본문으로 건너뛰기
피드

LLM 시대, ‘고생하면서 배우는 시간’이 사라지고 있다는 얘기

ai-ml 약 5분
vote
0
댓글
북마크

글쓴이는 물리학과 프로그래밍을 배우며 겪었던 시행착오가 실제 학습의 핵심이었다고 말함. 그런데 ChatGPT 같은 대규모 언어 모델(LLM)이 답을 몇 초 만에 내놓는 시대가 되면서, 오래 붙잡고 씨름하는 경험 자체가 점점 사라지고 있다는 문제를 짚음.

  • 1

    글쓴이는 어려운 문제를 오래 붙잡고 고생했던 부분일수록 나중에 진짜 자기 지식으로 남았다고 봄

  • 2

    LLM은 학습을 도와줄 수도 있지만, 대부분의 사람에게는 3시간의 고민 대신 10초짜리 우회로가 되기 쉽다는 게 핵심 주장

  • 3

    교육은 앞으로 꽤 혼란스러운 시기를 맞을 수 있고, 어쩌면 ‘혼자 어려운 문제를 푸는 졸업생’ 자체가 덜 필요해질 수도 있다는 열린 결론으로 끝남

  • 글쓴이의 핵심 주장은 단순함 — 어려운 걸 배우려면 결국 ‘고생하는 시간’이 필요한데, LLM이 그 시간을 없애고 있다는 것임

    • 물리학을 공부할 때 문제지를 붙잡고 몇 시간씩 삽질했던 경험이 출발점임
    • 신기하게도 시험 기간에 다시 봤을 때, 쉽게 넘겼거나 남의 풀이를 베낀 부분은 낯설었고, 진짜로 고생했던 부분만 몸에 남아 있었다고 함
  • 프로그래밍을 배울 때도 똑같았다고 함

    • 22살에 Python과 Ruby 튜토리얼로 코딩을 시작했고, 패키지 설치 문제, 오프바이원(off-by-one) 버그, 운영체제 망가뜨리기 같은 시행착오를 겪음
    • 당시에는 빡셌지만, 글쓴이는 그게 전부 다른 형태의 학습이었다고 봄
    • 결과적으로 23살에 데이터 사이언티스트로 취업했고, 이후 13년 정도 매일 데이터와 코드로 씨름하며 살아왔다고 함
  • 그런데 AI 시대에는 이 ‘씨름’이 너무 쉽게 생략됨

    • 글쓴이는 ChatGPT 프롬프트로 대학을 통과했다며 유명해진 졸업생 사례를 언급함
    • 본인도 학생 때 Wikipedia 도움을 많이 받아서 가난한 와중에 50파운드를 기부했던 기억이 있지만, AI는 그때와 다르다고 봄
    • Wikipedia는 참고 자료에 가까웠다면, LLM은 아예 문제의 답이나 풀이 과정을 몇 초 만에 내놓을 수 있기 때문임

중요

> 글쓴이가 걱정하는 건 ‘AI를 쓰면 학습이 불가능하다’가 아님. 답이 몇 번의 키 입력만큼 가까워진 상황에서, 대부분의 사람이 오래 버티며 고민하는 선택을 하기 어려워졌다는 쪽에 가까움.

  • 글쓴이는 이 상황을 아이들의 스마트폰 사용에 비유함

    • 지루함은 누구에게나 싫은 경험이고, 심리학 실험에서는 사람들이 지루함을 견디느니 스스로 전기 충격을 주는 선택까지 했다는 이야기도 있음
    • 하지만 요즘은 지루함이 창의성, 주도성, 회복탄력성을 키우는 데 필요하다는 관점도 커지고 있음
    • 부모 입장에서는 긴 차 안에서 아이가 칭얼대도 잠깐의 불편을 견디게 하는 게 장기적으로 낫다는 걸 알 수 있음
    • 현실에서는 아이가 차에서 칭얼대면 iPad를 주고, 미용실에서도 칭얼대면 또 iPad를 주다가, 결국 아이는 ‘칭얼대면 iPad가 나온다’는 패턴을 배운다는 얘기임
  • 이 비유를 학습에 가져오면 꽤 아픔

    • 어려운 문제를 3시간 붙잡는 건 심리적으로 불편한 경험임
    • 그런데 같은 문제를 ChatGPT에 물어보면 10초 만에 답이 나올 수 있음
    • 원칙적으로는 스스로 절제하면서 계속 고민할 수 있지만, 글쓴이는 대부분의 사람이 그렇게 하지 못할 거라고 봄
    • 이건 도덕적 우월감으로 하는 말이 아니라, 글쓴이 본인도 마찬가지라고 함
  • 개발자에게 특히 익숙한 장면이 나옴 — “굳이 왜 내가 직접 읽고 만들지?”라는 유혹임

    • 데이터 스키마를 한 시간 읽을 수 있지만, 그냥 ChatGPT에 넣고 설명을 받을 수도 있음
    • 완벽한 산점도(scatter plot)를 직접 만드는 법을 배울 수도 있지만, Claude가 그럴듯하게 만들어주면 굳이 고생할 이유가 줄어듦
    • 문제는 그 편리함이 누적되면, 예전에는 몸으로 익혔을 감각을 통째로 건너뛸 수 있다는 점임
  • 결론은 꽤 열려 있음 — 앞으로 교육 쪽은 몇 년간 진짜 요동칠 수 있다는 것

    • 어려운 과목을 배우는 데는 결국 고생하는 과정이 필요하다는 게 글쓴이의 기본 입장임
    • 그런데 LLM은 그 고생을 사실상 ‘구식 경험’으로 만들고 있음
    • 동시에 LLM이 너무 빠르게 발전하고 있어서, 어쩌면 앞으로는 혼자 어려운 문제를 풀 줄 아는 졸업생이 예전만큼 많이 필요하지 않을 수도 있다고 함
    • 글쓴이는 확답을 내리진 않음. 다만 지금 우리가 꽤 이상한 전환점 위에 있다는 감각은 분명히 남김

개발자 입장에선 꽤 찔리는 글임. 에러 메시지, 스키마, 이상한 설치 문제랑 씨름하던 시간이 귀찮긴 했지만, 그게 실력의 상당 부분을 만들었다는 얘기라서 LLM을 학습 도구로 쓸 때 선을 어디에 그을지가 진짜 중요해짐.

댓글

댓글

댓글을 불러오는 중...

ai-ml

오픈AI, 브로드컴과 만든 첫 자체 추론 칩 ‘할라페뇨’ 공개

오픈AI가 브로드컴과 함께 만든 첫 자체 추론 프로세서 ‘할라페뇨’를 공개했다. 아직 테스트 단계지만, 실시간 코딩 모델 같은 추론 워크로드에서 기존 최고 수준 대안보다 전력 대비 성능이 크게 좋다는 초기 결과를 내세웠다.

ai-ml

가트너 “네오클라우드, 2030년 AI 클라우드 시장 20% 먹는다”

생성형 AI 확산으로 GPU 기반 고성능 컴퓨팅 수요가 폭증하면서 AI 전용 클라우드 사업자인 네오클라우드가 커지고 있다는 분석이 나왔어. 가트너는 2030년 약 2,670억 달러 규모 AI 클라우드 시장에서 네오클라우드가 20%를 차지할 수 있다고 봤어. GPU 확보, 가격 경쟁력, 데이터 주권 대응이 핵심 포인트야.

ai-ml

스페이스X, 오픈소스 AI 스타트업에 초대형 컴퓨팅 파워 판다

리플렉션 AI가 스페이스X의 대형 데이터센터 인프라를 쓰기 위해 2029년까지 최대 63억달러 규모 계약을 맺었다는 내용이다. 월 1억5000만달러를 내고 엔비디아 GB300 기반 컴퓨팅 자원을 확보하는 구조이며, 스페이스X는 남는 AI 인프라를 외부 고객에게 파는 플랫폼 사업으로 확장하려는 흐름을 보인다. 오픈소스 AI 모델을 내세우는 리플렉션 AI가 정부·안보 시장에서 빠르게 커지고 있다는 점도 포인트다.

ai-ml

AI가 청소년의 ‘생각 훈련’을 건너뛰게 만든다는 경고

이 글은 생성형 AI가 청소년과 주니어에게 편리한 도구를 넘어 사고력 발달을 약화시킬 수 있다는 우려를 다뤄. 핵심은 AI 사용 자체가 문제라기보다, AI가 단일한 관계와 정보 통로가 되고 글쓰기·판단·고민의 과정을 대신해버릴 때 인지 훈련 기회가 사라진다는 점이야.

ai-ml

성남시, AI로 고독사 위험과 고령자 주차 문제를 같이 실증한다

성남시니어산업혁신센터가 AI 돌봄 자동화 플랫폼과 AI 스마트 주차관리 시스템의 실증기관으로 선정됐어. 각각 14억2500만 원, 30억 원 규모 사업이고, 고령자 돌봄과 교통약자 주차 편의라는 생활밀착형 문제를 AI로 풀어보겠다는 내용이야.