"가장 쉽고, 편리하고, 효율적으로 AI 모델을 만드는 방법."
구글의 '버텍스 AI'는 모델 학습과 학습에 필요한 GPU 리소스, 예제 코드 등을 모두 제공하는 '엔드-투-엔드' 머신러닝 플랫폼이다. 누구나 손쉽게 자신이 원하는 AI 모델을 만들고, 활용할 수 있다는 것. 예시로 설명하자면, 간단하게 자신이 원하는 그림을 그려 주는 AI 모델을 간편하게 만들고 사용할 수 있는 식이다.
관련해 진행된 '2023 게이밍 온 구글 클라우드' 행사에서 강민재 엔지니어가 'Vertex AI에서 커스텀 GenAI 모델 구축하기'를 주제로 27일 강연했다. 강민재 엔지니어는 버텍스 AI의 편의성을 소개하며, 게임 개발에서도 구글의 AI 플랫폼이 효율화에 많은 도움을 줄 수 있다고 강조했다. 다음은 강연을 정리한 내용이다. /디스이즈게임 김승주 기자
2022년부터 '생성형 AI'의 시대라 할 만큼 다양한 도구가 쏟아져 나왔다. '챗GPT'로 대표되는 챗봇을 제외하면 이미지와 관련한 AI에 대한 반응이 가장 뜨거웠다.
2022년 4월에 발표된 '달리 2'라는 모델에서는 말을 탄 우주비행사 그림으로 화제가 됐으며, 2022년 7월 발표된 '미드저니'는 그림 공모전에서 자신이 만든 그림을 제출해 우승하며 큰 화제가 됐다. 2022년 8월에는 '스테이블 디퓨전'이라는 이미지 생성 AI가 유명해졌다.
(출처: 구글)
AI에게 데이터를 주고 데이터에 대한 이해, 분석, 보고서 초안 등을 요청해 이를 사람이 검수하는 형식으로 업무의 형태가 바뀔 수 있다는 것이다. 글이나 그림, 영상과 같은 창작물을 제작하는 크리에이터들도 자신이 백지부터 아이디어를 짜는 대신 AI에게 초안을 요청하고, 이를 바탕으로 창작물을 만들어 나갈 수 있다.
생성형 AI는 게임 개발에도 많은 도움을 줄 수 있다. 게임은 여러 개의 팀이 협업해서 제작한다. 그렇기에 협업 과정에서 '커뮤니케이션 코스트'가 발생한다. 이를 생성형 AI를 통해 줄일 수 있다는 것이다. 가령 기획자가 본인이 상상한 모습을 AI로 구현해 일러스트레이터에게 전달한다면 의견 교환이 더욱 쉬워질 수 있다. 즉, 커뮤니케이션 코스트가 줄어든다.
게임 캐릭터에 대한 디자인이나 세계관 설정에 대해서도 백지에서부터 시작하는 대신 생성형 AI에게 초안을 맡기는 방향을 생각해 볼 수 있다. 이를 통해 생산성을 더욱 효율화하고, 이것이 누적되면 게임 개발 기간이 단축될 수 있는 것이다.
(출처: 구글)
현재 생성형 AI와 관련한 기술 중에서 완성도가 높은 것은 이미지 생성 모델이다. 가장 대중적인 AI는 '스테이블 디퓨전'이다. 다른 모델과 달리 오픈 소스며, 최적화가 잘 되어 있어 개인 노트북에서도 구동이 가능할 만큼 가볍다. 생성된 이미지를 수정할 수 있도록 보조 도구가 주어지기도 한다.
원하는 그림을 얻기 위해서는 '파인 튜닝'이라는 작업이 필요하다. 개별 정보를 AI에 학습시키는 것이다. 버텍스 AI는 이 부분에서 더욱 쉽게 AI에게 원하는 이미지를 튜닝할 수 있도록 돕는다.
결과물을 만드는 과정을 간단히 정리하면 다음과 같다.
1. 기존 에셋이나 예시 등을 취합해 커스텀 데이터셋을 구축 (50~100장)
2. 버텍스 AI의 '커스텀 트레이닝 잡'을 활용해 AI에게 파인 튜닝을 시킴
3. 학습된 모델을 버텍스 AI 엔드포인트에 배포
4. 프롬프트를 활용한 커스텀 스타일 이미지 생성
5. 생성 결과 확인
다양한 이유로 널리 사용되는 스테이블 디퓨전. 생성된 이미지를 수정할 수 있다는 점이 강점이다. (출처: 구글)
AI 학습을 위해서는 개인 데스크탑이나 서버를 구축해야 한다. 버텍스 AI는 엔드-투-엔드 플랫폼이며, GPU 리소스까지 제공하기에 인프라에 대해 신경을 쓸 필요가 없도록 돕는다. 이용자는 머신러닝에만 집중하면 된다. 최근에는 생성형 AI와 관련한 기술도 대폭 업데이트된 상태다.
그리고 버텍스 AI에는 '워크벤치'라는 기능이 있다. 머신러닝을 위해서는 보통 '주피터 노트북'을 활용하는데, 이를 위해서는 주피터 서버가 필요하다. 버텍스 AI에서는 이 부분에 대해서 구글 클라우드가 지원해 주기에 부담이 없다.
(출처: 구글)
2023년에는 '모델 가든'이라는 신규 기능이 추가되기도 했다. 구글이 만든 모델부터 서드 파티, 오픈 소스 모델 등을 버텍스 AI에서 간편히 사용할 수 있도록 예제 코드를 제공하는 서비스다.
기존의 다른 프로그램을 사용하다, 구글 클라우드 서비스로 넘어오면 다른 곳에서 작동하는 코드가 작동하지 않는다는 문제가 생길 수 있다. 버텍스 AI는 클라우드에 맞게끔 각 모델별로 코드를 제공해 코드를 클라우드에 맞춰 변경하는 과정을 하지 않아도 되도록 한다. 자신이 쓰는 모델을 보고, 모델 가든에서 예제 코드를 가져온 후 구동하면 된다.
이를 통해 버텍스 AI에서 제공하는 머신을 통해 학습을 시키면 파인 튜닝을 하는 데 약 2시간이 소모되고, 디플로이하면 호출해서 사용할 수 있는 API가 준비된다. 간편하게 머신러닝 시스템을 구축할 수 있는 것이다. GPU 관련 리소스를 별도로 요청하고 반환할 수 있어, 머신러닝에 있어 가장 큰 진입 장벽인 비용과 GPU 부분에서 상당히 효율적이기도 하다. 강연에서 소개된 사례에 따르면 실제 사용할 수 있는 커스텀 앱을 만들고 배포하는 데 단 4~5시간밖에 걸리지 않는다.
(출처: 구글)
버텍스 AI를 통해 손쉽게 AI 모델을 구성할 수 있다. (출처: 구글)
구글의 자체 이미지 생성 모델 '이매진'도 존재한다.
해당 모델의 장점은 스테이블 디퓨전처럼 그림을 원하는 대로 수정해 나갈 수 있다는 것이다. 구글 클라우드로 서비스되고 있기에 별도의 모델을 만들 필요 없이 API를 즉시 호출해 사용할 수도 있다. 튜닝 기능은 존재하지 않지만, 이미지를 수정하는 과정이 편리하게 되어 있으며, 기업 고객을 위해 생성된 이미지로 발생할 수 있는 문제를 예방하는 시스템이 촘촘히 짜여 있다.
관심이 있는 고객은 구글 어카운트 팀을 통해 프리뷰 버전을 신청할 수 있다.
마지막으로, 버텍스 AI의 강점은 인프라나 보안에 대해 신경 쓰지 않고 편리하게 모델을 만들 수 있는 서비스다. 고객에 대한 IP 보호도 제공한다. 데이터는 구글에 절대 공유되지 않으며, 약관에도 명시되어 있다. 이런 보호 정책에 대한 기술이 적용된 상태로 개발되고 있는 상태다.
강민재 엔지니어는 "버텍스 AI가 커스텀 AI 모델을 만들 수 있는 유일한 옵션은 아니다. 그러나, 가장 쉽고 빠르고 효율적으로 AI을 만들 수 있는 옵션이다"라며 강연을 마쳤다.
(출처: 구글)