환경영향평가에서의 거대언어모델(LLM)

환경영향평가 분야에서의 거대언어모델(LLM) 도입 동향을 심층적으로 다룬다. 미국 PNNL의 PermitAI 이니셔티브, NEPAQuAD·MAPLE 등 전용 벤치마크, 그리고 최근 동료심사 연구들을 종합하여, LLM이 환경평가 실무와 정책 심사에 기여할 수 있는 지점과 남은 한계를 검토한다.

주요 내용

PermitAI (PNNL) — 미 에너지부 산하 Pacific Northwest National Laboratory가 주도하는 허가 심사 AI 이니셔티브의 범위, 기술 스택, 그리고 초기 결과를 개관한다.
전용 벤치마크 — NEPAQuAD와 MAPLE 등 환경영향평가 맥락에서 LLM의 이해·요약·검색 능력을 측정하는 벤치마크의 구성과 결과를 정리한다.
동료심사 연구 종합 — 2024–2026 기간의 최근 연구에서 확인된 LLM의 성능 수준, 도메인 적응 전략, 신뢰성 평가 방법을 요약한다.
제도적 시사점 — 한국 환경영향평가 제도에 LLM을 도입할 때 고려해야 할 데이터 공개, 설명 가능성, 검증 체계의 요건을 논의한다.

대상

환경영향평가 연구자 및 실무자, 공공 부문 AI 도입 담당자, 환경 분야 LLM 응용에 관심이 있는 연구자를 주요 청중으로 상정한다.