【 청년일보 】 인공지능(AI)은 급격한 발전을 이루어 왔으며 우리 주변의 다양한 분야에서 혁신을 주도하고 있다. 특히 ChatGPT와 같은 생성형 AI(Generative AI)는 텍스트, 이미지, 음성 등 다양한 콘텐츠를 자동으로 만들어주는 것으로 주목받고 있다.

그러나 생성형 AI는 학습한 데이터 내에서 답변하기 때문에 가끔 정보의 오류를 도출할 수도 있다. 이를 보완하기 위한 한 수단으로 RAG(Retrieval-Augmented Generation)를 도입하기도 한다.

RAG(Retrieval-Augmented Generation)란 검색 증강 생성이라고도 불리는 기술이다. 이는 정보 검색(Retrieval)과 생성(Generation)을 결합한 AI 모델인데, 두 가지 주요 구성 요소로 이루어져 있다.

첫 번째로는, 정보 검색기(Retriever)다. BERT와 같은 모델을 사용해 질문에 관련된 정보를 방대한 데이터베이스나 문서 집합에서 검색한다. 두 번째는, 텍스트 생성기(Generator)다. GPT와 같은 모델을 사용해 검색된 정보를 바탕으로 사용자 질문에 대한 자연스러운 응답을 생성한다.

이렇게 결합된 접근 방식은 단순한 텍스트 생성 모델보다 더 높은 정확도와 유용성을 가진 응답을 생성할 수 있다. RAG는 특히 복잡한 질문이나 최신 정보, 특정 도메인에 대한 정확한 정보가 필요한 경우에 매우 유용하다.

앞에서 말했듯이, 생성형 AI는 훈련된 데이터셋을 기반으로 텍스트를 생성한다. 일반적으로 많은 양의 데이터를 통해 학습되지만, 최신 정보나 특정한 사항에 대해 정확한 응답을 제공하지 못하는 경우도 존재한다.

이러한 경우에 RAG는 다음과 같이 생성형 AI를 보완할 수 있다.

첫째, 최신 정보 제공이다. RAG는 실시간으로 관련 정보를 검색해 최신 데이터를 반영한 응답을 생성할 수 있다.

둘째, 전문 지식 통합이다. 특정 도메인에 대한 전문 지식을 필요로 하는 질문에 대해, 관련 문서를 검색해 그 정보를 바탕으로 응답을 생성함으로써 전문성을 높일 수 있다.

끝으로 정확성 향상이다. 생성된 응답이 검색된 정확한 정보에 기반하기 때문에, 일반적인 생성형 AI 모델보다 더 신뢰성 있는 응답을 제공할 수 있다.

이러한 관계에 기반해 여러 기업은 RAG를 도입한 생성형 AI를 내놓기도 했다.

대표적인 예로, Google의 LaMDA가 있다. Google의 LaMDA(Language Model for Dialogue Applications) 프로젝트는 대화형 AI에 RAG 기술을 도입해, 사용자의 복잡한 질문에 대해 더 정확하고 맥락에 맞는 응답을 제공하는 것을 목표로 한다. LaMDA는 실시간 검색과 생성 기능을 결합해 대화의 일관성을 유지하면서도 최신 정보를 반영할 수 있다고 한다.

RAG는 생성형 AI의 한계를 보완하며, 더 정확하고 유용한 응답을 제공할 수 있는 기술로 부상하고 있다. 다양한 기업들이 RAG 기술을 도입해 AI 시스템의 성능을 향상시키고 있으며, 이를 통해 최신 정보와 전문 지식이 요구되는 복잡한 질문에 대해 보다 신뢰성 있는 답변을 제공할 수 있다.

이에 더해, 앞으로 RAG 기술이 더 발전해 더욱 다양한 분야에서 AI의 활용 범위를 넓히고 효과적이게 만들 것으로 기대하는 바이다.
 

【 청년서포터즈 7기 성민지 】