[AI] LLM 과 에이전트 기본 개념

과거 인터넷 시대 그리고 스마트폰이 지배하는 모바일 시대를 지나 이제는 "AI 시대"가 되었습니다. 수년 전 AI는 과거 유행 처럼 지나간 메타버스, AR / VR 처럼 순간적인 유행에 그칠 것이라는 평가를 받았습니다. 하지만 이제는 기업 수준을 넘어 국가단위의 대규모 투자가 진행되면서 높은 가치 평가를 받고 있습니다. 

 

생산성을 혁신적으로 향상시킬수 있다는 측면에서 인터넷 보급 수준의 변화가 아닌 산업혁명 급의 변화를 만들어 줄것으로 예상되고 있습니다.  산업 혁명는 사회 자체구조를 바꾸는 엄청난 변화와 혁신이였지만 동시에 전통적인 수많은 산업을 소멸시키고 많은 실업자를 만들어냈습니다. 

 

산업혁명의 변화에 참여하지 못하는 사람들은 도태될수 밖에 없었습니다. AI 혁신은 산업혁명과 동일한 상황을 이미 만들고 있습니다.  AICC(AI Contact Center) 개념 처럼 AI를 활용한 고객 상담 인력 대체는 이미 상당수 보급되고 있는등 입니다. 

 

바로 몇개월 뒤에 AI가 나를 대체하지는 않겠지만 이러한 변화를 거부하기 보다는 변화에 보다 빠르게 적응하는 것이 더 중요할 듯 합니다. AI의 근간을 이루는 LLM 과 에이전트 라는 것에 대한 기본적인 이해가 시작일 것 같습니다.  

 

언어 모델 (Language Model): 주어진 텍스트 데이터를 학습하여, 다음에 어떤 단어가 나올지 예측하거나 새로운 텍스트를 생성할 수 있는 인공지능 모델입니다. 자연어 처리(NLP)의 핵심 기술로, 번역, 요약, 질의응답 등 다양한 작업에 사용됩니다.
 
사전 훈련 (Pre-training): 언어 모델을 만들기 위한 초기 대규모 학습 단계입니다. 웹사이트, 책, 뉴스 기사 등 방대한 양의 텍스트 데이터를 사용하여 모델이 언어의 기본적인 패턴, 문법, 의미 등을 학습하게 합니다. 이 과정을 통해 기본적인 언어 이해 능력을 갖춘 '기본 모델(Base Model)'이 생성됩니다.
 
파인튜닝 (Fine-tuning) / 사후 훈련 (Post-training): 사전 훈련된 기본 모델을 특정 목적이나 작업에 맞게 추가적으로 학습시키는 과정입니다. 예를 들어, 특정 산업 분야의 용어를 더 잘 이해하게 하거나, 사용자의 질문에 더 명확하게 답변하도록 조정할 수 있습니다.
 
환각 (Hallucination): AI가 실제로는 사실이 아니거나 존재하지 않는 정보를 마치 사실인 것처럼 생성하거나 답변하는 현상을 말합니다. 학습 데이터에 없거나 잘못된 정보를 바탕으로 추론할 때 발생할 수 있습니다.
 
지식 단절 (Knowledge Cut-off): 언어 모델은 학습 데이터가 구축된 특정 시점까지만 정보를 알고 있습니다. 그 이후의 최신 정보나 사건에 대해서는 알지 못하는 한계를 의미합니다. 이 때문에 답변이 오래되었거나 관련성이 떨어질 수 있습니다.
 
검색 증강 생성 (RAG - Retrieval-Augmented Generation): 언어 모델의 한계를 보완하는 기술입니다. 사용자의 질문을 받으면, 관련된 최신 정보나 특정 문서를 외부 데이터 소스에서 검색(Retrieval)한 후, 이 정보를 바탕으로 답변을 생성(Generation)합니다. 이를 통해 지식 단절 문제를 해소하고 환각을 줄이며, 정보의 출처를 제시할 수 있습니다.
 
함수 호출 (Function Calling) / 도구 사용 (Tool Use): 언어 모델이 단순히 텍스트만 처리하는 것을 넘어, 외부의 도구(예: 계산기, 검색 엔진, API 등)를 사용하거나 특정 함수(코드)를 실행할 수 있게 하는 기능입니다. 이를 통해 실시간 정보를 가져오거나, 복잡한 계산을 수행하는 등 모델의 능력을 확장할 수 있습니다.
 
에이전트 언어 모델 (Agent Language Model): 주어진 목표를 달성하기 위해 스스로 계획을 세우고, 추론하며, 필요한 도구(함수 호출 등)를 사용하고, 환경과 상호작용하며 행동하는 진보된 언어 모델입니다. 단순한 정보 제공을 넘어 복잡한 작업을 자율적으로 수행할 수 있는 잠재력을 가집니다.
 
참조 링크 : https://youtu.be/kJLiOGle3Lw