“보안 사고가 발생한 이유, 탐지를 못했기 때문”
Z세대 : 결제의 미래 (Gen Z: the future of spending)
카카오톡 ‘이모티콘 플러스’ 구독자 수
2030년까지 AI 시장 연평균 성장률
“생성형 AI는 창의성 향상에 도움이 된다”
LLM(Large Language Model)은 인간 언어를 이해하고 생성할 줄 안다. 이 생성형 AI 도구는 매우 강력하고 인기가 높아 소매업 및 전자상거래업 경영진의 90%가 업무 보조용으로 생성형 AI를 사용한다는 퓨처 커머스(Future Commerce)의 도 있다. 예를 들어, LLM은 지속가능성이나 가격, 스타일에 각각 관심을 두는 고객 유형에 따라 다른 버전의 제품 설명을 생성할 수 있다. 이를 통해 전자상거래 기업은 고객 참여를 개인화할 수 있고 따라서 더 많은 매출을 거둘 수 있다. LLM 시장 규모는 2022년 105억 달러(약 13조 5,000억 원)로 추산되며, 많은 전문가가 오는 2029년까지 409억 달러(약 52조 7,000억 원) 규모에 달할 것으로 전망한다. 그러나 기업이 LLM을 본격적으로 도입하기 전에 3가지 치명적인 장애물이 해결돼야 한다는 지적도 있다. 높은 LLM 개발 및 훈련 비용, 가격 투명성 결여, 오픈소스 LLM이 상업용 LLM에 미치는 영향이다. LLM을 둘러싼 과도한 기대는 현실이지만, 엄청난 현금을 보유한 기업만이 LLM을 운영할 수 있다. 심지어 초반에는 이런 기업마저도 손실을 볼 수도 있다. 1. 높은 개발 및 훈련 비용 기업은 재정적 한계로 인해 LLM 투자 정당화에 어려움을 겪고 있다. LLM 훈련에는 엄청난 데이터와 연산력이 필요한데, 이는 다른 운영 예산 중에서도 값비싼 품목이다. 가령 가장 인기 있는 LLM인 GPT-3도 오픈AI가 훈련시키는 데 460만 달러(약 59억 2,000만 원)가 들었다. 역사적으로는 LLM 배치와 훈련은 언제나 특화된 하드웨어와 소프트웨어를 요구하므로 값비싼 작업이었다. 기본적인 인하우스 배치도 5년간 6만 달러(약 7,700만 원)가량이 들어가지만, 일부 애플리케이션의 경우에는 확장성이나 성능이 충분하지 않을 수도 있다. 더 많이 확장할 수 있는 배치는 9만 5천 달러(약 1억 원)까지 비용이 올라간다. 여기에 더해 데이터 과학자와 지원 업무 담당 직원을 고용하고 적합한 실행 환경을 구축하며 시간이 지나는 동안 LLM을 계속 유지하는 데 들어가는 비용도 있다. 예상치 못한 장기적인 비용을 피하기 위해서는 이처럼 프로젝트의 전체 범위를 파악하고 승인해야 한다. 오늘날에도 여전히 LLM 배치와 훈련에 드는 비용은 높지만 조금씩 합리적이고 접근 가능한 범위로 들어오고 있다. 간소화된 예산을 운용하는 소기업도 LLM에 접근하기 위해 고군분투하고 있는 와중에 오픈AI 같은 기업이 API를 SaaS 방식으로 제공함으로써 더욱 합리적이고 가까워졌다. 즉, 기업이 강력한 LLM을 사용하기 위해 자체적인 하드웨어와 소프트웨어를 구입하고 유지할 필요가 없다. 이제 기업은 서비스를 구독하고 온라인으로 API에 접근하면 된다. 훈련 비용도 이제는 그다지 비싸지 않다. 처음부터 훈련시키는 것이 아니라 미세 조정(find-tuning)하면 되기 때문이다. 미세 조정은 사전 훈련된 LLM을 자체 데이터로 추가 학습시키는 것으로, 완전히 바닥부터 훈련을 시작하는 것보다는 비용이 훨씬 저렴하다. 처음부터 전체 모델을 학습시키는 것이 아니라 새로운 데이터에 대한 학습만 필요하다. 이런 시나리오에서 LLM은 이미 기본 언어 패턴을 이해하고 있으므로 기업의 시간과 비용을 줄인다. 높은 LLM 개발 및 훈련 비용은 중소기업에는 진입 장벽으로 작용해 왔다. 그 결과 자본을 쏟아부을 여력이 있는 대기업이 아닌 경우에는 LLM 도입이 느려지게 됐다. 그러나 LLM 배치와 훈련은 오픈AI 같은 기업과 미세 조정 같은 전략 덕분에 훨씬 저렴하고 접근 가능해졌다. 2. 가격 투명성 결여 가격 투명성 결여도 SMB가 LLM을 도입하는 데 장벽이 된다. 쿼리당 요금 지불하는 독립 소프트웨어 공급업체를 위한 현재의 가격 모델이나 최종 사용자를 위한 구독 시스템이 있더라도 마찬가지다. LLM 가격은 모델의 크기와 복잡성, 훈련에 드는 데이터, 제공하는 특정 기능 등 몇 가지 요소에 따라 변한다. 이런 점 때문에 SMB는 각기 다른 LLM 공급업체의 가격을 비교하고 가장 적합한 LLM을 선택하는 데 어려움을 겪는다. 일부 LLM 공급업체는 가격을 미리 공개하지 않는 경우도 있기 때문에 계약 체결 전 정확한 LLM 예산을 파악하기도 어렵다. 쿼리당 지급 방식과 구독 모델로도 기업 경영진은 LLM이 여전히 엄두도 못 낼 만큼 비싸다고 생각할지 모른다. 예산 제약이 있는 소기업은 특히 그렇다. SMB가 LLM 도입 시 직면할 수 있는 가격 관련 문제는 구체적으로 다음과 같다. LLM 가격 이해의 어려움 : AI/ML 전문가가 없는 SMB는 LLM이 복잡하고 불투명하게 느낄 수 있고 가장 잘 맞는 모델을 선택하기 어렵게 만든다. 숨은 비용 : 일부 LLM 공급업체는 설정, 유지, 노후화 지원 같은 숨은 요금을 청구하기도 한다. 장기 계약 : 일부 LLM 공급업체는 장기 계약을 강요한다. 그러나 지속적인 LLM 사용을 감당할 수 없는 기업에는 장기 계약이 재정적으로 위험할 수 있다. LLM 가격은 표준화되어 있지 않으며 예측할 수 없지만 한 가지는 확실하다. 매우 비싸다는 것이다. 현재 환경은 SMB에 있어 진입 장벽을 만들고 있고, 결과적으로 산업 전체의 혁신을 지연시킨다. 3. 오픈소스 LLM의 영향 라마 2(Llama 2)나 메가트론 튜링 NLG(Megatron-Turing NLG) 같은 오픈소스 LLM은 생성형 AI라는 강력한 기술에 대한 접근을 민주화하고 접근성을 높인다. 그러나 오픈소스 LLM의 성공이 LLM을 상업용화할 방도를 찾는 기업에는 실질적인 장벽이 될 수 있다. 오픈소스 LLM은 LLM 상업에 이중적 과제를 제시한다. 첫째, 오픈소스 LLM은 기업에 비용이 들지 않는 대안을 제시한다. 둘째, 오픈소스 LLM은 상업용 LLM 제품과 직접적으로 경쟁하는 새로운 애플리케이션과 서비스를 개발하는 산실 역할을 한다. AI 중심 챗봇, 번역 도구, 코드 생성 도구를 떠올려 보라. 오픈소스 소프트웨어는 다른 산업에서도 이미 성공을 증명했다. 오픈소스 운영체제 리눅스와 아파치 웹 서버가 각각의 시장에서 지배적인 업체가 된 것이 한 예다. 성장하는 개발자와 연구자 커뮤니티는 무서운 속도로 새로운 아이디어와 혁신을 만들어 내고 있다. 연산력에 대한 비용도 점진적으로 줄어들면서 LLM 활용 접근성을 낮추고 있다. 한 가지 경고 : 오픈소스 LLM은 표준화되어 있지 않아 필요에 맞는 적절한 LLM을 기업이 선택하거나 기존 시스템과 통합하기가 어렵다. 오픈소스 LLM이 일반적으로 이익 기업의 지원을 받지 못하기 때문에 기업은 사내 전문가를 고용하거나 지속적인 지원을 유지하기 위해 서드파티 업체와 협력해야 할 필요가 있다. 오픈소스 LLM의 약속 그럼에도 불구하고 오픈소스 LLM은 혁신과 경제적 성장을 촉진할 수 있다. 그러나 그 단계까지 도달하기까지는 시간이 걸릴 것이다. 커뮤니티 중심의 개발을 육성하고 핵심 윤리를 정립하고 개인정보 우려를 불식하기 위해서는 세심한 기획, 협업, 반복적인 정제가 필요하다. 기업은 이미 수많은 애플리케이션에 오픈소스 LLM을 사용하고 있다. 24/7 지원과 고객 질문에 빠르고 정확하게 답변하는 고객 서비스 챗봇 개인화된 마케팅 문구를 생성하고 특정 고객에 더욱 효과적인 타깃 광고를 제공하는 마케팅 캠페인 새로운 아이디어를 만들고 기존 제품을 개선하는 제품 디자인/개발 시스템 코드 품질 개선과 작업 시간 절감에 도움이 되는 코드 생성기 구매 경험을 강화하고 실적을 높이는 제품 추천 엔진 특히 SaaS API 솔루션으로 기업이 기존의 고비용 문제를 해결하는 데 도움을 준다는 점에서 상업용화된 LLM은 큰 가능성을 지니고 있다. 그러나 비용, 가격 투명성, 오픈소스 대안의 부상이라는 과제는 LLM 지형도에서 혁신과 접근성을 끌어올리려는 공통의 노력이 필요하다는 점을 계속 강조하고 있다. *Xun Wang은 Bloomreach의 CTO다. editor@itworld.co.kr
라즈베리 파이(Raspberry Pi)는 4,500만 대 이상의 판매고를 기록하며 역대 가장 성공적인 싱글 보드 컴퓨터(SBC)다. 동시에 가장 많이 팔린 '영국산' 컴퓨터이고, 무수히 많은 상을 받았다. 그러니 지난 10년간 브리티시 라즈베리 파이 재단(British Raspberry Pi Foundation)이 만든 이 작은 개발용 보드의 모방작이 수없이 나온 것도 무리가 아니다. 그렇다면 이중 '원조' 라즈베리 파이에 비견할 만한 SBC가 있을까? 그 해답을 찾기 위해 라즈베리 파이의 진정한 경쟁자를 면밀히 살펴 검토했다. 라즈베리 파이 4 혹은 라즈베리 파이 5 대신 쓸 수 있는 '추천할만한' SBC 4종을 선정했다. 오렌지 파이 4와 오렌지 파이 5 는 중국 기업 셴젠 쑨롱 소프트웨어( Shenzhen Xunlong Software)가 개발한 오렌지 파이 시리즈에 속하는 SBC다. 이 작은 미니 PC는 특히 개발자와 취미 애호가가 다양한 애플리케이션을 실행하는 데 필요한 강력하고 합리적인 가격의 제품으로 만들어졌다. 하드웨어 사양 : 오렌지 파이 4는 다양한 애플리케이션에 모두 적합한 인상적인 하드웨어 사양이 특징이다. 주요 사양은 다음과 같다. 프로세서(SoC) : 오렌지 파이 4는 강력한 록칩(Rockchip) RK3399 SoC(System on Chip)로 구동된다. 듀얼 코어 코텍스-A72 프로세서와 쿼드코어 코텍스-A53 프로세서가 들어 있다. 이 조합으로 자원이 많이 필요한 작업에도 충분한 연산 능력을 제공한다. 그래픽(GPU) : RK3399 칩셋은 그래픽 애플리케이션을 위한 하드웨어 가속 기능을 제공하는 말리-T860 MP4 GPU가 탑재돼 있다. 이로써 오렌지 파이 4는 멀티미디어 애플리케이션과 게임에도 적합한 기기가 됐다. 메모리 : 오렌지 파이의 메모리는 LPDDR4 RAM 4GB로 여러 애플리케이션을 동시에 구동하기에 충분하다. 마이크로SD 카드 슬롯이 있어 메모리 확장도 가능하다. 연결성 : 오렌지 파이 4는 기가비트 이더넷, 듀얼 밴드 와이파이(2.4GHz, 5GHz), 블루투스 5.0, USB 포트 여러 개를 탑재해 연결성 옵션을 크게 확장했다. 영상 출력 : HDMI 2.0을 통한 4K 영상 재생이 가능하고 디스플레이포트 출력도 지원한다. 확장성 : 오렌지 파이는 GPIO 핀과 추가 커넥터로 외장 하드웨어 구성요소와 확장 보드를 연결할 수 있다. 운영체제 지원 : 오렌지 파이 4는 안드로이드, 리눅스(우분투, 데비안 등 다양한 배포판), 그 외 커뮤니티 개발 운영체제 등 다양한 운영체제를 지원한다. 애플리케이션 : 오렌지 파이 4는 다음과 같은 다양한 애플리케이션에 적합하다. IoT 프로젝트 서버 애플리케이션 멀티미디어 스트리밍 이미지와 영상 편집 소프트웨어 개발자를 위한 개발 플랫폼 로봇과 다른 임베디드 시스템 제어 최신 제품인 오렌지 파이 5는 이제 옥타 코어 록칩 RK3588S 프로세서와 최대 16GB의 LPDDR4X를 탑재해 특히 자원을 많이 필요로 하는 작업과 원대한 프로젝트에 적합하다. 결론 : 오렌지 파이 4는 개발자, 취미 애호가, DIY 마니아에게 이상적인 고성능 하드웨어 사양을 갖춘 강력한 싱글 보드 컴퓨터다. 기능이 많고 다양한 연결 옵션이 있어 광범위한 프로젝트와 애플리케이션을 위한 탄탄한 토대를 제공한다. 반면, 오렌지 파이 5는 주로 전문가나 연산 자원을 많이 필요로 하는 대규모 프로젝트를 체험하려는 사용자를 겨냥한 제품이다. 오렌지 파이 4는 통상 중국이나 미국에서 수입되므로 아마존닷컴에서만 구매할 수 있다. 오렌지 파이 5 역시 현재 아마존에서 판매되고 있다. 바나나 파이 BPI-M4와 M5 는 시노보이프(SinoVoip)가 개발한 싱글 보드 컴퓨터인 바나나 파이 제품군 중 하나다. 하드웨어가 강력하고 비용 효율적이라 개발자, 취미 애호가, 소기업 등에 매력적이다. 사양은 오렌지 파이 4와 매우 유사하다. 하드웨어 사양 : 바나나 파이 BPI-M4는 다양한 애플리케이션을 지원하는 비교적 강력한 하드웨어를 제공한다. 프로세서(SoC) : 바나나 파이 M4는 쿼드코어 코텍스-A53 프로세서, 쿼드코어 코텍스-A53 프로세서로 구성된 강력한 올위너(Allwinner) H618 SoC로 구동된다. 이 조합은 자원이 많이 필요한 작업에 충분한 연산 성능을 제공한다. 그래픽(GPU) : H618 칩셋과 ARM 말리 G31 GPU로 바나나 파이 4는 그래픽 애플리케이션용 하드웨어 가속을 제공해 멀티미디어와 게임에도 적합하다. 메모리 : M4는 LPDDR4 RAM 2GB로 라즈베리 파이 4의 메모리가 4GB인 것과 대비된다. 스토리지는 마이크로SD 카드 슬롯으로 확장할 수 있다. 연결성 : M4는 기가비트 이더넷, 듀얼밴드 와이파이(2.4GHz, 5GHz), 블루투스 5.0으로 폭넓은 연결성을 제공한다. 영상 출력 : 바나나 파이 M4는 HDMI 2.0으로 4K 영상 재생을 지원한다. 확장성 : 외장 하드웨어 구성요소와 확장 보드 연결을 가능하게 하는 GPIO 헤더와 GPIO 핀을 제공한다. 운영체제 지원 : 바나나 파이 M4는 안드로이드, 리눅스(우분투, 데비안 등 다양한 배포판), 그 외 커뮤니티 개발 운영체제 등 다양한 운영체제를 지원한다. 애플리케이션 : 바나나 파이 M4는 다재다능해 다음과 같은 다양한 애플리케이션을 지원한다. 멀티미디어 스트리밍과 재생 : 강력한 하드웨어 덕분에 바나나 파이 M4는 고품질 멀티미디어를 처리할 수 있다. IoT 프로젝트 : GPIO 핀이 있고 연결성 옵션이 다양해 IoT 기기와 애플리케이션 개발에 이상적이다. 서버 애플리케이션 : 바나나 파이 M4는 웹 서비스, 파일 공유, 그 외 다양한 애플리케이션을 위한 서버로 사용할 수 있다. 개발 플랫폼 : 소프트웨어 개발자는 바나나 파이 M4에서 애플리케이션과 프로토타입을 개발하고 테스트할 수 있다. 이미지와 영상 편집 : 그래픽 성능이 우수해 이미지와 영상 편집 작업에도 적합하다. 결론 : 바나나 파이 BPI-M4는 다양한 애플리케이션을 지원하는 고성능 하드웨어를 갖춘 강력한 싱글 보드 컴퓨터다. 개발자와 취미 애호가, 비용 효율적이고 다재다능한 플랫폼을 찾는 소기업에 적합하다. 바나나 파이 M5는 대안 SoC인 암로직(Amlogic) S905X3, LPDDR4 RAM 4GB 사양으로 상대적으로 저렴한 가격에 판매된다. 바나나 파이 M5는 라즈베리 파이 5나 최신 제품인 오렌지 파이 5만큼 강력하지는 않지만, 소규모 프로젝트에 완벽할 뿐 아니라 가격 경쟁력이 있다. 그러나 자원이 많이 소모되는 애플리케이션에는 다른 제품이 훨씬 적합하다. 엔비디아 젯슨 나노 는 특히 고성능 GPU를 쓰고 싶은 사용자와 개발자를 겨냥한 제품이다. 엔비디아 맥스웰 아키텍처에 기반한 강력한 통합 그래픽 유닛을 갖추고 있는 것이 특징이다. 하드웨어 사양 : 엔비디아 젯슨 나노는 다양한 애플리케이션을 지원하고, 성능, AI, 로봇 공학, 자동화에 초점을 맞췄다. 프로세서(SoC) : 엔비디아 젯슨 나노는 엔비디아 테그라(Nvidia Tegra)를 기반으로 제작됐다. 1.43GHz 클럭을 갖춘 ARM 코텍스-A57 4개를 사용한다. 그래픽(GPU) : 다른 경쟁 제품과 엔비디아 젯슨 나노가 확연히 차별화되는 지점이다. 활성 CUDA 코어 128개를 갖춘 강력한 맥스웰 GPU를 사용하기 때문이다. 메모리 : 엔비디아 젯슨 나노의 메모리는 LPDDR4 RAM 4GB로, 25.6GB/s 속도로 CPU와 연결되어 빠른 운영을 보장한다. 인공지능과 딥러닝 : 젯슨 나노는 딥러닝 작업에 특히 적합하다. 텐서플로우나 파이토치 같은 일반적 딥러닝 프레임워크에 적합하고, 신경망을 위한 빠른 추론 속도를 지원한다. 다용도 인터페이스 : 엔비디아 젯슨 나노는 USB 포트, HDMI 출력, 기가비트 이더넷, GPIO 핀, 카메라 인터페이스를 포함한 다양한 인터페이스를 갖추어, 센서와 카메라를 요구하는 애플리케이션에 탁월하다. 개발자 친화적 : 엔비디아는 소프트웨어 개발 키트(SDK)와 활발한 커뮤니티를 포함, 개발자 지원 폭이 광범위하다. 따라서 애플리케이션 개발과 디버깅이 쉽다. 운영체제 지원 : 엔비디아 젯슨 나노는 기존 프로젝트의 커스텀과 통합이 용이한 우분투 기반의 리눅스 배포판 등 다양한 운영체제를 지원한다. 결론 : 엔비디아 젯슨 나노는 대부분의 다른 싱글 보드 컴퓨터보다 지원하는 애플리케이션 폭이 넓고, 제조업체 지원이 가능한 더 강력한 개발자 도구를 제공한다. 물론 그만한 가격을 지불해야 한다. 비슷한 제품 중 가장 비싼 150달러 가격표가 붙어 있다. 엔비디아 젯슨 나노는 현재 AI, 로봇공학, 자동차, 자동화 분야의 프로젝트를 주로 계획하는 사용자에게 좋은 선택이다. 그러나 고전 게임 콘솔이나 소규모 미디어 센터를 만들 계획이라면 더 저렴한 제품을 선택하는 것이 좋다. 오드로이드 N2+ 는 한국 업체인 하드커널(Hardkernel)이 광범위한 애플리케이션에 초점을 맞춰 개발한 제품이다. 오드로이드 N2+는 네트워크 스토리지 솔루션, 멀티미디어 센터, 고전 게임 콘솔에 더해 전문적 프로젝트 실행에도 적합하다. 하드커널의 오드로이드 N2+의 기술적 사양과 기능, 성능적 특징은 다음과 같다. 강력한 프로세서(SoC) : 오드로이드 N2+는 코텍스-A73 CPU 코어 4개, 코텍스-A53 CPU 2개를 결합한 헥사코어 SoC인 암로직 S922X SoC로 구동된다. 이 프로세서는 고성능 연산 능력을 제공하고, 자원이 많이 필요한 작업도 처리할 수 있다. 그래픽 성능(GPU) : 고해상도 그래픽과 4K 해상도의 영상 재생을 지원하는 강력한 말리-G52를 탑재했다. 스토리지 옵션 : 오드로이드 N2+는 DDR4 RAM을 지원해 연산 중심적 작업에 충분한 메모리를 제공한다. eMMC 메모리 모듈 지원과 외장 데이터 스토리지용 USB 포트가 여러 개인 것도 특징이다. 확장 옵션 : 오드로이드 N2+는 USB 3.0과 USB 2.0 포트 다수, 기가비트 이더넷, HDMI 출력, GPIO 핀을 지원한다. 그래서 광범위한 주변 기기와의 연결이 가능한, 극도로 다기능적인 제품이다. 운영체제 지원 : 오드로이드 N2+는 우분투 같은 리눅스 배포판, 안드로이드 여러 버전을 포함한 다양한 운영체제와 호환된다. 따라서 여러 가지 프로젝트와의 커스텀과 통합이 용이하다. 미디어 재생 : 강력한 하드웨어 덕분에 오드로이드 N2+는 4K 영상 재생, H.265와 VP9 코덱, 다양한 멀티미디어 작업이 원활하다. 따라서 미디어센터와 일반 사용자용 전자기기에 이상적이다. 에너지 효율성 : 연산 성능이 높은데도 오드로이드 N2+는 매우 에너지 효율적이기 때문에 전력 소비가 제한된 환경에서 사용할 수 있다. 활발한 커뮤니티 : 하드커널은 애플리케이션 개발과 커스텀을 위한 지원과 자원을 제공하는 사용자 및 개발자 커뮤니티를 운영하고 있다. 애플리케이션 : 오드로이드 N2+는 미디어 센터, 홈 자동화 시스템(스마트 홈), 네트워크 스토리지 솔루션, 고전 게임 콘솔, 그 외 다른 자원이 많이 필요한 임베디드 및 일반 사용자 전자기기 작업 등의 애플리케이션에 이상적이다. 견고한 설계 : 오드로이드 N2+는 고품질의 정교함과 탄탄한 설계로 장기적으로 신뢰성 높은 성능을 보장한다. 결론 : 오드로이드 N2+는 강력한 싱글 보드 컴퓨터로 자원이 많이 필요한 임베디드 및 일반용 전자제품 애플리케이션에 이상적이다. 하드웨어 구성요소와 다양한 기능을 통해 개발자와 엔지니어에게 높은 연산 성능을 요구하는 프로젝트를 위한 강력한 플랫폼을 제공한다. 이 싱글 보드 컴퓨터는 비용 면에서도 상대적으로 유리한 보급형 가격으로 높은 점수를 줄 만하다. 하드커널의 오드로이드 N2+는 진정한 만능형 제품으로 거의 모든 프로젝트 유형에 적합하다. 이 싱글 보드 컴퓨터는 특히 스트리밍 클라이언트, 미디어센터, 일명 NAS로 불리는 네트워크 스토리지 솔루션에 적합하다. editor@itworld.co.kr
보편적인 사람이 이메일이 정상인지 사기인지 여부를 판단하는 데 사용하는 지표는 오탈자, 문법적 오류, 문화적 맥락의 결여 등인데, 2024년에는 이 같은 구분이 더 어려워질 전망이다. 공격자가 피싱, SMS 및 기타 소셜 엔지니어링 공격에 생성형 AI와 대규모 언어 모델(LLM)을 사용하여 음성과 비디오를 포함한 콘텐츠를 더욱 정교하게 만들 것이기 때문이다. 또한 구글 클라우드 사이버 보안 전망 2024 보고서에 따르면 생성형 AI는 대규모 악성 활동에도 동원될 전망이다. 공격자는 이름과 조직, 직책, 부서 또는 건강 데이터에 대한 액세스 권한을 획득하게 되면 악성 LLM을 사용할 필요조차 없다. 생성형 AI를 사용해서 송장 미리 알림의 초안을 만드는 행위에는 본질적으로 악의적인 요소가 없기 때문이다. 구글 클라우드의 CISO 필 베너블스는 성명서에서 AI에 대해 “공격자는 무해한 AI 애플리케이션과 악성 AI 애플리케이션의 경계를 흐리기 위해 할 수 있는 모든 수단을 사용할 것이므로 방어자는 더 신속하고 효율적으로 움직여야 한다”라고 말했다. 이 보고서는 생성형 AI를 사용한 가짜 뉴스, 수신자와 적극적으로 상호작용하는 가짜 전화, 생성형 AI로 만들어진 가짜 콘텐츠를 기반으로 한 딥페이크 사진 및 비디오 등으로 인해 기업과 정부에 대한 대중의 회의와 불신이 증가할 가능성을 경고했다. 또한 구글 클라우드는 공격자를 위한 유료 서비스 형태의 생성형 AI와 LLM도 등장할 것으로도 예측했다. 좋은 소식은 사이버 방어자들도 비슷한 툴을 사용하여 이러한 위협에 맞선다는 것이다. 구글 클라우드는 조직에서 대량의 데이터를 합성하고 위협 인텔리전스에서 이를 컨텍스트화한 다음 실행 가능한 탐지 또는 기타 분석을 도출하는 것이 AI의 주요 사용 사례 중 하나가 될 것으로 예측했다. AI와 생성형 AI는 이러한 대규모 데이터 집합을 분석하고 취해야 할 조치를 추론하는 인간의 역량을 보강하는 기능을 제공할 것이다. 2024년의 전 세계 위협 전망 공격자는 환경에 대한 지속적인 액세스를 최대한 길게 유지하는 데 목표로 두므로 2024년에는 이러한 액세스를 더 오래 유지하기 위해 제로데이 취약점과 엣지 디바이스를 악용할 것이다. 이 전망은 2023년의 제로데이 취약점이 2021년에 세워진 이전 기록을 뛰어넘을 것이라는 예상에 근거한다. 러시아의 우크라이나 침공 이후 나타난 파괴적 핵티비즘의 경우 하마스-이스라엘 분쟁 중에도 비슷한 활동이 관측된 만큼 앞으로도 계속 증가할 가능성이 높다. 이러한 활동에는 DDoS 공격, 데이터 유출 및 훼손이 포함된다. 맨디언트 인텔리전스(Mandiant Intelligence)는 이 같은 활동이 과거에 성공을 거둔 만큼 재활용될 가능성이 높다고 예상했다. 러시아의 우크라이나 침공 이전에 관찰된 바와 같이 일부 국가는 와이퍼 맬웨어를 추가할 수도 있다. 당시 러시아 APT 그룹은 우크라이나 표적에 대한 액세스 권한을 획득해 동적인 작전과 동시에 파괴적인 공격을 개시했다. 보고서는 “대만 해협과 기타 전 세계적인 보안 위협으로 인해 2024년에는 전략적으로 중요한 표적에 사전에 배치된 파괴적인 와이퍼 맬웨어가 발견될 것”이라고 전망했다. 또한 구글 클라우드는 우주 기반 인프라를 노리는 공격, 하이브리드 및 멀티클라우드 환경에 대한 공격의 성숙화, 위협 행위자의 서버리스 서비스 사용 증가, 갈취 공격의 지속, 스파이 및 슬리퍼 봇넷, SystemFunctionXXX 및 안티 가상머신을 포함한 과거 수법의 부활을 예상했다. 맬웨어 제작자들은 고, 러스트, 스위프트와 같은 프로그래밍 언어로 계속해서 더 많은 소프트웨어를 개발할 것이다. 이러한 언어는 뛰어는 개발 환경과 저수준 기능, 풍부한 표준 라이브러리, 써드 파티 패키지와의 손쉬운 통합을 제공하기 때문이다. 개발자들은 소프트웨어 패키지 관리자에 호스팅되는 공급망 공격을 통해 표적이 된다. 사이버 보안 보험이 증가하면서 보험료는 안정적으로 유지될 것으로 전망된다. 구글 클라우드는 보안 운영 솔루션에서 통합 위험 및 위협 인텔리전스에 대한 고객 요구가 강해지면서 섹옵스(SecOps)의 통합도 증가할 것으로 예상했다. 2024년 주목할 지역별 동향 선거 시스템을 표적으로 한 스파이 활동과 영향력 행사, 소셜 미디어에서의 후보자 사칭, 유권자를 노리는 정보 작전 등 다가오는 미국 대선을 겨냥한 사이버 활동에 참여하는 국가 및 기타 위협 행위자가 증가하고 있다. 특히 중국, 러시아, 이란에서 미국 정부를 대상으로 한 스피어 피싱과 기타 공격이 증가할 것으로 예상된다. 마찬가지로 선거가 실시되는 대만, 한국, 인도, 인도네시아에서도 이와 비슷한 활동이 발생할 것으로 보인다. 중국이 새로 제작한 지도 역시 인도 및 인도네시아 선거 중에 논쟁을 유발할 수 있다. 사이버 범죄와 인신매매, 두 가지 요소가 모두 포함된 이른바 돼지 도살 사기(로맨스 사기)는 2024년에도 아시아 태평양 국가의 사법 기관에 계속해서 골칫거리가 될 전망이다. 아시아 태평양 지역에서는 엔드포인트 탐지 및 대응 솔루션의 도입이 증가하면서 탐지를 최소화하기 위한 공격 전술도 함께 증가할 것으로 예상된다. 6월에 실시되는 유럽 의회 선거도 사이버 스파이 활동과 정보 작전을 모두 수행하는 위협 행위자들에게 매력적인 표적이며, 이와 관련해서는 러시아가 가장 뚜렷한 위협으로 보고되고 있다. 러시아와 중국은 아프리카에 영향을 미치기 위해 허위 정보를 퍼뜨리는 사이버 캠페인으로 아프리카 국가를 표적으로 한 활동을 늘리면서 독재 정권을 지원하고 불화를 조장하는 동시에 민주 제도를 약화시키고 있다. 중국 및 러시아 그룹은 스마트폰, 컴퓨터, 전기차와 같은 많은 하이테크 제품에 필수적인 희토류 광물 산업을 노릴 것으로 전망된다. 2024년 파리에서 열리는 하계 올림픽에서 사이버 범죄자들은 특히 금융 정보 또는 자격 증명을 요청하는 피싱 캠페인을 통해 티켓 시스템과 상품을 노릴 것으로 예상된다. 마지막으로, 내년에도 중국과 러시아, 북한, 이란은 각자의 목표를 달성하기 위해 스파이 활동과 사이버 범죄, 정보 작전 및 기타 캠페인을 수행하면서 활동을 지속할 것으로 보인다. 맨디언트 인텔리전스와 구글 클라우드의 부사장인 산드라 조이스는 성명서에서 4대 위협 국가에 대해 “중국, 러시아, 북한, 이란은 지정학적 필요에 따라 장단기적으로 각각 특징적인 사이버 역량을 행사하고 있다. 특히 중동과 동유럽, 동아시아의 분쟁 지역을 중심으로 전 세계적 긴장이 고조되면서 이러한 행위자들을 이용하는 사례도 분명 증가할 것이므로 집중적인 준비가 중요하다”라고 말했다. editor@itworld.co.kr
중급 스마트폰인 삼성 갤럭시 A34와 구글 픽셀 6a는 각각 고유의 이점이 있다. 어떤 제품이 더 나은 선택인지 결정하는 것은 어디까지나 취향의 문제다. 여기서는 디스플레이 품질 및 보안 기능부터 성능, 배터리 수명 및 카메라 기능에 이르기까지 갤럭시 A34와 픽셀 6a의 주요 측면을 자세히 비교한다. 어떤 제품이 자신의 요구사항에 더 적합한지 판단하는 데 도움이 될 것이다. 디스플레이 갤럭시 A34의 경우, 6.6인치 120Hz 슈퍼 아몰레드(Super AMOLED) 디스플레이가 탑재됐고 구글 픽셀 6a는 6.1인치 60Hz 올레드(OLED) 디스플레이를 제공한다. 일반적으로 두 제품 모두 디스플레이가 훌륭하다. 영상을 시청하거나 시각적인 즐거움을 추구하는 등 다양한 콘텐츠를 소비한다면 두 제품 모두 만족스러울 것이다. 그러나 갤럭시 A34에는 몇 가지 이점이 더 있다. 우선 화면이 더 크기 때문에 더 넓은 공간을 선호하는 이들에게 더 나은 선택지다. 픽셀 6a는 A34보다 더 작다. 또한 갤럭시 A34가 빠른 움직임을 픽셀 6a보다 더 부드럽게 구현한다. 갤럭시 A34의 주사율은 120Hz며, 픽셀 6a는 60Hz에 불과하다. 업데이트 지원 및 기타 기능 두 제품 모두 안드로이드 13을 실행한다. 안드로이드 스마트폰의 경우 삼성 및 구글이 제공하는 최고의 소프트웨어 지원을 받을 수 있다. 두 제품 중 하나를 사용한다면 향후 몇 가지 주요 업데이트를 제공받을 수 있을 것이다. 픽셀 6a는 3년간의 안드로이드 업데이트 및 5년간의 보안 업데이트를 제공하며, A34는 4년간의 안드로이드 업데이트 및 5년간의 보안 업데이트를 제공한다. 즉, 두 제품 모두 안드로이드 14를 지원한다. 보안과 관련해 두 제품 모두 디스플레이에 지문 스캐너가 내장돼 있다. 반응성은 모두 뛰어나므로 차이는 크지 않을 것이다. 그러나 갤럭시 A34는 한 단계 더 나아가 픽셀 6a에 없는 기능인 안면 인식을 제공한다. 대부분 사람은 지문 스캐너를 선호하는 경향이 있지만, 안면 인식 잠금 해제와 같은 보조 옵션으로 인해 A34가 이 측면에서 우위를 확보한다. 두 스마트폰 모두 NFC를 지원해 구글 페이/삼성 페이를 사용할 수 있으며, 방진 및 방수 등급도 IP67로 같다. 두 제품 모두 헤드폰잭을 포함하지 않으므로 무선 이어버드를 가지고 있지 않거나 표준 유선 헤드폰을 사용하는 경우 별도의 어댑터가 필요하다. 프로세서 및 메모리 갤럭시 A34는 미디어텍 디멘시티 1080 칩셋(MediaTek Dimensity 1080 chipset)과 6GB RAM을, 픽셀 6a는 구글 텐서 칩셋(Google Tensor chipset)과 6GB RAM을 제공한다. 긱벤치 5(Geekbench 5) 멀티 코어 테스트에서 픽셀 6a는 2,745점, 갤럭시 A34는 2,312점을 기록했다. 전반적으로 두 제품 모두 일상적인 사용에 적합한 성능을 제공하지만, 조금 더 자세히 따지면 픽셀 6a가 성능 면에서는 약간의 우위를 차지한다. 픽셀 6a와 갤럭시 A34 모두 128GB 내장 스토리지를 제공한다. 가장 큰 차이점은 확장 여부다. 갤럭시 A34는 마이크로SD 카드 확장을 지원하지만, 픽셀 6a는 지원하지 않는다. 갤럭시 A34는 8GB RAM/256GB 버전도 있다. 확장 가능한 스토리지가 필요하다면 A34가 더 나은 선택지다. 배터리 성능 갤럭시 A34의 경우, 25W 충전 어댑터를 사용할 경우 제공된 케이블로 급속 충전이 가능하다. 하지만 배터리 용량이 픽셀 6a보다 커 실제 충전 속도는 픽셀 6a보다 느리다. 15분에 약 15~20% 충전, 30분에 약 1/3, 2시간 만에 완전 충전이 가능하다. 반면 픽셀 6a는 최대 충전 속도가 최대 18W로 갤럭시 A34보다 비교적 느리지만, 15분 만에 22%, 30분 만에 약 42%까지 충전되고 1시간 50분 만에 완전 충전할 수 있다. 두 제품 모두 배터리 성능이 견고하므로 더 빠른 충전 속도를 중요하게 고려한다면 배터리 용량이 더 작아도 픽셀 6a가 더 나은 선택지다. 카메라 및 가격 갤럭시 A34는 1,300만 화소 전면 렌즈, 4,800만 화소 후면 메인 렌즈, 800만 화소 초광각 렌즈, 500만 화소 접사 렌즈가 탑재된 트리플 렌즈 구성이다. 후면 및 전면 카메라 모두 4K 영상을 촬영할 수 있다. 픽셀 6a에 탑재된 전면 렌즈는 800만 화소이며, 후면의 경우 1,220만 화소의 메인 렌즈와 1,200만 화소의 초광각 렌즈로 구성된다. 후면 카메라는 4K 영상을 촬영할 수 있으나 전면 카메라로는 1080p까지만 촬영할 수 있다. 두 제품의 카메라 성능은 각각의 장점이 있다. 갤럭시 A34는 픽셀 6a에는 없는 근접 촬영용 접사 렌즈를 갖추고 있다. 하지만 픽셀 6a는 전반적인 사진 및 영상 품질이 뛰어나다. 픽셀 6a는 449달러(약 60만 9,700원)로 출시됐으며, 갤럭시 A34의 출시가는 6GB RAM/128GB 구성이 49만 9,400원, 8GB RAM/256GB 구성이 51만 8,700원이다. 결론 큰 화면과 부드러운 움직임, 다양한 보안 옵션 및 확장할 수 있는 스토리지를 우선시한다면 삼성 갤럭시 A34가 더 나은 선택지다. 배터리 충전 속도, 벤치마크 성능 면에서는 픽셀 6a가 뛰어나다. 일상적인 사용 환경에서는 중요하지 않을 수 있지만, 약간의 차이라도 성능이 중요하고 카메라 품질을 중요하게 여긴다면 픽셀 6a가 적합할 수 있다. 세부사양 안드로이드 13 기반 원 UI(One UI) 안드로이드 13 6.6인치 120Hz AMOLED 2340×1080(19.5:9) 6.1인치 60Hz OLED 2400×1080 (20:9) 미디어택 디멘시티 1080 칩셋 구글 텐서 칩셋 6/8GB RAM 6GB RAM 128/256GB 스토리지, 마이크로SDXC 128GB 스토리지 카메라 기본 : 4,800만 화소 f/1.8 OIS 초광각 : 800만 화소 f/2.2 접사 : 500만 화소 f/2.4 전면 : 1,300만 화소 f/2.2 카메라 기본 : 1,220만 화소 IMX363 f/1.7 OIS 초광각 : 1,200만 화소 IMX386 f/2.2 전면 : 800만 화소 IMX355 f/2.0 스테레오 스피커 스테레오 스피커 NFC/와이파이 5 NFC/와이파이 6E 블루투스 5.3 블루투스 5.2 5G 5G 지문인식/안면인식 지원 지문인식 5,000mAh 배터리 4,400mAh 배터리 유선 충전 속도 최대 25W 유선 충전 속도 최대 18W IP67 IP67 161.3×78.1×8.2mm 152.2×71.8×8.9mm 199g 178g editor@itworld.co.kr
‘프롬프트 엔지니어링’의 중요성이 얼마나 커졌을까? 일리노이 공대 겸임 교수이자 가트너의 부사장 겸 애널리스트인 에릭 브레테누는 공학 대학원생 전원이 이력서와 링크드인 프로필에 ‘AI 프롬프트 엔지니어링’ 기술을 넣었다고 할 수 있을 정도로 중요해졌다고 말했다. 브레테누는 “프롬프트 엔지니어링은 매우 중요하다. 오픈AI, 구글, 아마존, 마이크로소프트뿐만 아니라 모든 오픈소스 모델에서도 매우 중요하다. 곧 실무에 투입될 인적 자원은 어떤 방법으로든 프롬프트 엔지니어링을 습득해야 한다”라고 강조했다. 2023년 초부터 전 세계적으로 프로필에 ‘GAI’, ‘챗GPT’, ‘프롬프트 엔지니어링’, ‘프롬프트 크래프팅’이라는 용어를 추가한 회원 수가 매달 평균 75% 증가했다고 밝혔다. ‘AI 책임자’ 직책을 맡았거나 맡고 있는 링크드인 회원 수도 지난 5년 동안 약 3배 늘었다. . 프롬프트 엔지니어링이 인간과 기계의 상호작용을 개선하기 위해, 즉 대규모 언어 모델(LLM)이 최적의 답변을 내놓을 수 있도록 하는 데 필요하기 때문이다. 가트너 리서치의 부사장 겸 애널리스트 아비바 리탄은 “생성형 AI 애플리케이션이 고려되고, 시범 운영되는 속도만큼 숙련된 프롬프트 엔지니어 수요가 빠르게 증가하고 있다”라면서, “기업 관점에서는 기존 개발자와 소프트웨어 엔지니어에게 새로운 프롬프트 엔지니어링 기술을 교육하는 것이 중요하다. 모델을 효과적으로 프롬프트하기 위한 데이터 준비와 프로세스 플로우에 능숙하지 않으면 생성형 AI로 좋은 결과를 얻기 어렵다”라고 말했다. 이어 리탄은 “새로운 직원을 채용할 필요는 없다. 소수의 전문성 있는 프롬프트 엔지니어만 있으면 개발 프로세스를 시작하는 동시에 기존의 의욕적이고 유능한 다른 엔지니어와 개발자를 교육하는 데 도움을 줄 수 있다”라고 전했다. 브레테누는 전 세계 모든 대학교가 엔지니어, 개발자 등을 대상으로 프롬프트 엔지니어링 교육을 시작하겠지만, 무엇보다 기업이 기존 직원의 숙련도를 높이는 데 힘써야 한다고 언급했다. “기업에는 이미 관련 전문 지식이 있는 직원, 기술 전문가, 비즈니스 문제에 정통한 직원이 있다”라면서, “현재로서는 유데미, 코세라, 코드 아카데미 등의 온라인 학습 플랫폼이 직원의 업스킬링 또는 리스킬링에 가장 좋은 플랫폼”이라고 덧붙였다. 코세라 대변인에 따르면 (2023년 10월 기준) 지난 5개월 동안 코세라에는 4개의 프롬프트 엔지니어링 강좌가 개설됐고, 17만 명 이상의 회원이 등록했다. 코세라의 프로그램에는 ▲밴더빌트 대학의 챗GPT용 프롬프트 엔지니어링()이 있다. 실제로 프롬프트 엔지니어링을 둘러싼 관심은 매우 뜨겁다. (이를 입증하듯) 챗GPT를 만든 오픈AI와 구글 브레인의 공동 설립자이자 대표인 AI 과학자 앤드류 응 박사가 ‘개발자를 위한 챗GPT 프롬프트 엔지니어링()’이라는 강좌를 개설할 정도다. EY, NTT 데이터(NTT DATA), 데이터스미(Datasumi), 이드림(Edreams) 등의 기업에서는 이미 프롬프트 엔지니어 직책을 만들었다. NTT 데이터의 인사 부문 부사장 킴 컬리는 “항상 혁신적인 기술에 대응해 새로운 일자리를 창출해 왔으며, 프롬프트 엔지니어를 통해 특히 AI 분야에서 새로운 기술을 활용할 수 있을 것”이라고 밝혔다. 컬리는 “모두가 본 것처럼 AI에서 얻는 결과의 품질은 매우 다양하고, 이 품질은 질문을 어떻게 던지느냐에 따라 좌우된다”라며, “프롬프트 엔지니어는 기본적인 쿼리 데이터뿐만 아니라 필요한 답변의 맥락까지 이해해야 한다. 매우 수요가 높은 직업이며, 더 많은 기업이 AI를 활용하게 되면 그 중요성이 더욱 커질 것”이라고 설명했다. 아울러 프롬프트 엔지니어라는 직책을 만들 때 기존 직원의 역량을 강화하는 것도 한 방법이라고 덧붙였다. 컬리는 “질문과 답변의 맥락을 이해할 필요가 있기 때문에 이미 기업의 데이터를 활용 및 분석하고 있는 직원이 유리할 수 있다. 하지만 전통적인 교육 채널에서도 이제 막 가르치기 시작했다는 점에서, 신입 직원이 관련 역량을 갖추고 있을 수 있다”라고 말했다. 그렇다면 ‘LLM’은 무엇이고, 왜 훈련이 필요한가? LLM은 딥러닝 알고리즘으로, 방대한 양의 정보를 저장한다는 특징이 있다. LLM은 수백만, 수십억, 심지어는 수조 개의 매개변수나 변수를 가질 수 있다. 기본적으로 LLM은 다음에 올 단어를 생성하며, 주어진 쿼리에 가장 적절한 응답을 선택하도록 LLM을 훈련시키는 것이 프롬프트 엔지니어가 하는 일이다. 컬럼비아 대학교의 AI 교수 겸 AI 컨설팅 업체 퓨즈머신(Fusemachines)의 CEO 사미어 매스키에 따르면 “원하는 결과를 얻기 위해 기계와 상호작용하는 과정이다.” 오픈AI의 GPT-4, 구글의 람다(LaMDA), 허깅페이스의 바트(Bart) 등 대부분의 LLM은 이미 방대한 양의 정보로 채워져 있으나, 프롬프트 엔지니어링을 통해 특정 산업이나 기업에서 사용할 수 있도록 생성형 AI 도구를 맞춤화할 수 있다. 시간이 지남에 따라 대규모 비정형 LLM(예 : GPT-4 등)은 연산 집약도가 낮고, 도메인에 특화된 더 작은 모델로 대체되리라 예상된다. 즉, 더 컴팩트한 LLM이 다양한 버티컬 산업에서 각광받을 전망이다. 그렇게 되면 프롬프트 엔지니어링의 중요성은 더욱 커진다. 매스키는 “연구 관점에서 가장 중점을 두는 영역은 수백만, 수십억, 수조 개의 매개 변수를 사용하지 않고도 LLM에서 유사한 정확도를 얻는 것이다. GPT는 사라지지 않겠지만, 백엔드에서는 더 작아질 수 있다”라고 설명했다. 매스키에 의하면 가장 기본적인 의미에서 프롬프트 엔지니어링 또는 AI를 위한 질문이나 작업을 설계하려면 다음의 5가지 ‘고수준’ 고려 사항이 필요하다. • 맥락(Context) : 금융 서비스, 의료, 제조 등 특정 분야의 작업을 AI 엔진에 제공한다. • 작업 자체 지정(Give it the task itself) : 예를 들어 인구의 20% 이상에서 당뇨병이 발견되는 모든 지역의 목록을 답하도록 요청한다. • 구체성(Specificity) : 답변 범위를 좁힌다. 예를 들면 AI 도구에 이미지가 아닌 목록을 생성하라고 요청한다. • 미세조정 프로세스(Fine-tuning process) : 정확도를 결정하기 위해 AI에 정교한 답변을 자세히 설명하도록 요청한다. • 재조정(Retuning) : 답변이 정확하지 않으면 추가 정보나 더 상세한 설명을 요청한다. 프롬프트는 멀티모달일 수 있다. 예를 들어 이미지에 관한 텍스트를 2단계 프레임워크로 유도하는 프롬프트를 만들 수 있다. 이 시나리오에서는 프롬프트 엔지니어링으로 방사선 이미지에 대한 인사이트를 얻을 수 있다. 프롬프트 엔지니어가 방사선 이미지를 입력하면, AI가 이를 구문 분석해 방사선과 전문의나 외과 의사의 심층 분석이 필요한 급성 상태를 표시한다. 매스키는 “입력 내용에 따라 텍스트 기반 창이 될 수도 있고, 코드 조각을 프롬프트로 사용하는 코딩 플랫폼이 될 수도 있다. 이미지나 동영상 등을 업로드할 수도 있다”라고 말했다. 생성형 AI의 한 가지 장점은 기술 전문가가 아닌 직원도 쉽게 사용할 수 있다는 것이다. 즉, 코딩 기술이 필요하지 않다고 매스키는 전했다. “예를 들어 현업 부문 직원이 과거에는 선형 회귀 모델을 구축하거나, 특정 데이터 세트에서 통계 분석을 수행하는 작업을 할 수 없었다. 파이썬을 몰랐기 때문이다. 엔지니어가 아닌 사람도 데이터 세트에 관한 통계 분석을 할 수 있게 되면 많은 이점을 얻게 된다”라고 덧붙였다. 매스키는 프롬프트 엔지니어링이 언젠가 (오늘날 많은 기업에서 유용하게 쓰이는) 엑셀 스프레드시트 사용법을 배우는 것과 유사해질 수 있다고 내다봤다. 리탄은 프롬프트 엔지니어링이 결국 애플리케이션 엔지니어링과 소프트웨어 개발 경력에 포함될 것이라면서, “프롬프트 엔지니어링은 필수 기술이 되겠지만, 별도의 경력이 되지는 않을 것”이라고 전했다. 포레스터 리서치의 새로운 보고서에 따르면 클라우드 업체도 프롬프트 엔지니어링 서비스를 출시할 가능성이 크다. 포레스터 보고서는 “2024년에는 모든 하이퍼스케일러가 프롬프트 엔지니어링 서비스를 발표할 것”이라면서, “하지만 기업의 (프롬프트 엔지니어링 서비스) 도입은 제한적일 전망이다. 불완전한 맥락 데이터, 데이터 과학자의 자연어 및 프롬프트 엔지니어링 경험 부족 때문에 클라우드 업체의 1세대 프롬프트 엔지니어링 서비스만으로는 미세조정 요구 사항을 해결하기에 충분하지 않을 것이다”라고 전했다. 브레테누는 “현시점에서 프롬프트 엔지니어링을 다룬 교과서가 없기 때문에 ‘프롬프트 엔지니어링 역량 개발’이라고 하는 것이 대부분 직접 해보면서 배우는 것”이라면서, “생성형 AI 도구를 사용해 본 단 9개월의 경험으로 어떤 전문성을 갖출 수 있겠는가?”라고 지적했다. “따라서 가장 중요한 것은 기업 내 AI 리터러시 프로그램을 구축하고 직원 역량 강화를 시작하는 것이다”라고 전했다. 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. class="image" ⓒ Getty Images Bank 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. class="image" ⓒ Getty Images Bank 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. class="image" ⓒ Getty Images Bank 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 class="image" ⓒ Getty Images Bank 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. class="image" ⓒ Getty Images Bank 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
AI 기반 채팅, 검색 앱이 큰 인기를 끌고 있지만 여기는 작은 문제가 하나 있다. 이런 앱은 브라우저에서 실행되므로 각 사이트로 개별적으로 이동해야 쓸 수 있다. 그런데 이런 번거로움을 피하는 방법이 있다. 즉, 새로운 AI 기반 빙(Bing), ChatGPT, 그리고 마침내 구글의 바드(Bard) 검색 엔진은 모두 윈도우에 앱으로 저장해 필요할 때 호출할 수 있다. 구체적인 방법은 다음과 같다. 일단 웹 사이트는 윈도우 시작 메뉴에 고정되거나 모든 위치에 직접 ‘애플리케이션’으로 저장할 수 있다. 그 결과인 애플리케이션은 여전히 웹 앱이지만 자체적으로 별도 창으로 로드되며, 구석에 두거나 최소화하고 혹은 그렇지 않을 경우 윈도우를 통해 관리할 수 있다. 마이크로소프트 엣지 및 구글 크롬 모두에서 이 작업을 할 수 있다. 이렇게 사용하는 것이 구체적으로 어떻게 다를까? 웹 앱을 시작 메뉴에 고정하면 기본값은 새 브라우저 탭에서 챗GPT 혹은 빙을 여는 것이다. 반면 윈도우에 앱으로 저장하면 탭이나 즐겨찾기 없이 자체 브라우저 창으로 저장된다. 두 가지 모두 웹 페이지를 메인 시작 바로가기 메뉴 내에 저장하지만, 후자만 앱 목록에 배치된다. 이를 빠르게 실행하려면 Win+R 명령을 사용하면 된다. 여기서 살펴볼 더 쉬운 방법은 ChatGPT, 빙 혹은 기타 AI 프로그램을 앱으로 저장하는 것이다. 참고로 여기서 살펴보는 모든 지침은 빙, ChatGPT 혹은 구글 바드도 동일하게 적용된다. 이제 윈도우 내에 ChatGPT 혹은 새로운 빙을 앱으로 저장하는 방법을 살펴보자. 마이크로소프트 엣지 웹 브라우저를 열고 빙닷컴(Bing.com), ChatGPT 혹은 또 다른 사이트로 이동한다 : 이 단계는 구글 및 엣지 모두 동일하게 적용된다. 빙의 경우, https://www.bing.com로, ChatGPT는 https://chat.openai.com/chat으로 이동한다. 구글 바드도 (아직은 서비스 전이지만 서비스를 시작하면) 마찬가지다. 물론 이 모든 것은 사이트가 정상 작동한다는 것을 전제로 한다. 무료 버전 ChatGPT는 때때로 사람이 너무 몰려 접속하지 못할 수 있고, 빙은 사용하기 전 대기자 목록에 가입해야 할 수 있다. 빙 채팅 인터페이스에 액세스하기 위해 작은 채팅 링크를 클릭하거나 위로 스와이프한다 : 앞서 살펴본 첫번째 방법의 ChatGPT 링크를 통해 AI 애플리케이션으로 바로 이동할 수 있다. 빙의 경우 현재로서는 약간의 추가 단계가 필요하다. 마이크로소프트 엣지를 사용해 빙, 챗GPT 혹은 바드를 윈도우 앱으로 저장한다 : 이 방법은 마이크로소프트 엣지에만 적용된다. 추가 옵션을 표시하려면 오른쪽 상단 코너의 줄임표 메뉴(…)를 클릭한 후 앱 항목이 나타날 때까지 메인 메뉴에서 아래로 스크롤한 다음 ‘이 사이트를 앱으로 설치’로 이동한다. 이제 ‘앱’의 이름을 쓰고 작업 표시줄, 시작 메뉴 혹은 모두 중 어디에 저장할지 선택하면 된다. 엣지에서는 저장된 앱이 시작 메뉴에 나타난다 : 저장된 앱이 시작 바로가기 및 앱 드로어(app drawer)에 나타난다. 앱이 바로가기 메뉴 하단에 표시되고 앱 드로어 내에 알파벳 순으로 표시되므로 이를 찾기 위해 아래로 스크롤해야 할 수 있다. 앱 이름을 알고 있으면 윈도우 키 및 앱 이름을 입력하거나 윈도우 + R 바로가기를 사용해 빠른 실행 창을 열면 언제든지 빠르게 사용할 수 있다. 채팅 창 내에 앱을 저장하더라도 앱이 기본 빙 검색창에 기본 저장돼 있을 것이다. 그러면 빙 혹은 ChatGPT가 앱으로 나타난다. 여기서 ChatGPT 경우와 같이 마이크로소프트 엣지의 시작 메뉴에 앱을 고정할 수도 있다 : 오른쪽 상단의 줄임표 메뉴(…)로 다시 이동한 다음 아래로 스크롤해 ‘더 많은 툴(More Tools) 시작메뉴에 고정(Pin to Start)’으로 이동한다. 이는 사용해야 할 때 바로가기에서 ChatGPT, 빙 혹은 바드를 제외하면 된다는 의미다. 챗GPT 혹은 빙을 크롬 내 ‘바로가기’로 저장하기 : 크롬은 사용자가 앱에 대한 ‘바로가기’를 생성할 수 있도록 지원한다. 별도의 창을 만들 것인지도 선택할 수 있다. 기본값은 클릭 시 열리는 추가 탭으로 바로가기를 저장하는 것이다. 바로가기를 별도의 창으로도 저장할 수 있는데, 이는 바로가기를 앱으로 저장한다는 의미다. 두 경우 모두 바로가기는 시작 바로가기 메뉴에 저장되지만 윈도우 앱 목록에는 저장되지 않는다. editor@itworld.co.kr
2023년이 막 시작됐지만, IT 업계에는 이미 ‘스타’가 등장했다. 바로 ChatGPT이다. 대학과 각급 학교는 이미 ChatGPT를 금지했는데, 학생의 창의성과 개인 성취를 저해할 우려가 있기 때문이다. 하지만 ChatGPT와 이를 개발하는 오픈AI는 투자자의 상상력을 자극하기에 충분하다. 마이크로소프트는 오픈AI에 100억 달러를 투자하겠다고 했으며, 벤처 캐피탈인 쓰라이브 캐피탈과 파운더스 펀드도 3억 달러 규모의 지분에 관심을 보였다. 두 벤처 캐피탈은 이미 에어비앤비, 스포티파이, 리프트 등에 투자한 곳이다. 하지만 과연 ChatGPT란 무엇인가? CNET에서 사용하고 있는 편집자 보조 AI 같은 것인가? 아니면 값비싼 과외교사를 대신할 현대적인 숙제 도우미일 뿐인가? 아니면 고객 서비스를 자동화할 현대적인 기업용 챗봇인가? 이런 질문에 ChatGPT 자신보다 더 잘 대답할 수 있는 사람은 없을 것이다. 그래서 ChatGPT의 정체에 관해 ChatGPT를 인터뷰했다. 다음의 인터뷰 내용은 AI 스스로 자신을 설명하도록 하려는 시도이다. 인간 대담자와의 인터뷰처럼 COMPUTERWOCHE는 일부 답변을 짧게 줄이고 매끄럽게 편집했다. 하지만 ChatGPT가 대답한 내용은 임의로 수정하지 않았다. COMPUTERWOCHE : ChatGPT를 둘러싸고 과장된 소문이 많이 돌고 있다. ChatGPT란 정확하게 무엇인가? ChatGPT : ChatGPT는 자연어에 특화된 언어 모델이다. 트랜스포머(Transformer) 기술과 어텐션(Attention) 메커니즘을 기반으로 구축한 첨단 인공지능 모델이다. ChatGPT는 인터넷으로 수집한 대규모 텍스트 데이터로 훈련했으며, 텍스트 생성이나 텍스트 요약, 텍스트 완성, 텍스트 분류 같은 다양한 자연어 처리 작업을 수행할 수 있다. 또한 질의응답 시스템이기도 하다. 고객 서비스나 마케팅, 교육, 재무 등 많은 산업군과 애플리케이션에서 ChatGPT를 활용할 수 있다. 나는 자연어 처리 작업에서 매우 높은 성능을 시연해 보였으며, 특히 대화 시스템을 자동화하는 데 잘 맞는다. COMPUTERWOCHE : 학습은 ChatGPT에 어떻게 적용되는가? ChatGPT : 나는 트랜스포머 모델을 기반으로 하는데, 이 모델은 어텐션 메커니즘의 기술을 기반으로 한다. 이 메커니즘은 AI 모델이 입력된 텍스트의 특정 부분에 주의를 기울이고, 이를 출력 텍스트를 생성할 때 반영한다. 학습할 때 모델은 대량의 텍스트 데이터로 훈련을 받고, 이들 데이터의 패턴과 관계를 인식하고자 한다. 모델은 주어진 입력 텍스트와 이에 대응하는 출력 텍스트로 훈련한다. 목표는 가능한 한 출력 텍스트를 생성하는 것이다. 이를 위해 ‘마스크드 언어 모델링(Masked Language Modeling)’이란 프로세스를 사용하는데, 출력 텍스트의 일부 단어가 일시적으로 "마스킹"되고 모델이 해당 단어를 예측하려고 시도한다. 그런 다음 모델을 예측 결과와 비교하고 예측과 실제 출력 텍스트 간의 불일치를 사용해 모델의 뉴런 가중치를 조정해 다음에는 예측 결과가 개선되도록 한다. 이 프로세스는 모델이 텍스트 생성에서 높은 정확도를 달성할 때까지 반복된다. COMPUTERWOCHE : 개발 기간은 얼마나 걸렸는가? ChatGPT : 나를 개발하는 데 얼마나 많은 시간이 걸렸는지는 정확하게 모른다. 하지만 ChatGPT 같은 대형 언어 모델을 개발하는 것은 복잡하고 힘든 과정으로, 보통 수개 월 또는 수년이 걸린다는 점에 유의해야 한다. 이런 모델을 개발하려면, 학습을 위해 대량의 텍스트를 사용하고 머신러닝이나 인공지능 같은 고급 기술을 적용해야 한다. 또한 ChatGPT 개발이 일회성 프로세스가 아니라 최신 지식과 기술을 개선하고 조정하는 지속적인 프로세스라는 점도 고려해야 한다. COMPUTERWOCHE : ChatGPT는 누가 만들었는가? ChatGPT : 나는 오픈AI의 제품이다. 영리 AI 연구 개발 회사인 오픈AI는 2015년 일론 머스크, 샘 알트만, 그렉 브록만, 일리야 서츠케버, 보치엑 자렘바가 설립했다. 현재 다수의 투자자가 참여하고 있는데, 피터 틸, 코슬라 벤처스, 앤드리슨 호로위츠 등 잘 알려진 곳도 포함되어 있다. COMPUTERWOCHE : 수익은 어떻게 내는가? ChatGPT : 말한 대로 나는 오픈AI가 개발하고 운영한다. 오픈AI는 주로 이 기술을 API 호출과 라이선스 방식으로 사용하는 기업과 개발자로부터 수익을 낸다. 여기에 더해 오픈AI는 ChatGPT에 관한 조언과 훈련도 제공한다. COMPUTERWOCHE : 일부 보도처럼 ChatGPT는 조만간 유료화되는가? ChatGPT : 오픈AI가 나를 유료화할 계획에 관한 정보는 나에게 없다. 하지만 오픈AI는 앞으로 자사의 모델을 상용화해 수익화하겠다고 발표한 바 있다. 언제 유료화할지는 확실하지 않다. 유료화에 관해서는 오픈AI 공식 웹 사이트를 방문할 것을 추천한다. COMPUTERWOCHE : 텍스트에서 편향성은 어떻게 피하는가? ChatGPT : 나를 포함해 어떤 모델이라도 편향될 수 있다는 것을 유념해야 한다. 따라서 모델을 훈련하는 데 사용되는 데이터가 대표적이고 가능한 한 편견이 없는 것이 중요하다. 또한 편향을 방지하기 위해 훈련 과정 중에 편향 보정 기술을 적용해야 하고, 작동 중에도 모델을 모니터링하고 편향성이 발견되면 수정해야 한다. COMPUTERWOCHE : 어떤 데이터로 훈련을 받았는가? ChatGPT : 인터넷에서 수집한 대량의 텍스트 데이터로 훈련을 받았다. 이 데이터에는 기사, 블로그 게시물, 책, 뉴스, 소셜 미디어 게시물 등 다양한 텍스트가 포함되어 있으며, 모델이 자연어를 이해하고 생성할 수 있도록 훈련하는 데 사용됐다. 많은 양의 데이터로 훈련했기 때문에 다양한 상황에서 언어가 어떻게 사용되는지, 인간 언어의 다양성을 어떻게 매핑하는지 배울 수 있었다. COMPUTERWOCHE : 다른 언어 모델과의 차이점은 무엇인가? ChatGPT : 나는 현재 이용할 수 있는 가장 강력한 첨단 음성 모델 중 하나이다. 다른 언어 모델과 차별화되는 요소는 다음과 같다. 크기와 깊이. 나는 1,750억 개의 뉴런으로 구성된 매우 큰 네트워크 아키텍처를 사용한다. 이를 기반으로 매우 복잡한 패턴을 자연어로 인식하고 생성한다. 어텐션 메커니즘. 여기에 더해 나는 어텐션 메커니즘을 사용한다. 이 방법론은 입력 텍스트의 특정 부분에 주의를 집중하고, 해당 부분을 출력 텍스트를 생성할 때 반영하도록 해준다. 사전 훈련. 나는 방대한 양의 데이터로 사전 훈련을 받았다. 이를 통해 자연어 처리에서 매우 높은 성능을 낼 수 있다. 유연성. 나는 다양한 자연어 처리 작업에 사용할 수 있는데, 텍스트 생성, 텍스트 요약, 텍스트 이해, 질의응답 시스템 등이다. 이런 요소가 나를 현재 이용할 수 있는 가장 강력한 첨단 언어 모델 중 하나로 만들었다. COMPUTERWOCHE : ChatGPT는 어떤 용도로 활용할 수 있는가? ChatGPT : 나는 자연어를 생성하고 이해하고 번역하는 데 사용할 수 있다. 적용 분야는 다음과 같다. 챗봇. 챗봇이 더 자연스럽게 말할 수 있도록 대화 기술을 개선할 수 있다. 자동 텍스트 작문. 뉴스나 설명문, 기사 등의 텍스트를 자동으로 생성할 수 있다. 텍스트 생성. 특정 양식이나 어조의 텍스트를 생성하는 데 이용할 수 있다. 텍스트 요약. 긴 텍스트를 자동으로 요약하는 데 사용할 수 있다. 텍스트 완성. 필요하다면 텍스트를 자동으로 완성하는 데 사용할 수 있다. 번역. 더 나아가 텍스트를 다른 언어로 번역할 수 있다. 나를 활용할 수 있는 분야는 이보다 더 많으며, 기술이 발전하면서 활용 분야는 더 늘어날 것이다. COMPUTERWOCHE : 프로그래밍도 할 수 있는가? ChatGPT : 나는 주로 자연어 처리 훈련을 받았고 구체적으로 코딩용으로 설계된 것은 아니다. 하지만 적절한 데이터로 훈련을 받으면 코드를 생성하거나 완성할 수 있다. 예를 들어, 챗봇 개발에 나를 사용할 수 있다. 하지만 프로그램에 특화되어 설계한 모델의 결과만큼 믿을 만하거나 효율적이지 않을 수 있다. COMPUTERWOCHE : ChatGPT를 비판적으로 보는 사람이 많은가? ChatGPT : 일부 사람들이 대규모 언어 모델 사용에 비판적인 데는 몇 가지 이유가 있다. 사무직 같은 특정 업무가 자동화되어 일자리를 잃을 수도 있다는 불안감을 예로 들 수 있다. 또한 모델을 훈련하는 데 대량의 데이터가 필요하기 때문에 데이터 보호와 프라이버시 우려도 있다. 모델을 훈련하는 데 사용하는 데이터가 항상 안전하고 은밀하지 않을 수 있다는 우려도 있다. 윤리적인 우려도 있는데, 우리가 가짜 뉴스나 선전선동, 기타 조작된 콘텐츠를 만드는 데 이용될 수도 있다는 것이다. 마지막으로 편향성에 대한 우려도 있는데, 이는 앞서 이야기한 주제이다. 하지만 데이터 보안과 프라이버시, 그리고 AI의 윤리성 검증을 강조하는 것은 중요한 일이다. COMPUTERWOCHE : 또 하나의 우려는 ChatGPT와 다른 언어 모델이 저작권을 존중하지 않는다는 것이다. 저작권을 지키고 있는가? ChatGPT : 우리는 특정 규칙과 알고리즘으로 프로그래밍된 컴퓨터 기반의 시스템일 뿐이다. 따라서 우리는 저작권이나 기타 법률을 준수해야 할 어떤 법적 도덕적 책임도 없다. 저작권 보호는 우리를 사용하는 기업과 개발자가 해야 할 일이다. 사용자는 관련 법률과 규제를 준수해야만 한다. 나를 사용하는 기업이 관련 저작권과 기타 지적재산권 법률에 따라 행동하도록 하는 것이 중요하다. COMPUTERWOCHE : ChatGPT가 생성한 텍스트의 저작권은 누구에게 속하는가? 내가 생성한 텍스트의 저작권은 복잡할 수 있으며, 여러 가지 요소에 따라 달라진다. 일부 국가에서는 AI를 자동화된 저작 툴로 간주하기 때문에 저자의 권리는 없고 저작권은 AI 시스템의 개발자가 갖는다. 어떤 국가에서는 저작권이 텍스트의 저자에게 있으며, AI 시스템이 생성한 텍스트라도 마찬가지이다. 저작권과 관련해서는 법적 지위도 중요한데, 많은 국가에서 AI의 법적 지위가 분명하지 않다. 따라서 저작권과 AI에 관한 문제를 확실히 하고 싶다면, 변호사에게 조언을 구하는 것이 좋다. editor@itworld.co.kr
네트워크 엔지니어의 업무는 갈수록 복잡해진다. 핵심 애플리케이션은 더 많은 대역폭을 놓고 싸우고, IoT로 인해 기기 수는 폭발적으로 증가한다. 네트워크 자체도 클라우드와 엣지, 홈 오피스로 확장 중이다. 사이버 보안 문제에도 신경 써야 한다. 공격이 전반적으로 증가하고 공격자는 끊임없이 취약점이나 백도어를 찾고 있다. 사이버 보안을 위한 조기 경보 시스템으로써 견고하고 안전한 네트워킹의 필요성은 더 커졌다. 다행히 네트워크 엔지니어가 끝없이 밀려드는 작업을 처리할 수 있게 도와주는 유용한 툴이 많다. 게다가 상당수가 무료다. 비용 부담이 없으면서 유용하기도 한 12가지 네트워크 툴을 소개한다. 1. 와이어샤크 : 패킷 분석기 와이어샤크(Wireshark) 분석 툴은 무료 오픈소스 프로그램으로 네트워크를 통과하는 데이터 패킷을 캡처하고 분석하는 데 주로 쓰인다. 와이어샤크는 1998년 제럴드 콤이 만들었지만 지금도 처음 만들어졌을 당시와 마찬가지로 유용하다. 네트워크 엔지니어는 와이어샤크를 통해 네트워크 인터페이스 컨트롤러(NIC)를 무차별 모드로 설정해서 대부분의 트래픽, 컨트롤러의 MAC 주소로 전송되지 않은 유니캐스트 트래픽까지 관측할 수 있다. 와이어샤크의 모든 버전과 소스 코드는 완전한 오픈소스이며 무료로 다운로드할 수 있다. 2. N맵 : 네트워크 매핑 네트워크 매핑의 줄임말인 N맵(Nmap)은 취약점 확인, 포트 스캔, 네트워크 매핑에 사용되는 오픈소스 툴이다. 다른 프로그램이 놓친, 네트워크 내의 숨겨진 취약점까지 종종 찾는 강력한 툴로, 최초 개발자인 고든 라이온을 포함한 대규모 커뮤니티의 지원을 받는다. N맵 유지 관리 커뮤니티에 따르면 매주 다운로드 횟수는 수천 회에 이른다. 누구나 무료로 다운로드할 수 있으며 윈도우, 맥, 리눅스용이 있다. 3. 인펙션 몽키 : 침투 테스트 인펙션 몽키(Infection Monkey)는 네트워크의 규모와 관계없이 작동하도록 설계된 지속적 침투 테스트 툴이다. 많은 고급 익스플로잇이 포함돼 있으며 약한 암호와 같은 흔한 보안 실수를 점검하는 기능도 제공한다. 일반적인 사이버 보안 문제를 추적하는 용도로 사용할 수 있으며 최근에는 엔터프라이즈에서 제로 트러스트 네트워킹을 사용하는 경우 올바르게 구성되었는지 검사하는 기능도 추가됐다. 인펙션 몽키 프로그램은 무료로 다운로드할 수 있고, 소스 코드는 깃허브에서 받을 수 있다. 누구나 자신의 목적에 맞게 자유롭게 코드를 수정할 수 있다. 4. iperf : 네트워크 연결 테스트 iperf 툴은 기업의 전체 네트워크 연결을 측정하고 테스트한다. 클라이언트 또는 서버로 작동할 수 있으며 데이터 스트림을 생성해 두 지점 간의 처리량을 테스트한다. 데이터 스트림은 전송 제어 프로토콜(TCP) 또는 사용자 데이터그램 프로토콜(UDP)로 생성된다. 무료로 다운로드할 수 있고 소스 코드도 공개돼 있다. 리눅스, 유닉스, 윈도우 네트워크에서 작동한다. 5. fprobe : 성능 테스트 fprobe 툴은 일반적으로 네트워크의 특정 지점에 위치해 그 지점을 지나 이동하는 트래픽에 대한 데이터를 기록한다. 대역폭을 과도하게 점유하는 기능, 또는 네트워크에서 허용되지 않는 트래픽을 생성하거나 기능을 수행하는 섀도 IT를 찾는 데도 유용하다. 6. 칵티 : 시각화 툴 칵티(Cacti) 툴은 2001년 이안 베리가 시작한 더 하기 프로젝트(The Cacti Project)의 일부로 탄생했다. 주 기능은 2가지다. 첫째, 완전히 분산된 내결함성 데이터 수집 프레임워크를 제공한다. 그러나 이 툴이 유명한 이유는 그래프 구성요소에 있다. 복잡한 데이터 집합을 시각화해 트래픽 스파이크부터 냉각 팬이 가장 높은 속도로 작동한 시간에 이르기까지 온갖 트래픽 정보를 보여준다. 칵티는 네트워크 모니터링 툴, 또는 다른 툴의 데이터에 대한 그래픽 인터페이스를 제공하는 보조 툴로 모두 사용할 수 있다. 7. 스노트 : 침입 차단 스노트(Snort)는 잘 알려진 무료 네트워킹 툴 중 하나다. 1998년 마틴 로슈가 만들었고 이후 시스코가 개발을 이어받았다. 스노트는 사용자가 규칙을 사용해 악성 네트워크 활동을 정의할 수 있는 침입 차단 시스템(IPS)이다. 이렇게 만들어진 규칙을 사용해 정의와 일치하는 패킷을 찾고, 발견 시 경보를 생성한다. 현재 버전 3에 이른 스노트는 악성 패킷을 차단하는 데도 사용할 수 있으며 추가된 자동화 구성요소는 무료 툴로서는 상당한 고급 기능이다. 8. 에어크랙ng : 무선 네트워크 요즘 기술자는 유선 네트워크 외에 무선 네트워크의 정상 작동도 살펴야 한다. 에어크랙ng(Aircrackng)는 바로 이 부분에 도움이 되는 툴이다. 802.11 무선 LAN을 위한 무선 감지기, 패킷 스니퍼, WEP 및 WPA/WPA2PSK 크래커와 분석 툴을 모아 놓은 일종의 툴 묶음이다. 인근에서 어떤 무선 네트워크가 작동 중인지, 누가 그 네트워크를 사용 중인지, 얼마나 잘 보호되고 있는지를 감지하는 데 사용한다. 무료로 다운로드 가능하다. 9. 오픈NMS : 네트워크 모니터링 오픈NMS(OpenNMS)는 네트워크 엔지니어가 기업의 로컬 및 분산 네트워크를 시각화하고 모니터링할 수 있는 오픈소스 네트워크 모니터링 플랫폼이다. 오픈NMS는 종합적인 결함, 성능, 트래픽 모니터링 및 알림 생성 기능을 제공한다. 또한 폭넓은 맞춤 구성과 확장이 가능하다. 플랫폼에는 두 가지 버전이 있다. 메리디안(Meridian)은 유료 제품으로 툴 구성과 실행에 도움을 주는 구독 서비스가 함께 제공되며 호라이즌(Horizon)은 무료 커뮤니티 기반 플랫폼으로 누구나 다운로드해서 사용할 수 있다. 호라이즌에는 유료 플랫폼의 모든 기능이 있지만 사용자가 자신의 네트워크 내에서 작동하도록 직접 구성해 사용해야 한다. 10. 스모크핑 : 지연 측정 스모크핑(SmokePing)은 네트워크 지연과 패킷 손실을 측정하는 흥미로운 툴이다. 일정 간격으로 핑을 보내 응답 시간을 기록한 다음 지연 패턴을 인터랙티브 그래프로 표시한다. 사용자는 그래프에서 원하는 부분을 클릭해 그 시점에 일어난 일에 대한 정보를 얻을 수 있다. 네트워크에 간헐적으로 문제가 발생하지만 정확한 시점이나 이유를 모르는 경우 이 기능이 도움이 된다. 무료로 다운로드할 수 있다. 11. 디봇 : 슬랙 앱 모니터링 많은 네트워크 엔지니어가 슬랙을 사용해 서로 소통하거나 사용자와 관리자로부터 요청과 지시를 받는다. 슬랙은 특히 기술 분야에서 현재 가장 인기 있는 인스턴트 커뮤니케이션 플랫폼이다. 그러나 슬랙 자체가 취약점이 되지 않도록 하는 것이 중요하다. 일종의 봇인 디봇(DBOT)은 슬랙 환경 내의 모든 URL, 파일, IP 주소를 스캔하면서 악성 콘텐츠를 찾는다. 이 과정에서 악성코드로 알려진 IP로부터 파일이 전송되는 등의 상황을 발견하면 사용자에게 직접 알린다. 무료 오픈소스 툴이며, 모든 슬랙 환경에 신속하게 추가해 부가적인 보호 계층을 제공한다. 12. 센징 : 데이터 매칭 센징(Senzing) 툴은 네트워킹과 보안 측면에서는 부수적이라고 할 수 있지만 특정 상황에서는 꽤 유용하다. 센징은 서로 다른 데이터베이스 간의 유사성과 관계를 찾는다. 사이버 보안 용도로 사용할 경우 네트워크에서 노출되지 말아야 할 개인 정보를 찾거나, 여러 곳에 흩어진 개별적인 정보 조각을 연결해 같은 사용자가 소유한 여러 개의 계정을 발견할 수도 있다. 센징은 대부분의 주요 플랫폼을 위한 API로 배포되며 최대 10만 개 레코드까지는 무료로 분석할 수 있다. 그 이후에는 비용을 내고 더 많은 레코드를 분석할 수 있다. editor@itworld.co.kr
현재 소프트웨어 개발자이거나 클라우드 관리자, 데이터 사이언티스트 또는 코드를 다루는 사람 모두에게 오픈소스 소프트웨어는 숨을 쉬는 공기와 같다. 오픈소스가 항상 흔했던 것은 아니다. 20~30년 전 ‘무료 소프트웨어’가 막 시작됐을 때, 오픈소스 프로젝트는 낯선 것이었고, 이를 만든 사람들은 기본적으로 학자, 연구원, 괴짜 등이었다. 하지만 이런 기벽이 유행하면서, 마치 오래된 격언처럼, 현재는 오픈소스 소프트웨어가 세상을 '집어 삼키고' 있다. 오픈소스 소프트웨어 프로젝트는 실제로 컴퓨팅의 모든 부분에서 혁신 엔진 역할을 했다. 과거의 오픈소스 개발자는 인터넷을 구축했던 툴을 개발했고, 현재의 오픈소스 개발자는 이를 기반으로 프론트엔드(Front End) 개발, 백엔드(Backend) 개발, 데브옵스(DevOps), 데이터 옵스(Data Ops), 분산형 데이터 처리, 데이터 분석, 머신러닝 등 더 새로운 툴을 만들고 있다. 여기 InfoWorld 선정 2022년 최고의 오픈소스 소프트웨어를 모은 '2022년 보씨 어워즈(Bossie Awards)' 프로젝트를 선정해 공개한다. 알마리눅스 세상에 새로운 리눅스 배포판이 또 필요할까? 많은 상용 소프트웨어가 RHEL(Red Hat Enterprise Linux)로 표준화했다. 기본적으로 RHEL의 무료 버전은 센트OS(CentOS)였다. 레드햇이 RHEL의 임시 대체재로써 인수한 후 지원을 중단해 버린 그 리눅스 배포판이다. 센트OS를 사용했던 많은 사람이 실망했는데, 그 빈자리를 채우기 위해 로키 리눅스(Rocky Linux)와 알마리눅스(AlmaLinux)가 등장했다. 알마리눅스는 RHEL과의 바이너리 호환성 및 커뮤니티 소유권을 장점으로 내세운다. 포드맨 새로운 공상 과학 공포물 장르는 아니고 컨테이너 관리자가 바로 포드맨(Podman)이다. 사실 포드맨 1.0은 2019년에 공개됐다. 도커(Docker)와 달리 포드맨은 권한이 없는 사용자가 단일 프로세스로 실행할 수 있으며 도커와 비교하여 제한이 적었다. 또한, 컨테이너 이미지와 팟 크기는 일반적으로 도커보다 포드맨이 더 작고, 포드맨에서 직접 쿠버네티스(Kubernetes) 팟을 구축할 수 있다. 심지어 포드맨은 여러 개의 같은 명령을 지원하므로, alias docker=podman처럼 단순화할 수 있다. 이 정도면 도커에서 벗어나 팟 사용자가 되고 싶은 생각이 들지 않는가? 플레이 위드 도커 노트북이나 EKS, GKE 등으로 모든 작업을 수행할 수 있는 것은 맞다. 하지만 몇 개의 컨테이너만 사용하고 싶은 경우라면 어떨까? 이때 요긴한 것이 바로 플레이 위드 도커((Play with Docker)다. 5개 인스턴스, 4시간 제한 때문에 보안, AI, 분석(현재 이에 주목하는 스타트업이 많다) 등에는 적합하지 않지만, 전면적으로 도커를 도입하기 전에 테스트하기에는 꽤 좋은 툴이다. 바딘 개발자가 HTML 또는 자바스크립트를 코딩할 필요 없이 자바에서 웹 사용자 인터페이스를 구현할 수 있는 웹 프레임워크가 있다면 이보다 좋은 것이 있을까? 바로 바딘(Vaadin)이 그렇다. 새로운 앱을 더 쉽게 코딩할 수 있을 뿐 아니라 서버측 API는 스윙(Swing)과 유사하기 때문에 스윙 애플리케이션을 최신 웹 애플리케이션으로 손쉽게 전환할 수 있다. Vaadin.com에서 확인하거나 깃허브에서 포킹(Forking)할 수 있다. J힙스터 J힙스터(JHipster)는 자바를 위한 야심찬 풀스택(Fullstack) 고속 애플리케이션 개발 플랫폼이다. 가장 놀라운 점은 일련의 다양한 기술이 프론트엔드와 데이터 계층에서 다양한 역할을 충족한다는 사실이지만, J힙스터는 여기서 멈추지 않는다. 스카폴드(Scaffold) 생성을 처리하고 Vue.js UI로 만든 몽고DB(MongoDB), 리액트(React)로 개발한 포스트그레스(Postgres) 등 이질적인 기술 스택에 CLI 도구 등 다양한 기능을 지원한다. 이 모든 것이 최신 스프링(Spring)/자바 미들웨어와 연결된다. 또한, J힙스터는 스프링 보안을 통해 보안을 강화하는 등 기존의 단점을 보완했고, 여러 최신 배치 옵션과 CI/CD 통합을 기본적으로 지원한다. 솔리드 많은 혁신적인 프론트엔드 자바스크립트 프레임워크 중 최고를 가려내는 것은 매우 어렵다. 페이스북이 지원하는 선두주자 리액트는 여전히 일정한 속도로 주목하지 않을 수 없는 새로운 기능을 쏟아내고 있는 혁신적인 프로젝트이고, Vue.js, 앵귤러(Angular), 스벨트(Svelte)는 모두 인상적이다. 우리가 무엇을 선택하든 누군가는 '프레임워크 X는 어때? Y를 더욱 잘 해'라고 이야기할 것이고 그 말은 언제나 옳다. 그럼에도 하나를 꼽지만, 일단 지난해에는 스벨트가 대상이었다. 올해는 아스트로(Astro), 퀵(Qwik), 솔리드(Solid)가 접전이었다. 아스트로는 다른 프레임워크에서 사용할 수 있는 섬의 개념을 통해 수치화에 대한 혁신적인 접근방식을 제공하고, 퀵은 처음부터 반응성 패러다임 전체를 과감하게 재창조했다. 최종적으로 우리의 선택은 솔리드다. 솔리드는 동급 최고의 성능을 제공하면서도 이해하기 쉬운 패키지로 제공한다. 레드우드 풀스택 자바스크립트 프레임워크를 선택하는 것은 순수한 프론트엔드 JS 프레임워크를 선택하는 것만큼 어렵다. 업계를 선도하는 Next.js는 성공에 안주하지 않았다. 여전히 한계를 초월하는 동력을 갖고 있다. 이와 동시에 스벨트키트(SvelteKit)와 넉스트(Nuxt) 등의 대안뿐 아니라 Blitz.js 등 새로운 출전자가 새로운 접근방식과 기법을 선보이고 있다. 다양한 새로운 프레임워크 중에서 유난이 눈에 띄는 것은 바로 레드우드(Redwood)다. 앱을 구성하는 방식에 대해 찬반이 강경하게 나뉜다. 레드우드의 공격적인 방식 덕분에 놀라울 만큼 바른 개발자 경험을 구성한다. 레드우드는 데이터 모델링 및 스카폴딩(Scaffolding) 등의 반복적인 요건에 대해 레일스(Rails) 같은 접근방식을 취하는 것 외에 보안과 추적 통합 등의 다른 실질적인 문제도 해결한다. 또한, 버셀(Vercel), 네틀리파이(Netlify) 등의 서버리스 플랫폼 등 다양한 배치 환경을 지원한다. Next.js Next.js는 풀스택 자바스크립트 프레임워크의 개척자다. Node.js는 동일 구조 자바스크립트 애플리케이션에 문을 열었고 이를 기반으로 풀스택 자바스크립트를 실용적인 애플리케이션으로 발전시켰다. Next.js는 리액트 프론트엔드와 자바스크립트 서버를 단일 빌드 파이프라인으로 통합하는 단순한 약속에서 시작해 점점 더 확장하고 있다. 라우팅(Routing)부터 데이터 액세스, 보안, 서버측 렌더링까지 애플리케이션 개발의 많은 중요한 측면을 더 단순하고 일관성 있게 만들었다. 또한, Next.js는 서버리스와 엣지 등 다양한 배치 대상을 지원한다. 클라우드 인프라 기업 버셀(Vercel)은 이 지원을 활용해 백엔드와 프론트엔드를 연결할 때의 복잡성을 숨기는 자동화된 배치 솔루션을 개발했다. 와슴타임 Node.js가 자바스크립트 런타임(Runtime)에 제공하는 것과 유사하게 와슴타임(Wasmtime)은 개발자가 안전한 샌드박스 실행, 네이티브에 가까운 성능, 여러 프로그래밍 언어와 플랫폼에서의 지원 등 웹어셈블리(WebAssembly)가 브라우저 내부에서 제공하는 모든 이점을 브라우저 밖에서 활용할 수 있도록 지원한다. CPU와 메모리 사용량 세부 조절, 크레인리프트(Cranelift) 코드 생성기를 통한 고속 실행, 새로운 웹어셈블리 기능 파악하기 등의 장점도 있다. 이전의 와슴타임 릴리즈 역시 기업의 실제 업무 현장에서 사용할 만큼 완성도가 높았지만, 1.0 버전은 더 빠른 와슴 모듈 인스턴스화, 더 스마트한 메모리 사용, 최적화된 스택 추적과 협력적 멀티태스킹을 통한 런타임 성능 개선 등 더 발전했다. 와슴타임은 중요한 변곡점에 놓여 있다고 해도 과언이 아니다. 파이스크립트 웹어셈블리의 오랜 약속 중 하나는 웹 브라우저에서 자바스크립트 외의 다른 언어를 사용할 수 있다는 것이다. 이런 약속을 실현하는 기술이 바로 파이스크립트(PyScript)다. 브라우저에서 완전한 파이썬(Python) 런타임을 지원해 웹 페이지에서 파이썬을 스크립트 언어로 사용할 수 있다. 심지어 넘파이(NumPy) 등의 일부 고급 라이브러리까지 지원하고 네이티브 HTML 프론트엔드를 통해 강력하고 복잡한 앱을 구성할 수 있다. 물론 백엔드에서 파이썬 서버도 필요 없다. 파이스크립트는 현재 테스트 단계로 단계이며, 일반적으로 시동 시간이 다소 걸린다. 하지만 파이스크립트를 통해 웹어셈블리의 미래를 엿볼 수 있다. 하드햇 블록체인 개발은 까다로운 것으로 유명하지만, 새로운 툴의 등장으로 조금씩 개선되고 있다. 그 중 하나인 하드햇(Hardhat)은 훌륭한 오픈소스 프레임워크로, 코딩, 테스트, 이더리움에서의 댑스(Dapps) 및 스마트 컨트랙트 배치를 간소화한다. 확장 가능한 작업 실행자와 플러그인 프레임워크를 중심으로 개발돼 대부분 개발 워크플로를 처리할 만큼 충분히 유연하며, 로컬 이더리움 테스트넷(Testnet)과 통합된다. 원격 테스트넷과 상호작용 없이 코드를 배치하고 디버깅하는 데도 유용하다. 하드햇에는 솔리디티(Solidity)를 지원하는 비주얼 스튜디오용 기능이 포함돼 있으며, 이더리움 전용 테스트를 위한 차이(Chai) 확장기능을 제공한다. 이런 유용성 외에도 하드햇은 뛰어난 개발자 경험을 제공한다. 처음 실행해도 예상한 대로 작동하므로 더 만족스럽다. 오픈FGA 오픈FGA(OpenFGA)는 구글의 글로벌 인증 시스템 잔지바르(Zanzibar)에 기초한 범용 인증 플랫폼에 대한 오쓰0(Auth0)의 오픈소스 구현이다. 역할 기반부터 관계 기반과 세분화된 인증까지 광범위한 인증 요건을 해결하고, 놀랍도록 다양한 성능과 유연성을 지원하는 패키지를 제공한다. 오픈소스 소프트웨어 커뮤니티의 인증에 중요할 뿐 아니라 오픈소스에 좋은 것이 기업에 좋다는 근본적인 전제, 즉 언어로써 코드의 자유에 대한 재확인 의미로도 중요하다. 센트리 보안과 함께 오류 및 성능 추적은 많은 앱에 있어서 필수불가결한 요건이다. 이런 문제에 있어 다소 안심할 수 있게 해주는 툴이 바로 센트리(Sentry)다. 데이터를 수집하는 서버측 API부터 이를 관리하는 대시보드와 포괄적인 애플리케이션측 통합까지 애플리케이션, 서비스, API의 건전성을 모니터링하는 오픈소스 도구 전체를 제공한다. 이런 통합은 실제로 펄(Perl)부터 파이썬까지 예상할 수 있는 모든 스택에 적용된다. 그러면서도 사용하기가 매우 쉽다. 라이브러리를 가져오기만 하면 되며, 추가 코드로 비즈니스 로직을 구성할 필요가 없다. 또한 센트리는 프로젝트 추적기, 소스 관리 시스템, 배치 플랫폼 등 다양한 도구를 위한 통합 지점 역할도 한다. 앱스미스 앱스미스(Appsmith)는 백엔드 개발자가 최소한의 HTML과 CSS 코딩으로 관리자 패널, 서식, 대시보드 등의 소프트웨어를 사용자 정의할 수 있는 로우코드 프레임워크다. 이 플랫폼은 미리 구축된 UI 구성 요소와 재사용 가능 템플릿을 통해 프로젝트를 신속하게 시작하고 광범위한 API, 데이터 소스, 클라우드 서비스와 통합되며 클라우드 및 셀프 호스팅 배치 옵션을 지원한다. 앱스미스는 도커에서 1,000만회 이상 다운로드됐고, 깃허브에서 2만 1,000개 이상의 별을 받았다. 최근에는 4,100만 달러의 시리즈 B(Series B) 투자를 받기도 했다. 대표적인 활용 사례로는 고객 지원 도구와 의사소통 등의 내부 프로세스가 있다. 스핀네이커 스핀네이커(Spinnaker)는 데브옵스팀이 릴리즈를 자동화하고 카나리(Canary) 및 기타 배치 전략을 구현하는 데 도움이 되는 오픈소스 멀티 클라우드 연속 제공 플랫폼이다. 에어비앤비, SAP, 핀터레스트, 머카리(Mercari), 세일즈포스 등 220곳 이상의 기업이 스핀네이커를 사용하고 있고, 커뮤니티 기여자는 2,500명이 넘는다. 소규모 엔지니어링 기업도 스핀네이커를 성공적으로 활용하고 있는데, 예를 들어, 업웨이브(Upwave)의 20명 규모 엔지니어링팀은 주당 100회의 배치를 관리하며, 변경사항 시 리드 타임은 20분 미만이다. 주요 클라우드 서비스 업체가 스핀네이커를 지원하며, 개발자를 위한 많은 문서를 제공한다. 스핀네이커는 2020년 바이든 대통령 선거 캠프 등에서도 활용된 바 있다. 하이퍼트레이스 하이퍼트레이스(Hypertrace)는 제멋대로 뻗어 나가는 클라우드 네이티브 아키텍처 전반에 걸쳐 다양한 서비스로부터 엄청난 양의 실시간 성능 데이터를 수집, 처리할 수 있는 오픈소스 분산형 추적 및 가관측성 엔진이다. 트레이서블(Traceable)이 아파치 카프카(Apache Kafk)를 기반으로 개발했다. 하이퍼트레이스는 애플리케이션과 마이크로서비스를 모니터링하고 여러 터치포인트의 분산형 트랜잭션을 추적하며 모든 정보를 서비스 지표와 애플리케이션 플로 지도로 만든 후 사용자 정의 대시보드에 표시한다. 하이퍼트레이스는 경로 기반 분석을 지원하는 것 외에 결과에 영향이 미치기 전에 애플리케이션 성능 병목을 선제적으로 해결하는 데 도움이 되는 실시간 경고를 제공한다. 기본적으로 집킨(Zipkin), 예거(Jaeger) 등의 인기 추적 형식을 지원하며 자바, 고(Go), 파이썬을 위한 네이티브 기기 에이전트를 제공한다. 그래비티 그래비티(Gravitee) API 관리 플랫폼은 분산된 API를 중앙에서 관리, 관장, 보호한다. 오늘날의 이벤트 기반 API 및 마이크로서비스 세계에서는 비용과 복잡성을 관리하기 위해 더 필수적이다. 그래비티의 콕핏(Cockpit) 포털을 통해 가이드 액세스와 공개, 문서화, API 발견을 위한 기능이 풍부한 툴셋을 함께 제공하고, 온보드 API 디자이너는 개발 및 문서화 모델화를 위한 시각적 로우코드 접근방식을 지원한다. 작업 자동화는 오류를 최소화하고 디버깅 속도를 높여주며 배치를 간소화한다. 보안 액세스와 감사 기능 덕분에 인증 및 승인 서비스를 통해 종점을 보호할 수 있다. 기업 라이선스를 구매하면 추가적인 디자이너 및 생산 게이트웨이 기능을 쓸 수 있고, 경고 엔진, 이상 감지, 실시간 분석 등의 기능도 활용할 수 있다. 오픈텔레메트리 오늘날의 분산형 애플리케이션에서 가시성을 확보하기 위해서는 기존의 단순한 로그와 지표로는 부족하다. 따라서 개발자가 애플리케이션을 더 심층적인 수준에서 파악할 수 있도록 집킨과 예거 등 가관측성 도구와 허니콤(Honeycomb) 등의 유료 서비스가 등장했다. 물론, 이런 새로운 도구의 확산의 단점은 모두 작동 방식이 조금씩 다르다는 점이다. 오픈텔레메트리(OpenTelemetry)는 일련의 표준 API와 도구를 통해 가관측성 시스템 사이의 공백을 메운다. 생성, 배출, 수집, 처리, 원격 측정 데이터 내보내기를 제공업체를 가리지 않고 통합한다. 한 업체의 가관측성 제품으로 시작한 후 다른 제품으로 변경하고 싶었던 경험이 있다면, 오픈텔레메트리가 정답이다. 몇 가지 사소한 구성 변경 만으로 이를 구현할 수 있다. 그라파나 그라파나(Grafana)의 개발자는 모든 것을 관리하는 하나의 오픈소스 대시보드를 만들기 위해 노력했다. 그 결과 완전한 상용 제품 혹은 부분 유료 옵션이 있는 오픈소스 중에서 그라파나와 유사한 제품은 거의 찾기 힘들다. 그라파나 8.0은 프로메테우스(Prometheus) 경고 시각화와 그라파나의 네이티브 경고를 병합하고, 프로메테우스 얼러트매니저(Prometheus Alertmanager) 처리로 이를 강화했다. 그라파나 9.0은 프로메테우스 PromQL과 로키(Loki) LogQL 쿼리 언어를 위한 쿼리 구축 도구를 추가하며, 단순한 설명 대신 썸네일을 통해 대시보드를 미리 확인할 수 있게 했다. 기업용 버전의 경우 역할 기반 액세스 관리까지 지원한다. Dapr 분산형 애플리케이션은 새로 서비스를 구축할 때마다 연결 보안, 가관측성 구성, 상태 처리, 메시징 처리 등 같은 리스크를 반복해야 한다. 이 모든 것을 몇 번이고 계속 수행해야 하며, 특히 서로 다른 서드파티 서비스를 사용하는 경우가 많기 때문에 코드에 좋지 못한 계층이 추가되고 필요하지 않은 외부 서비스가 연계되는 경우가 종종 있다. 이런 어려움과 중복을 해결하기 위한 CNCF(Cloud Native Computing Foundation)의 프로젝트가 바로 Dapr이다. 애플리케이션의 보조재처럼 사용해 마이크로서비스 연결성의 복잡성을 줄여준다. 앱은 Dapr과 통신하고 Dapr이 나머지를 처리하기 때문에, 예를 들어 AWS에서 운용하고 키네시스(Kinesis)를 사용하거나 구글 클라우드에서 운용하고 펍섭(PubSub)을 사용할 수 있다. 결과적으로 애플리케이션 로직에 더 많은 시간을 투자하고 모든 연결 코드에 소요되는 시간을 절약할 수 있다. 레드판다 레드판다(Redpanda)는 시스타(Seastar) 비동기 프레임워크와 래프트(Raft) 합의 알고리즘을 사용해 분산형 로그를 구현한다. C++로 작성된 카프카를 위한 플러그인 대체제이기도 하다. 최대 10배 낮은 평균 지연 속도와 최대 6배 빠른 카프카 트랜잭션을 제공하면서 더 적은 리소스를 사용할 수 있다. 레드판다는 주키퍼(ZooKeeper)나 JVM을 사용할 필요가 없으며 소스는 깃허브에서 BSL(Business Source License)로 제공된다. 또한, 레드판다는 비동기 비공유 코어당 스레드 모델을 사용하며 얽매임이 없고 환경 전환이 최소화되며 TL(ThreadLocal) 메모리 액세스를 지원한다. 레드판다는 카프카 프로토콜을 넘어 인라인 웹어셈블리 전환과 지리적 복제 계층화 스토리지/쉐도우(Shadow) 인덱싱까지 점점 더 발전하고 있다. 아파치 아이스버그 초대용량 분석 테이블을 위한 고성능 형식인 아파치 아이스버그(Apache Iceberg)는 빅데이터에 SQL 테이블의 신뢰성과 간결성을 제공하며, 트리노(Trino), 스파크(Spark), 소나(Sonar), 프레스토(Presto), 하이브(Hive), 플링크(Flink), 임팔라(Impala) 등의 엔진이 동시에 같은 테이블을 안전하게 작업할 수 있도록 지원한다. 아이스버그는 유연한 SQL 명령을 지원해 새로운 데이터를 병합하고 기존의 열을 업데이트하며 표적화 된 삭제를 수행한다. 읽기 성능을 높이기 위해 읽기 데이터 파일을 열심히 재작성하거나 더 빠른 업데이트를 위해 삭제 델타를 활용할 수 있다. 또한, 아이스버그는 기본적으로 스키마 혁신, 자동 파티셔닝, TTQ(Time Travel Query), 버전 롤백, 데이터 단축을 지원한다. 아파치 드루이드 아파치 드루이드(Apache Druid)는 고속 쿼리, 높은 동시 실행, 카프카, 키네시스 등의 플랫폼의 스트림 수집에 대한 실시간 및 이력 인사이트를 제공하는 실시간 분석 데이터베이스이다. 이 기술은 10년 치의 릴리즈, 400명 이상의 기여자, 데이터 웨어하우스, 시계열 데이터베이스, 검색 시스템의 아이디어를 결합한 분산형 데이터 스토어 아키텍처에 기반을 두고 있다. 넷플릭스, 세일즈포스, 월마트(Walmart) 등 수천 개 기업이 드루이드로 분석 애플리케이션을 지원하고 있다. 사용 사례에는 클릭스트림 분석, 위험 및 사기 분석, 공급망 분석이 포함된다. 초보자라면 아파치 드루이드 소개서와 성공 스토리 전자책을 먼저 살펴볼 것을 권한다. JAX 구글의 오픈소스 머신러닝 플랫폼 텐서플로우(TensorFlow)가 가장 혁신적인 점은 자동 차별화(오토그래드(Autograd))와 딥 러닝을 위한 XLA(Accelerated Linear Algebra) 최적화 컴파일러다. JAX 역시 구글이 개발한 프로젝트이며, 이 2가지 기술을 결합해 속도와 성능 측면에서 상당한 이점을 제공한다. GPU 또는 TPU에서 구동할 때 JAX는 넘파이를 호출하는 다른 프로그램을 대체할 수 있지만 프로그램은 훨씬 빠르게 구동한다(오토그래드 엔진은 네이티브 파이썬과 넘파이 코드를 자동으로 구분할 수 있다). 또한, 신경망에 JAX를 사용하면 텐서플로우 같은 대형 프레임워크를 확장하는 것보다 새로운 기능을 훨씬 쉽게 추가할 수 있다. nbdev 주피터(Jupyter) 또는 구글 콜랩(Google Colab) 등의 환경을 사용하는 노트 프로그래밍의 잘 알려진 비밀은 역대 최악의 스파게티 코드를 만든다는 것이다. 데이터 사이언티스트가 셀마다 옮겨 다니면서 유지관리가 불가능할 정도의 혼란을 유발한다. 일각에서는 노트 프로그래밍이 과거의 고투(GOTO)만큼 유해할 수 있다고 지적하기도 한다. nbdev는 이런 노트 프로그래밍의 단점을 줄이면서 장점을 극대화하는 대안이다. fast.ai의 깃 친화적 주피터 노트 기반 개발 플랫폼으로 데이터 사이언티스트에게 필요한 탐구 자유를 지원할 뿐만 아니라 같은 노트 안에서 문서화와 심지어 적절한 텍스트를 통해 모듈을 손쉽게 생성하는 기능을 지원한다. 넷플릭스와 리프트(Lyft), (당연히) fast.ai 등의 기업에서 사용하고 있는데 특히 넷플릭스는 nbdev를 사용해 새로운 버전의 fast.ai 라이브러리를 만들기도 했다. 액셀러레이트 코드 4줄만 추가해 모든 파이토치(PyTorch) 코드에 분산형 훈련 및 간섭을 대규모로 추가할 수 있다면 어떨까? 허깅페이스(Huggingface)의 액셀러레이트(Accelerate)는 기본적으로 단순한 구성 전환을 통해 TPU 장치나 마이크로소프트의 딥스피드(DeepSpeed) 최적화 등의 기능을 사용할 수 있다. 액셀러레이트 라이브러리가 모두 처리하는 분산형 훈련, 공유 병행성, 그래디언트(Gradient) 축적 등의 기법을 사용해 수십억 개의 파라미터 규모로 딥 러닝 모델을 훈련할 수 있다. 그동안 대형 모델의 훈련은 업계 대기업의 전유물이었는데, 액셀러레이트가 파이토치(Pytorch) 생태계의 일부로 자리잡으면서 다양성에 대한 기대가 커지고 있다. 스테이블 디퓨전 스테이블 디퓨전(Stable Diffusion)은 엄청난 품질의 이미지를 만들어내는 텍스트이미지 AI 모델이다. 2개월이 채 되지 않은 야생동물 같은 프로젝트지만, 전 세계의 열렬한 지지자가 이미 오리지널 버전을 개선해 이미지 생성 속도를 높이고 메모리가 적은 GPU에서 구동하도록 개선했다. 인페인팅(Inpainting) 및 아웃페인팅(Outpainting) 지원이 추가됐고, 심지어 스테이블 디퓨전을 M1 기반 맥북에서 구동할 수도 있다. Stability.ai는 이 모델을 훈련하기 위해 60만 달러를 투자했으며, 이를 즉시 오픈소스로 공개했다(오픈AI(OpenAI)의 DALLE와는 딴판이다). 이런 모델은 분명 데이터세트 큐레이션(Curation), NSFW 이미지 생성 기능에 대한 우려로 이어지는 것이 사실이다. 그러나 앞으로의 연구 발전과 성과를 고려하면 일부 대기업보다는 모든 사람이 이 기술을 사용할 수 있도록 하는 것이 분명 더 낫다. 일루터AI GPTNeoX20B는 일루터AI(EleutherAI)가 개발한 새로운 200억 개 파라미터 자연어 처리 모델이다. 해당 개발사는 이전에 60억 개 파라미터 모델인 GPTJ를 공개하기도 했다. 이 모델은 1,750억 개의 파라미터를 가진 오픈AI의 GPT3와 비교해 작아 보일 수 있지만 LAMBADA, 위노그랜드(Winogrande), 헬라스웩(Hellaswag) 등 데이터 세트를 사용해 강력한 성능을 구현했다. GPTJ를 이용하면 문서를 완성하고 번역, 분류하는 등 더 발전된 NLP 작업을 수행할 수 있다. 일루터AI가 이런 강력한 모델을 오픈소스화할 수 있는 이유는 무엇일까? 해당 프로젝트의 설립자 중 한 명인 코너 리히는 “우리는 AI를 우리처럼 생각하지 않는 이상한 외계인이라고 생각해야 한다”라고 말했다. 일루터AI의 목표는 이 기술을 가능한 많은 연구원에게 제공해 통제하는 방법을 찾는 것이다. editor@itworld.co.kr
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.
메타가 AR/VR 신제품 퀘스트 3 판매를 시작했다. 전작 대비 해상도와 주사율을 개선했고 그래픽 성능을 2배 이상 끌어 올렸다. 특히 풀컬러 패스스루를 지원해 더 정교한 MR을 구현했다. 현재 AR/VR 활용 분야는 엔터테인먼트에 집중돼 있지만 확장 가능성은 무궁무진하다. 3D 모델링 등 산업용으로 다양한 도입사례가 있고, 일반적인 협업이나 교육은 물론 불안 장애 치료 등 의학용으로도 활용되고 있다. 반면 경기 침체와 신제품 출시 부족 등으로 올 2분기 AR/VR 기기 판매량이 감소했다. 게임과 애플리케이션, 영상, 기기 등 AR/VR 생태계는 여전히 빈약하다. 그러나 일부 어려움에도 AR/VR 유행은 당분간 계속될 전망이다. 무엇보다 내년 초에 사양(4K)과 가격(500만 원) 모두 '끝판왕'인 애플 비전 프로가 나온다. 애플은 개발자 랩을 오픈하는 등 본격적인 생태계 구축에 나서고 있다. AR/VR 분야가 점점 더 흥미로워지고 있다.
마이크로소프트가 윈도우, 서피스, 오피스를 통해 ‘AI’에 올인하고 있다. 윈도우 AI 기능을 지원할 칩까지 출시된다. 앞으로 윈도우는 한 문장의 요청만으로도 PC 설정을 변경하며, 엑셀 파일의 데이터에서 명시적으로 알 수 없는 정보를 알아낸다. 단순 작업만 수행하던 기본 앱은 유료 앱 못지않은 AI 기능을 제공한다. 하지만 아직은 마이크로소프트의 원대한 포부에 불과하다. 현재로서 코파일럿이 수행하는 작업은 극히 제한적이며, 결과물의 정확도를 확인하려면 여전히 사람의 손길이 필요하다. “윈도우 PC의 AI 시대 개막”이라는 표현은 시기상조일지도 모른다.
2022년 말부터 시작해 전 세계를 뜨겁게 달군 ‘생성형 AI’ 광풍이 잦아드는 모양새다. 많은 기업이 다양한 생성형 AI 서비스를 쏟아내고 있지만, 이렇다 할 ‘한 방’은 내놓지 못하고 있다. 생성형 AI의 대표 격인 챗GPT 사용량도 감소했다. 6월 기준 챗GPT 트래픽(웹/모바일)은 전월 대비 9.7% 하락했으며, 순 방문자 수와 체류 시간도 각각 5.7%, 8.5% 감소했다. 많은 사람에게 AI의 매력이 사라지고 환멸이 확산되고 있다고 보는 전문가가 적지 않다. 챗GPT가 종종 신뢰할 수 없는 답변을 하는 것도 관심 하락에 한몫하는 것으로 보인다. 삼성의 정보 유출 사례에서 드러난 것처럼 민감한 기업 정보가 노출될 수 있다는 위험 때문에 사내 챗GPT 사용을 금지한 기업도 많다. 파괴적인 기술의 등장 자체에 열광했던 것에서 벗어나 신뢰성, 안정성, 실질적인 쓰임새 등을 따지기 시작하면서 이제 정책, 관리 방침, 보안, 환각 및 편향성 문제 해결 등이 쟁점으로 떠오르고 있다.
애플이 아이폰 15를 공개하는 행사가 10일 앞으로 다가왔다. 아이폰 15 출시와 함께 차세대 운영체제 iOS 17도 정식 배포된다. 지난 6월 WWDC 2023에서 소개된 iOS 17은 이전보다 훨씬 직관적이고 개인화된 경험을 제공하는 새로운 기능으로 큰 기대감을 모았다. iOS뿐 아니라 맥OS 14 소노마(Sonoma)와 아이패드OS 17에서도 배경화면/잠금화면 위젯과 생산성이 개선된 기본 앱 등을 통해 변화를 확실하게 체감할 수 있다. 올 하반기 새롭게 달라지는 애플 생태계가 낯설게 느껴지지 않도록 미리 살펴보면 좋을 기사를 모았다.
"사용하기 쉽고 보기에도 아름다운"이라는 설명에 어울리는 언어, 파이썬이 AI 열풍을 등에 업고 여전히 인기 가도를 달리고 있다. 읽기 쉽고, 오픈소스이며 확장 가능하고, 광범위한 표준 라이브러리가 있는 크로스 플랫폼 언어인 파이썬은 웹 개발부터 AI/ML까지 거의 모든 용도로 사용할 수 있다. 최근에는 엑셀 내 셀에 직접 입력할 수 있도록 마이크로소프트의 지원이 시작됐다. 간결한 코드로 개발자는 일관적이고 안정적인 시스템을 만들 수 있고, 기계 학습 작업에 필요한 강력한 알고리즘과 프레임워크를 만들 수 있다. 23년 상반기 파이썬의 기술적 진전과 변화, 그리고 다양한 관련 도구를 살펴 보자.
역대 가장 성공적인 선거 캐치프레이즈 중 하나가 '저녁이 있는 삶'이다. 해당 후보는 낙선했지만, 이 구호는 워라밸의 지향점으로 아직도 쓰이고 있다. 최근 워라벨의 맥락에서 '주 4일 근무'에 대한 논의가 활발하다. 영국, 미국 등에서 대규모 실험이 진행됐고, 긍정적인 평가와 일부 부정적인 평가가 나왔다. 반면 우리나라는 세계적인 흐름과 반대로 달리고 있다. 정부는 지난 3월 주 (최대) 69시간 근무제를 추진했다가 거센 반발에 직면한 바 있다. 참고할 만한 주 4일제 관련 기사를 모았다.
산업을 불문하고 많은 기업이 AI 프로젝트를 시작하고 있지만, 모든 AI 프로젝트가 성공하는 것은 아니다. 실패의 원인은 미흡한 도입 전략 및 운영 체계, 이해관계자 간 합의 실패, AI에 대한 잘못된 인식 등 다양하고 복합적이다. AI를 성공적으로 도입하고자 하는 기업은 ‘AI는 만능’이라는 잘못된 인식에서 벗어나 어떤 문제에 AI가 필요한지, 어떤 모델이 적합한지 따지고 그에 맞게 기술과 데이터를 다룰 수 있어야 한다. AI 프로젝트를 시작하기 전 참고하면 좋을 기사를 모았다.
작지만 강력하고 맞춤 설정이 가능하면서도 최고의 타이핑 경험을 추구하는 이들이 즐겨 찾는 키보드가 바로 PFU 아메리카(PFU America)의 해피 해킹 키보드(HHKB) 시리즈다. 이 HHKB의 신제품 'HHKB 스튜디오(HHKB Studio)'가 나왔다. 최소 크기 키보드에 마우스 기능까지 집어 넣었다. 가격은 전작과 마찬가지로 절대 저렴하지 않다. 정가가 385달러다. 하지만 다른 키보드에서는 찾을 수 있는 독특한 기능 조합을 누릴 수 있다. 이 제품을 자세히 살펴보자. HHKB 스튜디오는 USB-C 또는 배터리로 사용할 수 있다. 이를 위한 케이블과 배터리가 모두 제품 패키지에 포함돼 있다. 블루투스 페어링은 최대 4대까지 지원하고, 맥과 윈도우 시스템 모두에서 사용할 수 있다. 참고로 필자는 HHKB 하이브리드 타입S 모델을 특히 좋아한다. 부드러운 터치감에 부드러운 슬라이딩 리니어 기계식 스위치 메커니즘이 적용된 제품이다. 이 HHKB 스튜디오 역시 같은 스위치를 사용하지만, 사용자가 원한다면 표준 MX 스위치로 갈아 끼울 수 있다. 각인이 없는 형태로 쓰거나 ESC 키를 더 무겁게 바꾸는 것도 가능하다. 리뷰한 제품의 키캡은 무광 블랙 위에 유광 블랙을 사용한 고급스러운 형태였는데, 두 색상 차이를 거의 구분할 수 없었다. 키 백라이트는 없지만 불편하지 않았다. 매우 작은 60키 레이아웃을 적용했다는 것은 커서키와 숫자키가 없다는 의미다. 따라서 화살표 키는 펑션 키 조합으로 사용해야 한다. 또한 왼쪽 컨트롤 키가 일반적인 키보드의 캡스 락 위치에 있다. 캡스 락이 필요하다면 FN+Tab 조합으로 사용해야 한다. 각 FN키 조합은 각 키캡의 전면 하단에 각인돼 있는데, 리뷰한 블랙 키캡만 보면 알아보기가 쉽지 않았다. HHKB 스튜디오에서 가장 눈에 띄는 것은 커서 콘트롤을 위한 2가지 기능이 추가된 점이다. 먼저 포인팅 스틱 마우스다. 오리지널 IBM 씽크패드 노트북으로 유명한 바로 그 기능이다. G/H/B 키 사이에 있는데, 스페이스 바 아래 즉 엄지 손가락이 닿는 위치에 있는 마우스 버튼과 함께 사용하면 된다. 이 기능에 익숙해지려면 연습이 좀 필요하지만, 기본적인 마우스 기능으로 손색이 없다. 이 스틱 마우스를 위한 교체 가능한 캡 4개 제품이 포함돼 있다. 두번째 커서 컨트롤 기능은 키보드의 전면과 양 측면의 제스처 패드다. 키보드 왼편 모서리를 손가락으로 위아래로 문질러 커스를 이동시킬 수 있다. 키보드 오른편 모서리를 문질러 현재 창을 스크롤해 내리거나 올리고 창 간에 전환하는 것도 가능하다. 각 패드에 어떤 기능을 적용할지 사용자가 원하는 대로 설정할 수 있다. 이 제스처 패드는 강력하고 실용적이다. 리뷰하면서 필자는 화살표 키 조합이나 포인팅 스틱을 거의 사용하지 않고도 제스처 패드만으로 충분했다. 반면 실수로 이 제스처 패드를 작동시키기 쉽다. 무심코 키보드 측면에 만져 의도하지 않은 작업이 실행된 적이 몇번 있었다. 한편 대부분 사용자 설정 키보드가 을 지원하는 반면, 안타깝게도 HHKB는 VIA를 지원하지 않는다. VIA를 이용하면 데, 웹 브라우저 앱에 따라 키보드 배열과 작동 방식을 바꿀 수 있다. HHKB는 대신 키보드맵핑과 제어 툴을 별도로 제공하므로 이 데스크톱 툴을 설치해야 한다. 정리하면 HHKB 스튜디오는 전작들과 마찬가지로, 작은 크기의 키보드 속에 다양한 기능과 훌륭한 키감을 모두 집어 넣었다. 특히 이번 제품은 기능성을 더 강화해 마우스 기능까지 지원한다. 유일한 고민은 이 키보드에 385달러를 쓸 것인가 뿐이다. editor@itworld.co.kr
대부분 사람이 오랜 시간 키보드를 사용하지만, 사실 키보드는 몸의 자세나 손 건강에 도움이 되지 않는다. 디그마(Dygma) 역시 이런 키보드를 만드는 회사 중 하나지만, 대신 일반적이지 않은 제품을 만든다. 이런 가운데 디그마가 신제품을 내놓았다. 키보드가 반으로 나뉠 뿐만 아니라 날카로운 각도로 기울어져 손목에 가해지는 압력을 줄여준다. 그렇다면 이 제품은 손에 통증을 유발하지 않을까? 아니면 키보드 기본 원리를 다시 배워야 할 만큼 적응하기 힘들까? 디그마의 레이즈(Raise) 키보드 신제품을 살펴보자. 디자인과 구성 고품질 부품 여러 가지 구성 옵션 분할 구조 및 틸팅 스탠드 프로그래밍 가능한 백라이트 훌륭한 요리사라면 누구나 이렇게 말한다. "첫 음미는 눈으로 보는 것이다" 이를 염두에 두고 디그마 레이즈 키보드를 보면 만지기도 전에 진정한 향연이 펼쳐진다. 제품 패키지를 열면 레이즈 하단에 나사로 고정하는 올리기 키트, 키캡 리무버가 포함된 강화 키트, 각 키에 사용할 수 있는 ‘O’ 링, 여기에 더해 청소용 천이 들어 있는 상자 모음이 나온다. 그리고 실제 키보드가 들어 있는 고급스러운 패딩 및 가죽 안감 케이스와 컴퓨터에 연결하는 데 필요한 편조 케이블 및 ‘뉴런’ 어댑터가 있다. 모든 것이 매우 고급스럽다. 레이즈 디자인은 흥미롭다. 2개의 분리된 키보드 반쪽을 서로 연결해 더 표준적인 형태로 사용할 수 있다. 왼쪽은 153.8mm, 오른쪽은 177.3mm로 크기가 같지는 않다. 키보드가 정확히 대칭으로 설계되지 않아서 대부분 H키와 Y키가 약간 튀어나와 있기 때문이다. 실제로 대부분 키보드가 마찬가지다. 키가 서로 나란히 있지 않고 엇갈려 있다. 아노다이징 처리된 알루미늄 키 플레이트가 모든 것을 제자리에 고정하고 확장된 팜레스트가 있어 편안하게 사용할 수 있다. 리뷰하는 제품은 아틀란티스 블루지만 다른 색상도 다양하다. 데어데블 레드, 이집트 골드, 로얄 퍼플은 각각 블랙 또는 화이트 키 캡과 팜 패드를 선택할 수 있다. 패키지에는 키보드 아래 공간에 붙일 수 있는 두 개의 패드가 들어 있어 디그마 레이즈를 더 안정적으로 사용할 수 있다. 이 패드는 떼어내 세척한 후 다시 붙일 수 있으므로 지저분해질 염려가 없다. 키보드 반쪽 2개는 책상 위에 평평하게 놓을 수 있으며 위쪽을 들어 올릴 수 있는 조정 장치가 없다. 약간의 높낮이 조절이 가능하지만 옆으로만 기울일 수 있어 키보드 위를 약간 들고 쓰는 데 익숙한 사용자라면 타이핑 표면이 약간 낮게 느껴질 수 있다. 사소한 부분이지만 수동으로 조절할 방법이 없는 것은 아쉽다. 대신 키보드의 베이스 플레이트에 올리기 키트를 나사로 고정하면(모든 툴이 포함돼 있음) 선호하는 타이핑 위치에 맞게 개별 부품을 기울일 수 있다. 기계식 키보드이기 때문에 PTB 이중사출 키캡 아래에 스위치가 있으며, 디그마 레이즈를 주문할 때 원하는 대로 선택할 수 있다. 리뷰한 제품은 카일 스피드 코퍼 스위치인데, 다양한 체리 MX 변형 및 케이터론 GT 프로 2.0을 포함해 8개의 다른 스위치를 선택할 수 있다. 추가 비용은 최대 26달러다. 나만의 맞춤 설정을 하고 싶다면 MX 스템이 있는 3핀 또는 5핀 스위치를 사용하는 모든 스위치로 교환해 사용할 수 있다. 키와 키 플레이트 아래에는 RGB 조명과 LED 스트립이 다양한 색상으로 빛난다. 함께 제공되는 소프트웨어를 통해 개별 키를 다른 톤으로 강조할 수 있다. 2개로 분리되는 키보드 반쪽은 내부 자석을 이용해 서로 밀어 넣는 방식으로 연결되며, 실제로 잘 맞물린다. 빠르게 제자리에 고정하거나 분리하기도 매우 쉽다. 섹션이 분리되어 있기 때문에 양쪽 모두에 USB-C 포트가 있으며, 함께 제공되는 케이블을 사용하면 뉴런 커넥터를 통해 연결할 수 있으므로 실제 컴퓨터에서 차지하는 포트는 하나 뿐이다. 키보드 느낌과 타이핑 경험 프로그래밍 가능한 엄지 키가 있는 60% 레이아웃 팔과 가슴 자세 교정에 도움이 되는 분할 키보드 기울어진 자세는 익숙해지는 데 많은 시간이 걸림 키보드를 보면 몇 가지 누락된 부분이 있다는 것을 바로 알 수 있다. 레이아웃이 짧기 때문에 레이즈에는 숫자 패드가 없으며 화살표 키도 없다. 분할 스페이스바 아래로는 기본 설정된 특수 문자 및 기능에 액세스할 수 있는 2개의 ‘레이어’ 키가 있다. 마치 고급 시프트 키와 유사하다. 소프트웨어에서 더 많은 설정을 할 수 있다. 대신 키를 누르고 있으면 즉시 ESDF 키에 불이 들어오면서 임시 화살표 키로 바뀐다. 처음에는 상당히 불편하지만 금방 적응할 수 있으며, 화살표 키를 쓰느라 손 위치를 바꿀 필요가 없다는 장점도 있다. 키감을 보면 반응이 빠르고 편안하게 사용할 수 있다. 키의 피드백은 너무 삐걱거리지 않고 견고하며, 키가 눌렸다는 것을 알 수 있지만 손가락이 너무 높게 위치하지 않도록 충분한 이동감이 느껴진다. 필자처럼 터치 타이핑을 하는 사람이라면 처음 몇 시간 동안은 스페이스바나 다른 키를 누를 때 약간 혼란스러울 수 있다. 하지만 조금만 지나면 정상적인 타이핑 속도로 돌아올 수 있다. 이렇게 키보드 레이아웃에 익숙해졌다면 이제 키보드를 분리해 볼 차례다. 분할 모드는 이 제품을 이용한 타이핑 자세의 첫 번째 주요 변화다. 이렇게 타이핑하면 어깨가 더 많이 열리기 때문에 어깨뿐만 아니라 목 부위 통증 완화에도 도움이 된다. 처음에는 어색한 느낌이 들었지만, 새로운 각도에 금방 적응하고 다시 빠른 속도로 타이핑할 수 있다는 사실에 또 놀랐다. 또한 일반 키보드가 요구하는 전통적인 일직선이 아닌 각도를 조절해 사용해 보는 것도 좋다. 이렇게 하면 손목에 가해지는 압력을 덜고 등과 어깨의 긴장을 풀어줄 수 있다. 다행히 개인 취향에 맞게 위치를 쉽게 조정할 수 있어서 어떤 방향이 가장 편안한지 써보면서 테스트하면 된다. 시행착오도 있었지만 이런 과정 자체가 꽤 재밌다. 필자는 이미 타이핑과 관련된 여러 가지 질환을 앓고 있다. 직접 이 제품을 써보니 분할 구성이 가장 도움이 됐다. 하루 종일 타이핑을 한 후에도 어깨가 평소처럼 아프지 않았다. 또한 케이블 길이가 넉넉하기 때문에 키보드를 두 부분으로 나눠 꽤 멀리 떨어뜨려 놓는 것도 가능하다. 원한다면 마우스나 트랙패드를 키보드 사이에 놓고 쓸 수도 있다. 이 공간에 컵을 놓는 방법도 있지만, 키보드에 쏟지 않도록 주의해야 한다. 이 키보드를 사용하는 또 한 가지 방법은 제품명 '레이즈'처럼 양쪽 키보드를 위쪽으로 기울여 일종의 텐트처럼 해 놓고 쓰는 것이다. 이런 모습은 키보드 아래에 달려 있는 다리 4개를 통해 가능하다. 기본적인 평평한 설정에서 다리를 빼낸 후 팔을 펼쳐서 베이스의 홈에 밀어 넣으면 된다. 설명은 복잡해 보이지만 실제 해보면 매우 간단하고 몇 초밖에 걸리지 않는다. 조절할 수 있는 단계는 4가지이고, 단계마다 기울기 각도가 증가한다. 10도 정도부터 최대 40도의 급격한 경사까지 조절할 수 있다. 직접 써보니 낮은 설정에서는 손목에 약간의 부담을 덜어주는 것 같아 꽤 편안하게 사용할 수 있었다. 하지만 각도를 높이면 손바닥 받침대의 지지대가 있어도 손을 들어 올리는 것이 불편했다. 단, 필자는 오랜 기간 어깨에 문제가 있었고 관절염도 있다. 이런 불편함은 키보드가 아니라 개인적인 상태 때문일 수도 있다. 소프트웨어와 프로그래밍 기능 바제코 소프트웨어 제품군 다양한 레이아웃과 색 구성표 만들기 프로그래밍 가능한 매크로 슈퍼키 기능 디그마 레이즈는 물리적으로 조정하는 것 외에도 함께 제공되는 소프트웨어 '바제코(Bazecor)'를 통해 상당히 많은 것을 수정할 수 있다. 소프트웨어 이름만 보면 마치 ‘휠 오브 타임(Wheel of Time)’에 나오는 악당 같지만, 실제로는 전혀 그렇지 않다. 이를 PC 또는 맥에 다운로드해 설치하면 키보드를 다양하게 맞춤 설정할 수 있다. 실제로 바제코를 실행하면 모든 것이 논리적인 방식으로 배치돼 있고, 제공하는 기능을 사용하는 방법을 시각적으로 명확하게 보여준다. 디그마 사이트에도 훌륭한 튜토리얼 영상이 다양하게 올라와 있다. 바제코의 기능을 하나씩 살펴보면, 먼저 키 편집 섹션이다. 여기에는 현재 모든 키가 담긴 보드 지도가 표시된다. 여러 레이어 중에서 선택할 수 있으며, 무려 10개까지 선택할 수 있다. 어떤 키에 특별한 기능을 추가하고 싶다면 해당 키를 클릭하기만 하면 해당 키를 누를 때 트리거 할 다양한 키 조합을 선택할 수 있다. 또한, 자주 사용하지 않는 키라면 페이지에 표시되는 전체 크기 키보드에서 다른 키에 매핑할 수 있다. 예를 들어, 필자는 설정의 두 번째 레이어를 살펴보다가 할당되지 않은 키를 발견해 여기에 스크린샷을 찍는 단축키를 지정했다. 또한, 키 자체에 특정 색상을 할당해 잊지 않도록 했다. 이제는 두 번째 레이어로 전환할 때마다 해당 키가 빨간색으로 빛나고 키를 누르면 즉시 스크린샷을 찍을 수 있다. 매우 편리하다. 더 복잡한 작업이 필요하다면 매크로 옵션을 사용하면 된다. 이 메뉴에서는 미리 설정된 텍스트를 문서에 붙여 넣거나 일련의 명령을 수행하는 매크로를 구성하고 실시간 기록할 수 있다. 모든 프로그래밍 과정이 시각적이고 이해하기 쉬워 매우 강력하고 유용하다. 어떤 키에도 최대 5개의 명령을 지정할 수 있는 슈퍼키라는 기능도 있다. 특정 키를 누른 채로 탭을 조합해 해당 슈퍼키에 액세스할 수 있다. 예를 들어 매크로를 키에 매핑할 수 있는데, 키를 탭한 다음 바로 다시 탭하고 길게 누를 때만 트리거 된다. 키를 트리거 하는 동작은 5가지다. 약간의 학습이 필요할 수 있지만 익히기가 어렵지는 않다. 어떤 키가 매핑돼 있고 어떤 명령이 실행되는지 확인하려면 언제든지 바제코 소프트웨어를 실행하면 된다. 이를 통해 키보드의 펌웨어를 업그레이드하고 모든 일반적인 설정을 원하는 대로 자유롭게 조정할 수 있다. 디그마 레이즈를 구매해야 할까 그저 저렴한 키보드만 선호하는 이들에게는 디그마 레이즈가 적합하지 않다. 이 제품은 품질뿐만 아니라 가격에서도 상당히 수준이기 때문이다. 를 기준으로 기본 구성은 419달러부터 시작하며, 추가 비용을 지불하면 다양한 기능을 업그레이드할 수 있다. 하지만 대체 스위치와 기타 업그레이드 옵션은 모두 합리적이며, 가장 비싼 옵션은 26달러 정도다. 굳이 비싸 옵션을 선택할 필요가 없다. 구매하면 바로 사용할 수 있으며 이 리뷰에서 언급한 모든 기능을 사용할 수 있다. 기계식 키보드 중 대체 제품을 찾는다면, 백라이트가 없고 분할이 불가능하며 팜레스트가 없기는 하지만 원플러스 키보드 81 프로(OnePlus Keyboard 81 Pro) 같은 제품이 있다. 219달러로 상대적으로 저렴하므로 고려할 만하다. 곡선형 디자인의 인체공학적 키보드를 찾는다면 59.99달러짜리 로지텍 웨이브 키(Logitech Wave Keys)가 제격이다. 이밖에 분리되거나 들리지는 않지만 모든 키가 비스듬히 배치돼 손목 부담을 덜어주는 도 살펴볼 만하다. 완전 기계식이고 원하는 대로 설정할 수 있는데도 가격은 299달러다. 키보드에 많은 돈을 쓰는 것은 아마도 사람들의 구매 우선순위 목록에서 높지 않을 것이다. 하지만 스마트폰에 거의 1,000달러를 쓰는 것이 드문 일이 아닌 시대에, 수년 동안 매일 사용하는 키보드에 투자하는 것도 진지하게 고려할 가치가 있다. 이 제품은 하드웨어와 소프트웨어에서 사용할 수 있는 유연성과 커스터마이징 수준 측면에서 필자가 그동안 본 가장 다재다능하고 흥미로운 제품 중 하나이다. 몇 주 동안 사용해 본 후에도 타이핑을 더 쉽게 할 수 있는 새로운 기능을 계속 발견할 수 있었다. 처음에는 약간 겁이 나고 타이핑을 다시 배우면 며칠 동안 머리가 지끈거릴 수 있다. 필자는 텐트 위치의 가파른 경사에도 잘 적응하지 못했지만 모두가 필자와 같지는 않을 것이다. 잘 적응하는 사람도 있을 것이다. 레이즈는 한 번도 사용하지 않을 기능으로 과부하가 걸리는 제품이 아니다. 대신 평범한 키보드를 컴퓨터의 강력한 제어 센터로 바꿔주는 정밀한 도구에 더 가깝다. 이런 장점을 레이아웃, 훌륭한 소프트웨어 경험, 튜토리얼 동영상을 통해 확인할 수 있다. 더 중요한 것은 (적어도 필자는) 하루 종일 기존 구형 키보드를 사용할 때보다 손이 덜 아프다는 것이다. 이는 값을 매길 수 없는 가치다. 주요 제품 사양 64(ANSI 버전) / 65(ISO 버전) 기계식 스위치와 4x 로우-프로필 기계식 스위치(Mx 스위치용 핫스왑 소켓과 촉 스위치용 4x 케일 핫스왑 소켓) PBT 더블샷 키캡(영어), 하이엔드 레이저 각인 ABS OEM 프로필 키캡(비 영어 언어) 키캡 위 맞춤설정 가능한 RGB LED와 키캡 하단의 60 LED 아트멀 88 U-CN 키스캐너 마이크로컨트롤러 소닉스 슬래드 1735 LED 마이크로컨트롤러 아노다이징 알루미늄 키 플레이트 아트멀 ATS AMD 21G18A-U 마이크로컨트롤러 분할 가능한 섀시 2개 키보드 섹션을 위한 각도 조절 키트(10~40도 사이) USB-C 뉴런 인터페이스가 PC의 USB-C 슬롯 하나만 사용 바제코 소프트웨어를 이용한 프로그래밍 315.63mm×201.76mm×33.6 mm 895g editor@itworld.co.kr
필자가 가장 처음 사용한 8비트두(8BitDo) 제품은 였다. 몇 개의 추가 버튼과 블루투스 기능으로 닌텐도 NES 본체를 충실히 재현했다. 지난 10년간 8비트두는 보여줄 수 있는 제품의 폭을 크게 넓혀 왔지만, 레트로 키보드(Retro Keyboard)는 미학적으로나 감성적으로나 원래의 디자인으로 돌아간 느낌이다. 기본적으로는 기계식 키보드이고 외관은 의도적으로 1985년 거실에 어울릴 만한 느낌으로 하되 최신 부가 기능을 넣어 잘 만들었다. 분명 레트로 키보드는 향수를 불러일으키는 것에 집중한 제품이다. 기능상으로는 주력으로 사용하거나 심지어 이것만 사용하기에도 더할 나위 없지만, 마리오와 젤다 상품으로 뒤덮인 책상 위가 아니라면 확실히 어색하게 느껴질 것이다. 룩앤필을 완성하려면 비록 약간 오래되고 인체공학적으로도 크게 불편하지만 가 필요하다. 이처럼 향수 어린 물건이지만 단순히 색다르기만 한 것은 아니다. 레트로 키보드는 만듦새 수준이 꽤 높다. 이렇게 스타일에 신경 쓴 기기 치고는 '충격적'일 정도인데 이 표현은 극찬이다. 80년대를 떠올리게 하는 디자인 레트로 키보드는 상당히 공을 들인 헌사의 결정체다. 투톤 케이스, 붉은색 텍스트가 인쇄된 키캡, 그리고 오른쪽 시프트 키 아래 거대한 “A”, “B” 버튼까지 NES의 디자인을 떠올릴 수 있도록 플라스틱 음영과 인쇄의 모든 부분까지 세심하게 신경 썼다. 심지어, 회색 바탕에 검은 색으로 거의 눈에 보이지 않게 인쇄된 화살표 키는 NES 컨트롤러 D-패드에 양각된 화살표의 두툼한 모양을 똑같이 재현했고, 옛날식 버블 LED 전원 표시등까지 있다. 키캡에 인쇄된 글꼴, 케이스 상단 반투명 스티커의 줄무늬 디자인, 본체 자체의 암회색 받침대까지 전체적으로 닌텐도에서 제작했을 법한 공식 NES 키보드처럼 보인다. 레트로 미학에 바치는 헌사는 NES를 연상시키는 정도가 아니다. 아날로그 볼륨 다이얼, 전력 및 무선 모드용 원형 스위치, 독특한 키캡 모두 약 40년 전 제품이 떠오르게 한다. 참고로 리뷰용 제품은 NES의 미국 및 해외 버전(“N” 버전) 색상임을 밝혀 둔다. 레트로 감성으로 오리지널 일본 패미컴 색상을 고집하는 사람을 위해 “”도 있다. 이 키보드에는 레트로한 연출 이외에 일반적인 TKL(TenKeyLess) 레이아웃에서는 찾아볼 수 없는 것이 몇 가지 있다. 상단 맨 왼쪽 다이얼은 ‘끔’ 설정으로 블루투스와 2.4GHz 무선 동글 간 전환이 가능하다. 그 옆에는 옛날 붐 박스를 연상시키는 구식 볼륨 다이얼이 있다. 다음으로 블루투스 페어링 버튼, 프로그래밍 버튼, 그리고 프로필 전환기가 있다. 상단 끝에는 무선 동글용 자석 칸, USB-C 충전 포트, 4개의 배럴 포트(A, B, X, Y)가 있다. 이와 연결된 거대한 애드온 버튼은 이 키보드에서 시각적으로 가장 눈에 띄는 특징이다. 두 쌍 중 한 쌍(A와 B)이 동봉되어 있는데 해 총 8개의 프로그래밍 가능 버튼을 사용할 수 있다. NES 컨트롤러의 기본 버튼을 거대하게 재현한 애드온 버튼은 솔직히 상술이다. 플라스틱 상판을 열어 보면 평범한 기계식 스위치 2개를 덮는 대형 커버일 뿐임을 알 수 있다. 즉, 이 버튼은 물론, 사용자가 연결하기로 선택하는 모든 추가 버튼은 사실상 정교한 매크로 열이다. 게다가 공간도 많이 차지한다. 특히, 4개의 전선이 연결된다면…무선 키보드의 목적이 무색해진다. 매크로 키를 통한 추가 기능이 있는 것이 좋고, 과도하게 크기를 키운 미적 연출이 매력적이라고 느끼는 사람도 있겠지만, 차라리 키보드 자체에 추가 버튼이 몇 개만 있는 것이 낫지 않았을까. 실제로 필자는 리뷰 테스트를 끝낸 후 애드온 패드를 치워버렸고 없어도 아쉽지 않았다. 정리하면 이 키보드의 멋진 외관은 아려한 기억에서 슈퍼 마리오 요정을 불러올 수 있는 특정 부류의 사람에게만 매력적으로 느껴질 공산이 크다. 유의할 점은 RGB LED가 없다는 점이다. 80년대에는 무지개색 게이머 키보드가 없었기 때문이다. 그렇다면 나머지 기능은 어떨까? 지금부터 본격적으로 현대식 키보드와 비교해 보자. 성능과 맞춤 설정 성능은 사실 놀랄 만큼 좋다. 먼저 레트로 스타일의 키캡은 레이아웃이 표준 규격의 TKL이므로 거의 모든 맞춤형 세트로 교체할 수 있다. 그러나 이 키보드를 실제로 구매하면 절대 그럴 일이 없을 것이다. 고급 PBT 캡에도 열전사 인쇄 공정이 적용됐기 때문이다. 즉, 오리지널 메트로이드(Metroid) 게임을 회고하는 리뷰를 작성하느라 키보드를 아무리 많이 써도 기호가 절대 닳아 없어질 일이 없다는 의미다. 높지만 편안한 캡 밑에는 카일 박스 화이트 V2(Kailh Box White V2) 스위치가 있다. 상당히 시끄럽고 딸깍 거리는 데 이 점은 예상하지 못했다. 게이머를 겨냥한 8비트두 키보드인만큼 빠른 리니어 스위치가 사용될 것이라고 생각했다. 에서 나던 시끄럽고 딸깍 거리는 소리를 모방하려 했던 것 같기도 하다. 어느 쪽이든 분명한 것은 매우 부드럽고 안정적으로 동작하는 고급 스위치지만, 시끄럽다는 사실이다. 심지어 일반적인 기계식 키보드보다도 꽤 더 시끄럽다. 이런 점이 마음에 들지 않다면 교체할 수 있으므로 걱정할 필요는 없다. 이 키보드에는 핫스왑 스위치 소켓이 탑재되어 있는데 이런 고급 기능이 구현된 것이 약간 놀라우면서도 만족스러웠다. 따라서, 더 빠른 타이핑을 선호한다면 기본 레드 스위치로 교체할 수 있고 '무음'으로 구현하는 것도 가능하다. 심지어 애드온 버튼의 딸깍 거리는 연두색 스위치도 핫스왑이 가능하다. 레트로 키보드의 키감은 만족스럽다. 안정기에서 약간 소리가 나므로 필자 같은 키보드 애호가라면 윤활유가 약간 부족한가 싶은 생각이 들 수 있지만, 일반 사용자는 크게 신경 쓰이지 않을 것이다. 단 매우 시끄럽고 딸깍거린다는 사실을 다시 언급한다. 눈에 확 띄는 구식 키캡도 마찬가지다. 이나 안정적인 노트북 키보드에 익숙한 사람이라면 적응하기 만만치 않다. 게임용으로 쓰기에는 장단점이 섞여 있다. 유선 연결 단자와 고속 연결용 2.4GHz 동글이 제공되고(블루투스 연결은 느리므로 게임에는 적합하지 않다) N-키 롤오버 기능도 있지만, 동봉된 박스 화이트 스위치는 긴장감 있는 슈팅 게임은 물론 빠른 전략 게임이나 MOBA(Multiplayer Online Battle Arena) 게임에도 다소 부족하다. 눌림을 인식하는 지점까지 누른 키가 튀어 올라오기까지 시간이 너무 오래 걸린다. 이 키보드를 데스크톱 게임용으로 사용하려면 더 빠른 리니어 스위치로 교체하는 것을 추천한다. 마지막으로 조절식 다리가 없는 것도 눈에 띄었는데 대부분 플라스틱 케이스에서 흔히 볼 수 있는 단점이다. 높이를 조절할 수 없고, 비교적 두툼한 본체 높이에 만족해야 한다. 8비트두 레트로 키보드는 사용자가 원하는 대로 프로그래밍할 수 있는데, 독립형 윈도우 전용 실행파일을 이용하면 된다. 비슷한 기능의 다른 소프트웨어와 비교해 꽤 괜찮다. 기본 레이아웃, 대체 프로필, 매크로 등을 프로그래밍할 수 있고 펌웨어를 업데이트할 수 있다는 것을 장점이다. 대형 애드온 버튼에 키나 매크로를 지정하는 정도라면 소프트웨어조차 필요 없이 버튼 조합으로 설정할 수 있다. 전체적으로 키보드 프로그래밍 기능이 매우 세심하게 설계됐음을 알 수 있다. 바라 보는 것만으로도 재밌다 8비트두 레트로 키보드처럼 독특한 레트로 기기는 보통 매우 비싸지만, 8비트두는 확실한 가성비 제품을 내놓는 것으로 유명하다. 이 제품 역시 99.99달러인데 가성비가 꽤 괜찮다. 이런 가격에 애드온 버튼과 확장 기능, PBT 키캡과 핫스왑 스위치, 듀얼 무선 옵션을 갖춘 키보드를 찾기는 어렵다. 키캡 값만 그 정도를 부르는 매장이 있을 정도다. 아마 대부분 사용자는 이 키보드의 디자인을 보고 구매를 결정할 텐데, 외관이 마음에 든다면 그 나름대로 좋은 선택이고 비싼 값을 하고도 남으니 안심해도 좋다. 선택할 수 있는 스위치가 더 많고 소음은 더 적었다면 하는 아쉬움이 있지만, 책상 위에 올려 놓고 바라 보는 것만으로도 이렇게 재미있는 키보드는 꽤 오랜만이다. editor@itworld.co.kr
오랄비의 전동칫솔 제품은 너무 다양해 치과의사조차 어떤 걸 구매해야 할지 혼란스러울 정도다. 칫솔모 종류도 거의 20여 종에 달한다. 이 중 최신 iO 시리즈는 더 조용해진 브러시 모터를 사용해 양치질을 할 수 있는 오랄비 제품군 최고 제품으로, 판매 지역에 따라 차이가 있지만 총 8가지 모델로 구성된다. 저렴한 iO 시리즈 3부터 초고가 고급 모델인 시리즈 10까지 다양하다. iO 시리즈의 모든 전동칫솔은 공통적으로 진공과 음파 기능을 이용한 양치질을 지원한다. 또한 권장 양치질 시간인 2분 타이머에 30초마다 알림을 주는 페이서가 있고 스마트 압력 센서가 달려 있어 무리하게 힘을 가해 잇몸이 다치는 것을 막아준다. 배터리 사용 시간도 충분하다. 기본적인 양치질 모드는 모든 iO 모델에 공통이다. 차이점이 있다면, 양치 모드의 종류가 모델마다 차이가 있다. iO3은 3가지, iO4는 4가지, iO5, iO6, iO7은 5가지다. iO8은 6가지, iO9와 iO10은 7가지다. 기본적인 데일리 클린(Daily Clean) 모드만 사용한다면 다른 모드는 그냥 무시해도 상관없다. 하지만 최신 iO 모델은 저렴한 시리즈 3에서 지원하지 않는 다른 기능을 제공한다. 여러 가지 스마트 기능과 브러시 모드, 양치질 시간, 충전 속도, 배터리 사용시간 등을 알려주는 내장 화면 같은 것이다. 종합적으로 보면 iO 시리즈 오랄비 전동칫솔 중 가장 가성비가 좋은 것은 iO 시리즈 6이고, 최고의 고급 제품은 iO 시리즈 8이다. 그렇다면 iO 시리즈 7은 어떨까? 가성비와 프리미엄 기능의 절묘한 중간지대 제품으로 꼽을 수 있을까? 지금부터 이 iO7 전동칫솔을 자세히 살펴보자. 디자인 흑백 스크린에서 타이머와 배터리 사용시간을 알려줌 3시간 급속 충전 압력 정도를 알려주는 라이트 링 iO7은 고급 iO 모델 중에서는 가장 저렴한 제품이다. 이 제품에 이어 iO8, iO9, iO10이 나란히 고급 제품으로 배치돼 있다. 이들 고급 제품이 지원하는 핵심 기능은 3시간 급속 충전과 화면이다. 단 iO7에는 흑백 화면이 달려 있다. iO8/9/10에 OLED 컬러 화면이 달린 것과 차이가 있다. 컬러 화면이 더 고급스럽게 보이지만 그렇다고 흑백 화면에는 없는 새로운 정보를 보여주는 것은 아니다. 필자라면 단지 컬러 화면을 보기 위해 전동칫솔에 돈을 더 들이지는 않을 것이다. 전동칫솔을 켜면 화면에 환영하는 의미의 작은 아이콘이 나타난다. 웃는 얼굴이 인사를 한다. 일단 양치질을 시작하면 화면이 타이머로 바뀐다. 원이 차차 채워지는데 각 1/4 영역이 30초에 해당한다. 입 속에서 좌우상하 옮겨야 할 시점을 알려준다. 사실 양치질을 하면서 이 화면을 확인하기가 매우 힘들데, 주로 30초마다 보내주는 햅틱 진동으로 시간을 알 수 있다. 하지만 다른 생각을 하다보면 이 햅틱 진동을 놓치기 쉽다. 특히 아침에 일어났을 때나 자기 전 양치질할 때 그렇다. 이럴 때는 화면이 오히려 도움이 된다. 손을 돌려 칫솔을 직접 보는 대신 욕실 거울에 비친 화면 내용을 보면서 시간에 맞춰 양치질 할 수 있다. 이 화면에서는 남은 배터리 사용시간도 확인할 수 있다. 양치질이 끝날 때마다 5% 단위로 보여준다. 앱을 실행하면 앱에서 양치질 피드백 타이머를 사용할 수도 있다. 전동칫솔의 목 부분에는 라이트 링은 있는데 앱을 통해 10가지 색상 중 원하는 대로 고를 수 있다. 양치질을 시작하면 설정한 색상으로 라이트 링이 반짝인다. 필자는 양치질 압력이 적당할 때 녹색으로 빛나도록 설정했는데, 전동칫솔을 이나 잇몸에 너무 세게 누르면 링이 붉은 색으로 바뀐다. 양치질을 제대로 하는지 눈에 보이는 피드백을 준다는 점에서 매우 직관적이고 효과적이다. iO7 제품은 블랙 오닉스, 화이트 엘러베스터, 퍼플 애미시스트, 사파이어 블루 등 4가지 색상으로 판매중이다. 후자 2가지는 미국 전용 모델이다. iO7 제품 박스는 고속충전 마그네틱 충전 퍽과 견고한 휴대용 케이스, 전동칫솔 핸들, 칫솔모 2개 등으로 구성된다. 케이스는 이 비싼 전동칫솔을 안전하게 보관하는 데 유용하다. 여행가방 안에서 부딪혀 전원이 켜지는 것도 막아준다. 한번은 비행기로 이동하면서 짐을 찾을 때 여행가방 안에서 징~하는 진동소리가 들렸다. 가방 안에서 실수로 켜진 것 같은데 결국 배터리가 방전돼 버렸다. 긴 비행 후 양치질이 절실했는데 정작 필요할 때 무용지물이었다. 단, Tech Advisor의 전동칫솔 애호가인 엠마 로웰리에 따르면, 오랄비의 휴대용 케이스는 '소닉케어 다이아몬트클린 900' 제품과 비교하면 그리 세련된 디자인은 아니라고 한다. iO9와 i10에는 파워투고(power2go) 충전 케이스가 포함돼 있다. 케이스 내에서 충전이 가능하다. 반면 iO7과 iO8 케이스에는 충전 기능이 없다. 성능 훌륭한 양치질 기능 5가지 양치질 모드 최대 2주간 사용할 수 있는 배터리 전동칫솔을 구매할 때 가장 중요한 선택 기준은 당연히 양치 성능이다. 거의 모든 오랄비 전동칫솔은 진동과 음파를 통해 플라그를 효과적으로 제거한다. iO 전동칫솔은 여기에 더해 더 강력한 모터와 브러시 동작을 지원한다. 이 제품의 듀얼 액션 세척 기능은 매우 뛰어나다. iO 전동칫솔로 바꾼 후 필자의 담당 치과의사가 이전과 달라졌다고 칭찬할 정도다. 처음에는 약간 불쾌하게 느껴질 수 있지만 금세 익숙해지고 이후에는 2분 양치질 후 상쾌함을 느낄 수 있다. 데일리 클린 코드가 너무 가볍게 느껴진다면 더 강력한 인텐스(Intense) 모드를 사용해보자. 필자의 딸은 한번 써보더니 너무 세다며 즉시 센스티브(Sensitive)로 변경했다. 그만큼 차이가 확실하다. 제품이 부착돼 있는 화면을 통해 현재 선택한 브러시 모드를 볼 수 있다. 기본값은 데일리 클린으로, 대부분 사용자가 이를 사용한다. iO7에는 데일리 클린, 센스티브, 인텐스, 화이튼, 검 케어 등 5가지 양치질 모드가 있다. iO8은 여기에 슈퍼 센스티브가 추가된 6가지다. 그렇다면 슈퍼 센스티브 모드가 필요할까? 이가 매우 민감하다면 iO7이 아니라 iO8을 구매하는 것도 좋다. 하지만 대부분 사용자는 이미 언급한 것처럼 데일리 클린 모드만 사용하므로, 비용을 아끼는 것이 낫다. 충전 시간이 길어도 상관없다면 iO7 대신 iO6까지도 고려할만하다. iO7이 3시간, iO6이 12시간 걸린다. 30초짜리 텅 클린(Tongue Clean) 모드까지 사용하고 싶다면 더 비싼 iO9나 iO10으로 넘어가야 한다. 더 저렴한 iO6은 리튬이온 배터리를 충전하는 데 12시간이 걸린다. 따라서 iO7이 iO6보다 더 좋은 점 첫번째는 바로 충전시간이다. iO6은 제품 중앙에 기둥이 같은 것이 솟아 오른 모양의 표준 충전기를 사용하는 반면, iO7의 충전기는 iO8/9/10과 마찬가지로 신형 마그네틱 제품이다. 색상은 화이트와 블랙이다. 설명서에 따르면 iO7의 배터리는 2주동안 쓸 수 있다. 하지만 실제로 사용해보니 10~11일이었다. 단, 필자는 이 만큼이나 잇몸도 공들여서 닦는다. 그래서 실제로는 2분 이상 사용하는 경우가 많았다. 한편 미국 기준 오랄비 충전 퍽은 표준 2핀 플러그다. 하지만 필자가 사는 영국에서는 셰이버 소켓 플러그다. 필자는 욕실에서 전동칫솔을 사용하는데 충전이 됐다 안됐다 했다. 셰이버 소켓 플러그를 한쪽으로 밀어 충전해야 하기 때문에 문제가 발생할 수 있다. 아마도 필자 집의 배선 문제인 것처럼 보이기는 한데, 결국 표준 UK 플러그에 맞는 충전기를 구매해 욕실 밖에서 충전한 후 사용해야 했다. 제품 자체에서 USB 충전을 지원하는 것이 가장 간단한 해결책이지만, 구형 욕실을 고려한 디자인이라는 점에서 납득이 되는 부분도 있다. 오랄비 iO6 vs. 오랄비 iO7 vs. 오랄비 iO8 오랄비 iO7과 iO8의 차이는 간단하다. iO8의 컬리 화면과 슈퍼 센스티브 모드다. 슈퍼 센스티브 모드가 필요하지 않고 iO7의 센시티브 모드만으로 충분하다면 굳이 돈을 더 들여 iO8을 구매할 필요가 없다. 컬러 화면 역시 마찬가지다. 나쁘지 않은 특징이지만 필수적인 것은 아니다. 양치질 성능, 충전 속도, 액세서리에서는 iO7, iO8 두 제품간 차이가 없다. 따라서 두 제품 중 고른다면 더 저렴한 오랄비 iO7을 추천한다. iO7이 iO8보다 낫다면 iO6은 어떨까? 기본적으로 iO6이 더 나을 수 있다. iO6과 iO7의 실제 차이는 고속 충전 기능 뿐이다. 양치질 모드와 성능은 두 제품이 같고 흑백 화면도 마찬가지다. 4배 더 빠른 충전이 불가능하다는 것을 감수할 수 있다면 영국을 기준으로 50달러 더 저렴한 iO6이 낫다. 단 가격의 변동성이 크므로 여러 곳을 비교해보는 것이 좋다. 개인적으로는 고속 충전 기능은 충분한 가치가 있다고 생각한다. 따라서 iO6보다는 iO7을 더 추천한다. 전동칫솔 공유 공유를 고려하지 않은 설계 앱 기능이 제한적임 칫솔모 형태로 구분 가능 iO 제품군은 전동칫솔 중 가장 비싼 편이므로 칫솔을 함께 쓰고 칫솔모만 바꿔서 여러 사람이 함께 사용하면 경제적일 수 있다. 실제로 iO7은 공유해서 사용할 수 있다. 단, 앱에서 지원하는 일부 스마트 기능은 쓸 수 없다. 개인별로 양치질 기록을 추적하지 못하기 때문이다. 예를 들어 여러 사람이 전동칫솔 하나를 함께 사용하면 앱의 칫솔모 교체 주기 알림이 제대로 작동하지 않는다. 그래서 일부 판매자는 전동칫솔 2개에 케이스와 충전기 각각 1개로 구성된 패키지를 판매한다. 가족 대부분이 충전기는 부담없이 공유할 수 있으므로 이런 제품을 구매하면 비용을 절감할 수 있다. 나중에 추가로 케이스와 충전기가 필요해지면 언제든 각각 구매할 수 있다. 모바일 앱 실시간 양치질 피드백 칫솔모 교체 알림 게이미피케이션 기능 지원 iO7은 블루투스를 통해 무료 오랄비 모바일 앱과 연동할 수 있다. 앱은 iOS와 안드로이드용 모두 있다. 이 앱은 실시간 양방향 양치질 피드백을 제공한다. 단, 입안 어디를 양치질 하고 있는지를 추적하려면 양치질을 하면서 휴대폰 화면을 봐야 한다. 이 기능은 잘 작동하지만, 아마도 대부분 사용자는 양치질을 하면서 휴대폰을 들여다보고 싶지는 않을 것이다. 전동칫솔을 사용하기 위해 앱을 열 필요는 없고 대부분이 이렇게 할 것이다. 반면 양치질을 시작하면서 앱을 사용하면 내가 어떻게 칫솔질을 하는지 더 자세히 알 수 있다. 양치질이 제대로 되고 있는지 어떻게 양치질하는지 정말 알고 싶다면 더 비싼 제품인 iO9와 iO10을 선택하는 것도 좋다. 3D 치아 AI 양치질 트래킹 기능을 지원한다. iO7은 치아를 6개 구역으로 인식해 추적하지만 iO9와 iO10은 16개 구역으로 나눠 정밀하게 인식한다. 또한 모바일 앱을 이용하면 전동칫솔 설정도 변경할 수 있다. 칫솔질 목표를 정하고 이전 칫솔질이 제대로 되는지 확인하고 뱃지를 모으고 칫솔모 교체 시기를 알려주는 기능도 있다. 가격 오랄비 iO7의 가격은 사는 지역에 따라 차이가 크다. 미국의 경우 오랄비에서 직접 구매하거나 아마존, 타겟, 베스트 바이 같은 유통업체를 통해 구매할 수 있는데 가격은 220달러(약 30만 원) 선이다. 영국에서는 150파운드(약 25만 원) 정도다. 부담스러운 가격은 분명하지만, 치과 비용에 비하면 과한 것도 아니다. 저가 전동칫솔 대신 iO7 같은 제대로된 전동칫솔을 올바른 방법으로 사용하면 치과 갈 일이 크게 줄고 오히려 비용을 절감할 수 있다. 앞서 언급한 것처럼 전동칫솔 2개에 충전기 1개로 구성된 트윈 팩도 고려할 만하다. 미국의 경우 299달러(약 41만 원), 영국에서는 235파운드(약 39만 원)로 1개만 구매하는 것보다 다소 저렴하다. 마그네틱 충전기는 기존 구형 제품용 충전기와 확실하게 구분되므로, 가족이 같은 충전기를 사용하는 것이 더 편리할 것이다. 물론 비용이 많이 올라가는 것을 감수해야 한다. 단, 기억해야 할 것은 칫솔모 교체 주기다. 전동칫솔이 제 역할을 하려면 3개월마다 교체해야 한다. 3개월이 넘어가면 양치 효과가 떨어진다. iO 전동칫솔은 전용 칫솔모를 사용해야 하며 가격은 개당 17달러다. 칫솔모를 구매할 때는 패키지에 따라 2~3개 혹은 1개가 들어있기도 하므로 주의해야 한다. 결론 필자는 이미 오랄비 iO8을 최고의 전동칫솔로 평가했지만, iO7 역시 훌륭한 제품임이 분명하다. iO8/9/10과 마찬가지로 제품 마감이 훌륭하고 치아를 잘 관리하기 위한 모든 기능을 충실하게 지원한다. 시각적인 압력 센서와 타이머, 진동 알림, (iO 8/9/10 정도는 아니지만) 다양한 칫솔질 모드, 훌륭한 양치질 성능, 고속 충전 등이다. 대신 훨씬 더 비싼 모델 대비 포기해야 할 것은 컬러 화면(흑백 화면은 있다)과 슈퍼 센스티브 양치질 모드 뿐이다. editor@itworld.co.kr
로지텍은 에르고(Ergo) 제품군을 통해 인체공학을 최우선으로 고려한 다양한 주변기기를 제공한다. 가장 최근 출시된 제품은 팜레스트가 통합된 곡선형 디자인의 키보드인 로지텍 웨이브 키(Logitech Wave Keys)다. 2020년 출시된 로지텍 에르고 K860이 재탄생한 느낌이 물씬 풍긴다. 디자인 및 만듦새 오프 화이트 및 블랙 색상 팜레스트 포함 백라이트 없음 로지텍 웨이브 키는 표준 키보드와 길이가 거의 같다. 하지만 팜레스트가 추가돼 더 길어졌다. 크기는 375.97×218.91×30.53mm이며, 큰 배낭에 쉽게 들어간다. 하지만 무게는 750g으로 가볍지는 않다. 제품명은 곡선 모양을 반영한다. 로지텍에 따르면, 물결 모양의 윤곽은 타이핑할 때 손을 더 자연스러운 위치에 놓을 수 있도록 설계됐다. 키 모양에 익숙해지는 데 시간이 걸릴 것이라고 생각했지만, 문제없이 적응했다. 또한 키가 분리된 에르고 K860보다 이질감이 덜했다. 로지텍 키 웨이브는 미국과 영국에서 오프 화이트와 블랙 색상으로 출시된다. 로지텍 리프트(Lift) 마우스와 잘 어울린다. 키의 재질은 플라스틱이며, 약간의 광택이 있다. 일부 경쟁 제품만큼 고급스럽지는 않지만 기계식 키보드나 메탈 바디 키보드 사용자라면 차이를 느낄 수 있다. 뒷면에는 타이핑 각도를 4단계로 조절할 수 있는 4개의 받침대가 키보드를 안정적으로 고정한다. 기울여도 여전히 견고하며 다른 저가형 키보드처럼 덜컥거리지 않는다. 또한 뒷면에는 전원 스위치가 있어 사용하지 않을 때 배터리를 절약할 수 있다. 팜레스트는 3겹 메모리 폼으로 만들어져 푹신하고 쿠션감이 좋다. 팔을 책상에서 들어 올려주기 때문에 의자에 구부정하게 앉는 습관이 있는 필자도 똑바로 앉을 수 있도록 도와준다. 캡스락(Caps Lock)과 F 키에는 조명 버튼이 있지만, 아쉽게도 다른 키에는 백라이트 조명이 없다. 스크린샷, 받아쓰기, 이모티콘 단축키 등 다양한 사용자 지정 키를 사용할 수 있으며, 윈도우/맥 이중 레이아웃을 지원한다. 성능 및 연결성 로지텍 볼트(Bolt) 연결 블루투스 연결 로지텍 옵션+(Opeions+) 연동 몇 주 동안 웨이브 키를 사용하니 인체공학적인 형태에 완전히 적응했다. 오랜 시간 책상에 앉아 있어도 손이나 손목에 통증을 느끼지 못했다. 사실 이런 차이는 일반 키보드로 돌아간 후에 깨달았다. 팜레스트를 사용하는 것은 확실히 효과적이다. 그 외에 키 자체의 키 스트로크 높이도 적당하고 반발력도 좋다. 제품 자체의 크기 때문에 가장 조용하지는 않지만 스트로크 높이가 더 얕은 키보다 확실히 반응성이 좋다. 다만 테스트가 완전히 매끄럽지는 않았다. 키가 멈추는 경우가 몇 번 있었고 PC를 처음 부팅할 때 키보드가 약간 느리게 반응하는 경우도 있었다. 하지만 전반적인 사용 경험을 망치는 수준까지는 아니었다. 로지텍 웨이브 키는 로지텍 볼트 수신기(구성품에 포함)를 통해 PC와 연결할 수 있다. 수신기는 윈도우 및 맥OS를 지원한다. 로지텍 옵션+ 소프트웨어를 사용하려면 볼트로 연결해야 한다. 블루투스로도 연결이 가능하다. 윈도우 및 맥OS를 비롯해 크롬OS, 아이패드OS, iOS, 안드로이드에서 사용할 수 있다. 블루투스 연결에서는 타이핑 반응 속도가 빠르지는 않지만, 기기 간 전환은 빠르고 쉽다. 웨이브 키는 다른 로지텍 액세서리와 마찬가지로 한 번에 최대 3대의 연결을 지원한다. 함께 제공되는 앱은 무료로 다운로드할 수 있다. 다양한 키보드 단축키를 선택할 수 있을 뿐 아니라 한 번의 클릭으로 여러 작업을 수행하는 ‘스마트 액션(Smart Action)’ 옵션도 있다. 예를 들어, 버튼 하나로 모든 창을 닫고 PC를 종료하는 것이다. 다만 사용자 지정할 수 있는 키는 13개에 불과하다. 더 많은 사용자 지정 옵션을 원한다면 다른 제품을 고려해야 한다. 배터리 성능 및 가격 AAA 건전지 2개 사용 최대 36개월 지속 로지텍 키보드는 배터리 수명이 전반적으로 우수하다. 웨이브 키도 예외는 아니다. 로지텍은 AAA 배터리를 교체할 때까지 평균 36개월이 걸린다고 주장한다. 웨이브 키를 사용한 지 몇 주밖에 되지 않았으므로 이런 주장이 사실인지는 확인하지 못했다. 한 가지 확실한 것은 격렬하게 사용한 후에도 배터리 잔량이 100%였다는 점이다. 단, 키보드 충전 옵션은 없으므로 건전지를 구비해야 한다. 로지텍 웨이브 키의 가격은 59.99달러(약 8만 원)다. 가장 저렴한 무선 키보드는 아니지만 팜레스트와 사용자 지정 가능한 키를 고려하면 가격 대비 성능이 만족스럽다. 비슷한 가격의 대안은 로지텍 페블 키 2(Pebble Keys) K380s와 제이랩 에픽 무선 키보드가 대표적이다. 페블 키 2 K380s는 여행이나 작은 책상에서 사용하기 적합한 작은 디자인이며, 제이랩 에픽 무선 키보드는 프리미엄 품질과 더 많은 사용자 지정 키 옵션을 제공한다. 결론 로지텍 웨이브 키는 뛰어난 인체공학적 키보드다. 몇 시간 동안 편안하게 사용할 수 있고 책상 위에 놓아도 눈에 거슬리지 않은 디자인이며, 배터리도 오래 간다. 인체공학적인 설계를 한 단계 더 업그레이드하려면 분할 디자인을 제공하는 옵션도 있다. 또한 이런 가격대라면 백라이트를 기대하는 사용자가 많을 것이다. 하지만 웨이브 키가 인상적인 키보드인 점은 분명하다. 사양 색상 : 오프 화이트 및 블랙 크기 : 375.97×218.91×30.53mm 무게 : 750g 팜레스트 : 포함 사용자 지정 키 : 13개 연결성 : 블루투스 및 로지텍 볼트 연결 기기 수 : 최대 3대 배터리 유형 및 수명 : AAA 건전지 2개, 최대 3년 editor@itworld.co.kr
스팀은 PC 게임 분야에서 가장 인기 있는 배포 플랫폼이자 매일 전 세계 수백만의 게이머가 사용하는 시스템이다. 스팀 앱에는 바로 몇 가지 실용적인 기능이 있지만, 바로 알아보기는 쉽지 않다. 스팀 초보나 경험 많은 베테랑 모두 유용하게 사용할 수 있는 7가지 팁을 소개한다. 모음집 생성 및 관리하기 여러 해 동안 스팀을 사용하면서 새로운 게임을 즐겨 본 사람이라면 엄청난 규모의 정신없는 라이브러리를 두고 있을 것이 분명하다. 어느 정도의 질서를 다시 갖추려면 카테고리를 생성해야 한다. 스팀에서는 이를 모음집(Collections)이라고 부른다. 각 카테고리에서는 장르, 플레이 상태(완료, 플레이한 적 없음, 플레이 중), 또는 개인 선호에 따라 게임을 정렬할 수 있다. 그러기 위해서는 다음 순서를 따라야 한다. 라이브러리 보기에서 홈 버튼 바로 오른쪽에 있는 타일 4개 모양의 아이콘을 클릭한다. 수집품 창이 열리면 ‘새 모음집 만들기’ 버튼을 클릭한다. 게임 컬렉션을 수동으로 편집할지, 아니면 사용자가 정의한 필터에 따라 스팀이 자동으로 편집할지 선택할 수 있다. 이미 생성된 모음집은 오버뷰 창에서 관리할 수 있다. 라이브러리에서 게임 숨기기 라이브러리에서 게임을 숨길 수 있다. 숨기더라도 사용자의 계정에 속한 채 플레이할 수 있지만, 일반적인 라이브러리 보기에서는 나타나지 않는다. 게임을 우클릭하면 나타나는 메뉴에서 ‘관리 > 숨기기’를 선택한다. 숨긴 게임을 다시 나타나게 설정하는 것도 간단하다. 스팀 최상단 좌측에 있는 주 메뉴에서 ‘보기’를 선택하고 숨겨진 게임을 선택한다. 여기서 모든 숨긴 게임을 확인하고 우클릭으로 다시 라이브러리로 되돌릴 수 있다. 우클릭하면 생기는 메뉴에서 ‘관리 > 숨긴 게임’에서 ‘제거’를 선택한다. 계정에서 완전히 게임 삭제하기 구입한 게임을 계정에서 영구히 삭제하려면 브라우저에서 스팀 로 이동해야 한다. 로그인하고 다음 순서를 따른다. 로그인하고 나타나는 메뉴에서 게임, 소프트웨어 등(Games, Software, etc)를 선택한다. 목록에서 게임을 선택하거나 검색 창에 원하는 게임명을 입력한다. 게임 하단에 나타나는 명령 6개 중 맨 아래의 ‘이 게임을 내 계정에서 영원히 삭제하기를 원함(I want to permanently remove this game from my account)’을 선택한다. 단, 게임을 영구 삭제하더라도 구입한 금액이 환불되지는 않는다. 환불 관련 규정은 다음 항목에서 확인하자. 구입한 게임 교환 및 환불하기 구입한 게임이 마음에 들지 않으면 게임을 교환하고 구입한 금액을 환불받을 수 있다. 전제 조건이 있다. 게임을 구입한 지 14일이 지나지 않았고, 총 플레이 시간이 2시간 미만이어야 한다는 것이다. 이 조건에 해당한다면 다음 순서를 따른다. 스팀 게임, 소프트웨어 등(Games, Software, etc)를 선택한다. 목록에서 게임을 선택하거나 검색 창에 원하는 게임명을 입력한다. ‘생각한 것과 다름(It’s not what I wanted)’는 항목을 선택한다. 이제 환불을 요청할 수 있다. 기존 결제 수단이나 스팀 크레딧으로 환불된다. 친구나 가족과 스팀 게임 공유하기 스팀에서는 가족 공유 기능을 통해 다른 계정과 게임을 공유할 수 있다. 가족과 친구도 공유된 게임을 즐길 수 있지만 원래 소유자와 동시에 플레이할 수는 없다. 스팀에서 가족 공유를 설정하려면 공유하는 계정과 공유받는 계정 모두 스팀 가드(Steam Guard)를 활성화해야 한다. 그리고 두 계정 모두 같은 PC에서 최소 한번은 로그인한 적 있어야 한다. 이런 조건을 갖추었다면, 사용자의 스팀 라이브러리에 다른 계정(가족 혹은 친구)의 액세스를 먼저 허용해야 한다. 방법은 다음과 같다. 스팀 설정에서 ‘가족’ 항목을 선택한다. ‘이 기기에서 라이브러리 공유 허용’이라는 항목을 클릭한다. 목록에서 라이브러리를 공유하려는 계정을 선택한다. 선택한 계정과 공유를 설정했다면 해당 계정은 다른 계정에 원하는 게임이 있을 때 액세스를 요청할 수 있다. 액세스 요청 과정은 다음과 같다. 라이브러리에서는 자신이 구입한 게임 옆에 공유된 계정의 게임을 볼 수 있다. 원하는 게임을 선택한다. 일반적으로 ‘플레이’ 버튼이 표시되는 위치에 ‘대여’ 버튼이 있다. 이를 클릭한다. 게임을 공유하려는 계정은 게임 액세스 허용을 확인하는 이메일을 받는다. 확인 과정을 거친 후 공유받은 계정은 다른 사용자가 소유한 게임을 플레이할 수 있다. 커뮤니티의 컨트롤러 설정 사용하기 PC 게임용 컨트롤러를 사용한다면 게임에서 바로 컨트롤러를 인식하고 버튼이 설정되는 것이 가장 이상적이다. 그러나 기본 설정된 버튼이 마음에 들지 않으면 커뮤니티 사용자가 만든 사전 설정을 사용할 수도 있다. 작동 방식은 다음과 같다. 최상단의 ‘보기’ 항목에서 ‘빅픽쳐 모드(Big picture Mode)’를 선택하고 빅픽쳐 모드로 스팀 앱을 사용한다. 라이브러리로 이동해 컨트롤러 구성을 다운로드할 게임을 선택한다. 오른쪽 상단의 설정 아이콘을 클릭하고 ‘속성 > 컨트롤러’ 항목을 연다. 덮어쓰기 옆 드롭 박스를 선택해 기본 설정이나 커뮤니티 레이아웃 등의 옵션을 선택할 수 있다. 2단계 인증으로 계정 보호하기 개인 이메일과 비밀번호는 유출되거나 해킹당하는 경우가 잦다. 스팀은 2단계 인증을 지원한다. 2단계 인증은 계정을 효과적으로 보호하는 방법이다. 방법은 매우 간단하다. 스마트폰에 스팀 앱을 설치하기만 하면 된다. 이후 스팀 계정의 ‘계정 세부 정보 > 계정 보안’에서 ‘스팀 모바일 인증기’를 활성화하면 된다. editor@itworld.co.kr
마이크로소프트는 지난 몇 년 동안 시작 메뉴와 작업표시줄을 수시로 바꿨다. 윈도우 10과 윈도우 11 모두에서 시작 메뉴는 이제 컴퓨터의 파일뿐만 아니라 광고, '제안', 빙 검색 결과로 가득 차 있다. 윈도우 11에서는 작업표시줄에 큰 변화를 주었고, 작업표시줄 라벨과 끌어서 놓기 같은 일부 사랑받는 기능이 돌아왔지만, 작업표시줄을 화면의 다른 곳으로 옮기지 못한다. 마이크로소프트는 이를 지원할 계획이 없는 것으로 알려졌다. 하지만 우리가 사용하는 것은 아이패드가 아니라 윈도우 PC이다. 보다 간결하고 고전적인 시작 메뉴 또는 원하는 곳으로 이동할 수 있는 작업표시줄을 원한다면, 약간의 유틸리티만으로 원하는 대로 사용할 수 있다. 필자는 윈도우 PC를 기본 설정으로 사용하는 편이다. 일반 PC 사용자들이 어떤 경험을 하는지 알고 싶기 때문이다. 그리고 이런 경험으로 바탕으로 이야기하자면, 시작 메뉴와 작업표시줄은 있는 그대로도 아주 좋다. 기본 설정이 만족스럽다면, 그대로 두는 것이 좋다. 하지만 틀에서 벗어나 다른 방식으로 작업하고 싶은 사용자라면 다음 내용을 참고하기 바란다. 기본 제공 옵션으로 시간 절약하기 항상 서드파티 툴을 사용해야 하는 것은 아니다. 윈도우 자체에는 작업표시줄과 시작 메뉴에 대한 몇 가지 일반적인 불만을 해결할 수 있는 다양하고 유용한 옵션이 숨겨져 있다. 윈도우 11의 2023년 10월 업데이트에서 작업표시줄 레이블 설정이 복원되어 이제 원하는 경우 작업표시줄에 애플리케이션 아이콘 대신 각 창의 제목이 있는 버튼을 볼 수 있다. 윈도우 11에서 이 기능을 사용하려면 작업표시줄의 빈 공간을 마우스 오른쪽 버튼으로 클릭하고 '작업표시줄 설정'을 선택하면 작업표시줄 단추와 레이블을 결합하지 않는 옵션을 찾을 수 있습니다. 이 옵션은 윈도우 10의 작업표시줄 설정에는 그대로 있다. 윈도우 10에서는 서드파티 소프트웨어 없이도 작업표시줄을 원하는 화면 가장자리로 이동할 수 있다. 작업표시줄의 빈 공간을 마우스 오른쪽 버튼으로 클릭하고 '작업표시줄 설정'을 선택한 다음 여기에서 '화면의 작업표시줄 위치' 옵션을 변경하면 된다. 윈도우 11은 기본적으로 작업표시줄 아이콘을 가운데에 배치하지만, 왼쪽으로 다시 이동할 수 있다. 이 옵션은 작업표시줄 설정 창에서 찾을 수 있다. 하지만 시작 버튼을 작업표시줄 왼쪽에 두고 애플리케이션 아이콘을 가운데에 배치하려면 스타트11이나 익스플로러패처 같은 서드파티 앱이 필요하다. 마지막으로, 시작 메뉴에 내장된 빙 검색이 신경 쓰이는 경우, 레지스트리를 수정해 시작 메뉴에서 비활성화할 수 있다. 더욱 세련된 시작 메뉴 대체 기능 윈도우를 위한 최고의 시작 메뉴 대체 프로그램은 스타독(Stardock)의 스타트11(Start11)이다. 이름과 달리 스타트11은 윈도우 10과 윈도우 11 모두에서 동작한다. 또한, 단순히 시작 메뉴만 대체하는 것이 아니라 작업표시줄의 일부 기능도 개선했다. 세련된 시작 메뉴 환경을 찾고 있다면 이 프로그램이 최고의 선택이다. 다양한 기능이 가득한데, 우선 윈도우 7의 시작 메뉴와 유사한 디자인을 포함해 다양한 시작 메뉴 디자인 중에서 선택할 수 있다. 그리고 시작 메뉴를 검색할 때 기본적으로 로컬 컴퓨터만 검색한다. 덕분에 마이크로소프트에서 설치하기를 원하는 앱 및 기타 항목에 대한 '제안'이 표시되지 않는다. 윈도우 11에서는 스타트11을 사용해 작업표시줄을 화면 상단으로 이동하거나, 작업표시줄의 크기를 조정하여 더 크게 또는 더 작게 만들거나, 시작 단추를 작업표시줄 왼쪽에 두고 애플리케이션 실행기 아이콘은 가운데에 둘 수 있습니다. 한 가지 아쉬운 점은 작업표시줄을 화면의 왼쪽이나 오른쪽 가장자리로 이동하는 기능이 윈도우 11에서는 상단 또는 하단에만 있다는 것이다. 세로 작업표시줄을 원하는 윈도우 11 사용자는 다른 방법을 이용해야 한다. 스타독은 새로운 시작 메뉴 디자인, 파일과 폴더를 작업표시줄에 직접 고정하는 기능, 시작 메뉴에서 바로 가기를 구성할 수 있는 탭과 그룹 등 다양한 새로운 기능을 갖춘 스타트11 v2를 출시했다. 30일 무료 체험 프로그램을 제공하며, 정식 버전은 6.99달러부터 시작한다. 훌륭한 무료 대안 물론 모든 사용자가 비용을 들이며 시작 메뉴를 교체하려 하지는 않는다. 무료 프로그램을 찾는다면, 오픈소스인 오픈셸(Open-Shell)을 추천한다. 이 프로그램은 윈도우의 오래된 시작 메뉴 대체 프로그램인 클래식 셸의 코드를 기반으로 한다. 스타트11만큼 멋진 메뉴 디자인이나 추가 기능이 많지는 않지만, 매우 유용한 시작 메뉴를 제공한다. 설치 후 시작 버튼을 클릭하거나 윈도우 키를 누르면 오픈셸 시작 메뉴가 열린다. 여러 가지 디자인 중에서 선택할 수 있는데, 모든 디자인이 윈도우 7 이전 시대로 거슬러 올라간다. 오픈셸 역시 검색할 때 애플리케이션과 컴퓨터의 파일만 검색하며, 빙이나 온라인은 검색하지 않는다. 시작 버튼을 마우스 오른쪽 클릭해 '설정'을 선택하면 스킨을 설치하고 기타 다양한 설정을 조정할 수 있다. 손실된 작업표시줄 기능 복원하기 필자가 윈도우 11에서 가장 애용하는 프로그램은 익스플로러패처(ExplorerPatcher)이다. 이 무료 오픈소스 애플리케이션을 사용하면 윈도우 11에서 윈도우 10 스타일의 작업표시줄을 사용할 수 있다. 윈도우 작업표시줄은 원래 화면 왼쪽이나 오른쪽 가장자리로 옮겨 세로로 사용할 수 있었는데, 윈도우 11부터 이 기능이 없어졌다. 윈도우 11에서 작업표시줄을 화면 왼쪽 또는 오른쪽 가장자리로 이동하고 싶은 사용자라면, 익스플로러패처가 최선의 선택이다. 필자의 테스트에서 익스플로러패처는 스타트11 및 오픈셸과 잘 작동했다. 따라서 두 프로그램과 함께 사용해 시작 메뉴와 작업표시줄 모두에서 사용자 지정 옵션을 극대화할 수 있다. 익스플로러패처에는 다양한 옵션이 있다. 예를 들어, 작업표시줄의 날씨 위젯에서 성가신 뉴스와 주가 정보를 빼고 날짜만 표시할 수 있다. 주의사항도 있다. 과거에 윈도우 업데이트 때문에 익스플로러패처가 동작하지 않은 적이 있다. 익스플로러패처는 윈도우가 지원하지 않는 방식으로 운영체제의 깊은 곳을 조정한다. 따라서 익스플로러패처를 설치한 PC가 언젠가 시작 메뉴가 작동하지 않거나 작업표시줄이 열리지 않을 수도 있다. 이때는 안전 모드로 부팅해 익스플로러패처를 제거해야 할 수도 있다. 또한 설치 시 인식되지 않는 프로그램이란 경고가 표시될 수 있는데, 이 경고를 수락해야 설치를 완료할 수 있다. 이 메시지는 무언가를 다운로드해 설치할 때 정상적인 경로를 벗어나고 있다는 신호이지만, 반드시 악성코드를 나타내는 것은 아니다. 윈도우 11 작업표시줄을 이동하는 것이 주된 목적이라면, 설치 후 작업표시줄의 빈 공간을 마우스 오른쪽 버튼으로 클릭하고 "속성"을 선택한다. 작업표시줄 설정 페이지에서 "작업표시줄 스타일"을 "윈도우 10"으로 설정하고 "화면의 기본 작업표시줄 위치"를 화면의 왼쪽, 오른쪽, 위쪽 또는 아래쪽 중 원하는 가장자리로 변경한다. 그런 다음 창 하단의 '파일 탐색기 다시 시작'을 클릭한다. 익스플로러패처 사용에 대한 더 자세한 정보는 프로그램의 공식 문서에서 찾을 수 있으며, 속성 창에서 다양한 설정을 볼 수 있다. 마지막으로 한 가지 더, 윈도우 11에서 윈도우 10 스타일의 작업표시줄을 선택하면 윈도우 코파일럿 아이콘이 나타나지 않는다. 코파일럿을 사용하려면, 단축키를 사용하기 바란다. 윈도우의 장점 중 하나는 서드파티 소프트웨어를 사용해 마이크로소프트가 승인하지 않더라도 시스템을 사용자 입맛대로 바꿀 수 있다는 것이다. 한 가지 문제는 최근 들어 마이크로소프트가 최신 버전의 윈도우를 너무 자주 변경한다는 것. 서드파티 애플리케이션 역시 이런 윈도우 업데이트를 따라잡아야 하기 때문이다. 마치 쫓고 쫓기는 고양이와 쥐 게임처럼 느껴질 수도 있지만, 적어도 게임을 할 수는 있다. 사용자가 직접 열심히 노력하는 것조차 허용하지 않은 플랫폼을 사용하느니 차라리 쫓고 쫓기는 게임을 하는 편이 낫다. editor@itworld.co.kr
윈도우 11의 엄격한 하드웨어 요구사항을 우회할 수 있는 간단한 트릭이 발견됐다. 구형 컴퓨터에도 윈도우 11을 쉽고 간편하게 설치할 수 있다는 이야기다. 윈도우 11은 “호환 가능한 64-bit CPU” 또는 “TPM 2.0 칩”이 없는 컴퓨터에 설치되지 않는다. 불과 몇 년 전에 구매한 컴퓨터일지라도 이 운영체제를 실행할 ‘자격’이 없을 수 있다. 그래서 이런 CPU 및 TPM 요구사항을 우회하고 (지원되지 않는 컴퓨터에) 윈도우 11을 설치하는 여러 비공식적인 방법이 공유되고 있다. 최근 IT 매체 아주 간단한 방법을 보도했다. Bob Pony라는 X(구 트위터) 사용자가 이전에는 알려지지 않았던(적어도 거의 사용되지 않았던) 윈도우 11 설치 제한 사항을 우회하는 방법을 게시했다. 윈도우 명령줄 도구에 ‘/product server’를 추가해 윈도우 11 설치 루틴을 시작하면 엄격한 하드웨어 요구사항을 우회할 수 있다고 한다. 명령은 다음과 같다. setup /product server 이 방법은 현재 윈도우 11의 최신 카나리아 인사이더 버전에서 작동하는 것으로 확인됐다. 설치하는 동안 ‘윈도우 서버’가 설치되고 있다는 메시지가 나타나지만, 실제로는 윈도우 11 홈 또는 윈도우 11 프로가 설치된다. HUGE GROUND BREAKING DISCOVERY! ???? To ALL users that don't meet the artificial requirements for Windows 11, I GOT SOME GREAT NEWS TO SHARE! When adding "/product server" switch to setup.exe in the Windows 11 setup directory, it BYPASSES the Windows 11 hardware requirement checks. — Bob Pony (@TheBobPony) 참고로 에는 이미 1년 전에 한 베트남 사용자가 이 방법을 발견했다는 내용이 있었다. 하지만 베트남 포럼에서만 보고됐기 때문에 널리 공유되지 않은 것으로 보인다. 오래됐거나 지원되지 않는 컴퓨터에 윈도우 11을 설치할 만할까? 이 새로운 방법은 윈도우 레지스트리를 편집해야 하는, 이전에 발견된 방법보다 훨씬 쉽고 간편하기 때문에 흥미롭다. 하지만 구형 컴퓨터에서는 윈도우 11이 원활하게 실행되지 않을 수 있다는 점에 유의해야 한다. 그렇지만 구형 PC나 노트북을 가지고 있고, 테스트용으로 윈도우 11을 설치하는 경우라면 이 새로운 방법을 활용할 수 있다. 공식적으로 지원되지 않는 PC에 윈도우 11을 설치하면 안정성 및 성능 문제가 있을 수 있다. 또 이런 컴퓨터는 모든 중요한 보안 업데이트를 받지 못할 수 있다. 따라서 컴퓨터가 1대뿐이거나 업무상 중요한 PC에는 이 방법을 사용하지 않는 것이 좋다. editor@itoworld.co.kr
파일을 잘 관리한 PC라고 해도 윈도우 10 혹은 11을 사용한다면 디스크에 아마도 25만 개 이상의 파일과 9만 개 이상의 폴더가 있을 것이다. 애플리케이션을 더 많이 설치한 PC는 50만~100만 개에 달할 수도 있다. 예를 들어, 필자의 윈도우 11 업무용 PC에는 자그마치 97만 개의 파일과 27만 5,000개의 폴더가 있다. 그런데 사실 그 모든 파일이 꼭 필요한 것은 아니다. 정기적으로 디스크를 정리하는 것이 좋은 이유가 바로 여기에 있다. 스크린샷과 예시를 통해 PC 정리 과정을 자세히 알아본다. 무료로 PC를 정리할 수 있는 툴도 살펴본다. 1단계 : 윈도우에 내장된 디스크 청소 툴 실행하기 옛날 옛적부터 윈도우에 디스크 공간을 정리하는 유틸리티가 내장돼 있었다. 이름하여 ‘디스크 정리(Disk Cleanup)’ 앱이고, cleanmgr.exe로도 잘 알려져 있다. 윈도우 10에서는 디스크 공간을 정리하는 새로운 툴이 추가됐다. ‘지금 공간 확보(Free up space now)’라는 기능으로 디스크를 최적화하는 설정 기반 기능 ‘저장 공간 센스(Storage Sense)’의 일부다. 윈도우 11에는 ‘추천 정리(Cleanup recommendations)’라는 이름으로 바뀌었다. 최신 윈도우에서는 설정 앱이 윈도우 관리와 제어를 도맡으면서, 디스크 정리 앱이 사라질지 수 있다는 전망이 있었다. 하지만 디스크 정리 유틸리티는 최신 윈도우 11 22H2 버전에서도 여전히 건재하다. 설정 혹은 디스크 정리 메뉴에서 더는 필요 없는 파일을 깔끔하게 삭제할 수 있다. 디스크 정리 앱을 실행하려면 시작 메뉴 검색 상자에 ‘디스크 정리’ 또는 cleanmgr.exe를 입력한다. 디스크 정리 데스크톱 앱이 검색 결과 최상단에 나타날 것이다. 가능하다면 검색 결과 목록에서 ‘관리자 권한으로 실행‘을 선택한다. 그래야 필요하지 않은 파일이나 유효하지 않은 운영체제 파일(업그레이드 후 오래된 운영체제 파일 또는 과거 업데이트 파일) 또는 윈도우 설치 후의 잔여 파일을 깨끗하게 지울 수 있기 때문이다. 디스크 정리 앱을 실행하면 PC를 스캔한 후 과 같은 화면이 나타난다. ‘삭제할 파일’ 항목에서 체크박스를 스크롤해 지울 것을 고른다. 오른쪽 열 숫자는 각 파일이 차지하는 디스크 공간이다. 만약 이전 윈도우 버전으로 돌아가고 싶다면 구형 운영체제 버전 파일을 삭제해서 안 된다. 다운로드 항목은 개인 다운로드 폴더에 들어 있는 파일이므로, 폴더의 내용이 필요 없다는 확신이 없다면 삭제하지 않는 것이 좋다. 을 보면 이전 윈도우 11 설치 파일이 남아 있고 전체적으로 정리할 파일이 12.8GB나 차지하고 있다. 윈도우 10에서는 디스크 정리 기능을 설정 > 시스템 > 저장소 > 저장소 센스 구성 또는 지금 공간 확보 위치에서 찾을 수 있다. ‘지금 공간 확보’ 창에서 ‘정리 시작(Clean Now)’ 버튼을 누른다. 그러면 디스크 정리 앱에서 모든 가능한 체크박스를 선택한 것과 똑같은 방식으로 저장 공간을 정리한다. 임시 파일, 업데이트나 업그레이드 파일, 로컬 네트워크 공유용으로 설계됐으나 거의 사용되지 않는 배포 최적화 파일, 이제는 쓸모없는 장치 드라이버 패키지 등을 전부 삭제한다. 윈도우의 휴지통도 비운다. 이런 작업을 완료하는 데 몇 분 정도 걸리는데, 실행되는 동안 가 나타난다. 윈도우 11의 ‘추천 정리’ 기능은 시작 > 설정 > 시스템 > 저장소 > 추천 정리 경로에서 사용할 수 있다. ‘추천 정리’ 창에서 ‘고급’ 옵션을 클릭한다. 처럼 삭제 여부를 선택할 수 있는 콘텐츠 체크박스가 있다. 필자가 실제 실행해 보니 윈도우 11에서 특정한 정리 항목을 선택해 절약할 수 있는 총 공간은 3.5GB 미만이었다. 디스크 정리를 통해 절약하는 공간과 비슷하다. 사용하는 것 자체는 매우 쉽지만, 파일을 읽고 원하는 것을 선택하는 과정에 약간 시간이 걸린다. 사실 일부 사용자는 디스크 정리를 더 선호할 수도 있을 것이다. 2단계 : 언클리너를 실행해 내장 툴에서 빠진 부분 확인하기 캐나다 개발자인 조시 셀이 만든 언클리너(UnCleaner)라는 훌륭한 무료 유틸리티가 있다. 언클리너는 윈도우 내장 유틸리티가 잡아내서 삭제하지 못한 임시 파일이나 쓸모없는 로그 파일까지 탐지해 삭제한다. 사이트에서 최신 언클리너 버전(1.7)을 다운로드할 수 있다. 2012라는 숫자를 보고 걱정할 필요는 없다. 필자가 직접 써보니 윈도우 10과 11 PC에서 잘 작동한다. 디스크 정리 앱을 실행한 것과 같은 필자의 업무용 PC에서 언클리너를 실행했다. 앞서 한 번 정리를 했음에도 처럼 추가로 거의 400MB에 달하는 쓸모없는 파일을 찾아냈다. 이 파일을 삭제하려면 왼쪽 아래에 있는 클린(Clean) 버튼을 클릭하기만 하면 된다. 일부는 윈도우 런타임 제약으로 잠겨 있기 때문에 찾아낸 모든 파일을 삭제할 수는 없지만, 대부분의 경우 “좋습니다. PC가 매우 깨끗합니다(Good. Your system is very clean)”라는 이라는 메시지가 나타난다. 이 정도면 충분하다. 3단계 : 드라이버스토어 익스플로러(DriverStore Explorer)로 오래된 장치 드라이버를 정리하기 드라이버스토어 익스플로러(RAPR.exe)는 할 수 있는 무료 오픈소스 툴이다. 내려받기 전에 최신 릴리즈인지 확인할 필요가 있다. 2023년 9월 기준 0.11.92버전이다. 윈도우 드라이버 초고수가 아니라면 매우 유용한 툴인데, 사용하는 방법도 단 2개 버튼만 누르면 된다. 구형 드라이버 선택(Select Old Driver)과 드라이버 삭제(Delete Driver)다. 단, RAPR은 꼭 관리자 권한 모드로(아이콘을 우클릭하고 ‘관리자 권한으로 실행’을 선택) 실행해야 한다. 앱을 실행하면 처럼 설치된 드라이버와 체크박스 목록이 나타난다. 화면 우상단의 구형 드라이버 선택 버튼을 클릭하면, 프로그램이 찾아낸 구형 드라이버 버전을 자동으로 확인해 파란색으로 강조해 보여준다. ‘드라이버 삭제’를 클릭하면, RAPR은 강조 표시된 모든 항목을 삭제한다. 실제로 사용 중인 것을 확인한 파일은 삭제하지 않으므로 매우 안전하다. 고급 사용자와 전문가는 RAPR로 더 많은 것을 할 수 있지만, 대다수 평범한 사용자는 오래되고 쓸모없는 드라이버를 찾아내 정리하는 기능만으로도 이 툴의 가치는 충분하다. 를 보면 인텔 블루투스 드라이버 여러 개가 삭제 대상으로 지정된 것을 알 수 있다. 인텔 드라이버 앤드 서포트 어시스턴트(Intel Driver & Support Assistant)가 블루투스 드라이버를 한 달에 한 번 정도 계속 삭제하기 때문에 중복 파일이 생성된 것이다. 이렇게 오래된 드라이버를 삭제해 디스크 공간을 635MB 추가로 확보할 수 있다. 이번에는 635MB였지만, 필자는 RAPR이 몇 GB까지 공간을 확보하는 경우도 여러 번 봤다. 처음 이 툴을 쓰면 수많은 드라이버 파일을 삭제하면서 3~5GB 삭제할 것이다. 일부 그래픽 드라이버는 1GB가 넘는데, 이런 경우엔 추가로 확보할 수 있는 공간도 더 많아진다. 4단계 : DISM으로 구성 요소 저장소를 삭제하기 윈도우 운영체제 파일 대부분은 구성 요소 저장소(Component Store)로 알려진 WinSxS 폴더에 있다. 누적 업데이트나 때로는 다른 업데이트를 설치한 후 복제본, 오래되거나 연결이 끊긴(orphaned) 구성 요소가 여기에 저장된다. 이 구성 요소 저장소 내용을 확인해 필요 없는 파일을 삭제하려면 명령줄의 DISM(배포 이미지 서비스 및 관리, Deployment Image Servicing and Management) 툴을 사용하면 된다. DISM 툴을 쓰려면 먼저 높은 권한으로 파워셸 또는 명령 프롬프트 창을 열어야 한다. 윈도우 데스크톱에서 윈도우 키와 X키를 함께 누른 후 나타나는 메뉴에서 윈도우 파워셸(Windows PowerShell)(관리자)을 선택한다. 혹은 시작 메뉴의 검색 상자에 powershell을 입력하고 파워셸을 우클릭해 ‘관리자 권한으로 실행’한다. 관리자 권한에서 윈도우 파워셸 창이 열리면 다음 명령을 입력하고 엔터 키를 누른다. dism /online /cleanup-image /analyzecomponentstore 이제 이 나타난다. 필자는 최근 누적 업데이트와 기타 업데이트 파일을 설치했는데, /analyzecomponentstore를 입력하자 삭제할 수 있는 패키지가 하나 나타났다. 에서 “Component Store Cleanup Recommended”라는 필드의 “Yes” 부분을 유심히 볼 필요가 있다. DISM이 삭제할 항목을 찾았다는 의미다. 실제 삭제 작업을 하려면 윈도우 파워셸 창에 다음을 입력한다. dism /online /cleanup-image /startcomponentcleanup 실행하면 이 나타난다. 삭제 결과를 보려면 추가로 /analyzecomponentstore를 입력하면 된다. 이제 두 번째 /analyzecomponentstore 작업 결과를 첫 번째와 비교하면 다음과 같다. 구성 요소 저장소 크기 : 10.26GB vs. 7.35GB (차이 : 2.91GB) 실제 구성 요소 저장소 크기 : 9.81GB vs. 7.18GB (차이 : 2.63GB) 윈도우와 공유된 공간 : 6.10GB vs. 6.07GB (차이 : 0.03GB) 백업 및 비활성화 기능 : 3.70GB vs. 1.11GB (차이 : 2.59GB) 더 자세히 보면 ‘윈도우와 공유’ 그리고 ‘백업 및 비활성화 기능’으로 확보한 저장 공간을 더하면 2.62GB다. 구성 요소 저장소(2.63GB)의 실제 크기에서 확보한 공간과 거의 같다는 것을 알 수 있다. 구체적인 용량은 삭제한 패키지 수와 내용에 따라 달라진다. 하지만 최근 PC를 업데이트했다면 이 방법으로 보통 3GB, 최대 4GB까지 추가 디스크 공간을 확보할 수 있다. DISM에 대한 더 자세한 내용은 기사를 참고하면 된다 5단계 : 위즈트리를 사용해 시스템 드라이브 검사하기 여기까지 정리 작업을 마쳤다면 이제는 시스템 드라이브에 용량이 큰 파일이 어떤 것이 있는지 확인해 보는 것만 남았다. 이런 용도의 툴은 다양하고 필자는 무료 프로그램인 도 훌륭한 대안이다. 두 프로그램 모두 디스크에 어떤 파일이 있는지 그래픽으로 보여주는 트리맵 다이어그램을 만들어 주기 때문에 용량이 큰 파일과 폴더를 쉽게 찾을 수 있다. 은 필자의 레노버 X12 하이브리드 태블릿에서 실행한 결과다. 큰 파일을 찾는 이유는 큰 파일을 찾아 삭제하는 것이야말로 디스크 공간 정리라는 게임에서 빠르고 정확하게 승리하는 최선의 방법이기 때문이다. 이 싸움에서는 가장 용량이 큰 파일을 찾는 것이 핵심이다. 에서는 우상단 초록색의 네모인 시스템 동면 파일(hiberfile.sys)과 시스템 페이지 파일(pagefile.sys)이다. 각각 6.3GB, 2.4GB짜리 두 파일 다음으로 큰 파일은 중앙의 연두색과 보라색으로 나타난 이미지 폴더인 원드라이브와 윈도우 리커버리(Windows Recovery) 에이전트(우하단의 군청색 $WinREAgent)다. 예상에서 크게 벗어나지는 않았다. 디스크 여유 공간이 더 필요하다면 원드라이브에서 이미지와 영상을 삭제하는 것을 고려할 만하다. 이외에도 의 트리맵에서 다른 ‘큰 블럭’을 클릭하면 여유 공간을 가장 크게 확보할 수 있는 곳이 어딘지 빠르게 알아낼 수 있다. 단, 이렇게 찾아낸 파일을 모두 삭제할 수는 없다. 예를 들어 페이지 파일과 시스템 동면 파일은 그대로 남겨 둬야 한다. 다른 파일 혹은 일부 파일을 삭제할 수 있다면 상당한 디스크 공간을 추가로 얻을 수 있다. 연습이 완벽을 만든다 필자는 이런 정리 작업을 한 달에 한 번 정도는 한다. 정리 작업을 주기적으로 수행하면, 자신의 디스크 활용 습관을 더 잘 파악할 수 있다. 몇 번 해보면 무슨 뜻인지 곧 이해할 것이다. 또한, 사용자 폴더, 특히 사용자 계정의 하위 폴더도 종종 살펴보자. 정크 파일은 주로 사용자 폴더에 쌓이는 경향이 있기 때문이다. 이렇게 모든 정리 작업을 마쳤다면, 이제 홀가분한 마음으로 말끔해진 PC를 활용해 보자. editor@itworld.co.kr
아무리 경험이 많은 사용자라도 윈도우를 개선할 수 있는 소프트웨어와 툴을 이용해 사용자 경험을 개선할 여지는 많다. 윈도우 11을 예로 들어보자. 2021년 가을 마이크로소프가 극히 엄격한 시스템 요구사항을 도입했을 때, 베테랑들은 이런 장벽이 허물어지는 것은 시간 문제라는 것을 알고 있었다. 구형 PC에 새 운영체제를 설치하려면, 레지스트리를 수작업으로 변경해야 했다. 하지만 얼마 후, 이를 단순화한 배치 파일이 등장했고, 지금은 부팅 가능한 USB 드라이브를 만드는 작은 툴인 루퍼스(Rufus) 덕분에 더 쉬워졌다. 이제 추가 클릭 몇 번으로 윈도우 11을 거의 모든 PC에서 실행할 수 있다. 윈도우의 여러 영역을 자세히 파고들기 전에, 유익하고 극히 단순한 윈도우 소프트웨어부터 살펴보자. 윈도우 설치, 업데이트, 부팅을 위한 툴 마이크로소프트 사이트에서 를 실행해 시작을 클릭한다. ‘맞춤 설치(Customize installation)’ 대화창이 나타나면, 윈도우 11의 온라인 계정 설정 강제 조건을 회피할 수 있다. 윈도우 11 설치를 완료할 때까지 설치 프로세스를 따른다. 루퍼스가 로딩한 USB 드라이브는 윈도우 11을 어떤 PC에도 설치할 수 있을 뿐만 아니라 setup.exe 파일을 이용해 어떤 윈도우 10도 업그레이드할 수 있다. 만약 구형 윈도우 10 시스템을 1대1로 새 PC로 옮기고 싶다면, 을 추천한다. 기존 PC 스토리지의 이미지를 생성해 데이터는 물론, 설정과 프로그램까지 시스템 전체를 새 PC에 복원할 수 있다. 여기에 더해 윈도우 10을 아무런 문제없이 윈도우 11로 업그레이드할 수 있다. 이전 버전의 윈도우, 그러니까 윈도우 8.1이나 윈도우 10/11의 21H2 버전을 설치하려면, 로 기존 시스템에서 제품키를 확인해 둔다. 를 사용해 부팅 항목과 우선 순위를 조정할 수 있다. USB 드라이브를 셔로 다른 라이브 시스템을 부팅할 수 있는 멀티부팅 시스템으로 만드는 것은 오랫동안 복잡한 문제였다. 하지만 는 이 문제를 근본적으로 바꿔놓는다. 벤토이를 이용하면, 그저 설치 버튼을 클릭해 윈도우 내에서 ISO 파일을 USB 드라이브에 저장하기만 하면 된다. 이제 USB 드라이브로 부팅한 후 벤토이 인터페이스를 통해 원하는 라이브 시스템을 선택한다. 이 툴의 가장 큰 장점은 새로운 시스템 버전이 등장해도 부팅용 USB 드라이브를 새로 만들 필요없이 기존 드라이브를 새 ISO 파일로 교체하기만 하면 된다. USB 드라이브의 여유 공간을 이용할 수 있다면, 데이터를 저장하고 옮길 수도 있다. PC 시작, 최적화, 오류 분석, 하드웨어 및 드라이버 '원클릭 유지 관리'라는 꿈은 PC에서 실현하기 어렵다. 발생할 수 있는 오류의 원인이 너무 다양하고 해결책은 너무 복잡하다. 하지만, 하지만, 는 시도해 볼 만한 가치가 있다. 마우스 클릭 한 번으로 시스템을 분석하고 관련 문제를 해결할 수 있다. 는 몇 번의 클릭이 더 필요하다. 부트레이서는 시작 프로세스를 분석하고 개별 세그먼트로 분류해 어떤 프로세스 또는 자동 시작 프로그램에 문제가 있는지 한 눈에 알 수 있다. 분석을 일반적인 전체 윈도우 시작은 물론, 자동 시작 소프트웨어가 없는 시스템으로 제한할 수 있다. 마법사를 사용하면 재시작을 포함해 부트레이서를 더 쉽게 사용할 수 있다. 세부 정보에서 시작이 비정상적으로 오래 걸리는 위치와 이유를 확인할 수 있다. 원인을 파악하는 것은 물론, 문제가 있는 소프트웨어를 자동 시작 프로그램에서 제외하는 데 유용한 정보를 얻을 수 있다. 하드웨어에 문제가 있는지 여부는 분석 도구인 는 알 수 없는 구성 요소를 식별하는 데 유용한데, 윈도우의 기본 장치 관리자보다 더 많은 구성 요소를 표시한다. 는 SMART 매개 변수를 읽어 SSD와 자기 하드 드라이브를 분석한다. "전체 상태"를 보면 모든 것이 정상인지 여부를 알 수 있는데, 비정상적인 값이 발생하면 알람을 울린다. 이는 개인 데이터로 가득 찬 드라이브에 매우 중요하다. 는 설치된 하드웨어 드라이버가 최신 상태인지 확인한다. PC에 설치하지 않아도 된다. '인덱스만 다운로드' 옵션을 클릭하고 시스템 분석이 완료될 때까지 기다린다. 이후 필요한 경우, '복원 지점' 필드를 활성화한다. 더 이상 사용되지 않는 드라이버를 모두 교체하려면 왼쪽 상단의 '전체 선택'과 '설치'를 클릭하면 된다. 더 이상 사용되지 않는 항목을 개별적으로 확인할 수도 있다. 윈도우 탐색기, 데스크톱 툴, 원격 관리 윈도우 탐색기와 바탕화면은 PC에서 항상 사용하지만, 많은 경우 무의식적으로 사용한다. 마이크로소프트는 윈도우 11에서 탐색기에 탭 기능을 도입했는데, 윈도우 10에서는 이 기능을 별도의 툴로 추가해야 한다. 를 설치하고 윈도우를 재시작해 파일 탐색기를 실행한 후, 폴더 옵션에서 보기 탭의 고급 설정에 있는 목록에서 큐티탭바를 활성화한다. 이제 새로운 탭 바를 볼 수 있다. 는 어떤 파일이 디스크 공간을 잔뜩 차지하고 있는지 한눈에 볼 수 있다. 앞서 소개한 Ccleaner는 중복된 파일을 빠르게 탐색할 수 있는 기능을 제공한다. 안티 트윈(Anti-Twin) 같은 툴이 더 세세한 옵션을 제공하지만, 사용하기가 복잡하다. 는 흩트러진 바탕화면 아이콘 배치를 복원해 준다. 불필요한 프로그램이나 파일을 삭제해 디스크 공간을 확보할 수 있는 툴도 알아보자. 는 원하지 않는 프로그램이나 툴바가 몰래 설치되는 것을 막아준다. 신의 선물이라고 해도 과언이 아니다. 데이터 미디어, 포맷, 클라우드 스토리지 액세스 하드 드라이브와 파티션을 변경하면 시스템에 큰 영향을 미치며 초기화하기가 쉽지 않은 경우가 많다. 이때 작은 툴을 사용해 피해를 크게 줄일 수 있다. 는 USB 드라이브에 고정 드라이브 문자를 할당하는 데 사용한다. 는 드롭박스나 구글 드라이브, 원드라이브 같은 클라우드 스토리지에 드라이브 문자를 할당해 탐색기에서 클릭 한 번으로 빠르게 액세스할 수 있다. 과정도 간단하다. 추가하기 기능에서 스토리지 서비스와 할당할 문자를 선택하고, 자신의 로그인 데이터로 로그인하면 된다. 는 다양한 클라우드 스토리지 풀을 이론적으로 무제한 용량의 단일 드라이브로 결합해 온라인 스토리지 처리를 단순화한다. 동일한 클라우드 스토리지 업체의 무료 계정 여러 개로도 구현할 수 있다. 사용자는 자신의 클라우드에보 드라이브만 볼 수 있지만, 백그라운드 서비스가 저장된 데이터를 여러 클라우드 스토리지 업체에 자동으로 배포한다. 로컬 드라이브도 스토리지 풀로 구성할 수 있다. 로 전달할 수 있는데, 수신자가 공유 데이터를 전송하는 데 사용할 수 있는 PC에 대한 액세스 링크를 생성한다. 물론, 파일을 전송하는 동안 PC가 온라인 상태라야 한다. 윈도우가 특정 파일에 대한 액세스를 차단해 삭제, 이름 변경 또는 복사를 할 수 없는 경우, 는 폴더와 파일의 여러 가지 허용 여부를 변경할 수 있다. 보안, 데이터 보호, 프라이버시 자신의 계정이 해킹 당했는지 알 수 있을까? 는 프로그램을 설치하지 않아도 되며, 간다한 클릭 한 번으로 충분하다. 이메일 주소만 입력하면, 자신의 계정이 수많은 계정 및 패스워드 해킹에 당했는지 알 수 있다. 해킹 당했다면 빨리 패스워드를 바꿔야 한다. 는 마이크로소프트의 모든 보안 기능에 대해 윈도우 디펜더보다 훨씬 사용하기 쉬운 인터페이스를 제공한다. 디펜더 UI는 사전 정의된 4개의 보안 프로필이 포함되어 있으며, 윈도우 전반에 흩어져 있는 보안 기능과 설정을 명확하게 그룹화한다. 는 일반적인 팝업 대화 상자를 차단하거나 숨겨서 많은 웹 사이트에서 쿠키를 선택 해제하는 번거로움을 없애 준다. 브라우저를 닫을 때 모든 쿠키를 자동으로 삭제하는 애드온과 함께 사용하는 것이 가장 좋다. 는 이름 그대로 하드디스크에서 데이터를 안전하게 삭제할 수 있다. 는 메일 주소, 와이파이 액세스 정보, 아웃룩 또는 개인 연락처 등과 같이 온라인 QR 생성기에 맡기고 싶지 않은 개인 정보에 대한 QR 코드를 생성한다. 마지막으로 은 USB 드라이브를 만들어 패스워드 없이 빠르고 안전하게 윈도우에 로그온할 수 있다. 윈도우 헬로 지원 웹캠이나 지문 센서가 없는 PC에 좋은 대안이다. editor@itworld.co.kr