LLM은 사람의 언어를 이해하고, 생성하고, 해석하는 놀라운 능력을 가지고 있습니다. 하지만 언어 모델(language model)이 ‘이해’한다는 말은 일관성이 있고 맥락에 맞도록 텍스트를 처리하고 생성한다는 의미이지, 사람과 같은 의식이나 이해력을 가지고 있다는 뜻은 아닙니다.

머신러닝(machine learning)과 인공지능(artificial intelligence, AI)의 하위 분야 중 신경망에 중점을 둔 딥러닝의 발전에 힘입어 대량의 텍스트 데이터에서 LLM이 훈련됩니다. 이런 대규모 훈련 덕분에 LLM은 이전 방식에 비해 사람의 언어에 있는 미묘함과 문맥 정보를 깊이 이해할 수 있습니다. 결과적으로 LLM은 텍스트 번역, 감성 분석(sentiment analysis), 질문 답변(question answering) 등을 포함해 광범위한 NLP 작업에서 성능이 크게 향상되었습니다.

현대 LLM과 이전 NLP 모델 간의 또 다른 중요한 차이점으로, 이전 NLP 모델은 일반적으로 텍스트 분류, 언어 번역 등과 같이 특정 작업에 맞도록 고안되었다는 것입니다. 이전 NLP 모델은 특정 애플리케이션에서 좋은 성능을 냈지만 현대 LLM은 다양한 작업을 능숙하게 수행할 수 있습니다.