TL;DR
기업 데이터의 99%는 관계형 데이터베이스에 저장되어 있으며, 이를 LLM에 활용하려면 데이터를 외부로 옮겨야 하는 비용과 보안 문제가 발생한다. LDM은 데이터베이스 내에서 AI 모델을 학습시킨다. 테이블의 행을 문장(bag of words)으로 변환하고, 각 값을 토큰화하여 임베딩 벡터로 만든 뒤, 신경망이 이를 학습하여 데이터 간의 관계를 파악한다. IBM은 이 기술을 적용해 데이터 이동 비용을 30~40% 절감했다. SQL 쿼리에 AI 유사도 검색 기능을 추가하여 별도의 데이터 과학 파이프라인 없이도 시맨틱 검색이 가능하다. 데이터 이동 없이 데이터베이스 내부에서 직접 AI 분석을 수행함으로써 비용 효율성과 보안성을 동시에 확보한다.
챕터별 상세
AI 모델 약어의 이해
LLM(대규모 언어 모델), LRM(대규모 추론 모델), LDM(대규모 데이터베이스 모델)의 약어 차이를 구분한다.
소매업에서의 LDM 활용
고객의 구매 행동 데이터를 기반으로 유사한 고객을 추천하는 시스템이다.
기존 데이터 분석의 한계
데이터를 분석 플랫폼으로 옮기는 과정에서 발생하는 비용과 보안 문제를 다룬다.
SELECT CUSTOMERID FROM CUSTOMERS WHERE AGE BETWEEN 20 AND 40 AND CITY = 'NEW YORK' AND BEAUTY_SPEND > 1000전통적인 SQL 쿼리 예시
LDM의 5단계 작동 원리
데이터를 토큰화하고 임베딩하여 신경망이 학습할 수 있는 형태로 변환하는 과정이다.
SELECT CUSTOMERID, AI.SIMILARITY(CUSTOMERID, 'CUST-6789') AS SCORE FROM CUSTOMERS ORDER BY SCORE DESC FETCH FIRST 100 ROWS ONLYLDM을 활용한 시맨틱 쿼리 예시
산업별 LDM 적용 사례
다양한 산업 분야에서 데이터베이스 내 AI 분석이 어떻게 활용되는지 보여준다.
용어 해설
- 임베딩(Embeddings)
- — 텍스트나 데이터를 고차원 벡터 공간으로 변환하는 기술로, 데이터 간의 의미적 유사성을 계산하는 데 사용된다.
- 관계형 데이터베이스(Relational Database)
- — 데이터를 테이블 형태의 행과 열로 구조화하여 저장하는 시스템이다.
- 백 오브 워즈(Bag of Words)
- — 문서 내 단어의 빈도만을 고려하여 순서를 무시하고 벡터화하는 기법이다.
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.