접지(grounding)는 인공지능에서 시스템이 사용하는 기호, 단어, 또는 표상을 실제 세계의 지시 대상, 감각 경험, 또는 검증 가능한 외부 사실과 연결하는 것을 의미하며, 단지 시스템 내부의 다른 기호들만을 가리키도록 두지 않는 것을 말한다. 이 문제는 인지과학자 스티븐 하르나드(Stevan Harnad)가 1990년 논문에서 "기호 접지 문제(symbol grounding problem)"로 공식화했는데, 이 논문은 순수하게 기호를 조작하는 시스템이 어떻게 그 기호들이 무언가를 의미하게 할 수 있는지, 즉 단지 구문 규칙에 따라 무의미한 토큰을 뒤섞는 것에 그치지 않게 할 수 있는지에 대해 질문했다.
이 질문은 대규모 언어 모델의 등장과 함께 새롭게 절실해졌는데, 이러한 모델은 순전히 텍스트의 패턴만으로 훈련되며 자신이 묘사하는 세계와 직접적인 감각적 접촉이 없기 때문이다. 이는 유창하지만 잠재적으로 무의미한 출력을 생성하는 모델에 대한 확률적 앵무새 비판과 밀접하게 관련된 우려다.
공학적 문제로서의 접지
실제로 모델 출력을 "접지"하는 것은 업계 용어가 되었으며, 이는 순수하게 매개변수적 기억에 의존하는 대신 답변을 검증 가능한 외부 출처로 제한하는 것을 의미한다. 가장 일반적으로는 검색 증강 생성을 통해 이루어지며, 여기서 검색된 문서를 인용하거나 인용구로 사용하여 환각을 줄인다. 검색이 강화된 어시스턴트와 기업용 챗봇은 출력이 특정 검색된 구절로 추적 가능할 때 "접지된" 답변을 생성한다고 흔히 설명되며, 이는 모델의 훈련 데이터에서 순수하게 도출된 제약 없는 생성과 대조된다.
구현 및 양식성을 통한 접지
별도의 연구 전통은 진정한 접지가 물리적 세계와의 감각운동 상호작용을 요구한다고 주장하며, 이는 구현 AI와 로보틱스 분야의 연구를 촉진한다. 여기서 시스템의 표상은 텍스트를 읽는 대신 환경에 작용하고 지각함으로써 형성된다. 멀티모달 및 비전-언어 모델은 언어를 이미지, 오디오, 또는 비디오와 연결하여 표상에 최소한 지각적 닻을 제공함으로써 이 문제를 부분적으로 해결하며, 세계 모델에 대한 관련 연구는 시스템에 물리적 인과관계의 내부 예측 시뮬레이션을 부여하려고 시도한다.
지속적인 논쟁
현재의 언어 기술이 텍스트와 멀티모달 데이터만으로 진정한 접지를 달성할 수 있는지, 아니면 필연적으로 정교한 패턴 완성의 한 형태로 남을 것인지는 미해결 상태다. 일부 연구자들은 접지가 정도의 문제라고 주장하며, 검색, 도구 사용, 멀티모달 지각이 각각 문제를 완전히 해결하는 대신 부분적인 접지를 추가한다고 본다. 반면 다른 연구자들은 철학적 의미의 접지가 현재 어떤 시스템도 보유하지 못한 구현된 경험을 요구한다고 주장한다. 이 논쟁은 확률적 앵무새 비판이 제기한 질문과 가깝지만 구별되는데, 시스템이 원칙적으로 검색된 사실에 잘 접지되면서도 그 사실에 대한 더 깊은 개념적 이해는 여전히 결여할 수 있기 때문이다.