LLM
한 줄 정의
대규모 텍스트 데이터를 학습해 사람의 언어를 이해하고 생성하는 인공지능 모델
1. 비유로 이해하기
LLM은 엄청나게 많은 글을 읽고 언어의 패턴을 배운 초대형 자동완성 엔진이라고 생각하면 이해하기 쉽다.
사람이 문장을 읽으면서 단어의 의미와 문맥을 익히듯이, LLM도 대량의 텍스트 데이터를 학습하면서 어떤 단어와 표현이 어떤 문맥에서 함께 나타나는지 패턴을 익힌다.
그래서 우리가 문장을 입력하면 그 문맥을 바탕으로 다음에 올 내용을 예측하면서 답변을 만들어낸다.
예를 들어,
“오늘 날씨가 너무”
라고 입력하면 좋다, 덥다, 춥다 같은 말이 이어질 가능성을 계산하고, 앞뒤 문맥을 고려하면서 적절한 문장을 만들어간다.
하지만 LLM을 단순한 자동완성 기능이라고 생각하면 부족하다. 현대의 LLM은 언어 패턴을 매우 큰 규모로 학습하면서 질문에 답하거나, 글을 요약하거나, 번역하거나, 코드를 작성하는 등 다양한 언어 작업을 수행할 수 있다.
중요한 점은 LLM 자체가 하나의 완성된 서비스라기보다 언어를 처리하는 핵심 모델이라는 것이다.
AI 챗봇이나 AI 에이전트 같은 서비스는 LLM을 기반으로 만들어질 수 있으며, 여기에 프롬프트, 외부 데이터, 도구, API 등을 결합해 더 복잡한 기능을 구현한다.
2. 왜 필요한가
사람이 컴퓨터에게 자연어로 원하는 일을 설명할 수 있게 하려면 컴퓨터가 인간의 언어를 처리할 수 있어야 한다.
LLM은 이 역할을 담당하는 핵심 기술 중 하나다.
예를 들어 사용자가
“이 회사의 소개 자료를 읽고 핵심 내용을 세 문장으로 정리해줘.”
라고 요청했을 때, LLM은 입력된 자연어를 바탕으로 내용을 분석하고 새로운 문장을 생성할 수 있다.
특히 LLM의 중요한 특징은 하나의 특정 작업만 수행하도록 만들어진 프로그램과 달리 하나의 모델로 다양한 언어 작업을 처리할 수 있다는 것이다.
AI 에이전트에서도 LLM이 중요한 이유가 여기에 있다.
에이전트가 목표를 받았을 때 어떤 행동이 필요한지 판단하고, 사용 가능한 도구를 선택하고, 도구의 결과를 해석하는 과정에서 LLM을 사용할 수 있다.
즉, LLM은 AI 에이전트의 판단과 언어 처리 능력을 담당하는 핵심 구성 요소가 될 수 있다.
3. 어디서 만났나
AI 에이전트 수업 1회차에서 처음 접했다.
이때 LLM은 단순히 “AI”와 같은 의미가 아니라, 대규모 언어 데이터를 학습하여 언어를 이해하고 생성하는 모델이라는 개념으로 이해했다.
별도의 1회차 리뷰 글은 없다.
4. 헷갈리는 개념
| 이 용어 | 비슷하지만 다른 것 | 차이 |
|---|---|---|
| LLM | 생성형 AI | 생성형 AI는 텍스트뿐 아니라 이미지, 음성 등 새로운 콘텐츠를 생성하는 AI 기술을 넓게 가리키는 개념이고, LLM은 그중 언어를 다루는 모델이다. |
| LLM | 챗봇 | LLM은 모델이고, 챗봇은 사용자가 대화할 수 있도록 만들어진 서비스나 애플리케이션이다. 챗봇이 LLM을 사용할 수 있지만 둘은 같은 개념이 아니다. |
| LLM | AI 에이전트 | LLM은 언어를 이해하고 생성하는 모델이고, AI 에이전트는 목표를 달성하기 위해 LLM과 도구 등을 활용하여 행동하는 시스템이다. |
| LLM | API | API는 프로그램이 다른 프로그램의 기능을 사용할 수 있도록 정해진 방식으로 연결하는 인터페이스다. LLM API를 통해 애플리케이션에서 LLM을 호출할 수 있다. |
5. 많이들 오해하는 지점
LLM은 인터넷처럼 모든 정보를 알고 있는 데이터베이스가 아니다
LLM이 많은 정보를 알고 있는 것처럼 보이지만, LLM 자체를 단순한 검색 데이터베이스로 생각하면 안 된다.
LLM은 학습한 데이터를 바탕으로 언어의 패턴과 관계를 모델링하고, 입력된 문맥을 바탕으로 새로운 출력을 생성한다.
따라서 사실과 다른 내용을 그럴듯하게 만들어내는 환각(hallucination)이 발생할 수도 있다.
LLM 자체가 AI 에이전트는 아니다
LLM과 AI 에이전트는 서로 관련되어 있지만 같은 개념은 아니다.
LLM은 언어를 처리하는 모델이고, 에이전트는 목표를 달성하기 위한 판단과 행동을 수행하는 더 큰 시스템이다.
LLM이 답을 “검색해서 꺼내오는 것”은 아니다
LLM의 기본적인 동작은 데이터베이스에서 정답 문장을 그대로 찾아 반환하는 방식이 아니다.
입력된 문맥을 바탕으로 다음에 올 토큰을 확률적으로 예측하면서 출력을 생성한다.