“2개의 뇌가 1개보다 낫다” AI 환각 현상 완화 트렌드 살펴보기

일반 대중과 여러 기업에서 생성형 AI를 광범위하게 사용하려는 움직임이 계속되고 있다. 하지만 오류, 저작권 침해 문제, 노골적인 환각 현상으로 인해 정확성에 대한 신뢰가 훼손되는 경우가 종종 발생한다. 
 

스탠포드 대학교의 한 연구에 따르면, 생성형 AI는 법률 관련 질문에 답할 때 75% 확률로 실수를 저지르는 것으로 나타났다. 해당 연구팀은 "두 개의 서로 다른 사건 사이의 선례 관계를 측정하는 작업에서 LLM은 무작위 추측보다 더 나은 결과를 만들어내지 못했다"라고 말했다.

문제는 오픈AI의 GPT-4, 메타의 라마2(Llama2), 구글의 팜2(PaLM2)와 같이 생성형 AI 기술의 기반이 되는 LLM이 비특이적인 파라미터를 가진 무정형 형태일 뿐 아니라 LLM을 학습시키는 것이 선천적으로 편견을 가지고 태어난 인간이라는 점이다.

LLM은 규모가 커질수록 추측성 또는 무작위적인 답변이 많아지는 '확률적 앵무새'라는 특징을 가지고 있다. 이런 '다음 단어 예측 엔진'은 논리 프레임워크 없이 학습한 내용을 계속 앵무새처럼 반복한다. 

환각 및 기타 생성형 AI 관련 오류를 줄이는 대표적인 방법은 특정 데이터 소스를 사용해 LLM의 근거를 갖추는 데 사용되는 기법인 RAG(Retrieval-Augmented Generation)다. RAG를 통해 쿼리에 대해 보다 정확하고 구체적인 응답이 가능한 맞춤화된 생성형 AI 모델을 만들 수 있다. 그러나 추론에 대한 논리적 규칙이 여전히 부재하므로 RAG 역시 생성형 AI의 혼란을 정리하지 못한다. 

즉, NLP(Natural Language Processing)에는 신뢰할 수 있는 결론(출력)을 도출하기 위한 투명한 추론 규칙이 없다. 일각에서는 생성형 AI가 제공하는 최종 답변에 이르는 각 단계에서 신뢰할 수 있는 결론을 보장하기 위해 '공식 언어' 또는 일련의 규칙/가드레일이 필요하다고 주장한다. 정확한 의미를 위한 공식적인 시스템이 없는 상태의 NLP는 주관적이고 토대가 미흡한 의미를 생성한다. 

AI 스타트업 엘리멘탈 코그니션(Elemental Cognition) CEO이자 컴퓨터 과학자 데이비드 페루치는 "쉽게 말해 2+2는 4라는 간단한 합의와 비슷하다. 4라는 최종 답변에는 모호함이 없다"라고 말했다. 엘리멘탈 고그니션은 '신경 기호 추론기(neuro-symbolic reasoner)'인 브래이드(Braid)를 개발했다. 브래이드는 엘리멘탈 코그니션 직원들과 진행한 인터뷰에 기반해 LLM의 언어 논리 모델을 구축한다. 

페루치는 "예를 들면 비즈니스 분석가를 인터뷰할 때 '문제를 이해했는지 확인하겠다. 귀하에게 중요한 여러 비즈니스 규칙과 관계 제약 및 권한을 살펴보겠다'라는 표현을 사용한다. 이런 표현이 들어간 인터뷰를 학습하면 결국에는 이런 문제를 해결하는 방법을 알고 있는 정규 논리 추론자가 실행하는 정규 지식 모델을 얻게 된다"라고 설명했다. 

간단히 말해 페루치는 "신경망의 장점을 살린 다음 논리, 투명성, 설명 가능성, 협업 학습을 추가한다. 이 작업을 LLM으로 엔드투엔드로 수행하려고 하면 실수하게 되고, 실수를 했다는 사실도 모르게 된다. 엘리멘탈 코그니션의 아키텍처는 LLM 단독 아키텍처가 아니다"라고 덧붙였다. 

엘리멘탈 코그니션의 아키텍처에서 비즈니스에 맞는 답변을 제공하기 위해 LLM을 미세 조정하는 방식인 프롬프트 엔지니어링은 일련의 논리적 규칙으로 대체된다. 이런 규칙은 LLM을 통해 대화하는 범용 추론기가 정확하고 명확한 대화를 실행하도록 보장한다. 

엘리멘탈 코그니션은 출력물에 대해 일종의 체크섬을 계산하는 생성형 AI 모니터링, 평기 및 관찰 툴을 개발한다. 이런 체크섬 기술은 다른 AI 엔진, 즉 한 AI 플랫폼이 다른 AI 플랫폼을 모니터링하는 데도 사용해 첫 번째 플랫폼이 잘못된 답변이나 콘텐츠를 내보내지 않도록 도와주는 역할을 하기도 한다. 

엘리멘탈 코그니션과 함께 이런 종류의 생성형 AI 도구를 제공하는 업체는 아리제(Arize), 트루에라(TruEra), 휴먼루프(Humanloop) 등이 있다. IDC의 AI 및 자동화 부문 리서치 디렉터 캐시 랭에 따르면, 데이터로봇(DataRobot)과 같은 다양한 ML 플랫폼도 AI 모니터링 분야로 진출하고 있다. 

지금까지는 엔터프라이즈 배포 환경에서 생성형 AI 결과물을 모니터링하는 작업에는 일반적으로 사람이 직접 참여해야 했다. 가까운 미래에도 그럴 가능성이 높지만, 모니터링 및 평가 기술이 뒷받침되면 생성형 AI는 훨씬 더 정확한 응답을 생성할 수 있다. 랭은 "사람이 LLM의 결과와 반응을 판단한 다음 피드백을 모델에 통합하는 방식은 확장성이 떨어진다. 최근에는 평가 함수나 다른 LLM을 사용해 다른 LLM의 결과를 판단하는 방법이 트렌드가 되고 있다"라고 말했다. 

랭은 LLM 모니터링 소프트웨어를 일반적으로 LLM 기반 애플리케이션을 평가하고 디버깅하는 LLMOps(Large Language Model Operation) 범주에 포함한다. 더 일반적으로는 FMOps(Foundation Model Operation)라고 부른다. 랭에 따르면, FMOps는 생성형 AI 라이프사이클을 자동화하고 간소화하는 데 사용된다. FMOps 기능에는 기초 모델 테스트, 평가, 추적 및 비교, 새로운 데이터로 조정 및 조정, 맞춤형 파생 모델 개발, 성능 디버깅 및 최적화, 프로덕션에서 FM 기반 애플리케이션 배포 및 모니터링 등이 포함된다. 랭은 "말 그대로 LLM을 위한 머신러닝 운영이며, LLM 기반 애플리케이션 수명주기를 운영하기 위한 새로운 도구 세트, 아키텍처 원칙 및 베스트 프랙티스에 중점을 둔다"라고 덧붙였다. 

예를 들어, 아리제의 피닉스(Phoenix)는 하나의 LLM을 사용해 관련성, 유해성 및 응답 품질을 평가한다. '추적(Traces)'을 사용해 여러 단계를 통해 전파되는 LLM 요청(애플리케이션 또는 최종 사용자가 생성한)이 이동하는 경로를 기록하며, 함께 제공되는 오픈인퍼런스 추적 사양(OpenInference Tracing Specification)은 원격 측정 데이터를 사용해 LLM의 실행과 주변 애플리케이션 컨텍스트를 이해한다. 즉, LLM 워크플로우가 중단된 위치를 파악하거나 검색 및 도구 실행과 관련된 문제를 해결할 수 있다. 

가트너 수석 애널리스트 아비바 리탄은 LLM 모니터링 및 평가 방식은 다양하다고 설명한다. 어떤 사람은 데이터의 출처를 확인하고 LLM 응답의 출처를 확인하려고 시도하고 "출처를 찾을 수 없으면 환각으로 간주한다"라고 설명했다. 입력과 출력 임베딩 간 모순을 찾아 일치하지 않거나 '합산'되지 않으면 환각으로 표시하는 방식도 있다. 혹은 '이상치(outlier)' 혹은 통상적이지 않은 응답을 찾는 기술도 있다. 

구글 검색과 동일한 방식으로 데이터베이스의 정보를 숫자 데이터로 변환하는 것을 '임베딩'이라고 한다. 예를 들어, 한 지역의 호텔을 가격, 편의시설 및 위치에 기반해 5자리 숫자로 지정할 수 있다. 해당 지역에서 가격 및 편의시설이 비슷한 호텔을 구글에서 검색하면 검색 엔진은 비슷한 숫자를 가진 모든 호텔을 제시한다.

같은 방식으로 LLM 평가 소프트웨어는 임베딩과 유사한 답변, 즉 쿼리와 가장 유사한 데이터를 찾는다. 리탄은 "임베딩과 멀리 떨어져 있는 데이터는 이상치를 의미하며, 이상치인 이유를 찾을 수 있다. 그러면 그것이 올바른 데이터 소스가 아니라는 것을 확인할 수 있다. 구글은 검색 데이터와 검색 기능을 모두 갖추고 있기 때문에 이런 방법을 선호한다"라고 설명했다.

LLM 평가 도구를 통해 환각과 잘못된 출력을 최소화하는 또 다른 방법은 주어진 응답의 출처를 찾는 것이다. 신뢰할 수 있는 출처가 없다면 이는 환각이라는 뜻이다. 랭은 "모든 주요 클라우드 공급업체도 LLM 애플리케이션을 조정하고 평가하는 데 도움이 되는 유사한 유형의 기술을 연구하고 있다"라고 덧붙였다.
editor@itworld.co.kr