생성형AI (1일차) [KT 에이블스쿨] 2025.04.18(금)

2025.04.18 (금)

 

 

 

오늘은 첫 미니프로젝트가 끝나도 다시 수업을 돌아가는 날입니다 ! 

이게 첫 미니 프로젝트이면서, AICE 시험을 대비하는 과정도 함께 추가가 되니 상당히 양이 많았습니다.

지난 기수 후기를 보니까 7차까지 있던데, 팀원들과 이야기하다가 이걸 7번이나.. 했다는... ㅇ.ㅇ...

 

그래도 ! 

이 과정들을 지나면 내가 더 성장했을 거라는 뜻이기에 한 편으론 오히려 좋기도 하네요 :)

 

오늘은 드디어 새로운 AI 파트를 나가는 날입니다. 

대학 다니면서 누구나 한 번은 써보고, 한 번은 들어봤을 [생성형AI] 시간입니다.

저도 오늘 수업을 들으면서 굉장히 익숙한 내용도 있었고, 알고 있는 내용도 있었지만 

분명 오늘 수업이 도움된 것은 맞는거 같습니다.

 

그 첫 번째로 프롬프트 엔지니어링에 대한 이야기 시작하겠습니다 !

 

 

---

 

1. 프롬프트 엔지니어링 작성 가이드

 

○ 자연어처리(Natural Language Processing, NLP)

  : 컴퓨터가 인간의 언어(자연서)를 이해하고 처리할 수 있도록 하는 인공지능(AI) 기술

    → 나아가 문장, 단어 데이터를 분석하고 해석하여 의미를 이해하거나 새로운 텍스트를 생성하는 기술

 

1) 자연어처리 주요 기능

① 텍스트 처리 : 형태소 분석, 토큰화, 품사 태깅

② 텍스트 변환 : 기계 번역, 문서 욕약, 텍스트 생성

③ 음성 인식 : AI 스피커, 음성 명령 시스템

④ 감성 분석 : SNS 감정 분석, 리뷰 평가 분석

 

○ 언어 모델(Language Model)

  : 주어진 문장에서 다음 단어를 예측하거나 문장의 확률을 계산하는 모델

    → NLP의 하위 개념으로, 텍스트 기반으로 문맥을 예측하고 자연어를 생성하는 역할

 

1) 언어 모델 주요 기능

① 단어 예측 및 생성 

② 문장 생성

③ 텍스트 이해 및 변환

 

2) 대표적인 언어 모델

① GPT(Generative Pre-trained Transformer) 시리즈 - OpenAI

    → Transformer 기반 생성형 언어 모델

② BERT(Bidirectional Encoder Representations from Transformers) - Google

    → 문맥 이해 및 문서 처리, 구글 검색 엔진 개선

③ T5(Text-to-Text Transfer Transformer) - Google

    → 다목적 자연어 처리 모델

 

○ 거대 언어 모델(Large Language Model. LLM)

  : 대규모 데이터와 수십억 개 이상의 매개변수를 학습하여 인간 수준의 자연어 이해와 생성을 수행하는 AI 모델

    → 기존 언어 모델에 비해 더 깊은 문맥 이해, 창의적 응답 생성, 다양한 응용 가능성을 갖춤

 

1) 거대 언어 모델 특징

① 대규모 매개변수

② 광범위한 사전 학습

③ 일반화 능력

 

2) 거대 언어 모델 주요 기능

  →  자연어 이해, 텍스트 생성, 대화형 AI, 정보 검색 및 요약, 기계 번역, 감성 분석, 코드 생성, 도메인 특화 AI

 

3) 거대 언어 모델 발전 방향

  → 멀티모달 AI, 맞춤형 AI, 더 효율적인 모델

 

4) 거대 언어 모델 예시 

  → ChatGPT(OpenAI), Gemini(Google), Claude(Authropic), Preplexity AI

 

5) 거대 언어 모델 역사 주요사항

  → (2017) Transformer 모델 발표

  → (2020) ChatGPT-3 발표 

 

○ RLHF(Reinforcement Learning by Human Feedback)

  : 인간의 피드백을 활용하여 AI 모델을 최적화 하는 학습 방법 (초기 GPT의 학습 방법)

 

○ 프롬프트 엔지니어링 (Prompt Engineering)

  : 다양한 애플리케이션과 연구 분야에서 언어 모델을 최적화하려 활용하기 위한 기술

    → 자연어처리와 생성적 디자인 모델 등에 특정 입력(프롬프트)을 제공하여 원하는 출력을 유도하는 기술

 

1) 프롬프트 엔지니어링이 필요한 이유

① 정확한 응답 유도

② 효율적인 AI 활용 및 자동화

③ 모델의 한계 극복 및 성능 향상

④ 비용 절감 및 최적화

⑤ 창의적이고 맞춤형 응용 가능

 

2) 프롬프트 엔지니어링의 목적 

① 궁극적 목적 - 사용자 의도에 부함하는 만족도 높은 답변을 얻는 것

② 기술적 목적 - 언어 모델의 추론 영역을 축소시키는 것 (범용 전문가에서 특정 전문가로 전환)

 

3) 프롬프트 엔지니어링 과정

① 역할 놀이(Role Playing) : 사용자는 연출자이며, 사용자와 AI에게 특정 역할을 부여

    → AI의 관점 조절 가능, 더 전문적인 응답, 창의적 결과 도출 

② 적절한 예시 제시(Few-Shot Prompting) : 인공지능이 원하는 방식으로 응답하도록 유도하기 위해, 몇 가지 예시를 제공

    → 너무 예시만 나열하지말고 패턴을 제시, 원하는 스타일을 구체적으로 명시

③ 목적을 분명히, 배경은 자세히 설명

④ 사고의 연결고리(Chain-of-Thought, CoT) : 인간이 사고하는 과정과 유사한 추론 과정을 거치는 것

 

2. LLM을 이용한 아이디에이션

 

○ 아이디에이션(Ideation)

  :새로운 아이디어를 창출하고 발전시키는 과정

 

1) 아이디에이션 특정

  → 창의적 사고 과정, 다양한 아이디어 생성, 팀 협업 중심

 

2) 아이디에이션 중요성

  → 문제 해결 능력 향상, 조직의 경쟁력 강화

 

3) LLM을 활용한 아이디에이션 절차 

① 목적과 맥락을 바탕으로 Prompt 구성

② First Prompt를 통해 키워드 도출

  → 너무 완벽하게 만들려 하지 말고, 아이디에이션의 시작이라 생각하고 점차 구체화시키고자 해야 함

③ AI 답변을 바탕으로 추가 질문 생성

   → (왜/어떻게/무엇을)과 같은 심층 질문을 활용하여 제시된 응답 구체화

④ 꼬리물기 질의를 통해 아이디어 확장

⑤ Second Prompt 재구성 및 반복 실행

  → 질문 의도 구체화, 필요한 추가 정보 제공

 

3. LLM을 이용한 엑셀활용

→ 엑셀 함수를 모두 이용하려고 하지 말고, 나에게 필요한 기능을 자세히 설명

→ 데이터의 위치와 범위까지 정확하게 설명하고, 기능 프로세스를 자세히 설명

→ 자세히 설명하고자 하는 부분을 중괄호{}를 이용하여 추가 설명 작성

→ 엑셀 파일로 반환 받고 싶을 때는, 원본 폴더를 입력하고 결과를 출력해달라고 제시

 

 

---

 

 

오늘 이렇게 생성형 AI의 이해와 역사, 그리고 몇 가지 AI들의 사용법까지 알아봤습니다 ! 

이전에는 당연하다고 여겨졌던 내용들이 Prompt Engineering이란 이름으로 구체화되니 훨씬 사용하기 편리해진 듯 합니다.

 

돌아오는 수업 시간에는 이제 매크로와 VBA를 생성하는 명령과 LLM을 이용한 데이터 분석을 배우게 됩니다.

개인적 생성형 AI를 활용한 데이터 분석이 매우 기대가 됩니다 ! 

 

 

다음주 수업을 위해 오늘, 주말도 푹 쉬고 뵙겠습니다 !

사실 AICE asso. 시험 준비해야해서 못 쉴거 같은건 안비밀... ㅡㅅㅡ ;;a

 

그래도 오늘도 고생하셨습니다 !