- 한국청정기술학회(9/25)에서 발표한 내용입니다.
- 연구를 하는 입장에서 최근의 생성 AI들 도움을 많이 받고 있습니다.
- 특히 최근 자체 제작한 GPTs의 도움을 많이 받고 있어 해당 내용을 중심으로 담았습니다.
1. Overview
GPT를 비롯한 생성 AI는 다양한 재능을 가지고 있습니다.
흔히 아는 대화와 코딩 외에도 이미지도 읽을 수 있고, 코드 실행도 할 수 있죠.
그리고 이러한 재능들을 조합하는 방식에 따라 다양한 응용 서비스를 만들 수 있습니다.
기술의 장벽이 낮아지는 만큼 아이디어를 실현하기 좋습니다.
욕망이 구체적이고 아이디어가 구체적인 분들일수록 할 수 있는 것이 많아집니다.
생성 AI는 만능이 아닙니다.
모든 사물이 그렇듯 작동 원리에 따른 기능과 한계, 특성이 있습니다.
이를 분명히 인지하지 못하면 답변을 오해하기 너무 쉽습니다.
위 그림에서 취소선이 그어지는 이유는 글을 하고보니 틀린 말이라 그은 것이 아닙니다.
markdown 방식으로 출력을 하다보니 물결무늬(~)로 감싸진 부분이 취소선이 된 것입니다.
제 다른 강의가 그렇듯, 프롬프트 엔지니어링은 강조하지 않습니다.
조직문화, 리더십을 다룬 책들 중에서 업무지시 방법을 보시면 됩니다.
자료와 결과물의 형식, 업무 범위와 한계를 명확히 지시하면 지시한 만큼 답을 받습니다.
markdown 문법을 쓰는 아주 약간을 제외하고는 그저 상식입니다.
2. 생성 AI 현황
GPTs: 플랏봇
informationisbeautiful: The Rise of Generative A.I. Large Language Models (LLMs)
- 생성 AI의 발전이 너무 빠릅니다.
- 지금 당장 ChatGPT가 뭘 할 수 있는지에 대한 이야기도 중요하지만
- 어떤 흐름으로 가고 있다는 말씀을 드릴 필요가 있다고 생각했습니다.
- 그림은 플랏봇이 그려줬습니다.
- 저는 informationisbeautiful에서 데이터를 받아 주고 어떻게 그리라고 지시만 했어요.
- 위 세 그림은 같은 데이터를 다른 방식으로 표현한 것입니다.
- 마지막 그림에서는 model owner별 특징이 잘 드러나는데요,
- Google과 OpenAI가 대형 모델에서 힘싸움을 하는 사이,
- Meta가 오픈 소스로 판을 흔들고
- Microsoft와 Mistral AI가 소형 모델에 집중하는 모습이 잘 드러납니다.
- 생성 AI의 한계를 극복하기 위해 다른 기능들을 적극적으로 결합하는 추세입니다.
- 색과 모양이 서로 다른 레고블럭을 모아 큰 모형을 만들듯,
- 모델 하나만 사용하기보다 개성이 강한 여러 모델들을 묶어 나의 문제를 해결해보면 어떨까요?
- 위 그림에 있는 모든 것들을 다 할 필요는 없습니다.
- 자료 검색을 열심히 하고 AI는 이걸 묶기만 해도 됩니다.
- perplexity가 이렇습니다.
- 로봇으로 실험하고, 새 데이터를 분석하고, 과거와 비교하면 연구원입니다.
- coscientist류의 자율화 실험실(autonomous lab)이 됩니다.
- 사람-컴퓨터 사이, 또는 AI 모델 사이의 대화와 업무 감독을 맡길 수도 있습니다.
- 인공지능 모델들을 활용해 새로운 약이나 소재를 개발합니다.
- KAIST 김지한 교수님 연구실을 비롯한 화학 분야에서 이런 접근이 활발합니다.
- 자료를 대상으로 답변을 시키는 한편, 자료와 대조를 해서 보여주게 할 수 있습니다.
- 논문을 보면서 질답을 하는 copilot, scispace가 이렇습니다.
3. 효율적 업무효율화
- 시중에 좋은 도구가 많이 나와있습니다.
- 저도 감사하는 마음으로 여러 모델과 도구를 구독하며 사용하고 있습니다.
- 그러나 오래 쓰며 익숙해지다 보면 아쉬운 구석이 눈에 띕니다.
- 돈도 없고 시간도 없는 우리지만, GPT를 영리하게 쓰는 것 만으로도 아쉬움을 달랠 수 있습니다.있습니다.
질문을 구체적으로 합시다.
요약해줘 대신 방법론이 뭐야?가 더 좋습니다.
답변 형식을 마크다운으로 지정한다면 더 좋습니다.
답변 정리에 드는 시간이 줄어듭니다.
GPTs를 만들면 프로그램 개발과 비슷한 효과를 얻을 수 있습니다.
프롬프트만 넣어도 의도를 반영할 수 있지만 세밀한 내용까지 100% 를 기대하기 어렵습니다.
출력 문서의 서식 제어는 파이썬 코드의 힘을 빌립니다.
wheel file을 만들어서 knowledge에 박아넣으면 됩니다.
- GPTs는 외롭지 않습니다.
- 하나의 GPTs를 불러 일을 하다가도 다른 GPTs를 부르면 뛰어와 도와줍니다.
- 여러 GPT들의 힘을 합쳐 미션을 해결합시다.
4. 결언
- 여러분들이 저녁식사를 준비하러 마트에 간다고 생각합시다.
- 순두부찌개를 만들 때와 스파게티를 만들 때 사는 재료가 완전히 다를 겁니다.
- AI 접근도 마찬가지입니다.
- 해결하고 싶은 문제에 따라 사용할 AI 도구가 달라집니다.
많은 분들이 AI를 전지전능으로 생각합니다.
세상은 AI로 인해 바뀌고 있고, AI를 배우지 않으면 안되고, AI를 배우면 내 자리가 보전되고 문제가 해결될 줄 압니다.
거꾸로 AI가 잘났다고 해도 자신은 AI보다 뛰어나다고 생각하는 이들도 있습니다.
AI가 아무리 잘나봐야 실제 세상에서 수십년간 산전수전을 겪은 자신을 대체하지 못할 거라고 생각합니다.
두 부류 다 맞고 두 부류 다 틀렸습니다.
AI는 모두를 대체할 수 없습니다. 그러나 거의 모든 일의 일부분을 대체할 수 있습니다.
그리고 여기 동원되는 AI는 각자의 일마다, 각자의 환경마다 다릅니다.
ChatGPT를 배우겠다는 것은 좋습니다.
그러나 그 이유는 ChatGPT를 배우면 나의 괴로움을 덜 수 있어서여야지,
요즘 세상에 ChatGPT 안 배우면 안 된다니까여서는 곤란합니다.
내가 필요한 기능을 제공할 수 있는 AI를 배워서 사용해야 합니다.
이런 말씀을 드릴 수 있는 기회를 주신 한국청정학회와 인하대 조강희 교수님께 감사를 드립니다.
강의자료는 누구나 내려받아 보실 수 있습니다.
자료를 활용하실 때는 출처를 본 글의 주소로 명기바랍니다.
