LLM이란 무엇인가: AI 뉴스의 절반을 차지하는 단어 이해하기
대규모 언어 모델이 무엇을 하는 물건인지, '학습'과 '생성'이 각각 무슨 뜻인지 수식 없이 정리합니다.
왜 이 단어부터 알아야 할까
AI 관련 뉴스, 서비스 소개, 채용 공고 어디를 봐도 LLM이라는 단어가 등장합니다. 챗봇에게 질문을 던지고 답을 받는 일상적인 경험의 뒤에는 대부분 이 기술이 있고, 'AI가 이런 것도 하네'와 'AI가 왜 이런 실수를 하지' 양쪽 모두 LLM의 작동 방식에서 비롯됩니다.
이 글은 LLM을 만들거나 수학적으로 이해하려는 글이 아닙니다. AI 이야기를 따라가는 데 필요한 만큼만, 이 기술이 무엇을 하는 물건인지 개념을 잡는 것이 목표입니다.
LLM은 '다음 말 예측 기계'다
LLM(Large Language Model, 대규모 언어 모델)의 핵심 원리는 의외로 단순하게 요약됩니다. 지금까지의 문장을 보고 '다음에 올 가능성이 가장 높은 말'을 예측하는 것입니다. '아침에 일어나서 이를'이라는 문장 뒤에 '닦았다'가 올 확률이 높다는 것을 아는 식입니다. 이 예측을 한 단어씩 반복해서 이어 붙이면 문장이 되고, 문단이 되고, 긴 답변이 됩니다.
'대규모'라는 수식어는 두 가지를 가리킵니다. 학습에 사용된 텍스트의 양이 방대하다는 것, 그리고 모델 내부에서 패턴을 기억하는 수치(파라미터)의 개수가 매우 많다는 것입니다. 단순한 원리라도 규모가 커지면 번역, 요약, 코드 작성처럼 예상 밖의 능력이 나타난다는 것이 지난 몇 년 사이 확인된 사실이고, 이것이 현재 AI 붐의 기술적 배경입니다.
'학습'은 암기가 아니라 패턴 흡수에 가깝다
LLM의 학습은 방대한 텍스트를 통째로 저장해 두는 것이 아닙니다. 텍스트를 반복해서 읽으며 '어떤 말 뒤에 어떤 말이 오는 경향이 있는지'라는 패턴을 모델 내부의 수치로 흡수하는 과정에 가깝습니다. 그래서 학습이 끝난 모델은 원문을 그대로 꺼내오는 것이 아니라, 흡수한 패턴을 바탕으로 문장을 새로 조립합니다.
이 차이가 중요한 이유가 있습니다. LLM은 '어디에 적혀 있던 내용'을 인용하는 것이 아니라 '그럴듯한 문장'을 생성하기 때문에, 출처를 물어봐도 실제로는 존재하지 않는 출처를 만들어낼 수 있습니다. 검색 엔진과 근본적으로 다른 지점이 바로 여기입니다.
유창함과 정확함은 다른 능력이다
LLM의 답변은 문법적으로 매끄럽고 자신감 있게 들립니다. 하지만 그 유창함은 '다음 말 예측'을 잘한다는 뜻이지, 내용이 사실이라는 보증이 아닙니다. 학습 데이터에 없던 질문, 최신 정보가 필요한 질문, 정확한 수치가 필요한 질문에서 LLM은 그럴듯하지만 틀린 답을 만들어낼 수 있습니다. 이런 현상을 흔히 '환각(hallucination)'이라고 부릅니다.
최근 서비스들은 검색 결과를 함께 참조하게 하는 등의 방법으로 이 문제를 줄여가고 있지만, 원리상 완전히 사라지기는 어렵습니다. 그래서 LLM을 쓸 때의 기본자세는 '초안과 아이디어는 맡기되, 사실 확인은 내가 한다'입니다.
이것만 기억하면 뉴스가 읽힌다
정리하면 이렇습니다. LLM은 방대한 텍스트에서 흡수한 패턴으로 다음 말을 예측해 문장을 생성하는 프로그램이고, 요즘 AI 챗봇의 중심 기술이며, 유창하지만 틀릴 수 있습니다. 뉴스에서 '새 모델 공개', '파라미터 규모', '학습 데이터' 같은 표현이 나올 때 이 틀에 대입하면 대부분의 이야기가 읽힙니다.
다음 단계로는 생성형 AI라는 더 넓은 범주와 LLM의 관계, 그리고 왜 같은 질문도 어떻게 묻느냐에 따라 답이 달라지는지를 알아두면 좋습니다. 관련 글에서 이어서 다룹니다.
초보자가 자주 하는 실수
- LLM을 검색 엔진처럼 생각하기 — LLM은 저장된 문서를 찾아오는 것이 아니라 문장을 새로 생성하므로, 출처와 수치는 별도로 확인해야 합니다.
- 유창한 답변을 정확한 답변으로 받아들이기 — 문장이 매끄러운 것과 내용이 맞는 것은 별개의 문제입니다.
- 'AI가 학습했다'를 '통째로 외웠다'로 이해하기 — 학습은 패턴 흡수에 가깝고, 그래서 원문 인용이 아니라 재구성된 문장이 나옵니다.
읽고 나서 체크리스트
- LLM이 '다음 말 예측'을 반복해 문장을 만든다는 원리를 이해했다
- LLM의 답변에서 사실·수치·출처는 별도 확인이 필요하다는 것을 안다
- 검색 엔진과 LLM의 차이를 설명할 수 있다
- '환각'이라는 용어가 무엇을 가리키는지 안다
자주 묻는 질문
LLM과 AI는 같은 말인가요?
AI가 훨씬 넓은 개념입니다. AI 안에 기계학습이 있고, 그 안에 언어를 다루는 LLM이 있습니다. 다만 최근 뉴스에서 말하는 'AI'는 LLM 기반 서비스를 가리키는 경우가 많습니다.
LLM은 정말로 '이해'하고 있는 건가요?
전문가들 사이에서도 견해가 갈리는 열린 질문입니다. 확실한 것은 내부 작동이 사람의 이해와는 다른 방식이라는 점이고, 사용자 입장에서는 '이해 여부'보다 '어디까지 믿고 쓸 수 있는가'를 기준으로 접근하는 편이 실용적입니다.
이 글은 입문자 기준으로 이해하기 쉽게 정리한 일반 정보이며, 내용은 운영 과정에서 순차적으로 점검·보완될 수 있습니다. 구체적인 절차나 수치는 해당 기관의 공식 안내를 기준으로 확인해주세요.