안녕하세요, 여러분!

 

자, 이것은 무엇이든 정리된 지식 체계로 바꾸는 매직 AI입니다. 유튜브 링크, 기사, PDF, 웹 기사, 논문, 이미지 등 그 무엇이든지! 여러분들이 정리하고 싶은 것, 분류하고 싶은 것, 모든 자료와 지식을 모조리 정리하고 다 연결할 수 있답니다! 못 믿겠다고요? 유명 인사들의 극찬 후기, 함께 볼까요?

 

제 이름은 안드레 카파시라고 해요. 흩어진 온갖 자료를 자신만의 지식 체계로 바꾸는 작업을 소개합니다.

 

1. 유튜브 링크, 기사, PDF, 웹 기사, 논문, 이미지 등 어떤 자료라도 일단 raw 폴더에 모읍니다.
2. LLM이 자료를 읽고 요약하게 합니다.
3. LLM에게 자료들을 보고 알아서 주제별로 분류하라고 시킵니다.
4. LLM이 주제별로 인덱스를 만듭니다.
5. LLM이 글 사이에 링크를 걸어 서로 연결합니다.
6. 주요 처리 과정은 모두 로그로 기록됩니다. 
7. 자신만의 위키 완성! 
8. 자신만의 위키에 언제든지 묻고, 수정 보완하면서 지식베이스를 계속 키워나갑니다. 

 

흩어진 온갖 자료를 정리된 지식으로 바꾸는 작업이죠. 마치 코드를 실행 파일로 컴파일하는 것과 비슷하지 않습니까? 비정형 자료를 정리된 지식 체계로 바꾸는 지식 컴파일 과정이라고 할 수 있겠네요! 그리고 여기서 핵심. 계속 반자동으로 업데이트됩니다. 영~원히.

 

새 자료가 추가될 때마다 LLM이 기존 위키에 반영하고 업데이트합니다. 한 번 만들면 평생 쓰는 겁니다! 그 어떤 주제의 자료라도 모두 정리할 뿐 아니라, 살아 움직이는 위키로 만들 수 있습니다. 

 

다만, 이 방법이 흘러가는 여러분의 인생까지는 정리해 주지 못하니, 그건 주의하시고요(찡긋). 

 

안드레 카파시의 LLM 위키 “아이디어 파일”

(깃허브, 링크)

 

제 자랑이지만, 안드레 카파시보다 몇 개월 앞서서

비슷한 방법을 소개했답니다!


 

히야신스의 AI 감식반: 넷플릭스 보는 동안 AI에게 일 시키는 법

(딴지일보, 링크)

 

 

두뇌 풀가동 AI 활용법!

 

자, 이제 트위터에 뜰 때마다 매진 행진을 이어가고 있는 바로 그 방법입니다. 혹시 AI한테 질문했다가 매번 다른 답 받아보신 적 있으시죠? AI 나도 써봤는데 멍청한 결과물만 만들어준다고요? “들뢰즈가 인공지능 연구에 기여한 가장 중요한 측면이 뭐지?”라는 전문적인 질문을 몇 번을 해도 매번 헛소리만 한다고요?

 

걱정하지 마십시오. 여기 해법이 있습니다. 지금 보여드리는 이 상황. 이건 웹검색 기능도 없는 GPT-3.5한테 세종대왕 맥북프로 던짐 사건을 물어본 것과 완벽히 동일한 겁니다. 허공에 대고 “너 아는 거 말해봐”라고 시킨 거예요. 그러면 당연히 지어내죠.




원리는 간단합니다. 들뢰즈의 주요 저작 원문, 관련 논문 수십 편을 마크다운 파일로 구조화합니다. 마크다운이 뭐냐구요?

 

히야신스의 AI 감식반: AI가 진짜로 일하게 하려면?

(딴지일보, 링크)

 

필요하면 스탠퍼드 철학 백과 같은 전문적이고 공인된 자료를 연결합니다. 그러면 AI는 허공이 아니라 이 문서들 안에서 답을 찾습니다. 달라진 게 뭐냐고요? “너 아는 거 말해봐”에서 “이 서류철 뒤져서 찾아 줘”로 질문이 바뀐 겁니다! 같은 질문을 다시 던져봅니다.

 

“들뢰즈가 인공지능 연구에 기여한 가장 중요한 측면이 뭐지?”

 

이번에는 검증된 문서에서 정확한 답변이 나옵니다. 어느 연구자가 어떤 맥락에서 가져다 썼는지, 출처와 페이지까지 붙여서요.

 

물론 한계는 있습니다. 지식 베이스에 넣은 논문 수십 편이 들뢰즈 연구의 전부는 아닙니다. AI가 문맥을 잘못 잘라 인용할 수도 있습니다. 하지만 적어도 아까처럼 매번 완전히 다른 답을 받아 들고 한숨 쉬는 상황은 아닙니다.

 

 

환각률 0%에 도전하는 지식 베이스

 

여기서 끝이 아닙니다! 공인 기관의 검증된 문서만 골라서 제대로 된 지식 베이스를 만들면, 환각률이 0~3%까지 떨어집니다. 이거 제가 하는 말이 아닙니다. JMIR Cancer 연구에서 나온 결과입니다. 무려 GPT-3.5로요!

 

수백 편의 논문을 사람이 일일이 읽고 추적하는 것은 사실상 불가능합니다. 방대한 지식을 다룰 때는 AI에게 물어야 합니다. 자료가 방대해질수록 AI가 학습 데이터를 활용해 흐름과 패턴을 분석하는 것이 사람보다 정확합니다. 사람이 한정된 지식으로 편견을 가지고 체리피킹 한 해석을 믿어서는 안 됩니다.

 

 

기초부터 배워야 한다는 착각

 

AI는 내가 모르는 걸 할 수 없으니까, AI를 잘 쓰려면, 또는 바이브 코딩을 잘하려면 코딩 기초부터 공부해야 한다? 얼핏 보면 그럴듯한 말이죠. 컴퓨터 공학을 배우는 학생이나 개발자라면 기초를 튼튼히 하는 건 당연합니다.

 

하지만! 여러분 같은 바쁜 생활인들에게는 완전히 잘못된 접근입니다! 코딩이 꼭 필요해졌을 때 두꺼운 책부터 펴는 게 맞는 걸까요? 여러분이 원하는 건 현재 지식 수준에 갇히는 게 아닙니다. AI라는 지렛대로 기획력과 안목을 키우는 겁니다. 생각해 보세요. 운전을 배우려고 엔진 구조부터 공부하는 사람이 있습니까? 자동차 정비사가 되려는 게 아니라면, 핸들 잡고 도로에 나가는 게 먼저입니다. AI 활용도 똑같습니다.

 

 

유명 기업의 실제 사례, 함께 볼까요?

 

애플의 거의 모든 제품에 들어가는 칩은 TSMC에서 제작하고, 조립은 폭스콘에서 합니다. 메모리칩과 플래시 드라이브는 기본적으로 아무 회사나 살 수 있습니다. 하지만 마이크로프로세서는 반드시 애플이 자체 설계합니다. OS와 주요 소프트웨어를 직접 만드는 것도 당연하고요. 애플의 비결이 뭔지 아십니까? 모든 걸 다 잘 만드는 게 아닙니다. 어떤 걸 직접 해야 하고, 어떤 걸 외주 줘야 하는지 아는 겁니다!

 

여러분도 마찬가지입니다. 코딩을 몰라도, 나만의 지식을 나만의 맥락으로 엮을 수 있다면 그것이 곧 내 능력이 될 수 있습니다. 두꺼운 코딩 책을 다 읽고 따라 한 다음에야 겨우 시도하는 게 아니라, 일단 한번 만들어보고 거기서 문제를 해결해 가면서 배우는 게 훨씬 효과적입니다.

 

특정 분야에 대해서 많이 아는 것도 중요하지만, AI와 함께 빠르게 실행하고 독창적으로 지식을 조립할 줄 아는 것. 어떤 걸 직접 해야 하고, 어떤 건 AI에게 외주주는 게 좋은지 아는 것. 그러기 위해서는 코딩 책부터 볼 게 아니라, 일단 에이전트 AI 도구를 실행시키는 게 먼저입니다. AI 시대에 진짜 경쟁력은 무엇을 만들어야 하는지 아는 것, 그리고 무엇을 직접 하고 무엇을 맡길지 설계할 수 있는 사람에게 있습니다!

 

 

도메인 지식, 컴파일해야 쓸모 있다

 

AI 시대, 나만의 도메인 지식이 중요하다고 하죠? 하지만 머릿속에만 머무는 도메인 지식은 써먹기 어렵습니다. 구슬이 서 말이라도 꿰어야 보배! 내가 쌓아온 것들이 드디어 제대로 쓸 데가 생겼습니다. 수년간, 수십 년간 쌓아온 지식, 경험과 맥락이 있어도 그게 머릿속에만 머물면 뭐 하나요? 그걸 나만의 지식으로 컴파일하는 게 중요하죠. 그동안은 그걸 어떻게 하는지 몰라서 못한 겁니다.

 

개인의 방대한 기록(일기, 메모, 메시지 등)을 LLM이 정리해서 위키를 만들면, 나만 던질 수 있는 질문을 던질 수 있습니다. 그 지식을 어떻게 쓸지 아는 사람만이 던질 수 있는 질문입니다. 나만의 도메인 지식이 무엇이든 여러분이 알고 싶은 것, 모든 것을 다 엮을 수 있답니다! 이건 단순히 나를 위한 기록이 아닙니다. 이는 에이전트 역시 나와 내 일을 더 깊이 이해하게 된다는 뜻이기도 합니다. 쓰면 쓸수록 나와 에이전트가 서로 똑똑해 지는 겁니다! 정보가 많다는 것 자체는 문제가 아닙니다. 진짜 문제는 그 많은 정보를 체계적으로 관리하기 어렵다는 것입니다.

 

 

실전: 도구를 내 것으로 만드는 법

 

자, 여기까지가 기본 구성이었습니다. 그런데 오늘은 여기서 멈추지 않습니다. 무슨 개쩌는 툴이 나왔다. 이제 애플의 디자인 원칙을 그대로 적용한 보고서를 만들 수 있다. 그 밖에도 뭐 여러 가지 개쩌는 도구가 나왔다. 누군가 호들갑을 떨면서 깃허브 저장소 링크를 공유합니다. 그런데 나보고 뭐 어쩌라고 싶은, 이런 경험 없으세요? 더 이상 강 건너 불구경이 아니고, 내 도구가 될 수 있습니다!

 

일단 안티그래비티를 깝니다. 까는 방법과 기초적인 사용 방법은 역시 여기 링크에 있습니다.

 

히야신스의 AI 감식반: 넷플릭스 보는 동안 AI에게 일 시키는 법

(딴지일보, 링크)

 

개인적으로는 클로드 코드를 좋아하지만, 안티그래비티는 무료 사용이 어느 정도 가능하니 안티그래비티 기준으로 설명합니다. 일단 다짜고짜 에이전틱 AI에게 이 링크를 던지고 “분석”이라고 칩니다.

 


(깃허브, 링크)

 

보통 깃허브에는 코드 베이스가 올라가지만, 이건 문서만 있습니다. 본문에서 설명한 안드레 카파시의 아이디어를 정리한 파일입니다. 우리가 뭔가를 설치할 게 없습니다. 이 아이디어를 당신 에이전트에게 그대로 알려주면, 에이전트가 당신 상황에 맞춰 직접 구현해 주기 때문입니다. 오픈소스 소프트웨어는 코드를 공유했습니다. 이제는 아이디어 파일만 공유해도 에이전트가 당신 환경에 맞게 알아서 구현해 주는 시대입니다. 

 

 

내용을 보아하니 쓸만한 거 같으니 내 작업 폴더에 적용할 수 있는지 대충 물어봅니다. 

 

“내 폴더에 위 아이디어를 적용할 수 있을까?”

 

충분히 적용 가능하다고 하네요.

 

 

이경영에 빙의해서 외쳐봅니다.

 

“진행시켜”

 

어떻게 내 작업 폴더에 적용할지 나름대로 알아서 계획을 짜줍니다.

 

 

계획을 검토한 후 승인합니다. 작업 후, 나름대로 작업 진행 결과를 보고하네요.

 

이제 자신만의 지식베이스를 어느 정도 갖춰 놓은 셈입니다. 이제부터는 여기에 직접 묻고, 씹고 뜯고 맛보고 즐기면서 지식베이스를 키우고, 관리 체계를 다듬어 나가면 됩니다. 원래부터 지식은 쌓는 게 아니라 엮는 것입니다. 새 지식이 들어올 때마다 기존 것과 연결하고, 맞지 않는 건 고치고, 빈 곳은 채우는 겁니다. 다만 그걸 매번 하기가 너무 귀찮고 어려웠던 것뿐입니다. 

 

또 누가 무슨 개쩌는 툴이 나왔다. 이제 애플의 디자인 원칙을 그대로 적용한 보고서를 만들 수 있다고 개호들갑을 떤다고요? 위에서 소개한 똑같은 방법으로 당신도 개쩌는 툴과 개쩌는 디자인을 직접 써볼 수 있습니다.

 


(깃허브, 링크)

 

깃허브 저장소에 올려져 있는 코드 베이스들은 이제까지는 남의 얘기였지만, 이제부터는 당신 것입니다. 일단 다짜고짜 에이전틱 AI 에게 링크를 던지고 “분석”이라고 치는 걸로 시작하면 되니까요. 정말 쉽죠?

 

 

 

편집: 이현화

마빡 디자인: 꾸물

기사: 히야신스

 

제보 및 연재 문의

ddanzi.master@gmail.com