한 줄 정의
파운데이션 모델(Foundation Model)은 방대한 데이터로 한 번 대규모 사전 학습한 뒤, 다양한 작업에 두루 활용할 수 있도록 만든 범용 AI 모델입니다.
파운데이션 모델의 특성
파운데이션 모델은 특정 작업 하나만을 위해 만들어지던 기존 AI와 달리, 대량의 데이터로 폭넓게 학습해 여러 작업의 토대(foundation)가 됩니다. 한 번 학습한 모델을 약간의 추가 학습(파인튜닝)이나 프롬프트만으로 번역, 요약, 분류, 생성 등 다양한 용도에 맞춰 쓸 수 있습니다. 텍스트를 다루는 대규모 언어 모델(LLM), 이미지와 언어를 함께 다루는 비전 언어 모델(VLM) 등이 대표적입니다. 제조 현장에서는 사내 문서 검색·요약이나 외관검사 모델의 기반 등으로 활용됩니다.
파운데이션 모델 도입이 필요한 이유
- 개발 비용 절감
작업마다 모델을 처음부터 만들 필요 없이, 이미 학습된 모델을 가져다 빠르게 응용할 수 있습니다.
- 적은 데이터로 적용
방대한 사전 학습 덕분에, 적은 양의 현장 데이터만 추가해도 원하는 작업에 맞출 수 있습니다.
- 폭넓은 확장성
하나의 모델을 요약·분류·생성 등 여러 업무에 재사용해 AI 도입 범위를 빠르게 넓힐 수 있습니다.
실제 업무 적용 사례
제조사가 외관검사, 문서 요약, 설비 이상 분석처럼 여러 AI 기능을 도입하려면, 기존에는 작업마다 별도 모델을 처음부터 학습해야 해 시간과 비용이 많이 들었습니다. 데이터가 부족한 작업은 모델을 만들기조차 어려웠습니다. 파운데이션 모델을 기반으로 삼으면, 이미 학습된 범용 모델에 현장 데이터를 조금만 더해 각 작업에 맞춰 빠르게 적용할 수 있습니다. 그 결과 개발 기간이 줄고, 데이터가 적은 영역에도 AI를 확대할 수 있었습니다.
자주 묻는 질문
LLM은 파운데이션 모델의 한 종류입니다. 파운데이션 모델은 방대한 데이터로 사전 학습한 범용 모델을 폭넓게 가리키는 개념이고, LLM은 그중 텍스트(언어)를 다루는 모델을 말합니다. 이미지·음성 등 다른 형태의 데이터를 다루는 파운데이션 모델도 있습니다.
이미 학습된 모델에 현장 데이터를 추가로 학습시키는 파인튜닝, 또는 질문과 지시를 정교하게 주는 프롬프트 방식으로 맞춥니다. 사내 문서를 검색해 근거로 활용하는 RAG와 결합하면, 모델을 크게 바꾸지 않고도 우리 업무에 특화된 답변을 얻을 수 있습니다.
범용 모델인 만큼 우리 현장의 전문 용어나 특수한 상황은 잘 모를 수 있고, 사실과 다른 내용을 만들어내는 환각 위험도 있습니다. 따라서 현장 데이터로 보완하고, 민감한 데이터는 보안을 고려해 내부에서 처리하며, 중요한 판단은 사람이 확인하는 절차를 두는 것이 좋습니다.
관련 용어
- 대규모 언어 모델 (LLM) — 텍스트를 다루는 대표적인 파운데이션 모델입니다.
- 생성형 AI (Generative AI) — 파운데이션 모델을 기반으로 새로운 콘텐츠를 만들어내는 AI입니다.
- 비전 언어 모델 (VLM) — 이미지와 언어를 함께 다루는 멀티모달 파운데이션 모델입니다.
© SAIGE All Rights Reserved.