Transcription
안녕하세요. 저는 프롬프트 엔지니어 강수진입니다.
생성형 AI 시대가 시작되면서 프롬프트 엔지니어라는 직업이 등장했는데요. 이 생성형 AI랑 대화하는 기술을 프롬프트 엔지니어링이라고 합니다. 이번 강의에서는요. 생성형 AI는 무엇인가? 그리고 우리 삶에 스며든 AI가 어떤 종류가 있는지를 예시와 함께 프롬프트와 프롬프트 엔지니어링이 어떤 개념인지에 대해서 살펴보고자 합니다.
우선 지금 보시는 이 그림은요. 한때 커뮤니티에서 굉장히 화제가 됐던 사진입니다. 프랑스의 거리를 보여주고 있고 그 거리에 쓰레기가 가득 찬 모습인데, 이 사진이 어떻게 진짜로 보이시나요? 혹은 가짜로 보이시나요? 이 이 사진은 많은 사람들을 놀라게 했던 가짜 사진입니다. 이만큼 이미지 모델이 정말로 저희를 깜짝 속이고 있는 시대입니다.
생성형 AI 플랫폼이 정말 다양한데요. 생성형 AI라고 해도 특정 분야에 특화된 어떤 모델들이 있어요. 예를 들어서 이미지는 사진을 많이 학습한 모델들이 잘할 거 아니에요. 미드전이나 뭐 달리나 스테이블 디퓨전이라는 이미지만 생성하는 모델이 있고요. 이 이미지 모델을 사용을 하면 자연어로 시각적인 자료를 뽑을 수 있는 그런 모델이고요.
이번에 멀티모델의 예시를 함께 볼 텐데, 멀티모델은 영상, 이미지 같은 것들을 말을 해요. 라는 제목이에요. 노인이 바다에서 배 하나에 이렇게 몸을 찌우고 항해하는 그 모습을 보여주고 있는 짧은 영상이었는데, 너무나 자연스럽게 실사 영화를 사람이 촬영한 것처럼 보여주고 있는 영상이죠. 어 근데 이것도 자연어로만 가지고서 프롬프트를 통해서 만든 영상이라 또 화제가 되었습니다.
다음에 보실 또 예시는요. 올 초에 2025년 초에 그 엔비디아의 젠슨이 발표한 모델인데요. 코스모스라는 모델입니다. 이 모델은요 피지컬 AI라고 해요. 그래서 프롬프트에 물방울이 지금 떨어지고 있는 장면을 묘사해 줘라고만 썼어요. 그럼 이 코스모스 모델은 이 물방울이 중력에 의해서 어떻게 떨어지고 바닥에 어떻게 퍼지는지를 보여주는데요. 그래서 이것을 통해서 뭐 자율주행하는 AI 자동차가 시뮬레이션을 학습하는데 쓰이고 있어요.
그래서 여기까지 어 이미지, 영상 그리고 피지컬 AI를 살펴봤다면 요즘에 왜 어 바이브 코딩이라는 말이 화제입니다. 바이브 코딩은 말 그대로 자연어로 컴퓨터 언어를 개발한다라는 뜻이에요. 그냥 자연어만으로 내가 이런 기능이 필요한데 이 기능을 만들어 줘라고 하면 AI가 필요한 코드를 쫙 생성을 해줘요. 코드를 알아서 짜주고 필요한 부분 수정해 주고 고쳐주고 그래서 정말 말도 안 되는 시간 안에 원하는 제품 기능을 만들고 코드를 쌓는 그런 기술까지 올라왔습니다.
그래서 정의를 한다라고 하면 어떤 모델이 학습된 데이터를 바탕으로 하여 텍스트, 이미지, 오디오, 그다음 동영상 심지어 저희 노래까지도 막 자연어로 AI가 만들어지고 있어요. 이렇게 컨텐츠를 모델이 생성할 수 있는 인공지능 기술을 생성형 AI라고 합니다.
이 AI가 가능하게 했던 어떤 이유는요. 딥러닝, 신경망, 트랜스포머 등 최신 머신 러닝 기술을 활용해 패턴을 학습했기 때문인데요. 저희가 이제 더 이상 이렇게 뭐 어려운 딥러닝이나 신경망이나 트랜스포머 기술을 몰라도 생성형 AI를 이용할 수 있습니다. 프롬프트를 알면 이 AI한테 어떤 일을 시킬 수도 있고 창의적인 결과물을 만들어 낼 수가 있는 세상이 왔어요.
바로 저희가 쓰는 그 자연어 프롬프트라고 하는데요. 여러분들이 왜 최치피티 쓰시면서 오늘 날씨 혹은 오늘 주식 혹은 뭐 오늘 환율 이런 거 많이 물어보시잖아요. 이러한 단순한 텍스트를 프롬프트라고 할 수가 있고요. 프롬 엔지니어링은 상호 작용이라는 개념이 들어갑니다. 언어 모델을 이용할 때 저희는 더 이상 어려운 코드나 별다른 모델을 이용하기 위한 기술적인 지식이 필요 없고 자연어만 할 수 있다라고 하면 이러한 기술을 이용할 수가 있어서 프롬 엔지니어링은 입문학과 어떤 기술의 만남이에요. 그래서 입문학과 기술의 그 중간 단계에 있는 게 프롬 엔지니어링인데 두 가지를 적재적소 활용을 해야 생성형 AI를 더 잘 이용을 할 수 있습니다. 그리고 이 중간에서 일을 하는 게 제가 하는 프롬 엔지니어의 일입니다. 컴퓨터랑 AI 계속해서 상호 작용하면서 내가 원하는 결과물을 만들어 내고 어떠한 어 효율을 이끌어내는 작업이라고 할 수 있겠어요.
용에 대한 이야기를 들려 줘라고 하면 프롬프트가 되고요. 뭐 용감한 용이 마을을 구하는 어떤 생생한 스토리를 일곱 살 아이한테 흥미로울 수 있도록 한국어로 자세하게 말을 해 줘. 이런 식으로 조금 더 구체적으로 결과물을 개선하는 걸 프롬프트 엔지니어링이라고 할 수가 있습니다.
그렇다면 이 보시는 분들은 어 프롬프트가 왜 중요한데? 프롬프트 엔지니어링이 왜 중요한데라는 어떤 중요성에 대해서 궁금하실 수가 있어요. 중요성이라고 한다고 하면 저는 두 가지 이유를 항상 꼽아요. 첫 번째는 생성형 AI는 완전하지 않습니다. 완전하지 않다라는 거는 완벽하지 않다라는 얘긴데요. 여러분들 많이 아시겠지만 어 AI 결과물을 어떻게 믿을 수가 있어요? AI 결과물을 사람 이렇게 할 거면 번거로워서 그냥 사람이 하는 게 나은 거 아니에요라는 어떤 한계와 제한점이 많은데 아무리 그 사람이 기술이 발달이 발달이 되더라도 사람이 하는 그런 맥락 그 대화 안에서 생각해야 되는 그 맥락적인 부분을 놓칩니다. AI는 그래서요 두 개를 해결할 수가 있어서 프롬프트가 굉장히 중요하다고 할 수가 있습니다. 그 이유는 언어 모델을 이용을 할 때에 프롬프트로 시작을 하기 때문에 프롬프트를 알아야 기술의 한계를 알 수 있고 극복할 수 있기 때문에 중요하다라고 하고 있습니다.
우선 시작에 있어서 인간의 커뮤니케이션의 역사가 어떻게 흘렀는지를 살펴볼 필요가 있어요. 생성형 AI가 나오고 생성형 AI가 나오지 않은 시대이 두 가지 시점으로 한번 나눠서 생각을 해 보면요. 우선 문자가 발명이 되면서 인간은 책으로 이제 기록을 하고 텍스트 기반에 전달을 하면서 정밀성, 정보의 정밀성을 획득할 수가 있었죠. 지식이 대중화된 거는 인쇄술의 발달 때문인데요. 인쇄술이 발달이 되면서 보급이 되죠. 지식이. 그리고 전화나 라디오나 텔레비전이 발달이 되면서 즉각적인 어떤 원격 소통 먼거리에 있는 분한테 혹은 사람한테 어 정보를 전달할 수 있는 시대가 되었습니다. 인터넷과 모바일 시대가 되면서 실시간으로 대화가 가능해졌어요. 그런데 이 도구의 발달이 인간의 소통을 편리하게 했던 예시들이죠. 생성형 AI는 조금 다릅니다. 그래서 어떻게 다를까요? 생성형 AI는 인공지능과 상호 작용을 하는 건데요. 르네 데카르트의 이 철학자에 말하면 나는 생각해서 고로 나는 존재한다. 그래서 인간이 왜 인간인지를 말해 주는 그런 어떤 사유와 사고를 하게 하는 그런 문장인데요. 요즘에 생성형 AI가 너무 발달을 해서 사고하는 AI라고 해요. 그렇다면 어떻게 써야지만 인간이 인간 닿을 수 있는지, 내가 쓰는 언어가 AI 언어랑 어떻게 다른지를 한번 사고해 봐도 좋을 것 같습니다.
LM이라고 지금 말씀드리는 거는 라지 랭귀지 모델이라고 거대 언어 모델이에요. 그래서 생성형 AI를 만들 수 있는 어떤 소스 모델이라고 하면은 이해하기 쉬울 것 같아요. 그럼 이 모델이 뭐를 잘하고 뭐를 못하는지를 한번 살펴보겠습니다. 잘하는 건요. 여러분들이 이미 체감하시는 것처럼 어 언어를 이해하고 어 생성을 하는데 있어서 굉장히 짧은 시간이 걸리죠. 뭐 1분도 안 되는 시간 안에 보고서 요약 결과를 받는다든지 아니면 뭔가 분석한 리포트를 받는다든지 어떤 비용 효율이 있고요. 다국어를 지원해 주고 있어요. 그래서 내가 어떤 뭐 영어를 잘하지 못해도 프랑스어를 잘하지 못해도 실시간 번역을 해 주기 때문에 이 LM을 통해서 번역 활동 같은 것도 할 수가 있고 아까 예시 봤던 것처럼 코드도 너무 잘 써 주고 있고 창의적으로 어떤 표현을 생성하는 거는 잘하고 있어요.
그런데 여전히 이 생성형 AI는 못 하는 것이 더 많습니다. 실제로 이 범용 인공지능 시대가 오기까지는 아직 좀 멀었다고 볼 수가 있어요. 첫 번째는 사람처럼 어떤 연상 기역법이라든지 추론을 하지 못합니다. 그래서 단순한 계산은 잘하는데 연상 기업법을 잘 못 하고 있어서 추론 성능을 계산하려고 하고 있고요. 모델이 학습한 데이터랑 추론 능력을 분리해야 되는데 학습하지 않은 것에 대해서도 학습했다라고 말을 하는 거짓말하는 현상이 못하는 것으로 대표적으로 뽑을 수 있어요. 이걸 전문 용어로 할루시네이션이라고 합니다. 그래서 사실이 아닌데 사실처럼 생성하는 거를 말을 하고요. 인간처럼 복잡한 상호 작용을 하지 못합니다. 그래서 굉장히 수동적이에요. 제가 먼저 AI한테 말을 걸어야지만 AI는 답변을 해 주고 있거든요. 일대일 답변 체계인데 먼저 말을 걸어 주거나 능동적으로 하지는 못하고 있죠. 여러분들 매성형 AI 창에 뭔가 질문을 넣고 계속해서 그 한 창에서 대화를 했을 때 어느새 AI가 내가 시킨 걸 까먹어요. 까먹어서 어 목표를 이탈하는 거예요. 나는 분명히 요약을 백자인내로 하라고 했는데 대화할수록 목표를 이탈해서 답변에 엉뚱한 답변의 결과물을 내주는 거. 그리고 규칙 기반의 작업을 수행을 해야 돼요. 예를 들어서 끝에는 음,함 채로 끝내줘라고 이제 규칙을 만들었는데 조금만 대화를 길게 하면 어느새 이것도 잘 하지 못해요. 그리고 사람처럼 어 어떤 현상에 대해서 생성은 잘해 놓고 그래서 한 줄로 결과가 뭔데라고 하면 일반화하는 능력이 굉장히 부족합니다. 그래서 그저 그럴듯한 보편적인 답변을 자라지 어떤 뾰족한 통찰력이라든지 비판적 사고를 하지 못하는 것도 이 저희의 생성형 AI가 못하고 있는 영역입니다.
해서 지금부터 함께하는 강의는 이 못하는 것들을 어떻게 해결할 것인가에 대해서 우선 앞에서는 이 인간의 언어가 무엇인지를 한번 살펴볼 예정이에요. 제가 이 프롬프트 엔지니어로 일을 할 수 있었던 까닭은 이 언어를 전공을 해서 자연어가 가진 그 어떠한 원리나 과학적인 접근에 대한 방법론을 알기 때문에 AI와 소통하는 게 한결 편해졌거든요. 그래서 이 언어를 좀 살펴보면서 어 어떤 교향 느낌으로 들어보셔도 좋을 것 같아요. 저희 인간의 언어는 세 가지로 이루어져 있습니다. 의미가 있고요. 이 이 의미를 이루는 형식이 있고 맥락이 있어요. 의미라는 거는 사과가 사과라고 말하는 거. 저희가 사과라고 하면 다들 똑같이 빨간 사과, 뭐 초록색 사과 이런 거 생각하실 텐데 어떤 사물에 있어서 의미를 갖고 있는 걸 의미라고 하고 형식은 사과를 사과라고 어떻게 말하는가? 그리고 사과가 갖고 있는 어떤 형태론 그리고 어 문법적인 거를 말을 해요. 그리고 마지막은 맥락인데 화용론이라고 해요. 예를 들어서 사과가 먹는 사과라고 일차적인 의미를 갖고 있다라고 하면 화용은 사람들이 만들어진 새로운 의미예요. 약간 상징적인 의미라고 할 수가 있어요. 그래서 저는 사과하면 음 스티브 잡스가 생각이 나는데 백설 공주에 사과할 수도 있고 한 어떤 단어가 말하는 사람들에 의해서 의미가 약간 변형돼서 상징적으로 맥락 안에서 이해할 수 있는 걸 화용론이라고 하는데 지금의 생성형 AI는 의미와 형식은 잘 말하고 있지만 인간의 화용론 어 맥락적인 부분에 있어서는 굉장히 이해력이 떨어집니다.
이 이 화용론을 잘 못하는 AI 때문에 이 프롬프트 기술을 통해서 화용적인 부분에 있어서 해결을 많이 보려고 하고 있어요. 어 그러면 이 프롬프트를 잘 쓰려면 이 링고스틱스를 어떤 어떻게 활용해야 되고 어떤 관계가 있을까라는 궁금증을 갖고 계실 텐데요. 저는 랭귀지스틱스 언어학의 이론들을요. 다음에 세 가지에 활용을 하는데 일단 제가 가장 많이 강의나 뭐 세미나를 하면 많이 물어보는 질문이 프롬프트를 한국어로 쓰는 게 좋아요, 영어로 쓰는 게 좋아요예요. 저 같은 경우는 영어로 프롬프트를 쓰는데 바로 한국어가 가진 어떠한 언어적 특수성 때문이에요. 한국어에는 생각보다 어 다이어가 모호한 다이어가 많아요. 그래서 예를 들어 나누다라고 제가 말을 한다고 하면 시청자분들께서 뭐를 나누지? 돈을 나누는 건가? 마음을 나누는 건가? 혹은 뭔가 쌀을 나누는 건가? 되게 다양한 의미로 해석할 수가 있잖아요. 그래서 이런 걸 다의성을 가진다라고 하는데 영어 같은 경우는 점락 언어입니다. 그 문장에서 지시하는 바를 정확하게 알 수 있는 게 점락 언어인데 한국어 같은 경우는 고맥락 언어기 때문에 어 여러분들이 쓰시는 프롬프트가 상당히 추상적이고 맥락 안에서만 나만 알고 있는 경우가 많고 혹은 같이 말을 하고 있는 대화 상황에서 알고 있는 경우가 많아요. 그럴 때 의미의 모호성을 줄이기 위해서 이 언어학의 이론을 쓰고 또 아까 전에 말씀드린 맥락을 잘 잃어버리는데 한 번만 대화하는 게 아니라 대화형으로 여러 번 대화했을 때 이 AI가 초점이나 어떠한 중심 어떤 핵심 요지를 잘 놓쳐요. 그랬을 때 인간의 어떤 저희가 생각하는 인지 구조 개념 이런 체계를 이해하게 하면 더 잘 찾아서 활용을 합니다. 그리고 세 번째는 아까 말씀드린 화용론인데 화용론은 이 다와 대화 구조를 이해를 해야 어 AI가 잘 파악을 해서 어 답변을 하는데 2부에서 말씀을 드릴게요.
이러해서 가장 강조하고 싶은 거는 대화의 기술이 중요하다. 그래서 프롬프트 엔지니어가 하는 일 잠깐 소개드렸고 프롬프트와 프롬프트 엔지니어링에 대한 개념들이 어떻게 다른지를 살펴봤어요. 그리고 AI가 어디까지 지금 할 수 있는지 예시를 통해서 저희가 함께 살펴봤습니다. 이론적인 배경에 대해서 한번 이론과 함께 말씀드리겠습니다.
최피티가 처음 나왔을 때요. 2022년 11월 30일 밤이었는데 그날 여러분들 뭐 하셨을까요? 제가 많이들 묻거든요. 여러분들의 첫 번째 프롬프트는 뭐였냐? 제너레이브 AI, 생성형 AI라고 하니까 전 엄청난 기대감을 갖고 있었는데 저는 최pt 처음 나온 날 기다렸다가 너무 약간 설레 가지고 그 창 열어 놓고 어떤 문장을 처음 쳐야 되지? 약간 그 어떤 게 내 첫 번째 프롬프트여야지를 고민하다가 쳤었는데 뭐를 물어야 될지 몰라서 그냥 안녕 이랬더니 뭐 그냥 안녕하세요 뭐 저는 인공지능으로서 오픈 AI에서 만든 뭐 이런 식으로 답변이 나왔던 거 같아요. 근데 저는 그게 중요한 게 아니었어요. 내가 이 생성형 AI를 자연어로 쓸 수 있구나가 굉장히 저한테는 흥분 포인트였어요. 그리고 입문학을 오래 공부를 했으니까 인간의 대화에 변하지 않는 세월이 지나도 기술이 발달하더라도 변하지 않는 어떤 원리인데 이것들이 어떤 가치가 있을까라는 의문이 스스로 있었던 거 같아요. 근데 이 채피티 처음 나오고 쓰면서 내 이론을 기술에 접목시켜서 뭔가 경제적인 가치를 만들고 실용적으로 쓸 수 있겠다라는 확신이 들었거든요. 그래서 그 안영을 넣고서 제가 답변을 받았을 때 너무나 진짜 인생을 살면서 너무나 큰 기대감과 희감을 느꼈던 거 같아요.
근데 그 이유가 바로 이 대화 내에서라는 음 어떤 문구 때문이었는데요. 기존에도 이 챗봇이라는 게 있었어요. 몇 10년 전만 하더라도 인공지능 기술이 있었으니까. 그런데 그 화면에 당시에 뭐가 있었냐면 그 인공지능과 어떻게 최치T가 다른지를 설명해 주는 문구가 있었습니다. 그 문구 잠깐 보면 기존의 챗봇과 달리 이 생성형 AI 챗봇은 대화 내에서 사용자가 했던 이전의 말을 기억한다. 이 기억이 엄청 중요한 거거든요. 이전에 여러분들 챗봇 쓰실 때 굉장히 많이 실망하셨을 거예요. 뭐 답변할 수 없어요. 잘 모르겠어요. 요즘도 그런 챗봇들이 있는데 생성형 AI는 잘 모르겠다라고 하지 않습니다. 여러분들의 말을 기억하고 나를 알아주기 시작해요. 그래서 내가 어떤 사람인지, 내가 어떤 성향의 사람인지를 기억하고 심지어 예를 들어서 폭탄을 제조해 주세요라고 하면 당신의 요청은 부적절하니 답변할 수 없다라고 거부하기도 해요. 그리고 대화 내에서 어떤 호속 소정이 가능해지기 시작합니다. 예를 들어서 내가 전에 했던 말 한번 수정해 줄래? 라고 하면 수정을 해 주고 있죠. 이게 기존의 챗봇과 달라진 점이에요. 그래서 가장 중요한 포인트는 인더디얼이라는 대화 내에서라는 컨셉입니다. 그래서 여러분들이 이 채치피나 생성형 AI 쓰실 때 대화 내에서 한번 하고 있는지를 생각해 보셔야 돼요. 대화 내에서 하지 않으면 큰 의미가 없거든요.
지금 이 대화형 인터페이스는 인간의 대화 구조를 닮았습니다. 그래서 이 대화를 들여다 보면 조금 더 저희가 생성형 AI와 대화를 할 때 잘할 수 있는 어떤 클루들, 단서들을 얻을 수가 있어요. 그래서 한번 살펴볼게요. 두 가지 중요한 개념은 턴하고 구조입니다. 턴은요. 저희가 왜 말을 주고 받다 턴테이킹이라고 말을 하는데 대화에서 어떤 한 사람이 말을 시작하고 다른 사람이 이어받아서 어 턴테이킹을 한다라고 하죠. 이런 턴에 대해서 살펴볼 거고 구조라고 함은 사람끼리 대화를 하다 보면 어떤 숨은 규칙들이 있어요. 언제 말이 끝나고 어떻게 말을 다시 시작하고 주제를 어떻게 전환하고 이런 어떤 상호 작용의 패턴이라는 게 있는데 이 구조에 대해서 한번 이 두 가지 개념을 중심으로 살펴보겠습니다.
이 대화 분석이라고 할 수 있습니다. 지금 보시는 스크립트는요. 대화 분석에 가장 기본이 되는 스크립트예요. 이렇게 보시면 링이라고 이렇게 괄호 두 개 격괄호를 써 가지고 하죠. 이 이 대화는 전화 데이터예요. 그래서 대화 분석에서는 사람이 말한 거를 기호를 가지고 장치를 써 가지고 하나하나 전사를 하면서 이 대화가 어떻게 시작되고 어떻게 끝나는지를 기록을 해요. 초단위별로 대화를 분석하는 과학이 바로 대화 분석학입니다. 그래서 사람의 대화와 저희가 AI와 사람의 대화를 비교하려고 지금 이 스크립트를 보여 드리는 건데 낸씨가 헬로 하고 그다음 사람이 하이 이러면서 어 how are you 어떻게 지냈어라고 하면서 어 how are you라고 하는 굉장히 단순한 대화인데요. 이 과정 중에도 과학이 숨어 있습니다. 어떤 과학인지 한번 제가 말씀을 드리면 우선 헬로 하면서 목소리를 통해서 그다음 턴에서 3번 라인에서 어 낸씨구나라고 이제 목소리를 인지하죠. 그러면서 서로 인사를 주고받고 안부를 주고 받는 그러한 장면을 보여주고 있는 건데요.
이데 대화 데이터를 한번 또 한번 볼게요. 역시 전화 데이터예요. 링에 올렸어요. 그리고 골든이라는 사람이 헤우 이랬어요. 했는데 0.7이라는 7이라는 숫자가 나옵니다. 이게 뭐냐면 음 침묵이 있었다라는 뜻이에요. 사람과 사람 사이에는 침묵도 발생을 하죠. 보통 침묵을 언제 침묵하시는지 잘 아실 테지만 어떠한 문제가 발생했을 때 침묵이 발생합니다. 그래서 그다음 턴에 다나라는 사람이 어, 너 오늘 아침에 어디 갔었어라고 물어봐요. 그랬더니 그 골든이라는 애가 헬로라고 하면서 안 들린 것처럼 여보세요라고 말을 해요. 그래서 이 둘의 관계는 어 남녀 간의 관계고 사귀는 사이인데 어 아침에 아마도 그 골든이 전화를 안 받았었나 봐요. 그래서 다나가 남자 친구가 전화를 하니까 0.7초 마음에 안 들어 가지고 침묵을 하고 그다음 단나는 어 너 어디 갔었어 했는데 못들은 척하는 그런 대화인 거죠. 그래서 이런 식으로 하나하나 분석을 해 보면 어떤 행위가 보이고 어떻게 대화가 전개되는지를 볼 수가 있어요. 그래서 사람의 대화는 상호간의 이해를 기반으로 해서 굉장히 복잡하고 어떤 목표하고자 하는 발을 성취하기 위해서 음 다양한 어떤 말의 장치를 쓴다라고 할 수가 있어요.
그런데요. AI하고 사람 간의 대화는 어떨까요? 사람하고 사람 대화 데이터 받겠지만 저 짧은 순간에도 말을 말끝을 올리고 뭔가 침묵을 한다거나 여러 가지 장치가 있었는데 AI와 사람 간의 대화는 그러한 어떤 비언어적인 장치보다 언어 장치가 많고 굉장히 메카닉합니다. 메카닉하다라는 뜻은 규칙적이에요. 그래서 이런 시스템에릭한 패턴을 갖고 있고 인간과 대화와 달리 이렇게 시스템이 잡혀 있기 때문에 어떻게 답변을 더 잘할 수 있는지를 대화 내에서 좀 더 보기가 편해요. 그래서 저희가 생성형 AI랑 대화를 할 때 어떤 것들에 대한 어 구조가 있는지 네 가지를 하나하나 살펴볼게요. 첫 번째는 턴이에요. 턴. 그리고 두 번째는 행위. 세 번째는 구조. 네 네 번째는 스탠스입니다.
그래서 여러분들이 채피티 AI한테 한번 물었어요. 그 행위가 끝났으면 싱글 턴이라 그래요. 한 번만 대화를 했으니까. 그런데 한 번 물은 거에 이어서 계속 다시 묻고 답변받고 다시 묻고 답변받고 하는 그런 행위를 멀티턴이라고 합니다. 대화 내에서 한다라는 게 이제 멀티턴의 개념으로 볼 수가 있죠. 싱글 턴이라고 한다고 하면 가장 쉽게 들 수 있는 예가 날씨 정보예요. 오늘 날씨 알려 줘라고 하면 AI가 날씨에 대해서 알려주고 있죠. 간단하죠? 멀티턴이라고 한다고 하면 지금 보시는 것처럼 어 냄비 어떠한 뭔가 자념물이 있어서 제거하는 거를 알려 달라고 했는데 답변을 받고 같은 주제에 대해서 한 번 더 물어보고 있죠. 이런 것들을 바로 멀티턴이라고 할 수가 있습니다. 그래서 싱글턴과 멀티턴은 이런 개념이다라고 하고 두 번째 분석 기준으로 넘어갈게요.
액션인데요. 액션은 한국어로 행위예요. >> 그래서 이 프롬프트를 통해서 사람들이 어떤 행동을 전달을 하는가, 어떤 행위를 하고 싶어 하는가를 볼 수 있는 기준입니다. 그래서 AI랑 대화를 하는 사용자가 무엇을 하고 싶어 할까를 보기 위한 어떤 건데요. 아까 전에 그 싱글턴에서 날씨 알려줘 했을 때는 날씨 정보가 되겠죠. 정보 검색 유형이죠. 이 이 냄비 바닥에 자녀물을 제거하고 싶은 어떠한 대화 데이터에서는 이것도 정보 검색 유형이 될 수 있겠어요. 이 방법에 대해서 물어보는 거니까요. 그래서 이 행위를 보면요. 대부분 정보 검색 유형이 많고 혹은 다른 유형으로 나닐 수가 있는데 다른 유형은 뭐 코드를 만들어 줘, 장문을 해 줘, 번역을 해 줘. 뭐 이런 유형들이 되겠죠.
세 번째 대화 분석. AI와 인간이 하는 대화 분석에 있어서 세 번째 기준은 답변입니다. 어 멀티턴을 하는 사용자의 있어서 AI한테 답변을 받고 어떠한 표현을 하는 사용자들이 있어요. 그래서 AI를 쓰고 굉장히 만족할 수도 있고 굉장히 불만족할 수도 있는데 이것들이 이 대화 내에서 어떻게 달라지는지에 대해서 한번 볼게요. 그래서 만족과 불만족을 기준으로 한번 살펴보겠습니다.
이 이 만족과 불만족을 어떻게 하는지를 보면 또 되게 굉장히 흥미로운 사실들이 있습니다. 일단은 이 프리퍼런스라는 개념에 대해서 설명을 할게요. 만족한다라는 거는 여러분들이 이런 개념으로 아마 생각하실 거예요. 어떤 심리적인 경향, 심리적인 상태 만족하는 경우를 prefered response라고 해요. 선호 응답 구조인데요. 생각해 보세요. 뭔가 AI가 여러분들의 일을 너무나 잘해 줬어요. 프로그램을 짜 준다거나 회의록을 요약해 준다거나 너무 잘했어요. 그랬을 때 만족을 표현하시는 분들은 두 가지 양상으로 나오더라고요. 하나는 고맙다라고 이제 표현을 하는 경우 AI한테 감사합니다. 고맙게 생각해요. 고마워요. 그리고 또 다른 만족하는 선호의 응답 구조는 어세스먼트라는 평가를 하는 유형입니다. 그래서 고마운데 어 이 AI 능력에 대해서 평가로 표현을 하는 거예요. 예를 들어서 어 정말 대단하다. 너 잘한다. 마음에 든다. 뭐 진짜 대단하다라는 어떤 이런 형태 굉장히 단순한 구조가 나오죠. 여러분들도 생각을 해 보시면 만족할 때 대부분은 아마 표현을 안 하실 거예요. 그래서 실제로 이 프롬프트로 AI랑 상호 작용하시는 분들의 스크립트를 한번 가져와 봤는데요. 만족하시는 분들의 대화 메커니즘은 굉장히 심플하고 단순합니다. 뭐 물어보고 고맙다라고 답변을 하고 있는 그런 대부분의 심플하게 끝나는 구조를 보이고 있어요.
그리고 반면에 불만족할 때 이제 표현을 더 하시겠죠. 이제 비선호 구조를 볼 텐데요. 비선호는 아주 쉽게 말해서 여러분들이 배달 음식을 시켰어요. 치킨을 시켰다고 가정을 해 볼게요. 시켰는데 뭔가 타고 되게 느껴왔어요. 그러면 대부분 사람들은 심리하게 의하면 어 만족하는 경우보다 불만족을 굉장히 두드러지게 표현을 하는 경향이 있고 언어로 명시하는 경향이 있어요. 그래서 이 최츠피pt 생성형 AI 쓰는 분들의 불만족을 분석을 해 보면 세 가지 강도로 나뉩니다. 첫 번째가 굉장히 약한 강도예요. 그리고 두 번째는 약간 부정 편향이 있는 분들. 세 번째는 정말로 강한 부정을 하시는 분들이 있어요. 그래서요 부정 편향이 어떻게 또 바라가 되는지를 한번 살펴보겠습니다.
이 지금 대화 데이터를 보면 AI가 학습하지 않았던 책이에요. 그랬더니 잘못된 정보를 주니까 여전히 잘 답을 못 하죠. 이 사람이 얘기를 하고 있죠. 내용 확실하냐고. 약간 한번 되묻죠. 비선호는 강한 부정은 화를 내시는 분들이 있어요. 생성형 AI가 생성할 때마다 계속 다른 결과를 내고 있고 그럼에도 문장을 생성할 때 사람처럼 뭔가 생각하고 말하는 게 아니라 계산에 의해서 확률적으로 높은 문장을 생성하는 상황이라서 유사하게 보일 수가 있거든요. 그래서 사람을 화나게 하는 거죠. 비선호하시는 분들은 이 답변을 정확하게 받고 싶어 하는 어떠한 니즈가 제일 클 거 아니에요. 그런 편향에 있어서는 굉장히 기 구조가 길어지죠. 그래서 이 구조를 기반으로 세 번째 기준이 만족과 불만족의 패턴을 받고요.
이 마지막 기준은 스탠스예요. 스탠스라고 하면 나의 입지인데 AI를 여러분들은 비서로 대하시는지 혹은 친구라 생각하시는지 혹은 선생님이라고 생각하시는지에 따라서 어 말투와 어떤 메커니즘이 달라지는데 요즘 영화는 아니지만 가장 많이 언급되고 있죠. AI한테 사람임을 느끼면서 감정을 이입하는 케이스인데요. 허라는 영화죠. 테오도르라는 어떤 주인공이 생성형 AI와 사랑에 빠지는 그런 영화로서 또 저희가 요즘 많이 보고 있는데 회자되고 있는데 이런 거를 스탠스 테이킹인데 스탠스는 강력하게 가까운 스탠스를 갖고 가 갖고 있죠. 프롬프트를 쓰고 답변에 받은 그 대화 데이터를 한번 분석을 해 보니까요. 실제로 AI한테 역할을 부여해 가지고 일상을 나누고 일상의 고단함을 나누시는 분들이 많더라고요. 이런 것들을 긍정의 스탠스를 갖고 있다라고 할 수가 있습니다.
그래서 여기까지 살펴본게 지금 네 가지 대화 분석의 기준이었고 가장 간단하게 어 턴 턴이 어떻게 이루어져 있느냐 싱글 턴이냐 멀티턴이냐 그다음에 액션 그래서 사용자가 이 프롬프트를 통해서 정보 검색을 하느냐 혹은 다른 어떤 유형의 행위를 하느냐 AI 답변을 받은 멀티턴자에 있어서 답변을 만족하는지 불만족하는지의 형태를 살펴봤고요. 네 네 번째 그래서 AI를 대화하는 사용자의 스탠스가 가깝냐 뭐냐를 살펴봤습니다.
기업 미팅가 보니 그 미팅 내용을 다 녹음한 다음에 AI한테 시켜서 회의에 있었던 중요한 내용들 혹은 뭐 넥스트 액션 다 뭐 해야 되는지 아이템 뽑아라 하는데 그 내용이 왜곡될 수가 있거든요. 그래서 꼭 한번 점검을 사람 단계에서 해야 됩니다. 그다음 차에서 그럼 어떻게 정확하게 답변을 얻어낼 것인지 그 잘못된 답변을 어떻게 통제할 것인지에 대해서 다룰 예정입니다.
상호 작용 언어학을 전공을 했어요. 이제 상호 작용 언어학이라고 하면 한국어로 번역하니까 좀 어색하긴 한데 interactional linguistics라고 합니다. 이 학문은요. 언어 구조가 사회적 상호 작용 속에서 어떻게 형성되고 사용되는지를 연구하는 학문인데요. 언어가 상호 작용에 의해 형성될뿐 아니라 언어 자체가 상호 작용의 어떤 자원임을 밝히는 학문이에요. 그래서 쉽게 말해서 대화가 어떠한 상호 작용을 발발시키고 어떤 의미를 갖고 있는지 그 기능적인 거를 실증적으로 연구하는 학문이라고 할 수 있는데요.
이 이 상호 작용 언어학의 이론들을 알면 프롬프트 그리고 저희가 쓰는 생성형 AI를 조금 더 깊게 이해할 수 있습니다. 이론들을 알면 뭐가 좋냐라고 하신다고 하면 첫 번째는 대화 내에서 생성형 AI랑 대화를 할 텐데이 대화의 텐션을 유지를 할 수가 있어요. 이외차에서 저희 살펴봤었잖아요. 불만족인 비선호 구조에서 선호 구조로 바꾸려면 저 더 정확하고 더 좋은 결과를 얻으려면 수정을 잘하셔야 되는데 수정을 어떻게 잘하실 수가 있는지 인간의 수리 메커니즘 리페어 메커니즘에서 한번 음 그 아이디어를 얻어와 볼 거고요. 세 번째는 공손 레벨 및 왕국화예요. 그래서 한국어는 특히 존댓말이 존재하잖아요. 그래서 존댓말을 쓰는 경우에 있어서 공손 레벨이 이 AI 답변에 어떤 영향을 끼치는지를 살펴보겠습니다. 네 번째. 네 네 번째는 다마 표지인데요. 이 다마라는 표현이 좀 어려울 수가 있어요. 다마는 아주 쉬워요. 저희가 뭐 AI가 아닌 이상 말할 때 음 혹은 뭐 그런데 뭐뭐 내요 뭐 자나요 영어로 뭐 유노 같은 이런 중간에 추임새들을 넣잖아요. 요런 것들이 다마 표지인데요. 이것들을 넣었을 때 딱딱한 AI 답변이 아닌 조금 더 소프트하고 구어체 대화의 어떤 형태로 더 답변을 잘하거든요. 그래서 프롬프트에 요것들을 넣었을 때 결과들을 한번 살펴볼 거고 다섯 번째 맥락 중요하다라고 제가 계속 1월 때부터 말씀을 드렸는데 그러면 한국어가 고맥락 언어인데 맥락을 어떻게 프롬프트에 반영을 해서 배경 지식을 넣고 답변을 잘 받을 수 있게 하는지 이 네 가지 언어학 이론을 다섯 가지 프롬프트에 반영을 한번 해보는 방법들에 대해서 살펴보겠습니다.
첫 번째 이 순차 조직이에요. 저희가 이회에서 대화가 턴테이킹 된다라는 개념에 대해서 살펴봤어요. 그래서 대화에 참여하는 사람들은 어 내가 어느 턴에 끼워 들어야 되지, 어느 턴에 말해야 되지라는 어떠한 말 차례를 기다리게 되는데 AI는 메카닉하게 저희가 먼저 말을 걸어야지만 답변을 하는 어떠한 순차가 있다고 말씀을 드렸고 그랬을 때 어떤 답변을 받을 수 있는지 예상할 수가 있어요. 어떤 문장을 넣으면 어떤 답변이 나올지 몰라서 비결정적인 요소를 갖고 있다라고 말을 해요.
이 이 순차 조직을 잘 이용을 하면 어떤 답변을 받을지 어느 정도 예상을 할 수가 있어요. 예를 들어 인사를 여러분들이 최치비T한테 해 보시면 반대로 인사를 하잖아요. 그리고 어떤 걸 리퀘스트를 요청을 하면 만약에 답변을 할 수 있으면 수락을 하고 어떤 답변을 못 한다라고 하면은 거절을 하는 어떠한 정확한 패턴 순차 조직을 갖고 있어요. 그래서 아 요런 것들을 어느 정도 예상을 하고 기대할 수 있는 범위 내에서 프롬프트를 써 주시면 좋습니다. 그래서 가장 쉽게 적용할 수 있는 예시는 나는 지금부터 너한테 요청을 할 거야. 요청을 할 거니까 너는 수락과 거절을 표시를 해 줘. 형태로 대답을 해 줘라고 명시하면서 프롬프트를 한번 써 보시겠어요? 그러면 이런 대화체 스타일이 순차 조직에 의해서 자연스러운 상호 작용을 하게 하고 그다음에 말차례를 AI가 이끌어내는 것을 볼 수가 있습니다.
두 번째는 리페어를 한다라고 했을 때 메커니즘을 볼게요. 어 사람과 사람 사이의 대화에는 리페어가 엄청 많아요. 그래서 리페어의 종류는 스스로 자기 말을 수정하는 셀프 리페어가 있고 다른 사람에 의해서 의해서 수정하는 더 리페어가 있는데 말하다가 수정하면 그건 사람이죠. 그래서 어 사람이 수정할 수 있도록 수리를 예약해 줘야 된다는 컨셉을 가져가야 합니다. 대화를 하다가 어 요거 네가 답변한 게 조금 잘못된 거 같은데라고 하면서 크랙션을 하게 하는 그런 방식의 수리라고 말을 할 수가 있을. AI는 자기가 뭘 잘못했는지 지금 말을 못 해요. 못 하기 때문에 생성형 AI의 어떤 한계죠. 그렇게 설계된 어떤 문장에 있어서 잘못된 걸 수정하지 못하는 한계가 있기 때문에 저희가 프롬프트에 요런 걸 넣어 줘야 돼요. 음. 네가 정확하게 알지 못하거나 혹은 이해하지 못한 부분에 있어서는 수리를 해 줘라고만 얘기를 하더라도 답변에 있어서 아는 거를 안다라고 말을 하고 반면 모르는 건 불확실하다라고 말을 할 수가 있고 잘못된 저는 리페어를 하겠다라고 말을 합니다. 이거 꼭 한번 적용해 보시면 좋은 개념이고요. 저는 리페어라는 용어를 정확하게 써요. 내 프롬프트를 받고 답변에 있어서 수정하거나 틀린 표현이 있으면 다시 말을 해 줘라고 말을 합니다. 그래서 답변에 AI가 수동적인 어떤 음 그 답변의 형태를 보여 주는게 아니라 굉장히 능동적으로 중간중간 내 질문에 있어서 확인을 한다거나 재요청을 합니다.
세 번째는 활용적인 표시 장치 및 담아 표지를 이용하는 그런 방법이에요. 첫 번째, 두 번째 다 인간과 인간의 상호 작용에서 오는 원리를 프롬프트에 적용해 봐서 생성형 AI 답변을 좋게 하는 방법론에 대해서 말씀을 드리고 있는데요. 세 번째 역시 인간과 인간의 대화에서 차관한 현상이에요. 사람은 음, 지금도 제가 이렇게 말을 할 때 음 이런 거 쓰잖아요. 필러라고 하는데 문장과 문장 사이 혹은 단어와 단어 사이를 채우는 필러라는 걸 써서 어떤 매끄럽게 연결해 줄 수 있는 역할의 장치를 써요. AI를 어떻게 대화하느냐에 따라서 달라지는데 여러분들이 AI를 친구로 대하실수록 대화를 하는 타입으로 가실수록 더 좋은 답변을 받을 수밖에 없습니다. 모델을 만든 어떤 모델 사에서는 인간의 상호 작용과 닮은 답변을 할수록 좋은 답변이라고 했고 그 좋은 답변에 보상을 줬어요. 그래서 인간처럼 만약에 요청을 했는데 감사합니다라고 AI가 답변을 했을 때 어 너 정말 좋은 점수 받아야겠다라고 이렇게 마킹을 했거든요. 그런 식으로 강화 학습을 시켰어요. 그렇기 때문에 인간의 상호 작용을 따라하게 어떤 원리나 현상을 반영하는 프롬프트로 대화체로 푼다라고 했을 때 음 더 좋은 답변을 받을 수밖에 없습니다. 그래서 음 뭐 그러니까요. 고마워. 어, 너도 알다시피 이런 식의 표현을 써 주시는 거예요. 그랬을 때 어떠한 효과가 있는지는 직접 체험을 한번 해 보시면 좋을 것 같아요. 혹은 감정을 표현할 수도 있어요. 대화를 받고서 너 정말 잘한다. 너 진짜 진짜 대단하다. 고맙습니다라고 이러한 감정적인 게 긍정과 어떤 좋은 답변을 일으킨다라는 연구 사례가 있습니다. AI한테 음 칭찬 혹은 감정을 자극하는 형용사 이런 담지와 화용적 표시를 쓴다라고 했을 때 AI는 더 친절하고 섬세한 답변을 해 주고 있습니다. 그래서 한번 적용을 해 보세요. 프롬프트에 뭐 예를 들어서 이 책에 대한 뭐 요약을 해 줘. 한 단을 요약해 줘라고 하지 마시고 내가 지금 진짜 친구처럼 말하는 것처럼 내가 지금 이 책을 어 대학교 교수님 레포트로서 내야 하는데 솔직히 나는 이게 좀 어려운 것 같아라고 하면서 감정에 한번 호소를 해보고 비교를 한번 해 보세요. 그랬을 때 사람처럼 말하는 그 대화 스타일이 답변에 미러링 돼서 좋은 답변을 이끌어냅니다.
논문 몇 개, 실를 제가 가져왔어요. 그중에 하나 소개드리고 싶은 게요. 지난 어떤 요약이나 번역 같은 일상적인 테스크가 아니라 컴퓨터 언어를 언어로 코드를 프로그래밍하는데 있어서도 대화형 프롬프트를 적용을 하면 코드 개발 과제에서 더 우수한 성능을 얻을 수 있다라는 거를 입증한 연구 논문이에요. 그래서 대화형 방식이 가진 어떤 실증 사례라고 볼 수가 있고요. 제가 생각했을 때 이 뭐 코드뿐 아니라 그냥 일상의 어떤 프롬프트에 있어도 접목할 만한 요소들이 너무 많거든요. 그래서 한번 접목해 보시고 이거 실제 시원은 저희가 이제 4회차 5회차 이제 실전 편에서 다뤄 보겠습니다.
이제 네 번째 언어학의 이론 상호 작용학의 이론을 살펴볼 텐데 맥락 의존성 및 탐축성입니다. 한국어는 주어 그다음 동사 목적어의 형태소 형태학의 구조로 이제 나오는데 대부분 주어를 빠뜨리시거나 목적어를 빠뜨리시거나 함으로써 어떠한 맥락이 굉장히 함축돼요. 그래서요 웬만하면은 그런 주어와 목적어 명사 어를 다 살려 주시는 게 좋은데 그렇지 않을 때 AI가 결승할 수 있도록 하는 어떤 룸 여지를 주시는 방식이에요. 그랬을 때 말로 직접 언급하지 않아도 예를 들어서 지금 비가 오는데 이 상황에 분위기에 올리는 소설을 써 줘라고 하면 이 AI가 어 비 온다라고 했을 때 어떤 연상들을 하겠죠. 혹은 커먼 센스라는 게 있어요. 만약에 제가 지금 방송하고 있는 상황에서 어떤 상호적인 배경 지식을 가지고 스크립트의 부족한 점을 보완해 줘라고 이렇게 상황적 맥락을 준 거의 결과와 맥락을 주제하는 결과에서는 현저한 차이가 발생할 수밖에 없습니다. 그래서 요렇게 한번 프롬프트에 답변할 때 어떠한 그 맥락적인 의미를 넣어서 암시나 배경 지식을 고려해서 추가 정보를 담아 답변해 줘라고 한다고 하면 더 훨씬 좋은 답변을 받으실 거예요.
마지막 공손인데요. 아까 전에 긍정 학습을 했기 때문에 모델이 공손을 표현하면 혹은 상호 작용을 인간처럼 하면 더 답변을 잘한다라는 게 어떤 정설이에요. 그래서 공손하다라는 원리를 반영해서 프롬프트를 쓰면 실제로 답변의 길이가 정말 길어지고 음 좋아지거든요. 그래서 세마트만이 이 플리즈랑 땡큐를 쓰는 사용자 때문에 언어 사용 비용이 어마어마해지고 있다라는 인터뷰를 한 적이 있어요. 다 쓰시고 고마워. 칭찬을 한번 해 주시거나 혹은 아니면 아예 존댓말로 지금 나는 이런 것들이 필요한데 요약해 주세요라고 공손 형태로 쓴 표현에서 답변이 더 좋아지거든요. 모델이 답변한 거를 다 채점하게 한 거 라벨링을 해요. 그래서 요건 좋은 답변, 이건 나쁜 답변을 라벨링하게 했어요. 그랬을 때 좋은 답변이라고 했던 거는 어 인간처럼 상호 작용하는 자연스러운 결과 뭐 정확한 결과 여러 가지 기준이 있었는데 긍정적인 상호 작용을 하게 한 답변이 좋은 답변을 줬기 때문에 공손이나 자연스러움을 보이는 거에 좋은 상세하게 답변을 하게 하도록 설계되어 있어서 그렇습니다. 그래서 공손하게 대하고 어떤 표현을 끝냈다라고 이렇게 화답하는 그러한 과정을 거치면 답변이 좋아지는 사례에 대한 논문입니다. 그래서 이 논문에서는요. 진짜 공손하게 말하면 답변이 잘할까 그런 실험을 한 거예요. 영어, 중국어, 일본어를 가지고 실험을 했는데 영어에는 아리픽이라는 존댓말이 없어요. 중국어은 존댓말이 발달하기는 했대요. 그리고 일본어는 있고 그래서 공손함의 정도를 진짜 공손한 거, 중립적인 거, 명령형을 써 가지고 프롬프트로 결과 차이를 본 거예요. 그랬을 때 공손한 표현에 있어서 답변의 결과가 좋았다라고 합니다. 오히려 영어와 중국어는 공손 화법에 대한 표현이 없다 보니까 지나치게 명령적인 표현들이 답변의 결과에 정확도를 떨어지게 했다라는 결과고요. 일본어 같은 경우는 더 높은 공손 수준의 표현이 긍정적 효과를 낳았다라고 합니다.
이 논문이 시사하는 바는요. 한국어는 굉장히 존경어와 어떤 겸양어가 발달한 언어잖아요. 그래서 그냥 AI한테 반말로 하는 것보다 뭔가 결과물이 잘 나오지 않는다라고 하면 여러분의 프롬프트를 존대어로 바꿔 보시고 공손하게 바꿔 보세요. 그러면 더 좋은 응답을 받으실 수가 있습니다.
요즘 이제 모델이 추업 모델이 있고 빗출 모델이 있는데 어 추업 모델 같은 경우에는 학습을 시키는데 라벨링은 안 할 순 없는 거 같아요. 왜냐면 뭐 벤치마크라고 있어요. 이 모델 하나 나오면 얼마나 문제를 잘 푸는가, 정답이 있는 문제를 얼마나 잘 맞추는가, 정답이 없는 문제에 대해서는 어떻게 평가를 할 것인가에 대한 레이블링을 꼭 하고 있어서 필수적인 거죠. 덤접 덤즈다운도 있잖아요. 인간 선호도 평가를 하기 위해서. 그러면 이렇게 나쁜 답변 받는 것도 따로 모아서 학습시키고 이러다 보니까 사람은 언제 답변을 좋아하는가 싫어하는가가 현상으로 보이거든요. 그래서 라벨링은 아주 필수 작업입니다.
3회차에서는 저희가 인간의 상호 작용 원리를 이용한 음 언어학의 기반 프레임워크와 함께 네 가지 이론과 다섯 가지 프롬프트 방식에 대해서 살펴봤어요. 그래서 어 직접 적용하셔 가지고 생성형 AI를 쓸 때 바로 한번 답변을 받아보시면은 좋을 것 습니다.