코파일럿 데모영상

 

Copilot for Microsoft 365 자세히 알아보기

 

마이크로소프트 365 코파일럿은 LLM(대규모 언어 모델)을 사용하고 데이터를 Microsoft Graph 및 Microsoft 365 앱 및 서비스와 통합하는 AI 기반 생산성 도구입니다. 마이크로소프트 365 코파일럿 도입을 위한 기술적 요구사항을 확인해보세요. 매일 사용하는 Word, Excel, PowerPoint, Teams 등 생산성 App 내에서 제공되는 생성형 AI, 코파일럿은 창의성, 생산성, 그리고 업무 효율을 높여줍니다. 마이크로소프트가 발표한 업무동향지표(Work Trend Index) 특별보고서에 따르면, 코파일럿 사용자의 70%가 생산성 향상을 경험했으며, 87%는 문서 초안 작성도 쉬워졌다고 합니다. 코파일럿을 실제로 어떻게 활용할 수 있을지 보여 드리는 한국어 Demo 영상을 확인해보세요.

한국어 Demo | Copilot in Word

한국어 Demo | Copilot in PowerPoint

한국어 Demo | Copilot in Outlook

한국어 Demo | Copilot in Teams Meetings

한국어 Demo | Copilot in Microsoft 365 Chat

 

마이크로소프트(MS)의 기업용 생산성 애플리케이션 'MS 코파일럿'이 내년 상반기 중 한국어로 서비스된다. 

한국마이크로소프트(대표 조원우)는 28일 서울 더케이트윈타워 본사에서 'AI데이' 행사를 열고 AI 서비스 현황과 계획 등을 발표했다.

한국MS 리더십 팀은 이날 Q&A를 통해 "내부적으로는 MS 코파일럿의 한국어 기능 지원을 내년 상반기부터로 보고 있다"라고 밝혔다.

MS는 11월1일부터 윈도우 업데이트를 통해 월 30달러에 기업용 MS 코파일럿 서비스를 시작했다. 여기에는 영어와 프랑스어, 독일어, 이탈리아어, 포르투갈어, 스페인어, 중국어, 일본어 등이 포함됐으며, 나머지 언어의 프롬프트는 순차적으로 지원할 예정이다.

MS 코파일럿은 기존 워드나 엑셀, 파워포인트, 팀스 등 업무용 애플리케이션에 오픈AI의 챗GPT 기술을 더한 생산성 도구다. AI가 이메일 초안을 작성해 주고, 화상 회의 내용을 요약해 주는 등 문서 작업을 돕는 기능이다. 

더불어 한국MS는 "사용자가 입력한 프롬프트 데이터로 재학습을 진행하지 않는다"라며 "에러 발생 시 체킹하는 용도로 데이터를 저장할 수는 있지만, 재학습은 이뤄지지 않는다"라고 보안에 문제가 없다는 점을 강조했다.


한국MS 리더십 팀이 Q&A를 진행하고 있다.
한편 이날 행사는 조원우 한국MS 대표의 오프닝 스피치를 시작으로 두시간에 걸쳐 진행했다. 조원우 대표는 "모두가 AI 혁신에 참여하는 자리"라며 파트너십을 강조했다.

이어 송승호 한국MS 팀장은 수십장 분량의 파워포인트를 읽고 테이블 표 형식으로 요약해 내는 코파일럿의 기능을 시연했다.

또 한국MS의 파트너인 야놀자 DX팀 김수연 매니저가 GPT 기반 챗봇 '야비스(YARVIS)' 구축 과정을 소개했다. 그는 야비스의 답변 정확도 및 안정성이 지난 6월 88.1%에서 현재 98.4%로 상승했다고 밝혔다.

주형민 원티드랩 DT 사업개발 총괄은 HR 서비스 '원티드'에 생성 AI를 접목한 사례를 소개했다.


행사장 전경
마지막으로 MS는 생성 AI 선도 기업이라는 점을 강조했다. 송승호 팀장은 "AI 역시 언젠가 상향평준화 되겠지만, 현재 MS가 기술 시장을 이끌고 있음은 분명하다"라고 말했다. 

행사장에는 예상보다 두 배 이상의 인파가 몰려들었다고도 전했다. 한국MS 측은 이후 다양한 장소에서 비슷한 행사를 정기 개최할 뜻을 비치기도 했다.

정확한 답으로 LLM 지속 피드백...수학 난제서 기존 최고치 넘어

(사진=구글 딥마인드)

구글 딥마인드가 대형언어모델(LLM)을 활용해 이전에 존재하지 않았던 지식을 내놓는 새 인공지능(AI) 도구를 선보였다. LLM이 내놓는 답 중 가치 있는 것을 가려내고 이를 통해 답을 고도화하는 과정에서, 인간이 미쳐 발견하지 못한 새로운 지식을 찾아낸 '획기적인 발견'이라는 주장이다.

구글 딥마인드는 14일(현지시간) 수학과 컴퓨터 과학 등에서 새로운 솔루션을 찾아내는 AI 도구 ‘펀서치(FunSearch)’의 연구 결과를 과학 저널 네이처에 게재했다고 블로그를 통해 소개했다.

LLM이 학습하지 않은 완전히 새로운 지식을 생성한다는 것은 어려운 일이다. 만약 새 지식을 내놓았다고 해도, 잘못된 결과인 환각일 가능성이 크다.

알후세인 파우지 딥마인드 연구원은 “LLM이 내놓은 결과 중 90%는 유용하지 않을 것”이라며 “답이 나오면 이를 평가하기는 쉽지만, 새로운 답을 내놓기란 정말 어렵다"라고 말했다.

구글 딥마인드가 공개한 펀서치는 ‘함수 공간에서의 검색(searching in the function space)’의 약자로, 컴퓨터 프로그램 형식으로 문제 해결책을 작성할 수 있는 AI 도구로 구축됐다.

펀서치는 필터를 사용해 LLM이 생성하는 수많은 응답 가운데 정확하다고 검증할 수 있는 응답만을 최종적으로 가려낸다. 이를 위해 사용자에게 최종 응답을 전달하기 전에 정확성을 확인하는 레이어를 LLM 위에 추가한다. 광범위한 주제를 논의하도록 훈련을 받은 기존 LLM의 경우, 이러한 종류의 별도 안전망을 구축하기가 어렵다.

펀서치 아키텍처(사진=구글 딥마인드)

핀서치는 구글의 LLM ‘팜 2(PaLM 2)’를 미세조정한 ‘코디(Codey)’라는 LLM을 구축하고, 그 위에 ‘평가자(Evaluator)’라 불리는 오답 및 환각을 거부하는 ‘평가자(Evaluator)’ 레이어를 결합했다. 코디 모델은 여전히 ​​환각에 취약하고 부정확하거나 오해의 소지가 있는 결과를 생성하지만, 평가자는 이를 필터링해 사용자가 신뢰할 수 있는 응답만 생성하도록 할 수 있다.

코디가 문제와 기본적인 소스 코드를 입력으로 받아 문제 해결을 위한 솔루션 코드를 생성하면, 평가자는 생성된 새로운 솔루션 코드의 내용을 확인하고 점수를 매긴다. 정확하지 않더라도 가장 좋은 점수의 코드는 데이터베이스에 저장되고 코디에 재입력해 솔루션 코드를 개선할 수 있다.

사용자가 데이터베이스에서 지금까지 생성된 최고의 솔루션 코드를 검색, 개선을 요청하는 메시지로 피드백해 솔루션 코드를 개선하는 식이다. 이 과정을 반복 적용함으로써 펀서치는 솔루션 코드를 새로운 지식을 제공하는 강력한 솔루션 코드로 꾸준히 발전시킬 수 있었다는 설명이다.

구글 딥마인드는 이를 입증하기 위해 수십년간 수학 난제로 여겨져 온 캡 세트(Cap set)에 펀서치를 적용했다.  캡 세트는 원 안에서 어떤 3개의 점도 직선으로 연결되지 않는 가장 큰 점 집합을 찾는 문제다. 점의 수가 늘어날수록 문제는 복잡해진다. 펀서치는 8차원에 걸쳐 512개의 점으로 구성된 솔루션을 만들 수 있었는데, 이는 인간 수학자들이 만든 것보다 더 큰 규모였다. 

기존 휴리스틱을 사용한 빈 패킹과 펀서치에서 발견한 휴리스틱을 사용한 빈패킹(오른쪽) (사진=구글 딥마인드)

수학의 또 다른 난제인 ‘빈 패킹(bin-packing)’에도 펀서치를 적용했다. 빈 패킹은 다양한 크기의 개체를 작은 공간에 가장 효율적으로 배치하는 문제다. 펀서치는 이 특정 문제를 해결하기 위해 만들어진 현존 최고의 알고리즘보다 성능이 뛰어난 솔루션을 찾을 수 있었다.

푸시미트 콜리 딥마인드 과학 AI 책임자는 "프로젝트를 시작했을 때만 해도 완전히 새로운 답을 생산할 것이라는 조짐은 없었다"라며 “우리가 아는 한 LLM이 진정한 새로운 과학적 발견을 이룬 것은 이번이 처음”이라고 말했다.

테렌스 타오 캘리포니아대학교 교수는 “펀서치는 잠재적으로 다른 많은 수학 문제에 적용될 수 있기 때문에 매우 유망한 패러다임”이라고 전했다.

특히 다른 LLM과 달리 사용자가 출력 생성 과정을 실제로 보면서 학습할 수 있다는 점에서 주목할 만하다. 이는 펀서치가 ‘블랙박스’에 가까운 다른 LLM과 차별화되는 점이기도 하다.