인공지능은 살아 있는 존재가 아닙니다.
사람이 설계한 프로그램이, 학습한 패턴과 지금의 문맥을 바탕으로 다음에 올 말(토큰)의 확률을 계산해 문장을 만듭니다.
어디서부터 시작할지 고민이라면, 이 순서대로 만나 보세요.
여기서 말하는 인공지능은 글로 대화하는 ‘언어모델’이에요. 익숙한 문장 하나로 답을 만드는 원리를 살펴볼까요?
여러분이라면 빈칸에 어떤 말을 넣으시겠어요? 예시를 눌러 보세요.
저는 오늘 아침에 __________습니다. 저는 오늘 아침에 밥을 먹었습니다. 저는 오늘 아침에 산책을 했습니다. 저는 오늘 아침에 책을 읽었습니다.
원리를 살펴보기 위해 준비한 예시예요. 고른 예시를 다시 누르면 빈칸으로 돌아가요.
네, 다음에 올 말을 예측한다는 점에서 비슷해요! 언어모델은 학습한 패턴과 여러분의 입력, 앞서 나온 글을 바탕으로 다음에 무엇이 이어질지 확률을 계산해요. 그리고 단어나 단어의 일부 같은 작은 글 조각인 ‘토큰’을 고르고, 이 과정을 반복해 답을 만들어요.
빈칸 채우기는 이해를 돕는 비유예요. 실제 대화에서는 주로 글의 끝에 토큰을 계속 붙여요. 항상 확률이 가장 높은 것만 고르지는 않고, 여러 후보를 확률에 따라 뽑기도 해요.
문제를 단계적으로 풀어내는 모습을 이렇게 표현하기도 해요. 그 바탕에서는 학습된 패턴과 입력을 이용한 계산이 이루어져요. 말을 자연스럽게 한다는 이유만으로 사람처럼 감정이나 의도를 가진 존재로 받아들일 필요는 없어요.
그럴듯하게 이어지는 말도 틀릴 수 있어요. 중요한 답은 꼭 확인해요.
언어모델은 어떻게 답을 만들까요?
사람이 설계한 프로그램이, 학습한 패턴과 지금의 문맥을 바탕으로 다음에 올 말(토큰)의 확률을 계산해 문장을 만듭니다.
신경망 언어모델은 학습 예제에서 숫자 가중치를 배워요. 생성할 때는 가중치와 주어진 문맥으로 후보 토큰 점수를 계산해요. 인터넷 문장을 그대로 찾아 꺼내거나 바로 앞 단어의 횟수만 세는 방식은 아니에요.
지금 보고 있는 답변은 살아 있는 존재의 생각이 아니라, 문맥에 어울릴 가능성이 높은 말들로 만들어진 결과입니다. 그럴듯함이 곧 진실은 아닙니다.
인공지능을 시작점으로 모든 과목을 개인별 맞춤으로.
사전 지식이 없어도 시작할 수 있습니다. 복잡함은 사용자의 잘못이 아니라 시스템의 결함입니다.
게임화·3D 튜터·시각화로 배움을 놀이처럼. 지루함 역시 시스템이 고쳐야 할 결함입니다.
대시보드·챗봇·능력치·진도를 각자에게 맞춰, 나만의 속도로 배웁니다.