LLM을 언제 신뢰해야 할까?
비즈니스를 위한 Large Language Models
Iason Prassides
Content Developer, DataCamp
Duolingo 극대화
Duolingo Max
ChatGPT를 활용하여 실제와 같은 대화 제공
1
https://blog.duolingo.com/duolingo-max/
Duolingo 극대화
Duolingo Max
ChatGPT를 활용하여 실제와 같은 대화 제공
학습자가 언어를 연습함
GPT가 다양한 역할을 수행함
즉각적인 피드백 제공
1
https://blog.duolingo.com/duolingo-max/
LLM 이해하기
비즈니스 리더는 LLM을 정확히 이해해야 함
LLM은 마법이 아님!
주로 시퀀스의 다음 부분을 예측하는 방식으로 작동
인간처럼 언어를 이해하지 못함
LLM의 상식?
LLM은 "사실"이 무엇인지 인식하지 못함
상식이 부재함
모든 사용 사례에서 인간의 감독이 필수적
LLM에만 의존하면 의도치 않은 결과 초래 가능
학습 데이터 감독
LLM은 학습 데이터에 의존함
LLM은 편향이나 사회적 불평등을 증폭시킬 수 있음
유해한 출력 여부를 응답 검토를 통해 확인
편향이 존재하는가?
LLM은 혐오 댓글을 학습 데이터로 사용함
응답 또한 혐오적으로 나타남
편향이 포함된 데이터셋
체계적인 출력 편향을 가진 LLM 생성
편견, 고정관념, 허위 정보 확산으로 이어질 수 있음
개발자들은 이를 방지하기 위한 조치를 추가함
기업은 안전장치 인식 및 확보 필요
유연성과 그 결과
동일한 프롬프트 -> 다른 응답
창의적 활용에는 유용하나 다른 용도에는 문제가 될 수 있음
마케팅 팀이 LLM으로 제품 설명 작성 시:
고객마다 다른 설명을 보게 됨
브랜드 이미지 훼손 가능
보안 경고!
LLM은 복잡하지만 여전히 취약점이 존재함
공격자는 웹사이트에 유해한 프롬프트를 삽입할 수 있음
LLM의 출력을 왜곡할 수 있음
프롬프트 인젝션
으로 알려져 있음
평판 손상으로 이어질 수 있음
LLM의 과제
많은 과제는 산업별로 다름
오픈 월드와이드 애플리케이션 보안 프로젝트(OWASP)
과제의 정량화
기업은 관련 우려 사항을 인식해야 함
LLM의 복잡성을 이해해야 함
인간의 감독 보장
교육 및 보안에 투자
1
https://owasp.org/
연습해 봅시다!
비즈니스를 위한 Large Language Models
Preparing Video For Download...