Page History
| Widget Connector | ||
|---|---|---|
|
| Table of Contents |
|---|
...
요약
LLM, 웹의 등장만큼 혁신적인 변화일까?
지금 우리는 대형 언어 모델(LLM)이라는 새로운 기술의 엄청난 변화 속에서 살고 있어요 . 이 변화는 마치 90년대 후반 웹이 처음 등장했을 때처럼 느껴져요 . 그때는 웹이 엔터프라이즈 소프트웨어에 큰 영향을 주지 않을 거라 생각했지만, 결국 웹이 모든 것이 되었죠 . LLM의 발전 속도도 웹처럼 점점 빨라지고 있답니다 . 이런 변화 속에서 소프트웨어 개발은 10년 안에 지금과는 매우 달라질 거예요 .
...
LLM 시대, 어떤 미래가 기다릴까? (세 가지 시나리오)
시나리오 | 핵심 내용 | 개발자 준비 필요성 |
종말 시나리오 | AI가 인류를 지배하거나 멸망시킬 가능성 | 우리의 노력과 상관없이 결과는 같을 것 |
정체 시나리오 | LLM의 발전이 현재 수준에서 크게 나아가지 않음 | 지금 도구만으로도 멋진 일 가능, 준비 안 해도 괜찮음 |
소프트웨어 혁명 시나리오 | LLM이 소프트웨어 개발 방식을 혁신적으로 변화시키지만, 인간 개발자는 여전히 필요함 | 지금 공부하는 것이 중요, 새로운 기회를 잡을 수 있음 |
LLM 발전에는 여러 미래가 예상되지만, 크게 세 가지 시나리오를 생각해 볼 수 있어요 .
...
저는 해적 게임 대신 경찰 심문 게임을 만들어봤어요 .
이 게임에서는 목격자에게 질문하고, LLM이 그 질문이 얼마나 '위협적인지' 숫자로 평가해줘요 .
그 숫자를 가지고 게임의 다른 규칙들이 다음 상황을 결정하죠 .
이처럼 LLM은 특정 기능을 수행하고, 나머지 게임 로직은 기존 소프트웨어로 만드는 방식이에요 .
LLM의 예측 불가능한 부분과 기존 소프트웨어의 정확한 부분을 잘 조합하는 거죠 .
Retrieval-Augmented Generation (RAG)이라는 기술도 있어요 .
이건 LLM이 답변을 만들 때, 가지고 있는 지식 외에 외부 자료(문서, 웹 검색 결과 등)를 참고하게 하는 거예요 .
마치 스마트폰으로 검색해서 정보를 얻고, 그 정보를 바탕으로 답변하는 것과 같아요 .
이 기술은 LLM이 자신의 학습 데이터 외의 정보에 기반하여 답변하게 하는 데 유용하답니다 .
LLM의 내면 들여다보기: 파인튜닝의 기초
개념 | 설명 | 특징/장점 | 활용 사례 |
파인튜닝 (Fine-tuning) | 이미 학습된 LLM의 내부를 특정 목적에 맞게 수정하는 과정 | • 처음부터 모델을 만드는 것보다 효율적 | • 사용자 의도 분류 (예: 정보 요청, 행동 요청) |
기반 모델 (Base Model) | 파인튜닝의 시작점으로 사용되는, 이미 많은 지식을 학습한 대규모 언어 모델 | • 세상의 다양한 개념 및 관계에 대한 일반적인 지식 보유 | N/A |
LLM의 내부를 살짝 바꿔서 내가 원하는 일을 더 잘하게 만드는 것을 '파인튜닝(Fine-tuning)'이라고 해요 . 이건 처음부터 모델을 만드는 것과는 달라요.
...
가장 중요한 것은 '배우고, 배우고, 또 배우는 것'입니다 .
지금 배우는 것이 나중에 쓸모없어질 수도 있지만 , 끊임없이 새로운 것을 익히려는 자세가 중요해요 .
마치 웹 초창기에 여러 기술을 배웠다가 사라진 것처럼요 .
그리고 직접 '실험'하고 '경험'하는 것이 아주 값지답니다 .
혼자만 알지 말고, 커뮤니티와 '공유'하세요 .
개인이 할 수 있는 것보다 커뮤니티 전체가 함께 배우고 성장하는 힘이 훨씬 크기 때문이에요 .
마지막으로, '모른다는 것을 편하게 받아들이는 것'도 중요해요 .
무조건 강한 의견을 가지기보다 "나는 모르지만, 어떤 변화든 준비하겠다"는 자세가 더 좋답니다 .
지금은 웹 초창기처럼 엄청나게 흥미진진한 시기예요 . 이 기회를 놓치지 마세요!
대형 언어 모델(LLM)의 현재와 미래에 대한 에릭 에반스의 견해는?
LLM은 웹의 등장과 같이 소프트웨어 개발에 큰 변화를 가져올 것이며, 기존 소프트웨어와 LLM 컴포넌트를 결합하는 방식이 가까운 미래에 유용할 것이라고 생각합니다.
...