Sign In

An LLM-based Delphi Study to Predict GenAI Evolution

Created by
  • Haebom
Category
Empty

저자

Francesco Bertolotti, Luca Mari

개요

본 논문은 데이터가 부족하거나 신뢰성이 낮은 복잡하고 빠르게 변화하는 시스템의 미래 경로를 예측하는 새로운 방법을 제시한다. 대규모 언어 모델(LLM)을 활용하여 델파이 연구를 수행하는 정성적 예측 접근법을 소개하며, 생성형 인공지능(Generative AI)의 미래 진화를 탐구하는 데 이 방법론을 적용하여 지정학적 긴장, 경제적 불균형, 규제 프레임워크, 윤리적 고려 사항 등 주요 요인에 대한 통찰력을 얻었다. LLM 기반 델파이 연구는 다양한 관점을 포착하면서 응답자 피로 문제를 완화하여 구조화된 시나리오 분석을 가능하게 한다.

시사점, 한계점

시사점:
LLM 기반 델파이 연구는 구조화된 시나리오 분석을 위한 혁신적인 방법을 제공한다.
다양한 관점을 포착하면서 응답자 피로 문제를 완화한다.
새로운 형태의 추론 방법으로 고려될 수 있다.
한계점:
지식 차단(knowledge cutoffs) 문제 존재.
LLM의 고유한 편향(inherent biases) 영향.
초기 조건(initial conditions)에 대한 민감도.
이질성 관리 능력 개선 및 신뢰성 향상을 위한 추가 연구 필요.
외부 데이터 소스 통합 필요.
👍