LLM, 코딩의 미래를 바꿀까? 과거 FORTRAN의 역사를 통해 엿보는 통찰
LLM(대규모 언어 모델) 기반 코딩 도구의 발전으로 개발 생산성 향상에 대한 기대감이 높아짐
과거 FORTRAN 등장 당시와 유사하게, 자동화에 대한 기대와 숙련된 개발자들의 반발이 공존
비결정적 결과(Non-deterministic Results)와 코드 검증의 어려움은 LLM 기반 코딩의 주요 과제로 지적됨
Stack Overflow와 같은 정보 공유 플랫폼의 쇠퇴와 정보 폐쇄 루프(Closed Loop) 가능성에 대한 우려 제기
FORTRAN과 LLM, 자동화에 대한 상반된 시각
본문에서는 LLM 기반 코딩 도구의 등장을 1950년대 FORTRAN의 등장에 비유하며, 당시 숙련된 개발자 집단인 'The Priesthood'의 반발을 언급한다. 자동화에 대한 기대와 함께, 숙련된 개발자들은 자신들의 기술이 대체될 것을 우려했다. 현재 LLM 기반 코딩 도구에 대한 개발자들의 반응 역시 이와 유사하며, 기술 발전과 직업적 위협 사이의 긴장 관계를 보여준다.
본질적 복잡성(Essential Complexity)의 한계
댓글에서는 LLM이 코드 작성의 우발적 복잡성(Accidental Complexity)은 줄일 수 있지만, 문제 해결의 본질적 복잡성(Essential Complexity)은 해결하지 못한다고 지적한다. 즉, LLM은 코드를 더 쉽게 작성하도록 돕지만, 개발자가 원하는 바를 정확히 정의하는 능력은 여전히 필요하다는 것이다. 이는 LLM이 개발자의 역할을 완전히 대체하기 어렵다는 것을 시사한다.
비결정적 결과(Non-deterministic Results)와 코드 검증의 어려움
커뮤니티에서는 LLM이 생성하는 코드의 비결정성(Non-determinism)을 문제점으로 지적한다. FORTRAN과 달리 LLM은 동일한 입력에 대해 매번 다른 결과를 생성할 수 있으며, 이는 코드의 정확성을 검증(Verify Correctness)하는 것을 어렵게 만든다. AI 환각(Hallucination)으로 인해 예상치 못한 버그가 발생할 가능성도 존재하며, 이는 LLM 기반 코딩의 신뢰성을 저해하는 요인으로 작용한다.
정보 폐쇄 루프(Closed Loop)와 지식 격차 심화
Stack Overflow와 같은 기존 정보 공유 플랫폼의 쇠퇴는 LLM 기반 코딩의 또 다른 문제점으로 지적된다. LLM이 학습하는 데이터의 출처가 불분명해지고, 정보의 폐쇄 루프(Closed Loop)가 형성될 경우, 개발자들은 새로운 정보를 얻기 어려워질 수 있다. 이는 지식 격차(Knowledge Gap)를 심화시키고, LLM의 성능 저하로 이어질 수 있다.
