서론

이번 나는 리뷰어다 2월 첫번째 리뷰한 책은 쉽고 빠르게 익히는 실전 LLM이다. 사실 LLM을 이전부터 공부하면서 어느정도 지식이 쌓인 상태였어서 책 자체에 대한 기대를 하지 않았다. 시중에 정말 많은 ChatGPT 책이 나오고 있으며 이 책도 똑같은 느낌이라 생각했기 떄문이다. 그러나 이 책을 다 읽고 리뷰하는 시점에서 이 책은 단순 프롬프트 엔지니어링만 하는 사람들을 위한 책이 아닌 현업에서 개발자는 아니지만 끊임없이 AI Transformation 고민하는 사람들을 위한 책 이라는 생각이 들었습니다.

미드저니로 만든 AI업무 자동화로 행복한 회사원

이 책의 장점

이 책의 장점은 크게 3가지로 볼 수 있습니다.

프롬프트 엔지니어링을 넘어서서 모델 파인튜닝, 프로덕션 레벨에서 사용하는 방법을 알려줍니다.
ChatGPT를 넘어서서 다른 오픈소스 모델들을 직접 사용합니다.
단순 사용에서 그치는 것이 아닌 비용계산까지 고려하고 있습니다.

그렇다면 하나씩 알아보도록 하겠습니다.

장점1. 프롬프트 엔지니어링에서 멈추지 않은 책

이 책은 대다수의 LLM을 다루는 책들과 달리 프롬프트 엔지니어링을 국한해서 가르치지 않습니다. 이 책은 현업에서 사용할 수 있는 사람들을 위해 만들어진 책이다보니 LoRA와 같은 파인튜닝부터 양자화, 증류(Distiliation)등을 다뤄 실전에서 사용할 수 있게 만들어졌습니다. 또한 해당 라이브러리를 직접 실행하는 에제가 있어 도움을 받을 수 있습니다. 또한 다양한 경우의 수를 제공해 프로덕션 레벨에서 사용할 수 있는 방법론까지 알려주는 책입니다.

장점2. 다양한 오픈소스 모델들을 소개하는 책

이 책은 다양한 오픈소스 모델들을 직접 소개함으로써 OpenAI API에서 벗어나서 다른 선택지도 제공하는 책입니다. Google의 Flan-T5나 Meta Ai의 BART와 같은 모델을 소개하고 Hugging Face 프레임워크들을 이용해서 사용하는 방법을 알려줍니다. 그렇기에 LLM을 도입한다고 했을 때 오픈소스 모델들도 자신의 입맛에 맞게 편집해서 사용할 수 있게 만들어줍니다.

현재까지 나온 LLM모델들

장점3. 비용계산까지 고려한 책

이 책에서 가장 매력적으로 느껴진건 사용법뿐만 아니라 실제 비용계산을 해서 더 좋은 선택지를 제시합니다. OpenAI API의 경우 토큰당 비용계산으로 경제성을 알려주거나 벡터DB를 선택할 때 한가지만 알려주는 것이 아닌 다양한 경우의 수에 맞게 벡터DB를 사용할 수 있게 설명합니다. 또한 RLHF를 사용할지 RLAIF를 사용할지에 대한 선택지도 제공하고 딥러닝 프레임워크에 맞게 사용하는 방법도 알려줍니다.

이 책의 아쉬운점

그럼에도 이 책이 완벽한 책이라보기 어렵습니다. 우선 이 책에 나오는 모델 예제들은 현 시점에서 봤을 때 성능에서 사용하기 어려운 모델들입니다. 현재 우리가 자주 사용하고 있는 모델이 GPT-4를 기준으로 성능을 생각하는데 이 책의 예제는 GPT-3나 Google의 Flan-T5(Gemini를 기준으로 보면 2세대 이상 지나간 모델)입니다. 또한 오픈소스 모델로 많이 활용되고 있는 Meta의 LLaMA가 소개되지 않았던 점도 아쉬운 점으로 꼽습니다.

결론

<쉽고 빠르게 익히는 실전 LLM>은 LLM 연구하는 사람들 입장에서 보면 너무 쉬운 책일 수 있습니다. 그러나 비AI직군에서 일하고 있으면서 AI를 통한 자동화를 꿈꾸는 사람들에게는 이 책은 가뭄에 단비같은 책이라 볼 수 있습니다. 쉽게 설명되어 있고 비용도 계산하며 무엇보다도 예제가 풍부한 책입니다! 그러기에 AI Transformation을 꿈꾸는 직장인들에게 추천합니다.

책 링크 : 쉽고 빠르게 익히는 실전 LLM

LLM기업들이 어떻게 LLM 만드는지 궁금하다면? 클릭!

“한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.”