LLM은 네트워크 분석(SNA)을 할 수 있나?
인공지능의 발전은 텍스트, 이미지, 음성 등 다양한 비정형 데이터를 이해하고 생성하는 대규모 언어 모델(Large Language Model, 이하 LLM)의 비약적인 도약으로 이어졌습니다. 현재 LLM은 문장 생성을 넘어 코드를 작성하고, 법률 문서를 검토하며, 논리적 퍼즐을 푸는 수준에 이르렀습니다.
한편, 현실 세계의 수많은 문제들은 개체와 그들 간의 복잡한 다차원적 관계로 이루어져 있습니다. 사람과 사람 간의 상호작용을 다루는 소셜 네트워크, 글로벌 기업의 복잡한 공급망 구조, 전염병의 확산 경로, 심지어 생물학적 단백질 구조나 도시의 교통 도로망에 이르기까지, 이러한 방대한 정보들은 수학적으로 '그래프(graph)'라는 비순차적이고 위상학적인(topological) 구조로 표현됩니다.
그렇다면, ‘텍스트를 순차적으로 읽고 쓰는 데 특화된 트랜스포머(Transformer) 기반의 LLM이, 소셜 네트워크 분석(SNA)과 같은 복잡한 그래프 연산을 자체적으로 수행할 수 있는가?’하는 질문을 해볼 수 있습니다.
먼저 결론부터 말씀드리면,
현재 LLM은 질적인 비정형 텍스트에서 그래프 구조를 추출하고 이를 의미론적으로 설명하는 데에는 탁월하지만,
그래프의 위상학적 구조를 머릿속으로 계산하여
최단 경로를 찾거나 복잡한 커뮤니티를 수학적으로 분리하는 연산에서는
한계를 드러낸다고 합니다.
즉, LLM이 언어 기반의 설명과 해석에는 매우 강하지만, 소셜 네트워크 분석에서 요구되는 본격적인 그래프 계산까지 완전히 대체할 수 있는 것은 아니라는 뜻입니다.
최근 여러 연구에서 LLM이 그래프 연산 과제에서 어떤 부분에 강점을 보이고, 또 어떤 지점에서 한계를 드러내는지를 구체적으로 분석했습니다.