[Aㅏ핫 AI] ‘모르는 것은 찾아보는 AI’…검색증강생성 ‘RAG’

우리 생활 곳곳에 스며들고 있는 생성형 인공지능 AI를 알기 쉽고 재미있게 전해드리는 '아핫 AI' 시간입니다.

지금까지 AI활용이 주로 대화를 통해 답변을 잘하는 AI기술이었다면 이번에는 답변을 넘어 출처까지 보여주는 똑똑한 AI기술을 소개합니다.

챗GPT와 같은 대규모 언어 모델을 LLM이라고 부르는데요.

LLM은 학습된 데이터를 바탕으로 답변을 생성합니다.

하지만 매일 새로운 정보가 쏟아지는 요즘, 한 번 학습된 새롭게 등장하는 정보는 반영하지 못하는 한계가 있습니다.

이때 등장한 것이 RAG인데요, 검색 증강 생성을 의미하는 RAG는 AI가 학습된 데이터뿐만 아니라, 외부에서 검색한 최신 정보를 활용해 답변할 수 있도록 돕는 기술입니다.

‘모르는 것은 찾아보는 AI’라고 이해하면 쉽겠죠.

RAG의 장점은 첫째, 최신 정보 반영입니다.

RAG는 사전에 설정된 데이터베이스나 문서에서 필요한 정보를 검색하여, 기존 LLM이 반영하지 못하는 최신 데이터를 기반으로 답변을 생성할 수 있습니다.

환율이나 주식처럼 실시간으로 변하는 정보의 경우 RAG를 활용하면 더 빠르고 정확하겠죠.

둘째, 정확성과 신뢰성입니다.

AI는 종종 잘못된 정보를 만들기도 하는데요.

이것을 할루시네이션, 즉 ‘환각’ 이라고 하죠.

RAG는 이 할루시네이션 문제를 줄일 수 있습니다.

또 답변의 출처를 명확히 제시하기 때문에 사용자의 신뢰도 얻을 수 있죠.

셋째, 특정 분야의 지식 활용입니다.

RAG를 활용하면 법률, 의료, 금융처럼 특정 분야에 특화된 데이터베이스를 보다 쉽게 이용할 수 있는데요.

이처럼 RAG는 대규모 모델을 다시 학습시키는 대신 외부 데이터를 검색해 사용하기 때문에 비용과 시간을 절약할 수 있다는 장점도 있습니다.

또 최근 텍스트나 이미지, 영상까지 함께 결합하는 멀티모달 RAG 기술도 등장했습니다.

멀티모달 RAG는 텍스트 외에 이미지와 영상을 결합해 정보를 제공하는 기술인데요.

예를 들어, 의료 데이터를 분석할 때 CT 이미지와 환자의 텍스트 기록을 동시에 분석해 더 정확한 진단을 도울 수 있습니다.

또한, RAG와 AI 에이전트가 결합되면 AI가 스스로 필요한 정보를 검색하고 활용하는 방식으로 발전할 수 있습니다.

이를 통해 특정 상황에서 데이터를 검색하고, 보다 신뢰성 있는 해결책을 제안하는 AI 비서 개발이 가능해질 것입니다.

이처럼 RAG는 단순히 AI의 응답을 더 똑똑하게 만드는 것을 넘어, 우리의 삶과 업무를 더 효율적이고 스마트하게 바꿔줄 기술로 주목받고 있습니다.

AI의 정확성과 유용함을 돕는 RAG의 진화, 앞으로가 기대되지 않으신가요?

지금까지 '아핫 AI'였습니다.