인공 지능 및 프롬프트 소개: 모델이 '생각'하는 방식

이득:

• 다음 단어를 예측하여 대규모 언어 모델이 어떻게 작동하는지, 그리고 이것이 신속한 글쓰기에 어떤 의미인지 설명합니다.
• 그는 자신의 작업 사례를 통해 Prompt가 출력 품질을 그렇게 많이 결정하는 이유를 보여줄 수 있습니다.
• 모델의 강점과 약점을 구별함으로써 어떤 작업을 안전하게 사용할지 결정할 수 있습니다.

인공 지능 및 프롬프트 소개: 모델이 "생각하는" 방식

프롬프트 작성 방법을 실제로 배우는 가장 좋은 방법은 먼저 도구의 작동 방식을 이해하는 것입니다. 이 단원에서는 대규모 언어 모델(LLM, 줄여서 텍스트를 생성하는 인공 지능 시스템)의 기본 논리와 이것이 일상 작업에 왜 그렇게 유용한지, 그리고 한계가 있는 부분을 살펴보겠습니다. 이러한 기초 없이 작성된 프롬프트는 종종 "왜 때로는 훌륭한 결과를 낳고 때로는 끔찍한 결과를 낳는가?"라는 질문으로 이어집니다. 질문에 당신을 내버려 둡니다. 이 불확실성은 이 단원이 완료되면 대부분 사라질 것입니다.

대규모 언어 모델이 실제로 수행하는 작업은 무엇입니까?

가장 간단한 정의에서 빅 언어 모델은 사용자가 제공한 텍스트 뒤에 올 가능성이 가장 높은 단어를 예측하는 시스템입니다. 수십억 개의 문장을 검사하여 모델은 "어떤 단어가 어떤 단어 뒤에 오는지" 패턴을 학습했습니다. 문장을 시작하면 모델은 지금까지 작성된 내용을 살펴보고 가장 가능성이 높은 연속을 생성한 후 생성된 단어를 입력에 추가하고 다음 단어를 예측합니다. 이 주기는 응답이 완료될 때까지 계속됩니다.

여기서 사용된 토큰이라는 용어를 명확히 합시다. 토큰은 모델이 텍스트를 분류하는 가장 작은 단위입니다. 이는 대략 단어 또는 단어의 일부 크기입니다. 모델은 단어 단위로 진행되는 것이 아니라 토큰 단위로 진행됩니다. 귀하에게 실질적인 결과는 모델이 귀하의 의도를 "이해하는" 인간이 아니라 귀하가 제공하는 텍스트에 대해 가장 적합한 연속을 통계적으로 선택하는 매우 강력한 예측 기계라는 것입니다.

이 정의의 가장 중요한 의미는 출력 방향을 결정하는 가장 강력한 요인이 입력으로 제공하는 텍스트라는 것입니다. 그래서 당신의 프롬프트. 이 모델은 데이터베이스에서 미리 만들어진 답변을 도출하지 않으며, 인터넷에서 실시간 검색을 수행하지 않으며, 페이지를 복사하지 않습니다(달리 명시하지 않는 한). 제공한 컨텍스트에 가장 잘 맞는 텍스트만 생성합니다. 좋은 인풋은 좋은 아웃풋을 위한 가장 결정적인 조건이다.

왜 "같은 모델, 다른 결과"인가?

또한 모델은 매번 가장 가능성이 높은 단어를 선택할 때 작은 임의성 여유를 사용합니다. 따라서 동일한 프롬프트를 두 번 요청하면 정확히 동일한 문장을 받지 못할 수도 있습니다. 이것은 버그가 아니며 디자인의 일부입니다. 당신의 임무는 결과를 우연에 맡기지 않을 만큼 명확한 프레임워크를 그리는 것입니다. 프레임워크가 명확할수록 두 가지 실험의 결과가 더 가깝고 유용해집니다.

단계별: 모델을 통해 요청이 어떻게 진행되나요?

1. 입력을 읽습니다. 당신이 쓰는 모든 단어는 예측을 안내하는 단서입니다. "선임 변호사처럼"이라고 말하면 모델은 텍스트를 해당 어조에 더 가깝게 만듭니다.
2. 상황에 무게를 둡니다. 귀하가 제공하는 배경, 제약 조건 및 예를 통해 추정 범위를 좁힐 수 있습니다. 컨텍스트가 비어 있으면 모델은 자체 가정으로 공백을 채웁니다.
3. 그것은 단어 하나하나를 생산합니다. 생성된 각 토큰은 다음 토큰의 입력이 됩니다. 따라서 처음에 제시한 방향이 전체 답변에도 적용됩니다.
4. 그는 멈춘다. 작업이 완료되거나 지정한 길이에 도달하면 생산이 중단됩니다.

세 가지 미니 케이스: 숫자의 즉각적인 차이

사례 1 - 마케팅 전문가, 이메일 제목. 마케팅 전문가가 "캠페인 주제를 제안해 보세요"라고 말했을 때 일반 타이틀 5개를 받았는데 그 중 하나도 마음에 들지 않았습니다. 그는 그것을 손으로 수정하는데 20분을 소비했다. 다음 날 그는 "타겟 청중은 30~45세의 중소기업 소유자이고 제품은 클라우드 회계 소프트웨어이며 각각 최대 45자를 포함하는 6개 단위로 흥미롭지만 절제되어 있다"고 말하면서 6개의 헤드라인 중 4개를 직접 사용했습니다. 지속시간이 20분에서 4분으로 감소했습니다.

사례 2 — 인적 자원, 광고문안. HR 전문가는 "소프트웨어 개발자 작업 작성"이라는 메시지가 포함된 상용구 텍스트를 받았습니다. 회사의 실제 언어(3문장 문화 설명), 4가지 필수 자격 및 "급여 범위를 명확하게 기재" 제한을 프롬프트에 추가했을 때 텍스트가 기대치를 명확하게 설정했기 때문에 다음 광고에서 자격을 갖추지 못한 지원자의 비율이 눈에 띄게 감소했습니다.

사례 3 - 회계, 보고서 요약. 한 회계 임원이 12페이지 분량의 지출 보고서를 '요약'했다고 말했을 때 모델에서는 중요한 항목을 생략했습니다. 그는 “이번 보고서에는 지출이 가장 많은 5개 항목을 지난달 대비 변동률로 정리했다”고 말하면서 경영회의에 가져갈 구조를 정확히 파악했다. 내용은 같았고 사용법이 달랐습니다.

약한 프롬프트 / 강한 프롬프트

두 가지 다른 지침이 있는 동일한 작업:

약한 프롬프트:

이 텍스트를 요약하세요.[text]

강력한 프롬프트:

이사회에 제출할 회의록을 아래에 요약합니다. - 최대 5개 항목입니다. - 각 항목에는 결정이나 조치가 포함되어야 합니다. 채팅 세부정보를 건너뜁니다. - 책임자가 알려진 행위에 대해서는 괄호 안에 이름을 기재합니다. - 평이하고 형식적인 언어를 사용하세요. 텍스트: [텍스트]

두 번째 프롬프트는 모델에게 무엇을, 누구를 위해, 어떤 형식으로, 무엇을 건너뛸지 알려줍니다. 모델은 "사고"를 하는 것이 아니라 올바른 연속을 생산하는 것입니다. 당신은 그 연속의 틀을 그립니다.

복사 가능한 템플릿 4개

이 단원의 논리를 빠르게 실제로 적용할 수 있는 4개의 간단한 시작 템플릿입니다. 괄호 안에 자신의 정보를 입력하세요.

1) 요청 강화를 위한 프레임워크:

다음 작업을 수행해 보시기 바랍니다. [작업] 대상: [구매자/청중] 형식: [길이, 구조] 건너뛸 항목: [원하지 않는 항목]

2) 모델의 경계 확인(검증 반사):

아래 답변에 사실에 근거한 주장(번호, 날짜, 이름, 출처)이 있는 경우, 각각을 별도의 목록으로 추출하고 "확인해야 함"으로 표시하세요. 답: [모델의 출력]

3) 두 가지 수준에서 동일한 작업을 시도해 보세요.

다음 주제를 두 번 설명합니다.A) 완전히 낯선 사람에게, 일상 언어로.B) 해당 분야의 전문가에게, 기술적인 용어로.주제: [주제]

4) 모델이 불확실성을 실현하도록 하기:

내가 당신에게 요청하기 전에 누락되었거나 불분명하다고 생각되는 사항에 대해 3가지 질문을 하십시오. 그런 다음 내 답변에 따라 제작합니다.요청: [요청]

모델의 강점과 약점

주제

모델이 강하네요

모델이 약함/주의

언어 문제

쓰기, 요약하기, 번역하기, 어조 바꾸기

매우 기술적/틈새 전문 용어 실수

구조

텍스트를 표, 목록, 스케치로 변환

긴 텍스트의 일관성 유지

아이디어

브레인스토밍, 대안 창출

"올바른 것"을 보장합니다.

케이스

일반 정보, 정의, 설명

현재/정확한 데이터, 숫자, 날짜, 출처

추론

단계별로 안내하면 좋음

복잡한 계산을 조용히 틀리게 만들지 마세요

팁: 모델을 "모든 것을 아는 전문가"가 아니라 "매우 빠르게 글을 쓰고 많이 읽지만 그가 말하는 모든 것은 검증이 필요한 보조자"로 보십시오. 이 보기는 기대치와 제어 습관을 모두 올바르게 조정합니다.

주의: 모델은 매우 자신감 있는 언어로 정보를 작성할 수 있지만 이것이 정보가 정확하다는 의미는 아닙니다. 항상 사실적 세부 사항, 특히 번호, 이름, 날짜, 법령 및 출처를 독립적으로 확인하십시오. 이 주제에 대해서는 11단원에서 자세히 다루겠습니다.

일반적인 실수

• 모델을 인간으로 착각함. "그들은 어쨌든 이해할 것입니다"라고 말함으로써 불완전한 지시를 합니다. 모델은 사용자의 의도를 읽지 않습니다. 사용자가 입력한 내용만 처리합니다.
• 한 번에 포기. 초기 출력이 좋지 않으면 도구를 비난하십시오. 그러나 대부분의 경우 문제는 지침에 있으며 약간만 수정하면 결과가 바뀔 수 있습니다.
• 사실을 확인하지 않고 사용합니다. 모델이 생성한 통계나 출처를 의심 없이 받아들이는 것은 가장 위험한 습관입니다.
• 아무 생각 없이 기밀 데이터를 입력합니다. 도구 작동 방식을 모르고 민감한 정보를 붙여넣습니다. 프라이버시 유닛에서 볼 수 있듯이 이에 대한 규칙이 있습니다.
• 무작위성을 실수로 착각합니다. 두 가지 다른 결과를 "차량이 고장났습니다"로 해석합니다. 그러나 명확성을 높이면 결과가 수렴됩니다.

요약하면

• 빅 언어 모델은 사용자가 제공한 텍스트에서 다음에 나타날 가능성이 가장 높은 단어(토큰)를 예측하여 작동합니다. 그는 기성 답변을 선택하지 않습니다.
• 출력의 방향을 결정하는 가장 강력한 요소는 입력으로 제공하는 프롬프트입니다.
• 모델 언어, 구조 및 아이디어가 강력합니다. 정확한 사실, 최신 데이터, 복잡한 계산에 주의를 기울입니다.
• 무작위성이 작기 때문에 동일한 프롬프트라도 다른 결과가 나타날 수 있습니다. 명확성이 높아질수록 결과의 일관성이 높아집니다.
• 모델은 '말하는 것마다 진실한 전문가'가 아니라 '빠르지만 검증이 필요한 조력자'다.

응용과제

일상 업무에서 정기적으로 하는 글쓰기 작업(예: 이메일, 요약, 목록)을 선택하세요. 먼저 가장 간단한 한 문장 버전을 작성하여 AI 도구에 제공하고 출력을 저장합니다. 그런 다음 동일한 작업을 수행합니다. "누구를 위해, 어떤 형식으로, 어떤 길이로, 무엇을 건너뛸지"라는 질문에 답변을 추가하고 다시 질문하세요. 두 개의 출력을 나란히 놓고 추가하면 결과가 가장 좋아지는 한 문장에 기록해 둡니다.

체크리스트

• [ ] 나는 모델이 내 의도를 읽지 않고 "다음 단어를 예측"하고 있다는 것을 깨달았습니다.
• [ ] 나는 출력의 품질이 프롬프트의 품질에 크게 좌우된다는 것을 깨달았습니다.
• [ ] 모델이 강한 작업 유형과 약한 작업 유형을 구분할 수 있습니다.
• [ ] 사실관계(번호, 날짜, 이름, 출처)를 확인해야 한다는 점을 이해합니다.
• [ ] 동일한 메시지가 다른 결과를 가져올 수 있는 이유를 설명할 수 있습니다.