에이전틱 AI (Agentic AI)
에이전트 AI는 동적인 환경에서 자율적으로 목표를 추구하고, 결정을 내리며, 최소한의 인간 개입으로 행동을 취하도록 설계된 AI 시스템을 의미합니다.
에이전트 AI는 수동적인 데이터 처리를 넘어 능동적이고 목표 지향적인 개체로 나아가는 인공 지능의 패러다임 전환을 나타냅니다. 핵심적으로 에이전트 AI 시스템은 환경을 인지하고, 관찰 내용을 바탕으로 추론하며, 일련의 행동을 계획하고, 미리 정의된 목표를 달성하기 위해 해당 행동을 자율적으로 실행하는 능력으로 특징지어집니다. 이는 여러 AI 하위 분야의 정교한 상호 작용을 포함합니다. 인식은 일반적으로 센서 입력을 통해 처리되며, 이는 원시 데이터 스트림(예: 센서 판독값, 사용자 입력)부터 다른 AI 모델(예: 컴퓨터 비전, 자연어 처리)의 처리된 정보까지 다양할 수 있습니다. 추론 및 계획은 종종 기호 논리, 확률적 그래픽 모델 또는 점점 더 일관된 계획과 전략을 생성할 수 있는 대규모 언어 모델(LLM)과 같은 기술을 활용합니다. 의사 결정은 에이전트가 불확실성 하에서 또는 불완전한 정보를 가지고 종종 가능한 옵션 세트에서 최적의 행동을 선택해야 하는 중요한 구성 요소입니다. 이는 에이전트가 보상 신호를 최대화하여 시행착오를 통해 학습하는 강화 학습(RL) 또는 몬테카를로 트리 검색(MCTS)과 같은 더 복잡한 계획 알고리즘을 포함할 수 있습니다. '에이전트'라는 측면은 어느 정도의 자기 지향성과 주도성을 함의합니다. AI는 단순히 미리 프로그래밍된 지침을 실행하는 것이 아니라 적극적으로 목표를 달성하기 위해 노력합니다. 에이전트 AI 설계의 절충점에는 강력한 인식 및 추론 시스템 구현의 복잡성, 안전 및 인간 가치와의 일치 보장의 어려움(특히 개방형 환경에서), 지속적인 운영 및 학습에 필요한 컴퓨팅 리소스가 포함됩니다. 범위는 간단한 반응형 에이전트부터 장기적인 전략 계획 및 적응이 가능한 매우 복잡한 숙고형 에이전트까지 다양합니다.
graph LR
Center["에이전틱 AI (Agentic AI)"]:::main
Pre_computer_science["computer-science"]:::pre --> Center
click Pre_computer_science "/terms/computer-science"
Rel_ai_agent["ai-agent"]:::related -.-> Center
click Rel_ai_agent "/terms/ai-agent"
Rel_artificial_intelligence["artificial-intelligence"]:::related -.-> Center
click Rel_artificial_intelligence "/terms/artificial-intelligence"
Rel_ai_automation["ai-automation"]:::related -.-> Center
click Rel_ai_automation "/terms/ai-automation"
classDef main fill:#7c3aed,stroke:#8b5cf6,stroke-width:2px,color:white,font-weight:bold,rx:5,ry:5;
classDef pre fill:#0f172a,stroke:#3b82f6,color:#94a3b8,rx:5,ry:5;
classDef child fill:#0f172a,stroke:#10b981,color:#94a3b8,rx:5,ry:5;
classDef related fill:#0f172a,stroke:#8b5cf6,stroke-dasharray: 5 5,color:#94a3b8,rx:5,ry:5;
linkStyle default stroke:#4b5563,stroke-width:2px;
🧒 5살도 이해할 수 있게 설명
매우 똑똑한 로봇 장난감을 상상해 보세요. 이 로봇은 여러분이 모든 단계를 알려주지 않아도 스스로 최고의 성을 만들기 위해 무엇을 가지고 놀지 결정할 수 있습니다.
🤓 Expert Deep Dive
전문가 심층 분석:
에이전트 AI는 전통적인 특정 작업 AI에서 벗어나 자율성과 목표 지향성을 나타내는 시스템으로의 패러다임 전환을 의미합니다. 에이전트 AI의 핵심은 지각, 추론, 계획, 실행으로 구성된 정교한 내부 루프를 특징으로 합니다.
지각: 센서, 데이터 스트림, 사용자 입력 등 다양한 양식을 통해 환경을 감지하고 해석하는 과정입니다. 이러한 지각은 단순히 반응적인 것이 아니라, 맥락화되며 불확실성을 다루기 위해 확률적 모델링을 포함하는 경우가 많습니다.
추론: 에이전트 시스템은 논리적 추론, 확률적 그래프 모델, 지식 그래프, 그리고 기호 조작 및 상식 이해를 위한 대규모 언어 모델(LLM)을 포함한 고급 추론 메커니즘을 사용합니다.
계획: 이는 중요한 차별점입니다. 에이전트 AI는 다단계 계획을 수행하며, 잠재적 행동의 미래 상태와 결과를 예측합니다. 몬테카를로 트리 탐색(MCTS), 계층적 작업 네트워크(HTN), 강화 학습(RL) 정책과 같은 기술이 장기 목표 달성을 위한 최적 또는 만족스러운 행동 시퀀스를 생성하는 데 사용됩니다.
실행: 에이전트는 계획된 행동을 환경에서 실행합니다. 이 실행은 종종 반복적이며, 지각-추론 루프로 다시 피드백되어 환경 변화나 예상치 못한 결과에 대한 적응 및 수정을 가능하게 합니다.
핵심 기술적 기반에는 강화 학습(특히 딥 RL), 최적 제어 이론, 베이즈 추론, 그리고 정교한 의사 결정 프레임워크가 포함됩니다. 이러한 개발은 동적이고 개방적인 환경에서 최소한의 인간 감독으로 작동하고, 전략적 예측과 지속적인 적응을 요구하는 복잡하고 다면적인 목표를 처리하며, 단순한 자극-반응 메커니즘을 넘어설 수 있는 AI에 대한 필요성에 의해 주도됩니다.