ㅁ 생성형 AI

ㅇ 정의:
대규모 학습 데이터를 기반으로 새로운 이미지, 텍스트, 오디오, 영상 등을 생성하는 인공지능 기술로, 기존 데이터를 단순 변형하는 것이 아니라 새로운 콘텐츠를 창작하는 것을 목표로 함.

ㅇ 특징:
– 대규모 딥러닝 모델(예: Transformer 기반) 사용
– 학습 데이터의 패턴을 이해하고 이를 바탕으로 새로운 결과물 생성
– 이미지, 텍스트, 음성 등 다양한 멀티모달 생성 가능
– 프롬프트 기반 제어 가능

ㅇ 적합한 경우:
– 창의적인 콘텐츠 제작(광고, 디자인, 예술)
– 빠른 프로토타이핑과 시각 자료 생성
– 데이터 부족 상황에서 합성 데이터 생성

ㅇ 시험 함정:
– 단순 검색/추천 AI와 혼동하는 경우
– 기존 이미지 편집과의 차이를 묻는 문제
– 학습 데이터에 없는 완전히 새로운 개념 생성 여부 혼동

ㅇ 시험 대비 “패턴 보기” 예시:
O: “프롬프트에 따라 새로운 이미지를 생성하는 AI 기술”
X: “기존 이미지를 단순 복사하는 AI”

================================

1. DALL·E

ㅇ 정의:
OpenAI에서 개발한 이미지 생성형 AI 모델로, 텍스트 설명(프롬프트)을 입력받아 해당 설명에 맞는 이미지를 생성함.

ㅇ 특징:
– GPT 아키텍처 변형 기반 이미지 생성
– 텍스트-이미지 매핑 학습
– 다양한 스타일과 구성의 이미지 생성 가능
– 부분 편집(Inpainting) 기능 지원

ㅇ 적합한 경우:
– 마케팅 이미지, 시각 자료, 창의적 일러스트 제작
– 아이디어 시각화 및 컨셉 아트 제작
– 빠른 시제품 이미지 생성

ㅇ 시험 함정:
– 단순 이미지 검색 서비스와 혼동
– 실제 사진 촬영과 구분 못하는 경우
– 저작권 문제와 모델의 창작 범위 혼동

ㅇ 시험 대비 “패턴 보기” 예시:
O: “텍스트 설명에 따라 새로운 이미지를 생성하는 OpenAI의 모델”
X: “이미지를 검색하여 제공하는 서비스”

ㅁ 추가 학습 내용

DALL·E와 같은 생성형 AI는 확산 모델(Diffusion Model)이나 VQ-VAE와 같은 기반 기술과 비교하는 문제가 출제될 수 있다.
시험에서는 DALL·E의 발전 버전인 DALL·E 2와 DALL·E 3의 주요 개선점을 숙지해야 한다. 주요 개선점에는 해상도 향상, 사실성 증가, 프롬프트 이해도 향상, Inpainting 기능 강화가 있다.
Stable Diffusion, Midjourney 등 다른 이미지 생성 AI와의 차이점도 비교 학습이 필요하다.
또한 저작권 문제, 데이터 편향, 윤리적 이슈(Deepfake와의 차이, 악용 방지 정책) 등 사회·법적 측면이 시험 포인트가 될 수 있다.
프롬프트 엔지니어링 기법도 중요하며, 예를 들어 스타일 지정, 세부 묘사 강화, 부정 프롬프트 사용법 등을 익히면 실무와 시험 모두에서 유리하다.