전통적인 머신러닝 방식에서 감정을 추출하려면, 라벨링된 데이터셋을 수집하고, 모델을 학습시키고, 클라우드에서 모델을 배포하여 추론을 수행해야 합니다. 이 방식은 효과적이지만, 감정 분석, 이름 추출 등 각각의 작업에 대해 별도의 모델을 학습시키고 배포해야 하며, 그 과정이 매우 번거롭다는 단점이 있습니다.
반면에, 대용량 언어 모델을 사용하면 단순히 프롬프트를 작성하여 즉시 결과를 생성할 수 있습니다. 이는 응용 프로그램 개발에 있어 엄청난 속도 향상을 가져올 수 있으며, 다양한 작업을 수행하는 데 하나의 모델과 API 만을 사용할 수 있음을 의미합니다.
또한, 대용량 언어 모델을 이용하여 리뷰의 감정을 분석하고, 특정 감정(예: 분노)이 표현되었는지 판단하며, 제품명과 제조사를 추출하는 등의 작업을 수행할 수 있습니다. 이러한 작업들은 전통적인 머신러닝에서는 시간과 노력이 많이 소요되지만, 대용량 언어 모델을 통해 간단한 프롬프트로 빠르게 수행할 수 있다는 것을 보여줍니다.
대용량 언어 모델을 이용하여 주어진 텍스트의 주제를 추론하는 방법과, 뉴스 기사에서 특정 주제가 다루어졌는지 판별하는 방법이 있습니다. 이렇게 대용량 언어 모델을 통해 텍스트에 대한 다양한 추론을 빠르게 수행할 수 있으며, 이는 기존에는 오랜 시간과 많은 노력이 필요했던 작업을 단 몇 분 만에 수행할 수 있음을 보여줍니다.
