AI, 다시 시작! 기초부터 다지는 AI 개념 정리
저자는 출산 휴가 후 AI 분야의 급격한 발전에 뒤쳐짐을 느끼고, AI에 대한 기본 개념 재정립을 시작함
레시피를 활용한 AI 데모를 통해 AI 모델의 요약, 해석, 개인화 기능을 시연하며 실제 활용 사례(Use Case)를 제시함
AI, Foundation Model, LLM의 관계를 설명하며 AI 모델의 작동 방식(Mechanism)에 대한 이해를 돕고, HTTP 요청 기반의 간단한 API 호출을 강조함
Amazon Bedrock을 활용하여 다양한 Foundation Model에 접근하는 방법을 소개하고, AI 모델의 한계점(Limitation)과 검증의 중요성을 강조함
AI, Foundation Model, LLM: 용어 정리
본문에서는 AI, Foundation Model, LLM(Large Language Model)의 관계를 명확히 정의한다.
AI(Artificial Intelligence): 광범위한 개념으로, 추천 엔진(Recommendation Engine)부터 생성형 AI(Generative AI)까지 포함
Foundation Model: 대규모 데이터셋(Massive Datasets)으로 학습된 AI 모델의 하위 집합으로, 다양한 작업에 적용 가능
LLM: 언어 관련 작업(Language Tasks)에 특화된 Foundation Model의 한 종류로, 질문 응답, 요약, 작문, 코딩 등에 활용
결론적으로 LLM은 Foundation Model의 한 유형이며, Foundation Model은 AI의 일부분이다.
AI 모델의 작동 방식: Input → Model → Output
저자는 AI 모델의 작동 방식을 단순한 HTTP 요청(HTTP Request)으로 설명하며, 복잡성은 모델 학습 과정에 있다고 강조한다.
Input(Prompt): 모델에 전달되는 텍스트로, 모델의 응답을 유도하는 역할
Foundation Model: 대량의 데이터(Enormous Amount of Text)를 기반으로 학습된 모델로, 입력에 대한 예측 수행
Output(Response): 모델이 생성한 텍스트로, 입력에 대한 답변 또는 결과
결과적으로 AI 모델은 입력 텍스트(Input Text)를 받아 학습된 패턴을 기반으로 예측(Prediction)을 수행하고, 그 결과를 출력하는 구조를 가진다.
Amazon Bedrock: 다양한 모델 접근
저자는 Amazon Bedrock을 통해 다양한 Foundation Model에 접근하는 방법을 소개하며, 클라우드 환경(Cloud Environment)에서의 모델 활용을 제시한다.
Amazon Bedrock: AWS(Amazon Web Services)에서 제공하는 서비스로, Anthropic의 Claude, Meta의 Llama, Mistral 등 다양한 모델을 호출 가능
Playground: Bedrock에서 제공하는 간편한 인터페이스(Easy Interface)로, 모델을 쉽게 사용해 볼 수 있도록 지원
코드 호출: Playground에서 테스트한 모델을 코드(Code)를 통해 호출하여, 실제 애플리케이션에 통합 가능
결론적으로 Bedrock은 다양한 AI 모델(Various AI Models)을 쉽게 사용하고, 개발 환경에 통합할 수 있는 편리한 도구이다.
AI 모델의 한계와 검증의 중요성
저자는 AI 모델이 정확하지 않은 답변(Incorrect Answers)을 생성할 수 있음을 지적하며, 모델의 한계와 검증의 중요성을 강조한다.
모델의 예측: 모델은 학습된 데이터(Learned Data)를 기반으로 유용한 답변을 예측하지만, 항상 정확하지는 않음
AI 환각(Hallucination): 모델이 그럴듯하지만 틀린 정보(Plausible but Wrong Information)를 생성할 수 있음
검증의 중요성: AI 모델의 결과를 반드시 확인(Double-Check)하고, 신뢰할 수 있는 정보를 얻기 위한 노력이 필요
결론적으로 AI 모델을 사용할 때, 결과의 정확성(Accuracy of Results)을 항상 의심하고 검증하는 습관을 가져야 한다.
