뒤죽박죽 엉망입니다 / 250703
1.LLM의 중요한 한계점
1) 제한된 지식 : 개인정보라던가 회사의 내부 자료 같은건 알수가 없다. ( ex 내일 내 구글 캘린더에 어떤 약속이 잡혀있지 ? ) . 방대한 데이터를 학습했지만 독점적인 정보는 모름
2) 수동적 : 능등적으로는 프롬프트 없이 작동하지 않음
- AI Workflow
LLM의 한계를 좀 보완해주자. 똑똑한 LLM 에게 일하는 순서나 작업 지침을 미리 정의해준다. ( ex 내일 내 캘린더 일정을 물어봤을때. <만약 사용자가 일정에 대해 물어보면 1. 사용자의 구글 캘린더에 접속해서 데이터를 가져오고 2. 그 데이터를 통해 답변을 생성해라> 라고 지침을 미리 정의해 둔다.) => 즉 워크 플로우를 만들어썼음
결국 control logic 에 따라서만 움직인다. < AI Workflow 의 기본 개념
모든 작업 단계를 정의하고 어떤 순서 / 어떤 도구를 쓸지 의사결정을 하는 주체가 사람이다. < AI Agent가 아니다
여기서 나오는 RAG의 개념 ( Retriever Argument Generation ) 검색 증강 생성.
RAG : AI 모델이 답변을 생성하기 전에 미리 저장해둔 DB나 WEB에서 정보를 가져오고 그 정보를 참고해서 답변을 보강하는 프로세스 << 얘도 결국 AI Workflow의 한 형태
한계: 프롬프트를 수정하고 결과를 보고 만족스러운 결과를 계속해서 모니터링 해야함
3.AI Agent
의사결정을 내리는 인간의 역할을 LLM이 대신해야한다. 목표를 주면 목표를 달성하기 위해 추론을 하고 행동을하며 결과를 보고 반복하면서 개선해나갈수 있는 능력을 가졌다. 1. 추론 ) AI Agent 는 목표를 달성하기 위한 최적의 접근 방식을 스스로 생각하고 계획을 한다. (예 : 최신 ai 뉴스 기사들을 모아서 요약을 하고 그걸 바탕으로 주간 뉴스 레터를 작성해서 발송을 해줘 => AI agent : '뉴스 기사들을 모으는 가장 효과적인 방법이 뭘까?' 라고 생각해서 어떤게 효율적인지 스스로 판단 ( 하나하나 크롤링할까? API를 쓸까? 하나하나 손으로 복붙할까?, 요약은 어떻게 할까? 뉴스레터 형식을 원하는 사용자를 모으는 방법은 어떤게 효율적일까? 등의 전략을 스스로 짜는 것) 가장 효율적이고 합리적인 방법을 스스로 짠다.
2. 행동 ) AI Agent 는 자기가 세운 계획을 스스로 실행시키기 위해서 여러 도구들을 사용해 작업을 수행한다. (위의 예에서 , 뉴스 수집은 구글 뉴스 api, 요약은 최근에 나온 고성능 LLM 모델인 OOO모델을 쓰고, 뉴스레터 발송은 샌드그리드 api 를 연동해서 처리하자 같이 적절한 도구를 선택하고 그걸로 실행) => 사람이 컴퓨터를 사용하는듯이,,
3. 반복 능력 ) 자신의 수행한 작업의 중간결과를 스스로 관찰을 하고, 만약에 개선이 필요하다고 판단을 하면 자율적으로 프로세스를 반복하고 수정을 한다. ( 아까 AI Workflow에서는 게시물의 결과가 마음에 안들면 프롬프트를 수정해야했는데, 얘는 그럴 필요가 없다) ( 예를 들어 뉴스 레터의 특정부분이 agent 가 판단하기에 내용이 좀 부족한거 같다 하면은 그 부분을 보충하기 위한 추가 적인 작업을 자율적으로 진행 => 만족스러운 결과가 나올 때 까지)
생성형 AI
- 사전학습 데이터 기반 답변 생성
- 텍스트부터 음성, 영상 등 멀티모달 수행
- 콘텐츠 생성, 단위 업무 자동화 등 활용
Agenitc AI
- 사람의 사고 과정을 AI가 학습해 수행
- 지시 없이도 자율적으로 판단
- 일상생활과 산업에서 행동으로 현실화
필수 조건 : Reasoning 추론(고급 추론 능력) 행동 Action(자율실행)
AI Agent 와의 차이
AI Agent : 정해진 프로세스대로 특정 작업을 수행하는 기술
Agentic AI : 자율적으로 계획, 실행, 평가를 반복하며 스스로의 판단으로 복잡한 문제를 해결하는 기술
