플레이어로 건너뛰기본문으로 건너뛰기푸터로 건너뛰기
ontvkorea
  • 6일 전

카테고리

📺
TV
트랜스크립트
00:00다음 영상에서 만나요.
00:30다음 영상에서 만나요.
01:003회에서는 생성형 AI와 상호작용하는 방법에 대해서 살펴보겠습니다.
01:062회차에서는 저희가 인간하고 인간이 어떻게 대화하는지, AI와 인간이 어떻게 대화하는지에 대한 분석 요소를 살펴봤다면,
01:153회차에서는 조금 더 광해의 개념인 상호작용 인터랙션이에요.
01:21그래서 이 상호작용을 알면 생성형 AI를 더 잘 쓸 수 있습니다.
01:26상호작용 언어학을 전공을 했어요.
01:30상호작용 언어학이라고 하면 한국어로 번역하니까 좀 어색하긴 한데,
01:35Interactional Linguistics라고 합니다.
01:38이 학문은요, 언어 구조가 사회적 상호작용 속에서 어떻게 형성되고 사용되는지 연구하는 학문인데요.
01:46언어가 상호작용에 의해 형성될 뿐 아니라 언어 자체가 상호작용의 어떤 자원임을 밝히는 학문이에요.
01:55그래서 쉽게 말해서 대화가 어떠한 상호작용을 발발시키고 어떤 의미를 갖고 있는지,
02:02그 기능적인 것을 실증적으로 연구하는 학문이라고 할 수 있는데요.
02:05이 상호작용 언어학의 이론들을 알면 프롬프트, 그리고 저희가 쓰는 생성형 AI를 조금 더 깊게 이해할 수 있습니다.
02:21이 이론들을 알면 뭐가 좋냐고 하신다고 하면,
02:26첫 번째는 대화 내에서 생성형 AI랑 대화를 할 텐데, 이 대화의 텐션을 유지를 할 수가 있어요.
02:332회차에서 저희 살펴봤었잖아요.
02:35불만족인 비선호 구조에서 선호 구조로 바꾸려면 더 정확하고 더 좋은 결과를 얻으려면 수정을 잘하셔야 되는데,
02:44수정을 어떻게 잘하실 수가 있는지, 인간의 수리 메커니즘, 리페어 메커니즘에서 한번 그 아이디어를 얻어와 볼 거고요.
02:53세 번째는 공손성 레벨 및 완곡화예요.
02:57한국어는 특히 존댓말이 존재하잖아요.
03:00그래서 존댓말을 쓰는 경우에 있어서 공손성 레벨이 이 AI 답변에 어떤 영향을 끼치는지를 살펴보겠습니다.
03:08네 번째, 네 번째는 담화 표지인데요.
03:11이 담화라는 표현이 좀 어려울 수가 있어요.
03:14담화는 아주 쉬워요.
03:16저희가 AI가 아닌 이상, 말할 때 음, 혹은 그런데, 뭐뭐 내요, 잖아요, 영어로 유노 같은 이런 중간에 추임새들을 넣잖아요.
03:27이런 것들이 담화 표지인데요.
03:30이것들을 넣었을 때 딱딱한 AI 답변이 아닌 조금 더 소프트하고 구어체 대화의 어떤 형태로 더 답변을 잘하거든요.
03:39그래서 프롬프트에 이것들을 넣었을 때의 결과들을 한번 살펴볼 거고,
03:44다섯 번째, 맥락 중요하다라고 제가 계속 1화 때부터 말씀을 드렸는데,
03:48그러면 한국어가 고맥락 언어인데, 맥락을 어떻게 프롬프트에 반영을 해서 배경 지식을 넣고 답변을 잘 받을 수 있게 하는지,
04:00이 네 가지 언어학 이론을 다섯 가지 프롬프트에 반영을 한번 해보는 방법들에 대해서 살펴보겠습니다.
04:07첫 번째, 순차 조직이에요.
04:10저희가 2회에서 대화가 턴테이킹 된다는 개념에 대해서 살펴봤어요.
04:15그래서 대화에 참여하는 사람들은 내가 어느 턴에 끼어들어야 되지? 어느 턴에 말해야 되지? 라는 어떤 말 차례를 기다리게 되는데,
04:25AI는 메카닉하게 저희가 먼저 말을 걸어야지만 답변을 하는 어떠한 순차가 있다고 말씀을 드렸고,
04:33그랬을 때 어떤 답변을 받을 수 있는지 예상할 수가 있어요.
04:37어떤 문장을 넣으면 어떤 답변이 나올지 몰라서 비결정적인 요소를 갖고 있다고 말을 해요.
04:44이 순차 조직을 잘 이용을 하면 어떤 답변을 받을지 어느 정도 예상을 할 수가 있어요.
04:51예를 들어 인사를 여러분들이 채찍 PT한테 해보시면 반대로 인사를 하잖아요.
04:56그리고 어떤 걸 리퀘스트를 요청을 하면 만약에 답변을 할 수 있으면 수락을 하고,
05:02어떤 답변을 못한다고 하면 거절을 하는 어떠한 정확한 패턴 순차 조직을 갖고 있어요.
05:07그래서 이런 것들을 어느 정도 예상을 하고 기대할 수 있는 범위 내에서 프롬프트를 써주시면 좋습니다.
05:15그래서 가장 쉽게 적용할 수 있는 예시는,
05:18나는 지금부터 너한테 요청을 할 거야.
05:20요청을 할 거니까 너는 수락과 거절을 표시를 해줘.
05:24형태로 대답을 해줘.
05:26라고 명시하면서 프롬프트를 한번 써보시겠어요?
05:28그러면 이런 대화체 스타일이 순차 조직에 의해서 자연스러운 상호작용을 하게 하고,
05:36그 다음에 말차례를 AI가 이끌어내는 것을 볼 수가 있습니다.
05:40두 번째는 리페어를 한다. 라고 했을 때 메커니즘을 볼게요.
05:46사람과 사람 사이의 대화에는 리페어가 엄청 많아요.
05:49그래서 리페어의 종류는 스스로 자기 말을 수정하는 셀프 리페어가 있고,
05:54다른 사람에 의해서 수정하는 아더 리페어가 있는데,
05:59말하다가 수정하면 그건 사람이죠.
06:02그래서 사람이 수정할 수 있도록 수리를 예약해줘야 된다는 컨셉을 가져가야 합니다.
06:08대화를 하다가,
06:10어? 이거 너가 답변한 게 조금 잘못된 것 같은데? 라고 하면서
06:13코렉션을 하게 하는 그런 방식의 수리라고 말을 할 수가 있는데,
06:18AI는 자기가 뭘 잘못했는지 지금 말을 못해요.
06:21못하기 때문에 생성형 AI의 어떤 한계죠.
06:26그렇게 설계된 어떤 문장에 있어서
06:28잘못된 걸 수정하지 못하는 한계가 있기 때문에
06:31저희가 프롬프트에 이런 걸 넣어줘야 돼요.
06:34너가 정확하게 알지 못하거나 혹은 이해하지 못한 부분에 있어서는
06:46수리를 해줘 라고만 얘기를 하더라도
06:50답변에 있어서 아는 거를 안다라고 말을 하고
06:57ACEBOOK
07:18반면 모르는 건 불확실하다고 말을 할 수가 있고
07:48잘못된 건 리페어를 하겠다고 말을 합니다
07:59몇 곡 한번 적용해보시면 좋은 개념이고요
08:05저는 리페어라는 용어를 정확하게 써요
08:08내 프롬프트를 받고 답변에 있어서 수정하거나 틀린 표현이 있으면 다시 말을 해줘 라고 말을 합니다
08:16그래서 답변에 AI가 수동적인 어떤 답변의 형태를 보여주는 게 아니라
08:22굉장히 능동적으로 중간중간 내 질문에 있어서 확인을 한다거나 재요청을 합니다
08:29세 번째는 활용적인 표시 장치 및 담화 표지를 이용하는 그런 방법이에요
08:35첫 번째 두 번째 다 인간과 인간의 상호작용에서 오는 원리를 프롬프트에 적용해 봐서
08:42생성형 AI 답변을 좋게 하는 방법론에 대해서 말씀을 드리고 있는데요
08:46세 번째 역시 인간과 인간의 대화에서 착안한 현상이에요
08:51사람은 음... 지금도 제가 이렇게 말할 때 음 이런 거 쓰잖아요
08:55필러라고 하는데 문장과 문장 사이 혹은 단어와 단어 사이를 채우는 필러라는 걸 써서
09:02어떤 매끄럽게 연결해 줄 수 있는 역할의 장치를 씁니다
09:06AI를 어떻게 대화하느냐에 따라서 달라지는데
09:10여러분들이 AI를 친구로 대하실수록
09:12대화를 하는 타입으로 가실수록 더 좋은 답변을 받을 수밖에 없습니다
09:18모델을 만든 어떤 모델사에서는
09:22인간의 상호작용과 닮은 답변을 할수록 좋은 답변이라고 했고
09:29그 좋은 답변에 보상을 줬어요
09:31그래서 인간처럼 만약에 요청을 했는데
09:34감사합니다 라고 AI가 답변을 했을 때
09:37어? 너 정말 좋은 점수 받아야겠다 라고 이렇게 마킹을 했거든요
09:41그런 식으로 강화학습을 시켰어요
09:44그렇기 때문에 인간의 상호작용을 따라하게
09:48어떤 원리나 현상을 반영하는 프롬프트로 대화체로 푼다라고 했을 때
09:53더 좋은 답변을 받을 수밖에 없습니다
09:55그래서 음 뭐 그러니까요 고마워 너도 알다시피
10:00이런 식의 표현을 써 주시는 거예요
10:02그랬을 때 어떠한 효과가 있는지는
10:04직접 체험을 한번 해보시면 좋을 것 같아요
10:07혹은 감정을 표현할 수도 있어요
10:10대화를 받고서 너 정말 잘한다
10:14너 진짜 진짜 대단하다 고맙습니다 라고
10:17이러한 감정적인 게
10:19긍정과 어떤 좋은 답변을 일으킨다 라는 연구 사례가 있습니다
10:23AI한테 칭찬 혹은 감정을 자극하는 형용사
10:28이런 담합 표지와 화용적 표시를 쓴다 라고 했을 때
10:33AI는 더 친절하고 섬세한 답변을 해주고 있습니다
10:37그래서 한번 적용을 해보세요
10:40프롬프트에 뭐 예를 들어서 이 책에 대한 요약을 해줘
10:45한문단을 요약해줘 라고 하지 마시고
10:49내가 지금 진짜 친구처럼 말하는 것처럼
10:53내가 지금 이 책을 대학교 교수님 레포트로서 내야 하는데
10:59솔직히 나는 이게 좀 어려운 것 같아 라고 하면서
11:02감정에 한번 호소를 해보고 비교를 한번 해보세요
11:06그랬을 때 사람처럼 말하는 그 대화 스타일이
11:09답변에 미러링 돼서 좋은 답변을 이끌어냅니다
11:12논문 몇 개, 실증 연구 몇 개를 제가 가져왔어요
11:21그중에 하나 소개해드리고 싶은 게요
11:23비단 어떤 요약이나 번역 같은 일상적인 테스크가 아니라
11:28컴퓨터 언어로 코드를 프로그래밍하는 데 있어서도
11:33대화형 프롬프트를 적용을 하면
11:35코드 개발 과제에서 더 우수한 성능을 얻을 수 있다는 것을
11:39입증한 연구 논문이에요
11:41그래서 대화형 방식이 가진 어떤 실증 사례라고 볼 수가 있고요
11:46제가 생각했을 때 이 코드뿐 아니라
11:50그냥 일상의 어떤 프롬프트에 있어도
11:52접목할 만한 요소들이 너무 많거든요
11:54그래서 한번 접목해 보시고
11:56이거 실제 시연은 저희가 이제 4회차, 5회차
12:00이제 실전 편에서 다뤄보겠습니다
12:02네 번째 언어학의 이론, 상호작용학의 이론을 살펴볼 텐데
12:07맥락의존성 및 함축성입니다
12:10한국어는 주어, 동사, 목적어의 형태소, 형태학의 구조로 나오는데
12:17대부분 주어를 빠뜨리시거나 목적어를 빠뜨리시거나 함으로써
12:22어떠한 맥락이 굉장히 함축돼요
12:25그래서 웬만하면 그런 주어, 목적어, 명사어를 다 살려주시는 게 좋은데
12:31그렇지 않을 때 AI가 개싱할 수 있도록 하는 어떤 룸, 여지를 주시는 방식이에요
12:37그랬을 때 말로 직접 언급하지 않아도
12:41예를 들어서 지금 비가 오는데
12:43이 상황에 분위기에 어울리는 소설을 써줘
12:46라고 하면 이 AI가 비 온다
12:49라고 했을 때 어떤 연상들을 하겠죠
12:52혹은 커먼 센스라는 게 있어요
12:54만약에 제가 지금 방송하고 있는 상황에서
12:56어떤 상호적인 배경 지식을 가지고
12:59스크립트에 부족한 점을 보완해줘
13:02라고 이렇게 상황적 맥락을 준 것의 결과와
13:05맥락을 주제하는 결과에서는
13:07현저한 차이가 발생할 수밖에 없습니다
13:10그래서 이렇게 한번 프롬프트에
13:13답변할 때 어떤 맥락적인 의미를 넣어서
13:17암시나 배경 지식을 고려해서
13:20추가 정보를 담아 답변해줘
13:22라고 한다고 하면 더 훨씬 좋은 답변을 받으실 거예요
13:27마지막 공손성인데요
13:29아까 전에 긍정학습을 했기 때문에
13:32모델이 공손성을 표현하면
13:34혹은 상호작용을 인간처럼 하면
13:37더 답변을 잘한다 라는 게 어떤 정설이에요
13:40그래서 공손하다라는 원리를 반영해서
13:43프롬프트를 쓰면
13:44실제로 답변의 길이가 정말 길어지고
13:47좋아지거든요
13:48그래서 쌤할트머니
13:50플리즈랑 땡큐를 쓰는 사용자 때문에
13:53언어 사용 비용이 어마어마해지고 있다
13:55라는 인터뷰를 한 적이 있어요
13:57다 쓰시고 고마워
13:59칭찬을 한번 해 주시거나
14:02혹은 아니면 아예 존댓말로
14:05지금 나는 이런 것들이 필요한데
14:07요약해 주세요 라고
14:09공손 형태로 쓴 표현에서
14:11답변이 더 좋아지거든요
14:12모델이 답변한 거를 다 채점하게 한 거예요
14:15라벨링을 해요
14:16그래서 이건 좋은 답변
14:17이건 나쁜 답변을 라벨링하게 했어요
14:19그랬을 때 좋은 답변이라고 했던 거는
14:22인간처럼 상호작용하는 자연스러운 결과
14:25정확한 결과 여러 가지 기준이 있었는데
14:28긍정적인 상호작용을 하게 한 좋은 답변을 줬기 때문에
14:32공손성이나 자연스러움을 보이는 거에
14:35더 좋은 상세하게 답변을 하게 하도록 설계되어 있어서 그렇습니다
14:39그래서 공손하게 대하고 어떤 표현을 끝냈다라고
14:43이렇게 화답하는 그러한 과정을 거치면
14:46답변이 좋아지는 사례에 대한 논문입니다
14:49그래서 이 논문에서는요
14:51진짜 공손하게 말하면 답변을 잘할까? 그런 실험을 한 거예요
14:55영어, 중국어, 일본어를 가지고 실험을 했는데
14:58영어에는 아나리픽이라는 존댓말이 없어요
15:02중국어는 존댓말이 발달하기는 했대요
15:05그리고 일본어는 있고
15:07그래서 공손함의 정도를 진짜 공손한 거
15:10중립적인 거, 명령형을 써가지고
15:14프롬프트로 결과 차이를 본 거예요
15:16그랬을 때 공손한 표현에 있어서
15:19답변의 결과가 좋았다라고 합니다
15:22오히려 영어와 중국어는 공손 화법에 대한 표현이
15:26적 없다 보니까
15:28지나치게 명령적인 표현들이
15:30답변의 결과에 정확도를 떨어지게 했다라는 결과고요
15:34일본어 같은 경우는
15:36더 높은 공손 수준의 표현이 긍정적 효과를 낳았다라고 합니다
15:41이 논문이 시사하는 바는요
15:43한국어는 굉장히 존경어와
15:46어떤 겸양어가 발달한 언어잖아요
15:48그래서 그냥 AI한테 반말로 하는 것보다
15:51뭔가 결과물이 잘 나오지 않는다라고 하면
15:54여러분의 프롬프트를 존댓어로 바꿔보시고
15:56공손하게 바꿔보세요
15:58그러면 더 좋은 응답을 받으실 수가 있습니다
16:02요즘 이제 모델이 출원 모델이 있고
16:04비출원 모델이 있는데
16:06출원 모델 같은 경우에는
16:08학습을 시키는데
16:10라벨링은 안 할 수는 없는 것 같아요
16:12왜냐하면 뭐 벤치마크라고 있어요
16:14이 모델 하나 나오면 얼마나 문제를 잘 푸는가
16:17정답이 있는 문제를 얼마나 잘 맞추는가
16:19정답이 없는 문제에 대해서는
16:21어떻게 평가를 할 것인가에 대한
16:23레이블링을 꼭 하고 있어서
16:25필수적인 거죠
16:27덤지업 덤지다운도 있잖아요
16:29인간 선호도 평가를 하기 위해서
16:31그러면 이렇게 나쁜 답변 받는 것도
16:33따로 모아서 학습시키고 이러다 보니까
16:35사람은 언제 답변을 좋아하는가
16:37싫어하는가가 현상으로 보이거든요
16:40그래서 라벨링은 아주 필수 작업입니다
16:433회차에서는 저희가
16:45인간의 상호작용 원리를 이용한
16:50언어학의 기반 프레임워크와 함께
16:534가지 이론과 5가지 프롬프트 방식에 대해서 살펴봤어요
16:57그래서 직접 적용하셔서
16:59생성형 AI를 쓸 때
17:01바로 한번 답변을 받아보시면 좋을 것 같습니다
17:05고맙습니다
17:11고맙습니다
17:21고맙습니다
17:23고맙습니다