| GPT는 딥러닝 아키텍처 기술로, 대량의 데이터 학습을 통해 사용자의 요구에 맥락을 이해하고 답변을 제공하는 기능을 갖추었습니다. 각 버전마다 더 많은 데이터를 학습하여 정확하고 다양한 답변을 제공하는 모델로 발전해왔으며, GPTs라는 맞춤형 GPT가 출시되었습니다. 이로 인해 앱스토어 스마트폰 혁명을 뛰어넘는 AI 혁명 시대가 열릴 것으로 기대됩니다. 이제 개인은 평생학습의 환경 속에서 전문적인 지식과 아이디어에 쉽게 접근할 수 있게 되었습니다. 상상력, 융합화, 차별화의 관점으로 GPTs가 제공하는 기회를 적극적으로 활용하여 자신의 기회로 만들어야 하는 시점입니다. |
I. 서론
미국 시사 주간지 Time은 앱, 인공지능, 미용, 로봇 등 21개 부문에서 200개 제품을 선정하여 ‘올해의 최고 발명품’을 발표했습니다. 그 중에서도 GPT-4는 AI 부문에서 Game-changing AI로 소개되어 ‘판도를 바꾸는 챗봇‘으로 평가되었습니다. 이 모델은 대중이 이용할 수 있는 가장 강력한 챗봇으로 언급되기도 했습니다. 올해 연말을 앞둔 시점에서 OpenAI는 새로운 버전인 GPT-4 Turbo를 야심차게 출시하였습니다. 이처럼 인공지능 기술은 빠른 속도로 발전하고 있으며, 그 중에서도 앞으로 GPT-5, 6, 7 등으로 이어질 GPT 시리즈는 초거대 언어 모델의 잠재성으로 인해 다양한 분야에서 혁신적인 역할을 수행할 것으로 기대됩니다. 이 글에서는 GPT의 진화 관점에서 인공지능의 미래에 대해 흥미로운 이해를 제공하고, 특히 Custom GPT인 GPTs의 이해와 개발 방법을 상세히 살펴 봅니다. 또한, GPT를 활용하여 누구나 자신만의 현자를 보유할 수 있는 방법인 GPTs 개발의 창의적인 접근 방법에 대해서도 다루도록 하겠습니다. 마지막으로, GPTs의 경쟁력과 이 흥미로운 인공지능 모델이 우리의 삶과 기술 발전에 어떤 영향을 줄 수 있을지 전망해 보도록 하겠습니다.
II. 빠른 속도로 진화하는 GPT
GPT는 T,P,G 순으로 기술을 풀어 보면 이해가 쉽습니다. Transformer 기반의 딥러닝 아키텍처를 사용하여 작동합니다. Transformer는 2017년 구글(Google)에서 제안한 시퀀스 투 시퀀스(sequence to sequence) 모델로 자연어처리를 위해 만들어졌고 이후에는 컴퓨터 비전에도 사용되고 있습니다(Vision Transformer). 주로 번역 작업에 사용하는 Transformer는 인코더-디코더 모델에서 디코더를 사용하여 텍스트 데이터를 처리하고, 다음 단어를 예측합니다. GPT는 Pretrained LM(사전학습 모델)을 사용합니다. 레이블이 없는 대량의 텍스트 데이터를 비지도 학습으로 학습하는 모델입니다.
GPT의 핵심 능력은 Generative(생성)이라고 할 수 있습니다. 자기 회귀적(auto regressive) 방식을 채택하였으며, 이는 모델이 이전에 생성한 단어들을 참고하여 다음 단어를 예측합니다. 이러한 자기 회귀적인 방식을 사용하여 자연스러운 문장을 생성할 수 있습니다. 이를 통해 모델은 언어 구사에 대한 메커니즘을 이해하여 다양한 자연어 처리 과제에서 높은 성능으로 문장 생성 작업 뿐만아니라 다양한 응용 분야에서 활용될 수 있게 되었습니다.
GPT의 진화 과정은 언어 모델의 발전뿐만 아니라, AI 분야에서의 학습 방법론과 구조적 접근의 발전을 보여줍니다. 초기 단계의 한계를 인식하고, 이를 극복하기 위한 지속적인 개선 과정이 특히 인상적입니다. 이러한 연속적으로 이루어지고 있는 GPT의 발전은 인공지능 기술의 미래에 대한 흥미로운 통찰을 제공합니다.
[그림 1] GPT의 지속적인 발전 과정
첫 번째 모델인 GPT-1 (2018년)은 1억1,700만 개의 매개변수를 가지고 있었습니다. 이 모델은 순차적인 처리가 아닌 병렬 처리 방식을 사용하는 트랜스포머 아키텍처를 기반으로 합니다. 또한, 레이블이 없는 데이터에서 비지도 학습을 수행하여 일관된 언어 생성 능력을 개발했습니다. 비지도 학습에도 불구하고 특정 태스크에 적용하기 위해서는 fine-tuning 과정이 필요했습니다. 또한, 비지도 학습만으로는 모델의 다양성과 범용성에 한계가 있었습니다. GPT-2 (2019년)는 GPT-1보다 모델 크기가 확장되어 15억 개의 매개변수를 가지게 되었습니다. GPT-2로의 발전에서는 Fine-tuning 과정을 제거하고, 더 다양하고 범용적인 비지도 언어 모델로 발전하였습니다. 구조적인 변경과 Web scraping을 통해 다양한 도메인 데이터의 사용이 이루어졌습니다. 그러나 이 모델은 틀린 답변 생성, 제한된 추론 능력, 입력 구문에 민감한 한계가 있었습니다. Zero-shot, few-shot learning에서 성능이 좋지 않았으며, 새로운 태스크에 대한 충분한 레이블이 없을 때 문제가 발생하였습니다. GPT-3 (2020년)는 대규모 모델로 1,750억 개의 매개변수를 가지게 되었습니다. GPT-3의 도입으로 few-shot learning의 성능을 개선하게 됩니다. GPT-2와 유사한 아키텍처를 가지면서도 Sparse attention의 도입 등 아키텍처의 추가적인 발전이 이루어졌습니다. 또한, Self-Attention Layer의 증가로 인해 파라미터의 대폭적인 증가가 있었습니다. 메타러닝 및 패턴 인식을 통해 모델이 다양한 스킬과 패턴을 인지하도록 함으로써, 효율성과 범용성을 높였습니다. 이 모델은 창의적인 텍스트 생성 능력을 가지고 있어 컴퓨터 코드, 시, 소설 등 예술 작품을 생성할 수 있으며 NLP 작업 전반에서 다용도로 사용할 수 있게 되었습니다. 그러나, 이해력 문제, 프롬프트 엔지니어링에 대한 민감도, 높은 컴퓨팅 요구 사항 등의 한계가 있었습니다. GPT-3.5(2022년 11월)에서는 RLHF(Reinforcement Learning from Human Feedback)를 사용하여 모델을 학습하였으며, 출시 당시에는 InstructGPT로 알려져 있었습니다. ChatGPT로 불리는 모델은 GPT-3.5의 일종으로 챗봇에 특화되어 있으며, 실생활에서의 적용에 가장 적합한 모델입니다. GPT-4(2023년)는 GPT-3보다 발전된 모델로 멀티모달GPT입니다. 이 모델은 텍스트 뿐만 아니라 이미지, 음성 등 다양한 형태의 데이터를 처리하고 생성할 수 있는 능력을 갖추고 이해할 수 있습니다. 또한, 다양한 산업 분야에서의 응용이 가능하도록 적용 범위가 확장되었습니다. 또한, GPT-4에서는 윤리적 지침과 법적 프레임워크의 필요성이 강조되었습니다. 여러 모달리티를 통합하여 더욱 풍부한 정보를 활용하고, 다양한 상황에서 더욱 다양하고 정확한 답변과 생성을 제공할 수 있습니다. 학습량만 비교해 보면 GPT-3.5 대비해서 45TB보다 훨씬 방대한 500TB의 텍스트 데이터를 이용하여 학습되었습니다.
2023년 11월 6일에 최신 모델인 GPT-4 Turbo가 드디어 공개되었습니다. GPT-3.5가 5페이지 분량을 기억할 수 있다면, GPT-4는 10페이지 정도의 분량을 기억할 수 있었습니다. 그러나, GPT-4 Turbo는 300페이지 분량을 기억하는 수준으로 대폭 향상되었습니다. GPT 시리즈는 NLP의 획기적인 발전을 가져왔으며, 인간과 유사한 텍스트 생성 능력을 갖추게 되었습니다. 진화가 거듭됨에 따라 모델의 크기, 복잡성, 다용도성이 증가하였으며, 오용 가능성에 대한 윤리적, 법적 고려가 필요하다는 점이 부각되었습니다.
III. 맞춤형 GPT인 GPTs
GPTs는 사용자가 정의한 목적에 맞게 학습시킨 GPT 모델입니다. GPTs는 입력된 텍스트를 이해하고, 주어진 목적에 맞는 답변을 생성하는 기술을 갖추고 있습니다. GPTs를 위한 업그레이드된 버전으로, 더욱 강력한 기능과 성능을 제공하는 GPT4는 더 많은 데이터를 학습하고, 더욱 정확하고 다양한 답변을 생성할 수 있습니다. GPTs의 동작 프로세스는 다음과 같습니다. 먼저, 특정 목적에 맞춘 설정을 해 둡니다. 사용자의 입력된 텍스트를 인식하고 문맥을 이해합니다. 그 후, 특정 목적에 맞춘 다양한 기능을 통합해서 적절한 답변을 생성하여 사용자에게 전달합니다. 이를 통해 GPTs는 사용자의 요구에 맞춰 유연하고 자연스러운 대화를 제공할 수 있습니다.
(1) 특정 목적에 맞춘 설정이 가능하여 이를 통해 프로세스 자동화 및 도구로써 이용 가능
(2) 다양한 기능들을 GPTs에서 통합해서 사용하는 것이 가능
(3) 전문가 빌더가 만든 GPTs를 초보자인 다른 사용자가 쉽게 사용이 가능
GPTs는 다음과 같은 몇가지 특장점을 선보였습니다. 가장 영향력이 클 것으로 예상되는 것이 GPTs 스토어입니다. GPTs에서 학습된 모델을 공유하고 판매할 수 있는 플랫폼입니다. 사용자는GPTs 스토어에서 다양한 학습된 모델을 찾아 활용할 수 있습니다. GPTs는 사용자의 지식을 기반으로 GPT를 구성할 수 있는 기능을 제공합니다. 사용자는 자신의 지식을GPT에 추가하여 더욱 정확하고 전문적인 답변을 얻을 수 있습니다. GPTs는 멀티모달 기능을 갖춘 GPT를 구성할 수 있습니다. 텍스트뿐만 아니라 이미지, 음성 등 다양한 형태의 데이터를 처리하고 생성할 수 있어 더욱 다양한 서비스 시나리오로 응용할 수 있습니다.
(1) 쉽게 공유하고 판매할 수 있는 GPTs 스토어
(2) 사용자 지식 기반 맞춤전문성 있는 GPT 구성 가능
(3) 텍스트 뿐만 아니라 음성과 이미지까지도 이용할 수 있는 멀티모달GPT 구성
스티브 잡스로 촉발된 혁신적이라고 할 수 있는 스마트폰 생태계 기반의 모바일 중심의 새로운 패러다임 시대의 진입이 있었습니다. 하지만, 현재까지도 모바일앱 스토어에 앱을 출시하려고 하면 개발부터 공개까지에는 개발 능력부터 확보하는 것이 일반인의 경우에 그리 쉽지 않은 시간을 투자해야 했습니다. GPTs를 제작하는 개발자 경험은 어떤 것일까요? 한 마디로 혁신적입니다. 자연어만으로도 단 몇 분만에 훌륭한 맞춤형GPT를 손쉽게 만들어 공개할 수 있도록 기능을 제공하고 있습니다. GPTs를 개발하기 위해서는 대화식 GPTBuilder와 Configuration 방법을 이용할 수 있습니다. 대화식GPT Builder는 대화 형식으로 GPTs의 목적과 기능을 정의하고, 사용자(개발자)의 요구에 따라 GPTs를 제작할 수 있습니다. Configuration 방법은 개발자가 세심하게 정의하여 GPTs를 구성하여 개발하는 방식입니다.
[표 1] Configuration 방식으로 GPTs를 개발하기 위한 구성 요소
| 구성 요소 | 설명 |
| Name | – GPTs에 부여한 이름 |
| Description | – GPTs의 기능과 용도에 대한 설명 |
| Instructions | – GPTs가 수행하는 동작과 수행하지 말아야 하는 동작에 대한 지시문 : 답변 톤 설정 가능 |
| Conversation starters | – 초기 질문에 대한 설정 : 해당 GPTs 시작 시 제공되는 채팅 예시문 |
| Knowledge | – GPTs의 동작을 전문적으로 수행할 수 있게 하는 지식(형식 : txt파일 또는 pdf파일) |
| Capabilities | – GPTs가 보유하는 능력 : 웹 검색, 이미지 생성, 코드 생성의 3가지 능력 설정 가능 |
| Actions | – 외부API 연결 설정 : GPT가 학습하지 못한 다양한 정보(실시간성 정보, API로 제공하는 정보) |
IV. 창의적인 GPTs의 개발
이제 GPTs의 손쉬운 개발을 통해 누구나 현자를 곁에 둘 수 있게 되었습니다. GPTs의 개발은 기존의 개발에 관한 전문적인 지식이나 프로그래밍 경험이 없는 일반인들도 쉽게 참여할 수 있습니다. 개발자는 간단한 지시사항을 입력하면 되고, GPTs는 해당 지시에 따라 개발자의 의도가 반영된 창의적인 결과물을 생성합니다. GPTs의 개발은 기존의 복잡한 개발 과정을 간소화하고, 쉽게 접근할 수 있는 개발 환경을 제공합니다. 이는 많은 사람들이 참여할 수 있는 기회를 열어줍니다. 따라서, 참여자 수가 증가하면서 다양한 참여자들로부터 대규모의 아이디어와 관점이 모이게 되어 창의성을 더욱 높일 수 있습니다. 이는 참여자들의 다양한 관점과 경험을 통해 새로운 아이디어를 발굴하고, 이를 실현할 수 있는 기회를 제공합니다. GPTs의 개발은 참여자들에게 차별성 있는 아이디어를 요구합니다. GPT 모델 개발 사례를 통해 간략하게 이해할 수 있습니다. 예를 들어, 컴퓨터 공학을 공부하거나 이해하고자 하는 학생이나 일반인이 GPT 모델을 개발한다면, 아래 그림에 설명된 구성를 통해 컴퓨터 공학 분야의 믿음직한 현자를 손쉽고 빠르게 바로 곁에 둘 수 있게 됩니다.
[그림 2] 컴퓨터 공학 퀴즈 GPTs 의 구현 사례
위의 그림과 같이 자신의 아이디어에 대해 이름, 설명, 지시문, 채팅 예시문을 구성하면 GPTs 몇 분만에 빠르게 구현할 수 있습니다.
[표 2] 컴퓨터 공학 퀴즈 GPTs를 개발 구현 사례 구성요소별 상세 설명
| 구성 요소 | 구성 요소별 구현 예시 |
| Name | – GPTs에 부여한 이름 : 컴퓨터 공학 퀴즈 |
| Description | – GPTs의 기능과 용도에 대한 설명 : 퀴즈 형식의 컴퓨터 공학 학습 보조 도구 |
| Instructions | – GPTs가 수행하는 동작과 수행하지 말아야 하는 동작에 대한 지시문 : 이 GPT는 퀴즈 형식을 통해 컴퓨터 공학을 학습할 수 있도록 설계되었습니다. 프로그래밍, 알고리즘, 네트워킹, 데이터 구조 등 컴퓨터 공학의 기초부터 고급 주제에 초점을 맞춘 퀴즈를 제공합니다. GPT는 제공된 Quizlet 링크의 자료만 참조하며, 한국어로 답하고 출처를 인용합니다. 메시지가 표시되면 무작위로 세 개의 질문이 제시되며, 이 특정 범위를 벗어난 질문에는 응답하지 않습니다. 목표는 컴퓨터 공학에 대한 흥미롭고 교육적인 경험을 제공하는 것입니다. |
| Conversation starters | – 초기 질문에 대한 설정 : 기본적인 컴퓨터 공학 퀴즈 / 네트워크 퀴즈 / 고급 프로그래밍 퀴즈 / 오늘의 데이터 구조 퀴즈의 4가지로 이용자가 바로 사용 가능한 질문을 화면에 표시 |
이는 기존의 틀에 얽매이지 않고 새로운 아이디어를 도출하도록 유도합니다. 참여자들은 자유롭게 자신의 창의성을 발휘할 수 있으며, 다양성과 혁신성을 촉진하는데 도움을 줍니다. 또한, 멀티모달(다양한 형태의 정보를 포함하는)을 지원하는 환경은 아이디어를 실현하는 훌륭한 도구로 활용할 수 있습니다. 텍스트뿐만 아니라 이미지, 음성, 동영상 등 다양한 형식의 데이터를 활용하여 창의적인 아이디어를 실현할 수 있도록 돕습니다. 이는 아이디어의 품질과 효과성을 높일 수 있는 장점을 제공합니다. 창의적인 GPTs의 개발을 위해 도메인 전문가의 요구가 증대될 것입니다. 앞으로 창의적인 아이디어를 개발하기 위해서는 해당 도메인에 대한 깊은 이해와 전문적인 지식이 더욱 필요해질 것입니다. 도메인 전문가들은 자신의 전문 분야에서 풍부한 경험을 기반으로 아이디어를 제공하고, GPTs가 해당 아이디어를 통해 가치를 창출하는 데에 큰 역할을 할 수 있습니다. 당장 구현해 볼 수 있는 몇 개의 GPTs의 사례를 들어 보겠습니다. 교육 분야의 사례로 학생멘토링GPTs를 개발할 수 있습니다. 일선 교사들은 다양한 학생들의 생활기록부 기록과 진로상담에 학생 맞춤형으로 멘토링을 해야할 기회가 많습니다. GPTs를 통해 대상 학생의 중요 상황이나 특성을 기반으로 발전적이고 희망적인 생활지도나 전문적인 심리상담과 진로상담을 위한 산업분야에 대한 다양한 전문 정보를 정확하게 매칭시킨 결과를 받아볼 수 있을 것입니다. 육아 분야의 사례로는 초보엄마GPTs를 생각해 볼 수 있습니다. 아기의 출산부터 유년기 성장 동안의 육아에 필요한 전문적인 행동발달 정보나 응급상황에서의 의료정보는 초보엄마의 육아에 전문적인 조언자로서의 역할을 해 줄 수 있을 것입니다.
V. 결론 : GPTs 경쟁력 확보와 전망
GPT-4 Turbo가 발표되었던 지난 11월 6일은 한편으로는 스타트업들의 대학살의 날으로도 회자되었습니다. 그 동안 준비해 오던 다양한 AI솔루션의 아이디어들이 GPTs 기능으로 인해 한 번에 해결이 되었기 때문입니다. GPTs가 GPT Store를 통해 쏟아져 나올 것이 예상되고 있습니다. 과연 어떤 GPTs가 경쟁력을 가질까요? 그리고, 앞으로의 GPT의 생태계가 어떻게 형성되고 발전해 갈까요? 이제 다른 GPTs과의 경쟁에서 살아 남을 수 있는 조건에 대해 생각해 볼 시간이 다가오고 있습니다. GPTs의 경쟁 우위를 확보하기 위해 고려할 수 있는 핵심 요소는 상상력, 융합화, 차별화라고 할 수 있습니다. 이 세 가지 요소를 통해 GPTs는 경쟁에서 우위를 점하고 성공할 수 있습니다.
먼저 상상력입니다. 상상력은 감각에 즉각적으로 나타나지 않는 사물, 장면, 사건에 대한 이미지와 개념을 형성하는 정신 능력입니다. 현실에서 한 번도 본 적 없고 경험하지 못한 것을 새로운 아이디어로 창조하거나 시각화하는 행위를 포함합니다. 이 능력은 인간 인지의 기본 측면으로, 가능성을 구상하고, 가상의 시나리오를 만들고, 즉각적인 감각 인식을 넘어서는 아이디어나 경험에 참여할 수 있게 해줍니다. 이는 창의성, 예술적 표현, 문제 해결 및 혁신에 있어 중요한 요소입니다. 상상력은 GPTs의 개발 및 적용에 중추적인 역할을 할 것입니다. GPT의 새롭고 효과적인 애플리케이션 생성을 촉진하게 할 것입니다. 프롬프트 엔지니어링의 맥락에서 상상력은 기존 애플리케이션을 뛰어넘는 GPT의 고유한 용도를 예측하는 능력으로 볼 수 있습니다. 예를 들어, 영화 대본 작성이나 혁신적인 제품 디자인과 같은 예술적 노력에 GPT를 사용하는 것은 상상력이 어떻게 독특한 솔루션을 창출할 수 있는지 보여줍니다. 다음은 융합화입니다. 다보스포럼 회장인 클라우스 슈밥은 4차 산업혁명을 ‘물리적, 디지털, 생물학적 영역 간 경계를 모호하게 하는 기술의 융합(WEF2016a)’으로 정의하였습니다. 4차 산업혁명 촉발 이후 7년이 지난 지금 시점에서 핵심 기술은 AI라는 사실이 더욱 명확해졌습니다. AI를 통해 산업간 경계가 더욱 허물어지고 디지털화가 가속화되는 현장들을 목격하고 있으며, GPTs를 통해 융합이 더욱 가속화될 것입니다. 마지막으로 차별화입니다. GPTs 속성을 이해하고, 가치 창출이 가능한 분야로 최적의 Instructions, 전문화된 Knowledge, 적정의 Actions(외부 API 사용)을 통해 차별화된 솔루션을 만들어 낼 수 있으면 경쟁력을 가질 수 있을 것입니다. 이 중에서도 전문화된 Knowledge는 도메인 지식으로도 불리며 차별성 있고, 실용성 있는 가치를 제공할 수 있을 것으로 기대가 됩니다. Open AI Dev Day의 샘 알트만이 직접 데모를 해 보이는 사례에서도 확인할 수 있었습니다. 자신이 스타트업 액셀러레이터인 Y컴비네이터 의장을 맡던 시절 강연했던 강연자료를 업로드하자 특정 목적을 수행할 수 있는 용도의 GPTs가 됩니다. 지금부터 이 GPTs는 샘 알트만을 대신해서 스타트업을 위한 훌륭한 현자로서의 역할을 시작할 수 있게 됩니다. 이제 누구나 현자를 바로 옆에 두게 되었습니다.
GPTs 시대에서 개인의 역할은 어떻게 변해야 할까요? GPTs가 모든 지식을 제공하기 때문에 개인은 아무것도 하지 않아도 되는 걸까요? 그렇지 않습니다. GPTs가 완벽하지 않은 한계를 가지고 있기 때문에, 정보의 편향성을 판별하는 능력이 더욱 중요해졌습니다. 개인은 활발한 시도와 체험을 통해 GPTs에 존재하지 않는 독창적이고 실용적인 지식을 만들어내야 합니다. 앞으로는 데이터 배당의 시대가 열릴 것으로 예상됩니다. 이에 따라, 개인의 독창적인 경험 자산은 개인 소유의 개념으로서 개인에게 이익을 가져다 줄 것입니다. GPTs를 통해 다양한 영역의 전문적인 수준의 지식을 쉽게 얻을 수 있게 되었습니다. 그러나, 이를 발전시키기 위해서는 평생학습의 개념을 실천하여 지속적인 학습 활동을 해야 합니다. 이를 통해 개인은 자신의 학습 성취를 더욱 구체화시킬 수 있게 되었습니다. 알파세대와 같은 AI네이티브 세대는 앞으로 더 많은 분야에서 산업간 경계가 허물어지면서 더 많은 기회를 창출할 수 있을 것으로 기대됩니다. GPTs 시대에서 개인은 자신의 상상력을 기반으로 융합을 손쉽게 실천하여 경험을 투영하는 차별화를 통해 독창적인 아이디어와 지식을 만들어내며, 이를 통해 더 큰 성장과 기회를 얻을 수 있을 것입니다.
[참고문헌]
[1] The 200 BestInventions of 2023 | TIME
[2] Newmodels and developer products announced at DevDay (openai.com)
[3] 챗GPT, 질문이 돈이 되는 세상(2023년, 전상훈, 최서연 저)
[4] Generative AI와 함께하는 프롬프트 마스터 클래스(sk.com)
[5] [논문리뷰] GPT1, GPT2, GPT3 차이와한계 (velog.io)
[6] [논문리뷰] GPT3의 새로워진 버전- InstructGPT : 인간의 지시에 따른 결과물을 완성해내는AI (tistory.com)
[7] [자연어 처리]BERT와 GPT로 배우는자연어 처리:: For a better world (tistory.com) OpenAI의 각GPT 모델 비교GPT-1 ~ GPT-4 : 네이버 블로그(naver.com)
[8] GPT-3 vs GPT-3.5vs ChatGPT (velog.io)
[9] 챗GPT4, GPT3.5와 달라진 점은?: 네이버 블로그(naver.com)
[10] GPTs 사용법 – 커스텀 GPT 만들기 상세 가이드(5분 만에 나만의 챗봇 완성)- DeepdAive
[11] GPTs란 무엇인가?- GPT 스토어에서 수익 창출 가능한 커스텀 챗GPT사용법 – DeepdAive
[12] 챗GPT에 도전하는 한국의 토종AI 모델들… 경쟁력은?
[13] Anthropic의 Constitutional AI: Harmless from AI Feedback | AI 헌법에따라 행동하는 인공지능(tistory.com)
[14] 챗GPT 1년… “AI 강사와 회화 공부”급증, 학원가는 일자리 걱정｜동아일보(donga.com)
[15] 나만의 chatgpt를 만들 수 있는 GPTs 출시! (webisfree.com)
[16] Don’t Build AI Products The WayEveryone Else Is Doing It (builder.io)