## 주요 동향 - 세션에서는 작년 Virtual Production, Cloud 주제가 많았으나 올해는 확연히 AI 관련 주제가 많았음 - 전반적으로 AI에 대한 도구론적 입장에서 바라보는 세션이 많았음 - *도구론*: 혁신적인 기술이 등장해도 이는 인간의 능력을 확장하는데 사용하는 도구에 불과하다는 입장. AI가 새로운 기술임은 틀림없지만, 인간을 대체할 수 있는 기술이라기 보다는 인간이 망치, 톱과 같은 도구처럼 AI를 자신의 필요에 맞게 사용하게 될 것이라는 전망을 보임 - 전시 동향은 작년과 크게 다르지 않았음 ## AI산업의 발전상황 분석 ![[hype cycle for artificial intelligence 2023.png]] - 하이프 사이클이란, 기술에 대한 기대와 환상이 실제보다 더 부풀려져서 상태와 이러한 상태가 가라앉아 산업 전반에 안정적으로 정착하는 주기를 5단계로 구분한 그래프임 - **Separate hype from the real drivers of a technology’s commercial promise** - **Reduce the risk of your technology investment decisions** - Compare your understanding of a technology’s business value with the objectivity of experienced IT analysts - [하이프 사이클](https://www.gartner.com/en/research/methodologies/gartner-hype-cycle) - 현재 생성형 AI는 기대의 최대치에 와 있는 상태로 판단함. 생성형 AI이 Plateau에 도달하는 시기는 5~10년으로 예상하고 있음. - **Plateau of Productivity:** Mainstream adoption starts to take off. Criteria for assessing provider viability are more clearly defined. The technology's broad market applicability and relevance are clearly paying off. ## 콘텐츠 산업에서 AI 분석 Framework ![[AI Revolution in ENT one year on_26.jpg]] - Tier별로 AI를 활용한 콘텐츠 산업에 대한 기회를 구분해보는 Framework. - 순수 AI 기술 - 인간의 제어 및 창작을 양 축에 두고 그 균형에 따라 Tier를 구분하고 있음 - 현재 Tier 4, Tier 3 단계까지 커버하고 있음. 생성형 AI를 바탕으로 간단한 것들을 만들 수 있음. 누구나 접근할 수 있기 때문에 기회는 많지만, 기대는 낮음. - Tier 3에서는 숏폼위주의 창작이다. 창작자가 의도 더 개입함. (인간에 의한) 관리형 서비스임 - 2025년에는 Tier 2, Tier 1까지 확대될 것이라는 전망 ## AI의 인간 대체 가능성 #### 생성형 AI의 활용범위 - 스크립트 작성, 아이데이션, 캐릭터 생성 - 다만, 스크립트 작성을 전부다 해줄 수 있는 게 아님 - 이미지 생성, 영상 편집, 영상 생성 등 일부 가능 ## QC를 위해 최종적으로 휴먼 판단 필요 - 반복적인 작업을 최소화하는 방향으로 AI를 활용 - 가령, 자막을 만드는 작업은 들은 것을 받아쓰는 작업 - 생성형 AI가 만들어낸 이미지, 영상, 콘텐츠는 Consistency가 부족(일관성X)하여, 일관성 있는 콘텐츠의 제작을 위해서는 전문가를 활용할 수밖에 없음 - 콘텐츠 전체를 AI가 만들어 줄 수 있는 게 아니라, 콘텐츠를 제작하는 워크플로우 마다 다양한 AI 기술이 접목될 수 있고, 이러한 AI 기술을 활용하고 최종적인 퀄리티 컨트롤을 하는 것은 창작자의 몫 ## AI 적용 사례 - Strada의 AI 편집 - [[Best AI Tools for Creators]] - kajabi로 스크립트 작성, 프리미어 프로의 트랜스크립션 활용 - ChatGPT 활용해서 트랜스크립션을 요약, 다른 플랫폼에 전송 - 사운드 디자인을 위해 Text from UDIO, 이미지 생성을 위해 Dalle, 미져니(?) - 매직이라는 툴로 캡션 따기 - Ditto Dubbing을 사용해서 로컬리제이션(인도네시아) - 아이데이션을 위해서 - Spotter AI - 1/10.com - tube spanner - [Amazon의 VP 에셋 제작](https://www.youtube.com/watch?v=aEN73STGik0) - 생성형 AI를 통해 Virtual Production, VFX 제작 및 클라우드로 Rendering 실시 - 큐브릭을 활용(생성형 AI 어플리케이션으로 VP를 만들 때 사용)하여 모든 배경을 만들고 레이어를 다양하게 합성해 패럴렉스를 만들었음 - 렌더링은 AWS의 Thinkbox를 활용해서 시간을 획기적로 줄였음 - 목소리는 카메라로 녹음을 했고, 이후에 Adobe와 생성형 AI를 통해서 ADR을 만들었음 - 8일 동안 6명이 제작했고, 헤어스프레이는 자동으로 로컬라이제이션 가능함 - 얼굴 인식하고 얼굴에 대해 자동으로 컬러그레이딩도 가능 - [Adobe의 Premeire Pro with Generative AI](https://www.youtube.com/watch?v=6de4akFiNYM) (올해 말 공개) - Amazon의 광고 지점 찾기 - 기타 콘텐츠 크리에이터들의 사용 방식 ## AI 모델의 문제(Fox) - 학습 모델에 들어가는 재료로써, 언론사의 입장에서는 AI가 기사를 흡수한 뒤, 그 기사의 출처가 사라지는 것이 문제라고 바라보고 있음 > one of our core thesis about **the age of disinformation** is that I think the estimates are now five or 10 years, something like 80% of the internet is gonna be AI generated. - AI가 생성한 내용의 진위를 알 수도 없고, 출처도 알 수 없고, 그 내용의 맥락도 알 수 없다. 소비자가 받는 정보에서 이러한 것을 구분할 수 있는 능력이나 툴도 제공받지 못한다. 언론사의 입장에서 AI의 모델 학습에 참여할 수 있도록 해야 하는 이유다. > work backwards from, you know, piece of content goes into a large language model factory comes out the other end in some way, how can you actually go back and understand the context in which that original piece of content existed? > How can we put the guards around our con so we can participate in this ecosystem can appropriately compensated for that and define what that future is. [[언론사는 AI 학습 비용으로 연간 261억을 요구했다]]: 언론사에서는 AI 학습 모델을 위한 기사 제공으로 65억에서 261억을 요구하고 있다. 언론사 1개 당 요구 비용이다.