좀 더 쉬운 예를 들어 볼까요? 예를 들어 사용자가 “마이클 잭슨의 가장 유명한 노래는?”이라고 물어본다면 학습을 통해 혹은 검색을 통해 정답이 ‘Billie Jean’이라는 것을 확인합니다. 그리고 다음과 같이 답변할 것입니다.

실행 결과

마이클 잭슨의 가장 유명한 노래 중 하나는 'Billie Jean'입니다. 이 노래는 그의 1982년 앨범 'Thriller'에 수록되었으며, 팝 음악 역사상 가장 중요한 곡 중 하나로 꼽힙니다. 'Billie Jean'은 그의 노래와 춤으로 인해 큰 인기를 얻었으며 그의 음악 경력을 대표하는 곡 중 하나입니다.

단순히 ‘Billie Jean’이라는 단답형 답변보다는 눈으로 읽기에도 자연스럽죠? 사실 정답만 알고자 한다면 ‘Billie Jean’만 결과로 보여줘도 문제가 되지 않습니다. 하지만 우리 인간은 타인과의 관계를 통해 살아가고 발전하잖아요. 그런 측면에서 LLM의 답변은 훨씬 인간적이라고 할 수 있죠.

이렇게 LLM은 제공된 정보를 활용하여 구체적이고 정보에 기반한 텍스트를 생성할 수 있습니다.

지금까지 RAG의 핵심 동작 원리에 대해 알아봤습니다. 이어서 RAG를 구현하기 위해 필요한 것들에 대해 추가로 살펴보겠습니다.