인앱 수익을 극대화하기 위해 주목해야 할 마케팅 기법
Z세대 : 결제의 미래 (Gen Z: the future of spending)
AI 도구는 지난 1년 동안 위협 헌팅에 매우 유용했다
“커리어 가속화를 위해 AI 역량을 개발하는 데 관심 있다”
MFA를 사용 중인 기업
포스트그레SQL 개척자인 마이크 스톤브레이커와 스파크를 만든 마테이 자하리아, 그리고 MIT와 스탠퍼드의 여러 컴퓨터 과학자가 가세해 그린필드(greenfield, 기존 앱 없이 완전히 새로 만드는 것) 웹 애플리케이션 개발에 적합한 새로운 데이터베이스 지향 운영체제(DBOS)를 만들었다. 이를 확산하기 위해 'DBOS'라는 회사도 설립했다. 최근 출시된 첫 번째 제품인 DBOS 클라우드(DBOS Cloud)는 트랜잭션 서버리스 애플리케이션 플랫폼으로, 서비스형 함수(FaaS)로도 정의할 수 있다. 오픈소스 가상머신 모니터링 서비스인 파이어크래커(Firecracker)를 활용해 아마존 웹 서비스(AWS) 기반으로 제공되며, DBOS 운영체제를 기반으로 한다. 제품은 크게 3가지 요소로 구성된다. 오픈소스 DBOS SDK(현재 타입스크립트용), DBOS 타임 트래블 디버거(Time Travel Debugger), 그리고 기반 운영체제다. 업체는 이 제품이 개발자가 서버리스 함수, 워크플로우, 애플리케이션을 구축하고 실행하는 데 도움이 되며, 시간 이동 디버깅, SQL 액세스가 가능한 관측가능성 데이터를 함께 제공한다고 설명했다. DBOS와 DBOS 클라우드의 기원 스톤브레이커와 자하리아, 그 외의 연구원은 어떻게 모였고, 왜 DBOS를 만들었을까? 3년 전, 스톤브레이커는 InfoWorld와의 인터뷰에서 데이터와 컴퓨팅에 대한 수요가 증가하면서 데이터베이스에는 대량의 운영체제 상태 저장이라는 새로운 과제가 생겼다고 언급한 바 있다. 그 무렵 그는 데이터브릭스의 CTO이기도 한 자하리아의 강연에 참석해 포스트그레SQL의 성능에 대한 자하리아의 지적을 유심히 들었다. 스톤브레이커에 따르면 자하리아는 당시 데이터브릭스가 운영체제 스케줄링을 어떻게 수행하는지에 대해 설명했다. 그는 "자하리아는 데이터브릭스가 클라우드에서 '백만 단위'의 스파크 서브 작업을 주기적으로 관리하는데, 그 정도 규모를 운영하면서 전통적인 운영체제 스케줄링 기법을 사용하는 것은 불가능하다고 말했다. 대신 자하리아는 데이터브릭스가 모든 스케줄링 정보를 포스트그레SQL 데이터베이스에 넣고 스케줄링을 SQL 애플리케이션으로 실행한다고 했다"라고 말했다. 스톤브레이커는 얼마 후 자하리아에 연락했고 전통적인 운영체제OS 기능을 대규모로 사용할 수 없는 기업이 매우 많다는 사실을 알게 됐다. 이 논의가 DBOS의 탄생으로 이어졌다. 두 창업자는 새로운 스택의 가장 아래에서 데이터베이스 관리 시스템을 실행하고 모든 운영체제 서비스를 똑같이 실행하는 방식을 채택했다. 스톤브레이커는 "팀이 충분히 시스템을 구축해 기업이 현재 사용 중이거나 하고 있는 방식이 무엇이든 이 반전된 운영체제의 성능이 그에 못지않게 빠르다는 것을 입증했다. 기본적으로 이는 기업이 성능 저하 없이 데이터베이스의 모든 것을 활용할 수 있다는 것을 의미한다"라고 말했다. 데이터 프로비넌스 데이터베이스는 모든 것을 기록하므로 팀의 다음 작업은 리눅스 기반 커널 사용을 최소화하는 데이터 프로비넌스 시스템을 개발하는 것이었다. 스톤브레이커는 "DBOS는 데이터 웨어하우스에 스풀링되는 매우 정교한 프로비넌스 시스템을 통해, 리눅스, 쿠버네티스, 기타 트랜잭션 파일 시스템, 고가용성 전달 시스템과 같은 많은 계층을 없앨 수 있다"라고 말했다. 업체에 따르면 이런 계층이 없어지면 비용과 복잡성, 공격 표면 감소 측면에서 이점이 있다. 스톤브레이커는 "컨테이너 또는 오케스트레이션 계층이 필요 없고, OS가 더 많은 일을 알아서 해주므로 코딩해야 할 양도 줄어든다. 기존 제품과 비교할 때 속도 저하 없이 이상 이벤트를 감시할 수 있으며 유지보수가 간편하다"라고 말했다. 또 다른 이점은 랜섬웨어 공격과 같은 적대적 이벤트 발생 시 신속하게 백업하는 기능이다. 스톤브레이커는 "공격 트랜잭션을 피할 수 있는 전체 이벤트 로그가 있으므로 공격이 발생하면 특정 시간으로 백업이 가능하다. 백업에 며칠에서 몇 주까지 걸리는 다른 제품과 달리 몇 초에서 몇 분이면 된다"라고 말했다. 프로비넌스 시스템을 개발한 후 팀은 온프레미스 시스템보다 클라우드에 초점을 두고 개발자를 위한 프로그래밍 인터페이스를 구축했다. 스톤브레이커는 "데이터베이스 시스템을 기반으로 서비스형 소프트웨어(SaaS) 프로그래밍 환경을 만들었다. 이 타입스크립트 기반 환경을 통해 개발자는 하나의 그래프로 연결되는 마이크로 연산 모음을 작성할 수 있다. 마이크로 연산은 데이터베이스에 수집되어 동시성 제어를 통해 병렬 프로그램 버그를 차단한다. 이밖에 애플리케이션을 위한 디버거도 지원한다"라고 말했다. 클라우드 우선 개발팀은 먼저 클라우드를 기반으로 DBOS를 서비스하기로 했지만 클라우드가 유일한 타깃은 아니다. 스톤브레이커는 "시간이 지나 자리를 잡으면 온프레미스 엔터프라이즈로 방향을 전환할 것이다. 수익이 나는 분야는 결국 엔터프라이즈이기 때문이다. 엔터프라이즈 소프트웨어 판매 주기는 일반적으로 매우 길다"라고 말했다. 온프레미스에서 실행되도록 하려면 유닉스용 POSIX 표준 인터페이스 모음을 추가로 지원해야 한다. DBOS를 처음 접하는 개발자에게 도움이 되는 DBOS 문서는 서 찾을 수 있다. 가격 정책은 다양하다. 무료 티어의 DBOS 클라우드는 아마존 RDS 포스트그레SQL을 사용하는 동안 서비스 호출 월 100만 회, 시스템 데이터 보존 기간 3일을 지원한다. 엔터프라이즈 또는 개발자는 다른 데이터베이스에서도 DBOS 클라우드를 사용할 수 있지만 이 경우 맞춤 구성을 요청해야 한다. DBOS, 확산할 수 있을까 시장조사업체 IDC의 칼 올로프슨, 디비인사이트(dbInsight)의 토니 베어, 콘스텔레이션 리서치(Constellation Research)의 홀거 뮬러를 포함한 여러 분석가는 DBOS가 애플리케이션 개발 시간 단축에 긍정적인 영향을 주고 보안의 이점이 있다고 분석했다. 반면 몇 가지 단점과 우려 사항도 있다. 뮬러는 DBOS 기업 자체의 개발 확장성에 의문을 제기했다. 그는 "DBOS의 소규모 팀이 운영체제, 데이터베이스, 관측가능성, 워크플로우, 사이버 스택 등을 동종 최고(best of breed) 업체의 조합만큼 원활하게 개발, 운영할 수 있을지 의문이다"라고 말했다. 올로프슨은 키-값, 시계열, 문서 등 전문화된 데이터베이스 관리 시스템 시대인 현재의 관계형 데이터베이스 시스템은 모든 요구사항을 충족하지 못할 수 있다고 지적했다. 그는 "DBOS가 좋은 보안 기능을 갖추고 있지만 데이터 도난과 손실의 가장 큰 원인은 일반적으로 피싱 공격과 같은 기법을 통해 획득하는 가짜 자격 증명 사용이다. 어떤 DBMS 기술도 명백하게 정당한 자격 증명을 소유한 악의적 행위자가 데이터를 훔치거나 파괴하는 것을 막지는 못한다"라고 말했다. editor@itworld.co.kr
자바스크립트는 큰 인기를 누리는 인터프리트 스크립팅 언어로, . 2023년 전체 구인 공고의 29%가 자바스크립트 또는 타입스크립트 프로그래밍 경험을 요구 조건으로 제시할 정도다. 자바스크립트의 성공에는 개방형 표준이며 단일 업체에 지배되지 않는다는 점, 수많은 구현과 배우기 쉬운 구문 등 다양한 이유가 있다. 현재 웹페이지에서 거의 모든 인터랙티브 또는 애니메이션 요소는 자바스크립트로 렌더링된다. 또한 Node.js, 데노(Deno), 번(bun)과 같은 서버측 프레임워크 덕분에 브라우저 이상으로 확장해 클라이언트에서 서버, 클라우드 기반 애플리케이션에 이르기까지 온갖 용도의 코드를 작성하는 데 자바스크립트가 사용된다. 여기서는 자바스크립트의 간단한 역사와 자바스크립트가 사용되는 애플리케이션의 종류, 자바스크립트를 다루기 위한 툴, 자바스크립트를 배우기 위한 리소스를 포함해 자바스크립트에 대해 전체적으로 살펴본다. 자바스크립트의 간단한 역사 이름에서 알 수 있듯이 자바스크립트는 스크립팅 언어다. C++와 같은 전통적인 언어는 실행 가능한 바이너리 형식이 되려면 컴파일을 거쳐야 하며, 이 과정에서 컴파일러가 전체 프로그램의 오류를 검사한다. 반면 스크립팅 언어는 인터프리터라는 다른 프로그램에 의해 한 번에 한 줄씩 실행된다. 스크립팅 언어는 처음에는 다른 프로그램을 실행하는 데 사용되는 일련의 셸 명령으로 시작됐지만, 유연함과 사용의 용이함 때문에 그 자체로 인기 있는 프로그래밍 언어의 한 유형으로 부상했다. 이후 웹 시대가 도래하면서 자바스크립트와 같은 언어가 중요한 위상을 갖게 됐다. 자바스크립트를 처음 접하는 많은 개발자는 이름의 '자바' 부분에 대해 궁금해한다. 간단히 설명하자면 자바와 자바스크립트는 같은 역사적 시점에 등장했으며 둘 다 웹의 탄생에 중요한 역할을 했다. 이 둘의 역사는 서로 얽혀 있지만 각기 별개의 언어다. 자바스크립트의 창시자인 브렌든 아이크는 최초의 넷스케이프 브라우저에서 자바스크립트를 자바의 중요한 보완 요소로 간주한 이유를 했다. 처음에는 라이브스크립트(LiveScript)로 불렸던 이 언어는 새롭게 부상하는 자바 개발자 커뮤니티를 공략하기 위해 표면적으로 자바와 비슷한 구문을 사용하도록 만들어졌다. 자바 및 초기 웹 개발과 함께 자바스크립트 언어의 사용도 덩달아 증가했지만 오랜 기간 동안 자바스크립트는 더 강력한 자바 프로그래밍 언어의 하위 보조 도구 정도로 취급됐다. 1997년에 ECMA(유럽 컴퓨터 제조사 협회)는 누구나 구현할 수 있는 언어를 정의하는 표준을 발표했다. 당시 "자바"는 여전히 썬(Sun)의 상표였고, 이를 사용할 라이선스는 유일하게 넷스케이프에만 있었기 때문이다. 새로운 표준화된 버전의 자바스크립트에는 ECMA스크립트라는 이름이 붙었지만 실무자 사이에서는 대부분 자바스크립트라는 이름으로 통했다. 자바스크립트의 용도 자바스크립트는 인터랙티브 웹사이트를 만들기 위한 용도로 개발됐고 지금도 여전히 그 목적으로 주로 사용된다. 개발자가 웹사이트 코드에 자바스크립트를 채택하면 사용자 브라우저에 내장된 인터프리터가 코드를 실행한다. 자바스크립트 코드는 즉석에서 HTML을 생성하거나 수정해 동적인 콘텐츠를 생산하고 백엔드 데이터 저장소와 상호작용한다. 자바스크립트가 이 방식으로 사용될 때 이를 클라이언트 측 언어라고 하며, 이 분야에서 가장 '수익성이 좋은' 애플리케이션 중 하나가 바로 모바일 게임이다. Node.js와 같은 서버 측 프레임워크는 자바스크립트의 범위를 넓혀서 더 확장성이 높은 이벤트 주도 애플리케이션용으로도 사용할 수 있게 해준다. 자바스크립트를 사용할 때 얻는 이점 자바스크립트가 완벽한 언어라고 주장하는 사람은 없지만 확실히 매우 유용한 언어다. 자바스크립트를 사용하면 작동하는 코드를 쉽고 빠르게 작성할 수 있다. 또한 인터프리트 언어는 컴파일된 코드에 비해 일반적으로 성능이 떨어지지만 자바스크립트는 처음부터 웹 브라우저용으로 만들어졌다는 데서 비롯되는 특별한 이점이 있다. 바로 세계 3대 소프트웨어 기업인 마이크로소프트, 애플, 구글이 고성능 자바스크립트 인터프리터를 경쟁적으로 만들고 있다는 점이다. 그 결과 자바스크립트는 시작은 미약했지만 놀랍도록 강력하고 확장성도 뛰어난 언어가 됐다. 브라우저를 벗어나서 실행할 수 있는 자바스크립트 런타임이 등장하자 자바스크립트에 능숙한 웹 개발자 군단이 갑자기 풀 스택 개발자가 됐다. 자바스크립트 툴 생태계는 브라우저에서 서버에 이르기까지 필요한 일을 척척 해내는 코드로 개발자 생산성을 높여준다. 자바스크립트는 인기가 높은 만큼 업데이트도 자주 이뤄진다. 인기가 채택을 이끌고 다시 인기로 이어지는 전형적인 선순환 사례다. 자바스크립트 라이브러리와 프레임워크 바닐라 자바스크립트(vanilla JavaScript)라는 말을 종종 듣는다. 간단히 말해 자바스크립트로 처음부터 새로 작성된 애플리케이션을 의미한다. 규모가 작을 때는 괜찮지만 대규모로 작업을 하면 곧 이 방식은 유지하기 어렵게 된다. 모든 엔터프라이즈 개발자가 똑같이 말할 것이다. 대부분 자바스크립트 개발자는 방대한 자바스크립트 라이브러리를 자주 활용한다. 라이브러리는 사전에 작성된 서드파티 코드로, 대체로 무료 오픈소스이고 일반적인 문제를 해결하며 프로젝트에 통합할 수 있다. 참고로 ECMA스크립트 표준에서는 이라고 지칭하지만 실무에서는 라이브러리라는 용어가 더 보편적으로 쓰인다. 대부분 자바스크립트 개발자는 기본적인 애플리케이션 얼개를 만들 때 처음부터 새로 만들기보다는 라이브러리를 찾는다. 또한 엔터프라이즈급 애플리케이션을 위한 골격을 제공하도록 설계된 라이브러리 모음인 프레임워크도 있다. 프레임워크를 사용하면 개발자는 프로그램의 기술적인 측면에 집중할 수 있다. 가장 유명한 자바스크립트 프레임워크는 앵귤러(Angular)이며, 그 외에 리액트(React)와 뷰(Vue)가 있다. 타입스크립트 : 자바스크립트의 상위 집합 타입스크립트는 자바스크립트 생태계의 중요한 한 측면이다. 타입스크립트는 자바스크립트와 비슷하지만 변수 및 기타 데이터 구조의 강력한 형식 지정과 같이 자바스크립트에는 없는 여러 기능을 제공한다. 타입스크립트 및 이와 유사한 여러 언어는 엔터프라이즈급 규모의 애플리케이션을 더 쉽게, 효율적으로 만들기 위해 설계된 경우가 많다. 실제로 타입스크립트는 마이크로소프트가 오피스 제품군의 웹 기반 버전을 개발하면서 만들었다. 타입스크립트는 구문에 자바스크립트의 모든 요소와 그 이상을 포함하므로 자바스크립트의 상위 집합으로 불린다. 좋은 자바스크립트는 항상 좋은 타입스크립트지만, 타입스크립트에는 자바스크립트에 없는 구문도 포함된다. 타입스크립트 코드는 일반적인 자바스크립트로 트랜스파일되며 브라우저와 표준 자바스크립트 런타임에서 실행할 수 있다. 타입스크립트와 자바스크립트의 유사점과 차이점에 대한 더 자세한 내용은 여기를 참고하면 된다. 자바스크립트를 배울 수 있는 리소스 자바스크립트 개발자가 되기를 진지하게 고려하고 있다면 여기서 다룬 내용보다 더 깊이 알아보는 것이 좋다. 는 자바스크립트 구문을 처음 접하기 좋은 자료다. 그 외의 시작할 때 도움이 되는 자료는 다음과 같다. 는 자바스크립트로 할 수 있는 일을 보여주는 라이브 예제다. 자바스크립트와 HTML, CSS만 사용해서 브라우저에서 실행되도록 만들 수 있는 고전 게임으로, 파나이오티스 니콜라우의 이 자습서에서 만드는 방법을 볼 수 있다. 자바스크립트 시작하기 이제 자바스크립트를 시작할 준비가 되었는가? 자바스크립트는 인터프리트 언어이므로 다운로드할 필요가 없다. 즐겨 사용하는 텍스트 편집기(물론 자바스크립트 편집기나 IDE라면 더 좋다)를 열고 바로 코드를 입력하면 된다! 자바스크립트 인터프리터는 명령을 실행하는 모든 웹 브라우저에 내장돼 있으므로 테스트하려면 HTML 문서에 자바스크립트를 넣고 로드하기만 하면 된다. 데스크톱 환경에서 자바스크립트 코드를 실행하고자 한다면 하면 된다. 그것만으로도 파일시스템에 액세스하거나 그 외의 다른 여러 작업을 할 수 있다. editor@itworld.co.kr
파이썬은 편리하고 유연하지만 계산 속도만 보면 다른 언어에 비해 현저히 느리다. 이 때문에 파이썬 생태계에는 이를 보완해 파이썬을 사용한 대규모 계산을 더 빠르고 편리하게 해주는 툴이 있다. 그 중 대표적인 는 개발자와 데이터 과학자들이 대규모 컴퓨팅을 위해 사용하는 가장 일반적인 파이썬 툴이다. 넘파이는 모두 C, C++ 및 포트란과 같은 고속 언어로 작성된 코드를 기반으로 하는, 배열과 행렬을 다루기 위한 라이브러리와 기법을 제공한다. 또한 모든 넘파이 연산은 파이썬 런타임 외부에서 실행되므로 파이썬 자체의 한계에 영향을 받지 않는다. 파이썬의 배열과 행렬 수학에 넘파이 사용하기 많은 수학 연산, 특히 머신 러닝 또는 데이터 과학의 수학 연산에서는 행렬, 즉 숫자 목록이 사용된다. 파이썬에서 하는 단순한 방법은 구조체 즉, 일반적으로 파이썬 list에 숫자를 저장한 후 이 구조체를 루프로 순환하면서 그 안의 모든 요소에 대해 연산을 수행하는 것이다. 그러나 이는 각 요소가 파이썬 객체와 머신 네이티브 숫자 사이를 왔다 갔다 변환해야 하므로 느리고 비효율적이다. 넘파이는 정수 또는 부동소수점과 같은 머신 네이티브 숫자 형식에 최적화된 특수한 배열 형식을 제공한다. 배열의 차원 수는 일정하지 않지만 각 배열은 균일한 데이터 형식인 dtype을 사용해 기반 데이터를 표현한다. 간단한 예를 들면 다음과 같다. import numpy as np np.array([0, 1, 2, 3, 4, 5, 6]) 이 예제는 제공된 목록에서 1차원 넘파이 배열을 생성한다. 이 배열에는 dtype을 지정하지 않았으므로 제공된 데이터를 통해 플랫폼에 따라 32비트 또는 64비트 부호 있는 정수가 될 것으로 자동으로 추론된다. dtype을 명시적으로 지정하려면 다음과 같이 하면 된다. 여기서 np.uint32는 이름에서 알 수 있듯이 부호 없는 32비트 정수의 dtype이다. np.array([0, 1, 2, 3, 4, 5, 6], dtype=np.uint32) 일반 파이썬 객체를 넘파이 배열을 위한 dtype으로 사용하는 것도 가능하지만 이렇게 하면 파이썬 대비 넘파이로 얻을 수 있는 성능 향상이 없다. 넘파이는 파이썬 네이티브 형식인 복소수, Decimal보다 머신 네이티브 숫자 형식인 int, float에서 가장 뛰어난 성능을 발휘한다. 넘파이가 파이썬의 배열 수학 속도를 높이는 방법 넘파이가 빠른 주된 이유는 파이썬의 객체 형식 대신 머신 네이티브 데이터 형식을 사용하기 때문이다. 또한 각 요소를 개별적으로 처리할 필요 없이 배열을 다룰 수 있는 방법을 제공한다는 점도 빠른 속도의 또 다른 이유다. 넘파이 배열은 많은 부분에서 전통적인 파이썬 객체와 같으므로 일반적인 파이썬 은유를 사용해 작업하려는 생각이 들 수 있다. 0~1000의 숫자로 넘파이 배열을 만들려면 다음과 같이 하면 된다. x = np.array([_ for _ in range(1000)]) 단, 위 구문은 동작은 하지만, 파이썬이 목록을 만들고 넘파이가 이 목록을 배열로 변환하기까지 시간이 소요되므로 그만큼 성능이 저하된다. 반면 같은 작업을 다음과 같이 넘파이 자체 내에서 훨씬 . x = np.arange(1000) 0 또는 다른 아무 초기 값 배열을 만들거나 기존 데이터 집합, 버퍼 또는 기타 소스를 사용하는 등 다른 많은 종류의 넘파이 내장 연산을 사용해 루프 없이 새 배열을 만들 수 있다. 넘파이가 속도를 올리는 또 다른 중요한 방법은 대규모로 작업 시 배열 요소를 개별적으로 처리할 필요가 없도록 하는 것이다. 앞서 언급했듯이 넘파이 배열의 동작은 편의성을 위해 다른 파이썬 객체와 상당히 비슷하다. 예를 들어 목록과 같이 하면 arr[0]은 넘파이 배열의 첫 번째 요소에 액세스한다. 이를 통해 배열의 개별 요소를 설정하거나 읽을 수 있다. 반면 배열의 모든 요소를 수정할 때는 넘파이의 "브로드캐스팅(broadcasting)" 기능을 사용하는 것이 최선이다. 파이썬의 루프 없이 전체 배열 또는 한 부분에서 연산을 실행할 수 있다. 이것 역시 성능에 민감한 모든 작업을 넘파이 자체에서 할 수 있도록 하기 위한 것이다. 예를 들면 다음과 같다. x1 = np.array( [np.arange(0, 10), np.arange(10,20)] ) 이 코드는 각 차원이 숫자 범위로 구성된 2차원 넘파이 배열을 생성한다. 생성자에서 중첩 목록을 사용해 원하는 차원 수로 배열을 생성할 수 있다. [[ 0 1 2 3 4 5 6 7 8 9] [10 11 12 13 14 15 16 17 18 19]] 이 배열의 축을 파이썬에서 뒤바꾸려면 일종의 루프를 작성해야 한다. 반면 넘파이에서는 이와 같은 종류의 연산을 다음과 같이 하나의 명령으로 수행할 수 있다. x2 = np.transpose(x1) 결과는 다음과 같다. [[ 0 10] [ 1 11] [ 2 12] [ 3 13] [ 4 14] [ 5 15] [ 6 16] [ 7 17] [ 8 18] [ 9 19]] 이런 연산은 넘파이를 잘 사용하기 위한 핵심이다. 넘파이는 배열 데이터를 조작하기 위한 폭넓은 을 사용하면 이런 항목을 직접 다루는 수고를 덜 수 있다. 대부분의 경우 하나 이상의 내장 루틴을 통해 파이썬 연산을 사용하지 않고 필요한 작업을 수행할 수 있다. 넘파이 범용 함수(ufunc) 파이썬 루프 없이 고급 계산 기법을 활용할 수 있게 해주는 또 다른 넘파이 기능은 , 줄여서 ufunc라는 기능이다. ufunc는 배열을 받아서 배열의 각 요소에 대해 연산을 수행하고 결과를 다른 배열로 보내거나 그 자리에서 바로 연산을 수행한다. 예를 들면 다음과 같다. x1 = np.arange(1, 9, 3) x2 = np.arange(2, 18, 6) x3 = np.add(x1, x2) 여기서 np.add는 x1의 각 요소를 취해 x2에 더하고, 결과는 새로 생성된 배열인 x3에 저장된다. 산출된 결과는 [ 3 12 21]이다. 모든 실제 계산은 넘파이 자체 내에서 실행된다. ufunc에는 더 유연하게 적용하고 수동 루프나 파이썬 측의 로직에 대한 필요성을 줄일 수 있는 도 있다. 예를 들어 x1을 받고 np.add를 사용해 배열의 합계를 계산하려면 배열의 각 요소를 루프로 순환하면서 합계를 계산하는 대신 .add 메서드인 np.add.accumulate(x1)을 사용하면 된다. 마찬가지로 축소 함수를 수행하려는 경우, 즉 다차원 배열의 한 축을 따라 .add를 적용해 그 결과로 한 차원 줄어든 새 배열을 얻고자 하는 경우를 가정해 보자. 루프를 사용해 새 배열을 만들 수 있지만 이 방법은 속도가 느리다. 그 대신 np.add.reduce를 사용해 루프 없이 같은 결과를 달성할 수 있다. x1 = np.array([[0,1,2],[3,4,5]]) # [[0 1 2] [3 4 5]] x2 = np.add.reduce(x1) # [3 5 7] where 인수를 사용해 조건부 축소를 수행할 수도 있다. x2 = np.add.reduce(x1, where=np.greater(x1, 1)) 이렇게 하면 x1의 첫 번째 축의 요소가 1보다 큰 경우에 한해 x1+x2가 반환되고 그렇지 않은 경우에는 두 번째 축의 요소 값이 반환된다. 이 경우에도 파이썬에서 배열을 수동으로 반복 처리할 필요가 없다. 넘파이는 특정 기준에 따라 데이터를 필터링 및 정렬하기 위해 이와 같은 메커니즘을 제공하므로 루프를 작성할 필요가 아예 없거나 작성하더라도 최소한으로 유지된다. 넘파이를 C와 함께 사용하기 파이썬의 사이썬(Cython) 라이브러리를 사용하면 파이썬 코드를 작성해 빠른 C로 변환하고 변수에 C 형식을 사용할 수 있다. 이런 변수에는 넘파이 배열이 포함될 수 있으므로 작성하는 모든 사이썬 코드는 할 수 있다. 넘파이와 함께 사이썬을 사용하면 다음과 같은 강력한 이점이 있다. 수동 루프 가속 : 넘파이 배열을 루프로 순환하는 것 외에는 다른 방법이 없는 경우도 종종 있다. 사이썬 모듈에서 루프 연산을 작성하면 파이썬이 아닌 C를 사용한 루프가 가능하므로 속도가 비약적으로 향상된다. 참고로 해당되는 모든 변수의 형식이 넘파이 배열이거나 머신 네이티브 C 형식인 경우에만 가능하다. 넘파이 배열을 C 라이브러리와 함께 사용 : 사이썬의 일반적인 사용 사례는 C 라이브러리를 위한 편리한 파이썬 래퍼를 작성하는 것이다. 사이썬 코드는 기존 C 라이브러리와 넘파이 배열 간의 다리 역할을 할 수 있다. 사이썬은 넘파이 배열을 다루는 2가지 방법을 제공한다. 하나는 이다. 메모리뷰는 넘파이 배열에 대한 빠르고 바운드에 안전한 액세스를 위한 사이썬 구조체 형식이다. 다른 하나는 기반 데이터에 대한 원시 포인터를 획득해 직접 다루는 방법이지만, 이는 안전하지 않고 객체의 메모리 레이아웃을 미리 알고 있어야 한다는 제약이 있다. 넘파이를 위한 JIT 가속 파이썬 코드 넘파이 배열에서 파이썬을 고성능으로 사용하는 또 다른 방법은 파이썬용 JIT 컴파일러인 넘바(Numba)를 사용하는 것이다. 넘바는 파이썬 인터프리트 코드를 머신 네이티브 코드로 변환하며 넘파이 등을 위한 특수한 기능을 제공한다. 넘파이 배열에 대한 파이썬 루프를 이 방식으로 자동으로 최적화할 수 있다. 그러나 넘바 최적화는 어느 정도까지만 자동화되며, 프로그램에 따라 큰 성능 개선을 얻지 못할 수도 있다. editor@itworld.co.kr
마이크로소프트에 따르면, 우리는 지금 ''에 살고 있다. 2024년에는 인텔, AMD, (곧 출시될) 퀄컴의 새로운 칩 덕분에 이른바 'AI PC'가 모든 곳에 등장할 예정이다. 하지만 광고를 맹신하지 않는 것이 좋다. 현재 구입할 수 있는 가장 강력한 AI PC는 마케팅에서 말하는 것과 큰 차이가 있기 때문이다. 여기서는 과대광고를 걷어내고 AI 노트북이 실제로 어떤 제품인지, 현재 이런 노트북으로 무엇을 할 수 있는지 살펴본다. 어떤 PC가 AI PC인가? AI PC 마케팅 열풍은 최신 노트북에 탑재된 NPU(Neural Processing Unit) 덕분이다. 인텔의 최신 코어 울트라 칩, AMD의 최신 라이젠 하드웨어, 곧 출시될 퀄컴의 스냅드래곤 X 엘리트에는 전력 효율적인 방식으로 AI 작업을 가속화하도록 설계된 하드웨어가 내장돼 있다. 이런 칩을 기반으로 현재 여러 PC 제조업체가 흥미로운 제품을 선보이고 있다. NPU는 분명 잠재력이 있지만, 마이크로소프트 윈도우는 그 잠재력을 아직 따라가지 못하고 있다. 현재 윈도우는 NPU로 할 수 있는 일이 많지 않으며, 서드파티 애플리케이션도 마찬가지다. 윈도우 AI는 아직 NPU를 쓰지 못한다 NPU가 탑재된 AI PC를 사용하는 경우 윈도우 스튜디오 이펙트(Windows Studio Effects)에 액세스할 수 있다. 윈도우 스튜디오 이펙트는 PC의 NPU를 사용해 온라인 화상 통화에서 비디오 및 오디오를 조정하는 기능을 제공한다. 예를 들어, 윈도우 스튜디오 이펙트는 사용자가 카메라를 작접 바라보는 것처럼 보이게 하고, 배경을 흐리게 하고, 마이크의 오디오를 더 선명하게 만들 수 있다. 후자의 경우 현재 카나리아 채널에서 테스트 중인 기능이다. 하지만 윈도우 스튜디오 이펙트를 제외하고 코파일럿이나 그림판의 코크리에이터, 캡처 도구의 OCR 등 중 그 어떤 것도 NPU를 사용하지 않는다. 윈도우 스튜디오 이펙트는 몇 가지 멋진 생성형 AI 기능을 제공하지만, 기대하는 것처럼 워크플로우를 대폭 업그레이드하는 기능은 아니다. PC 제조업체는 NPU가 탑재된 노트북에 팬 회전 속도를 제어하는 등의 작업을 수행하는 자사 AI 도구를 번들로 제공할 수 있지만, 지금까지 이런 작업은 AI 없이도 가능했다. 현재 PC 업계가 이야기하는 여러 기술 데모는 모두 멋진 데모일 뿐이다. 대부분 AI 도구는 클라우드에 실행된다 현재 출시된 소비자용 AI 도구를 사용할 때는 'AI PC'가 전혀 필요하지 않다는 점에 주목할 필요가 있다. 윈도우 11 코파일럿을 비롯해 챗GPT, 구글 는 모두 '클라우드'에서 실행된다. 즉, 컴퓨터 자체가 아니라 대기업의 데이터센터 이뤄진다는 뜻이다. 코파일럿 프로를 사용해 워드 및 엑셀과 같은 오피스 앱의 AI 기능이나 포토샵의 어도비 파이어플라이에 액세스하는 경우에도 모든 처리가 마이크로소프트나 어도비의 데이터센터에서 이뤄진다. 실망스럽겠지만, AI PC든 아니든 윈도우 코파일럿의 작동 방식은 크게 다르지 않다. 마이크로소프트는 AI PC 추진의 일환으로 키보드의 단축키를 누르면 코파일럿을 빠르게 실행할 수 있다. 윈도우 대규모 업데이트까지 기다려야 한다 마이크로소프트가 아직 구체적인 내용을 발표하지는 않았으나 2024년 후반 대규모로 업데이트될 윈도우 버전에는 NPU를 사용하는 AI 기능이 내장될 것으로 널리 알려져 있다. 대규모 윈도우 업그레이드는 '윈도우 11 24H2'라는 새로운 버전이 될 수도 있고 '윈도우 12'가 될 수도 있다. 어느 쪽이든 이런 업데이트는 일반적으로 가을에야 시작되므로 오는 10월이나 11월에야 윈도우가 AI PC에서 제공하는 흥미로운 기능을 사용해 볼 수 있을 것이다. 많은 사람이 윈도우에서 제공할 미래의 AI 기능에 대해 많은 사람이 불필요한 말을 덧붙이면서 좋은 인상을 주기 위해 노력하고 있다. 예를 들어 일반 소비자 또는 업무용 노트북을 배터리로만 사용 중일 때도 NPU를 통해 전력 효율적인 방식으로 AI 기능을 사용할 수 있다는 점은 훌륭하다. 이런 기능을 사용하려면 NPU가 탑재된 PC가 필요할 수 있다. 다만 분명한 사실은 현실적으로 2024년 말까지는 AI PC로 할 수 있는 일이 많지 않을 것이며, 정확히 무엇을 할 수 있을지조차 불확실하다. 물론 마이크로소프트가 이런 기능을 더 빨리 출시할 가능성도 있다. 하드웨어를 구매할 때 필자는 '미래에 할 수 있는 일'이 아니라 '현재 할 수 있는 일'을 고려해야 한다고 생각한다. 2024년 말 AI PC가 사용하고 싶다면 구매 시기를 늦추면 된다. 그 무렵이라면 세일을 통해 비용까지 절감할 수 있을 것이다. 아직 준비가 덜 AI PC용 소프트웨어 AI PC가 수행할 수 있는 AI 작업이 몇 가지 있지만, 데모 버전이나 직접 찾아서 설치해야 하는 오픈소수 도구로 제한된다. 대표적으로 의 경우 특정한 버전을 다운로드한 후 오다시티용 AI 플러그인을 설치해야 한다. 김프(Gimp)도 마찬가지다. 현재 AI PC에서 사용할 수 있는 오픈소스 플러그인은 하드웨어 집약적인 오픈소스 애플리케이션으로, 창의적인 워크로드용으로 출시된 것이 가장 많다. 즉, 비전문가인 일반 소비자가 사용할 만한 소프트웨어는 아니다. 진정한 AI PC를 원한다면 강력한 GPU를 찾자 NPU는 흥미롭다. 앞으로 마이크로소프트와 윈도우가 NPU로 무엇을 할 수 있을지 크게 기대하고 있다. 하지만 코파일럿, 챗GPT 및 기타 소비자 AI 도구만 사용하는 정도라면 AI 노트북이 필요하지 않다. 사실, AI PC로 이런 작업을 한다고 해서 속도가 빨라지지도 않는다. 그렇다면 생성형 AI 기능을 전문적으로 사용하는 사람에게는 어떤 선택지가 좋을까? 자체 하드웨어로 AI 이미지를 생성하기 위해 스테이블 디퓨전을 설치하고, LLM으로 해 실행하고, 생성형 AI와 관련한 소프트웨어를 사용하고 있다면 어떻게 해야 할까? 좋은 소식이 있다. 이미 AI PC를 보유하고 있을 수도 있을지도 모른다. PCWorld의 를 최근 출시했다. 이 도구를 사용하려면 지포스 RTX 30 또는 40 시리즈 GPU가 필요하다. 앞으로도 AI 작업에서는 GPU가 NPU를 계속 능가할 것이다. 그렇다면 NPU의 장점은 무엇일까? NPU는 CPU보다는 생성형 AI 관련 작업을 더 빨리 실행하며, GPU보다 저렴하고 전력 효율이 높다. 고성능 GPU는 가격이 비싸고 전력 소모량이 크다. 출시되는 모든 노트북에 NPU가 탑재될 미래에는 마이크로소프트와 다른 소프트웨어 개발자가 모든 최신 PC에서 실행되는 AI 기능을 제공할 수 있을 뿐 아니라 배터리 전력을 빠르게 소모하지 않고도 AI 워크로드를 감당할 수 있다. 미래를 생각한다면 좋은 소식이지만, 가장 빠른 AI PC를 원한다면 강력한 GPU가 필요하다. 단순한 'AI PC'보다는 강력한 엔비디아 GPU가 탑재된 게이밍 노트북을 찾는 것이 훨씬 더 낫다. 자체 AI 모델을 실행하는 데 있어서는 엔비디아가 선두를 달리고 있다. 필자는 AMD 라이젠 하드웨어를 좋아하지만, AI가 우선순위라면 엔비디아 GPU가 더 적합하다. 스테이블 디퓨전 같은 소프트웨어는 엔비디아 하드웨어에 더 최적화되거 있다. 엔비디아는 챗 위드 RTX와 같은 도구를 출시할 뿐 아니라 수년 전부터 ML 작업을 위해 CUDA(Compute Unified Device Architecture)를 개발해 왔다. 전반적인 소프트웨어 지원 부문에서도 AMD 라데온 사업부보다 앞서고 있다고 평가 받는다. 모두 '언젠가'의 일 마이크로소프트는 올해 말 대규모 윈도우 업그레이드를 통해 AI PC를 매력적인 제품으로 만들 수 있다. 필자 역시 언젠가는 NPU가 탑재된 노트북으로 생산성을 높일 만한 여러 유용한 작업을 하게 되기를 기대한다. 그러나 AI PC는 아직 존재하지 않는다. 새 노트북을 구입하기 전에 이런 점을 명심해야 한다. 다만 새 노트북을 구입할 때 고성능 GPU까지는 필요하지 않다면 NPU가 탑재된 'AI PC'를 추천한다. 인텔의 최신 코어 울트라 칩과 AMD 라이젠 8000 모바일 프로세서가 탑재된 노트북은 모두 AI PC가 될 예정이다. 지금 당장의 큰 변화를 기대하고 AI PC를 구매하는 일은 없기를 바란다. 크게 실망할 것이다. 그러나 미래는 밝아보이니 앞으로의 변화를 지켜보는 것도 재미있을 것이다. editor@itworld.co.kr
애플은 신제품 '비전 프로(Vision Pro)'가 가상현실 헤드셋으로 불리지 않도록 상당한 공을 들였다. 심지어 증강현실, 혼합현실 등 '현실'이라는 이름이 붙는 것도 경계했다. 하지만 업체의 이런 노력과 달리 이들 용어는 애플 비전 프로를 설명하는 데 어느 정도 유효하다. 물론 기존 헤드셋과 다른 점도 있지만 말이다. 애플은 비전 프로를 공간 컴퓨터(spatial computer) 혹은 공간 컴퓨팅(spatial computing) 기기라고 부른다. 이는 천장을 뚫어버린 너무 비싼 가격을 정당화하기 위한 교활한 마케팅 전략이거나, 혹은 뒤늦게 이 시장에 뛰어드는 업체의 새로운 제품 정의 전략일 수 있다. 하지만 이런 (합리적인) 의심을 잠시 내려놓고 공간 컴퓨팅 용어에 집중해 보자. 이것이 기존 가상/증강/혼합 현실과 다른 점은 무엇일까? 아마도 정답은 그 모두에 어느 정도 해당한다는 것이다. 일반적인 사용자 기기로써 애플 비전 프로는 VR과 AR을 오가는 다이얼이 달린 혼합현실 헤드셋이다. 동시에 공간 컴퓨팅 기능도 지원한다. 여기서 공간 컴퓨팅은 대부분 AR/VR 뿐만 아니라 다른 것까지 포함하는 포괄적인 용어다. 공간 컴퓨팅의 정의 공간 컴퓨팅에 대해 널리 통용되는 정의는 없지만, 가 좋은 기준점이 될 수 있다. 이에 따르면, 전통적인 컴퓨팅은 컴퓨터 내부에서 처리되고 그 안에 제한되는 특징을 보인다. 예를 들어 노트북이나 스마트폰, 태블릿 등을 보면 화면 안쪽에서 구현된다. 사용자는 이 경계에서 상호작용한다. 즉 화면을 탭하거나 화면에서 커서를 조작하거나 화면에 글자를 입력한다. 컴퓨터가 생성하는 모든 것은 오직 컴퓨터가 만들어 낸 다른 것들과 상호작용한다. 반면 공간 컴퓨팅은 이 모든 것이 사용자가 있는 주변 모든 공간에서 일어난다. 거실 혹은 책상이 작업 공간이고 심지어 사용자를 둘러싼 가상의 3D 환경도 마찬가지다. 손 혹은 다른 제어기기를 이용해 이들 공간 내에서 물체를 터치, 탭, 잡기, 꼬집기, 옮기기 등의 상호작용을 할 수 있다. 평평한 화면이 아니라 사용자 주변의 모든 공간에서 이런 작업을 할 수 있다. 물론 실제로 눈 앞에 보이는 것은 평평한 화면일 수 있지만, 상호작용하는 영역은 사용자를 둘러싼 공간 전체다. 여기서는 컴퓨팅 요소들이 상호작용하는 것은 물론 사용자 주변의 공간과도 상호작용한다. 즉, 테이블 위에 놓거나 벽에서 튀어 나올 수 있고 심지어 사용자가 주변을 움직일 때마다 해당 요소의 다른 면을 볼 수도 있다. 따라서 이런 정의에 따르면, 최신 가상현실 경험 대부분은 공간 컴퓨팅이다. 증강현실 애플리케이션도 마찬가지다. 실제로 했다. 애플 비전 프로가 등장하기 3년전이다. 하지만 공간 컴퓨팅이 곧 VR, AR인 것은 아니다. 이를 이해하는 가장 좋은 사례가 애플이 자주 강조하는 공간 오디오(spatial audio)다. 소리가 사용자 주변 공간에서 나온다면, 즉 사용자가 고개를 움직일 때도 소리가 일정한 공간을 점유하고 유지하는 것처럼 들리고, 그것이 컴퓨팅 입출력 시스템의 일부라면 역시 공간 컴퓨팅으로 볼 수도 있다. SF 영화에서 이와 비슷한 홀로그램 책상을 볼 수 있다. 주인공이 떠다니는 그래픽을 보여주며 다른 사람과 대화한다. 헤드셋이나 헤드폰이 필요 없지만 공간 컴퓨팅인 것은 분명하다. 스타 트렉(Star Trek)의 유명한 홀로데크(Holodeck)도 마찬가지다. 애플 비전 프로와 공간 컴퓨팅 따라서 공간 컴퓨팅은 꼭 VR이나 AR 헤드셋으로 구현되는 것은 아니다. 단지 현재 기술로는 기본적으로 이를 사용해야 하는 것일 뿐이다. 애플 비전 프로를 한마디로 정의하면 혼합현실 헤드셋이다. 다양한 거대 센서와 고화질 영상 패스스루 덕분에 가상현실 콘텐츠는 물론 증강현실 콘텐츠까지 즐길 수 있다. 손 동작과 시선 추적을 통해 사용자 주변의 3D 공간 내에서 여러 요소와 상호작용하는 것도 가능하다. 즉, 메타의 퀘스트 등이 이미 사용하던 기능을 한단계 더 발전시킨 것이 바로 비전 프로라고 하면 가장 정확하다. 단, 설사 그렇다고 해도 공간 컴퓨팅을 과장 광고 혹은 마케팅 용어로 치부할 필요는 없다. 역시 공간 컴퓨터가 분명하지만 혼합현실 헤드셋으로 팔고 있다. 반면 애플은 7배나 더 비싼 비전 프로를 퀘스트 3과 같은 종류의 기기로 포지셔닝하지 않고 다른 기기처럼 보이게 하기 위해 공간 컴퓨팅이란 용어를 쓰고 있다. 꽤 영악한 마케팅이다. 동시에 공간 컴퓨팅 용어는 애플이 이 기기를 통해 지향하는 곳을 정확히 알려준다. 궁극적으로 애플은 완전히 새로운 기술의 시대를 꿈꾸고 있다. 과거의 컴퓨팅은 고정된 컴퓨터 내에서 이뤄졌다. 이후 등장한 포터블 컴퓨팅은 이를 다른 곳으로 쉽게 옮길 수 있게 해줬고, 모바일 컴퓨팅 시대가 도래하면서 실제로 이동하며 사용하는 것이 가능해졌다. 사용자의 위치가 기기와 상호작용하는 중요한 요소가 된 것이다. 이제 공간 컴퓨팅을 통해 사용자는 컴퓨터를 완전히 벗어날 수 있게 됐다. 즉 사용자가 어디에 있든 주변 공간 전체가 컴퓨팅 영역이 된다. 혼합현실 헤드셋은 이런 변화를 위한 출발점일 뿐이다. 앞으로 증강현실 경험을 크게 개선한 글래스가 더 나오겠지만(참고로 구글 글래스는 AR이 아니라 헤드업 디스플레이에 더 가까웠다), 공간 컴퓨팅에 적용된 프레임워크와 기술, 개발 관련 요소들은 홀로그램 같은 더 미래지향적 개념에도 활용할 수 있다. 이는 새로운 컴퓨팅의 토대이자 진화이다. 우리는 앞으로 수십년간 그 발전을 지켜보게 될 것이다. editor@itworld.co.kr
class="image" ⓒ ITWorld 낫싱(Nothing)은 2020년 설립된 이제 겨우 4년된 기업이지만, 상당한 관심을 받고 있다. 그동안 몇 가지 이어버드도 만들었는데, 가장 주목 받는 것은 역시 스마트폰이다. 오리지널 낫싱 폰 (1)은 엄청난 반향이 있었고, 이어진 낫싱 폰 (2)는 전작의 소소한 업그레이드였다. 가장 최근에 나온 낫싱의 3번째 스마트폰 '낫싱 폰 (2a)'은 컨셉이 조금 다르다. 이전 두 제품보다 훨씬 저렴하다. 낫싱은 이 제품이 엄밀히 말해 낫싱 폰 (1)의 후속 제품이라고 설명했다. 업체 홍보 자료를 보면, 이 제품은 낫싱 폰 (1)보다 사양을 높이면서도 가격은 오히려 낮췄다. 이 제품은 350유로 이하 가격대에서 최고의 스마트폰으로 꼽을 만할까? 낫싱 폰 (2a)를 메인 폰으로 몇 주간 써 본 결과를 정리했다. 디자인과 기능 반투명 후면 3개의 LED 글리프 라이트 편안하지만 미끄러운 디자인 낫싱 폰 (2a)는 시선을 사로잡는 디자인이다. 낫싱 폰 (1)과 낫싱 폰 (2)와 마찬가지로 후면이 반투명이고, 휴대폰 내부를 전부는 아니고 일부 보여준다. 이전 제품과 비교해 가장 눈에 띄는 변화는 후면 재질이 유리가 아닌 플라스틱이라는 점이다. 고급스러운 느낌이 덜하고 확실히 최고급 제품이라고 착각할 만한 제품은 아니다. 반면 무게는 190g으로 상대적으로 가볍다. 모서리가 곡면이어서 잡기가 매우 편하다. 심지어 한 손으로도 사용할 수 있는데 다른 최신 폰과 확실히 다른 부분이다. class="image" ⓒ Anyron Copeman/Foundry 낫싱 폰 (2a)에는 낫싱 폰하면 떠오르는 특징인 LED 라이트 '글리프(Glyph) 인터페이스'도 적용됐다. 하지만 크기는 줄었다. 휴대폰 뒷면 거의 전체를 아우르는 대신 카메라 모듈 주변에 3개만 배치했다. 이전 낫싱 폰의 독특한 디자인을 좋아했다면, 이런 변화가 실망스러울 수 있다. 하지만 필자는 개인적으로 덜 눈에 띄는 이 제품이 더 호감이 간다. class="image" ⓒ Anyron Copeman/Foundry 글리프가 작동하는 방식은 낫싱 폰 (2)와 같다. 깜빡이거나 부분적으로 켜지는데, 특히 후자의 방식으로 소리 크기나 타이머 진행 상황을 보여준다. 이런 정교한 표현은 낫싱 폰 (1)에서 개선된 점이다. 글리프의 가장 큰 역할은 전화 수신이나 다른 알림 사항을 사용자가 알 수 있게 하는 것이다. 연락처나 앱에 따라 다르게 설정할 수 있으므로, 화면을 보지 않고도 누가 전화했는지, 어떤 앱의 알림인지 알 수 있다. 이론적으로는 이를 통해 휴대폰 화면을 확인하는 횟수를 줄일 수 있을 것 같지만, 안타깝게도 필자가 실제 사용해 보니 꼭 그렇지는 않았다. 오히려 벨소리가 나거나 진동하는 것만큼이나 방해가 됐다. 어떤 앱이 알림을 보내는지 알고 있어도 알림 내용을 확인해야 한다는 의무감 같은 것이 들었다. 모르는 번호로 걸려 오는 정상적인 전화를 받아야 하는 필자 같은 직업의 사람은 글리프만 보고 중요하지 않은 전화라고 확신할 수도 없다. 따라서 이 글리프 시스템은, 몇몇 가까운 사람의 전화만 받고 소수의 중요한 앱의 알림을 즉시 확인하고 싶은 이들에게만 유용하다. 그렇지 않은 상황이라면 오히려 스마트워치를 사용하는 것이 휴대폰 화면을 덜 보는 더 좋은 방법일 수 있다. 한편 낫싱 폰 (2a)의 특징과 장점은 글리프만이 아니다. 휴대폰 뒷면 중앙에 돌출된 카메라 영역은 다른 부분과 잘 조화를 이룬다. 단, 마치 사람의 두 눈 같은 느낌이 드는 것은 어쩔 수 없다. 업체는 낫싱 폰 (2a)의 디자인이 뉴욕시 지하철 노선도에서 영감을 얻었다고 설명했고, 어떤 부분은 비슷한 것 같기도 하다. 필자가 테스트한 블랙 색상 제품은 외관이 차분하고, 이 외에도 밀크(클라우디 화이트)와 트루 화이트 모델도 있다. 낫싱 폰 (2a)는 제품 후면이 플라스틱인데도, 지문이 많이 묻어났다. 손에 착 붙는 느낌이 있는 것도 아니어서 케이스를 사용하는 것이 추천한다. 업체에 따르면 낫싱 폰 (2a)는 내구성도 개선했다. 새로운 유니바디는 낙하 테스트에서 낫싱 폰 (2) 이상의 성능을 보였다고 한다. 필자도 이 제품을 사용하면서 흠집이 생길까 걱정하지는 않았다. 반면 휴대폰 전면은 확실히 더 깨지기 쉽다. 특히 글리프를 사용하려고 휴대폰을 뒤집어서 책상 위에 올려놓았을 때는 더 그렇다. 필자는 테스트 과정에서 이렇게 사용하면서 이미 전면 화면에 많은 흠집이 생겼다. 업체에서 미리 보호 필름을 부착해 판매하면 좋을 것 같다. class="image" ⓒ Anyron Copeman/Foundry 낫싱 폰 (2a)의 방수 등급은 IP54로 이전 제품과 같다. 물이 튀는 정도만 보호하고 완전한 방진 기능을 제공하지 않는다는 의미다. 대부분 고가 스마트폰이 지원하는 IP68에는 미치지 못하는 사양이지만, 저가폰 중에서 비교하면 떨어지는 수준은 아니다. 한 가지 더 눈에 띄는 디자인 요소는 바로 소리 조절이다. 조절 버튼이 기기 왼쪽에 있는데, 휴대폰을 사용할 때 가장 자연스러운 위치다. 반대편에 있는 전원 버튼을 길게 누르면 전원 옵션이 나타난다. 전원 버튼은 구글 어시스턴트를 실행하도록 설정할 수도 있다. 화면과 스피커 6.7인치 AMOLED 화면 120Hz 주사율 듀얼 스테레오 스피커 낫싱 폰 (2a)의 디스플레이는 경쟁사의 최고급 휴대폰과 비교할 수 있을 정도다. 6.7인치 AMOLED 패널은 해상도가 2.4K(2412×1084)로 약간 떨어지지만, 여느 고성능 폰만큼이나 훌륭하다. 결과적으로 화면에서 보이는 콘텐츠는 매우 선명하고 또렷하며 1440p 혹은 4K 패널과 비교해도 차이가 느껴지지 않는다. OLED를 사용했다는 것은 곧 풍부하고 생생한 색감에 딥 블랙을 지원한다는 의미다. 안드로이드를 기반으로 낫싱이 만든 운영체제의 모든 것이 이런 화면의 장점을 충분히 활용한다. 결과적으로 훌륭한 화면과 낫싱 OS의 결합은 인상적이다. 낫싱 폰 (2a)의 화면은 웹 브라우징이나 이메일 작업 등에 탁월하다. 영상을 보거나 소셜 미디어를 확인하는 데도 모자람이 없다. class="image" ⓒ Anyron Copeman/Foundry 120Hz 주사율의 장점도 있다. 기기가 사용자의 작업에 따라 자동으로 주사율을 30~120Hz로 조절하는 기본 '다이내믹' 모드를 기준으로, 여러 메뉴를 이동하는 것이 매우 부드럽고 빠릿빠릿하다. 다이내믹 모드를 통해 배터리 사용 시간을 늘릴 수 있다. 반면 LTPO 디스플레이는 아니어서, 주사율을 1Hz까지 낮출 수는 없다. 사용자가 수동으로 60Hz, 120Hz로 고정할 수는 있다. 필자가 화면에서 한 가지 불편했던 것은 가시성이었다. 최대 밝기로 했는데도 700니트가 안 됐고, 이는 한낮에 밖에서 화면을 볼 때 내용을 파악하는 데 조금 어려움이 있었다. 화면 자체는 완전한 평면이고 주변을 얇은 대칭의 베젤이 감싸고 있다. 앞에서 보면 낫싱 (2a)는 현재 판매 중인 가장 예쁜 휴대폰 중 하나라고 해도 과언이 아니다. 화면에는 지문 인식기가 내장돼 있는데, 필자가 그동안 써봤던 기기 중 최고 수준이었다. 95% 정도로 빠르게 잠금을 해제했다. 얼굴 잠금 해제 기능도 있지만 지문 인식기가 훨씬 더 안전하다. class="image" ⓒ Anyron Copeman/Foundry 한편 음질 관련해서 낫싱 폰 (2a)에는 듀얼 스테레오 스피커가 적용됐다. 하방 그릴과 수화기가 결합한 흔히 볼 수 있는 구조다. 출력이 꽤 좋고 높은 볼륨에서도 소리가 왜곡되지 않는다. 반면 저음이 부족하므로 영화를 보거나 제대로 된 음악 감상 용도로는 적합하지 않다. 소셜 미디어를 보거나 가끔 유튜브 동영상을 재생하는 정도로는 충분하다. 사양과 성능 미디어텍 디멘시티 7200 프로 8GB, 12GB RAM 128GB, 256GB 스토리지 낫싱 폰 (2a)에는 디멘시티 7200 프로(Dimensity 7200 Pro)가 사용됐다. 낫싱이 미디어텍과 협업해 별도 제작한 칩셋으로, 업체는 '최고의 성능과 최적의 전력비를 갖춤 제품'이라고 설명했다. 낫싱 폰 (1), 폰 (2)에서 모두 퀄컴 스냅드래곤 칩셋을 사용한 것을 고려하면, 이번 제품에서 미디어텍 칩셋으로 교체한 것은 다소 놀라운 결정이다. 낫싱 측은 내부 테스트 결과 디멘시티 7200 프로가 비슷한 스냅드래곤 칩인 7s 젠 2, 782G보다 더 좋은 성능을 보였다고 설명했다. 실제로 필자가 이 기기를 몇 주 사용해 보니, 낫싱 폰 (2a)의 성능에 감탄하지 않을 수 없었다. 매우 뛰어난 성능을 보여줬고, 휴대폰에서 하는 일반적인 작업을 여유 있게 처리했다. 테스트하는 동안 필자는 상당히 많은 웹 브라우징, 이메일, 사진 기능을 사용했고 가끔 텍스트 작업을 하고 유튜브 영상도 봤다. 이 과정에서 버벅대거나 속도가 느려지는 느낌을 전혀 받지 못했고, 심지어 앱 사이를 전환할 때도 마찬가지였다. 낫싱 폰 (2a)는 멀티태스킹을 매우 잘 처리했다. class="image" ⓒ Anyron Copeman/Foundry 반면 게임 경험은 완벽하다고 할 수 없었다. 종종 프레임이 떨어졌다. 하지만 다른 저가 제품과 비교하면 여전히 기대 이상이다. 콜 오브 듀티 모바일, PUBG 모바일, EA 스포츠 FC 모바일, 아스팔트 9 : 레전드 같은 게임은 플레이하는 데 문제가 없었다. 단, 몇 분이 지나면 휴대폰 뒷면이 뜨거워지는 것이 느껴졌다. 필자가 테스트한 제품은 12GB RAM 모델인데, 8GB 제품에서 성능이 크게 떨어질 것 같지는 않다. 성능은 낫싱 폰 (2a)의 분명한 장점이다. !function(e,n,i,s){var d="InfogramEmbeds";var o=e.getElementsByTagName(n)[0];if(window[d]&&window[d].initialized)window[d].process&&window[d].process();else if(!e.getElementById(i)){var r=e.createElement(n);r.async=1,r.id=i,r.src=s,o.parentNode.insertBefore(r,o)}}(document,"script","infogramasync","https://e.infogram.com/js/dist/embedloadermin.js"); 필자가 테스트한 제품의 내부 저장소 용량은 256GB이다. 시스템 파일이 17GB 정도 차지하는데, 이를 제외해도 대부분 사용자에게 충분한 용량이다. 듀얼 심카드를 지원하지만, 마이크로 SD로 확장할 수는 없다. 최신 휴대폰이 대부분 그런 것처럼, 디멘시티 7200 프로는 5G를 기본으로 지원한다. 이밖에 와이파이 6, 블루투스 5.3, 모바일 결제용 NFC를 지원한다. 연결성에 있어서는 비판할 부분이 없다. 카메라 50Mp 메인 후면 카메라 50Mp 광각 32Mp 전면 비슷한 가격대의 다른 스마트폰과 비교해 낫싱 폰 (2a)의 카메라 사양은 그리 눈에 띄지 않는다. 총 3개 렌즈가 있는데, 후면에 50Mp 2개(메인, 광각), 전면에 32Mp 1개다. 망원렌즈, 접사렌즈 혹은 깊이 감지 센서는 없다. 대신 낫싱은 확실하게 카메라의 양보다 질에 집중했다. 그리고 다행스럽게도 더 비싼 낫싱 폰 (2)의 카메라 화질과 비슷한 수준까지 구현해 냈다. 낫싱 폰 (2) 카메라에 대한 평가를 거의 그대로 낫싱 폰 (2a)에 적용할 수 있을 정도다. 즉, 빛이 좋을 때는 메인 렌즈로 찍은 사진 역시 준수하다. 낫싱의 이미지 처리 과정을 거치면 사진이 조금 과하게 실제보다 색상과 대비가 강해지는 측면이 있다. 전반적으로 디테일과 다이내믹 레인지가 훌륭하지만, 실제와 가깝게 촬영하는 카메라는 아니다. 안타깝게도 노출은 종종 오동작한다. 특히 하늘을 촬영할 때 이런 증상이 자주 나타났다. 몇몇 사진은 괜찮았지만 다른 경우에는 전체적으로 좋지 않았다. 밝은 햇빛에서 이런 증상이 도드라졌고, 오히려 저조도 환경에서 더 안정적으로 작동했다. 장노출 야간 모드에서는 디테일을 희생하지 않고도 어두운 이미지를 매우 밝게 처리한다. 노이즈가 최소로 유지되고 일반 모드로 촬영할 때와 분명하게 차이가 나타났다. class="image" 저조도에서 놀라울 만큼 화질이 좋다. ⓒ Anyron Copeman/Foundry 인물 모드는 훌륭했다. 배경을 적당하게 블러 처리하고 인물을 잘 부각시킨다. 종종 인물과 배경 사이 경계를 제대로 인식하지 못하는 오류가 있지만, 대부분 스마트폰 카메라가 같은 문제를 갖고 있다. 인상적인 것은 광각 촬영이었다. 화각이 114도까지 확장되는데도 화질 저하가 없었다. 단, 색은 다소 바래는 느낌이 있었다. 후면 렌즈 2개 중 하나를 택하라면 망원보다 초광각이지만, 줌 기능 관련해서 장단점이 뚜렷하다. 낫싱 폰 (2a)는 광학 줌 기능이 전혀 없고, 디지털 줌을 최대 10배까지 지원한다. 카메라 앱에서 2배 이상 확대하면 입자가 거칠어지고 디테일이 떨어진다. class="image" ⓒ Anyron Copeman/Foundry class="image" ⓒ Anyron Copeman/Foundry class="image" ⓒ Anyron Copeman/Foundry class="image" ⓒ Anyron Copeman/Foundry class="image" ⓒ Anyron Copeman/Foundry 전면 카메라는 디테일이 풍부한 생생한 사진을 찍을 수 있어 만족스럽다. 인물 모드에서는 다른 스마트폰보다 더 많은 부분을 잘라내기는 하지만, 배경과 인물을 잘 분리한다. 영상은 최대 4K, 30fps까지 촬영할 수 있지만 대부분 기본값인 1080p, 30fps만으로도 충분히 좋다. 메인 카메라가 OIS를 지원하므로 움직이며 촬영해도 꽤 안정적인 동영상을 얻을 수 있다. 전반적으로 낫싱 폰 (2a)의 카메라는 준수하다. 하지만 카메라를 이 스마트폰의 장점이라고 내세울 정도는 아니다. 꽤 훌륭한 사진을 얻을 수는 있지만, 모든 조건에서 그런 것은 아니고 오히려 몇 가지 결정적인 약점이 있다. 배터리 사용 시간과 충전 5000mAh 배터리 매우 훌륭한 배터리 사용 시간 45W 유선 충전, 무선 충전 미지원 낫싱 폰 (2a)에는 5000mAh 베터리가 들어갔다. 폰 (1), 폰 (2)보다 더 커졌다. 덕분에 배터리 사용 시간도 충분하다. 대부분은 한번 충전해 하루 종일 쓸 수 있다. 필자는 바르셀로나를 돌아다니며 테스트해 봤는데, 하루는 오전 11시에 완전 충전한 상태로 집을 나서서 9시간 정도 내비게이션을 계속 사용하고 사진을 촬영하고 일반적인 웹을 사용했는데도, 집에 돌아왔을 때 20% 정도 남아 있었다. 낫싱은 최대 이틀까지 사용할 수 있다고 주장하는데, 더 간단하게 사용하면 가능할 것도 같았다. 200니트 밝기로 다양한 작업을 하는 PC마크 배터리 테스트 결과 배터리 사용 시간은 16시간 16분이었다. 현재 판매되는 휴대폰 중 가장 배터리 사용 시간이 좋은 수준이다. class="image" ⓒ Anyron Copeman/Foundry 하지만 안타깝게도 충전 기능은 인상적이지 않다. 낫싱 폰 (2a)는 유선 45W만 지원하고 충전기는 함께 제공하지 않는다. 필자는 65W 충전기를 사용했는데, 완전히 충전하는 데 45분이 걸렸다. 삼성 제품과 비교하면 느린 속도는 아니지만, 충전 속도가 가장 빠른 제품과 비교하면 많이 떨어진다. 무선 충전을 지원하지 않는다는 점도 언급할 필요가 있다. 하지만 제품 가격을 고려하면 놀랄 일도 아니다. 소프트웨어와 앱 안드로이드 14 기반의 낫싱 OS 2.5 다양한 맞춤 설정 옵션 3년간 OS 업데이트, 4년간 보안 패치 제공 낫싱 폰 (2a)는 안드로이드 최신 14 버전 기반의 낫싱 OS 2.5 스킨으로 작동한다. 이 스킨이 제공하는 경험은 다른 안드로이드 폰과 완전히 다르다. 낫싱 측에 따르면, 방해하는 요소를 줄이고 사용자가 의도하는 작업을 더 쉽게 할 수 있도록 하는 데 초점을 맞췄다. 글리프 인터페이스를 전면에 내세운 것도 같은 맥락이다. 휴대폰 뒷면의 LED 라이트, 즉 글리프를 매우 다양하게 맞춤 설정할 수 있다. 밝기를 조절하거나 사용자 지정 벨소리를 설정하고 재생 중인 음악에 맞춰 바뀌게 할 수도 있다. 현재는 시계 앱과 구글 캘린더, 우버, 조마토(Zomato) 앱에서 글리프를 진행 표시줄로 사용할 수 있는데, 업체는 더 다양한 앱에서 글리프를 사용할 수 있도록 글리프 개발자 키트를 내놓았다. 흑백 테마와 아이콘 팩을 이용하면 밝은 색상의 앱 고유 색깔을 쓰지 않고 낫싱 OS 스킨과 분위기를 맞출 수 있다. 앱을 새로 다운로드하면 컬러 버전의 앱으로 표시되지만, 이때 낫싱 아이콘 팩을 적용하면 바뀐다. 이밖에 낫싱은 홈 화면과 잠금 화면에 사용할 수 있는 자체 위젯 22종을 직접 만들었다. 평범한 디자인은 아닌데, 전체적인 테마와 잘 어울린다. 필자는 이 복고풍 디자인이 꽤 마음에 들지만, 모든 사람이 좋아할 위젯은 아니다. 낫싱 폰 (2a)의 블로트웨어는 최소 수준이다. 필자가 찾은 것은 이어버드 관리 앱인 낫싱 X, 녹음기, 날씨 앱 정도다. class="image" ⓒ Anyron Copeman/Foundry 낫싱은 일반적인 안드로이드 환경에 매우 사려 깊게 기능을 추가했고, 결과적으로 이를 사용하는 것은 매우 즐거운 경험이다. 업체는 3년간 OS 업데이트를 제공하고, 4년간 보안 업데이트를 지원한다. 업계 최고 수준은 아니지만 적당한 수준의 기술지원 기간이다. 낫싱 폰 (2a)를 구매하면 2028년까지 지원을 받을 수 있다. 매력적이고 저렴한 휴대폰 낫싱 폰 (2a)의 가격은 꽤 경쟁력이 있다. 8GB RAM, 128GB 스토리지 모델이 319유로부터 시작한다. 여기서 테스트한 12/256GB 모델은 349달러다. 필자가 사는 영국을 기준으로 낫싱 웹사이트(한국 사이트는 여기)에서 사전 주문할 수 있고 정식 출시일은 3월 12일이다. 낫싱 폰 (2a)는 현재 판매되는 보급형 휴대폰 중 가장 저렴한 제품 중 하나다. 하지만 샤오미 리드미 노트 13 프로(339유로), 삼성 갤럭시 A34 5G(349유로), 포코 X6 프로(369유로), 모토로라 엣지 40 네오(300유로) 같은 제품을 함께 살펴볼 필요가 있다. 낫싱 폰 (2a)는 매력적으로 저렴한 휴대폰이지만, 모든 사람에게 적합한 제품은 아닐 수 있다. 성능은 비슷한 가격대 제품 중 최고이고, 게임을 포함한 거의 모든 용도로 탁월하다. 120Hz OLED 화면은 몰입적인 시청 경험을 제공하고, 스피커도 평균 이상이다. 배터리 사용 시간은 충분히 길고, 소프트웨어를 세련되게 만드는 데 많은 공을 들였다. 실제로 LED 라이트를 이용한 글리프 인터페이스는 유용성에 논란이 있을 수 있지만, 사람들 사이에서 바로 눈에 띄는 것은 분명하다. 단, 카메라는 불안정하고 충전 속도가 경쟁 제품보다 느리다. 이런 점은 구매 전에 반드시 알고 있어야 한다. 낫싱 폰 (2a)는 꽤 좋은 휴대폰이지만 비슷한 다른 업체 제품과 비교해 볼 필요가 있다. 상세 사양 미디어텍 디멘시티 7200 프로 칩셋 8/12GB RAM 128/256GB 스토리지 6.7인치, 2412×1084 120Hz OLED 디스플레이 50Mp, f/1.88 OIS 메인 카메라 50Mp, f/2.2 광각 카메라 32Mp, f/2.2 전면 카메라 5000mAh 배터리 45W 유선 충전 5G 듀얼 스테레오 스피커 와이파이 6 블루투스 5.3 NFC 글리피 인터페이스 LED 라이트 IP54 방수와 방진 안드로이드 14 기반의 낫싱 OS 2.5 161.74×76.32×8.55mm 190g 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
파이썬은 강력하고 유연하며 다루기 쉬운 언어로 유명하다. 이런 장점 때문에 방대하고 다양한 애플리케이션과 워크플로우, 분야에 사용된다. 그러나 인터프리티드 언어인 데다 런타임의 동적 특성 때문에 파이썬은 C, C++와 같은 머신 네이티브 언어에 비해 속도가 훨씬 더 느리다는 고질적인 단점이 있다. 개발자들은 오랜 시간 동안 파이썬의 속도 제한을 극복하기 위한 다양한 방법을 고민해왔다. 예를 들어 성능 집약적인 작업을 C로 작성하고 이 C 코드를 파이썬으로 래핑하는 방법 같은 것이다. 많은 머신러닝 라이브러리가 실제로 이 방식으로 동작한다. 또는 파이썬 코드에 런타임 형식 정보를 섞어 C로 컴파일할 수 있게 해주는 프로젝트인 사이썬(Cython)을 사용하는 방법도 있다. 그러나 차선책은 이상적인 방법일 수는 없다. 그냥 파이썬 프로그램을 그대로 가져와 훨씬 더 빠르게 실행할 수 있다면 좋지 않을까? 그 대답이 바로 파이파이(PyPy)다. 파이파이 vs. C파이썬 파이파이는 기본 파이썬 인터프리터인 C파이썬(CPython)을 대체한다. C파이썬은 파이썬을 중간 바이트코드로 컴파일하고 이 바이트코드가 가상머신에 의해 인터프리트되는 방식인 데 반해, 파이파이는 JIT(JustInTime) 컴파일을 사용해 파이썬 코드를 머신 네이티브 어셈블리어로 변환한다. 수행하는 작업에 따라 상당한 정도의 성능 향상이 가능하다. 평균적으로 파이파이는 파이썬 3.7에 비해 파이썬 속도를 약 4.7배 더 높여주며 일부 작업에서는 50배 이상의 속도 향상이 가능하다. 새로운 버전의 C파이썬 인터프리터에도 특정 종류의 JIT 최적화가 추가되고 있지만 현재 파이파이의 범위와 효과에 비할 바는 아니다. 앞으로 대등해질 가능성을 배제할 수 없지만 적어도 지금은 아니다. 가장 좋은 점은 파이파이가 제공하는 효과를 얻기 위해 개발자가 따로 해야 할 일이 거의 없다는 것이다. C파이썬을 파이파이로 바꾸기만 하면 된다. (다음에서 설명할) 몇 가지 예외는 있지만 파이파이의 공식적인 목표는 기존의 파이썬 코드를 수정 없이 실행하면서 자동으로 속도를 높여주는 것이다. 현재 파이파이는 파이썬 2와 파이썬 3을 각기 다른 프로젝트 구현으로 모두 지원한다. 즉, 실행할 파이썬의 버전에 따라 다른 버전의 파이파이를 다운로드해야 한다. 파이파이의 파이썬 2 브랜치가 나온 시점이 훨씬 더 오래됐지만 파이썬 3 버전도 최근 거의 따라잡았다. 현재 파이썬 버전 3.9까지 지원하며 파이썬 3.10은 실험 수준에서 지원된다. 파이파이는 모든 핵심 파이썬 언어를 지원하는 것 외에, 패키징을 위한 pip, 가상 환경을 위한 virtualenv 등 파이썬 생태계의 방대한 툴과도 호환된다. C 모듈을 사용하는 패키지를 포함해 대부분의 파이썬 패키지는 변경 없이 그대로 동작한다. 물론 일부 제한도 있다. 이는 아래에서 살펴본다. 파이파이의 작동 방식 파이파이는 동적 언어를 위한 다른 JIT 컴파일러에도 있는 최적화 기법을 사용한다. 실행 중인 파이썬 프로그램을 분석하면서 생성 및 사용되는 객체의 형식 정보를 판단한 후 이 형식 정보를 가이드 삼아 속도를 높인다. 예를 들어 파이썬 함수가 한두 개의 객체 형식에서만 작동한다면 파이파이는 이러한 특정 사례를 처리하는 기계 코드를 생성한다. 파이파이의 최적화는 런타임에서 자동으로 처리되므로 일반적으로는 개발자가 직접 성능을 조정할 필요가 없다. 고급 사용자라면 파이파이의 명령줄 옵션을 변경하면서 특수한 사례를 위한 더 빠른 코드를 생성할 수 있지만 그럴 필요까지는 거의 없다. 또한 파이파이는 몇몇 내부 함수를 처리하는 방식도 C파이썬과 다르지만 동작의 호환성을 유지하려고 노력한다. 예를 들어 파이파이의 가비지 수집 방식은 C파이썬과 달라서 범위에서 벗어나는 모든 객체가 즉각 수집되지는 않으므로 파이파이로 실행되는 파이썬 프로그램은 C파이썬으로 실행되는 경우에 비해 메모리 사용량이 더 높게 표시될 수 있다. 그러나 gc 모듈을 통해 노출되는 gc.enable(), gc.disable(), gc.collect()와 같은 파이썬의 고수준 가비지 수집 컨트롤을 여전히 사용할 수 있다. 파이파이의 JIT 동작에 대한 정보가 필요하다면 파이파이에 포함된, 파이썬 애플리케이션에 대한 많은 JIT 후크를 노출하는 pypyjit라는 모듈을 활용하면 된다. JIT에서 성능이 떨어지는 함수 또는 모듈이 있는 경우 pypyjit를 사용해 세부적인 통계를 확인할 수 있다. 또 다른 파이파이 전용 모듈인 __pypy__는 파이파이만의 다른 기능을 노출하며 해당 기능을 활용하는 애플리케이션을 작성하는 데 유용하다. 파이썬의 런타임 동적 특성 덕분에 파이파이가 있을 때 이러한 기능을 사용하고, 없을 때는 무시하는 파이썬 애플리케이션을 만드는 것이 가능하다. 파이파이의 제약 파이파이는 매우 강력하지만 제약도 있다. 파이파이는 기본 C파이썬 런타임에 대한 완전한 범용 대체재는 아니다. 몇 가지 제약으로 인해 특정 종류의 프로그램에서는 파이파이의 효과가 줄어들거나 아예 사라진다. 가장 중요한 제한 사항은 다음과 같다. 파이파이는 순수 파이썬 앱에서 가장 효과적 : 파이파이는 전통적으로 “순수” 파이썬 애플리케이션, 즉 다른 언어 없이 파이썬만으로 작성된 애플리케이션에서 최고의 효과를 발휘했다. 넘파이(NumPy)와 같이 C 라이브러리와 접촉하는 파이썬 패키지는 파이파이가 C파이썬의 네이티브 바이너리 인터페이스를 에뮬레이션하는 방식상 좋은 결과를 얻지 못했다. 파이파이 개발자들은 그동안 이 문제를 줄여 나가면서 C 확장에 의존하는 대다수 파이썬 패키지와의 호환성을 더 높였다. 예를 들어 넘파이는 지금은 파이파이에서 매우 잘 작동한다. 그러나 최대한의 C 확장 호환성을 원한다면 C파이썬을 사용해야 한다. 파이파이는 장기간 실행되는 프로그램에서 가장 효과적 : 파이파이가 파이썬 프로그램을 최적화하는 방법의 특성상 장시간 실행되는 프로그램이 최적화 효과를 가장 많이 얻는다. 프로그램 실행 시간이 길수록 파이파이는 런타임 형식 정보를 더 많이 얻을 수 있고 최적화도 더 많이 할 수 있기 때문이다. 단발성 파이썬 스크립트는 이러한 혜택을 얻지 못한다. 이 효과를 얻는 애플리케이션은 일반적으로 오랜 시간 실행되는 루프가 있거나 백그라운드에서 지속적으로 실행되는 웹 프레임워크 같은 애플리케이션이다. 파이파이는 AOT 컴파일을 하지 못함 : 파이파이는 파이썬 코드를 컴파일하지만 파이썬 코드용 컴파일러는 아니다. 파이파이의 최적화 수행 방법과 파이썬의 태생적인 동적 특성으로 인해 JIT 코드를 독립형 바이너리로 배출해서 재사용할 방법이 없다. 즉, 이 문서에 설명돼 있듯이 각 프로그램이 실행될 때마다 매번 컴파일해야 한다. 파이썬을 독립형 애플리케이션으로 실행할 수 있는 더 빠른 코드로 컴파일하고 싶다면 사이썬, 넘바(Numba), 또는 현재 실험 단계인 누이트카(Nuitka) 프로젝트를 사용해야 한다. editor@itworld.co.kr
머신러닝(Machine learning)과 딥러닝(deep learning)은 널리 알려진 익숙한 용어지만, 이런 유명세 만큼이나 더 폭넓은 오해를 받는 부분도 있다. 여기서는 한 걸음 물러서서 머신러닝과 딥러닝의 기본을 살펴보고, 가장 보편적인 몇 가지 머신러닝 알고리즘을 알아본다. 이런 알고리즘이 역사적 데이터로부터 예측 모델을 만들기 위한 퍼즐의 다른 조각과 어떻게 관련되는지도 설명한다. 머신러닝 알고리즘이란 머신러닝은 데이터로부터 자동으로 모델을 생성하는 방법이고, 머신러닝 알고리즘은 머신러닝을 움직이는 엔진이다. 즉, 데이터 집합을 모델로 바꿔주는 알고리즘이다. 지도, 비지도, 분류, 회귀 등 어떤 알고리즘이 가장 효과적인지는 해결하려는 문제의 종류, 가용한 컴퓨팅 리소스, 데이터의 속성에 따라 달라진다. 머신러닝의 작동 원리 일반적인 프로그래밍 알고리즘은 컴퓨터에 해야 할 일을 간단한 방식으로 알려준다. 예를 들어 정렬 알고리즘은 정렬되지 않은 데이터를 데이터에 있는 하나 이상 필드의 숫자 또는 알파벳 순서 등 특정 기준에 따라 정렬된 데이터로 변환한다. 선형 회귀 알고리즘은 직선, 또는 다항식과 같이 매개변수가 선형인 다른 함수를 수치 데이터에 맞추는데, 이를 위해 일반적으로 사용하는 방법은 선과 데이터 간의 제곱 오차를 최소화하기 위해 행렬 역변환을 수행하는 것이다. 제곱 오차를 척도로 사용하는 이유는 회귀선이 데이터 포인트 위에 있는지, 아래에 있는지는 중요하지 않기 때문이다. 중요한 것은 선과 포인트 간의 거리다. 매개변수가 선형이 아닌 곡선을 데이터에 맞추는 비선형 회귀 알고리즘은 조금 더 복잡하다. 선형 회귀 문제와 달리 결정론적 방법으로 해결할 수 없기 때문이다. 대신 비선형 회귀 알고리즘은 일종의 반복적 최소화 프로세스를 구현하는데, 이는 급속 하강(steepest descent) 방법의 변형인 경우가 많다. 급속 하강은 기본적으로 현재 매개변수 값에서 제곱 오차와 그 기울기를 계산하고, 단계 크기 즉, 학습률을 선택하고, 기울기 방향을 "아래로" 따라간 다음, 새로운 매개변수 값에서 제곱 오차와 그 기울기를 다시 계산한다. 운이 좋다면 최종적으로 이 과정은 수렴한다. 급속 하강에는 수렴 속성을 개선하고자 하는 여러 변형이 있다. 머신러닝 알고리즘은 비선형 회귀보다도 더 복잡한데, 머신러닝은 다항식과 같은 특정 수학 함수에 맞추는 제약이 없다는 점도 그 이유 중 하나다. 머신러닝이 해결하는 대표적인 두 가지 문제 범주는 회귀와 분류다. 회귀는 수치 데이터, 분류는 비수치 데이터에 사용된다. 전자는 특정 주소와 직업을 가진 사람의 예상 수입은 어느 정도인가와 같은 문제, 후자는 대출 신청자가 이 대출을 상환하지 않을 것인가와 같은 문제다. 예측 문제(“내일 마이크로소프트 주식의 시초가는 얼마가 될까?”)는 시계열 데이터에 대한 회귀 문제의 하위 집합이다. 분류 문제는 이진(예/아니요), 다중 범주 문제(동물, 채소 또는 광물)로 나뉘기도 한다. 지도 학습 vs. 비지도 학습 이러한 구분과 별개로 머신러닝 알고리즘에는 지도와 비지도, 2가지 종류가 있다. 지도 학습에서는 동물 이름이 딸린 일련의 동물 사진과 같은, 답변이 포함된 학습 데이터 집합을 제공한다. 이 학습의 목표는 이전에 본 적이 없는 사진을 올바르게 식별(학습 집합에 포함된 동물의 종류)할 수 있는 모델을 만드는 것이다. 비지도 학습에서는 알고리즘이 스스로 데이터를 살펴보고 유의미한 결과를 도출하려고 시도한다. 예를 들어 각 클러스터 내에서 연관될 수 있는 데이터 포인트의 클러스터 집합이 결과로 나올 수 있다. 클러스터가 겹치지 않을 때 더 효과적으로 작동한다. 학습과 평가를 통해 매개변수를 최적화해 데이터의 기준 진실과 가장 잘 일치하는 값 집합을 찾음으로써 지도 학습 알고리즘을 모델로 바꾼다. 알고리즘은 옵타마이저를 위해 예를 들어 확률적 경사 하강(SGD: 무작위 시작점에서 여러 번 수행되는 급속 하강이라고 할 수 있음)과 같은 급속 하강의 변형에 의존하는 경우가 많다. SGD의 일반적인 개선 방법은 운동량을 기반으로 경사의 방향을 수정하거나, 한 데이터 패스(에포크라고 함)에서 다음 패스로의 진행에 따라 학습률을 조정하는 요소를 추가하는 것이다. 머신러닝을 위한 데이터 정제 자연 상태에서 깨끗한 데이터는 존재하지 않는다. 머신러닝에 사용하려면 데이터를 적극적으로 필터링해야 한다. 예를 들면 다음과 같다. 데이터를 살펴보고 누락된 데이터가 많은 열을 제외한다. 데이터를 다시 살펴보면서 예측에 사용할 열을 선택한다. 이 열은 반복할 때 바꾸는 경우가 많다. 나머지 열에서 여전히 누락된 데이터가 있는 행을 제외한다. 명백한 오타를 교정하고 동일한 답변을 병합한다. 예를 들어 U.S. US. USA, 미국은 하나의 범주로 병합해야 한다. 범위를 벗어난 데이터가 있는 행을 제외한다. 예를 들어 뉴욕시 내의 택시 이동을 분석한다면 뉴욕시 경계 상자를 벗어난 승하차 위도 및 경도는 필터링으로 걸러낸다. 그 외에도 할 수 있는 일이 많지만 이는 수집된 데이터에 따라 달라진다. 지루한 작업일 수 있으나 머신러닝 파이프라인에 데이터 정제 단계를 두면 자유롭게 수정하고 반복할 수 있다. 머신러닝을 위한 데이터 인코딩 및 정규화 머신 분류를 위해 범주 데이터를 사용하려면 텍스트 레이블을 다른 양식으로 인코딩해야 한다. 일반적으로 2가지 인코딩이 사용된다. 첫째는 레이블 인코딩으로, 각 텍스트 레이블이 숫자로 대체된다. 둘째는 원핫(onehot) 인코딩으로, 각 텍스트 레이블 값이 이진 값(1 또는 0)이 있는 열로 변환된다. 대부분의 머신러닝 프레임워크에는 이 같은 변환을 수행하는 함수가 있다. 레이블 인코딩의 경우 머신러닝 알고리즘이 혼동해서 인코딩된 열이 정렬된 것으로 착각할 수 있으므로 일반적으로 원핫 인코딩이 선호된다. 머신 회귀에 숫자 데이터를 사용하려면 일반적으로 데이터를 정규화해야 한다. 그렇지 않으면 범위가 큰 숫자가 특징 벡터 간의 유클리드 거리를 지배하는 경향이 있고, 이들의 효과가 확대되면서 다른 필드가 희생되고 급속 하강 최적화가 잘 수렴되지 않을 수 있다. ML을 위해 데이터를 정규화 및 표준화하는 방법은 최소최대 정규화, 평균 정규화, 표준화, 단위 길이로 스케일링 등 여러 가지가 있다. 이 프로세스를 보통 특징 스케일링(feature scaling)이라고 한다. 머신러닝 특징 앞에서 언급한 특징(feature) 벡터가 무엇인지 알아보자. 우선, 특징이란 관찰 대상 현상의 측정 가능한 개별적인 속성 또는 특성이다. “특징”이라는 개념은 선형 회귀와 같은 통계 기법에서 사용되는 설명 변수와 관계가 있다. 특징 벡터는 한 행의 모든 특징을 하나의 숫자 벡터로 결합한다. 특징을 선택하는 기법 중 하나는 문제를 설명하는 최소 독립 변수 집합을 선택하는 것이다. 두 변수가 고도로 상호 연관된다면 하나의 특징으로 결합해야 하거나 하나를 삭제해야 한다. 주성분 분석을 수행하여 상호 연관된 여러 변수를 선형적으로 상호 연관되지 않은 변수들의 집합으로 변환하는 경우도 종종 있다. 새로운 특징을 구축하거나 특징 벡터의 차원을 축소하기 위해 사용하는 변환 방법 중에서 간단한 방법도 몇 가지 있다. 예를 들어 Year of Death에서 Year of Birth를 빼면 수명 및 사망 분석을 위한 주요 독립 변수인 Age at Death를 구축할 수 있다. 특징 구축이 명확하지 않은 경우도 있다. 일반적인 머신러닝 알고리즘 머신러닝 알고리즘은 선형 회귀와 로지스틱 회귀부터 심층 신경망 및 앙상블(다른 모델의 조합)에 이르기까지 수십 가지가 있지만 가장 일반적인 알고리즘은 다음과 같다. 선형 회귀 또는 최소 제곱 회귀(숫자 데이터) 로지스틱 회귀(이진 분류) 선형 판별 분석(다중 범주 분류) 결정 트리(분류와 회귀) 나이브 베이즈(분류와 회귀) K최근접 이웃(KNN, 분류와 회귀) 학습 벡터 양자화(LVQ, 분류와 회귀) 서포트 벡터 머신(SVM, 이진 분류) 랜덤 포레스트, “배깅” 앙상블 알고리즘의 한 유형(분류와 회귀) 부스팅 방법(AdaBoost 및 XGBoost 포함)은 일련의 모델을 생성하는 앙상블 알고리즘으로, 각각의 새로운 모델이 이전 모델의 오류를 수정하려고 시도 흔히 듣는 신경망과 심층 신경망은 어디에 있을까? 이 둘은 대체로 계산 집약적이라서 GPU 또는 다른 특수한 하드웨어가 필요하므로 비교적 단순한 알고리즘에는 맞지 않는 이미지 분류, 음성 인식과 같은 특수한 문제에만 사용해야 한다. 위에서 “심층”은 신경망 안에 숨은 계층이 많다는 것을 의미한다. 신경망과 심층 신경망에 대한 더 자세한 내용은 “딥러닝의 진정한 의미”를 참고하면 된다. 머신러닝 알고리즘의 초매개변수 머신러닝 알고리즘은 데이터로 학습해서 예측된 값 또는 클래스에 영향을 미치는 각 독립 변수에 대한 최적의 가중치 집합을 찾는다. 알고리즘 자체에는 초매개변수(hyperparameters)라는 변수가 있다. 결정되는 가중치가 아니라 알고리즘의 작동을 제어하기 때문에 매개변수가 아닌 초매개변수로 불린다. 많은 경우 가장 중요한 초매개변수는 학습률이다. 학습률은 최적화에서 다음에 시도할 가중치 집합을 찾을 때 사용되는 단계 크기를 결정한다. 학습률이 너무 높으면 경사 하강이 평지(plateau) 또는 비최적 지점에 빠르게 수렴할 수 있고, 학습률이 너무 낮으면 경사 하강이 정체되어 완전히 수렴하지 않을 수 있다. 다른 많은 일반적인 초매개변수는 사용되는 알고리즘에 따라 달라진다. 대부분 알고리즘에는 최대 에포크 수, 또는 최대 실행 시간, 에포크 간 최소 개선과 같은 중지 매개변수가 있다. 특정 알고리즘에는 검색의 형태를 제어하는 초매개변수가 있다. 예를 들어 랜덤 포레스트에는 리프당 최소 샘플 수, 최대 깊이, 분할 시 최소 샘플 수, 리프의 최소 가중치 비율, 그 외에 8가지에 대한 초매개변수가 있다. 초매개변수 튜닝 여러 프로덕션 머신러닝 플랫폼이 현재 자동 초매개변수 튜닝을 제공한다. 기본적으로 시스템에 변경할 초매개변수와 최적화하고자 하는 메트릭을 알려주면 시스템은 허용되는 만큼 많은 실행 횟수에 걸쳐 이러한 초매개변수를 스윕한다. 단, 구글 클라우드 초매개변수 튜닝은 텐서플로우 모델에서 적절한 메트릭을 추출하므로 직접 지정할 필요가 없다. 초매개변수 스위핑을 위한 검색 알고리즘에는 베이지안(Bayesian) 최적화, 그리드(grid) 검색, 무작위 검색의 3가지가 있다. 베이지안 최적화가 대체로 가장 효율적이다. 최대한 많은 초매개변수를 튜닝해야 최선의 답을 얻는다고 생각할 수 있다. 그러나 개인 하드웨어에서 실행하는 경우가 아닌 한 비용이 상당히 커질 수 있고, 어떤 경우든 얻는 이득은 점점 줄어든다. 자신의 데이터와 선택한 알고리즘에서 가장 중요한 초매개변수는 경험을 통해 발견할 수 있다. 자동 머신러닝 알고리즘 선택에 대해 말하자면, 어느 알고리즘 또는 알고리즘 앙상블이 현재 데이터에 맞는 최선의 모델을 제공할지 아는 방법은 하나밖에 없다. 모두 시도해 보는 것이다. 여기서 가능한 모든 정규화 및 특징 선택까지 시도한다면 조합의 수는 폭발적으로 증가한다. 모든 것을 수동으로 시도한다는 것은 비현실적이므로, 당연히 머신러닝 툴 제공업체들은 많은 노력을 기울여 오토ML(AutoML) 시스템을 출시했다. 우수한 시스템은 특징 공학과 알고리즘 및 정규화에 대한 스윕을 결합한다. 최선의 모델에 대한 초매개변수 튜닝은 나중을 위해 남겨두는 경우가 많다. 다만 특징 공학은 자동화하기 어려운 문제이며 이 부분을 다루지 않는 오토ML 시스템도 있다. 요약하자면, 머신러닝 알고리즘은 머신러닝 퍼즐의 한 조각일 뿐이다. 알고리즘 선택(수동 또는 자동) 외에도 옵티마이저, 데이터 정제, 특징 선택, 특징 정규화, 그리고 선택적으로 초매개변수 튜닝까지 처리해야 한다. 이 모든 부분을 처리하고 데이터에 맞는 모델을 구축했다면, 이제 모델을 배포하고 조건의 변화에 따라 업데이트할 차례다. 프로덕션의 머신러닝 모델을 관리하는 것은 또 다른 문제다. editor@itworld.co.kr
최신 윈도우 11 기능을 따라가다 보면 쉽게 혼란스러워진다. 마이크로소프트 빌드(Microsoft Build) 행사와 함께 새로운 기능이 끊임없이 쏟아지는 5월에는 더욱 그렇다. 올해도 마찬가지였다. 마이크로소프트는 실용적인 것부터 이상적인 것까지 빌드 행사에서 다양한 윈도우 11 기능을 쏟아냈다. 올해 빌드 행사에서는 윈도우 11의 모멘트 3(Moment 3)과 함께 흥미로운 새 기능이 공개됐고 향후 출시될 더 많은 기능에 대한 힌트도 얻을 수 있었다. 다만 소규모 기능 업데이트인 모멘트는 언제든 배포될 수 있기 때문에 출시 시기는 달라질 수 있다. 현재 모멘트 3에 도입될 것으로 알려진, 그리고 사용자 PC에 배포될 여러 새 기능을 간단히 설명한다. 윈도우 11 모멘트 3의 기능들 이제부터 소개할 모멘트 3 기능은 기본 기능이 아니라 옵션이며, 새로운 기능을 출시 즉시 받겠다고 미리 설정하지 않은 이상 6월 이후에야 배포된다. 2023년 6월, 아마도 패치 화요일 주기를 고려하면 6월 13일쯤 윈도우 11 비보안 프리뷰 릴리즈에 추가 선택 형식으로 배포될 예정이다. 새로운 기능을 한발 먼저 사용하는 것을 좋아하고 최신 업데이트가 출시되는 즉시 받고 싶은 사용자라면 윈도우 11 설정 앱의 ‘윈도우 업데이트 항목’으로 이동한다. 여기서 ‘최신 업데이트가 제공되는 즉시 받기’ 메뉴의 토글을 켠다. 마이크로소프트는 사용자의 삶의 질을 조금씩 개선하는 기능을 단계적으로 릴리즈한다. 모멘트 3 역시 마찬가지다. 마이크로소프트는 이달 초 이들 기능을 윈도우 참가자 프로그램 22621.1776(릴리즈 채널) 베타 일부분으로 테스트했고 이제 최종 릴리즈로 배포했다. 더 넓은 위젯 창 : 윈도우 11에 추가된 흥미로운 변화는 사용자가 앱을 더 많이 설정할 수 있도록 많은 공간을 확보하는 위젯의 변화다. 위젯은 2개가 아닌 3개 열로 더 넓어지고 개인화할 수 있다. 마이크로소프트가 공개한 새로운 위젯 선택기를 보면 사용자는 자신이 선택한 위젯이 어떤 모습으로 나타날지 미리 볼 수 있으며, 더 많은 위젯을 찾을 수 있다(위젯 선택기는 조금 늦게 배포될 수 있다). 센서 설정 : 일부 노트북은 사용자가 자리를 비우거나 보안을 위해 PC를 잠가 둘 경우 화면을 자동으로 어둡게 조정하는 존재 감지 센서가 있다. 설정 개인정보 보호 및 보안 감지 센서에서 관리할 수 있다. VPN 아이콘 : 이제 VPN을 사용할 때 작업표시줄에 작은 방패 아이콘이 나타난다. USB4 허브 및 설정 : 인텔 기반 노트북은 보통 썬더볼트 독과 연결된다. 그러나 USB4는 AMD 라이젠 노트북에서 거의 동일한 기능을 수행한다. 어떤 것이든 새로운 윈도우 설정 페이지에서는 노트북의 USB4 기능과 연결된 주변장치의 정보를 알 수 있다. 블루투스 지원 확대 : 윈도우 11은 이제 갤럭시 버드2나 버드2 프로 같은 이어폰에서 지원하는 저전력 오디오 표준인 블루투스 저전력 오디오(Bluetooth Low Energy Audio)를 지원한다. 계정 아이콘 배지 : 시작 메뉴의 계정 아이콘에 작은 느낌표가 나타나면 마이크로소프트 계정 관리에 주의가 필요하다는 뜻이다. 다른 윈도우 기능에 대한 유용한 알림(즉, 광고)과 연결되어 있다. 라이브 자막 언어 확대 : 자막이 없는 콘텐츠에 자막을 자동으로 제공한다. 라이브 자막은 중국어, 다양한 영어 방언, 프랑스어, 독일어, 스페인어 등을 지원한다. 마이크로소프트가 이전 프리뷰에서 공개한 내용을 기반으로 할 때 모먼트 3 릴리즈에서는 다음과 같은 작은 변경도 있을 것으로 보인다. 새로운 프린트 화면 바로가기 : PrtScn 키를 누르면 이제 캡처 도구가 열린다. 원드라이브 저장공간 표시 : 윈도우 11 설정 앱 안의 계정 페이지에서 사용자의 모든 원드라이브 구독 내용에 할당된 저장 공간의 전체 양을 확인할 수 있다. 2FA 복사 : '휴대폰과 연결' 앱으로 PC에 스마트폰을 연결하면 다른 서비스에서 받은 2FA 인증 코드가 자동으로 복사된다. 터치 키보드 옵션 : 새로운 설정 시간 및 언어 입력 터치 키보드 설정에서 터치 키보드를 항상 보이게 할지, 아예 없앨지, 하드웨어 키보드를 연결하지 않았을 때만 보이게 할지 선택할 수 있다. 키보드를 떼었다 붙일 수 있는 서피스 프로 같은 노트북에서 특히 유용하다. 초 시계 : 이제 작업 표시줄 시계 앱에서 초 단위의 시간을 알 수 있다. 검색용 빙 챗 AI 바로가기 : 이제 검색창에 작은 빙 챗 아이콘이 나타난다. 기업 계정으로 로그인할 때는 기업 아이콘으로 바뀐다. 콘텐츠 적응형 밝기 제어 : 콘텐츠 종류에 따라 디스플레이를 밝거나 어둡게 할 수 있다. HDR은 아니지만 유사한 기능이다. 모먼트 3 이외의 새로운 윈도우 11 기능들 마이크로소프트는 빌드 행사에서 모먼트 3 이외의 신규 기능도 공개했지만 출시 시기는 아직 알려지지 않았다. 일부는 윈도우 참가자 프로그램 베타 코드에서 보았거나 앞으로 볼 가능성이 있고, 다른 기능은 모먼트 업데이트를 통해 윈도우 PC에 배포될 것이다. WinRAR 지원 : WinRAR, 7Zip, GZ 같은 압축 포맷 형식이 윈도우에 통합된다는 반가운 소식이 전해졌다. 마이크로소프트는 해당 기능을 빠른 시일 내에 테스트할 것이으로 보이며, 완전한 압축 해제 기능이 윈도우 11에 릴리즈되는 것은 9월쯤으로 예상된다. 2024년에는 RAR, Zip 같은 다른 압축 파일을 생성하는 것도 가능하다. 윈도우 코파일럿 : 빌드 행사에서 큰 주목을 받은 윈도우 코파일럿은 AI 기술을 윈도우로 가져온다. 마이크로소프트는 6월 중 윈도우 코파일럿 출시를 약속했지만, 구체적인 방법은 알려지지 않았다. 윈도우 참가자 프로그램에서 윈도우 코파일럿을 확인할 수 있기를 기대한다. 작업표시줄 앱 그룹 해제 : 윈도우 10에서는 작업표시줄 내 다수 앱에 개별 레이블을 지정해 표시할 수 있다. 윈도우 11도 이 기능을 다시 수용했다. 참가자 프로그램(개발자 채널) 릴리즈에서 이번 주에 공개될 예정이다. 머지않아 전체 공개되기를 기대한다. 작업표시줄 앱 우클릭 : 작업표시줄과 관련한 또 하나의 재미있는 기능이 있다. 마치 작업 관리자에서 하듯이 작업표시줄에서 앱을 우클릭해 진행 중인 작업을 종료할 수 있다. 윈도우 백업 : 마이크로소프트는 참가자 프로그램(개발자 채널)에서 윈도우 백업을 테스트하고 있다. 윈도우 백업은 파일, 폴더(데스크톱에서의 레이아웃 위치까지), 앱과 더 많은 데이터를 클라우드에 저장하고 새로운 PC에서 재설치를 지원하는 기능이다. RGB 조명 제어 : 크리스마스트리처럼 색색의 조명을 달고 작동 중일 때마다 반짝거리는 PC 주변장치를 여럿 소유하고 있다면 축배를 들 만한 소식이다. 최근 마이크로소프트는 RGB 조명을 윈도우에서 제어하는 기능을 추가하고 업계에 표준화된 설정을 제공한다고 밝혔다. editor@itworld.co.kr
PC 사용자에게 가장 인기 있는 웹 브라우저인 크롬은 처음에는 빠르고 반응성 좋은 브라우징 경험을 제공하지만, 시간이 지나면 캐시 파일, 확장 프로그램, 리소스 소비 등의 요인 때문에 느려질 수 있다. 크롬의 성능을 향상시키는 방법은 브라우저 최신 상태 유지, 캐시 삭제, 이용 가능한 특수 기능 활용 등 많다. 크롬 실행 속도를 최대한 빠르게 유지하는 간단한 9가지 방법을 소개한다. 크롬을 항상 업데이트할 것 크롬을 최신 버전으로 업데이트하면 가장 최근의 성능 개선과 버그 수정, 보안 업데이트를 확보할 수 있다. 구글은 브라우저에 업데이트를 자주 제공하므로 항상 최신 상태를 유지하는 것이 중요하다. 업데이트는 브라우저를 닫을 때 백그라운드에서 자동으로 실행되도록 설계되어 있으며, 브라우저를 닫는 일이 거의 없다면 업데이트를 직접 확인해야 한다. 크롬은 업데이트 시간이 되면 브라우저 창 우측 상단 구석에 버튼이 생긴다. 이 버튼을 누르면 업데이트된다. 버튼이 보이지 않는다면 창 우측 상단 구석에서 세로 방향 점 3개 도움말 Chrome 정보를 클릭한다. 그러면 크롬이 업데이트를 확인한 후 설치한다. 다시 시작을 클릭하면 크롬 업데이트가 완료되고 크롬이 닫힌다. 따라서 업데이트 전에는 탭에 미완성 작업이 열려 있지 않은 지 확인해야 한다. 너무 많은 탭을 열지 말 것 브라우저에서 탭을 여러 개 열어 놓으면 메모리가 소비되며, 메모리만큼은 아니지만 CPU도 소비된다. 열어 놓은 탭의 개수가 늘어날수록 컴퓨터 리소스에 대한 수요도 늘어난다. 성능이 저하되고 페이지 로드 시간이 늘어날 수 있다. 시스템이 과부하 상태가 되면 정지 또는 멈춤 현상까지 발생할 수 있다. 미사용 확장 프로그램을 설정 해제할 것 확장 프로그램은 브라우저에 기능을 추가하는 작은 소프트웨어 프로그램이다. 유용하지만 너무 많이 설치하거나 부실하게 최적화된 것을 사용하면 구글 크롬의 성능에 부정적인 영향을 미칠 수 있다. 불필요한 확장 프로그램을 설정 해제하면 브라우저의 성능을 높일 수 있다. 브라우저 확장 프로그램을 설정 해제하는 방법은 간단하다. chrome://extensions 로 들어가 해당 확장 프로그램의 슬라이더를 끔 위치로 밀거나 삭제를 클릭하면 된다. 브라우징 데이터를 삭제할 것 기록, 쿠키, 캐시 파일 등의 브라우징 데이터를 삭제하면 디스크 공간이 확보되고 오래되거나 손상된 파일로 야기된 웹사이트 문제가 해결되므로 성능 향상에 도움이 된다. 시스템 성능뿐 아니라 개인정보보호 및 보안도 향상된다. 일반적으로 쿠키와 캐시 파일은 빠른 접근을 위해 컴퓨터의 RAM에 저장되므로 브라우징 데이터를 삭제하면 RAM 사용량을 줄여 성능이 향상될 수도 있다. 특히 장치의 메모리가 한정적인 경우, 브라우징이 부드러워지고 페이지 로딩 시간도 빨라지는 것이 보통이다. 브라우징 데이터를 삭제하는 방법은 세로 방향 점 3개 설정 개인 정보 보호 및 보안을 클릭한 후 각 옵션을 개별적으로 선택하고 데이터를 삭제하면 된다. 웹 페이지 미리 로드를 설정할 것 웹 페이지 미리 로드를 설정하면 웹 페이지에 실제로 도착하기 전에 리소스를 가져와 로드 함으로 성능이 향상된다. 사용자가 링크 위에 커서를 가져가거나 특정 페이지에 방문할 것으로 예측되면 크롬은 해당 페이지를 표시하는 데 필요한 리소스(예 : 이미지, CSS, 자바스크립트 파일)을 가져오기 시작한다. 이 작업은 사용자가 아직 현재 페이지에 있는 동안 배경에서 수행된다. 사용자가 결국 링크를 클릭하는 시점에는 컨텐츠의 많은 부분이 이미 로드 된 상태이므로 페이지의 로드 속도가 더욱 빨라 보인다. 웹 페이지 미리 로드를 설정하는 방법은 세로 방향 점 3개 설정 개인 정보 보호 및 보안 쿠키 및 기타 사이트 데이터를 클릭한 후 빠른 탐색 및 검색을 위해 페이지 미리 로드 옆에 있는 슬라이더를 켬 위치로 밀면 된다. 크롬의 에너지 절약 모드를 사용할 것 크롬의 에너지 절약 모드는 주요 기능이 배터리 지속 시간을 아끼는 것이지만 특정 배경 활동을 제한하는 방식으로 성능도 약간 향상시킨다. 에너지 절약 모드는 배터리 잔량이 20% 이하인 경우에만 사용 설정할 수 있으며, 컴퓨터의 전원이 연결되어 있지 않을 때 사용 설정할 수도 있다. 에너지 절약 모드를 설정하려면 세로 방향 점 3개 설정 성능을 클릭하고 전원 그룹에서 에너지 절약 모드 옆에 있는 슬라이더를 켬 위치로 민 다음 이 기능을 활성화하고자 하는 경우를 선택한다. 하드웨어 가속을 설정할 것 하드웨어 가속을 설정하면 크롬은 하드웨어 가속이 도움이 되는 특정 작업에 컴퓨터의 GPU를 사용한다. GPU는 그래픽 집약적인 작업을 효율적으로 처리하도록 설계되었고 특정 연산을 병렬로 처리할 수 있기 때문에 동영상 재생, 애니메이션, 그래픽 렌더링과 같은 작업에 더욱 적합하다. 이런 작업 중 일부를 CPU에서 GPU로 전가하면 성능이 향상되고 웹 컨텐츠 렌더링이 부드러워지며 시스템 리소스 소비가 줄어든다. 이는 고성능 그래픽 카드가 탑재된 시스템에서나 그래픽 요소가 많은 애플리케이션 및 웹사이트를 사용하는 경우에 특히 유익하다. 하드웨어 가속을 설정하려면 세로 방향 점 3개 설정 시스템을 클릭한 후 가능한 경우 하드웨어 가속 사용 옆에 있는 슬라이더를 켬 위치로 민다. 구글 플래그에서 GPU 래스터화를 설정할 것 래스터화는 벡터 그래픽(예: HTML, CSS, SVG 요소)을 화면에 표시될 수 있는 픽셀로 변환하는 과정이다. 기본적으로 크롬은 래스터화에 CPU를 사용한다. GPU 래스터화를 설정하면 이 작업이 컴퓨터의 GPU로 대신 전가된다. GPU는 CPU보다 그래픽 처리를 더욱 효율적으로 처리하도록 설계되었으므로 특히 고성능 GPU가 탑재된 시스템에서 웹 페이지의 렌더링이 빨라지고 성능이 향상될 수 있다. GPU 래스터화를 설정하는 방법은 chrome://flags로 이동하여 GPU Rasterization(GPU 래스터화)를 검색한 후 항목 옆에서 Enabled(설정)을 선택하면 된다. 이는 실험적인 기능이며 구글 크롬은 이 기능을 테스트 목적으로만 사용함을 분명히 밝히고 있다는 점에 유념해야 한다. 사용할 수 있다고 해서 사용해야 하는 것은 아니다. 위험이 보상보다 클 수도 있다. 또한, 하드웨어 가속을 설정했다면 래스터화도 어차피 설정되어 있다. 구글 크롬 설정을 초기화할 것 크롬을 기본 설정으로 초기화하면 브라우저가 원래 구성으로 복원되고 속도 저하 등의 문제의 원인인 사용자화, 확장 프로그램, 설정이 제거되므로 성능 문제가 해결될 수 있다. 이 방법은 다른 성능 개선 방법을 시도했으나 실패했거나 어떤 구체적인 설정이나 확장 프로그램이 문제의 원인인지 확실하지 않은 경우에 사용하면 좋다. 구글 크롬 설정을 초기화하려면 세로 방향 점 3개 설정 설정 초기화를 클릭하면 나오는 페이지에서 설정을 기본 값으로 복원하는 옵션을 선택하면 된다. 구글은 이미 크롬 속도를 높이고 있다 구글 크롬 112는 이 인기 웹 브라우저의 성능을 상당히 개선했다. innerHTML 파싱을 위한 전문 고속 경로뿐만 아니라 toString() 및 join()와 같은 자바스크립트 함수가 최적화되었다. 이런 기능은 다수의 웹사이트와 웹 앱에 걸쳐 널리 활용되면서 웹 브라우징에 눈에 띄는 차이를 가져왔다. 구글은 이런 개선 덕분에 3개월간 애플의 스피도미터(Speedometer) 2.1 브라우저 벤치마크가 10% 증가했다고 전했다. 크롬을 항상 최신 상태로 유지해야 할 또 하나의 이유다. 구글이 노고를 들여 항상 내놓는 성능 업데이트를 적극 활용하자. editor@itworld.co.kr
‘챗GPT’는 인공지능과 상호작용하는 방식에 혁신을 가져왔다. 고급 자연어 처리 기능을 갖춘 챗GPT는 퀴즈 놀이부터 시 쓰기까지 다양한 작업에 도움을 줄 수 있다. 여기서는 챗GPT를 활용할 수 있는 놀랍도록 재미있고 유용한 10가지 방법을 살펴본다. 재미있는 레시피 만들기 챗GPT가 할 수 있는 흥미로운 일 중 하나는 사용자의 입맛, 재료, 특정 식단 요건에 따라 레시피를 생성하는 것이다. 원하는 요리 종류, 사용하려는 재료, 식이 제한 사항 등 특정 정보를 입력하면 된다. 그러면 챗GPT가 단계별 지침, 재료의 양, 요리 팁이 포함된 레시피를 알려준다. 챗GPT에 위스키를 베이스로 하고 스웨덴 미트볼을 사용한 칵테일을 만들어 달라고 했다. 챗GPT는 파격적인 요청이라는 점을 금방 알아차렸지만 이내 요구사항에 따라 레시피를 제공했다. 칵테일 이름도 ‘스모키 미트볼 즈위즐’이라고 지어줬다(개인적으로는 ‘미트볼 맨해튼’이 더 낫다고 생각한다). 맞춤형 운동 계획 챗GPT는 사용자의 체력 수준, 목표, 사용 가능한 장비, 건강 상태 등에 따라 맞춤화된 운동 계획을 짤 수 있다. 기본 정보, 현재 체력 수준, 운동 경험, 목표, 건강 상태, 장비 사용 가능 여부 등의 정보를 제공하면 된다. 챗GPT에 3개월짜리 운동 계획을 만들어 달라고 했다. 나이, 성별, 몸무게를 입력하고 무릎이 좋지 않다고 언급했다. 또 헬스장 장비를 이용할 수 없고, 7kg가량을 감량하는 것이 목표라고 덧붙였다. 우선 챗GPT는 새로운 운동 계획을 시작하기 전에 의사 또는 개인 트레이너와 상담하고, 부상을 입지 않도록 자세 모니터링이 중요하다고 권고했다. 이어 제공한 정보를 바탕으로 운동 계획을 알려줬다. 어떤 정보를 입력해야 할지 모르겠다면 챗GPT에 가장 정확하고 개인화된 운동 계획을 짜는 데 필요한 정보가 무엇이냐고 물어볼 수도 있다. 퀴즈 게임 다양한 주제에 대한 질문, 답변 또는 흥미로운 사실을 제공해 챗GPT와 퀴즈 게임을 하거나, 퀴즈 게임을 만들어 달라고 할 수 있다. 예를 들어 챗GPT에게 게임하고 싶다고 말한 다음, 주제나 테마를 지정하면 챗GPT가 질문을 던진다. 직접 만든 퀴즈로 챗GPT에 문제를 낼 수도 있다. 챗GPT에게 퀴즈 게임을 하고 싶다고 말한 다음, 양자 물리학에 관련된 5가지 질문을 해달라고 했다. 챗GPT는 답을 입력하면 정답인지 아닌지 알려준다고 말했다. 구글의 도움으로 간신히 5개 퀴즈 중 3개를 맞힐 수 있었다. 가상의 여행 가이드 챗GPT는 다양한 여행지 정보, 추천, 조언을 제공하는 가상의 여행 가이드 역할을 할 수 있다. 한 가지 명심해야 할 점은 챗GPT의 지식은 적어도 현재로서는 2021년까지의 데이터를 기반으로 한다는 것이다. 즉, 신상 레스토랑처럼 최근에 문을 연 곳은 추천할 수 없다. 하지만 방문 장소, 현지 관습, 요리, 기타 여행 관련 주제에 관해 귀중한 인사이트를 얻을 순 있다. 챗GPT에게 대만 타이베이로 여행을 계획 중이라고 하고, 꼭 가봐야 할 명소와 현지인에게 인기 있는 음식을 추천해 달라고 했다. 방문해야 할 장소와 추천 음식 목록은 꽤 정확했지만, 개인적으로는 대만식 오믈렛 단빙이 목록에 포함돼 있지 않아 아쉬웠다. 음악 작곡 챗GPT는 직접 음악을 작곡하거나 오디오 파일을 만들 순 없지만 가사 작성, 코드 진행 제안, 노래 구조 및 편곡 팁 제공 등을 도울 수 있다. 특정 음악 콘셉트 지침을 요청하거나 멜로니 또는 하모니 아이디어를 브레인스토밍할 수도 있다. 챗GPT에게 E플랫 단조로 작곡 중인 재즈에 좋은 코드 진행을 제안해 달라고 했다. 챗GPT는 i – iv – VII7 – III7 – V7 – i(9) 코드 진행을 제안하고, 재즈 곡에 깊이를 더하기 위해 코드 확장, 대체, 변경을 실험해 보라고 권유했다. 명상 및 마음 챙김 연습 명상을 좋아하는 사용자가 있다면 챗GPT가 마음 챙김 운동을 도와줄 수 있다. 예를 들어 5분 동안 마음 챙김 호흡 운동을 하고 싶다고 하면, 챗GPT가 어떻게 해야 하는지 단계별로 자세히 알려준다. 다른 유형의 명상이나 마음 챙김 운동을 하고 싶지만 어떻게 해야 할지 잘 모르겠다면 언제든지 챗GPT에게 제안을 요청할 수도 있다. 이력서 작성하기 시중에 많은 이력서 빌더가 있지만, 이력서를 직접 작성하려고 한다면 챗GPT가 콘텐츠 및 형식 지침, 제안, 팁을 제공할 수 있다. 이력서에 포함하려는 업무 경험, 교육, 스킬, 성과, 기타 세부 정보를 입력하면 된다. 챗GPT로 이력서를 작성하는 것이 다소 불편하다면, 지원 직무에 관한 이력서 템플릿을 제공해 달라고 요청할 수도 있다. 실제로 PC월드에서 기자로 일하고 싶지만 개인정보는 제공하고 싶지 않다고 말했더니 꽤 괜찮은 이력서 템플릿을 만들어줬다. 빈칸을 채우기만 하면 됐다. 개인 스타일리스트 AI가 실제로 사람을 스타일링할 수 있는 수준까지 발전하진 못했지만, 의상 아이디어, 색 조합, 액세서리 등을 제안할 순 있다. 아울러 특정 상황에 맞는 옷차림 팁을 제공할 수도 있다. 선호하는 스타일, 체형, 행사 내용, 기타 특정 요구사항 등 몇 가지 개인 정보를 공유해야 한다. 이를테면 닌텐도를 테마로 한 파티에 갈 예정인데, 닌텐도의 기업 컬러를 반영한 비즈니스 캐주얼 스타일 제안이 필요하다고 챗GPT에 말했다. 매우 상세한 제안을 받았다. 텍스트 기반 RPG 게임 챗GPT는 주어진 프롬프트에 응답하고 시나리오에 따라 선택하며 플레이하는 텍스트 기반 롤플레잉 게임을 만들 수 있다. 게임 설정을 챗GPT에 맡기거나, 직접 자세한 설명을 할 수 있다. 예를 들면 방금 불시착한 외딴 적대 행성을 배경으로 하는 텍스트 기반 롤플레잉 게임을 하고 싶다고 챗GPT에 말했다. 이어 플레이어는 탑승자 중 유일하게 살아남은 사람이고, 이 행성에는 초목과 물이 거의 없으며, 목표는 살아남아 원래 행성으로 돌아가는 것이라고 덧붙였다. 시 쓰기 챗GPT는 다양한 스타일과 테마로 시를 쓸 수 있다. 주제, 스타일, 원하는 분위기 등 시를 작성하는 데 필요한 기본 정보나 관련 있는 정보를 챗GPT에 알려주면 된다. 그러면 해당 정보를 바탕으로 시를 생성한다. 마리오가 젤다를 가논도르프에서 구출하고 피치 공주가 질투를 느껴 루이지와 함께 도망치는 장면에 관한 시를 써달라고 요청했다. 아울러 자유시의 아버지라고 불리는 월트 휘트먼 스타일로 써야 한다고 덧붙였다. 그 결과 환상적인 시가 탄생했고, 이를 다시 하이쿠(일본 정형시)로 바꿔달라고 말했다. 다음 단계는? 챗GPT는 어시스턴트, 엔터테인먼트 또는 창의적인 영감을 원하는 사용자에게 ‘가능성의 세계’를 열어줬다. 레시피와 운동 계획 생성부터 이력서 작성, 시 창작까지 다양한 작업을 처리할 수 있는 다재다능함은 일상을 증강하는 AI의 힘을 보여준다. 기술이 계속 발전하면서 챗GPT와 유사한 AI 모델은 더욱 혁신적으로 응용되리라 예상된다. AI 어시스턴트의 미래는 밝으며, 사람들이 디지털 세상과 상호작용하는 방식을 혁신할 잠재력은 이제 겨우 표면을 드러내기 시작했을 뿐이다. editor@itworld.co.kr
여러 대의 컴퓨터 모니터로 작업하는 데 익숙하다면 노트북만 가지고 출장을 떠나는 것이 힘들 수 있다. 비좁은 노트북 디스플레이 하나만 써야 하기 때문이다. 하지만 다행히도 오래된 아이패드나 안드로이드 태블릿 또는 기타 노트북을 윈도우 PC용 추가 모니터로 활용할 방법이 있다. 심지어 공짜다! 바로 ‘스페이스데스크(Spacedesk)’ 앱을 사용하는 것이다. 물론 유일한 멀티 모니터 소프트웨어는 아니지만 지금까지 본 무료 옵션 가운데 가장 다재다능하다. 윈도우용 스페이스데스크 설치 스페이스데스크는 2가지 부분으로 구성된다. • 스페이스데스크의 드라이버 소프트웨어는 PC의 백그라운드에서 실행돼 다른 화면과 연결된다. 스페이스데스크 웹사이트에서 다운로드해 설치할 수 있다. 스페이스데스크를 실행하려면 방화벽 예외 설정을 해야 한다. 이 옵션은 설치 과정에 포함돼 있다. • 다른 기기에서 스페이스데스크의 뷰어 앱을 실행하면, PC에서 해당 기기를 보조 모니터로 인식한다. 웹 뷰어를 통해 윈도우, iOS, 안드로이드, 아마존 기기 및 기타 모든 기기에서 앱을 사용할 수 있다. 서버 연결은 와이파이를 통해 이뤄진다. 드라이버 소프트웨어를 설치했다면 뷰어 앱을 연다. 예를 들어 PC와 태블릿이 동일한 와이파이 네트워크에 연결돼 있으면 스페이스데스크가 자동으로 태블릿을 감지한다. 태블릿을 선택하고 2번째 화면 모드를 시작할 수 있다. 스페이스데스크 구성 기본적으로 스페이스데스크는 디스플레이 UI를 확대하지 않기 때문에 보조 모니터에서 너무 작게 보일 수 있다. 이 문제를 해결하려면 ‘윈도우 설정 시스템 디스플레이’로 이동해 모니터 목록에서 새 디스플레이를 선택한 다음, 디스플레이 해상도와 배율을 조정하면 된다. 아울러 스페이스데스크 드라이버는 컴퓨터가 부팅될 때마다 항상 실행된다. 변경하고 싶다면 스페이스데스크의 작업 표시줄 아이콘을 마우스 오른쪽 버튼으로 클릭하고, ‘스페이스데스크 드라이버 콘솔’을 선택한 다음 ‘시스템 부팅 시 자동 시작’을 해제한다. 윈도우에서도 모니터를 구성해야 한다. ‘설정 시스템 디스플레이’로 들어가면 모든 화면의 레이아웃이 표시되며, 이를 드래그 앤 드롭해 실제 위치를 반영할 수 있다. 뷰어 앱에서 톱니바퀴 아이콘을 클릭하고 추가 옵션(예: 화면 해상도 및 품질 등)을 설정할 수도 있다. 안타깝게도 스페이스데스크는 안드로이드 기기에서 유선 USB 연결만 지원한다. 아울러 향후 유선 연결 기능이 프리미엄 기능이 될 수 있다고 밝힌 바 있다. 그렇지만 무선 연결 상태에서 스페이스데스크는 이메일을 보내고, 문서를 확인하며, 팀 채팅을 하기에 충분한 성능을 갖췄다. 시스템 오디오와 동기화해 비디오를 재생하는 데도 문제가 없었다. 기타 멀티 모니터 소프트웨어 옵션 스페이스데스크 외에 살펴볼 만한 앱은 다음과 같다. • 루나 디스플레이(Luna Display)는 아이패드나 남는 맥을 보조 모니터로 바꾸는 130달러짜리 동글이다(USBC, HDMI 또는 맥용 디스플레이포트에서 사용 가능). 일반적으로 다른 솔루션에서 흔하게 볼 수 있는 커서 지연 문제가 없다. 그래픽 디자인 또는 세밀한 입력이 중요한 기타 애플리케이션에서 매력적인 대안이다. • 듀엣 디스플레이(Duet Display)는 유선 및 무선 연결을 모두 지원한다. 하지만 연간 25달러의 유료 서비스다. • 삼성 갤럭시 탭 사용자는 삼성의 세컨드 스크린(Second Screen) 앱을 활용해 태블릿을 보조 모니터로 사용할 수 있다. • 맥 사용자는 사이드카(Sidecar) 기능을 통해 아이패드를 보조 모니터로 활용할 수 있다. 제어 센터에서 ‘디스플레이’ 버튼을 누른 다음, 아이패드를 선택해 활성화하면 된다. 또는 녹색 전체 화면 버튼 위에 커서를 놓고 아이패드로 이동하는 옵션도 있다. editor@itworld.co.kr
생성형 AI 열풍 1년. 아직도 열기는 식지 않았지만 영리를 추구하는 기업은 조금 더 냉정해질 필요가 있다. 생성형 AI의 ROI에 대한 의문이 제기되고 비즈니스 케이스가 먼저라고 조언하는 전문가도 적지 않기 때문이다. 하지만 이런 의문 속에서 이미 생성형 AI를 도입해 성과를 올린 기업이 속속 등장하고 있다. 생성형 AI 업체 역시 자사 고객의 성공 사례를 자랑하고 있으며, 리서치 회사와 컨설팅 회사도 검증을 거친 산업별 사용례를 발표하고 있다.
증강현실, 가상현실 같은 용어에 익숙해졌더니 이제 애플 비전 프로는 공간 컴퓨팅이라는 새로운 개념을 들고 나왔다. 노트북, 태블릿, 스마트폰 등 디스플레이 뒤에서 연산을 실행하는 전통 컴퓨팅과 달리, 공간 컴퓨팅은 사용자 주변의 현실과 가상 공간에서 일어나는 상호작용, 그리고 현실과 가상 세계의 교차점을 의미한다. 애플이 비전 프로의파급력을 높이기 위해 친숙한 단어를 피한 것은 사실이지만, 관련 기술과 제품이 계속 발전한다면 공간 컴퓨팅은 분명 기계와 인간의 새로운 상호작용 방식이 될 것이다. 애플 비전 프로는 이제 시작에 불과하다.
마이크로소프트의 실적을 보면, 오픈AI에 막대한 자금을 투자한 것은 좋은 판단이었다. AI는 성장세가 둔화된 클라우드를 견인하고, 클라우드는 그런 AI의 기업 확산에 첨병 역할을 하고 있다. 하지만 클라우드와 AI의 동행이 행복하기만 한 것은 아니다. 대형 클라우드가 성취한 AI 혁신을 손쉽게 이용할 수 있는 것은 분명 큰 장점이지만, 사용량에 따라 빠르게 증가하는 비용과 민감한 데이터에 대한 불안감, AI 종속 등의 우려사항도 적지 않다. 일부 전문가는 아키텍처에 대한 재검토까지 요구하며 클라우드 기반 생성형 AI에 신중하게 접근할 것을 권고한다.
스팀 덱이 독주하던 핸드헬드 게이밍 PC 시장이 활기를 띠고 있다. 지난해 에이수스와 레노버가 각각 로그 엘라이, 리전 고를 출시한 데 이어 올해는 MSI가 자사 첫 핸드헬드 게이밍 PC ‘클로’를 공개했다. 클로는 인텔 코어 울트라 프로세서에 기반한 첫 핸드헬드 게이밍 PC라는 점에서 게이머의 기대를 한몸에 받고 있다. 정식 출시 전임에도 불구하고 후속작까지 예고됐다. 한편 벨브는 OLED 버전의 스팀 덱을 새롭게 출시하면서 선두 유지에 전념하고 있다. 마침내 핸드헬스 게이밍 PC의 전성시대가 도래하는 것일까? 리뷰부터 활용 기사까지 다양한 관련 소식을 모았다.
사용자에게는 눈이 즐거운 화려함과 기대를 주고, 기술업체에는 연초부터 기선을 제압하고 이미지를 쇄신할 기회인 세계 최대의 기술 박람회인 CES 2024가 개최됐다. 연내에 출시되는 제품도 있지만, 상용화를 염두에 두지 않고도 얼마든지 상상력과 가능성을 펼쳐보일 수 있는 장소다. PC 속 작은 LED 램프부터 반려동물처럼 사용자를 졸졸 따라다니는 가정용 로봇과 가장 실용적인 전자제품인 노트북까지, CES 2024에서 새로운 기술이 구현된 방법을 살펴 보자.
2023년 전체를 관통한 가장 뜨거운 주제를 꼽는다면 고민할 필요도 없이 '생성형 AI'다. 오픈AI가 챗GPT 서비스를 시작한 것이 지난 2022년 11월 30일인데, 불과 1달 후인 2023년 1월 ITWorld 웹사이트에서 가장 많이 본 기사가 <“나는 누구인가?” 챗GPT가 말하는 챗GPT>였다. 이후 2월, 4월, 7월, 9월, 11월까지 생성형 AI 관련 콘텐츠가 월간 많이 본 기사 1위에 올랐다. 흥미로운 것은 내용이 점점 심화, 확장됐다는 사실이다. 초반에는 챗GPT에 대한 호기심이었다면, 상반기에는 개인적인 사용법, 실제 기업의 활용 사례로 관심이 이동했다. 하반기에는 머신러닝 알고리즘, 대규모 언어 모델 같은 더 근본적인 기술에 대한 콘텐츠가 주목받았다. 학습하는 것은 본래 AI가 아니라 인간의 특기다. 2023년 생성형 AI에 대한 기본, 심화 학습을 끝낸 많은 기업과 개발자가 2024년에 어떤 새로운 개념과 서비스를 내놓을까.
아마존까지 생성형 AI 인프라 경쟁에 뛰어들었다. 아마존은 리인벤트 2024 행사에서 구축 서비스의 파운데이션 모델 업데이트, 모델 학습과 앱 개발 속도 향상에 생성형 AI를 활용하는 방법을 제안했다. 이번 행사의 주인공은 마이크로소프트 코파일럿과 직접 경쟁할 기업용 챗봇 아마존 Q였다. LLM 인프라, LLM, 애플리케이션 계층으로 세분화된 AWS의 생성형 AI 전략은 "기업용 생성형 AI에 진심"이라는 평과 함께 그 어느 리인벤트 행사보다 긍정적인 반응을 얻고 있다. 전반적으로 미래가 아닌 지금 바로 사용할 수 있는 다양한 서비스와 기능에 집중한 것도 좋은 변화다.
클라우드에서도 생성형 AI 열풍이 거세다. 빅3 클라우드 모두 새로운 매출원으로 생성형 AI를 내세우면서 그렇지 않아도 계속 증가하는 기업의 클라우드 관련 지출이 점점 더 커지고 있다. 문제는 클라우드가 예전처럼 마냥 저렴하지 않다는 것. IT 하드웨어 비용이 저렴해지면서 온프레미스로 애플리케이션과 데이터를 ‘송환’하는 일이 심심치 않게 벌어지고 있다. 그렇다고 클라우드를 사용하지 않을 수는 없다. ‘클라우드 스마트’ 전략이 필요한 시점, 전문가들은 적절한 통제와 올바른 핀옵스 프로그램, 그리고 적극적인 비용 최적화를 해법으로 제시한다.
PC 경험을 완성하는 것은 다채로운 색상을 사실적으로 재현하고 무한한 스크롤을 부드럽게 유영하는 느낌을 선사하는 모니터도, 어떤 작업이든 닥치는 대로 처리하는 고성능 그래픽카드도, AI를 통해 생산성을 몰라보게 개선하는 OS도 아니다. 사용자와 물리적인 상호작용이 가장 많은, 미세한 피드백까지 손끝으로 느낄 수 있는 키보드다. 자신에게 잘 맞는 키보드를 선택하면 일을 하든 게임을 하든 손의 피로도를 줄일 수 있을 뿐 아니라 눈과 귀도 즐겁다. 인체공학 키보드부터 다양한 기계식 키보드까지 완벽한 PC 경험을 선사할 리뷰 기사를 모았다.
규제와 기술 발전의 간극을 메우기 위해 다양한 시도가 이루어지고 있다. 최근 거의 대부분의 AI 기업이 저작권 소송에 휘말린 것은 AI가 동의나 권한 없이 개인의 저작물, 예술작품을 학습 데이터로 사용하는 일이 비일비재하게 벌어졌기 때문이다. 동시에 AI가 작품을 학습할 수 없도록 훈련 데이터에 독을 푸는 데이터 포이즈닝 기술이 대두되고, 나이트셰이드 같은 구체적인 도구가 대안으로 발표됐다. 모델 학습 데이터를 오염시키는 기술이 정당할까? 거대 IT 기업이 AI 학습 과정에서 지켜야 할 '선'이 마련될 때까지는 필요악일지 모른다.
갤럭시 A 시리즈를 살펴볼 때면 가격이 놀라울 정도로 저렴하지만 눈에 잘 띄지 않는 제품이 있다. 여기서 리뷰할 갤럭시 A15 4G 모델은 영국에서 169파운드(약 28만 원)에 구매할 수 있다. A15의 저렴한 가격표는 성능과 기능 면에서 어떤 이점이 있을까? 디자인 및 만듦새 플라스틱 및 유리 마감 방수방진 등급 없음 먼지가 잘 붙음 삼성은 매우 확고한 디자인 미학을 가지고 있다. 새로운 A15는 같은 시리즈이자조금 더 비싼 모델인 A25 5G와 소재 및 크기가 거의 동일하다. 더 저렴한 A15는 160.1×76.8×8.4mm 크기에 무게는 200g로 A25보다 약간 더 작고 무겁다. 섀시와 뒷면은 플라스틱으로 마감됐고, 전면에는 디스플레이용 유리 패널이 탑재됐다. 삼성은 기술 사양에 고릴라 글래스와 같은 소재를 언급하지 않았다. 이런 가격대의 스마트폰에서는 강화 소재를 거의 찾아볼 수 없기 때문에 놀라운 일은 아니다. 오른쪽 측면에는 전원 및 볼륨 버튼이 약간 돌출되어 있으며, 전원 버튼에는 지문 센서가 탑재됐다. 다른 측면형 지문 리더기와 마찬가지로 엄지손가락으로 휴대전화를 잡는 경우가 많아 매우 편리하지만, 필자처럼 왼손잡이인 경우 주머니에서 휴대폰을 꺼낸 후 쥔 손을 바꿔야 하는 불편함이 있다. 이런 문제는 갤럭시 A15만의 문제는 아니며, 다른 고급형 스마트폰에서도 많이 경험했다. 지문 센서는 테스트 기간 동안 빠르고 안정적으로 적동했다. 화려하지는 않더라도 화면에 내장된 형태의 지문 센서보다는 낫다. 후면 패널은 일종의 먼지 생산 공장이다. 제품 사진을 찍기 위해 아무리 A15 뒷면을 닦아내도 먼지가 계속 쌓여 촬영하기 힘들었다. 물론 이런 문제는 케이스를 씌워 해결할 수 있지만, 필자가 리뷰한 다른 저가형 중국 휴대폰은 실리콘 케이스를 구매하지 않고도 기기를 먼지에서 보호한다. 삼섬이 기본 구성품에 케이스를 포함하지 않은 점이 아쉽다. 최신 스마트폰 대부분과 마찬가지로 갤럭시 A15는 손에 쥐었을 때 미끄럽다. 플라스틱 섀시는 충격에 취약하므로 케이스를 바로 구입하는 것을 추천한다. 좋은 나쁘든 패키지에 없는 또 다른 항목은 충전기다. A15 포트와 연결하는 USB-C 케이블만 포함되어 있다. 스마트폰의 USB-C 포트 옆에는 3.5mm 헤드폰 잭과 스피커가 하나 있다. 색상은 3가지로 출시됐다. 필자가 리뷰한 제품은 블루 블랙 색상이다. 먼지만 많이 묻지 않는다면 꽤 멋지다. 더 밝은 색상을 선호하는 사람이라면 블루와 옐로우, 라이트 블루를 마음에 들어 할 것이다. 이 가격대의 기기에서 예상할 수 있듯이 A15의 방수 등급은 없다. 따라서 기기가 물에 젖지 않도록 주의해야 한다. 화면 및 스피커 6.5인치 AMOLED 패널 90Hz 주사율 단일 스피커 및 3.5mm 헤드폰 잭 삼성 스마트폰은 디스플레이가 좋기로 유명하다. 갤럭시 A15는 적은 비용으로 훌륭한 품질의 디스플레이를 얻을 수 있는 좋은 예다. 6.5인치 AMOLED 패널은 선명한 색상과 충분한 밝기로 화장한 날에도 화면의 내용을 읽을 수 있을 만큼 훌륭하다. 비전 부스터(Vision Booster) 기능을 통해 최대 800니트의 밝기를 제공하며, 자동 밝기를 끈 일반 모드에서 패널의 밝기는 570니트다. 풀 HD+ 해상도(2340×1080)로 화면이 선명하며, 90Hz 주사율로 부드러운 스크롤이 가능하다. 하지만 A15에 탑재된 프로세서의 성능으로 인해 이미지가 많은 페이지에서 위아래로 스크롤할 때 약간의 버벅거림이 발생할 수 있다. 패널 자체의 화면 대 본체 비율은 84.3%이며, 하단 가장자리의 작은 턱과 상단의 물방울 노치가 디스플레이의 유일한 방해 요소다. A15만큼 저렴한 가격의 단말기치고는 멋진 디스플레이다. 필자는 A15의 디스플레이가 이 제품의 하이라이트라고 생각한다. 오디오는 하단 가장자리에 있는 하나의 스피커를 통해 제공된다. 꽤 인상적인 볼륨 레벨을 제공하며, 음성 콘텐츠는 최대 볼륨에서도 대부분의 충실도를 유지한다. 하지만 음악은 최대 볼륨에서 왜곡이 더 많이 발생하고 전반적인 균형이 한 방향으로 기울어진다. 팟캐스트나 오디오북을 듣는다면 출력에 만족하겠지만, 음악을 들을 때는 음량을 중간 정도로 설정하거나 3.5mm 헤드폰 잭을 사용해 괜찮은 스피커나 헤드폰을 연결하는 것을 추천한다. 성능 미디어텍 헤일로 G99 프로세서 4GB RAM 128GB 스토리지(마이크로SD 카드로 확장 가능) 일반적으로 이렇게 저렴한 휴대폰에서 스냅드래곤을 기대하기는 어렵다. 하지만 A15의 미디어텍 헤일로 G99는 여전히 일상적인 작업을 잘 처리할 수 있는 유능한 프로세서다. 위에서 언급한 것처럼 홈 화면에서 왼쪽으로 스와이프해 구글 디스커버(Google Discover) 피드를 스크롤할 때 화면에 그래픽 이미지가 많으면 끊김 현상이 발생한다. 앱은 상당히 빠르게 열리고 가끔씩 멈추는 정도고 사용 중에도 안정적으로 인터렉티브 기능을 유지한다. 필자는 A15로 아스팔트 9 레전드(Asphalt 9 Legends)를 원활하게 플레이했다. 시간이 조금 지났을 때 발열이 있기는 했다. 원신(Genshin Impact)과 같은 무거운 3D 게임만 피한다면 가벼운 게임 정도만 즐길 수 있는 데일리 스마트폰으로 완벽하다. 오늘날 스마트폰 사용 환경에서는 4GB RAM의 용량이 부족한 편이기 때문에 속도 저하가 발생할 가능성이 높다. 기본 저장 공간은 최소 128GB이며, 마이크로SD 카드를 사용하면 추가로 1TB의 저장 공간을 확보할 수 있다. 갤럭시 A15의 표준 벤치마크 테스트 결과는 다음과 같다. 네트워크 및 연결성 측면에서 A15는 4G 휴대폰이다. 더 빠른 셀룰러 연결을 선호할 경우 A15 5G를 구매할 수 있지만, 다른 요소가 대부분 동일하므로 추가 금액을 지불할 가치가 없을 수도 있다. 갤럭시 A15는 듀얼 SIM(나노), 와이파이 5, 블루투스 5.3, GPS 및 NFC를 모두 지원하므로 비접촉식 결제, 블루투스 헤드폰 연결, 길을 잃었을 때 길 찾기 등의 기능을 사용할 수 있다. 카메라 5,000만 화소 f/1.8 메인 카메라 500만 화소 초광각 카메라 200만 화소 심도 카메라 130만 화소 전면 카메라 A15에는 5,000만 화소 f/1.8 광각 메인 모듈과 500만 화소 초광각 및 200만 화소 심도 카메라가 탑재된 트리플 카메라 구성이다. 대부분 경우에는 메인 카메라를 사용하며, 빛이 많으면 꽤 괜찮은 사진을 찍을 수 있다. 하지만 소프트웨어가 부드러운 사진을 과도하게 선명하게 보정하는 것을 발견했다. 이로 인해 밝은 회색 영역이 센서를 혼동하거나 압도하는 것처럼 강한 콘트라스트 사진에서 하이라이트가 날아가는 현상이 발생할 수 있다. 그렇긴 하지만 피사체의 조명이 밝고 움직이지 않는다면 이 정도 가격대의 휴대폰으로는 일상에서 괜찮은 성능이다. 약간의 셔터 지연이 있어 움직이는 애완동물이나 아이를 촬영할 때 원하는 장면을 포착하지 못할 수도 있다. 삼성 스마트폰은 매크로, 야간, 파노라마 등 다양한 특수 모드를 지원하며, 이런 모드는 재미있게 사용할 수 있다. 야간 모드에서는 약간의 노이즈와 과도한 처리가 발생하고 매크로는 매우 불안정했다. 일부 사진을 찍을 수는 있지만, 최상의 결과를 얻으려면 기본 카메라를 사용하는 것이 좋다. 동영상은 1080p 및 30fps에서 최고로 재생되며, 영상은 초점과 빛의 대비를 적절히 조절한다. 여기저기서 프레임이 약간 떨어지고 저조도 성능이 좋지 않으므로 필름 느와르 서사시를 만들 계획이 아니라면 용도에 맞게 사용할 수 있다. 1,300만 화소 전명 카메라는 표준 셀카 모듈로, 동영상(1080p/30fps)을 사용하는 경우 소셜 미디어 게시물과 가끔 인스타그램 스토리에 사용하기에는 충분한 화질을 제공한다. 다음은 A15로 촬영한 사진이다. 배터리 수명 및 충전 5,000mAh 배터리 25W 충전 지원 오래 가는 배터리 삼성은 올해 출시한 모든 휴대폰에 5,000mAh 대용량 배터리를 탑재했다. A15도 마찬가지다. 충전기를 찾아야하는 번거로움을 덜어주는 인상적인 수치를 보여줬기 때문에 좋은 점이다. 테스트 기간 동안 매일 밤 잠자리에 들 때까지 기기의 배터리가 충분히 유지됐다. 밝은 햇빛 아래에서 하루 종일 사용하거나 그래픽이 많이 필요한 게임을 플레이하지 않는다면 대부분 사람은 이틀 정도는 충분히 사용할 것이다. PC마크(PCMark)의 안드로이드용 배터리 테스트에서 A15는 15시간 15분이라는 매우 인상적인 수치를 기록했다. 충전 시간이 느린 편이라 다행이다. 앞서 언급했듯이 A15는 충전 어뎁터가 제공되지 않기 때문에 25W 고속 충전(2024년 기준으로는 빠르지 않음)을 지원하더라도 충전할 수 있는 도구가 없을 수 있다. 무선 충전도 지원하지 않지만, 이런 가격대의 스마트폰이라면 문제가 되지 않는다. A15는 배터리가 방전된 상태에서 15분 만에 22%, 30분 후 44%로 회복됐지만, 100% 충전되기까지는 1시간 30분이 넘게 소요됐다. 물론 25W를 공급하는 충전기가 없다면 속도가 더 느려질 것이다. 호기심에 대부분 사람이 집에 가지고 있는 표준 18W 충전기로 다시 테스트를 시도했더니 결과가 매우 달랐는데, 15분 후 11%, 30분 후 19%, 완전 충전되기까지는 무려 2시간 40분이 걸렸다. 소프트웨어 및 앱 안드로이드 14 원 UI 보안 업데이트 5년 보증 안드로이드 14는 갤럭시 A15의 기반이 되는 OS다. 안드로이드 14를 기반으로 삼성 원 UI(One UI)가 실행된다. 삼성 사용자라면 누구나 익숙할 것이며, 수년에 걸쳐 스마트하고 간소화된 인터페이스를 제공하기 위해 확실히 깔끔하게 정리됐다. 삼성의 도구 도음과 앱 측면에서 상당히 많은 중복이 있지만, 심각한 수준은 아니다. 사전 설치된 서드파티 앱은 소수에 불과하며, 모두 쉽게 삭제할 수 있다. 저렴한 휴대폰치고 놀랍게도 삼성은 최대 4회의 OS 업데이트를 지원한다. 이를 통해 사용자는 최대 5년 동안 보안 업데이트를 제공받으며, 안드로이드 18까지 사용할 수 있다. 즉, 기기의 수명은 약 6년이다. 갤럭시 A15, 구매해야 할까? 갤럭시 A 시리즈는 항상 새로운 스마트폰을 구입하는 비용 효율적인 방법이며, A15에서도 변하지 않는다. 삼성 홈페이지에서 4G 모델은 169파운드(약 28만 원), 5G 모델은 199파운드(약 33만 5,000원)에 구매할 수 있다. 오늘날 스마트폰은 가격 대비 많은 것을 제공한다. 삼성 갤럭시 A15가 그 증거다. 뛰어난 배터리 수명은 말할 것도 없고 뛰어난 디스플레이와 확장할 수 있는 충분한 저장 용량을 갖추고 있다. 성능은 괜찮지만, 때때로 끊김 현상이 발생하고 카메라 셔터 지연이 거슬릴 수 있다. 카메라 자체는 A15의 약점이지만, 괜찮다. 업무용 또는 백업용으로 사용할 저렴한 스마트폰을 구매하려고 하거나 전화 통화, 웹 서핑, 온라인 쇼핑 정도의 용도로만 사용할 휴대폰이 필요한데 단말기에 많은 돈을 쓰고 싶지 않는 사람에게 갤럭시 A15는 매우 현명한 선택이다. 세부 사양 안드로이드 14/삼성 UI 원 6.5인치 풀 HD+ AMOLED 디스플레이 90Hz 주사율 2.2Ghz 미디어텍 헤일로 G99 프로세서 4GB RAM 128GB 스토리지(마이크로SD로 1TB 확장 가능) 5,000만 화소 f/1.8 메인 카메라 500만 화소 f/2.2 초광각 카메라 200만 화소 f/2.4 심도 카메라 단일 스피커 3.5mm 헤드폰 잭 전원 버튼에 손가락 인식기 내장 USB-C 충전 포트 5,000mAh 배터리 25W 충전 지원 160.1×76.8×8.4mm 200g editor@itworld.co.kr
M3 프로 SoC가 탑재된 14인치 맥북 프로의 가격은 1,999달러로 14인치 맥북 프로 M3 SoC 버전보다 400달러 이상 더 비싸다. 너무 심하다 싶기도 하지만 실제로 써보니 그만큼의 값어치를 하는 것으로 나타났다. CPU와 GPU가 더 빠르고 작업할 메모리가 넉넉하며 연결 옵션도 더 다양했다. 이번 리뷰는 맥북 프로 M3 프로와 M3 제품 비교를 중심으로 진행한다. 맥북 프로 M3 프로 : 사양 M3 프로를 탑재한 14인치 맥북 프로는 2가지 모델이다. 리뷰에 사용한 제품은 1,999달러 모델이다. 모든 애플 노트북은 추가 비용을 내고 메모리와 SSD 용량을 원하는 대로 구성할 수 있다. 이 리뷰에 사용된 제품의 사양은 다음과 같다. CPU : 11코어 CPU M3 프로(성능 코어 5개, 효율 코어 6개), 16코어 뉴럴 엔진 GPU : 14코어 GPU 메모리 : 통합 메모리 18GB(메모리 대역폭 150GBps) 저장공간 : 512GB SSD 디스플레이 : 14.2인치 리퀴드 레티나 XDR 디스플레이, 인치당 254픽셀에서 3024×1964 네이티브 해상도, 100만:1 대비 비율, 1,000니트 풀 스크린 XDR 밝기, HDR 콘텐츠는 최고 1,600 니트, SDR 밝기 600니트, P3 컬러, 트루톤, 프로모션 포트 : 썬더볼트 4/USB-C 3개, SDXC 카드 슬롯, HDMI 2.1, 맥세이프 3, 3.5mm 오디오 네트워크 : 와이파이 6E(802.11ax), 블루투스 5.3 무게 : 1.61kg 크기 : 1.68×35.57×23.81cm 배터리 용량 : 72.4Wh 가격 : 1,999달러 M3 프로 vs. M3 같은 점과 다른 점 M3 프로 맥북 프로는 M3 맥북 프로와 디자인, 크기가 같다. 차이점은 3가지뿐이다. 첫 번째는 M3 프로 맥북이 썬더볼트/USB 4 포트를 3개 지원하고, M3 맥북은 2개만 지원한다. 두 번째는 M3 프로 맥북이 M3 맥북에는 없는 스페이스 블랙 색상을 출시했다. 세 번째 차이점은 외부 디스플레이 지원이다. M3 프로가 훨씬 많은 옵션을 지원한다. 각 맥북의 차이는 다음과 같다. M3 프로 - 썬더볼트, 60Hz에서 최대 해상도 6K 외부 디스플레이 2대 지원 - 썬더볼트, 60Hz에서 최대 해상도 6K 외부 디스플레이 1대 지원, HDMI, 144Hz에서 최대 4K 해상도 외부 디스플레이 1대 지원 - HDMI, 60Hz에서 해상도 8K 외부 디스플레이 1대, 또는 240Hz에서 4K 해상도 외부 디스플레이 1대 지원 M3 - 60Hz에서 최대 해상도 6K 외부 디스플레이 1대 지원. 이외에는 같음. 디스플레이, 웹캠, 스피커, 키보드, 트랙패드에 차이 없음. M3 프로 vs. M3 성능 비교 리뷰한 제품의 SoC는 11코어 CPU(성능 코어 5개, 효율 코어 6개)인 M3 프로가 간소화된 버전이다. 기본 M3 칩의 코어는 8개(성능 코어 4개, 효율 코어 4개)다. 테스트한 M3 프로 제품이 18GB로 8GB인 M3 칩보다 메모리도 더 많다. M3도 최대 16GB까지 사양을 높일 수 있지만 18GB보다는 적고, 업그레이드하는데 200달러가 든다. M3과 M3 프로 맥북 가격차의 절반에 해당하는 금액이다. M3 프로와 M3 맥북 모두 512GB SSD 옵션이 있다. M3 프로는 1TB, 2TB, 4TB를 선택할 수 있고, M3은 1TB, 2TB까지만 사양을 바꿀 수 있다. CPU 테스트는 긱벤치 6과 시네벤치 2024를 사용했다. !function(e,n,i,s){var d="InfogramEmbeds";var o=e.getElementsByTagName(n)[0];if(window[d]&&window[d].initialized)window[d].process&&window[d].process();else if(!e.getElementById(i)){var r=e.createElement(n);r.async=1,r.id=i,r.src=s,o.parentNode.insertBefore(r,o)}}(document,"script","infogram-async","https://e.infogram.com/js/dist/embed-loader-min.js"); 싱글 코어 성능을 포함한 긱벤치나 시네벤치 테스트에서 M3 제품 간 차이는 거의 나타나지 않았다. 모든 칩이 같은 코어 기술로 만들어졌으므로 예상대로다. 차이는 멀티 코어 테스트 결과에서 두드러졌다. 긱벤치에서 M3 프로는 M3보다 44% 앞섰다. 시네벤치 테스트에서 M3 프로는 M3보다 31% 성능이 높았다. 12코어 CPU M2 프로의 긱벤치 결과도 참고로 비교했다. M2 프로는 11코어 M3 프로보다 더 성능 점수가 높았는데, M3 프로보다 성능 코어가 2개 더 많은 8개이기 때문이다. !function(e,n,i,s){var d="InfogramEmbeds";var o=e.getElementsByTagName(n)[0];if(window[d]&&window[d].initialized)window[d].process&&window[d].process();else if(!e.getElementById(i)){var r=e.createElement(n);r.async=1,r.id=i,r.src=s,o.parentNode.insertBefore(r,o)}}(document,"script","infogram-async","https://e.infogram.com/js/dist/embed-loader-min.js"); 시네벤치 2024 테스트 CPU의 핵심 대역폭과 전력 소비량을 나타내는 파워메트릭 터미널 유틸리티를 사용했다. M3 프로는 M3에 비해 효율 코어와 성능 코어 모두 약간 낮은 수치를 기록했다. 전력 소비에서는 M3 프로가 M3의 20와트에서 약간 늘어난 23와트로 측정됐다. 성능은 31%, 전력 소비량은 13% 늘어난 수치다. 맥북 프로 M3 프로에는 적절한 운영 온도를 유지하기 위해 2개의 팬이 있다. 두 팬 다 모든 CPU 코어가 최대 속도로 작동할 때도 잘 움직였고 소음도 매우 적었다. 맥북 프로 M3에서는 팬 하나가 훨씬 크고 더 시끄러웠다. !function(e,n,i,s){var d="InfogramEmbeds";var o=e.getElementsByTagName(n)[0];if(window[d]&&window[d].initialized)window[d].process&&window[d].process();else if(!e.getElementById(i)){var r=e.createElement(n);r.async=1,r.id=i,r.src=s,o.parentNode.insertBefore(r,o)}}(document,"script","infogram-async","https://e.infogram.com/js/dist/embed-loader-min.js"); 디스크 테스트에서 M3 프로와 M3의 512GB SSD 용량이 같기는 하지만, M3 프로의 SSD가 조금 더 속도가 빠른 것으로 나타났다. 데이터 읽기도 마찬가지였다. 보통은 대량의 데이터를 읽거나 써야 할 때만 차이가 나타날 것이다. 사진 앱에서 362장의 이미지로 작업할 때는 M3 프로의 성능 저하까지는 체감하지 못했지만, 18GB 메모리가 앱을 다루기에 충분하지 않다는 점과 SSD의 일부가 가상 메모리로 사용되고 있음을 알 수 있다. !function(e,n,i,s){var d="InfogramEmbeds";var o=e.getElementsByTagName(n)[0];if(window[d]&&window[d].initialized)window[d].process&&window[d].process();else if(!e.getElementById(i)){var r=e.createElement(n);r.async=1,r.id=i,r.src=s,o.parentNode.insertBefore(r,o)}}(document,"script","infogram-async","https://e.infogram.com/js/dist/embed-loader-min.js"); 아이무비(iMovie) 벤치마크에서는, 프로젝트 편집과 추출 작업시 M3 프로와 18GB 메모리로 불편함이 전혀 없었다. 맥북 프로 M3와 8GB 메모리로 작업할 때는 다소 문제가 있었다. 또한, M3 프로로는 아이폰 14로 찍은 4K 영상을 M3보다 훨씬 빨리 편집할 수 있었다. !function(e,n,i,s){var d="InfogramEmbeds";var o=e.getElementsByTagName(n)[0];if(window[d]&&window[d].initialized)window[d].process&&window[d].process();else if(!e.getElementById(i)){var r=e.createElement(n);r.async=1,r.id=i,r.src=s,o.parentNode.insertBefore(r,o)}}(document,"script","infogram-async","https://e.infogram.com/js/dist/embed-loader-min.js"); 4K 영상 6.7GB를 핸드브레이크(Handbrake)로 변환할 때, M3 프로는 M3보다 훨씬 빠르게 작업을 완료했다. 그러나 완료 시간은 M2 프로와 거의 비슷했다. M3 프로 vs. M3 : GPU 성능 M3 프로 GPU는 코어 수가 14개로 M3 GPU보다 4개 더 많다. !function(e,n,i,s){var d="InfogramEmbeds";var o=e.getElementsByTagName(n)[0];if(window[d]&&window[d].initialized)window[d].process&&window[d].process();else if(!e.getElementById(i)){var r=e.createElement(n);r.async=1,r.id=i,r.src=s,o.parentNode.insertBefore(r,o)}}(document,"script","infogram-async","https://e.infogram.com/js/dist/embed-loader-min.js"); 긱벤치의 컴퓨트 메탈(Compute Metal) 테스트 결과를 보면 M3 프로는 M3과 비교해 44%로 확실하게 성능이 향상됐음을 알 수 있다. 그러나 16코어 GPU를 탑재한 M2 프로와 비교하면 M3 프로가 더 느렸다. !function(e,n,i,s){var d="InfogramEmbeds";var o=e.getElementsByTagName(n)[0];if(window[d]&&window[d].initialized)window[d].process&&window[d].process();else if(!e.getElementById(i)){var r=e.createElement(n);r.async=1,r.id=i,r.src=s,o.parentNode.insertBefore(r,o)}}(document,"script","infogram-async","https://e.infogram.com/js/dist/embed-loader-min.js"); 3D 와일드라이프 익스트림(3D Wildlife Extreme) 테스트에서 M3 프로는 M3보다 47% 빨랐다. M3 프로와 M2 프로는 사실상 거의 결과 수치가 같았다. 또한 차이는 적었지만 M3 프로 GPU가 M3보다 더 높은 점수를 얻었고 6와트가량, 즉 M3보다 35% 더 많은 전력이 필요하다는 점도 알 수 있었다. M3 프로 vs. M3 : 배터리 사용 시간 10시간 이상 사용한 후 맥북 프로 M3 프로의 배터리는 19%가 남아 있었다. 여전히 아마존 프라임 동영상 스트리밍으로 2시간짜리 영화를 보기에 충분했다. 영화를 보고 나니 배터리는 10%로 내려가 있었다. 거뜬히 업무용으로 하루를 버틸 만한 제품이다. 엔듀런스 : CPU 스트레스 테스트(Endurance : CPU Stress Test)로 배터리를 테스트했더니, M3 프로는 성능 CPU 코어가 꺼질 시점까지 M3 프로는 2.5시간을 버텼고 4%가 남아 있었다. M3는 2시간을 버텼다. 클럭 다운된 효율 코어만 사용할 때는 두 제품 모두 30분 동안 사용할 수 있었다. 70와트 전원 어댑터를 사용할 경우 배터리 완전 충전까지 약 90분이 걸렸다. 복잡한 구매 방정식 맥북 프로 M3 프로는 일상적 작업에 탁월한 기기임을 증명했다. M3 버전 맥북 프로보다 현저히 속도가 빠르므로 M3에서 M3 프로로 업그레이드하는 비용을 들일 만한 가치가 있다. 맥북 프로 M3도 나쁜 제품은 아니지만, 애플의 가격 정책이 그만큼 비정상적이라는 의미일 수 있다. 인텔 시대의 맥북 프로, 또는 M1 기반 맥북 에어나 13인치 맥북 프로의 대체재로서 보급형 M3 프로는 훌륭한 업그레이드다. 그러나 M2 프로 맥북 프로 사용자라면 M3 프로로 바꿔서 얻을 이점이 조금도 없다. 보급형 M3 프로의 성능적 이점이 M2 프로보다 더 낫지는 않은 것으로 나타났다. editor@itworld.co.kr
라즈베리 파이는 지난 10년간 PC 모험가 세상을 사실상 지배했다. 하지만 공급망 문제로 제품 생산에 차질이 생기면서 큰 타격을 입었다. 이제 라이베리 파이 파운데이션이 다시 도약을 시도하고 있다. '라즈베리 파이 5'라는 신제품이 새로운 계기가 되기를 기대하고 있다. 신형 라즈베리 파이 5는 전작보다 2~3배 더 빨라졌다. 여기서는 출시 두달을 맞은 이 미니 컴퓨터가 자신의 존재 가치를 어떻게 증명하고 있는지 점검한다. 이번 리뷰는 '5B' 모델로 진행했다. 현재 이 모델만 판매하고 있으므로 글 전체에서 별도로 버전 표시는 하지 않는다. 라즈베리 파이 5과 전작의 차이 겉만 보면 는 이전 제품과 크게 다르지 않아 보인다. 보드의 크기나 40핀 GPIO 스트립도 그대로다. USB 포트와 네트워크 소켓이 4B 모델에서 약간 바뀐 것이 전부다. 그러나 이런 겉모습 만으로 라즈베리 파이 5를 판단해서는 안된다. 진정한 혁신은 더 근본적인 부분에 있기 때문이다. 그 중 핵심이 신형 BCM 2712 SoC다. 코텍스 A76 코어 4개가 들어간 2.4GHz 칩이다. 이 브로드컴 칩의 성능은 애플리케이션에 따라 차이가 있기는 하지만 전작 대비 2~3배 더 빠르다. 엄청난 성능 도약인데, 대신 더 많은 전력을 소모하고 발열 관련 문제가 생길 수 있는 단점이 새로 생겼다. 또한, 라즈베리 파이 5에서는 3.5mm 오디오 케이블 소켓이 빠졌다. 스마트폰의 변화 추이를 따라한 것이지만, 라즈베리 파이를 오디오 플레이어 혹은 인터넷 라디오로 쓰려는 사용자라면 아쉬울 수 있다. 라즈베리 파이 5에는 새로운 PCIe 커넥터가 들어갔다. 하지만 이를 이용해 간단하게 SSD를 연결할 수는 없다. 조만간 HAT(hardware attached on top) 플러그인 보드가 출시되면 이를 이용해 PCIe SSD와 라즈베리 파이를 연결할 수 있다. 이미 파인베리(Pineberry), 피모로니(Pimoroni) 같은 업체가 HAT 제품을 발표했고 곧 시장에 풀릴 것으로 보인다. 카메라와 미니 디스플레이 연결 관련 방식도 바뀌었다. 이전 라즈베리 파이에는 리본 케이블용 CSI(camera serial interface) 커넥터 2개가 있었다. 하나는 카메라, 다른 하나는 외부 디스플레이용이다. 반면 라즈베리 파이 5에는 더 작은 FPC(flexible printed circuit) 커넥터가 2개 들어갔다. 범용 커넥터여서 카메라 2개 혹은 외부 디스플레이 2대를 연결할 수 있다. 기존에 구매한 구형 카메라 모듈을 재활용하려면 2달러 정도 되는 새로운 연결 케이블을 구매해야 한다. 라즈베리 파이 5와 같이 주문할 수 있다. 라즈베리 파이 5의 또다른 새로운 기능은 소형 커넥터를 통해 외부 배터리를 연결할 수 있는 RTC(Real Time Clock)다. 인터넷 연결이 불가능한 곳에서 라즈베리 파이를 사용할 때 특히 유용하다. RTC와 배터리를 통해 재부팅하거나 전원에 문제가 생겨도 설정한 시간이 초기화되지 않는다. 잘 눈에 띄지 않는 신기능 중 하나는 기기를 켜고 끌 수 있는 작은 온/오프 버튼이다. 오동작을 방지하기 위해 기기를 끄려면 몇 초 동안 버튼을 눌려야 한다. 필자의 경우 이 버튼이 매우 유용했다. 이전에는 보드를 재부팅하려면 전원을 종료한 후 USB-C 케이블을 분리했다가 다시 연결해야 했다. 이 번거로운 과정이 지금은 버튼을 누르기만 하면 된다. 더 편리해진 것은 물론 USB-C 소켓의 수명을 늘리는 데도 도움이 된다. 라즈베리 파이 5는 현재 RAM 4GB, 8GB 등 2가지로 판매된다. 회로 기판의 표시를 보면 1GB, 2GB 등 더 저렴한 제품도 나올 예정이다. 새 I/O 컨트롤러 RP1과 파워 서플라이 라즈베리 파이 5 보드에는 SoC가 추가된 것 외에 또다른 칩이 들어갔다. 라즈베리 파이 파운데이션이 개발한 새로운 RP1 I/O 컨트롤러다. SD 카드 슬롯과 USB 인터페이스, 외부 MIPI 카메라와 디스플레이, 기가비트 이더넷 연결, GPIO(6×UART, 7×I2C, 3×I2S, 2×PWM) 등을 제어하는 역할을 한다. 사용자가 RP1 칩의 진가를 느낄 수 있는 것이 바로 더 빠른 I/O 속도다. 여러 가지 USB 기기를 동시에 사용할 때 체감할 수 있고 특히 SDR104 표준이 적용된 최신 SD 카드의 데이터 전송 속도는 2배 빨라진다. 단점도 있다. GPIO의 저수준 제어를 위한 구형 라이브러리를 더는 사용할 수 없는데, 이는 특히 파이썬 프로그래밍을 위한 RPi.GPIO 모듈에 영향을 준다. gpiozero, lgpio, gpiod, rpi.lgpio 등 다른 대안이 있기는 하지만 여전히 많은 파이썬 스크립트가 RPi.GPIO 모듈을 사용한다. 이런 스크립트를 사용하려면 RP1 칩과 호환되는 새로운 모듈로 수정해야 한다. 전력 공급 관련해서는 좋은 뉴스와 나쁜 뉴스가 모두 있다. 일단 반가운 소식은 상대적으로 많은 전력을 사용하는 USB를 지원한다는 것이다. 반면 이런 지원과 더 빠른 SoC 때문에 기존 라즈베리 파이 대비 더 많은 전력을 필요로 하는 것이 단점이다. 이 때문에 라즈베리 파이 파운데이션은 '공식' 27W 파워 서플라이 제품을 사용할 것을 권장한다. USB 기기를 전혀 연결하지 않는다면 더 약한 전원도 상관 없다. 최소 전력은 15W인데, 실제로 라즈베리 파이는 다음과 같이 훨씬 더 적은 전력을 사용한다. 처리 작업이 없을 때 2~3W 무거운 작업을 처리할 때 7W 이 수치는 WLAN 같은 외부 하드웨어가 전혀 없는 상황을 가정한 것으로, 라즈베리 파이 4와 비교해 약간 더 많은 정도다. 하지만 실제 사용해 보니 지속적인 작업을 처리할 때는 공식 파워 서플라이를 써야 제대로 작동했다. 필자가 가진 12W 휴대폰 어댑터와 20W 외부 모니터용 어댑터를 연결해보니 충분한 전력이 공급되지 않고 있다는 경고창이 나타났다. 12W 어댑터를 사용했을 때는 종종 시스템이 멈추기도 했다. 더 심각한 문제는 따로 있었다. 충분히 강력한 USB-C 파워 서플라이를 사용했을 때도 오류가 발생했다. 해당 어댑터의 USB 표준 문제인 것으로 보인다. 이 문제를 이해하려면 다소 복잡하다. 보통 낮은 전력에서는 5V가 일반적이고, 5V×3A가 15W가 전력이 된다. 하지만 상당수 어댑터가 9, 12. 15, 20V 같은 다른 전압을 지원한다. 예를 들어 12V×3A해서 36W가 된다. USB 표준은 전력 공급 방식을 결정하고 기기는 이 전압에 맞춰야 한다. 문제는 라즈베리 파이 5가 오직 5V 전압만 받아들인다는 점이다. 라즈베리 파이 5에 25W를 공급하려면 어댑터가 5A에서 5V를 지원해야 하는데, 많은 어댑터가 이런 고전류의 위험을 피하고 대신 더 높은 전압의 조합으로 전력을 공급한다. 라즈베리 파이 5에 30W 어댑터를 사용해도 전력이 부족하다는 경고가 뜨는 것도 이 때문이다. 결과적으로 라즈베리 파이 5는 전원 공급에 있어 매우 까다로운 기기다. 가장 안전한 방법은 라즈베리 파이 5를 구매할 때 공식 어댑터를 함께 주문하는 것이다. 벤치마크, 냉각, 오버클럭 라즈베리 파이 5의 전원을 켜면 데스크톱 설정을 하는 데 20초 정도밖에 걸리지 않는다. 이전 모델의 경우 37초 정도 걸렸으니 거의 절반으로 줄었다. 또한 라즈베리 파이 5는 상호작용이 있는 작업을 처리할 때 매우 빠르게 느껴진다. 수치로 이를 확인하기 위해 긱벤치를 이용해 라즈베리 파이 5와 전작인 파이 400을 테스트했다. 다음 표에서 볼 수 있는 것처럼 매우 인상적인 수치가 나왔다. 냉각 장치가 없는 경우 파이 5는 부하 상태에서 85도까지 올라가고 결국 클럭 속도가 1.5GHz로 줄어든다. 따라서 방열판과 팬을 함께 하는 것을 추천한다. 라즈베리 파이 OS가 다이내믹 팬 컨트롤 기능을 지원하므로, 일상적인 환경 혹은 업데이트하는 과정에서는 팬이 조용하게 유지되다가 무거운 작업을 오랜 시간 했을 때만 팬이 동작한다. 단, 이 팬 컨트롤 기능이 라즈베리 파이 OS가 이외에 모든 리눅스 배포판에서 정상적으로 작동하는 것은 아니다. 우분투 23.10의 경우 팬이 항상 최고 속도로 작동해 상당한 노이즈를 만든다. 이런 냉각 장치가 필수적일까? 라즈베리 파이를 집에서 사용할 계획이라면 절대적으로 필요하다. 실내가 아니라면 온도가 크게 올라가도 손상이 생길만큼 뜨거워지기 전에 자동으로 속도를 낮춘다. 파이 5의 성능을 최대한 쓰고 싶다면, 오버클럭이라는 방법이 있다. 이를 위해서는 /boot/config.txt 파일의 일부를 다음과 같이 수정한 후 기기를 재부팅하면 된다. # Spannung erhöhen / Standard=0) over_voltage_delta=50000 # CPU-Frequenz / Standard=2400) arm_freq=2800 # GPU-Frequenz / Standard=800) gpu_freq=900 이 상태에서 기기가 안정적으로 작동한다면 한발 더 나아갈 수 있다. 일단 본격적으로 오버클럭을 하려면 팬이 필수다. 다른 사용자 리뷰를 보면, 오버클럭을 통해 CPU 클럭 속도를 최대 3.1GHz까지 높일 수 있다. 반면 이렇게 하면 전력 소모와 발열도 늘어난다. 이는 전체적으로 기기의 수명 감소로 이어질 수 있다. 오버클럭 관련된 더 자세한 정보는 다음 사이트를 참고하면 된다. 일부 서버용 애플리케이션에서는 CPU 성능만큼 중요한 것이 I/O 속도다. 깃허브의 벤치마크 스크립트에 따르면, 파이 5는 I/O 성능에서도 전작을 크게 앞선다. 더 강력한 I/O 성능이 필요하다면, USB를 통해 SSD를 연결하거나 곧 출시될 PCIe HAT을 활용하면 된다. 새로운 라즈베리 파이 OS 라즈베리 파이 파운데이션은 모델 5를 내놓으면서 도 함께 내놓았다. 데스크톱 화면이나 사용법에서는 바뀐 것이 거의 없지만, 그 이면에는 상당한 변화가 있다. 기반 OS가 데비안 12 북웜(Bookworm)으로 변경된 것이 대표적이다. 이번 OS는 공식적으로 64비트를 지원하는 첫 버전이다. 커널은 최신 6.1 버전을 사용하지만 웨이랜드가 표준 그래픽 시스템으로 사용된다. 픽셀 데스크톱은 여전히 LXDE 컴포넌트를 기반으로 하지만, 새로운 웨이랜드 호환 웨이파이어 컴포지터를 사용한다. 오디오 시스템은 파이프와이어(Pipewire)를 사용하고 네트워크 설정은 네트워크 매니저(Network Manager)로 제어한다. 즉, 라즈베리 파이 OS의 소프트웨어에 우분투나 페도라만큼이나 최신 컴포넌트가 적용됐다는 의미다. 단, 라즈베리 파이를 원격 관리로 운영하는 환경에서는 웨이랜드가 오히려 불편할 수 있다. 기존에는 리얼 VNC(Real VNC)를 가장 널리 사용했지만, 웨이랜드와 호환되지 않는다. 이 불편을 해결하는 방법은 2가지다. 하나는 라즈베리 파이 설정 프로그램의 인터페이스 대화상자에서 VNC 옵션을 설정하는 것이다. 이렇게 하면 새로운 웨이랜드 호환 VNC 서버인 wayvnc가 활성화된다. 이 상태에서 무료인 타이거 VNC(Tiger VNC)를 리눅스나 윈도우 맥OS의 클라이언트로 사용하면 가장 쾌적한 환경이 된다. 두번째 방법은 설정에서 '고급(Advanced Options)' 항목을 열고 기존 X11을 재활성화하는 것이다. 이렇게 하면 리얼 VNC를 다시 사용할 수 있다. 라즈베리 파이 OS를 설치하는 과정은 이전과 같다. 에서 라즈베리 파이 이미지를 불러온 후 설치하려는 운영체제 혹은 SD 카드를 선택하면 된다. 미리 설정된 값을 사용해 설치 과정이 진행된다. 라즈베리 파이 OS를 처음 실행하면 라즈베리 파이 설정 프로그램에서 더 상세한 설정이 가능하고 필요한 초기 업데이트도 설치할 수 있다. 전반적으로 라즈베리 파이를 처음 설정하는 과정은 매우 쉽다. NAS 혹은 미디어 서버로 사용하기 라즈베리 파이 5는 자작 NAS 데이터 서버에 이상적이다. 하지만 2023년 말을 기준으로 여전히 소프트웨어 관련 문제가 남아 있다. 유명 오픈소스 NAS 프로그램인 조합도 사용할 수 없다는 점이다. 이 파이 OS는 라즈베리 파이 5 하드웨어와 호환되지 않는다. 을 활용해 미디어 센터를 구현하는 것도 살펴보자. BCM 2712 시스템 칩에는 4K60을 지원하는 HEVC 디코더가 내장돼 있다. 다른 코덱을 사용한 영상을 보려면 소프트웨어를 이용해 디코드해야 한다. 파이 5의 컴퓨팅 성능은 H264, VC1, VP9 포맷의 1080p 영상을 충분히 부드럽게 재생할 수 있을 정도다. 리브레 일렉 개발자에 따르면, VP9(4K30) 등 일부 영상은 4K 해상도로도 재생할 수 있다. 결과적으로 모델 5는 미디어 센터용 기기로 안성맞춤이다. 미디어 센터용으로 가장 유명한 배포판이 리브레 일렉에 코디(Kodi)를 함께 사용하면 된다. 하지만 여기서도 OMV와 비슷한 상황이 벌어진다. 현재 11버전은 파이 5와 호환되지 않고 최신 12버전은 아직 준비가 되지 않았다. 다행스러운 점은, 리뷰를 위해 개발 단계의 나이틀리 빌드를 써봤는데 안정적으로 작동했다. 또하나 긍정적인 것은 다이내믹 펜 제어기능이다. 리브레 일렉 초기 버전에서도 잘 작동했고 테스트하는 과정 중에도 팬이 조용했다. 예상하겠지만, 리브레 일렉 인터페이스는 매우 부드럽게 작동한다. SD 카드나 NAS 기기 같은 로컬 소스에서 파일을 재생하는 것도, 초기 기본 설정만 한 상태에서도 잘 실행된다. 반면 유튜브, Arte+7 미디어 라이브러리 같은 온라인 서비스용 에드온 경험은 그리 좋지 않다. 거의 항상 매우 낮은 해상도로 라즈베리 파이로 스트리밍한다. CPU가 빨라져도 이 문제는 해결되지 않았다. 한편 사양이 개선된 것과 함께 가격도 올랐다. RAM 4GB 기본 모델이 75달러, 다. 데스크톱 컴퓨터처럼 부하가 많은 용도로 사용할 경우에는 다음과 같이 추가로 더 비용이 든다. 즉 기본 모델 가격에 다음 부품 비용을 더하면 전체 비용을 추산할 수 있다. 더 큰 문제는 라즈베리 파이 5 본품을 구매할 수 있느냐다. 2023년 10월 출시 이후 초기 생산분이 빠르게 판매되면서 상당수 사이트에서 품절 상태다. 공식 27W 파워 서플라이( 라즈베리 파이 RTC 모듈( 카메라용 CSI-FPC 케이블( 공식 팬과 방열판( 케이스와 팬, 방열판( 더는 모험적인 프로젝트용 기기가 아니다 라즈베리 파이 파운데이션은 모델 5와 새로운 라즈베리 파이 OS를 내놓으면서 사용성을 크게 개선했다. 이제 파이어폭스와 크로미움, VS 코드 등을 부드럽게 실행할 수 있다. 일반적인 사용환경에서는 매우 조용하고 장시간 무거운 작업을 하지 않는 한 팬도 돌지 않는다. 파이 5는 NAS 서버, 미디어 센터, 홈 오토메이션은 물론 데스크톱 용도로도 이상적인 기기다. 가장 큰 단점은 가격이다. 이전 제품이 모험적인 프로젝트를 위한 가벼운 충동구매도 가능할 만큼 저렴했다면, 이제는 명확한 목적 없이 구매하기에 다소 부담스럽다. 이는 곧 이전 제품이 취미용 프로젝트를 하고픈 이들에게 더 적합하다는 의미이기도 하다. 충분히 빠르고 전력 공급도 파이 5만큼 예민하지 않다. 발열 문제가 없는 것은 물론 더 저렴하다. 무엇보다 재고가 충분해 쉽게 구매할 수 있다. 전원 공급용 USB-C 소켓 마이크로 HDMI 출력(최대 4k@60Hz) 2개 하단에 마이크로 SD 카드 슬롯 PCI 디스크와 기기 연결용 PCIe 스트립 USB 3 외장 기기용 USB-A 소켓 2개 USB 2 USB-A 소켓 2개 RJ45 기가비트 이더넷 포트 이전 모델과 호환되는 40핀 GPIO 스트립 팬 연결용 커넥터 외부 모니터 혹은 카메라용 FPC 연결 2개 SD 카드 슬롯 상단의 작은 온/오프 버튼 editor@itworld.co.kr
영화 아바타(Avatar) 프랜차이즈에 등장하는 외계 행성인 판도라에는 하늘에 떠 있는 거대한 기암괴석의 무리가 장관을 이룬다. 수십억 톤은 족히 나갈 바위 덩어리가 구름처럼 떠 있고, 가파른 절벽을 이루는 옆쪽으로 폭포가 흘러내리며, 아름다운 맹그로브 나무가 숲을 이루고 있다. 유비소프트의 오픈월드 블록버스터 게임인 '아바타: 프론티어 오브 판도라(Avatar: Frontiers of Pandora)'에서 게이머는 바로 이 장관의 한복판에 들어간다. 이 게임의 오픈월드는 예를 들어 파 크라이 6과는 전혀 다르다. 판에 박힌 듯한 환경이 아니라 신비롭다. 판도라에는 그 자체의 고유한 문화와 정치, 종교가 있다. 3가지의 큰 부족과 신기한 모습의 수많은 동물이 있고, RDA와의 싸움에서는 전술적인 이점도 잘 활용해야 한다. 공중에 떠다니는 바위 주변에는 자기장이 있어 스콜피온 무장함의 레이다 계측기와 GPS, 열 추적 미사일을 교란한다. 전체적으로 재미있는 게임이다. 몰입감 있고 아름다운 세계가 펼쳐지며 게임플레이도 역동적이다. 다만 사소한 결점도 있다. 이 리뷰에서 자세히 알아보자. 아바타: 프론티어 오브 판도라 : 게임플레이 나비족의 철학에 부합하는 게임 플레이는 매혹적이다. 플레이어는 일생 동안 이크란과 함께 한다. 이크란은 죽지는 않지만 에너지 미터가 있으며 동물이기 때문에 먹이와 휴식이 필요하다. 비행 중에 안장 가방에 있는 치료 효과가 있는 열매를 주거나, 연못으로 조종해서 부리로 물살을 가르며 물고기를 잡아먹게 하면 에너지 미터가 올라간다. 스콜피온이 야자수 사이를 휩쓸고 지나가면 야자수 잎이 흩날리고 주변의 동물들이 달아난다. 대형 활로 바꾸어 위를 향해 발사한다. 헬리콥터의 장갑도 뚫을 수 있는 강력한 무기다. 유비소프트는 판도라에 생명력을 불어넣고 할리우드의 전설 제임스 카메론의 마술같은 영화적 매력을 게임으로 옮기기 위해 많은 시간과 노력을 들였다. 이 오픈월드에서는 항상 비행을 해야 하는 것은 아니다. 하늘에 떠 있는 산의 울창한 숲으로 날아가 숨거나, 작은 상처를 치료하는 다포펫 열매를 먹고, 산과 산 사이를 곡예하듯 뛰어넘다가 다시 밴시 위에 올라탈 수 있다. 아바타: 프론티어 오브 판도라에서 펼쳐지는 웅장한 공중전에서는 밴시를 타고 대형을 이룬 나비족의 일원이 되어 무서운 화력으로 아름다운 숲을 불바다로 만드는 강력한 발키리 함과 맞서 싸워야 한다. 하지만 그게 전부가 아니다. 이 게임은 분기가 있는 RPG다. 서로 전혀 다른 다양한 부족을 알아가게 된다. 예를 들어, 유목민인 세스와 족은 자크라라고 불리는 거대한 동물과 신비로운 공생 관계로 살아간다. 이들이 사는 마을은 자크라 위에 지어졌다. 자크라는 우기에는 온기를 제공하고, 거친 폭풍우가 닥칠 때도 부족을 보호해 준다. 아바타: 프론티어 오브 판도라 : 그래픽 아바타: 프론티어 오브 판도라는 제임스 카메론의 장엄한 CGI 풍경을 그대로 구현했다. 매시브 엔터테인먼트(Massive Entertainment)는 예를 들어 드래곤 돌격함이 마치 예전의 데스 스타처럼 안개를 뚫고 위용을 드러내는 장면과 같은 위협적인 배경을 제작하는 데 있어 탁월한 감각을 보여준다. 나비족에게 죽음의 신처럼 보이는 이 거대 전함은 8개의 센트리 포와 10개의 공대공 미사일, 그리고 숲 전체를 불태우고 커다란 반경 내의 모든 생명체를 파괴하는 치명적인 AG-MGM 소이 미사일 등으로 날짐승을 쏘아 떨어트린다. 아바타: 프론티어 오브 판도라에는 숨이 멎을 만큼 멋진 세계를 만끽할 수 있는 매우 평화로운 측면도 있다. 비가 오는 날, 잎사귀 사이로 물방울이 떨어지는 울창한 야자수 숲을 거닐다 보면 놀랍도록 많은 것을 발견할 수 있다. 많은 식물이 플레이어의 행동에 반응한다. 가까이 다가가면 깔때기 모양의 주황색 줄기가 마치 두려워하는 듯이 땅속으로 들어갔다가 잠시 후에 한번 살펴보려는 듯이 다시 나온다. 동글납작한 모양의 꽃은 가까이 다가가면 심하게 요동을 친다. 흥미로우면서 보상도 얻을 수 있는 세계다. 수집할 수 있는 열매를 계속 발견할 수 있다. 이러한 열매는 터지면서 독성 물질을 분출하는 경우가 많으므로 수집하려면 먼저 자신을 치유해야 한다. 이 세계는 플레이어의 움직임에 반응하고, 산책하고 싶은 생각을 불러일으키고, 필요할 때는 보호 메커니즘을 전개한다. 플레이어에게 경고하고 요동치거나 몸집을 부풀리기도 하는 등 환상적으로 설계됐다. 아바타: 프론티어 오브 판도라 : 유비소프트는 이 우주의 팬 아바타: 프론티어 오브 판도라는 스토리 측면에서는 스타워즈 판박이지만 세계는 완벽하다. 스토리텔링 측면에서 아바타: 프론티어 오브 판도라는 호불호가 갈린다. 사이버펑크 2077(Cyberpunk 2077)과 같은 서사적 이야기는 아니다. 스토리 구조는 매우 고전적이며 스타워즈를 연상시킨다. 파괴와 지배를 위해 판도라 행성에 온 RDA는 스타워즈의 제국을 연상시킨다. 캐릭터 스케치에는 흥미로운 변화나 의외성이 부족하다. 나비족은 대체로 심술궂고 거만하며 의심이 많은데, 이런 종족의 특성에서 벗어나 예를 들어 몰래 친구가 되고 싶다는 생각이 들게 하는 색다른 성격의 캐릭터는 없다. 그러나 워낙 세계의 몰입감이 뛰어나고 아름답기 때문에 그 정도는 용서할 수 있다. 아바타 2는 고전적인 할리우드 블록버스터 스타일의 영화는 아니었는데, 유비소프트도 영화의 이러한 특색을 옮기기 위해 노력했다. 영화와 게임 모두 많은 시간을 들여 이 세계의 사람들과 종교를 소개하고, 동물을 사냥할 때 고통 없이 해야 하는 이유를 설명한다. 그렇지 않으면 그 동물의 영혼은 만물을 지켜보는 대자연 자체인 아이와로 올라갈 수 없다. 베를 짜는 부족, 거대한 동물과 신비한 방식으로 공생하는 부족을 비롯해 많은 요소가 있다. 호라이즌 제로 던(Horizon Zero Dawn)을 좋아했다면 아바타: 프론티어 오브 판도라도 마음에 들 것이다. 이 게임에도 온갖 기지를 지어 풍경을 해치는 RDA의 끊임없는 위험이 등장한다. 활을 힘껏 당기는 느낌과 실제 몸으로 싸우는 듯한 전투의 느낌은 파 크라이: 프라이멀(Far Cry: Primal)을 연상시킨다. 또한 커다란 스머프 같은 모습의 나비족이 되어 무시무시한 힘으로 인간 병사를 벽에 내동댕이치는 장면에서는 헐크가 된 듯한 기분도 느낄 수 있다. 물론 이곳 저곳의 기지를 정복해야 하지만, 이 게임이 오픈월드 측면에서 빛을 발하는 부분이 바로 여기에 있다. 자연 경관은 그 자체가 하나의 캐릭터와 같다. 바람직한 오픈월드다. editor@itworld.co.kr
삼성은 많은 사용자가 기다려온 합리적인 가격의 PCIe 5.0 SSD인 990 EVO를 처음으로 시장에 출시했다. 하지만 안타깝게도 테스트 결과, 이 드라이브는 2개의 PCIe 5.0 레인만 활용할 수 있기 때문에 4개의 PCIe 4.0 레인을 사용할 때보다 속도가 느리고 일관성이 떨어지는 것으로 나타났다. PCIe 4.0의 경우에도 특별히 빠른 편은 아니며, 그렇게 따지면 가격도 비싼 편이다. PCIe 5.0 레인 2개를 절약하는 PCIe 5.0 SSD 삼성의 설명에 따르면, 990 EVO는 133계층 TLC NAND와 삼성 자체 컨트롤러를 사용하는 2280 폼팩터(폭 22mm, 길이 80mm) NVMe SSD이다. 특이하게도 이 제품은 이론상 동일한 대역폭을 제공하는 4레인(x4) PCIe 4.0 또는 2레인(x2) PCIe 5.0 M.2 SSD로 작동한다. 제대로 된 BIOS를 사용하면 해당 모드에서 귀중한 PCIe 5.0 레인 2개를 절약할 수 있다. 삼성의 혁신 덕분이다. 호스트 메모리 버퍼(HMB)가 기본 캐싱에 활용되므로 DRAM를 탑재하지 않는다. 최근의 구형 HMB는 지속적인 전송에서 DRAM 지원 PCIe 4.0 SSD와 동등하거나 더 나은 것으로 입증됐으며, 전체적으로 DRAM이 탑재된 PCIe 5.0 설계와 거의 비슷하게 빠르다. 이 제품은 PCWorld가 직접 테스트한 첫 HMB/PCIe 5.0 SSD이다. 990 EVO의 보증 기간은 5년 또는 1TB 용량당 600TBW이다. 보증기간과 TBW 등급은 일반적인 수준으로, 씨게이트보다는 못하지만, QLC NAND 드라이브보다는 훨씬 좋은 조건이다. 990 EVO는 1TB 및 2TB 용량으로 각각 125달러, 201달러에 출시된다. 권장소비자가격(MSRP)을 기준으로 저렴한 HMB PCIe 4.0 NVMe SSD의 거의 두 배에 가까운 가격이다. 삼성이 평판 좋은 브랜드라는 점에서 어느 정도의 프리미엄 가격은 이해할 수 있다. 하지만 990 EVO가 PCIe 5.0을 지원하지만 평균적인 PCIe 4.0보다 빠르지는 않다는 점도 고려해야 한다. 일관성 없는 PCIe 5.0 속도와 쓸만한 PCIe 4.0 속도 삼성에서 보내온 2TB 990 EVO는 확실히 뛰어난 성능을 보여주지 못했다. 테스트한 PCIe 5.0 SSD 중 가장 느렸으며, PCIe 5.0 또는 4.0을 사용했는지 여부와 관계없이 PCIe 4.0 평균에 불과했다. 하지만 가장 큰 문제는 PCIe 5.0 CrystalDiskMark 8의 수치가 3GBps에서 5GBps 읽기까지 실행할 때마다 매우 일관되지 않았다는 것이다. 편차는 최대 수백 MBps에 달했다. 일관성 없는 결과 때문에 테스트 환경의 PCIe M.2 슬롯을 4.0으로 조정하고 다시 테스트해야 했다. PCIe 4.0에서 990 EVO를 사용했을 때 CrystalDiskMark 8 및 AS SSD 2.0 결과는 약간 더 빠르거나 훨씬 더 빨랐으며, 실행 전반에 걸쳐 일정한 속도를 보였다. 비교 대상인 팀그룹 MP44와 WD SN770은 모두 PCIe 4.0 HMB 설계이다. PCIe 5.0(및 DRAM)의 성능과 비교하기 위해 크루셜 T700도 포함했다. 한편, CrystalDiskMark 8에서 990 EVO의 4K 성능은 훨씬 더 나은 경쟁력을 보였다. 실제 48GB 순차 전송 테스트에서는 적어도 보조 캐시(TLC를 SLC로 표기)가 유지되는 동안에는 990 EVO가 더 나은 성능을 보였다. 실제로 전반적인 성능이 가장 뛰어난 크루셜 T700을 앞섰다. 990 EVO는 작은 파일과 폴더를 읽는 데는 이상하게 어려움을 겪으면서도 다른 모든 항목에서는 에이스급 성능을 발휘했다. 보조 캐시는 100GB를 조금 지나서 소진됐기 때문에 990 EVO가 전체 450GB를 쓰는 데 5분이 더 걸렸다. 990 EVO는 보조 캐시 쓰기 속도는 3GBps 이상이지만, TLC NAND 쓰기 속도는 약 1.15GBps로 떨어진다. 하드 드라이브의 최대 속도가 250MBps에 불과하고 SATA SSD의 최대 속도가 525MBps라는 점을 고려하면 그리 나쁘지 않은 수준이다. 일부 QLC 드라이브가 보조 캐시가 부족할 때 150MBps로 떨어지는 것과 같은 비극적인 상황은 일어나지 않는다. 한 가지 고려해야 하는 것은 PCIe 5.0 문제는 테스트 환경과 관련된 것일 수도 있다. 따라서 다른 PC 구성에서는 영향을 받지 않을 수도 있다. 전체 테스트 환경 구성을 확인하기 바란다. 메인보드는 에이수스 ROG STRIX Z790-i를 사용했는데, PCWorld가 직접 구매하기 때문에 업체의 무료 광고와는 관련이 없다. 하지만 이번 테스트에서는 제조업체와 모델의 특성이 영향을 미쳤을 가능성이 있다. PCWorld 드라이브 테스트 환경 드라이브 테스트는 현재 X790(PCIe 5.0) 메인보드/i5-12400 CPU 조합에서 실행되는 윈도우 11(22H2) 64비트와 2개의 킹스톤 퓨리 32GB DDR5 모듈(총 64GB 메모리)을 활용한다. GPU는 인텔 통합 그래픽을 사용했다. 48GB 전송 테스트는 총 64GB 메모리 중 58GB를 차지하는 ImDisk RAM 디스크를 활용했다. 450GB 파일은 운영체제가 포함된 삼성 990 Pro 2TB에서 전송된다. 각 테스트는 최적의 결과를 얻기 위해 새로 포맷하고 트림을 완료한 드라이브에서 수행된다. 드라이브가 가득 차면 보조 캐싱을 위한 NAND가 줄어들고 기타 요인으로 인해 성능이 저하된다는 점에 유의하기 바란다. 표시된 성능 수치는 PCWorld가 수령한 드라이브와 테스트한 용량에만 적용된다. SSD 성능은 읽기/쓰기에 사용하는 칩의 수와 보조 캐싱에 사용할 수 있는 NAND 용량에 따라 달라질 수 있다. 또한 공급업체는 때때로 구성 요소를 교체하기도 한다. 보급형 PCIe 5.0 SSD의 한계 990 EVO는 PCIe 5.0 2레인보다 PCIe 4.0 4레인에서 더 빠르고 일관된 성능을 발휘한다. 이유는 확실하지 않지만, 혁신적인 PCIe 5.0은 잊어버리고 약간 비싸고 평균적인 성능의 PCIe 4.0 SSD라고 생각하고 결정을 내리는 것이 좋다. 안타깝지만, 저렴한 PCIe 5.0 SSD는 아직은 키메라로 남아 있다. editor@itworld.co.kr
랜섬웨어는 재해복구 계획을 뒷방에서 전면으로 끌어올렸다. 허리케인, 토네이도, 지진의 피해를 입지 않을 것이라 생각하는 것은 이해할 수 있다. 하지만 기업이 랜섬웨어의 공격을 받지 않을 것이라 생각하는 것은 복권에 당첨될 것이라 생각하는 것과 같다. 기업이 랜섬웨어의 공격을 받을 확률은 매우 높기 때문에 사고 대응 계획에 포함된 견고한 재해 복구 계획이 필요하다. 수십 년간 이 업계에서 일하면서 배운 것이 있다면, 백업이나 복제본만 있다고 해서 진정한 의미의 재해 복구 계획이 수립된 것은 아니라는 것이다. 필자는 중요한 시스템 복구를 직접 겪었고, 추측만 하고 계획이 불완전할 때 어떤 일이 벌어지는지 목격했다. 특히 오늘날과 같이 랜섬웨어가 만연한 환경에서는 복구 준비는 타협할 수 없다. 복구 인프라의 사전 정의 적절한 DR 계획은 완전히 새로운 인프라에서 데이터와 시스템을 복원해야 한다는 가정을 바탕으로 수립된다. 포렌식 상의 이유로 원래 시스템을 보존해야 하거나 하드웨어가 수리가 불가능해 사용할 수 없을 수도 있다. 공격이나 재해가 발생한 후 동일한 물리 서버를 재사용하는 것은 무모한 일이다. 불가능할 수도 있으므로 완전히 새로운 하드웨어로 복구를 시작할 준비가 되어 있어야 한다. 즉, 이벤트 발생 후 임시 배포를 위해 대기 장비 또는 장애 조치 호스트를 미리 확보해야 한다. 클라우드 인프라를 활용하는 것은 이를 위한 좋은 방법 중 하나인데, 구성을 미리 만들어 두고 필요할 때 비용을 지불하면 되기 때문이다. 혼란스러운 상황에서 교체 서버를 구입하기 위해 허둥대는 것은 위기를 더욱 키울 뿐이다. 따라서 교체 시스템이 실제로 필요하기 훨씬 전에 대체 시스템을 어디에서 가져올지 알고 있어야 한다. 페일오버 환경의 신속한 보호 사람들이 간과하는 또 하나는 페일오버가 발생한 후 DR 사이트를 백업하는 방법이다. 온프레미스든 클라우드든 DR 사이트로의 전환이 발생하면 새로운 환경에 대한 백업을 즉시 시작해야 한다. 중요한 시스템을 성공적으로 복구했는데, 백업 생성을 소홀히 해 2차 랜섬웨어가 DR 사이트까지 위험에 빠뜨리는 것은 누구도 원치 않을 것이다. 복구 하드웨어 구입 계획과 마찬가지로, 복구 사이트 역시 백업할 방법을 미리 결정하고 설계해야 한다. 또한, 복구 사이트에 장애가 발생하면 자동으로 백업이 시작되도록 설계하는 것이 가장 좋다. 레거시 백업이 다시 설정될 때까지 복구가 완료된 것으로 간주해서는 안된다. 가시적인 복구 기간 목표 정의 일반적인 비즈니스 책임자에게 어떤 종류의 복구 요구 사항이 있는지 물어보면 데이터 손실이 전혀 없는 즉각적인 복구(즉, RPO와 RTO가 0인 복구)가 필요하다고 말할 것이다. 하지만 이런 요구 사항을 충족하는 데는 천문학적인 비용이 든다. 따라서 어렵겠지만, 재해가 발생하기 전에 현실적인 복구 시간과 데이터 손실 허용 임계치에 대해 논의를 마쳐야 한다. 조직의 우선순위를 조정하고 비즈니스 연속성 요구 사항과 실제 IT의 역량 및 비용 제약의 균형을 맞추기 위해 경영진의 이해관계자와 더 많이 논의할수록 복구가 더 성공적으로 이루어질 수 있다. '성공'은 상대적인 개념이므로 비즈니스에서 설정한 목표를 달성해야만 성공할 수 있다는 점을 기억하자. 이런 목표가 현실적이고 적절한 자금이 뒷받침된다면 성공으로 가는 길에 들어선 것이다. 의심 극복을 위한 문서화 및 테스트 목표가 정의되어 있더라도, 치열한 전투 상황에서는 문서화되고 입증된 실행 지침이 필수적이다. 데이터와 시스템을 대규모로 효율적으로 복원하는 방법을 이해하지 못하면, 단순히 백업 복사본이나 복제본을 보유하는 것만으로는 아무 소용이 없다. 시스템 종속성을 포함해 중요도 순으로 자산을 복구하는 단계별 절차가 필요하다. 또한 문서에는 복구 환경의 전체 인벤토리, 모든 직원 및 공급업체의 연락처 목록, 문제 처리를 위한 단계별 프로세스가 포함돼야 한다. 모의 시나리오에서 중요하고 반복적인 테스트를 하면, 가장 중요한 순간에 담당자가 이 문서를 활용해 가치를 실현하는 연습을 할 수 있다. 자동화보다 중요한 걸음마 단계 초기 DR 작업은 수동 절차가 주를 이룰 수 있지만, 자동화를 지속적으로 추진해야 한다. 프로그래밍 방식으로 스크립팅하거나 트리거할 수 있는 복구 작업이 많을수록 성공 확률이 높아진다. 하지만 최고만을 추구하면 오히려 독이 될 수 있다. 완전한 자동화를 추구하느라 초기 단계의 DR 계획 수립이 늦어져서는 안 된다. 아무것도 없는 것보다는 무엇이라도 있는 것이 낫다. 먼저 모든 것을 문서화한 다음 테스트 피드백을 바탕으로 시간이 지남에 따라 선별적으로 자동화를 추진하기 바란다. 마라톤의 결과보다 중요한 것은 걸음마 단계이다. 클라우드 활용 클라우드는 데이터 복제, 특히 임시 DR 인프라를 프로비저닝하는 데 높은 유연성을 제공한다. 클라우드 서비스를 사용하면 테스트 환경을 편리하게 가동 및 중단할 수 있어 재해 시나리오를 훨씬 쉽게 연습할 수 있다. 온프레미스 인프라를 사용하는 기업의 경우에도 DR 목적으로 클라우드 기반 백업 복제를 고려하기 바란다. 대부분의 경우, 클라우드는 이미 사이버 복원력 준비에 있어 중요한 역할을 하고 있으므로 재해 대비에도 클라우드를 적용하는 것이 좋다. 허점이 드러날 때까지 테스트 DR 문서가 있는 것은 좋지만 필요할 때만 테스트하는 것은 좋지 않다. 테스트의 또 다른 목적은 근육 기억을 개발하는 데 도움이 되는 것 외에도 프로세스의 부족한 부분을 찾아내는 것이다. 모의 재난을 통해 선제적으로 실패를 경험해 보는 것이다. 새로운 기능이나 절차를 검토할 때 때때로 발생하는 장애를 예상할 수도 있다. 29년 전, 딸이 막 태어났을 때 아내의 병실에서 전화가 걸려와 복구 작업을 도와달라는 요청을 받은 적이 있다. 문서화된 프로세스가 있었기 때문에 전화를 끊고 새 아이에게 집중할 수 있었다. 문서화된 복구 프로세스가 언제 필요할지는다. 하지만 지금이 바로 프로세스를 시작할 때다. editor@itworld.co.kr
LLM(Large Language Model)을 사용하는 방법은 의외로 간단하다. 효과적인 프롬프트만 있으면 된다. 반면 언어 모델을 기반으로 한 애플리케이션 개발은 어려울 수 있다. 오픈AI 같은 업체에서 제공하는 API를 사용하든, 오픈소스 모델을 앱에 임베딩하든 프롬프트 작성 이상의 작업을 수반한다. 매개변수 조정부터 응답 조정에 이르기까지 개발자가 고려해야 할 요소는 많으며, 여러 가지 LLM을 다뤄야 할 경우 복잡성은 배가 된다. 이때 사용하면 좋은 도구가 바로 랭체인(LangChain)이다. 랭체인은 언어 모델 기반 애플리케이션 개발을 간소화하는 파이썬 및 자바스크립트용 모듈식 프레임워크다. 여기서는 랭체인의 작동 방식과 설치 및 사용법을 알아보고, 랭스미스를 활용해 랭체인으로 개발한 LLM 앱과 에이전트를 추적 및 평가하는 방법을 정리한다. 주요 내용 - “LLM 개발을 더 간편하게” 랭체인의 개념과 이해 - “다양한 모델을 체인으로 연결한다” 예제로 시작하는 랭체인 - 구글 PaLM 2 API와 랭체인을 함께 사용하는 방법 - 랭체인과 구글 PaLM 2를 사용한 Q&A 앱 만들기 - LLM용 추적 및 디버깅 도구 ‘랭스미스’ 따라잡기
핸드폰이 생긴 이래로 우리는 종종 핸드폰을 물속에 빠뜨리곤 한다. 오늘날 아이폰은 물방울이나 침수에 강하지만, 너무 많이 젖어 커넥터 내부에 액체가 있으면 액체 감지 경고가 표시되는 경우가 있다. 아이폰이 침수됐을 때 복구 방법으로 '쌀 한 봉지'에 아이폰을 넣는 방법이 민간 요법으로 회자되곤 한다. 휴대폰을 쌀이 담긴 봉투에 넣고 밀봉한 후 하루 정도 기다리면 물기가 전자 부품에 닿아 손상을 입히기 전에 쌀이 휴대폰 내부의 물기를 흡수한다는 개념이다. 물에 휴대폰을 빠뜨린 경험이 있는 사람들은 이런 방법을 신뢰하고 있으며, 실제로 효과가 있다는 주장도 있다. 하지만 여러 핸드폰 수리 전문가는 그동안 쌀 봉투를 이용하는 방법이 일종의 미신에 가까우며, 휴대폰을 더 빨리 말리지 않고 오히려 휴대폰 건조 시간을 늦추어 메인보드가 손상되기 쉽게 만든다고 주장한다. 심지어 애플은 최근 업데이트한 에서 이런 방법을 권장하지 않는다고 못을 박았다. 애플은 "그렇게 하면 작은 쌀 알갱이가 아이폰을 손상시킬 수 있기 때문"이라고 설명했다. 휴대폰이 침수됐을 경우 애플은 다음과 같은 단계를 따를 것을 제안했다. 커넥터가 아래를 향하도록 든 상태에서 아이폰을 손으로 가볍게 두드려 액체를 제거한 후, 아이폰을 공기가 약간 통하는 건조한 곳에 둔다. 최소 30분 후 라이트닝 또는 USC-C 케이블로 충전하거나 액세서리를 연결해 본다. 침수 경고가 여전히 표시되면 커넥터나 케이블 핀 아래에 액체가 남아 있는 것이다. 최대 하루 동안 아이폰을 바람이 잘 통하는 건조한 곳에 둔다. 그동안 충전 또는 액세서리 연결을 다시 시도해보면 된다. 완전히 마르는 데는 최대 24시간이 걸릴 수 있다. 휴대폰이 충분히 말랐지만 여전히 충전되지 않는다면, 케이블을 어댑터에서 분리하고 가급적 어뎁터도 벽에서 분리한 다음 다시 시도한다. 애플에 따르면, 외부 열원이나 압축 공기로 아이폰을 말리거나 면봉이나 종이 타월 같은 '이물질'을 라이트닝 또는 USB-C 포트에 삽입하는 행위는 하지 않도록 주의해야 한다. 아이폰 12부터는 최대 수심 6미터의 물에서 최대 30분까지 버틸 수 있으므로 액체로 인한 손상은 걱정하지 않아도 되지만, 혹시라도 물에 빠뜨리게 된다면 쌀은 그냥 보관함에 넣어 두도록 하자. editor@itworld.co.kr
충전 케이블을 전원에 연결했는데도 노트북이 충전되지 않는 것보다 더 짜증스러운 일은 없다. 특히 케이블 관리에 서투른 사람이라면 자주 겪는 일이다. 그렇다면 노트북이 충전 문제를 겪을 때 어떻게 대처해야 할까? 노트북의 충전 문제 종류와 각 해결법을 알아보자. 케이블 재점검 때로는 눈앞에 답이 있다. 문제 해결에 돌입하기 전에 먼저 충전 케이블이 멀티탭이나 벽면 콘센트에 제대로 꽂혀 있는지 확인해야 한다. 다른 콘센트로 옮겨 케이블을 연결해 본다. 모든 케이블이 노트북에 제대로 결합되어 있는지 살펴본다. 올바른 충전기나 포트를 사용하고 있는가 노트북을 가끔 사용하거나 테스트처럼 기종이 자주 바뀌는 경우에는 충전 케이블을 엉뚱한 포트에 꽂는 실수가 발생할 수도 있다. 충전용 포트가 따로 정해져 있는 제품이 많이 출시돼 있고, 충전 전용 포트 옆에 작은 전원 아이콘이 보통 표시돼 있다. 충전 포트를 식별할 수 없다면 올바른 포트를 찾을 때까지 케이블을 여러 포트에 바꿔 꽂아 보자. 노트북에 포함돼 있는 충전기를 사용할 것을 권장한다. 꼭 필요한 경우 서드파티 충전기도 괜찮겠지만 기기에 적합한 와트가 아니라면 배터리가 손상된다. 서드파티 충전기의 와트가 낮으면 충전 속도가 한없이 느려진다. 노트북 같이 소비 전력이 큰 제품용으로 설계되지 않은 충전기도 있다. 케이블이나 포트의 손상 확인 충전 케이블에 흠집이 없는지 꼼꼼히 살펴보자. 오래 쓴 케이블이라면 와이어 일부가 빠지거나 닳은 경우가 있다. 물론 피복이 닳거나 해진 부분을 전기 테이프로 감쌀 수도 있지만 우선 케이블 플러그를 뽑아 타는 냄새가 나는지 확인해야 한다. 충전 케이블의 어댑터에서 타는 냄새가 난다면 빨리 교체해야 한다. 충전 케이블이 정확히 삽입되었는지 확인할 때는 포트에 먼지나 이물질이 있는지도 검사한다. 면봉이나 이쑤시개로 조심스럽게 이물질을 제거하면 된다. 그러나 너무 거칠게 다루면 포트가 손상되고 이물질이 더 깊이 들어갈 수 있으니 주의해야 한다. 압축 공기 스프레이로 먼지를 날리는 방법도 있지만, 너무 세게 분사하거나 포트에 직접 분사해서는 안 된다. 배터리 고장 가능성 분리 가능한 노트북이라면 배터리를 분리해 보자. 하드웨어를 하드 리셋한다고 생각하면 된다. 사용 설명서를 참고해 배터리를 분리하고, 전원 버튼을 몇 초 동안 누르고 충전기를 다시 연결한다. 노트북이 켜지고 전원만으로 정상 작동한다면 배터리에 문제가 있는 것이다. 극세사 천으로 배터리 접촉면을 부드럽게 닦은 후 다시 끼워 넣고 전원을 켜 보자. 배터리가 분리되지 않는 노트북이라면 직접 배터리를 분리해서는 안 된다. 제품에 심각한 손상을 가져올 수 있다. 실행 프로그램이 너무 많은 자원을 소모한다면 내부 하드웨어와는 관련이 없는 문제일 수도 있다. 노트북에서 자원을 많이 소비하는 프로그램을 여러 개 실행한다면 배터리 효율이 떨어진다. Ctrl + Alt + Delete 단축키로 작업 관리자 앱에 액세스해 현재 실행 중인 프로그램을 확인하자. 종료하려는 프로그램을 선택하고 작업을 종료한다. editor@itworld.co.kr
2024년이 밝았다. 매년 이맘때면 모두가 새해 다짐을 한다. 하지만 새해 다짐보다 더 중요한 것이 바로 습관이다. 습관은 일상을 계속해서 변화시킬 수 있는 핵심적인 요소다. 새해를 맞아 PC 활용에 도움이 되는 습관을 몇 가지 공유한다. 백업 계획을 세우고 유지하자 중요한 파일과 데이터의 백업 사본을 만드는 것은 매우 중요하다. 윈도우의 자체 백업 기능도 있지만 마이크로소프트 방식은 혼란스럽고 자주 바뀌는 경향이 있다. 실제로 몇 년 전 마이크로소프트는 윈도우 7에 백업 도구를, 윈도우 8에는 파일 히스토리 도구를 탑재한 적이 있다. 둘 다 로컬 드라이브에 사용자 데이터의 백업 사본을 생성하는 기능이다. 하지만 현재는 윈도우 10과 11에 현대적 윈도우 백업 도구를 탑재했다. 문서와 사진 같은 폴더를 원드라이브로 이동해 파일을 백업하고, 파일을 온라인에서 마이크로소프트 계정과 동기화할 것을 권장한다. 그러나 클라우드 스토리지를 믿지 않는다면 이런 기능을 사용하지 않을 것이고, 결국 어떤 백업도 사용하지 않을 확률이 높다. 그러나 백업은 아무리 강조해도 지나치지 않을 만큼 중요하다. 백업 계획을 세우고 정기적으로 백업해야 한다. 습관으로 정한 후 그것을 유지해야 한다. 구체적인 방법은 다음과 같다. 마이크로소프트의 원드라이브 클라우드 백업을 사용한다 : 작업 표시줄의 시스템 트레이(클라우드 아이콘을 찾는다)에서 원드라이브 애플리케이션을 열고, 설정에서 '중요 폴더를 원드라이브 백업'을 선택한다. 그리고 중요한 파일을 내 문서 같은 동기화된 폴더에 저장해서 꼭 백업된 것을 확인해야 한다. 로컬 백업을 선택한다 : 시작 메뉴를 열고 '파일 히스토리(File History) 도구'를 검색해 외장 USB 하드 드라이브에 백업을 생성한다. 정기적으로 외장 하드 드라이브를 PC에 연결해 백업하자. 다른 백업 습관을 지닌다 : 다른 로컬 백업 애플리케이션을 사용하거나 전용 클라우드 백업 서비스를 검토하는 것도 좋다. 예를 들면 많은 사용자가 어느 방법을 선택할지는 사용자에 달려 있다. 그러나 백업 전략을 세우는 것이 가장 중요하다. PC를 깨끗하고 빠르게 유지하자 개인용 PC만큼 오래된 이야기다. 누구나 반짝이는 새 컴퓨터를 사지만 제조업체가 미리 설치한 정크 프로그램으로 점점 무거워지면서 PC는 새 것처럼 느껴지지 않게 된다. 또는 사용자가 많은 소프트웨어를 설치해 백그라운드에서 진행되는 많은 작업이 시스템 트레이를 어지럽히고 CPU 사이클이나 다른 자원을 낭비한다. PC를 깔끔하게 유지하려는 습관은 다음과 같다. 작업 관리자에서 불필요한 시작 앱을 없앤다 : 작업표시줄을 우클릭해 작업 관리자를 열고 ‘작업 관리자’를 선택한 후 ‘시작’ 또는 ‘시작 앱’ 탭을 클릭한다. 여기에서 필요하지 않은 시작 앱을 비활성화한다. 이 작업은 수시로 해야 한다. 나중에 설치한 애플리케이션이 추가돼 불필요한 정크 앱을 발견할 수도 있다. 필요하지 않은 앱을 삭제한다 : 필요하지 않은 앱은 그저 시작 메뉴, 복합 메뉴를 어지럽히고 백그라운드에서 불필요한 프로세스를 더할 뿐이다. 설정 앱이나 제어판에서 설치된 프로그램 목록을 보고 더는 사용하지 않는 앱을 삭제한다. 제조사가 설치한 일부 유틸리티는 유용하지만, 몇몇은 더는 도움이 되지 않을 수 있다. 온라인으로 자세한 정보를 찾아 삭제 여부를 결정하면 된다. 정신을 산만하게 하는 것을 줄이자 최신 윈도우 PC 또는 다른 최신 컴퓨팅 플랫폼의 최악인 점은 주의를 산만하게 한다는 것이다. 플랫폼 운영사나 앱은 사용자가 컴퓨터나 스마트폰을 단순히 쓰기만을 원하지 않는다. 여러 가지 알림과 광고, 클릭을 유도하는 기능으로 사용자를 성가시게 한다. 필자는 윈도우 11의 위젯을 비활성화해 광고로 어지러운 시작 메뉴를 깨끗이 정리하고, 광고처럼 보이는 ‘윈도우 사용을 위한 팁과 제안’ 같은 기능도 비활성화할 것을 권한다. 새로운 PC를 사용할 때마다 이런 설정을 바꾸는 것도 습관으로 만들면 좋다. 윈도우 11에 기회를 주자 윈도우 11은 완벽하지 않다. 그러나 윈도우 10도 마찬가지다. 윈도우 11은 최초 릴리즈에서 많은 점이 개선됐지만, 이제 윈도우 10은 남은 기술지원 기간이 많지 않다. 윈도우 10은 2025년 10월 14일로 지원이 종료된다. 그 이후에는 구독 요금제에 가입해 보안 업데이트를 받아야 한다. 아직 한참 먼 얘기지만 정말 마지막 순간까지 기다리고 싶은가? 지금은 윈도우 11에 기회를 주기에 적당한 시기다. 윈도우 10 PC에서 업그레이드가 가능하다면 설정 앱에서 윈도우 업데이트 화면을 볼 수 있다. PC에서 업그레이드할 수 없다는 메시지가 나온다면 라는 도구로 윈도우 10 PC를 ‘비공식’ 업그레이드할 수 있다. BIOS나 UEFI 펌웨어 설정 일부를 변경해 윈도우 10 호환성을 강화하는 방법도 있다. 예를 들면 비활성화 TPM이나 안전 부팅을 활성화하는 것이다. 윈도우 11에 열린 마음을 가지면 앞으로의 몇 년이 훨씬 편해진다. 윈도우 11로 업그레이드하지 못한다고 해도 다음에 바꿀 PC는 윈도우 11일 것이니 말이다. 윈도우 11의 시작 메뉴와 작업표시줄이 불편하다면 더 많은 설정을 조정하는 앱을 사용하면 된다. 이 앱은 윈도우 10에서도 작동한다. AI 도구를 써보자 2023년은 AI 도구가 폭발적으로 주류에 진입한 해였다. AI라는 단어가 정확히 어떤 의미인지, AI 도구가 정확히 무엇인지는 논쟁의 대상일 수 있지만, 대규모 언어 모델(LLM)과 텍스트 이미지 생성 도구가 커다란 도약을 이뤘다는 것은 의심의 여지가 없다. 필자의 전 동료는 “AI는 사람을 대체하지 않겠지만 AI 사용자는 사람을 대체할 것이다(AI will not replace you. A person using AI will)”라는 격언을 좋아했다. 궁극적으로는 최신 AI 기술과 AI 도구로 할 수 있는 일에 익숙해지는 것이 모두에게 이롭다. 필자는 최근 웹에서의 AI 글쓰기를 주목하고 있다. 아마존, 쿠오라, 레딧, 구글 지도, 스팀 같은 사이트의 리뷰와 댓글을 보면, AI가 생성한 것이 명확한 것들이 가득하다. 다른 사람들은 알아채지 못하지만, 필자는 LLM이 텍스트를 만들어내는 방식에 익숙하므로 비교적 쉽게 구별할 수 있다. 동시에 AI가 쓴 글이 ‘좋아요’를 많이 받는 경우를 자주 본다. 따라서 AI로 잘 다룰 수 있게 된다면, 다른 곳에서도 AI를 찾아낼 수 있다. 게다가 AI는 보통 생각하는 것보다 훨씬 유용하다. 최근 필자는 불만 의견을 쓰는 데 챗GPT를 활용하기도 했다. 이것은 단순히 운전대에서 손을 놓고 AI가 마구 활약하게 내버려 두는 것이 아니다. AI와의 성공적인 상호작용은 편집과 변경, 변화를 내포한다. 이를 위해서는 사용자가 AI를 올바른 궤도에 올리고 작업물을 검토하고 수정을 제안하는 든든한 프롬프트를 조합할 수 있어야 한다. 다음과 같은 제안 말이다. “이제 이 추가 정보를 3번째 문단에 삽입하세요. 이 특정한 사건에 대한 세부 정보를 추가하세요.” 이상하게 들릴 수 있음을 알고 있다. 실제로 대규모 언어 모델은 그 자체로 이상한 부분이 여전히 많다. 하지만 생산성을 개선하기 위해 AI 사용법을 익히든, AI를 더 잘 이해하기 위해 작동 원리에 익숙해지든, 아니면 단지 현재 직면한 이 극도로 기이한 현실이 어떻게 움직이는지 궁금한 것이든, 어떤 이유로든, 기존 AI 도구 그리고 2024년 이후에도 만나게 될 AI 도구를 계속해서 써보는 습관을 들이는 것이 좋다. 이제 남은 문제는 어디서 시작할지다. 마이크로소프트가 이미 윈도우 11에 조용히 탑재한 모든 AI 기능을 떠올려 보라. 아직 전 세계 모든 국가에서 다 지원하지는 않지만, 이 기능은 몇 번의 클릭만으로 쉽게 경험할 수 있다. editor@itworld.co.kr
직원들은 재택근무에 찬성하는 반면 고용주는 회의적이다. 생산성 저하를 우려하기 때문이다. 많은 기업이 타협점을 찾고 있다. 재택근무는 계속해서 논의와 갈등의 주제가 될 것이다. 직원은 재택근무(가급적 금요일)를 할 수 있다는 사실에 만족하지만, 일부 고용주에게는 재택근무가 목에 가시처럼 다가오기도 한다. 하지만 직원은 재택근무가 제공하는 유연성을 단순히 포기하고 싶지 않다. 이는 장기적으로 시장에서 살아남고자 하는 고용주라면 직원 만족도와 충성도를 높이는 데 중요한 요소인 이동 근무의 가능성을 검토해야 한다는 의미이기도 하다. 특히 미국에서는 직원의 사무실 복귀를 명령하는 기업이 늘어나고 있으며, 아이러니하게도 화상회의 솔루션 업체인 줌을 비롯한 일부 IT 회사는 작년 8월부터 직원들이 더 효과적으로 일할 수 있다는 이유로 일주일에 최소 이틀은 사무실에 출근해 근무하도록 하고 있다. 독일에서도 시계추가 다른 방향으로 흔들리고 있다. 도이체 방크와 포르쉐는 재택근무에서 벗어나고 있으며, 언론 보도에 따르면 SAP도 일주일에 3일은 직원들을 사무실로 출근시킬 계획이다. 재택근무와 업무 생산성 이에 대한 논의에서 한 가지 주장이 계속 제기되고 있다. 바로 재택근무의 생산성이다. 그리고 실제로 완전히 무시할 수 없는 문제이다. 직원들이 재택근무를 하면 생산성이 떨어질까 걱정하는 고용주가 참고할 수 있는 연구 결과도 많다. 가장 최근에는가 있다. 연구팀은 재택근무가 생산성에 부정적인 영향을 미칠 수 있지만, 시기가 결정적인 역할을 한다는 결론에 도달했다. 이 연구는 인도 첸나이 시에서 데이터 입력 작업 지원자 235명을 모집해 근무 시간 동안 면밀하게 관찰했다. 연구 결과, 특히 재택근무에 중점을 둔 직원들이 생산성이 가장 낮았다. 이들은 처음에는 사무실에 있는 동료들보다 더 나은 성과를 거뒀지만, 시간이 지나면서 생산성이 떨어졌다. 최종적으로 재택근무를 명시적으로 선택한 직원들은 사무실에서 일할 때보다 집에서 일할 때 생산성이 27% 더 낮았다. 이 연구의 저자 중 한 명인 데이비드 앳킨은 이런 현상에 대해 의식적으로 재택근무를 선택한 직원들은 다른 책임 때문에 재택근무를 선택하는 경우가 많다고 설명했다. 자녀를 돌봐야 하기 때문에 집에서 일해야 할 수도 있고, 돌봄이 필요한 친척이 있거나 다른 집안일 때문에 때때로 일을 할 수 없는 경우도 있다. 따라서 생산성이 낮은 이유는 반드시 업무 환경이 아니라 가정적인 책임 때문일 수 있다. 생산성 외에도 중요한 문제는 직원 내 상호작용이 약화될 위험이 있다는 점이다. 이는 팀의 분위기(고립감, 결속력 및 팀 정신 약화)뿐만 아니라 혁신 역량에도 영향을 미친다. 특정 동료와 '즉흥적으로' 아이디어를 교환하는 것이 더 어려워져 혁신 프로세스가 방해를 받는 것이다. 인재 확보 경쟁에서 원격 근무의 중요성 코로나19 팬데믹 기간에 많은 회사가 재택근무로 전환했다. 하지만 이제는 고용주들이 사무실 근무가 더 효율적이라고 판단해 직원들에게 가능한 한 사무실로 복귀할 것을 요구하고 있다. 이는 모든 직원에게 잘 받아들여지지 않으며, 복귀한 직원들도 불만을 가질 수 있다. 그럼에도 불구하고 뮌헨대학교 ifo 연구소의 조사에 따르면, 독일 기업 3곳 중 1곳이 재택근무 정책을 시행하고 있는 것으로 나타났다. 하지만 기업은 직원들이 재택근무만 하는 것을 원하지 않는 것 같다. ifo 연구소의 설문조사에 따르면, 2023년 8월 전체 독일 직원의 1/4이 적어도 일부 시간 동안 재택근무를 하는 것으로 나타났으며, 이 수치는 코로나19 팬데믹으로 인한 강제 재택근무가 끝난 2022년 4월 이후 일정하게 유지되고 있다. 이는 TÜV 라인란드 컨설팅(TRC)이 시행하는 방법이기도 하다. 이를 위해 노사협의회를 통해 합의된 규정을 마련했는데, 직원들은 활동에 따라 구간으로 나뉜다. 각 구간은 1주일에 재택근무를 할 수 있는 일수가 다르다. 예를 들어 컨설턴트는 일주일에 최대 4일간 원격으로 근무할 수 있으며, 일부는 재택근무도 허용된다. 원격 근무의 주요 질문과 해결책 기업은 일상적인 업무에서 여러 의문을 해결해야 하는데, 이는 많은 연구에서 다루고 있는 주제이다. 직원들의 관심을 끌고 회사에서 일하도록 장려하기 위해 사무실은 어떤 모습이어야 하는가? 사무실에서 일하는 것이 다시 매력적으로 느껴지려면 회사는 무엇을 제공해야 하는가? 대다수 직원이 재택근무를 하는 상황에서 어떻게 협업을 효율적으로 조직할 수 있으며, 이런 상황에서 원격 관리는 어떻게 운영해야 하는가? TRC는 이런 질문에 대해 다음과 같은 해법을 제시한다. 현대적인 사무실 구성 TRC는 베를린의 새로운 지사에서 새로운 개념이 시험하고 있다. 표준 워크스테이션 대신 공간을 재설계하여 사무실이 공유 업무 공간처럼 보이도록 했다. 구체적으로 말하자면, 더 이상 고정된 워크스테이션이 없다는 뜻이다. 대신 직원들은 예약 툴을 이용해 그날 사용할 워크스테이션을 예약할 수 있다. 여러 부서가 한 공간에서 일하게 되어 직원들에게도 좋을 뿐만 아니라 업무 결과에도 도움이 된다. 서로 다른 부서의 직원들이 함께 모일 가능성이 높아지기 때문이다. 완전히 새로운 결과물이 나올 가능성도 높아진다. 예를 들어, 일부러 해당 공간에 모여 함께 일하거나 팀 전체가 참여하는 회의를 개최하기도 한다. 이 개념은 매우 호평을 받아 TRC의 경영진은 베를린의 모든 직원이 이런 방식으로 일할 수 있도록 기존의 고정석 기반 사무실을 새로운 공유 공간 사무실로 변경하기로 결정했다. 원격 협업을 구성하는 방법 이제 회의의 홍수를 막기 위해 화상회의 횟수를 줄이는 것이 일반적인 관행이 됐다. 동시에 회의는 더 잘 준비되고 명확한 의제로 구성되며 참가자 그룹은 더 구체적으로 선택된다. 또한 팀 자체적으로 팀 점심이나 사교 행사 또는 가상 커피타임을 통한 비공식적인 채팅 같은 가상 팀 활동을 조직해 결속력을 증진하고 강화한다. 원격 환경의 리더십 총괄 책임자인 필자에게 성공적인 원격 리더십은 특히 중요하다. 여기서 가장 중요한 것은 커뮤니케이션이다. TRC는 커뮤니케이션 전략을 확장해 직접 대면으로만 일할 때보다 훨씬 더 많은 직원과 소통하고 있다. 복도에서 직접 대면하는 회의가 더 이상 불가능해짐에 따라 대체 커뮤니케이션 형식에 점점 더 집중하고 있다. 구체적인 커뮤니케이션 방법은 다음과 같다. 투명한 커뮤니케이션. TRC는 개방적이고 투명한 커뮤니케이션을 강조한다. 회사 소식, 진행 상황 및 과제에 대한 정기적인 업데이트를 통해 팀 내 신뢰와 협업을 촉진한다. 전통적인 뉴스레터와 인트라넷부터 커뮤니케이션 및 협업 플랫폼인 마이크로소프트 팀즈와 다양한 디지털 형식에 이르기까지 다양한 커뮤니케이션 채널을 사용한다. 이런 채널을 통해 의사 결정이 투명하게 전달되고, 신뢰와 이해가 형성된다. 관계 구축. 관계 구축은 가상 공간에서도 기업의 최우선 순위이다. TRC는 정기적으로 일대일 회의를 열어 개인의 목표, 복지 및 관심사에 대해 논의한다. 여기서 인정과 감사는 중요한 역할을 하므로 팀 내 사기와 동기를 높이기 위해 개인 및 집단적 성과를 공개적으로 인정한다. 이런 커뮤니케이션의 질과 양은 관리자 개인에게 달려 있다. 자율성과 신뢰 증진. 생산적인 원격 근무 환경을 조성하기 위해서는 신뢰와 자율성이 매우 중요하다. 명확한 기대치와 목표를 설정함으로써 팀원 모두가 자신의 역할과 책임을 이해할 수 있도록 한다. 동시에 업무를 위임하고 개인적 책임을 장려함으로써 직원들에게 독립적으로 의사결정을 내릴 수 있는 기회를 부여한다. 유연한 근무 시간 모델을 통해 직원들은 시간을 보다 효과적으로 관리하고 개인의 필요를 고려할 수 있는 충분한 여유를 가질 수 있다. TRC는 여기서 언급한 많은 주제에 대해 아직 모든 목표가 달성되지 않았다는 것을 잘 알고 있다. 그러나 이는 회사가 이에 만족하지 않고 직장 전략 측면에서 현재 상황과 추가 개선이 필요한 부분을 현실적으로 평가할 수 있다는 것을 의미한다. * Mariusz Bodek은 TÜV 라인란드 컨설팅의 총괄 책임자이자 디지털 트랜스포메이션 사업부 책임자이다. editor@itworld.co.kr
클라우드 아키텍트인가요, 엔지니어인가요? 완전히 다르지만 똑같이 중요한 업무를 수행하는 두 가지 역할에 대한 혼동 때문에 이런 질문은 멍한 시선을 받을 때가 더 많을 것이다. 필자는 두 가지 역할을 모두 수행해 봤다. 경력 초기에는 소프트웨어 엔지니어로 일하다가 아키텍트로 변신했고, 그다음에는 총괄 아키텍트로 성장했다. 문제는 요즘에는 두 가지 역할을 혼동하는 경향이 있다는 것이다. 엔지니어링과 아키텍처의 경계가 모호해진 것은 사실이다. 우리는 "아키텍트"라는 엔지니어링 자격증과 "엔지니어"라는 아키텍트 자격증을 취득하고 있다. 전자가 가장 일반적이지만, 상당한 혼란을 초래한다. 이런 혼란은 기업의 채용 실수와 구직자의 지원해야 할 일자리에 대한 오해로 이어지고 있다. 클라우드 엔지니어 클라우드 엔지니어는 기본적으로 클라우드 시스템의 설계, 개발 및 유지 관리와 같은 클라우드 컴퓨팅의 실무적인 측면에 관여한다. 이들은 코딩, 확장성 보장, 클라우드 플랫폼의 기술적 상태 관리 등 클라우드 기반 애플리케이션을 구현하는 업무를 담당한다. 클라우드 엔지니어는 소프트웨어 개발자와 광범위하게 협업하고 때에 따라 개발을 수행할 수도 있다. 하지만 코딩이 필요하지 않은 다른 업무도 중요하기 때문에 개발자로 부르지는 않는다. 클라우드 엔지니어가 되기 위해 중요한 것은 클라우드 시스템, 데이터베이스, AI, 거버넌스 및 보안의 복잡성을 '실무적으로' 처리하는 역량이다. 많은 경우 이런 하위 기술을 다루는 특수 엔지니어링 분야가 있으며, 공인 클라우드 데이터베이스 엔지니어와 같이 특정 사항을 다루는 자격증도 있다. 클라우드 아키텍트 반면에 클라우드 아키텍트는 기업의 클라우드 컴퓨팅 전략을 조율하는 전략적 역할을 담당한다. 이들은 전반적인 클라우드 환경을 설계하고 비즈니스 목표에 부합하는지 확인한다. 일반적으로 실무에 직접 참여하지는 않는다. 클라우드 데이터베이스 아키텍트나 클라우드 보안 아키텍트와 같은 전문 분야도 있다. 클라우드 아키텍트는 비즈니스 및 애플리케이션 요구 사항을 평가하고 이에 맞는 적절한 기술 조합을 사용해 확장 가능한 클라우드 솔루션을 구축한다. 여기에는 클라우드 플랫폼과 비클라우드 플랫폼이 모두 포함될 수 있다. 세분화된 코딩 및 개발 작업보다는 클라우드 시스템의 청사진과 인프라에 집중하는 것이 핵심이다. 중요한 것은 전략에 집중하는 것이다. 클라우드 아키텍트는 구축 중인 시스템의 비즈니스 목적을 파악하고 올바른 기술 구성을 조합해 비즈니스에 최대의 가치를 돌려주는 역할을 담당한다. 교육 경로 및 자격 인증 두 역할 모두 클라우드 컴퓨팅에 대한 탄탄한 기초 지식이 필요하지만, 교육 및 인증 경로는 차이가 있다. 우선, 클라우드 엔지니어는 컴퓨터 과학, 엔지니어링 또는 IT 학위를 취득하고 구글의 어쏘시에이트 클라우드 엔지니어(Associate Cloud Engineer) 같은 자격증을 취득해 역량을 강화하는 경우가 많다. 많은 엔지니어가 온라인 강좌를 통해 스스로 학습한다. 이는 클라우드 엔지니어가 되는 가장 일반적인 방법으로 자리 잡고 있으며, 그렇다고 기술력이나 재능이 떨어지지는 않는다. 실제로 요즘에는 대학 학위가 필요하지 않은 경우가 많으며, 이는 좋은 추세이기도 하다. 반대로 클라우드 아키텍트는 클라우드 컴퓨팅 설계, 아키텍처 및 비즈니스 관리를 강조하는 고급 학위를 취득할 수 있다. 클라우드 아키텍트가 취득하는 자격증에는 구글의 프로페셔널 클라우드 아키텍트(Professional Cloud Architect) 같은 전문화된 자격증이 포함되는 경우가 많다. 필자는 클라우드 아키텍트가 이런 자격 인증을 반드시 보유해야 한다고 생각하지 않는다. 실제로 아키텍트 역할을 지원하면서 AWS 자격증이나 특정 클라우드 서비스 업체의 자격증만 가지고 있는 사람이 있다면, 자격증 때문에 기술 선택 프로세스가 편향될 수 있다는 우려 때문에 채용하지 않으려는 경향이 있다. 클라우드 아키텍처 역할은 독학으로 공부한 지원자가 맡는 경우도 많다. 또한 많은 직책에서 대학 학위는 선택 사항이다. 대학에서 제공하는 것보다 더 최신의 가치 있는 기술을 배울 수 있는 온라인 강좌가 충분히 많기 때문이다. 참고로, 필자는 대학뿐만 아니라 온라인에서도 강좌를 진행한다. 조직 내 역할과 연봉 이들 역할에 대한 연봉과 조직 내 직급에 대한 궁금점도 많을 것이다. 조직 계층 구조에서 클라우드 아키텍트는 종종 더 고위급 역할을 맡아 클라우드 전략을 이끌고 조직 전체에 영향을 미치는 결정을 내린다. 때로는 잘못된 결정으로 인해 비즈니스가 망할 수도 있다. 이들의 업무는 비즈니스 성과에 직접적인 영향을 미치기 때문에 일반적으로 클라우드 엔지니어보다 높은 연봉을 받는다. 더 많은 돈을 벌고 주변 사람들에게 상사가 되고 싶다면 엔지니어가 아닌 아키텍트가 되는 것이 유리하다. 두 역할 모두 높은 연봉을 받을 수 있는데, 연봉은 지리적 위치, 경력 및 기업의 특정 요구 사항에 영향을 받는다. 경우에 따라서는 채용 당시의 시장 역학 관계에 따라 엔지니어가 아키텍트보다 더 많은 연봉을 받을 수도 있다. 클라우드 엔지니어와 아키텍트는 클라우드 컴퓨팅을 활용해 혁신을 추진하는 데 없어서는 안 될 필수 요소이다. 클라우드 엔지니어는 클라우드 환경을 구축하고 유지 관리하는 사람이고, 클라우드 아키텍트는 이런 환경 내에서 프레임워크를 설계하는 개척자이다. 이 둘은 공생 관계에 있다. AI가 원동력이 되고 기업이 클라우드 기반 기술 솔루션의 가치를 이해함에 따라 향후 몇 년 내에 이 두 가지 역할이 크게 발전할 것으로 예상한다. editor@itworld.co.kr
최근 델은 직원들에게 불필요한 사무실 복귀를 요구해 퇴사를 강요한다는 비판을 받았다. 이런 수법을 사용하는 회사는 비단 델뿐만이 아니다. 비즈니스 환경이 다시 좋아지고 있다고 해도 기술 기업의 직원 해고를 막지는 못하고 있다. 이와 동시에 수많은 기업이 생산성 향상을 명분으로 원격 근무자의 사무실 복귀를 주장하고 있다. 이처럼 무능한 리더가 회사 성과가 나쁘다는 이유로 재택 근무 직원을 희생양으로 삼는 것이 현실이다. 그리고 이 2가지 안 좋은 것을 모두 행하는 기업들도 있다. 델은 퇴사를 유도하려는 은밀한 의도를 가지고 직원들을 강제로 사무실로 복귀시키려는 것으로 보이는 대표적인 기업이다. 델은 원격 근무 직원들에게 사무실로 출근해 파트타임으로 일하거나 계속 원격 근무를 하라는 선택권을 줬다. 합리적으로 보이는 이 선택권의 문제는 무엇일까? 원격 근무를 '선택'한 직원에게는 앞으로 현장 회의를 위한 출방지와 승진, 수평 이동이 없을 것이며, 향후 인력 감축 시 우선적인 '고려' 대상이 될 수 있기 때문이다. 델이 이런 선택지를 준 이유는 간단하다. 직원이 자진해서 그만두면 퇴직금 패키지가 필요하지 않다. 회사는 돈을 절약하고 주주들은 만족한다. 남은 근로자들은? 더 이상 회사의 문제가 아니다. 이런 접근 방식을 사용하는 것은 델뿐만이 아니다. AWS도 직원을 쫓아내기 위해 사무실 복귀 명령을 사용한다는 비판을 받아 왔다. 전 AWS 수석 디벨로퍼 애드버케이트(developer advocate)인 저스틴 개리슨은 이를 "소리 없는 약탈"이라고 표현했다. 불만을 품은 전직 AWS 직원들의 설명에 따르면, 이런 계획은 사무실 복귀 이니셔티브를 엄격하게 시행해 원격 근무자의 삶을 비참하게 만들었다. 그 결과 많은 AWS 직원들이 그만뒀다. 업무 접근성 인식 관련 비영리 단체인 GAAD 파운데이션(GAAD Foundation) 회장 조 데본은 "사무실 복귀 강제는 PR 및 HR 비용을 들이지 않고 해고할 수 있는 하나의 방법"이라고 말했다. 데본의 말이 맞다. 하지만 그렇다고 해서 현명한 방법이라는 의미는 아니다. 리버트 캐시디 휘트모어(Liebert Cassidy Whitmore)의 노동 및 고용 변호사 셸린 베넷은 인베스터플레이스(InvestorPlace)에서 간접적으로 해고를 시작하는 방법으로 사무실 복귀를 명령하는 것은 미국 근로자 조정 및 재교육법(WARN) 및 유사한 주법을 위반할 수 있다고 경고했다. 일부 기업은 사무실에 출근하는 직원보다 재택 근무자를 먼저 해고하기도 한다. 예를 들어, 온라인 가구 회사 웨이페어(Wayfair)는 지난 1월 직원 13%를 해고했는데, 대부분이 재택 근무 인력이었다. 이런 일은 이미 예고된 것일 수도 있다. 과거 웨이페어 CEO는 대부분 직원이 대부분 날에 사무실 책상에 있어야 한다고 말한 적 있다. 하버드 비즈니스 스쿨 교수인 프리트위라즈 초두리는 워싱턴 포스트와의 인터뷰에서 "엄격한 사무실 복귀 의무를 시행하는 것은 최고의 성과와 다양성을 위험에 빠뜨리는 일이다. 경제적 측면에서도 말이 안 된다"라고 지적했다. 장기적으로는 말이 안 될 수도 있지만, 언제부터 기업이 '장기적인 것'에 신경을 썼는가? 다음 분기를 좋아 보이게 만드는 것이 전부였다. 인건비를 절감해 애널리스트의 예상치를 뛰어넘을 수 있다면 내일이나 모레는 신경쓰지 않는 것이 기업이다. 이런 접근 방식의 또 다른 변형은 장기 해고다. 디즈니나 웰스파고 같은 기업은 해고할 직원에게 재취업할 수 있는 시간적 여유를 주지 않는다. 해고되는 직원을 몇 주 혹은 몇 달 동안 계속 근무하게 만든다. 당장의 목표는 하루 아침에 수백, 수천 명의 직원을 공개적으로 해고함으로써 발생하는 모든 나쁜 언론과 소셜 미디어 반응을 피하는 것이다. 동시에 엄격한 사무실 복귀 정책을 통해 직원의 퇴사를 유도할 수 있다면 회사 입장에서는 이득이다. 다시 말하지만, 퇴직금을 지급할 필요가 없기 때문이다. 많은 회사가 과거와 같은 방식으로 직원을 해고하고 있다. 시스코, SAP, 구글, 마이크로소프트도 포함된다. 하지만 사무실 복귀 정책은 비즈니스적으로도 합리적이지 않다. 스탠더드 앤드 푸어스(Standard and Poor's)가 500곳 기업을 대상으로 실시한 최근 연구에 따르면, "관리자들이 직원에 대한 통제권을 재확인하고 회사 실적 악화의 희생양으로 직원을 비난하기 위해 사무실 복귀 정책을 사용"하는 것으로 나타났다. 진정한 목적이 직원을 세밀하게 관리하려는 것이든 강제로 퇴출시키려는 것이든, 사무실 복귀 의무화는 무능한 고위 경영진이 긍정적인 변화를 일으키고 있는 것처럼 가장하려는 핑계에 불과하다. 정말로 장기적으로 긍정적인 변화를 원한다면, 모든 직원이 다시 칸막이 사무실이나 실업자로 돌아가기를 바라는 경영진을 해고할 것을 제안한다. 업무의 미래는 가정과 유연한 근무에 있다는 것을 인식하는 것이 비즈니스 발전에 훨씬 도움이 된다. editor@itwworld.co.kr
로컬 LLM, 생성형 AI를 지원하는 AI 하드웨어를 그저 말로만 지지하는 것만으로는 충분하지 않다. 하드웨어 공급업체는 로컬 AI 앱의 직접 개발자가 아니더라도 최소한 중개자 역할을 자임해야 한다. 퀄컴이 그런 역할을 하고 있다. 세계 최대 모바일 박람회인 MWC 2024에서 퀄컴은 스냅드래곤 플랫폼에 최적화된 75개 이상의 AI 모델 저장소인 퀄컴 AI 허브를 발표했다. 또한, 오디오 입력을 받아들이는 파라미터 70억 개 규모의 로컬 LLM을 (아마도 스냅드래곤 기반의) PC에서 실행하는 모습을 시연했다. 마지막으로 스냅드래곤 스마트폰에서도 추가로 70억 개의 파라미터로 구성된 LLM을 시연했다. 퀄컴의 AI 허브는 개발자용이기는 하지만 좋은 시작이다. 물론 훌륭한 성과지만, AI의 실제 활용례를 보여주는 PC나 CPU 공급업체가 더 많아져야 한다는 것이 관건이다. CPU와 PC 공급업체가 사용자를 로컬 AI로 유도하는 유일한 방법은 쉽고 저렴하게 AI를 제공하는 것이다. 그러나 그런 업체는 거의 없다. 스마트폰, 클라우드, 여러 기기로 PC 하드웨어 점유율이 계속 줄어드는 상황에서 PC 업계는 새로운 트렌드를 놓치지 않으려는 경향을 보이고 있다. 팬데믹 기간 동안 급증한 노트북과 크롬북 판매량은 다시 제자리로 돌아간 상태다. 인공지능이라는 차세대 기술을 실행하고 고성능 하드웨어에 비용을 지불하려면 로컬 PC가 필요하다는 주장은 PC 업계에 오히려 속박으로 작용할 것이다. 그러나 AI가 클라우드에서 먼저 실행되어 사용례를 선보이기 시작하면서 PC 산업은 분명 한 발 뒤처졌다. 마이크로소프트는 아직 로컬 AI에 특별히 투자하지 않는 것 같다. 마이크로소프트의 코파일럿 서비스는 모두 클라우드에서 실행되며, 구독 요금제에 가입하거나 최소한 마이크로소프트 계정이 있어야 사용할 수 있다. (로컬 계정으로는 코파일럿을 사용 횟수가 제한되어 있다.) 대다수 사용자는 PC에서 AI를 로컬로 실행하는 것은 물론, AI를 사용해야 한다고 느끼지도 못할 것이다. CPU와 하드웨어 공급업체가 해결해야 할 문제는 바로 이것이다. 해결책은 하드웨어가 아니라 소프트웨어에 있다. 정답은 앱 마이크로소프트도 지난해 스토어 앱에 AI 허브를 도입했지만 아직도 약간 부족하다. 사용 가능한 대다수 챗봇 앱은 실제로 클라우드에서 실행되고 유료 요금제에 가입해야 한다. 코파일럿이 기본적으로 무료인데도 말이다. 어도비 라이트룸과 ACDSee 같은 앱도 마찬가지로 구독 기반이다. 로컬 앱은 로컬 PC의 성능을 활용해 이 문제를 피할 수 있다. 문제의 해결사는 하드웨어 공급업체여야 한다. 이미 선두에 나선 업체가 있다. MSI는 게이밍 노트북인 MSI 레이더 GE78에서 생성형 AI 앱인 AI 아티스트(AI Artist)를 제공한다. 다소 투박하고 느리지만 적어도 신뢰할 수 있는 업체가 내놓은, 한 번의 클릭으로 설치되는 로컬 앱이다. AMD와 인텔도 모두 라마2 같은 AI 언어 모델에서 자사 칩의 성능을 자랑하고 있다. 이미 AI 챗봇을 사용해 보고 다양한 모델과 작동 방식에 익숙해진 사용자에게는 의미가 있다. 예를 들어 AMD는 라이젠 AI 브랜드의 자체 NPU를 활용하는 애플리케이션을 구체적으로 설명하고 있다. 인텔도 지난해 AI 개발 펀드를 출범시켰다. 하지만 아직 모자라다. 칩 공급업체가 해야 할 일은 더욱 사용자에게 가까이 다가가는 것이다. 이미 검증된 방법으로는 어도비 포토샵, 블랙 매직의 다빈치 리졸브나 토파즈 같은 AI 기반 앱의 체험판 구독이 있다. 사용자는 전통적으로 블로트웨어를 좋아하지 않지만, PC 업계가 AI PC를 판매하려면 콘텐츠 제작자급 PC를 통해 돌파구를 찾아야 한다. 인텔 인사이드 대신 AI 번들 마케팅을 시작하면 어떨까? 하드웨어가 아니라 소프트웨어에 집중하는 것이다. 아니면 인텔이 내놨던 아이디어인 게임 번들의 복귀도 생각해 볼 수 있다. 현재 인텔과 AMD는 정품 CPU나 메인보드를 구입할 때 어쌔신 크리드 미라지 같은 최신 게임을 증정하는 행사를 종종 진행한다. 그러나 몇 년 전만 해도 CPU의 성능을 보여주는 여러 게임을 무료로 다운로드하는 서비스를 제공했었다. 다음은 2018년 MSI 노트북의 광고다. 로컬에서 AI를 실행하면 개인정보 보호라는 이점도 얻을 수 있다. 그러나 코파일럿과 바드의 편의성은 로컬 AI의 안전성을 밀어낼 강력한 근거가 된다. 어차피 개인 사용자가 중요시하지 않는 점이기도 하다. AMD, 인텔, 퀄컴이 로컬 AI를 현실화할 계획이라면 간단하고 저렴하며 보편적인 제공 방식을 찾아야 할 것이다. 이미 전속력으로 달리고 있는 AI라는 열차 앞에서 남은 시간은 그리 많지 않다. editor@itworld.co.kr
측정 가능한 목표, 맞춤형 아키텍처, 지속적인 테스트 및 모니터링을 구현해 하이브리드 클라우드는 비효율적이라는 고정 관념을 깨보자. 클라우드 업계에서는 '하이브리드 클라우드'의 의미를 항상 명확히 할 필요가 있다. 한때는 프라이빗 클라우드와 퍼블릭 클라우드의 결합으로 정의됐지만, 이제는 퍼블릭 클라우드가 아닌 모든 시스템이 퍼블릭 클라우드와 함께 작동하는 것을 포괄하는 개념이 됐다. 하이브리드 클라우드는 경쟁력을 유지하고자 하는 모든 기업용 하드웨어 및 소프트웨어 업체의 화두이다. 이들 업체는 수십억 달러를 들여 퍼블릭 클라우드를 구축할 여력이 없다. 하지만 퍼블릭 클라우드와 함께 작동하는 시스템을 판매할 수 있으며, 이는 20년 된 기술을 현대화할 수 있는 저렴한 방법이다. 모든 것을 바꾸는 생성형 AI 생성형 AI에 대한 관심으로 인해 더 많은 기업이 하이브리드 클라우드로 전환하고 있다. 대부분 기업은 자체 데이터센터, 코로케이션, 또는 매니지드 서비스 업체에 있는 데이터를 학습 데이터로 활용하고자 한다. 물론 퍼블릭 클라우드 서비스 업체의 생성형 AI를 사용하는 훨씬 더 편리하기 때문에 결국 퍼블릭 클라우드 서비스 업체와 학습 데이터를 공유해 하이브리드 클라우드를 구축하게 된다. 물론 하이브리드 클라우드에서 단일 퍼블릭 클라우드 서비스 업체를 사용하는 경우는 거의 없다. 하이브리드 클라우드는 대부분 두 곳 이상의 퍼블릭 클라우드 서비스 업체를 사용하는 멀티클라우드이다. 이 때문에 복잡성이 더 커진다. 학습 데이터가 엣지 컴퓨팅 시스템, IoT 기기 또는 다른 클라우드 서비스 업체나 데이터 업체에 있을 수도 있다. 방대하고 복잡해 보이는 것은 사실이다. 이런 배치 환경의 가장 큰 단점은 성능 저하이다. 하지만 하이브리드 클라우드이기 때문이 아니라 엔지니어링 문제에 원인이 있는 경우가 많다. 엔지니어링 및 아키텍처 문제는 진단하기는 쉽지만, 특히 시스템이 프로덕션에 들어간 후에는 해결하기가 어렵고 비용이 많이 든다. 높은 성능, 높은 복잡성 복잡한 하이브리드 환경을 효율적으로 운영하기 위해서는 세심한 성능 엔지니어링이 필요하다. 하이브리드 클라우드 아키텍처 내 성능 엔지니어링의 미로를 파헤쳐 문제의 본질을 파악해 보자. 처음 성능 문제가 발생하는 이유는 무엇일까? 하이브리드 클라우드의 근본적인 매력은 다양한 컴퓨팅 및 스토리지 요구사항에 맞는 맞춤형 서비스를 이용할 수 있다는 점이다. 하지만 서로 다른 환경에서 운영되는 이질적인 시스템을 관리하는 데 따르는 복잡성 때문에 사전 예방적이고 체계적인 성능 엔지니어링 접근 방식이 필요하다. 하이브리드 클라우드를 처음부터 올바르게 구축하기 위해서는 다음의 몇 가지 요소를 고려해야 한다. 성능 엔지니어링은 비즈니스 성과와 연계된 명확하고 측정 가능한 목표에서 시작된다. 응답 시간, 처리량, 시스템 가용성과 같은 핵심 성과 지표(KPI)를 정의해야 하며, 이런 목표는 사용자의 기대치 및 SLA와 깔끔하게 연동돼야 한다. 메트릭이 없으면 성능에 문제가 있다는 것을 어떻게 알 수 있을까? "보면 알아요"라는 말을 자주 듣지만, 그것만으로는 충분하지 않다. 엔지니어, 아키텍트, 사용자가 명확하고 측정 가능한 목표를 기록하고 이해하는 것이 가장 좋다. 아키텍처는 성능의 우수성을 확인하는 데 중추적인 역할을 한다. 적절한 서비스 조합을 선택하고 이중화, 로드밸런싱, 내결함성을 위한 설계가 필수적이다. 아키텍처는 마이크로서비스와 같은 성능 중심의 설계를 사용해 보완할 수도 있고, 더 빠른 데이터 검색을 위해 강력한 캐싱 메커니즘을 구현할 수도 있다. 대부분의 성능 문제는 잘못된 아키텍처, 심지어는 비용이 많이 들고 성능을 악화시키는 기술 스택을 배치하는 것에서 원인을 찾을 수 있다. 해결하고자 하는 문제가 무엇이든 같은 기술 구성을 계속 배포하는 아키텍트도 있는데, 그렇게 해서는 안 된다. 강력한 하이브리드 클라우드 환경은 배치 전에 다양한 테스트 과정을 거친다. 단위 테스트부터 부하 테스트, 스트레스 테스트까지 클라우드 스택의 각 계층이 현재 부하와 잠재적인 확장성 문제를 견딜 수 있는지 검증한다. 툴과 프레임워크는 테스트를 자동화하고, 사용자 행동을 시뮬레이션하며, 클라우드 인프라가 다양한 조건에서 견디고 성능을 발휘할 수 있는지 확인한다. 일단 배치가 완료되면 하이브리드 클라우드 시스템은 지속적인 관찰 가능성의 단계로 접어든다. 성능 모니터링 도구는 배치 전반에 걸쳐 실시간 데이터를 수집해 새로운 문제에 대해 즉각적인 조치를 취할 수 있도록 지원한다. AIOps 등의 서비스는 리소스 사용 패턴에 대한 인사이트를 제공해 엔지니어가 시스템 최적화에 대해 정보에 입각한 결정을 내릴 수 있도록 지원한다. 얼마나 많은 시스템이 제대로 모니터링되지 않는지 알면 놀랄 것이다. 필자가 더 걱정하는 일은 성능이 저조한 하이브리드 클라우드 솔루션을 배치하고 그 책임을 하이브리드 클라우드란 배치 모델에 부당하게 전가하는 것이다. 사람들은 일반화의 함정에 빠지기 쉽다. 실제로는 빠르고 관리하기 쉬운 하이브리드 클라우드 시스템을 신속하게 배포할 수 있다. 약간의 계획과 앞서 제시한 고려사항을 따르기만 하면 된다. editor@itworld.co.kr
매일매일 업데이트되는뉴스레터 받아보기
테크라이브러리자료 업로드 신청
미국의 성직자 프랭크 크레인은 "지나치게 신뢰하면 잘 속아넘어가지만 충분히 신뢰하지 않으면 고통 속에 살게 된다"라는 유명한 말을 남겼다. 물론 오픈소스를 두고 한 말은 아니다. 그러나 이 말은 오늘날 오픈소스가 실제로 소비되는 방식과 기업이 데브섹옵스 관행 내에 성문화하기 위해 노력 중인 제로 트러스트 패턴 사이의 간극을 설명하기에 적합하다. 여러 시장조사 결과를 보면, 현재 전 세계 소프트웨어의 90~98%는 오픈소스다. 우리 모두 다른 사람이 쓴 코드를 가져다가(거인의 어깨 위에 앉는다는 생각으로) 빌드하고 수정하며, 그 과정에서 코드의 모든 작성자와 유지관리자, 그리고 우리보다 앞선 기여자를 암묵적으로 신뢰한다. 개발자는 코드를 직접 작성하기 전부터 기반 오픈소스 코드가 안전하게 작성되었을 것이라고 신뢰한다. 코드를 사용할 때가 되면 그 코드의 작성자에게 악의적인 의도가 없었으며, 설치에 앞서 코드가 변조되지 않았을 것이라고 신...
가장 가볍고 정밀한 FPS 마우스로 정평이 난 로지텍 G 프로 X 슈퍼라이트를 써본 적이 있다면, 이 마우스가 커서를 따라가기 힘들 정도로 빠르다는 것을 잘 알고 있을 것이다. 그러나 로지텍 G는 프로게이머가 선택한 새로운 무기인 더 빠르고 가벼운 프로게이밍 마우스로 한 단계 더 발전했다. 크기는 전혀 변하지 않았으므로 그간 쓰던 로지텍 마우스를 업그레이드하려는 사용자에게 충분히 친숙하지만, 센서가 한층 더 빠르고 정확해졌다. 밀리초가 승패를 좌우하는 게임에서 로지텍 G 프로 X 슈퍼라이트 2는 승리를 위한 최고의 선택이다. 그러나 비용이라는 부담이 따른다. 159달러라는 상당한 비용을 지불해야 이 성능을 즐길 수 있다. 로지텍 G 프로 X 슈퍼라이트 2의 디자인과 사양 크기는 4.92X2.5X1.57인치로 전작과 동일하다. 가장 큰 차이는 무게다. 60g으로 3g 더 가벼워졌다는 것을 실감할 수 있다. 디자...
가민 포러너 165(Garmin Forerunner 165)는 가민의 새로운 멀티스포츠 시계다. 가민이 제품군 전반에 걸쳐 다양성을 확대한 덕분에 이제 AMOLED 터치스크린 디스플레이가 탑재된 포러너를 39만 9,000원이라는 비교적 저렴한 가격에 구입할 수 있다. AMOLED 패널이 없는 20만 원대의 보급형 포러너 55 및 40만 원대인 255 사이에 위치한 165는 가민의 기존 중급 시계 옵션에 AMOLED를 추가한 제품이며, AMOLED 패널을 탑재한 고가의 포러너 265보다 훨씬 저렴하다. 다른 경쟁 제품으로는 코로스 페이스 3(Coros Pace 3)과 폴라 페이서(Polar Pacer)가 있다. 가민은 포러너 265 및 965보다 훨씬 저렴한 가격에 AMOLED 러닝 시계를 원하는 러너를 위해 또 다른 가격대를 마련했다. 디자인 및 만듦새 무게 39g 43mm 뮤직 에디션 옵션 제공 포러너 165의 디자인은 최근 유색 화면이 적용된...
대형 IT 기업이 기술 사업이 아니라 사용자 데이터 사고파는 사업에 열을 올리는 상황을 어떻게 해석해야 할까? 레귤러토리 리뷰(Regulatory Review) 보도에 따르면, 구글은 매일 전 세계 수십억 명의 데이터를 수집한다. 그러면서도 타겟 광고를 통해 사용자도 이익을 본다고 주장한다. 하지만 이는 명백한 허위다. 오히려 구글 검색이 구글 광고 사업과 완전히 분리되면, 사용자가 검색어와 무관하고 이상하기까지 한 결과를 보는 비율이 더 줄었을 것이다. 실제로 구글의 스폰서드(sponsored) 검색 결과에서 사용자가 얻는 이익은 아무 것도 없다. 사용자가 사이트를 이동해도 따라다니는 구글 광고의 불편한 진실이다. 이런 디지털 광고는 IT 기업의 거대한 비즈니스다. 구글과 메타(페이스북)의 경우 매출 대부분이 여기서 나오고, 다른 대형 IT 기업은 물론 그보다 더 작은 기업도 매출 상당 부분이 여기서 출발한다. 상황이 이런 데도 미국 정부와 미국 시민은...
크리에이티브의 둥글고 작은 스피커 페블(Pebble)은 PC용 스피커에 수백 달러 이상 쓰고 싶지 않은 사용자에게 언제나 좋은 선택지다. 신제품 페블 X(Pebble X)는 야심과 가격에 이어 품질까지 기준을 한층 높였다. 디자인과 기능 페블 X는 두 가지 버전으로 출시됐다. 하나는 2개의 스테레오 스피커만 있는 버전이고, 페블 X 플러스(Pebble X Plus)는 서브 우퍼가 포함된 버전이다. 이번 테스트에서는 서브우퍼 버전을 사용했다. 윗부분과 바닥이 살짝 기울어진 구형의 두 스피커는 기존 모델보다 조금 더 커진 직경 5.48인치 크기였다. 밑바닥이 평평하고 고무로 코팅되어 있어 세워 놓는 데 불안함이 없었다. 그러나 무게 중심이 약간 위쪽에 있어서 기울이면 책상 위를 굴러다니는 모습을 볼 수도 있다. 책상 면보다 더 높이 두고 싶다면 밑면에 있는 삼각대 마운트를 활용하면 된다. 그러나 삼각대 없이 사용하는 높이가 원래의 의도에 맞는 높이다. 노트북...
언제나 개선의 여지는 있다. 3대 브라우저인 크롬, 엣지, 파이어폭스의 개발사도 여러 해 동안 데이터 보호와 보안을 위해 노력해 왔다. 데이터 보호와 보안 기능은 지속적으로 풍부해지고 있다. 사용자도 더욱 섬세한 선택지를 받아들었다. 전체 트렌드가 추적을 방지하고 개인정보를 보호하는 방향으로 변화하고 있기 때문이다. 그러나 현재의 브라우저로는 충분하지 않은 사용자도 많다. 정보 보호와 익명 인터넷 서핑을 지원하는 수많은 확장 기능에서도 알 수 있듯, 기술적으로 가능해진 것이 많기 때문이다. 사용자는 인터넷 서핑에서 스파이에게 공격 받지 않도록 보호하는 브라우저를 원한다. 여러 해 동안 사용자의 요구를 충족하고 적절한 보호를 지원하는 새로운 브라우저가 속속 등장했다. 대다수가 바이러스 백신 도구나 VPN, 대체 검색 엔진 등 인터넷 익명성을 중시하는 업체에서 만든 브라우저다. 그리고 이들 개발사는 기존 업체와 같은 오픈소스 프로젝트를 소스원으로 사용한다. 토르 브...
수년 동안 맥북 에어는 성능, 기능, 가격의 이상적인 조합으로 누구나 사용할 수 있는 노트북이라는 장점을 내세웠다. 애플이 2022년 M2 칩으로 업그레이드하고 2023년 15인치 M2 모델을 출시하면서 맥북 에어의 매력은 더욱 커졌다. 이제 맥북 에어는 애플이 작년 가을부터 시작한 ‘M3 축제’에 합류했다. 칩 업그레이드 외에 새로운 M3 맥북 에어에는 두 가지 새로운 기능만 추가되었을 뿐 사실상 이전과 동일한 노트북이다. 많은 부분이 변하지 않은 것처럼 제품에 대한 필자의 인식도 변함없다. 맥북 에어는 여전히 누구에게나 최고의 노트북이다. 세부 사양 2024년형 맥북 에어는 M2에서 M3 칩으로 업그레이드됐다. M3 프로 또는 맥스 칩에 대한 옵션은 제공되지 않으므로 고사양 칩을 원한다면 맥북 프로를 살펴봐야 한다. 여기서 리뷰한 15인치 맥북 에어는 애플 라인업에서 가장 비싼 표준 구성이다. 더 많은 메모리와 더 큰 SSD로 변경하면 가격이 올라간다. 세...
이제 새 노트북을 구매하려고 한다면 수백 가지 제품 중 어느 것을 골라야 할지 혼란스러울 것이다. 모든 노트북이 '꼭 필요한' 기능을 지원한다고 광고하는 것도 혼란을 가중한다. 하지만 진실은, 이런 주장 대부분이 힘들게 번 내 은행 잔고를 노린 과장 광고라는 것이다. 그리고 대부분 노트북에는 꼭 필요한 기능이 공통으로 들어가 있다. 따라서 이런 공통 기능을 만족하는지 확인한 후 추가로 필요한 기능을 따져보는 것이 현명하다. 노트북 구매 시 가장 먼저 고려해야 할 5가지 기능을 정리했다. RAM, 한 번에 많은 일 처리하는 작업대 노트북이 일종의 공방이라면 RAM은 작업대와 같다. 작업대가 클수록 한 번에 더 많은 일을 프로젝트를 작업할 수 있다. 하지만 일정 수준을 넘어서면 더 많은 것이 반드시 더 좋은 것은 아니다. 동시에 7개 프로젝트를 처리할 일이 없다면 7개 프로젝트를 처리할 수 있는 작업대가 필요하지 않고, 이는 RAM도 마찬가지다. ...
직원들은 재택근무에 찬성하는 반면 고용주는 회의적이다. 생산성 저하를 우려하기 때문이다. 많은 기업이 타협점을 찾고 있다. 재택근무는 계속해서 논의와 갈등의 주제가 될 것이다. 직원은 재택근무(가급적 금요일)를 할 수 있다는 사실에 만족하지만, 일부 고용주에게는 재택근무가 목에 가시처럼 다가오기도 한다. 하지만 직원은 재택근무가 제공하는 유연성을 단순히 포기하고 싶지 않다. 이는 장기적으로 시장에서 살아남고자 하는 고용주라면 직원 만족도와 충성도를 높이는 데 중요한 요소인 이동 근무의 가능성을 검토해야 한다는 의미이기도 하다. 특히 미국에서는 직원의 사무실 복귀를 명령하는 기업이 늘어나고 있으며, 아이러니하게도 화상회의 솔루션 업체인 줌을 비롯한 일부 IT 회사는 작년 8월부터 직원들이 더 효과적으로 일할 수 있다는 이유로 일주일에 최소 이틀은 사무실에 출근해 근무하도록 하고 있다. 독일에서도 시계추가 다른 방향으로 흔들리고 있다. 도이체 방크와 포르쉐...
랜섬웨어는 재해복구 계획을 뒷방에서 전면으로 끌어올렸다. 허리케인, 토네이도, 지진의 피해를 입지 않을 것이라 생각하는 것은 이해할 수 있다. 하지만 기업이 랜섬웨어의 공격을 받지 않을 것이라 생각하는 것은 복권에 당첨될 것이라 생각하는 것과 같다. 기업이 랜섬웨어의 공격을 받을 확률은 매우 높기 때문에 사고 대응 계획에 포함된 견고한 재해 복구 계획이 필요하다. 수십 년간 이 업계에서 일하면서 배운 것이 있다면, 백업이나 복제본만 있다고 해서 진정한 의미의 재해 복구 계획이 수립된 것은 아니라는 것이다. 필자는 중요한 시스템 복구를 직접 겪었고, 추측만 하고 계획이 불완전할 때 어떤 일이 벌어지는지 목격했다. 특히 오늘날과 같이 랜섬웨어가 만연한 환경에서는 복구 준비는 타협할 수 없다. 복구 인프라의 사전 정의 적절한 DR 계획은 완전히 새로운 인프라에서 데이터와 시스템을 복원해야 한다는 가정을 바탕으로 수립된다. 포렌식 상의 이유로 원래 시...
회사명 : 한국IDG | 제호: ITWorld | 주소 : 서울시 중구 세종대로 23, 4층 우)04512 | 등록번호 : 서울 아00743 등록발행일자 : 2009년 01월 19일
발행인 : 박형미 | 편집인 : 박재곤 | 청소년보호책임자 : 한정규 | 사업자 등록번호 : 214-87-22467 Tel : 02-558-6950
Copyright © 2024 International Data Group. All rights reserved.