영국 케임브리지 대학교 연구팀이 발표한 최신 연구에 따르면, 생성형 AI 에이전트는 획기적인 기술적 혁신을 가져올 것으로 기대된다. 특히 파크(Park) 연구팀이 제시한 생성형 에이전트 프레임워크는 독립적이고 창의적인 의사결정이 가능한 새로운 방식을 제시했다. 이 에이전트들은 각각 고유한 기억 세트와 행동 매개변수를 보유하며, 이를 필요에 따라 생성형 언어 모델에 제공한다. 기억을 저장하고, 이를 바탕으로 성찰하며, 미래 행동을 계획하고, 단기 관찰에 반응하는 능력을 통해 실제 인간의 행동과 의사결정을 현실적으로 모방할 수 있다.
현재 생성형 에이전트는 몇 가지 중요한 기술적 과제에 직면해 있다. 베일(Bail) 연구에 따르면, 이 기술은 인간이 생성한 지식에 크게 의존하기 때문에 인간의 편향성을 그대로 반영할 수 있다. 또한 환각 현상이나 잘못된 정보를 생성할 수 있으며, 생성형 모델의 확률적 특성으로 인해 연구 결과의 재현성에도 문제가 있을 수 있다. 이러한 한계를 극복하기 위해 검색 증강 생성(RAG) 기술이 제안되고 있는데, 이는 외부 지식 자원을 활용해 더 신뢰할 수 있는 정보를 제공하는 것을 목표로 한다. 다만 RAG를 메모리 기반 생성형 에이전트에 적용한 연구는 아직 초기 단계에 있다.
생성형 에이전트는 사회적 교류, 일상 업무 지원, 정보 검색 시스템 개선 등 다양한 분야에서 활용될 수 있다. 라자르(Lazar)의 연구는 이러한 에이전트들이 '보편적 중개자' 역할을 할 수 있다고 제시한다. 특히 주목할 만한 점은 인간-AI 협업의 효과다. 브린욜프슨(Brynjolfsson) 등의 연구에 따르면, AI와 인간의 협력은 생산성을 크게 향상시킬 수 있으며, 이는 현재 노동력을 해치지 않으면서도 효율성을 높일 수 있는 방안이 된다.
연구팀은 생성형 에이전트의 발전을 위한 구체적인 가이드라인을 제시한다. 첫째, 모델 크기 최적화를 통해 에너지 효율을 높여야 한다. 둘째, 하드웨어 효율성을 개선하고 탄소 배출이 없는 에너지원을 활용해야 한다. 셋째, 환경적으로 지속가능한 개발과 배포를 장려하는 공공 정책이 필요하다. 특히 가브리엘(Gabriel) 등의 연구는 AI 시스템의 탄소발자국을 측정하고 이해하는 것이 중요하다고 강조한다. 또한 실리카, 리튬 등 필수 자원의 채굴과 관련된 환경적, 사회적 영향도 고려해야 한다.
기사에 인용된 리포트의 원문은 링크에서 확인할 수 있다.
기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다.
AI Matters 뉴스레터 구독하기
![게임과 영상 편집, 거의 모든 작업에서 대만족! ASUS TUF Gaming A14 FA401UM-RG007[노리다]](https://img.danawa.com/images/attachFiles/6/887/5886857_1.jpeg?fitting=Large|320:240&crop=320:240;*,*)
