【 청년일보 】 나에게 뜨는 동영상은 내가 친한 지인에게는 뜨지 않고, 어제 무심코 봤던 쇼츠 영상이 오늘은 자주 보이는 것처럼, 일상생활 속에서는 이제 맞춤형 추천이 당연시 여겨지고 있다. 여러 산업군에 이 추천시스템이 녹아들고 있지만, 특히 이커머스 업계는 고객의 충성도 향상과 플랫폼 내 구매력 증진을 위한 고객 맞춤형 추천시스템 개발에 노력을 다하고 있다. 여기서 추천시스템이란, 사용자의 선호도 및 과거 행적 데이터를 바탕으로 개인에게 맞춤형 관심사를 제공하는 분야를 말한다. 더 나아가 추천된 항목 혹은 콘텐츠 내에서 순위를 배열하여 거시적인 상위 추천항목을 제시하는 랭킹시스템도 존재하며 서비스나 기업 이윤 관점에서 중요하게 여겨지고 있다. 현대 사회에서 기업 및 고객 친화적 의사결정을 위한 하나의 도구인 추천시스템이 그럼 과거부터 지금까지 어떤 양상으로 발전되어왔을까? 처음에는 단순한 협업 필터링(Collaborative Filtering)으로 시작되었다. 협업 필터링은 유저-콘첸츠 간의 관계로부터 콘텐츠를 추천하는 방식이다. 사용자 그룹을 형성하여 그들이 소비한 콘텐츠, 점수, 선호도 등을 고려하여 서로 소비하지 않은 콘텐츠를 추천해주는 방식이다.
【 청년일보 】 2025년 1월 20일 중국 스타트업 Deepseek에서 오픈소스 LLM 모델인 Deepseek를 출시하며, 세계가 혼란에 빠졌다. 오픈소스 LLM의 최강자로 군림한 meta의 LLaMA와 Mistral, Gemma, Bloom 및 상업적으로 배포되고 있는 Open ai의 GPT모델에 비해 저비용을 통해 여러 벤치마크에서 좋은 성능을 보였다는 점에서 충격을 안겨주었다. 이렇듯, 생성형 AI에 대한 투자가 급속도로 빨라지면서, 이를 산업군에 올바르게 적용시키는 관점에서도 생각해볼 필요가 있다. 산업에서는 모델이라던지 신기술 적용에서의 신뢰성과 정당성, 설명가능성이 중요하다. 이런 측면에서 전통적인 기계학습 모델인 의사결정나무, 선형 회귀, 로지스틱 회귀의 분석 과정은 프로그램 소스코드로 투명하게 표현될 수 있었다. 하지만 최근의 딥러닝 기반 AI 알고리즘은 여러가지 대용량의 데이터를 통한 좋은 성능을 보여주지만, 세부적인 내부 작동 방식을 기존 소스코드처럼 명시하거나 해석하기 어려워 블랙박스 모델로 비유된다. 이러한 모델의 블랙박스의 구조 문제를 해결하고, 결정의 인과관계를 투명하게 규명하고자 하는 활동을 XAI(eXplainable AI)라고
【 청년일보 】 2010년대 후반, Transformer 기반 Attention 메커니즘을 활용한 언어모델 아키텍처를 바탕으로 다양한 거대 언어모델(LLM)이 등장했다. 2020년 OpenAI가 GPT-3를 출시한 이후, 인공지능의 급격한 발전이 촉발됐으며, LLM은 기존의 보조 도구에서 핵심 인프라로 자리 잡게 됐다. 이를 통해 산업과 공공 서비스 전반에 혁신이 일어나고 있으며, 특히 대화형 인공지능 서비스인 ChatGPT의 등장은 전 세계적으로 큰 주목을 받고 있다. LLM은 번역, 요약, 질의응답과 같은 언어적 기능을 강화해 다양한 서비스에 통합되거나, 새로운 혁신적 서비스로 사용되고 있다. 또한 다양한 외부 도구와 연동해 더 복잡한 과제를 수행할 수 있다. 자율 에이전트는 최소한의 인간 개입으로 목표를 달성하는 데 주목받고 있으며, AutoGPT와 같은 자율 에이전트가 등장하고 있다. LLM은 산업공학 분야에서도 적용될 수 있다. LLM은 복잡한 데이터 분석과 의사결정을 자동화하는 강력한 도구로 사용될 수 있으며, 생산 계획, 물류 최적화, 공급망 관리 등 다양한 분야에서 혁신을 이끌어낼 수 있다. LLM을 활용하면 더욱 신속하고 정확한 예측과 최적화