GPT-3 글쓰기 도구의 작동 방식 및 사용 시 주의해야 할 4가지 사항

GPT-3의 등장 이후 다양한 형식의 카피라이팅 서비스( AI )를 판매하는 사용자의 관심을 끌기 위해 경쟁하는 스타트업이 홍수를 이루고 있습니다.

이메일, blog 게시물, 랜딩 페이지, 광고 copy, 영업 커뮤니케이션...

번역과 교정 작업의 대부분이 사람이 하던 시절을 기억하시나요?

그런 다음 DeepL, Google 번역, Grammarly에 도착했습니다.

모든 사람을 위한 문해력과 언어의 민주화 및 가속화.

그거 아세요?

거기서 일어난 일이 이제 텍스트 작성에서도 일어나고 있습니다.

전체 가치 사슬의 소스 계층입니다.

AI 카피라이팅에 무슨 일이 일어나고 있는지, GPT-3가 왜 시작에 불과한지, 그리고 대부분의 AI 카피라이팅 도구가 동일한 코어 위에 예쁜 얼굴을 만드는 것 외에는 별다른 역할을 하지 못하는 이유에 대해 논의해 보겠습니다.

Jarvis, Copy AI , 카피스미스, 카피샤크, 라이트소닉, Anyword...

그들은 와서 GPT-3를 보고 이제 잠재적인 사용자로 당신을 확보하려고 합니다.

일부 AI 카피라이팅 도구는 믿을 수 없을 정도로 빠르게 성장하여 강력한 수익 활주로를 구축하고 멋진 투자자들로부터 자금을 조달했습니다.

종종 수백 개에 달하는 templates 과대 광고가 난무하는데, 실제로는 제대로 된 내용을 전달하지 못하며 핵심 텍스트 품질에 영향을 미치거나 개선할 수 있는 힘이 없는 경우가 많습니다.

이들은 모두 다음에 의존합니다.

OpenAI의 GPT-3.

많은 것을 할 수 있는 진정한 범용 인공지능의 강자이자 자연어 생성 분야로 몰려든 많은 호기심 많은 사람들의 등대 같은 존재입니다.

하지만 GPT-3는 놀라울 정도로 빠르게 발전하는 기술 분야의 시작에 불과합니다.

갑자기 GPT-3가 등장했고 위험은 기회가 되었습니다. OpenAI의 역사

잠깐 기술적인 소개를 해드리겠습니다. 비밀스러워 보이는 이 문자의 의미에 대해 자세히 설명해 드리겠습니다.

G P T - 3은 Generative 사전 훈련된 트랜스포머 v3를 의미합니다.

한 단어 한 단어 설명해 드리겠습니다.

AI 모델은 생성하기 쉬운 "생성"으로 시작합니다.

'트랜스포머'는 우리가 영화에서 알고 있는 3층 건물 크기의 오토봇을 말하는 것이 아닙니다.

트랜스포머는 딥러닝과 인공지능 분야에서 비교적 최근에 개발된 기술입니다.

기계가 인간 언어의 패턴을 학습하고 한 단어씩 문장을 만들어 계속 학습할 수 있는 기능을 제공하는 기술입니다.

트랜스포머 모델만으로는 부모로부터 배우기 전까지는 많은 것을 할 수 없는 신생아와 같습니다.

트랜스포머는 창의력을 키우기 위해 수십억 개의 예제를 읽으며 학습합니다.

그렇기 때문에 방대한 양의 인간 언어에 대해 "사전 학습"되었다고 합니다.

우리는 수조 개의 단어에 대해 이야기합니다.

여기저기서 모델에 대해서도 이야기할 것입니다.

우리는 여기서 하이 패션을 하는 것이 아니므로 모델을 무언가의 스냅샷이라고 생각하세요.

모든 경험, 학습 및 개발 과정을 포함합니다.

오늘 아침에 어떻게 일어났는지, 오늘을 있게 한 경험과 배움으로 가득 찬 인생 전체를 되돌아보는 이 한 순간을 생각해 보세요.

이전에 영향을 미친 모든 이벤트와 함께 이 순간의 스냅샷을 찍는다고 상상해 보세요. 이것은 사용자의 경험에 대해 사전 학습된 모델입니다.

댓글이나 DM을 통해 GPT-3 모델을 좀 더 쉽게 이해할 수 있게 되었다면 알려주세요.

저희는 TextCortex AI 스타트업으로, 글쓰기 작업의 80%를 대행해 드립니다.

OpenAI의 역사

이러한 맥락에서 OpenAI가 중요한 이유는 무엇인가요?

그들은 이 분야에 대한 중요한 관심을 모으는 등대 역할을 했습니다.

호기심 많은 학자, 진지한 기업, 창의적인 기업가부터 변압기 기술의 역사에 동참하고 싶은 개인에 이르기까지 다양한 배경을 가진 사람들이 이 공간으로 모이고 있습니다.

GPT-3를 만든 사람들부터 이야기를 시작해 보겠습니다.

2015년 말 - 오늘날 우리가 볼 수 있는 수많은 혁신적인 개발의 시작은 바로 테크노킹의 창시자 엘론 머스크입니다.

이들은 샘 알트만과 몇몇 다른 투자자 친구들과 함께 연구 커뮤니티와 자유롭게 협력하고 AI 의 윤리적 발전을 주도할 비영리 단체를 설립하기 위해 무려 10억 달러를 기부하기로 약속했습니다.

2019년은 OpenAI에게 정말 다사다난한 한 해였습니다.

엘론 머스크가 조직을 떠난 후Microsoft는 회사를 상업 중심의 영리 조직으로 전환하는 데 10억 달러를 더 투자했습니다.

OpenAI가 시장에 출시될 준비를 하는 동안, 당시에는 너무 위험해서 세상에 공개할 수 없다고 선언한 모델 중 하나가 파문을 일으키기 시작했습니다.

사이드노트: 위에서 언급한 위험성은 제가 대학에서 머신러닝을 공부하던 중 우주로 이직하게 된 이유 중 하나였습니다.

2020년에는 GPT-3를 전 세계에 출시했습니다.

이전 모델보다 거의 116배 더 커진 AI 모델에 175억 개의 매개변수*가 있습니다.

처음에는 소수의 선별된 기관만 실험할 수 있었지만, 최근 GPT-3를 비싼 비용을 지불할 의향이 있는 모든 사람에게 개방하기 전까지는 누구나 실험할 수 있었습니다.

• 매개변수를 AI 두뇌의 크기로 생각하여 사용자를 보완하고 도와주세요.

AI 카피라이팅의 등장

GPT-3는 많은 제품 빌더들이 GPT-3를 기반으로 보기 좋은 사용자 인터페이스를 만들도록 동기를 부여했습니다. 서두에서 몇 가지를 언급했습니다.

그러나 우리는 매주 동일한 제품이 새롭게 출시되는 것을 관찰합니다.

40번째 도구를 본 후 지식창고에 해당 도구에 대한 정보 수집을 중단했습니다...

그들 중 일부는 자신들이 "GPT-3의 API 와 더 잘 소통하는 사람"이 되어 차별화한다고 주장하는 것을 보았습니다.

이는 무엇을 의미할까요? 이것이 실제 차별화 포인트일까요?

API 는 애플리케이션 프로그래밍 인터페이스의 줄임말입니다.

복잡하게 들리겠지만, 영화 속 거대한 신탁에는 항상 문지기가 그들을 대신해 말해주는 사람이 있었다는 것을 기억하시나요?

API 은 컴퓨터용입니다.

이 모든 AI 카피라이팅 회사는 사용자의 욕구를 보내고 이에 대한 답변을 받기 위해 GPT-3의 게이트 키퍼에게 순례를하고 있습니다.

GPT-3의 게이트키퍼( API )와 가장 잘 소통할 수 있는 시점으로 돌아가 보겠습니다.

커뮤니케이션은 매우 중요하지만 오라클을 생성할 때 오라클 프로세스에 영향을 미치지는 않습니다.

오직 OpenAI만이 여러분을 위한 인공 지능을 개선할 수 있습니다.

하지만 GPT-3가 더 이상 블록의 유일한 오라클은 아닙니다.

관심이 높아짐에 따라 다양한 오라클을 사용할 수 있으며, TextCortex 에서 자체 데이터로 오라클을 훈련시켜 각자의 목적에 맞게 최선을 다할 수 있도록 하는 것이 우리의 일과입니다.

GPT-3 작성 도구 사용 시 주의해야 할 4가지 사항

앞서 말했듯이 AI 카피라이팅 도구가 비오는 숲 바닥에 버섯처럼 튀어나오는 것을 보았습니다.

대부분은 빠른 수익 창출이라는 단 하나의 동기를 가지고 있습니다.

소프트웨어 배후에 있는 회사의 안정성을 고려할 때 이는 문제가 됩니다.

몇 가지 추정을 해본 결과, 파워 유저를 예로 들면 단일 사용자의 경우 한 달에 약 100달러의 운영 비용이 들 것으로 예상됩니다.

평생 거래를 시작하고 나서야 GPT-3가 공짜로 제공되지 않는다는 사실을 깨달은 분들께 애도를 표합니다.

이 제품을 구입한 고객이 이제 응답하지 않는 소프트웨어로 닫힌 문 앞에 서게 되어 안타깝습니다.

또한 700만 명의 사용자를 보유한 레플리카( AI )와 같은 대형 기업( AI )도 종속성에 갇혀 높은 운영 비용을 지불하는 동시에 품질에 영향을 미칠 수 없다는 한계 때문에 GPT-3에서 벗어나고 있습니다.

1. 가장 저렴한 (평생) 요금제에 가입하지 마세요.

인생의 많은 것들이 그렇듯이 싸게 사는 것은 비쌉니다.

평생 거래도 마찬가지입니다.

한때 사용하던 소프트웨어가 고객 지원을 중단하거나 근본적인 운영상의 결함으로 인해 더 이상 작동하지 않아 당사에 문의하는 사용자들을 많이 보았습니다.

눈에 달러 표시가 있는 사람에게 급하게 돈을 지불하는 것은 조심하세요.

2. templates 속임수에 넘어가지 마세요.

templates 광고의 대부분은 사용자가 관심을 가질 만한 내용을 파악하기 위한 자리 표시자에 불과합니다.

이는 우리가 흔히 관찰하는 불만 사항입니다. '생성 관련성에 대한 잘못된 지침' 또는 계속 반복되는 생성 패턴입니다.

저희는 커뮤니티 내에서 긴밀한 대화를 통해 사용자들이 원하는 것이 무엇인지 적극적으로 묻습니다.

형식에 대한 관심이 충분하다고 판단되면 깊이 파고들어 데이터를 수집하고 자체적으로 AI 트랜스포머 모델을 훈련하여 커뮤니티에 지속 가능한 무언가를 제공합니다.

3. 모든 사람이 같은 것을 사용하면 순위가 떨어질 수 있습니다.

AI 이라고 주장하지만 궁극적으로는 쿠키 커터 프로세스를 통해 사용자의 입력을 밀어 넣고 돌리는 규칙 기반 소프트웨어가 모두 타격을 받고 있습니다.

GPT-3와 같은 최신 AI 기술은 놀랍도록 창의적이고 자연스러운 느낌을 주지만, 이러한 기술을 탐지하는 것이 쉽지 않다고 가정하면 보안에 대한 불안감을 느낄 수 있습니다.

그러나 너무 많은 사람이 단일 패턴을 사용하여 생성하는 경우 리버스 엔지니어링이 가능합니다.

한 달에 10.000개의 Blog 기사를 작성할 것을 제안하는 GPT-3를 운영하는 제공업체가 있습니다.

이러한 악의적인 행위자들은 해결책을 찾기 위해 더 많은 흔적을 남길 것입니다.

현재로서는 콘텐츠를 통한 연관성(RTC) 지표를 활용하여 AI 생성 콘텐츠의 사용량을 감지할 수 있을 것으로 생각합니다.

휴대폰 시장의 비슷한 상황을 예로 들어보겠습니다.

서비스를 제공하거나 앱을 구축하거나 시스템을 공격해야 한다면 어느 쪽을 선택하시겠습니까?

전 세계 모바일 운영 체제 점유율이 약 27.5%인 Apple의 iOS 또는 71%인 Android?

따라서 AI- 생성된 콘텐츠를 다룰 때 Google의 첫 번째 타겟이 무엇인지 생각해 보세요.

해당 분야의 전문가인 목적 중심 모델을 사용하는 것이 유리할 것입니다.

그 옆에는 가능한 한 많은 사용자 지정 기능을 찾아야 합니다. 예를 들어 다양한 크리에이티브 엔진을 활용할 수 있습니다.

4. 인프라 업데이트 시 불안정성

이러한 대규모 언어 모델은 지속적으로 발전하고 있습니다.

기본 인프라를 업데이트하고 학습하면 텍스트 품질 출력에 영향을 미칩니다.

대부분의 AI 카피라이팅 도구는 GPT-3의 다양한 변형에 의존하고 의존하기 때문에 인프라가 변경되면 품질이 저하됩니다.

"오라클과의 통신을 다시 찾을 때까지" 시간이 걸립니다. ;)

GPT-3가 자연어 생성의 시작에 불과한 이유, 그리고 TextCortex

이미 몇 번이나 스포일러를 했는데, GPT-3로 자연어 생성의 올림픽을 달성했는지에 대한 제 대답을 짐작하실 수 있을까요?

아니요, 그렇지 않습니다.

주저 없이 다시 한 번 말씀드리지만, GPT-3는 개인, 학계, 기업, 정부를 이 분야로 불러들인 대담한 조치였습니다.

그럼에도 불구하고 이것은 새로운 시대의 시작입니다. 현재 우리는 더 많은 매개변수와 더 큰 두뇌를 가진 AI를 개발하기 위한 군비 경쟁을 목격하고 있습니다.

다시 트랜스포머(영화) 이야기 마이크로 소프트 메가트론 튜링 모델로 돌아와서.

GPT-3보다 3배 큰 뇌를 가진 모델입니다.

5,300억 원의 매개 변수를 사용하여 제품 또는 blog 기사에 대한 설명을 작성하는 것은 스마트폰 충전만을 목적으로 석탄 발전소를 짓는 것과 같습니다.

여기서 그치지 않습니다.

GPT-4가 조 단위의 매개변수에 포함될 것이라는 소문이 돌았습니다.

구글은 이미 수조 달러의 모델을 달성했다고 발표했습니다.

중국 우다오 모델도 있습니다.

GPT-3보다 10배 더 우수하다는 뜻인가요?

매개변수 크기가 클수록 더 잘 생성되나요?

막강한 권한에는 막중한 책임도 따르나요?

한 가지 확실한 것은 매개변수 크기가 크면 전력 소비량도 커진다는 것입니다.

이러한 대규모 언어 모델을 구축, 교육 및 운영하는 것은 환경에 재앙입니다.

앞서 '사전 학습된' 모델에 대해 이야기했던 것을 기억하시나요? 학습할 수 있는 양을 초과하는 두뇌를 만드는 것은 도움이 되지 않습니다. 아무리 똑똑한 유아라도 주변 환경에서 관찰할 수 있는 것을 학습하는 데는 한계가 있습니다.

OpenAI, DeepMind, EleutherAI, AI21 Labs에 이르기까지 NLG 분야의 선구자들에게 큰 존경을 표합니다.

모두 인류를 한 단계 더 발전시키기 위해 막대한 노력과 자원을 쏟아붓고 있습니다.

우리는 그들과 함께 그들의 탐구에 동참하고, 그들의 일의 가치로부터 빠른 돈에 목말라하는 사람들을 경멸하고자 합니다.

TextCortex 에서 열심히 일하고 있습니다.

핵심에 관한 한 지름길을 택해서는 지속적이고 경쟁력 있는 가치를 창출할 수 없기 때문입니다.

창작물의 품질.

GPT-3는 제너럴리스트이자 모든 거래의 진정한 잭이지만, AI 카피라이팅의 사용 사례에 비하면 이미 그 규모가 엄청납니다.

인류가 일반화에서 전문화를 거쳐 오늘날의 위치에 도달하기까지 발전해 온 것처럼 말입니다.

이는 자연어 생성에도 적용될 예정입니다.

그렇기 때문에 저희( TextCortex )는 일률적인 모델을 개발하지 않습니다. 우리는 네트워크를 구축하고 조율하는 소규모 목적 중심 모델을 구축합니다.

'모든 사람에게 맞는 한 가지 사이즈'는 모든 사람에게 적합하지 않기 때문입니다.

하나의 거대한 매개변수 AI 모델 대신 100개, 1000개의 모델 네트워크를 구축하여 전문가 AI 작성 동반자로서의 역할을 수행합니다.

당사는 엄선된 지식과 데이터를 바탕으로 자체 AI 모델을 교육, 구축, 테스트, 개발, 실험 및 배포하고 있습니다.  

제너럴리스트의 세계에서 전문가가 될 수 있도록 가르칩니다.

고객의 요구사항과 관련성이 떨어지는 100개의 사전 작성된 글( templates )을 제공하는 대신, 저희가 특별히 탐구하고 지식을 수집하여 AI가 숙달하도록 훈련시킨 templates 을 공개합니다.

자신에게 적합한 AI 작성 도구를 선택하세요.

어떤 것을 선호하시나요?

1년의 경력을 가진 전문가 또는 10년의 깊은 지식을 가진 전문가가 필요하신가요?

신뢰할 수 있는 계약서를 작성해야 하는 변호사가 초콜릿 칩 머핀 레시피에 대한 가장 매력적인 블로그를 작성하는 방법도 알아야 하나요?

소규모 목적 중심의 AI 모델 방법론을 통해 특정 형식과 글쓰기 스타일이 왜, 어떻게, 어떤 모습인지 가르칠 수 있습니다.

예를 들어, 긴 형식의 모델은 참여도가 높은 1,000만 개 이상의 블로그에서 학습되었습니다.

긴 형식의 콘텐츠는 정보를 제공하는 주요 부분에 대한 매력적인 인트로와 모든 것을 요점으로 정리하는 결론으로 구성된다는 것을 알고 있습니다.

AI 모델을 사용자 요구에 맞게 조정하는 것은 우리의 일상이기도 합니다.

저희는 매일 AI 전문가 네트워크를 확대하기 위해 노력하고 있으며, 필요한 모든 텍스트 상자에 전문가를 배치하고 있습니다.

열렬한 작가이신가요?

chrome extension 에서 모든 텍스트 상자에 창작물을 하이퍼차지하는 방법을 확인하세요.

NLG AI 솔루션을 찾고 계신 개발자이신가요? 저희에게 연락하여 API.

저희의 대의에 데이터를 기여하고 싶으신가요? 지금 바로 참여하세요.

목적이 있는 창의적인 AI를 구축해 보세요!