데이터 과학의 미래는... 에이전트 시스템이다?

대규모 언어 모델(LLM)이 보여준 놀라운 힘에도 불구하고 아직까지 많은 회사들은 LLM을 사용하여 제품을 혁신하는 데 크게 성공하지 못했습니다. 이와 관련해서 읽어볼만한 흥미로운 기사가 있어 공유합니다.😃

<미래는 에이전틱(Agentic)입니다.>

• 많은 기업의 목표는 우리가 가장 좋아하는 앱을 위한 진정한 가상 비서 역할을 할 수 있는 AI 시스템을 만드는 것입니다. 그러나 다양한 조직에 걸쳐 수조 달러의 투자가 이루어졌음에도 불구하고 진정한 성공 사례는 거의 없습니다.

• AI가 실제로 소비자에게 유용할 수 있도록 집중적이고 강력한 제품으로 만들려면, 영리한 디자이너가 필요해 보입니다. 그렇기 때문에 Agentic 시스템은 성공적인 LLM 기반 애플리케이션 구축에 있어 필수일 수 있습니다.

Naive AI의 문제점

• 대부분의 언어 모델들은 실제로 도입을 공정하게 수행할 것이고 이미 학습 과정 내내 수백만 개의 기사를 보았고 주제를 소개하기에 충분한 영어에 대해 이해합니다. 하지만 아무리 화려한 프롬프트를 보내도 결과물은 거의 항상 피상적이고 지루한 정보 목록으로 발전합니다. 인간이 실제로 해결하는 데 신경 쓰는 많은 문제들은 다음 단어 예측보다 더 복잡한 것을 요구합니다.

  
  

• 인공지능 시스템은 세상의 모든 지능에도 불구하고 우리가 어디에 있는지 모르고, 일기예보에 접근할 수 없으며, 오늘이 무엇인지조차 모릅니다. 언어 모델은 태양 아래에서 모든 정보를 배울 수 있지만, 학습 시간 동안 접근할 수 있었던 정보에 대해서만 대화할 수 있습니다. 즉 천재적 고립은 제한된 유용성을 가지고 있습니다.

• LLM이 크고 정교하지만, 그들의 추론은 너무 간단합니다. 많은 문제들은 너무 복잡해서 한 번에 한 단어씩 반응을 추측해서는 풀 수 없습니다.

• 복잡한 생각을 할 수 있는 언어 모델을 만들었다 하더라도 언어 모델은 과거의 데이터에 대해 언어적으로만 대화할 수 있기 때문에 많은 응용 분야에서 유용하지 않을 것입니다.
  

에이전트 시스템을 통한 문제 해결방안

• 에이전트 시스템은 현재 뜨거운 주제이며 정확한 세부 사항은 정기적으로 변경됩니다.

• 기본적으로 에이전트는 언어 모델이 이전 출력을 추론하고 도구를 사용하여 정보의 외부 소스를 찾을 수 있도록 하는 프레임워크를 만듭니다.

• 에이전트는 누락된 정보에 대한 적응 능력이 뛰어나며 도전 과제에 유기적으로 적응하는 놀라운 능력을 표현합니다.

• 에이전트는 인간이 문제를 어떻게 생각하는지에 비해 여전히 엄격하고 단순하지만, 에이전트 시스템의 아이디어는 언어 모델이 더 복잡한 애플리케이션에서 유용할 수 있도록 하는 데 막대한 영향을 미치는 것으로 입증되었습니다.

  
  

• 에이전트가 발전함에 따라 LLM은 우리가 일상 생활에서 사용할 더 유용한 도구에 통합될 가능성이 높습니다.

원본 기사 링크는 아래와 같습니다.

관련 예시 및 상세내용은 원본 기사 링크를 통해 확인하실 수 있습니다. 감사합니다.🙏

[Source Link] https://levelup.gitconnected.com/the-future-is-agentic-5c644f6b8f5b