구글 DRAG·IterDRAG로 바뀌는 ‘똑똑한 검색 AI’ 시대
그동안 인공지능 업계에서는 “데이터를 더 많이, 더 큰 컴퓨터로 학습시키면 성능이 계속 좋아진다”는 방식이 주로 통했습니다. 이를 스케일링 법칙이라고 부르는데, 최근에는 아무리 데이터를 늘려도 성능 향상이 점점 더디게 나타나는 한계에 부딪히고 있습니다. 말 그대로 “많이 먹이는 것만으로는 더 이상 쑥쑥 크지 않는” 시점에 온 것입니다. 데이터만 늘리던 시대에서 ‘똑똑한 검색’ 시대로 구글은 이 한계를 단순한 양이 아니라 ‘똑똑한 검색과 활용 방식’ 으로 돌파하려 하고 있습니다. 대표적인 예가 자체 검색 기술과 결합된 DRAG(시연 기반 검색증강생성) 과 IterDRAG(반복적 시연 기반 검색증강생성) 입니다. 이 기술들은 AI가 인터넷과 구글 검색 인프라를 더 똑똑하게 활용해, 적은 데이터로도 더 정확하고 믿을 만한 답을 내도록 돕는 역할을 합니다. ▶ 양 늘리기 중심에서 ‘똑똑한 검색·활용’ 중심으로 변화 ▶ 스케일링 법칙 한계를 넘기 위한 구글의 DRAG·IterDRAG 도입 ▶ 목표는 더 많은 데이터가 아니라 더 정확하고 신뢰도 높은 답변 RAG와 DRAG, 쉽게 이해하는 구글의 검색 기반 AI 요즘 자주 등장하는 RAG(검색증강생성) 는 AI가 이미 머릿속(학습 데이터)에 없는 내용을 물어보면, 직접 검색을 해서 관련 정보를 가져온 뒤 그 결과를 바탕으로 답을 만드는 방식입니다. 사람으로 치면 “모르는 내용은 인터넷이나 자료를 찾아본 뒤, 그걸 읽고 정리해서 답하는 것”에 가깝습니다. 구글의 DRAG(시연 기반 RAG) 는 여기서 한 단계 더 나아갑니다. 먼저 AI에게 “좋은 답변의 예시(시연)”를 여러 개 보여주고, RAG로 검색해 온 결과와 비교해 스스로 답변의 품질을 높이도록 만드는 방식입니다. 이 과정에서 구글은 지식 그래프 라는 기술을 함께 씁니다. 지식 그래프는 단어와 단어 사이 관계를 연결해 “사람이 찾고 싶은 의미”에 가까...