다중 AI 에이전트 협업이 트렌드입니다 (스탠퍼드 앤드류 응 교수 강의)

AI 업계에서 저명한 학자이자 스탠퍼드 대학교 교수 앤드류 응(Andrew Ng) 강의를 요약했습니다.
인공지능 시스템을 어떻게 활용할지 트렌드가 형성되고 있습니다.
앤드류 응 교수가 쓰는 용어로, AI agentic workflows. 인공지능 에이전트 작업 흐름.
Andrew Ng 교수는 AI 에이전트를 활용해서 작업의 분할이 더 좋은 결과를 만든다고 합니다.
AI 모델을 작업 대행해 주는 에이전트로 간주하고, 업무 완료나 문제 해결한다는 의미로 용어 에이전트를 사용한 것입니다.
먼저 agentic vs non-agentic workflow를 비교합니다.
참고로, non-agentic workflow를 다른 용어로 zero shot prompting으로 명명합니다.
챗GPT와 같은 거대 언어 모델 LLM을 우리는 일반적으로 zero shot 프롬프트 방식으로 사용해 왔습니다.
LLM에게 how-to 방법을 물어보면 처음부터 끝까지 한 번에 원하는 답을 받는 방식입니다.
앤드류 응 교수가 말하는 AI 에이전트 작업 흐름은 LLM에게 단계별로, 순차적으로 문제 해결을 접근한다는 의미입니다.
한방 솔루션을 LLM에게서 받아내는 것이 아니라, 문제를 단계별로, 차례대로 나눠서 LLM에게 해결 방안을 찾아내는 방법입니다.
이렇게 단계별로 문제를 분할해서 챗GPT에게 물어보고 답을 찾으면 문제 해결 성공률이 현저히 높아진다고 합니다.
Andrew Ng는 코딩 테스트 평가 HumanEval 벤치마크로 그의 주장을 증명합니다.
GPT-3, GPT-4에게 코딩 문제를 풀어보라고 프롬프트 진행합니다.
결론은, 에이전트 작업 흐름 방식, 즉 AI agentic workflow 방식이 문제 해결 성공률이 더 높았습니다.
Non-agentic workflow 방식, 즉 zero shot prompting은 성공률이 상대적으로 낮았습니다.
에이전트 작업 분할 방식에는 디자인 패턴이 4가지가 있습니다: Reflection, tool use, planning, multi-agent collaboration.
Multi-agent collaboration, 즉 다중 에이전트 협업 방식에 대한 예시를 보여줍니다.
소프트웨어 개발을 여러 LLM 에이전트에게 각각 다른 업무를 지정합니다.
LLM 하나에게는 프로그래밍만 하게 하고, 다른 LLM에게는 코딩 리뷰를 시키는 것입니다.
이런 식으로 여러 AI 에이전트와 작업 협업으로 프로젝트를 진행시키는 것입니다.
예시는 AI 개발 환경 오픈 서비스인 ChatDev 플랫폼입니다.
#인공지능 #ai모델 #인공지능교육