자기회귀 언어 모델(Autoregressive Language Model, 自己回帰言語モデル)은 이전 시점의 단어(또는 토큰) 정보를 기반으로 다음 단어의 확률을 예측하는 방식의 언어 모델이다.
개요
자기회귀 언어 모델은 언어 생성에서 중요한 역할을 하며, 입력된 시퀀스의 앞부분을 기준으로 다음 단어를 순차적으로 예측한다. 이 방식은 시계열 데이터 처리에 적합하며, 자연어 처리 분야에서는 텍스트 생성, 기계 번역, 문서 요약 등에 활용된다.
작동 원리
자기회귀 언어 모델은 주어진 단어 시퀀스 x₁, x₂, ..., xₙ에 대해 다음과 같은 확률 분해를 수행한다:
P(x₁, x₂, ..., xₙ) = P(x₁) × P(x₂|x₁) × P(x₃|x₁,x₂) × ... × P(xₙ|x₁,...,xₙ₋₁)
이 식은 각 시점의 단어가 이전 단어들의 조건부 확률에 따라 예측된다는 것을 의미한다.
대표적인 모델
- GPT 시리즈 (OpenAI)
- Transformer 기반의 언어 생성 모델
- RNN 및 LSTM 기반의 초기 자기회귀 모델
- XLNet (자기회귀와 비자기회귀 방식을 혼합)
장점과 한계
장점
- 문장 생성 품질이 높고 문맥을 잘 반영한다
- 학습 및 추론 과정이 직관적이다
한계
- 병렬 처리가 어렵고 추론 속도가 느리다
- 장기 의존성 문제에 취약할 수 있다
응용 분야
- 자연어 생성 (텍스트 생성, 시나리오 작성 등)
- 대화형 인공지능
- 문서 자동 요약
- 기계 번역
같이 보기
참고 문헌
- Vaswani, A., Shazeer, N., Parmar, N., et al. (2017). "Attention is All You Need." Advances in Neural Information Processing Systems.
- Radford, A., Narasimhan, K., Salimans, T., & Sutskever, I. (2018). "Improving Language Understanding by Generative Pre-Training." OpenAI.