일본 사카나 AI, 여러 AI 모델 조합으로 성능 30% 향상… 인간 팀처럼 움직여

일본 사카나 AI, 여러 AI 모델 협력으로 성능 30% 향상 기술 개발
이미지 출처: 미드저니 생성

일본 AI 연구소 사카나 AI(Sakana AI)가 여러 대형 언어 모델(LLM)을 하나의 팀으로 작동시켜 개별 모델보다 30% 뛰어난 성능을 내는 새로운 기술을 발표했다.

멀티-LLM AB-MCTS(Multi-LLM AB-MCTS)로 명명된 이 기술은 각기 다른 강점을 가진 AI 모델들이 협력하여 복잡한 문제를 해결하는 방식이다. 한 모델이 코딩에 뛰어나고 다른 모델이 창의적 글쓰기에 탁월하다면, 이들을 조합해 더 나은 결과를 얻는다는 개념이다.

몬테카를로 트리 검색(MCTS)은 원래 바둑 같은 게임에서 최적의 수를 찾기 위해 개발된 알고리즘으로, 가능한 모든 경우의 수를 탐색하는 대신 확률적으로 유망한 경로를 선택해 효율적으로 최선의 결정을 내린다. 사카나 AI는 이를 언어 모델에 적용해 여러 AI가 협력하도록 발전시켰다는 점에서 중요한 의미를 갖는다.

사카나 AI 연구진은 “AI 시스템들이 지능을 모으면 어떤 단일 모델로도 해결할 수 없는 문제를 해결할 수 있다”고 설명했다. 이는 인류의 위대한 성취가 다양한 팀에서 나오는 것과 같은 원리다.

이 기술의 핵심은 적응형 분기 몬테카를로 트리 검색(AB-MCTS) 알고리즘이다. 딥마인드(DeepMind) 알파고(AlphaGo)에 사용된 몬테카를로 트리 검색을 발전시킨 것으로, ‘더 깊게 검색’과 ‘더 넓게 검색’ 전략을 지능적으로 선택한다. 유망한 답을 개선하거나 막다른 길에 부딪히면 완전히 새로운 접근을 시도하는 방식이다.

이 기술은 기업들이 단일 AI 제공업체에 종속되지 않고 각 작업에 가장 적합한 AI 모델을 동적으로 활용할 수 있게 한다. 모델 훈련 후 더 많은 계산 자원을 할당하여 성능을 향상시키는 ‘추론 시간 확장’ 기술 분야의 새로운 발전이다.

해당 기사의 원문은 벤쳐비트에서 확인 가능하다.

이미지 출처: 미드저니 생성




일본 사카나 AI, 여러 AI 모델 조합으로 성능 30% 향상… 인간 팀처럼 움직여 – AI 매터스 l AI Matters