Menu
야구 승리조 추격조 - 2024년 실시간 업데이트
김민수 교수 연구팀,LLM 이용 기업 의사결정 지원…"상용화는 1~2년 뒤"KAIST가 거대언어모델(LLM)을 이용해 챗GPT4.0의 기업 의사결정 정답률을 32.5% 개선한 '플랜래그'(Plan RAG)를 처음 공개했다.
오픈AI의 최신모델인 챗GPT 4.0은 의사결정 구조에서 통상 40~50%의 정답률을 보인다.이를 30% 이상 개선했다.
KAIST는 전산학부 김민수 교수 연구팀이 ▲의사결정 문제 ▲기업 데이터베이스 ▲비즈니스 규칙 집합 등 3 가지를 기반으로 비즈니스 규칙에 부합하는 최적의 의사결정을 내릴 수 있는 '플랜래그(PlanRAG)'을 개발했다고 19일 밝혔다. KAIST 전산학부 연구팀.왼쪽부터 김민수 교수,야구 승리조 추격조이명화 박사과정,안선호 석사과정. 
김 교수는 엔비디아 GPU 연구센터장과 IBM 알마덴 연구센터 연구원을 지냈다.지난 2021년부터 KAIST 전산학부 교수로 재직 중이다.
연구팀은 기업 의사결정 문제를 푸는데 있어 GPT-3.5 터보에서 반복적 RAG 기술을 사용하더라도 정답률이 10% 미만이라는데 착안해 대안을 모색했다.
최근 AI분야에서는 LLM이 학습된 내용만으로 답변하는 것 대신,야구 승리조 추격조데이터베이스를 검색해 답변을 생성하는 검색 증강 생성(Retrieval-Augmented Generation; 이하 RAG) 기술이 각광받고 있다.
연구팀은 여기에서 한 단계 더 나아갔다.반복적 RAG를 이용하기 전에 먼저 어떤 데이터 분석이 필요한지에 대한 거시적 차원의 계획을 먼저 생성했다.
마치 기업의 의사결정권자가 어떤 데이터 분석이 필요한지 먼저 계획을 세우면,야구 승리조 추격조그 계획에 따라 데이터 분석팀이 데이터베이스 솔루션들을 이용해 분석하는 형태와 유사한 구조다. KAIST가 공개한 '플랜래그' 단계별 문제해결 예시도.(그래픽=KAIST) 
연구팀은 "다만 이러한 과정을 모두 사람이 아닌 거대언어모델이 수행하도록 한 것이커다란 차이"라며 "'플랜래그' 기술은 계획에 따른 데이터 분석 결과로 적절한 답변을 도출하지 못하면,야구 승리조 추격조다시 계획을 수립하고 데이터 분석을 수행하는 과정을 반복한다"고 설명했다.
김민수 교수는 “지금까지 LLM 기반으로 의사결정 문제를 푼 연구가 없었다"며 "기업 의사결정 성능을 평가할 수 있는 의사결정 질의응답(DQA) 벤치마크를 새롭게 만들었다"고 말했다.
실제 이 벤치마크에서 GPT-4.0을 사용할 때 종래의 반복적 'RAG'의 의사결정 정답률에 비해 '플랜래그'는 최대 32.5%까지 정답률을 개선했다.
김 교수는 "기업 CEO가 '플랜래그'를 실제 활용하기 까지는 1~2년이 더 걸릴 것으로 예상한다"며 "기존 챗GPT 4.0의 의사결정 정답률을 획기적으로 끌어올려 문제의 3분의 2가량을 맞출 수 있다는데 큰 의미를 부여한다"고 덧붙였다.
이 연구에는 KAIST 전산학부 이명화 박사과정과 안선호 석사과정이 공동 제1 저자,야구 승리조 추격조김민수 교수가 교신 저자로 참여했다.연구 결과는 자연어처리 분야 최고 학회(top conference)인‘NAACL’에 지난 17일 발표됐다.
