이 글에서 다루는 내용
AI는 저장된 답을 꺼내는 걸까요?
ChatGPT에게 질문하면 자연스러운 문장으로 답이 돌아옵니다.
그래서 많은 사람은 AI가 수많은 질문과 답변을 미리 저장해 두었다가, 사용자의 질문과 가장 비슷한 답을 찾아 보여준다고 생각합니다.
생성형 AI가 등장하기 전의 챗봇은 실제로 이와 비슷한 방식으로 작동하는 경우가 많았습니다.
질문과 답변을 미리 등록해 두고, 사용자의 질문과 가장 가까운 답변을 찾아 보여주는 방식이었습니다.
하지만 지금의 생성형 AI는 미리 준비된 답을 그대로 꺼내 보여주지 않습니다.
사용자의 질문과 앞뒤 문맥을 바탕으로, 그 순간 새로운 문장을 만들어 냅니다.
그렇다면 AI는 어떤 원리로 답을 만드는 것일까요?
AI는 통계와 확률을 이용해 다음 단어를 찾습니다.
AI를 설명할 때 흔히 ‘학습한다(Training)’라는 표현을 사용합니다.
한국어에서는 일반적으로 ‘학습’이라고 번역하지만, 이 표현 때문에 AI가 사람처럼 내용을 이해하고 지식을 익힌다고 오해하기 쉽습니다.
실제로 AI가 하는 일은 조금 다릅니다.
AI는 방대한 데이터를 반복해서 분석하며 어떤 단어가 자주 함께 등장하는지, 어떤 문장이 자연스럽게 이어지는지, 어떤 결과가 더 자주 나타나는지를 통계적으로 정리합니다.
쉽게 말하면 ‘다음에는 어떤 단어가 나올 가능성이 가장 높은가?’를 계속 계산하는 것입니다.
예를 들어 AI는 수많은 문서에서 ‘대한민국의 수도는 서울이다.’라는 문장을 반복해서 접합니다.
이 과정에서 ‘대한민국의 수도는’라는 문장 뒤에는 ‘서울’이 가장 자주 등장한다는 사실을 통계적으로 알게 됩니다.
즉, AI는 문장을 그대로 저장해 두는 것이 아니라, 학습 과정에서 익힌 수많은 언어의 패턴을 바탕으로 현재 문맥에서 어떤 단어가 다음에 이어질 가능성이 높은지를 계산합니다.
AI는 이렇게 문장을 완성합니다.
이제 사용자가 “대한민국 수도가 어디야?”라고 질문했다고 가정해 보겠습니다.
AI는 질문을 읽은 뒤 바로 완성된 답을 꺼내는 것이 아닙니다.
먼저 ‘대한민국의 수도는’라는 문장 뒤에 어떤 단어가 올 확률이 가장 높은지 계산합니다.
AI가 학습한 언어의 패턴에서는 이 문맥 뒤에 ‘서울’이 이어질 가능성이 가장 높습니다.
반대로 ‘부산’, ‘대전’, ‘광주’가 이어질 확률은 훨씬 낮습니다.
그래서 AI는 ‘서울’을 선택합니다.
하지만 여기서 끝나지 않습니다.
이번에는 ‘대한민국의 수도는 서울’이라는 문장 뒤에 어떤 단어가 올 확률이 가장 높은지 다시 계산합니다.
가장 높은 확률을 가진 단어는 ‘입니다.’입니다.
그래서 AI는 다시 ‘입니다.’를 선택합니다.
이 과정은 문장이 끝날 때까지 계속 반복됩니다.
결국 AI는 완성된 문장을 한 번에 꺼내는 것이 아니라, 다음에 올 가능성이 가장 높은 단어를 하나씩 선택하면서 문장을 완성합니다.
이 모든 과정은 사람이 느끼지 못할 정도로 매우 빠른 속도로 이루어집니다.
이것이 생성형 AI입니다.
생성형 AI는 저장된 답을 검색해서 그대로 보여주는 시스템이 아닙니다.
학습 과정에서 익힌 언어의 패턴과 사용자의 질문, 앞뒤 문맥을 바탕으로 다음에 이어질 가능성이 높은 단어를 하나씩 선택하며 새로운 문장을 만들어 냅니다.
이 과정이 매우 빠르게 반복되기 때문에 우리는 AI가 처음부터 완성된 답을 알고 있었던 것처럼 느끼게 됩니다.
하지만 실제로는 완성된 문장을 한 번에 꺼내는 것이 아니라, 문맥에 맞는 다음 단어를 계속 계산하며 답을 만들어 가는 것입니다.
DANA NOTES 한 줄 정리
AI는 저장된 답을 꺼내거나 사람처럼 생각해서 답하는 것이 아니라, 학습한 언어의 패턴과 문맥을 바탕으로 다음에 이어질 가능성이 높은 단어를 하나씩 계산하며 문장을 만들어 갑니다.
다음 글에서는
AI가 답을 만드는 원리를 알았다면, 이제 어떤 AI는 왜 다른 AI보다 더 정확하고 자연스러운 답을 내놓는지 살펴볼 차례입니다. 다음 글에서는 AI의 성능을 결정하는 핵심 요소인 데이터와 모델의 역할을 알아보겠습니다.
