파운데이션 모델

대규모 데이터로 미리 학습되어 다양한 하위 작업에 재사용할 수 있는 범용 인공지능 모델을 말한다.

예전에는 작업마다 별도의 모델을 처음부터 학습시켜야 했지만, 이 방식은 데이터와 시간이 많이 들고 작업이 늘어날 때마다 비용이 커지는 문제가 있었다. 파운데이션 모델은 특정 작업을 겨냥하지 않고 텍스트, 이미지 등 방대한 데이터를 광범위하게 학습해 언어나 개념에 대한 일반적인 이해를 먼저 갖춘 뒤, 이후 미세조정이나 프롬프트 작성만으로 번역, 요약, 분류 같은 여러 작업에 맞게 응용하는 방식으로 동작한다. 건물의 기초를 한 번 튼튼히 다져두면 그 위에 다양한 용도의 건물을 올릴 수 있는 것과 비슷하다. 실무에서는 새로운 서비스를 기획할 때 모델을 직접 처음부터 만들지 않고 이미 학습된 파운데이션 모델을 가져와 자사 데이터로 조정하거나 API로 연결해 챗봇, 검색, 문서 요약 기능 등을 빠르게 구축하는 상황에서 이 용어를 접하게 된다. 다만 파운데이션 모델이 모든 작업에 항상 최적의 성능을 내는 것은 아니며, 특정 분야에서는 그 모델을 바탕으로 추가 학습을 거친 모델이 더 나은 결과를 내는 경우도 많다는 점은 주의할 필요가 있다.