- 질문은 Notebook lm 이 뭐가 다른 지에서 시작함
- LLM (대형 언어 모델, GPT 같은 생성형 AI)
- 'RAG (Retrieval Augmented Generation) 의 대표적인 도구' 가 Notebook lm! 생성형 AI가 답변을 생성할 때 도움을 주는 도구
=> 즉, RAG는 거대 언어 모델(LLM)이 답변을 생성할 때, 외부의 최신 데이터나 전문 문서 데이터를 실시간으로 검색하여 그 내용을 바탕으로 답변을 작성하도록 하는 기술임.
쉽게 말해, 모델이 기존 기억(학습된 데이터)에만 의존하지 않고 'Open-Book Exam(개방형 교재 시험)' 처럼 관련 자료를 찾아본 뒤, 답을 적는 방식.
- LLM과 RAG의 관계 (보완 관계) : RAG는 LLM을 대체하거나 발전시킨 별개의 모델이 아니라, LLM이 가진 한계를 보완하기 위해 LLM 외부에서 연결하는 '활용기법(방식)'임.
-
- LLM(거대 언어 모델) : 말을 잘하고 글을 잘 쓰는 '두뇌' 역할을 하는 핵심 엔진 (예 : GPT-4 , Gemini 등)
- RAG(검색 증강 생성) : 그 뒤뇌(LLM)에 '실시간 검색 엔진 / 검색 도구'를 손에 쥐여주는 시스템 => LLM을 더 똑똑하고 정확하게 쓰기 위한 '프레임워크 / 기술'로 보면 됨.
-
- LLM 단독 사용 : 자체 기억력에만 의존하므로 최신 정보나 내부 비공개 데이터는 모르고, 모르는 것도 진짜처럼 거짓말(환각)할 수 있음.
- LLM + RAG 사용 : 답변하기 전에 관련 최신 문서나 사내 데이터를 먼저 찾아서 읽어본 뒤, 답변하므로 정확도가 크게 올라감.
- LLM은 대표적인 생성형 AI의 한 종류
- 생성형 AI (상위 개념) : 텍스트, 이미지, 오디오, 코드 등 새로운 콘텐츠를 만들어내는 모든 AI 기술을 통칭
- LLM(하위 개념) : 생성형 AI 중에서 특히 '텍스트(언어) 생성'에 특화된 거대 모델
생성형 AI (범주) ⊃ LLM (언어 분야) ⊃ RAG (LLM의 답변 정확도를 높이는 기술)