프롬프트 엔지니어링

프롬프트 엔지니어링은 효과적인 입력(프롬프트)을 설계하여 인공 지능(AI) 모델, 특히 대규모 언어 모델(LLM)이 원하는 결과를 생성하도록 유도하는 기술이자 과학입니다. 이는 AI와 능숙하게 소통하여 최상의 응답을 얻기 위해 무엇을, 어떻게 말해야 하는지 정확히 아는 것과 유사합니다. AI 모델 결과물의 성능, 관련성 및 품질은 쿼리가 구성되는 방식에 매우 민감하기 때문에 이 방법이 중요합니다. 효과적인 프롬프트 엔지니어링을 통해 사용자는 광범위한 작업에 대해 강력한 기반 모델의 잠재력을 최대한 활용할 수 있습니다.

프롬프트 엔지니어링 작동 방식

프롬프트 엔지니어링의 핵심은 모델에 명확하고 충분한 컨텍스트를 제공하는 입력을 구성하는 것입니다. 간단한 질문은 기본적인 답변을 얻을 수 있지만, 잘 설계된 프롬프트는 어조, 형식 및 복잡성을 제어할 수 있습니다. 고급 프롬프트의 주요 구성 요소는 다음과 같습니다.

• 명령어: 모델에게 수행할 작업을 알려주는 명확하고 구체적인 지시 (예: "다음 기사를 세 개의 글머리 기호로 요약하십시오").
• 맥락: 모델이 응답에 참고해야 하는 관련 배경 정보 또는 데이터를 제공합니다.
• 페르소나: AI가 특정 어조와 스타일을 갖도록 역할을 부여하는 것으로, 예를 들어 "전문 금융 분석가처럼 행동"하도록 설정할 수 있습니다.
• 형식: 목록, JSON 객체 또는 특정 글쓰기 스타일과 같이 출력의 원하는 구조를 지정합니다.
• 예시: 원하는 입력 및 출력 형식의 예시를 포함하는 것은 퓨샷 학습으로 알려진 기술로, 모델의 응답을 안내하는 데 도움이 됩니다. 이러한 기술에 대한 포괄적인 리소스는 Prompting Guide에서 찾을 수 있습니다.

실제 애플리케이션

1. 고객 지원 자동화: 브랜드 일관성 및 정확성을 보장하기 위해 회사는 프롬프트 엔지니어링을 사용하여 지원 챗봇을 안내할 수 있습니다. 프롬프트는 AI에게 친절하고 도움이 되는 어조를 채택하고, 내부 지식 기반을 사용하여 제품 질문에 답변하고, 대화를 상담원에게 전달해야 하는 경우 명확한 프로토콜을 정의하도록 지시할 수 있습니다. 이는 AI의 동작을 제어하여 잘못된 정보를 제공하거나 브랜드에 맞지 않는 방식으로 고객과 상호 작용하는 것을 방지합니다.

2. 창의적인 콘텐츠 생성: 텍스트-이미지 모델(예: Midjourney 또는 OpenAI의 DALL-E 3)에서 프롬프트는 생성의 주요 도구입니다. "자동차 사진"과 같은 간단한 프롬프트는 일반적인 결과를 생성합니다. 그러나 "1960년대 해안 고속도로를 석양에 질주하는 빈티지 빨간색 스포츠카, 사진처럼 사실적인 스타일, 영화 같은 조명, 8K 해상도"와 같은 자세한 프롬프트는 주제, 설정, 스타일 및 품질에 대한 구체적인 지침을 제공하여 고도로 맞춤화되고 시각적으로 놀라운 이미지를 생성합니다.

컴퓨터 비전에서의 관련성

프롬프트 엔지니어링은 자연어 처리(NLP)에서 시작되었지만, 컴퓨터 비전(CV) 분야에서도 점점 더 중요해지고 있습니다. 이는 텍스트와 이미지를 동시에 처리할 수 있는 멀티 모달 모델의 개발에 의해 주도됩니다. CLIP과 YOLO-World 같은 개방형 어휘 감지기는 임의의 텍스트 설명을 기반으로 객체 감지와 같은 작업을 수행할 수 있습니다. 이러한 모델의 경우 효과적인 텍스트 프롬프트(예: "'자전거'는 모두 감지하되 '오토바이'는 무시")를 만드는 것이 이러한 Vision Language Models를 안내하는 데 중요한 프롬프트 엔지니어링의 한 형태입니다. Ultralytics HUB와 같은 플랫폼은 다양한 모델과의 상호 작용을 용이하게 하며, 인터페이스를 통해 작업을 정의하는 것은 프롬프트 엔지니어링 원칙의 이점을 얻을 수 있습니다.

프롬프트 엔지니어링 vs. 관련 개념

프롬프트 엔지니어링을 다른 머신 러닝 개념과 구별하는 것이 중요합니다.

• Fine-Tuning: 여기에는 새로운 데이터 세트에서 훈련 프로세스를 계속하여 모델의 가중치를 업데이트하는 것이 포함됩니다. 대조적으로 프롬프트 엔지니어링은 모델 자체를 변경하지 않고 추론 시 기존 모델의 동작을 안내합니다.
• 프롬프트 튜닝(Prompt Tuning): 파라미터 효율적인 미세 조정(PEFT) 방법인 프롬프트 튜닝은 입력에 추가되는 작은 "소프트 프롬프트" 임베딩 세트를 학습하는 것을 포함합니다. 프롬프트 엔지니어링이 텍스트 기반 "하드 프롬프트"를 만드는 수동 프로세스인 반면, 이는 훈련을 통해 프롬프트 생성을 자동화합니다.
• Chain-of-Thought(CoT) 프롬프트: CoT는 "단계별로 생각하세요"와 같은 지침이 프롬프트에 추가되는 특정 프롬프트 엔지니어링 기술입니다. 이는 모델이 복잡한 문제를 중간 추론 단계로 나누도록 장려하여 종종 더 정확한 결과를 얻을 수 있으며, 자세한 내용은 Google AI 연구 논문에 설명되어 있습니다.
• 프롬프트 체이닝(Prompt Chaining): 이 기술은 복잡한 작업을 여러 개의 순차적 프롬프트로 분해하며, 한 단계의 출력이 다음 단계의 입력이 됩니다. 프롬프트 엔지니어링은 이러한 개별 프롬프트를 효과적으로 설계하는 더 광범위한 방법입니다. LangChain과 같은 프레임워크는 이러한 체인을 오케스트레이션하도록 설계되었습니다.
• 검색 증강 생성(RAG): RAG는 먼저 외부 지식 베이스에서 관련 데이터를 검색하여 프롬프트를 향상시키는 시스템입니다. 초기 검색 쿼리 및 사용자의 질문과 검색된 정보를 결합하는 최종 프롬프트를 올바르게 공식화하려면 RAG 시스템 내에서 프롬프트 엔지니어링이 중요합니다.