코딩 정보 글답변

이름필수

비밀번호필수

이메일

홈페이지

옵션 html

제목필수

내용필수 웹에디터 시작

> 
 > 
 > 챗GPT가 개발자를 바보로 만들고 있는가?
> 
> 
> 개발자가 스택 오버플로우에 질문을 올리거나 프로그래밍 언어를 배우기 위해 노력하지 않는다. 인간이 학습보다 빠른 해결책을 선택하면, AI가 제대로 작동하는지 알 수 있는 능력을 잃게 된다.
> 
> 몇 년 전, 니콜라스 카(Nicholas Carr)는 구글이 우리를 바보로 만들고 있다고 주장했다. 정보에 쉽게 접근할 수 있게 되면서 집중력이 떨어지고 “심층적 읽기”를 하기 어려워졌다는 것이다. 검색 엔진이 신문 독자를 빼앗아 가고 있다고 우려하는 사람도 있었다. 언론의 자금이 되어야 할 현금을 검색 엔진이 가져가고 있다는 것이다.
> 
> 오늘날 우리는 챗GPT와 같은 LLM을 통해 소프트웨어 개발 분야에서 비슷한 현상을 목격하고 있다. 개발자는 코드 완성, 작업 수행 방법 등에 대한 답변을 얻기 위해 LLM 기반 코딩 어시스턴트를 사용한다. 그 과정에서 LLM은 스택 오버플로우와 같은 정보원에서 훈련 데이터만 흡수하고, 정작 스택 오버플로우 같은 곳은 비즈니스가 어려워진다는 우려가 제기되고 있다. 더구나 개발자는 비판적인 사고를 LLM에 맡겨버린다. LLM이 우리를 바보로 만들고 있는 것일까?
> 
> 누가 트레이너를 훈련시키는가?
> Intentional.io의 설립자이자 스택 오버플로우 기여도 상위 2%에 속하는 피터 닉세이는 LLM을 괴롭히는 실존적 질문을 던진다. “우리가 서로의 지식을 모으는 것을 멈추고 그 대신 그것을 기계에 곧바로 쏟아붓는다면 어떻게 될까?” 여기서 “기계”는 LLM을 의미하고, “지식을 모으는 것”은 개발자가 기술적 질문에 답하는 스택 오버플로우 같은 포럼을 의미한다. 챗GPT를 비롯한 LLM은 스택 오버플로우와 같은 사이트에서 모든 정보를 빨아들이는 방식으로 “스마트”해졌지만, 정작 그 정보원은 빠르게 고갈되고 있다.
> 
> 스택 오버플로우는 챗GPT, 깃허브 코파일럿, 그리고 다른 LLM이 도입되기 전부터 쇠퇴하고 있었지만, 개발자가 본격적으로 AI 도구를 사용하기 시작하면서 사용량이 급감했다. 게르게이 오로스는 “스택오버플로우는 2009년 이후로 이렇게 적은 수의 질문이 올라온 적이 없다”며, “개발자들이 예전처럼 질문을 다시 하기 위해서는 스택 오버플로우에 기적이 일어나야 한다고 생각해도 무방할 정도”라고 강조했다.
> 
> 하지만 그런 기적을 기대하지는 말자.
> 
> 스택 오버플로우와 레딧 같은 Q&A 사이트에 부활의 순간이 없다면, LLM은 어디서 훈련 데이터를 얻을 수 있을까? 이런 사이트 중 많은 곳이 현재 LLM과 파트너십을 맺고 훈련 데이터를 제공함으로써 수익을 얻고 있다. 닉시는 “2021년 이전에 스택 오버플로우에 올라온 모든 질문으로 GPT-4가 훈련했는데, GPT-6은 무엇으로 훈련할까?”라고 질문한다. 물론, LLM이 웹상의 데이터로 훈련할 필요 없이 사용자로부터 직접 학습을 받을 수도 있다. 개발자 자레드 데인즈는 “LLM이 모든 종류의 질문을 받고, 인간의 입력을 통해 답을 찾고 있다”고 강조하면서, 이것이 “LLM을 훈련하는 가장 좋은 방법”이 될 수 있다고 주장한다.
> 
> 이것이 앞으로 나아갈 수 있는 최선의 길이라고 생각한다. 몽고DB에서 일하면서 경험한 바로는, 필자는 LLM 서비스 업체와 긴밀하게 협력해 샘플 코드와 기타 교육 자료를 제공하고 있으며, 다른 솔루션 업체도 이런 방식으로 일하고 있을 것이라고 확신한다. 하지만 여전히 지나치게 수작업 프로세스처럼 느껴진다. 아마도 LLM 서비스 업체들은 더 스마트한 방법을 찾고 있을 것이다. 하지만 그렇다고 개발자들이 똑같이 하고 있다는 의미는 아니다.
> 
> 교육이 없으면 안 된다
> 사실, 지금 당장 가장 큰 위험은 개발자가 LLM에 의존하면서 스스로 사고하는 능력이 떨어지는 것이다. 필자는 LLM이 초보 개발자보다 숙련된 개발자에게 더 도움이 된다고 주장해 왔다. 경험이 많은 개발자는 LLM 기반의 코딩 보조 도구가 일을 잘못하면 알 수 있기 때문이다. 또한, LLM을 사용해 개발 속도를 높이면서도 개발에 대한 책임을 포기하지 않는다. 반면에 초보 개발자는 LLM의 결과물을 너무 신뢰하는 경향이 있으며, 좋은 코드인지 나쁜 코드인지 구분하지 못한다.
> 
> 그러나 숙련된 엔지니어조차도 LLM에 너무 많은 일을 맡길 위험이 있다. 예를 들어, 오라일리 미디어의 마이크 루키데스는 자사 학습 플랫폼 데이터를 살펴본 결과, 개발자들이 “프로그래밍 언어에 대한 학습에 그다지 관심이 없다”는 사실을 발견했다. 아마도 AI가 언어와 라이브러리의 세부 사항을 ‘학습’하도록 내버려두는 것을 더 좋아하기 때문일 것이다. 루키데스는 이어서 “누군가 어려운 개념을 배우는 것을 피하기 위해 AI를 사용한다면, 스스로 능력을 충분히 발휘하지 못하게 하는 것”이라고 지적했다.
> 
> 근시안은 장기적인 문제를 야기할 수 있다. 앞서 언급한 바와 같이, 경험이 많은 개발자는 경험 덕분에 LLM을 더 효과적으로 사용할 수 있다. 만약 개발자가 코드를 빨리 완성하기 위해 학습을 포기하고 자신의 코드에 대한 이해를 장기적인 대가로 치른다면, 계속 그렇게 해야만 할 것이다.
> 
> LLM이 개발자에게 매우 중요한 역할을 하고, 개발 속도를 높이고 품질을 향상시키는 데 크게 기여한다는 것은 분명하다. 그러나 LLM의 장기적인 효용성을 해치는 단기적인 교육 데이터 약탈에 주의할 필요가 있다. 마찬가지로, 개발자가 기반 원리와 기법을 배우지 않으려고 LLM을 사용해서는 안될 것이다.
 > 
 >

웹 에디터 끝

링크 #1

링크 #2

파일 #1

파일 #2

자동등록방지

자동등록방지 숫자를 순서대로 입력하세요.

취소