대규모 언어 모델이 오래전부터 알고 있었지만 말로 명확히 적어내지 못했던 생각을 문장으로 만들어 주면서, 언어를 통해 사고를 점검·정교화하는 루프가 어떻게 생기는지에 대한 글.
결과 없음
Vallified 소프트웨어 엔지니어링, 분산 시스템, 데이터베이스, 그리고 그것을 만드는 팀들
검색
Vallified 소프트웨어 엔지니어링, 분산 시스템, 데이터베이스, 그리고 그것을 만드는 팀들
메뉴
Philip O'Toole
대규모 언어 모델을 사용하면서, 다른 어떤 것보다도 한 가지 측면에서 놀랐고 또 즐기고 있다.
이 모델들은 내가 오래전부터 이해하고는 있었지만, 글로는 명확하게 적어내지 못했던 것들을 종종 말로 풀어낸다. 그런 일이 벌어지면, 뭔가 새로운 것을 배우는 느낌이라기보다 ‘인정(Recognition)’에 가깝다. 일종의 “아, 맞아” 하는 순간.
이 효과가 많이 논의되는 것을 본 적은 없다. 그리고 이게 내가 생각하는 방식도 개선해 주었다고 생각한다.
내 일을 예로 들어 보자. 프로그래머와 개발자로서 우리는 명시적으로 드러나지 않는 이해를 많이 쌓아 간다.
왜 그런지 말로 하기 전부터 설계가 잘못됐다는 걸 안다. 재현하기도 전에 버그의 기운을 느낀다. 나쁜 추상화를 보는 즉시 알아차리지만, 그 문제를 다른 사람에게 설명하는 데는 한 시간이 걸리기도 한다.
이건 실패가 아니다. 경험이 작동하는 방식이다. 뇌는 경험을 행동에 효율적인 패턴으로 압축하지, 말하기에 효율적인 패턴으로 압축하지 않는다. 그 패턴들은 वास्तविक(real)하지만, 문장 형태로 저장되어 있지는 않다.
문제는, 성찰과 계획과 교육은 모두 언어를 필요로 한다는 점이다. 어떤 생각을 표현할 수 없다면, 그것을 쉽게 검토할 수도 없고, 쉽게 공유할 수도 없다.
대규모 언어 모델은 정확히 이런 일을 하도록 만들어졌다. 즉, 희미한 구조를 말로 바꾸는 일.
내게 반쯤은 자명하지만, 왜 그런지는 확신하지 못하는 어떤 것—나는 참이라고 믿지만 이유를 잘 설명 못하는 것—에 대해 질문하면, 모델은 하나의 정식화된 설명을 내놓는다. 그것이 왜 참일 수 있는지에 대한 각각의 이유를 단계적으로 짚어 준다. 각 포인트는 앞선 포인트와 서로 직교(orthogonal)하기 때문에, 내가 모델이 제시한 논거들을 바꿔 끼우고, 교환하고, 재정렬할 수 있다.
LLM이 어떤 아이디어를 문장으로 적어 주면, 나는 그다음 그것을 머릿속에서 가지고 놀 수 있다.
모호한 직감은 이름 붙일 수 있는 구분으로 바뀌고, 내 암묵적 가정이 눈에 보이기 시작한다. 그 시점이 되면 나는 그것들을 시험해 보거나, 버리거나, 다듬을 수 있다.
물론 이런 일은 새로운 게 아니다. 글쓰기는 예전부터 내게 이런 역할을 해 왔다. 다른 점은 속도다. 나는 반쯤 형성된 생각을 탐색하고, 형편없는 설명을 버리고, 다시 시도할 수 있다. 그러면 원래는 건너뛰었을지도 모를 방식의 사고를 하게 된다.
시간이 지나면서 나는 이제 LLM이 옆에 없어도 이런 일을 한다는 것을 알아차렸다. “내가 지금 무엇을, 왜 생각하고 느끼고 믿고 있는지”를 “정확한 언어로 표현할 수 있는가?”
그 의미에서 모델이 내 사고를 직접적으로 개선하는 것은 아니다. 모델은 내가 언어를 사용하는 방식을 개선하고, 내 내적 독백(internal monologue)의 효율을 높인다. 그리고 추론은 무엇을 명시적으로 표상할 수 있는지에 크게 의존하기 때문에, 이런 개선은 실제로 명료함이 증가한 것처럼 느껴질 수 있다.
이 일을 더 많이 할수록, 내가 실제로 무엇을 생각하는지 더 잘 알아차리게 된다.
태그
aiawsbleve서평C++cassandrachatgptcloudconferencedatabasedesigndistributed systemsdockerec2ekaniteelasticsearchgogooglehashicorpinfluxdbjavakafkakuberneteslaptopleadershiplinuxlogsmeetupsnode.jsopen-sourceoperationspercolatepodcastprogrammingpythonqualityraftrqlitesearchspeakingsqlitestormsyslogvideowhitepaper
이메일 주소는 공개되지 않습니다. 필수 항목에는 표시가 되어 있습니다 *
이름 *****
이메일 *****
웹사이트
댓글 추가*****
댓글 게시
Δ
Copyright © 2025 Philip O'Toole
