치돈부리

나 유행 참 느리네: 하네스 엔지니어링

치돈 — Sat, 11 Apr 2026 20:10:20 +0900

나 유행 참 느리네: 하네스 엔지니어링

요새 유튜브 알고리즘에 갑자기 하네스 엔지니어링에 대한 영상들이 뜨기 시작했어요. 뭔지는 대충 짐작하고 있었는데, 엄밀하게 아는 편이 더 좋으니까요.

반갑습니다. 치돈부리의 치돈입니다. 오늘의 주제는 하네스 엔지니어링이에요. 프롬프트 엔지니어링에서 시작해 하네스 엔지니어링까지 역사를 짧게 짚어보고, 그래서 하네스 엔지니어링이 뭔데? 역시 설명해볼게요.

하네스(Harness)

하네스(Harness)라는 표현은 말의 고삐를 의미하죠. 하네스 엔지니어링은 대규모 언어 모델의 토큰 출력 범주를 물리적, 소프트웨어적으로 좁혀 성능 향상을 얻는 AI 엔지니어링 기법입니다.

쉽게 생각하면 ’여기는 가지 마라‘, ’저기로만 가라‘ 말로만 표현하는 것보다, 물리적으로 갈 수 있는 방향을 조정했을 때 목적지에 도달할 확률이 더 높다는 거죠.

1. AI 엔지니어링의 역사

LLM(Large-Language-Model) 모델을 프로덕션 단계에서 사용하고자 하는 노력은 적지 않았죠. 지금까지 AI 엔지니어들의 주 관심사는 학습 방식의 개량 및 강화, 그리고 프롬프트 엔지니어링에 집중되어 있었습니다.

특히 어느정도 언어 모델과 유의미하게 소통할 수 있게 된 2024년부터는 ‘무엇을 시킬 것인가’에 집중하기 시작했구요. 결과적으로 모델에게 제공하는 지침 - 상세한 프롬프트에 대한 관심이 상당히 커졌으며, 다양한 커뮤니티에서 ‘프롬프트’를 통해 AI의 행동을 제어하려 시도했습니다.

당장 우리도 GPT 특유의 ‘가르치는 태도’나 Gemini 특유의 ‘아첨, 아부 성향’때문에 고생이 많았죠? 아직도 시스템 프롬프트와 유저 프롬프트가 중요한 건 이런 모델 자체의 성향을 극복하기 위함도 있습니다.

[!hint] 프롬프트 엔지니어링

DEFINITION

AI에게 제공하는 프롬프트(Prompt)를 조정하여 더 정확하고 의도에 부합하는 답변을 얻어내는 기법

EXAMPLE

맛집을 찾기 위해 서울 동작구 인근 점심 영업을 하는 이탈리안 브런치 식당을 검색해달라고 요청했다

하지만 프롬프트 엔지니어링은 확률적 토큰 생성기에 불과한 언어 모델의 ‘가능성’을 명확하게 정리할 수 없었죠. 대표적인 예시로는 컨텍스트 오염이 있어요. 위의 예시와 같은 세션에서 21턴 전에 이야기한 파스타 가격 거품에 대한 불평을 들고와서는, 너 파스타 안좋아하니까 내가 중식당 골랐어 ㅎㅎ라는 답변을 주면 꽤나 당황스럽겠죠. 이전 대화 기록이 쌓이면서 불필요한 맥락이 반영된 겁니다.

2025년을 기점으로 개별 프롬프트를 넘어선 맥락 정보에 대한 관심이 커졌어요. Shopify CEO Tobi Lütke와 전 테슬라 AI VP이자 전 OpenAI 연구원 Andrej Karpathy는 2025년 6월, 컨텍스트 엔지니어링이라는 용어를 X(트위터)에서 공개적으로 지지하며 업계 전반에 급격히 확산시켰죠. [^1] Anthropic은 공식 기술 블로그에서 컨텍스트 엔지니어링을 프롬프트 엔지니어링과 비교하며 정의하기도 했습니다. [^2]

“언어 모델의 활용은, 프롬프트에 적합한 단어와 문장을 찾는 것에서 점차 벗어나, ’어떤 맥락 구성이 모델의 바람직한 행동을 가장 잘 이끌어내는가?’라는 더 넓은 질문에 답하는 방향으로 옮겨가고 있다” - Anthropic 공식 블로그

엔지니어링 기법은 이 시점에서 프롬프트 단위가 아닌 컨텍스트(Context) 단위로 전환됩니다. 모델에게 단순히 원하는 것을 줄줄이 읊는 것으로는 부족했던 거죠. 모델에게 제공하는 정보를 맥락에 맞게 필터링하고, 모델이 참조할 수 있는 정보의 범위를 제한하며, 특정 도구를 호출하기 위한 맥락을 제공하는 방식으로 넘어갑니다.

[!hint] 컨텍스트 엔지니어링

DEFINITION

AI에게 제공하는 이전 대화 기록의 범위를 조정하고, 키워드에 맞춘 도구 호출 능력 및 추가 정보를 제공하여 맥락(Context)에 맞는 답변을 이끌어내는 기법

EXAMPLE

사용자의 프롬프트를 기반으로 Google Map 커넥터 도구를 호출, 검색 장소를 서울 동작구로 한정하고 이탈리아 브런치 식당을 검색했다. 대화 컨텍스트는 5턴 전까지만 반영하고, 직전 대화에서 데이트 꿀팁에 대해 질문한 것으로 보아 분위기가 좋은 식당을 검색하는 편이 유리하다.

컨텍스트 엔지니어링 기법을 통해 많은 AI 모델은 단순한 챗봇을 넘어 일종의 에이전트(Agent)로 기능하기 시작했죠. GPT, Gemini, Claude, Grok 등 우리가 잘 아는 다양한 모델들이 웹에서 무언가를 검색하고, 계획을 세우며, 수정 가능한 문서 초고 양식을 제공하고, Github 특정 프로젝트를 따오거나 요청에 맞는 이미지를 생성하고 영상을 제작하게 된 일이 모두 같은 시기에 일어났습니다.

사업하는 사람들이 이런 블루오션 시장을 놓칠 리가 없겠죠. 그러나 AI를 프로덕션 단위에 투입하게 되자, 심각한 문제점 하나가 드러났습니다. 20회 이상 AI를 호출했더니, 분명 모든 정보를 다 올바르게 제공했음에도 불구하고, 초반에 잘 구축해둔 베이스를 스스로 망가뜨리고 있던 겁니다.

원인은 단일 AI 모델에게 너무 많은 정보를 쥐어준 것에 있었죠. 마치 악독한 중소기업 사장마냥, 직원 한 명에게 재무회계 관리, 비품 관리, 디자인, 마케팅, 시장 분석, 문서 정리를 모두 맡기니 무리가 온 겁니다.

~~이건 인간이 잘못한게 맞다~~

“말 안 듣는 아이의 행동을 어떻게 제한하나요?”

최근 다양한 연구에서는 적절한 제약 없이는 모델의 성능을 100% 전부 발휘할 수 없다는 것이 드러났습니다. 2025년을 기점으로 다양한 연구 사례가 있었죠. HumanLayer의 Dex Horthy는 12-Factor Agents 프레임워크를 제시하며 모델에게 제공하는 맥락과 정보를 제한해야 최적의 결과를 얻을 수 있다고 주장했고 [^3], LangChain Deep Agents 팀은 서로 다른 모델이 각자에 특화된 지침과 제한이 필요함을 밝혔습니다. [^4]

제품 개발 사이클에 활용하기 위해서는 뒤에서 말만 늘어놓는 지시자가 아니라, 실제로 안장과 고삐를 채운 채 실질적으로 모델을 제어할 수 있는 기수가 필요했던 겁니다. 하네스 엔지니어링의 기초 아이디어는 여기서 출발하죠.

2. 하네스 엔지니어링이란?

쉽게 표현하자면, 엔지니어들의 해법은 ’군대식 일처리‘에 가까워요. 그냥 물리적으로 못하게 막아버리는 거죠.

[!hint] 하네스 엔지니어링

DEFINITION

AI가 사용할 수 있는 도구, 참조 가능한 맥락, 출력의 구조적 제약, 에이전트 간 역할 분리 등을 설계하여 실행 품질을 높이는 기법

EXAMPLE

‘상담원’ AI 챗봇이 사용자 입력과 맥락을 정리했다. 지도 검색 도구 호출 권한이 없으므로, 찾은 정보를 ‘길찾기’ AI 챗봇에게 전송했다. ‘길찾기’ AI는 주어진 키워드 - 서울 동작구, 이탈리안 레스토랑, 데이트 코스를 종합해 적절한 가게들에 핀을 꽂아 만든 Google Map 지도를 ‘상담원’ AI에게 재전송한다. ‘상담원' AI는 받은 맵을 채팅에 출력하고, 각 가게 별 리뷰에 대한 코멘트를 달아놓는다.

예시에서는 하네스 엔지니어링의 대표적 기법인 에이전트 역할 분리 기법이 사용되었어요. 유저와 원활히 잘 소통하는 상담원 에이전트의 경우, 그냥 대화만 잘 하라고 모든 도구 호출을 막아버렸죠. 유저의 요청을 들어주어야 하니 상담원은 지도 검색 및 정리에 특화된 길찾기 에이전트를 호출했습니다. 근데 길찾기 에이전트는 정작 대화 접근이 불가능해서, 결과를 상담원에게 보내는 것만 할 수 있는 거죠.

2026년 2월, Mitchell Hashimoto[^5]가 개인 블로그에서 언급한 하네스(Harness)라는 표현을 OpenAI, Anthropic 등의 기업들이 채용하며 유명세를 타고 그 의미가 크게 확장되었어요. 다만 실은 하네스 엔지니어링의 개념은 훨씬 과거부터 사용되고 있었습니다.

예를 들면 LangChain의 Deep Agents 프로젝트에서 한 가지 실험을 했는데, TerminalBench 2.0 벤치마크에서는 모델을 바꾸지 않고 하네스만 교체했을 때 코딩 에이전트의 성능이 30위 밖에서 5위권으로 뛰어올랐다고 밝혔어요.[^6] Anthropic은 멀티 에이전트 모델에 3-하네스 방법 (Planner-Generator-Evaluator)을 도입해 1~4문장 분량의 프롬프트에서 실제 플레이 가능한 2D 레트로 게임 메이커를 만드는 실험을 진행한 적이 있죠. [^7]

하네스 엔지니어링의 핵심은 물리력입니다. 이전의 두 기법은 정보를 제공하는 방법은 조정할 수 있지만, AI 모델이 내뱉는 말 자체를 변경시킬 수는 없었어요. 반면 하네스 엔지니어링 기법에서는 출력되는 토큰의 가중치를 직접적으로 건드리거나, 정규식으로 아예 지워버리거나, 사용 가능한 도구를 제약하여 전문가 AI에게 인계하는 방식으로 어떤 일들을 ‘할 수 없게’ 만들어요.

3. 하네스 엔지니어링의 세 가지 축

하네스 엔지니어링은 크게 출력 제한, 도구 접근 제한, 역할 분담의 세 가지 체계를 통해 실현할 수 있습니다. 밑으로는 기술적 내용들이 포함되니, 흐름에만 관심이 있다면 다음 파트로 넘어가는 걸 권장해요.

출력 제한

AI는 어디까지나 확률적 토큰 생성기이기 때문에, 단순히 프롬프트로 요청한다면 사용자가 요구하는 정확한 응답을 생성하기가 어려울 수 있습니다. 이때 필요한 것이 출력 제한 기법이죠. 이 분야에서 꽤나 앞서있던 OpenAI는 출력물을 제어하는 방법을 세 단계로 구분했어요. [^8]

단계	기법	상세	정확도
1단계	프롬프트 요청	`JSON 포맷으로 줘`	80~95%
2단계	스키마 제공	도구 스키마 힌트 제공	95~99%
3단계	네이티브 구조화 출력	토큰 가중치 조절로 응답 강제	100%

1단계 - 프롬프트 요청

1단계는 그냥 프롬프트로 요청하는 겁니다. 무슨무슨 양식을 준수해줘라는 표현 애용하시는 분들 많죠? 요즘 모델이 꽤나 똑똑하기도 하고, 코딩 문법이나 json 포맷 등에도 빠삭하다보니 의외로 성공률이 낮지는 않아요. 다만 10번 중 1~2번 실패할 수 있다는건 특히 비싼 대형 모델을 굴릴 때 큰 단점이 됩니다.

이 사이에 프롬프트 프리필(Prefill)이라는 기법도 등장했죠. 어시스턴트 응답의 시작 시점을 고정시키는 방법이에요. 프리필을 사용하지 않으면 응답 시점이 공백이지만, 프리필을 사용해서 좋습니다. JSON 포맷 출력을 시작합니다: {\n를 삽입하면 다음에 등장할 토큰 역시 json 포맷을 따를 확률이 증가하는 원리죠.

2단계 - 스키마 제공

2단계 출력 기법은 그냥 도구를 호출해버리는 방법으로 진화했어요. 똑똑한 모델 개발자들이 미리 빈칸 채우기식 템플릿을 제공하면, LLM 모델은 그 형식에 맞게 그냥 빈칸을 채우는 방식이죠. 이걸 있어보이는 표현으로 스키마(Schema)라고 부릅니다. 예를 들어 식당 찾기 기능을 추가한다면, 아래와 같은 스키마를 채워넣어야 하도록 ‘부탁’하는 겁니다. 실수를 하는게 아닌 이상 어느정도 정확도가 보장되죠.

{
  "name": "search_restaurant",
  "parameters": {
    "district": "string",
    "cuisine": "string",
    "budget": "number"
  }
}

3단계 - 네이티브 구조화 출력

3단계부터는, Constrained Decoding라는 고급 기법이 들어갑니다. 동적으로 특정 토큰의 가중치를 낮춰 절대 출력될 수 없도록 막는 방법이죠. 예를 들어 정수형(int) 필드가 있다면, 여기에는 알파벳 등의 다른 문자 토큰 가중치를 음의 무한대로 떨어지도록 확 낮춰버리는 겁니다. LLM은 확률적 토큰 생성기이므로, 확률이 음의 무한대에 가깝게 낮은 a, b, . 과 같은 시대의 패배자들은 거르고, 1, 23 등의 숫자만 고를 수 있게 되는거죠.

쉽게 생각하면 에임 어시스트 핵인 셈입니다. 사실 뭐 세밀한 조준이며 피킹이며 이런 거 필요하나요? 그냥 적 있는 위치랑 각도만 대충 계산해서 갖다대면 되죠. 수전증 있는 에임고자 브론즈 유저일지라도, 마우스를 가져다 댈 수 있는 위치 자체를 에임 어시스트로 제한해버리면 항상 목표에 근접한 에이밍 실력을 가질 수 있는 셈이죠.

업계에서는 3단계인 네이티브 구조화 출력(Native Structured Output) 기술이 대중화 되어있어요. OpenAI가 Structured Outputs를 출시한 건 2024년인데, 이후 2025년이 되서는 Gemini와 Claude 역시 이 방법을 적용했고, 최근 오픈소스 진영도 기본 탑재해서 내고 있을 정도로 기본이 된 기술이에요.

물론 여전히 1~2단계 출력 제한 기법은 유효합니다. 네이티브 구조화 출력으로 커버할 수 없는 특수한 포맷을 처리할 때에는 프롬프트와 few-shot 기법을 통해 실전적인 예시를 던져주는 편이 좋아요.

도구 접근 제한

Claude Code나 OpenClaw 등의 MCP (Model-Context-Protocol) 도구 혹은 소프트웨어가 상용화된 지도 시간이 꽤나 지났죠. MCP 툴은 모델에 디바이스 저장소, 특정 앱과 상호작용할 수 있는 권한을 주어 개인 비서 내지는 직원처럼 굴릴 수 있게 도와줍니다.

특히 올해 초를 뜨겁게 달군 OpenClaw(구 Clawdbot/Moltbot)는 차세대 개인 비서로 크게 주목받았으나, 사용자들의 안전 불감증, 그리고 검증되지 않은 커뮤니티 공유 방식으로 많은 비판의 대상이 된 적이 있습니다.

OpenClaw와 같은 개인 인공지능 에이전트는 보안 악몽이다 - Cisco 공식 블로그[^9]

Cisco 보안팀은 OpenClaw의 각종 스킬(확장 프로그램 내지는 플러그인 같은 도구들)을 거래하는 커뮤니티 ClawHub를 점검했는데, 341개의 악성 스킬이 클릭 딸깍 한 번으로 받을 수 있게 배포되고 있다고 밝혔어요.[^10]

MCP 도구는 사용하는 도구 외부에서 디바이스 환경을 직접 조작할 수도 있어요. OpenClaw의 경우 스킬 = 에이전트 공식이 성립해서, 다운로드 받은 스킬은 곧 하나의 에이전트와 동일한 권한을 가진 채 실행되었습니다. 자율적으로 실행되는데, 시스템에 광범위하게 접근할 수 있으며, 누가 수정했을지 모르는 지침이 메모리를 계속 차지한다 - 사실상 OpenClaw는 디바이스에 설치하는 _이름 모를 바이러스_였던 거죠.

도구 접근 제한이 이득이 되는 사례

OpenAI의 Codex는 유사한 MCP 도구지만, 회사 자체의 성향을 반영해 안전성을 1순위로 추구합니다. 작업 실행 중에는 인터넷 접근을 차단하고, Github 리포지토리와 사전에 설치된 의존성들에만 접근할 수 있게 설계되어 있어요. 도구 접근을 극단적으로 제한한 사례지만, 덕분에 안전한 작업이 가능하죠.[^11]

한편 OpenAI에서는 다른 실험도 진행했어요. 에이전트에게 단일한 매뉴얼 파일 하나를 져주는 것보다, 문서를 계층화하고 각 문서에서 접근 가능한 도구를 제한함으로써 에이전트 성능을 크게 끌어올린 건데요. 핵심 지침 AGENTS.md 파일에는 특정 핵심 기능과 그 기능에 대한 짧은 설명만 담고, 실질적인 지침 파일들은 컨텍스트에서 누락될 때마다 스스로 다시 탐색하도록 한 겁니다.[^12]

접근 가능한 도구를 구분하는 건 후술할 역할 분담 파트에서도 중요한 개념이에요. 핵심은 모든 것을 쥐어주면 안된다는 점이구요.

역할 분담

조별과제는 우리에게 참 나쁜 인상을 많이 심어주었죠. 사실 그 근본적인 원인은 ‘무임승차’했을 때 남이 무언가 해 줄 것이라는 기대 때문이잖아요. 멀티 에이전트 체계는 이를 절대적으로 불가능한 일로 만들어야 합니다.

Anthropic의 예시로 돌아가볼게요. Anthropic은 레트로 게임 개발에 세 종류의 에이전트를 활용했습니다.

오직 개발 계획만 구성하는 계획자(Planner).
오직 코딩만 담당하는 생성자(Generator).
오직 검증만 담당하는 평가자(Evaluator).

계획자는 개발 전반적인 구상만 담당했어요. DEVPLAN.md 문서를 만들고, 필요한 기능들을 정의했지만 그것들을 어떻게 구현할지에 대해서는 전혀 관여하지 않았죠. 생성자는 문서를 읽고 필요한 기능을 코딩하는 일만 전담했고, 평가자는 도구에 접근해서 실제로 게임을 플레이하는 일만 담당했어요.

Anthropic은 특히 평가자의 역할을 중요하다고 봤어요. 단일 에이전트로 실행했던 회차에서는 모델의 자가 긍정 편향 때문에 치명적인 오류도 ‘사소해~’ 라며 대충 넘어가곤 했거든요. 본인의 실수에 관대했던 거죠.

핵심은 서로가 서로의 업무에 접근하지 못하도록 만드는 것입니다. 생성자는 계획자가 짠 기획안을 확인한 다음 최대한 그대로 구현하고, 평가자는 생성된 결과물만 검증하여 계획자에게 피드백을 넘겨요. 그러면 계획자는 피드백을 반영해 계획을 수정하고 - 이상의 과정이 반복되는 거죠. 각자는 정확히 서로가 무얼 하고 있는지 모릅니다. 완벽한 신뢰 관계라고 볼 수 있죠.

에이전트 분리의 원칙

에이전트를 분리하면 좋지만, 기준 없이 분리하면 안하느니만 못해요.

HumanLayer에서는 초기에 에이전트의 개념을 도입하면서, 프론트엔드 에이전트와 백엔드 에이전트 두 종류로 나눠보았으나 효과적이지 않았다고 밝혔어요. 맹점은 컨텍스트를 공유하게 만들었던 거죠. 두 에이전트가 동일한 파일에 동일하게 접근하다보니, 차지하는 컨텍스트 영역이 너무 넓어져서 중요한 코드와 문서에 접근하는 게 더 어려워졌던 거에요.

그 해결책으로 효과적인 건 부모 에이전트와 서브 에이전트를 분리해, 컨텍스트를 에이전트 별로 캡슐화하는 방안이었대요. 부모 에이전트는 비싼 모델로 구축하고, 서브 에이전트에게 오직 프롬프트를 보낸 다음 결과만 받았습니다. 즉, 서브 에이전트가 정확히 ’무얼‘ 했는지는 컨텍스트에 반영하지 않았던 거죠. 같은 원리로 서브 에이전트는 부모 에이전트가 보내는 프롬프트만 받았고, 그 안에서만 독립적으로 작업을 진행했죠.[^13]

주목해야할 지점은 각 에이전트의 컨텍스트 범위를 분리해야 한다는 점이에요. 한 에이전트가 모든 맥락을 읽게 해버리면, 금방 컨텍스트가 가득 차버려서 중요한 정보를 길게 기억하기 어려워집니다.

4. 활용

2026년 3월, Anthropic은 게임을 만들던 하네스를 약화하여, 한 줄 짜리 프롬프트로 Web Audio API 기반 멀티트랙 오디오 편집기까지 만들었어요. 다만 이번에 사용한 모델은 Opus 4.6이었죠. 레트로 게임 제작에는 Opus 4.5를 사용했거든요.[^14]

연구진들은 개선된 모델을 도입하면 새로운 하네스를 적용해야 한다고 봤어요. 하네스의 모든 구성 요소는 ‘모델이 혼자서는 이걸 못 한다’는 가정에 기반하기 때문에, 결과적으로 발전된 모델이 혼자서 할 수 있는 일에는 기존의 제약 사항을 적용할 필요가 없다는 거죠. 모델의 성향에 맞는 서로 다른 시스템 프롬프트가 필요한 것처럼, 서로 다른 하네스를 구상해 적용할 필요가 있다는 교훈입니다.

다만 멀티 에이전트를 활용한 하네스 엔지니어링에 관심이 있다면, OpenClaw의 사례를 절대 잊어서는 안되겠죠. 정신 놓고 쓰다가는 OpenClaw가 남의 사진을 긁어다가 여러분을 소개하는 데이팅 어플 플랫폼에 프로필을 올릴 수도 있으니까요.[^15] 하네스 엔지니어링의 핵심 개념은 ‘필요한 도구/정보만 최소한으로 제공’함에 있음을 명심합시다.

마치며

AI에게 숙제, 고찰, 생각을 위임하는 것이 일상이 된 시대에요. 이런 시기일수록 AI를 동반자가 아니라 골치 아픈 도구이자 불같은 성격의 경기마로 생각할 필요가 있습니다. 적어도 칼을 날이 아닌 손잡이를 잡고 들어야 한다는 것 쯤은 알아야겠죠.

오늘은 하네스 엔지니어링에 대해 알아보았습니다. 다음에 또 만나요.

각주

[^1]: Huggingface 정리글

[^2]: Anthropic 기술 블로그 - 원문: Building with language models is becoming less about finding the right words and phrases for your prompts, and more about answering the broader question of “what configuration of context is most likely to generate our model’s desired behavior?"

[^3]: HumanLayer Github 페이지 몇 가지 핵심 원칙만 추리면 이렇습니다: LLM 모델을 프로덕션 단계에 사용하려면 비정형 데이터(자연어)를 정형 데이터(정리된 포맷 데이터, e.g. json)로 변환하는 용도로만 사용해야 한다. 제어 흐름을 소유하고, Stateless reducer로 설계하라(현재 상태 + 인풋 = 업데이트된 상태). 컨텍스트 엔지니어링 기법을 사용하라 등.

[^4]: 관련 기사

[^5]: My AI Adoption Journey - 5번째 항목인 Engineer the Harness 파트가 유명해졌습니다. 현 시류에 필요했던 개념을 잘 정의한 거죠. Mitchell Hashimoto는 HashiCorp의 창업자로도 유명하며, 이 외에도 AI 코딩과 관련된 여러 글을 작성했어요.

[^6]: LangChain Deep Agents CLI Project - 사용된 모델은 gpt-5.2-codex 모델입니다. Terminalbench 2.0 정확도는 하네스 엔지니어링을 적용했을 때 52.8%에서 66.5%로 13.7%p 증가했습니다. 단순히 계산해봐도 정확도 자체가 20% 이상 증가한 셈이죠.

[^7]:Anthropic 기술 블로그 - 9달러 단일 에이전트의 경우 20분을 소모해 오류가 많은 게임을 만들어냈지만, 정교하게 3-하네스 기법으로 구축한 200달러 에이전트들은 6시간만에 큰 오류 없이 플레이 가능한 2D 레트로 게임을 만들어낼 수 있었어요. Planner-Generator-Evaluator의 세 에이전트를 엄격하게 구분하고, 개별 에이전트가 수행 가능한 역할을 명확히 구분지어 자기 긍정 편향을 억제하는 방식을 사용했습니다.

[^8]: OpenAI API 공식 문서

[^9]: Cisco 블로그 - 원문 : Personal AI Agents like OpenClaw Are a Security Nightmare

[^10]: 해커 뉴스 - 2026년 2월에 시행한 조사로, 총 2,857개의 스킬 중 무려 341개의 스킬이 악성 코드였다고 하죠. 재미있게도, 341개 악성 코드 중 무려 335개는 동일한 단체에서 배포한 ClawHavoc라는 캠페인의 일환이었는데, macOS 정보 탈취 악성코드인 Atomic Stealer를 배포, 브라우저 비밀번호, 암호화폐 지갑, 세션 쿠키를 수집하려 했습니다.

[^11]: OpenAI codex 소개글

[^12]: OpenAI 하네스 엔지니어링 소개글

[^13]: HumanLayer 기술 블로그

[^14]: Anthropic 기술 블로그

[^15]: TaipeiTimes 관련 기사

스포티파이(Spotify) 찍먹하기

치돈 — Sat, 8 Feb 2025 01:05:34 +0900

안녕하세요, 치돈입니다.

이번 포스팅은 스포티파이에 대한 내용입니다.

스포티파이란?

스포티파이는 음원 스트리밍과 라디오 청취 등의 미디어 서비스를 제공하는 음악 재생 프로그램입니다

제품과 회사의 이름이 같으며, 스웨덴의 다니엘 에크, 마르틴 로레트손이 공동으로 창업하여 운영 중이네요

작년 하반기에 무료 멤버십이 생겨 누구나 찍먹해볼 수 있게 되었습니다.

스포티파이의 요금제

스포티파이는 무료, 베이직, 프리미엄(개인), 듀오의 네 가지 멤버십을 제공하고 있습니다.

가격은 2025년 2월 8일 기준으로 작성된 점 참고 바랍니다.

- 무료 플랜

이름 그대로 돈을 지불하지 않지만 음원 사이 사이에 광고가 재생되는 간단한 요금제에요.

다만 카카오엔터 등 자사 스트리밍 서비스가 운영되는 레이블 소속의 음원들은 재생할 수 없다고 알려져 있습니다.

무료
광고 있음
음원 다운로드 불가

- 프리미엄 플랜

프리미엄, 혹은 개인 플랜은 스포티파이의 기본 요금제로 광고 없는 음원 재생과 다운로드 기능이 포함되어 있습니다

부가세 포함 월 11,900원
광고 없음
음원 다운로드 가능

- 베이직 플랜

프리미엄 플랜에서 음원 다운로드 기능만 제외한, 상대적으로 조금 저렴한 요금제입니다.

부가세 포함 월 8,690원
광고 없음
음원 다운로드 불가

- 듀오 플랜

간단히 프리미엄 플랜의 계정을 두 개 제공하는 요금제입니다.

가족이나 친구와 함께 사용하면 더 저렴한 가격에 프리미엄 플랜을 누릴 수 있죠.

부가세 포함 월 17,985원(인당 8,993원)
광고 없음
음원 다운로드 가능

개인적으로는 무난한 듀오 플랜을 추천해요

2명은 채우기도 어렵지 않아서 가족이나 친구와 함께 가입하면 거진 베이직 플랜의 가격으로 구독할 수 있습니다

같은 이유에서 베이직 플랜은 추천하지는 않습니다

특히 캠핑을 가거나 비행기를 타는 등 특수한 상황에서는 다운로드한 음원이 없는 것이 매우 뼈아플 수 있어요

애플 뮤직 멤버십

무료 플랜이 아닌 이상 스포티파이 요금제는 가성비 측면에서 확실히 아쉽습니다

같은 기능을 제공하는 애플 뮤직의 개인 플랜은 월 8,900원, 최대 6명까지 등록 가능한 가족 플랜은 13,500원인데 스포티파이는 2명이 함께 결제하는 듀오 플랜을 가입해야 겨우 개인 기준 비슷한 9,000원 수준이 됩니다

음질 측면에서도 애플 뮤직은 클래식 전용 앱을 별개로 출시할 만큼 스포티파이가 비교적 열세에 위치해 있습니다

그럼에도 스포티파이가 경쟁력을 가지는 분야가 있으니 바로 음악 추천과 큐레이션 기능입니다.

큐레이션 기능

스포티파이의 알파이자 오메가인 큐레이션 기능을 알아봅시다

큐레이션은 자신이 들은 음악을 분석해 자동으로 플레이리스트를 제공하는 서비스에요

매일 새롭게 갱신되는 데일리 믹스

대표적으로 데일리믹스 시리즈는 자신이 듣는 장르에 맞춰 매일 6개가 함께 제공되는데요

가장 중요한 특징은 정말 칼같이 각 믹스의 장르에 맞는 곡만 추가된다는 점이에요

K-pop 믹스는 K-pop만, 재즈 믹스는 재즈만 추천해주죠

장르의 '결'이 맞는 모습

당연한 것 아니냐고 생각하실 수 있겠지만, 의외로 애플 뮤직을 포함한 대부분의 음악 스트리밍 서비스가 이런 장르 규격화를 자동으로 제공하지는 못하는 편입니다

나이가 들수록 새로운 음악을 듣기보다는 자신이 과거에 듣던 노래만 찾게 된다고 하죠

제가 스포티파이 덕에 지금도 꾸준히 새로운 노래를 찾아 듣게되는 것이 아닌가 싶어요

정말 다양한 컨셉으로 음악을 묶어준다

여러 컨셉의 플레이리스트가 매 주 업데이트되는 점이 스포티파이의 매력 포인트입니다

사진처럼 장르별, 아티스트별, 시대별, 무드별 믹스가 주기적으로 자동 생성되는데, 훌륭한 장르 규격화 덕에 마치 하나의 앨범을 듣는 것처럼 매끄러운 감상이 가능합니다.

또한 둘러보기 기능을 제공해서 새로운 음악을 찾기가 원활한 편이에요

커스텀 플레이리스트

음악을 찾았다면 플레이리스트를 구성해야겠죠

좌측 사이드바의

1. 빈 공간을 우클릭하거나,

2. 음원 우클릭 > 플레이리스트에 추가하기 > 새 플레이리스트 순으로 진입하여

새로운 플레이리스트를 제작할 수 있어요

원하는 음원 우클릭 > 플레이리스트에 추가하기 버튼을 통해 취향에 맞는 음원을 찾을 때마다 플레이리스트에 등록할 수 있고

노트북, PC 환경에서는 Shift를 누르면 여러 음원을 연속으로 선택할 수 있으니 활용해보세요.

플레이리스트에 음원을 추가하고 나면, 이처럼 아래에 추천 음원을 보여줍니다

보통 플레이리스트 기준 초반에 추가된 음원이 추천 음원의 장르를 결정하는 편인데요

사진의 경우 음원의 수가 많지는 않아 무난하게 팝송 위주로 추천해주는 모습입니다

유사 장르의 음원을 새롭게 찾고자 할 때에 저는 스마트 셔플 기능을 애용하는 편입니다

플레이리스트 최상단이나 재생바의 셔플 버튼을 반복해서 클릭해보세요

셔플 아이콘에 별 표시가 생기면 자동으로 관련된 음원을 추천해주는 스마트 셔플 상태가 됩니다

스마트셔플이 활성화된 상태

스마트 셔플로 추천된 음악은 사진처럼 아티스트 명 좌측에 초록색 아이콘이 추가되어 쉽게 인식할 수 있어요

기존 플레이리스트 음원은 그대로 유지하되, 장르적으로 유사한 여러 음원을 추천받을 때 특히 유용합니다

재생목록 창에서 우클릭하면 쉽게 현재 플레이리스트에 추가할 수 있습니다

스마트 셔플을 해제하면 추천곡도 자동으로 재생목록에서 제거되어 편리합니다

폴더 정리 기능

플레이리스트가 많이 쌓였다면 폴더를 통해 정리할 수도 있습니다

좌측 사이드바의 빈 공간을 우클릭하여 새 폴더를 추가할 수 있어요

플레이리스트를 잡아 끌어 폴더에 집어넣을 수 있고, 폴더를 클릭해 폴더 내의 플레이리스트만 필터링해서 볼 수도 있습니다

개인적으로는 장르나 무드 중심으로 플레이리스트를 크게 크게 채우는 편인지라 자주 사용하지는 않는데, 작은 규모로 마치 하나의 앨범같은 플레이리스트를 구성하시는 분들께는 최적의 기능이 아닐까 싶습니다.

디바이스 기능

여러 디바이스에 스포티파이를 설치한 상태라면 유용한 기능이 있습니다

재생 목록과 사운드 설정 사이 디바이스 버튼을 클릭해보세요

스포티파이를 실행 중인 다른 디바이스와 재생 상태가 연동되며, 다른 기기를 선택하면 현재 기기에서는 재생이 멈추고 해당 기기에서 이어서 재생됩니다.

데스크탑에 헤드셋으로 연결해 듣다가, 화장실에 갈 때는 핸드폰으로 재생 설정을 바꾸는 등 여러모로 편리한 상황이 많습니다

팟캐스트

한편 음악과는 별개로 팟캐스트 역시 이용할 수 있습니다

최근에 일본어 회화 팟캐스트를 시청했더니 관련된 팟캐스트를 연달아 추천해주는 모습이에요

그 밑으로는 여러 사람들이 시청하는 인기 팟캐스트들이 추천됩니다

피드에서 추천받아 시청할 수도 있고, 혹은 직접 키워드로 검색해서 찾을 수도 있어요

오늘은 간단하게 스포티파이에 대해 알아보았습니다.

1개월 무료 프로모션도 있으니 체험해보시기 바라요

미드저니 가이드북 : 이미지 생성하기

치돈 — Wed, 5 Feb 2025 01:13:49 +0900

안녕하세요~ 치돈입니다.

오늘은 미드저니를 통해 이미지를 생성하는 법을 다뤄보겠습니다.

만약 미드저니를 이미 사용해보신 분들이라면 대부분 디스코드를 통해 생성한다고 간략히 알고 계실텐데요, 비교적 최근 상당한 성능의 에디터(Editor) 모드가 등장해 개인적으로는 웹사이트를 이용하는 것을 추천하고 있어요.

UI 구성 알아보기

일단 미드저니에 처음 진입하면 다양한 이미지들이 표출되는 피드로 이동합니다

여기서 좌측 사이드바의 Create 탭을 클릭해 이미지 생성 화면으로 이동합시다.

이렇게 Create 탭으로 진입하면 상단에 프롬프트를 입력할 수 있는 긴 텍스트 박스와 이전의 생성 기록이 한 눈에 들어오네요.

프롬프트는 AI에게 이미지 정보를 담는 주문서라고 생각하면 좋아요

미드저니는 사용자가 제공한 프롬프트를 기반으로 이미지를 생성합니다

각 단어와 어구 사이는 쉼표(,)로 구분한다

사진과 같이 이미지에 대한 설명을 단어나 어구 단위로 나열하여 제공하면

이렇게 입력한 프롬프트에 대한 작업 Job 대기 큐에 등록되고, 잠시 기다리면

짜잔- 멋진 이미지가 네 장씩 등장합니다.

미드저니에서의 이미지 생성은 전혀 어렵지 않아요.

원하는 이미지를 텍스트의 형태로 묘사하고, 엔터 키를 눌러 미드저니에게 생성을 맡기면 끝이죠.

이렇게 이미지를 생성하거나, 기타 수정을 지시할때 작업이 진행되고, 이미지 생성 작업은 한 번에 네 개의 이미지를 제공해요.

작업과 관련된 여러가지 기능

이미지가 완성된 후 오른쪽 공백에 마우스를 올리면 여러 기능을 확인할 수 있어요.

Rerun : 같은 프롬프트, 다른 시드를 활용해 이미지를 다시 생성합니다
Use : 해당 작업에 사용된 프롬프트 텍스트를 상단의 텍스트 상자에 복사합니다
Hide : 해당 작업으로 생성된 이미지를 숨깁니다 Organize 탭에서 다시 찾아볼 수도 있어요
Copy : 작업ID, 이미지, 이미지 시드, 이미지 링크 등을 복사합니다
Download : 해당 작업에 생성된 모든 이미지를 합쳐 다운로드합니다

대부분의 기능은 텍스트에 쓰인 그대로지만, 다운로드는 살짝 조심할 필요가 있습니다.

작업 다운로드 버튼을 누르면 네 개의 이미지를 합쳐 다운로드한다

작업에 사용되는 모든 이미지를 하나로 합쳐 다운로드하는 방식이기 때문에, 개별 이미지를 받으려면 각 이미지를 직접 클릭한 뒤 다운로드해야 해요.

개별 이미지를 얻으려면 우측 상단의 다운로드 버튼을 클릭하거나, 혹은 이미지를 직접 우클릭한 후 다운로드하도록 합시다.

이미지 생성 설정

프롬프트 입력창의 우측, 설정 버튼을 누르면 생성과 관련된 주요한 설정들을 한 눈에 파악할 수 있습니다.

- 좌측 상단

Image Size는 사실 엄밀히 말하면 Aspect Ratio, 즉 종횡비와 관련된 부분이에요. 슬라이더바를 움직여 종횡비를 1:2 ~ 2:1 사이에서 설정할 수 있습니다. 혹은 사전 설정을 사용할 수도 있어요

Portrait - 3:4 비율
Square - 1:1 비율
Landscape - 4:3 비율

- 우측 상단

Aesthetics는 생성되는 이미지의 화풍을 결정하는 중요한 설정이에요.

Stylization - 미드저니의 미적 기준을 얼마나 많이 적용하느냐를 결정해요. 이 값이 클수록 프롬프트 이행력이 감소합니다.
Weirdness - 이미지를 얼마나 추상적이고 기이하게 변형할지를 결정해요. 이 값이 크면 그림이 상당히 아방가르드해진답니다.
Variety(혹은 Chaos) - 생성되는 각 이미지가 얼마나 참신하고 개성적일지를 결정해요. 새로운 타입의 그림을 얻고 싶다면 높게 설정하는게 좋죠.

- 좌측 하단

Mode - 미드저니의 생성 형식을 지정해요. Raw 모드는 미드저니식 화풍을 덜어내고 대상을 더 날 것의 형태 그대로 그려줍니다.
Version - 사용할 미드저니 체크포인트(모델)을 선택해요. 미드저니을 사용한다면 6.1에서 바꿀 이유는 없고, 서브컬처 그림체를 원하시면 Niji 6로 변경해보세요.
Personalize - 생성에 적용할 프로필, 혹은 무드보드를 고를 수 있어요. 혹은 아예 개인화를 끌 수도 있죠.

- 우측 하단

생성 모드가 배치되어 있어요.

Relax - Fast Hour를 소모하지 않는 대신 이미지를 느리게 생성해요
Fast - Fast Hour를 생성 시간에 비례해 소모하는 대신 이미지를 빠르게 생성해요
Turbo - Fast Hour를 생성 시간의 두 배만큼 소모하는 대신 이미지를 2~4배 빠르게 생성해요

Turbo는 실험적인 생성 속도인지라 Fast나 Relax로 놓고 생성하는 것을 추천합니다~

오늘은 이렇게 미드저니 웹사이트를 통해 이미지를 생성하는 내용을 다뤄보았습니다.

<미드저니 가이드북 : 현대인의 생존교양> 펀딩에 참여하시면 더 많은 정보를 제공받으실 수 있어요!

https://tumblbug.com/midjourney_guidebook

현대인을 위한 생존교양 미드저니 가이드북

기초부터 심화까지, 인공지능 이론과 디자인 예제로 학습하는 미드저니 학습 가이드 전자책

tumblbug.com

https://chidon.tistory.com/entry/%EB%AF%B8%EB%93%9C%EC%A0%80%EB%8B%88-%EA%B0%80%EC%9D%B4%EB%93%9C%EB%B6%81-%EC%9A%94%EA%B8%88%EC%A0%9C

미드저니 가이드북 : 요금제

안녕하세요! 치돈입니다. 이 글을 시작으로, 미드저니를 다루는 간단한 팁들을 포스팅할 계획입니다. 이번 포스트에서는 미드저니에 대해 간단히 알아보고, 요금제를 분석해보겠습니다. 우리의

chidon.tistory.com

미드저니 바로가기 >>

https://www.midjourney.com/explore?tab=top_month

딥시크(Deepseek)로 알아보는 AI 학습 기법

치돈 — Tue, 4 Feb 2025 01:14:57 +0900

안녕하세요! 오늘은 요즘 핫한 딥시크(DeepSeek)를 통해 간단한 AI 학습 기법 및 용어들을 알아보려 합니다~

그동안 ChatGPT, Claude, Gemini 등 서구권 위주로 굴러가던 AI 시장에서 새로운 문법을 제시한 것으로 큰 이슈가 되었는데요

딥시크가 무엇이고, 어째서 많은 주목을 받았는지 살펴봅시다.

딥시크(DeepSeek)란?

딥시크(DeepSeek)는 GPT 시리즈와 같은 텍스트 생성형 AI 모델입니다.

개발사는 High-Flyer라는 중국의 대형 헤지펀드를 뒷배로 두고 있어요. 해당 회사는 머신러닝 알고리즘을 기반으로 투자하는 관련 기술 인력을 갖추고 있어 그동안 DeepSeek-V2, DeepSeek-V2.5 등의 모델을 개발 및 공개하고 나름 꾸준한 성능 향상을 보이고 있었죠.

그러다가 최근 고작 80억 원 정도의 예산을 사용해 천문학적인 예산을 들여 개발한 GPT-o1에 버금가는 성능에, 더욱 낮은 컴퓨팅 자원을 요구하는 모델 DeepSeek-V3 R1을 공개해 큰 주목을 받았죠.

사실 엄밀히 따지면 이 금액은 해당 모델에 한정된 GPU 사용료에 불과해요. 인건비, 기존의 연구비, 전기세 및 인프라 비용 등은 포함되지 않았죠. 당장 DeepSeek-V3 R1의 논문 기여자 수만 200명쯤 된답니다.

심지어 DeepSeek-V3 R1의 개발 방법과 관련 논문을 모두 오픈 소스로 공개해, 누구나 모델의 제작 기법을 재현하거나 약간의 인프라가 갖춰지면 모델을 직접 컴퓨터로 돌려 사용할 수도 있어요.

정치-시사적 이슈를 쏙 빼고 말하자면, OpenAI나 Claude 등 선두를 달리는 다른 AI 기업들이 숨기고 있던 영업 비밀을, 후발주자가 모두에게 공개해버려 큰 이슈가 된 셈이에요.

R1의 추론 기능을 사용하려면 텍스트 상자의 버튼을 눌러 활성화해주어야 한다

딥시크는 현재 공식 웹사이트나 앱 등을 다운로드받아 모든 기능을 무료로 사용할 수 있어요.

다만 전세계적으로 사용자가 많이 몰리는 탓에 서버가 불안정한 편입니다.

많이 사용하시는 ChatGPT와의 차별점은 인터넷 검색 기능과 추론 기능을 함께 사용할 수 있다는 점인데요, 중국산 모델이다보니 검색 시 출처로 중국어 사이트가 많이 나온다는 점은 감안해야겠죠.

가장 짙은 파란색이 R1, 짙은 회색이 gpt-o1

성능은 상당히 뛰어난 편입니다.

인공지능 모델의 정확도를 평가하는 지표, 벤치마크를 살펴보면 현재까지 최상의 지능을 가졌다 평가받는 GPT-o1과 같은 수준이거나, 더 높은 성능을 보이는 지표도 어렵지 않게 발견할 수 있어요.

정답은 15000원. 순손실은 변화량만을 따진다.

간단한 수학 문제를 질문해봤는데 잠시 생각하더니 쉽게 해결하는 모습입니다.

자산과 부채에 대한 개념을 잡아야 쉽게 풀 수 있는데, 실제로 gpt-4o는 계속 만 원이라고 오답을 말하더군요.

포스트 하단에 딥시크 웹사이트 링크를 첨부하였으니 참고 바랍니다.

출처 : https://www.wiz.io/blog/wiz-research-uncovers-exposed-deepseek-database-leak

다만 딥시크 사에서 직접 운영하는 공식 사이트는 ~~중국스럽게~~ 허술한 보안을 갖추고 있어서, 개인 사용자들의 채팅 기록은 물론이고 전문적인 사용자들이 사용하는 API 키 등이 저장된 데이터베이스가 몽땅 털리는 어이없는 사고가 발생하기도 했어요.

포스트를 쓰며 알게 된 사실... 저도 급하게 API키를 삭제하고 왔어요

모델 자체는 모두에게 공개되었으니 퍼플렉시티 Perplexity 등 상대적으로 더 신뢰할 수 있는 프로바이더를 활용하는게 좋아보이는데, 정작 다른 프로바이더들은 공식 웹사이트와는 달리 검색기능의 성능이 처참하다는 단점이 있네요...

기호에 맞춰 사용하시면 되겠습니다.

딥시크의 학습 비법

딥시크가 충격적으로 다가온 이유는 그동안 AI 전문가들이 생각했던 것과는 다르게, 높은 성능의 모델 제작을 위한 방법을 모두가 이미 알고 있었다는 점이에요.

특히 그동안 정답으로 여겨지지 않았던 강화학습을 주로 사용해서 훈련했다는 점이 주요했죠.

딥시크에 사용된 여러 학습 기법에 대해 알아봅시다.

1. 지도학습 Supervised Learning

지도학습은 사람이 라벨링한 데이터셋을 통해 모델의 행동을 직접 학습시키는 기법이에요.

특정 데이터(사진, 텍스트 등)를 특정 범주에 따라 구분한 것을 라벨이라고 부르는데, 예를 들어 이 사진이 어떤 동물에 속하는지, 어떤 글의 장르가 무엇인지, 음악의 템포가 빠른지 느린지 등을 구분하는 모든 기준이 라벨이 됩니다.

대표적으로 스팸 메일을 구분하는 AI는 메일 내용과 해당 메일이 스팸인지에 대한 여부(라벨)을 AI에게 제공해요

메일 A.
안녕하세요. 귀하의 업무 제안서를 꼼꼼하게 확인해본 결과 -
...
아쉬운 소식을 전하게 되어 유감입니다. 지원해주셔서 감사합니다.

is_this_mail_spam : NO

메일 B.
(광고) 두 번 다시 오지 않는 기회! 지금 당장 -
...
>> 사전예약 신청 <<

is_this_mail_spam : YES

이런 예시 데이터를 엄청나게 많이 제공하면, 그 과정에서 스팸 메일 특유의 문법이나 문장 구성 등을 파악하는 일반화 능력을 기를 수 있어요.

마치 학생 시절 많은 양의 수학 문제를 풀다가 문제 푸는 요령, 혹은 직관력을 갖추게 되는 것과 유사해요.

지도학습은 라벨링(혹은 정답)이 잘 수행되었다는 가정 하에 강력한 방식이지만, 사람이 손수 라벨링한 높은 퀄리티의 데이터 세트가 필요하다는 맹점이 있어요.

대부분의 텍스트 생성형 AI는 특히 SNS나 인터넷 사이트의 글들을 학습하는데, 글의 형식 정도야 구분이 가능하지만 (광고 / SNS 게시글 / 에세이 / 논문 / 뉴스 등...) 글의 퀄리티나 가치까지 평가하기에는 애매하죠.

혹은 데이터 편향이 발생할 가능성도 있어요. 예를 들어 고양이와 개의 사진을 구분하도록 라벨링했는데, 전체 사진 중 80% 가까이가 개의 사진이라면 해당 AI는 나중에 고양이를 보고도 개로 구분할 확률이 생기죠.

따라서 DeepSeek의 연구진들은 초반 설계에만 지도학습을 사용하고, 이후에는 강화학습 기법을 도입했어요.

2. 강화학습 Reinforcement learning

강화학습은 피드백을 통해 AI의 행동 방향을 조정 tuning 하는 기법이에요

AI의 목적은 오직 자신이 가질 보상을 극대화하는 것으로 정하고, 올바른 행동을 했을 때 큰 보상을 주도록 설계하는 방식이죠.

예를 들어, 사용자가 "안녕?"이라고 입력하면, AI는 "안녕 안해요"라고도 응답할 수 있고, "안녕하세요~ 무엇을 도와드릴까요?"라고 말할 수도 있겠죠.

이때 사용자는 "안녕 안해요"라는 응답에는 기분이 나빴으니 부정적인 피드백을, "안녕하세요~ ..."라는 응답에는 무응답 내지는 긍정적인 피드백을 남길 겁니다.

그런 피드백이 곧 AI의 답변 방향을 지정하는 보상이 되는 방식입니다.

AI는 항상 보상을 최대로 타길 원하므로 이 과정을 반복하면 유저에게 친절한 방향으로 응답하게 될 거에요.

학습 수준(step, x축)에 따른 정답률(score, y축)을 나타낸 그래프, 출처 : X(前 Twitter)의 @jiayi_pirate

다만, 강화학습은 모델의 성능 - 직설적으로 말하면 지능 이 어느정도 보장될 때 효과적이에요

Jiayi Pan이라는 전문가는 30달러를 들여 딥시크 R1과 같은 원리로, 더 작은 규모의 모델 학습을 진행해 성공했다고 밝히기도 했습니다.

그는 간단한 count down 게임을 학습시키며 기본 모델의 성능이 낮으면 강화 학습의 퀄리티도 낮아진다는 결과를 도출해냈죠.

DeekSeek 역시 강화 학습을 메인으로 활용해 개발되었지만, 초기 학습에는 사람이 직접 AI의 행동 방향을 학습시키는 사람에 의한 지도 학습(RLHF Reinforcement Learning from Human Feedback)을 함께 활용해야 했어요. 여담으로 이런 학습 방법을 콜드 스타트 Cold Start 라고 부릅니다

DeekSeek를 학습시킴에 있어 강화 학습이 주로 활용되었다는 것이 중요하며, 지도 학습이 아예 사용되지 않은 건 아니라는 점을 명확히 알아두는게 좋겠죠?

3. MoE (Mixture of Experts)

사람 한 명이 모든 분야에 대해 전문성을 갖추기란 어렵습니다.

AI에게도 마찬가지죠.

하나의 모델이 모든 분야에 있어서 항상 올바른 대답을 제공하기는 어려워요.

따라서 사용자의 입력에 따라 전문화된 모델을 미리 제작한 뒤, 각 응답에 대해 적절한 전문가 모델을 호출하도록 설계하는 기법을 Mixture of Experts, 줄여서 MoE 기법이라고 부릅니다.

전문가 네트워크, 출처 : https://www.cs.toronto.edu/~hinton/absps/jjnh91.pdf

MoE 기법을 활용하면 모델의 크기를 어느정도 줄이면서도, 특화된 모델 호출을 통해 답변의 퀄리티를 향상시킬 수 있어요.

조금 더 엄밀하게 말하면, 각 모델은 전체 네트워크의 일부분이고, 숫자, 형용사, 문장 부호 등 담당하는 토큰의 분류가 정해져 있어서 해당 토큰만 분석합니다. 인풋 토큰을 라우터가 해당하는 네트워크로 보내면 각 네트워크는 들어온 토큰만 분석해서 뱉는 방식이죠.

실제로 DeepSeek-V3는 모델의 전체 파라미터(간단히 생각하면 AI의 뇌)의 고작 2~4% 미만만 활성화하여 대부분의 응답을 처리한다고 합니다.

4. 어텐션 메커니즘 Attention mechanism

어텐션 메커니즘은 입력된 전체 문장의 각 단어에 가중치(중요도)를 부여하고, 가중치와 단어의 위치를 통해 전체 문장에서 중요한 단어를 찾아내는 자연어 처리 분야의 핵심이에요.

Example)

A : 역시 배는 나주배가 맛있더라고.

B: 배 다 찼어, 내일부터 다이어트 시작한다.

A의 발언에서는 배, 그리고 나주배에 높은 가중치를 부여하여 전체 문맥을 해석하려 할 거에요.

반면 B의 발언에서는 배보다는 다이어트라는 단어에 높은 가중치가 부여될 거에요.

어텐션 메커니즘은 AI가 전체 대화 맥락에서 어떤 단어에 집중 Attention 하는지 결정하고, 결과적으로 문장의 해석 능력에 영향을 끼쳐요.

DeepSeek R1은 여기서 멀티 헤드 어텐션 메커니즘 Multi-Head Attiontion Mechanism 을 도입했는데, 쉽게 말하면 전체 분석량을 헤드라는 이름의 보조 모델들에게 고르게 나누어 병렬적으로 분석하고, 분석한 중요도를 합쳐 계산하는 방식이에요.

그림을 살펴보면, 기존의 어텐션 메커니즘은 여러 단어를 동시에 고려하느라 작업 시간이 길어지는 반면, 동일한 작업을 잘게 쪼갠 멀티 헤드 어텐션 방식은 병렬 처리를 통해 작업 시간을 단축할 수 있어요.

또한, 각 헤드는 문맥을 고려하는 방향성이 서로 달라서 단일 헤드를 사용하는 방법에 비해 응답의 퀄리티를 크게 향상시킬 수 있어요.

예를 들어, 빨간색 헤드는 각 단어의 사용 맥락을 처리하고, 주황색 헤드는 문법적 올바름을 전담 분석하며, 노란색 헤드는 단어의 위치만 고려하는 방식이죠.

마치 여러 사람이 모여 회의하듯 입력값을 분석하여 해석 능력을 크게 향상시켰다는 점이 핵심입니다.

5. 증류 Distillation

증류는 큰 파라미터를 가지는 거대 모델을 기반으로 높은 정확도를 가지는 경량화 모델을 학습시키는 기법을 의미합니다.

예를 들어,

정확도는 100%인데, 응답 하나를 처리하는데 100분이 걸리는 거대 모델
정확도는 90%인데, 응답 하나를 처리하는데 1분이 걸리는 경량화 모델

두 종류의 모델이 있다면 상업적 이용에는 아무래도 후자가 적합할 겁니다.

사실 규모가 크면 정확도가 따라 향상될 것이라는 스케일링 법칙의 반례가 DeepSeek R1 모델이기도 해요.

증류를 쉽게 설명하면 큰 파라미터(쉽게 말하면 뉴런의 양이 많은)를 가진 모델을 선생님으로 삼아, 작은 모델이 학생처럼 선생의 응답을 학습하는 방식입니다.

실제로 DeepSeek의 연구진들은 DeepSeek-R1-zero라는 모델을 먼저 제작했는데, 추론 성능은 좋았지만 오로지 강화 학습만 진행한 탓에 가독성이 떨어지거나 사용하는 언어가 섞이는 등의 문제가 발생했다고 합니다.

DeekSeek-R1 모델을 개발할 때에는 이전의 모델이 응답한 자료를 기반으로 강화 학습과 지도 학습을 병행했다고 하죠.

증류를 사용하면 모델의 전체 규모가 감소해 응답 생성 비용이 줄어들고, 선생 모델의 정확한 응답을 데이터 세트로 활용할 수 있다는 장점이 있습니다.

DeekSeek R1 모델은 앞서 설명한 다섯 가지 기법 - 지도학습, 강화학습, MoE, 멀티 헤드 어텐션, 증류 기법을 조합해 비용은 낮추면서도 성능은 크게 끌어올렸습니다.

이런 모델이 오픈소스로 풀렸기 때문에, 당장 AI 기업 간의 경쟁 구도에도 큰 변화가 발생했어요.

대표적으로 OpenAI는 최근 구독자들을 대상으로 꽁꽁 숨기고 있었던 GPT-o3-mini 모델을 제공하기 시작했죠. Mini 모델 답게 DeepSeek에 비하면 아쉬운 성능이긴 합니다만...

이번 포스팅에서는 DeekSeek R1 모델에 대한 간략한 설명과 여러가지 학습 기법에 대해 알아봤습니다.

원하시는 분들은 아래 링크를 통해 DeepSeek을 체험해보시기 바라요:

https://chat.deepseek.com/

디스코드 찍먹하기 : 실시간 채팅 및 음성 통화 소프트웨어

치돈 — Mon, 3 Feb 2025 00:06:21 +0900

안녕하세요, 치돈입니다.

오늘은 많은 게이머들이 사용하실 디스코드 찍먹하는 시간을 가져보려 합니다.

디스코드란?

디스코드(Discord)는 미국 샌프란시스코에 위치한 디스코드 사가 운영하는 음성 채팅 소프트웨어입니다.

소프트웨어가 곧 회사 하나를 대표하는 셈이죠.

디스코드는 '친구'로 등록된 사용자와 실시간 음성 통화를 하거나 채팅 기능을 제공하며, 실시간 화면 중계 기능을 제공해요

0. 다운로드와 친구 추가

디스코드는 웹사이트의 형태로도 이용할 수 있지만, 보통 컴퓨터나 핸드폰에 직접 소프트웨어를 설치해 이용하는 것이 보편적이에요.

포스트 하단에 다운로드 링크를 연결했으니 참고하시면 되겠습니다.

로그인 후 데스크탑에서 진입한 모습이에요. 탭 상단의 메뉴 중 친구 추가하기 버튼을 클릭하고, 디스코드 사용자 명을 입력하면 친구를 추가할 수 있습니다

사용자 명은 좌측 하단의 톱니바퀴 버튼 위로 마우스 커서를 올리거나

톱니바퀴 버튼을 눌러 설정 탭에 들어가면 확인할 수 있어요

이 화면에서는 사용자명을 수정할 수도 있습니다.

다만 웬만한 사용자명은 이미 다 사용 중인지라 숫자나 언더바(_)를 활용하는게 좋습니다.

친구를 추가하면 온라인 상태의 친구들이 현재 어떤 활동을 하고 있는지 알 수 있어요.

디스코드는 스포티파이와도 연계되어 현재 Piano Man을 듣고 있다고 표시되고 있네요.

디스코드는 음악 뿐 아니라 각종 게임과 소프트웨어를 인식해요.

1. 음성 통화 기능

손 흔들기로 첫 인사를 나눈 모습

친구를 클릭하면 개인 대화 탭으로 넘어가요.

여기서 하단의 텍스트박스를 통해 채팅을 입력하거나 파일 첨부, 사진 보내기 등이 가능해요.

채팅방의 메세지에 커서를 올리면 사진에 보이는 것처럼 반응이라는 형태의 이모티콘을 달거나, 혹은 답장을 할 수도 있어요.

대화 상대가 영 예의가 없군요

이처럼 답장을 하면 상대를 언급 Mention 하는 효과가 발생하고, 상대의 알림 설정과 무관하게 알람을 보내게 되죠.

늦은 시각에는 주의해서 사용하는게 좋겠죠?

음성 통화방이 개설된 모습

상단의 전화기 버튼을 누르면 상대에게 음성 통화를 걸 수 있어요.

한 명 이상이 수락하면 음성 통화방이 생기고, 컴퓨터나 핸드폰의 마이크를 통해 서로 실시간으로 통화를 할 수 있죠.

디스코드의 가장 큰 강점인 실시간 음성 통화는 각종 협업 작업이나 온라인 게임의 팀플레이 등에 유용하고, 그냥 심심할 때 친구에게 전화 걸기에도 좋아요.

자신의 화면을 공유하는 기능도 있어요. 다른 사람에게 게임 플레잉 조언을 받거나, 그냥 방송처럼 친구들과 함께 즐길 수도 있고, 업무 상의 협업도 가능해요.

다방면으로 활용해보세요.

2. 서버 참여하기

디스코드의 매력중 하나는 다양한 커뮤니티에 참여할 수 있다는 점이죠.

웹 상에 다양한 초대 링크를 타고 들어가면 서버라는 이름의 커뮤니티에 참여할 수 있어요.

보통 링크를 타면 자동으로 디스코드로 리다이렉션되어 사용할 일이 잦지는 않은데, 자동 참가가 안된다면 좌측 사이드 바에서 플러스 아이콘을 클릭해 그 하단의 서버 참가하기를 눌러보세요.

초대 링크를 통해 서버에 직접 참가할 수 있답니다.

간편하게 미드저니 서버에 가입했어요.

중대형 이상의 서버에 가입했다면, 꼭 규칙을 정독해야 해요.

디스코드의 서버는 하나 하나가 고유한 커뮤니티이고, 로마에서는 로마 법을 따라야 하니 말이죠.

보통 커뮤니티 가이드라인이 제공되는 경우, 위반 시의 처벌 역시 상세하게 안내될 거에요.

종종 바로 채팅을 할 수 없는 게시판도 존재해요.

이 경우 공지를 정독하고, 특정 역할 role 을 부여받아야 할 수 있습니다.

그렇지 않다면 채팅을 입력하거나, 음성 통화 게시판을 바로 이용할 수도 있어요.

사이드바에서 나침반 아이콘을 누르면 여러 종류의 서버를 찾을 수 있어요.

특히 자신이 플레이하는 게임에 대한 서버는 무조건 하나 이상 존재할 확률이 높죠.

해외 게임 개발진들은 디스코드 서버를 통해 공식적인 소식을 전하는 경우가 많으니 참고하세요.

디스코드에 게임 커뮤니티만 있는 건 아니에요.

상단의 탭을 눌러 여러 종류의 커뮤니티를 찾을 수 있죠.

과학, 기술 탭에는 각종 AI 서비스를 제공하는 기업의 공식 커뮤니티가 주로 포진해 있는 점이 눈에 띠네요.

한 가지 유의사항이 있다면 디스코드 대부분의 대형 서버가 영미권 사용자 위주로 구성된다는 점이에요.

채팅을 칠 때도 한국어 대신 영어를 사용해야하고, 음성 통화 시에도 영어로 말하는게 예의입니다.

영어 울렁증이 있다거나 영어에 자신감이 부족하면 가장 큰 규모의 서버들을 이용하기 까다로울 수는 있는데, 마음 가짐에 따라서는 영어 실력 향상의 기회로 여길 수도 있겠죠.

서버에 가입했다면 가장 먼저 상단에서 알림 설정을 확인하세요.

대형 서버라면 보통 멘션만 허용되어 있는데, 소규모 서버의 경우 모든 메시지로 설정되어 있어 다른 일을 할 때 지장을 주기도 합니다.

혹은 원하는 시간만큼만 모든 채널 알림을 차단할 수도 있어요.

3. 봇 사용해보기

디스코드는 봇이라는 시스템을 제공해요.

실제 사용자는 아니고 여러 편의 기능을 제공하기 위해 만들어진 확장 프로그램같은 개념인데, 직접 봇에게 채팅을 걸어 사용할 수도 있고, 서버에 봇을 초대해서 사용하기도 하죠.

대표적으로 미드저니 커뮤니티는 Midjourney 봇을 기본으로 탑재하고 있어요.

봇을 추가했다면 텍스트 박스에 슬래쉬(/)를 입력하고 명령어를 타이핑하면 됩니다.

슬래쉬만 친 시점에는 다양한 명령어 목록이 표출되니 이를 참고하는 것도 좋아요.

해당 봇은 음악 재생 기능을 가진 봇인데, 대규모 서버에 동원되는 봇들은 등급 체계나 포인트 시스템 등 다양한 기능을 제공하기도 해요.

링크를 입력하니 음성 채널에 참가해 음악을 재생하는 모습

이상으로 디스코드의 기본적인 기능들을 알아보았어요.

디스코드는 아래 링크에서 다운받을 수 있습니다.

https://discord.com/

Discord - Group Chat That’s All Fun & Games

Discord is great for playing games and chilling with friends, or even building a worldwide community. Customize your own space to talk, play, and hang out.

discord.com

미드저니 가이드북 : 여행 광고 이미지 만들기

치돈 — Sun, 2 Feb 2025 14:36:26 +0900

본격적인 가이드 시리즈 진행에 앞서, 미드저니를 통해 만든 이미지를 어떻게 활용해야 할지 궁금해하시는 분들이 많습니다. 이번 포스팅에서는 여행 광고 이미지를 만드는 예제를 다뤄보도록 하겠습니다.

이미지 생성

먼저 프롬프트 엔지니어링을 통해 스톡 이미지처럼 높은 퀄리티의 이미지를 생성해봅시다. 광고 컨셉은 오키나와 초특가 패키지 여행이고, 이를 구현하기 위해 오키나와의 명물 바다가 들어가면 좋겠네요. 광고 이미지 특성 상 지나치게 현실적인 그래픽보다는 3D 렌더링한 느낌을 주면 불쾌한 골짜기 현상을 많이 방지할 수 있어요.

프롬프트
miniature beach modeling, clean blue sky, sea-side, family figure, 3D modeling, blender rendering --ar 1:1 --stylize 200

012

열려있는 미드저니의 모습. '가족'을 어떤 사진으로 학습한 걸까

미드저니가 외국 서비스다보니 남남 커플의 비중이 높은 깨어있는 모습을 보여주네요. 생성된 이미지를 살펴보면서 어떤 요소들을 명확히, 혹은 제거해야 할지 결정해 봅시다.

일단 Family라는 다소 추상적인 프롬프트를 사용했더니, 원피스를 입은 남자 아이라던가 남남 커플 등 미드저니가 창의성을 극한으로 발휘하는 것이 느껴집니다. 군중 표현에 미숙한 미드저니의 특성을 고려해, 프롬프트를 2 people, man and woman, couple로 구체화하는게 좋아 보여요.

위 이미지는 너무 예쁘지만, 이미지만으로 가득 차있어 활용이 까다로워보여요.

이미지를 살펴보니 해변가에서 흔히 찾아볼 수 있는 야자나무 등 오키나와의 열대성 기후가 나타나면 더 좋을 것 같네요. 프롬프트에 Tropical 키워드를 추가해야겠습니다. 또 Parasol 키워드 역시 들어가면 좋겠네요.

조명이 추가되어 대비가 지나치게 강해졌네요. 부드러운 느낌보다는 화려한 느낌이 강하게 드러납니다. 특히 조명과 전구에 대한 서술은 --no 파라미터를 통해 제거하는게 좋아 보입니다.

프롬프트

miniature beach modeling, 2 people, man and woman, honeymoon, couple, tubes, parasols on the sand, tropical, colorful, clean blue sky, sea-side, 3D modeling, blender rendering --no sunbed, lightbulbs --ar 2:3 --chaos 20 --stylize 200

제 마음에 드는 이미지가 생성되었어요. 비록 푸르른 느낌은 약하지만 풀숲이 부가되니 트로피칼한 느낌이 명확하게 드러나네요. 이미지 인페인팅을 통해 모래사장 위 선배드나 불완전하게 묘사된 배 등을 제거해주고 업스케일링을 해주겠습니다.

짜잔- 부드럽고 바다, 해변가, 풀숲이 명확하게 포함되었어요

광고 이미지는 텍스트가 더해져야 하기 때문에 구성이 단조로울수록 좋습니다. 이제 이미지 편집으로 들어가봅시다

이미지 편집

일단 사진을 포토샵으로 가져온 뒤

채도를 살짝 올려줬어요. 색이 강렬하게 드러나는게 광고 이미지에는 더 매력적이죠.

Ctrl + Shift + Alt + N으로 바로 새 레이어 만들고, Alt + Backspace로 청록색 깔아줄게요

레이어를 소프트라이트로 변경해 트로피컬하게 색 보정해주고

적절히 텍스트 추가하면 완성!

짜잔~ 사실 편집보다는 원하는 이미지를 고르고 프롬프트를 구성하는게 오래 걸리는 것 같아요. 하지만 스톡 이미지를 찾아다닐 필요 없이 원하는 이미지를 뽑을 수 있다는 점! 미드저니의 큰 강점이죠.

이번 포스트에서는 미드저니의 수많은 활용 예시 중 하나를 살펴봤어요. 다음 포스트는 본격적인 이미지 생성 팁을 다뤄볼게요.

<미드저니 가이드북 : 현대인의 생존교양> 펀딩에 참여하여 더 많은 예제를 살펴보세요!

https://tumblbug.com/midjourney_guidebook

현대인을 위한 생존교양 미드저니 가이드북

기초부터 심화까지, 인공지능 이론과 디자인 예제로 학습하는 미드저니 학습 가이드 전자책

tumblbug.com

https://chidon.tistory.com/1

미드저니 가이드북 : 요금제

chidon.tistory.com

미드저니 가이드북 : 요금제

치돈 — Sun, 2 Feb 2025 00:21:54 +0900

안녕하세요! 치돈입니다. 이 글을 시작으로, 미드저니를 다루는 간단한 팁들을 포스팅할 계획입니다. 이번 포스트에서는 미드저니에 대해 간단히 알아보고, 요금제를 분석해보겠습니다. 우리의 돈은 소중하니까..

미드저니란?

미드저니는 이미지 생성형 AI 서비스입니다. 텍스트를 몇 줄 적는 것으로 다양한 화풍과 스타일의 이미지를 손쉽게 생성할 수 있어요.

012345

미드저니는 원래 디스코드의 봇 중 하나로, 디스코드 앱 상에서만 사용할 수 있었습니다. 그러나 괜찮은 성능과 간편함으로 입소문을 타더니, 최근에는 홈페이지가 직관적인 UI를 탑재하고 등장했습니다.

미드저니 요금제 알아보기

계정을 생성하면, 요금제 없이는 피드 구경 말고 아무것도 할 수가 없다..

미드저니는 강력한 성능에 걸맞는 화끈한 요금제가 특징이죠

Dall-E나 novelAI 등이 정확히 쓴 만큼 지불하는 종량제로 운영되는 반면, 미드저니는 스탠다드 플랜 이상에서 원하는만큼 생성이 가능한 정액제를 채택했습니다

아무래도 생성 횟수가 많은 유저는 양질의 이미지를 생성할 확률이 더 높다고 판단하지 않았을까 싶어요. 보통은 인공지능 학습에 필요한 자료를 구하기 어려워서, 생성한 이미지를 선별해 다시 학습을 수행하거든요

따라서, 요금제를 선택할 때 사용량에 따른 전략적인 선택이 필요합니다. 특히 빠르게 이미지를 생성할 수 있는 시간 자원 Fast Hour를 꼭 고려하세요

모든 요금제는 공통적으로 연간 결제 시 20%의 할인이 제공되며, 기타 조건을 만족할 필요 없이 미드저니 최강의 기능 Full Editor에 접근할 수 있어요. 다만 미드저니를 처음 사용하는 경우 월간 결제로 시작하는걸 강력히 권장합니다

*참고로 기타 조건은 10,000번의 이미지 생성 작업 수행 또는 12달 연속 멤버쉽 유지

베이직 플랜 Basic plan

미드저니를 처음 접하시는 분들께 추천하는 가성비 요금제

요금제 중 유일하게 생성 횟수에 제한이 있다는 점에 주의하세요

월간 10달러, 연간 결제 시 8달러로 이용 가능
월 최대 200개의 이미지 생성 (즉, 50번의 생성 시도 제공)
동시에 3개의 작업 처리, 최대 10개까지 예약 가능
에디터나 이미지 업로드 기능 사용 가능

스탠다드 플랜 Standard plan

미드저니를 적극적으로 사용하는 디자이너 등에게 추천하는 기본 요금제

15시간의 Fast Hour를 제공합니다

월간 30달러, 연간 결제 시 24달러로 이용 가능
15시간의 Fast Hour 제공, Relax 모드로 무제한 생성 가능
동시에 3개의 작업 처리, 최대 10개까지 예약 가능
에디터나 이미지 업로드 기능 사용 가능

프로 플랜 Pro plan

상업적인 용도의 이미지를 독점적으로 생성하고 싶은 분, 소규모 사업장에 추천하는 요금제

30시간의 Fast Hour를 제공합니다

스텔스 모드를 제공하며, 활성화 시 생성한 이미지가 홈페이지 등에 노출되지 않아요

월간 60달러, 연간 결제 시 48달러로 이용 가능
30시간의 Fast Hour 제공, Relax 모드로 무제한 생성 가능
동시에 12개의 작업 처리, 최대 40개까지 예약 가능
스텔스 모드 제공
에디터나 이미지 업로드 기능 사용 가능

메가 플랜 Mega plan

기업 단위의 적극적인 미드저니 활용이 필요할 때 고려할 수 있는 요금제

60시간의 Fast Hour를 제공합니다

스텔스 모드를 제공하며, 활성화 시 생성한 이미지가 홈페이지 등에 노출되지 않아요

월간 120달러, 연간 결제 시 96달러로 이용 가능
60시간의 Fast Hour 제공, Relax 모드로 무제한 생성 가능
동시에 12개의 작업 처리, 최대 40개까지 예약 가능
스텔스 모드 제공
에디터나 이미지 업로드 기능 사용 가능

미드저니를 처음 시작하시면 가볍게 베이직 플랜으로 시작하는걸 권장하나, 이미지 생성 제한이 꺼려지면 스탠다드 플랜으로 시작하는 것도 나쁘지는 않아요. 개인적으로 프로 플랜과 메가 플랜은 웅장한 가격 대비 Fast Hour와 스텔스 기능의 메리트가 와닿지는 않는 것 같습니다...

간단하게 표의 형태로 정리한 자료에요

이를 참고하여 요금제를 선택하시면 되겠습니다

이번 포스팅은 간단하게 미드저니의 요금제를 정리해봤습니다

다음에는 이미지를 생성하는 법을 알아보도록 하겠습니다

<미드저니 가이드북 : 현대인의 핵심교양> 펀딩에 참여하여 더 많은 꿀팁을 얻어가세요!

https://tumblbug.com/midjourney_guidebook

현대인을 위한 생존교양 미드저니 가이드북

기초부터 심화까지, 인공지능 이론과 디자인 예제로 학습하는 미드저니 학습 가이드 전자책

tumblbug.com

미드저니 사용 전 디스코드 알아보기 >> https://chidon.tistory.com/3

디스코드 찍먹하기 : 실시간 채팅 및 음성 통화 소프트웨어

안녕하세요, 치돈입니다. 오늘은 많은 게이머들이 사용하실 디스코드 찍먹하는 시간을 가져보려 합니다. 디스코드란? 디스코드(Discord)는 미국 샌프란시스코에 위치한 디스코드 사가 운영하

chidon.tistory.com