이전 기사에서 언급했듯이, 완전하고 고품질인 학습 데이터가 없는 AI는 엔진 없는 자동차와 같습니다. 겉보기엔 그럴듯해도 앞으로 나아갈 수 없기 때문입니다. AI의 투명성 또한 사용자에게 매우 중요하므로, 당사는 사용자가 정보에 입각한 결정을 내릴 수 있도록 AI가 언제 어디에 사용되는지 정확히 알리는 것을 목표로 합니다.
생성형 AI의 잘 알려진 위험 중 하나는 '환각' 현상입니다. 이는 모델이 그럴듯하게 들리는 데이터를 생성하지만, 때로는 위조된 인용까지 포함하며 실제로는 완전히 틀린 정보를 제공하는 상황을 말합니다. R&D 분야에서 이러한 환각 현상은 용납될 수 없으므로 이를 방지하기 위한 조치가 필수적입니다.
본 기사에서는 CAS가 어떻게 AI와 과학적 발견 사이의 간극을 메우는 독보적인 위치를 점하고 있는지 논의합니다. 또한, 당사가 어떻게 전략적으로 AI를 활용하여 환각 현상을 최소화하고 고품질 학습 데이터를 우선시함으로써 연구에 필요한 핵심 정보를 사용자에게 제공하는지 다룰 것입니다.
학습 데이터
과학 R&D에서는 정밀한 데이터가 필수적입니다. 실험이나 테스트 결과에 따라 신약의 시장 출시 여부가 결정되거나 전체 제품 라인의 재설계가 필요할 수도 있기 때문입니다.
학습 데이터는 AI 모델을 훈련하는 데 사용되는 검수된 데이터 집합입니다. 이 데이터는 모델이 패턴을 식별하고, 작업을 학습하며, 예측을 수행하도록 돕습니다. 모델의 성능은 데이터의 질에 달려 있습니다. "쓰레기를 넣으면 쓰레기가 나온다(Garbage in, garbage out)"는 말처럼 말입니다.
CAS는 100년 넘게 화학 정보의 권위 있는 출처로서, 사내 과학자들이 세계에서 가장 포괄적인 화학 데이터 컬렉션을 직접 검수해 왔습니다. 이제 당사는 이러한 검수 전문성을 확장하여 과학적 발전을 돕는 AI 모델을 개발하고 있습니다. 고객들은 당사가 제공하는 신뢰할 수 있고 일관된 데이터를 의존합니다. 당사가 구축하는 전문가 검수 학습 데이터가 동일하게 신뢰할 수 있음을 보장함으로써, 성능의 일관성을 유지하고 고객의 기대에 부응할 수 있습니다.
진정한 답변, 환각 없는 결과
많은 사람에게 AI 하면 가장 먼저 떠오르는 것은 소스 품질에 따라 부정확한 답변을 생성할 수 있는 챗봇입니다. 만약 그 답변들이 이미 분야별 전문가들에 의해 검수, 검증, 정리된 것이라면 어떨까요? 이 경우 AI는 더욱 효율적인 방식으로 통찰력을 탐색하고 발견하는 데 사용될 수 있으며, 이는 곧 신뢰로 이어집니다.
투명성
Along our journey to reimagine scientific search and discovery, we've incorporated feedback loops from our customers to inform our planning, and one key feedback theme we've encountered has been trust. New innovations with AI are exciting, however with outputs that are often non-reproducible, change abruptly with minor modifications to the inputs, and function as a "black box" with no explanation of what was done or how the results were generated, users lack trust in the scientific results generated by many AI tools.
Maintaining user trust in our content and solutions is paramount. While we can take steps to minimize unreliability in how the LLM interfaces between the user and our data, it is inherently prone to variability. Hesitation in trying AI-enhanced features can be mitigated by being transparent about where AI is being used in the product and providing obvious alternate avenues for finding the information users are looking for.
CAS SciFinder의 SearchSense
So where does CAS SciFinder fit in? Like the general population, scientific researchers will benefit from less time digging through vast amounts of information, which is a major inefficiency for the scientific community. We've created a variety of AI-enabled search improvements in CAS SciFinder that we've dubbed SearchSense to ease this burden, streamlining information discovery while maintaining scientific integrity.
Over the last twelve months, CAS has been building the largest authoritative, comprehensive, and trustworthy scientific information search engine – developed for scientists, by scientists. SearchSense combines our best-in-class chemistry collection with AI to provide researchers with faster answers without jeopardizing accuracy.
핵심 원칙
CAS SciFinder에 AI를 도입하기 시작했을 때, 당사는 타협할 수 없는 근본적인 기준을 세웠으며, 당사의 솔루션은 다음 원칙을 준수해야 했습니다.
- 콘텐츠 제공의 정확성 우선.
- 검색 응답 속도 유지.
- 고객 데이터 기밀성 보호.
SearchSense 작동 방식
SearchSense는 답변을 생성하는 대신 AI를 사용하여 검색 의도를 해석한다는 점에서 독보적입니다. 사용자의 질의 의도를 파악함으로써 CAS SciFinder는 CAS의 신뢰성과 정확성 기준을 준수하며 엄선된 관련 답변 및 지원 데이터로 사용자를 안내합니다. 의도 해석의 정확성은 강력하고 양질의 학습 코퍼스에 크게 의존합니다. 당사의 검색 질의 학습 데이터 세트는 CAS 전문가들이 생성한 1만 개 이상의 데이터 포인트를 기반으로 합니다. 이는 당사 콘텐츠가 다루는 모든 과학 분야를 포괄하며, 모든 영역에서 성능을 유지하기 위한 방대한 노력이 필요했지만, 수백 개의 데이터 포인트만 추가해도 전반적인 정확도에 시너지 효과가 있음을 확인했습니다.
모델 아키텍처 및 성능
학습 데이터는 질의의 검색 의도를 파악하기 위한 AI 모델을 훈련하는 데 사용되었습니다. 속도와 정확도는 모델의 크기에 따라 달라지며, 일반적으로 매개변수가 많은 모델이 더 정확하지만, 특정 사용 사례와 양질의 학습 데이터를 갖춘 소규모 모델로도 충분히 높은 정확도를 얻을 수 있다는 연구 결과가 있습니다¹. 당사는 70억 개의 매개변수를 가진 모델을 사용했는데, 이는 일부 대규모 모델(1조 개 이상의 매개변수)보다 훨씬 작은 규모입니다. 고품질 학습 데이터 덕분에 소규모 모델로도 만족스러운 정확도를 확보할 수 있었으며, 안정적인 검색 성능을 유지할 수 있었습니다.
CAS SciFinder는 강력한 검색 알고리즘을 사용하여 가장 관련성 높은 결과를 찾아내지만, 이는 표준 질의 언어를 사용하지 않는 맞춤형 시스템입니다. 당사 검색 아키텍처의 독점적 특성상, 시스템이 이해할 수 있는 언어를 생성하여 해당 검색을 수행하도록 AI 모델을 훈련해야 했습니다. 이를 통해 AI 기반 질의 해석과 독점 검색 엔진의 복잡한 결과를 결합한다는 목표를 달성할 수 있었습니다. 결과적으로 사용자는 더 적은 시간과 노력으로 관련 데이터를 확인할 수 있게 되었습니다.
데이터 보안 및 개인정보 보호
당사는 고객 연구의 민감성을 잘 이해하고 있으므로 데이터 기밀성을 매우 중요하게 생각합니다. 당사가 개발한 모든 모델은 독점적이며 온프레미스 환경에서 호스팅되므로 데이터가 외부로 유출되지 않습니다. CAS의 윤리적인 AI 사용에 대한 자세한 내용은 여기를 클릭하십시오.
결론
CAS SciFinder는 고객이 소중히 여기는 신뢰를 유지하면서 과학적 연구와 발견의 성공을 지원하기 위해 최선을 다하고 있습니다. CAS SciFinder에 SearchSense를 도입함으로써 당사는 강력한 신기술을 더욱 지능적으로 활용하기 위한 조치를 취했습니다. 당사의 전문가, 최고 수준의 콘텐츠 컬렉션, 그리고 기술이 협력하여 사용자에게 더 많은 혜택을 제공하고 과학 연구 및 개발의 추가적인 발전을 위한 길을 열어가고 있습니다.