주제탐구보고서_챗GPT의 작동원리와 한계, 보완책

목차

1. 주제 선정 이유

2. 인공지능의 작동 원리 이해
2.1. 언어 예측 기반 구조: 토큰과 벡터
2.2. 트랜스포머와 어텐션 메커니즘
2.3. 계산 수행이 아닌 ‘그럴듯한’ 언어 생성 방식
2.4. 계산 오류가 발생하는 구조적 원인

3. 계산 실수의 주요 원인 분석
3.1. 통계 기반 언어 예측의 한계
3.2. 추론 과정의 결여와 복잡성 증가에 따른 오류
3.3. 계산기와의 차이: 컴퓨터 대수 시스템과 LLM의 구조적 차이
3.4. 챗GPT의 오류 사례 분석

4. 보완 방안 및 기술적 개선 노력
4.1. 울프럼 알파와의 결합 원리
4.2. 하이브리드 구조의 장점과 한계
4.3. Chain-of-Thought, 강화학습 등의 내부 개선 방법
4.4. 외부 API 연동을 통한 기능 확장

5. AI의 미래와 윤리적 고려사항
5.1. 하이브리드 모델의 발전 방향
5.2. 다중 에이전트 협력 시스템
5.3. 책임 소재, 편향성, 투명성 문제
5.4. 신뢰받는 인공지능을 위한 제도적 장치

6. 결론 및 느낀점

7. 참고문헌

본문내용

1. 주제 선정 이유
오늘날 인공지능은 스마트폰의 음성 인식, 인터넷 검색, 자동 번역, 추천 알고리즘 등 다양한 분야에서 활용되며, 일상생활 속에 깊이 자리 잡고 있습니다. 저 역시 평소에 인공지능을 자주 활용하고 있으며, 특히 공부할 때 복잡한 수학 문제나 과학 개념을 설명받기 위해 인공지능에게 질문을 던지곤 했습니다. 그런데 몇 차례 단순한 덧셈이나 곱셈 문제를 물어봤을 때, 인공지능이 틀린 답을 내놓는 것을 보고 적잖이 당황했던 경험이 있었습니다. '사람도 실수는 하지만, 컴퓨터는 계산이 정확한 게 당연한 것 아닌가?'라는 생각이 들면서, 왜 인공지능이 계산 실수를 할까에 대한 의문이 생겼습니다.
처음에는 단순히 '아직 기술이 부족해서 그렇겠지' 하고 넘겼지만, 계속해서 비슷한 오류를 마주하며 이 문제를 더 깊이 탐구해보고 싶어졌습니다. 그러던 중 2학년 때 수행했던 인공지능 작동 원리에 대한 탐구 활동이 떠올랐고, 그때 배운 내용들을 바탕으로 이번에는 더 구체적인 주제를 정해보고 싶었습니다. 마침 책 『챗GPT 강의』를 통해 스티븐 울프럼이라는 물리학자이자 수학자가 챗GPT의 작동 방식과 계산 오류의 원인을 체계적으로 설명한 내용을 접하게 되었고, 이를 중심으로 탐구를 이어가기로 결심했습니다.
그에 따르면 챗GPT는 우리가 생각하는 것처럼 실제로 '계산'을 하는 존재가 아니라, 언어 데이터를 바탕으로 '가장 그럴듯한 답변'을 예측해서 말하는 구조라고 설명합니다. 즉, 우리가 인공지능에게 '123 + 456은 얼마야?'라고 물으면, 인공지능은 진짜 덧셈을 수행하는 것이 아니라, 그 질문에 자주 따라오는 답변을 통계적으로 학습한 뒤 그중 가장 가능성이 높은 답을 보여주는 것입니다. 따라서 질문이 조금만 달라지거나, 복잡한 계산이 요구될 경우 틀린 답이 나올 수도 있는 것입니다.

참고자료

· 스티븐 울프럼, 『챗GPT 강의: 인공지능의 원리와 한계』, 반니, 2023.
· 홍성욱, 『인공지능의 시대, 인간을 다시 묻다』, 동아시아, 2019.
· 김태현, 「AI의 계산 실수, 왜 생기고 어떻게 보완할까」, 『동아사이언스』, 2023년 8월호.
· 정연우, 「하이브리드 인공지능, 협업의 미래가 열린다」, 『과학동아』, 2024년 2월호.
· 한국과학기술정보연구원(KISTI), 「언어모델의 한계와 보완기술」, 『AI Insight 보고서』, 2023년 11월.