[글로벌] - 이크바리 뉴스 통신사
AI 에이전트, 인간과 유사한 의사소통 특성 채택으로 효율성과 정확성 향상
흥미로운 발전 속에서 새로운 연구는 인공지능(AI) 에이전트가 전술적인 끼어들기 및 침묵을 포함한 보다 인간과 유사한 의사소통 스타일을 채택할 수 있도록 허용될 때 복잡한 추론 작업에서 더 높은 수준의 효율성과 정확성을 달성할 수 있음을 나타냅니다. 이러한 발견은 AI 시스템이 상호작용하는 방식에 대한 전통적인 개념에 도전하며, 인간 대화의 종종 혼란스러운 역학이 그들의 인지 능력을 크게 향상시킬 수 있음을 시사합니다.
전통적으로 AI 시스템은 구조화된 단계별 의사소통 접근 방식으로 특징지어졌습니다. 즉, 명령을 처리하고, 응답을 공식화하고, 출력을 전달한 다음, 다음 지시를 인내심 있게 기다리는 방식입니다. 이는 중단과 시작, 열정적인 끼어들기, 주저하는 침묵, 그리고 모호함으로 가득 찬 인간의 의사소통과는 극명한 대조를 이룹니다. 도쿄 전기통신대학교 정보학과 교수이자 연구의 공동 저자인 세이 유이치 교수는 이러한 인간과 유사한 역학의 부족이 현재의 다중 에이전트 시스템을 "인위적으로 느끼게 한다"고 믿습니다.
Read Also
세이 교수는 보도자료에서 "우리는 에이전트에게 끼어들거나 침묵할 수 있는 선택과 같이 우리가 당연하게 여기는 사회적 신호를 제공하는 것이 그들의 집단 지능을 향상시킬지 여부를 확인하고 싶었다"고 말했습니다. 이 가설은 그의 팀이 대규모 언어 모델(LLM)이 컴퓨터 기반 통신의 전통적인 대화형, 차례 대기 방식에 구애받지 않는 프레임워크를 제안하도록 이끌었습니다. 대신, LLM에는 차례를 벗어나 발언하거나 다른 발언자를 방해하거나 침묵을 지킬 수 있는 성격이 부여될 수 있었습니다.
이러한 유연성은 더욱 인간과 유사한 AI 의사소통 방식을 촉진했을 뿐만 아니라, 표준 LLM에 비해 복잡한 작업에서 훨씬 더 높은 정확도를 가져왔습니다. 이를 달성하기 위해 연구원들은 먼저 고전 심리학의 '빅 파이브' 성격 유형(개방성, 성실성, 외향성, 친화성, 신경증)을 기반으로 한 특성을 LLM에 통합했습니다. 그런 다음 텍스트 기반 LLM을 재프로그래밍하여 다음 응답이 시작되기 전에 완전한 응답을 생성하는 대신 문장별로 응답을 처리하도록 하여 논의 흐름을 정밀하게 제어할 수 있었습니다.
연구팀은 세 가지 대화 설정을 비교했습니다. 고정된 발언 순서, 동적인 발언 순서, 그리고 끼어들기가 허용된 동적인 발언 순서입니다. 후자의 설정에서 모델은 '긴급 점수'를 계산할 수 있었고, 이를 통해 실시간으로 대화를 파악하고 처리할 수 있었습니다. 이 긴급 점수는 매우 중요했습니다. 모델이 오류나 중요한 논의 지점을 발견하여 점수가 급등하면, 누구의 차례인지에 관계없이 즉시 이를 제기할 수 있었습니다. 반대로, 긴급 점수가 낮으면 모델은 구체적으로 추가할 내용이 없다고 판단하여 불필요한 대화 '혼란'을 줄였습니다.
성능은 과학 및 인문학을 포함한 다양한 영역의 질문을 다루는 포괄적인 AI 추론 테스트인 MMLU(Massive Multitask Language Understanding) 벤치마크의 1,000개 질문을 사용하여 평가되었습니다. 결과는 설득력이 있었습니다. 세이 교수는 "한 에이전트가 처음에 오답을 주었을 때, 고정 순서 논의에서는 전체 정확도가 68.7%였고, 동적 순서에서는 73.8%, 끼어들기가 허용되었을 때는 79.2%였다"고 설명했습니다. 두 에이전트가 처음에 오답을 주었던 더 어려운 시나리오에서는 정확도가 고정 순서의 37.2%에서 동적 순서의 43.7%로, 끼어들기가 허용되었을 때는 49.5%로 증가했습니다.
Related News
이러한 발견은 AI 에이전트가 대화에서 더 인간적으로 행동하도록 허용하는 것이 그들을 더 자연스럽게 만들 뿐만 아니라 더 효과적인 문제 해결자로 만든다는 것을 시사합니다. 세이 교수와 그의 팀은 이제 이러한 발견을 창의적인 협업을 특징으로 하는 다양한 영역에 적용하여 이러한 '디지털 인격'이 그룹 의사 결정에 어떻게 영향을 미칠 수 있는지 이해하는 것을 목표로 하고 있습니다. AI 에이전트가 협업 환경에서 서로 그리고 인간과 점점 더 많이 상호작용함에 따라, 이 연구는 성격에 의해 형성된 논의, 필요할 때 끼어들 수 있는 능력을 포함하여, 엄격하게 차례 기반의 균일하게 예의 바른 교환보다 때때로 더 우수한 결과를 가져올 수 있는 미래를 위한 길을 열고 있습니다.
