▲

코드의 죽음은 과장된 주장임

 (stevekrouse.com)
1P by GN⁺ 9시간전 | ★ favorite | 댓글 1개
  • 프로그래밍은 모호한 명세를 정밀하게 다듬어 가는 창조 행위로, AI는 영어 명세를 코드로 변환해 이 과정을 가속함
  • ‘Vibe coding’ 은 감각적 개발 방식을 가능하게 하지만, 추상화의 누수로 인한 복잡성과 버그 문제를 피할 수 없음
  • 인간은 복잡성을 다루기 위해 추상화와 압축을 활용하며, 이는 프로그래밍의 본질적 가치로 작동함
  • AGI 시대에는 AI가 더 나은 추상화를 지원해 정교하고 예술적인 코드 창조를 가능하게 할 전망임
  • “코드는 죽었다”는 인식과 달리, AI는 코딩의 종말이 아니라 새로운 시작을 여는 도구로 제시됨

코드의 죽음은 과장된 주장임

  • 영어 명세의 모호함과 정밀성의 한계를 지적하며, 프로그래밍은 글쓰기처럼 반복적으로 정밀도를 높여가는 행위임
    • Bertrand Russell의 인용문을 통해 “정확히 만들려 시도하기 전까지는 모든 것이 모호하다”는 점을 강조
    • AI는 영어로 작성된 명세를 실행 가능한 코드로 빠르게 변환해, 사용자가 점진적으로 원하는 결과를 구체화할 수 있게 함
  • ‘Vibe coding’ 은 AI가 생성한 결과물에 반응하며 감각적으로 개발하는 방식이지만, 이는 정확한 추상화의 환상을 줄 수 있음
    • 추상화가 누수될 때 예기치 못한 버그가 발생하며, 이는 규모가 커질수록 심각해짐
    • Dan Shipper의 사례처럼, ‘vibe coding’으로 만든 협업 텍스트 에디터가 인기를 얻은 뒤 복잡성 문제로 다운된 경험이 소개됨
    • “라이브 협업”은 직관적으로 단순해 보이지만 실제로는 매우 어려운 문제로, 복잡성의 본질을 보여줌

추상화와 복잡성의 통제

  • 인간은 한 번에 약 7±2개의 항목만 인지할 수 있어, 복잡성을 다루는 유일한 방법은 ‘압축’, 즉 추상화임
    • Edsger Dijkstra의 인용문을 통해 “추상화의 목적은 모호함이 아니라 새로운 의미 수준에서의 정밀성”임을 강조
    • Sophie Alpert가 Slack의 복잡한 알림 흐름도를 단순화한 사례를 예시로 제시
  • 프로그래밍의 핵심은 복잡성을 다루기 위한 더 나은 추상화의 창조이며, 함수형 반응형 프로그래밍 등에서 그 아름다움을 찾을 수 있음
    • 협업 텍스트 에디터처럼 본질적으로 복잡한 문제도 ReactJS나 TailwindCSS 같은 추상화 도구를 통해 점진적으로 정복 가능

AGI 시대와 코드의 역할

  • AI가 점점 더 빠르고 저렴하게 발전함에 따라, 결국 인간과 구별되지 않는 지능(AGI) 에 도달할 것임
    • AGI 시대에는 누구나 ‘Karpathy급 천재 100명’을 저렴하게 활용할 수 있을 정도로 강력한 지능을 이용하게 될 전망
    • 그러나 이는 ‘더 많은 부실한 코드’를 양산하기 위한 것이 아니라, 더 나은 추상화와 복잡성 이해를 위한 도구로 사용될 것임
  • 코드는 단순히 소프트웨어를 만드는 수단이 아니라, 그 자체로 중요한 예술적 산물이며, 잘 작성된 코드는 시(詩)에 비유됨
    • 글쓰기에 ‘vibe writing’이 존재하지 않듯, 코딩 역시 단순한 감각적 행위로 대체될 수 없음
    • AGI가 도래하면 기계가 ‘비부실(non-slop)’ 코드를 작성할 수 있게 되며, 이는 인류에게 영광스러운 진전이 될 것임

AI와 코드 품질의 향상

  • 현재 AI는 여전히 불완전한 코드를 생성하지만, 개발자들은 이를 감안해 활용하고 있음
    • Simon Willison의 견해처럼, AI는 더 나은 코드를 만드는 도구로 사용되어야 함
    • AGI가 등장하면 가장 먼저 가장 어려운 추상화 문제 해결에 투입되어, 협업 에디터 라이브러리 등 복잡한 시스템을 개선하게 될 것임
  • Opus 4.6을 활용해 Val Town용 풀스택 React 프레임워크(vtrr) 를 개발한 사례가 소개됨
    • React Router 7 관련 미해결 문제를 한 번에 해결했으며, 50줄짜리 단일 파일 데모로 복잡성을 우아하게 다룸
    • 이처럼 AI와 인간의 협업을 통한 정교한 코드 창조가 가능함을 보여줌

코드의 미래와 형식주의의 가치

  • 사회의 다수가 “코드는 죽었다”고 믿지만, 이는 인쇄기의 발명으로 이야기의 종말을 선언하는 것과 같은 오류임
    • AI는 코딩의 종말이 아니라 코딩의 새로운 시작을 의미함
  • Edsger Dijkstra, Tony Hoare, Charles Babbage의 인용문을 통해 형식적 사고와 기호의 압축력이 인간 사고를 확장시킨다는 점을 강조
    • Dijkstra는 형식 언어 사용을 부담이 아닌 특권으로 보아야 한다고 언급
    • Hoare는 “결함이 명백히 없는 단순한 설계”와 “결함이 명백하지 않은 복잡한 설계”의 두 가지 접근을 대비
    • Babbage는 기호의 압축이 사고를 촉진하는 힘임을 지적
  • 결론적으로, 코드는 죽지 않았으며 오히려 AI 시대에 더욱 강력한 창조적 도구로 부상함
▲
GN⁺ 9시간전  [-]
Hacker News 의견들

  • Chris Lattner가 Claude AI로 작성된 컴파일러를 검토했는데, 혁신적인 부분은 없었다고 함
    AI는 기존 지식을 평균적으로 재조합하는 경향이 있어 비판적 사고나 새로운 패러다임을 스스로 만들지 못함
    인간은 기존의 합의에서 벗어나 사고할 수 있지만, AI는 그 합의로 되돌아가려는 힘이 있음
    결국 AI는 순응주의자(conformist) 이며, 그것이 동시에 강점이자 약점임
    관련 글

    • 나는 여러 시스템을 통합할 때 LLM이 가장 큰 도움이 됨
      OAuth나 SAML 같은 복잡한 인증 설정을 직접 문서로 파악하느라 몇 시간을 쓸 필요 없이, LLM이 빠르게 작동 가능한 통합 코드를 만들어줌
      또 AI와 대화하며 내 생각을 정리하는 러버덕 디버깅처럼 쓰기도 함
      이런 대화는 실제 개발 경험이 없는 사람은 하기 어려운 수준의 복잡성을 가짐
    • AI가 인간을 대체하느냐의 문제는 이분법적이 아니라 스펙트럼의 문제라고 생각함
      진짜 걱정은 AI가 수요를 줄여서 업계가 공급 과잉이 되는가임
      새로운 비즈니스 문제들이 계속 생긴다면 AI는 도구로서 도움을 주겠지만, 그렇지 않다면 AI 유무와 상관없이 일자리는 줄어들 것임
    • “AI는 기존 사고의 중심 근처에서 답을 생성한다”는 말은 보편 근사 정리(Universal Approximation Theorem)와 관련 있음
      신경망은 본질적으로 보간(interpolation) 을 수행하지, 외삽(extrapolation) 은 하지 않음
      즉, 학습된 영역 안에서는 정교하지만, 그 밖에서는 예측이 불가능함
      Wikipedia 문서와 SolidGoldMagikarp 예시가 이를 잘 보여줌
    • Lattner의 평가는 불공정한 비교라고 생각함
      Claude의 목표는 혁신이 아니라 “AI가 컴파일러를 만들 수 있는가”를 증명하는 것이었음
      AlphaDev나 AlphaEvolve 같은 사례를 보면, 탐색적 학습과 지식 결합으로 AI가 실제로 혁신을 만들어낼 가능성도 충분함
    • AI가 관습적 사고를 따른다는 건 맞지만, 그게 오히려 강점임
      대부분의 경우 우리는 예측 가능한 도구를 원하지, 스스로 학습하는 불안정한 존재를 원하지 않음
      AI는 모순된 요구사항을 정리해 일관된 구현을 만들어내는 능력이 있음
      예를 들어 “파란 잉크로 빨간 선 7개를 그려줘” 같은 불가능한 요청에도 논리적으로 대응함
      Claude가 실제로 “그건 불가능하니 0개의 선을 그리는 게 정직한 답”이라고 한 건 비판적 사고의 예시임

  • “AI가 새로운 기술을 만들 수 있을까?”라는 질문에 대해, 나는 회의적임
    AI는 기존 데이터에 의존하므로, 새로운 언어나 프레임워크가 등장하면 학습 데이터가 부족해 진화 속도가 느려질 위험이 있음

    • 하지만 소프트웨어는 이미 도구의 변화 속도가 둔화되고 있음
      AI 코딩이 오히려 “바퀴 재발명”을 줄이고, NIH 증후군에서 벗어나게 할 수도 있음
    • 나는 AI 모델로 새로운 프레임워크를 다루고 있음
      학습 데이터가 거의 없어도 문서를 읽고 코드를 작성하며 새로운 시도를 수행할 수 있음
    • 인간만이 새로운 것을 만든다는 전제는 근거가 약함
      언젠가 AI도 창의적 기술 합성을 할 수 있을 것이라는 가능성을 열어둬야 함
    • 더 큰 문제는, AI가 학습하지 않은 프레임워크는 존재하지 않는 것처럼 취급된다는 점임
      결국 개발자들이 AI 학습 데이터에 포함되기 위해 돈을 내야 하는 시대가 올 수도 있음
    • 이미 이런 문제를 해결하려는 시도가 있음
      예를 들어 skills.sh 같은 플랫폼은 AI에게 새로운 프레임워크를 가르치는 스킬 시스템을 제공함
      문서와 예제 코드만으로도 AI가 해당 프레임워크를 바로 사용할 수 있게 됨

  • 나는 코드에 대해 모순된 감정을 가지고 있음
    업무에서는 코드가 부채이지만, 동시에 취미로서의 즐거움이기도 함
    Star Trek의 컴퓨터처럼 “말로 요청하면 알아서 처리되는” 세상이 가까워지고 있다는 생각이 듦

    • 하지만 어떤 사람은 Star Trek식 미래와 지금의 현실은 정반대 방향이라고 말함

  • 사회의 많은 지적 자원이 광고 기술이나 감시 산업에 쓰이고 있음
    AI가 코딩을 대체하면, 이런 인재 재배치의 계기가 될 수도 있음

    • 하지만 그런 산업 목표는 기술 변화만으로는 쉽게 사라지지 않음

  • 나는 트리 구조에서 tombstone 없이 이동·삭제·정렬이 가능한 CRDT를 만들고 있음
    Claude Code가 코드를 잘 쓰지만, 계속 tombstone을 추가하려고 해서 논리적 증명으로 설득해야 했음
    아직 이런 세밀한 구조적 이해는 AI가 완전히 갖추지 못한 듯함

    • 이런 프로젝트에는 Codex를 쓰는 걸 추천받음

  • 새로운 기술이 등장할 때마다 인간은 항상 과도한 기대와 실험의 시기를 거침
    그 과정을 통해 기술의 한계를 배우는 게 인간의 방식임
    에이전트형 프로그래밍의 약속이 너무 좋아 보이지만, 결국 모두가 시행착오를 통해 현실을 배우게 될 것임

  • 나는 “코드가 죽었다”는 주장보다는, 인간이 추상화 수준을 한 단계 올리고 있다고 봄
    이제는 영어로 명세를 쓰면 AI가 코드를 작성함
    하지만 완전한 명확성(specificity) 이 필요할 때는 여전히 코드가 더 유용함
    사진 편집처럼, 정밀한 제어가 필요하면 직접 하는 게 낫지만, 대부분의 경우엔 AI에게 맡겨도 충분함
    시간이 지나면 AI가 안정적이고 보안성 높은 코드를 인간보다 잘 쓸 것이라 생각함

    • 물론 인간의 버그율이 LLM보다 높아지는 시점이 오면, AI의 환각보다 인간의 오류가 더 큰 문제가 될 수도 있음

  • Simon Willison이 말한 것처럼, vibe coding의 진짜 가치는 “더 빠르게”가 아니라 “더 나은 코드”를 만드는 데 있음
    여러 설계 모델로 프로토타입을 생성하고, 가독성·신뢰성·내결함성 기준으로 반복 개선할 수 있음

    • 나도 같은 희망을 가짐
      이제는 코드 리뷰에서 “이 부분 이렇게 바꾸자”고 하면 AI가 바로 수정해줌
      하지만 많은 동료들은 단지 “코드가 사라지는 세상”만을 기대함

  • 얼마 전 Donald Knuth가 AI에게 증명을 요청했더니, AI가 기존에 알려지지 않은 증명을 찾아냈다는 기사가 있었음
    하지만 그건 새로운 발견이라기보다, 잊힌 자료를 찾아낸 것일 가능성이 큼
    이런 점이 LLM을 강력한 연구 도구로 만드는 동시에, 마치 창의적인 것처럼 보이게 함

    • “이미 다 발명됐다”는 1899년 특허청장의 말처럼, 인간의 창의성은 계속 진화함
    • C 컴파일러를 만드는 건 생각보다 어렵지 않음
      Dragon Book을 보면 몇 달 안에 작동하는 걸 만들 수 있고, 그 과정에서 모든 원리를 이해하게 될 것임
    • C#이 2000년대 초반에 보여준 혁신들처럼, 앞으로도 새로운 언어적 진보는 계속 나올 것임
    • 사실 C는 그렇게 복잡하지 않아서, 며칠 만에도 컴파일러를 만들 수 있을 것임

  • 나는 프로그래밍 언어가 인간의 의도를 압축적으로 표현하는 수단이라고 생각함
    하지만 때로는 자연어가 더 정확하고 밀도 높은 의도 전달을 할 때도 있음
    좋은 추상화는 이 간극을 줄이는 것이며, DSL이나 ML/Lisp 계열 언어가 그 예임
    예를 들어 Electric Clojure 튜토리얼처럼, 코드가 의도를 가장 잘 담을 수도 있음
    결국 Wittgenstein의 말처럼, “모호한 그림이 때로는 우리가 필요한 바로 그것일 수도 있음”

    • 이에 대해 “추상의 목적은 모호함이 아니라, 새로운 의미 수준에서의 명확성”이라는 Dijkstra의 말을 덧붙이고 싶음
답변달기