영상 보기

비디오 제목

요약

이번 내용은 AI와 대규모 언어 모델(LLM)이 코딩 및 개발자 역할에 미치는 영향, 그리고 현재의 한계와 미래 전망에 대한 논의이다.

  • 대규모 언어 모델(LLM)과 코딩의 미래:
    • LLM은 기존 자연어 처리(NLP) 솔루션과 달리 단일 모델로 다양한 NLP 작업을 수행할 수 있으며, 수 테라바이트의 레이블 없는 데이터로 학습된 기초 모델이다.
    • 현재의 구조화된 프로그래밍 언어는 LLM에 비적합하며, 미래에는 자동 회귀(auto-regressive) 방식으로 한 줄씩 진화하는 새로운 프로그래밍 언어가 등장할 수 있다고 예상된다. 이는 토큰 사용량을 대폭 줄일 것이다. => 이 인사이트는 염두해 둬야 하는, 어쩌면 개선해야할 AI 영역일 것임.
    • LLM은 언어를 ‘이해’하는 것이 아니라 학습된 패턴을 기반으로 다음에 올 가장 확률 높은 토큰을 예측하는 정교한 수학적 함수이며, 트랜스포머 아키텍처와 어텐션 메커니즘을 사용한다.
  • 개발자의 역할 변화와 비즈니스 영향:
    • 먼 미래에는 개발자 직업이 사라질 수 있다는 예측에 동의하며, 5년 이내에도 개발 인력이 크게 줄어들 수 있다고 보았다.
    • LLM은 개발자의 생산성을 10배 이상 향상시켜, 개발자가 기획보다 빠르게 결과물을 내놓는 시대로 전환시키고 있다.
    • 코딩은 상품화를 위한 중간 과정이며, AI를 통해 대체 가능한 부분으로 여겨진다.
    • 앞으로는 큰 도메인 지식을 갖춘 ‘빅픽처 전문가’ 또는 ‘프로덕트 엔지니어’가 중요해질 것이며, AI에게 명확한 요구사항을 전달하는 능력이 핵심이다.
    • 비개발자들도 코딩에 참여하는 개발의 ‘민주화’ 현상이 나타나고 있다.
    • 인간과 기술은 공존해야 하며, AI를 받아들이고 경험하는 정도가 개인의 대체 여부를 결정하는 중요한 요소이다.
  • 바이브 코딩의 실제 적용과 한계:
    • 바이브 코딩은 빠르게 데모를 만들고 결과물을 검증하는 데 효과적이다.
    • 그러나 보안이 매우 취약할 수 있어 금융 등 중요한 분야에서는 도입에 거부감이 크다.
    • 큰 범위의 프로젝트에는 아직 적용하기 어렵다.
    • AI가 생성한 코드는 방대하여 인간이 리뷰하기 어렵고, AI 생성 코드에 대한 신뢰도가 아직 높지 않다.
    • LLM의 한계로 인해 복잡한 문제 해결 시에는 인간이 직접 고치는 것이 더 빠르다.
    • LLM은 학습된 지식 내에서만 작동하며 메타인지 능력이 부족하여 새로운 지식에 대한 업데이트나 함수 생성에 어려움이 있다.
    • 정확한 결과물을 얻기 위해서는 요구사항을 아주 세분화하여 명확하게 설계하고, 테스트를 잘 작성하는 능력이 중요해졌다.
    • 생성된 코드를 다시 설계 문서 등으로 ‘리버스 엔지니어링’하여 저장하고 관리하는 방식이 활용될 수 있다.
    • 사용자는 ‘프롬프트 문해력’을 길러야 하며, 생성된 결과를 올바르게 이해하고 검증해야 한다. => 결국 프롬프트 문해력이란것이 무엇인가? 프롬프트를 잘 작성한다는 게 무엇인가? 를 이해해야 한다.
  • 결론 및 시사점:
    • LLM 시대에는 인간의 도메인 지식과 노하우, 그리고 비판적 사고가 더욱 중요해지며, LLM의 명확한 한계를 인지하고 이를 보완하는 것이 필요하다.
    • 개개인은 ‘언어의 경계가 곧 세계의 경계’라는 철학자의 말처럼, 어떤 언어(프롬프트)를 구사하느냐에 따라 자신의 가능성이 달라지므로, 무한히 도전해 볼 것이 권장된다.

내 생각 정리

Gemini 의 성능을 약간 보여주는 화 같아서(물론 그래도 잘 만들긴 하더라 ㅋㅋ), 핵심적인 내용들, 개발자로 가져야 하는 태도에 대해 다시 한번 생각해본 시간이었다.

여전히 한계로 지적되는 부분, 즉 구조적으로 현 AI 는 코딩을 하기에 효율적인 도구가 아니고, ‘효율적인 척’ 하면서 GPU 를 녹이고 있다는 사실을 다시 한 번 강조했다.

생각해보면 그정도로 자기 회귀적으로 진행되는 구조로 가는 건 어쩌면 모든 점에서 더 나을 건데, 과연 그런 형태의 예측이나, 알고리즘 개선이 되는지는 잘 모르겠다는 생각이 든다. (수알못이라…)

어쨌든 모델의 개선도 지속적으로 이루어지고 있으니, 어쩌면 그러한 부분까지 언젠가는 개선이 되지 않을까 하는 생각은 해본다. 메타가 거의 백억단위 연봉을 주며 개발자를 데려가고 AGI 그 이상의 초 인공지능을 만들겠다고 하니, 결국 AI 는 양과 질의 향상이 계속 될 것은 맞고, 그런걸 실현 가능한 사람이 되는게 1티어 급 인사가 되는 길이 아닐까?

어쨌든, 일단 현 개발자라는 차원에서 본다면 사용 방법에 대해, 내 방법이 틀린게 아니었구나 ~ 하는 생각이 들었다.

무조건 맡기는 식으론 매우 위험하고, MVP 그 이상으로 빠르게 구현이 되지만 보안의 문제는 확실하게 존재한다. 더불어 회사가 그걸 용인해주는 곳인가? 여러 면에서 편리함, 효용성에 +로 고려할 것을 미리미리 고려하는 것은 매우 중요한 부분이라고 생각된다.

어쩌면 나만의 검증 절차를 AI 로 체계화 하는 것, 그리고 그걸 내 작업 루틴에 넣는 것이 포함되면 좋지 않을까? 하는 생각을 하게 된다. 그리고 그걸 종합해서 적절하게 코드 리포트 형태로 만든다거나 하는 것도 괜찮지 않을까?