AI의 진화: 뇌에서 눈으로, 그리고 몸으로

AI 모델 완전 정복: LLM부터 VLA까지

Artificial Intelligence
•
Deep Dive

AI의 진화:

뇌에서 눈으로, 그리고 몸으로

거대해지기만 하던 AI가 이제는 작고 빨라지기도 하고, 시각과 신체를 얻기도 한다.
현대 AI 모델의 계보와 이를 구동하는 하드웨어까지 완벽하게 분석한다.

🧠

LLM

Large Language Model

특징: 거대함, 고성능
실행: 클라우드 서버
예시: ChatGPT, Gemini Ultra

“모든 것을 아는 거대한 뇌”

LLM은 인터넷상의 방대한 텍스트 데이터를 학습하여 인간의 언어를 이해하고 생성하는 AI입니다. 문맥을 파악하고 추론하며, 창의적인 글쓰기나 복잡한 코딩이 가능합니다.

Limitation
너무 커서 슈퍼컴퓨터급 서버가 필요하며, 비용이 비쌉니다. 또한 시각 정보가 없는 ‘텍스트 전용’이라는 근본적인 한계가 있습니다.

📱

sLM

Small Language Model

특징: 경량화, 효율성
실행: 온디바이스 (모바일)
예시: Gemini Nano, Phi-3

“내 손안의 똑똑한 비서”

LLM의 덩치를 줄여 스마트폰이나 노트북에서 직접 구동되도록 만든 경량 모델입니다. LLM만큼 방대한 지식은 없지만, 요약이나 번역 등 특정 작업에서는 놀라운 효율을 보여줍니다.

Advantage
인터넷 없이도 작동하며(On-Device), 데이터가 외부 서버로 전송되지 않아 보안성이 탁월합니다.

👁️

VLM

Vision-Language Model

입력: 텍스트 + 이미지
출력: 텍스트
예시: GPT-4o, Gemini 1.5 Pro

“눈을 뜬 AI”

언어 모델에 ‘시각 정보 처리 능력’을 더했습니다. 이제 AI는 사진 속 강아지를 보고 “귀여운 골든 리트리버가 공을 물고 있네요”라고 텍스트로 설명할 수 있습니다. 냉장고 사진을 보고 레시피를 제안하는 시각적 추론이 가능해졌습니다.

Limitation
상황을 이해하고 설명할 수는 있지만, 직접 물리적인 행동을 취할 수는 없습니다. “쓰레기가 있다”고 말할 뿐, 줍지는 못합니다.

🦾

VLA

Vision-Language-Action

입력: 텍스트 + 이미지
출력: 로봇 행동 (Action)
예시: Google RT-2

“몸을 움직이는 피지컬 AI”

피지컬 AI의 완성형입니다. VLM이 텍스트를 출력한다면, VLA는 ‘로봇 팔의 움직임’을 출력합니다. “목이 마르다”는 말을 들으면 컵을 찾아 물을 따르는 일련의 제어 신호를 스스로 생성합니다.

Breakthrough
현실 세계의 상황을 로봇의 행동으로 번역합니다. 일일이 코딩하지 않아도, 인터넷 데이터를 통해 배운 상식으로 행동합니다.

Computing Power
•
Semiconductors

왜 AI 시대엔 CPU가 아닌

GPU가 선택받았나?

👨‍💼

CPU

Central Processing Unit

“똑똑한 관리자 1명”

직렬 처리의 달인. 복잡하고 순서가 중요한 명령을 빠르게 처리하지만, AI 학습 같은 대규모 단순 연산에는 비효율적입니다.

👷

GPU

Graphics Processing Unit

“단순 노동자 1,000명”

병렬 처리의 황제. 수천 개의 코어로 동시에 연산하는 구조가 AI의 행렬 연산과 완벽하게 맞아떨어집니다.

NPU (Neural Processing Unit)

인간의 뇌 신경망을 모방하여 전력 효율을 극대화한 칩.

온디바이스 AI용

TPU (Tensor Processing Unit)

구글이 텐서플로우 학습 가속을 위해 직접 만든 전용 칩.

데이터센터용

Summary Table

Model
Input
Output
Analogy

LLM
Text
Text
박학다식한 교수님

sLM
Text
Text
빠릿빠릿한 비서

VLM
Text + Image
Text
CCTV 관제 요원

VLA
Text + Image
Action
현장 해결사