이 글에서는 다음을 다룹니다:
- NFT와 GAN이란 무엇인가
- GAN 생성에서 데이터의 역할
- 기업이 GAN 프로젝트를 위해 데이터를 실질적으로 수집하는 방법에 대한 튜토리얼
- GAN이 기업에 가치를 창출하는 방법
NFT와 GAN이란 무엇인가
대부분의 사람들이 대체 불가능 토큰(NFT)을 떠올릴 때 일반적으로 예술 작품을 생각합니다. 이는 NFT 기술의 대표적인 응용 분야가 되었기 때문입니다. 간단히 말해, NFT는 블록체인 기반 시스템으로 개인이나 기업이 음악, 코드, 예술 작품과 같은 독특한 디지털 아이템의 소유권을 등록할 수 있게 합니다.
‘예술’에 잠시 초점을 맞추면, 일부 사람들은 10,000점의 독특한 디지털 예술 작품을 만든 프로젝트인 The Bored Ape Yacht Club을 알고 있을 것입니다.
이 원숭이들은 누군가에게는 농담처럼 보일 수 있지만, 실제 경제적 가치로 보면 보어드 에이프 전체 컬렉션의 가치는 10억 달러를 훌쩍 넘으며, 개별 원숭이 작품 중에는 200만 달러, 심지어 300만 달러에 거래되는 경우도 있습니다.
이 일련의 사건 자체만으로도 흥미롭지만 이야기는 여기서 끝나지 않습니다. 보어드 에이프 프로젝트를 본 한 그룹이 ‘한정판’ 프로젝트에 대한 자신들만의 해석을 만들기 위해 생성적 적대적 네트워크(GANs) 기술을 활용하기로 결정했습니다.
GAN은 쉽게 말해, 데이터로 훈련된 후 인간이 개입하지 않은 상태에서 출력을 생성할 수 있는 기계 학습(ML) 알고리즘이다. 이 경우 시나리오에서 GAN 보어드 에이프 시리즈가 탄생했다:
처음에는 원본 보어드 에이프에 200만 달러를 투자할 여유가 없지만 이 열풍에 동참하고 싶은 이들을 위한 2차 시장이 형성되었습니다. 시간이 지나면서 이 2차 시장은 독자적인 시장으로 발전했습니다.
GAN 생성에서 데이터의 역할
GAN은 ‘생성기(Generator)’와 ‘판별기(Discriminator)’로 구성된 이중 구조로 구축됩니다. 생성기는 알고리즘에 입력된 ‘훈련 데이터’를 기반으로 이미지나 텍스트 같은 새로운 데이터를 생성합니다. 판별기는 새로 생성된 인공 데이터셋과 원본 데이터를 구분하는 역할을 맡습니다. 판별기는 실제 데이터와 충분히 유사한 수준에 도달한 데이터셋만 ‘승인’합니다. 이는 고품질의 정확한 데이터를 수집하는 것이 고가치 출력을 생성할 수 있는 GAN을 생성/훈련하는 데 가장 중요함을 의미합니다.
GAN 프로젝트를 위한 데이터 수집 방법에 관한 기업용 실용 가이드
아마존 CTO 베르너 보겔스는 트윗에서“참고로 이 훌륭한 작업은 @ykilcher가 수행했습니다. 데이터 수집 및 GAN 생성 세부 사항을 알고 싶다면 그의 영상을 시청하세요.”라고언급했습니다.
GAN이 기업에 가치를 창출하는 방법
표면적으로는 블록체인, 암호화폐, NFT 아트 거래 시장에 깊이 관여한 사람들만 관련될 수 있는 매우 고립된 발전처럼 보일 수 있습니다. 그러나 이는 오해입니다.
머신 러닝 GAN 기술은 전체 비즈니스 개념부터 제품 및 코드 라인에 이르기까지 기업 아이디어 창출 워크플로우의 과정을 혁신할 잠재력을 지닙니다.
현재 존재하는 실제 GAN 도메인의 스펙트럼은 상당히 넓습니다. 이 기술을 활용하여 알고리즘 출력을 훈련하는 개인들이 있으며, thiscatdoesnotexist.com과 같이 터무니없는 것들에 가까운 것들도 있습니다.
반대편에서는 제대로 적용될 경우 산업 전체를 진정으로 변화시킬 수 있는 비즈니스 역량을 암시하는 사례들이 나타나기 시작합니다.
새로운 아이디어, 노래, 콘텐츠, 그래픽, 예술, 과학적 돌파구가 창조되고 실현되는 방식을 바꾸는 것입니다.
현재의 기회를 이해하는 데 도움이 될 몇 가지 사례를 소개합니다:
- Thisstartupdoesnotexist.com -> 수백만 데이터 포인트를 교차 참조하여 창업자가 새로운 아이디어를 발견하도록 지원합니다. 알고리즘은 기존 스타트업 현황을 파악하는 동시에 새로운 솔루션/도구가 필요한 신규 시장과 문제점을 동시에 식별할 수 있습니다.
- Thissneakerdoesnotexist.com -> 패션 브랜드가 무한히 독특한 제품 디자인을 창출하도록 지원합니다. 경쟁사보다 한 발 앞서 나가며 시장 점유율을 확대할 수 있게 하고, 아이디어 구상부터 생산까지의 시간을 단축시킵니다.
- Thischemicaldoesnotexist.com -> 과학자들이 제품 생산, 포장, 저장, 운송 방식을 혁신할 수 있는 새로운 합성 화학 물질을 개발하는 데 도움을 줍니다. 산업 전체와 생산 주기를 혁명적으로 바꾼 합성 재료의 예로는 ‘플라스틱 폴리머’와 ‘폴리스티렌 폼'(일반적으로 ‘스티로폼’으로 알려져 있음)이 있습니다.
결론
GAN 보간 모델링은 인간이 알아볼 수 있는 숫자와 이미지를 간신히 생성하던 초기 단계에서 크게 발전했습니다. 2014년 이안 굿펠로우의 ‘생성적 적대적 네트워크(GAN)’라는 해당 분야 최초의 학술 논문 중 하나에서 입증된 바와 같습니다:
그 이후로 GAN 머신러닝 기술은 크게 발전했습니다. 물론 아직 완벽하지는 않습니다. 얼리 어답터가 되기로 선택한 기업들은 개발 운영(DevOps) 팀에게 오픈소스 웹 데이터를 수집하고 각자의 산업 분야에서 독립적인 GAN 모델을 생성하는 임무를 부여할 수 있습니다. 이러한 기업들은 인간이 상상하지 못한 아이디어를 창출하는 측면과 미래 지향적 기술을 활용해 차별화하는 측면 모두에서 해당 분야의 시장 리더가 될 수 있습니다.
