LLM 시대의 프로그래밍 학습

LLM으로 상당한 규모의 시스템을 만든 초보 개발자가 구현 능력과 이해 수준의 격차에 부딪힘. 작동할 때는 보이지 않던 격차가 제품화와 오류 수정 과정에서 드러남 개발자는 오래전부터 완전히 이해하지 못하는 추상화 위에서 일해 왔으며, 실용적인 기준은 자신이 일하는 계층의 바로 위와 아래를 이해해 대부분의 문제를 해결할 수 있게 하는 것임 기초를 체계적으로 공부하는 방식은 과거에는 유효했지만, 오늘날에도 같은 성과를 보장할지는 불확실함. LLM이 질문을 구체화해 주더라도 인간의 지식 흡수 속도가 학습의 병목일 수 있음 AI가 프로그래머를 비롯한 지식 노동자의 일자리를 대체할 가능성에는 경제적 불확실성이 따름. 과거 기술 발전이 새 일자리를 만들었다고 해서 일자리를 잃은 사람들이 그 혜택을 받은 것은 아님 LLM에는 학습 방향처럼 정답을 검증하기 어려운 질문보다 반증 가능한 질문을 하는 편을 선호함. 코드가 실제로 작동하는지, 더 짧아졌는지 확인할 수 있는 요청이 그 예임 AI로 만든 시스템과 이해의 격차 정규 컴퓨터과학 교육을 받지 않은 한 독자가 약 1년 동안 LLM을 활용해 TypeScript/JavaScript 시스템을 구축함 API, PostgreSQL, LLM 파이프라인, 연구 자동화, 여러 모델을 활용하는 작업 흐름을 포함함 초기에는 아이디어와 구현 사이의 거리가 극적으로 줄어드는 경험을 함 실제 프로덕션 제품으로 전환하면서 이해하지 못하는 동작과 연쇄적인 오류에 부딪힘 AI로 오류 하나를 고치면 다른 오류가 생겼고, 수개월간 리팩터링한 뒤 시스템이 자신의 이해 수준을 넘어섰음을 깨달음 다른 모델에 묻지 않고는 다음 행동을 결정하기 어려운 순간도 있었음 작동하는 제품을 만든 것인지, 충분히 이해하고 책임질 수 없는 제품의 외형을 만든 것인지 의문을 품음 AI를 거부하는 것이 아니라, AI와 전문적으로 일하고 싶지만 어떤 관계를 맺어야 할지 불확실한 상황임 이에 대한 조언 역시 상황의 불확실성을 전제로 하며, 엄밀하거나 불변하는 정답은 아님 AI에 대한 양가감정과 고용의 불확실성 AI에 대한 태도는 아직 확정적이지 않지만, 좋아하지 않는 쪽으로 기울어 있음. 직접 사용하고 실험하면서 감탄과 좌절을 모두 경험함 성능이 나쁠 때는 30년 넘게 익힌 기술이 여전히 유효하다는 위안을 얻음 가장 뛰어난 성능을 보일 때 오히려 가장 강한 반감을 느끼며, Butlerian jihad에 참여하고 싶다는 생각까지 듦 개...