AI 시스템 그라운딩
AI 그라운딩은 AI 시스템 내의 추상적인 개념과 지식을 실제 데이터와 환경에 연결하는 과정입니다. 예를 들어, AI 모델은 실시간 및 과거 날씨 데이터를 사용하여 날씨를 예측합니다. 그라운딩을 통해 모델의 예측이 과거 날씨 패턴을 기반으로 하므로 정확도가 개선됩니다. 그라운딩은 AI의 이해와 응답이 정확하고 AI가 작동하는 실제 환경과 관련이 있는지 확인하며 다음과 같은 방식으로 도움이 됩니다.
추상적인 개념과 현실 연결: 그라운딩은 AI 시스템이 내부적이고 추상적인 개념과 실용적이고 구체적인 세계 사이의 간격을 메우는 데 도움이 됩니다. 마치 로봇에게 현실 세계의 사물과 아이디어를 이해하고 사용하도록 가르치는 것과 같습니다.
의사 결정 정확도 향상: AI의 학습 및 의사 결정 프로세스를 실제 데이터에 고정함으로써 그라운딩은 AI 출력의 정확도와 안정성을 개선하여 더욱 신뢰할 수 있고 효과적으로 만들어줍니다.
실제 세계의 변화에 적응: 그라운딩을 통해 AI 시스템은 변화하는 현실 세계 시나리오에 적응하고, 컨텍스트를 이해하고 적용함으로써 시간이 지나도 효율성을 유지할 수 있습니다.
그라운딩은 실제 세계의 복잡성을 이해하고 상호 작용할 수 있는 AI 시스템을 개발하는 데 필수적이며, 상황에 적절하고 정확하며 의미 있는 결과를 제공합니다.
Microsoft는 AI 제품의 그라운딩을 확립하기 위해 여러 가지 기술을 사용하여 AI의 응답이 관련성 있고 정확하며 특정 사용 사례에 맞게 조정되도록 보장합니다. 다음은 사용된 주요 방법 중 일부입니다.
RAG(검색 증강 생성): 이 기술은 작업과 관련된 정보를 검색하여 프롬프트와 함께 언어 모델에 제공하는 것을 포함합니다. 그러면 모델은 이러한 구체적인 정보를 사용하여 대응하며, 이는 특정 사용 사례의 컨텍스트에서 AI의 출력을 그라운딩하는 데 도움이 됩니다.
프롬프트 설계: Microsoft는 고급 프롬프트 엔지니어링 기술을 사용하여 LLM(대규모 언어 모델)에서 생성된 응답의 정확도와 그라운딩을 높입니다. 여기에는 모델이 적절한 응답을 생성할 수 있도록 컨텍스트, 지침 또는 기타 관련 정보를 제공하는 프롬프트를 작성하는 것이 포함됩니다.
근거 감지: Azure AI에는 NLI(자연어 유추) 작업에 맞춰 미세 조정된 사용자 지정 언어 모델을 사용하여 AI가 제기한 클레임을 평가하는 근거 검색 기능이 있습니다. 이는 그라운딩이 해제된 모델 출력을 검색하고 완화하는 데 도움이 됩니다.