“환각 피하는 해법은 프라이빗 AI” VM웨어의 AI 데이터 플랫폼 전략

챗GPT와 같은 AI 모델의 혁신적인 발전은 많은 기업의 사용자 경험을 개선하고 텍스트에서 이미지, 영상에 이르는 비정형 데이터의 잠재력을 최대한 활용하도록 영감을 주었다. 하지만 이런 API 기반의 외부 AI 언어모델에 대한 우려가 존재하는 것이 사실이다. AI가 생성하는 데이터의 품질에 대한 근본적인 의문도 있다.

 

이런 기대와 한계는 결국 기업이 지금 가장 중점적으로 고민해야 할 것이 무엇인지 알려준다. 바로 데이터 플랫폼이다. VM웨어의 현지수 이사는 지난 9월 21일 ITWorld와 CIO Korea가 주최한 'Future of AI & Data 2023'에서, 대량의 데이터를 학습할 수 있으면서도 높은 보안성과 빠른 응답을 유지하는 대규모 AI 기반 데이터 플랫폼 구축 전략을 제시했다.
 

챗GPT 열풍을 이해하는 2가지 키워드

현지수 이사에 따르면, 생성형 AI의 높은 기술적 성숙도는 딥러닝, 머신러닝의 발전 덕분이다. 전통적인 AI는 데이터와 라벨 사이의 관계를 학습한 후 새 질문에 적합한 라벨을 예측하는 방식이다. 반면 챗GPT와 같은 생성형 AI는 비정형 데이터의 패턴을 학습한다. 질문이 들어오면 정해진 라벨을 답변하는 것이 아니라 새로운 콘텐츠를 만든다.

생성형 AI를 이해하기 위해 알아야 할 개념이 LLM(Large Language Model)이다. 생성형 AI에는 이미지, 음성, 영상, 텍스트 등 여러 분야가 있고, 생성형 AI와 LLM의 교집합이 텍스트 생성 분야인데, 이 분야에서 가장 잘 알려진 서비스가 챗GPT다. 

LLM은 방대한 텍스트 데이터를 학습해 인간과 비슷한 텍스트 응답을 생성하는 AI 모델이다. LLM이 급속도로 발전한 변곡점은 맥락과 의미를 학습하는 신경망 아키텍처, 즉 트랜스포머(Transformer) 모델의 등장이다. 빅테크 기업이 이 모델을 기반으로 막대한 GPU 서버와 시간을 투자해 대규모 데이터를 학습했는데, 이 결과물이 사전학습 모델(Pre Trained Model)이다. 사전학습 모델은 개인 또는 기업이 바로 사용할 수 있을뿐만 아니라, 이 모델을 새로운 분야에 적용할 수 있도록 미세 조정(fine tunning)하는 전이 학습(Transfer Learning)이 가능한데, 이 전이학습 덕분에 LLM의 활용도가 크게 늘어났다.
 

기업 서비스에 공개된 AI API를 쓰면 안 되는 이유

AI 기술이 빠르게 발전하면서 많은 기업이 생성형 AI를 비즈니스에 접목하기 위해 노력하고 있다. 그러나 현지수 이사는 챗GPT처럼 공개된 API를 기업 서비스에 사용했을 때 위험할 수 있다고 경고한다. 무엇보다 기업 내부에 기밀 정보가 외부로 유출될 수 있다. 애플이 사내에서 챗GPT를 사용하지 못하도록 제한하는 것도 이 때문이다. 시의성도 문제다. 챗GPT 3.5 버전을 기준으로 2021년 9월 데이터까지 학습한 것으로 알려져 있다. 유명한 사전학습 모델을 써도, 최근의 현상 또는 특정 분야의 세부적인 내용을 답변하기에는 제한이 있다는 의미다.

또한, AI가 만드는 텍스트는 워낙 정교하고 그럴듯해서 사실이 아닌 문장도 진짜처럼 느껴지는데, 이를 환각(Hallucination)이라고 한다. 현지수 이사는 "생성형 AI를 비즈니스에 사용하려면 반드시 환각 현상은 해결해야 한다. 올해 5월 보도를 보면, 미국 변호사가 챗GPT가 답변한 판례를 인용해 법원에 제출했는데, 이것이 가짜 판례로 밝혀져 망신을 산 사례가 있다. 기업의 AI 서비스가 환각을 피하지 못하면 기업의 평판과 신뢰도에 치명적인 손해를 끼칠 수 있다"라고 말했다.
 

보안 강화하고 효율성 높이는 '프라이빗 AI'

그렇다면 이런 우려를 없애고 생성형 AI라는 새로운 기술의 혜택을 온전히 누리려면 어떻게 해야 할까? VM웨어는 그 대안으로 '프라이빗 AI'를 제시한다. 프라이빗 인프라에서 LLM 모델을 사용해 AI 서비스를 만들면 보안을 강화하는 것은 물론 내부 정보가 외부로 나가지 않도록 막을 수 있다. 또한 사전학습 모델에 기업 내부 데이터를 추가 학습해, 특정 기업 업무에 최적화된 AI 모델로 미세 조정할 수 있다. 이렇게 개선된 모델에 기업 내부 최신 데이터를 연동하면 환각이 아닌 사실에 기반한 서비스가 가능하다.
 

기업이 성공적인 프라이빗 AI를 구축, 운영하려면 가장 중요한 것이 데이터 플랫폼이다. 현지수 이사는 "AI 프로젝트에서 데이터의 중요성은 아무리 강조해도 지나치지 않다. 데이터가 많을수록 분석 결과가 정교해지고 데이터 소스가 다양할수록 더 의미 있는 비즈니스 통찰력을 확보할 수 있다. 문제는 데이터가 정형화된 데이터뿐만 아니라 외부 클라우드 또는 하둡의 비정형 데이터처럼 다양한 형태로 흩어져 있다는 사실이다. 따라서 AI 데이터 플랫폼은 데이터를 빠르게 수집하고 처리하는 고속의 외부 연계 기능을 지원해야 한다"라고 말했다.

또 다른 문제는 데이터 처리시간을 줄이면서 분석 품질을 높여야 한다는 것이다. 기업이 데이터베이스에 저장된 전체 데이터를 이용하면 분석 결과의 정밀도가 높아지지만, 인사이트를 찾는 시간이 늘어난다. 반면 샘플링한 데이터를 사용하면 소요 시간은 줄지만 품질이 떨어진다. 전수 데이터를 이용하면서 데이터 처리 시간을 줄일 수 방안을 찾아야 한다.

해법은 병렬 처리다. 같은 양의 일을 한 사람이 할 때와 여러 사람이 나눠서 하면, 당연히 후자가 훨씬 시간이 덜 든다. 마찬가지로 데이터를 병렬로 처리하고 동시에 전처리에 필요한 고급 분석 기능을 제공하는 데이터 플랫폼을 사용하면, 전체적인 데이터 처리 시간을 획기적으로 줄일 수 있다.
 

생성형 AI의 가장 큰 우려 '환각'을 피하는 방법

프라이빗 AI를 이용하면 생성형 AI의 가장 큰 문제인 환각도 피할 수 있다. 환각은 텍스트가 생성될 때 문장을 창조적으로 만드는 과정에서 사실과 점점 멀어지는 현상인데, 검색 증강 생성(Retrieval Argumented Generation, RAG) 기법을 이용하면 이를 방지할 수 있다. RAG는 LLM이 사전에 구축한 지식 기반 DB의 정보를 기반으로 답변을 생성하는 것을 의미한다. 이 지식 기반 DB는 LLM이 데이터의 유사도를 검색할 수 있도록, 자연어를 숫자 형태인 벡터로 변환해 저장해 놓은 것인데, 이 벡터 변환 과정을 임베딩이라고 한다.

현지수 이사는 "이렇게 임베딩한 데이터를 검색하면 정확히 일치하는 데이터뿐만 아니라 맥락상 유사한 데이터까지 찾을 수 있다. 예를 들어 '여자왕'이라는 단어를 검색한다고 하자. 사람이라면 당연히 '여왕'과 같은 의미임을 알지만, 일반적인 검색 시스템은 '여자왕'과 '여왕' 간의 유사성을 알지 못한다. 반면 RAG를 활용한 의미 기반 검색에서는 마치 사람처럼 두 단어의 의미가 유사하다고 판단해 결과를 제시한다"라고 말했다.
 

 

프라이빗 AI를 위한 데이터 플랫폼의 조건

VM웨어는 <그림 2>처럼 프라이빗 AI 관련 제품을 공급하고 있다. v스피어(vSphere)를 중심으로 한 프라이빗 클라우드 인프라부터 대용량 병렬 분석 데이터 플랫폼 그린플럼(Greenplum)까지 프라이빗 AI 인프라 전반에 걸쳐 다양하다.

가장 왼편을 보면, 여러 가지 내외부 시스템부에서 데이터 플랫폼으로 데이터를 수집하는데, ETL이나 패더레이션 또는 실시간 연동 등 다양한 기능을 활용한다. 이렇게 수집한 데이터는 전통적인 데이터 분석 플랫폼과 같이 ODS(Operational Data Store)로 랜딩하고 데이터 웨어하우스와 데이터 마트를 구축해 최종적으로 실무자가 데이터를 활용할 수 있게 된다.

벡터 연산 기능도 지원한다. 데이터 플랫폼에 벡터 연산 기능을 넣어 기업 내부에 데이터를 임베딩하고, RAG 기법을 통해 AI가 이 데이터를 활용해 환각을 피하고 최신 기업 데이터가 반영된 사실에 기반한 답변을 생성할 수 있도록 한다.

마지막으로 현지수 이사는 "이런 데이터를 활용할 수 있는 모델을 관리, 배포하기 위해서는 AI/ML 플랫폼과 ML Ops 플랫폼이 필요하다. 기업은 잘 준비된 모델을 AI 앱 서비스 플랫폼을 통해 배포하고, 사용자는 포탈을 통해 AI 서비스를 활용하게 된다. 이 모든 플랫폼을 가상화 인프라 기반으로 구축하는 것이 VM웨어가 제시하는 프라이빗 AI 플랫폼 아키텍처다"라고 말했다.
editor@itworld.co.kr