Wolfram Language, LLM의 '정확한 계산'을 돕는 핵심 도구로 부상
Wolfram Language는 LLM의 부족한 정확한 계산 능력을 보완하기 위한 기반 도구로 제시됨
CAG(Computation-Augmented Generation) 방식을 통해 LLM이 Wolfram Language의 기능을 활용하도록 지원
정확성 보장(Correctness Guarantees)을 통해 LLM의 AI 환각(Hallucination) 문제를 해결할 수 있다는 기대
오픈소스 부재(Lack of Open Source), 라이선스 정책(Licensing Policy), 구현의 어려움(Implementation Challenges)에 대한 비판적 시각 존재
CAG(Computation-Augmented Generation)의 기술적 접근
Wolfram Language는 CAG(Computation-Augmented Generation) 방식을 통해 LLM의 생성 과정에 실시간으로 계산 능력을 주입한다. 이는 기존의 RAG(Retrieval-Augmented Generation)를 확장하여, 무한한 양의 계산 결과(Infinite Computation)를 LLM에 제공하는 방식이다. MCP Service, Agent One API, CAG Component APIs 등 3가지 접근 방식을 통해 LLM 시스템과의 통합을 지원하며, 데이터 미저장 정책(Zero-Retention Policy)을 통해 안전성을 확보한다.
정확성 보장(Correctness Guarantees)의 중요성
커뮤니티에서는 LLM이 제공하는 답변의 정확성(Correctness)에 대한 의문을 제기하며, Wolfram Language의 정확한 계산 능력에 주목한다. AI 환각(Hallucination) 문제를 해결하고, 안전이 중요한 분야(예: 금융 모델링, 약물 계산)에서 결정론적 엔진(Deterministic Engine)의 필요성을 강조한다. Python+SciPy+SymPy 조합과의 비교를 통해 Wolfram Language의 라이선스 비용(Licensing Cost)과 생태계 종속(Ecosystem Lock-in)에 대한 우려도 제기된다.
오픈소스 부재(Lack of Open Source)와 생태계 문제
일부 사용자는 Wolfram Language의 상업적 라이선스(Commercial License) 정책과 오픈소스 부재(Lack of Open Source)를 비판하며, SymPy와 같은 오픈소스 대안의 발전을 촉구한다. 수학적 알고리즘(Mathematical Algorithms)의 특수성으로 인해 오픈소스화가 어렵다는 의견도 있지만, 강력한 소프트웨어 엔지니어(Strong Software Engineers)와 수학 전문가(Mathematics Experts)의 협업을 통해 더 나은 도구를 개발해야 한다는 주장도 제기된다.
Wolfram Language의 기술적 한계와 개선점
일부 사용자는 Wolfram Language가 Python 기반 도구에 비해 성능 및 정확성 측면에서 뒤떨어진다고 평가하며, 샌드박싱(Sandboxing)과 같은 보안 기능의 부재를 지적한다. MCP(Message Passing Concurrency)를 통해 로컬 Mathematica를 활용하는 방법에 대한 명확한 설명 부족과 복잡한 라이선스 정책(Convoluted Product Offering) 또한 개선점으로 꼽힌다. 구체적인 사용 사례(Specific Example)와 데모(Demo)의 부재는 제품의 설득력을 떨어뜨린다는 비판도 있다.
