ChatGPT 프롬프트 엔지니어링 오해[1] - 복잡해야 한다
ChatGPT가 대중적인 인기를 끌면서 책도, 강연도, 논문도 많이 나오고 있다. 그 중 한 섹션은 바로 프롬프트 엔지니어링(Prompt Engineering)이다. 그러나 지금 쉽게 접할 수 있는 이야기들이 과연 다 맞는 말들일까? 대표적인 오해(Myth)들을 정리해보자
ChatGPT 프롬프트 엔지니어링에 대한 오해 Top 7
- 복잡할수록 더 나은 출력을 제공한다
- ChatGPT가 인간처럼 맥락을 이해한다
- ChatGPT가 각 상호작용에서 학습한다
- 긴 프롬프트가 더 낫다
- AI가 복잡한 작업을 완전히 자동화할 수 있다
- 전문 용어와 기술 용어 사용이 응답을 개선한다
- 프롬프트 엔지니어링은 기술 전문가만을 위한 것이다
대표적인 것들만 해도 7개나 되니 모두를 살펴보는 대신 첫번째 것 하나라도 살펴보자.
More Complexity Equals Better Outputs
(더 복잡한 프롬프트가 더 나은 결과를 낳는다)
흔히 더 복잡한 프롬프트가 더 나은 결과를 제공한다는 일반적인 믿음이 있다. 그러나 실제로 적용해보면 좀 단순해 보여도 명확하고 정확한 프롬프트들이 보통 ChatGPT로부터 더 정확하고 관련성 있는 응답을 이끌어낸다. CoT도 Step-by-step도 실제로 별로 크게 도움되지 않는다. 단순하고 명확한 프롬프트도 "잘 구성되고 목표에 맞다면(well-structured and targeted)" 매우 효과적이다.
핵심은 길이나 복잡성이 아니다. 프롬프트를 통해 생성 AI로 부터 얻고자하는 답이 무엇인가를 잘 정리해서(분류하거나 구조화해서) 특정한 답변의 범위를 좁히는 것(=Targeting)이다. Targeting이라는 키워드를 기억하라!
그렇다면 복잡하기만 하고 결과는 나쁜 프롬프트란 무엇인지 실제로 예를 들어 보자.
잘못된 프롬프트 예시:
"ChatGPT를 사용할 때 발생할 수 있는 다양한 오류 코드와 해당 코드가 발생하는 구체적인 상황들, 그리고 이러한 오류 코드가 발생했을 때 해결 방법을 설명해 주세요. 또한, 이러한 오류 코드가 발생하지 않도록 예방하는 방법에 대해서도 상세히 설명해 주세요."
잘못된 점:
이 프롬프트는 너무 많은 세부 사항을 한꺼번에 요구하며, 오류 코드와 같은 매우 구체적인 정보를 제공하라고 한다. 또한 예방 방법까지 설명하라고 요청하는 등 과도하게 복잡하다.
그렇다면, 어떤 프롬프트가 더 나은 결과를 줄까?
수정한 프롬프트 예시:
"전문적 사용자가 ChatGPT를 사용할 때 발생하는 Top 5 문제상황에 대해 최근 자료 중심으로 조사하라. 각 문제상황에 대한 현실적이고 실용적인 해결 방안을 제안하라"
수정에 사용한 전략:
1. 사용자의 종류를 명시(=Targeting)
2. 가장 중요한 상황으로 범위 한정
3. 세부사항 대신 실용적 대책을 요구
결론과 교훈:
챗GPT를 사용하기 위한 프롬프트 엔지니어링에 대해서 많은 오해(Myths or Misunderstanding)가 존재한다. 프롬프트 엔지니어링은 사실상 아직 성숙기에 접어든 학문도 검증된 기술도 아니다. 생각보다 진짜 중요한 결과를 얻을 수 있도록 가이드해줄 수있는 전문가도 많지 않은 상황이다. (ChatGPT를 만든 OpenAI 조차 실제 다양한 문제들에 활용하기 위해 그 것을 어떻게 사용해야하는지에 대해 그리 많이 알지 못하는 상황임을 기억하라!)
만일 실제로 자신의 업무 문제를 해결하기 위해 전문적으로 ChatGPT와 같은 도구를 사용하려는 사용자라면 자신의 목적을 더 잘 달성할 수 있는 프롬프트의 특성을 파악하고 이를 반복해서 새로운 패턴으로 응용하라. 생각해보라! 마케팅에 대한 이해가 없는 사람이 프롬프트 엔지니어링을 아무리 기법으로 한들 좋은 마케팅 프롬프트를 작성하는 것이 가능하겠는가?
[참고] 생성 AI에서의 프롬프트 엔지니어링이란 무엇인가?
프롬프트 엔지니어링은 ChatGPT와 같은 대형 언어 모델(LLM)과 효과적으로 상호작용하기 위해 입력 프롬프트를 설계하고 최적화하는 작업이다. 이 과정은 AI 모델의 기능과 한계를 이해하고 특정 기술을 사용하여 응답의 품질과 관련성을 향상시키는 것이다. LLM을 활용한 애플리케이션을 개발하는 엔지니어의 관점과 자신의 문제를 해결하기 위해서 사용하는 최종사용자(End User. 예: 기획자, 마케터, 품질관리자, 변호사)의 관점 등 크게 두 가지 서로 다른 유형의 관점에서 각자의 필요에 의해 수행된다.
프롬프트 엔지니어링에 대한 최근의 경험과 인사이트를 바탕으로 한 전문가 수준의 정의는 다음과 같다:
"프롬프트 엔지니어링은 고품질, 맥락에 적합한 출력을 최소한의 후처리로 달성하기 위해 프롬프트를 설계하고, 최적화하며, 반복하는 것을 목표로 하는 전문적 작업이다. 이는 AI 모델의 아키텍처를 이해하고 기술적 지식과 언어적 기술을 활용하여 수행된다."
[ Bonus ]
전세계 최고의 프롬프트 엔지니어링 전문가 5명은?
Comment :: ChatGPT does not understand what is prompt engineering!
At least at this very moment.
참고::
이 글은 "디지털 마케터의 챗GPT 활용 전략 - 실전! ChatGPT 프롬프트 엔지니어링" 책을 보강 Update하기 위한 내용입니다. 책에 대한 소개는 다음을 참고하세요
https://revisioncrm.tistory.com/596
관련 글 :
대표적으로 유행하는 프롬프트 엔지니어링 기법 CoT: 과연 얼마나 실제로 쓸모가 있을까?
https://revisioncrm.tistory.com/675
본격적으로 사용하는 사람입장에서 과연 ChatGPT가 유용할까? 지금 시점에서의 활용가치에 대한 검토
https://revisioncrm.tistory.com/677
챗GPT 실제로 쓸모있는 기능 7가지 - ChatGPT 활용 방안 (영상)
https://www.youtube.com/watch?v=V5GeenOfsFM&t=27s
명령하기 3 핵심 기법 - 챗GPT 프롬프트 엔지니어링 (영상)
https://www.youtube.com/watch?v=EMRVyxkTmOY&t=7s
* by promptStrategies, 전용준. 리비젼컨설팅 https://revisioncrm.tistory.com/182
'인공지능' 카테고리의 다른 글
생성형 AI를 활용한 의미기반 상품정보 제공 사례 Example - plus 교훈 (0) | 2024.06.24 |
---|---|
Enterprise급의 Generative AI implementation 프로젝트에서 prompt 표준화와 prompt 품질 관리를 구현하는 방법 (0) | 2024.06.24 |
ChatGPT가 실제 전문적 업무에 도움이 될까? 주관적 검토 (2024.6.17) (0) | 2024.06.17 |
[ HFDGAIA ] 패션 디자인 생성형 AI Lecture (0) | 2024.06.13 |
CoT 프롬프트의 마법? Chain of Thought 적용 방법과 대상과 한계점 (0) | 2024.06.06 |