대규모 언어 모델이 프로그래밍을 종결할 것인가?

지난 주는 OpenAI에게 중요한 이정표를 맞이한 주간이었다. OpenAI DevDay에서 GPT-4 Turbo를 공개했기 때문이다. GPT-4 Turbo의 주목할 점은 128,000개의 확장된 컨텍스트 윈도우로, GPT-4의 8,000보다 훨씬 크다. 이 향상된 기능은 이전 버전보다 16배 더 많은 텍스트를 처리할 수 있으며, 약 300페이지의 텍스트에 해당한다.

이 진보는 또 다른 중요한 발전에 연결된다. SaaS 스타트업의 랜드스케이프에 미치는 잠재적인 영향이다.

OpenAI의 ChatGPT Enterprise는 고급 기능을 제공하며, ChatGPT나 그 API를 중심으로 제품과 서비스를 제공하는 많은 SaaS 스타트업에 도전을 제기한다. ChatGPT Enterprise의 제공 기능은 도메인 검증, SSO, 사용량 통계 등으로, 많은 기존 B2B 서비스와 직접 중복되며, 이러한 스타트업의 생존을 위협할 수 있다.

OpenAI의 CEO인 Sam Altman은 또 다른 주요 개발을 발표했다. GPT-4 Turbo의 지식 종료 시점을 연장한 것이다. GPT-4는 2021년까지의 정보만 가지고 있었지만, GPT-4 Turbo는 2023년 4월까지의 지식을 업데이트했으며, 이는 AI의 관련성과 적용 가능성에서 중요한 발전이다.

ChatGPT Enterprise는 강화된 보안 및 개인 정보 보호, GPT-4에 대한 고속 액세스, 더 긴 입력을 위한 확장된 컨텍스트 창 등으로 두드러진다. 고급 데이터 분석 기능, 사용자 지정 옵션, 사용량 제한 제거 등으로 이전 버전보다 우수하며, 더 긴 입력과 파일을 처리할 수 있고, 무제한으로 고급 데이터 분석 도구에 액세스할 수 있다. 예를 들어, 이전에 알려진 Code Interpreter와 같은 도구가 있다. 이는 특히 데이터 보안 문제로 인해 주저하는 비즈니스에서 특히 매력적이다.

수동으로 코드를 작성하는 시대는 AI 주도 시스템으로 대체되며, 이는 소프트웨어 개발에서 근본적인 변화를 의미한다.

프로그래밍의 단순한 작업은 곧 AI가 맡게 될 것이며, 이는 깊은 코딩 전문 지식을 필요로 하지 않게 될 것이다. GitHub의 CoPilot이나 Replit의 Ghostwriter와 같은 도구는 코딩을 지원하며, AI가 프로그래밍에서 더 확장된 역할을 할 수 있는 지표이다. 예를 들어, 특정 언어에서 리스트를逆转하는 구문법을 잊어버린 프로그래머가 있다면, CoPilot는 즉시 도움을 제공하여 프로그래머가 목표에 집중할 수 있게 한다.

로우코드에서 AI 주도 개발로의 전환

로우코드 및 노코드 도구는 프로그래밍 과정을 단순화했으며, 기본적인 코딩 블록을 자동화하고 개발자가 프로젝트의 창의적인 측면에 집중할 수 있게 했다. 그러나 이 새로운 AI 물결에 접어들면서 풍경은さらに 변한다. 사용자 인터페이스의 단순성과 명령을 통해 코드를 생성하는 능력은革命적으로 변하고 있다.

AI의 프로그래밍 영향은 이미巨大하다. 초기 컴퓨터 과학자들이 전기 공학에서 더 추상적인 개념으로 전환한 것처럼, 미래의 프로그래머는 세부적인 코딩을 구식으로 볼 수 있다. AI의 빠른 발전은 텍스트/코드 생성에만 국한되지 않는다. 이미지 생성 확산 모델과 같은 분야에서도巨大한 발전이 있다. 예를 들어, Runway ML이나 DALL-E 3와 같은 도구가 있다.

https://twitter.com/runwayml/status/1723033256067489937

프로그래밍을 넘어서, AI의 창의적인 산업에 미치는 영향은同樣으로 변혁적일 것이다. 영화 산업의 거물인 Jeff Katzenberg는 AI가 애니메이션 영화의 제작 비용을 크게 줄일 것이라고 예측했다. 최근 블룸버그의 기사에 따르면, Katzenberg는 90%의 비용 감소를 예측했다. 이는 전통적인 애니메이션에서 중간 단계를 자동화하거나, 장면을 렌더링하거나, 캐릭터 디자인이나 스토리보드를 포함한 창의적인 프로세스를 지원하는 것과 같은 노동 집약적인 작업을 자동화할 수 있다.

코딩에서 AI의 비용 효율성

소프트웨어 엔지니어 고용의 비용 분석:

1. 총 보상: 기술 허브인 실리콘 밸리나 시애틀에서 소프트웨어 엔지니어의 평균 연봉은 약 312,000달러이다.

일일 비용 분석:

1. 년간 근무일수: 1년에 약 260개의 근무일이 있는 것을 고려하면, 소프트웨어 엔지니어를 고용하는 일일 비용은 약 1,200달러이다.
2. 코드 출력: 하루에 100개의 완성된, 테스트된, 검토된, 승인된 코드 라인을 가정하면, 이 일일 출력은 비교를 위한 기준이 된다.

GPT-3를 사용한 코드 생성의 비용 분석:

1. 토큰 비용: GPT-3를 사용하는 비용은 약 1,000개의 토큰당 0.02달러였다.
2. 코드 라인당 토큰 수: 코드 라인당 약 10개의 토큰이 있는 것을 가정하면, 100개의 코드 라인(또는 1,000개의 토큰)을 생성하는 비용은 약 0.12달러이다.
3. 비교 분석: 비교하면, 인간 소프트웨어 엔지니어가 코드를 생성하는 비용은 1,200달러인 반면, GPT-3를 사용하는 비용은 0.12달러이다. 이는 약 10,000배의 비용 차이를 나타낸다.

이 분석은 코딩 분야에서 AI의 경제적 잠재력을 나타낸다. AI 생성 코드의 낮은 비용과 인간 개발자의 높은 비용은 AI가 표준 또는 반복적인 작업을 위한 코드 생성의 선호되는 방법이 될 수 있음을 시사한다. 이는 기업에 상당한 비용 절감을 가져올 수 있으며, 인간 프로그래머의 역할을 재評価할 수 있다. 인간 프로그래머는 더 복잡한, 창의적인, 또는 감독 업무에 집중할 수 있다.

ChatGPT의 다용도성은 웹 개발 프레임워크와의 복잡한 상호 작용을 포함한 다양한 프로그래밍 컨텍스트에 확장된다. 예를 들어, 개발자가 React와 같은 자바스크립트 라이브러리를 사용하여 사용자 인터페이스를 구축하는 경우를 생각해 보자. 전통적으로, 이 작업은 광범위한 문서와 커뮤니티 제공 예제를 포함했을 것이다. 특히 복잡한 구성 요소 또는 상태 관리와 관련하여如此했다.

ChatGPT를 사용하면 이 과정은 간소화된다. 개발자는 React에서 구현하려는 기능을 설명할 수 있으며, ChatGPT는 관련된 코드 스니펫을 제공한다. 이는 기본 구성 요소 구조 설정에서부터 훨씬 더 고급 기능인 훅을 사용한 상태 관리 또는 외부 API와의 통합에 이르기까지 다양하다. ChatGPT는 연구와 시도 오류에 소요되는 시간을 줄임으로써 효율성을 향상시키고 웹 개발 컨텍스트에서 프로젝트 개발을 가속화한다.

AI 주도 프로그래밍의 도전

AI가 프로그래밍 풍경을 재정의하는 동안, AI만을 사용한 프로그래밍 작업의 한계와 도전을 인식하는 것이 중요하다. 이러한 도전은 AI의 강점을 활용하면서도 그 한계를 인정하는 균형된 접근 방식의 필요성을 강조한다.

1. 코드 품질 및 유지 보수: AI 생성 코드는 때때로冗長하거나 비효율적일 수 있으며, 이는 유지 보수에 대한 도전을 제기할 수 있다. AI는 기능적인 코드를 작성할 수 있지만, 이 코드가 가독성, 효율성, 유지 보수에 대한 최선의 관행을 준수하는지는 인간의 작업이다.
2. 디버깅 및 오류 처리: AI 시스템은 코드를 빠르게 생성할 수 있지만, 디버깅이나 기존 코드의 미묘한 오류를 이해하는 데는 항상 우수하지는 않다. 디버깅의 미묘함, 특히 큰 복잡한 시스템에서, 인간의 세련된 이해와 경험을 필요로 한다.
3. 훈련 데이터에 대한 의존: 프로그래밍에서 AI의 효과는 주로 훈련 데이터의 품질과 범위에 달려 있다. 훈련 데이터에 특정 버그, 패턴, 시나리오의 예가 없으면, AI의 해당 상황을 처리하는 능력은 손상된다.
4. 윤리 및 보안 문제: AI가 코딩에서 더 두드러진 역할을 하게 되면서, 데이터 개인 정보 보호와 AI 생성 코드의 잠재적인 편향과 관련된 윤리 및 보안 문제가 발생한다. 책임 있는 AI 주도 프로그래밍 도구의 개발을 위한 이러한 문제를 해결하는 것이 중요하다.

AI와 전통적인 프로그래밍 기술의 균형

미래의 소프트웨어 개발 팀에서는 하이브리드 모델이 등장할 수 있다. 제품 관리자는 요구 사항을 AI 코드 생성기에 대한 지시로 번역할 수 있다. 인간의 감독은 여전히 품질 보증에 필요할 수 있지만,焦点은 코드 작성과 유지 보수에서 AI 생성 출력의 검증과 세부 설정으로 이동할 것이다. 이는 전통적인 코딩 원칙인 모듈성과 추상화에 대한 강조가 줄어들 수 있음을 시사한다. AI 생성 코드는 인간 중심의 유지 보수 표준을 준수할 필요가 없다.

이 새로운 시대에, 엔지니어와 컴퓨터 과학자의 역할은 크게 변할 것이다. 그들은 LLM과 상호 작용하여 작업을 달성하기 위한 훈련 데이터와 예제를 제공할 것이며,焦点은 세부적인 코딩에서 AI 모델과 전략적으로 일하는 것으로 이동할 것이다.

기본 계산 단위는 전통적인 프로세서에서 대규모 사전 훈련된 LLM 모델로 이동할 것이다. 이는 예측 가능한 정적 프로세스에서 동적 적응형 AI 에이전트로의 출발을 의미한다.

焦点은 프로그램을 생성하고 이해하는 것에서 AI 모델을 지시하는 것으로 이동할 것이다. 이는 컴퓨터 과학자와 엔지니어의 역할을 재정의하고 기술과의 상호 작용을 재형성할 것이다.

AI 생성 코드에서 인간의 통찰력이 필요한 지속적인 필요

프로그래밍의 미래는 코딩에 관한 것이 아니라, 우리의 기술 세계를 주도할 지능을 지시하는 것이다.

자연 언어 처리를 통해 AI가 공식적인 수학적 표기법과 전통적인 프로그래밍의 정밀성과 복잡성을 완전히 대체할 수 있다는 믿음은, 적어도 지금으로서는, преждеврем된 것이다. 프로그래밍에서 AI로의 전환은 엄격성과 정밀성을 제공하는 공식적인 프로그래밍과 수학적 기술의 필요성을 제거하지 않는다.

또한, 이전에 해결되지 않은 문제에 대한 AI 생성 코드의 테스트는まだ重大한 도전이다. 프로퍼티 기반 테스트와 같은 기술은 프로그래밍에 대한 깊은 이해를 필요로 하는데, 이는 현재의 AI가 복제하거나 대체할 수 없다.

요약하면, AI는 프로그래밍의 많은 측면을 자동화할 수 있지만, 창의성, 복잡한 문제 해결, 윤리적 감독이 필요한 분야에서 인간의 요소는 여전히 중요하다.