언어 모델링
언어 모델링은 지금까지의 텍스트를 바탕으로 다음에 어떤 단어나 토큰이 나올지 예측하는 믿을 수 없을 정도로 간단한 작업입니다.
개요
This single objective, scaled up massively, is what produces today's powerful chatbots and writing assistants.
심층 분석
기본적으로 언어 모델은 텍스트 시퀀스에 확률을 할당합니다. '프랑스의 수도는 다음과 같습니다'라는 메시지가 주어지면 가능한 각 토큰이 얼마나 가능성이 높은지 추정하고 '파리'는 높은 점수를 받아야 합니다. 초기 언어 모델은 단어 시퀀스가 얼마나 자주 나타나는지 계산하는 통계적 n-그램이었지만 긴 문맥과 보이지 않는 구문으로 인해 어려움을 겪었습니다. 신경 언어 모델은 계산을 학습된 표현으로 대체했으며 2017년의 변환기 아키텍처를 통해 모델은 긴 텍스트를 효율적으로 처리할 수 있습니다. GPT 계열과 같은 현대의 대규모 언어 모델은 다음 토큰을 예측한다는 한 가지 목표를 가지고 거대한 텍스트 말뭉치에 대해 훈련됩니다. 놀랍게도 이를 잘 수행하면 모델이 문법, 사실, 추론 패턴 및 스타일을 흡수하게 됩니다. 텍스트를 정확하게 예측하려면 텍스트를 이해해야 하기 때문입니다. 생성은 다음 토큰을 반복적으로 예측하고 다시 공급하는 방식으로 작동합니다.
기술적 통찰력
대부분의 현대 언어 모델은 자동회귀적입니다. 문장의 확률을 다음 토큰 확률의 곱으로 고려하여 왼쪽에서 오른쪽으로 한 번에 하나의 토큰을 예측합니다. 훈련은 교차 엔트로피 손실을 최소화하여 훈련 텍스트의 실제 다음 토큰에 높은 확률을 할당하는 것을 보상합니다. 이는 자체 감독되며 라벨은 텍스트 자체와 무관하므로 사람이 주석을 달 필요가 없습니다. 생성 시 온도, top-k, top-p(핵)와 같은 샘플링 전략은 예측 가능한 출력과 창의적인 출력 간의 균형을 제어합니다.
전략적 영향
속도와 규모
일관성을 유지하면서 언어 워크플로를 더 빠르게 진행할 수 있습니다.
접근 및 도달
언어와 의사소통 스타일 전반에 걸쳐 접근성을 확장합니다.
더 명확한 결정들
자동화가 반복을 처리하는 동안 팀은 판단에 더 많은 시간을 할애할 수 있습니다.
언어 모델링의 미래
차세대 토큰 예측은 놀라울 정도로 강력한 것으로 입증되었으며, 확장 법칙에 따르면 더 큰 모델과 더 많은 데이터가 계속해서 성능을 향상시키는 것으로 나타났습니다. 그러나 증가 속도는 느려지고 고품질 데이터는 부족해지고 있습니다. 개척지는 추론, 더 긴 컨텍스트 창, 기본 모델이 구축된 후 행동을 형성하는 인간 피드백을 통한 강화 학습과 같은 사후 훈련 방법으로 이동하고 있습니다. 언어 모델링과 도구, 검색 및 다중 모드 입력의 지속적인 혼합을 기대하는 한편, 기본적인 다음 토큰 예측 목표는 다른 모든 것의 기반으로 남아 있습니다.
실제 구현
입력할 때 다음 단어를 제안하는 휴대폰 키보드 또는 이메일의 자동 완성
ChatGPT과 같은 챗봇은 다음 토큰을 반복적으로 예측하여 유창한 답변을 생성합니다.
주변 컨텍스트에서 다음 코드 줄을 예측하는 GitHub Copilot과 같은 코드 편집기
유사한 소리 옵션 중에서 가장 그럴듯한 전사를 선택하기 위해 언어 모델을 사용하는 음성 인식 시스템
위험 및 가드레일
환각 사실은 보고서, 지원 흐름 또는 연구 결과에 조용히 포함될 수 있습니다.
신속한 민감도는 유사한 요청 간에 일관되지 않은 결과를 초래할 수 있습니다.
액세스 제어가 약한 경우 민감한 텍스트 데이터가 노출될 수 있습니다.
구현 로드맵
출시 전에 출력 형식, 톤, 품질 표준을 정의하세요.
정확성이 중요할 때마다 신뢰할 수 있는 출처를 통해 대응하세요.
고위험 결과물에 대한 인적 검토 체크포인트를 유지합니다.
실패 패턴을 추적하고 프롬프트나 워크플로를 정기적으로 재교육하세요.
계속 탐색하세요
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Language Modeling quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
다음 가이드
마스크된 언어 모델링
자주 묻는 질문
What is Language Modeling?
언어 모델링은 지금까지의 텍스트를 바탕으로 다음에 어떤 단어나 토큰이 나올지 예측하는 믿을 수 없을 정도로 간단한 작업입니다. 대규모로 확장된 이 단일 목표가 오늘날의 강력한 챗봇과 글쓰기 도우미를 생산하는 것입니다.
언어 모델이 수행하는 핵심 작업은 무엇입니까?
언어 모델은 시퀀스에서 다음에 올 확률을 추정하고 생성은 다음 토큰을 반복적으로 예측하고 추가하여 작동합니다.
초기 n-gram 언어 모델의 주요 한계는 무엇이었나요?
N-gram 모델은 짧은 단어 순서를 계산하는 데 의존했기 때문에 장거리 문맥을 제대로 처리하지 못했고 한 번도 본 적이 없는 문구에서는 실패했습니다.
언어 모델 훈련을 '자체 감독'이라고 부르는 이유는 무엇입니까?
올바른 다음 토큰이 이미 텍스트에 있으므로 모델은 수동 주석 없이 자체 대상을 생성합니다.
언어 모델에서 '자동 회귀'는 무엇을 의미합니까?
자동회귀 모델은 토큰별로 텍스트 토큰을 생성하여 지금까지 생성된 모든 것에 대해 각각의 새로운 예측을 조정합니다.
언어 모델을 훈련하는 데 일반적으로 사용되는 손실 함수는 무엇입니까?
훈련은 교차 엔트로피를 최소화하여 훈련 텍스트에서 관찰된 실제 다음 토큰에 높은 확률을 할당하는 모델을 보상합니다.