인공지능(AI) 기능이 확대되고 있다. 특히 인간 실생활 업무를 돕는 AI가 성장했다. 기존에는 단순한 일만 처리할 수 있었지만 이제는 복잡한 실생활 업무를 수행할 수 있는 단계까지 진화했다.
이홍락 미시간대 교수 겸 LG AI연구원 AICS(AI 부문 수석과학자)는 18일 서울 코엑스에서 열린 ‘인공지능대학원 심포지엄’에서 '복잡한 업무 해결이 가능한 AI 시대'를 주제로 한 기조 강연에서 "현재 AI 기능 트렌드는 하위 업무(sub-task)를 독립적으로 학습해 새로운 환경과 업무에 스스로 응용하는 방식"이라고 말했다.
지금까지 AI는 사람이 입력한 데이터셋으로 작동했다. 관련 데이터 외 업무에는 처리 능력이 떨어졌다. 이 교수는 “AI가 새로운 환경에서 학습한적 없는 업무를 갑작스럽게 하게 되더라도 간단한 일들을 한 단계씩 처리하면서 결국 최종 목표 업무를 완수할 수 있어야 한다”고 말했다. 기존에는 사람이 AI에 물고기를 직접 잡아서 줬다면, 이제는 AI에게 물고기 잡는 방법을 알려주는 시대가 왔다는 의미다.
이홍락 교수는 이를 ‘서브 테스크(sub task) 간 의존관계를 통해 가능하다고 봤다. 우선 AI 에이전트는 다양한 정보 수집을 위해 환경을 탐험하면서 데이터를 모은다. 그 후 처리해야 하는 업무 구조를 그래프 형식으로 학습하고 추론한다. 기존에 학습한 여러 작업들을 조합해 경험적 데이터를 쌓음으로써 가능하다. 하위 업무 하나하나를 독립적으로 훈련해 이를 합쳐 새 업무가 주어졌을 경우 적절히 활용하는 방식이다.
"인공지능이 새 업무 스스로 처리하려면 초거대 AI 필요해"
이홍락 교수는 이를 실제로 구현하기 위해서 '초거대 AI'가 필요한 재료라고 봤다. 특히 초거대 언어모델을 활용해 AI가 새로운 환경에서 업무 처리하는 상황에 대해 설명했다. AI가 서브 테스크를 수행할 때, 문맥에 따라 혼동하지 않을 수 있는 방법을 소개했다.
우선 이 교수는 “초거대 언어모델을 실생활에 바로 적용하면 문제점이 생긴다”고 지적했다. 언어모델 생성 결과를 그대로 가져오면 오류가 발생할 수 있다는 의미다. 사용자가 AI에 요청할 때 쓰는 단어가 문맥에 따라 다르게 처리될 수 있어서다. 확률 값이 제대로 교정되지 않은 상태다. 그는 "초거대 언어모델은 생성 결과에 대한 확률이 문장 길이 등 다양한 이유로 혼동될 수 있다"고 말했다.
이홍락 수석과학자는 "이를 해결하기 위해 주어진 환경에 대한 센싱(sensing) 기술까지 언어모델에 추가한다면 가능하다"고 주장했다. "환경에 따라 주어지는 시각적 센싱에서 나오는 피드백까지 활용해야 한다"고도 강조했다. 이를 통해 기능을 개선하면 지속적으로 예측 기능뿐만 아니라 확률 값까지 올릴 수 있어서다.
예를 들어, 언어모델을 탑재한 AI로봇에게 ‘사과를 테이블 위에 올려놔’라고 명령할 경우, 로봇은 사과를 들어 테이블 위에 올려놔야 한다. 이때 AI로봇은 ‘테이블’이 '식탁'을 의미하는지 식탁 옆에 있는 '선반'을 뜻하는지 혼동할 수 있다. 여기에 센싱 기술을 접목하면 선반이 아닌 식탁이라는 의미를 정확히 추론할 수 있다. 그후 사과를 테이블 위에 올려놓기 위해 사과를 짚고, 테이블이 어디 있는지 인식한 후 그 위에 올려넣는 서브 테스크를 수행한다.
그는 "올 하반기 정식 출시 예정인 LG AI연구원이 만든 초거대 AI 모델 '엑사원(EXAONE)'이나 오픈AI가 작년에 내놓은 'GPT-3'가 초거대 언어모델을 주도하고 있다"고 설명했다. 특히 엑사원은 LG전자뿐만 아니라 우리은행 등에 접목해 AI 뱅커 등 다양한 솔루션을 개발할 예정이다"고도 말했다.
AI타임스 김미정 기자 kimj7521@aitimes.com
