AI2 LangChain 기반 RAG 시스템의 주요 구성 요소와 역할 RAG(Retrieval-Augmented Generation)는 외부 데이터를 검색(Retrieval)한 뒤, 그 결과를 기반으로 답변을 생성(Generation)하는 방식이다.기존 LLM은 학습된 정보만 활용하기 때문에 최신 정보나 특정 문서 내용을 정확하게 답변하지 못하는 경우가 있다.RAG는 필요한 정보를 외부 문서에서 검색한 뒤 그 내용을 바탕으로 답변을 생성하기 때문에 더 정확하고 신뢰도 높은 응답을 만들 수 있다.RAG 시스템의 전체 동작 흐름일반적인 RAG 시스템은 다음과 같은 순서로 동작한다.문서를 저장하고 벡터화한다.사용자의 질문을 임베딩한다.질문과 유사한 문서를 검색한다.검색된 문서를 LLM에 함께 전달한다.LLM이 최종 답변을 생성한다.1. Document LoaderDocument.. 2026. 5. 10. 딥러닝과 머신러닝의 관계 딥러닝과 머신러닝은 인공지능 분야에서 가장 자주 등장하는 개념이다. 두 용어는 서로 밀접하게 연결되어 있지만 정확한 포함 관계와 역할을 이해하지 못하면 혼란스럽기 쉽다.이 글에서는 딥러닝과 머신러닝의 구조적 관계를 먼저 정리하고 각각이 실제 업무 환경에서 어떻게 사용되는지까지 함께 살펴본다.1. 인공지능, 머신러닝, 딥러닝의 포함 관계세 개념은 서로 독립적인 기술이 아니라 단계적인 포함 관계를 가진다.인공지능: 인간의 사고를 흉내 내는 모든 기술의 범위머신러닝: 데이터를 통해 규칙을 스스로 학습하는 방법딥러닝: 머신러닝 중에서도 신경망을 깊게 쌓아 학습하는 방식즉 딥러닝은 머신러닝의 한 종류이며 머신러닝은 인공지능을 구현하는 방법 중 하나이다. 2. 머신러닝은 어떻게 동작하는가머신러닝은 사람이 정의한 특.. 2026. 1. 30. 이전 1 다음