[챗GPT o1] 잘못된 프롬프트에 대한 정확한 AI 답변이란 무엇일까 ChatGPT를 사용하면서 좋은 결과를 얻으려면 프롬프트를 잘 작성해야한다거나 프롬프트 엔지니어링이 중요하다거나 하는 이야기는 이미 충분히 널리 퍼져있다. 그러나 과연 우리가 프롬프트를 잘 작성한다는 것이 대체 무엇이고, 좋은 결과라는 것은 대체 무슨 기준으로 판단해야하는가에 대해 충분히 이해하고 있다고 보기는 어려운듯 싶다. 사실 아래 소개하는 테스트는 논리적 설명에 특화된 ChatGPT o1 모델이 어느 정도의 완성도 있는, 깊이 있는 답변을 줄 수 있을지에 대한 테스트 작업으로 진행된 내용이기는 하다. 하지만 주제가 프롬프트와 정확성의 의미를 명확하게 하기 위한 내용이기 때문에 프롬프트라는 것에 대해 깊이 생각해보는데 참고가 될..

[챗GPT o1] 데이터 시각화 검토 수준의 차이 ChatGPT o1의 논리적 추론은 데이터 분석에도 여러 가지 측면에서 활용될 수 있을 것으로 보인다.다음은 (누군가가) 작성한 데이터 시각화 결과에 대해 ChatGPT o1의 논리적 추론 결과 예시이다.결과를 살펴보면, 기존의 모델 (ChatGPT 4o)가 생성한 결과에서 조차 흔히 발생되는 문제점을 충분히 전문적으로 진단한다는 사실을 알 수 있다.    아래는 일반적인 데이터 시각화 원칙을 기준으로 보았을 때, 첨부된 차트가 벗어난(개선이 필요한) 요소를 짚어본 것입니다.1. 가로축(계절) 구간이 “시간적 흐름”으로 정렬되지 않음일반적으로 **선 그래프(Line Chart)**는 시간 축(또는 연속적 값)이 가로축에 놓이고, 연속성을 전제로 값을 연결..

챗GPT o1 - 얼마나 유용해진 걸까? 고급 코딩 예제 검토 - 상품추천 알고리즘 코드 작성 비교 사례 간단한 비교 실험을 해본 결과이다. 과연 ChatGPT o1 모델의 강점이라고 하는 고급 코딩에서 4o 모델을 사용할때 보다 얼마나 구체적으로 좋은 결과를 제공할 것인가? 온라인 쇼핑몰 추천 시스템 로직을 예로 테스트 해본다.  [과제]아마존과 같은 온라인 쇼핑몰을 가정하고 가장 효율적이면서 실효성 높은 상품추천 로직을 파이썬 코드로 생성하라. 최신 접근 방식을 효율성있는 버전으로 제공하라. 별도의 외부 알고리즘 없이 구현 가능한 버전을 제공하라   ChatGPT 4o의 답변 ::  아래는 아마존과 같은 온라인 쇼핑몰에서 효율적이고 실효성 높은 상품 추천 로직을 구현하는 Python 코드입니다. 이 ..

ChatGPT의 o3가 AGI? ChatGPT의 o3 모델을 1월에 발표하겠다고 하는 오픈AI의 발표에 대해 o1에게 현실성을 검토하게 해 본다.AGI라는 용어가 과연 실체가 있는 것인지를 중심으로 검토해본다.  =================== Prompt for o1::"chatgpt o3 런칭에 대해 오픈ai에서 발표했다. o1에 대한 사용자 반응을 기반으로 o3가 AGI를 주장하는 것의 현실성에 대해 전문적 심층 검토를 제시하라."      13초 동안 Thought about O3 AGI claims[전문적 심층 검토]오픈AI가 “ChatGPT O3”라는 차기 버전을 공식적으로 발표했으며, 특히 이전 세대인 “O1”에 대한 사용자 반응을 참고해 새로이 “O3”가 사실상 AGI(Artificia..

[챗GPT] 퓨샷 프롬프트의 함정 Few-shot Prompting은 AI가 문맥과 의도를 더 잘 이해하도록 돕는 강력한 기법이다. 예시를 통해 구체적인 상황을 제시하면 모델이 더 정확하고 풍부한 답변을 생성할 가능성이 높아진다. 또 사용하기 쉽기도 하다. 이 때문에 많은 강의와 책들이 이 기법의 중요성을 실제 이상으로 부풀려서 이야기하기도 한다. 심지어 예제를 넣지 않은 프롬프트는 잘못된 프롬프트, 초보자의 프롬프트로 치부하기까지 한다. 그러나 이 방식에도 여러 한계와 함정이 존재하며, 이를 신중히 관리하지 않으면 오히려 의도와는 다른 결과를 초래할 수 있다.   가장 큰 문제 중 하나는 예시 선택에서 생겨난다. 예시가 편향되었거나 불완전한 정보를 포함할 경우, 모델이 이를 정답으로 간주하고 잘못된 답..

[ChatGPT] 비지니스 상황에서 CoT, ToT가 실효성이 있을까? 챗GPT와 같은 언어모델기반의 생성형AI를 사용하는데 있어서 프롬프트 엔지니어링의 중요성이 매우 강조되고 있다. 잘 다듬어진 프롬프트로 어떻게 답을 얻을 것인지에 따라 결과가 완전히 다르다고 생각해서이다. 그래서 더 우수한 고급 기법을 개발하기 위한 노력과 연구도 매우 활발하다. 그러나, 문제의 종류에 따라서 그리고 어떤 상황과 환경에서 생성형AI를 사용하는가에 따라 그 가치가 상당히 큰 차이가 있지는 않을까?  특히 "비즈니스 프롬프트 엔지니어링" 상황과 맥락이라면, 그리고 조사(검색) 기능을 포함한 ChatGPT와 같은 챗봇 환경에서 사용하는 경우라면, 게다가 조사(검색) 기능이 있고 적극 활용되지만 결과의 완전성이 상당히 미흡하..