역사 Mar 31, 2026

GPT-1에서 GPT-4까지 — OpenAI는 어떻게 세계를 바꿨나

…

한줄 요약

2018년 117M 파라미터짜리 GPT-1에서 시작한 OpenAI의 실험은, 4년 만에 전 세계 지식 노동의 판을 흔드는 ChatGPT로 이어졌다.

2018년 6월, Alec Radford 등 OpenAI 연구진은 논문 “Improving Language Understanding by Generative Pre-Training”을 발표했다. 파라미터 수 1억 1700만(117M). 당시 기준으로도 크지 않았다.

핵심 아이디어는 단순했다. 대규모 텍스트로 언어 모델을 먼저 사전 훈련(pre-training)한 뒤, 소량의 레이블 데이터로 미세 조정(fine-tuning)하면 다양한 NLP 과제에서 좋은 성능을 낸다는 것이었다.

당시 NLP 연구자들에게는 충격적인 결과였다. 과제마다 별도 모델을 설계하던 관행이 뿌리째 흔들렸다.

2019년 2월, GPT-2(1.5B 파라미터)가 등장했다. OpenAI는 모델 전체를 즉시 공개하지 않았다. 공식 이유는 “허위 정보 생성에 악용될 수 있다”였다.

결과는 역설적이었다. 단계적 공개 전략은 오히려 전 세계 언론의 집중 조명을 받았고, GPT-2는 아직 공개도 안 된 상태에서 가장 유명한 AI 모델이 됐다.

비판도 있었다. 많은 연구자들은 “실제 위험보다 마케팅 효과가 더 크다”고 지적했다. 어느 쪽이든, OpenAI는 AI 커뮤니케이션의 기술을 이 시점에 체득했다.

2020년 5월, GPT-3(175B 파라미터)가 공개됐다. 전작의 100배 규모였다. 더 중요한 것은 few-shot learning 능력이었다.

프롬프트에 예시 몇 개만 넣으면, 별도 훈련 없이 새로운 과제를 수행했다. 번역, 요약, 코드 작성, 질문 답변 — 모두 하나의 모델로.

2020년 7월 API 베타 공개 이후, 수백 개의 스타트업이 GPT-3를 기반으로 창업했다. “프롬프트 엔지니어링”이라는 직군이 탄생했다.

GPT-3는 강력했지만 제어하기 어려웠다. 지시를 따르지 않거나 유해한 내용을 생성했다.

2022년 1월, OpenAI는 InstructGPT를 발표했다. 핵심은 RLHF(Reinforcement Learning from Human Feedback). 사람이 더 나은 답변을 선택하면, 그 선호를 강화학습으로 모델에 반영하는 방식이었다.

Ouyang et al.의 논문은 “1.3B InstructGPT가 175B GPT-3보다 사람들이 선호하는 답변을 생성한다”는 결과를 보여줬다. 크기보다 정렬(alignment)이 중요하다는 첫 번째 대규모 실증이었다.

Sam Altman은 훗날 이렇게 말했다. “우리는 연구 프리뷰로 조용히 내놓은 거였다.”

2022년 11월 30일 출시된 ChatGPT는 5일 만에 사용자 100만 명을 돌파했다. 역사상 가장 빠른 소비자 서비스 성장이었다. 두 달 뒤에는 월간 활성 사용자 1억 명을 넘겼다.

인터페이스가 결정적이었다. API가 아니라 대화창. 누구나 즉시 사용할 수 있었다.

2023년 3월 14일 GPT-4 출시. OpenAI는 파라미터 수를 공개하지 않았지만, 성능은 명확했다.

미국 의사 면허 시험(USMLE)에서 90th percentile 수준의 점수를 기록했다. 변호사 시험(Bar Exam)에서는 상위 10% 수준. 이미지를 입력으로 받는 멀티모달 기능도 처음 공개됐다.

이후 GPT-o1(2024), GPT-o3(2025)로 이어지는 추론(reasoning) 특화 모델 라인이 분기됐다.

Generative Pre-trained Transformer. 세 단어가 이 기술의 본질을 담고 있다.

GPT-1부터 GPT-4까지, 아키텍처의 기본 구조는 크게 바뀌지 않았다. 달라진 것은 규모, 데이터, 그리고 정렬 기술이었다.

#cu2604021805#AI역사#의료AI#gpt-history