일상에서 모델(Model)은 표본, 기준, 혹은 시제품을 뜻한다. 패션모델, 건축모형, 자동차 모델처럼 무언가를 보여주는 형태에 가깝다. 하지만 AI에서의 모델은 데이터를 받아 판단을 수행하는 논리 구조를 뜻한다.
모델은 변수 간의 관계를 가정하고 그 관계를 수식이나 논리로 표현한다. 입력이 들어오면 판단을 거쳐 출력이 나오는 구조, 즉 입력–판단–출력의 흐름을 실행하는 체계가 바로 모델이다.
학습과 판단 사람이 경험을 통해 판단하듯 모델도 데이터를 통해 출력 규칙을 스스로 만들어낸다. 예를 들어 이메일 필터링 시스템을 생각해보자. 이 시스템이 “이 이메일은 스팸이다”라고 판단할 수 있는 이유는 수많은 과거 이메일을 통해 “어떤 단어가 반복되거나 어떤 발신자일 때 스팸일 가능성이 높다”는 패턴을 학습했기 때문이다. 사람이 비유해보면, 데이터는 눈과 귀 같은 감각기관 역할로 정보를 입력받고, 모델은 머리처럼 그 정보를 해석하여 판단하며, 에이전트는 손과 발처럼 그 판단에 따라 실제 행동한다.
모델의 구조 모델은 보이지 않지만 다음과 같이 구성된다.
- 입력 계층 : 어떤 데이터를 받아들일 수 있는지, 어떤 형식이 필요한지
- 판단 계층 : 어떤 로직으로 판단할 것인지, 어떤 기준을 적용할 것인지
- 출력 계층 : 판단 결과를 어떤 형태로 반환할지, 어떤 방식으로 표현할지
이 구조는 작고 단순할 수도 있거나 매우 크고 복잡할 수도 있다. 소형 모델은 수백만에서 수억 개의 파라미터(Parameter)로 구성되고, 중형 모델은 수십억 개, 대형 모델은 수백억 개 이상의 파라미터를 보유한다. GPT-3은 1,750억 개, LLaMA-2는 700억 개, 클로드(Claude)는 약 175억 개 파라미터를 보유한 대형 언어 모델(Large Language Model)로 수백만 개의 문서를 학습한 결과다.
모델의 작동 모델이 판단은 할 수 있지만, 언제 작동할지, 어떤 데이터를 쓸지, 판단 결과를 어디로 보낼지 스스로 결정하거나 작동할 수 없다. 예를 들어 상담 내용을 요약하는 모델은 다음과 같은 기능이 필요하다.
- 입력 연결 : 상담 내용이 모델에 전달되도록 시스템 연동 설계
- 실행 조건 : 상담 종료 후 자동 실행 혹은 수동 실행 버튼 구성
- 결과 처리 : 요약 결과를 화면에 표시하거나 데이터베이스에 저장하는 흐름
- 오류 대응 : 실패 시 관리자에게 알림을 보내거나 대체 경로로 우회하는 처리
이처럼 모델은 두뇌로서 매우 중요하지만 적절한 시점에 적절한 방식으로 호출되고 연결되지 않으면 판단 기능이 제대로 작동하지 않는다.