본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.
https://fastcampus.info/4n8ztzq
학습 후기
이번에 LLM의 발전 방향과 RAG의 필요성에 대해 배우면서 AI 기술이 단순히 문장을 잘 생성하거나 번역하는 수준에 머무르지 않고, 훨씬 더 복잡하고 정교한 역할을 할 수 있다는 점을 새롭게 느꼈습니다. 특히 LLM이 앞으로 멀티모달, 추론, 장기 기억이라는 세 가지 축을 중심으로 발전한다는 내용은 매우 인상 깊었습니다. 멀티모달 능력을 통해 이미지를 보고 이해하거나, 다양한 데이터 소스를 통합적으로 활용할 수 있게 된다는 점은 인간처럼 사고하고 분석하는 AI의 가능성을 보여줬습니다. 또, 단순한 정보 생성이 아니라 복잡한 논리와 맥락을 고려해 추론할 수 있는 능력은 향후 의료, 법률, 연구 등 고차원적 판단이 필요한 분야에서 큰 역할을 할 것으로 기대됩니다.
하지만 아무리 LLM이 발전하더라도, 컨텍스트 윈도우 한계 때문에 긴 문서나 과거 대화 내용을 모두 기억하고 활용하기는 어렵다는 점은 실질적인 한계로 다가왔습니다. 이때 등장한 RAG는 외부 데이터베이스에서 필요한 정보를 검색하고, 그 결과를 LLM이 결합해 더 정확한 답변을 생성하는 방식으로, 마치 사람이 여러 자료를 참고하면서 보고서를 작성하는 것과 같은 느낌을 주었습니다. 이 방식은 정확도뿐 아니라, 비용과 시간 측면에서도 효율적이라는 점에서 실무적으로 큰 장점이 될 것 같습니다.
이번 학습을 통해 단순히 모델의 성능만 보는 것이 아니라, 구조적 한계와 이를 보완할 솔루션을 함께 고민하는 것이 중요하다는 점을 배웠습니다. 앞으로 AI를 활용한 서비스를 기획하거나 연구를 진행할 때, 기술적 완성도와 함께 사용자의 신뢰성과 편의성을 어떻게 확보할지를 깊이 고민할 계획입니다. 이번에 배운 내용을 토대로 더 구체적이고 창의적인 프로젝트에 도전해 보고 싶습니다. AI를 통해 더 많은 문제를 해결하고 사회에 긍정적인 영향을 줄 수 있도록 지속적으로 공부하고 발전해 나가고 싶습니다.
추가적으로 Finetuning 이외에도 어떻게 모델을 학습시킬수 있는지 알아가고, 멀티모달에 대해서 배우고싶어서 환급챌린지에 도전한다.
