인공지능의 실체
은 ‘빈칸 채우기 왕’이에요. 말놀이로 우리와 글로 대화하는 인공지능이 답을 만드는 방법과, 말을 잘해도 틀릴 수 있는 이유를 알아봐요.
1. 빈칸부터 채워 볼까요?
고양이는 “____” 하고 울어요.
빈칸에 어떤 소리가 어울릴까요? 소리 내어 말한 뒤, 답을 펼쳐 보세요.
어울리는 말 보기
“야옹”이 어울려요! 우리는 고양이 울음소리를 알고 있지요. 은 많은 예시에서 배운 말의 규칙으로 어떤 말이 어울릴지 계산해요.
2. 말을 조금씩 이어 붙여요
-
- 고양이는
-
- 고양이는
- 야옹
-
- 고양이는
- 야옹
- 하고 울어요.
-
앞의 글 보기
-
다음 조각 고르기
-
뒤에 붙이기
끝날 때까지 반복해요
자세히 보기
인공지능은 질문과 앞에 나온 말을 보고, 다음에 올 작은 글 조각을 골라요. 그리고 또 다음 조각을 골라요. 이렇게 답이 조금씩 길어져요.
말이 길어지는 모습을 쉽게 보여 준 예예요. 실제로는 한 낱말보다 작은 글 조각을 붙이기도 해요. 이 일을 반복하면 긴 이야기도 만들 수 있어요!
3. 사람처럼 말해도 사람이 아니에요
| 사람 | ||
|---|---|---|
| “반가워!”라고 말하기 | 예 | 예 |
| 기쁨·슬픔을 느끼기 | 예 | 아니요 |
| 답을 만드는 방법 | 생각과 경험 | 숫자 계산 |
자세히 보기
인공지능이 “반가워!”라고 답할 수 있어요. 하지만 다정한 말만으로 사람처럼 감정이 있다고 볼 수는 없어요. 인공지능은 컴퓨터가 계산해서 답을 만드는 도구예요.
4. 말이 자연스러워도 틀릴 수 있어요
고양이는 야옹 하고 울어요.
- 말이 자연스러워요 예
- 사실이 맞아요 예
고양이는 멍멍 하고 울어요.
- 말이 자연스러워요 예
- 사실이 맞아요 아니요
틀리는 이유는 여러 가지예요
- 어울리는 말을 골랐지만 사실과 달라요
- 배운 예시가 틀렸어요
- 필요한 정보가 없어요
- 에 문제가 생겼어요
틀린 답이 나왔다고 꼭 여러분 잘못은 아니에요.
자세히 보기
이런 답이 나왔다고 해 볼까요? “고양이는 멍멍 하고 울어요.”
문장처럼 잘 이어졌지만, 멍멍은 강아지 소리예요! 말을 잘 잇는 것과 사실을 맞히는 것은 달라요.
인공지능이 답하기 전에 늘 사실을 확인하는 것은 아니에요. 그래서 질문을 잘해도 틀릴 수 있어요.
5. 내 옷장 속도 알 수 있을까요?
“오늘 내 외투 중에서 뭘 입을까?”
내 옷장은 알 수 없어요
“오늘은 추워. 얇은 외투와 두꺼운 외투가 있어. 어떤 게 더 따뜻할까?”
두 외투를 비교할 수 있어요
- 비밀번호
- 집 주소
- 나나 다른 사람이 나온 사진
자세히 보기
내 옷과 날씨를 알려 주지 않았다면, 인공지능은 저절로 알 수 없어요. 필요한 힌트만 조금 더 알려 줘 보세요. 사진이나 집 주소를 보낼 필요는 없어요.
이 세 가지만 기억해요
-
인공지능은 작은 글 조각을 이어서 답을 만들어요.
-
중요한 답은 책이나 직접 계산으로 확인하고, 선생님께도 물어봐요.
-
필요한 힌트는 알려 줘요. 비밀번호와 집 주소는 지켜요.
이제 여러분 차례!
인공지능이 아주 길고 자신 있게 답했어요. 그러면 꼭 맞는 답일까요? 왜 그런지 생각한 뒤 설명을 펼쳐 보세요.
설명 펼쳐 보기
아니에요! 말을 잘 이어도 사실은 틀릴 수 있어요. 계산 문제라면 직접 계산하고, 궁금한 사실은 책에서 찾아보거나 선생님께 물어봐요.
조금 더 궁금하다면
이 페이지는 글로 답하는 의 대표적인 방식을 설명해요. “빈칸 채우기 왕”은 이해를 돕는 비유이고, 모든 인공지능이 같은 방식으로 움직이지는 않아요. 은 할 때 많은 예시를 보며 내부의 숫자를 조절해요. 답할 때는 그 숫자와 앞에 나온 글로 다음 글 조각이 나올 가능성을 계산해요. 이 조각을 이라고 해요. 늘 가능성이 가장 높은 조각만 고르는 것은 아니라서 답이 달라질 수 있어요. 나올 가능성이 높은 말이 꼭 사실인 것도 아니에요.
추론 모델은 어떻게 답할까요?
-
질문 읽기
-
생각 글 이어 쓰기 첫 번째 이어 쓰기 — 연습장
-
답 이어 쓰기 두 번째 이어 쓰기 — 생각 글까지 보고
“생각하는 중…”을 보여 준 뒤에 답하는 인공지능이 있어요. 이런 인공지능을 추론 모델이라고 해요. 추론 모델이 비밀스러운 다른 방법을 쓰는 것은 아니에요. 이 페이지에서 본 방법 그대로 답해요. 앞의 글을 보고, 다음 조각을 고르고, 뒤에 붙이고, 끝날 때까지 반복해요.
다른 점은 딱 하나예요. 답하기 전에 이 방법을 한 번 더 써요. 먼저 문제를 푸는 생각 글을 조각조각 이어 써요. 조건을 정리하고, 계산해 보고, 틀린 곳을 찾으면 다시 풀어요. 그다음에는 질문과 자기가 쓴 생각 글을 모두 “앞의 글”로 보고 답을 조각조각 이어 써요. 연습장에 풀이를 먼저 쓰고, 그것을 보며 답안지에 답을 쓰는 것과 비슷해요.
앞의 글에 풀이가 들어 있으니, 수학이나 처럼 여러 단계를 거치는 문제를 더 잘 맞힐 때가 많아요. 추론 모델은 쓸모 있는 생각 글을 쓰도록 더 연습한 모델이에요. 하지만 생각 글도 다음 조각을 고르는 계산으로 만든 글이에요. 그래서 오래 생각해도 틀릴 수 있고, 시간과 계산도 더 많이 들어요. 중요한 답은 여전히 직접 확인해요.
밖으로는 한 조각씩, 안에서는 깊이 계산해요
“다음 조각을 고른다”는 말은 답이 밖으로 나오는 모습을 뜻해요. 속으로 대충 생각한다는 뜻은 아니에요. 조각 하나를 고를 때마다 모델은 앞의 글 전체를 층이라고 부르는 수십 개의 계산 단계에 차례로 통과시켜요. 그동안 누가 누구인지, 무엇을 묻는지, 다음에 무슨 말이 와야 하는지를 숫자로 따져요.
앞일을 내다보기도 해요. 연구팀이 운율을 맞춘 시를 쓰는 언어모델의 속을 들여다봤더니, 줄 끝에 올 낱말을 먼저 정해 두고 그 낱말에 닿도록 줄의 앞부분을 이어 쓰고 있었어요. 밖으로 나오는 것은 한 조각씩이지만, 안의 계산은 더 먼 곳까지 봐요. 계단 꼭대기를 바라보며 한 칸씩 오르는 것과 비슷해요.
모든 인공지능이 조각을 이어 쓰지는 않아요
- 그림을 만드는 인공지능(): 잡음으로 가득한 그림 전체를 놓고, 여러 번에 걸쳐 그림 전체를 조금씩 깨끗하게 다듬어요.
- 확산형 언어모델: 글도 이렇게 만들 수 있어요. Gemini Diffusion·Mercury 같은 모델은 빈칸투성이인 답 전체를 한꺼번에 놓고, 여러 조각을 함께 채우고 고쳐 나가요.
- 분류·추천 인공지능: 사진 속 동물이 고양이인지 가려내거나, 볼 만한 영상을 골라 줘요. 긴 답을 이어 쓰지 않고, 점수를 매기거나 정해진 답 중에서 골라요.
그래도 리엔·· 처럼 글로 대화하는 인공지능은 대부분 이 페이지에서 본 방법, 곧 조각을 하나씩 이어 붙이는 방법으로 답해요.
출처와 더 읽을거리