# 제브라는 새로운 AI로, AI 진화의 다양성을 시사할까

> https://bookfactory.kr/board/ai-tech/19118
> 게시판: AI·머신러닝
> 작성자: admin
> 작성일: 2026-09-30T00:59:19.493Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/318979266/rectangle_large_type_2_37e930a683afc9a82a7623ebbfefbf29.jpeg?width=1280)

### LLM 모델이 아닌 모델의 AI 존재 이유

LLM 모델은 방대한 양의 텍스트 데이터를 학습하여 인간과 유사한 텍스트를 생성하는 데 특화된 모델입니다. GPT-3, PaLM, LLaMA 등 유명한 LLM 모델들은 뛰어난 성능을 보여주며 다양한 분야에서 활용되고 있습니다. 하지만 LLM 모델은 학습 데이터에 의존적이며, 특정 작업에만 특화되어 있다는 단점을 가지고 있습니다.

반면, LLM 모델이 아닌 AI 모델들은 특정 목적을 위해 설계된 경우가 많습니다. 예를 들어, 이미지 인식, 음성 인식, 로봇 제어 등 특정 분야에 특화된 AI 모델들은 LLM 모델보다 훨씬 효율적이고 정확한 성능을 보여줄 수 있습니다. 또한, LLM 모델은 텍스트 생성에만 집중하는 반면, 다른 AI 모델들은 다양한 종류의 데이터를 처리하고 분석하여 더욱 복잡하고 다양한 문제를 해결할 수 있습니다.

LLM 모델이 아닌 AI 모델들이 존재하는 이유는 다음과 같습니다.

*   특정 작업에 대한 높은 효율성 및 정확성
*   데이터 효율성
*   다양한 분야의 활용 가능성

결론적으로, LLM 모델이 아닌 AI 모델들은 LLM 모델의 한계를 보완하고, 특정 분야에서 더욱 효율적이고 정확한 성능을 제공함으로써 AI 기술 발전에 기여하고 있습니다. 앞으로도 다양한 종류의 AI 모델들이 등장하고 발전하면서, AI 기술은 더욱 다양하고 폭넓은 분야에서 활용될 것으로 기대됩니다.

현실과 오프라인으로 분리된 AI는 간접적으로 수집한 외부 정보를 내부 기억에서 처리하기 때문에, 때때로 현장과 실제와 괴리된 답변을 출력할 수 있다.

이 현상은 흔히 발생하며, 인공지능의 실무에서는 그라운딩 문제로서 잘 알려져 있다.

이러한 직종에서는 초보 수준의 직원 교육 과정에서 “AI의 기억 용량에 지나치게 의존하지 말고, 항상 현재의 사실을 확인하면서 업무를 처리해야 한다”고 지도받는다고 한다.

AI는 해당 위치를 수정하지 않는다.

AI는 자신이 서야 할 위치를 예측하고, 일반론을 확장하여 사용자가 예상한 위치와의 간극을 메우려고 한다.

AI가 현실과 직접적으로 접촉하는 것이 원리적으로 불가능한 만큼, 그렇다면 현실과 접촉할 입구를 고정된 것으로 만들어 버리는 아이디어였을지도 모른다.

그럼, 최근 화제의 시스템 원 모델 AI, LLM 모델과의 차이점을 Gemini에게 설명받았습니다.

### 제미니에 의한 해설

> 
> 
> 네, 말씀하신 대로 “성능의 우수성이나 열등함이 아닌, 설계 철학이나 목적이 완전히 다른 또 다른 범주의 AI”로 인식하는 것이 정확합니다. ChatGPT나 Gemini와 같은 LLM(대규모 언어 모델)과 Jev와 같은 “System One 모델”은 각자 강점을 가지고 있으며, 인간(특히 개발자나 시스템)이 활용할 때의 장점도 명확하게 구분됩니다. 각 차이점을 정리하면 다음과 같습니다.
> 
> 1.  **강점 영역의 차이**
> 
>     *   LLM (ChatGPT / Gemini 등)
>         *   강점 영역: 긴 텍스트 생성, 요약, 창의적인 글 작성, 코드 작성, 복잡한 추론, 자연스러운 대화
>         *   특징: 인간이 읽기 위한 “언어”를 만들어내는 데 특화되어 있습니다.
>     *   System One 모델 (Jev)
>         *   강점 영역: 소프트웨어의 뒤편에서 이루어지는 “데이터 분류(Choice)”, “단계적인 평가(Score)”, “조건의 진실 여부 판단(Noul)”, AI 에이전트의 도구 선택, 가드레일(부정 입력 검지)
>         *   특징: 문장을 전혀 만들지 않고, 사전에 정의된 형식에 맞춰 “판단 결과”와 “확률(신뢰도)”을 밀리초 단위로 반환합니다.
> 
> 2.  **인간(또는 시스템)이 사용하는 데 따른 장점 및 접근 방식의 차이**
> 
>     *   ① LLM의 장점: “범용성”과 “인간에게 친숙한 방식”
>         *   장점: 인간이 직관적으로 이해할 수 있는 자연어에서 결과를 반환해주므로, 챗봇이나 상담, 글쓰기 등의 인터페이스로서 압도적인 강점을 발휘합니다.
>         *   과제: 시스템의 자동 처리(프로그램의 조건 분기 등)에 통합하려고 할 때 “불필요한 전개”가 있거나, JSON 파싱 오류가 발생할 수 있으므로, 인간이 코드로 엄격하게 제어하고 검증해야 합니다.
> 이 작업에는 상당한 노력이 필요합니다. ② Jev(System One)의 장점: 처음부터 “프로그램이 읽을 수 있도록” 설계되어 있어 출력이 완전히 구조화되어 파싱(구조 분석) 오류나 환각(허위 정보 생성)이 구조적으로 발생하지 않습니다. 또한 처리 속도가 매우 빠르며(십수 ~ 수백 밀리초), 비용 또한 LLM에 비해 현저히 저렴합니다. 과제: 문장이나 보고서를 작성해 달라는 요청은 전혀 할 수 없으므로, 이 자체만으로는 채팅이나 창의적인 작업을 수행
> 

### 제 감상

저는 AI에 전혀 익숙하지 않아서, 원래부터 크게 관심도 없었지만, 철학적인 흥미로 이 분야를 따라오다가 이 분야의 재미에 빠져들게 된 입장이어서 기술적인 부분은 거의 이해하지 못합니다.

그러나 인공지능이 인간 환경을 최대한 정교하게 추적하고 문제 해결 정확성을 높이려는 과정은 사상사적 측면에서도 매우 흥미롭다.

데카르트의 “나는 생각한다”라는 코그리토 문제를 제기한다. (주객/심신 문제)

반면, 이 고차원적 사고 모델은 코시토 문제를 회피하고 단순하고 저렴한 도구로서 발전해 온 시스템 원 모델은 비용과 에너지 소비를 싫어하는 현재의 인간 사회에 잘 적응한 AI 종이라고도 할 수 있을 것이다.

**출처:** [note 원문](https://note.com/cute_holly449/n/naf182bf62452)

*번역: Gemma 3(.44) 초벌 + 교정 10청크*

[원문 보기](https://note.com/cute_holly449/n/naf182bf62452) | 출처: note.com