이번 주 이론 물리학자 알렉산더 로만과 소프트웨어 엔지니어 제이콥 로만이 개발한 과학 연구 및 기타 애플리케이션을 위한 대규모 언어 모델(LLM)의 오케스트레이션을 간소화하도록 설계된 새로운 Python 프레임워크인 Orchestral AI가 Github에 공개되었습니다. VentureBeat에 따르면 Orchestral은 Anthropic 및 OpenAI와 같은 공급업체의 LangChain 및 단일 공급업체 소프트웨어 개발 키트(SDK)와 같은 복잡한 AI 생태계에 대한 보다 재현 가능하고 비용 효율적인 대안을 제공하는 것을 목표로 합니다.

이 프레임워크는 기존 AI 도구가 너무 다루기 어렵거나 너무 제한적이라고 생각하는 과학자 및 개발자들 사이에서 증가하는 우려를 해결합니다. 알렉산더 로만은 Orchestral이 다른 오케스트레이션 방법의 비동기적이고 종종 예측 불가능한 특성보다 "결정적 실행 및 디버깅 명확성"을 우선시한다고 밝혔습니다. 이러한 초점은 재현성이 가장 중요한 과학 연구에 특히 중요합니다.

Orchestral의 아키텍처는 현재 AI 환경의 많은 부분을 특징짓는 복잡성을 의도적으로 거부하는 "안티 프레임워크" 철학을 기반으로 구축되었습니다. 이 프레임워크는 AI 워크플로를 더 쉽게 이해하고 디버깅할 수 있도록 동기 작업과 유형 안전성을 강조합니다. 이러한 접근 방식은 점점 더 복잡하고 불투명해지는 AI 시스템의 추세와 대조됩니다.

LLM의 부상은 다양한 작업을 위해 이러한 모델을 효과적으로 관리하고 오케스트레이션할 수 있는 도구의 필요성을 야기했습니다. 예를 들어 LangChain은 LLM으로 구동되는 애플리케이션을 구축하기 위한 인기 있는 프레임워크로 부상했습니다. 그러나 그 복잡성은 일부 사용자, 특히 더 큰 제어 및 투명성을 요구하는 과학 분야의 사용자에게 진입 장벽이 될 수 있습니다.

단일 공급업체 SDK는 사용 편의성을 제공하지만 사용자를 특정 공급업체의 생태계에 가두어 유연성을 제한하고 잠재적으로 비용을 증가시킬 수 있습니다. Orchestral은 사용자가 단일 공급업체에 얽매이지 않고 다양한 LLM을 활용할 수 있는 공급업체에 구애받지 않는 솔루션을 제공하여 중간 지점을 제공하고자 합니다.

Orchestral의 의미는 과학 연구를 넘어 확장됩니다. AI가 사회의 다양한 측면에 더욱 통합됨에 따라 재현 가능하고 이해 가능한 AI 시스템에 대한 필요성은 더욱 커질 것입니다. 명확성과 제어를 우선시하는 Orchestral과 같은 프레임워크는 AI에 대한 신뢰와 책임성을 조성하는 데 중요한 역할을 할 수 있습니다.

Orchestral의 개발은 보다 접근하기 쉽고 투명한 AI 도구를 향한 광범위한 추세를 반영합니다. AI 기술이 발전함에 따라 복잡성이 항상 발전과 동의어는 아니라는 인식이 높아지고 있습니다. 어떤 경우에는 단순성과 제어가 더 가치 있을 수 있으며, 특히 재현성과 신뢰성이 필수적인 영역에서는 더욱 그렇습니다. 이 프레임워크는 Github에서 사용할 수 있으며 제작자는 오픈 소스 커뮤니티의 기여를 장려하고 있습니다. 다음 단계는 프레임워크의 기능을 확장하고 더 광범위한 LLM 및 과학 컴퓨팅 도구와 통합하는 것입니다.