Prompt Engineering이 자연어 알고리즘을 생산합니다
제 선반에는 네트워킹부터 AI, 보안까지 기본 지식을 갖춘 책이 많이 있습니다. 대학 시절에 쓰던 교과서의 대부분은 없어졌지만 두 권은 아직 남아 있습니다. 바로 ' 드래곤 북' 과 '알고리즘 입문' 입니다.
전자는 감상적인 차원에서 남겨두겠습니다. 저는 평생 컴파일러를 딱 두 개만 썼고, 앞으로는 다시는 쓰고 싶지 않습니다. 후자는 시대를 초월하기 때문에 간직합니다. 알고리즘은 어떤 운영 체제나 언어에도 얽매이지 않습니다. 이는 일반적인 문제를 해결하기 위해 따르는 논리적 규칙, 즉 패턴입니다.
이것이 내가 운전할 때 심부름을 할 때 때때로 "다이크스트라"라고 말하는 이유입니다. 다익스트라 알고리즘은 최단 경로를 찾는 규칙의 집합이며, 네트워크를 통해 패킷을 라우팅하는 것뿐만 아니라 여러 가지 작업을 수행하는 데에도 적용 가능합니다.
이를 염두에 두고, 신속한 엔지니어링의 진화하는 공간을 고려해 보겠습니다. 간단한 정의는 "최적의 출력을 생성하는 생성 AI 도구에 대한 입력을 설계하는 관행"입니다. (McKinsey)
지난 몇 달 동안 우리는 수많은 즉석 엔지니어링 "기술"이 표면화되는 것을 보았는데, 각각은 특정 유형의 문제, 즉 생성 AI에서 최적의 출력을 생성하는 방법을 해결하기 위해 고안되었습니다.
Forbes는 이러한 기술을 전면에 내세우는 데 있어 훌륭한 일을 해왔습니다.
그 외에도 많은 것들이 있지만, 모두 같은 특징을 공유합니다. 각각은 원하는 결과를 생성하기 위해 생성 AI와 상호 작용하기 위한 일련의 규칙이나 패턴을 설명합니다. 공학적 관점에서 이것은 이진 트리를 정렬하는 방법, 연결 리스트를 역순으로 정렬하는 방법, 그래프를 통해 목적지까지의 최단 경로를 찾는 방법을 설명하는 알고리즘과 크게 다르지 않습니다.
이들은 설계와 목적에 있어서 자연어 알고리즘입니다.
이제, 저는 엔지니어들이 재빠르게 엔지니어가 되라고 권장하려는 것이 아닙니다. 하지만 오늘날 많은 엔지니어가 깨닫고 있듯이 자연어 알고리즘을 사용하면 더 효과적인 생성 AI 솔루션을 설계할 수 있습니다. AI 환각 완화에 대한 블로그를 읽어보면 솔루션의 맥락에서 사고의 사슬 과 반성적 AI를 포함한 여러 자연어 알고리즘이 GPT의 응답을 안내하여 최적의 답변이 생성되도록 하는 것을 알 수 있습니다.
이것을 인식하는 것이 중요한 이유는 신속한 엔지니어링 기술이 등장하고 궁극적으로 인식 가능한 이름을 얻으면서 생성적 AI를 활용하는 솔루션의 빌딩 블록이 되기 때문입니다. 오늘날의 신속한 엔지니어링 기술은 내일의 자연어 알고리즘입니다.
그리고 우리는 이를 무시하거나 기존 알고리즘보다 가치가 낮다고 일축하거나, 가족이나 친구가 사용하는 채팅 인터페이스에만 적용되는 것으로 여겨 무시하지 않는 것이 좋습니다.
우리는 API에 의존하여 생성 AI를 솔루션에 통합할 수 있지만, 우리가 교환하는 데이터는 자연어이며, 이는 우리가 구축하는 솔루션 내에서 이러한 신속한 엔지니어링 기술(자연어 알고리즘)을 활용하여 생성 AI에서 더 나은, 더 명확하고 더 정확한 답변을 생성할 수 있음을 의미합니다.
이는 또한 기술 리더가 엔지니어가 생성 AI를 활용하여 최적의 솔루션으로 이어지는 패턴과 알고리즘을 발견하는 데 시간을 투자하도록 허용할 뿐만 아니라 장려 해야 한다는 것을 의미합니다.
미래에 엔지니어 중 한 명이 자신의 이름을 딴 알고리즘을 갖게 될지도 모르죠.