AI 활용을 위한 새로운 접근법 'Lazy Prompting'
앤드류 응(Andrew Ng)은 최근 "lazy prompting"이라는 기법이 AI 활용에 효율적일 수 있다고 언급했다. Lazy prompting이란 대형 언어 모델(Large Language Models, LLM)에 최소한의 컨텍스트만 제공하며 명령을 내리는 방식을 의미한다. 일반적으로는 AI에게 구체적인 컨텍스트와 상세한 명령을 제공하라는 조언이 많다. 그러나 응은 특정 상황에서는 lazy prompting이 더 적절할 수 있다고 강조했다.
최소한의 정보로 문제 해결 가능
응은 디버깅 과정에서의 예시를 들어 lazy prompting의 유용성을 설명했다. 개발자가 오류 메시지를 복사해 붙여넣는 방식으로 특정 명령 없이도 해결책을 찾는 경우가 그것이다. 대부분의 LLM은 명확한 지침 없이도 사용자가 문제 해결을 원한다는 것을 이해하고 적절한 오류 수정 방안을 제시할 수 있다.
이 기법을 사용하면 문제가 신속히 분석되고 해결책이 제안되며, 추가 정보를 입력할 필요가 줄어든다. 응은 이런 방식이 LLM이 충분한 맥락을 스스로 이해하고 추론할 수 있을 때 특히 효과적이라고 설명했다. 또한, 모델의 웹 인터페이스나 앱을 통해 사용자가 빠르게 반복적으로 입력해 결과를 개선할 수 있는 경우에는 이 기법이 더욱 유용하다고 덧붙였다.
Lazy Prompting의 한계와 AI 코딩의 변화
그럼에도 불구하고, lazy prompting은 모든 상황에 적합하지 않다. LLM이 정확한 답을 생성하기 위해 광범위한 맥락을 요구하거나 숨겨진 버그를 파악하는 데 어려움을 겪는 경우 이 방식은 제한적일 수 있다. 응은 이러한 한계에도 불구하고, 오늘날 AI가 인간의 코딩 방식과 소프트웨어와의 상호작용을 크게 변화시키고 있다고 언급했다.
특히 그는 "바이브 코딩(vibe coding)"이라는 새로운 트렌드를 강조하며, 자연어로 AI에게 코드를 생성하도록 지시하는 접근법이 주목받고 있다고 설명했다. 이 기술은 코드 작성 과정에서 직관적인 상호작용과 더불어 AI 활용의 새로운 가능성을 열고 있다.
출처 : BUSINESSINSIDER.com