"Midjourney의 놀라움: LLM이 좀 더 창의적으로 글을 쓰게 하는 새로운 연구"라는 제목의 기사가 VentureBeat에서 최근 LLM(대형 언어 모델)을 활용한 창의적 글쓰기 증진에 관한 내용을 다루고 있습니다. 주요 내용은 다음과 같습니다.

LLM으로 향상된 창의성
- 연구에 따르면 생성형 AI 아이디어에 접근하면, 특히 본래의 창의성이 낮은 작가들의 창의성이 크게 향상된다고 합니다. AI 아이디어의 도움을 받아 작성된 이야기는 더 창의적이고, 더 잘 쓰여지며, 더 재미있게 평가됩니다.

창의성 격차 해소
- AI 사용은 높은 창의성 점수를 가진 작가와 낮은 작가 간의 격차를 좁힙니다. 본래의 창의성이 가장 낮은 작가가 가장 많은 혜택을 보며, 그들의 이야기의 창의성과 품질이 크게 증가합니다.

집단적 참신함과 유사성
- AI가 개별적인 창의성을 향상시키는 동안, 생성된 이야기의 전반적인 다양성은 줄어드는 경향이 있습니다. AI 아이디어로 생성된 이야기는 오직 인간이 쓴 이야기보다 서로 더 유사한 경우가 많습니다. 이는 개별 창의성과 집단의 참신함 간의 균형을 나타냅니다.

다양성을 위한 사후 훈련 접근법
- 출력 다양성 감소 문제를 해결하기 위해 연구자들은 LLM을 위한 새로운 사후 훈련 접근법을 탐색하고 있습니다. 이러한 방법들은 직접 선호 최적화(DPO) 및 확률비 선호 최적화(ORPO) 등을 포함하며, 출력의 다양성과 품질을 동시에 증진시키는 것을 목표로 합니다. 훈련 목표에 편차를 포함함으로써, 이러한 접근법은 LLM이 더 다양하고 고품질의 창의적 글쓰기를 생성하도록 도울 수 있습니다.

실질적인 의미
- 이 기사는 더 넓은 창의성을 보장하기 위해 프롬프트의 다양성이 중요하다고 강조합니다. 여러 작가가 독립적인 프롬프트를 사용할 때, 결과물은 더 다양해지며, 이는 그룹 환경에서 창의성을 유지하는 데 필수적입니다.

도구와 플랫폼
- Midjourney의 Patchwork와 같은 세계 구축 및 스토리텔링을 지원하는 협력형 AI 플랫폼 도구의 발전도 언급됩니다. 이러한 도구들은 작가가 모호한 아이디어에서 보다 완전한 이야기로 발전하고 일관된 설정에 대해 협력하는 데 도움을 줄 수 있습니다.

전체적으로, 이 연구는 LLM이 창의적 글쓰기를 증진할 수 있는 가능성을 강조하는 한편, 출력 다양성과 집단적 참신함을 유지하기 위한 전략의 필요성을 부각시킵니다.