머신러닝의 기초: 생성 학습(Generative Learning)

📌 머신러닝의 기초: 생성 학습(Generative Learning)

생성 학습이란

생성 학습은 머신러닝의 한 분야로, 모델이 훈련 데이터의 기저 분포(underlying distribution)를 학습하여 해당 분포에서 샘플링된 새로운 데이터를 생성할 수 있게 하는 것을 목표로 합니다.

 

사진이나 텍스트 등의 기존 데이터를 보고 '이 데이터가 어떻게 생겼는지' 전체 패턴을 배우고, 그 패턴으로 완전히 새로운 샘플을 만들어냅니다.

 

판별 학습과의 차이

판별 AI vs. 생성 AI (이미지 출처: https://www.miquido.com/ai-glossary/discriminative-ai/)

• 판별 모델(Discriminative Model)
  • 입력 데이터를 분류하거나 예측하는 데 초점을 맞춥니다.
  • 예) 사진을 보고 고양이인지 개인지 판별.
  • 분류를 위한 경계(Decision boundary)만 학습합니다.
• 생성 모델(Generative Model)
  • 훈련 데이터와 유사한 속성을 가진 새로운 데이터를 생성하는 데 초점을 맞춥니다.
  • 예) 고양이 사진을 새로 생성.
  • 전체 분포를 학습합니다.

 

대표 모델

• GAN (Generative Adversarial Networks; 생성적 적대 신경망)
  • 두 신경망인 생성자와 판별자의 경쟁적 학습.
  • 매우 현실적이고 품질이 높은 이미지 생성.
  • 👉'생성적 적대 신경망' 더 알아보기
• VAE (Variational Autoencoders; 변이형 오토 인코더)
  • 데이터의 잠재 공간(Latent Space) 학습 및 샘플링.
  • 안정적인 훈련, 잠재 공간 해석이 용이함.
  • 👉'VAE' 더 알아보기
• Diffusion Models (Stable Diffusion 등)
  • 노이즈를 점진적으로 제거하여 데이터 복원.
  • 이미지/비디오/오디오 등을 최신, 고품질로 생성.
  • 👉'디퓨전 모델' 더 알아보기
• Large Language Models (GPT 시리즈)
  • 👉'LLM 모델' 더 알아보기

 

사례/예시

• 패션 디자인 (Generative Design)
  • Adidas Futurecraft 프로젝트에서는 생성 AI를 사용하여 수천 가지의 신발 미드솔 구조를 생성하고, 강성, 무게, 쿠셔닝 등의 제약 조건에 가장 잘 맞는 디자인을 찾아냈습니다. 디자이너의 창의성을 보조하며 제품 개발 주기를 단축했습니다.
• 제약/신약 개발 (Drug Discovery):
  • AI가 새로운 분자 구조를 생성하여 잠재적인 치료제로 테스트할 수 있는 후보 물질의 수를 기하급수적으로 늘립니다. (예: Insilico Medicine)
• 미디어 및 엔터테인먼트:
  • DeepFake 기술(GAN 기반)을 넘어, Runway ML 등의 도구는 텍스트 프롬프트를 기반으로 고화질의 영상이나 이미지를 생성하여 시각 효과 제작 시간을 혁신적으로 줄이고 있습니다.
  • Adobe Firefly: 디자이너가 "빨간 드레스 입은 여성, 해변" 입력 → 전문가 수준 이미지 생성. Adobe Stock 데이터로 학습해 저작권 문제 해결. 결과: Photoshop 플러그인으로 매출 증가
  • Runway ML: 영화 제작사가 영상 배경 생성 → 할리우드 스튜디오에서 실제 사용 (예: "Everything Everywhere All At Once" VFX 일부)
• 마케팅
  • Jasper.ai: 마케터가 'SEO 최적화된 블로그 포스트' 입력 → 5분 만에 완성.
  • 중소기업 마케팅 비용 70% 절감.