[Personal Studies] Prompt 란?
- 지금 현재 AI는 계속 발전해 나아가고 있는데, 이러한 AI를 어떻게 더 잘 활용할수 있을까?를 생각하고 만일 Chat GPT를 사용했을때 단순한 질문보다 구체적인 질문을 던지면 사용자에게 더 퀄리티있고 적합한 답을 얻을수 있음을 볼수 있다.
그러면 LLM 과 같은 AI에게 어떤 구체적인 질문을 해야 내가 원하는 결과를 만들수있을까?
내가 보기엔 이 구체적인 질문, 그것을 Prompt 라고 생각이 든다. Prompt란 인공지능 모델(특히 자연어 처리 모델)에게 주어지는 입력 텍스트로, 모델이 그에 적합한 응답을 생성할 수 있도록 하는 명령어 또는 질문을 의미하며, 간단히 말해, 모델에게 무엇을 할지 요청하는 방식을 뜻하는데 이 Prompt의 퀄리티가 점점 중요해지는것 같다. 이 Prompt라는 것이 중요해지다보니 Prompt engineering 라는 세로운 작업이 생겼다.
Prompt Engineering (프롬프트 엔지니어링)
Prompt Engineering은 AI 모델, 특히 대규모 언어 모델(예: ChatGPT, GPT-4)을 최적화된 방식으로 활용하기 위해 효과적이고 정확한 Prompt를 설계하는 과정이며, 이는 다른말로는 모델이 원하는 결과를 생성하도록 텍스트 입력을 조정하고 실험하는 기술적 과정이라고 할수 있다.
Prompt Engineering의 중요성
- 출력 품질 향상: 동일한 모델에서도 Prompt를 어떻게 작성하느냐에 따라 출력 결과의 품질이 크게 달라질 수 있음.
- 사용자 의도 전달: 잘 설계된 Prompt는 모델이 사용자의 의도를 더 정확히 이해하고 수행하도록 도움.
- 다양한 응용 가능: 특정 Task(번역, 코딩, 글쓰기, 데이터 요약 등)를 수행하기 위해 다양한 스타일의 Prompt를 실험적으로 설계.
이 Prompt Engineering은 여러가지 기법이 있는데, 여러가지중 주요기법을 정리해봤다.
- Prompt Engineering의 주요 기법
- 구체화: 불분명한 요청 대신 세부적인 조건을 제시.
- Before: "Summarize this article."
- After: "Summarize this article in 3 bullet points, focusing on economic impacts."
- 역할 지정: AI가 특정 역할을 수행하도록 설정.
- "You are a professional chef. Suggest a recipe using chicken and vegetables."
- 제약 조건 추가: 결과의 형태나 내용을 제한.
- "Write a 150-word summary of this news article."
- 컨텍스트 제공: 추가 정보를 제공해 모델의 이해도를 높임.
- "Given the recent advancements in AI, discuss how it might impact healthcare."
- Zero-Shot Prompting: 예시 없이 지시문만으로 모델이 작업을 수행하도록 하는 방법.
- Few-Shot Prompting: 몇 가지 예시를 제공하여 모델이 작업을 더 정확하게 수행하도록 돕는 방법.
- Chain-of-Thought Prompting: 모델이 복잡한 문제를 단계별로 해결할 수 있도록 중간 추론 과정을 포함하는 방법.
이것을 코드나 구조적으로 자동화 시킨다면 그걸 RAG라고 할수 있는것 같다 그리고 그 RAG를 여러가지의 Agent를 활용하는 기법을 LangGraph 인듯 하다.
- 구체화: 불분명한 요청 대신 세부적인 조건을 제시.
한마디로 기존에 있는 AI 모델에 원하는 prompt를 세팅후 그 결과값또한 원하는 포멧대로 만든다면..? 그것은 하나의 AI Agent가 된다는것이다. 그리고 그 AI Agent가 여려가지로 만들어져 있고 하나의 목표 설정을 기입하면 그것을 통해 추론 및 prompting을 통해 만들어 도달하게 만드는 시스템이라면 Agentic AI라고 하는건가? 이는 내가 이해한것을 통해 적은것이기에 아닐수도 있지만 난 이렇게 이해를 했다. 그런데 이 Prompting을 단순히 Prompting 하지 않고 일정한 사람들의 Thought process 나 추론들을 바탕으로 방법화를 시킨다면? Palantir사가 주장하는 ontology이지 않을까 싶다. 점점 개개인 혹은 각 기업의 특정한 질문을 하는 방식을 더 잘 만들어 결국엔 그들만의 Generative AI 가 되지 않을까?