AI는 전동 드릴, 체인소우, 굴착기 -- 를 사용하는 느낌입니다. 휴대폰 사용이후로 자신의 전화번호도 기억못하는 사람들이 많습니다.
...이런것들을 쇠퇴한다고 볼수도 있겠지만, 효율이라고 저는 보게 됩니다. 개발자및 여러 직책을 가져본 경험으로 볼떄는 AI툴은, 개발자만의 세계를 벗어나 더 넓은 시각을 가질수 있는 기회와 도움도 되는 도구라 보게 됩니다. 한부분에서는 쇠퇴할수도 있지만, 그 영역을 다른것으로 채워 넣습니다.
저의 경험및 여러 사람의 결론은 함수형 언어는 순수 함수형 언어로 공부해야 한다가 정석이었습니다.
함수형 언어가 떠오른 당시와 한참 관심을 받던 시기였을때 나온 얘기였고 공감을 했습니다. 저는 Erlang이 나온 초기에 그것으로 공부했는데, 당시 꽤 충격적이었고 놀라운 경험이었습니다.
클로저가 나온지 상당히 오래되었는데 다시 클러저 얘기가 나오는게 왜그럴까 궁금해집니다.
클로져 나온 초기에 어떤 책을 리뷰 한 경험이 있습니다. 후에 그것을 사용 시도를 한 기업 몇군데를 보았는데, 기업에서 쓰기에 쉽지 않다는게 결론이었습니다. 그리고 묻혀지나 싶었는데 다시 얘기가 나오는 이유가 뭘까 싶군요.
자바를 초기부터 오랬동안 써왔지만 이제 JVM은 대기업에서 이미 개발을 한 많은 소프트웨어가 자바라는 점, (미국의 경우) 인도 인력이 자바가 대부분이라는 것, 고등학교 부터 대학까지 자바를 가르치는 점 등등의 이유로 여전히 많이 쓰이지만, 소견으론 지금 시대에는 이제 맞지 않다고 생각됩니다. 리슾을 좋아하지만, 상당히 마이너한 언어에 저물어져가는 JVM 방식이 지금 AI시대에 다시 거론되는게 어떤 점이 장점으로 다시 부각되는지 위의 글에서는 발견하지 못했습니다.
제가 생각했을 때, 세상에서 학습 효율이 가장 뛰어난 프로게이머들조차 새로운 것을 배우지 못해 실패하는 비율이 높은 이유는, 단순히 실력이 부족해서가 아니라고 봅니다.
오히려 그 반대라고 생각합니다.
너무 오랫동안, 그리고 너무 높은 수준으로 기존 메타에 최적화되어 있었기 때문에 변화 앞에서 더 큰 어려움을 겪는 경우가 많다고 봅니다.
처음에는 모든 판단이 의식적으로 이루어집니다.
하지만 반복 학습이 쌓이면, 처음에는 대뇌에서 처리하던 판단이 점점 자동화되고, 숙련자는 생각보다 몸이 먼저 반응하는 단계에 도달하게 됩니다.
저는 이 자동화가 분명 엄청난 강점이라고 생각합니다.
다만 메타가 바뀌는 순간에는, 그 강점이 오히려 강한 관성으로 바뀔 수 있다고 봅니다.
예전 메타에서 정답이었던 시야, 교전, 운영 감각은 수천 시간 동안 몸에 새겨집니다.
그래서 게임 구조가 바뀌고, 이전의 정답이 더 이상 정답이 아니게 되어도 몸은 계속 예전 방식대로 먼저 움직이려 한다고 생각합니다.
결국 문제는 새로운 것을 배우는 능력이 부족해서가 아니라, 기존의 최적화를 버리는 능력에 있다고 봅니다.
대부분의 숙련은 축적의 결과이기도 하지만, 동시에 관성의 결과이기도 하기 때문입니다.
그래서 저는 잘했던 사람일수록 다음 메타에서도 무조건 유리한 것은 아니라고 생각합니다.
오히려 이전 시대의 성공에 더 강하게 묶일 가능성도 충분히 크다고 봅니다.
지금의 코딩 업계도 크게 다르지 않다고 생각합니다.
많은 분들이 여전히 예전 방식으로 효율을 계산하고, 예전 기준으로 생산성을 판단하고 계십니다.
하지만 저는 이미 메타가 바뀌고 있다고 봅니다.
학력이나 경력과 무관하게 실제로 세상에서 벌어지는 일들을 보면, 과연 지금도 시장이 예전과 완전히 같은 구조로 움직이고 있는지, 그리고 개발이 여전히 종속적인 가치만 제공하고 있는지 다시 생각해볼 필요가 있다고 생각합니다.
결국 다음 단계로 가는 사람은 더 성실하게 쌓아가는 사람만이 아니라, 기존의 것을 더 빨리 버릴 수 있는 사람이라고 봅니다.
제가 보기에는 새로운 시대에서는 더 많이 축적하는 능력보다, 낡은 최적화를 걷어내는 능력이 훨씬 더 중요해지고 있습니다.
저렇게 주장하는 집단이 어디인지는 알고 있지만, 명시하면 법적인 문제가 있을 수 있어서 굳이 언급하지 않은 것이고요.
유명한 기업중에 token 사용량을 측정까지하는 기업이 있고, 아래에 익명으로 언급하시는 분도 있죠.
GeekNews에서도 본인의 토큰 사용량을 자랑하듯 주장하는 글들을 볼 수 있고요.
이런 주장을 하는 사람들이 다수는 아닙니다.
하지만 한국 AI쪽에서는 좀 시끄러운 인문들이 이런 주장을 하고있고, Garry Tan이 요 며칠 계속 fat harness에 대해 계속 비판하는건 한국의 그 종교 스러운 주장이 미국쪽까지 갔다는 증거겠죠.
젠승황의 주장을 들고와서 마치 진실인냥 주장하는것이야 말로 전형적인 권의 주의적 화법이죠.
젠승황이 수십년전에 그래픽카드 만들던 엔지니어지 지금은 엔지니어도 아니고, AI쪽 전문가도 아니잖아요.
상관관계에 대해서는 동의하지만, 제가 이야기하는 집단의 주장은 아무짝에도 쓸모없는 Ralph를 돌릴 뿐이죠.
진실을 말하자면 test-time compute를 처음 주장한 OpenAI의 o1 원 논문에서 조차 계속 올린다고 계속 좋아지는 것은 아니면, 일부의 경우만 그렇다고 명확히 이야기하고있죠.
그 마저도 reasoning effort의 관한 이야기지 ralph loop 돌리라는건 당연히 아니고요.
GPT-5.4 프롬프트 가이드에서도 더 높은 reasoning effort가 항상 더 낫지는 않다고 명시합니다.
와, 멋집니다~!
사람마다 다르겠지만, 컴퓨터쪽 학습은 말씀하신 방법으로 다 하지 않나 싶습니다. 요새는 비디오로 공부하는 옵션도 있으니 자신에게 맞는 학습방법으로 해야겠지요.
그렇다면, 순수 함수형 프로그래밍 언어를 어떻게 학습하셨을까요? 저는 그동안 프로그래밍 언어(C, Go, Python, etc.)를 개발 서적 + 사이드 프로젝트로 학습하였는데, 함수형 프로그래밍 언어도 이런 학습 방향을 따라도 괜찮을까요?
Show GN으로 이동하였습니다.
참고로 moderator가 분류를 조정한 글은 홈 화면 노출이 제한될 수 있으니, 등록 전에 카테고리를 한 번 더 확인 부탁드립니다.
AI는 전동 드릴, 체인소우, 굴착기 -- 를 사용하는 느낌입니다. 휴대폰 사용이후로 자신의 전화번호도 기억못하는 사람들이 많습니다.
...이런것들을 쇠퇴한다고 볼수도 있겠지만, 효율이라고 저는 보게 됩니다. 개발자및 여러 직책을 가져본 경험으로 볼떄는 AI툴은, 개발자만의 세계를 벗어나 더 넓은 시각을 가질수 있는 기회와 도움도 되는 도구라 보게 됩니다. 한부분에서는 쇠퇴할수도 있지만, 그 영역을 다른것으로 채워 넣습니다.
저의 경험및 여러 사람의 결론은 함수형 언어는 순수 함수형 언어로 공부해야 한다가 정석이었습니다.
함수형 언어가 떠오른 당시와 한참 관심을 받던 시기였을때 나온 얘기였고 공감을 했습니다. 저는 Erlang이 나온 초기에 그것으로 공부했는데, 당시 꽤 충격적이었고 놀라운 경험이었습니다.
오
좋은 아이디어 감사합니다.
역시 연륜은 다르네요 👍👍👍👍👍👍👍👍👍
클로저가 나온지 상당히 오래되었는데 다시 클러저 얘기가 나오는게 왜그럴까 궁금해집니다.
클로져 나온 초기에 어떤 책을 리뷰 한 경험이 있습니다. 후에 그것을 사용 시도를 한 기업 몇군데를 보았는데, 기업에서 쓰기에 쉽지 않다는게 결론이었습니다. 그리고 묻혀지나 싶었는데 다시 얘기가 나오는 이유가 뭘까 싶군요.
자바를 초기부터 오랬동안 써왔지만 이제 JVM은 대기업에서 이미 개발을 한 많은 소프트웨어가 자바라는 점, (미국의 경우) 인도 인력이 자바가 대부분이라는 것, 고등학교 부터 대학까지 자바를 가르치는 점 등등의 이유로 여전히 많이 쓰이지만, 소견으론 지금 시대에는 이제 맞지 않다고 생각됩니다. 리슾을 좋아하지만, 상당히 마이너한 언어에 저물어져가는 JVM 방식이 지금 AI시대에 다시 거론되는게 어떤 점이 장점으로 다시 부각되는지 위의 글에서는 발견하지 못했습니다.
한국은 거의 반년전부터 이런 주장이 나왔다, 최근들어 심하게 이야기가 나오는거같아요.
Garry Tan 같은 사람이 적극 아니라고 하고 있고요
한국사이트가 아니라 미국사이트들에서 토큰 사용량이 높아야 한다는 얘기를 보고 의아에한 기억이 납니다. 한국뿐아니라 미국도 마찬가지고 수긍하기 힘든 이상한 얘기와 부풀린 이야기, 등이 난무하고 있네요.
광고와 마케팅이 인터넷 이전 부터 그런것이었는데, 이제 사람들이 보는것이 달라지고 규제를 할수가 없어지니 사기에 가까운 기법이 난무합니다.
그렇게 생각하시면 24시간 생방이라도해서 직접 보여주시면 되는겁니다.
제가 생각했을 때, 세상에서 학습 효율이 가장 뛰어난 프로게이머들조차 새로운 것을 배우지 못해 실패하는 비율이 높은 이유는, 단순히 실력이 부족해서가 아니라고 봅니다.
오히려 그 반대라고 생각합니다.
너무 오랫동안, 그리고 너무 높은 수준으로 기존 메타에 최적화되어 있었기 때문에 변화 앞에서 더 큰 어려움을 겪는 경우가 많다고 봅니다.
처음에는 모든 판단이 의식적으로 이루어집니다.
하지만 반복 학습이 쌓이면, 처음에는 대뇌에서 처리하던 판단이 점점 자동화되고, 숙련자는 생각보다 몸이 먼저 반응하는 단계에 도달하게 됩니다.
저는 이 자동화가 분명 엄청난 강점이라고 생각합니다.
다만 메타가 바뀌는 순간에는, 그 강점이 오히려 강한 관성으로 바뀔 수 있다고 봅니다.
예전 메타에서 정답이었던 시야, 교전, 운영 감각은 수천 시간 동안 몸에 새겨집니다.
그래서 게임 구조가 바뀌고, 이전의 정답이 더 이상 정답이 아니게 되어도 몸은 계속 예전 방식대로 먼저 움직이려 한다고 생각합니다.
결국 문제는 새로운 것을 배우는 능력이 부족해서가 아니라, 기존의 최적화를 버리는 능력에 있다고 봅니다.
대부분의 숙련은 축적의 결과이기도 하지만, 동시에 관성의 결과이기도 하기 때문입니다.
그래서 저는 잘했던 사람일수록 다음 메타에서도 무조건 유리한 것은 아니라고 생각합니다.
오히려 이전 시대의 성공에 더 강하게 묶일 가능성도 충분히 크다고 봅니다.
지금의 코딩 업계도 크게 다르지 않다고 생각합니다.
많은 분들이 여전히 예전 방식으로 효율을 계산하고, 예전 기준으로 생산성을 판단하고 계십니다.
하지만 저는 이미 메타가 바뀌고 있다고 봅니다.
학력이나 경력과 무관하게 실제로 세상에서 벌어지는 일들을 보면, 과연 지금도 시장이 예전과 완전히 같은 구조로 움직이고 있는지, 그리고 개발이 여전히 종속적인 가치만 제공하고 있는지 다시 생각해볼 필요가 있다고 생각합니다.
결국 다음 단계로 가는 사람은 더 성실하게 쌓아가는 사람만이 아니라, 기존의 것을 더 빨리 버릴 수 있는 사람이라고 봅니다.
제가 보기에는 새로운 시대에서는 더 많이 축적하는 능력보다, 낡은 최적화를 걷어내는 능력이 훨씬 더 중요해지고 있습니다.
함수형 프로그래밍 언어를 제대로 배워 본적이 없어서, Clojure로 시작해볼까 하는데, 어떻게 학습을 해야할까요? 개발자분들의 많은 조언 부탁드립니다.
Unsloth 창립자 Daniel Han은 진짜 천재인듯요. 오픈웨이트 모델 나올 때마다 모델 구조부터 토크나이징 버그, 양자화 오류, 템플릿 오류까지 분석해서 공유해 주는데 정말 감탄스러워요.
저렇게 주장하는 집단이 어디인지는 알고 있지만, 명시하면 법적인 문제가 있을 수 있어서 굳이 언급하지 않은 것이고요.
유명한 기업중에 token 사용량을 측정까지하는 기업이 있고, 아래에 익명으로 언급하시는 분도 있죠.
GeekNews에서도 본인의 토큰 사용량을 자랑하듯 주장하는 글들을 볼 수 있고요.
이런 주장을 하는 사람들이 다수는 아닙니다.
하지만 한국 AI쪽에서는 좀 시끄러운 인문들이 이런 주장을 하고있고, Garry Tan이 요 며칠 계속 fat harness에 대해 계속 비판하는건 한국의 그 종교 스러운 주장이 미국쪽까지 갔다는 증거겠죠.
젠승황의 주장을 들고와서 마치 진실인냥 주장하는것이야 말로 전형적인 권의 주의적 화법이죠.
젠승황이 수십년전에 그래픽카드 만들던 엔지니어지 지금은 엔지니어도 아니고, AI쪽 전문가도 아니잖아요.
상관관계에 대해서는 동의하지만, 제가 이야기하는 집단의 주장은 아무짝에도 쓸모없는 Ralph를 돌릴 뿐이죠.
진실을 말하자면 test-time compute를 처음 주장한 OpenAI의 o1 원 논문에서 조차 계속 올린다고 계속 좋아지는 것은 아니면, 일부의 경우만 그렇다고 명확히 이야기하고있죠.
그 마저도 reasoning effort의 관한 이야기지 ralph loop 돌리라는건 당연히 아니고요.
GPT-5.4 프롬프트 가이드에서도 더 높은 reasoning effort가 항상 더 낫지는 않다고 명시합니다.
https://openai.com/index/learning-to-reason-with-llms/
https://developers.openai.com/api/docs/guides/prompt-guidance
뿐만 아니라 디자인은 오히려 reasoning effort를 줄이라고 권고하죠.
https://developers.openai.com/blog/…
PRD가 만능이 아님에도 만능처럼 주장하는 사람이 있으니 말씀드리는겁니다.
원문 제목으로 변경하고, Show 로 이동하였습니다.
글 제목은 GeekNews 이용법을 참고해서 올려주세요.
참고로 moderator가 분류를 조정한 글은 홈 화면 노출이 제한될 수 있으니, 등록 전에 카테고리를 한 번 더 확인 부탁드립니다.
"코딩 실력의 상당 부분은 절차 기억" 이라는 말이 엄청 와닿네요
수학 문제를 푸는것도 절차를 기억하고 같은 결과물을 낼수 있도록 연습하는 행위인데
AI 로 코딩을 해도 괜찮지만 같은 수준 이상의 결과물을 반복적으로 찍어낼수 있도록 뇌에 부하를 걸어야 하는것같습니다.
이런 고민 해보신 분들에게 도움됩니다.
잘 사용하신다니 제가 감사합니다!