최신 개발 용어들 인공지능의 변화 - 사람의 역량은 지식이 아니다.

Tech-Trends

1. 인공지능(AI) 관련:

* 생성형 AI (Generative AI):
텍스트, 이미지, 코드 등 다양한 형태의 콘텐츠를 스스로 생성하는 AI. 개발 과정에서도 코드 자동 생성, 디버깅 등에 활용됩니다.
생성형 AI는 사람의 말을 이해하는 면에서 인공지능과 사람을 연결하고 있습니다. 지금까지 웹브라우저에 검색을 통해 지식을 습득하고 공유 했다면 이제는 말만하면 됩니다.

* 프롬프트 엔지니어링 (Prompt Engineering):
AI 모델(특히 대규모 언어 모델 LLM)에 원하는 결과를 얻기 위해 효과적인 '프롬프트'를 작성하는 기술.
검색과 챗봇 기술에서 중요한 것은 알고자하는 검색어와 주제어 입니다. 검색에서는 단어를 모르면 검색이 안되 었지만 LLM(거대언어모델)을 이용하면 용어를 모르거나 내용을 완전히 이해하지 못할때 “요즘 언어를 이해하는 모델 같은게 있다는데 뭐야 ?” 라는 질문을 해도 인공지능의 사용자의 의도를 파악해서 "LLM"이라고 찾아 준다는 것입니다.

* 디지털 리터러시 ( AI리터러시, 문해력), AI 학습 도구
디지털 리터러시는 문해력, 디지털 관련 도구들(모바일, PC, 인터넷서비스 등)을 사용할 수 있는 능력을 말합니다.
이제 GPT(LLM)는 단순한 검색의 보조수단이 아니라 디지털 문해력 (리터러시)의 격차를 줄여 주는 도구입니다.  사람이 모르는 것을 알게 하는 도구라는 것이 더 적합할 수 있습니다.
"교육에서 학습교보재 시장의 역할은 어떻게 될까요 ? " ,"강남 유명 강사가 필요할 까요 ?" 물론 차별화는 가능하겠지만, AI를 통해 평등한 교육의 기회와  학습자의 맞춤형 지식을 제공하는 교육 평준화를 이루는 도구가 될 지도 모릅니다.

아이들은 참고서도 선생님도 필요 없을 듯 한 지식을 GPT를 통해 얻을 수 있게 되었습니다.
AI의 발전으로 이제 사람의 지식이 많고 적음만으로 사람의 능력을 평가할 수 없다 의미입니다. 즉  사람의 역량은 지식보다 생각하고 행동하는 인성과 태도가 더 유리한 것이 될 것으로 보입니다.

* 바이브 코딩 (Vibe Coding):
AI를 활용하여 자연어 대화를 통해 소프트웨어를 개발하는 방식. "영어가 가장 인기 있는 프로그래밍 언어다"라는 말이 나올 정도로 AI와의 상호작용이 중요해지고 있습니다.

* 영화 메트릭스, 터미네이터 같은 사이보그 시대
말로 코딩 , 말만하면 다됩니다.  이제 개발을 몰라도 어떤 것이든 할 수 있는 세상입니다. 전문가가 아니면 아닌대로 프로그램을 할 수 있다는 것은 사람 보다 기계(컴퓨터)에게 유리한 이야기 입니다.
영화 메트릭스, 터미네이터 처럼 컴퓨터가 스스로 생각하고 프로그램을 변경하는 세상이 가능하다는 것입니다.
클라우드에 프로그램을 자동으로 등록하고 배포하고 관리가 가능하고 DB, API, Network, Security등이 모두 사람보다 더 정확하고 정교하게 설계할 수 있습니다.
시스템이 자동화 되고 있다는 점만 보아도 메트릭스 같은 세상, 컴퓨터 가 사람을 지배 또는 사람에게 업무를 지시하는 시대가 다가 온다는 의미도 포함 됩니다.

* LLM (Large Language Model):
대량의 텍스트 데이터를 학습하여 인간과 유사한 텍스트를 생성하고 이해하는 능력을 가진 AI 모델. GPT-4, Gemini 등이 대표적입니다.

* SLM (Small Language Model):
LLM보다 작은 규모의 언어 모델로, 온디바이스 AI 등 특정 목적에 최적화되어 효율성을 높입니다.
전문화된 특정분야의 학습, 내부 기밀자료, 개인정보를 취급하고 학습하거나 감사하고 관리하는 인공지능의 필요성으로 sLLM의 활용이 이루어 질 것으로 보입니다.

* 멀티모달 AI (Multimodal AI):
텍스트뿐만 아니라 이미지, 오디오, 비디오 등 다양한 형태의 데이터를 이해하고 처리하는 AI.

* Explainable AI (XAI): AI가 어떤 의사결정을 내렸는지 그 과정을 설명하고 이해할 수 있도록 하는 기술. AI의 신뢰성과 투명성을 높이는 데 중요합니다.

* Edge AI: 데이터를 중앙 클라우드가 아닌, 데이터가 생성되는 장치(Edge Device)에서 직접 처리하는 AI 기술. 실시간 처리 및 개인정보 보호에 유리합니다.

2. 클라우드 및 인프라 관련:

* 멀티 클라우드 (Multi-Cloud):
AWS, Azure, Google Cloud 등 여러 클라우드 플랫폼을 함께 사용하는 전략. 특정 클라우드 종속성을 줄이고 유연성을 높입니다.
클라우드가 중요한 것은 지금 까지 서버 자원 뿐아니라 GPU를 통한 PaaS, SaaS 의 하드웨어 기반 서비스 인프라로 진화 할 것이라는 점이 아닐까 합니다.

* 하이브리드 클라우드 (Hybrid Cloud):
온프레미스(사내 서버)와 클라우드 환경을 통합하여 사용하는 방식. 민감 데이터는 온프레미스에 보관하고, 유연성이 필요한 부분은 클라우드를 활용하는 식입니다.
프로그램을 인공지능으로 만들고 실행하는 환경으로 클라우드가 필요하고 내부의  중요하고 민감한 데이터를 분석하고 저장하고 관리하려면 데이터 보관소가 필요합니다.  내부와 외부의 시스템을 통합해서 운영하는 것은 계속 발전될 것 같습니다.

* 엣지 컴퓨팅 (Edge Computing):
데이터를 중앙 서버나 클라우드로 보내지 않고, 사용자나 데이터 소스에 가까운 '엣지'에서 처리하는 기술. IoT, 자율주행 등 실시간 처리가 필요한 분야에서 중요합니다.
이제 인공지능과 사용자는 하나로 일체화 되는 시대가 되고 있습니다. 사람의 머리와 인공지능이 플러그 인으로 장착 되는 상상도 해보겠지만 인공지능의 활용에는 대량의 데이터와 하드웨어가 필요합니다. 이러한 시스템을 중앙집중화 하기는 어렵괴 간단한 것은 엣지 컴퓨팅으로 연결하여 해결 될 것으로 보입니다. 모바일 휴대폰이 블루투스를 연결하는 것과 같이 사용자 개인을 중심으로  주위 환경과 연결되는 시스템으로 발전되 겠지요

* 서버리스 컴퓨팅 (Serverless Computing):
서버 인프라 관리에 대한 부담 없이 코드만 작성하여 배포하면 클라우드 공급자가 서버를 자동으로 관리해주는 방식.
이미 시스템은 사람이 관리할 숫자를 넘어서고 있습니다.  다양한 시스템 들을 통합하기도 하고 대량의 데이타를 Grid를 통해서 연결하는 것으로 다양한 컴퓨팅 자원이 공유되고  연결되는 유비쿼터스 같은 시대가 개막 될 것으로 보입니다.

* IaC (Infrastructure as Code):
인프라를 코드로 정의하고 관리하는 방식. 인프라를 자동화하고 버전 관리하며 일관성을 유지할 수 있습니다.
사람손으로 컴퓨터를 만질 일이 없어질 이유는 데이터의 보관소가 변화하있다는 것입니다. 시스템의 고장 영역은 대부분은 데이터의 저장과 복원 영역입니다. 머지않아 시스템은 자동화되어  인공지능을 통해 교체되고 관리될 것으로 보입니다.
클라우드 기반의 데이터터 또는 블록체인과 같이 다양한 시스템들이 데이터를 분산해서 또는 다양한 시스템의 데이터를 활용해야하는 시대입니다. 내가 가진 데이터가 나만 쓸 데이터 뿐아니라 다른 플랫폼을 통해 저장하고 관리되는 것이 일반화(데이터독, 스노우플레이크 등) 되고 있습니다. 즉 데이터나 응용 프로그램이 변화 되면서 관리할 인프라의 내용도 달라 진다는 것을 포함해서 인프라 자동화의 변화를 생각해 봅니다.

* DevSecOps:
개발(Dev), 보안(Sec), 운영(Ops)을 통합하여 소프트웨어 개발 주기 전반에 걸쳐 보안을 고려하는 접근 방식.
이제는 데브옵스가 아니라 AIOPs로 넘어가고 있습니다. 개발 품질을 인공지능이 담당하고 인공지능을 통해 개발의 생산성이 향상되고 있기 때문에 모든 영역에서 사람의 손보다는 방대한 지식을 갖춘 인공지능을 통해 개발 품질도 측정될 것으로 보입니다.

* GitOps:
Git 저장소를 통해 인프라 및 애플리케이션 배포를 관리하는 방식. Git의 버전 관리 기능을 활용하여 시스템의 일관성과 투명성을 높입니다.
이제 git는 단순한 저장소 소스 관리 툴이 아닙니다.  코파일럿이 연결되어 많은 개발 소스가 공유되고 학습되는 저장소로 변화되어 Gitd에 소스를 올리면 자동으로 검증하고 수정되는 날도 얼마 남지 않았습니다.

* AIOps:
AI와 머신러닝을 활용하여 IT 운영을 자동화하고 최적화하는 기술. 문제 예측 및 예방, 성능 모니터링 등에 활용됩니다.

* 컨테이너화 (Containerization):
애플리케이션과 그 종속성을 컨테이너라는 독립적인 패키지로 묶어 어떤 환경에서든 일관되게 실행되도록 하는 기술. Docker, Kubernetes 등이 대표적입니다.
어플리 케이션과 시스템을  인스턴스화 하여 관리 한다는 것은 미래의 변화에 중요한 요소라고 보여 집니다. 앞에서 했던 모든 것들을 담아서 서비스로 관리하는 가장 기본적인 도구가 될 것으로 보입니다.

* WebAssembly (Wasm):
웹 브라우저에서 고성능 애플리케이션을 실행할 수 있도록 하는 바이너리 명령어 형식. JavaScript와 상호 보완적으로 작동하여 웹 애플리케이션의 성능을 향상시킵니다.
블록체인, 3D, 가상세계 같은 클라이언트의 연산이 요구되는 환경에서 웹의 기술은 중요한 요소라고 보여지고 이런 분야에서 필요한 기술로 보여 집니다.

3. 개발 방법론 및 기타:

* 로우코드/노코드 (Low-Code/No-Code):
코딩 지식이 없는 사람도 GUI 기반 도구를 활용하여 애플리케이션을 개발할 수 있도록 하는 플랫폼. '시민 개발자'의 확대를 이끌고 있습니다.
최근 코파일럿과 같은 인공지능과 개발 툴이 통합되면서 “말로코딩, 바이브 코딩”이 유행할 날도 얼마 남지 않았습니다. 개발 생산성에서 인공지능의 활용이 필수화 되고 있습니다. (개발은 일상의 문서 작업 수준이 될 듯합니다.)

* 반응형 웹 디자인 (Responsive Web Design):
다양한 디바이스(PC, 태블릿, 모바일)의 화면 크기에 맞춰 웹사이트의 레이아웃과 콘텐츠가 자동으로 조정되도록 하는 디자인 방식.
다양한 디바이스가 나오면서 웹 5.0 까지도 이야기 하고 있습니다. 이 반응이라는 용어도 조만간 “이해하는 디자인” ”엠비언트 웹“ 등으로 사람이 생각하는 것을 표현하는 수준의 웹으로 발전 되고 있습니다.

* 유틸리티-퍼스트 CSS 프레임워크 (Utility-First CSS Framework):
Tailwind CSS와 같이 미리 정의된 유틸리티 클래스를 사용하여 빠르게 맞춤형 디자인을 구현하는 CSS 프레임워크.

* JAMstack:
JavaScript, API, Markup의 약자로, 정적 사이트 생성기와 CDN(콘텐츠 전송 네트워크)을 활용하여 빠르고 안전하며 확장 가능한 웹 애플리케이션을 구축하는 아키텍처.
* GPT를 통해 출력되는 문서를 보면 나름 마크업 언어로 응답이 나옵니다. 인공지능 내부의 응답 구조를 표현하는 규격으로 문서나, 내용의 목차를 표현하는데 활용되고 있습니다.

내용들에 하나하나 평가를 해서 작성하려고 했는데 다른 일을 해야해서 모두 쓰지 못했습니다. (시간부족) 계속 시간되는대로 업데이트 하도록 하겠습니다.

이 외에도 양자 컴퓨팅, 블록체인, AR/VR 기술 등 다양한 분야에서 새로운 개발 및 코딩 트렌드가 계속해서 등장하고 있습니다.

728x90