:: 게시판
:: 이전 게시판
|
- 자유 주제로 사용할 수 있는 게시판입니다.
- 토론 게시판의 용도를 겸합니다.
통합규정 1.3 이용안내 인용"Pgr은 '명문화된 삭제규정'이 반드시 필요하지 않은 분을 환영합니다.법 없이도 사는 사람, 남에게 상처를 주지 않으면서 같이 이야기 나눌 수 있는 분이면 좋겠습니다."
25/10/01 12:41
AI데이터센터를 짓는 프로젝트에 참여하면서 듣고, 보고, 공부하면서 느낀 점이 "(내가 알던) 대학원생들이 할 일이 없어지겠구나"가 1번이고, 특정 전문직의 경우 같은 서비스를 제공함에 있어서 필요한 인력이 엄청나게 줄 수 있게꾸나가 2번 입니다.
여왕의심복님 글을 읽고 나니 그 속도가 예상한 것보다 훨씬 빠를 수 있겠구나 싶습니다. (표정이 심각해지신 분들,,, 이부분에서) AI 흐름을 막을 수는 없을 것이고, 세상이 어찌 변할 지 한편으로는 무섭네요.
25/10/01 12:45
음.. 아직 전문직의 경우 그 전공지식에 있어서 LLM의 답변은 문제가 많다고 생각하거든요. 본문은 월 200달러의 모델을 쓰고 저는 월 몇만원짜리 모델을 써서 그 차이인지 모르겠는데..
25/10/01 13:02
프롬프트를 정교하게 짜고 gpt5 프로와 제미나이 울트라 교차검증 시키면 솔직히 90퍼 이상은 다 됩니다. 그 정도만 해도 획기적으로 시간이 줄어드니까요. 사실 진짜 창의적인 작업을 제외하면 ai가 생각만큼 퍼포먼스 못보여주는 이유의 9할은 프롬 문제일 가능성이 큽니다
25/10/01 13:11
전 프롬프트는 특별하게 사용하지는 않습니다. 아직은 '해줘' 해서 한방에 해결은 안되고 업무지시하는 본인이 아주구체적이고 명확하게 해야하고, 피드백도 잘 해줘야합니다.
쓸만한 코드는 저의 경우 디버깅 포함해서 최소 프롬 50개정도는 쳐야나오네요 거의 200~300개 친경우 그 이상인 경우도 있구요.
25/10/01 13:36
어떤 부분을 코드 수정하라고 하면 꼭 다른 부분도 같이 건드려서 항상 "관련되지 않은 다른 코드 부분은 절대 건드리지 않는다."를 계속 붙여야 되더군요..
llm에게 한번 지시로 뚝딱 잘 만든 적이 없어서 코드 실행 돌려보니까 에러 나고 그 에러를 또 llm에게 보고하고 다시 llm이 고치면 또 다른 에러가 나고..를 하루종일 반복해야 겨우 쓸만한 코드 하나가 나오더군요 흑흑
25/10/01 13:48
(수정됨) 챗 gpt나 클로드의 경우는 프로젝트 만들어서 프로젝트지침으로 넣어 놓으면 프롬 넣을때마다 지시 할 필요 없습니다
어차피 1000줄만 넘어가도 한 세션에서 처리 어렵고 프로젝트 폴더에 업로드 해놓고 써야해요.
25/10/01 13:36
전 처음엔 그냥 한문장 틱 던지는 정도였는데, 이젠 환자의 배경 백그라운드 정보도 최대한 디테일하게 넣고, 내가 생각하건데 최선인 것과 그 한계점, 가능한 옵션 등도 함께 써 봅니다. 그럼 답이 나오는데, 오 멋진데? 하는 것도, 이상한데? 하는 것도 섞여 있죠. 그럼 다시 질문하고 답하고 하며 함께 만들어 갑니다.
아무 때나 편하게 질문하고 검증할 수 있는 동료가 생겼다는 느낌입니다. 정 불안하면, 제미나이 챗지피티 퍼플렉시티를 다 돌려 보기도 합니다. 확실히, 아직 답변이 문제가 많지만, 그건 대화를 추가로 이어 나가며 상당 부분 해결된다고 생각합니다. 나보다 못한 아랫사람으로도, 내가 절대적으로 숭앙할 지도교수님으로도 생각하지 말고, 함께 일하는 동료로 생각하고 질문을 던지고 의심하고 받아들이면 좋은거 같아요
25/10/01 13:40
저도 코드 만들기 전에 먼저 코드를 어떻게 만들면 좋을까? 하고 의논을 충분히 한 다음 그 이후에 지시를 내릴때 더 llm 퍼포먼스가 좋았던거 같아요.
그리고 제미나이 클로드 그록 3개가 어떤 코드는 어떤 llm이 잘 짜고, 다른 어떤 코드는 다른 어떤 llm이 잘 짤지 몰라서 다 돌려보고 서로가 서로에게 질문하고 답하게 llm의 답변을 다른 llm에게 참고용으로 주어서 서로 피드백하게 하기도 합니다. 저 나름대로 경험상 이러면 좋아서 그러고 있었는데 다른 분들도 그렇게 하고 있었군요..
25/10/01 12:47
(수정됨) 제가 하는 분야에서도 잘쓰면 과거에는 교수수준에서 해줄수 있는 자문정도를 해주기도 합니다.
여기에 글쓸때나 키보드 배틀 할때도 요긴하게 이용중이구요. 그냥 일상 사무영역에는 광범위하게 쓰고 있고... 월루가 가능한 이유기도 합니다. 전 200달러 까지는 안쓰고(딥리서치 출시되었을때 한달만 써봄) 20달러 짜리 써서 그런 아웃풋을 일상적 보지는 않지만, 잘쓰면 교수수준의 답변을 '가끔씩' 보기는 하네요. 지식 노동은 몇년안에 거의 종말 수준이 될거 같습니다. 그나마 노가다도 좀 섞여 있는 분야라 휴머노이드가 본격 상용화 되기 이전까지는 약간 더 버틸수도?
25/10/01 12:53
코호트 데이터 구축(Raw data 모으기) - 데이터 전처리 - 분석 및 논문작성 중
코호트 데이터 구축이 가장 품은 많이 들고, 시간소모적이며, 저급노동력(...) 이 하는 일이면서도 가장 리워드가 적은 것 같다고 가끔 생각을 했는데 LLM이 개발되면서 딱 저 부분이 제일 늦게 대체될 것 같습니다 데이터만 만들면 먹이는 것이 오히려 간단하니...
25/10/01 12:56
이제 ai가 없으면 일이 안돌아가지만
써서 업무가 잘 돌아가는건 또 별개인거같습니다. 천천히 ai와 같이 맞물리며 돌아갈 수 있도록 변해가야하는데, 변화가 너무 빠르다보니 실무 내에서도 사람에 따라서도 갭이 너무 큰거같아요.
25/10/01 12:57
역설적으로, 저는 오히려 시간당 순수 업무 처리량이 높으면서, 시간 투입을 잘하는 사람이 점점 더 귀해질 것 같습니다. 점점 더 질문을 잘하고, 짧은 시간에 효율적으로 일을 처리하는 사람이 필요하다고 하잖아요? 하지만 정작 시간관리를 잘하고 어떤 일에 장시간 몰입해서 진짜로 큰 결과물을 만들어낼 수 있는 사람들은 점점 줄어드는 것 같아요. 쉽게 말해서 일을 집중해서 많이 못해요.
이제 방법론을 찾는건 너무 쉬워졌습니다. 하지만 여전히 실행력 키우기는 어려워요. 좋은 툴들이 계속해서 나오고 업무 효율이 좋아질 수록, 실행력이 뛰어나고 시간관리를 잘하는 사람과 그렇지 않은 사람 간에 점점 압도적인 격차가 생길 것 같습니다. 대 쇼츠 + LLM 시대에 집중력 떨어지는 학생들을 보면 점점 더 그래보이고요. 아직은 AI 딸깍보다 (뛰어난) 인간의 문제 인식 능력 + 기획 능력이 월등하게 높지만, 이게 대체가 가능한 순간엔 그냥 주어진 일 많이 할 수 있는 사람이 장땡이죠.
25/10/01 13:03
사실관계가 중요한 부분은 아직 한참 멀었다는 생각이 들어서 저는 잘 안 쓰고 있긴 한데, 학생들이 어떻게 하면 AI를 잘 활용하게 할까는 저도 모르겠습니다. 아직까지는 무분별한 AI 활용을 어떻게 막을까하는 생각에 방점이 찍혀있긴 한데, 점점 AI가 발전하다보면 교수도 필요 없어지는 세상이 올 것 같기도 하고요. AI 모델 만들어서 제 분야에 활용하는 연구를 하고 있지만 아직 어떻게 발전할지는 짐작이 안됩니다.
25/10/01 13:03
커뮤에서 ai 더 발전하면 소설가나 뭐 그런 창의적인 직업들 일자리 잃는다 하지만 반대인 게 저 영역이 ai가 가능해지는 순간 이미 인간이 할 수 있는 일은 육체 노동 외엔 하나도 남지 않은 상태일 거라...
25/10/01 14:21
로봇 기계공학 발전속도도 llm도입과 함께 빨라진듯한데 배터리는 아직 장벽이죠
근데 공장이면 몇시간 일하다 충전소 갖 갔다가 오고해서 24시간 굴리면 인간보다 특별히 못하지는 않을듯 합니다.
25/10/01 14:42
그러게요.. 어떻게 보면... 정신노동/사무직은 시나브로 전환되지 싶은데... 육체노동은 지금은 지지부진하지만... 어떤 임계치만 넘어가면 훨씬더 급속도로 대체될듯.
25/10/01 13:51
저도 이번에 LLM관련한
진단시스템을 학회에서 발표하긴 하는데요. 이 모델 만드는 게 너무 쉬워졌습니다. 사실 석사급 이상의 대학원생도 필요없고 학부생인턴 연구원만으로도 충분합니다.
25/10/01 14:06
긍정적인 미래상: 일은 AI가 하고 재화는 인간이 나누고
부정적인 미래상: 일은 AI가 하고, 재화는 AI를 가진 사람들만 나누고, 나는 쓸모가 없고...
25/10/01 14:34
살아남을 사람은 이미 어느이상의 자본가, 그게 아니면 AI위에 올라타고 뭐라도 할 수 있는사람.
자본가는 그걸 올라타고 할 수 있는 사람을 고용이라도 하고, 부리면 되는 상황인데, 그마저 안되면... 그 외의 나머지는 .... 이라고 보긴 합니다
+ 25/10/01 15:16
모든 권력(정치/사회/경제)을 거머쥔 극소수의 지배층,
그 주변에서 축적된 자산을 바탕으로한 소수의 소비 계급 (부르주아?) 이 있고, 나머지는 혐오와 도파민으로 살아가지 않을까 싶습니다. 이미 대중은 이 체제에 순응하고 있고요.
+ 25/10/01 15:39
현실에서 놀고 먹는 건 자원의 한계 문제로 거의 불가능할 거 같지만 특이점이 오면 ai가 진짜 무한 츠쿠요미가 가능한 가상 세계 만들어주고 우리 모두 그곳에서 우리가 원하는 삶을 즐길 수도 있지 않을까 하는 망상읋 해봅니다…
25/10/01 14:04
발전 속도가 무시무시해서, "나까지는 괜찮다" 도 몇년 지나면 위험할 수도 있지 않을까요?
저도 "나까지는 괜찮다" 마인드긴 한데, 이건 적극적으로 AI를 활용해야 살아남을 수 있을 것 같긴 합니다.
25/10/01 14:29
부서 내 저희팀 3명이 하던걸 저 혼자 하고 있는데 처음에는 사람이 안구해져서 혼자 하던게 요즘은 혼자서 할 수 있어서 혼자 하고 있습니다.
아 이게 사실 제가 고용주가 아닌 상황에서 별로 좋은게 아닌데말이에요
+ 25/10/01 16:05
네 이게 툴보다는 내가 어떤 형태로 자료를 사전준비했냐와, 프롬프팅을 어떻게 하냐가 정말 중요해서 요건 경험이 좀 필요합니다. 저도 시행착오를 많이 거쳤습니다. 좀 정리해서 보내드릴께요!
+ 25/10/01 16:12
혹시 괜찮으시다면 저도 보내주셨으면 좋겠습니다. LLM 시대를 교육현장에서 맞이하는 교수자로서의 시각을 담은 정리글 감사합니다.
+ 25/10/01 15:57
(수정됨) 글 읽으면서 많은 부분에 공감하며 흥미롭게 읽었습니다.
특히 '월 200달러 정도면 교육 과정에 있는 사람보다 훨씬 뛰어난 결과물을 보여준다'는 부분이 가장 현실적으로 와 닿았습니다. 저도 처음 gpt를 사용했을때 이거 지치지않는 석사생이네? 라고 생각했었거든요 크크 그리고 혹시 200달러짜리 모델은 gpt pro구독하시는걸까요? pro와 plus랑 비교했을때, 정확히말하면 gpt 5 thinking모델이랑 비교했을때 성능차이가 어느정도로 나는지 궁금하네요. 마지막으로 [함께 토론하며 인사이트를 얻는 강의]를 만들어보려 시도하고 계신다고 하셨는데, 어떤 방식으로 진행하시는지 조금 더 자세히 여쭤봐도 될까요? 저 또한 비슷한 고민을 하고 있어 큰 도움이 될 것 같습니다.
+ 25/10/01 16:06
저는 GPT, 제미나이 모두 200불 플랜을 씁니다.
토론하며 인사이트를 얻는건 사실 좋은 표현이라기보다 그냥 모여서 오랜 기간 대화하고, 주제에 대해서 Problem based로 논의하는 겁니다. 단순 지식을 주는 강의는 이제 사전에 실라부스로 대체하고 강의실와서는 모여서 수다만 떱니다.
+ 25/10/01 15:57
저도 요즘 ChatGPT 이용하면서 PPT를 만들곤하는데 지난 회사 생활 12여년 중 온전히 PPT 제작에만 수백 어쩌면 천시간 이상 들였을텐데 이게 이제 몇 번 타이핑 딸칵이면 뽑혀져 나오니 허탈할 때가 있더군요. LLM 때문에 얼마나 많은 직업들이 갈려나갈지 허허
+ 25/10/01 16:23
저도 최근들어 제 판단을 AI에게 물어보고 내가 놓친 단점을 찾아보려고 하는데 너무 얘들이 저를 우쭈쭈만 해주는 거 같아서 아직은 잘 모르겠습니다.
최대한 조건들을 상세하게 넣어서 질문하는데 조건을 추가하면 기존 전제를 무시하는 경우도 많고요. 무료버전이라 그런가? 크크크
+ 25/10/01 16:29
분야에 따른 영향도 있을 것 같습니다.
당연히 LLM이 반복 작업은 획기적으로 절약해 줍니다. 번역에도 엄청 도움이 되고 코딩은 말할 것도 없습니다. 이런 생산성 부스팅은 엄청난 혁명이죠. 근데 보고서 수준이 아니라 진짜 거대한 백그라운드 맥락이 있는 경우, 창의적인 지식 활용과 도출, 엄밀한 검증과 같은 상황에서는 여전히 부족합니다. 실제로 제 전공 분야에서 자세한 수준으로 뭘 물어보면 틀리는 경우도 많구요. 실제로 제가 아는 분야들의 연구의 최전선, 최상위 레벨의 학술지들은 대부분 LLM만 가지고는 절대 못하는 수준의 논문을 출판합니다. 물론 영어 번역, 데이터 전처리. 코딩 등 백그라운드 작업의 생산성 향상은 있지만 이건 그냥 원래 "학술 교육"과는 관계 없는 부분의 대체 가능성이고, 진짜 "학술 작업"의 영역은 적어도 연구의 최전선에서는 대체되지 못하고 있는 걸로 느껴집니다.
|