델 테크놀로지스(Dell Technologies)와 인텔(Intel)의 최근 연구와 탐구는 기업 환경에서 제너레이티브 AI와 대형 언어 모델(LLM)을 구축하는 데 있어 도전과 기회에 대한 통찰력을 제공하였습니다. 많은 기업들은 데이터 접근과 보안 위험으로 인해 상용 모델 사용에 대해 조심스러움을 가지고 있었지만, 델 테크놀로지스와 인텔은 고객의 요구를 이해하기 위해 적극적인 접근을 취하였습니다.
광범위한 조사를 통해 다음의 여섯 가지 귀중한 교훈이 얻어졌으며, 이를 통해 결과를 크게 개선하고 위험을 줄일 수 있습니다:
교훈 1: LLM 모델을 훈련할 때 처음부터 시작하지 않습니다. 대신 미리 훈련된 모델에 대해 세밀 조정(fine-tuning)하거나 일러메서 비즈니스 기법을 사용하여 출력 품질을 최적화합니다.
교훈 2: LLM은 텍스트 생성을 넘어서 자연어 처리(NLP) 작업에 큰 잠재력을 가지고 있습니다. 사용자 의도 식별, 분류, 의미 검색, 감성 분석 및 텍스트에서 이미지 생성과 같은 NLP 작업에도 적용될 수 있습니다.
교훈 3: 오픈 소스 LLM은 급속하게 발전하고 확장되었지만, 아직도 한계가 있습니다. 이를 극복하기 위해 서로 연계되면서도 서로에 대한 과도한 의존을 방지하기 위해 여러 LLM으로 구성된 시스템을 구축할 수 있습니다.
교훈 4: 입력 데이터 원본에도 동일한 중요성을 부여해야 합니다. 지식 그래프와 고급 구문 분석 기술과 같은 구조를 활용하면 결과 품질을 크게 향상시킬 수 있습니다.
교훈 5: LLM을 구축하는 데 있어서 비용은 중요한 고려사항입니다. 훈련과 추론 실행은 비용이 많이 들 수 있지만, 저렴한 클라우드 인스턴스와 온프레미스 데이터 센터를 사용하여 최적화할 수 있는 방법이 있습니다.
교훈 6: 고유한 문제의 특성을 이해하고 이에 맞게 LLM 모델을 맞춤화하는 것을 수용해야 합니다. 사용자 인터페이스를 투입 정보를 풍부하게 만들고 사용자를 안내하며 의미 있고 관련성 있는 결과를 평가할 수 있는 인터페이스로 투자해야 합니다.
이러한 교훈을 수용함으로써 기업은 고유한 요구에 효과적으로 대응하기 위해 제너레이티브 AI와 LLM의 변혁적인 능력을 활용할 수 있습니다. 델 테크놀로지스와 인텔은 데이터 접근, 보안 및 개인 정보 보호에 저해가 되지 않는 상태에서 이러한 기술의 잠재력을 완전히 실현할 수 있는 미래를 개척해 나가고 있습니다. 기업들이 이 탐구와 혁신의 여정에 착수함에 따라 가능성은 넓고 흥미로워집니다.
The source of the article is from the blog maestropasta.cz