기업이 현재 추진 중인 디지털 혁신 활동과 실제 투자 우선순위 간의 일치도
Z세대 : 결제의 미래 (Gen Z: the future of spending)
“전사적으로 주 4일 혹은 주 4.5일 근무제 시행을 검토하고 있다”
클라우드 비용이 예산을 초과한 기업
2024년 기준 전체 스마트폰 중 생성형 AI 지원 제품 비율
페이스북, 인스타그램, 왓츠앱의 모기업인 메타가 오픈AI, 미스트랄(Mistral), 앤트로픽(Anthropic), 일론 머스크의 xAI 등 모든 모델 제공업체와의 경쟁에서 생성형 AI 시장 점유율을 키우기 위해 오픈소스 LLM 라마(Llama)의 차세대 버전을 했다. 메타는 에서 "차세대 라마는 광범위한 업계 벤치마크에서 최첨단 성능을 입증하며, 향상된 추론 기능을 포함한 새로운 기능을 제공한다. 동급 최고의 오픈소스 모델이라고 믿는다. 라마 3를 통해 현재 사용할 수 있는 최고 성능의 독점 모델과 동등한 수준의 오픈소스 모델을 구축하기 시작했다"라고 말했다. 메타는 사전 훈련과 미세 조정을 거친 라마 3을 80억 개(8B) 및 700억 개(70B) 파라미터 버전으로 공개했다. 일반적으로 모든 LLM 제공업체는 기업이 사용례에 따라 지연 시간과 정확도 중에서 선택할 수 있도록 여러 가지 변형 모델을 출시한다. 파라미터가 많은 모델은 상대적으로 더 정확할 수 있으며, 파라미터가 적은 모델은 계산이 덜 필요하고 응답에 걸리는 시간이 짧아 비용이 적게 든다. 메타에 따르면, 이번에 공개된 변형 모델은 텍스트 기반 모델이며, 다른 형태의 데이터는 지원하지 않는다. 추론 및 코드 관련 작업과 같은 기능 전반의 성능을 개선하기 위해 향후에는 더 긴 컨텍스트를 지원하고 다국어 및 다중멀티 모달 모델을 출시할 예정이다. 벤치마크로 보는 라마 3 메타는 라마 3이 GPT-4를 제외한 대부분 다른 LLM보다 성능이 더 우수하다고 주장했다. "훈련 후 절차를 개선하면서 오답률이 크게 줄었고, 정확도가 향상됐으며, 응답 다양성이 증가했다. 또한 라마 3의 조정성을 높여 추론, 코드 생성, 지시를 따르는 기능도 크게 향상됐다"라고 회사 측은 덧붙였다. 메타는 다른 모델과 라마 3를 비교하기 위해 MMLU(Massive Multitask Language Understanding), GPQA(Graduate-Level Google-Proof Q&A Benchmark), MATH, 휴먼이벨(HumanEval), GSM-8K와 같은 표준 벤치마크에 대한 테스트를 실시했다. 그 결과, 라마 3은 미스트랄, 클로드 소네트, GPT 3.5 등 대부분 LLM보다 점수가 더 높았다는 설명이다. MMLU는 사전 학습 과정에서 습득한 지식을 측정하기 위해 고안된 벤치마크이며, GPQA는 복잡한 과학 문제를 해결하는 모델의 전문성을 확인하기 위한 테스트다. GPAQ는 생물학, 물리학, 화학 등 분야별 전문가가 작성한 448개의 객관식 문제로 구성된 고난도 데이터셋으로, 해당 분야 박사학위 소지자의 정답률은 65%에 불과하다. 작년 11월 발표된 논문에 보고된 데이터에 따르면, GPAQ 시험에서 GPT-4의 정확도는 39%로 가장 높은 점수를 기록했다. 700억 매개변수 버전의 라마 3는 39.5점, 80억 매개변수 버전의 라마 3은 34.2점을 기록했다. 하지만 현재 GPQA 벤치마크에서 가장 높은 점수를 받은 것은 41.5점을 받은 제미나이프로(GeminiPro) 1.5다. 제미나이프로 1.5는 MATH 벤치마크 테스트에서도 더 큰 규모의 라마 3 변형을 제쳤다. 회사에 따르면 벤치마크 전반에 걸쳐 평가에 사용된 데이터 세트에는 조언 구하기, 브레인스토밍, 분류, 비공개 질문 답변, 코딩, 창의적 글쓰기, 추출, 캐릭터/인물 만들기, 공개 질문 답변, 추론, 재작성 및 요약 등 12가지 주요 사용례에 해당하는 약 1,800개의 프롬프트가 포함되어 있다. 메타 측은 "해당 평가 세트에 대한 모델의 우발적인 과적합을 방지하기 위해 자체 모델링팀조차도 평가 세트에 액세스할 수 없다"라고 부연했다. 과적합 현상은 ML 또는 모델 학습에서 모델이 학습 데이터에서는 잘 작동하지만, 테스트 데이터에서는 작동하지 않는 것을 말한다. 모델이 학습 데이터를 너무 잘 학습해 데이터의 노이즈와 예외까지 학습하거나 새로 추가되는 데이터에 적응하지 못할 때 발생한다. 학습 데이터가 너무 작거나 관련 없는 정보가 포함돼 있거나, 모델이 단일 샘플 세트를 너무 오랫동안 학습할 때 발생할 수 있다. 데이터 전문가는 모델 훈련을 시작할 때마다 모델 성능을 확인하기 위해 훈련 데이터와 테스트 데이터를 위한 2개의 데이터 세트를 별도로 보관해야 한다. 휴먼이벨(HumanEval), GSM-8K 벤치마크는 각각 코드 생성 및 산술 추론 테스트에 사용된다. 라마 3, 이전 버전과 어떻게 다른가 메타는 라마 3이 표준 디코더 전용 트랜스포머 아키텍처를 채택하는 등 많은 개선이 이루어졌다고 밝혔다. 블로그에 따르면, 라마 3은 언어를 훨씬 더 효율적으로 인코딩하는 128K 토큰 어휘의 낱말 분석기(tokenizer)를 사용해 모델 성능을 크게 향상했다"라고 설명했다. 라마 3 모델의 추론 효율을 개선하기 위해 메타는 8B와 70B 버전 모두에 GQA(Grouped Query Attention)를 채택했다. 메타는 "셀프 어텐션(self-attention)이 문서 경계를 넘지 않도록 마스크를 사용해 8,192개의 토큰 시퀸스에 대해 모델을 훈련했다"라고 덧붙였다. 다른 개선 사항으로는 라마 3의 훈련 데이터 세트가 라마 2 훈련에 사용된 데이터 세트보다 7배 더 크다는 점이다. 라마 3는 공개적으로 사용 가능한 소스에서 수집한 15조 개 이상의 토큰으로 사전 훈련됐다. 또한 메타는 라마 3을 고품질 데이터로 학습시키기 위해 휴리스틱 필터, NSFW 필터, 시맨틱 중복 제거 접근법, 텍스트 분류기 사용을 포함한 일련의 데이터 필터링 파이프라인을 개발했다. 라마 3을 구동하는 텍스트 품질 분류기 학습 데이터를 생성할 때는 고품질 데이터 식별에 능숙한 라마 2를 사용했다. 메타는 라마 3의 훈련 시간을 라마 2보다 95% 단축하기 위해 오류 감지, 처리, 유지보수를 자동화하는 고급 훈련 스택을 사용했다. 뿐만 아니라 하드웨어 안정성과 조용한 데이터 손상에 대한 탐지 메커니즘을 크게 개선했으며, 체크포인트와 롤백의 오버헤드를 줄여주는 새로운 확장형 스토리지 시스템을 개발했다. 라마 3 훈련은 2개의 맞춤형 24K GPU 클러스터에서 실행됐다. 퓨처럼 그룹(The Futurum Group)의 앱 개발 및 현대화 실무 책임자인 폴 나샤와티는 강화된 보안 기능을 포함한 모든 개선과 발전의 조합이 오픈AI의 챗GPT, 미스트랄의 르챗(Le Chat), 구글의 제미나이, xAI의 그록(Grok)과 같은 경쟁 모델과 차별화된다며, "메타가 라마 3에서 취한 접근 방식은 인간 상호 작용을 더 잘 이해하고 탐색할 수 있는 뚜렷한 길을 제시할 수 있다"라고 말했다. 라마 3의 기타 기능 메타는 2가지 변형의 라마 3를 출시하면서 라마 가드 2(Llama Guard 2), 코드 쉴드(Code Shield), 사이버 보안 평가 기준 2(CyberSec Eval 2)와 같은 새로운 신뢰 및 안전 툴을 도입한다고 밝혔다. 라마 가드 2는 개발자가 모델이 의도한 가이드라인에 맞지 않는 결과물을 생성할 가능성을 줄이기 위해 추가 계층으로 사용할 수 있는 보호 모델이다. 코드 쉴드는 잠재적으로 안전하지 않은 코드를 생성할 가능성을 줄이는 데 도움이 되는 개발자 대상 툴이다. 사이버 보안 평가 기준은 개발자가 LLM에서 생성된 코드의 사이버보안 위험을 평가할 수 있도록 설계된 툴로, 라마 3 출시와 함께 새로운 기능이 추가됐다. 메타는 "안전하지 않은 코딩 관행에 대한 기존 평가 외에도 프롬프트 인젝션에 대한 LLM의 취약성, 자동화된 공격 사이버보안 기능, 코드 인터프리터 악용 성향 등을 측정함으로써 이전 버전보다 확장됐다"라고 설명했다. 새로운 LLM의 성능을 보여주기 위해 페이스북, 인스타그램, 왓츠앱 플랫폼을 통해 액세스할 수 있는 새로운 AI 어시스턴트 ''도 출시됐다. 사용자는 웹페이지를 통해 메타 AI에 접근할 수 있다. 현재 메타는 4,000억 개(400B)가 넘는 매개 변수를 보유한 라마 3의 변형 버전을 개발하고 있다. 몇 달 내에 학습이 완료되면 출시된다. 현재 출시된 라마 3 모델은 AWS, 허깅 페이스, IBM 왓슨X, 마이크로소프트 애저, 구글 클라우드, 엔비디아 NIM에서 사용할 수 있다. 데이터브릭스, 캐글, 스노우플레이크와 같은 다른 공급업체에서도 최신 모델을 제공할 예정이다. AMD, AWS, 델, 인텔, 엔비디아, 퀄컴이 학습, 추론 및 AI 관련 작업을 위한 하드웨어 측면에서 라마 3를 지원한다. editor@itworld.co.kr
AI 코파일럿을 사용한 수작업 감소, 코드 생성기를 사용한 소프트웨어 개발자 생산성 향상 등 생성형 AI를 통한 혁신에 많은 관심과 기대가 집중되고 있다. 비즈니스 기회를 본 많은 개발팀이 벡터 데이터베이스로 지식 기반을 구축하고 애플리케이션에 LLM(Large Language Model)을 집어넣고 있다. LLM 기능을 사용한 애플리케이션 구축의 일반적인 사용례는 검색 경험, 콘텐츠 생성, 문서 요약, 챗봇, 고객 지원 애플리케이션 등이다. 산업 분야별로 구체적으로 보면 의료 분야의 환자 포털 개발, 금융 서비스 분야의 실무자 워크플로우 개선, 제조 분야의 미래 공장을 위한 토대 마련 등이 대표적이다. LLM에 투자하는 기업은 데이터 품질에 대한 데이터 거버넌스 개선, LLM 아키텍처 선택, 보안 위험 해결, 클라우드 인프라 계획을 포함한 몇 가지 장애물에 직면하게 된다. 특히 필자는 기업에서 LLM 모델과 애플리케이션 테스트를 어떻게 계획하고 있는지 우려된다. 뉴스를 보면 챗봇이 제안한 환불을 수용한 항공사, 저작권 침해에 대한 소송, 환각 위험 감소 등 LLM의 이면이 심심찮게 등장하기 때문이다. 소프트웨어 개발 업체 로즈(Roadz)의 공동 창업자이자 COO인 아미트 자인은 "LLM 모델을 테스트하려면 기술적 엄격함 이상의 다면적 접근 방법이 필요하다. 팀은 반복적인 개선을 통해 모델의 개발 프로세스, 테스트 방법론, 성능 메트릭을 기록하는 세부적인 문서를 만들어야 한다. 베스트 프랙티스를 벤치마크하고 공유하기 위해 연구 커뮤니티와 교류하는 것도 효과적"이라고 말했다. 임베디드 LLM을 위한 4가지 테스트 전략 개발팀에는 LLM 테스트 전략이 필요하다. 맞춤형 애플리케이션에 내장되는 LLM을 테스트하기 위한 출발점으로 고려할 만한 방법은 다음과 같다. 소프트웨어 QA 확장을 위한 테스트 데이터 만들기 모델 품질 및 성능 테스트 자동화 사용례를 기반으로 RAG 품질 평가 품질 메트릭 및 벤치마크 개발 1. 소프트웨어 QA 확장을 위한 테스트 데이터 만들기 대부분 개발팀에서는 일반화된 LLM을 만들 일은 없다. 특정 최종 사용자 및 사용례를 위한 애플리케이션을 개발한다. 테스트 전략을 수립하려면 관련된 사용자 페르소나, 목표, 워크플로우, 품질 벤치마크를 이해해야 한다. AI 기반 지식 검색 플랫폼 업체 마인드브리즈(Mindbreeze) CTO 제이콥 프라허는 "LLM 테스트의 첫 번째 요구사항은 LLM이 해결해야 할 작업을 이해하는 것이다. 이런 작업의 경우 테스트 데이터 집합을 구성해서 LLM 성능에 대한 메트릭을 설정할 수 있다. 그런 다음 프롬프트를 최적화하거나 모델을 체계적으로 미세 조정할 수 있다"라고 말했다. 예를 들어, 고객 서비스용으로 설계된 LLM에는 일반적인 사용자 문제와 최선의 응답으로 구성된 테스트 데이터 집합이 포함될 수 있다. 다른 LLM 사용례에는 결과를 간단히 평가할 방법이 없을 수 있지만, 개발자는 여전히 테스트 데이터를 사용해 검증할 수 있다. 데이터 분석 플랫폼 업체 솔릭스 테크놀로지(Solix Technologies)의 엔지니어링 VP 키쇼어 가디라주는 "LLM을 테스트하는 가장 안정적인 방법은 관련된 테스트 데이터를 만드는 것이지만 그러한 데이터 집합을 만들기 위한 비용과 시간이 문제다. 다른 모든 소프트웨어와 마찬가지로 LLM 테스트에는 단위, 기능, 회귀, 성능 테스트가 포함된다. 또한 LLM 테스트에는 편향성, 공정성, 안전성, 콘텐츠 제어, 설명 가능성 테스트도 필요하다"라고 조언했다. 2. 모델 품질 및 성능 테스트 자동화 테스트 데이터 집합이 준비되면 개발팀은 품질 목표, 위험, 비용 고려 사항에 따라 여러 테스트 접근 방법을 고려해야 한다. 데이터 라벨링 솔루션 업체 톨로카 AI(Toloka AI)의 CEO 올가 메고스카야는 "기업은 사람이 수행하는 평가에서 자동화된 평가 방법으로 전환하기 시작했다. 시간과 비용 효율성 측면에서 유리하기 때문이다. 그러나 자동화된 시스템이 놓칠 수 있는 미묘한 차이를 포착하는 것이 중요한 상황에서 여전히 도메인 전문가가 필요하다"라고 말했다. 자동화와 휴먼 인 더 루프(human-in-the-loop) 테스트 사이에서 적절한 균형점을 찾는 것은 개발자나 데이터 과학자에게 쉽지 않은 일이다. 데이터 오케스트레이션 플랫폼 업체 아스트로노머(Astronomer)의 데이터 과학 및 AI 부문 SVP 스티븐 힐리온은 "모델링 프로세스의 각 단계에서는 자동화된 벤치마킹을 사용하고 엔드 투 엔드 시스템에서는 자동화와 수동 검증을 혼합해 사용하는 방법을 권한다. 주 애플리케이션 릴리스에서는 거의 항상 최종적으로 테스트 집합에 대한 수동 검증이 필요하다. 특히 전체적인 품질 수준을 높이기 위해 새로운 임베딩, 새로운 모델 또는 새로운 프롬프트를 채택한 경우에는 더욱 그렇다. 많은 경우 이를 통해 얻는 개선은 포착하기가 어렵거나 주관적이기 때문"이라고 설명했다. 강력한 LLM 테스트 플랫폼이 나오기 전까지는 수동 테스트가 신중한 조치다. 관계형 지식 그래프 관리 시스템 제공업체 릴레이셔널AI(RelationalAI)의 연구 ML 부문 VP인 니콜라스 바실로글로우는 "체계적인 테스트를 위한 최첨단 플랫폼은 없다. 신뢰성과 환각 측면에서 지식 그래프 질문 생성 봇이 최선의 솔루션"이라고 강조했다. 가디라주는 다음과 같은 LLM 테스트 라이브러리와 툴을 제안했다. IBM 데이터 및 AI의 데이터 과학 툴 및 런타임 책임자인 모니카 로밀라가 제시하는 엔터프라이즈 사용례의 2가지 LLM 테스트 영역은 다음과 같다. 모델 품질 평가 : 분류, 추출, 요약, 생성, RAG(Retrieval-Augmented Generation)과 같은 사용례에 대해 학술 및 내부 데이터 집합을 사용해서 모델 품질을 평가한다. 모델 성능 테스트 : 모델의 지연(데이터 전송 경과 시간)과 처리량(특정 시간 동안 처리된 데이터의 양)을 검증한다. 로밀라는 성능 테스트는 동시 요청의 수와 생성되는 토큰(모델이 사용하는 텍스트 뭉치)의 수, 2가지 핵심 매개변수에 따라 달라진다면서 "다양한 부하 크기와 유형을 테스트하고 기존 모델과 성능을 비교해서 업데이트가 필요한지 여부를 확인하는 것이 중요하다"라고 부연했다. 데브옵스와 클라우드 설계자는 LLM 애플리케이션의 성능 및 부하 테스트를 수행하기 위한 인프라 요구사항을 고려해야 한다. SADA의 솔루션 엔지니어링 부문 이사인 헤더 순다임은 "LLM을 위한 테스트 인프라 배포에는 강력한 컴퓨팅 리소스, 스토리지 솔루션, 테스트 프레임워크 설정이 포함된다. 테라폼(Terraform)과 같은 자동화된 프로비저닝 툴, 깃과 같은 버전 제어 시스템이 재현 가능한 배포와 효과적인 협업에서 핵심적인 역할을 한다"라며, 안정적인 LLM 테스트를 위한 리소스와 스토리지, 배포 전략, 협업 툴 간의 균형의 중요성을 강조했다. 3. 사용례를 기반으로 RAG 품질 평가 LLM 정확도를 개선하기 위한 방법으로는 콘텐츠 중앙 집중화하기, 최신 데이터로 모델 업데이트하기, 쿼리 파이프라인에 RAG 사용하기 등이 포함된다. RAG는 LLM의 강력한 기능과 회사의 사유 정보를 결합하는 데 있어 중요하다. 일반적인 LLM 애플리케이션에서는 사용자가 프롬프트를 입력하면 앱이 이를 LLM에 전송하고, LLM이 응답을 생성하면 앱이 다시 사용자에게 이 응답을 전달한다. RAG에서는 앱이 프롬프트를 먼저 검색 엔진이나 벡터 데이터베이스와 같은 정보 데이터베이스로 전송해서 주제와 관련된 정보를 찾는다. 앱은 프롬프트와 이 컨텍스트 정보를 LLM으로 전송하고, LLM은 이를 사용하여 응답을 만들어 낸다. 즉, RAG는 LLM의 응답을 관련성 있고 맥락에 맞는 정보로 제한하는 역할을 한다. 프라이온(Pryon) CEO 이고르 자블로코프는 "RAG는 특히 핵심 인프라에서 소스 콘텐츠에 대한 검증 가능한 어트리뷰션(attribution)이 필요한 엔터프라이즈 스타일의 배포에 더 적합하다"라고 말했다. RAG를 LLM과 함께 사용하면 환각이 감소하고 정확도가 개선되는 것으로 나타났다. 그러나 RAG를 사용할 경우 새로운 구성요소가 추가되고 이 구성요소의 관련성과 성능을 테스트해야 한다. 테스트 유형은 RAG와 LLM의 응답을 얼마나 쉽게 평가할 수 있는지, 그리고 개발팀이 최종 사용자 피드백을 어느 정도 범위까지 활용할 수 있는지에 따라 달라진다. 필자는 최근 포어소트(Forethought)의 CEO 디온 니콜라스와 이 회사의 생성형 고객 지원 AI에 사용되는 RAG를 평가하는 방법에 대해 이야기를 나눴다. 니콜라스가 말한 3가지 접근 방법은 다음과 같다. 질의에 대한 올바른 답으로 구성되어 모델 성능의 벤치마크 역할을 할 기준 데이터 집합 또는 사람이 레이블을 지정한 데이터 집합 강화 학습, 또는 챗봇과의 상호작용 이후 사용자의 만족도를 묻는 것과 같은 실제 시나리오에서 모델 테스트 적대적 네트워크, 또는 보조 LLM을 학습시켜 주 LLM의 성능을 평가. 이는 사람의 피드백에 의존하지 않고 자동화된 평가를 제공함 니콜라스는 "각 방법에는 장단점이 있으며, 사람의 노력과 오류를 간과할 위험 사이에서 균형이 필요하다. 최선의 시스템은 시스템 구성요소 전반에서 이런 방법을 활용하여 오류를 최소화하고 견고한 AI 배포를 촉진한다"라고 설명했다. 4. 품질 메트릭과 벤치마크 개발 테스트 데이터, 새로운 또는 업데이트된 LLM, 테스트 전략이 준비됐으면 다음 단계는 정해진 목표를 기준으로 품질을 확인하는 것이다. 컨트랙트팟Ai(ContractPodAi)의 최고 제품 책임자 아테나 레이아니는 "안전하고 신뢰할 수 있는 AI 개발을 위해서는 구체적이고 측정 가능한 KPI를 만들고 확실한 가드레일을 정립하는 것이 중요하다. 고려해야 할 기준은 정확성, 일관성, 속도, 도메인별 사용 사례와의 관련성 등이다. 개발자는 대상 도메인에서 전체 LLM 생태계와 운영 모델을 평가해서 정확하고 관련성 있고 포괄적인 결과를 제공하도록 해야 한다"라고 조언했다. 여러 LLM의 결과를 비교하기 위한 개방형 환경인 챗봇 아레나(Chatbot Arena)를 참고할 만하다. 챗봇 아레나는 경쟁 게임에서 플레이어의 순위를 매기는 데 자주 사용되는 알고리즘인 엘로(Elo) 레이팅 시스템을 사용하지만, 사람이 다양한 LLM 알고리즘 또는 버전의 응답을 평가할 때 효과적이다. 이뮤타(Immuta)의 연구 VP 조 레젠버거는 "특히 실제 환경에서 나타나는 쿼리에 대해 LLM을 강화할 때 사람의 평가는 테스트의 핵심적인 부분이다. 챗봇 아레나는 크라우드 소싱 테스트의 한 사례이며, 이런 유형의 인간 평가자 연구는 사용자 피드백 통합에 중요한 피드백 루프를 제공할 수 있다"라고 말했다. IBM 데이터 및 AI 부문의 로밀라는 LLM의 사용례에 따라 다음과 같은 3가지 메트릭을 고려할 수 있다고 말했다. 일부 업계에는 고려해야 할 품질 및 위험 메트릭이 있다. 에이세라(Aisera)의 제품 관리 및 마케팅 담당 VP인 카틱 스즈는 "교육에서는 연령 적합성과 독성 회피 평가가 중요하지만 소비자와 접하는 애플리케이션에서는 응답 관련성과 지연이 우선 사항"이라고 말했다. 모델이 배포됐다고 해서 테스트가 끝나는 것은 아니다. 데이터 과학자는 최종 사용자의 반응, 성능 메트릭 및 기타 피드백을 받아 모델을 개선해야 한다. 앰플리튜드(Amplitude)의 엔지니어링 VP 겸 CISO인 더스틴 피어스는 "배포 후에는 결과를 행동 분석과 통합하는 것이 중요하다. 이를 통해 빠른 피드백을 얻고 모델 성능을 더 명확하게 측정할 수 있다"라고 말했다. 프로덕션에 대비하기 위한 중요한 단계는 애플리케이션에서 기능 플래그를 사용하는 것이다. AI 기술 기업인 앤트로픽, 캐릭터AI(Character.ai), 노션(Notion), 브렉스(Brex)는 기능 플래그를 사용해서 제품을 구축해 애플리케이션을 협업적으로 테스트하고 대규모 그룹에 서서히 기능을 도입하고 다양한 사용자 세그먼트에 실험을 타겟팅한다. LLM 애플리케이션을 검증하기 위한 새로운 기법이 등장하고 있지만 구현하기 쉽거나 확실한 결과를 제공하는 기법은 없다. 현재로서는 앱 테스트와 개선 지원에 필요한 작업에 비하면 RAG와 LLM이 통합된 앱을 구축하는 것은 쉬운 부분일 수 있다. editor@itworld.co.kr
AI 및 기타 전력 집약적인 워크로드 채택이 증가하고 에너지 소비를 줄어야 한다는 규제 압박으로 인해 데이터센터에서 수랭 시스템으로의 전환이 느리지만 꾸준히 이뤄지고 있다. IDC 애널리스트 션 그레이엄에 따르면, 오늘날 데이터센터의 22%가 수랭 시스템을 사용하고 있다. 향후 10년간의 성장이 예상된다. 글로벌 마켓 인사이트에 따르면, 전 세계 데이터센터 수랭 시스템 시장은 2022년에 20억 달러로 추정되며, 2023년부터 2032년까지 연평균 15%의 성장률을 보일 것으로 예상된다. 수랭 시스템에 대한 관심이 급증하는 이유는 다음과 같다. 데이터센터는 에너지를 많이 소비한다. 데이터센터의 에너지 사용량 상당 부분은 냉방이 차지한다. IEA에 따르면 냉각 요구 사항이 데이터센터 전력 수요의 40%를 차지한다. 에너지 효율에 대한 관심이 증가하고 있다. 업타임 인스티튜트(Uptime Institute)는 데이터센터 소유자와 운영자의 33%가 시설 장비의 에너지 효율 개선에 대해 매우 우려하고 있으며, 이는 다른 어떤 문제보다 높은 수치라고 밝혔다. 지속 가능성이 점점 더 중요한 관심사가 되면서 데이터센터 인프라 지속 가능성 프로그램을 구현하는 기업의 비율이 2022년 약 5%에서 2027년에는 75%로 증가할 것으로 가트너는 예측했다. 서버 랙 밀도가 증가하고 있다. 맥킨지에 따르면, 일반적인 서버 랙의 밀도는 4~10kW이지만, 고성능 환경의 밀도는 20~30kW까지 높아질 수 있다. 공간이 부족한 엣지 컴퓨팅에서도 밀도를 고려해야 한다. 공랭식 냉각의 한계 공랭식 냉각은 랙당 20kW가 넘으면 한계에 도달하기 시작한다. 일반적인 공랭 시스템은 15~20kW에서 최고치를 기록하고, 밀폐형 랙 기반 냉각은 최대 30kW까지 올라간다. 하지만 IDC의 그레이엄에 따르면, 수랭 시스템은 20kW 이상의 랙 밀도를 지원한다. 업타임 인스티튜트는 2022년 기준 전체 데이터센터의 약 25%가 20kW 이상의 랙을 보유하고 있으며, 5%는 50kW 이상의 밀도를 가진 랙을 보유하고 있다고 집계했다. 데이터센터의 규모가 클수록 랙 전력이 증가할 가능성이 크다. SSI 얼라이언스(Sustainable and Scalable Infrastructure Association) 이사이자 전 에퀴닉스 엣지 인프라 서비스 글로벌 책임자인 재커리 스미스는 일부 데이터센터 운영자는 공기로 냉각할 수 없기 때문에 고밀도 랙을 사용하지 않고 동일한 워크로드를 여러 랙에 분산시킨다고 설명했다. 하지만 AI 워크로드가 급증하면서 이로 인한 문제가 발생하고 있다. 스미스는 "데이터센터는 수십 년 동안 지속되는 인프라로 구축되는데, 불일치가 생겼다. 데이터센터 산업과 컴퓨팅 측면의 주기가 일치하지 않는다"라고 말했다. 특히 생성형 AI가 매우 빠르게 발전하면서 업계에 급격한 변화를 가져오고 있다. AI 워크로드는 많은 양의 데이터를 빠르게 이동하므로 컴퓨팅 성능을 통합하려는 노력으로 이어진다는 점도 데이터센터 산업이 직면한 또 다른 문제다. 이 때문에 스미스는 "데이터센터는 더욱 고밀도화되어야 한다"라고 덧붙였다. 대세는 하이브리드 냉각 물론 데이터센터 전체를 교체하는 것은 많은 비용이 들며, 일반적으로는 불필요한 작업이다. 공랭식 냉각으로도 잘 작동하는 워크로드가 여전히 많이 있기 때문이다. 따라서 가까운 미래에 수랭 시스템을 도입하는 데이터센터 대부분은 아마도 하이브리드 방식으로 도입할 것으로 예상된다. 멀티 테넌트 시설에서 특히 그렇다. 스미스는 "지금 당장 새로운 데이터센터를 구축한다고 해도 에퀴닉스나 디지털 리얼티와 같은 멀티 테넌트 환경에서는 고객이 무엇을 가져올지 결정할 수 없다. 따라서 다양한 밀도와 기술에 대비해야 한다"라고 말했다. 하이퍼스케일러나 대기업이 운영하는 데이터센터와 같은 단일 테넌트 데이터센터는 자체적으로 인프라를 관리한다. 데이터센터는 일반적으로 수명이 긴 편이며, 기업은 수명 주기가 끝나기 전에 값비싼 장비를 철거하려고 하지 않을 것이다. 따라서 대부분 데이터센터 운영자는 실용적인 수랭 시스템 방식을 채택하게 될 것이라고 스미스는 설명했다. 오늘날 대부분 데이터센터는 개별 칩, 서버 주변, 그리고 궁극적으로는 건물 전체로 공기를 이동시키는 여러 팬으로 냉각한다. 시끄럽고 비용이 많이 들며 비효율적인 시스템이다. 하지만 액체는 공기보다 열을 더 효율적으로 전달할 수 있다. 예를 들어 스미스는 "자동차에는 열을 이동시키는 일종의 액체로 된 라디에이터가 있다"라고 덧붙였다. 후면 도어 수랭 시스템 기존 공랭식 데이터센터에 수랭 시스템을 추가하는 방법은 여러 가지다. 가장 간단한 방법은 개별 서버 랙에 후면 도어 열교환기를 설치하는 것이다. 랙 뒤쪽에 있는 응축기가 차가운 액체를 공급하고 뜨거운 액체를 제거한다. 스미스는 "해당 장치가 후면 도어를 대체한다. 서버를 건드리지 않는 방법"이라고 설명했다. 더 고급 버전은 모든 랙에 액체를 공급할 수 있는 전체 케이지 또는 서버 랙의 냉각 장치를 대체하는 것이다. 스미스에 따르면, 이런 방법은 건물 전체를 업그레이드할 필요 없이 랙이나 케이지 하나만 업그레이드하면 된다. 한 테넌트는 후면 도어 열교환기를 통해 수랭 시스템을 적용하고, 다음 테넌트는 완전히 공랭식으로 냉각할 수 있다. 스미스는 이런 접근 방식이 IT 중단을 최소화한다고 강조했다. IDC의 그레이엄에 따르면, 후면 도어 열교환기는 랙당 20~80kW의 랙 밀도를 처리할 수 있다. 그레이엄은 "후면 도어 열교환기는 고밀도 워크로드를 위해 기존 데이터센터를 개조하는 훌륭한 방법"이라고 설명하며, 가장 자주 접하는 수랭 시스템 기술이라고 말했다. 이어 "이 기술은 서버를 개조하지 않고도 데이터센터 랙을 냉각할 수 있는 최적의 지점에 도달했다. 이 때문에 고밀도 랙을 구현하는 사람에게 매우 매력적인 선택지다. 새로운 배관이 필요하지만, 상대적인 노력 측면에서 보면 채택하기 좋은 방법"라고 덧붙였다. 칩 직접 냉각 시스템 그레이엄에 따르면, 칩 직접 냉각(direct-to-chip cooling) 시스템은 50~100kW의 랙 밀도를 처리할 수 있어 후면 도어 열교환기보다 훨씬 더 효율적이다. 스미스는 방열판을 꺼내서 그 위로 액체가 흐르게 함으로써 열을 이동시키는 방법이라고 설명했다. 서버를 개조해야 하고 설정 및 유지 관리가 복잡하다는 특징이 있다. 칩 직접 냉각 시스템에서 액체는 액체마다 끓는점이 다르다. 액체로 유지되거나 증기로 변할 수 있는데 전자를 단상(single-phase), 후자를 2상(dual-phase) 시스템이라고 한다. 단상 시스템에서는 서버에서 열을 제거하기 위해 액체를 펌핑하고, 2상 시스템에서는 액체와 기체 상태가 자체적으로 순환된다. 스미스는 "기체는 액체보다 빠르게 이동하기 때문에 자체적으로 압력을 조절한다. 누출이 발생해도 다른 방향으로 흐르지 않으며, 펌프를 가동하지 않기 때문에 에너지 사용량도 적다. 또한 뜨거운 증기는 에너지 생산, 난방 또는 건물의 다른 용도로도 사용할 수 있다"라고 설명했다. 액침 냉각 시스템 수랭 시스템에 대한 또 다른 접근 방식은 액침 냉각(immersion cooling)이다. IDC 그레이엄은 액침 냉각이 랙당 50~250kW 밀도를 처리할 수 있는 3가지 접근 방식 중 가장 효율적이라고 봤다. 컴퓨터를 기름과 같은 비전도성 액체가 담긴 통에 담그는 방식으로, 스미스는 "쉽게 말해 서버를 튀김기에 넣는 것"이라고 설명했다. 액침 냉각에 사용되는 액체는 열을 전도하지만 가연성이 없다. 스미스에 따르면, 액침 냉각은 암호화폐 채굴자 사이에서 대중화했다. 단점은 매우 무겁다는 점인데, 스미스는 "이 정도 무게를 감당할 수 있는 데이터센터는 많지 않을 것"이라고 말했다. 문제는 이뿐만 아니다. 스미스는 "누출이 발생했을 때 네트워크 케이블은 어떻게 연결해야 할까? 스위치는 어디로 가야 할까? 이런 문제점 때문에 액침 냉각 방식은 틈새 애플리케이션에 불과하다"라고 덧붙였다. 하지만 칩 제조업체가 액침 냉각을 활용할 기회는 많다. 스미스는 "액체에 싸여 있지만 액체가 보이지 않는 닌텐도 카트리지처럼 보이도록 제작할 수 있을 것이다. 기름통을 두지 않고 완전히 잠겨 있는 새로운 폼 팩터 설계도 있다"라고 말했다. 수랭 시스템 제공업체 리퀴드스택(LiquidStack) CEO 조 케이프스는 완전 수랭식 데이터센터는 모든 공랭식 인프라를 제거해 공간과 비용을 절약할 수 있다고 설명했다. 하이브리드 접근 방식에서 액침 냉각 시스템은 새로운 고밀도 구역이나 모듈식 배포에서 사용할 수 있다는 설명이다. 동일한 공간에서 컴퓨팅 밀도를 3배 높일 수 있다는 이점이 있다. 코로케이션 업체 스탠다드 파워(Standard Power) CEO 맥심 세레진은 수랭 시스템이 스탠다드 파워의 핵심적인 차별화 요소로 자리 잡았다고 언급했다. 스탠다드 파워는 리퀴드스택의 액침 냉각과 칩 직접 냉각 기술을 사용하고 있다. 세레진에 따르면 AI, 고성능 컴퓨팅, 암호화 및 기타 데이터 집약적 워크로드를 사용하는 고객이 수랭 시스템을 사용한다. 수랭 시스템 도입의 장애물 수랭 시스템을 채택하는 데에는 몇 가지 큰 장애물이 있다. 안전에 대한 우려, 교육 부족 외에도 표준의 부재가 대표적이다. 예를 들어, 특정 화학물질이 미국에서는 데이터센터 냉각에 허용되지만 독일에서는 허용되지 않을 수 있다. 또한 공급업체마다 크기와 구조가 다른 커플러를 사용할 수 있다. 이 때문에 SSI 얼라이언스에서는 여러 기업이 모여 데이터센터 표준을 마련하기 위해 협력하고 있다. 스미스는 "현재 데이터센터에는 누구나 원하는 것을 무엇이든 넣을 수 있다. 모양, 크기, 폼 팩터, 케이블 배치 위치에 대한 표준이 없다. 서로 다른 제조업체의 제품을 효율적인 방식으로 연결할 수 있는 방법이 없다. 수랭 시스템에서는 '왼쪽에 설치해야 할까, 오른쪽에 설치해야 할까? 끼우는 방식인가, 나사로 고정하는 방식인가?'와 같은 고민이 필요하다. 여러 공급업체의 솔루션이 서로 호환되지 않는다. 수랭 시스템의 배포를 가속화하기 위해 공통의 표준이 필요한 이유"라고 강조했다. 또 다른 장애물은 수랭 시스템을 다룰 수 있는 숙련된 데이터센터 직원이 부족하다는 점이다. 스미스는 "데이터센터 운영자 관점에서 가장 큰 문제는 '수랭 시스템을 지원하느냐'가 아니라 '운영할 수 있느냐'다. 현재 위치한 지역의 규제는 무엇인가? 어떤 종류의 액체를 허용하는지에 대해 고객과 어떻게 소통하고 있는가? 위반 시에는 어떻게 되는가? 등의 문제를 생각해야 한다"라고 말했다. 콘스텔레이션 리서치(Constellation Research) 애널리스트 홀거 뮐러는 물리적 공간도 문제라고 지적했다. 뮐러는 "전통적으로 서버를 앞쪽에 열어서 배치하고 중요한 것은 모두 뒤쪽에 배치해 인프라를 설치하고 냉각한다. 하지만 그곳에 다른 냉각 시스템을 설치할 수 있는 공간은 없다"라고 지적했다. 바다 속에도 있다? 일부 기업은 '완전 액침'에 대한 실험을 하기도 했다. 말 그대로 바다에 완전 담그는 것이다. 전 세계 인구 절반 이상이 해안에서 120마일 이내에 거주하고 있기 때문에 데이터센터를 수중에 두면 잠재적으로 업계에 혁명을 일으킬 수 있다. 2018년 마이크로소프트는 스코틀랜드 해안에서 117피트 깊이의 바다에 데이터센터 전체를 가라앉혔다가 2년 후 다시 인양했다. 마이크로소프트는 데이터센터의 대기가 공기가 아닌 질소로 채워져 있고 주변에 사물에 부딪히거나 부품을 뒤섞을 사람이 없기 때문에 수중 서버의 안정성이 지상 서버보다 8배 더 높다는 사실을 발견했다. 하지만 그 이후로 이 주제에 대한 마이크로소프트의 추가 소식은 없었다. 아마도 데이터센터를 물속에 넣는 데 따르는 물류상의 문제 때문일 수 있다. 서브시 클라우드(Subsea Cloud)와 하이랜더(Highlander)를 비롯한 다른 기업도 이 분야에 뛰어들고 있다. 서브시 클라우드는 2022년 말 첫 번째 상업용 데이터센터를 바다 아래서 가동할 계획이었지만, 2023년 10월 기준으로 아직 랙을 가라앉히지 못했다. 한편 하이랜더는 2022년 말 중국 하이난에 첫 번째 상업용 해저 데이터센터를 개소했으며, 차이나 텔레콤을 첫 번째 고객으로 확보했다. 다만 스미스는 해저 데이터센터의 문제점은 장비를 교체하기 위해 해저에 들어갈 수 있어야 한다는 점이라며 "그래서 그다지 인기가 없었다. 데이터센터가 바다 밑에 있든 우주에 있든, 심지어 위스콘신에 있든, 아직 업계는 장비를 효율적으로 설치하고 제거할 수 있는 좋은 메커니즘을 갖추지 못했다"라고 지적했다. editor@itworld.co.kr
가트너는 2024년 기업이 주목해야 할 '을 꼽았다. ACWF는 첨단 기술을 사용해 직원에게 일종의 '초능력'을 부여하는 개념 또는 패러다임이다. 예를 들어 AR 글래스, 모든 종류의 AI 도구, 웨어러블 센서, 웨어러블 커뮤니케이션 도구, IoT, 로봇, 외골격(exoskeleton) 웨어러블 로봇, 머신 비전 및 클라우드 컴퓨팅과 같은 기술을 업무 환경에 통합하는 것이다. 즉, ACWF는 정보 및 커뮤니케이션에 즉시 액세스할 수 있는 연결된 툴을 제공해 더 나은 작업 환경을 구축하는 개념이다. 공상 과학 소설에서나 나올 법한 이야기처럼 들린다. 기업의 집단 지성에 동화된 사이보그처럼 들리기도 한다. 하지만 오늘날 노동력을 개선할 수 있는 모든 기술이 ACWF 방향으로 흐르고 있다. 연결을 통한 업무 환경의 확장 다음은 ACWF의 이점을 명확하게 보여주는 시나리오다. 복잡한 제조 환경에서 증강 안전 안경과 웨어러블 로봇을 착용한 조립 라인 작업자는 증강되지 않은 사람보다 5배 더 많은 무게를 들어 올릴 수 있다. 새로운 절차가 증강 현실에서 발표되고, 이는 실제 장비에 교육용 오버레이를 통해 시연된다. 공장 반대편에 있는 작업자들이 마치 나란히 있는 것처럼 실시간으로 협업한다. 웨어러블 센서는 모든 로봇 장비에 사람의 존재를 알려줘 사람이 가까이 있거나 사람 주변에서 작업할 때 움직임을 멈추도록 한다. 재택근무를 하는 CEO가 이사회와 회의를 한다. 각 구성원은 테이블에 둘러앉은 실물 크기의 실제와 같은 홀로그램으로 표현된다. 회의 참석자는 테이블 위에 3D로 표시되는 비즈니스 프로세스 데이터와 같은 실시간 대시보드를 띄울 수 있다. 컴플라이언스에 관한 질문이 나오자 컴플라이언스 책임자가 홀로그램으로 회의에 참석한다. 회의록은 AI가 작성한 뒤 모든 이사회 구성원에게 3D 데이터와 세부 정보를 함께 전달한다. 즉, 즉각적으로 실행 가능한 정보 제공 및 커뮤니케이션 마찰 제거를 통한 부서별 사일로 해체, AI를 통한 인간의 지능 향상, 웨어러블 로봇을 통한 신체 기능 향상, 인간과 기계의 전반적인 통합 등 이점은 분명하다. 모두 문제 해결 및 의사 결정 개선, 자동화 향상, 커뮤니케이션 및 협업 간소화, 오류 감소 및 안전 개선, 개인 생산성 및 운영 효율성 향상, 자산 관리 개선 및 기타 혜택으로 이어질 수 있도록 설계됐다. ACWF의 핵심은 위치에 관계없이 원활하고 즉각적으로 이뤄지는 커뮤니케이션과 협업이다. 여기서 '업무 공간'은 지리적이지 않은 가상 공간이다. 전 세계 사람 간의 협업과 원격 근무를 지원하고 회의는 가상으로 진행되며, 각 작업자는 어디에 있든 업무 공간과 연결해 문제를 해결하고 브레인스토밍할 수 있다. 이런 업무 공간은 주로 AR을 통해 액세스하는 공유 리소스 집합이다. 디지털 기술과 새로운 사용자 인터페이스를 사용해 협업과 공동체 의식을 함양하는 것이 ACWF의 목표다. 온보딩, 교육, 팀 빌딩은 모두 공유 가상 공간에서 이뤄진다. 이렇게 되면 업무와 해당 업무를 위한 교육의 경계가 모호해질 수 있다. 교육이 점점 더 VR 및 AR을 통해 이루어질 것이며, 직원은 교육을 받으면서 실제로 해당 업무를 수행하는 것과 같은 느낌을 받을 수 있다. 업무 중에는 새로운 프로세스 및 업무 교육이 AR을 통해 이뤄지고 AR 기기, 웨어러블 및 IoT 센서, AI를 통해 노동자의 역량과 성과를 측정할 수 있다. ACWF를 실현할 기술 트렌드 3가지 ACWF은 지속적인 교육이 필요하고 이를 촉진할 것이다. 훌륭하게 들리지만, 왜 지금일까? 애널리스트들은 몇 년 전부터 ACWF에 대해 이야기해 왔지만, 3가지 트렌드가 오늘날 ACWF 가능성을 뒷받침하고 있다. 가트너에서 ACWF를 올해 기술 트렌드로 꼽은 것도 이 때문이다. 첫째, 1년 반 전 오픈AI가 챗GPT 챗봇을 공개하면서 촉발된 생성형 AI 혁명이 가장 큰 이유다. 챗GPT 출시 이후로 AI 분야는 폭발적으로 성장해 생성형 AI를 활용한 새로운 비즈니스 및 생산성 도구가 수백 개 등장했다. 둘째, 애플 비전 프로와 같은 공간 컴퓨팅 플랫폼과 새로운 매력적인 헤드업 디스플레이 AR 기기 및 플랫폼이 급증하면서 기업 전반에서 AR을 광범위하게 사용할 수 있는 시기가 도래했다. AR 글래스의 주류화는 사용자에게 실제 공간에 있는 시각적 데이터를 실시간으로 제공하는 엔터프라이즈 툴의 대규모 개발을 촉진할 것으로 예상된다. 셋째, AI 글래스 혁명이다. 이는 사무직 직원과 다른 사람이 일반 안경처럼 보이는 디바이스(실제로는 도수 렌즈가 있을 수 있다)를 착용하고 하루 종일 실시간으로 AI에 액세스할 수 있게 된다는 것을 의미한다. 이제 AI와 AR을 센서 기반 디바이스, 로봇 공학 및 클라우드 컴퓨팅과 결합한 차세대 솔루션이 등장할 것으로 예상할 수 있다. 실제로 글라르텍(Glartek), 라이트가이드(LightGuide)처럼 이미 ACWF 개념을 명시적으로 지원하는 솔루션을 제공하는 기업도 있다. 앞으로의 과제 다가오는 변화는 비즈니스 운영 방식의 급진적인 도약을 의미한다. 가트너는 오는 2027년까지 1/4의 CIO가 ACWF 이니셔티브를 채택할 것으로 예측했다. 하지만 해결해야 할 과제도 많다. 특히 사이버보안을 체계적인 방식으로 해결해야 한다. 시스템 간의 연결성과 데이터에 대한 자유로운 액세스는 새로운 보안 기술과 방법으로 완화해야 할 전례 없는 공격 표면을 제공하기 때문이다. 또 다른 문제는 비용이다. 하드웨어, 소프트웨어, 클라우드, 서비스 솔루션 외에도 ACWF 혁신을 위해서는 지속적인 교육과 숙련도 향상, 보다 정교한 변화 관리가 요구된다. 다양한 차세대 기술 시스템을 서로 통합하는 것도 선결해야 할 과제다. ACWF는 아직 초기 단계지만, 지금이라도 IT 로드맵을 재검토하고 AI, AI 자동화, 다양한 형태의 AR, 새롭게 등장하는 생성형 AI 지원 도구 등 트렌드의 구성 요소에 주목할 필요가 있다. AI 및 기타 기술이 노동자를 대체할 것이라는 우려는 과장됐다. 오히려 AI 및 기타 기술을 통해 노동자의 역량이 강화돼 '슈퍼 워커'로 거듭날 가능성이 훨씬 더 높다. editor@itworld.co.kr
IBM은 2023년 어도비의 생성형 AI 이미지 서비스 가 출시되자 자사의 디자이너 수천 명이 이를 사용할 수 있도록 했다. 그 결과는 어땠을까? IBM 컨설팅 사업부의 글로벌 최고 디자인 책임자인 빌리 시브룩에 따르면, 이 툴이 강렬한 인상을 주기까지 긴 시간이 걸리지 않았다. 예를 들어 IBM의 2023년 마케팅 캠페인 "렛츠 크리에이트(Let’s Create)"에서 파이어플라이는 다양한 텍스처와 색상으로 물음표 이미지를 렌더링하는 200개의 시각적 자산을 만드는 데 사용됐다. 파이어플라이는 꽃잎부터 체인 링크에 이르기까지 다양한 소재로 만들어진 물음표 이미지를 생성했고, 디자이너는 이런 이미지를 기반으로 편집과 수정을 거쳐 최종 작품을 만들었다. 원래는 몇 개월이 걸렸을 긴 프로세스가 이 툴을 통해 대폭 빨라졌다. 시브룩은 "리소스가 거의 필요하지 않았으며 정말 빠르게 완료됐고 재미도 있었다. 최근 캠페인 중에서 꽤 성과가 좋은 마케팅 캠페인이라고 할 수 있을 만큼 결과가 좋았다"라고 말했다. IBM은 이번 외부 마케팅 캠페인에서 일회성으로 어도비를 사용했지만 향후 생성형 AI 소프트웨어가 성숙함에 따라 비슷한 프로젝트에서 같은 방식을 활용하는 데 목표를 두고 있다. 자산 제작 외에 파이어플라이를 사용해 디자인 작업을 자동화하고 궁극적으로는 생산성을 높이기를 기대하고 있다. 시브룩은 "업계의 모든 사람이 지금 직면한 가장 큰 과제는 탁월한 경험과 고품질의 콘텐츠를 더 효율적으로, 더 빠르게 제공하는 것이다. 더 빠르게, 더 좋게, 더 저렴하게 중에서 2개를 선택하라는 말이 있다. 전 세계 모든 사람과 마찬가지로 우리도 3가지 모두를 달성해야 한다는 압박에 직면해 있다. 즉, 좋은 콘텐츠를 더 빠르고 더 저렴하게 제공해야 한다"라고 말했다. 시브룩은 씨티(Citi)와 이베이에서 중역을 지냈고 현재는 IBM 컨설팅 사업부의 디자인 책임자로 콘텐츠 디자인, 시각적 UX 등에 집중하는 1,600여 명의 디자이너로 구성된 팀을 이끌고 있다. 이 디자이너들은 IBM 디자인 인력의 일부로, IBM 전체적으로는 3,500명 이상의 디자이너가 있다. IBM은 어도비 솔루션을 오래 사용해왔고 사업에서도 협력하고 있다. 파이어플라이와 같은 툴 사용에 대한 컨설팅 서비스를 제공하는 만큼 내부적으로 자연히 어도비 기술의 얼리 어댑터다. IBM의 파이어플라이 도입은 어도비가 베타 버전으로 제품을 공개한 시점에 파일럿부터 시작됐으며 2023년 9월 정식 출시된 이후 어도비 크리에이티브 클라우드 라이선스가 있는 약 2만 명의 IBM 직원에게 배포됐다. 이를 통해 포토샵, 익스프레스와 같은 어도비 앱에서 파이어플라이를 사용할 수 있다. 다만 그는 직원 사용률에 대한 세부적인 내용은 공개하지 않았다. 파이어플라이 익히는 IBM 디자이너들 파이어플라이는 "렛츠 크리에이트" 캠페인을 위한 시각적 자산을 만드는 것 외에, IBM 내부적으로도 쓰이고 있다. 예를 들어 IBM 마케팅팀이 컨셉트 이미지와 프레젠테이션 자료를 만드는 용도다. 시브룩에 따르면, IBM 컨설팅 사업부에서 디자이너는 주로 2가지 용도로 파이어플라이를 사용한다. 하나는 아이디어를 내서 프로토타입 제작하는 과정, 그리고 사용자 상호작용 기반의 반복으로 구성되는 디자인 사고방식을 지원하는 것이다. 보통 이런 작업은 상당한 수작업 프로세스다. 며칠, 길게는 몇 주에 걸쳐 워크숍과 같은 대면 세션이 필요하고 스케치 작업도 빈번하게 오가기 때문이다. 시브룩은 "파이어플라이가 시각화를 간소화하는 데 자주 사용된다. 직원은 대략적인 개념을 스케치할 때 이 툴에서 프롬프트를 통해 의도된 환상적인 이미지부터 스토리보드에 사용할 수 있는 현실적인 유형의 프레임까지 원하는 이미지를 생성할 수 있다. 환상적인 이미지가 본질상 개념적이긴 하지만 아이디어를 전달하는 역할을 한다. 파이어플라이를 통해 직원은 상당한 시간을 절약해서, 경우에 따라서는 2주가 걸릴 프로세스를 이틀 만에 완수한다"라고 말했다. 아이디어화 단계 이후에도 파이어플라이는 쓰임새가 많다. 즉, 어도비 포토샵과 일러스트레이터에서 수정, 크기 조정을 비롯한 "최종 단계"의 프로덕션 작업에 사용된다. 파이어플라이는 이미지의 빈틈을 신속하게 채울 수 있다. 예를 들어 허리에서 잘린 사진에 다리를 추가해준다. 만약 이 툴이 없다면 일반적으로 여러 스톡 또는 원본 이미지를 조합하고 보정을 통해 매끄럽게 보이도록 하는 긴 과정이 필요했을 것이다. 시브룩은 "이제 생성형 AI를 사용해 빈 곳을 동적으로, 즉각 채울 수 있다. 작업의 품질도 매일 개선되고 있다. 막대한 시간을 절약할 수 있게 해주는 툴이다"라고 말했다. 로컬화도 또 다른 이점이다. 시브룩은 "특히 법적 문제가 될 수 있는 모욕적인 자료 또는 상표권이 있는 자료 위험이 없는 배경의 경우 다른 국가로 간단히 바꿀 수 있다. 예를 들어 단순히 시간을 변경하거나 이미지를 확장해 수풀을 더 많이 포함하도록 하는 등의 저위험 작업은 지금 이 기술을 활용하기에 좋은 사용 사례다"라고 말했다. 생성형 AI로 인해 바뀌는 시각 디자이너의 역할 특정 작업을 완료할 수 있는 생성형 AI의 쓰임새는 더 많은 일자리를 자동화할 수 있는 가능성을 열어준다. IBM은 이런 흐름에 따라 작년에 채용을 동결하고 수천 개의 일자리를 AI로 대체한다는 계획을 공개했다. 그렇다면 생성형 AI 툴이 더 넓은 범위의 디자인이라는 직업에 어떤 영향을 미칠까? 시브룩은 작은 팀으로의 전환과 동시에 디자이너의 전문성이 매우 중요해질 것으로 예상했다. IBM의 내부 연구팀이 1,500명의 비즈니스 고위 임원과 크리에이티브 관리자, 실무자를 대상으로 실시한 를 보면, 앞으로 디자이너는 더 전략적인 역할을 맡게 될 가능성이 크다는 것이다. 그는 "이들은 큐레이터, 프롬프트 엔지니어, 의사 결정자가 될 수 있으며 출력의 독창성이나 다양한 품질 수준 측면에서 디자이너가 가장 잘 아는 부분을 짚어내는 역할을 할 수도 있다. 따라서 이런 역할에 대한 필요성이 더 커질 것이라는 기대도 실제로 있다. 수요는 많지만 일자리는 축소되는, 흥미로운 모순이 지금 일어나는 중이다"라고 말했다. 결과적으로 디자이너는 더 제너럴리스트가 되고, 두세 명이 했던 일을 생성형 AI를 잘 다루는 한 사람이 하게 될 수 있다. 이 경우 팀의 규모는 더 작아지게 된다. "긍정적으로" 해석하자면 디자이너는 기존 작업에서 탈피해 새로운 워크로드를 맡게 될 수 있다. 시브룩은 "이제 더 많은 프로젝트를 수행할 수 있으므로 디자이너가 이전에는 불가능했던 다양한 작업으로 넘어갈 수 있다. 업무의 양은 늘어나겠지만 개별 프로젝트는 더 작은 규모의 팀에서 관리하게 될 것이다. 이것이야말로 지금 일어나고 있는 가장 흥미로운 역학이다"라고 말했다. 계속 발전하는 이미지 생성을 위한 생성형 AI IBM은 내부적으로 파이어플라이를 사용하면서 이득을 얻었지만 시브룩은 아직 비교적 개발 초기 단계인 이 툴의 몇 가지 한계도 지적했다. 예를 들어 파이어플라이 모델이 생성하는 이미지는 특정 스타일을 띄는 경향이 있고 이는 잘 맞는 사용 사례가 일부에 국한되는 결과로 이어진다. 결과물에는 특유의 윤기가 두드러지고 채도의 특성도 AI가 생성한 비주얼임을 드러낸다. 시브룩은 이를 'AI 콘텐츠의 특징'이라고 했다. 이런 이미지는 예를 들어 SF 스타일의 일부 시나리오에 잘 맞을 수 있다. 그는 "생성형 AI는 크리에이티브 컨셉트의 새로운 장르를 열었다. 생성형 AI는 수작업으로 제작하려면 오랜 시간이 걸릴 환상적인 이미지를 바로 생성할 수 있다. 품질이 개선되고 더 사실적으로 보이게 되어 일반적인 사진과 구별할 수 없을 정도가 되면 이미지 사용 방식 측면에서 완전히 다른 유형의 사용 사례가 열리게 될 것이다"라고 말했다. 또한 시브룩은 브랜드 스타일 가이드를 준수하도록 참조 자료를 사용해 파이어플라이가 생성한 콘텐츠를 필터링하는 기능도 등장할 것으로 전망했다. 그는 " 업계 전체가 이와 같은 맞춤 구성 기능을 기대하고 있다. 이 기능이 나오면 기업에 따라 결과물이 정말 차별화될 것이기 때문이다"라고 말했다. 실제로 생성형 AI 개발의 다른 영역과 마찬가지로 파이어플라이 기반 모델의 기능도 빠르게 발전하고 있다. 파이어플라이 2.0 모델은 1.0에 비해 대폭 개선됐다. 시브룩은 기술이 성숙해지고 출력의 신뢰성과 예측 가능성이 높아짐에 따라 마케팅 캠페인에서 "대규모 실시간 개인화"와 같은 더 광범위한 사용도 가능해 질 것으로 본다. 그는 "기술은 계속 발전한다. 우리는 생성된 콘텐츠의 신뢰성을 확보하고 올바른 방식으로 명확하게 인증되어 사람들이 AI가 생성한 콘텐츠임을 알 수 있도록 하고 그 외에 윤리와 편견에 대한 다른 모든 중요한 측면을 모든 일에 반영되도록 하는 데 계속 집중할 것이다. 이런 모든 부분이 실현되면 그다음에는 사용자를 더 많은 활용 사례에 적용되기 시작할 것이다. IBM 내부적으로도 파이어플라이가 더 광범위하게 사용될 수 있는 잠재력이 크다. 파이어플라이는 좋은 선택이며, 곧 나올 다음 세대를 정말 기대하고 있다"라고 말했다. editor@itworld.co.kr
오늘날 네트워크는 모든 기업에 매우 중요하다. 네트워크가 비즈니스 애플리케이션과 멀티미디어 메시지는 물론 주요 데이터를 전 세계의 사용자에게 제공하는 역할을 하기 때문이다. 이 네트워크의 기본 요소 중 하나인 네트워크 스위치는 LAN(local area network) 내에서 기기를 연결해 리소스 공유하는 데 활용한다. class="image" ⓒ Getty Image Bank 네트워크 스위치의 정의와 작동 방식 네트워크 스위치는 OSI(Open Systems Interconnection) 모델의 데이터 링크 계층인 레이어 2에서 작동하는 기기다. 이 기기는 물리적 포트에 연결된 기기가 보낸 패킷을 받아 패킷이 도달하려는 기기로 전달한다. 스위치는 라우팅이 이루어지는 네트워크 레이어(레이어 3)에서도 작동하기도 한다. 스위치는 이더넷, 파이버 채널, 비동기 전송 모드(ATM), 인피니밴드 등을 기반으로 하는 일반적인 네트워크의 구성 요소다. 오늘날 대부분의 스위치는 이더넷을 사용한다. 기기가 스위치에 연결되면 스위치는 기기의 NIC(networkinterface card)에 종속된 코드인 MAC(media access control) 주소를 기록하고, NIC는 스위치에 이더넷 케이블을 연결한다. 이후 스위치는 맥 주소를 사용해 어떤 기기의 나가는 패킷이 전송되고 있는지, 들어오는 패킷을 전달할 위치를 식별한다. 맥 주소는 물리적 기기에 종속돼 변경되지 않지만, 네트워크 계층(레이어 3) IP 주소는 기기에 임의로 할당되거나 시간이 지남에 따라 변경될 수 있다. 맥 주소는 마치 자동차의 차대번호, IP 주소는 자동차 번호판이라고 생각하면 쉽다. 패킷이 스위치에 들어오면 스위치는 헤더를 읽은 다음 대상 주소와 일치하는 하나 이상의 주소를 찾아 대상 기기로 연결되는 적절한 포트를 통해 패킷을 보낸다. 스위치와 연결된 기기로 동시에 오가는 네트워크 트래픽 간의 충돌 가능성을 줄이기 위해 대부분 스위치는 기기로 들어오고 나가는 패킷이 스위치 연결의 전체 대역폭에 액세스할 수 있는 전이중(fullduplex) 기능을 지원한다. 두 사람이 무전기가 아닌 스마트폰으로 대화하는 모습을 상상하면 된다. 스위치가 레이어 2에서 작동하는 것은 사실이지만 레이어 3에서도 작동하며, 이를 위해서는 서브넷을 아우르는 논리적 네트워크 세그먼트인 가상 LAN(VLAN)을 지원해야 한다. 트래픽이 한 서브넷에서 다른 서브넷으로 이동하려면 스위치 사이를 통과해야 하며, 이는 스위치에 내장된 라우팅 기능에 의해 구현된다. 스위치와 허브, 라우터의 차이 허브는 리소스 공유를 목적으로 여러 기기를 연결할 때 사용한다. 허브에 연결된 기기의 집합을 LAN 세그먼트라고 한다. 허브는 연결된 기기 중 하나에서 전송된 패킷이 허브에 연결된 모든 기기로 브로드캐스트된다는 점에서 스위치와 다르다. 스위치에서는 패킷이 주소가 지정된 기기로 연결되는 포트로만 전달된다. 스위치는 일반적으로 LAN 세그먼트를 연결하므로 허브는 스위치에 연결된다. 스위치는 같은 LAN 세그먼트에 있는 기기로 향하는 트래픽을 필터링한다. 이런 기능 덕분에 스위치는 네트워크 대역폭뿐만 아니라 자체 처리 리소스를 더 효율적으로 사용한다. 스위치는 네트워크 트래픽의 포워딩 및 라우팅을 제공하는 라우터와 혼동되기도 하는데, 스위치와 라우터는 목적과 위치가 다르다. 라우터는 네트워크 계층인 레이어 3에서 작동하며 네트워크를 다른 네트워크에 연결한다. 스위치와 라우터의 차이점을 쉽게 생각하는 방법은 LAN과 WAN을 생각하면 된다. 기기는 스위치를 통해 로컬로 연결되고 네트워크는 라우터를 통해 다른 네트워크에 연결된다. 정리하면 패킷이 인터넷에 도달하는 경로는 기기 허브 스위치 라우터 인터넷 순서가 된다. 물론 라우터 하드웨어에 스위칭 기능이 내장돼 라우터가 스위치 역할도 수행하는 때도 있다. 가정용 무선 라우터가 대표적이다. 이 라우터는 WAN 포트를 통해 광대역 연결로 라우팅하지만, 일반적으로 컴퓨터, 텔레비전, 프린터 또는 게임 콘솔용 이더넷 케이블을 연결하는 데 사용하는 추가 이더넷 포트도 있다. 다른 노트북이나 휴대폰과 같은 네트워크의 다른 기기는 WiFi 공유기를 통해 연결되지만, 여전히 LAN을 통한 스위칭 기능을 제공한다. 따라서 라우터는 사실상 스위치이기도 하다. 그리고 라우터에 별도의 스위치를 연결해 추가 기기에 인터넷과 LAN 액세스를 모두 제공할 수도 있다. 인터넷 스위치라는 용어도 있는데, 대부분은 라우터를 설명하는 것이다. 스위치와 라우터 모두 네트워크 트래픽을 전달하고 라우팅할 수 있다. 스위치는 LAN에서 작동하고 라우터는 WAN에서 작동한다. 앞서 설명한 것처럼 스위칭 기능은 라우터에 내장될 수 있으며 라우터가 스위칭 기능을 수행할 수 있다. 인터넷을 통해 패킷을 이동하는 것은 라우터가 하는 일이다. 스위치의 종류 스위치는 연결해야 하는 기기 수와 필요한 네트워크 속도/대역폭의 유형에 따라 다양한 제품으로 나뉜다. 소규모 사무실이나 홈 오피스에서는 일반적으로 4포트 또는 8포트 스위치로 충분하지만, 일정 규모 이상 기업은 일반적으로 최대 128포트 스위치를 사용한다. 소형 스위치는 데스크톱에 설치할 수 있을 정도로 작지만, 배선실, 데이터센터 또는 서버 팜의 랙에 장착할 수 있는 대형 스위치도 있다. 랙 마운트 가능 스위치의 크기는 1U에서 4U까지 다양하다. 스위치의 네트워크 속도도 고속 이더넷(10/100Mbps), 기가비트 이더넷(10/100/1000Mbps), 10기가비트(10/100/1000/10000Mbps), 40/100Gbps 속도까지 여러 가지다. 속도는 작업에 필요한 처리량에 따라 달라진다. 스위치의 기능도 다른데, 4가지 유형 정도로 정리할 수 있다. 비관리형 : 비관리형 스위치는 가장 기본적인 스위치로, 고정 구성을 제공한다. 일반적으로 플러그 앤 플레이 방식이므로 사용자가 선택할 수 있는 옵션이 거의 없다. 서비스 품질과 같은 기능에 대한 기본 설정이 있을 수 있지만 변경할 수는 없다. 비관리형 스위치는 상대적으로 저렴하다는 장점이 있지만, 기능이 부족하므로 기업용으로는 적합하지 않다. 관리형 : 관리형 스위치는 IT 전문가를 위해 더 많은 기능과 기능을 제공하며 기업 환경에서 가장 많이 볼 수 있는 유형이다. 관리형 스위치는 명령줄 인터페이스(CLI)를 통해 구성한다. 네트워크 문제를 해결하는 데 필요한 정보를 제공하는 간단한 네트워크 관리 프로토콜(SNMP) 에이전트를 지원한다. 또한 가상 LAN, 서비스 품질 설정 및 IP 라우팅을 지원하는 제품도 있다. 보안도 강화되어 처리하는 모든 유형의 트래픽을 보호한다. 이런 고급 기능 때문에 관리형 스위치는 비관리형 스위치보다 훨씬 더 비싸다. 스마트 또는 지능형 스위치 : 스마트 스위치 또는 지능형 스위치는 관리형 스위치로, 비관리형 스위치보다 더 많은 기능을 제공하지만, 관리형 스위치보다 적은 기능을 제공한다. 비관리형 스위치보다 더 정교하지만, 완전 관리형 스위치보다 저렴한 것이 특징이다. 일반적으로 텔넷 액세스를 지원하지 않으며 CLI가 아닌 웹 GUI를 제공한다. VLAN과 같은 다른 옵션은 완전 관리형 스위치에서 지원하는 기능만큼 다양하지 않다. 가격이 저렴하므로 소규모 회사나 필요한 기능이 적은 회사에 적합하다. KVM 스위치 : KVM 스위치는 데이터센터 또는 대량의 서버가 있는 곳에 쓰이는 특정 유형의 스위치다. 여러 컴퓨터에 키보드, 비디오(모니터), 마우스 연결을 제공하여 사용자가 단일 위치 또는 콘솔에서 서버 그룹을 제어할 수 있다. KVM 연장기를 추가하면 KVM 스위치를 통해 로컬 및 원격으로 컴퓨터에 액세스할 수 있으므로 서버 유지보수와 관리를 중앙 집중화할 수 있다. 네트워크 스위치 관리 기능 네트워크 스위치의 기능은 스위치 제조업체와 제공되는 추가 소프트웨어에 따라 다르지만, 일반적으로 스위치를 통해 전문가가 관리할 수 있는 기능이 몇 가지 있다. 스위치의 특정 포트를 활성화 및 비활성화한다. 듀플렉스(반쪽 또는 전체) 및 대역폭에 대한 설정을 구성한다. 특정 포트에 대한 서비스 품질(QoS) 수준을 설정한다. 맥 필터링 및 기타 액세스 제어 기능을 설정한다. 링크 상태를 포함해 기기에 대한 SNMP 모니터링을 설정한다. 네트워크 트래픽 모니터링을 위해 포트 미러링을 구성한다. 네트워크 스위치가 여전히 중요한 이유 오늘날 현대 기업에서 스위치는 여전히 중요한 역할을 담당하고 있다. 더 많은 무선 연결을 가능하게 할 뿐만 아니라 사물 인터넷 기기와 스마트 빌딩을 지원해 더 지속 가능한 운영을 가능하게 한다. 특히 공장에서 센서와 기계를 연결하는 산업용 사물 인터넷 기기가 늘어나면서 이를 기업 네트워크에 연결하는 스위칭 기술이 더 중요해졌다. 최신 스위치에는 네트워크에 연결된 기기에 최대 100W의 전력을 공급할 수 있는 PoE(Power over Ethernet) 기술이 포함되는 추세다. 이를 통해 기업은 보안 카메라, 실외 조명, 무선 액세스 포인트, VoIP 전화는 물론 원격 지역의 온도, 습도, 습도 등을 모니터링할 수 있는 수많은 센서와 같이 별도의 전원 콘센트가 필요하지 않은 곳까지 기기를 설치할 수 있다. IoT 기기에서 수집, 전송되는 데이터를 스위치로 모으고, AI/ML 알고리즘에 적용해 더 스마트한 환경을 만들 수도 있다. 대규모 네트워크에서 스위치는 분석을 위해 트래픽을 오프로드하는 데 자주 사용된다. 트래픽이 LAN으로 이동하기 전에 스위치를 WAN 라우터 앞에 배치할 수 있는데 이는 보안 전문가에게 중요하다. 또한, 포트 미러링은 침입 탐지, 성능 분석 및 방화벽 작업 등을 쉽게 한다. 대부분은 포트 미러링은 침입 탐지 시스템이나 패킷 스니퍼로 전송되기 전에 스위치를 통해 흐르는 데이터의 미러 이미지를 생성한다. 스위치는 디지털 트윈 기술, 네트워크 케이블 통합, SDWAN 환경과 같은 새로운 혁신과 함께 대규모 데이터센터 및 클라우드 환경에서 계속 사용되고 있다. 그러나 가장 기본적인 네트워크 스위치는 복도 건너편에 있든 지구 반대편에 있든 상관없이 기기 A에서 기기 B로 패킷을 빠르고 효율적으로 전송하는 역할이다. 이 과정에서 여러 다른 기기가 패킷 전송에 기여하지만, 스위치는 여전히 네트워킹 아키텍처의 필수적인 부분이다. editor@itworld.co.kr
인터넷 보안은 그 분야 전문가에게도 복잡한 주제이며, 일반 사용자에게는 용어조차도 어려울 수 있다. 물론 모든 전문 용어를 다 알 필요는 없다. 하지만, 기본적인 용어에 대한 어휘력을 갖추면 주요 위협으로부터 자신을 보호할 수 있는 충분한 정보를 확보하는 데 도움이 될 수 있다. 예를 들어 피싱 이메일이 무엇인지 안다면 피싱 이메일에 대한 경각심을 갖고 이런 흔한 위험을 피할 수 있다. 여기서 소개하는 주요 보안 용어는 보안 경고를 이해하고 홈 네트워크와 컴퓨터를 보호하기 위한 적절한 조치를 취하는 데 도움이 될 것이다. 핵심 보안 용어 컴퓨터 시스템과 네트워크는 무단 액세스로부터 사용자와 사용자의 데이터를 보호하기 위해 다양한 기술을 사용한다. 우선, 데이터를 보호하는 방법을 설명하는 가장 일반적인 용어부터 알아보자. 2FA. 이중 인증(TwoFactor Authentication)의 줄임말로, 비밀번호 외에 추가적인 '요소'를 추가해 온라인 계정을 보호하는 방법이다. 문자 메시지 확인 또는 신뢰할 수 있는 앱에서 생성한 코드를 추가 인증 요소로 사용할 수 있다. 만약 이중 인증을 사용할 수 있는 계정이라면, 사용하는 것이 좋다. 인증(Authentication). 일반적으로 비밀번호, 생체 인식 또는 코드 확인을 통해 플랫폼 또는 계정에 대한 승인된 액세스를 확인한다. 생체 인식. 얼굴 형상이나 지문과 같은 사용자의 신체적인 특성을 보안 인증 수단으로 사용하는 것을 말한다. 노트북의 지문 센서와 윈도우 헬로 카메라는 암호보다 더 쉽고 안전하게 로그인할 수 있는 일반적인 생체 인식 보안 기능이다. 인증서 인증(Certificate Authentication). 신뢰할 수 있는 기관에서 디지털 서명한 기록을 사용해 웹사이트, 파일 또는 시스템의 진위 여부를 확인한다. 암호화(Encryption). 미리 정해진 방식으로 정보를 뒤죽박죽으로 만들어 민감한 정보를 모호하게 하거나 숨기는 방법. 하드 드라이브 및 기타 저장 장치를 암호화하면 장치가 악의적인 사람의 손에 넘어갈 경우 데이터를 보호할 수 있으며, 네트워크 연결을 암호화하면 데이터가 네트워크를 통해 이동할 때 제 3자가 가로채지 못하도록 보호한다. 위험 및 악용 관련 용어 해커와 범죄자들이 사용하는 일반적인 위험과 수법에 관한 용어다. 보안 소프트웨어를 구매할 때는 모든 위협 유형으로부터 보호하고 내 정보가 다크 웹에 표시될 때 알려주는 옵션을 선택하기 바란다. 백도어. 공격자가 시스템에 액세스하는 은밀한 방법을 만드는 보안 취약점, 즉 PC에 열려 있는 '뒷문'을 만들어 악용하는 수법이다. 부팅 레코드 바이러스. 흔히 MBR(Master Boot Record) 바이러스라고하며, 컴퓨터 시스템이 부팅될 때 로드되는 하드 드라이브의 일부를 표적으로 삼는 바이러스 형태이다. 운영체제의 보안 기능을 우회하는 데 악용된다. 봇넷. '로봇 네트워크'의 줄임말로, 범죄자가 대상 시스템의 보안 장치나 인프라를 압도하기 위해 대량의 감염된 컴퓨터를 사용하는 것을 말한다. 무차별 대입 공격(Brute Force Attack). 사용자 아이디와 비밀번호 조합을 알아내기 위해 대량의 문자와 숫자 조합을 사용하는 방식이다. 크라임웨어(Crimeware). 사이버 범죄자가 범죄 행위를 수행하기 위해 사용하는 멀웨어이다. 봇넷에 감염된 컴퓨터를 추가하는 트로이 목마 바이러스가 대표적이다. 다크 웹(Dark Web). 특정 소프트웨어를 사용해 트래픽을 익명화하는 인터넷용 섀도우 네트워크의 일종이다. 다크 웹은 종종 도난당한 비밀번호를 포함해 불법 또는 도난당한 데이터를 전송하는 데 사용된다. 다크 웹을 모니터링하는 보안 서비스는 이런 네트워크를 검색해 위협 정보가 발견되면 사용자에게 경고한다. 데이터 마이닝. 대규모 데이터 세트를 사용해 특정 대상에 대한 상관관계를 찾는 것을 말한다. 공격자는 여러 웹사이트나 데이터베이스에서 개인에 대한 데이터 요소를 찾아내 공격을 수행하거나 신원 도용을 저지르기에 충분한 정보를 수집할 수 있다. 서비스 거부 공격. DoS(Denial of Service)라고 부르며, 대상 시스템의 정상적인 작동을 방해하기 위해 의도적으로 과부하 트래픽을 일으키는 공격이다. 봇넷을 이용해 수행하는 경우가 많다. 사전 공격(Dictionary Attcack). 대량의 공통 용어를 사용해 사용자의 비밀번호를 알아내는 자동화된 무차별 암호 대입 공격의 한 형태이댜. 결함 주입(Fault Attack). 결함 주입 공격이라고도 한다. 해커가 정상적인 기능을 우회하기 위해 서버나 웹 브라우저에 의도적으로 잘못된 데이터 패킷을 전송하는 등 시스템의 일부에 오류를 발생시켜 시스템에 액세스하는 데 사용하는 방법이다. 하이재킹(Hijacking). 감염된 컴퓨터나 네트워크 연결을 악의적인 목적으로 사용할 수 있도록 제어권을 획득하는 것을 말한다. IP 스푸핑. 일반적으로 실제 출처를 숨기거나 다른 시스템을 사칭하기 위해 자신의 IP 주소가 아닌 다른 IP 주소에서 온 것처럼 보이도록 신호를 변경하는 방법이다. 미디어 스트리밍처럼 국가별 제한이 있는 서비스를 우회적으로 이용하는 데 사용할 수 있다. 커널 공격. 운영 체제의 핵심 코드(커널이라고 함)를 수정해 정보를 훔치거나 시스템에 대한 제어 액세스 권한을 얻기 위한 채널을 생성하는 보안 악용 방법이다. 멀웨어(Malware). 컴퓨터 시스템에서 악의적인 행위를 수행하는 소프트웨어. 바이러스나 트로이 목마 또는 사용자가 입력하는 내용을 기록하여 비밀번호 및 기타 정보를 수집하는 키로거 등을 통칭하는 용어다. 중간자 공격(ManintheMiddle Attack). 두 시스템 간의 트래픽을 가로채 공격자가 임의로 조작하는 방식의 공격이다. 가로챈 데이터를 훔치거나 다른 목적으로 손상된 정보를 삽입하는 데 사용할 수 있다. 신분 위장 공격(Masquerade Attack). 합법적인 사용자 또는 시스템의 자격 증명을 사칭하거나 이를 사용해 시스템에 액세스하는 방법이다. 비밀번호 크래킹. 사전 공격 등을 통해 작동 중인 비밀번호를 알아내 시스템에 액세스하는 행위. 비밀번호 스니핑. 암호화되지 않은 비밀번호에 대한 네트워크 트래픽을 모니터링하여 사용자 자격 증명을 발견하는 방법이다. 파밍(Pharming). 사용자가 유효한 사이트에 있다고 믿고 로그인 자격 증명이나 기타 식별 정보를 입력할 수 있는 스푸핑된 웹사이트로 트래픽을 리디렉션해 사용자의 데이터를 탈취하는 방법이다. 피싱 공격과 함께 사용되는 경우가 많다. 피싱(Phishing). 이메일이나 문자 메시지를 통해 피해자가 사용자 아이디와 비밀번호와 같은 민감한 데이터를 공개하도록 유인하는 소셜 엔지니어링 공격의 한 형태이다. 피싱 메시지는 일반적으로 은행이나 온라인 쇼핑몰처럼 신뢰할 수 있는 브랜드에서 보낸 것처럼 보이도록 디자인된 콘텐츠와 이미지를 이용한다. 포트 스캔. 공격자가 컴퓨터 시스템의 진입 지점을 발견하기 위해 사용하는 방법이다. 해커는 네트워크 또는 컴퓨터의 포트를 스캔해 사용 가능한 포트, 네트워크 내 컴퓨터에서 실행 중인 서비스 유형, 시스템에 액세스할 수 있는 기타 세부 정보를 파악할 수 있다. 랜섬웨어. 사용자가 시스템을 이용하지 못하게 잠그거나 민감하거나 당황스러운 데이터를 훔쳐내기 위한 멀웨어의 일종으로, 사용자가 액세스 권한을 되찾거나 정보 유출을 막기 위해 돈을 지불하도록 유도하는 것을 목적으로 한다. 세션 하이재킹. 사용자의 세션에서 활성 쿠키 데이터를 복제하는 등 이미 설정된 연결을 제어해 사용자의 온라인 계정에 액세스한다. 일반적으로 웹사이트 연결은 정해진 시간이 지나면 만료되는 세션 내에서 보안이 유지된다. 공격자는 만료되지 않은 세션의 쿠키 사본을 웹사이트에 제시함으로써 사용자를 사칭해 액세스 권한을 얻을 수 있다. 스니핑. 네트워크를 통해 전송되는 트래픽에서 데이터를 탐지하고 수집하는 모든 방법. 무선 네트워크에서 비밀번호를 찾는 데 자주 사용된다. 사회 공학. 인간의 사회적 취약점을 악용해 민감한 정보를 수집하거나 시스템에 액세스하는 데 사용하는 방법을 말한다. 피싱, 전화 사기, 신뢰할 수 있는 사람 사칭 등 다양한 기업이 사용된다. 스푸핑. 제한된 콘텐츠에 액세스하기 위해 컴퓨터의 IP 주소를 수정하거나 방문자를 속이기 위해 피싱 이메일 또는 가짜 웹사이트를 신뢰할 수 있는 브랜드의 소유인 것처럼 보이게 하는 등 시스템이나 계정을 그렇지 않은 것처럼 보이도록 수정하는 모든 기만적인 방법을 말한다. 트로이 목마. 겉보기에 안전한 애플리케이션 내에 숨겨져 있는 멀웨어. 컴퓨터에 악성 코드를 심는 데 이용한다. 바이러스. 스스로 복사본을 생성해 다른 파일과 시스템에 삽입함으로써 확산되는 멀웨어이다. 워초킹/워다이얼링/워드라이빙. 해커가 주변을 운전하며 무선 네트워크를 검색하거나(Wardriving), 걸어 다니며 같은 작업을 수행하고 눈에 띄는 방식으로 표적을 표시하거나(Warchoacking), 모뎀으로 액세스할 수 있는 컴퓨터를 찾기 위해 전화 번호를 자동 다이얼링하는(Wardialing) 방식으로 잠재적인 공격 대상을 발견하고 식별하는 방식이다. 전화를 받았는데 귀에서 모뎀의 치직거리는 소리가 들린다면, 워다이얼링 시도일 수 있다. 네트워킹 보안 용어 가장 단순한 홈 네트워크에도 일반적으로 침입자를 차단하고 데이터를 보호하는 데 도움이 되는 다양한 장치와 기능이 있다. 액세스 제어. 특정 디바이스의 네트워크 참여를 허용하거나 차단하는 라우터의 기능이다. 방화벽. 컴퓨터 또는 네트워크에 대한 액세스를 제한하는 장치 또는 소프트웨어이다. 방화벽을 통해 들어오고 나가는 항목에 대한 권한을 설정할 수 있다. 라우터. 네트워크의 액세스 및 트래픽 흐름을 관리하고, 네트워크 내의 컴퓨터에 주소를 할당하며, 네트워크 내의 시스템 간 연결 흐름을 지시하는 디바이스이다. 홈 라우터는 일반적으로 인터넷 서비스 업체의 모뎀에 연결되며 홈 네트워크 내의 디바이스가 서로 및 인터넷에 연결할 수 있는 중앙 허브 역할을 한다. 대부분의 라우터에는 외부 침입으로부터 네트워크를 보호하는 방화벽 및 액세스 제어 기능이 포함되어 있다. 홈 네트워크를 완벽하게 보호하려면 라우터의 기능을 알아두는 것이 좋다. 인터넷 보안 용어 사용자를 보호하고 온라인에서 데이터가 도난당하는 것을 방지하기 위해 웹사이트와 애플리케이션은 다양한 기술과 기법을 사용한다. 쿠키. 웹사이트 등의 시스템에서 사용자를 식별하고 추적하기 위해 사용하는 데이터 파일로, 종종 해당 사용자와 관련된 구성 정보가 포함되어 있다. 쿠키에는 사용자의 계정에 액세스하는 데 사용할 수 있는 개인 식별 정보 및 세션 데이터가 포함될 수 있다. 웹사이트 로그인을 활성 상태로 두면 세션 쿠키 데이터를 사용해 계정에 다시 액세스할 수 있다. 따라서 웹사이트 이용이 끝나면 의식적으로 로그아웃하면 이렇게 악용되는 것을 방지할 수 있다. HTTPS. 'S'는 안전하지 않은 일반 HTTP와 달리 신뢰할 수 있는 발급자의 서명된 인증서로 보호되는 연결을 나타낸다. 기본적으로 온라인 보안에 관심이 있다면 개인 데이터를 전송하는 모든 웹사이트의 주소가 HTTPS로 시작해야 한다. 인터넷 프로토콜(IP). 인터넷을 통해 컴퓨터를 연결하는 표준 방법으로, 각 시스템에는 IP 주소라고 하는 고유한 숫자 또는 영숫자 주소가 있습니다. IPv4의 경우, 192.168.1.72, Ipv6의 경우 2001:0db8:85a3:0000:0000:8a2e:0370:7334와 같은 주소를 사용한다. 현재 두 버전 모두 사용되고 있다. 일부 사이버 공격은 신뢰할 수 있는 출처에서 온 것처럼 보이도록 IP 주소를 변조한다. SSL(Secure Sockets Layer). 디지털 서명 보안을 사용해 인터넷에서 신뢰할 수 있는 시스템을 식별하는 보안 표준이다. 웹사이트의 신원을 확인하기 위해 HTTPS에서 사용하는 표준이기도 하다. 비즈니스 보안 용어 직장에서 IT 부서는 회사 데이터와 시스템을 안전하게 보호하기 위해 여러 가지 보안 프랙티스를 적용한다. 최소 권한. 보안을 손상시킬 수 있는 의도치 않은 구성 변경을 방지하기 위해 컴퓨터에 대한 관리자 액세스를 보류하는 등, 특정 시스템이나 사용자에게 필수 기능을 수행하는 데 필요한 만큼의 액세스 권한만 부여하는 보안 원칙이다. 기업 IT 환경에서는 이런 이유로 일반 사용자에게는 회사에서 발급한 PC에 대한 기본 액세스 권한만 부여한다. 가정에서도 자녀의 컴퓨터 설정을 제한하는 식으로 적용할 수 있다. VPN(Virtual Private Network). VPN은 인터넷을 통해 여러 대의 컴퓨터를 안전하게 연결하는 수단으로, 내부 네트워크처럼 동작하는 것이 특징이다. 많은 기업이 직원들에게 공개 인터넷이 아닌 VPN을 통해 민감한 시스템에 액세스하도록 요구한다. 가정에서도 VPN을 사용하면 웹 서핑을 할 때 개인 정보 보호 장치를 추가하는 효과를 얻을 수 있다. 기타 중요한 컴퓨터 및 보안 용어 데몬(Daemon). 컴퓨터 시스템에서 자동화된 백그라운드 프로세스로 실행되는 프로그램. 대부분의 데몬은 양성이지만, 많은 멀웨어가 데몬을 추가해 사용자 활동을 모니터링하고 인터넷을 통해 해커의 지시를 기다린다. 암호 해독(Decryption). 일반적으로 보안 인증을 통해 암호화된 데이터 또는 텍스트를 읽을 수 있는 상태로 복원하는 작업이다. 허니팟(Honeypot). 공격자를 유인하고 함정에 빠뜨리기 위해 고의적으로 노출된 시스템으로, 겉보기에는 가치 있는 데이터로 가득 차 있다. 네트워크 관리자와 사법기관이 사이버 범죄자를 잡기 위해 허니팟을 사용하기도 한다. 현재 일부 가정용 보안 방화벽에는 허니팟 기능이 포함되어 있어 액세스 시도를 감지하고 침입자에게 경고를 보낼 수 있다. 평문(Plaintext). 암호화되지 않은 텍스트 콘텐츠. 암호화된 암호 텍스트와 반대되는 개념이다. 비밀번호와 같은 민감한 정보는 어떤 시스템에도 평문으로 저장해서는 안된다. 루트(Root). 맥OS나 리눅스 같은 유닉스 계열 운영체제의 핵심 관리자 또는 수퍼유저 계정이다. 대부분의 최신 유닉스 계열 시스템은 수퍼유저 기능에 대한 무단 액세스를 방지하기 위해 기본적으로 루트 계정을 비활성화한다. 많은 사이버 공격의 목표는 루트 액세스 권한을 얻어 시스템을 완전히 장악하는 것이다. 스팸. 원치 않는 메시지로, 주로 이메일을 통해 전달되지만 문자 메시지와 소셜 미디어에서도 점점 더 흔해지고 있다. 반드시 위험한 것은 아니지만 피싱 공격과 사기가 포함될 수 있다. 제로 데이(Zero Day). 새로운 취약점이 발견된 첫날로, 공격자가 취약점을 인지하고 사용자가 시스템에 방어 패치를 적용하기 전에 취약점을 악용할 수 있기 때문에 가장 취약한 시기로 간주된다. editor@itworld.co.kr
‘뉴 노멀’에서 ‘올드 노멀’로 되돌아가는 데는 그리 오랜 시간이 걸리지 않았다. 외출할 때마다 마스크를 챙기고, 사회적 거리두기를 하던 기억도 이제는 희미하다. 하지만 코로나 19가 쏘아 올린 거시 경제적 위기는 여전했고, 2024년에도 계속될 전망이다. 불확실한 경제 상황, 예측할 수 없는 미래는 기업의 가장 큰 불안 요소이지만, 현재 상황을 분석하고 가능성 있는 미래를 염두에 둔다면 변화에 빠르게 대처할 수 있을 것이다. 2024년 IT 업계에서 가장 주목해야 할 기술은 여전히 AI다. 인터넷에 버금가는 사회/경제적 혁신을 이끌게 될 기술로 주목받는 AI는 2024년 한층 고도화되면서 안정기에 접어들 것으로 예상된다. 이에 따라 AI에 능통한 기업과 그렇지 못한 기업의 지식 격차는 2024년 기업의 생산성과 수익을 판가름할 것으로 보인다. 여기서는 2024년 한해 계획에 참고하면 좋을 만한 AI 관련 2024년 전망을 정리한다. 2024년에도 변화의 중심은 AI 가트너는 오는 2026년까지 생성형 AI 모델이나 API를 사용하는 기업이 80%에 달할 것으로 예상했다. 2023년 초에는 5% 미만이었던 것을 고려하면 폭발적인 성장이다. 이에 따라 AI의 신뢰와 리스크, 보안 관리를 의미하는 AI TRiSM(Artificial Intelligence Trust, Risk, and Security Management)의 필요성도 분명해졌다. 사전 예방적 데이터 보호, AI 전용 보안, 데이터 및 모델 드리프트, 모델 모니터링, 입출력 리스트 제어 등과 같은 AI TRiSM 기능을 적용하는 기업은 오류 및 불법 정보를 최대 80%까지 줄임으로써 보다 정확하게 의사결정할 수 있다. AI 성능에 핵심적인 역할을 하는 AI 반도체 시장도 몸집이 커지고 있다. 딜로이트는 생성형 AI 전용 반도체칩 시장 규모가 2024년 400억 달러(약 51조 9,600억 원) 수준까지 이르렀다가 2027년에는 4,000억 달러(약 519조 원)에 달할 것으로 전망했다. 또한 딜로이트는 기업용 소프트웨어 업체 대부분이 올해를 기점으로 제품과 서비스에 생성형 AI를 추가할 것이며, 생성형 AI를 도입한 SW 업체는 100억 달러(약 13조 원)의 추가 매출을 얻을 수 있다고 분석했다. 실무자의 업무 환경은 어떻게 바뀔까? 우선 중요도가 높지 않은 업무에서는 생성형 AI 사용이 고착화될 것으로 예상된다. 퀄트릭스의 ‘2024년 직원 경험 트렌드’에 따르면, 많은 직원이 자료 작성(63%), 개인 비서 역할(59%), 내부 지원 부서에 연락(50%)과 같이 AI를 직접 제어할 수 있는 업무에서 AI를 활용하는 것을 긍정적으로 생각하고 있었다. 반면 교육, 업무 성과 평가, 채용 및 승진 면접처럼 주관적인 의견이 개입되고 중요도가 높은 업무에 대해서는 선호도가 30%대에 그쳤다. AI는 직원의 업무 방식뿐 아니라 일자리 지형도 바꾸고 있다. 생성형 AI가 창의적인 사고를 성공적으로 수행하는 모습을 입증하면서 2023년에는 더 많은 일자리가 사라질 것에 대한 우려가 있었지만, 한편에서는 프롬프트 엔지니어(Prompt Engineer)처럼 AI가 창출한 새로운 역할도 생겨났다. SAS는 “AI 기술이 고용 시장에 일시적인 혼란을 야기할 수 있지만, 앞으로 경제 성장을 견인할 직무를 창출할 것“이라며, 올해는 이런 신규 일자리가 크게 주목받을 것으로 예상했다. 접근 방식도 달라진다 AI 도입이 필수적인 흐름이라면 2024년에는 비용 효율적인 운영을 고민해야 하는 시기다. 올해부터는 AI에 대한 논의가 이론에서 실제 추론 및 운영 환경으로 전환되면서 투자에 대한 초점 역시 훈련 비용에서 추론/운영 비용으로 이동할 것으로 보인다. 델 테크놀로지스에 따르면, 훈련 비용은 모델의 크기와 데이터 집합 사용에 따라 결정되지만 추론/운영 비용은 트랜잭션 수, 사용자 규모, 데이터 유형, 지속적인 유지보수에 좌우된다. 클라우데라는 비교적 적은 비용과 훈련 데이터로도 LLM 성능을 최적화하는 대표적인 3가지 방법으로 프롬프트 엔지니어링, 검색증강생성(Retrieve Augmented Generation, RAG), 파인 튜닝(Fine Tuning)에 주목했다. 또한 앞으로는 많은 기업이 더 나은 LLM을 만들기 위해 MLOps(Machine Learning Operation)와 데이터 페더레이션 기능 개발에 주력할 것으로 예상했다. AI의 잠재력을 극대화해 경쟁 우위를 확보하기 위한 방법으로 에퀴닉스는 ▲신뢰할 수 있는 출처 ▲전략적인 데이터 수집 ▲적절한 모델 3가지 요소가 필요하다고 강조했다. 또한 지난해에는 생성형 AI가 기업의 데이터를 유출하는 사고가 있었던 만큼 2024년에는 민감 데이터를 위험 요소로부터 효율적으로 보호하는 방법으로 프라이빗 AI 논의가 활발해질 것으로 전망했다. 마케팅 캠페인도 AI로 효과적으로 디지털 마케팅 분야에서도 AI가 핵심 키워드다. 인크로스는 경기 침체로 인해 2024년에는 광고 효율을 극대화할 수 있는 서비스와 기술이 계속해서 주목받을 것이라고 분석했는데, 특히 ‘AI 마케팅’이 크게 발전할 것이라고 전망했다. 실제로 마케팅 업계에서는 현재 AI를 활용해 광고 소재를 제작하고 ML을 통해 캠페인 효율을 최적화하는 추세가 점차 확산하고 있다. 인크로스는 광고 업계 전반에 AI/ML의 영향력이 확대할 것으로 바라봤다. 몰로코의 조사도 인크로스의 전망을 뒷받침한다. 몰로코가 전 세계 모바일 앱 마케터를 대상으로 실시한 조사에 따르면, 퍼포먼스 기반 모바일 마케팅 솔루션을 선택할 때 고려하는 10가지 요소 중 ‘고급 ML 기술’이 37%로 1위를 차지했다. 광고 패러다임 자체가 변화할 것이라는 전망도 있다. 메조미디어는 일방향적인 기존의 광고 방식이 생성형 AI를 통해 이용자와 상호작용하는 방식으로 광고 패러다임이 바뀔 것이며, 이에 따라 2024년에는 많은 마케터가 프롬프트 작성, 디지털 리터러시에 대한 이해, 유해 정보 필터링과 같은 생성형 AI 역량을 개발할 것으로 예상했다. 기회 혹은 위기…AI라는 양날의 검 모든 기술에는 어두운 이면이 있는 법이다. 올해 기업의 보안에 가장 큰 영향을 미칠 요소로 AI가 꼽히는 것도 자연스럽다. 미국보안산업협회(Security Industry Association, SIA)는 2024년 기업 보안에 영향을 미칠 것으로 예상되는 가장 중요한 트렌드로 AI를 선정했다. 구체적으로는 ‘AI 보안’을 가장 중요한 트렌드로 선정했으며, AI가 탑재된 디지털카메라의 비디오 인텔리전스, 생성형 AI, AI 규제가 뒤를 이었다. 매해 연말 보안 위협 전망을 내놓는 보안 업체들도 일제히 AI의 어두운 이면을 지적했다. 이글루코퍼레이션과 SK쉴더스는 피싱 이메일 작성, 악성코드 생성 등 생성형 AI를 악용해 해커가 공격을 더 쉽고 빠르게 수행할 수 있는 환경이 마련되면서 2024년 생성형 AI를 악용한 사이버공격이 증가할 것으로 전망했다. 특히 프루프포인트는 현재 맬웨어 개발자들이 AI를 활용해 더 많은 표적에 접근할 수 있는 첨단 프로그래밍 기법을 만들고 있음을 지적하며, 그 결과 2024년에는 샌드박스나 EDR(Endpoint Detection and Response)과 같은 도구를 피할 수 있는 맬웨어가 크게 확산하며 ‘맬웨어의 각축장’이 벌어질 수 있다고 경고했다. 세상의 모든 IT 리서치 자료, '넘버스' 여기서 소개한 모든 자료는 넘버스(Numbers) 서비스에 등록돼 있다. 넘버스는 IT 전문 미디어 ITWorld가 제공하는 IT 리서치 자료 메타 검색 서비스다. IDC, 가트너, 포레스터 등 주요 시장조사 업체의 자료는 물론 국내외 정부와 IT 기업, 민간 연구소 등이 발표한 기술 관련 최신 자료를 총망라했다. 2024년 1월 현재 1,300여 건의 자료가 등록돼 있으며, 매달 50여 건이 새롭게 올라온다. 등록된 자료는 출처와 토픽, 키워드 등을 기준으로 검색할 수 있고, 관련 기사를 통해 해당 자료의 문맥을 이해할 수 있다. 자료의 원문 제목과 내용을 볼 수 있는 링크, 자료를 발행한 주체와 발행 일자도 함께 확인할 수 있다. mia.kim@foundryco.com
구글의 고(Go) 프로그래밍 언어가 처음 등장했을 때는 이 언어는 호기심 많은 컴퓨터 전문가나 다루던 언어였다. 그러나 이후 10여 년의 시간을 거치면서 세계적으로 중요한 여러 클라우드 네이티브 프로젝트를 움직이는 검증된 프로그래밍 언어로 발전했다. 도커, 쿠버네티스와 같은 중요한 프로젝트에서 개발자가 고를 선택한 이유는 무엇일까? 고의 대표적인 특징은 무엇이고, 다른 프로그래밍 언어와 어떤 면에서 다를까? 고는 어떤 종류의 프로젝트에 가장 적합할까? 여기서는 고의 기능과 최적의 사용 사례는 물론 부족한 기능과 제약을 살펴보고 앞으로의 발전 방향을 예측해 본다. 작고 간소한 고 언어 고, 또는 흔히 말하는 고랭(Golang)은 오랜 유닉스 권위자이자 구글 특별 엔지니어인 롭 파이크를 주축으로 구글 직원이 만든 언어지만 엄밀히 말하면 “구글 프로젝트”는 아니다. 그보다는 언어의 사용 방법과 방향에 대해 명확한 소신이 있는 리더십의 주도로 커뮤니티에서 개발한 오픈소스 프로젝트라고 하는 편이 더 정확하다. 고는 쉽게 배울 수 있고 다루기 편하며 다른 개발자가 읽기 쉬운 언어를 목표로 한다. 고는 특히 C++와 같은 언어와 비교해 기능이 많지는 않다. 구문 측면에서는 C와 비슷하므로 오랜 기간 C를 사용해 온 개발자라면 비교적 쉽게 배울 수 있다. 그러나 고의 여러 기능, 특히 동시성 및 함수형 프로그래밍 기능은 얼랭(Erlang)과 같은 언어와 더 비슷하다. 고는 온갖 종류의 크로스 플랫폼 엔터프라이즈 애플리케이션을 구축하고 유지하기 위한 C와 유사한 언어로, 자바와도 많은 공통점을 갖고 있다. 또한 파이썬과는 유사점보다 차이점이 훨씬 더 크긴 하지만 어디에서나 실행 가능한 코드를 빠르게 개발할 수 있다는 면에서는 마찬가지라고 할 수 있다. 고 설명 문서를 보면, 고를 “동적 형식 지정 인터프리트 언어처럼 느껴지는 빠른 정적 형식 지정 컴파일 언어”라고 설명한다. 규모가 큰 고 프로그램도 컴파일에는 몇 초밖에 걸리지 않는다. 또한 고에서는 C 스타일의 include 파일 및 라이브러리에 따르는 오버헤드를 대부분 피할 수 있다. 고 언어의 강점 고는 여러 가지 면에서 개발자의 일을 편하게 해준다. 강점 1. 편리함 고는 많은 일반적인 프로그래밍 요구를 충족할 수 있다는 점에서 파이썬과 같은 스크립팅 언어와 자주 비교된다. 이런 기능 중에는 동시성과 스레드 동작을 위한 고루틴처럼 언어 자체에 내장된 경우도 있고, 고의 http 패키지와 같이 고 표준 라이브러리 패키지로 제공되는 부가적인 기능도 있다. 고는 파이썬과 마찬가지로 가비지 수집을 포함한 자동 메모리 관리 기능을 제공한다. 고 코드는 파이썬과 같은 스크립팅 언어와 달리 실행 속도가 빠른 네이티브 바이너리로 컴파일된다. 또한 C 또는 C++와 달리 고의 컴파일 속도는 매우 빨라서 고로 작업하다 보면 컴파일 언어보다는 스크립팅 언어에 가깝게 느껴진다. 고 빌드 시스템은 다른 컴파일 언어에 비해 덜 복잡하다. 몇 단계만 거치면 별다른 수고 없이 프로젝트를 빌드하고 실행할 수 있다. 강점 2. 빠른 속도 고 바이너리의 실행 속도는 C 바이너리에 비하면 느리지만 그 차이가 크지는 않아서 대부분의 애플리케이션에서 무시해도 될 정도다. 성능은 대부분의 작업에서 C에 필적하며, 자바스크립트, 파이썬, 루비 등 개발 속도로 유명한 다른 언어와 비교하면 대체로 훨씬 더 빠르다. 강점 3. 이식성 고 툴체인으로 생성된 실행 파일은 기본적인 외부 종속성 없이 독립적으로 작동할 수 있다. 고 툴체인은 다양한 운영체제 및 하드웨어 플랫폼용으로 제공되며, 이러한 툴체인을 사용해 여러 플랫폼에 걸쳐 바이너리를 컴파일할 수 있다. 강점 4. 상호운용성 고는 모든 기능을 기반 시스템에 대한 접근성을 희생하지 않고 제공한다. 고 프로그램은 외부 C 라이브러리와 통신하거나 네이티브 시스템을 호출할 수 있다. 예를 들어 도커에서 고는 저수준 리눅스 함수, 컨트롤 그룹(cgroups) 및 네임스페이스와 상호작용해 컨테이너 동작을 구현한다. 강점 5. 광범위한 지원 고 툴체인은 리눅스, 맥OS 또는 윈도우 바이너리나 도커 컨테이너로 무료로 사용 가능하다. 고는 레드 햇 엔터프라이즈 리눅스, 페도라와 같은 많은 인기 있는 리눅스 배포판에 기본적으로 포함되므로 이러한 플랫폼에 비교적 쉽게 고 소스를 배포할 수 있다. 마이크로소프트 비주얼 스튜디오 코드부터 액티브스테이트(ActiveState)의 코모도(Komodo) IDE에 이르기까지 많은 서드파티 개발 환경도 충실하게 지원한다. 고 언어가 가장 적합한 분야 모든 작업에 적합한 언어는 없지만 다른 언어에 비해 더 많은 작업에서 효과적인 언어는 있다. 고는 다음과 같은 애플리케이션 유형 개발에서 가장 빛을 발한다. 분야 1. 클라우드 네이티브 개발 고의 동시성과 네트워킹 특성, 높은 수준의 이식성은 클라우드 네이티브 앱을 구축하는 데 적합하다. 실제로 고는 도커, 쿠버네티스, 이스티오를 포함한 클라우드 네이티브 컴퓨팅의 여러 초석을 구축하는 데 사용됐다. 분야 2. 분산 네트워크 서비스 네트워크 애플리케이션의 성패는 동시성에 달려 있는데, 고루틴과 채널 등 고의 네이티브 동시성 기능이 이 부분에서 강점이 있다. API, 웹 서버, 웹 애플리케이션을 위한 최소한의 프레임워크 등 네트워킹, 분산 기능 및 클라우드 서비스를 위한 고 프로젝트가 많은 것도 이 때문이다. 분야 3. 유틸리티 및 독립형 툴 고 프로그램은 최소한의 외부 종속성을 가진 바이너리로 컴파일된다. 따라서 시작 시간이 빠르고 즉시 패키징해 재배포할 수 있으므로 유틸리티나 다른 툴을 만드는 데 적합하다. 한 가지 예로 SSH 등에 사용되는 텔레포트(Teleport)라는 액세스 서버가 있다. 텔레포트는 소스에서 컴파일하거나 사전 빌드된 바이너리를 다운로드하는 방법으로 빠르고 쉽게 서버에 배포할 수 있다. 고 언어의 제약 제약 1. 생략된 언어 기능이 많음 지향점이 뚜렷한 고의 기능은 칭찬과 비판을 동시에 받아왔다. 고는 작고 이해하기 쉬운 언어에 중점을 두고 설계됐으므로, 일부 기능은 의도적으로 생략됐다. 그 결과 다른 언어에서는 일반적인 몇 가지 기능을 고에서는 볼 수 없다. 오랜 불만 중 하나는 한 함수가 여러 유형의 변수를 받을 수 있게 해주는 제네릭 함수의 부재였다. 고 개발 팀은 고의 나머지 부분을 보완하는 구문과 동작을 구현해야 한다는 이유로 오랜 시간 동안 제네릭 추가에 반대 입장을 고수했다. 그러나 2022년 초에 출시된 고 1.18부터는 제네릭을 위한 구문이 포함됐다. 여기서 알 수 있는 점은 고는 여러 버전 간에 폭넓은 호환성을 보존한다는 이유로 중대한 기능을 추가하는 일이 거의 없고, 추가할 때도 많은 고민을 거친다는 것이다. 제약 2. 바이너리 크기가 클 수 있음 고의 또 다른 잠재적인 단점은 생성된 바이너리의 크기다. 기본적으로 고 바이너리는 정적으로 컴파일된다. 즉, 런타임에 필요한 모든 요소가 바이너리 이미지에 포함된다. 이 방식은 빌드 및 배포 프로세스를 간단하게 해주지만 그 대가로 “Hello, world!”를 출력하는 바이너리의 크기가 64비트 윈도우 기준 약 1.5MB에 이른다. 고 팀은 각 릴리스마다 바이너리의 크기를 줄이기 위한 작업을 해오고 있다. 또한 압축이나 디버그 정보를 제거하는 방법으로 고 바이너리 크기를 줄이는 것도 가능하다. 후자의 방법은 서비스가 실패할 경우 디버그 정보를 유용하게 사용할 수 있는 클라우드 또는 네트워크 서비스보다는 독립형 분산 앱에서 더 적합하다. 제약 3. 가비지 수집에서 많은 리소스 소비 고가 자랑하는 기능인 자동 메모리 관리는 단점이 되기도 한다. 가비지 수집을 위해 얼마간의 처리 오버헤드가 필요하기 때문이다. 고는 설계상 수동 메모리 관리 기능을 제공하지 않으며, 고의 가비지 수집은 엔터프라이즈 애플리케이션에서 발생하는 메모리 부하에 잘 대응하지 못한다는 비판을 받아왔다. 그래도 새 버전이 나올 때마다 메모리 관리 기능이 개선되고 있다. 예를 들어 고 1.8에서는 가비지 수집의 지연 시간이 크게 줄어들었다. 고 개발자는 C 확장에서 수동 메모리 할당을 사용하거나 서드파티 수동 메모리 관리 라이브러리를 사용할 수 있지만, 대부분의 고 개발자는 이러한 문제에 대해 네이티브 솔루션을 선호한다. 제약 4. GUI 구축을 위한 표준 툴킷의 부재 데스크톱 애플리케이션의 GUI와 같이 고 애플리케이션을 위한 풍부한 GUI를 구축하는 소프트웨어 문화는 여전히 빈약하다. 대신 대부분의 고 애플리케이션은 명령줄 툴 또는 네트워크 서비스다. 다만 고 애플리케이션에 GUI를 제공하기 위한 다양한 프로젝트가 진행 중이다. 대표적인 것이 GTK 및 GTK3 프레임워크를 위한 바인딩이다. C 바인딩에 의존하며 순수 고로 작성되지 않았지만 플랫폼 네이티브 UI를 제공하는 프로젝트도 있다. 윈도우 사용자라면 워크(walk)를 사용해볼 수 있다. 그러나 아직은 확고한 승자나 장기적인 관점에서 안전한 방법이 없다. 크로스 플랫폼 GUI 라이브러리를 구축하고자 했던 구글 프로젝트를 포함한 몇몇 프로젝트도 성과 없이 끝났다. 또한 고는 설계상 플랫폼 독립적이므로 이와 같은 프로젝트가 표준 패키지 모음의 일부가 될 가능성은 낮다. 마지막으로, 고는 네이티브 시스템 함수와 통신할 수 있지만 커널 또는 디바이스 드라이버, 임베디드 시스템과 같은 저수준 시스템 구성요소를 개발하기 위한 용도로는 적합하지 않다. 결국 고 런타임과 고 애플리케이션을 위한 가비지 수집기는 기반 운영체제에 의존한다. 이런 작업에 적합한 최신 언어에 관심이 있다면 러스트 언어를 추천한다. 고 언어의 미래 고 개발진은 고집을 부리기보다는 고 개발자 기반을 더욱 포용하는 방향으로 언어의 방향을 바꾸고 있으며, 그에 따라 앞으로는 이 개발자층의 희망 및 요구사항을 더 반영하며 개발될 것이다. 이 같은 변화의 대표적인 예가 최선의 방법에 대한 오랜 숙고 끝에 추가된 제네릭이다. 2021년 고 개발자 설문에서 고 개발자들은 고 언어가 제공하는 기능에 전반적으로 만족한다고 답했지만 개선해야 할 부분도 많다고 지적했다. 고 사용자들이 주로 개선을 원하는 분야는 종속성 관리(고 언어의 오랜 숙제), 버그 진단, 안정성이며, 그에 비해 메모리, CPU 사용률, 바이너리 크기, 빌드 시간 등의 순위는 훨씬 낮았다. 대부분의 언어는 핵심 사용 사례에 중점을 둔다. 고는 처음 등장하고 10년 동안 네트워크 서비스 틈새를 파고들었으며 이 영역에서 계속 확장해 나갈 가능성이 높다. 설문에서 확인된 고 언어의 주 사용 사례는 API 또는 RPC 서비스 생성(49%), 데이터 처리(10%), 웹 서비스(10%), CLI 애플리케이션(8%) 순이었다. 고 언어의 매력이 높아지고 있음을 보여주는 또 다른 신호는 언어 평가 후 실제로 도입하는 개발자의 수다. 프로젝트에 고 사용을 고려 중이라고 답한 설문 응답자 중 75%는 고를 선택했다. 고를 선택하지 않은 개발자가 선택한 주요 대안은 러스트(25%), 파이썬(17%), 자바(12%)였다. 이들 각 언어는 다른 틈새 시장을 발견했거나 지금 찾고 있다. 러스트의 경우 안전하고 빠른 시스템 프로그래밍, 파이썬은 프로토타이핑과 자동화 및 글루 코드, 자바는 전통적인 엔터프라이즈 애플리케이션이다. 고의 속도와 간편한 개발이 다른 사용 사례로 얼마나 확산될지, 또는 고가 엔터프라이즈 개발 분야에 얼마나 깊이 침투하게 될지는 아직 알 수 없다. 그러나 주요 프로그래밍 언어로서 고의 미래는 이미 보장돼 있다. 특히 고의 속도와 단순함은 가장 큰 미덕이다. 장기적인 유지 관리가 가능한 확장성 있는 인프라를 더 쉽게 개발할 수 있는 기반이 되는 클라우드에서고 언어의 미래는 확실하다. editor@itworld.co.kr
GPT, 바드, 라마 2 같은 대규모 언어 모델(LLM)은 대중의 상상력을 자극하고 다양한 반응을 끌어냈다. LLM에 대한 열기의 이면을 살펴보면서 대규모 언어 모델의 기원, 이러한 모델이 어떻게 구축 및 학습되는지를 살펴본다. 또한, 어떤 범위에서 효과적인지 검토하고, 가장 많이 사용되는 LLM에 대해 알아보자. 대규모 언어 모델이란? 언어 모델의 시초는 20세기 초까지 거슬러 올라가지만 대규모 언어 모델이 본격적으로 부상한 시점은 신경망이 도입된 이후다. 특히 2017년에 등장한 트랜스포머(Transformer) 심층 신경망 아키텍처는 언어 모델에서 LLM으로의 진화에 큰 역할을 했다. 대규모 언어 모델은 설명 프롬프트를 기반으로 한 텍스트 생성, 코드 생성 및 코드 완성, 텍스트 요약, 언어 간 번역, 텍스트투스피치 및 스피치투텍스트 애플리케이션을 포함한 다양한 작업에 유용하다. 한편, 적어도 현재 개발 단계에서의 LLM에는 단점도 있다. 생성된 텍스트의 품질이 그다지 좋은 편이 아니며, 형편없는 경우도 종종 발생한다. LLM은 없는 사실을 만들어 내기도 하는데 이를 환각(hallucination)이라고 한다. 답을 구하는 사용자에게 관련 지식이 없다면 환각은 상당히 그럴듯하게 들릴 것이다. 언어 번역의 경우, 네이티브 스피커의 검수를 받지 않은 문장은 100% 정확한 경우가 거의 없지만, 검수는 일반적으로 상용구에 한해서만 이뤄진다. 생성된 코드에는 버그가 흔하고, 아예 실행되지 않는 경우도 있다. 대체로 LLM은 논란의 여지가 있는 언급을 하거나 불법적인 행동을 추천하는 일이 없도록 미세한 조정을 거치지만 악의적인 프롬프트를 사용하면 안전 장치를 무력화할 수도 있다. 대규모 언어 모델을 학습시키기 위해서는 대규모 텍스트 말뭉치(corpus)가 하나 이상 필요하다. 학습 예제에는 1B 워드 벤치마크(1B Word Benchmark), 위키피디아, 토론토 북 코퍼스(Toronto Books Corpus), 커먼 크롤(Common Crawl) 데이터 집합, 그리고 공개 오픈소스인 깃허브 리포지토리 등이 포함된다. 대규모 텍스트 데이터 집합에는 저작권 침해와 쓰레기라는 두 가지 문제점이 있다. 저작권 침해의 경우 현재 여러 관련 소송이 진행 중이다. 쓰레기는 최소한 청소는 가능하다. 쓰레기 청소가 된 데이터 집합의 예로, 커먼 크롤 데이터 집합을 기반으로 한 800GB 용량의 데이터 집합인 콜로설 클린 크롤드 코퍼스(Colossal Clean Crawled Corpus: C4)가 있다. 대규모 언어 모델은 딥러닝 신경망, 대규모 학습 말뭉치를 사용하며, 신경망을 위한 수백만 개 이상의 매개변수 또는 가중치를 필요로 한다는 면에서 전통적인 언어 모델과 다르다. 하나 이상의 대용량 학습 말뭉치와 함께 LLM에는 많은 수의 매개변수, 즉 가중치가 필요하다. 매개변수의 수는 지금까지 매년 증가했다. 엘모(ELMo, 2018)의 매개변수 수는 9,360만 개이며 버트(BERT, 2018)는 1억 1,700만 개, T5(2020)는 2억 2,000만 개다. GPT2(2019)의 경우 16억 개, GPT3(2020)는 1,750억 개, 팜(PaLM, 2022)은 5,400억 개이며 GPT4(2023)의 매개변수는 1조 7,600억 개에 이른다. 매개변수가 많을수록 모델의 정확도는 높아지지만 그만큼 더 많은 메모리가 필요하고 실행 속도가 느려진다. 2023년에는 비교적 작은 모델들이 여러 가지 크기로 출시되기 시작했다. 예를 들어 라마 2(Llama 2)는 70억 개, 130억 개, 700억 개 버전으로 제공되며 클로드 2(Claude 2)는 930억 개와 1,370억 개의 매개변수 크기로 제공된다. 텍스트를 생성하는 AI 모델의 역사 언어 모델의 시초는 1913년에 시에 수학을 적용한 안드레이 마코프다. 마코프는 푸시킨의 유게니 오네긴에서 한 문자가 나타날 확률은 이전 단어에 따라 달라지며, 일반적으로 자음과 모음이 번갈아 나타나는 경향이 있음을 밝혀냈다. 현재 마코프 체인은 각 이벤트의 확률이 이전 이벤트의 상태에 따라 달라지는 이벤트 시퀀스를 설명하는 데 사용된다. 마코프의 연구는 1948년 클로드 섀넌의 통신 이론에서 확장됐고, 이후 IBM의 프레드 젤리넥과 로버트 머서가 1985년에 교차 검증 기반의 언어 모델을 만들어 실시간 대규모 어휘 음성 인식에 적용하면서 다시 한번 확장됐다. 기본적으로 통계적 언어 모델은 단어의 시퀀스에 확률을 할당한다. 언어 모델의 실제 작동을 간단히 보려면 구글 검색 또는 휴대폰에서 자동 완성을 켠 상태로 문자 메시지 앱에 단어를 몇 개 입력해보면 된다. 2000년에 요슈아 벤지오와 공동 저자들은 통계적 언어 모델의 확률을 신경망으로 대체하여 차원의 저주를 회피하고 당시 최첨단 기술이었던 평탄화 트라이그램(smoothed trigram) 모델에 비해 단어 예측을 20%~35% 개선하는 신경 확률 언어 모델을 다룬 논문을 발표했다. 피드 포워드 자동 회귀 신경망 언어 모델 개념은 지금도 여전히 사용되지만, 현재의 모델은 매개변수 수가 수십억 개에 이르고 광범위한 말뭉치로 학습되며, 그래서 ‘대규모 언어 모델’이라는 명칭으로 불린다. 언어 모델이 성능 개선을 목표로 발전하면서 시간이 갈수록 크기도 커졌다. 그러나 이 같은 크기 증가에는 단점도 있다. 2021년에 발표된 논문 ‘확률적 앵무새의 위험에 대해: 언어 모델의 크기에는 한계가 없는가?’는 언어 모델은 클수록 좋다고 생각하는 경향에 대해 의문을 제기한다. 논문 저자는 웹의 모든 것을 수집하지 말고 환경적, 재정적 비용을 먼저 고려해서 데이터 집합을 선별 및 문서화하는 데 투자할 것을 제안한다. 언어 모델과 LLM에 대한 이해 현재의 언어 모델은 다양한 작업과 목표가 있고 형태도 다양하다. 예를 들어 언어 모델은 문서에서 다음 단어를 예측하는 작업 외에 새로운 텍스트를 생성하고 텍스트를 분류하고 질문에 답하고 감정을 분석하고 명명된 개체를 인식하고 음성을 인식하고 이미지의 텍스트를 인식하고 손글씨를 인식할 수 있다. 일반적으로 중소 규모의 보충 학습 집합을 사용하여 실시되는 특정 작업을 위한 언어 모델 맞춤 설정을 미세 조정(finetuning)이라고 한다. 언어 모델에 들어가는 중간 작업의 예를 들면 다음과 같다. 학습 말뭉치를 문장으로 세분화 단어 토큰화 어간 추출 표제어 추출(어근 단어로 변환) POS(Part Of Speech) 태깅 정지단어 식별 및 제거(경우에 따라) 명명된 객체 인식(NER) 텍스트 분류 청킹(Chunking, 문장을 유의미한 구로 분할) 상호참조 해결(텍스트의 동일한 개체를 가리키는 모든 표현 찾기) 이 중에서 일부는 텍스트 분류와 같이 자체적인 작업 또는 애플리케이션으로도 유용하다. 대규모 언어 모델은 딥러닝 신경망과 대규모 학습 말뭉치를 사용하며, 신경망을 위한 수백만 개 이상의 매개변수 또는 가중치를 필요로 한다는 면에서 기존 언어 모델과 다르다. LLM 학습은 지정된 작업에 대한 모델의 오류를 가능한 가장 낮게 하기 위한 가중치 최적화의 문제다. 예를 들어 보통 자기 지도 방식으로 말뭉치의 임의의 지점에서 다음 단어를 예측하는 작업이 있다. 가장 인기 있는 LLM 최근 대규모 언어 모델의 폭발적인 성장을 촉발한 것은 2017년 발표된 “필요한 것은 주의 집중(Attention is All You Need)”이라는 논문이다. 이 논문은 “순환과 컨볼루션을 완전히 배제하고 오로지 주의 집중 메커니즘에만 기반을 둔 새롭고 단순한 신경망 아키텍처”로 트랜스포머를 소개했다. 오늘날 가장 많이 사용되는 대규모 언어 모델 중 몇 가지를 소개하면 다음과 같다. 엘모(ELMo) 엘모는 2018년에 나온 앨런NLP(AllenNLP)의 심층 맥락화 단어 표현 LLM으로, 단어 사용의 복잡한 특징, 그리고 언어적 맥락에 따라 그 단어 사용이 어떻게 달라지는지를 모델링한다. 원본 모델은 9,360만 개의 매개변수를 사용하며 1B 워드 벤치마크로 학습됐다. 버트(BERT) 버트는 구글 AI가 자사 트랜스포머 신경망 아키텍처를 기반으로 2018년에 출시한 언어 모델이다. 버트는 모든 레이어에서 왼쪽과 오른쪽의 맥락에 대한 공동 조건화를 통해 레이블 없는 텍스트로부터 심층 양방향 표현을 사전 학습하도록 설계됐다. 초기에 사용된 두 모델의 크기는 각각 매개변수 1억 개와 3억 4,000만 개였다. 버트는 토큰의 최대 15%가 “손상되는” 마스킹된 언어 모델링(MLM)을 학습에 사용한다. 영어 위키피디아와 토론토 북 코퍼스를 사용해 학습됐다. T5 구글의 2020년 텍스트투텍스트 트랜스퍼 트랜스포머(T5) 모델은 GPT, ULMFiT, 엘모, 버트 및 후속 모델에 적용된 최고의 전이 학습 기법을 기반으로 새로운 모델을 합성한다. 오픈소스 콜로설 클린 크롤드 코퍼스(C4)를 사전 학습 데이터 집합으로 사용한다. 영어용 표준 C4는 원본 커먼 크롤 데이터 집합을 기반으로 한 800GB 데이터 집합이다. T5는 모든 NLP 작업을 통합 텍스트투텍스트 형식으로 재구성한다. 클래스 레이블 또는 입력의 범위만 출력할 수 있는 버트 스타일 모델과 달리, 이 형식에서는 입력과 출력이 항상 텍스트 문자열이다. 기본 T5 모델에는 총 2억 2,000만 개의 매개변수가 사용된다. GPT 제품군 AI 연구 및 배포 기업인 오픈AI(OpenAI)의 사명은 “인공 일반 지능(AGI)이 모든 인류에 혜택이 되도록 하는 것”이다. 물론 AGI에는 아직 도달하지 못했고, 머신러닝의 개척자인 메타FAIR의 얀 르쿤 등 일부 AI 연구자는 AGI에 대한 오픈AI의 현재 접근 방식에는 답이 없다고 생각하기도 한다. 오픈AI는 GPT 언어 모델 제품군을 갖추고 있다. GPT 제품군 전체와 2018년 이후의 발전 과정을 간략하게 살펴보자. (참고로 GPT 제품군 전체는 구글의 트랜스포머 신경망 아키텍처를 기반으로 한다. 구글이 트랜스포머를 오픈소스로 공개했으므로 이는 합법적이다.) GPT(생성형 사전 학습 트랜스포머)는 오픈AI가 2018년에 출시한 모델로, 약 1억 1,700만 개의 매개변수를 사용한다. GPT는 토론토 북 코퍼스를 사용해 사전 학습된 단방향 트랜스포머이며 인과적 언어 모델링(CLM) 목표에 따라, 즉 시퀀스의 다음 토큰을 예측하도록 학습됐다. GPT2는 2019년에 출시된 GPT 확장 모델로, 매개변수는 15억 개이며 최대 40GB의 텍스트 데이터를 포함한 800만 개의 웹페이지 데이터 집합을 사용해 학습됐다. 오픈AI는 GPT2가 “너무 뛰어나고” “가짜 뉴스”로 이어질 수 있다는 이유에서 원래는 GPT2에 대한 접근을 제한했다. 이 조치는 나중에 철회됐지만, GPT3가 출시되면서 사회적 문제가 생길 가능성이 더 커졌다. GPT3는 2020년에 나온 자동 회귀 언어 모델로, 1,750억 개의 매개변수를 사용하며 필터링된 버전의 커먼 크롤과 웹텍스트2(WebText2), 북1(Books1), 북2(Books2), 영어 위키피디아의 조합으로 학습됐다. GPT3에 사용된 신경망은 GPT2와 비슷하지만 몇 개의 추가 블록이 있다. GPT3의 가장 큰 단점은 환각, 즉 명확한 근거 없이 사실을 지어내는 경향이다. GPT3.5와 GPT4에도 정도는 덜하지만 같은 문제가 있다. 코덱스(CODEX)는 2021년 GPT3에서 파생된 모델로 코드 생성을 위해 5,400만 개의 오픈소스 깃허브 리포지토리로 미세 조정됐다. 깃허브 코파일럿(Copilot)에 사용되는 모델이다. GPT3.5는 GPT3와 코덱스의 2022년 업데이트 집합이다. gpt3.5turbo 모델은 채팅에 최적화됐지만 기존의 완성 작업에서도 잘 작동한다. GPT4는 오픈AI의 주장으로는 일부 전문 및 학술 벤치마크에서 인간 수준의 성능을 발휘하는 2023년 대규모 멀티모달 모델(이미지와 텍스트 입력을 받아서 텍스트 출력을 생성)이다. GPT4는 미국 변호사 시험, LSAT, GRE 및 여러 AP 주제 시험을 포함한 다양한 시뮬레이션 시험에서 GPT3.5를 앞섰다. 참고로 시간이 지나면서 GPT3.5와 GPT4의 성능도 바뀌었다. 2023년 7월 스탠포드 대학 논문에 따르면 2023년 3월부터 2023년 6월 사이에 소수 식별을 포함한 여러 작업에서 모델의 동작이 크게 바뀌었다. GPT4 모델의 편향성에 대한 우려 GPT4의 학습 방법을 오픈AI가 설명하지 않은 것은 심각한 우려 사항이다. 오픈AI 측이 내세우는 이유는 경쟁이다. 마이크로소프트(현재까지 오픈AI에 130억 달러의 자금을 투자함)와 구글 간의 경쟁을 감안하면 어느 정도 납득은 되는 이유다. 그러나 학습 말뭉치의 편향성에 대해 알지 못한다는 것은 모델의 편향성에 대해 알지 못한다는 것을 의미한다. 에밀리 벤더는 2023년 3월 16일 마스토돈에 게시한 GPT4에 대한 글에서 “#오픈AI가 학습 데이터, 모델 아키텍처 등에 대한 정보를 *공개*하기 전까지 GPT4는 독성 쓰레기로 간주해야 한다”라고 말했다. 챗GPT와 빙GPT는 원래 gpt3.5turbo 기반의 챗봇이었지만 2023년 3월에 GPT4를 사용하도록 업그레이드됐다. 현재 GPT4 기반의 챗봇 버전에 액세스하려면 챗GPT 플러스에 가입해야 한다. GPT3.5 기반의 표준 챗GPT는 2021년 9월까지의 데이터로만 학습됐다. 빙GPT는 “더 뉴 빙”이라고도 하며, 마이크로소프트 엣지 브라우저에서 액세스할 수 있다. 마찬가지로 2021년까지의 데이터로 학습됐다. 이에 대해 빙GPT에 직접 물어보면 지속적으로 학습하면서 웹의 새로운 정보로 지식을 업데이트하고 있다고 주장한다. 홍콩 과학기술대학교 인공 지능 연구 센터의 파스칼 펑 교수는 2023년 3월 초에 챗GPT 평가에 대해 강연했는데, 시간을 투자해서 볼 만한 가치가 충분한 강연이다. 람다(LaMDA) 구글이 2021년에 발표한 “획기적인” 대화 기술인 람다(대화 애플리케이션을 위한 언어 모델)는 트랜스포머 기반 언어 모델로, 대화를 통해 학습되며 응답의 분별력과 구체성을 대폭 개선하도록 미세 조정됐다. 람다의 강점은 사람의 대화에서 흔히 발생하는 주제 표류에 대처할 수 있다는 것이다. 팜(PaLM) 팜(패스웨이 언어 모델)은 구글 리서치가 2022년에 발표한 고밀도 디코더 전용 트랜스포머 모델로 매개변수 수는 5,400억 개이며 패스웨이(Pathways) 시스템을 사용해 학습됐다. 팜은 고품질의 웹 문서와 서적, 위키피디아, 대화, 깃허브 코드를 포함한 여러 영어 및 다국어 데이터 집합의 조합을 사용해 학습됐다. 또한 구글은 모든 공백(특히 코드에 중요)을 보존하고, 어휘 목록에서 벗어난 유니코드 문자를 바이트로 분할하고, 숫자를 각 자릿수당 하나의 개별 토큰으로 분할하는 “무손실” 어휘 목록도 만들었다. 팜코더(PaLMCoder)는 파이썬 전용 데이터 집합으로 미세 조정된 팜 540B 버전이다. 팜E(PaLME) 팜E는 구글이 로봇공학용으로 2023년에 구체화한 멀티모달 언어 모델이다. 연구진은 팜을 가져와서 로봇 에이전트의 센서 데이터로 보완하여 “구체화(팜E의 ‘E’는 구체화를 의미)”했다. 또한 팜E는 팜 외에 ViT 22B 비전 모델도 채택했으므로 일반적인 기능의 비전 및 언어 모델이기도 하다. 바드(Bard) 바드는 구글이 2023년 출시한 람다 기반의 구글 대화형 AI 서비스다. 2023년 3월 21일에 출시된 후 2023년 5월 10일에 일반에 공개됐다. 바드는 출시 이후 여러 번 업데이트됐다. 2023년 4월에는 20개의 프로그래밍 언어로 코드를 생성하는 기능이 추가됐고, 2023년 7월에는 40가지 인간 언어 입력에 대한 지원과 함께 구글 렌즈가 통합되고 40개 이상의 언어를 사용한 텍스트투스피치 기능이 추가됐다. 라마(LLaMA) 라마(대규모 언어 모델 메타 AI)는 650억 매개변수를 사용하는 “원시” 대규모 언어 모델로, 메타 AI(전 메타FAIR)가 2023년 2월에 출시했다. 라마에 대한 메타의 설명은 다음과 같다. 대규모 언어 모델 분야에서는 라마와 같은 비교적 작은 기반 모델을 학습시키는 것이 바람직하다. 훨씬 더 적은 컴퓨팅 성능과 리소스만으로 새 접근 방식을 테스트하고 다른 사람들의 작업을 검증하고 새로운 사용 사례를 탐색할 수 있기 때문이다. 기반 모델은 레이블 없는 대량의 데이터 집합으로 학습되므로 다양한 작업을 위한 미세 조정에 이상적이다. 라마는 여러 크기로 출시됐으며 어떻게 구축되었는지에 대한 자세한 내용이 담긴 모델 카드가 제공된다. 메타 AI의 얀 르쿤에 따르면 원래는 체크포인트와 토크나이저를 요청해야 했지만, 정식으로 요청을 제출해서 모델을 받은 누군가가 4채널 사이트에 다운로드 가능한 토렌트를 게시한 덕분에 지금은 쉽게 구할 수 있다. 라마 2(Llama 2) 라마 2는 차세대 메타 AI 대규모 언어 모델로, 2023년 1월부터 7월 사이에 라마 1에 비해 40% 더 많은 데이터로 학습됐으며(공개적으로 사용 가능한 소스에서 2조 개의 토큰 사용), 컨텍스트 길이는 2배 더 긴 4096이다. 라마 2는 매개변수 70억 개, 130억 개, 700억 개의 여러 크기로 제공되고 사전 학습 및 미세 조정된 변형도 있다. 메타 AI는 라마 2가 오픈소스라고 주장하지만 허용되는 사용에 대한 제약이 포함됐다는 이유로 이 주장에 동의하지 않는 사람들도 있다. 커뮤니티 라이선스 외에 상용 라이선스도 제공된다. 라마 2는 최적화된 트랜스포머 아키텍처를 사용하는 자동 회귀 언어 모델이다. 조정된 버전은 지도 미세 조정(SFT)과 인간 피드백을 통한 강화 학습(RLHF)을 사용해서 유용성과 안전성에 대한 인간의 선호도에 맞게 조정된다. 라마 2는 현재 영어 전용이다. 모델 카드에는 벤치마크 결과와 탄소 발자국 통계가 포함돼 있다. 연구 논문 ‘라마 2: 개방형 기반과 미세 조정된 채팅 모델’에서 더 자세한 내용을 볼 수 있다. 클로드 2(Claude 2) 2023년 7월에 출시된 앤트로픽(Anthropic)의 클로드 2는 단일 프롬프트에서 최대 10만 개의 토큰(약 7만 단어)을 수락하며, 수천 토큰의 스토리를 생성할 수 있다. 클로드는 구조적 데이터를 편집, 재작성, 요약, 분류, 추출할 수 있으며 내용을 기반으로 한 Q&A와 그 외의 다양한 작업이 가능하다. 대부분의 학습은 영어로 이뤄졌지만 다른 여러 일반적인 언어에서도 잘 작동하며, 일반적이지 않은 언어로도 어느 정도의 커뮤니케이션이 가능하다. 프로그래밍 언어에 대한 지식도 방대하다. 클로드는 유용하고 정직하고 무해한(Helpful, Honest, Harmless, HHH) 모델로 학습됐으며 무해함을 강화하고 프롬프트를 통해 공격적이거나 위험한 출력을 생성하기가 더 어렵게 하기 위한 광범위한 레드 팀 과정을 거쳤다. 사용자의 개인 데이터를 학습에 사용하거나 인터넷에서 답을 참조하지 않지만, 사용자가 직접 클로드에 인터넷의 텍스트를 제공해서 그 내용으로 작업을 수행하도록 요청할 수는 있다. 클로드는 미국 및 영국 사용자에게 무료 베타 버전으로 제공되며, 생성형 AI 플랫폼인 재스퍼(Jasper), 코드 AI 플랫폼인 소스그래프 코디(Sourcegraph Cody), 아마존 베드록(Amazon Bedrock)과 같은 상업적 협력업체 채택됐다. 결론 살펴본 바와 같이 대규모 언어 모델은 여러 기업에서 활발하게 개발되는 중이며 오픈AI와 구글 AI, 메타 AI, 앤트로픽에서 거의 매달 새로운 버전이 나오고 있다. 이러한 LLM 중에서 진정한 인공 일반 지능(AGI)을 달성한 모델은 없지만 새 모델이 나올 때마다 대체로 지난 모델에 비해 개선되는 중이다. 다만 대부분의 LLM에서 환각을 비롯한 비정상적인 현상이 자주 발생하며, 경우에 따라 사용자 프롬프트에 대해 부정확하고 편향되거나 불쾌한 응답을 생산하기도 한다. 결국 출력이 정확함을 검증할 수 있는 경우에 한해서만 LLM을 사용해야 한다. editor@itworld.co.kr
누구나 널리 알려진 좋은 소프트웨어를 사용하고 싶지만, 사실 전문가용 프로그램은 개인이 구매하기에 너무 비싸다. 이럴 때는 실행 파일은 물론 소스 코드까지 다운로드할 수 있는 오픈소스 소프트웨어라는 대안이 있다. 무료 소프트웨어여서 그 품질과 기능에 의심이 들겠지만 걱정할 필요가 없다. 많은 오픈소스 소프트웨어가 전문가용 제품 못지않은 품질과 기능을 제공한다. 오피스부터 미디어 편집, 파일 관리 및 백업까지 분야별 최고의 오픈소스 애플리케이션을 모았다. 생산성 : 오피스, PDF 및 컨퍼런스 툴 컴퓨터에서 매일 하는 작업을 꼽으라면 무엇보다 문서 편집이다. 리브레오피스(LibreOffice)는 텍스트, 스프레드시트, 프레젠테이션을 작성하는 종합 오피스 패키지로, 2000년에 소스코드가 공개된 오픈 오피스(Open Office)에서 파생됐다. 오픈 오피스 프로젝트는 현재 아파치 오픈 오피스라는 이름으로 지속되고 있다. 리브레오피스의 빠른 업데이트 주기는 아파치 오픈 오피스보다 유리한 점이다. 최신 7.5 버전에서는 라이터(Writer)의 텍스트 문서 편집 기능이 개선돼 머리글의 서식이 향상됐고 표 삽입이 쉬워졌다. 컬러 북마크를 사용해 섹션을 더 쉽게 탐색하고 찾을 수 있다. 스프레드시트인 칼크(Calc)에서는 확장된 수식 보조 기능과 다이어그램을 위한 새로운 함수가 눈에 띈다. 드로우(Draw)와 임프레스(Impress)는 표를 더 쉽게 디자인할 수 있게 바뀌었고, EMF 그래픽을 더 빠르게 가져올 수 있다. 어두운 색의 사용자 인터페이스가 표시되는 다크 모드도 지원된다. 한편 여러 기기 간 문서 교환에 유용한 것이 바로 PDF 포맷이다. PDF 파일로 문서를 만들면 다른 운영체제와 모바일 앱에서도 문서가 깨지지 않고 똑같이 표시된다. 마킹, 메모와 같은 부가 기능을 사용해 신속하게 메모 또는 변경 요청을 문서화할 수 있고, 그룹 작업도 가능하다. 보통 많은 사람이 PDF 파일을 다루기 위해 무료 어도비 아크로벳 리더를 사용하지만, PDF 파일을 빠르게 보는 용도로는 오픈소스 프로그램인 수마트라 PDF(Sumatra PDF)가 있다. 구글 번역 및 딥엘(DeepL)을 통한 번역으로 연결되는 링크, 주석을 사용한 마커 삽입 등의 기능을 제공한다. 협업 툴도 살펴보자. 팀의 협업 형태는 코로나 시기를 거치면서 크게 변했다. 온라인 비디오 컨퍼런스가 이제 보편적으로 사용된다. 화상회의는 회의실이 불필요하고 출장을 갈 필요도 없으며 이동 중에도 참여할 수 있는 장점이 있다. 협업 툴에는 줌 또는 마이크로소프트 팀즈가 유명하지만, 오픈소스 대안으로 오픈 토크(Open Talk)가 있다. 오픈 토크 시스템은 클라우드에서 작동하며 웹사이트를 통해 바로 사용할 수 있다. 전화 걸기, 화면 공유, 투표, 회의 녹화 등 상용 경쟁 툴과 비슷한 기능을 제공한다. 이밖에 많은 기업이 이미 작업 그룹을 디지털 방식으로 관리할 텐데, 이 분야에는 매터모스트(Mattermost)가 있다. 그룹 채팅, 프로젝트 관리, 소리를 포함한 화면 공유 옵션 등을 지원하는 데스크톱, 모바일 및 온라인 시스템이다. 매터모스트 웹사이트의 무료 계정을 통해 사용할 수 있다. 회사 IT에 통합하려면 추가 소프트웨어가 필요하며, 기술 지원 및 IT 통합은 유료로 제공된다. 인터넷 : 브라우저와 이메일 메시징, 온라인 쇼핑, 인터넷 뱅킹은 많은 사람에게 없어서는 안될 요소로 자리잡았고, 이런 사이트에 액세스하려면 웹 브라우저가 필요하다. 많은 사용자가 구글 크롬을 선호하지만 크롬에는 개인정보 보호 문제가 있다. 인터넷 검색을 넘어서는 구글의 탐욕스러운 데이터 수집은 이미 악명이 높다. 대안은 언구글드 크로미엄(Ungoogled Chromium)이다. 크롬 웹 브라우저의 오픈소스 버전으로, 구글의 모든 액세스가 차단된다. 서핑 시 기능 제약은 없으며 크롬 웹 스토어의 확장 프로그램도 작동한다. 이메일 역시 PC에서 매일 사용하는 기능이다. 이메일은 속도가 빠르며 사진이나 문서, 다양한 데이터를 주고받기에 적합하다. 썬더버드(Thunderbird)는 많은 기능을 갖춘 무료 메일 프로그램이다. 여러 사서함과 다양한 전송 프로토콜, 주소록, 캘린더 등을 지원한다. 썬더버드 20주년을 맞아 개발팀은 앱 전체에 대한 전반적인 현대화를 진행중이다. 멀티 미디어 : 사진, 영상, DTP 및 디자인 디지털 사진의 인기가 계속되는 가운데, 김프(Gimp)를 사용하면 손쉽게 사진을 편집할 수 있다. 대비와 밝기를 조절하고 이미지를 더 선명하게 할 수 있다. 레이어, 마스크를 비롯한 이미지 몽타주 툴은 오래전부터 거의 모든 이미지 툴이 지원하는 표준 기능이다. 김프 버전 2.10부터는 배경 제거 툴이 추가됐고, 영역을 자르고 선택하는 툴도 포함된다. 또다른 오픈소스 이미지 편집 툴인 디지캠 포토 매니저(Digikam Photo Manager)는 사진 모음을 전체적으로 보여준다. 키워드, 평점, 컬러 마커를 기준으로 정렬하거나 사진의 메타데이터를 분석해 위치를 보여준다. RAW 이미지를 위한 편집 기능과 툴도 있다. 로우 테라피(RAW Therapee)도 RAW 사진 현상을 위한 다양한 툴과 이미지 보기 관리를 포함한 많은 RAW 옵션을 제공한다. 데스크톱 출판(DTP)용 문서 디자인 분야에는 잉크스케이프(Inkscape)와 스크라이버스(Scribus)의 조합을 추천한다. 잉크스케이프에서는 세밀한 일러스트레이션을 디자인할 수 있다. 곡선, 개체, 텍스트를 만드는 주요 기능을 지원하고, 요소 정렬, 색 채우기, 그라디언트 또는 그래픽 결합을 포함한 다양한 툴이 있다. 이 프로그램을 이용하면 확장 가능한 로고, 인포그래픽 및 기타 디자인을 빠르게 만들 수 있다. 이렇게 만든 요소는 스크라이버스의 페이지 디자인에 사용할 수 있다. 샘플 페이지와 자체 디자인된 표준 요소를 사용해 간단한 전단지 또는 메뉴뿐만 아니라 신문, 잡지도 만들 수 있다. PDF 형식으로 출력해 전문적인 인쇄까지 가능하다. 잉크스케이프와 스크라이버스는 JPG, TIF, PNG, SVG와 같은 다양한 그래픽 형식을 지원한다. 한편 그림을 그리고 스케치하고 색을 칠하는 작업을 컴퓨터에서 하는 경우가 늘어나고 있다. 그 결과 아티스트의 일러스트레이션, 그림 또는 개념 디자인까지 디지털로 받아 별도의 스캔 작업 없이 즉각 처리할 수 있는 세상이다. 이때 특수한 그래픽 프로그램을 사용하면 머리 속 아이디어를 바로 화면으로 옮길 수 있다. 크리타(Krita)가 대표적이다. 특수한 브러시 팁, 레이어, 효과, 마스크를 통해 이 과정을 지원한다. 애니메이션 옵션을 사용해 생기를 불어넣을 수도 있다. 그래픽 태블릿과 함께 사용하면 디지털 펜의 압력과 기울기까지 반영해 브러시 스트로크 또는 디지털 연필 스트로크를 표현한다. 3D 애플리케이션인 블렌더(Blender)도 있다. 나온지 30년이 넘은 이 유서 깊은 앱은 처음에 영화사에서 내부적으로만 사용되다가 2002년 오픈소스가 된 이후부터 개발 속도가 빨라졌다. 정교한 모델링과 텍스처 모듈 외에 애니메이션, 합성, 비디오 편집을 위한 기능도 제공한다. 플러그인 인터페이스와 스크립팅을 통해 사용자가 원하는 대로 확장하고 조정할 수 있다. 블렌더는 지원하는 기능이 워낙 다양해 쓰임새도 광범위하다. 예를 들어 스파이더맨 2와 원더우먼 등 헐리우드 영화 제작에도 이 툴이 사용됐다. 나사(NASA)는 인터렉티브 웹 애플리케이션인 익스피리언스 큐리오시티(Experience Curiosity)에 블렌더를 사용했다. 영상 재생기로는 VLC 미디어 플레이어가 압도적이다. 구형 휴대폰 촬영 영상부터 새로운 고해상도 4K 클립까지 VLC로 재생할 수 없는 형식은 거의 없다. 재생 목록 사용하기, 온라인 비디오 및 팟캐스트 검색, 홈 네트워크를 사용한 스트리밍 등으로 다양한 용도에 맞게 사용할 수 있다. 잘 알려져 있지는 않지만 비디오 변환 기능도 유용하다. 샷컷(ShotCut)은 비디오 편집에 유용하다. 비디오를 보고 자르고 배열하는 용도로 사용된다. 비디오, 오디오, 전환, 효과 믹싱을 위한 유연한 타임라인도 제공한다. FFmeg 프레임워크를 설치하면 다양한 비디오 형식을 가져오고 내보낼 수 있다. 많은 사용자가 마이크로소프트의 미디어 플레이어를 사용해 음악 파일을 관리한다. 미디어 플레이어는 디지털화, 재생, 다른 기기로의 스트리밍을 지원하는 좋은 툴이지만 시스템 리소스를 과도하게 쓰는 단점이 있다. 이럴 때 사용할 수 있는 오픈소스 대안이 도파민(Dopamine)이다. 훨씬 더 가벼우면서도 많은 관리 기능, 재생 목록, 통합 이퀄라이저를 제공한다. 또한 온라인에서 노래 가사를 불러오고 Last.fm 및 디스코드를 통합할 수 있다. 포터블 버전이 특히 유용하다. 음악이 들어 있는 USB 드라이브에 설치해 두면 다양한 컴퓨터에서 사용할 수 있으며 곡 데이터베이스는 항상 최신 상태로 유지된다. 이 기능은 로컬 네트워크에서도 작동한다. 보안과 관리 : 데이터 및 시스템 백업 중요한 데이터와 시스템 파티션은 반드시 정기적으로 백업해야 하는데, 문서, 사진 및 음악 백업에 안성맞춤인 오픈소스가 바로 듀플리카티(Duplicati)다. 설치하고 시작하면 백그라운드에서 작동하며, 데이터 선택, 스케줄 등의 구성은 브라우저 인터페이스를 통해 할 수 있다. 하드 디스크, 네트워크 드라이브, USB 스토리지 디바이스 또는 인터넷의 서버를 백업 파일 저장 대상으로 설정할 수 있다. FTP, WebDAV와 같이 잘 알려진 전송 프로토콜 외에 드롭박스, 아마존, 구글과 같은 클라우드 서비스 액세스도 지원한다. 저장된 데이터를 압축하며 AES256으로 암호화한다. 전체 파티션 또는 하드 드라이브 백업에 적합한 또다른 오픈소스 앱이 클론질라(Clonezilla)다. CD 또는 USB 드라이브에 부팅 가능한 복구 시스템을 만든 다음 이를 사용해 하드 디스크 또는 개별 파티션의 이미지를 만든다. 하드웨어 장애가 발생하면 클론질라로 시스템을 재시작하고 이미지 데이터를 복원하면 된다. 백업 저장 대상으로는 로컬 스토리지 기기 또는 네트워크 드라이브를 설정할 수 있다. 클론질라는 NFS 또는 WebDAV를 통해 연결을 설정해 인터넷의 서버로도 데이터를 백업할 수 있다. 한편 문서나 사진을 파일 단위로 공유하는 방법은 많다. 단, 클라우드나 이메일을 통한 공유는 많은 경우 보안 위험이 따르므로, 민감한 데이터의 경우 암호화된 연결을 사용하는 것이 좋다. 이처럼 안전한 파일 교환이 필요할 때 쓸 수 있는 앱이 어니언셰어(Onionshare)다. 어니언셰어는 토르(Tor) 브라우저에 적용돼 사용자 정보를 익명화하는 어니언(Onion) 기술을 활용해 데이터의 안전한 교환을 구현한다. 즉, 전송의 경우 수신자가 검색할 수 있는 어니언 주소를 생성하고, 데이터 암호화 자체가 부가적인 보안을 형성한다. 발신자는 수신자가 전송 잠금을 해제할 수 있는 개인 키를 정의한다. 어니언셰어에는 파일 공유 기능 외에 채팅 옵션과 토르 네트워크를 통해 안전하게 웹사이트를 제공하는 웹 서버 기능도 있다. 그밖에 유용한 오픈소스 애플리케이션 ZIP 형식은 여러 파일을 하나의 패키지로 합치고 데이터를 압축한다. 파일을 압축하면 메일 또는 클라우드를 통해 더 빠르게 전송할 수 있다. 이런 ZIP 압축 프로그램 중 가장 유명한 오픈소스 앱이 7Zip이다. 7Zip은 ZIP 압축 파일을 열고 생성하며 파일을 추가 또는 제거할 수 있고 원하는 경우 윈도우 탐색기의 컨텍스트 메뉴에 통합할 수 있다. 이렇게 하면 ZIP을 열고 만드는 작업을 빠르게 불러올 수 있다. 7Zip을 이용하면 ZIP 파일을 지원할 뿐만 아니라 RAR, TAR, BZIP2, GZ, ARJ, LHA, LZH와 그 외의 많은 형식도 읽을 수 있다. 민감한 데이터가 포함된 파일이라면 AES 크립트(AES Crypt)를 사용해 손쉽게 암호화할 수 있다. 파일을 암호화하면 인터넷을 통해 전송할 때도 안전하게 보호할 수 있다. AES 크립트를 설치하면 윈도우 탐색기의 컨텍스트 메뉴에 새 항목이 생긴다. 암호화를 실행하려면 마우스 오른쪽 버튼으로 하나 이상의 파일을 클릭하고 컨텍스트 메뉴의 “AESCrypt”를 클릭한다. 이후 열리는 창에서 비밀번호를 입력하고 확인을 누르면 된다. 비밀번호를 입력해야만 데이터에 대한 액세스를 허용하는 256비트 보안 파일을 생성한다. 이런 파일을 열려면 마우스 오른쪽 버튼을 다시 클릭하고 AES크립트 항목을 선택한 다음 비밀번호를 입력해야 한다. editor@itworld.co.kr
대규모 언어 모델(LLM)을 기반으로 하는 챗GPT, 클로드(Claude), 바드(Bard)를 비롯한 공용 생성형 AI 챗봇도 충분히 좋지만, 이와 같은 범용 챗봇은 엔터프라이즈 워크플로우에 매끄럽게 통합되지는 않는다. 기업 직원이 별도의 앱을 사용하거나, 회사가 시간과 노력을 들여 애플리케이션 프로그래밍 인터페이스를 통해 자체 애플리케이션에 AI 기능을 추가해야 한다. 또한 챗GPT 및 기타 생성형 AI 챗봇을 사용하기 위해서는 직원이 프롬프트 엔지니어링에 대해서도 배워야 한다. 반면, 임베디드 생성형 AI는 직원이 이 기술을 가장 필요로 하는 곳, 즉 기존 워드 프로세싱 애플리케이션과 스프레드시트, 이메일 클라이언트를 비롯한 기타 엔터프라이즈 생산성 소프트웨어에 새로운 AI 기능을 구현해주며, 이를 위해 회사가 따로 해야 할 일도 없다. 제대로 구현되면 직관적으로, 단절 없이 새로운 AI 기능을 사용할 수 있게 되므로 어려운 생성형 AI 사용법 학습 과정 없이 모든 혜택을 누리게 된다. 포레스터는 최근 북미와 영국의 기술 의사 결정자를 대상으로 한 설문조사 결과를 근거로 2025년까지 거의 모든 기업이 쓰기 및 편집을 포함한 커뮤니케이션 지원 용도로 생성형 AI를 사용하게 될 것으로 예측했다. 실제로 설문 응답자의 70%는 쓰기 또는 편집 작업의 대부분 또는 전체에서 이미 생성형 AI를 사용하고 있다고 답했다. 그러나 포레스터에 따르면 챗GPT 같은 독립적인 생성형 AI 툴은 교차 직무 협업을 지원하지 못하며 직원이 업무를 수행하는 부분에서 작동하지도 않는다. 포레스터는 설문조사 보고서에서 “많은 사용 사례에서 생성형 AI는 독립형 앱보다는 임베디드 기능일 때 더 큰 혜택을 제공한다는 의미”라고 설명했다. IBM 컨설팅의 글로벌 AI 및 분석 부문 리더 매니시 고얄 역시 “아무리 좋은 AI를 가져오더라도 정작 사람들이 워크플로우에서 AI를 사용할 수 없다면 채택되지 않는다"라고 말했다. 임베디드 생성형 AI와 관련하여 현재 가장 큰 화제는 마이크로소프트 365 생산성 제품군 전반에 통합 구축되고 있는 생성형 AI 비서인 마이크로소프트 365 코파일럿이다. 일부 생성형 AI 기능은 팀즈 및 기타 마이크로소프트 365 앱에 구현됐지만 코파일럿 자체는 아직 정식 출시되지 않았고 테스트를 위한 초기 액세스가 허용된 기업은 600개에 불과하다. 마이크로소프트 365 코파일럿의 정식 출시를 손꼽아 기다리고 있는 솔루션 통합업체 인사이트(Insight)의 최고 엔터프라이즈 설계자 겸 CTO 데이비드 맥커디는 “데모를 본 사람이라면 생성형 AI의 통합이 백오피스가 돌아가는 방식을 완전히 바꿔 놓게 될 것임을 알고 있다"라고 말했다. 한편 일부 기업은 오픈AI에 대한 API를 통하거나 라마 2(Llama 2) 같은 LLM을 로컬로 실행해서 자체 앱에 생성형 AI를 직접 추가하고 있다. 예를 들어 인사이트는 API를 통해 마이크로소프트 엑셀에 생성형 AI를 내장했다. 맥커디는 “다만 향후 오피스 365에 통합될 것이기 때문에 이 부분에 대한 개발을 너무 많이 하지는 않고 있다"라고 말했다. 자체 AI 임베드를 만드는 데 필요한 시간이나 인력을 갖추지 못한 기업도 지금 생산성 툴 내에서 생성형 AI 사용을 시작할 수 있다. 많은 업체가 이미 앱에 다양한 생성형 AI 기능을 추가했기 때문이다. 예를 들어 줌, 마이크로소프트 팀즈를 비롯한 여러 온라인 회의 플랫폼은 내장형 또는 애드온 방식으로 AI 기반 요약 기능을 제공한다. 맥커디는 “이 기능이 회의 요약 방식을 완전히 바꾸어 놓았다. 요약 기능이 매우 유용한다는 점은 확실히 말할 수 있다. 큰 이득이 없는 기능도 많지만 요약과 목록 작성만큼은 최고”라고 말했다. 일부 기업에서 워크플로우에 생성형 AI를 어떻게 사용하고 있는지, 어느 부분에서 효과적인지, 그리고 생성형 AI를 안전하게 도입하기 위한 전략은 무엇인지 알아보자. 스트림 파이낸셜 : 이메일, 텍스트 문서, 코드의 생성형 AI 미국 솔트레이크시티에 소재한 핀테크 기업 스트림 파이낸셜 테크놀로지(Stream Financial Technology)의 엔지니어링 책임자인 조완자 조셉은 “우리가 사용하는 스파크(Spark)라는 이메일 클라이언트에는 이메일 요약과 작성을 위한 생성형 AI가 내장돼 있다"라고 말했다. 조셉은 “나도, 경영진도 대부분 긍정적이다. 유일하게 부정적으로 보는 부분은 AI가 이해 부족을 가리는 허울이 될 수 있다는 점이다. 즉, 글을 읽다가 말이 안 되는 부분이 있어서 지적하면 AI가 써서 그렇다고 둘러댈 수 있다는 점”이라고 말했다. 스트림 파이낸셜이 사용하는 또 다른 생성형 AI 툴은 마이크로소프트 워드, 구글 문서도구를 비롯한 많은 애플리케이션 내에서 작동하는 그래멀리(Grammarly)다. 그래멀리는 처음에는 단순한 문법 검사기였지만 최근 AI 기반의 텍스트 생성, 문구 수정 및 요약 기능까지 더했다. 조셉은 “그래멀리 기업 구독을 이용하고 있다. 구글 문서 도구 내에서 작동하며, 단락을 쓰거나 요약하도록 지시할 수 있다. 내용을 채워 넣고 요약하는 용도로는 좋지만 기술적인 분야에 대한 심층적인 내용은 다루지 못한다"라고 말했다. 조셉이 지적한 그래멀리 AI의 문제점은 각각의 상호작용이 별개라는 점이다. 챗GPT, 클로드와 같이 대화를 계속 주고받으면서 결과물을 세밀하게 다듬을 수가 없다. 조셉은 “그래멀리 AI에 무엇을 해야 할지 지시할 좋은 방법이 없다"라고 말했다. 조셉은 회사 측이 기밀 데이터 또는 고객 정보에 대해서는 공용 AI를 사용하지 않도록 주의한다고 강조했다. 조셉은 “장기적 관점에서 생성형 AI를 사용해 마케팅 문구와 같은 콘텐츠를 생성하는 데 대해 낙관적이다. A/B 테스트를 위한 다른 문구를 작성하거나 동일한 문구를 다양한 형태로 반복 생성할 수 있다"라고 말했다. 조셉은 생성형 AI가 가장 크게 영향을 미치는 부분은 코드 생성이라면서 “깃허브 코파일럿에 1인당 월 19달러를 내고 있는데, 그 5배라 해도 기꺼이 낼 것이다. 막대한 시간을 절약할 수 있게 해주며 지식도 상당한 수준”이라고 말했다. 조셉은 “코드 생성은 생성형 AI의 가치가 입증된 부분이다. 그 외의 모든 부분은 아직 단언할 수 없고, 갈 길이 멀다"라고 말했다. NFP : 마케팅 문구, 회의 요약에 생성형 AI 사용 보험 중개업체 NFP는 2년 전부터 텍스트 작성에 AI를 사용해왔다. 이 회사의 영업 지원 부문 SVP인 카일 힐리에 따르면 NFP는 챗GPT가 대중에 공개되기 훨씬 전부터 재스퍼(Jasper) AI를 사용해서 마케팅 문구를 작성했다. 처음 오픈AI의 GPT 3.5 대규모 언어 모델을 기반으로 2021년 2월 출시된 재스퍼는 화이자, 스포츠 일러스트레이티드(Sports Illustrated), 허브스팟(HubSpot), 센티넬원(SentinelOne)을 포함한 10만 곳 이상의 기업 고객을 두고 있다. 현재 재스퍼 AI는 가장 진보된 버전의 챗GPT와 같은 기반 모델인 GPT 4를 사용한다. 여기에 특정 사용 사례에 따라 맞춤화된 마케팅 또는 비즈니스 콘텐츠를 생성하도록 설계된 부가적인 모델과 세부적인 조정 등 비즈니스 친화적인 기능을 추가했다. 또한 회사 자체 브랜드 성격을 학습시키고, 회사 워크플로우 내에서 확장 기능 및 API를 통해 사용할 수 있다. 힐리는 “보안에 대해 일부 우려가 있었다. 그리고 재스퍼는 폐쇄형 시스템이다. 마케팅 부서에서 일부 카피라이팅 작업에 여전히 재스퍼를 사용하고 있다"라고 말했다. 최근 NFP는 재스퍼에서 영업 활동 지원 플랫폼인 세일즈로프트(Salesloft)에 내장된 생성형 AI 툴로 대부분 전환했다. 세일즈로프트는 지난 봄에 빠른 이메일 작성을 위한 생성형 AI 기능을 추가했다. 힐리는 “CRM 시스템의 안내 및 코칭에도 생성형 AI를 사용하기 시작했다. AI 툴이 모든 부분에 연결되기 시작하면서 이제는 더 많은 프로그램에서 GPT를 사용하고 있다. 마이크로소프트 생태계 전반에 완전히 내장된 형태”라고 말했다. 힐리 본인도 생성형 AI를 적극적으로 사용한다. 힐리는 “2023년 비즈니스 계획 전체를 AI를 사용해 작성했다”면서 “AI의 효과에 대해 내부적인 설득 작업을 진행하던 중에 고위직의 누군가가 AI가 아직 그 수준에 이르지 못했다고 말했다. 그래서 오기로 비즈니스 계획을 AI로 만들어서 제출했는데, 반응이 아주 좋았다. 로봇이 작성한 것으로 믿기지 않는다는 반응이었다"라고 말했다. 힐리는 “사모펀드 분야에서 일하는 영업팀의 고위급 직원도 리드를 작성하고 계약을 체결하는 데 AI를 사용하기 시작했다. 올해 초부터 경영진, 영업부서를 비롯해 많은 직원이 AI를 사용하고 있다. 이들은 ‘AI를 채택해야만 한다’고 말한다"라고 전했다. NFP는 마이크로소프트 팀즈에서도 생성형 AI를 사용해서 회의 노트를 자동으로 생성한다. 힐리는 “모두가 이해해야 할 중요한 점은 AI가 우리 일을 대체하는 것이 아니라 증폭하고 보강한다는 것이다. 같은 수의 사람으로 더 많은 일을 할 수 있게 해준다"라고 말했다. 힐리는 다음 단계는 세일즈포스의 생성형 AI 기능을 사용해서 원시 데이터를 해설적 데이터로 바꾸는 것이라며 “지금 이 부분을 추진하고 있다. 이를 통해 경영진은 자연스럽게 느껴지는 방식으로 정보를 흡수할 수 있게 된다. 예를 들어 나처럼 숫자에 서툴고 항상 숫자에서 막힌다면 숫자가 아닌 다른 방식으로 정보를 흡수할 수 있게 될 것”이라고 말했다. 생성형 AI 툴을 사용할지 여부를 결정할 때 중요한 것은 학습 데이터의 정확성과 개인정보 보호, 보안, 그리고 사용성이다. 힐리는 “영업 및 마케팅 문구에서는 사유 부분을 다루지 않는다. 그러나 NFP는 인수합병을 많이 한다. 법무팀이 AI를 사용해서 계약서를 더 빠르게 만들거나 미묘한 차이 또는 세부 사항을 찾을 수 있을까? 개인정보 보호와 보안, 클로즈드 소스 모델을 살펴봐야 한다"라고 말했다. 힐리는 지금은 영업 담당자가 새로운 AI 툴을 익히도록 하는 작업을 진행 중이라면서 “간소함과 사용의 용이함이 중요하다. 자연스럽게 느껴지는지, 마음을 먹고 사용법을 배워야 하는지가 관건”이라고 말했다. 힐리는 예를 들어 챗GPT는 사용하기가 쉽지 않았다면서 “챗GPT에 말을 하기 위해서는 거의 정해진 코스에 따라야 한다. 어떤 면에서는 프로그래밍과 상당히 비슷하다. 하지만 NFP는 기술 기업이 아니고 보험을 판매하는 회사”라고 말했다. 직원이 이미 사용하는 툴에 내장된 형태의 생성형 AI는 이러한 사용성 장벽을 극복하는 데 도움이 될 수 있다. 힐리는 “예를 들어 세일즈로프트는 반복적이고 유기적이다. 생성형 AI는 이 툴의 자연스러운 확장이다. 새로운 것을 배울 필요가 없다는 것이 NFP에는 중요한 점이다. 35년째 일하는 보험 담당자도 바로 사용할 수 있고, 25세 직원이라면 시스템 전체를 지극히 자연스럽게 받아들인다"라고 말했다. 톰슨 로이터 : 서신 초안 작성, 직원 질문에 대한 응답에 생성형 AI 사용 뉴스 기업 톰슨 로이터(Thomson Reuters)의 최고 인사 책임자인 매리 앨리스 부이식은 수십년 전부터 제품과 사무실에서 AI를 사용해왔다면서 “이미 존재하는 많은 부분에 AI가 내장돼 있다. 핵심은 증강, 즉 사람들이 더 가치 있는 일을 할 수 있도록 해주는 데 있다"라고 말했다. 부이식은 AI는 사람이 아니라 “작업을 대체한다"라고 말했다. 생성형 AI가 보편화된 지금 톰슨 로이터는 선제적으로 공급업체에 관심을 갖고 이들의 AI 로드맵을 살펴봤다. 부이식은 이미 많은 부분이 발표됐다고 말했다. 예를 들어 세일즈포스와 워크데이(Workday) 모두 생성형 AI 전략을 마련했다. 부이식은 “마이크로소프트 코파일럿과 그 외에도 수많은 툴이 있다"라고 말했다. 부이식은 톰슨 로이터에서 이미 많은 생성형 AI 툴이 사용되고 있다고 말했다. 예를 들어 커뮤니케이션 팀은 AI를 사용해서 문서의 초안을 작성한다. “실제로 작업의 첫 번째 초안 작성에서 전반적으로 AI 툴을 사용할 여지가 있다. 다만 정확성은 AI에 의지할 수 없고 교육에서도 이 부분을 다뤘다. 처음 초안이 작성된 다음에는 사람이 편집한다. 즉, 사람의 전문성을 적용해서 더 높은 품질의 제품을 제공한다"라고 말했다. HR 분야에서는 생성형 AI를 사용해 직원 질문에 답하기와 관련한 실험이 진행 중이다. 부이식은 “초기 결과는 매우 만족스럽다. 지금까지 정확도는 95%이며 과거 이러한 질문에 답하느라 빼앗겼던 시간을 돌려줘서 부가가치를 창출하는 일에 투자할 수 있게 해준다"라고 말했다. 생성형 AI 도입을 위한 세 갈래 접근 부이식은 톰슨 로이터는 가능성에서 앞서 나가기 위해 AI 도입을 가속화하기 위한 전사적 이니셔티브를 출범했다고 말했다. 첫 번째 단계는 AI 표준과 윤리의 정립으로, 몇 년 전부터 해오고 있다. 부이식은 “톰슨 로이터는 30년 이상 AI를 사용하고 있다. 생성형 AI 이전에도 이 분야의 리더가 되기 위해 노력했다"라고 말했다. 부이식은 “다음 단계는 인력 교육이다. 이는 반드시 필요한 단계”라고 말했다. 톰슨 로이터는 지난 4월 전세계 모든 직원이 참여할 수 있는 AI 교육의 날을 열었다. 총 2만 7,000명의 직원 중 약 7,000명이 라이브로 이 이벤트에 참석했다. 부이식은 “그 외에도 수천 명이 비동기적으로 이 교육 자료를 활용하고 있다"라고 덧붙였다. 부이식에 따르면 참가자의 대다수는 이미 자신의 업무에 생성형 AI를 적용할 수 있다고 말했다. 부이식은 “이는 로이터 직원 대부분이 앞으로 일하면서 겪게 될 가장 중요한 혁신이다. 우리는 이 부분에서 선두에 서야 한다. 회사 측은 교육과 개발, 업스킬 및 리스킬에 대한 책임이 있다. 그러나 모든 개인도 배우고 발전해야 할 책임이 있다"라고 말했다. 톰슨 로이터 AI 전략의 세 번째 축은 모든 툴을 실험할 수 있는 안전한 장소를 제공하는 것이다. 부이식에 따르면 톰슨 로이터는 생산성 소프트웨어에 내장된 생성형 AI 외에도 오픈AI, 앤트로픽, 구글, 그리고 라마 2와 같은 오픈소스 모델을 포함한 다양한 대규모 언어 모델을 실험하고 있다. 부이식은 “변화의 속도가 매우 빠르다. 톰슨 로이터는 고객 사용 사례를 위해 최선의 기술을 활용하고자 한다"라고 말했다. 마지막으로, 이 회사는 학습과 실험의 문화를 강화하고 있다. 부이식은 “가장 빠르게 배우고 실험하는 팀이 승리하게 될 것”이라고 말했다. 위험을 고려해서 현명하게 선택하기 몇몇 엔터프라이즈 기술 업체는 생성형 AI 기능뿐만 아니라 모델을 학습시키는 방법 또는 사용할 구체적인 모델에 관한 유연함도 고객에 제공한다. IBM 컨설팅의 고얄은 “IBM은 세일즈포스를 사용한다. IBM의 세일즈포스 관리자는 나와 같은 최종 사용자가 그냥 볼 수 있도록 적절한 모델을 선택하고 구성할 수 있다. 세일즈포스는 임베디드 AI를 선택할 수 있는 옵션도 제공한다"라고 말했다. 고얄은 IBM 컨설턴트가 현재 기업과 협력해서 마이크로소프트 365를 비롯한 과련 기술로 무엇이 가능한지, 그리고 법률 및 보안 측면에서 생성형 AI가 어떤 영향을 미치는지에 대해 생각하도록 돕고 있다고 말했다. 고얄은 “IBM의 왓슨x(Watsonx)에 대한 입장은 확고하다. 고객의 데이터는 고객의 소유라는 것이다. IBM은 모델 학습에 고객 데이터를 절대 사용하지 않는다. 애저, AWS, 구글과 협력하고 있으며 이들 각 기업은 생성형 AI의 이 부분에 있어 예전부터 명확한 입장을 유지하고 있다. IBM의 파트너 및 고객 역시 마찬가지다. 고객이 업로드하거나 서비스에 사용하는 어떠한 데이터도 모델 학습에 사용되지 않는다. 그렇지 않으면 어떤 기업도 AI를 사용하지 않을 것”이라고 말했다. 이 원칙을 위반한 엔터프라이즈 업체의 예로 줌이 있다. 줌은 처음에 회의 녹취록을 AI 학습에 사용할 것이라고 말했다가 격렬한 반발에 직면해 황급히 철회한 바 있다. 그러나 초기 학습 데이터의 출처에 대해서는 업체의 투명성이 부족하다. 고얄도 그 점을 인정하면서 “왓슨x는 학습 데이터에 대한 완전한 데이터 계보를 제공한다. 그러나 모든 업체가 그렇지는 않다. 명확하게 밝히지 않는 경우가 많다"라고 말했다. 또한 몇몇 AI 업체는 저작권이 있는 상품을 허가 없이 AI 학습에 사용했다는 이유로 아티스트 및 작가로부터 피소된 상황이다. 고얄은 “AI에는 항상 위험이 있었다"라고 말했다. 대규모 언어 모델에는 과거의 오래된 위험이 더 증폭된 경우도 있고 새로운 위험도 있다. 고얄은 “기업은 생성형 AI를 사용할 때 가드레일을 설치해야 한다"라고 말했다. 그러나 기업에 결국 중요한 것은 이러한 새로운 기능을 어떻게 사용할 수 있을지를 살펴보는 것이다. 고얄은 “그 방법을 가장 빠르게 파악하는 기업이 승자가 되고 꿈처럼 보이는 일을 현실화할 수 있을 것”이라고 말했다. editor@itworld.co.kr
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
생성형 AI 열풍에 밀려 관심에서 멀어지는 것처럼 보였던 양자 컴퓨팅이 다시 활기를 띄고 있다. 마이크로소프트가 큐비트의 안정성을 획기적으로 개선해 레벨 2, 즉 복원력 있는 양자 컴퓨팅 단계에 도달했다고 발표한 것이다. 양자 컴퓨팅이 실전에 활용되기 보다는 실험 단계에 머무르면서 생성형 AI처럼 당장 활용할 수 있는 기술에 관심을 빼앗긴 것은 당연한 일일 것이다. 하지만 관심이 식었다고 개발이 중단되는 것은 아니다. 더구나 마이크로소프트는 몇 년 안에 1,000큐비트 수준의 상용 양자 컴퓨팅을 실현할 수 있을 것이라고 자신감을 보였다. 양자 컴퓨팅 관련 최근 기사를 간추렸다.
사이버보안 업계에서는 개인의 ‘보안 위생’이 기업의 여러 보안 도구 못지않게 중요한 요소로 꼽힌다. 보안 위생이란 일상적인 디지털 환경에서 안전을 보장하는 일종의 관행이다. 예를 들면, 의심스러운 파일 열지 않기, 공공 와이파이 사용 시 VPN 활용하기, 백신 프로그램 설치하기 등이 있다. 제아무리 철통 보안을 자랑하는 애플이라도 보안 취약점을 피해 가지 못한다. 즉, 개인정보와 데이터를 보호하는 첫걸음이자 핵심은 사용 중인 앱과 서비스, 시스템을 마냥 신뢰하지 않고 개인 보안 위생을 철저하게 실천하는 것이다. 이를 위한 필수 상식과 팁을 소개한다.
최신 업데이트 버전인 iOS 17.4의 가장 큰 변화는 유럽연합 디지털시장법에 대비해 사용자의 서드파티 앱 스토어를 허용한 것이었다. 애플이라는 정원을 둘러싼 울타리 한 귀퉁이에 틈이 생긴 것이다. 디지털시장법에서 애플, 구글, 페이스북, 마이크로소프트, 아마존 등 거대 플랫폼 업체는 사용자간 소통을 통제하는 진입 장벽 앞 문지기로 정의되고 적극 규제 대상이 되었다. 디지털 서비스 없이는 아무것도 할 수 없는 세상에서 거대 기업을 적극 규제해 독과점을 방지하는 디지털시장법은 정보 편향 제거, 미성년 대상 광고 축소 등 실질적인 변화를 이끌어내고 있다.
생성형 AI 열풍 1년. 아직도 열기는 식지 않았지만 영리를 추구하는 기업은 조금 더 냉정해질 필요가 있다. 생성형 AI의 ROI에 대한 의문이 제기되고 비즈니스 케이스가 먼저라고 조언하는 전문가도 적지 않기 때문이다. 하지만 이런 의문 속에서 이미 생성형 AI를 도입해 성과를 올린 기업이 속속 등장하고 있다. 생성형 AI 업체 역시 자사 고객의 성공 사례를 자랑하고 있으며, 리서치 회사와 컨설팅 회사도 검증을 거친 산업별 사용례를 발표하고 있다.
증강현실, 가상현실 같은 용어에 익숙해졌더니 이제 애플 비전 프로는 공간 컴퓨팅이라는 새로운 개념을 들고 나왔다. 노트북, 태블릿, 스마트폰 등 디스플레이 뒤에서 연산을 실행하는 전통 컴퓨팅과 달리, 공간 컴퓨팅은 사용자 주변의 현실과 가상 공간에서 일어나는 상호작용, 그리고 현실과 가상 세계의 교차점을 의미한다. 애플이 비전 프로의파급력을 높이기 위해 친숙한 단어를 피한 것은 사실이지만, 관련 기술과 제품이 계속 발전한다면 공간 컴퓨팅은 분명 기계와 인간의 새로운 상호작용 방식이 될 것이다. 애플 비전 프로는 이제 시작에 불과하다.
마이크로소프트의 실적을 보면, 오픈AI에 막대한 자금을 투자한 것은 좋은 판단이었다. AI는 성장세가 둔화된 클라우드를 견인하고, 클라우드는 그런 AI의 기업 확산에 첨병 역할을 하고 있다. 하지만 클라우드와 AI의 동행이 행복하기만 한 것은 아니다. 대형 클라우드가 성취한 AI 혁신을 손쉽게 이용할 수 있는 것은 분명 큰 장점이지만, 사용량에 따라 빠르게 증가하는 비용과 민감한 데이터에 대한 불안감, AI 종속 등의 우려사항도 적지 않다. 일부 전문가는 아키텍처에 대한 재검토까지 요구하며 클라우드 기반 생성형 AI에 신중하게 접근할 것을 권고한다.
스팀 덱이 독주하던 핸드헬드 게이밍 PC 시장이 활기를 띠고 있다. 지난해 에이수스와 레노버가 각각 로그 엘라이, 리전 고를 출시한 데 이어 올해는 MSI가 자사 첫 핸드헬드 게이밍 PC ‘클로’를 공개했다. 클로는 인텔 코어 울트라 프로세서에 기반한 첫 핸드헬드 게이밍 PC라는 점에서 게이머의 기대를 한몸에 받고 있다. 정식 출시 전임에도 불구하고 후속작까지 예고됐다. 한편 벨브는 OLED 버전의 스팀 덱을 새롭게 출시하면서 선두 유지에 전념하고 있다. 마침내 핸드헬스 게이밍 PC의 전성시대가 도래하는 것일까? 리뷰부터 활용 기사까지 다양한 관련 소식을 모았다.
사용자에게는 눈이 즐거운 화려함과 기대를 주고, 기술업체에는 연초부터 기선을 제압하고 이미지를 쇄신할 기회인 세계 최대의 기술 박람회인 CES 2024가 개최됐다. 연내에 출시되는 제품도 있지만, 상용화를 염두에 두지 않고도 얼마든지 상상력과 가능성을 펼쳐보일 수 있는 장소다. PC 속 작은 LED 램프부터 반려동물처럼 사용자를 졸졸 따라다니는 가정용 로봇과 가장 실용적인 전자제품인 노트북까지, CES 2024에서 새로운 기술이 구현된 방법을 살펴 보자.
2023년 전체를 관통한 가장 뜨거운 주제를 꼽는다면 고민할 필요도 없이 '생성형 AI'다. 오픈AI가 챗GPT 서비스를 시작한 것이 지난 2022년 11월 30일인데, 불과 1달 후인 2023년 1월 ITWorld 웹사이트에서 가장 많이 본 기사가 <“나는 누구인가?” 챗GPT가 말하는 챗GPT>였다. 이후 2월, 4월, 7월, 9월, 11월까지 생성형 AI 관련 콘텐츠가 월간 많이 본 기사 1위에 올랐다. 흥미로운 것은 내용이 점점 심화, 확장됐다는 사실이다. 초반에는 챗GPT에 대한 호기심이었다면, 상반기에는 개인적인 사용법, 실제 기업의 활용 사례로 관심이 이동했다. 하반기에는 머신러닝 알고리즘, 대규모 언어 모델 같은 더 근본적인 기술에 대한 콘텐츠가 주목받았다. 학습하는 것은 본래 AI가 아니라 인간의 특기다. 2023년 생성형 AI에 대한 기본, 심화 학습을 끝낸 많은 기업과 개발자가 2024년에 어떤 새로운 개념과 서비스를 내놓을까.
아마존까지 생성형 AI 인프라 경쟁에 뛰어들었다. 아마존은 리인벤트 2024 행사에서 구축 서비스의 파운데이션 모델 업데이트, 모델 학습과 앱 개발 속도 향상에 생성형 AI를 활용하는 방법을 제안했다. 이번 행사의 주인공은 마이크로소프트 코파일럿과 직접 경쟁할 기업용 챗봇 아마존 Q였다. LLM 인프라, LLM, 애플리케이션 계층으로 세분화된 AWS의 생성형 AI 전략은 "기업용 생성형 AI에 진심"이라는 평과 함께 그 어느 리인벤트 행사보다 긍정적인 반응을 얻고 있다. 전반적으로 미래가 아닌 지금 바로 사용할 수 있는 다양한 서비스와 기능에 집중한 것도 좋은 변화다.
는 AI 채팅 툴인 챗GPT의 강력한 기능을 마이크로소프트 오피스 애플리케이션과 윈도우 사이드바에서 직접 제공한다. 텍스트를 요약하고, 이메일에 답장하고, 새 텍스트를 작성하고, 엑셀 스프레드시트를 분석하고, 프레젠테이션을 만든다. 코파일럿 프로를 자세히 살펴보자. 전제 조건 : 설치와 실행 코파일럿 프로를 사용하려면 몇 가지 요구 사항을 충족해야 한다. 먼저, 마이크로소프트 365 싱글 또는 패밀리 유료 구독(월 7달러부터)이 필요하다. 그런 다음 같은 마이크로소프트 계정으로 코파일럿 프로를 월 20달러에 구독해야 한다. 두 구독 모두 언제든 취소할 수 있다. 또한 윈도우 10 또는 11이 필요하다. 이 글에서는 윈도우 11을 기준으로 주요 기능을 살펴본다. 코파일럿 프로는 워드, 엑셀, 아웃룩, 파워포인트, 원노트 등 마이크로소프트 365(구 마이크로소프트 오피스) 프로그램에 통합된 형태로 쓸 수 있다. 직접 설치하는 기능은 아니며, 내려받아 실행할 설치 파일도 없다. 대신, 코파일럿 프로 라이선스를 구매한 후 오피스 애플리케이션에서 파일 > 계정 > 라이선스 업데이트로 이동한다. 이제 응용 프로그램을 다시 시작하면 코파일럿이 자동으로 나타난다. 하지만 필자가 테스트한 컴퓨터에서는 문제가 발생했는데, 오피스 프로그램이 마이크로소프트 365 비즈니스 라이선스와 연결되기 때문이었다. 재택근무를 하는 많은 PC 사용자도 같은 증상을 겪을 수 있다. 물론 비즈니스 사용자용 코파일럿도 있지만 더 비싸고(월 30달러) 최소 300개 이상 라이선스를 구매해야 한다. 코파일럿 프로는 구매 직후 문제없이 온라인 버전의 오피스 응용 프로그램에 나타났다. 오피스 앱 외에도 코파일럿 프로 라이선스를 갖고 있으면 데스크톱의 사이드바, 웹(www.copilot.microsoft.com), Android 및 iOS 앱에서 윈도우 코파일럿이 개선된다. 챗GPT 4와 4 터보를 통해 AI 챗봇에 더 빠르게 액세스할 수 있다. 워드 속 코파일럿 프로, AI 챗봇 최대한 활용하기 코파일럿은 워드에서 최대 강점을 보여준다. 모든 주제에 대한 텍스트를 쉽게 작성하고 기존 텍스트의 내용을 요약하거나 수정하는 AI 챗봇이기 때문이다. 작동 방식 : 코파일럿은 워드에서 두 곳에 나타난다. 먼저 메뉴 모음에서 코파일럿 아이콘을 클릭하면 사이드바로 나타난다. 모든 코파일럿 출력은 이 사이드바에 저장되며 필요에 따라 문서의 텍스트 영역에 복사해 붙여 넣으면 된다. 반면 커서가 빈 줄에 있거나 텍스트가 선택돼 있으면 항상 텍스트 영역에 코파일럿 기호가 나타난다. 기호를 클릭하면 이동식 채팅 창이 열리고 답변은 문서에 바로 나타난다. 하지만 처음에는 하늘색으로 강조 표시되어 새 텍스트가 기존 텍스트에서 눈에 잘 띄고 확인할 수 있다. 코파일럿 입력 필드를 변경하면 이제 4가지 기능이 표시된다. "수락", 같은 질문에 대한 코파일럿의 새로운 답변을 받는 "새로 생성", 제안된 텍스트를 최적화하기 위한 입력 필드, 그리고 "삭제" 기능이다. 텍스트 요약하기 : 필자가 테스트한 결과 코파일럿 덕분에 업무시간을 크게 절약할 수 있는 기능이 바로 요약이다. 또한 코파일럿은 긴 문서의 핵심 아이디어를 요약하고 관련 텍스트 구절에 대한 참조를 함께 보여준다. 반면 사소한 오류도 발생했으므로, 이 기능을 입학시험이나 학위 논문, 기능장 시험, 중요한 프레젠테이션에 전적으로 사용하는 것은 추천하지 않는다. 자유로운 형식의 수업이나 회의에 대한 대비책이라면 코파일럿의 요약 기능이 꽤 유용하다. 텍스트 작성 : 이것은 AI 챗봇의 전문 분야다. 숙제, 논문, 건물 관리인에게 보내는 편지, 생일 파티를 위한 시 등 사용자가 원하는 대로 작성을 도와준다. 물론 이런 기능에 대한 비판도 존재한다. 문장 다듬기 : 코파일럿은 글의 구성, 글쓰기 스타일, 내용 등의 측면에서 글을 개선한다. 오픈 AI의 챗GPT가 쉽게 처리한다. 하지만 직접 써보니 워드의 코파일럿은 문장을 직접 다듬는 대신 더 좋은 문장에 대한 팁만 제공하는 경우가 많았다. 아직 해결 중인 오작동으로 추정된다. 엑셀 속 코파일럿 프로, 코파일럿의 불시착 사실 필자는 엑셀 코파일럿의 이상적인 대상 사용자다. 엑셀의 기본적인 산술 연산보다 약간 더 알고 있지만, 전문적으로 사용하기에는 아직 먼 사용자이기 때문이다. 필자 같은 사람에게 데이터 분석, 표시 관련 AI 지원 기능은 꽤 유용하다. 반면 몇 가지 아쉬운 점이 있다. 첫째, 엑셀의 코파일럿은 영어만 이해한다. 스프레드시트에 사용되는 다양한 언어의 기술 용어를 고려할 때 이는 상당히 큰 문제다. 둘째, 요청한 작업이 코파일럿엔 너무 버거웠던 것 같다. 예를 들어 선택한 셀에 대해 "이 데이터를 사용해 원형 차트 만들어줘"라고 명령하면 결과가 항상 원하는 대로 나오는 것은 아니었다. "데이터 인사이트 표시"는 대부분 테이블에 대해 "죄송합니다, 작업하는 데 문제가 있습니다"라는 대답이 반환됐다. 이 응답을 꽤 자주 봤다. 물론 효과가 있는 것도 있다. 무엇보다도 코파일럿이 자체적으로 제안하는 데이터 분석 작업은 '최소한' 가끔 인사이트를 제공한다. 예를 들어, "상위 10개 값에 'X' 굵게 표시"(여기서 X는 테이블 열을 의미)와 같은 작업은 인사이트를 제공한다. 실제로 코파일럿을 이용해 유용한 결과를 얻으려면 엑셀에서 코파일럿을 사용하는 데 많은 시간을 들어야 한다. 문제는 이걸 감수할 수 있느냐다. 어쩌면 필요한 수식이나 분석 유형을 구글에서 검색해 해답을 찾는 것이 더 빠를 수도 있다. 아웃룩 속 코파일럿 프로, 꽤 괜찮은 답장 기능 필자가 테스트해 보니, 아웃룩용 코파일럿은 메일 프로그램의 온라인 앱과 "새로운 아웃룩" 앱에서만 작동한다. 또한 코파일럿은 코파일럿에 가입한 마이크로소프트 계정의 이메일 주소에서만 작동했으며 다른 계정에는 코파일럿 표시가 나타나지 않았다. 많은 사용자가 불편할 수 있는 단점이다. 수신 이메일에 대한 요약은 이메일 바로 위의 메시지 창을 통해 확인할 수 있다. 재미있는 사실 : 짧은 이메일의 경우 요약이 원본보다 약간 더 길었다. 하지만 짧은 원본보다는 이해하기가 조금 더 쉬웠다. 파워포인트 속 코파일럿 프로, 초보자에게 특히 도움이 된다 파워포인트에서 코파일럿은 사이드바에서 사용할 수 있다. 여기서도 콘텐츠를 잘 요약하는 기능이 눈에 띈다. 그러나 요약은 프레젠테이션 슬라이드의 주된 목적은 아니다. 오히려 기존 문서에서 슬라이드를 만들 수 있는 기능이 더 도움이 될 텐데, 필자가 테스트하던 시점을 기준으로 코파일럿은 파일에 대한 액세스 권한이 없었다. 코파일럿의 입력 필드에 정보를 복사할 때도 텍스트양이 금방 한도를 초과했고, 입력한 텍스트로 슬라이드를 만들 수 없다는 응답이 나올 때도 있었다. 사용 방법 : 입력 필드에서 아이콘을 클릭하면 코파일럿이 "휴일 프레젠테이션 만들기" 또는 "40번째 생일 슬라이드 쇼 만들기"와 같은 가능한 작업을 표시한다. 코파일럿은 이 시점에서 링크된 웹사이트를 통해 별도의 추가를 제안한다. 적절한 작업을 선택하면 코파일럿이 이미지와 텍스트가 포함된 프레젠테이션을 만든다. 이 결과는 나만의 슬라이드를 만드는 좋은 출발점이 될 수 있고, 혹은 완전히 엉뚱할 수도 있다. 원노트 속 코파일럿 프로, 아직 활용처가 확실치 않다 필자는 노트를 작성하는 데 원노트를 자주 사용하지만, 이 앱에서 AI 채팅을 사용할 만한 적절한 용도를 아직 찾지 못했다. 하지만 이는 필자의 상상력 부족 때문일 수도 있다. 코파일럿 기능을 잘 활용할 수 있는 원노트 사용자가 분명히 있을 것이다. 매력적이지만 범용적이지 않은 정리하면 오피스 앱용 코파일럿은 설치하는 과정에서 약간의 오류가 있고 사용자 활용 측면에서 약점이 있으며, 결과에는 항상 오류가 있다. 아직 완성된 제품이라고 볼 수 없다. 그런데도 마이크로소프트는 왜 지금, 이 제품을 출시했을까? 아마도 이 툴을 이용하면 1시간이 걸리는 작업을 몇 분 안에 완료할 수 있기 때문일 것이다. 이 기능은 모든 오피스 앱에서 항상 안정적으로 작동하는 것은 아니다. 월 20달러를 내고 쓰는 이들은 일부 IT 애호가일 것이다. 필자가 이 툴을 사용하며 마음에 들었던 것은 워드와 새로운 아웃룩 모두에서의 텍스트 요약 기능이다. 정말 강력하다. 워드에서 새 문서를 작성할 때 연구 보조 자료나 영감을 얻는 등 실질적인 도움이 될 수 있다. 아웃룩에서 이메일 답장하는 데도 유용하다. 이외에도 오피스에서 AI 챗봇에 일반적으로 액세스해 사용하는 것은 IT에 능한 사용자로서 매우 흥미로웠다. 반면 마음에 들지 않는 점도 있다. 무엇보다 마이크로소프트는 코파일럿 설치를 개선할 필요가 있다. 도구를 제대로 쓰기까지 4시간을 허비하는 것은 1990년대에나 있을 법한 일이다. 또한 엑셀의 코파일럿은 무언가를 작업을 하기는 하지만 크게 도움이 되는 것은 없었다. 가장 큰 단점은 계속해서 작은 오류를 보이는 것이다. 원하는 작업을 수행하지 못하거나 콘텐츠 오류가 발생했다. 즉, 코파일럿이 생성하는 모든 콘텐츠를 사용자가 꼼꼼하게 확인해야 한다는 의미다. 결국 코파일럿 프로를 쓰려면 사용자가 코파일럿으로 무엇을 할 수 있는지 알아내기 위해 많은 시간을 투자해야 한다. 특히 코파일럿 프로를 원하는 특정 용도로 쓰려면 상당한 시행착오가 필요할 수 있다. 반면 일반적인 용도로 사용한다면 코파일럿 프로는 대부분 사용자에게 꽤 유용할 수 있다. editor@itworld.co.kr
갤럭시 S24+는 삼성의 최신 S 휴대폰 라인의 중간급 제품으로, 더 컴팩트하고 저렴한 S24와 더 프리미엄급이며 비싼 S24 울트라 사이에 위치한다. 두 모델 사이에 적절하게 절충해 울트라의 S펜 지원과 티타늄 프레임은 없지만, S24보다 더 크고 고급스러운 디스플레이와 더 크고 더 안정적인 배터리를 제공한다. 그렇다면 이런 차이를 같은 라인의 더 작은 제품보다 200달러 비싼 가격과 비교하면 어떨까? 필자가 테스트한 결과 일단 S24+와 같은 대형 스마트폰에서는 S펜을 지원해야 한다는 주장이 충분히 일리가 있다. 하지만 이를 제외하면 거의 모든 부분에서 완벽에 가깝다는 생각이다. 디자인과 만듦새 깔끔하고 정돈된 사각형 엣지 디자인 펀치홀 셀피 카메라 IP68 등급 지원 S24+는 S23 시리즈의 깔끔하고 모던한 디자인을 이어받았다. 일부에서는 최근 아이폰 모델과 비슷해 보인다고 지적하지만, 대신 기존 제품과 차별화하는 데 도움이 되는 몇 가지 미묘한 변경도 있었다. 일단 3개 렌즈가 휴대폰 뒷면에 수직으로 나열된 후면 카메라 모듈은 전작과 거의 같다. S21과 S22에서 볼 수 있었던 튀어나온 돌출부가 없기 때문에 전체적으로 외관이 더 깔끔하다. 반면 S24+ 측면은 완전히 평평한 엣지다. 이런 점은 삼성이 애플에서 상당 부분을 차용했다는 비난의 근거가 될 수 있지만, 이 제품은 확실히 더 현대적이고 간소하다. 색상은 다양하다. 매끈함을 강조하는 코발트 바이올렛, 부드러운 메탈릭 색상 외에도 앰버 옐로우, 오닉스 블랙, 마블 그레이 색상이 있다. 필자가 사는 영국을 기준으로 사파이어 블루, 제이드 그린, 샌드스톤 오렌지 색상은 삼성 스토어에서만 구매할 수 있다. 디스플레이 상단 중앙에 눈에 잘 띄지 않는 펀치홀 셀카 카메라도 전체적으로 조화로운 느낌을 준다. 크기와 무게 측면에서 S24+는 S24보다 눈에 띄게 크고 무겁다. 그러나 플래그십 모델인 S24 울트라보다는 작고 가볍다. 두 모델 간의 차이는 약 30g으로, S24+는 더 작은 제품의 크기, 울트라의 무게 사이에서 적절한 타협을 제공한다. 또한 세련된 외관 대비 내구성이 뛰어나고 견고하다. 앞면과 뒷면에 고릴라 글래스 빅투스 2와 '아머 알루미늄' 프레임이 장착됐고, 공식 IP68 등급을 획득했기 때문에 일상에서 마모나 손상이 발생할 가능성은 크지 않다. 또 다른 디자인 기능의 만족스러운 변화는 다양한 강도의 휴대폰 햅틱 피드백이다. 입력, 통화, 알림 등의 동작과 이벤트에 진동 모터가 반응해 휴대폰과의 상호작용을 더 재미있게 만들어 준다. 화면과 스피커 6.7인치 다이내믹 LTPO AMOLED 2X 디스플레이 120Hz 재생률 스테레오 스피커와 32비트/384kHz 오디오 화면만 놓고 보면 갤럭시 S24+는 전작에 비해 혁신이라기보다는 진화에 가깝다. 이 제품 역시 다이내믹 AMOLED 2배 디스플레이를 탑재하고 있지만, 이번에는 LTPO 기술을 사용해 더 역동적이고 효율적인 재생률과 기타 소소한 이점을 제공한다. 또 다른 사소한 차이는 S24+의 디스플레이가 S23+의 6.6인치보다 조금 더 큰 6.7인치라는 점이다. 큰 의미가 없을 수도 있지만, 해상도가 3120×1440픽셀(작년 모델은 2340×1080)로 향상돼 전체적으로 더 생생한 화면을 제공한다. 디스플레이의 밝기도 향상돼 최대 약 2600니트까지 밝아졌다. 화면의 모든 것을 보는 데 전혀 어려움이 없으며, 최대 주사율 120Hz까지 고려하면 S24+가 제공하는 전반적인 시각적 경험은 경쟁 상대가 없을 정도다. 눈에 보이지 않지만 중요한 기능 중 하나는 디스플레이에 내장된 개선된 지문 센서다. 더 빠르고 정확해졌다. 약간의 차이지만 잠금 해제 대기 시간을 줄여 휴대폰이 전반적으로 더 매끄러운 경험을 제공하는 인상을 준다. 또한 S24+는 더 좁은 베젤 덕분에 휴대폰 화면 크기를 0.1인치 늘릴 수 있었다. 전체적으로 두께가 얇아 펀치홀 셀카 카메라와 마찬가지로 휴대폰에 더욱 고급스러움을 부여한다. 스테레오 스피커도 훌륭하다. 고음질 32비트 오디오를 제공해 저음 오디오 플레이어로도 손색이 없다. 스테레오에 비할 바는 아니지만, 외부 블루투스 스피커에 연결하지 않고도 TV와 영화를 감상하기에 충분한 음질이다. 사양과 성능 퀄컴 스냅드래곤 8세대 3칩셋 12GB RAM, 256GB 스토리지 마이크로SD 카드 슬롯 없음 삼성은 항상 갤럭시 S 라인의 성능에 상당해 공을 들였는데, S24+도 마찬가지다. 성능 면에서 결코 뒤처지지 않는다. 북미와 중국에서는 퀄컴 스냅드래곤 8세대 3 프로세서를 탑재하고, 그 외 지역에서는 엑시노스 2400을 사용한다. 두 칩셋 모두 4nm 제조 공정을 통해 생산된다. 두 프로세서 모두 매우 강력하며(퀄컴이 약간 더 빠르다), 12GB RAM과 결합해 거의 모든 상황에서 반응이 빠르다. 지연 없이 앱을 열고, 여러 작업을 원활하게 전환하며, 모든 최신 안드로이드 게임을 쉽게 실행할 수 있다. '아스팔트 9'는 일반적으로 휴대폰의 게임 기기 성능을 평가하는 좋은 벤치마크인데, 필자가 테스트한 결과 S24+는 매우 매끄러운 경험을 제공했다. 그래픽은 지연이나 속도 저하 없이 원활하게 렌더링됐고, 디테일과 해상도는 전반적으로 높은 수준을 유지했다. S24+는 향후 몇 년 동안 게임을 즐기는 데 문제가 없을 것으로 보이며, 기본으로 제공되는 256GB의 내부 스토리지(512GB의 경우 추가 비용 발생)는 여러 게임을 설치하기에 충분하다. 한 가지 단점은 S24+에 마이크로SD 카드 슬롯이 없다는 것이다. 갤럭시 A15 5G 같은 더 저렴한 모델도 지원하지만, 이 모델에서는 빠졌다. 플래그십 휴대폰이 일반적으로 지원하는 기능인데, 999달러짜리 제품이 이를 지원하지 않는다는 것은 다소 아쉽다. 대신 벤치마크 결과에서 알 수 있듯, 이 제품은 비슷한 가격대에서 가장 성능이 뛰어나다. 가격 대비 이보다 더 빠른 안드로이드 스마트폰을 찾기 어려울 정도. 삼성 갤럭시 S24+ 벤치마크 !function(e,n,i,s){var d="InfogramEmbeds";var o=e.getElementsByTagName(n)[0];if(window[d]&&window[d].initialized)window[d].process&&window[d].process();else if(!e.getElementById(i)){var r=e.createElement(n);r.async=1,r.id=i,r.src=s,o.parentNode.insertBefore(r,o)}}(document,"script","infogram-async","https://e.infogram.com/js/dist/embed-loader-min.js"); 카메라 50Mp 듀얼 픽셀 메인 후면 카메라 1,200만 화소 초광각 및 1,000만 화소 망원 렌즈 유용한 AI 기능 삼성 휴대폰의 카메라 기능은 이미 유명하고 갤럭시 S24+도 예외는 아니다. 50Mp 메인 후면 렌즈는 듀얼 픽셀 자동 초점 및 광학 이미지 안정화(OIS)를 지원하고, 이외에도 슈퍼 스테디 비디오 녹화가 가능한 12Mp 초광각 렌즈, 3배 광학 줌을 지원하는 10Mp 망원 렌즈가 탑재됐다. 각 렌즈는 유용하며, 2개의 추가 카메라는 더 신중하게 사용해야 하지만, 다른 안드로이드 폰의 초광각 및 망원 렌즈보다 더 사용하기 편리하다. 기본 50Mp 렌즈를 사용하면 밝은 조명 아래에서 디테일하고 풍부한 사진을 찍을 수 있다. 색상이 강렬하고 역동적이다. 더 사실적인 사진을 선호한다면 마음에 들지 않겠지만, 채도가 너무 과한 것도 아니다. 실제로 이 휴대폰을 이용해 촬영하면 사진이 더 인상적으로 바뀐다. 더 사실적이지만 때로는 특색없게 느껴지는 다른 사진과 비교하면 훨씬 더 다른 사람에게 보여주고 싶어지는 사진이 된다. 초광각 렌즈는 만족스러운 수준의 해상도와 밝기를 유지하면서 더 넓은 장면을 찍는 매우 편리한 렌즈다. 색상이 선명하고 120˚ 화각을 제공하기 때문에 휴가나 여행 스냅 사진에 적합하다. 선명도가 떨어지긴 하지만 10Mp 망원 카메라도 비슷하다. 어느 정도 멀리 떨어진 피사체를 촬영하는 데는 매우 유용하지만, 광각 및 초광각 카메라처럼 일상적으로 쓰기는 힘들다는 데 의심의 여지가 없다. 또한 휴대폰의 야간 모드와 새로운 AI 기반 편집 기능도 언급할 가치가 있는데, 두 기능 모두 항상 완벽하지는 않더라도 목적에 맞게 잘 작동한다. 주변이 어두워지면 자동으로 활성화되는 야간 모드는 주변을 인위적으로 밝게 하고 피사체를 충분히 선명하게 촬영하는 데 탁월하다. 또한, 새로운 편집 기능을 사용하면 구글의 최신 픽셀 폰처럼 피사체를 옮기고 크기를 조정할 수 있다. 사용법을 제대로 배우면 분위기가 완전히 다른 사진을 만들 수도 있다. 마지막으로 S24+에는 듀얼 픽셀 자동 초점 기능을 갖춘 1,200만 화소 셀카 카메라가 탑재되어 있어 인물 사진을 찍을 때 매우 안정적이다. 소프트웨어 기반 인물 모드와 함께 사용하면 소셜 미디어에 게시하고 다른 사람들과 공유할 수 있는 셀카를 매우 쉽게 촬영할 수 있다. 배터리와 충전 4900mAh 배터리 45W 유선 충전 15W 무선 충전 배터리 수명은 가장 중요하다고 할 수는 없지만, 스마트폰의 안정성과 유용성을 결정하는 주요 요소 중 하나다. 다행히 S24+는 배터리 사용시간이 충분히 길다. 4900mAh 셀이 들어가 있어 S24 울트라(5000mAh)보다는 약간 적고 S24(4000mAh)보다 훨씬 넉넉하다. 대용량 배터리가 언제나 긴 사용시간을 보장하는 것은 아니지만 다행히도 S24+는 기대에 부응한다. 게임이나 영상을 자주 즐긴다면 아마도 매일 충전을 해야겠지만, 필자는 이 휴대폰을 리뷰하는 동안 이틀 정도는 편안하게 사용할 수 있었다. 특히 최대 120Hz 주사율을 활성화하는 적응형 재생률을 설정하면, 주사율을 떨어뜨려 전력을 절약하므로, 다른 안드로이드 휴대폰처럼 배터리 소모가 많지 않다. 이런 필자의 경험은 PC마크(PCMark) 배터리 테스트로도 확인했다. S24+ 배터리 사용시간은 16시간이 넘는 인상적인 결과를 보였다. 단, 삼성은 배터리 수명이 29시간 동안 동영상을 재생할 수 있다고 주장한다. 그러나 이 수치에 근접하려면 적응형 재생률을 끄고 밝기를 낮추는 동시에 휴대폰 배터리를 더 아껴서 사용해야 한다. 충전과 관련해 S24+는 제품 패키지에 충전기를 포함하지 않는 휴대폰 업계의 새로운 전통을 따르고 있다. 충전 방식의 경우 45W 고속 유선 충전은 물론 15W 무선 충전을 지원한다. 필자가 가진 25W 충전기로 테스트한 결과 30분 만에 34%까지 충전됐다. S24+는 올해 출시된 다른 기기만큼 충전 속도가 빠르지는 않지만 일정 용량 이상의 충전기를 사용하면 충분히 빠르게 충전된다. 긴 배터리 사용시간을 고려하면 대부분 사용자가 만족할 만한 휴대폰이다. 소프트웨어와 앱 안드로이드 14와 원 UI 6.1 7년간 업데이트 지원 유용한 AI 도구 갤럭시 S24+에는 안드로이드 14와 원 UI 6.1이 기본으로 설치돼 있으며, 특히 후자는 매우 매끄럽고 잘 표현된 사용자 경험을 제공한다. 삼성 원 UI 스킨에서 기대할 수 있듯이 패널과 화면은 직관적이고 반응이 빠른 방식으로 배치돼 사용자가 쉽게 길을 찾을 수 있다. 삼성이 S24+에 7년간 핵심 안드로이드 업데이트를 제공하기로 한 것은 매우 인상적이다. 원 UI 6.1은 가장 멋진 안드로이드 스킨 중 하나이며 여전히 사용자가 원하는 대로 맞춤 설정할 수 있다. 특히 최신 버전에서는 설정한 모드에 따라 휴대폰의 잠금 화면을 사용자 지정하고, 활성화된 모드에 따라 앱 바로가기를 추가할 수 있다. 소프트웨어 측면에서 S24+의 가장 큰 특징은 삼성이 '고급 인텔리전스' 기능이라고 부르는 다양한 AI 기능이다. 이 기능은 7가지 그룹으로 구성되며, 대부분 특정 작업을 더 빠르게 완료하는 데 유용한 방법을 제공한다. 사진 편집기와 라이브 번역기에 대해서는 이미 많은 리뷰 글이 있으니 참고하면 되고, 개인적으로 가장 마음에 드는 것은 음성 녹음 관련된 자동 스크립트 툴이다. 항상 100% 정확한 것은 아니지만 강의, 인터뷰 및 기타 연설을 녹음한 다음 필사해야 하는 경우 별도 비용을 전혀 들이지 않고 작업 시간을 크게 줄일 수 있다. 전반적으로 이 휴대폰의 소프트웨어는 안드로이드에 있어서는 픽셀 폰을 제외하면 타의 추종을 불허한다. 더구나 삼성이 S24+에 7년간의 안드로이드 업데이트를 제공하기로 한 만큼, 가성비도 뛰어난 편이. 사용자는 적어도 몇 년 안 동안 휴대폰을 새로 구매할 필요가 없다. 화면 큰 제품 찾는다면 실망하지 않을 제품 삼성 갤럭시 S24+는 필자가 사는 영국 기준 1월 31일에, 미국에서는 1월 17일에 출시됐다. 삼성에서 직접 구매하거나 아마존과 다양한 서드파티 유통사를 통해 구매할 수 있다. 가격은 256GB 모델이 999달러, 512GB 모델이 1,119달러다. 갤럭시 S24+가 최신 안드로이드 기기 중 가장 뛰어난 쪽에 속한다는 것을 고려하면 직접적인 경쟁 제품을 찾기가 쉽지 않다. 구글 픽셀 8과 픽셀 8 프로 정도가 있는데, 최근 미국에서 픽셀 8의 가격을 499달러로 인하해 안드로이드 휴대폰 중에서는 S24+와 함께 고민할 만하다. 정리하면 삼성 갤럭시 S24+는 의심할 여지 없이 현재 구매할 수 있는 최고의 안드로이드 중 하나다. S펜 지원을 비롯해 몇 가지 부족한 기능이 있지만, 전반적인 품질 면에서는 오히려 S24 울트라에 더 가깝다. 깔끔한 디자인과 아름다운 화면, 뛰어난 성능, 다용도 카메라, 강력한 소프트웨어, 넉넉한 배터리 사용시간 등 스마트폰에 필요한 모든 중요한 요건을 충족한다. 화면이 큰 휴대폰을 찾고 있고, 예산이 허락한다면 실망하지 않을 제품이다. 주요 사양 6.7인치 다이내믹 LTPO AMOLED 2X(3120×1440) 19.5:9, 120Hz; 스냅드래곤 8 3세대(미국/캐나다/중국), 엑시노스 2400(그 외 국가) 12GB LPDDR4X RAM 256/512GB UFS 4.0 내부 스토리지 50Mp 와이드 카메라 10Mp 망원 렌즈 12Mp 초광각 렌즈 12Mp 전면 카메라 디스플레이 아래 지문 스캐너 Wi-Fi 802.11a/b/g/n/ac 2.4GHz+5GHz, VHT80 듀얼 SIM(나노SIM, eSIM, 듀얼 대기) 블루투스 5.3 스테레오 스피커 4900mAh 배터리 45W 유선 충전 15W 무선 충전 158.5x75.9x7.7mm 196g editor@itworld.co.kr
포토샵 앨리먼트는 99.99달러(약 13만 4,000원)로, 저렴한 사진 편집기는 아니지만 포토샵 전문가 기술을 사용해 사진을 편집하고 창의적인 효과를 추가할 수 있는 강력한 도구를 제공하는 가격 대비 기능이 뛰어난 제품이다. 어도비 포토샵 엘리먼트와 동영상 편집용 가 모두 포함된 번들은 149.99달러(약 20만 원)에 판매하므 비용을 절약할 수 있다. 포토샵 엘리먼트의 성공 비결은 강력한 편집 도구와 사용자 친화적인 인터페이스를 결합해 아마추어 사진작가도 쉽게 인상적인 결과물을 얻을 수 있다는 점이다. 2022 버전(2021년 출시)에는 일반적으로 몇 시간이 걸리는 편집 작업을 자동으로 수행하는 새로운 AI 기술 센세이(Sensei)가 도입됐다. 포토샵 엘리먼트에는 유화나 수채화 효과를 사용해 사진을 그림처럼 보이게 하는 필터 효과가 있었지만, 센세이는 입체파나 후기 인상파 같은 다양한 인기 예술 스타일을 모방하는 새로운 예술적 효과 세트를 제공한다. 실험해 보는 재미가 쏠쏠하다. 한 가지 좋은 점은 사진 전체에 예술 효과를 적용하거나 피사체 또는 배경에는 적용하는 것도 가능하다. 너무 많은 예술적인 요소가 별로라면 떨어지는 눈송이나 깜빡이는 불꽃과 같은 간단한 애니메이션 효과(오버레이라고 함)를 사진에 적용한 다음 소셜 미디어에 업로드할 수 있는 짧은 동영상 클립으로 작업물을 저장할 수 있다. 포토샵 엘리먼트가 다른 경쟁 제품과 차별화되는 점은 앱의 가장 강력한 도구를 사용할 때 단계별 도움말을 제공하는 안내 편집(Guided Edits) 기능에 있다. 2022년 버전에 추가된 대표적인 안내 편집 기능은 사진 배경을 확장해 사진의 종회비를 변경할 수 있는 기능이다. 해변이나 잎이 무성한 나무 등 매력적인 배경이 담긴 사진이 있다면 배경의 일부를 복제해 배경을 확장할 수 있다. 예를 들어, 정사각형 사진을 가로로 더 넓은 풍경 사진으로 바꾸거나 인물 사진 속 푸른 하늘을 위로 조금 더 확장할 수 있다. 귀여운 반려동물 사진 없이는 SNS 계정을 완성할 수 없다. 포토샵 엘리먼트에는 동물 사진을 개선하는 안내 편집 기능이 포함돼 있다. 사진의 조명과 색상을 조정해 애완동물이나 배경에 초점을 맞추거나 비네팅 효과를 추가할 수 있다. 진흙이나 먼지 같은 잡티를 제거하고 반려동물의 눈에서 섬광을 없앨 수 있다. 센세이 AI 기술은 2022년 9월 출시된 새로운 포토샵 엘리먼트 2023에서 더 개선됐다. 사진 전체에 움직이는 오버레이를 적용하거나 사진의 특정 부분을 움직이는 동작 요소를 생성할 수 있다. 예를 들어, 흐르는 폭포나 흔들리는 말갈기 같은 이미지 부분에 애니메이션 효과를 줌으로써 눈길을 사로잡는 역동적인 이미지를 만들 수 있다. 프로그램 선택 도구를 사용해 이미지 배경 또는 전경의 요소를 선택할 수 있으며, 간단한 선으로 움직임 방향을 표시해 폭포가 아래쪽으로 흐르도록 이동 방향을 설정할 수 있다. 움직이는 속도도 조정할 수 있으며, 애니메이션 이미지를 MP4 동영상 클립 또는 GIF로 내보내기 전에 효과를 미리 확인할 수 있다. 안내 편집 섹션에는 오버레이, 새로운 배경 이미지 추가 혹은 사진 속 하늘 이미지 보정을 위한 새로운 도구가 포함된다. 이제 여러 안내 편집 기능을 활용할 수 있게 되면서 '자르기' 또는 '하늘' 등의 키워드 검색을 통해 필요한 기능을 빠르게 찾을 수 있는 새로운 검색 도구가 업데이트됐다. 맥 사용자에게 가장 중요한 포토샵 엘리먼트 2023 기능은 애플 실리콘 지원으로, 이제 M1 또는 M2 프로세서가 탑재된 맥에서 프로그램이 45% 더 빠르게 실행될 것이라고 어도비는 주장했다. 이것만으로는 업그레이드를 설득하기에 충분하지 않다면, 몇 년 만에 가장 큰 업데이트인 올해의 새로운 포토샵 엘리먼트 2024에 대해 살펴보자. 예상할 수 있듯이, 포토샵 엘리먼트 2024에는 여러 새로운 AI 기능이 추가됐다. 하지만 프로그램의 인터페이스와 레이아웃도 새로워지고 달라졌다. 포토샵 정식 버전과 마찬가지로 엘리먼트 버전에서도 라이트 모드/다크 모드가 추가됐다. 일반적으로 베테랑 사진작가들은 다크 모드에서 작업하는 것을 선호하는 편이며, 눈이 편해서 다크 모드를 선호하는 사람도 많다. 메인 인터페이스에 사용되는 글꼴과 아이콘도 업데이트돼 가시성이 향상됐다. 이런 인터페이스 변경은 단순한 외형적인 변화뿐 아니라 새로운 퀵 액션(Quick Action) 패널과 같은 유용한 추가 기능도 포함한다. 퀵 액션 모드에서 사용할 수 있는 새로운 패널에는 기존의 여러 편집 도구가 모여있을 뿐 아니라 이미지의 배경이나 하늘을 빠르게 선택 또는 변경하거나 압축된 JPG 파일의 흐릿한 아티팩트를 부드럽게 처리하는 기능 등 새로운 AI 기능이 추가됐다. 포토샵 엘리먼트 2024의 대표 기능인 매치 컬러(Match Color)는 FX 패널에서 퀵(Quick) 모드와 숙련된 사용자를 위한 고급(Advanced) 모드에서 모두 사용할 수 있다. 퀵 모드에서는 사진 내 색상과 톤 밸런스를 빠르게 변경할 수 있는 여러 설정을 간단히 선택할 수 있으며, 고급 모드에서는 사진을 가져와서 한 사진에서 다른 사진으로 색상 설정을 복사할 수 있다. 또한 고급 모드에서는 새로운 검색 툴을 사용해 어도비의 무료 스톡 사진 라이브러리에서 작업에 사용할 이미지를 검색할 수 있다. 이번 업데이트에는 프로그램의 텍스트 도구와 효과를 더욱 쉽게 사용할 수 있는 텍스트 추가(Add Text)라는 새로운 안내 편집 기능이 생겼다. 가로 또는 세로 텍스트를 빠르게 추가하고, 선택 영역에 텍스트를 적용하거나, 자유형 펜으로 그린 경로를 따라 텍스트가 움직이도록 할 수 있다. 마우스 클릭 한 번으로 그림자, 그라데이션 색상 및 기타 효과를 추가하고 텍스트에 적용하는 조명 각도를 변경하는 것도 가능하다. SNS 전문가를 위한 새로운 도구인 포토 릴(Photo Reels)은 여러 사진을 차례대로 넘기는 옛날 슬라이드쇼와 비슷하지만, SNS 업로드에 중점을 두고 있다. 인스타그램 릴스, 틱톡과 같은 서비스에서 사용할 수 있는 템플릿을 제공한다. 포토 릴을 만들면 사진을 순서대로 정렬하고 각 사진의 크기와 종횡비를 조정하는 간단한 타임라인 보기가 표시된다. 또한 포토 릴 재생 속도를 조정하고 텍스트, 그래픽 및 필터 효과를 추가할 수 있다. 데스크톱 버전의 포토샵 엘리먼트를 구매하면 iOS 및 안드로이드용 모바일 앱과 모든 기기의 브라우저에서 실행되는 웹 앱도 이용할 수 있다. 모바일 앱을 사용하면 스마트폰이나 태블릿에서 사진과 동영상을 업로드할 수 있으며, 2GB의 무료 온라인 저장 공간도 제공한다. 본격적인 편집 작업을 시작할 준비가 되었을 때 이런 파일을 데스크톱 버전의 포토샵 엘리먼트로 빠르게 가져올 수 있다. 웹 앱도 비슷한 방식으로 작동하며, 정식 버전을 사용하지 않아도 슬라이드쇼와 콜라주를 빠르게 만드는 몇 가지 간단한 도구를 제공한다. 아쉽게도 모바일 앱과 웹 앱 모두 베타 테스트 단계에 있으므로 만일을 대비해 사진과 파일을 백업하는 것이 좋다. 이런 모든 새로운 기능을 통해 포토샵 엘리먼트 2024는 최근 몇 년 동안 출시된 버전보다 훨씬 더 가치 있는 업그레이드다. 가격은 어도비에서 직접 구매할 경우 99.99달러로 변동이 없으며, 30일 무료 평가판을 제공한다. 결론 최근 몇 년 동안 포토샵 엘리먼트 업그레이드는 변화가 부족한 편이었지만, 2024년 업데이트는 앱에 새로운 활기를 불어넣는다. 이전 버전 소유자에게는 확실히 좋은 업그레이드다. 또한 포토샵 엘리먼트 2024는 비전문가를 위한 최고의 사진 편집기로서의 입지를 다시 한번 확인시켜 준다. editor@itworld.co.kr
크리에이티브의 둥글고 작은 스피커 페블(Pebble)은 PC용 스피커에 수백 달러 이상 쓰고 싶지 않은 사용자에게 언제나 좋은 선택지다. 신제품 페블 X(Pebble X)는 야심과 가격에 이어 품질까지 기준을 한층 높였다. 디자인과 기능 페블 X는 두 가지 버전으로 출시됐다. 하나는 2개의 스테레오 스피커만 있는 버전이고, 페블 X 플러스(Pebble X Plus)는 서브 우퍼가 포함된 버전이다. 이번 테스트에서는 서브우퍼 버전을 사용했다. 윗부분과 바닥이 살짝 기울어진 구형의 두 스피커는 기존 모델보다 조금 더 커진 직경 5.48인치 크기였다. 밑바닥이 평평하고 고무로 코팅되어 있어 세워 놓는 데 불안함이 없었다. 그러나 무게 중심이 약간 위쪽에 있어서 기울이면 책상 위를 굴러다니는 모습을 볼 수도 있다. 책상 면보다 더 높이 두고 싶다면 밑면에 있는 삼각대 마운트를 활용하면 된다. 그러나 삼각대 없이 사용하는 높이가 원래의 의도에 맞는 높이다. 노트북 양 옆에 두기에 알맞고, 가장 좋은 소리가 나는 높이이기도 하다. 책상이 매우 작고 두 스피커를 나란히 둬야 한다면 삼각대가 유용할 것이다. 직전 모델보다 가격이 올랐다. 스피커만으로 구성된 일반 버전은 90달러, 서브우퍼가 포함된 플러스 버전은 130달러다. 그러나 외관만 보면 그리 고급 제품 같지는 않다. 검은색 플라스틱 소재는 멀리서 보면 그럴 듯해 보이지만 가까이서 보면 너무 이음선이 잘 보이고, 플라스틱 느낌이 강하며 스피커 한쪽의 조절 다이얼도 그렇다. 서브우퍼는 조금 더 큰 6.24인치 정육면체 모양이다. 저렴한 전 세대 페블의 서브우퍼보다는 분명 작아졌지만, 박스에서 꺼낼 때는 스피커가 담긴 상자보다 확실히 묵직했다. 무거운 동시에 직전 세대 서브우퍼보다 분명 견고해졌다. 서브우퍼는 스피커보다 훨씬 꽉 차게 만들어졌다. 스피커와 서브우퍼의 만듦새가 똑같지 않은 것이 안타깝다. 서브우퍼는 구석이나 컴퓨터 모니터 뒤처럼 안 보이는 곳에 두기 마련이기 때문에 더욱 아쉽다. 스피커는 아랫부분에 동그란 모양의 RGB 조명도 있어서 보이는 곳에 두게끔 설계됐다. 조명은 기본 설정상 천천히 색깔이 바뀌고, 앱이나 소프트웨어로 조정하면 한 가지 색상의 조명만 켜지거나 색상 패턴을 바꾸고, 음악 소리나 다른 크리에이티브 사의 기기와 동기화하도록 설정할 수도 있다. 설정과 설치는 모두 매우 쉽다. 그러나 두 스피커를 잇는 케이블이 잘 구부러지지 않고 짧은 편이라서 약간의 한계가 있다. 두 스피커는 최대 90cm까지 떼어 놓을 수 있다. 스피커의 USB-C 포트 중 하나는 전원 케이블과 연결되어 있고, 아니면 바로 블루투스 스피커로 사용할 수도 있다. 다른 페블 스피커에서는 지원하지 않는 기능이라서 페블 X가 더욱 돋보인다. 별도의 케이블을 할당하지 않고도 블루투스로 모바일 폰, 태블릿, 노트북과 쉽게 연결할 수 있기 때문이다. 두 가지 전원 옵션 3.5mm AUX 아날로그 오디오 포트도 있고, 다른 쪽에는 아날로그 헤드폰과 마이크 포트도 있다. 페블 X를 PC의 외장 사운드 카드와 연결해 사용한다면 가장 유용해질 포트다. 이 경우 PC와 연결할 케이블은 충분하다. 전원은 USB 포트로 공급할 수 있는데, 이렇게 하면 30와트 이상 지속적으로 출력을 유지하거나 최대 60와트인 스피커의 최대 출력을 모두 활용할 수 없다. 음악을 충실하게 즐기려면 별도의 USB-PD 어댑터를 USB-C 포트 전원에 연결해야 한다. 스피커 한 쪽의 전면에는 볼륨 조정 다이얼과 내장 파워 버튼, RGB 조명 조정 버튼, 그리고 블루투스 모드, USB, AUX를 오가며 입력 모드를 바꾸는 버튼이 있다. 조정하는 버튼은 이것이 전부이고, 음장을 변경할 방법은 없다. 음질 가장 중요한 것은 역시 음질이다. 페블 X 플러스가 좋은 소리를 내는지 바로 묻는다면 대답은 '그렇다'다. 고음과 중간 음역대에서 섬세하며 깨끗하고 또렷한 소리를 들을 수 있다. 페블 X 플러스는 책상 위에 두고 사용자가 전면에 있을 때 가장 좋은 소리를 들려주고, 노트북이나 게임용 PC에서도 좋은 음질을 보여줬다. 블루투스 스피커로는 중소형 크기의 방에서 좋은 소리를 울렸지만 볼륨을 80% 이상 올리자 음질이 흐트러지기 시작했다. 음질 면에서 실망스러운 점도 몇 가지 있다. 처음 음악을 틀자 서브우퍼가 중간 음역대 소리를 확실하게 전달하지 못했고 최저음역대에서는 소리가 매우 가늘어졌다. 이유는 책상 위에서 제대로 자리잡지 못했기 때문이었다. 동판 상자 아랫면의 고무로 된 발에 붙어 있는 플라스틱 필름 때문에 테이블이나 책상 표면에 잘 고정되지 않아서 진동이 공기 중으로 더 멀리 퍼져 나가지 못한 것이다. 따라서 스피커를 설정할 때 주의가 필요하다. 필름을 떼어내면 소리가 훨씬 좋아진다. 책상 아랫면에 나사로 고정하는 등 영구적으로 스피커를 단단히 부착할 방법이 없는 것이 안타깝다. 가능했다면 문제를 완벽하게 해결했을 것이다. 크리에이티브의 PC용 제어 프로그램을 이용하면 이퀄라이저나 밸런스, 마이크 입력을 조정할 수 있다. 그러나 오직 PC 프로그램에서만 할 수 있고 맥용 프로그램이 없다. 모바일용 크리에이티브 앱이 있는데, 기능이 많지 않아서 펌웨어 업데이트와 조명 제어만 가능했다. 정리하면, 더 화려하고 고급 스피커가 많지만, 130달러에 이 정도 음질을 얻을 수 있다면 대다수 사용자가 충분히 납득할 만하다. 스타일리쉬하고 다재다능하고 자리도 적게 차지한다. 중간 크기의 방에서 블루투스로 뛰어난 소리를 들을 수 있다는 것은 상당한 장점이다. RGB 조명 효과가 그다지 중요하게 않다면 아예 끌 수도 있다. 상세 사양 제품명 : 크리에이티브 페블 X 플러스 제조사 : 크리에이티브 오디오 포맷 : 2.1 전력 소모 : 30와트 RMS, 최대 60와트 연결 : USB-C 데이터, USB-C PD, 3.5mm aux, 3.5mm 헤드폰, 3.5mm 마이크 2×3.5mm 오디오 입력, 3.5mm 헤드폰, DC 입력, 컨트롤 포드 입력 무선 : A2DP 블루투스 전원 공급 : USB-C 또는 USB-C PD(PD 어댑터 별매) 스피커 크기 : 13.92×13.65×13.18cm 서브우퍼 크기 : 15.6×15.64×15.85cm 가격 : editor@itworld.co.kr
매월 20달러를 지불하고 코파일럿 프로(Copilot Pro)를 구독하면 마이크로소프트 오피스에서 AI 도우미 코파일럿을 이용할 수 있다. 코파일럿은 워드 문서 편집, 엑셀 스프레드시트 작업, 파워포인트 프레젠테이션 제작, 아웃룩 이메일 정리, 원노트 노트 작성 등 다양한 작업에 도움을 준다. 열려 있는 파일이 무엇이든 사용자의 질문에 답한다. 이것이 바로 코파일럿 프로의 핵심 기능이다. 코파일럿은 기업뿐 아니라 누구나 사용할 수 있는 오피스에 내장된 AI다. 프로 버전은 일반 코파일럿보다 더 많은 기능을 제공한다. 코파일럿 프로가 제공하는 기능은 정확히 무엇이며, 얼마나 좋을까? 구독할 가치가 있을까? 여기서 그 답을 찾아본다. 코파일럿 3형제 코파일럿은 마이크로소프트의 생성형 AI 기반 챗봇의 이름이다. 챗GPT와 기반 기술이 동일하다. 2023년 초 빙챗(Bing Chat)이라는 이름으로 출시됐지만, 이후 마이크로소프트는 통일성을 위해 명칭을 코파일럿으로 바꿨다. 코파일럿은 3가지 종류로 나뉜다. 코파일럿 : 표준 마이크로소프트 코파일럿은 무료다. 윈도우 11에 기본 탑재돼 있으며, 윈도우 10에도 탑재될 예정이다. 코파일럿 프로 : 워드와 같은 마이크로소프트 오피스 앱에서 코파일럿을 사용하는 것을 포함해 무료 버전은 지원하지 않는 몇 가지 추가 기능을 제공한다. 구독료는 월 20달러이며, 기업이 아닌 소비자 또는 개인 사업자를 위한 서비스다. 마이크로소프트 365용 코파일럿 : 가격 및 사용성 월 20달러의 구독료를 지불하면 코파일럿 프로를 사용할 수 있다. 무료 평가판은 제공되지 않는다. 워드, 엑셀, 파워포인트와 같은 앱에서 코파일럿 프로 기능을 사용하려면 20달러 구독료 외에 마이크로소프트 365도 구독해야 한다(최대 6인 가족의 경우 연간 11만 9,000원, 개인은 연 8만 9,000원). 월 20달러는 챗GPT 플러스(ChatGPT Plus)의 월 구독료와 동일하다. 여러 면에서 코파일럿 프로는 챗GPT의 마이크로소프트 버전이라고 볼 수 있다. 챗GPT와 다른 점은 오피스와의 통합이다. 은 사용자당 월 30달러를 지불해야 한다. 따라서 프로는 무료 버전과 기업용 코파일럿 사이의 중간에 위치한다. 무료 버전과 마찬가지로 코파일럿 프로 역시 사용할 수 있는 국가가 제한적이다. 마이크로소프트에 따르면 오스트리아, 호주, 브라질, 캐나다, 스위스, 독일, 스페인, 프랑스, 영국, 인도, 이탈리아, 일본, 멕시코, 뉴질랜드, 미국에서 사용할 수 있으며, 앞으로 더 많은 국가에서 출시될 예정이다. 기능 코파일럿 프로가 제공하는 핵심 기능은 다음과 같다. 마이크로소프트 365 앱 코파일럿 : 워드, 엑셀, 파워포인트, 아웃룩, 원노트에서 코파일럿에 액세스할 수 있다. 단순한 채팅 사이드바가 아니라 코파일럿에 문서를 만들어 달라고 요청하거나 현재 문서를 변경하도록 요청할 수 있다. 우선 접근권 : 마이크로소프트는 피크 시간대에 GPT-4 및 GPT-4 터보(Turbo) LLM에 우선적으로 액세스할 수 있다고 설명한다. 사용자는 우선 액세스 권한을 통해 응답 지연 시간을 줄이고 작업을 더 빠르게 완료할 수 있다. AI 이미지 생성 '부스트' : 최근 마이크로소프트는 코파일럿 프로에 "특정 주제에 맞는 맞춤형 코파일럿인 나만의 코파일럿 GPT를 구축할 수 있는" 과 유사하다. 이런 기능은 모두 플랫폼 전반에 걸쳐 제공된다. 예를 들어, PC 윈도우뿐 아니라 윈도우/맥/아이패드/모바일용 앱, 코파일럿 웹사이트에서도 우선적으로 코파일럿에 액세스할 수 있다. 코파일럿 프로가 제안하는 가치는 간단하다. 코파일럿의 일반 채팅 환경에 더 빠르게 액세스하고, AI 이미지를 더 빠르게 생성하는 것이다. 해당 기능을 얼마나 많이 사용하고 평소에 답변을 얼마나 오래 기다리는지에 따라 필요성이 달라진다. 그렇다면 오피스 앱에서의 코파일럿은 얼마나 잘 작동할까? 코파일럿 프로가 일반 버전과 가장 차별화되는 부분인 오피스 앱의 코파일럿 기능을 살펴본다. 마이크로소프트 365에서의 코파일럿 프로 코파일럿은 오피스에 잘 통합돼 있다. '윈도우 코파일럿'보다 훨씬 낫다. 워드를 예를 들면, 다음과 같은 방식으로 작동한다. 새 문서를 시작하면 작성할 내용을 묻는 '코파일럿을 사용한 초안' 상자가 표시된다. 새 텍스트 줄마다 코파일럿 아이콘이 표시된다. 이를 클릭하면 코파일럿이 글쓰기를 도와준다. 리본 모음에는 '편집기' 버튼 바로 옆에 '코파일럿' 버튼이 있다. 코파일럿 버튼을 클릭하면 코파일럿 사이드바를 열 수 있다. 문서를 대신 작성해 달라고 요청하거나, 현재 문서를 요약해 달라고 요청할 수 있다. 문서의 서식이나 스타일을 빠르게 바꾸고 싶을 때도 활용할 수 있다. 텍스트를 마우스 오른쪽 버튼으로 클릭하고 컨텍스트 메뉴에서 '코파일럿 > 코파일럿으로 다시 쓰기'를 선택하면 텍스트를 다시 작성할 수 있다. 이 제공하는 기능은 몇 가지 설정 변경 외에는 많지 않다. 하지만 M365 코파일럿은 오피스 문서 작업에 효과적으로 도움을 준다. 파워포인트 프레젠테이션을 구성하고 마이크로소프트 디자이너를 통해 AI 이미지를 생성할 수도 있으며, 문서를 작성하고 서식을 지정하고 기존 문서에 접근해 원하는 대로 스타일이나 서식을 변경하는 것도 가능하다. 최근 필자는 상당히 긴 분량의 워드 문서를 검토해야 했다. 사이드바에서 코파일럿에 문서의 내용에 대해 질문했는데, Ctrl+F를 사용해 특정 단어를 검색하고 해당 부분에서 내용을 추측하는 것보다 훨씬 빨랐다. 코파일럿으로 서식을 변경하면서 검토 작업에 활기를 불어넣기도 했다. 정형화된 표현을 사용하는 문서를 작성할 코파일럿과 같은 AI 도구는 빛을 발한다. 불만 처리 현황을 알리는 이메일 답변, 문의서처럼 형식적인 상용구로 작성해야 할 때 코파일럿은 매우 유용하다. 코파일럿 프로가 파워포인트 프레젠테이션을 대신 만들어 줄 수도 있지만, 추천하지는 않는다. 코파일럿 프로는 사용자가 더 자세한 지침을 주고 왔다갔다 하며 변경 사항을 요청하고 시간이 걸리는 작은 지루한 작업을 수행할 때 훨씬 더 유용하다. 한 문장짜리 프롬프트를 주고 비즈니스에 바로 사용할 수 있는 문서나 이메일을 만들기를 기대한다면 크게 실망할 것이다. 현재 작업 중인 문서에서만 AI 기능을 제공하는 코파일럿 프로는 마이크로소프트 365용 코파일럿과 비교하면 연결성이 매우 떨어진다. 코파일럿 프로의 무료 대안 코파일럿이 제공하는 여러 기능을 무료로 이용하는 방법도 있다. 코파일럿 채팅 환경은 누구나 무료로 이용할 수 있다. 앞서 설명한 대로 윈도우의 기본 제공 코파일럿 사이드바, 모바일 앱을 통해 코파일럿에 액세스해 채팅할 수 있다. 마이크로소프트 디자이너는 마이크로소프트 계정을 보유한 모든 사용자에게 무료 AI 이미지 생성 기능을 제공한다. 마이크로소프트 엣지에서 PDF를 열어 PDF에 대해 질문할 수 있다. 엣지의 코파일럿 사이드바는 열려 있는 PDF 문서 또는 현재 열려 있는 웹페이지에 대한 질문에 답한다. 엣지의 코파일럿 사이드바에는 이메일, 문장, 아이디어 목록 및 전체 블로그 게시물 초안 작성에 도움이 되는 편리한 '작성' 창도 있다. 무료로 사용할 수 있으며, 여기서 작성한 콘텐츠를 아웃룩이나 오피스 문서에 붙여 넣어 활용하면 된다. 무료 버전의 코파일럿으로도 많은 일을 할 수 있다. 코파일럿 프로의 장점은 챗봇에 대한 우선 액세스, 빠른 이미지 생성, 사용 중인 오피스 앱과의 통합을 통해 모든 작업 속도를 높일 수 있다는 점이다. 월 20달러의 가치가 있을까? 코파일럿 프로는 월 20달러로, 챗GPT 플러스와 동일한 가격이며, 기반 기술도 같다. 두 서비스 모두 DALL-3 모델을 통해 AI 이미지를 생성할 수 있다. 마이크로소프트 오피스 통합은 많은 사람에게 킬러 기능이 될 것이며, 챗GPT 플러스에서 코파일럿 프로로 전환하는 것은 진지하게 고려해 볼 만하다. 가치가 있는지는 사용자가 직접 결정할 문제다. AI 챗봇을 얼마나 자주 사용하는지, 워드·액셀·파워포인트·아웃룩·원노트에 통합된 AI 챗봇의 이점이 필요한지 잘 생각해 보자. 결정하기 어렵다면 첫 달만 20달러를 지불하고 알아보는 것도 나쁘지 않다. 반복적인 작업을 수행하거나 오피스 문서에 데이터를 찾거나 상용구 문서를 작성하는 데 많은 시간을 소비한다면 코파일럿 프로를 통해 생산성을 높이고 시간을 절약할 수 있다. 하지만 필자라면 코파일럿 프로를 소설 집필이나 기사 작성에는 사용하지는 않을 것이다. 코파일럿 프로는 오피스와 통합되었을 때 가장 빛을 발한다. 윈도우팀이 오피스팀의 조언을 받아들인다면 향후 윈도우 코파일럿도 훨씬 더 유용해질 것으로 기대된다. editor@itworld.co.kr
주로 윈도우 11을 사용하지만 리눅스 민트 같은 리눅스 배포판을 간단히 테스트하거나 감염된 악성코드를 제거하기 위해 복구 시스템으로 컴퓨터를 시작해야 할 때가 있다. 이때는 라이브 DVD 또는 USB 스틱으로 시스템을 부팅하는 방법이 있다. 아무것도 설치할 필요가 없고 주로 사용하는 윈도우 시스템 구성은 전혀 영향을 받지 않는다. DVD 또는 USB 스틱을 제거하면 재시작 후 윈도우 10 또는 11과 같이 기존에 사용하던 운영체제로 부팅된다. 한편 리눅스 민트 또는 다른 운영체제를 테스트하고 애플리케이션까지 설치하려면 가상 PC가 좋은 선택이다. 가상 PC는 실제 PC와 거의 비슷하게 작동하며 호스트(일반적으로 윈도우 컴퓨터) 또는 네트워크의 다른 기기와 데이터를 주고받을 수 있다. 윈도우 또는 리눅스 게스트 형태의 가상 PC는 기본적으로 호스트와 네트워크에서 격리되므로, 소프트웨어 테스트를 테스트하거나 위험할 수 있는 웹 사이트를 서핑해야 할 때 유용하다. 가상 PC는 주로 사용하는 시스템과 달리 시스템 상태를 저장해 놓고 나중에 해당 백업 지점으로 부담 없이 돌아갈 수 있는 것도 장점이다. PC에서 여러 운영체제를 사용하는 또 다른 옵션은 멀티 부팅이다. 하드 드라이브 또는 SSD에 두 개 이상의 운영체제를 병렬로 설치한다. PC를 켠 후 부팅 관리자에서 시작할 운영체제를 선택할 수 있다. 이렇게 하면 로컬 또는 네트워크 공유 여부와 관계없이 윈도우 11과 리눅스 민트를 똑같이 사용할 수 있고 저장된 데이터에 접근할 수 있다. 가상 PC의 장단점 가상화 기술은 2000년대부터 기업 네트워크와 데이터센터에서 널리 쓰이기 시작했다. 이를 통해 전용 컴퓨터의 수를 줄이고 제한된 하드웨어 자원을 최대한 활용할 수 있다. 기업 사용자는 호스트 서버에서 다른 가상 서버를 독립적으로 실행할 수 있으므로 에너지와 관리 비용이 절감된다. 일반 사용자라면 데스크톱 가상화 솔루션을 이용해 PC를 여러 대 구매하지 않고도 다양한 운영체제를 사용할 수 있다. 윈도우 속에 리눅스 또는 리눅스 속에 윈도우를 사용할 수도 있다. 단, 가상화에는 한계가 있다. CPU와 메모리는 큰 속도 저하 없이 사용할 수 있지만, 다른 하드웨어 구성 요소에서는 그렇게 쉽지 않다. 예를 들어 그래픽 성능은 복잡한 게임에 충분할 정도가 아니며, 메모리는 물리적으로 훨씬 더 많은 메모리를 갖고 있어도 보통 128MB로 제한된다. 반면 가상화의 가장 큰 장점은 어떤 작업을 하든 항상 깨끗한 게스트 시스템을 유지할 수 있다는 것이다. 가상머신의 설정을 마음껏 변경할 수 있고, 가상머신이 악성코드에 감염돼도 호스트 시스템은 손상되지 않는다. 실제 PC에서는 심각한 문제로 이어질 수 있는 상황이어도 가상 PC에서는 클릭 한 번으로 원래 상태로 돌아갈 수 있다. 멀티 부팅의 장단점 라이브 시스템이든 영구적으로 설치된 운영체제를 사용하든 멀티부팅을 사용하면 PC의 리소스를 제한 없이 활용할 수 있다. 프로세서, RAM, 그래픽 메모리는 물론 프린터, 웹캠, 스캐너와 같은 모든 하드웨어 구성 요소를 네이티브로 쓸 수 있다. 예를 들어 하드웨어 요구 사항이 부족해 윈도우 11 설치에 실패한 경우 멀티 부팅 시스템으로 윈도우 10과 리눅스 민트와 함께 사용할 수 있다. 또한 PC를 개인용과 업무용으로 명확하게 구분해 사용하는 것도 가능하다. 단점은 관리해야 할 운영체제가 2개로 늘어난다는 사실이다. editor@itworld.co.kr
컴퓨터의 속도와 성능은 원활하고 효율적인 게임 경험에 중요한 역할을 한다. 컴퓨터에 깊숙이 숨겨진 특정 설정과 도구를 조정하면 시스템을 최대한 활용하고 게임 경험을 한 차원 높일 수 있다. 모든 PC 게이머가 즉시 조정해야 할 설정을 소개한다. 윈도우 설정 마우스 속도 설정하기 : 윈도우를 설치하면 마우스 속도에 자동으로 가속도가 붙는다. 마우스 설정을 열고 '더 많은 마우스 설정'으로 이동한 다음 '포인터 옵션'을 선택하면 이런 설정을 변경할 수 있다. '포인터 정확도 향상' 옆의 상자에 체크 표시를 제거해 일관된 마우스 움직임을 설정할 수 있다. 포인터 정확도 향상 기능은 사용자의 이동 속도에 따라 마우스 이동 속도를 조정한다. 해당 기능을 사용하면 마우스 포인터를 예측할 수 없고 제어하기 어려워질 수 있다. 이 옵션을 비활성화하면 이동 속도에 관계없이 마우스 움직임이 일정하게 유지되므로 보다 정확하고 예측 가능한 속도로 제어할 수 있다. 이런 기능은 그래픽 디자인, 이미지 편집 또는 게임과 같이 높은 수준의 정확도가 필요한 작업에 특히 중요하다. 포인터 정확도 향상 기능을 비활성화하면 예기치 않은 가속 또는 감속 없이 마우스 포인터가 원하는 위치에 정확하게 놓이도록 할 수 있다. 게임 모드 활성화하기 : 게임 모드가 활성화되어 있는지 확인해 윈도우가 게임에 최적으로 반응할 수 있도록 해보자. 게임 모드는 '설정 > 게임 > 게임 모드'에서 찾을 수 있다. 윈도우 게임 모드는 게임에 우선순위를 두고 컴퓨터의 리소스를 사용한다. 게임 모드는 게임을 시작할 때 자동으로 인식하고 게임에 필요한 CPU 및 GPU 리소스를 할당해 최적의 성능을 보장한다. 이렇게 하면 게임 성능에 영향을 줄 수 있는 백그라운드 프로세스가 줄어들고 게임이 전반적으로 더 원활하게 실행된다. 게임을 하는 동안 다른 프로그램이 업데이트 중이거나, 바이러스 백신이 검사 중이거나, 다른 시스템 활동이 백그라운드에서 진행 중이면 게임에 방해가 될 수 있다. 윈도우 게임 모드는 이런 백그라운드 활동을 자동으로 제한한다. 에너지 설정 조정하기 : 설정 앱 '제어판 > 하드웨어 및 소리'에서 '전원 옵션'을 연다(설정 앱의 '시스템 > 전원 및 배터리' 항목에서도 설정 가능). 여기에서 다양한 에너지 절약 옵션을 선택할 수 있다. PC에서 최적의 성능을 얻으려면 '최고 성능'을 활성화해야 한다. 라이젠 프로세서를 사용하는 경우 'AMD 라이젠 최고 성능(AMD Ryzen High Performance)'이라는 모드도 사용할 수 있다. 고성능 모드는 게이머에게 필수다. 게임 시 더 빠른 데이터 처리와 향상된 그래픽 성능의 이점을 누릴 수 있기 때문이다. 게임 모드를 활성화하면 더 높은 프레임 속도(FPS)와 전반적으로 더 부드러운 게임 환경을 즐길 수 있다. 게임 모드는 프로세서 및 그래픽 카드와 같은 하드웨어가 최대 성능으로 작동할 수 있도록 하여 컴퓨터의 성능을 최적화한다. 에너지 절약을 목표로 하는 다른 전원 옵션과 달리 고성능 모드는 최대 성능을 우선시한다. 게임, 비디오 편집, 프로그래밍과 같은 연산 집약적인 작업을 수행하는 경우 특히 중요하다. 고성능 모드를 활성화하면 지연과 멈춤을 최소화할 수 있다. 시스템이 명령에 더 빠르게 응답하고 애플리케이션이 더 빨리 시작된다. 여러 애플리케이션을 동시에 사용하거나 빠른 데이터 처리가 필요한 복잡한 프로그램을 사용할 때 유용하다. 새로 고침 빈도 최적화하기 : 윈도우는 모니터의 최대 주사율을 자동으로 선택하지 않는다. 예를 들어, 60Hz로만 작동하는 144Hz 모니터를 사용하는 경우 불편할 수 있다. 새로 고침 빈도를 조정하려면 '시스템 > 디스플레이'에서 '고급 디스플레이' 설정을 열어야 한다. 주사율이 높을수록 화면에 초당 더 많은 이미지가 표시된다. 특히 마우스 움직임이나 비디오 게임과 같은 빠른 동작을 할 때 움직임이 더 부드러워진다. 따라서 전반적인 사용자 환경이 더 편안하고 눈의 피로가 덜해진다. 주사율이 높은 화면은 입력에도 더 빠르게 반응한다. 즉, 마우스나 키보드를 통한 입력과 화면의 실제 반응 사이의 지연이 최소화된다. 컴퓨터와의 원활한 상호 작용을 보장하고 생산성을 높이려면 응답 시간 개선이 필수적이다. 대부분의 경우 모니터를 오버클럭해 더 나은 주사율을 얻을 수 있다. 엔비디아의 그래픽 카드를 사용 중이라면 바탕화면을 마우스 오른쪽 버튼으로 클릭하고 엔비디아 제어판을 열어야 한다. 제어판에서 '디스플레이 > 해상도 변경 > 사용자 지정'으로 이동한다. '해상도 사용'을 선택하고 '사용자별 해상도 만들기'를 연다. 새 창에서 새로 고침 빈도를 조금씩 높이고 각 설정을 테스트한다. 모니터가 약 15초 동안 검은색으로 유지되면 새로 고침 빈도를 이전에 안정된 값으로 설정하고 설정을 저장한다. 그런 다음 엔비디아 제어판의 '해상도 > 사용자 지정'에서 저장된 설정을 선택하고 '적용'을 클릭한다. AMD 그래픽 카드를 사용하는 경우 CRU(Custom Resolution Utility) 프로그램을 다운로드해 실행해야 한다. 원하는 모니터를 선택하고 '세부 해상도' 아래에서 '추가'를 클릭해 새로 고침 빈도를 조금씩 조정한다. 설정을 저장하고 소프트웨어 폴더에서 'restart64' 애플리케이션을 실행해 변경 사항을 적용한다. 모니터에 이미지가 다시 표시되면 마지막으로 안정적인 주사율을 유지하기 위해 모니터에 더 이상 이미지가 오랫동안 표시되지 않을 때까지 윈도우에서 화면 주사율을 직접 조정한다. BIOS 설정 메모리 속도 조정하기 : 기본적으로 메모리는 약속된 속도와 지연 시간을 제공하지 않을 수 있다. 이런 설정을 변경하려면 BIOS 설정에서 XMP 또는 DOCP 프로필(인텔 또는 AMD)을 선택한다. XMP 및 DOCP 프로필은 제조업체에서 테스트 및 검증한 RAM에 대해 미리 정의된 설정을 제공한다. 이런 프로필을 활성화하면 RAM이 최적의 클럭 속도와 타이밍으로 작동하도록 할 수 있다. 이를 통해 메모리 성능이 향상되고 애플리케이션 로드 시간이 빨라지며 전반적인 시스템 작동이 원활해진다. 프로세서 자동 오버클럭하기 : 많은 메인보드가 클릭 한 번으로 BIOS 설정을 통해 프로세서를 오버클럭할 수 있는 옵션을 제공한다(예 : AMD의 PBO(Precision Boost Overdrive), 인텔의 터보 파워 리밋(Turbo Power Limit)). 이렇게 하면 PC의 성능을 안정적으로 향상시킬 수 있다. 리사이즈 BAR 활성화하기 : 리사이즈 BAR(Resize BAR, rBAR) 또는 스마트 액세스 메모리(Smart Access Memory)를 활성화하는 옵션은 BIOS 설정의 홈 페이지 또는 'PCI 고급 설정'과 같은 항목에서 찾을 수 있다. '4G 디코딩'을 활성화하면 '리사이즈 BAR' 항목을 편집할 수 있다. rBAR를 사용하면 프로세서가 한 번에 더 많은 양의 데이터를 전송해 그래픽 카드의 그래픽 메모리(VRAM)에 더 효율적으로 액세스할 수 있다. 그래픽 작업에 높은 대역폭이 필요한 까다로운 게임 혹은 애플리케이션에서 그래픽 성능 향상으로 이어진다. rBAR를 활성화하면 더 높은 FPS와 전반적으로 더 부드러운 게임 경험을 얻을 수 있다. 유용한 소프트웨어 팬컨트롤 : 은 다른 프로그램의 영향을 받지 않는 한 그래픽 카드 팬을 포함한 시스템의 모든 팬을 개별적으로 제어할 수 있는 소프트웨어다. 리보 언인스톨러 : 는 모든 프로그램을 제거한 다음 일반 제거로는 제거되지 않는 원치 않는 폴더와 파일을 모두 삭제하는 데 도움이 된다. 일반적으로 제거할 수 없는 윈도우 소프트웨어도 제거할 수 있다. MSI 애프터버너 : 를 사용하면 그래픽 카드의 오버클럭, 저전압 및 팬 속도를 제어할 수 있다. 또한 게임 중 FPS, 사용률 및 에너지 소비량과 같은 다양한 데이터를 표시할 수 있다. editor@itworld.co.kr
맥을 몇 년 동안 써서 느려졌다고 느껴지면 이제 새 맥을 구매할 때가 됐다고 생각하며 애플 웹사이트를 들락거리게 된다. 하지만 다행히도 속도를 높이기 위해 거액을 쓸 필요는 없다. 새 맥을 구매하기 전에 현재 사용 중인 맥의 성능을 개선하는 간단한 팁을 모았다. 본격적으로 살펴보기 전에 일단 다음과 같은 간단한 팁을 확인하자. 맥을 재시동한다. 한동안 재시동하지 않았다면 RAM/통합 메모리를 최대로 사용 중인 상황일 수 있다. 스토리지를 차지하는 불필요한 파일, 앱, 기타 항목을 삭제한다. 특히 맥의 저장 공간이 10% 미만인 경우 이 작업이 필수다. 문제를 일으키는 소프트웨어가 있다면 소프트웨어를 업데이트한다. 다음 단계에 따라 맥의 속도를 높이고 더 빠르게 실행할 수 있다. 1. 맥 재시동하기 맥 속도가 느려졌을 때 할 수 있는 가장 확실한 방법은 재시동이다. 맥 사용자가 재시동을 하지 않는 이유는 여러 가지가 있을 수 있다. 어쩌면 맥을 재시동하고 사용 하던 앱이 다시 로드될 때까지 기다리기 싫을 수도 있다. 하지만 느려진 속도 문제를 해결하는 것이 일반적으로 가장 먼저 해결해야 할 문제다. 따라서 정기적으로 맥을 재시동하는 것이 좋다. 하루를 마무리할 때 맥을 종료할 지, 잠자기 상태로 둘지는 오랜 역사가 있는 논쟁이다. 과거에는 하드 드라이브를 재시동할 때 발생하는 마모로 인해 컴퓨터 전원을 켜둔 채로 두는 것이 좋다고 권장됐다. 하지만 SSD가 등장한 이후 이런 근거는 없어졌다. 맥을 시동하는 데 걸리는 시간도 예전에는 매우 길었지만 이제는 거의 즉시 시스템이 시작된다. 맥을 끄지 않고 '잠자기' 상태로 두는 가장 큰 장점은 중단한 작업을 나중에 계속할 수 있다는 것이다. 물론 야간에 유지 관리 또는 백업 스크립트를 실행한다면 맥을 깨워둔 상태로 두어야 한다. 반면 맥을 종료했을 때의 이점도 있다. 이런 장점 대부분은 RAM(또는 애플이 통합 메모리라고 부르는) 사용 방식과 관련이 있다. 맥OS는 하드 디스크에 가상 메모리로 실제보다 많은 RAM이 있는 것처럼 활용하는 스왑 파일을 사용한다. 그런데 이 스왑 파일의 수가 5개 정도를 초과하면 맥의 속도가 느려지기 시작한다. 이때는 재부팅하는 것이 좋다. 맥을 재시동하면 캐시가 초기화되고 RAM을 점유하던 응용 프로그램도 해제된다. 결과적으로 맥이 더 빨라진다. 이런 조치로 효과가 없다면 이제 다음 팁으로 넘어가자. 2. 불필요한 앱 종료하기 당연하게 들릴 수도 있지만, 맥을 종료하지 않고 속도를 높이고 싶다면 백그라운드에서 실행 중인 모든 앱을 닫는 것이 가장 좋은 방법이다. 최근에 맥을 종료하지 않고 계속 쓰고 있다면, 맥이 원하는 앱 대신 지난 주 이후에 사용하지 않은 프로그램에 메모리와 CPU 공간을 할애하고 있을 수 있다. 실행 중인 앱을 빠르게 확인하려면 화면 하단의 독을 보면 된다. 실행 중인 프로그램은 그 아래에 점이 표시된다. 이 점이 보이지 않는다면 시스템 설정/시스템 환경설정을 열고 데스크톱 및 독을 클릭한 다음 '열려 있는 애플리케이션에 대한 표시'가 선택되어 있는지 확인한 후 해제돼 있다면 다시 선택하면 된다. 또는 Command+Tab을 눌러 앱 전환기를 불러온 다음 탭해서 앱을 확인할 수 있다. 이렇게 실행 중인 앱 중 불필요한 것을 종료하는 방법은 여러 가지다. 독에서 해당 아이콘을 마우스 오른쪽 버튼으로 클릭(또는 Ctrl 클릭)하고 종료를 선택하거나, 앱 전환기를 사용하는 경우 프로그램을 선택한 후 Command-Q를 누르면 된다. 독에서 아이콘을 마우스 오른쪽 버튼으로 클릭했을 때 강제 종료 옵션이 표시될 수 있는데 오히려 좋은 징후다. 해당 앱 때문에 전체 시스템이 느려지고 있을 가능성이 높으므로 원인을 파악한 셈이다. 옵션이 전혀 표시되지 않거나 실행중을 의미하는 비치볼만 회전하는 경우, 왼쪽 상단 애플 메뉴에서 응답하지 않는 앱을 강제 종료할 수 있다. 왼쪽 상단 애플 로고를 클릭한 다음 강제 종료 옵션을 선택한다. 열려 있는 모든 애플리케이션 목록이 표시되는데, 문제가 되는 애플리케이션을 선택한 후 '강제 종료' 버튼을 누르면 된다. 3. 속도 저하 요인 찾기 일부 앱은 다른 앱보다 전력을 더 많이 소모하고, 때로는 앱 자체의 문제로 시스템 리소스를 필요 이상으로 많이 점유하기도 한다. 어떤 앱이 시스템 리소스를 얼마나 사용하는지 확인하려면 유틸리티 폴더에서 '활성 상태 보기(Activity Monitor)' 앱을 연다. 또는 Command+스페이스바를 누른 상태에서 '활동'을 입력한 다음 엔터키를 눌러도 된다. 활성 상태 보기는 맥의 모든 프로세스를 표시한다. 일부 프로세스는 닫을 수 없거나 닫지 말아야 하므로 주의가 필요한 앱이다. 일단 화면 상단의 메뉴로 이동해 보기 > 윈도우가 열려 있는 프로세스를 클릭한다. 이제 다시 활성 상태 보기로 돌아가 CPU 버튼과 "%CPU" 열을 클릭하면 CPU를 많이 사용하는 모든 프로그램 순서로 나열된다. 이 목록을 통해 각 프로세스가 메모리와 디스크, 네트워크를 얼마나 사용하고 있는지 확인할 수 있다. CPU 전력을 많이 소모하는 앱이 있다면, 마우스로 앱을 선택하고 활성 상태 보기 상단의 메뉴 표시줄에서 X를 클릭해 해당 앱을 강제로 종료할 수 있다. 이렇게 전력을 많이 사용하는 앱은 더 효율적으로 작동하도록 소프트웨어를 수정할 필요가 있을 수 있으므로 업데이트를 확인하는 것도 좋다. 4. 소프트웨어 업데이트하기 맥OS와 맥에 설치된 모든 앱은 정기적으로 업데이트해야 한다. 최신 맥OS 버전을 실행 중인 경우 시스템 설정 > 일반 > 소프트웨어 업데이트로 이동한다. 약간 이전 버전의 맥OS에서는 시스템 환경설정 > 소프트웨어 업데이트로 이동한다. 이제 맥이 업데이트를 확인하는 동안 기다린 후 설치할 업데이트가 있으면 설치한다. 개별 앱에 업데이트가 필요한지도 확인한다. 앱스토어에서 다운로드한 앱에 대한 업데이트가 있는지 확인하려면 앱스토어를 열고 업데이트를 클릭한다. 앱스토어 외부에서 구매한 앱은 별도로 업데이트해야 한다. 맥OS를 최신 상태로 유지하는 방법은 다음과 같다. 시스템 설정 > 일반 > 소프트웨어 업데이트를 클릭한다. 자동 업데이트 옆의 i를 클릭한다. 업데이트 확인, 새 업데이트 다운로드, 맥OS 업데이트 설치가 선택되어 있는지 확인한다. 앱스토어에서 애플리케이션 업데이트 설치가 선택되어 있는지 확인한다. 보안 응답 및 시스템 파일 설치가 선택되어 있는지 확인한다. 5. 저장 공간이 충분한지 확인한다. 맥 성능을 결정하는 요인 중에는 드라이브 여유 공간도 있다. 맥은 스왑 파일을 쓰고 읽을 수 있어야 하므로 여유 공간이 있으면 성능 개선에 도움이 된다. 보통 디스크 드라이브의 10% 이상은 여유 공간이어야 한다. 따라서 맥을 최상의 상태로 실행하고 싶은데 저장 공간에 10% 여유가 없다면 대용량 파일 중 일부를 다른 곳으로 옮겨야 한다. 하드 드라이브에는 대용량 파일과 폴더가 많이 있다. 이메일 파일과 백업, 더 이상 필요하지 않은 오래된 버전의 앱도 있을 수 있다. 맥에 사진을 자주 업로드하고 음악을 다운로드하면 드라이브가 금세 꽉 차게 된다. 사용 가능한 용량을 확인하는 방법은 다음과 같다. 사용하는 맥OS 버전에 따라 다르다. 맥OS 벤츄라 이상에서는 다음과 같다. 시스템 설정 > 일반 > 저장공간을 연다. 사용 중인 저장 용량을 계산하고 사용 중인 항목이 표시되는 동안 기다린다. 애플리케이션 등 콘텐츠 카테고리 옆의 i를 클릭한다. 각 항목을 클릭해 확인한 후 필요하지 않은 경우 삭제한다. 마지막으로 사용한 날짜별로 정렬하면 필요 없는 콘텐츠를 빠르게 찾을 수 있다. 또는 크기별로 정렬하는 것도 도움이 된다. 벤츄라 이전 버전의 맥OS에서는 '이 맥에 관하여'에 저장 공간 옵션이 있어서 공간을 줄이는 작업을 바로 할 수 있었다. 화면 왼쪽 상단의 애플 로고를 클릭해 애플 메뉴를 연다. '이 맥에 관하여'를 클릭한다. 탭에서 저장 공간을 선택한다. 사용 중인 저장 공간의 양을 계산하고 사용 중인 항목을 표시하는 동안 기다린다. 관리를 클릭하면 저장 공간을 최적화하거나 사진 및 동영상을 맥이 아닌 아이클라우드에 저장할 수 있는 옵션이 표시된다. 이밖에 데이지디스크(9.99달러), 왓사이즈(14.99달러) 또는 옴니디스크스위퍼와 같은 유료 소프트웨어를 사용해 디스크 사용량을 확인할 수도 있다. 6. RAM 확보하기 오래 전에는 맥의 성능을 개선하기 위한 방법이 RAM을 더 추가하는 것이었다. 하지만 안타깝게도 최신 맥에서는 메모리가 칩에 내장되어 있어 이런 M 시리즈 맥을 사용하는 경우에는 RAM을 추가하는 것이 불가능하다. 27인치 아이맥 등 구형 맥을 갖고 있다면 비교적 쉽게 RAM을 업그레이드할 수 있지만, 대부분 맥 사용자에게는 해당 사항이 아니므로 일단 RAM을 확보하는 방법부터 살펴보자. RAM을 확보하는 가장 간단한 방법은 맥을 재시동하는 것이지만, 때로는 재시동을 피하고 싶을 때가 있다. 이때는 RAM을 확보하는 데 사용할 수 있는 앱을 사용하거나 활성 상태 보기 앱을 이용하면 된다. 일단 활성 상태 보기 앱부터 시작하자. 활성 상태 보기 앱을 실행한다. 메모리 탭을 클릭한다. 창 하단을 보면 사용 중인 RAM의 양을 확인할 수 있다. 필자의 경우 8GB 중 7GB가 사용 중이다. 메모리라는 제목의 열을 클릭해 RAM을 가장 많이 사용하는 사용자별로 정렬한다. 여기에 표시되는 많은 항목 중 RAM을 많이 사용하는 앱을 골라낸다. 이중 사용하지 않는 앱을 종료하면 RAM을 확보할 수 있다. 독에서 앱을 마우스 오른쪽 버튼으로 클릭하고 종료를 선택하거나 활성 상태 보기 앱에서 해당 앱을 선택한 다음 메뉴에서 X를 클릭하면 된다. RAM을 비우는 데 도움이 되는 서드파티 앱도 있다. 필자가 추천하는 앱은 패러렐즈 툴박스(Parallels Toolbox, 연 24.99달러)다. 메모리를 확보하는 툴과 기타 툴을 번들로 제공한다. 더 저렴한 툴을 찾는다면 데이지디스크(DaisyDisk, 9.99달러)도 있다. 7. 맥의 상태 확인하기 이런 방법으로도 문제가 해결되지 않는다면 맥이 정상적인 상태인지 확인해야 한다. 맥에 기본으로 설치된 디스크 유틸리티를 이용하면 된다. 애플리케이션 > 유틸리티에서 디스크 유틸리티를 실행한다. 왼쪽 목록에서 시동 드라이브를 선택한다. 오른쪽에 있는 검사/복구 탭을 클릭한다. 실행(이전 버전에서는 확인)을 클릭한다. 디스크 유틸리티가 드라이브에서 문제를 발견해 오류를 바로 잡으려면 다른 볼륨에서 부팅해야 한다. 이것이 바로 복구 모드가 있는 이유다. 복구 모드로 부팅하려면 인텔 맥에서는 시작 시 Command+R을 누르고 있어야 하고, M 시리즈 맥에서는 시작 시 전원 버튼을 길게 누르고 있어야 한다. 복구 모드에 들어가면 디스크 유틸리티를 열어 권장되는 복구를 수행할 수 있다. 이외에도 애플 하드웨어 테스트(2013년 6월 이전 맥의 경우) 또는 애플 진단(2013년 6월 이후 맥의 경우)을 실행할 수도 있다. 두 테스트 모두 맥에서 RAM 불량과 같은 하드웨어 문제를 확인한다. 구형 맥에서 속도를 높이는 또다른 방법은 권한을 복구하는 것이다. 최신 맥에서는 필수적인 작업이 아니지만, 이전 버전의 맥OS에서는 가끔씩 권한을 복구해야 했다. 방법은 다음과 같다. 디스크 유틸리티를 열고 사이드바에서 기본 하드 드라이브를 선택한다. 검사/복구 및 권한 복구를 클릭한다. 구형 맥에서 이렇게 하면 맥의 모든 파일에 올바른 권한이 부여돼 문제가 줄어든다. 하지만 2015년 맥 OS X 엘 캐피탄 이후로는 디스크 유틸리티에서 더는 권한 복구 기능을 지원하지 않는다. 엘 캐피탄에 새로 도입된 시스템 무결성 보호(SIP)가 파일에 대한 권한이 수정되는 것을 방지하기 때문에 권한을 복구할 필요가 없다고 애플은 설명한다. 8. 아이클라우드 동기화 정리하기 아이클라우드를 사용해 여러 데스크톱에서 파일을 동기화하고 사진까지 아이클라우드 사진을 이용하는 경우, 시스템이 백그라운드에서 동기화되는 동안 속도가 느려질 수 있다. 이 문제를 해결하는 방법은 여러 가지다. 아이클라우드 데스크톱을 사용하는 경우, 데스크톱 즉 바탕화면에 대용량 문서를 저장하지 말라. 다른 위치에서 액세스해야 하는 경우가 아니라면 대용량 동영상 파일을 데스크톱에 끌어다 놓아서는 안된다. 스크린샷을 저장하는 위치를 변경하는 것도 좋다. 실제로 액세스해야 하는 문서만 아이클라우드 데스크톱에 저장하면 작업 속도가 빨라지고 실제로 동기화해야 하는 파일을 기다리는 시간도 줄일 수 있다. 단, 데스크톱이나 동기화되는 다른 폴더에 저장하지 않으면 아이클라우드에서 사용할 수 없다는 점을 주의해야 한다. 맥에서 아이클라우드 사진을 사용하는데 이미지 동기화 때문에 시스템이 바쁜 상태가 되지 않으려면 애초에 사진 앱을 열지 않는 것이 좋다. 그래도 문제가 해결되지 않으면 해당 기기에서는 아이클라우드 사진 기능을 끄는 것도 좋다. 9. 데스크톱을 깔끔하게 유지하기 또 다른 팁은 맥 데스크톱(바탕화면)을 깔끔하게 유지하는 것이다. 아이클라우드를 사용해 다양한 기기를 동기화하는 경우 데스크톱이 동기화되며, 데스크톱이 어수선하면 동기화하는 데 시간이 오래 걸린다. 데스크톱에 얼마나 많은 데이터가 있는지 확인하려면 파인더를 열고 즐겨찾기에서 데스크톱을 마우스 오른쪽 버튼으로 클릭한 다음 정보 보기를 선택하면 된다. 데스크톱에 10GB 정크 파일이 있다면 뭔가 잘못된 것이다. 문제는 또 있다. 데스크톱에 있는 모든 파일은 아이콘 또는 파일 미리보기와 같은 이미지가 포함된 창이다. 이런 각 창과 그 내용은 RAM에 저장되므로 데스크톱으로 전환하거나 빠른 보기를 사용할 때 맥에서 윈도우에 있는 내용을 표시한다. 즉, 데스크톱에 파일이 많을수록 RAM에 저장되는 데이터도 많아진다. 이로 인해 특히 맥의 메모리가 이미 과부하 상태인 경우 맥이 더 느려질 수 있다. 따라서 문서, 사진, 동영상 등을 적절한 사용자 폴더에 정리하면 맥의 속도가 향상된다. 다행히 맥OS 시에라부터는 데스크톱의 파일을 자동으로 분류해 종류별 또는 날짜별로 모든 파일을 폴더에 자동으로 정리하는 '스택' 기능이 추가됐다. 스택을 열고 수시로 여분의 파일을 삭제하기만 하면 된다. 아직 데스크톱 스택을 설정하지 않았다면 데스크톱을 클릭하고 메뉴에서 보기 > 스택 사용을 선택하면 된다. 10. 스팟라이트 관리하기 스팟라이트(Spotlight)는 맥OS 최신 버전으로 올수록 점점 더 훌륭한 도구다. 하지만 여러 개의 드라이브를 사용하거나 특히 구형 맥에서는 스팟라이트가 파일 시스템을 색인하고 재색인하는 데 꽤 시간이 걸린다. 그만큼 맥 속도가 느려진다. 해결책은 스팟라이트가 색인하는 파일을 제한하는 것이다. 이 작업은 시스템 설정의 시리 및 스팟라이트 패널, 또는 구형 맥의 경우 시스템 환경설정의 스팟라이트 패널에서 할 수 있다. 이 패널을 열면 보통 스팟라이트가 모든 항목을 색인화하는데, 특정 결과를 생략하고 싶다면 생략하도록 설정할 수 있다. 혹은 스팟라이트에서 검색하지 않는 특정 폴더를 설정할 수도 있다. 스팟라이트 개인정보 보호 탭을 클릭하고 검색하지 않으려는 폴더나 볼륨을 끌어다 놓으면 된다. 이렇게 하면 스팟라이트가 해당 폴더 또는 볼륨을 색인하지 않으므로 색인해야 하는 파일 수가 줄어들어 색인하는 데 소요되는 시간이 줄어 들고 맥의 성능이 향상된다. 11. 시작할 때 프로그램이 열리지 않도록 하기 자주 사용하는 프로그램은 맥을 시작할 때 자동으로 실행하도록 설정할 수 있다. 이 기능은 유용하지만, 간혹 로그인할 때 자동으로 열리는 항목에 사용하고 싶지 않은 다른 응용 프로그램이 들어가는 경우가 있다. 맥의 속도를 높이고 싶다면 전원을 켤 때 이런 프로그램이 열리지 않도록 해야 한다. 방법은 다음과 같다. 참고로 특정 프로그램이 백그라운드에서 실행되지 않도록 할 수도 있다. 시스템 설정을 연다. 일반을 클릭한다. 로그인 항목을 클릭한다. 로그인 시 열기 항목에 원하지 않는 항목이 있는 경우 해당 항목을 제거한다. 이전 버전의 맥OS에서 시작 프로그램을 삭제하는 방법은 다음과 같다. 시스템 환경설정을 연다. 사용자 및 그룹을 클릭한다. 이제 로그인 항목 탭을 클릭해 맥을 처음 전원을 켜거나 로그인할 때 실행되도록 설정된 프로그램과 서비스가 있는지 확인한다. 목록에서 원하지 않는 항목을 강조 표시하고 목록 하단의 로그인 항목에서 삭제(-) 버튼을 클릭한다. 12. 시각효과 끄기 대부분 맥은 문제 없이 맥OS를 실행하지만, 맥의 속도에 영향을 주는 일부 기능을 끄면 도움이 된다. 예를 들어, 일부 사용자는 속도 저하를 방지하기 위해 독을 고정 상태로 유지하는 것을 선호한다. 시스템 설정 > 데스크톱 및 독을 열고 다음 상자를 선택 해제한다. 이전 버전에서는 시스템 환경설정 > 독 및 메뉴 막대에 있다. 윈도우 최소화 효과 항목을 '요술램프 지니 효과'를 '크기 효과'로 변경한다. '윈도우 제목 막대를 이중 클릭하여' 항목을 '안 함'으로 설정한다. 13. 파일 볼트 암호화 끄기 파일 볼트(File Vault)를 사용하면 맥에 저장하는 모든 파일을 암호화해 안전하게 보호한다. 하지만 파일을 암호화하고 암호를 해제하는 데 많은 프로세서 역량을 사용한다. 성능이 아쉽다면, 이 기능을 일단 꺼보고 성능에 차이가 있는지 확인하는 것이 좋다. 시스템 설정을 클릭한다. 개인정보 및 보안으로 이동한다. 파일 볼트를 클릭한다. 끄기를 클릭한다. 14. 삭제, 삭제, 삭제 저장 공간이 부족한 것이 문제라면, 맥에서 공간을 확보할 수 있는 몇 가지 빠른 방법이 있다. 휴지통 비우기 : 독에서 휴지통을 마우스 오른쪽 버튼으로 클릭하고 휴지통 비우기를 선택한다. 자동으로 삭제하기 : 30일마다 자동으로 항목을 삭제하도록 휴지통을 설정할 수도 있다. 파인더를 열고 파인더 > 설정 > 고급을 클릭한 후 '30일 후 휴지통에서 항목 삭제'를 선택한다. 다운로드 항목 삭제 : 다운로드 폴더에 아직 필요하지 않은 항목이 남아 있다면 정리하자. 독 오른쪽에 있는 다운로드 폴더를 열고 그 안에 있는 모든 항목을 확인한 후 삭제하면 된다. 오래되고 용량이 큰 파일 삭제하기 : 파인더를 열고 최근 항목(이전 버전의 맥OS X에서는 '모든 내 파일')을 선택한 다음 날짜 또는 크기별로 정렬한다. 여기서 크기를 선택하면 가장 큰 파일부터 선택적으로 삭제할 수 있다. 날짜를 선택하면 한동안 필요하지 않은 파일을 찾을 수 있다. 파인더 윈도우에 크기가 표시되지 않는다면 보기 > 보기 옵션 표시로 이동해 크기를 선택하면 된다. 필요 없는 앱과 프로그램 제거 : 사용하지 않는 앱은 삭제하자. 앱을 휴지통으로 끌어다 놓기만 하면 되지만, 관련 파일과 설정이 맥에 남을 수 있다. 이때는 서드파티 앱에 투자하는 것도 좋다. 클린마이맥 X(CleanMyMac X, 연 34.95달러) 같은 앱은 맥에 설치한 앱이 차지하는 하드 드라이브 공간과 마지막으로 사용한 시간 등을 알려주고, 앱 자체는 물론 앱과 관련된 모든 파일을 지워준다. 위젯 제거 : 알림 센터에서 사용하는 위젯을 삭제할 수 있다. 화면 오른쪽 상단의 시계와 날짜(또는 구형 맥OS 버전에서는 글머리 기호 아이콘)를 클릭한다. 아래로 스크롤하여 위젯 편집(또는 위젯, 또는 이전 버전의 맥OS에서는 오늘)을 클릭한다. 여기서 필요 없는 위젯을 모두 제거할 수 있다. 15. 사진을 외장 드라이브로 옮기기 사진과 홈 비디오가 맥에서 차지하는 공간은 생각보다 훨씬 크다. 사진을 클라우드에 저장하면 맥에서 사진을 삭제할 수 있다고 생각해 아이클라우드 사진 저장 용량 구매를 고려할 수 있지만, 안타깝게도 아이클라우드 사진의 작동 방식은 그렇지 않다. 사진이 저장된 맥에서 사진을 삭제하면 아이클라우드와 사진을 볼 수 있는 모든 기기에서도 삭제된다. 물론 아이클라우드 사진을 사용하는 데 이점이 없는 것은 아니다. 맥에 저장 공간보다 더 많은 사진을 저장하지 않도록 하는 설정이 있어서 맥에서 이미지가 차지하는 공간을 크게 줄일 수 있다. 아이클라우드 사진이 맥에서 많은 공간을 차지하지 않는지 확인하는 방법은 다음과 같다. 사진 앱을 열고 설정(이전 버전의 환경설정)을 클릭한다. 아이클라우드를 클릭한다. 맥 저장 공간 최적화가 선택되어 있는지 확인한다. 이렇게 하면 맥의 공간이 부족한 경우 사진과 동영상의 작은 버전만 맥에 저장되고 원본 해상도 버전은 클라우드에 저장된다. 물론 언제든지 전체 해상도 버전을 다운로드할 수 있다. 다른 서비스를 사용해 클라우드에 사진을 백업할 수도 있다. 예를 들어 드롭박스나 구글 드라이브가 있다. 클라우드 서비스를 사용하지 않으려면 현재 맥에 저장된 사진을 외부 저장 장치로 옮길 수 있다. 외장 하드 드라이브로 사진을 옮기는 방법은 다음과 같다. 사진 앱을 종료한다. 사진 보관함을 시동 볼륨에서 외장 볼륨으로 드래그해 복사한다. 완료되면 옵션 키를 누른 상태에서 사진 앱을 실행한다. 사진에서 사진 > 설정(또는 환경설정)을 선택한 다음 일반 탭에서 시스템 사진 라이브러리로 사용을 클릭한다. 16. 음악 파일 옮기기 이전에 CD에서 음악을 추출했거나 다운로드한 음악이 많은 경우, 음악 라이브러리 용량이 시스템에 부담이 될 수 있다. 이럴 때는 사진 앱과 마찬가지로 음악 파일을 외장 드라이브로 옮겨 디스크 공간을 확보할 수 있다. 자세한 내용은 맥의 음악 보관함을 다른 위치로 옮기는 방법을 참조하면 된다. 단, 설정 > 고급 탭에서 음악 보관함을 다시 연결해야 한다는 점에 유의하자. 또는 연 25달러에 모든 음악을 클라우드로 이동해 맥에서 삭제하고 모든 기기에서 접근할 수 있는 아이튠즈 매치(iTunes Match)를 구독하는 것도 방법이다. 여기에 가입하면 음악을 아이튠즈 매치에 저장한 후 듣고 싶을 때 듣고 싶은 트랙을 다운로드하기만 하면 된다. 애플 뮤직 구독은 클라우드를 통해 모든 음악에 접근할 수 있다는 점에서 비슷한 방식이지만, 아이튠즈 매치는 클라우드에 있는 음악 보관함의 복제본이다. 애플 뮤직은 클라우드를 통해 이미 소유한 모든 트랙에 접근할 수 있는 기능만 제공할 뿐이다. 17. 맥의 캐시 비우기 캐시 파일을 삭제하면 실제로 맥의 성능을 개선할 수 있다. 단, 웹 브라우저는 웹 페이지를 캐시해 웹사이트를 다시 방문할 때 전체 페이지를 다시 다운로드할 필요가 없도록 한다. 또한 로그인 정보와 비밀번호를 기억하는 것도 캐시다. 따라서 경우에 따라서는 캐시를 삭제하면 얻는 것보다 잃는 것이 더 많을 수 있다. 그러나 저장 공간을 확보해야 하는 경우 캐시에서 일부 파일을 삭제하는 것이 해결책이 될 수 있다. 데스크톱에서 Command+Shift+G를 눌러 폴더로 이동을 불러온 다음 ~/Library/Caches/를 입력해 사용자 캐시를 살펴보자. 캐시가 얼마나 많은 공간을 차지하고 있는지 확인하려면 파인더에서 캐시 폴더를 마우스 오른쪽 버튼으로 클릭하고 정보 보기를 선택하면 된다. 몇 기가가 될 수 있다. 사용자 캐시는 필요할 때 재구성되므로 더는 사용하지 않는 앱이라면 그냥 삭제하면 된다. 사파리, 파이어폭스, 아이튠즈는 모두 앱 내에서 직접 캐시를 지울 수 있다. 이런 캐시 파일을 일일이 살펴보고 삭제할 수도 있지만, 이 작업을 수행하는 데 사용할 수 있는 유용한 유틸리티가 많다. 예를 들어, 맥퍼의 클린마이맥 X, 맥용 씨클리너(CCleaner)(무료)와 패러렐즈 툴박스 등이 있다. 18. 사파리 캐시 지우기 사파리에 캐시가 필요 이상으로 쌓이면 속도가 떨어질 수 있다. 이를 정리하면 맥OS에서 사파리 속도를 높이는 데 도움이 된다. 이전 버전에서는 사파리를 열고 사파리 > 사파리 재설정을 선택한 다음 모든 웹사이트 데이터 제거(다른 옵션은 선택하지 않음)를 선택한다. 이제 재설정을 클릭하면 느린 웹 브라우징 속도를 높일 수 있다. 이후 버전에서는 설정 또는 환경설정 대화상자를 열고 개인정보 아이콘을 선택한 다음 '웹사이트 데이터 관리...' 버튼을 클릭한다. 그후 '모두 삭제' 버튼을 클릭하면 모든 쿠키와 캐시를 삭제할 수 있다. 쿠키나 브라우저 기록이 아닌 캐시만 삭제하고 싶다면 조금 복잡하다. 이때는 숨겨진 사파리 개발자 메뉴를 사용하는 것이 더 편리하다. 개발자 메뉴는 사파리 > 설정(또는 환경설정)을 선택하고 고급을 클릭한 다음 메뉴 막대에서 개발 메뉴 표시를 선택하면 활성화된다. 이제 윈도우 및 도움말 메뉴 옵션의 왼쪽에 새로운 개발 메뉴 옵션이 나타난다. 열려 있는 사파리 윈도우를 모두 닫고 개발 메뉴에서 캐시 비우기를 선택한다. 그런 다음 파일 > 새 창을 클릭해 캐시를 지운 상태에서 사파리를 시작하면 된다. 19. RAM 추가하기 최신 맥, 특히 M 시리즈 칩이 장착된 맥에서는 RAM을 업그레이드하는 것이 불가능하므로, RAM을 더 추가하는 것이 해결책이 될 수 없다. 반면 구형 맥을 갖고 있다면, 특히 27인치 아이맥 사용자라면 비교적 쉽게 램을 업그레이드할 수 있다. 과거에는 맥 성능 향상을 위해 RAM을 더 추가하는 것이 일반적인 해결책이었다. 그러나 RAM을 무턱대고 구매하기 보다는 실제로 성능이 얼마나 개선될 지 미리 알아보는 것이 좋다. 가장 쉬운 방법은 응용 프로그램 > 유틸리티에 있는 활성 상태 보기 앱을 실행해 메모리 탭을 클릭한 다음 창 하단에 있는 메모리 압력 게이지를 확인하는 것이다. 계속 녹색으로 표시된다면 업그레이드해도 큰 차이를 느끼지 못할 것이. 반면 정기적으로 빨간색으로 바뀐다면 업그레이드할 가치가 있다. 추가하는 RAM 용량과 방법은 맥 기종에 따라 다르다. 그러나 필자 경험상 가능한 한 최대치 RAM으로 늘리는 것이 좋다. 또한, RAM을 추가하려면 기존 RAM을 제거하고 교체해야 하는 경우가 있다. 필수적인 것은 아니지만 같은 제조업체에서 필요한 RAM을 한꺼번에 구매하는 것이 좋다. 빈 슬롯만 채우기로 결정한 경우에도 마찬가지다. 그리고 가능하면 같은 용량의 RAM 모듈을 끼우는 것을 추천한다. 아마 가장 큰 어려움은 맥의 RAM을 업그레이드 할 수 있는지일 것이다. 27 인치 아이맥에 RAM을 추가하기는 쉽지만 위에서 최신 맥은 사용자 업그레이드가 전혀 불가능하므로 맥을 처음 구매할 때 옵션에서 가능한 한 많은 RAM을 선택하는 것이 좋다. 20. 맥OS 새로 설치하기 여기서 설명한 맥 속도를 높이는 모든 방법을 시도했지만 성공하지 못했다면 마지막으로 운영체제를 새로 설치하는 방법이 하나 더 있다. 부팅 드라이브 전체를 삭제해야 하므로 가볍게 할 수 있는 작업이 아니다. 그러나 맥을 재설치하면 수년 동안 시스템 라이브러리와 사용자 라이브러리에 저장돼 맥이 느리게 하는 원인이 됐을 모든 파일이 지워진다. 단, 새로 운영체제를 설치한 후 문서, 이미지, 음악 및 기타 필요한 모든 것을 다시 복사할 수 있도록 재설치 작업을 시작하기 전에 드라이브의 전체 백업을 최소 한 번 해야 한다. 가급적이면 두 번 이상 하는 것이 좋다. 그리고 클라우드에 없는 파일이 있을 수 있으므로 클라우드에 모든 것이 있다고 안이하게 생각하는 함정에 빠지지 않도록 주의해야 한다. 21. 새 맥을 산다 팁은 아니지만, 최후의 방법이다. 이런 조치 이후에도 여전히 느린 맥 때문에 어려움을 겪고 있다면 신형 맥으로 눈을 돌려야 할 때다. editor@itworld.co.kr
마우스로 컴퓨터를 사용하기 시작한 이후 아이콘은 운영체제의 중심이었다. 폴더, 휴지통 또는 돋보기를 나타내는 작고 단순한 이미지를 클릭하면 원하는 작업을 바로 시작할 수 있다. 일반적으로 아이콘의 모양은 운영체제가 제어하며 대부분은 바꿀 이유가 없다. 예를 들어 휴지통이 갑자기 계산기처럼 보이게 한다거나 검색 도구 아이콘을 폴더로 바꿀 필요가 없다. 하지만 사용자 폴더나 바로 가기 등 아이콘 모양을 바꾸는 것이 오히려 더 편리한 경우가 있다. 또한, 아이콘이 매우 많을 경우 모두 똑같지 않다면 더 매력적이고 찾기도 쉽다. 특히 폴더 같은 경우 색깔만 달라도 찾기가 훨씬 쉽다. 애플은 이 점을 깨달았고 맥에서는 폴더의 색상을 쉽게 변경할 수 있다. 윈도우에서는 이보다 조금 더 복잡하면 역시 바꿀 수 있다. 물론 색상을 바꾸는 데 만족할 필요도 없다. 아이콘의 모양을 자유롭게 선택할 수 있다. 예를 들어, 승마 관련된 문서가 있는 폴더라면 노란색 폴더 아이콘을 말 그림으로 바꿀 수 있다. 자주 방문하는 웹 페이지의 바로 가기에 해당 사이트의 로고를 넣는 것도 좋다. 방법은 무궁무진하지만 한 가지 명심해야 할 중요한 사항이 있다. 이미지 폴더의 아이콘을 변경하면 미리보기 기능이 사라진다. 일반 기본 아이콘을 사용하면 폴더 콘텐츠의 썸네일을 볼 수 있지만 아이콘을 변경하면 이 기능을 더는 사용할 수 없다. 아이콘을 바꾸는 단계별 방법 1. 설정 열기 사용하려는 폴더 또는 파일을 마우스 오른쪽 버튼 클릭하고 속성을 선택한다. 폴더인 경우 사용자 지정 탭을 선택하고 바로 가기인 경우에는 바로 가기라는 탭을 클릭한다. 어느 쪽이든 아이콘 변경이라는 옵션이 표시된다. 2. 기본 아이콘으로 변경하기 이제 시스템에 내장된 기본 아이콘이 표시되며, 변경하려는 아이콘은 변경하려는 항목에 따라 달라진다. 사용하려는 아이콘을 찾아 클릭한 다음 확인을 선택한다. 확인을 한 번 더 눌러 최종 선택한다. 3. 나만의 아이콘 사용하기 기본 제공 아이콘이 마음에 들지 않으면 일명 'ico' 파일을 사용할 수 있다. 온라인에서 다운로드할 수 있는 사이트가 많이 있으며 그중 가장 좋은 사이트가 아이콘파인더(Iconfinder)다. 으로 이동해 아이콘을 클릭한다. 4. 아이콘 검색 아이콘파인더에는 600만 개 아이콘이 등록돼 있다. 카테고리를 검색하거나 탐색해 원하는 아이콘을 찾을 수 있다. 일부 아이콘은 유료지만 검색할 때 무료를 선택하면 무료 아이콘만 볼 수 있다. 5. 아이콘 다운로드 마음에 드는 아이콘을 찾으면 저장하면 된다. 단, ico 형식을 선택하는 것이 중요하다. 기타 > ICO를 클릭한 다음 'ICO로 다운로드'를 선택한다. 이 파일을 사용해야 하므로 쉽게 찾을 수 있는 폴더에 저장하는 것이 좋다. 6. 아이콘 변경하기 이제 다시 아이콘 속성을 열고 변경 아이콘을 누른다. 찾아보기를 선택하고 ico 파일을 찾는다. 열기를 누르면 아이콘의 썸네일이 나타난다. 아이콘이 강조 표시됐는지 확인하고 확인을 두 번 누른다. 이제 이전 아이콘이 새 아이콘으로 바뀐 것을 확인할 수 있다. 7. 선택적으로 이미지 변경하기 기존 아이콘이 마음에 들지 않으면 직접 만들 수 있다. 기존 이미지를 가져와서 ico 형식으로 변환하면 된다. 와 같이 무료로 이 작업을 할 수 있는 웹사이트도 있다. 8. 처음부터 새로 만드는 것도 가능 같은 웹 서비스를 사용해도 좋다. 이것은 윈도우 아이콘을 만들기 위한 간단한 웹 기반 그리기 프로그램이다. 마우스로 그리거나 하드 드라이브에서 이미지 파일을 가져와서 만들 수 있다. 결과가 만족스러우면 다운로드를 클릭해 이미지를 아이콘 파일로 저장한다. 파비콘은 디자인 측면에서 약간 오래된 서비스지만, 잘 작동한다. editor@itworld.co.kr
랜섬웨어는 재해복구 계획을 뒷방에서 전면으로 끌어올렸다. 허리케인, 토네이도, 지진의 피해를 입지 않을 것이라 생각하는 것은 이해할 수 있다. 하지만 기업이 랜섬웨어의 공격을 받지 않을 것이라 생각하는 것은 복권에 당첨될 것이라 생각하는 것과 같다. 기업이 랜섬웨어의 공격을 받을 확률은 매우 높기 때문에 사고 대응 계획에 포함된 견고한 재해 복구 계획이 필요하다. 수십 년간 이 업계에서 일하면서 배운 것이 있다면, 백업이나 복제본만 있다고 해서 진정한 의미의 재해 복구 계획이 수립된 것은 아니라는 것이다. 필자는 중요한 시스템 복구를 직접 겪었고, 추측만 하고 계획이 불완전할 때 어떤 일이 벌어지는지 목격했다. 특히 오늘날과 같이 랜섬웨어가 만연한 환경에서는 복구 준비는 타협할 수 없다. 복구 인프라의 사전 정의 적절한 DR 계획은 완전히 새로운 인프라에서 데이터와 시스템을 복원해야 한다는 가정을 바탕으로 수립된다. 포렌식 상의 이유로 원래 시스템을 보존해야 하거나 하드웨어가 수리가 불가능해 사용할 수 없을 수도 있다. 공격이나 재해가 발생한 후 동일한 물리 서버를 재사용하는 것은 무모한 일이다. 불가능할 수도 있으므로 완전히 새로운 하드웨어로 복구를 시작할 준비가 되어 있어야 한다. 즉, 이벤트 발생 후 임시 배포를 위해 대기 장비 또는 장애 조치 호스트를 미리 확보해야 한다. 클라우드 인프라를 활용하는 것은 이를 위한 좋은 방법 중 하나인데, 구성을 미리 만들어 두고 필요할 때 비용을 지불하면 되기 때문이다. 혼란스러운 상황에서 교체 서버를 구입하기 위해 허둥대는 것은 위기를 더욱 키울 뿐이다. 따라서 교체 시스템이 실제로 필요하기 훨씬 전에 대체 시스템을 어디에서 가져올지 알고 있어야 한다. 페일오버 환경의 신속한 보호 사람들이 간과하는 또 하나는 페일오버가 발생한 후 DR 사이트를 백업하는 방법이다. 온프레미스든 클라우드든 DR 사이트로의 전환이 발생하면 새로운 환경에 대한 백업을 즉시 시작해야 한다. 중요한 시스템을 성공적으로 복구했는데, 백업 생성을 소홀히 해 2차 랜섬웨어가 DR 사이트까지 위험에 빠뜨리는 것은 누구도 원치 않을 것이다. 복구 하드웨어 구입 계획과 마찬가지로, 복구 사이트 역시 백업할 방법을 미리 결정하고 설계해야 한다. 또한, 복구 사이트에 장애가 발생하면 자동으로 백업이 시작되도록 설계하는 것이 가장 좋다. 레거시 백업이 다시 설정될 때까지 복구가 완료된 것으로 간주해서는 안된다. 가시적인 복구 기간 목표 정의 일반적인 비즈니스 책임자에게 어떤 종류의 복구 요구 사항이 있는지 물어보면 데이터 손실이 전혀 없는 즉각적인 복구(즉, RPO와 RTO가 0인 복구)가 필요하다고 말할 것이다. 하지만 이런 요구 사항을 충족하는 데는 천문학적인 비용이 든다. 따라서 어렵겠지만, 재해가 발생하기 전에 현실적인 복구 시간과 데이터 손실 허용 임계치에 대해 논의를 마쳐야 한다. 조직의 우선순위를 조정하고 비즈니스 연속성 요구 사항과 실제 IT의 역량 및 비용 제약의 균형을 맞추기 위해 경영진의 이해관계자와 더 많이 논의할수록 복구가 더 성공적으로 이루어질 수 있다. '성공'은 상대적인 개념이므로 비즈니스에서 설정한 목표를 달성해야만 성공할 수 있다는 점을 기억하자. 이런 목표가 현실적이고 적절한 자금이 뒷받침된다면 성공으로 가는 길에 들어선 것이다. 의심 극복을 위한 문서화 및 테스트 목표가 정의되어 있더라도, 치열한 전투 상황에서는 문서화되고 입증된 실행 지침이 필수적이다. 데이터와 시스템을 대규모로 효율적으로 복원하는 방법을 이해하지 못하면, 단순히 백업 복사본이나 복제본을 보유하는 것만으로는 아무 소용이 없다. 시스템 종속성을 포함해 중요도 순으로 자산을 복구하는 단계별 절차가 필요하다. 또한 문서에는 복구 환경의 전체 인벤토리, 모든 직원 및 공급업체의 연락처 목록, 문제 처리를 위한 단계별 프로세스가 포함돼야 한다. 모의 시나리오에서 중요하고 반복적인 테스트를 하면, 가장 중요한 순간에 담당자가 이 문서를 활용해 가치를 실현하는 연습을 할 수 있다. 자동화보다 중요한 걸음마 단계 초기 DR 작업은 수동 절차가 주를 이룰 수 있지만, 자동화를 지속적으로 추진해야 한다. 프로그래밍 방식으로 스크립팅하거나 트리거할 수 있는 복구 작업이 많을수록 성공 확률이 높아진다. 하지만 최고만을 추구하면 오히려 독이 될 수 있다. 완전한 자동화를 추구하느라 초기 단계의 DR 계획 수립이 늦어져서는 안 된다. 아무것도 없는 것보다는 무엇이라도 있는 것이 낫다. 먼저 모든 것을 문서화한 다음 테스트 피드백을 바탕으로 시간이 지남에 따라 선별적으로 자동화를 추진하기 바란다. 마라톤의 결과보다 중요한 것은 걸음마 단계이다. 클라우드 활용 클라우드는 데이터 복제, 특히 임시 DR 인프라를 프로비저닝하는 데 높은 유연성을 제공한다. 클라우드 서비스를 사용하면 테스트 환경을 편리하게 가동 및 중단할 수 있어 재해 시나리오를 훨씬 쉽게 연습할 수 있다. 온프레미스 인프라를 사용하는 기업의 경우에도 DR 목적으로 클라우드 기반 백업 복제를 고려하기 바란다. 대부분의 경우, 클라우드는 이미 사이버 복원력 준비에 있어 중요한 역할을 하고 있으므로 재해 대비에도 클라우드를 적용하는 것이 좋다. 허점이 드러날 때까지 테스트 DR 문서가 있는 것은 좋지만 필요할 때만 테스트하는 것은 좋지 않다. 테스트의 또 다른 목적은 근육 기억을 개발하는 데 도움이 되는 것 외에도 프로세스의 부족한 부분을 찾아내는 것이다. 모의 재난을 통해 선제적으로 실패를 경험해 보는 것이다. 새로운 기능이나 절차를 검토할 때 때때로 발생하는 장애를 예상할 수도 있다. 29년 전, 딸이 막 태어났을 때 아내의 병실에서 전화가 걸려와 복구 작업을 도와달라는 요청을 받은 적이 있다. 문서화된 프로세스가 있었기 때문에 전화를 끊고 새 아이에게 집중할 수 있었다. 문서화된 복구 프로세스가 언제 필요할지는다. 하지만 지금이 바로 프로세스를 시작할 때다. editor@itworld.co.kr
윈도우 8에서 윈도우 10으로 업그레이드하는 데는 어려움이 없었다. 하지만 마이크로소프트는 사용자들이 윈도우 10에서 윈도우 11로 업그레이드하도록 설득하는 데 어려움을 겪고 있으며, 업그레이드 요건을 갖추지 않은 PC에 대해서도 압박의 강도를 높이고 있는 것으로 보인다. 한 레딧 사용자는 일하는 동안 마이크로소프트가 윈도우 11에 대한 전체 페이지 광고를 자신의 윈도우 10 PC로 보냈다는 글을 올렸다. 흔한 일이지만, 문제는 해당 PC가 윈도우 11 업그레이드 요건을 갖추지 않았고, 광고도 이런 사실을 인정했다는 것. 그렇다면, 윈도우 11 업그레이드 광고가 사용자에게 새 PC를 구매하라고 부추긴 셈이다. 윈도우 10은 2025년 10월 14일에 지원이 종료된다. 일반 사용자에게는 기술 지원이 연장될 예정이지만, 마이크로소프트가 비용을 얼마나 청구할지는 알 수 없다. 기업 사용자의 경우, 연간 61달러를 지불해야 한다. 그리고 이런 혼란 속에서 윈도우 11의 하드웨어 요구사항 때문에 적지 않은 사용자는 윈도우 11로 업그레이드할 수 없는 상황에 부닥치게 된다. 마이크로소프트의 윈도우 11 업그레이드 광고는 적지 않은 사용자에게 최신 버전으로 업그레이드하라고 권유한 다음, “당신의 PC는 자격 미달”이라고 말한다. 어떤 의미에서 PC 업계가 새로운 세대로 업그레이드할 때마다 전달하는 메시지와 동일하다. 3년 또는 5년 된 PC와 비교해 새 PC가 얼마나 빠른지 보여주는 것이다. 코파일럿 키, NPU, 코파일럿 자체 등 마이크로소프트의 차세대 AI PC에 대한 가이드라인은 모호하기 짝이 없다. 마이크로소프트는 아직 PC가 몇 TOPS의 성능을 갖춰야 하는지 밝히지 않았다. 물론 대부분 칩 업체는 AI 연산을 수행할 수 있는 강력한 GPU를 탑재한 'AI PC' 수백만 대가 이미 출시됐다고 말한다. 이들 PC는 진정한 AI PC가 아니라는 말인가? 윈도우 11의 다음 세대와 AI PC로의 전환은 획기적인 사건이 될 수 있다. 하지만 마이크로소프트가 윈도우 10을 포기하고 윈도우 11을 실행하는 AI PC로 업그레이드해야 한다고 설득하려면, 사용자가 얻을 수 있는 이점과 사용자가 갖춰야 할 것이 무엇인지 구체적으로 알려줘야 한다. 지금까지 마이크로소프트는 그 어느 것도 하지 않았다. editor@itworld.co.kr
AI가 클라우드 서비스 업체에는 새로운 금광이라는 점은 의심의 여지가 없다. 하지만 솔루션 업체와 고객이 잘못된 방향으로 너무 멀리 가버리면, 몇 년 동안의 비즈니스 가치를 허비하고 말 것이다. IDC의 기업 인프라 분기 추적 조사(IDC Worldwide Quarterly Enterprise Infrastructure Tracker)에 따르면, 클라우드 인프라 매출은 빠르게 성장할 것으로 보인다. 2023년 4분기 클라우드 배포를 위한 컴퓨팅 및 스토리지 인프라에 대한 지출은 전년 동기 대비 18.5% 증가했다. 이는 IT 지형의 중요한 변화로, 이제 AI가 클라우드 인프라의 성장에 있어서 가장 중요한 요소가 된 것이다. 지출은 증가한 반면, 총 출하 대수는 줄었다. IDC는 대형 클라우드 서비스 업체가 선호하는 고가의 고용량 GPU 중심 서버로의 전략 변화를 보여주는 것이라고 분석했다. 이런 서버가 기존 CPU 중심 서버보다 더 많은 작업을 수행할 수 있으므로 더 적은 수의 서버가 필요하다는 것이다. 변화를 주도하는 AI 붐 이런 성장 궤도의 중심에는 AI가 있다. IDC를 비롯해 시장을 조금이라도 이해하는 사람이라면 누구나 클라우드 인프라 지출의 가파른 증가는 AI를 주요 동력으로 한다는 것을 알고 있다. 성장을 주도하는 것은 AI 중심 워크로드를 처리하도록 맞춤화된 특수 목적의 하드웨어 인프라이다. 물론 이는 GPU 관련 업체의 주가가 치솟은 것에서 알 수 있듯이 고가의 GPU 하드웨어 투자를 의미한다. AI 도입 증가와 전문 인프라에 대한 수요가 맞물리면서 클라우드 시장이 재편되고 있으며, 향후 몇 년 동안 이런 지출이 지속될 것으로 보인다. 이제 필자가 가장 많이 받는 질문은 "어떤 클라우드가 가장 좋은가?"가 아니라 "어떤 GPU 클라우드를 사용해야 하는가?"이다. 물론, 두 가지 모두 바보 같은 질문이다. 쇼핑 카트에 GPU를 가득 채우는 것이 아니라 비즈니스 요구 사항에 따라 다르기 때문이다. IDC 보고서는 AI를 중심으로 클라우드 인프라 시장의 지형 변화에 대한 인사이트를 제공한다. 이런 변화를 부정하는 사람은 없을 것이다. 하지만 우리가 주목해야 할 다른 시장 역학 관계도 있다. 기업 IT 책임자의 빠른 AI 역량 배포로 인해 인프라 요구사항이 변화하고 있으며, 이에 따라 전문화된 고성능 하드웨어의 필요성이 강조되고 있다. 그러나 이는 연산 처리보다 AI에 더 중요한 스토리지와 데이터베이스에 대한 관심으로 바뀔 가능성이 크다. 누가 생각이나 했겠는가? 가격대는 높지만 판매 대수는 적은 GPU 중심 서버로의 전환은 클라우드 서비스 업체와 거대 IT 솔루션 업체의 우선순위에 영향을 받는 시장 역학을 반영한다. 앞서 지적했듯이, 이는 클라우드 서비스 업체를 포함한 많은 이들을 잘못된 길로 이끌 수 있다. 필자는 GPU와 유사 GPU가 빠르게 범용화될 것이며, 클라우드 서비스 업체, 기업, 대형 IT 솔루션 업체는 충분한 가치를 창출하지 못하는 기술 투자에 과도한 비용을 지불하게 될 것이라고 생각한다. 클라우드 인프라 지출이 크게 증가한 것은 기술 및 비즈니스 환경에 광범위한 영향을 미치는 AI 역량에 대한 투자가 활발히 이루어지고 있음을 보여준다. 기업의 IT 인프라가 어떤 측면에서는 과잉이고 어떤 측면에서는 부적절할 수 있다는 점을 고려하면, 이런 투자의 대부분은 성과를 거두지 못할 것이다. 즉, 요구 사항 B를 목표로 해야 할 때 요구 사항 A를 목표로 하는 것이다. 시장 변화가 기업 IT에 미치는 영향 필자는 이런 변화가 시스템 배포, 성장, 유지보수 및 운영으로 한 해를 마무리하려는 실무 IT 책임자에게 부정적인 영향을 미칠 것이라고 생각한다. 많은 사람이 말하듯이, AI는 레이더망에 있지만, 아직 이를 위한 예산을 확보하지 못했다. 이들은 현재 AI에 밀려나 있는 보다 '전통적인' 클라우드 서비스의 소비자이다. 그리고 이런 소비자 중 일부는 예전만큼의 사랑을 받지 못하고 있다는 것을 알게 될 수도 있다. 클라우드 서비스 업체들이 그렇게 어리석지는 않기를 바라지만, 현재 "클라우드"라는 단어를 사용하면서 실제로는 실제 생성형 AI를 다루는 "클라우드" 컨퍼런스를 비롯해 터무니없는 일이 많이 벌어지고 있다. 목적지는 그 중간 어딘가가 되겠지만, AI 서비스로 자금이 쏠리면, 일부 클라우드 서비스는 소외될 수밖에 없을 것이다. 장비 가격도 더 높아질 것이다. 기업도 고사양 GPU 기반 서버에 집중할 것이고, 이렇게 모두가 GPU 서버를 찾으면 가격은 올라가고 가용성은 떨어질 것이다. 단기적인 현상일 수도 있지만, 지난 10년간 서서히 하락했던 스토리지, 네트워킹, 컴퓨팅 장비의 가격이 다시 상승하는 것을 볼 수 있다. 물론 여기에는 기회도 있다. 트랜잭션 스토리지와 저가형 네트워킹 서비스 등 AI를 지원하지 않는 클라우드 서비스의 가격이 하락할 수 있다. 모두가 고급형 서비스에 집중하면 전통적인 서비스를 박리다매로 내놓을 수 있기 때문이다. 이런 변화는 대대적으로 발표하지 않을 것이므로, 가격 변화를 주시해야 한다. 더 큰 문제는 클라우드 컴퓨팅에 투자한 기업들이다. 이들 기업은 클라우드 서비스 업체가 전력 회사처럼 기능하기를 바라고, 또 가능한 한 최고의 서비스를 제공하기 위해 항상 그 자리에 있기를 바란다. 기업 고객은 과대광고가 사라지기를 바란다. 클라우드를 둘러싼 과대광고는 사라졌지만, 새로운 것이 돌아오고 있는 것 같다. 많은 사람에게는 좋지 않은 일이지만 일부에게는 좋은 일이 될 수도 있다. 필자는 그렇지 않기를 바랄 뿐이다. IT 시장은 날씨만큼이나 종잡을 수 없는 것 같다. editor@itworld.co.kr
거대 기업과 정부 조직이 정면 충돌하고 있다. 애플을 비롯한 주요 IT 기업이 유럽연합 집행위원회와 미국 법무부 같은 정부 기관의 법적 조치 대상에 올랐다. 전선이 그려지고 타협안이 떠돌고 있으며, 로펌은 떼돈을 벌고 있다. 그렇다면 이런 기업의 제품을 사용하는 일반적인 사람들에게 이런 상황은 어떤 의미가 있을까. 개인의 기술 사용 방식에 변화를 가져올까, 아니면 아무 성과 없이 끝날까. 혁신적인 앱을 만들지만 거대 로펌을 고용하거나 현지 은행에서 거액을 대출해 대응할 수 없는 소규모 기업은 어떻게 대응해야 할까. 누구를 위한 규제인가 가끔은 유럽 위원회가 누구를 보호하는 것인지, 시민과 대기업 중 누구를 보호하는 것인지 헛갈릴 때가 있다. 다행히 애플은 유럽위원회의 존재 이유를 보여줄 수 있는 기회를 잡았다. 애플은 최근 규제 당국과 개발자, 기타 이해 관계자의 요청을 수용해 EU에서 대체 앱 마켓플레이스를 허용하고 사용자가 앱을 직접 다운로드할 수 있는 '사이드 로딩' 서비스를 제공하기로 했다. 즉, 2024년이 되어서야 애플은 특정 지역 아이폰 사용자에게만 인터넷에서 소프트웨어를 다운로드할 수 있는 기능을 제공하기 시작했다. 맥 사용자는 이미 1990년대부터 누리던 그 기능이다. 유럽위원회는 애플이 자사 플랫폼 사용자의 보안을 위해 조처할 수 있도록 허용했으므로, 애플은 EU에서 자동으로 사이드 로딩 기능이 활성화되도록 하지 않았다. 대신 '신뢰할 수 있는 개발자'라는 개념을 만들어 일련의 규칙을 충족하는 개발자에게만 자격을 부여했다. 이에 따르면 개발자는 최소 2년 이상 애플 개발자 계정을 가지고 활동해야 하며, 2023년에 EU에서 앱 설치 수가 백만 건 이상이어야 한다. 즉, 소프트웨어의 문지기인 애플을 우회하려면 애플의 문 안에서 2년을 보내야 하고, 이미 EU에서 백만 대 아이폰에 설치될 정도로 인기 있는 앱을 만들어야 한다. 애플은 보안이라는 명목으로 이 사이드 로딩에 대한 기준을 너무 높게 설정해 사실상 거의 아무도 넘을 수 없게 만들었다. 소프트웨어를 배포할 자유를 제공하는 규칙이지만, 가장 규모가 크고 성공적인 개발업체에만 해당되는 규칙인 셈이다. 뛰어난 개발자가 직장을 그만두고 자금을 지원받아 킬러 앱에 대한 아이디어를 떠올렸는데 애플이 실제 앱스토어에서 해당 앱을 허용하지 않아서 사이드 로딩해야 한다고 상상해 보자. 그는 2년을 더 기다려야 하고, 그 사이에 100만 건 이상 다운로드되는 다른 히트 앱을 만들어야 사이드 로딩할 수 있는 '신뢰할 수 있는 앱'으로 인정받을 수 있다. 이제 유럽 위원회는 소규모 개발자에게 스포티파이, 에픽, 메타가 누리는 기회를 차단하는 애플의 자의적인 규칙을 허용할 지 판단해야 할 시점이다. 필자는 어떤 결정을 내릴지 매우 궁금하다. 마찬가지로 애플의 '핵심 기술 수수료'는 앱 다운로드가 100만 건을 넘을 때마다 0.50유로를 부과해 소규모 개발자의 수익 모델을 위협한다. 최근 개발자 한 것처럼, 그가 10대 때 만들어 무료로 제공한 앱 때문에 그의 부모님은 수백만 유로 수수료를 내야 할 수도 있다. 애플 관계자는 이런 문제가 있음을 알고 있다고 했지만, 이 기괴한 규칙이 왜 존재하는지 쉽게 알 수 있다. 즉 애플은 대형 개발업체로부터 돈을 뜯어내려고 한다. 소규모 개발자는 이 과정에서 발생하는 부수적인 피해자일 뿐이다. 규제 '낙수효과'는 없다 대부분 규제는 장기적으로 시민에게 혜택을 주기 위한 것이지만, 일부 규제는 일종의 '낙수효과' 방식을 통해 혜택을 제공한다. 기업이 애플과 같은 게이트키퍼와 더 대등하게 경쟁할 수 있으면 결과적으로 사용자에게 더 유리한 환경이 만들어질 것이라는 식이다. 실제로 대기업이 서로 경쟁하면 모두가 가격 인하라는 혜택을 누릴 수 있다. 하지만 안타깝게도 유럽의 디지털시장법(DMA) 소송에 참여한 많은 기업은 자기들이 더 많은 돈을 가져가겠다고 다투고 있다. 에픽게임즈는 애플에게서 돌려 받은 30%를 로빈 후드처럼 사용자에게 돌려주지 않고 자신이 챙기고 싶어 한다. 영리 기업의 속성이다. 스포티파이와 다른 업체도 마찬가지다. 이들의 목표는 애플의 방식을 바꿔 애플의 방해 없이 더 쉽게 돈을 버는 것이다. 필자가 말하는 것은, 앱 개발기업과 사용자 사이에서 엄청난 돈을 벌어 온 애플을 옹호하려는 것이 아니다. 애플이 모든 인앱 결제의 일정액을 뜯어가기 위해 iOS 경험의 여러 부분을 오히려 퇴보시켰다는 것은 부인할 수 없는 사실이다. 애플은 사용자가 자신의 신용카드를 사용해 웹에서 물건을 결제하거나 웹을 방문하는 것을 허용하는 것은 안전하지 않다고 주장한다. 하지만 우리 모두가 웹에서 물건을 구매한 지 벌써 수십년이다. 애플의 주장은 전혀 근거가 없다. 대신 필자가 주장하는 것은, 이 모든 규제가 정말 사용자의 비용을 줄여줄 수 있을까, 아니면 어느 기업이 사용자당 평균 매출을 더 많이 올리기 위한 다툼일 뿐일지 생각해보자는 것이다. 미국 법무부 주장은 비약 결과적으로 유럽과 미국 모두에서 진행되고 있는 애플에 대한 규제 움직임은 근거가 없거나 방향이 잘못됐거나 혼란스럽다. 무엇보다 시민의 삶에는 전혀 영향이 없는 것처럼 보인다. 애플이 앱스토어를 통해 iOS에 대한 접근을 통제하는 방식으로 개발업체에 대해 엄청난 수준의 통제권을 갖게 됐다는 것은 분명하다. 그러나 지금과 같은 방식이라면 장기적으로 대체 앱 마켓플레이스를 후원하는 것은 고사하고 대체 앱 마켓플레이스를 설치할 아이폰 사용자가 유럽에서 과연 몇 명이나 될까? 인앱 구매의 대안으로 인기를 누릴 수 있을까? 아니면 대부분 사용자가 다시 편리한 애플의 간편 구매 시스템을 돌아올까? 정부는 기업에 사용자의 선택권을 보장하도록 강제할 수 있지만, 그렇다고 해서 사용자가 다른 것을 선택할 것이라는 보장은 없다. 캡션) 애플 사용자는 아이폰을 매우 좋아하는데, 락인이 정말 심각한 문제일까? ⓒ Apple 최근에는 미국 법무부가 애플에 반독점 소송을 제기했다. 이에 대해 이미 많은 기사가 나왔지만 앞으로 몇년 동안 더 많은 기사가 나올 것이다. 필자가 법무부의 소장과 관련 문서를 보니, 처음에는 몇 가지는 타당하고 또는 논리적으로 약한 부분도 있었다. 그런데 전체를 다 읽고 나니 법무부가 애플과 그 사용자에 대해 편견을 갖고 있다는 느낌을 지울 수 없었다. 실제로 이 소장은 애플이 수십 년 동안 일종의 기술 사기꾼이었다는 태도로 가득 차 있다. 애플은 영악한 마케팅으로 소비자를 현혹하고, 고가의 쓰레기를 사도록 속인 다음, 탈출이 불가능한 생태계에 가두어 버린다는 주장이다. 하지만 필자는 이런 종속성 주장이 비약이라고 본다. 애플의 매출 증가와 시장 점유율 상승, 안드로이드 사용자의 아이폰 전환율, 높은 사용자 만족도 등 필자의 주장을 뒷받침할 데이터가 많다. 정리하면 애플은 락인으로부터 이익을 얻고 종종 이를 조장한다. 이런 행동은 실망스럽고 어느 정도 억제돼야 한다. 애플은 수많은 반경쟁적인 정책을 시행하고 있는데 이 역시 중단해야 한다. 하지만 잠시 뒤로 물러서서 생각해 보자. 이 반독점 소송의 최종 결과가 법무부에 의한 락인 해체이고, 그럼에도 아무도 떠나지 않는다면 어떻게 될까? editor@itworld.co.kr
올해는 모든 것이 'AI'다. 모든 새로운 컴퓨터, 게임, 소프트웨어에는 각 브랜드의 디지털 감성이 스며들어 있다. 마이크로소프트는 노트북과 데스크톱에 관해 'AI PC'라는 개념을 매우 구체적으로 정의하고 있다. 하지만 놀랍게도 마이크로소프트의 'AI PC'는 대부분 브랜딩에 불과하다. 최근 인텔은 AI PC 가속화 프로그램(AI PC Acceleration Program)을 위한 새로운 를 발표했는데, 이 발표에서 마이크로소프트의 'AI PC 요구사항'이 다소 이상했다. 하드웨어 공급업체가 제품을 'AI PC'로 홍보하려면 3가지 구성요소가 필요하다. 첫째는 "NPU(Neural Processing Unit), CPU, GPU 기반 실리콘"이다. 여기에는 인텔의 Xe 시스템과 같은 통합 GPU가 포함될 것으로 예상되므로 관건은 NPU다. NPU란 정확히 무엇일까? 현재로서는 약간 모호한 개념이다. NPU는 특정 작업을 위해 설계된 별도의 프로세서다((반드시 개별적인 것은 아니다). GPU가 그래픽 작업에 특화된 것이라면 NPU는 AI를 위한 것이다. 'AI 가속기(AI accelerator)'는 NPU를 지칭하는 또 다른 용어다. 하지만 NPU 혹은 AI 가속기가 정확히 어떤 역할을 하는지는 명확하지 않다. 필자가 본 라이브 데모에서 가장 흥미로운 기능은 화상 통화에서 기존 칩보다 다소 효율적으로 배경을 흐리게 처리하는 정도였다. 둘째, 마이크로소프트는 AI PC에 윈도우 11에 내장된 코파일럿 어시스턴트를 포함할 것도 요구하는데, 이는 기본적으로 당연히 제공되는 기능이다. 셋째, AI PC는 키보드에 전용 코파일럿 버튼을 탑재해야 한다. 코파일럿 키는 일반적으로 오른쪽에 있는 윈도우 또는 ctrl 키 자리에 위치한다. 필자가 본 일부 CES 사전 데모에서는 거의 완성된 노트북 디자인에 코파일럿 스티커를 붙여져 있었다. 물론 완성된 디자인에서는 표준적인 인쇄 방법을 사용할 것이다. 최신 디자인의 키보드에서 새로운 코파일럿 버튼을 볼 수 있다. PCWorld 기자 마크 해크먼은 코파일럿 버튼을 지금은 쓸모 없어진 코타나(Cortana) 버튼에 빗대어 설명했다. 사실 인텔과 AMD의 최신 프로세서 설계에는 모두 NPU 코어가 포함되어 있으며, NPU는 더 많은 작업을 수행하는 데 사용되고 있다. 수십 개의 소프트웨어 공급업체가 채택한 것으로 알려진 인텔의 AI 가속 프로그램을 예로 들면, 해당 프로그램이 하는 작업은 대부분 배터리 수명을 절약하기 위해 매우 특정한 작업을 CPU에서 NPU로 오프로드한다. 혹은 앞서 언급한 것처럼 영상 통화 중 배경을 흐리게 처리하거나 게임을 플레이하는 동안 OBS 스트림을 처리하기도 한다. 즉, 완전히 현식적인 기능은 아니다. 마이크로소프트의 코파일럿 시스템은 여전히 원격 데이터센터에 거의 전적으로 의존하며 LLM의 '마법' 같은 기능을 제공한다. 물론 사용자가 그 멋진 트릭에 기꺼이 비용을 지불할 의향이 있다는 가정하에서다. 앞으로 코파일럿은 NPU를 비롯한 로컬 하드웨어 덕분에 더 효율적으로 작동할 것으로 예상되지만, 온전히 로컬 하드웨어에서 작동할 것이라는 징후는 아직 없다. 마이크로소프트는 "AI PC란 무엇인가?"라는 가장 시의적절한 질문에 대한 답을 가지고 있다. 하지만 그것이 소비자에게 정확히 무엇을 의미하는지, 새로운 AI PC가 기존 PC보다 어떻게 더 나은지에 대해서는 말하지 않은 것이 아직 많다. editor@itworld.co.kr
엔터프라이즈 IT는 오랫동안 서로 어긋나는 인프라를 선택해야 하는 악조건 속에 있었는데, 최근에는 상황이 더 악화했다. 예를 들어, 클라우드는 모든 것을 개선할 것처럼 약속했지만 10년 이상 클라우드 네이티브에 투자한 결과는 달랐다. 마이크로서비스와 API, 그밖에 점점 늘어나는 '클라우드 네이티브 모범 사례'를 만들어 IT 환경을 더 복잡하게 만들었다. 그렇다면 AI가 이 모든 것을 해결할 수 있을까? 이에 대한 대답은 명확하다. 정상적인 IT 담당자라면 챗GPT를 CRM이나 ERP 시스템에 연결하려 하지는 않을 것이다. AI를 제어할 거버넌스가 부재하기 때문이다. 그러나 복잡성과 다소 어려운 거시 경제 환경에도 불구하고 "훌륭한 소프트웨어를 만드는 목표를 포기해서는 안 된다"고 아폴로 그래프QL의 CTO이자 공동 창립자인 매트 디버갈리스는 말한다. 낡고 복잡한 인프라를 붙잡고 있는다고 해서 해결되는 것은 아무 것도 없다는 것이다. 대신 그가 제시하는 해법은 '슈퍼그래프(supergraph)'다. 겁먹을 필요는 없다. 이 솔루션은 많은 개발자가 잘 알고 또 좋아하는 그래프QL 기술을 기반으로 한다. 필자 역시 기업이 그래프QL 도입을 최우선적으로 고려해야 한다고 믿는다. 그래프QL은 개발자의 생산성을 훨씬 더 높일 수 있기 때문이다. 새로운 것은 없다 엔터프라이즈 IT에서 소위 '그린필드(greenfield)' 즉, 아무 것도 없는 상태에서 애플리케이션을 만들 수 있는 사람은 사실상 아무도 없다. 레드몽크의 애널리스트 제임스 거버러는 "새로운 기술이 도입되더라도 기존 기술 스택과 공존하고 이를 기반으로 구축돼야 한다"라고 말했다. 이것이 바로 코볼과 자바가 공존하는 이유이자 러스트를 함께 사용하는 이유다. 또는 어떤 기업이 AWS에 "올인"하면서도 여전히 HP-UX, 윈도우 NT 등은 말할 것도 없고 애저를 많이 쓰는 이유이기도 하다. 엔터프라이즈 IT에서 완전히 제거하는 것은 거의 없다. 대부분은 '더하기'의 문제다. 그래프QL은 API를 위한 유연한 쿼리 언어로, 이를 이용하면 개발자가 서로 다른 서비스를 연결할 수 있다. 이전에는 개발자가 이런 모든 서비스를 연결하기 위해 깨지기 쉬운 API 코드를 작성하는 데 업무 시간의 2/3 이상을 써야 했다. 이때 그래프QL을 사용하면 이런 서비스 연결이 훨씬 더 유연해진다. 슈퍼그래프는 마이크로서비스, 내부 및 외부 데이터 소스 등에 대한 플랫폼 뷰를 제공하는 통합 네트워크 또는 구성 계층이다. 따라서 기업이 슈퍼그래프를 도입하면 상황이 더 개선된다. 드버갈리스는 이 슈퍼그래프를 "플랫폼처럼 작동하는 컴포저블 API 계층"이라고 설명한다. 넷플릭스와 같은 멋진 IT 기업은 수년 동안 이 슈퍼그래프를 사용해 왔으며, 그 과정에서 상당한 이점을 발견했다. 에 따르면, 슈퍼그래프는 확장성과 운영성 측면에서 일관성과 개발 속도 문제를 해결한다. 현재 그래프QL은 넷플릭스 같은 유명 기업만 사용하는 것이 아니다. 그래프QL의 주요 스폰서인 아폴로 그래프QL에 따르면, 포천 100대 기업 중 절반이 그래프QL을 쓴다. 이유는 명확하다. 드버갈리스는 "그래프는 앱 개발을 위한 기술적인 '올바른 것'일 뿐만 아니라 기업에 전략적으로 꼭 필요한 것이다. 지금까지 개발자는 프론트엔드나 경험 API를 위해 수많은 백엔드를 수작업으로 작성했다. 하지만 컴포저블 '슈퍼그래프' API 계층으로 전환하면 개발자는 엔터프라이즈 인프라를 거스르는 것이 아니라, 오히려 인프라가 개발자가 원하는 대로 작동하도록 할 수 있다"라고 말했다. AI로 인한 복잡성의 문제 이는 대규모 언어 모델(LLM)과 같은 AI 인프라에서도 마찬가지다. 드버갈리스에 따르면, 최근 생성형 AI의 발전으로 소프트웨어 엔지니어링과 비즈니스 리더들 사이에서 AI 기술에 대한 관심이 크게 늘었다. 이처럼 모두가 AI를 활용하는 방법에 대해 고민하고 있지만, 그렇다고 LLM을 기업 시스템에 직접 연결하는 것이 좋은 생각이라고 생각하는 사람은 아무도 없다. LLM이 실수로 기업 데이터를 외부에 노출하지 않도록 가드레일을 세울 수 있는 좋은 방법이 있는 것도 아니다. 실제로 프롬프트 주입 문제를 아직 누구도 해결하지 못했다. 이 문제가 해결될 때까지 기업은 LLM이 가장 민감한 기업 데이터에 얼마나 가까이 접근할 수 있도록 허용할지 고민하게 될 것이다. 여기서도 슈퍼그래프의 역할이 있다. 슈퍼그래프가 프롬프트 주입 문제를 없애지는 못하지만, 개선하는 것은 가능하다. 그래프QL의 쿼리 계획 및 정책 엔진을 사용하면 사용자가 차세대 개인화된 경험을 제공하는 데 필요한 데이터와 서비스에 안심하고 LLM을 연결할 수 있다. 일부 기업에서는 이미 그래프에 대한 쿼리를 구성하는 데 LLM을 사용하고 있지만, 널리 활용되는 수준은 아니다. 여전히 아직은 많은 개발자가 LLM 쿼리를 그래프QL에 연동하는 방법을 고민하고 있다. 좋은 사례는 하면 된다. 아직 해결해야 할 부분이 많지만, 그래프QL에 대한 관심은 점점 커지고 있다. 다행히 기업이 그래프QL 기반 슈퍼그래프를 도입하기 위해 기존 API 접근 방식을 뜯어 고치거나 새로 교체할 필요가 없다. 실제로 디버갈리스와 아폴로 그래프QL은 기업이 수십 년 동안의 API 투자를 폐기하라고 하는 것이 아니다. 오히려 그 반대다. 기존 투자를 더 가치 있게 만들려고 노력하고 있다. 디버갈리스는 "실제로 그래프QL은 API의 가치를 더 높여주는 계층을 의미한다. REST와 그래프QL은 정말 잘 어울린다"라고 말했다. 그렇다면 슈퍼그래프를 이용해 HP-UX 레거시 인프라와 구글 제미나이 또는 아마존 베드락 모델을 연결해 사용하는 것이 가능할까? 보안을 보장하기 위해 거버넌스를 계속해서 개선하면서 말이다. 이에 대한 슈퍼그래프의 대답은 모두 '그렇다'이다. editor@itworld.co.kr
매일매일 업데이트되는뉴스레터 받아보기
테크라이브러리자료 업로드 신청
양자 컴퓨팅은 어려운 최적화 문제를 해결하고 AI의 속도와 효율성을 높여줄 수 있는 혁신적인 컴퓨팅 아키텍처로 묘사된다. 그러나 양자 컴퓨터는 아직 전통적인 컴퓨터의 성능을 앞설 만큼도 확장할 수 없으며, 플랫폼과 프로그래밍 언어, 애플리케이션으로 구성된 완전한 생태계는 더욱 먼 미래의 이야기다. 그 사이 또 다른 신기술인 뉴로모픽 컴퓨팅이 훨씬 더 즉각적으로 변화를 일으킬 태세를 갖추고 있다. 뉴로모픽 컴퓨팅은 인간의 뇌가 작동하는 방식에 착안해 컴퓨터 칩을 만드는 방법을 재설계하고자 하는 기술이다. 예를 들어 인간의 뉴런은 처리와 메모리 저장을 모두 처리하지만 전통적인 컴퓨터에서는 이 둘이 분리되고, 데이터를 주고받는 데 시간과 에너지가 소비된다. 뉴런은 필요할 때만 움직이므로 에너지 소비가 한층 더 줄어든다는 것도 장점이다. 옴디아(Omdia) 애널리스트 리안 치예 수는 "결과적으로 뉴로모픽 컴퓨팅은 기존 GPU 아키텍처를 한참 뛰어넘는...
불과 5년 전만 해도 주 4일 근무는 SF 소설 속 이야기였다. 하지만 코로나19 팬데믹이 우리에게 가르쳐 준 것 중 하나가 직장의 구조가 크게 변할 수 있고 여전히 실행 가능하다는 것이다. 이런 사실을 깨닫게 되면서 주 4일 10시간 근무 또는 32시간 근무를 현실적인 가능성으로 고려할 수 있는 길이 열렸다. 주 4일 근무 아이디어는 적어도 1950년대부터 제기됐지만, 최근까지 진지하게 받아들여지지 않았다. 2024년 KPMG가 미국 CEO 100명을 설문조사한 결과를 보면, 미국 기업의 약 3분의 1이 주당 하루 단축을 검토하고 있는 것으로 나타났다. 무슨 의미가 있을까 싶지만 잘 생각해보면 이것은 시작에 불과하다. 주 4일 근무제 시범 운영과 연구 결과를 보면, 이 제도는 직원과 고용주 모두에게 놀랍도록 긍정적인 결과를 가져왔다. 특히 영국의 대규모 주 4일 근무 실험은 매우 성공적이어서 참여한 61개 기업 중 92%가 시범 운영 이후에도 주 4일 ...
구글 모바일 운영체제 안드로이드의 최신 버전 출시가 멀지 않았다. 새로운 안드로이드 15는 5월에 열리는 구글 I/O 행사에서 공개된 후 올해 말 픽셀 9 제품군과 함께 출시될 가능성이 높다. 안드로이드 15는 현재 공개 베타 상태인데, 이를 통해 몇 가지 새로운 기능이 확인됐다. 안드로이드 15는 전면적 변화가 아닌 소규모 업데이트일 가능성이 높지만, 그래도 기대할 만한 10가지 새로운 기능이 있다. 위성 메시지 애플은 최근 일부 아이폰에 위성 통신을 사용해 네트워크가 닿지 않는 외딴 지역에 있을 때 긴급 전화를 걸 수 있는 기능을 도입했다. 이 기능은 안드로이드 15에서 제공되지 않지만 위성을 통해 SMS와 MMS 등 메시지를 보낼 수 있는 기능은 제공될 예정이다. 이 기능은 모험을 좋아하거나 통신망을 벗어난 곳에서 안전하게 시간을 보내고 싶을 때 유용하다. 단, 휴대폰에 내장된 특정 하드웨어가 필요한지 여부가 불확실하므로 서비스가 어떻게 작동할지는 ...
코드는 일반적으로 다운스트림으로, 즉 오픈소스 프로젝트에서 조직의 제품으로 흐른다. 업스트리밍은 이 흐름을 뒤바꾸어 오픈소스 프로젝트로 코드를 기여하는 프로세스다. 업스트리밍은 오픈소스 커뮤니티의 힘을 활용해 코드를 점검하고 문제를 찾아서 해결하고 모든 코드 사용자에게 더 가치 있는 코드로 만들어주는 자체 기능을 추가하는 등의 가치를 제공한다. 오랜 세월 오픈소스 프로젝트에 깊이 관여해온 필자는 10년 이상 오픈소스 프리BSD(FreeBSD) 운영체제 프로젝트에 코드를 기여하면서 두 차례 프로젝트 코어 팀에서 활동했고 오픈소스 ZFS에 기여했으며 ZFS에 대한 두 편의 책에도 공동 저자로 참여했다. 그리고 수많은 조직이 업스트리밍의 과제를 극복하고 큰 혜택을 얻는 모습을 지켜봤다. 간단히 설명하면, 기여된 코드가 메인라인 오픈소스 프로젝트에 편입되면 그 코드는 공동 유지보수와 활발한 개발, 확장의 대상이 되며 커뮤니티 전반의 다른 구성원이 초기 기여를 뛰어넘는 가치를 더...
아이폰 16 출시와 동시에 새로운 A 시리즈 프로세서가 공개될 것이다. 지난 몇 년 동안 그랬던 것처럼 최고급 프로 모델에는 새로운 프로세서가 탑재되고, 프로가 아닌 일반 아이폰 16 모델에는 아이폰 15 프로의 A17 프로 칩이 탑재될 것이다. 애플은 비밀이 많은 회사로 유명하므로 제품 세부 정보는 발매까지 알려지지 않는 경우가 많지만, 지난 몇 년 동안의 A 시리즈 프로세서의 역사와 성능, 최근 소문과 전반적 업계 동향으로 미루어 올해 애플의 아이폰 칩에서 기대할 만한 것들을 꼽아 보자. 프로 아이폰, 아니면 일반 아이폰? 지난해 애플은 예상가능한 업그레이드 패턴에 큰 변화를 도입했다. A17 바이오닉에서 A17 프로로 칩 이름을 바꾼 것은 매 세대마다 새로운 비 프로 칩이 출시된다는 암시다. 아직 실현되지는 않았지만 올해에는 칩 이름과 역할에 변화가 생길 것으로 보인다. 애플이 아이폰 16 프로와 프로 맥스에 탑재될 A18 프로세서 칩을 만든다. ...
맞춤형 PC 제조업체인 팔콘 노스웨스트(Falcon Northwest)가 코어 i7-14700K, 코어 i9-13900K 등 일부 인텔 13~14세대 인텔 코어 CPU에서 나타나는 무작위 불안정 문제를 해결하는 임시 해결책을 내놓았다. 이 알 수 없는 문제는 지난 수개월 동안 수많은 PC 게이머를 괴롭혔는데, 팔콘이 사용자에게 도움이 될 수 있는 몇 가지를 제안했다. 팔콘 노스웨스트의 소유주인 켈트 리브스는 "알려진 것처럼 인텔은 13/14세대 CPU가 충돌을 일으키는 현상을 조사하고 있다. 이것은 실제 상황이며 인텔은 이 문제를 적극적으로 해결하려 하지만 복잡하고 예상보다 오래 걸리고 있다"라고 말했다. 실제로 인텔은 PCWorld에도 상황을 조사하고 있다고 했지만 현재까지 그 원인을 설명하지 못했다. 최근에는 엔비디아가 인텔을 비난하며 "메모리 부족 오류"를 경험하고 있다면 엔비디아가 아닌 인텔에 문의해야 한다고 화살을 돌리면서 논란이 더 커지기도 했다. 이 문...
2024년에 피할 수 없는 유행어가 있다면 아마도 "이스라엘", "선거", "머스크"일 것이다. 하지만 IT 산업으로 범위를 좁혀 하나만 꼽으라면 바로 AI이다. 암호화폐 열풍과 그 후의 폭락이 연상될 정도로, AI에 대한 높은 관심을 이용해 많은 사업이 진행되고 있다. 물론, 모두가 열풍에 올라타고 폭락은 피하고 싶을 것이다. 여기서 ‘모두’는 거의 모든 IT 업체를 말한다. 오픈AI가 이 골드러시의 중심에 있고 엔비디아가 금광을 필요한 디지털 삽을 팔고 있지만, 더 전통적인 IT 업체 역시 손 놓고 보고만 있는 것은 아니다. 유행어가 늘 그렇듯, 모든 새 PC가 'AI PC'라는 말로 빠르게 희석되고 있으며, 실제 사용자에게는 아무 의미가 없는 용어가 됐다. 그러나 "AI"가 의미하는 생성형 AI 툴에 대해서는 일반적으로 두 가지 접근 방식이 있는 것 같다. 하나는 마이크로소프트 코파일럿처럼 챗GPT의 인기에 올라타는 것이고, 다른 하나는 구글 제미나이 시스템이...
최근 필자에겐 기쁜 일이 있었다. 최근 부모님에게 1990년대 중반에 촬영한 필자의 성인식 비디오 원본 테이프를 받았는데, 이를 디지털화해 언제든 볼 수 있게 됐다. 물론 실제로 여러 번 볼 생각은 없다. 부끄러운 느낌뿐이다. 그래도 더 오래 보존할 가치가 있는 것은 분명하다. 이 디지털화 작업을 저렴하게 할 수 있었던 것은 USB 캡처 카드 덕분이었다. 원래는 스트리밍 기기의 스크린샷을 찍기 위해 구매했지만 다른 용도로도 충분히 유용하다. 여기서는 필자가 썼던 방법으로 VHS 테이프나 캠코더 영상을 디지털화하는 방법을 살펴보자. USB 캡처 카드를 구매할 만한 가치가 있는지 판단하는 데도 도움이 된다. 하드웨어 준비 USB 캡처 카드는 한쪽에는 HDMI 입력을, 다른 한쪽에는 USB 플러그가 있는 엄지손가락 크기의 기기다. 캡처 카드를 컴퓨터의 USB 포트에 연결한 다음 HDMI 출력이 있는 모든 기기를 연결하면 OBS라는 무료 프로그램을 사용해 해당 ...
필자가 어렸을 때는 "인터넷에서 실명을 절대 사용하지 말라"는 말을 많이 들었다. 하지만 세상은 변했고, 그런 조언을 따르지 않은 지 오래됐다. 마찬가지로, 선의의 온라인 보안 조언도 그 효용성이 오래가지 않는 경우가 많다. 여기서 소개하는 5가지 구식 보안 프랙티스는 각각의 진심을 담고 있지만, 오래된 팁을 맹목적으로 따라 해서는 안 된다. 잘해야 시간 낭비이고, 잘못되면 사용자를 더 큰 위험에 빠뜨릴 수도 있다. 지속적인 비밀번호 변경 "비밀번호를 정기적으로 변경해야 한다"는 조언은 여전히 많은 곳에서 들을 수 있다. 아직도 많은 기업이 직원의 비밀번호를 강제로 만료시키고 있으며, 필자 역시 같은 조언을 하는 금융기관의 온라인 계정을 사용해 본 적이 있다. 비밀번호가 강제로 만료되면 새 비밀번호를 설정하라는 메시지가 표시된다. 비밀번호를 정기적으로 변경하려면 시간이 많이 든다. 필자는 비밀번호 관리 프로그램을 사용하는데, 이는 기억력과 관계없...
누군가 PC 웹캠을 통해 자신을 보고 있지 않을까 걱정되는가? 최신 노트북에는 웹캠 LED, 프라이버시 셔터, 심지어 웹캠 작동을 물리적으로 제어하는 스위치까지 탑재돼 있다. 윈도우에도 유용한 설정이 여럿 있지만, 이런 소프트웨어 옵션은 완벽하지는 않다. 윈도우 11 및 윈도우 10 PC에서는 윈도우 소프트웨어가 운영체제에 깊이 액세스하도록 설계됐다. 최신 안드로이드 휴대폰이나 아이폰처럼 앱이 카메라에 대한 액세스 권한을 요청해야 하는 방식과는 다르다. 일반적으로 윈도우 애플리케이션은 원할 때마다 웹캠을 사용할 수 있다. 신뢰할 수 있는 정상적인 소프트웨어라면 문제없지만, 컴퓨터가 원격 액시스 트로이목마(Remote Access Trojans, RAT)나 다른 유형의 맬웨어에 감염된 경우라면 문제가 된다. 최신 노트북의 웹캠 보안 솔루션 최신 노트북, 특히 비즈니스 노트북과 프리미엄 소비자 노트북에는 웹캠 보호 솔루션이 내장돼 있다.  ...
회사명 : 한국IDG | 제호: ITWorld | 주소 : 서울시 중구 세종대로 23, 4층 우)04512 | 등록번호 : 서울 아00743 등록발행일자 : 2009년 01월 19일
발행인 : 박형미 | 편집인 : 박재곤 | 청소년보호책임자 : 한정규 | 사업자 등록번호 : 214-87-22467 Tel : 02-558-6950
Copyright © 2024 International Data Group. All rights reserved.