메타가 생성 인공지능(AI)을 활용한 새로운 추천 시스템 ‘라이거(LIGER)’와 멀티모달 추천 기술 ‘멘더(Mender)’를 발표하며, AI 기반 추천 알고리즘의 새로운 패러다임을 제시했다. 이는 생성 AI를 기존 추천 알고리즘에 결합한 최초의 사례로, 사용자 의도를 보다 정밀하게 파악하고 추천 품질을 향상하는 데 중점을 둔다.
 ▲[코리안투데이] 메타에서 이번에 개발된 추천 시스템 ‘라이거’ © 변아롱 기자 |
기존 추천 시스템은 문서 정보를 숫자로 변환해 저장하고, 사용자의 요청과 대규모 아이템 목록을 비교하는 밀집 검색 방식으로 작동했다. 하지만 아이템 수가 많아질수록 계산량과 저장 공간이 기하급수적으로 증가하는 한계를 가졌다.
메타는 이를 해결하기 위해 생성 AI 기반의 ‘생성 검색(Generative Retrieval)’ 기술을 적용했다. 생성 검색은 사용자가 과거에 상호작용한 데이터를 바탕으로 다음에 추천할 아이템을 예측하는 방식이다. 데이터를 검색하지 않고도 사용자 의도를 파악할 수 있어, 저장 공간과 계산 비용을 크게 절감할 수 있다.
메타는 생성 검색의 장점과 기존 밀집 검색(dense retrieval)의 강점을 결합한 하이브리드 추천 시스템 ‘라이거’를 선보였다.
라이거는 훈련 단계에서 생성 검색과 밀집 검색의 모델을 동시에 훈련해 유사도 점수와 다음 토큰 예측을 활용해 추천 품질을 극대화한다. 추론 단계에서는 생성 메커니즘을 활용해 후보 아이템을 선택한 뒤, 새로운 항목(콜드 스타트 항목)을 추가해 최종 추천 리스트를 생성한다.
이를 통해 라이거는 계산 효율성과 높은 임베딩 품질을 결합, 사용자 경험을 향상시키는 데 성공했다. 메타는 “라이거는 추천 시스템의 효율성과 정확성을 높이는 동시에 더 개인화된 경험을 제공할 것”이라고 밝혔다.
메타는 또한 멀티모달 기술을 활용한 ‘멘더’를 공개했다. 멘더는 사용자가 다양한 아이템과 상호작용하며 드러난 선호도를 파악해 추천 품질을 높이는 기술이다.
사용자가 특정 아이템에 대해 긍정적이거나 부정적인 반응을 보이면, 멘더는 이를 대형언어모델(LLM)을 통해 선호도로 변환한다. 이렇게 학습된 모델은 사용자의 선호도를 실시간으로 반영해 더욱 정밀한 추천을 제공할 수 있다.
메타의 새로운 기술은 추천 시스템의 발전 방향을 제시하며, 더 개인화된 AI 기반 사용자 경험을 가능하게 할 것으로 기대된다. 연구진은 “라이거와 멘더는 생성 AI의 새로운 가능성을 열어가는 첫 걸음”이라며, “추천 시스템이 AI 기술의 중심축으로 자리 잡을 것”이라고 강조했다.
추천 알고리즘의 발전으로 사용자에게 맞춤형 콘텐츠를 제공하는 이러한 기술들은 소셜미디어, 전자상거래, 콘텐츠 스트리밍 등 다양한 분야에 큰 변화를 가져올 전망이다.
<저작권자 ⓒ 코리안투데이(The Korean Today) 무단전재 및 재배포 금지>
