천문학용 AI 연구 조수 Quasar, 자연어 질문을 관측 아카이브 검색과 논문 조사로 나누는 구조

핵심 메시지

• Quasar는 천문 관측 아카이브를 자연어로 검색하기 위해 만들어진 오픈소스 연구 조수로, 발표자는 '천문학용 퍼플렉시티'를 의도했다고 설명한다.
• 질문이 들어오면 먼저 의도를 분류하고 복잡도를 판정해, 단순하면 전담 에이전트 하나로 보내고 여러 단계가 필요하면 지휘 역할의 모델이 순서를 매겨 하위 에이전트들에게 나눠 맡긴다.
• 아카이브에서 관측 자료를 찾는 에이전트, 논문을 찾는 에이전트, 격리된 환경에서 파이썬 코드를 돌려 계산과 그래프를 만드는 에이전트가 각자 맡은 일을 하고 결과가 하나의 답으로 합쳐진다.
• 일반 웹 검색은 부정확한 출처가 섞일 수 있어, 승인된 출처 목록을 우선하고 나머지를 걸러내는 '그라운디드 모드'를 따로 뒀다.
• 도구를 쓸 때마다 실제로 실행한 SQL 질의문이나 접속한 주소를 그대로 보여주기 때문에, 사용자가 같은 질의를 직접 복사해 검증하거나 고쳐 쓸 수 있다.

쉽게 이해하기

미국 국립과학재단과 사이먼스 재단이 지원하는 우주 기원 AI 연구소의 세미나에서, 연구 인턴이 자신이 만든 AI 연구 조수 Quasar를 소개했다. 출발점은 특정 전파 망원경 아카이브 하나였다. 연구자가 원하는 관측 자료를 찾으려면 아카이브의 검색 문법과 데이터 구조를 알아야 하는데, 그 장벽을 자연어 질문으로 낮춰 보자는 시도였다. 관련 논문은 이미 물리학과 AI를 다루는 학회에서 발표됐다.

동작 방식은 단계로 나뉜다. 사용자가 질문을 던지면 첫 모델이 그 질문의 의도를 분류한다. 특정 관측 자료를 찾으려는 것인지, 문헌을 찾으려는 것인지를 먼저 가리는 것이다. 다음은 복잡도 판정이다. '이 천체의 특정 대역 관측 목록을 보여 달라' 같은 질문은 한 번에 처리되지만, '그 자료로 쓰인 논문이 있는지, 있다면 결론이 무엇인지'까지 묻는 질문은 순서가 있는 여러 작업으로 나뉘어야 한다. 관측을 먼저 찾지 않으면 논문을 찾을 수 없기 때문이다.

복잡한 질문은 지휘 역할의 모델에게 넘어간다. 이 모델은 질문을 여러 단계로 쪼개고 우선순위와 위계를 매긴 다음, 각 단계에 맞는 하위 에이전트를 붙인다. 아카이브에서 자료를 꺼내는 데 특화된 에이전트, 문헌 데이터베이스에서 논문을 찾는 에이전트, 격리된 환경에서 파이썬 코드를 실행해 계산이나 그래프를 만드는 에이전트가 각각 일한다. 서로 의존하지 않는 작업은 동시에 진행되고, 결과가 모이면 다시 하나의 구조화된 답으로 합쳐진다.

화면 자체는 익숙한 채팅 도구와 비슷하지만 몇 가지가 다르다. 기본으로 웹 검색이 켜져 있어 천문학 범위를 넘는 질문에도 답하는데, 대신 아무 웹페이지나 끌어오면 부정확한 내용이 섞일 수 있다. 그래서 승인된 출처 목록을 미리 갖고 있다가 공식 발표와 일반 기사가 충돌하면 공식 쪽을 채택하고 나머지를 자동으로 버리는 그라운디드 모드를 뒀다. 모델은 연구 쪽에서 무료로 제공하는 것들 가운데 고를 수 있고, 원하면 자기 API 키를 연결해 다른 모델을 쓸 수도 있다.

개인화 기능도 붙어 있다. 특정 관측 대역만 반복해서 묻는 사용자라면 다음에 천체 이름만 말해도 그 대역을 기본으로 가져오는 식으로 사용 패턴을 기억한다. 코딩 도구의 지침 파일처럼 자기만의 규칙을 적어 올릴 수 있고, 개인 문서나 데이터셋을 올리면 검색용으로 색인해 두었다가 나중에 질의할 수 있다. 발표자는 이 서비스가 아직 동시에 두세 개 질문밖에 감당하지 못한다며 세미나 중 접속을 자제해 달라고 부탁했고, 답변마다 달린 평가 버튼으로 문제를 신고해 주면 직접 읽고 고치겠다고 말했다.

주요 인사이트

• 이 도구의 설계에서 눈에 띄는 것은 모델을 키우는 대신 질문을 쪼갠 점이다. 의도 분류와 복잡도 판정이라는 값싼 단계를 앞에 둬서, 단순한 질문에 비싼 다단계 절차를 쓰지 않도록 막았다.
• 연구용 도구의 신뢰는 정답률보다 검증 가능성에서 나온다. 실행한 질의문을 그대로 보여 주면 사용자는 답을 믿을지 말지를 스스로 판정할 수 있고, 같은 질의를 고쳐 재현할 수도 있다.
• 웹 검색을 켜 두면 범위가 넓어지는 대신 품질이 흔들린다는 문제를 출처 우선순위로 푼 방식은, 전문 분야 챗봇을 만들 때 곧바로 참고할 만한 절충안이다.
• 동시 질문 두세 개에서 멈춘다는 고백은 이런 도구의 실제 병목이 모델 성능이 아니라 운영 자원이라는 점을 보여준다. 연구실에서 만든 조수가 공용 서비스가 되려면 넘어야 할 문턱이 따로 있다.
• 천문 아카이브는 자료가 공개돼 있어도 접근 문법이 진입 장벽이 되는 대표적인 영역이다. 이 사례는 데이터 공개 자체보다 그 위에 어떤 인터페이스를 얹느냐가 활용도를 가른다는 점을 다시 확인시켜 준다.

자주 묻는 질문

관련 AI 소식