디지털인문학 2025 가을호 인터뷰 편집하기 (부분)

===질문 06. 기술적 도전과 해결책 + 핵심 철학: 시맨틱 데이터와 인공지능===

【허】
이 질문과 관련해서 조금 더 여쭙겠습니다.
한국학중앙연구원의 김병준 선생님께서 주신 질문이기도 한데요.
LLM, 즉 거대 언어 모델이 등장한 이후 시맨틱 데이터, 그래프 데이터, 그래프 DB가 LLM의 ‘환각(hallucination)’을 제어하는 수단으로 주목받고 있습니다.
이런 맥락에서 시맨틱 데이터가 학습 데이터로서 갖는 의미가 무엇인지 말씀해 주시면 좋겠습니다.

【김】
제가 시맨틱 데이터 편찬 기술을 디지털 인문학 교육 프로그램의 주요 과정으로 채택한 이유는, 시맨틱 데이터가 자연어로 표현된 자유로운 형식의 인문학적 지식을 명시적(explicit) 데이터로 구조화하는 데 적합한 방식이라고 판단했기 때문입니다. 자연어 텍스트에 비해 표현의 자유로움은 줄어들지만, 정확한 의미 전달력은 훨씬 강화되는 측면이 있습니다.

따라서 시맨틱 데이터가 인공지능의 학습 데이터로 사용된다면, 자연어 텍스트보다 정확한 지식을 생성하는 데 도움을 줄 것이고, 원천 지식의 모호성에서 비롯되는 환각(hallucination) 현상을 줄이는 데도 기여할 것입니다.

그런데 제가 시맨틱 데이터의 ‘인공지능적 활용’에 대해 더욱 중요하게 생각하는 것은, ChatGPT나 제미나이 같은 LLM 자체의 학습 데이터로서의 기능보다 오히려, 일정한 범위의 인문학적 지식(예: 한국학, 한국 역사·전통문화) 을 안정적으로 제공하고, 더 나아가 AI 교사(AI tutor)로서 교육 기능까지 수행할 수 있는 ‘버티컬 AI(Vertical AI)’의 구현입니다.

요즘 LLM이 워낙 화제가 되다 보니, 많은 사람들이 ‘인공지능은 곧 LLM’이라고 생각합니다. 물론 LLM은 가장 영향력 있고 대중적인 인공지능이며, 특히 인문학 분야에서는 그 역할이 매우 큽니다. LLM이 곧 인공지능이라고 생각하는 사람들은 이러한 파운데이션 모델이 장차 모든 지식과 문화적인 활동 영역을 다 지원해 줄 것으로 생각하지만, 실제로 그러한 일은 각 분야에서 전문성을 강화하는 버티컬 AI가 만들어지고, 그것이 그 파운데이션 모델 위에서 기능하게 되었을 때 가능해질 일이라고 할 수 있지요. 

파운데이션 모델의 역할이라고 하는 건 그야말로 인간 두뇌의 사고 방식을 흉내내는 것이지요. 한 인간이 많은 경험을 쌓고 많은 사람을 접하게 되게 되면 자연스럽게 말을 잘하게 되고 아는 것도 많아지듯이, 방대한 데이터를 학습해서 유창한 언어 능력과 종합적인 추론 능력을 습득하고, 그럴듯한 박식함을 자랑할 수 있는 수준에 도달한 것이 것이 파운데이션 모델 AI라고 할 수 있습니다. 

반면에, 그렇게 모든 분야에서 박식하지는 않다 하더라도 일정한 범위의 영역에서 체계적으로 정리된 지식을 차분하게 배워가면, 그 방면에서 신뢰할 수 있는 전문가로 인정받을 수 있는데, 그런 전문가의 영역이 버티컬 모델이라고 할 수 있는 거죠. 버티컬 모델은 독립적으로 작동하는 하는 것이 아니고, 언어적 소통 능력은 파운데이션 모델에 의존하고 자기 분야 전문적인 지식의 신뢰도를 강화하는 역할을 전담합니다. 

제가 학생들과 같이 추구해 온 그 한국학 분야의 백과사전적 아카이브, 시맨틱 데이터 그리고 그것을 편찬하는 디지털 큐레이션의 성과들은 파운데이션 모델의 학습 데이터로 쓰일 뿐 아니라, 앞으로 세계 각 지역의 한국 문화 수요자들이 한국학을 배우고 이해하는 데 도움을 주는 ‘한국학 전문 버티컬 AI’로 발전하리라 기대하고 있습니다.

【허】
네, 알겠습니다. 그 차이를 분명하게 설명해 주셔서 잘 이해가 되었습니다.