지식 · AI

LLM · 대규모 언어모델

Large Language Model

한 줄 정의

방대한 텍스트로 학습해 '다음에 올 말'을 예측하며 문장을 생성하는 대규모 신경망. ChatGPT·Claude의 두뇌.

LLM은 인터넷 규모의 텍스트를 학습해 언어의 패턴을 익힌 모델입니다. 질문을 받으면 '가장 그럴듯한 다음 단어'를 하나씩 이어 붙여 답을 만듭니다. 요약·작성·번역·코딩 등 폭넓은 언어 작업을 한 모델로 처리합니다.

오늘날 LLM의 기반은 2017년 등장한 트랜스포머 구조입니다. 모델 크기(매개변수)와 학습 데이터가 커지면서 성능이 급격히 올라 ChatGPT·Claude·Gemini 등이 나왔습니다. 다만 '정답을 저장'한 게 아니라 '확률로 생성'하는 구조라 환각(할루시네이션)이 생길 수 있습니다.

실무에서 왜 중요한가

생성형 AI의 심장입니다. LLM의 작동 원리를 알면 프롬프트·RAG·환각을 훨씬 잘 다룰 수 있습니다.

유래와 출처

오늘날 LLM의 기반 구조인 트랜스포머(Transformer)는 2017년 구글 연구진의 논문 「Attention Is All You Need」에서 제시됐고, GPT·Claude·Gemini 등이 이 위에 만들어졌습니다.

출처 · Vaswani et al., 「Attention Is All You Need」(2017, Google) · 원문 보기

사례로 이해하기

예를 들어, LLM이 답을 만드는 과정을 단순화해 봅시다.

입력 — '나눔경영컨설팅은'이라는 문장을 받습니다.
예측 — 학습한 패턴으로 다음에 올 확률이 높은 단어('기업')를 고릅니다.
반복 — '기업'→'교육'→'전문'처럼 한 단어씩 이어 붙입니다.
생성 — 이 과정을 반복해 완결된 문장을 만듭니다.
한계 — 근거가 아니라 확률로 잇기 때문에, 사실 검증(RAG·사람 확인)이 필요합니다.

자주 묻는 질문

LLM은 '언어'를 다루는 생성형 AI의 한 종류입니다. 이미지·음성 생성 모델은 또 다릅니다.

대체로 성능이 높지만 비용·속도도 커집니다. 작업에 맞는 크기의 모델을 고르는 것이 실무 감각입니다.

LLM · 대규모 언어모델

자주 묻는 질문

LLM과 생성형 AI는 같은 건가요?

더 큰 모델이 항상 좋은가요?