세미나
정보검색, 에이전틱 검색에서 진짜 중요한 것은 무엇인가
거대 언어모델과 에이전트가 복잡한 질문에도 답하는 시대지만, 필요한 정보를 찾아오지 못하면 어떤 추론도 쓸모가 없습니다. 30년 가까이 정보검색(IR)을 연구해 온 Jimmy Lin 워털루대학교 교수는 검색이 에이전트 시대에 오히려 더 중요해졌다고 강조하며, 학계 연구가 이 분야에서 기여할 수 있는 길로 ‘완전 개방형 모델’을 제시했습니다.
국가AI연구거점(NAIRL)과 KAIST 김재철AI대학원은 10월 13일 서울 AI 허브에서 Jimmy Lin 교수를 연사로 초청해 월례 석학초청세미나를 공동 개최했습니다. 세미나는 현장과 온라인을 병행해 진행됐으며, 현장 약 150명, 온라인 170명 등 총 320여 명이 참여했습니다.
Jimmy Lin 교수는 워털루대 David R. Cheriton 석좌교수로, 정보검색과 자연어처리 분야를 대표하는 연구자입니다. 국가AI연구거점의 국제 공동연구 참여교수로서 거점 연구진과 협력해 왔습니다.
강연은 세 가지 질문으로 구성됐습니다. 검색은 어디로 가고 있는가, 연구자에게 남은 과제는 무엇인가, 그리고 학계 연구는 어디에서 기여할 수 있는가입니다.
첫 번째 질문에 답하기 위해 Lin 교수는 점토판과 두루마리, 도서관을 거쳐 웹 검색에 이르는 검색의 역사를 짚었습니다. 50여 년 전 제안된 벡터공간모델의 원리는 지금도 쓰이고 있으며, 키워드 검색과 트랜스포머 기반 벡터 검색·재순위화를 거쳐 2023년 무렵에는 검색 결과를 언어모델에 제공하는 검색증강생성(RAG)이 등장했습니다. 이후 어휘 검색, 벡터 검색, 재순위화 같은 구성 요소를 하나하나 ‘도구’로 나누고 모델이 강화학습으로 그 도구를 스스로 활용하도록 하는 단계에 이르렀습니다. 그는 에이전트를 “도구를 반복적으로 사용하는 모델”로 정의하며, 에이전틱 검색이 사용자가 직접 하던 질의 작성, 과업 계획, 결과 종합까지 대신하는 방향으로 나아가고 있다고 설명했습니다.
두 번째 질문에 대한 답은 간명했습니다. 웹이든 기업 데이터든 이메일이든 결국 관련 정보를 찾아내야 하며, 에이전트가 정보를 찾지 못하면 어떤 하네스 설계나 컨텍스트 설계로도 올바른 답을 얻을 수 없다는 것입니다. 그는 에이전트 시대에 검색이 오히려 더 중요해졌고, 이 문제는 아직 풀리지 않았다고 강조했습니다.
세 번째 질문에서 Lin 교수는 ‘엄밀한 분리 이해(rigorous disentangled understanding)’를 핵심어로 제시했습니다. 최신 모델의 성능 향상이 도구에서 오는지, 모델 자체에서 오는지, 하네스에서 오는지 지금은 아무도 정확히 알지 못한다는 문제의식입니다. “내가 만들 수 없는 것은 이해하지 못한 것”이라는 리처드 파인만의 말을 인용한 그는, 이를 분리해 이해하려면 데이터·코드·설정이 모두 공개되고 모든 상류 단계를 직접 통제할 수 있는 완전 개방형 모델이 필요하다고 주장했습니다. 가중치만 공개된 모델로는 그 모델이 어떤 데이터로 어떻게 학습됐는지 알 수 없어 충분하지 않다는 설명입니다.
이 관점을 실천한 최근 연구도 소개됐습니다. 연구팀은 공개된 원시 코퍼스로 약 30억 파라미터 규모의 백본 모델을 처음부터 직접 사전학습하고, 공개 데이터셋으로 미세조정해 재순위화 모델을 만들었습니다. 이 모델은 기존 공개 모델을 기반으로 한 40억 파라미터급 모델과 대등한 성능을 보였으며, 사전학습은 GPU 서버 한 대, 미세조정은 H200 두 장으로 하루 남짓 만에 마쳤습니다. 특정 분야에 집중하면 학계 수준의 자원으로도 전 과정을 통제하는 모델을 만들 수 있다는 점을 보여준 것입니다. 그는 학습 데이터를 직접 통제하면 모델이 답을 외워서 맞히는지 실제로 추론해서 맞히는지도 가려낼 수 있다고 덧붙였습니다.
강연 전날인 12일에는 거점에서 Lin 교수와 KAIST 김재철AI대학원 학생, 거점 박사후연구원 등 7명의 1:1 연구 면담이 진행됐습니다. 참석자들은 각자 진행 중인 연구 주제와 방향을 놓고 Lin 교수와 깊이 있게 논의하고, 최신 연구 동향과 향후 연구 방향에 대한 조언을 들었습니다.
국가AI연구거점은 앞으로도 세계 최고 수준의 연구자들과의 교류를 지속적으로 확대하며, 국내 연구 커뮤니티와 글로벌 AI 연구 네트워크를 연결하는 역할을 강화해 나가겠습니다.
