대규모 언어 모델LLM
Large Language Model
방대한 텍스트 등으로 언어의 패턴을 학습해 글을 처리하고 생성하는 AI 모델이에요.
쉽게 비유하면
아주 많은 글에서 표현과 연결 방식을 익혀 새 요청에 맞는 글을 이어 쓰는 도우미와 비슷해요.
조금 더 자세히
대규모 언어 모델은 단어와 문장 사이의 패턴을 배워 질문에 답하고, 요약하고, 번역하거나 코드를 작성할 수 있어요. 많은 생성용 LLM은 앞의 토큰을 바탕으로 다음 토큰을 예측하는 방식으로 학습해요.
모델과 챗봇 서비스는 구분해야 해요. 서비스는 모델에 검색, 파일 읽기, 도구 사용과 대화 기록 관리 같은 기능을 더해 제공할 수 있어요.
학습만으로 최신 정보나 비공개 자료를 자동으로 알게 되지는 않아요. 다만 프롬프트, 검색이나 도구로 새 자료를 제공하면 참고해 답할 수 있으며, 그 답도 틀릴 수 있어요.
왜 생겼나요
언어 작업마다 별도 규칙이나 모델을 만드는 대신, 많은 데이터로 학습한 하나의 기반 모델을 여러 작업에 활용하려는 흐름에서 발전했어요.
트랜스포머 구조와 대규모 학습이 널리 활용됐고, 지시를 따르는 추가 학습 등을 거쳐 대화형 서비스로 사용하게 됐어요.
어떻게 작동하나요
- 1. 토큰 변환 지시와 참고 자료를 포함한 입력을 토큰으로 바꿔요.
- 2. 문맥 계산 학습된 가중치로 토큰 사이의 관계를 계산해 다음 출력 후보를 구해요.
- 3. 반복 생성 선택한 토큰을 이어 붙이며 종료 조건이나 출력 한도까지 생성을 반복해요.
- 4. 서비스 연결 필요하면 앱이 도구를 실행하고 그 결과를 다시 모델에 제공해 응답을 이어 가요.
활용 예시
- 질문에 답하는 AI 챗봇의 기반 모델
- 긴 문서 요약과 번역
- 이메일·보고서·코드 초안 작성
대규모 언어 모델 vs 생성형 AI
| 대규모 언어 모델 | 생성형 AI | |
|---|---|---|
| 범위 | 언어를 처리하는 모델 범주 | 새 콘텐츠를 만드는 AI 전반 |
| 대표 결과 | 글, 코드와 구조화된 언어 출력 | 글, 이미지, 음악과 영상 등 |
| 관계 | 생성용 LLM은 생성형 AI의 한 종류 | 언어 모델 외의 생성 모델도 포함 |
흔한 오해
LLM은 인터넷을 항상 검색하나요?
모델 실행 자체가 검색을 뜻하지는 않아요. 앱에 검색 도구가 연결되어 실제로 사용될 때 외부 정보를 가져와요.
질문하면 그 내용을 바로 영구 학습하나요?
보통 응답을 만드는 추론 과정은 가중치를 바꾸지 않아요. 서비스의 대화 저장·메모리와 별도의 학습 정책은 각각 확인해야 해요.
이렇게 쓰여요
사내 챗봇 설계
“LLM은 질문과 자료를 읽고 답을 만들게 하고, 최신 규정은 검색으로, 개인별 잔여 연차는 인사 시스템 조회로 제공하자”처럼 역할을 나눠 이야기해요.
관련 용어
함께 보면 좋은 용어
함께 써 보면 좋은 도구
최종 업데이트