의 이미지를 만들어 준다. 새로운 코크리에이터는 그림판의 일부이지만 이미지 크리에이터와는 별개의 기능이다. 코크리에이터는 기본적으로 이미지 크리에이터와 동일하지만 펜 입력을 지침으로 해서 이미지를 만든다. 원하는 그림을 스케치한 다음 '창의성' 슬라이더를 조정하여 프롬프트를 추가할 수 있으므로 코크리에이터에 약간의 여유를 줄 수 있다. 하지만 프롬프트를 입력한 후에 원하는 내용을 스케치하면 코크리에이터가 실시간으로 응답하는 방식이 더 재미있다. 이미지 크리에이터가 제공하는 사실적인 그림은 아니지만 최종 결과물을 더 많이 제어할 수 있다. 코크리에이터는 사용자가 그리는 것을 이해할 때 가장 잘 작동하는 것 같다. 산과 숲을 주제로 한 형편없는 그림과 프롬프트는 꽤 훌륭하게 처리했다. 하지만 지구를 배경으로 달 표면에 서 있는 우주비행사 그림은 완전히 실패했다. 라이브 캡션은 생각보다 훨씬 유용하다. 결혼식이나 졸업식 동영상과 같은 모든 동영상에 캡션을 추가할 수 있을 뿐만 아니라 화면이나 태블릿 마이크를 통해 나오는 모든 오디오도 번역해 준다. 앱 설정에서 해당 기능을 활성화하기만 하면 된다. 중요한 점은 AI 아트 앱이 클라우드에 연결되어야 마이크로소프트에서 부적절한 이미지가 있는지 확인한다는 것이다. 로컬 NPU의 전체 목적이 무색해지는 순간이다. 윈도우 온 Arm 기반의 앱 문제 2024년에 윈도우 PC를 사용하면서 크롬북을 쓰던 때가 생각났다. 많은 앱과 기능이 서피스 프로(2024)의 Arm 칩을 통해 작동하지만 일부는 그렇지 않다. 시간과 공간을 절약하기 위해 서피스 프로에서 여러 앱을 사용해 본 경험을 별도의 기사로 작성했다. 앱은 정말 많다. 특히 브라우저는 Arm용으로 코딩되어 있지만, 느리기로 악명 높은 슬랙 앱도 Arm에서 실행된다. 그럼에도 불구하고 구글 드라이브 지원 부족과 브라더 프린터 연결 문제라는 두 가지가 불만이라는 사용자가 많았다. 여기에는 몇 가지 문제가 있다. 첫 번째는 단순히 무언가를 할 수 있는지 여부이다. 마이크로소프트는 이미 서드파티 프린터 드라이버를 제거하기 위해 노력하고 있으며, 대신 자체 네이티브 IPP 드라이버를 선호하고 있다. 따라서 브라더 프린터도 예상대로 페이지를 인쇄할 수 있을 것이라고 생각했지만 아니었다. 이상하게도 드라이버를 다운로드한 후에도 브라더 프린터로 스캔은 가능했지만 인쇄는 불가능했다. 구형 HP 레이저젯 복합기에서는 전혀 문제가 없었다. 하지만 소유하고 있는 구형 프린터와 함께 제공된 유틸리티와 같은 특정 서드파티 유틸리티는 작동하지 않을 수 있다. 레이저 액손(레이저 Axon) 같은 특정 "보조" 앱도 작동하지 않는다. 보통 레이저 소프트웨어를 자동으로 다운로드하는 레이저 USB-C 허브를 연결하기만 해도 서피스 프로가 충돌하고 재부팅된 후 허브를 제거할 때까지 검은색 화면이 표시되었다. 하지만 레이저 시냅스(Synapse)와 코텍스(Cortex)는 Arm에서 작동한다. 마우스와 키보드를 제어에 도움이 되는 로지텍 옵션 애플리케이션은 약 15분 동안 작동하지 않아 포기했다. 다른 대부분의 앱은 정상적으로 실행되었다. 하지만 모든 앱을 사용해 볼 수는 없었고 특정 VPN(예 : 노드 VPN)은 작동하지 않았고 다른 VPN은 작동했다. 제조업체가 Arm PC에 연결되는 구형 하드웨어용 소프트웨어 드라이버를 만들지는 또 다른 우려 사항이다. 인쇄 같은 기본 기능이 윈도우에 포함된다면 괜찮을 것이다. 5년 전에 릴리즈된 일부 특수 하드웨어용 드라이버의 경우는 기대하지 않는 것이 낫다. 웹 앱도 문제를 일으킬 수 있다는 점을 명심하라. 구글 드라이브 앱이 Arm에서 실행되지 않는다고 불평하는 사용자도 있지만, 웹 앱은 일부 기능을 대신할 수 있다. 두 번째 문제는 이들 앱이 얼마나 잘 실행되는지다. 마이크로소프트는 Arm 전용으로 만들어지지 않은 앱을 에뮬레이션하기 위해 프리즘(Prism)이라는 에뮬레이터를 개발했다. 실제로 테스트 앱을 포함한 여러 앱이 Arm 칩을 감지하면 실행을 거부하거나 다른 오류가 발생했다. 개발사 잘못으로 추정된다. 하지만 작동하지 않는 경우에는 문제가 되지 않는다. PCWorld도 테스트 앱에서 작동하지 않거나 오류가 발생하는 문제를 겪었다. 구글 드라이브도 마찬가지다. 이처럼 많은 생산성 애플리케이션은 이미 기본적으로 Arm 버전을 지원하고 있다. 중요한 문제다. 예를 들어 어도비 포토샵과 어도비 라이트룸은 기본적으로 Arm 버전을 만들고 있다. 적어도 포토샵의 경우, X86과 Arm 앱 모두 기능은 동일하게 보인다. 다른 어도비 애플리케이션도 곧 출시될 예정이다. (라이트룸은 클라우드에 연결하여 Arm에서 실행되며, 라이트룸 클래식은 에뮬레이션을 통해야 하지만 잘 실행됐다.) 15 포토샵은 스냅드래곤 X 엘리트와 아드레노 GPU를 좋아한다. 하지만 포토샵의 생성형 AI 기능은 여전히 스냅드래곤 NPU가 아닌 클라우드를 사용한다. 솔직히 일반 사용자는 AI 기능이 어떻게 처리되는지는 신경 쓰지 않으실 것 같다. 앱이 Arm 버전으로 만들어지지 않아 에뮬레이션해야 하는 경우, 서피스 프로의 CPU가 힘들게 돌아간다. 그게 문제다. 핸드브레이크 테스트를 예로 들어 보자. 오픈소스 코덱은 Arm 버전과 함께 제공되지만 호환성을 위해 최적화되지 않은 이전 버전도 함께 사용했다. 서피스 프로는 최적화되지 않은 앱을 잘 처리하지 못한다. 핸드브레이크 테스트하는 동안 태블릿 뒷면이 섭씨 38도 이상으로 상당히 뜨거워졌다. (다른 리뷰에서 Arm 기반 서피스 노트북은 약 49도까지 치솟았다). 하지만 배터리 사용 시간은 급감했다. 게임도 어렵다. 스냅드래곤 X 엘리트에서 시각 옵션을 낮게 설정할 경우 초당 30프레임으로 발더스 게이트 3를 실행하는 것을 확인했다. 세인트 로우 IV와 오래된 3D 탑다운 슈팅 게임을 해보았다. 후자는 실행되었지만 전자는 실행되지 않았다. 마이크로소프트는 이미 서피스 프로(2024)는 게임에 적당한 기기가 아니라고 말한 바 있다. 얼마나 빠를까? 이제 서피스 프로(2024) 11번째 에디션의 성능을 살펴보자. 리뷰 경험을 정량화하기 위해 익숙한 벤치마크에 의존했다. 테스트한 모드는 일반적으로 태블릿을 사용할 때처럼 벽에 꽂은 상태, 배터리로 사용하는 상태, 윈도우 전원 슬라이더를 최대 설정으로 올려서 사용하는 3가지 모드였다. 일부 테스트에서는 거의 변화가 없었다. 다른 테스트에서는 차이가 더 심했다. 좋든 나쁘든 퀄컴의 스냅드래곤 X 엘리트 프로세서에 필적할 만한 경쟁자는 많지 않다. 인텔 코어 메테오 레이크 X1 태블릿, 메테오 레이크 칩이 내장된 에이수스 젠북 14 OLED, 세대 간 비교를 위해 마이크로소프트 SQ3/퀄컴 스냅드래곤 8cx 3세대 칩이 내장된 서피스 프로 9(5G)와 비교했다. 노트북의 CPU가 렌더링 작업을 얼마나 빨리 처리하는지 측정하는 시네벤치와 장시간에 걸쳐 동일한 작업을 수행하는 핸드브레이크 테스트를 거쳤다. 긱벤치 테스트도 추가했다. PCMark 앱 테스트는 표준 마이크로소프트 오피스 및 웹 브라우징 작업을 수행하는 데 걸리는 시간을 계산한다. 3DMark(타임 스파이와 나이트 레이드 모두)는 스냅드래곤 X 엘리트의 아드레노 GPU가 얼마나 잘 작동하는지 측정한다. 또한 좀 더 집약적인 워크로드를 추가하기 위해 푸젯벤치의 포토샵 벤치마크를 추가했다. 마지막으로 프로시언의 AI 비전 테스트를 통해 칩의 AI 기능을 측정해 보았다. 하지만 아쉬운 점이 있었다. PCMark 10의 앱 테스트 외 PCMark 기존 테스트는 실행되지 않았다. (이상하게도 에이수스 노트북에서도 PCMark가 실행되지 않았다). 프로시언의 AI 테스트는 일반적으로 CPU, GPU 또는 NPU 중에서 선택하여 AI 기능을 테스트할 수 있다. 하지만 이 앱에서는 CPU 테스트만 제공했고 개발사인 언더라이터 랩(Underwriter Labs)는 다른 옵션을 제공하지 않았다. 코크리에이터를 제외한 AI 아트 앱은 실제로 NPU를 사용하지 않는다. 따라서 퀄컴이 자랑하는 AI TOPS는 테스트에 적용되지 않았다. 이는 윈도우 온 Arm의 호환성 문제가 여전히 존재한다는 것을 강조하며, 일부 사용자가 윈도우 내의 이러한 초기 'AI 앱'을 기술 데모에 불과하다고 생각하는 이유를 알 수 있다. 시네벤치는 x86과 Arm을 모두 지원하지만, 가장 최근 릴리즈인 R24(2024)에는 이전 버전에는 없던 전용 Arm 버전이 포함되어 있다. 10개의 고성능 코어를 탑재한 서피스 프로는 가장 최근의 R24 릴리즈에서 승리했다. 인텔의 코어 울트라는 이전 버전에서도 잘 작동한다. 서피스 프로는 윈도우 태블릿과 비교할 때 충분히 견뎌냈고, 에이수스 노트북에는 패했다. ‘최대’ 항목이 포함된 것을 주목하라. 여기에서 윈도우 11 성능 슬라이더를 가장 보수적인 ‘권장’ 설정에서 두 단계 위로 올렸다. 일부 테스트에서는 작지만 눈에 띄는 차이가 있었다. 서피스 프로(2024년) 버전을 구입해도 될까? 서피스 프로(2024) 11번째 에디션은 확실한 가능성을 보여준다. Arm CEO는 전 세계 PC의 절반이 Arm을 실행할 것이라는 호언장담은 하지 않았다. 하지만 전 세계 비즈니스/생산성 PC의 상당수가 언젠가 x86에서 Arm으로 전환되는 시나리오는 충분히 예상할 수 있는 일이다. 결국 이들에게 필요한 것은 긴 배터리 수명과 적당한 성능이다. 하지만 스냅드래곤 X 엘리트는 이 조건을 충족하지 못한다. 스냅드래곤은 배터리 수명은 오래 지속되지만 항상 약하거나 중간 정도의 성능을 갖춘 PC 엔진이었다. 이제 퀄컴은 가장 빠른 CPU가 되기 위해 도전하고 있다. 그리고 적어도 전원이 연결되었을 때는 성공한 것으로 보인다. 하지만 배터리 사용 중, 부하가 걸렸을 때, 특히 최적화되지 않은 앱에서 빠른 연산이 필요한 경우 Arm은 추가 성능을 위해 배터리 수명을 희생하고 있다. 필자는 서피스 프로 9(5G)가 마이크로소프트의 핵심 앱을 잘 실행한다는 점에서 마음에 들었고, 사용자의 요구도 바로 그것이었다. 이제 윈도우 온 Arm의 생태계는 한층 더 확장되고 있다. 경계는 어도비의 생산성 영역으로까지 옮겨간다. 하지만 모든 이가 기대했던 원활히 작동하는 태블릿은 아니다. ‘대부분’ 작동한다. 어떤 의미에서 서피스 프로(2024) 11 에디션은 강력한 크롬북처럼 느껴지며, 생산성 기기에서 원하는 모든 것을 충족하지만 게임은 거의 소화하지 못한다. 서피스 프로의 메테오 레이크 버전은 테스트하지 않았다. 인텔 루나 레이크가 출시될지는 전혀 궁금하지 않다. 하지만 아직까지는 윈도우 온 Arm으로 전환하기보다는 인텔 코어 울트라나 AMD 라이젠 프로세서의 검증된 세계를 고수하고 싶다. Arm이 PC 시장에서 상당한 비율을 차지할 것이라고 확신하지만 아직은 아닌 것 같다. 그러나 책장의 페이지가 모두 넘어간 것은 아니다. editor@itworld.co.kr
데이터 암호화는 매우 중요하다. 회사에서 제공한 PC를 사용하든 개인 컴퓨터로 작업하든, 암호화를 사용하면 도둑이나 다른 사람이 PC를 손에 넣어도 민감한 개인 데이터를 볼 수 없다. 윈도우 PC의 스토리지 암호화는 다소 복잡하게 느껴질 수 있다. 이 가이드에서는 기존 비트로커 암호화와 새로운 '장치 암호화'의 차이점, PC의 데이터를 안전하게 보호하는 방법, 만일을 대비해 이동식 장치를 암호화하는 방법 등 비트로커 암호화의 모든 것을 알아본다. 또한 비트로커 암호화 오류 복구에 대해 알아야 할 사항도 설명한다. 크라우드스트라이크 사태가 발생했을 때, 많은 사람이 PC를 부팅하면 비트로커 복구 키를 요구하는 블루스크린만 볼 수 있었다. 이런 일은 일어나서는 안되겠지만, 만일의 사태에 대비하는 것이 좋다. 비트로커의 이해 비트로커는 마이크로소프트의 스토리지 암호화 기술이다. 윈도우 비스타에 처음 도입됐으며, 현재도 윈도우 11 및 윈도우 10에 포함되어 있다. 비트로커는 스토리지의 전체 볼륨을 암호화하도록 설계됐다. 즉, 하드 드라이브의 전체 파티션을 암호한다. 비트로커를 활성화하면 PC의 파일이 암호화된 방식으로 디스크에 저장됩니다. 파일을 “마구 뒤섞어 놓은(scrambled)” 형태로 저장하기 때문에 PC의 하드 드라이브를 훔쳐간다고 해도 파일에 액세스할 수 없다. 파일에 액세스하려면 암호화 키가 필요하다. 비트로커는 컴퓨터를 부팅할 때 자동으로 잠금이 해제되는 “투명” 모드로 작동하도록 설정되어 있는 경우가 많다. 이렇게 하면 컴퓨터의 TPM(Trusted Platform Module) 하드웨어를 사용해 드라이브의 잠금을 해제한다. TPM은 암호화 키를 저장하고 윈도우 운영체제가 변조되지 않은 것으로 보이는 경우에만 암호화 키를 제공한다. 이 기술은 기업이 회사 데이터를 보호하는 중요한 방법이다. 그렇기 때문에 기업에서는 업무용 PC에서 비트로커를 사용하도록 강제하는 경우가 많다. 하지만 개인이 개인 데이터를 보호하는 데에도 유용한 방법이다. 누군가 노트북을 손에 넣더라도 키가 없으면 파일에 액세스할 수 없다. 노트북을 부팅하더라도 파일에 액세스하려면 윈도우 사용자 계정에 로그인해야 한다. 비트로커에 문제가 발생하면 비트로커 복구 키를 입력할 것을 요청한다. 비트로커를 직접 설정한 경우에는 암호화 키를 안전한 곳에 저장하라는 메시지가 표시됩니다. 기업 환경에서는 IT 부서가 사본을 가지고 있다. 일부 상황에서는 사본을 마이크로소프트 계정과 함께 저장하기도 한다. 비트로커와 장치 암호화의 차이 윈도우 7 시절에는 비트로커가 전문가용, 기업용, 교육용 버전의 윈도우에서만 제공됐다. 홈 버전의 윈도우를 실행하는 일반 PC에서는 내장 암호화 기술을 사용할 수 없었다. 현재도 이런 차이는 있다. 비트로커 드라이브 암호화(BitLocker Drive Encryption)란 이름의 비트로커의 정식 버전은 윈도우의 프로페셔널 버전 이상에서만 사용할 수 있다. PC에서 온전한 비트로커 도구를 이용하려는 개인 사용자는 PC의 윈도우 홈 버전을 윈도우 11(또는 윈도우 10) 프로페셔널 버전으로 업그레이드해야 한다. 그러나 윈도우 8.1부터 시작해 현재 윈도우 10 및 윈도우 11까지 마이크로소프트는 “장치 암호화”라는 기능을 제공한다. 이 기술은 내부적으로 비트로커를 사용하지만, 하지만 전체 비트로커 구성 옵션은 제공하지 않으며 PC에 올바른 하드웨어(윈도우 11에 공식적으로 필요한 하드웨어 기능 중 하나인 TPM 2.0 칩)가 있는 경우에만 작동한다. 장치 암호화는 평균적인 최신 PC에서 “그냥 작동”하도록 만들어진 기능이다. 마이크로소프트 계정이나 회사 또는 학교 계정으로 윈도우에 로그인하면, 윈도우가 자동으로 장치 암호화를 활성화하여(PC에 올바른 하드웨어가 있다는 가정 하에) 암호화를 통해 파일을 보호한다. 마이크로소프트 계정, 회사 계정 또는 학교 계정으로 로그인했으므로 윈도우는 비트로커 복구 키를 마이크로소프트 계정 또는 회사나 학교의 시스템에 PC를 백업한다. 이렇게 하면 일반 PC 사용자가 오류가 발생했을 때 복구 키에 액세스할 수 있는 방법이 보장된다. 일반 사용자의 경우, 마이크로소프트 계정이 필요하다. 로컬 사용자 계정으로 PC에 로그인하도록 선택하면 장치 암호화를 사용할 수 없다. 최적의 보안을 위해 마이크로소프트 계정으로 로그인하거나 윈도우 프로페셔널 에디션을 구매해 비트로커 환경을 사용하는 것이 좋다. PC의 스토리지가 암호화되어 있는지 확인하는 방법 비트로커를 사용하려면, 관리자 계정으로 윈도우에 로그인해야 한다. 일반 사용자 계정으로 로그인한 경우에는 옵션이 표시되지 않을 수 있다. 윈도우 11에서 장치 암호화를 확인하려면 설정 앱을 열고 '개인정보 및 보안'을 선택한 다음 보안 아래에 있는 '장치 암호화'를 클릭한다. 장치 암호화가 활성화되어 있으면 “켜짐”으로 설정된다. 윈도우 10에서 설정 앱을 열고 '업데이트 및 보안'을 선택한 다음 왼쪽 창에서 '장치 암호화'를 선택한다. 장치 암호화가 활성화되어 있으면 “장치 암호화가 켜져 있다.”라는 메시지가 표시된다. 설정 앱에 '장치 암호화' 옵션이 전혀 표시되지 않는다면, PC가 이를 지원하지 않거나 표준 사용자 계정으로 윈도우에 로그인한 것이다. 파일 탐색기에서 확인할 수도 있다. '내 PC' 아래에서 컴퓨터의 각 드라이브 아이콘을 확인한다. 드라이브 아이콘에 자물쇠가 있는 경우, 해당 드라이브는 비트로커 드라이브 암호화 또는 장치 암호화를 통해 어떤 식으로든 암호화된 것이다. 기존 제어판 창을 열고 “시스템 및 보안”을 선택한 다음, “비트로커 드라이브 암호화” 또는 “장치 암호화”를 클릭해 비트로커 옵션을 제어하고 스토리지가 암호화됐는지 확인할 수 있다. 이동식 드라이브를 암호화하는 방법 온전한 전체 비트로커 드라이브 암호화 환경을 갖춘 PC를 사용하는 경우, 이동식 저장 장치를 암호화할 수도 있다. 이 기능은 '비트로커 To Go'라는 기능을 사용하며, USB 플래시 드라이브, SD 카드 및 외장 하드 드라이브에 사용할 수 있다. 이렇게 하려면 제어판을 열고 “시스템 및 보안”을 클릭한 다음 “비트로커 드라이브 암호화”를 선택한다. “이동식 데이터 드라이브” 아래에 이동식 드라이브를 암호화하는 옵션이 표시된다. 비트로커 복구 키를 찾는 방법 비트로커는 일반적으로 “그냥 작동”해야 한다. 대부분 사용자는 부팅 시 비트로커 복구 키 블루 스크린이 표시되지 않기를 바란다. 하지만 크라우드스트라이크 사태 같은 사고는 누구에게나 발생할 수도 있다. 하드웨어 문제 또는 한 컴퓨터에서 스토리지 드라이브를 가져오거나 다른 컴퓨터에서 액세스해야 하는 경우에도 발생할 수 있다. 이 경우 비트로커 복구 키가 필요한다. 회사가 관리하는 PC를 사용하는 경우 회사 시스템에 복구 키가 백업되어 있으므로 복구 키를 요청할 수 있다. 마이크로소프트 계정으로 PC에 로그인하고 윈도우에서 장치 암호화를 자동으로 사용하도록 설정한 경우에는 마이크로소프트에서 액세스해야 한다. 마이크로소프트의 비트로커 복구 키 페이지를 방문해 마이크로소프트 계정으로 로그인하여 복구 키를 찾는다. 비트로커 드라이브 암호화를 직접 설정한 경우, 설정 과정의 일부로 복구 키를 저장하고 저장하라는 메시지가 윈도우에 표시된다. 종이에 인쇄하거나 USB 드라이브에 저장했을 수도 있다. PC가 정상적으로 작동하는 경우 언제든지 복구 키의 백업 복사본을 만들 수도 있다. 이렇게 하려면 제어판을 열고 “시스템 및 보안”을 클릭한 다음 “비트로커 드라이브 암호화” 또는 “장치 암호화”를 선택한다. 이 창에서 각 드라이브의 복구 키 사본을 백업할 수 있는 링크를 찾을 수 있다. 마이크로소프트는 비트로커 복구 키를 찾는 방법에 대한 자세한 가이드를 제공한다. 복구 키의 사본을 모두 분실했는데 PC에서 복구 키를 요청하는 경우(개인용 PC에서 비트로커를 직접 설정한 후 복구 키를 인쇄하지 않았거나 백업 사본을 분실한 경우) PC의 파일에 액세스할 수 없게 된다. 이 경우에는 PC의 파일을 이용할 수 없고 가지고 있는 별도의 백업본에서 파일을 복원해야 한다. 오픈소스 대안 베라크립트와 트루크립트 윈도우 PC의 스토리지를 암호화하고 싶지만 어떤 이유로 비트로커를 사용하고 싶지 않다면, 오픈소스 대안을 사용할 수 있다. 윈도우가 최신 PC에 장치 암호화를 기본 제공하기 전에는 이 방법이 더 일반적이었는데, 홈 버전 윈도우 사용자는 비용을 들여 프로페셔널 버전으로 업그레이드하지 않고도 이 소프트웨어를 사용해 암호화할 수 있었기 때문이다. 몇 년 전에는 트루크립트(TrueCrypt)가 대표적인 솔루션이었다. 하지만 트루크립트 프로젝트는 2014년에 “해결되지 않은 보안 문제가 있을 수 있으므로 안전하지 않다”고 경고하며 윈도우 PC 사용자에게 비트로커로 전환할 것을 권장하면서 종료됐다. 어떤 문제인지는 완전히 설명되지 않았다. 후속 프로젝트인 베라크립트(VeraCrypt)는 이 프로젝트의 코드를 가져와 보안 문제를 수정하고 계속 개발했다. 이 코드는 독립적으로 감사를 받았으며 발견된 문제는 수정됐다. 윈도우에서 오픈소스 드라이브 암호화 도구를 사용하려는 경우, 베라크립트를 사용하는 것이 좋다. 대부분 사용자는 가능하면 비트로커 드라이브 암호화 또는 장치 암호화와 같은 형태의 비트로커를 사용하는 것이 좋다. 비트로커는 윈도우와 통합되어 있으며 잘 작동한다. 베라크립트 같은 서드파티 솔루션은 데이터 손실이나 기타 문제가 발생할 가능성이 높다. 모든 사용자에게 필요한 암호화 궁극적으로 기본적인 스토리지 암호화는 격리된 사무실에서 데스크톱 PC를 사용하는 경우를 제외하고는 모든 최신 PC에서 필수이다. 특히 일반 노트북에는 데이터 보안을 위해 이런 기능이 필요하다. 회사에서 제공하는 컴퓨터를 사용하든 개인용 PC를 사용하든 노트북 분실은 데이터 보안에 큰 문제가 되지 않아야 한다. 안드로이드, 크롬OS, 맥OS, iOS 등 다른 모든 최신 플랫폼은 기본적으로 스토리지 암호화 기능을 제공한다. 윈도우 환경에서는 윈도우 11이 장치 암호화를 통해 새 디바이스에서 기본적으로 암호화를 제공한다. 2024년 가을에 윈도우 11의 24H2 업데이트를 통해 더 많은 PC 하드웨어 구성에서 디바이스 암호화를 사용할 수 있게 되면, 이 기능은 더욱 확대될 것이다. editor@itworld.co.kr
윈도우 노트북은 맥과 비교해 한 가지 큰 장점이 있다. 바로 터치스크린이다. 마우스를 버리자는 말은 아니다. 하지만 너무 많은 사용자가 터치스크린 PC의 유용성을 간과하고 있다. 잘 활용하면 터치스크린은 업무 생산성을 크게 향상시킬 수 있다. 윈도우 환경이 마우스와 키보드를 버리고 모두 터치스크린으로 바뀌는 일은 일어나지 않겠지만, 노트북의 터치스크린은 언제나 유용하다. 문서 작업, 웹 검색, 동영상 감상 등 어떤 작업을 하든 컴퓨터의 터치스크린이 얼마나 유용한지 알 수 있는 5가지 핵심 팁을 소개한다. 윈도우 터치스크린 팁 #1. 문서에 서명하기 필자가 가장 좋아하는 터치스크린 사용 방법 중 하나는 문서에 빠르게 서명하는 것이다. 노트북의 터치패드에 정성스럽게 서명을 하거나 휴대폰의 앱을 사용하거나 스캔한 서명 이미지를 붙여 넣거나 문서를 인쇄한 후 다시 스캔하는 등 다른 방법도 있다. 하지만 최신 노트북에서 문서에 서명하는 가장 편리한 방법은 터치스크린에 직접 손가락을 대고 서명하는 것이다. 마이크로소프트 엣지 브라우저에서 PDF 문서에 서명하거나 어도비 리더 같은 애플리케이션을 사용할 수 있다. 또는 도큐사인(DocuSign) 같은 웹 기반 서명 서비스를 사용해 문서에 서명하라는 요청을 받을 수도 있다. 어느 쪽이든 PC에 터치스크린이 있으면 훨씬 쉽다. 윈도우 터치스크린 팁 #2. 문서와 웹 페이지 스크롤하기 터치스크린은 단순히 문서나 웹 페이지를 스크롤하는 용도로는 심각하게 과소평가되고 있다. 무릎 위에 노트북을 올려놓고 사용하거나 비행기 좌석의 좁은 공간에 꽉 끼어 있거나 침대에서 늦은 밤 업무용 이메일을 확인하는 등 책상을 떠나 있을 때 특히 그렇다. 이럴 때는 터치패드로 스크롤하는 것보다 손가락으로 스크롤할 수 있는 방식으로 노트북을 잡는 것이 더 편리하다. 특히 힌지를 360도 회전할 수 있어 좁은 공간에 잘 맞는 유연한 노트북을 사용한다면 더욱 그렇다. 솔직히 필자는 책상에 앉아서도 손가락으로 웹 페이지를 스크롤할 때가 있다. 아직 해보지 않았다면 한번 시도해 보기 바란다. 윈도우 터치스크린 팁 #3. 확대 및 축소하기 터치스크린은 화면을 빠르고 쉽게 확대/축소할 수 있다. 브라우저에서 구글 지도, 이미지, 웹 페이지, 문서 등을 볼 때 휴대폰에서 확대/축소할 때와 마찬가지로 핀치 투 줌을 사용한다. 작은 줌 버튼을 클릭하거나 노트북의 트랙패드에서 핀치 투 줌을 시도하는 것보다 훨씬 유용하다. 물론, 트랙패드로도 핀치 투 줌 기능을 사용할 수 있지만, 작은 트랙패드보다 큰 화면에서 하는 것이 더 쉽다. 윈도우 터치스크린 팁 #4. 제스처를 사용해 바탕화면 탐색하기 윈도우에는 맞춤형 터치스크린 제스처 모음이 사용자의 손길을 기다리고 있다. 간단하고 기억하기 쉬운 팁은 아니지만, 이런 제스처 기능은 매우 유용하다. 또한 윈도우 11은 윈도우 10보다 더 많은 내장 터치스크린 제스처를 사용할 수 있다. 주요 기능은 다음과 같다. 화면 하단에서 한 손가락으로 위로 스와이프해 시작 메뉴를 표시한다. 화면 왼쪽 가장자리에서 한 손가락으로 스와이프해 위젯 창을 표시한다. 화면 오른쪽 가장자리에서 한 손가락으로 스와이프해 알림 센터를 표시한다. 세 손가락으로 위로 스와이프하면 작업 보기로 열려 있는 모든 창이 표시된다. 세 손가락으로 아래로 스와이프하면 바탕 화면이 표시된다. 세 손가락으로 왼쪽 또는 오른쪽으로 스와이프하면 마지막으로 사용하던 앱으로 전환된다. 여러 개의 가상 데스크톱을 사용하는 경우 왼쪽 또는 오른쪽에서 네 손가락으로 스와이프하면 데스크톱을 전환할 수 있다. 윈도우 11에서 이 기능이 작동하지 않는다면, 설정> 블루투스 및 디바이스> 터치에서 '세 손가락 제스처’와 ‘네 손가락 제스처'가 활성화되어 있는지 확인하기 바란다. 윈도우 터치스크린 팁 #5. 기본적인 탭과 누르기 활용하기 터치스크린을 활용하는 다른 유용한 방법도 많이 있다. 마우스처럼 사용할 수도 있다. 무언가를 탭하는 것으로 클릭을 하고, 누르고 드래그해 이동할 수 있다. 설정 화면을 사용하거나 양식을 작성할 때는 터치패드로 커서를 이동하는 것보다 손가락으로 각 확인란을 탭하면 더 빠르게 진행할 수 있다. 키보드와 터치스크린을 함께 사용할 수도 있다. 예를 들어 파일 탐색기에서 여러 개의 파일을 선택할 때 Ctrl 키를 누른 상태에서 각 파일을 차례로 탭하면 된다. 터치패드를 사용해 각 파일을 클릭하는 것보다 Ctrl 키를 누르고 화면을 터치하는 것이 더 빠르다. 터치스크린은 노트북에서 동영상을 스트리밍할 때도 유용하게 사용할 수 있다. 노트북의 트랙패드를 사용해 재생 컨트롤을 찾는 대신 화면의 재생 컨트롤을 탭하기만 하면 된다. "비디오 또는 오디오 파일을 '스크러빙(Scrubbing)'하는 것도 터치스크린의 또 다른 훌륭한 활용법이다. 찾아보기/뒤로 가기 슬라이더를 길게 터치한 다음 손가락을 앞뒤로 움직여 동영상에서 원하는 지점을 찾을 수 있다. 노트북의 트랙패드를 사용하는 것보다 훨씬 덜 어색하다. 3D 모델링이나 CAD 애플리케이션으로 작업하는 경우, 터치스크린은 모델을 회전하는 데 매우 유용하다. 이 외에도 사용하는 앱에 따라 다양한 용도로 활용할 수 있다. 노트북 터치스크린은 없어지지 않는다 터치스크린 노트북의 생산성 향상 가치에 대해 소개했다. 당장 터치스크린 노트북을 구매할 필요는 없다. 하지만 다음 노트북 구매 시 터치스크린이 탑재된 노트북을 고려하는 것도 좋은 선택지가 될 것이다. 물론 현재 사용 중인 노트북이 펜 입력을 지원한다면 터치스크린은 훨씬 더 유용해진다. 다양한 압력 레벨을 지원하는 디지타이저를 사용하면, 노트북은 메모, 문서 표시, 그림 그리기 등을 할 때 훌륭한 도구가 된다. 사람들은 손가락으로 화면을 더럽히는 것을 싫어한다는 반론도 있다. 사실일까? 모든 사용자가 하루 종일 손가락으로 휴대폰 화면을 문지르고 있지 않은가! 스마트폰이나 터치스크린 노트북 모두 화면을 청소할 때 극세사 천만 있으면 얼룩 없이 깨끗하게 유지할 수 있다. editor@itworld.co.kr