사용량 관리 요금제부터 올리면 늦습니다: Grok Bot 사용량 잡아먹는 루틴부터 끊어라 사용량이 예상보다 빠르게 줄어든다면 봇의 이름보다 실행 시점을 보는 편이 낫습니다. 공식 문서는 루틴이 한 번 실행될 때마다 사용량을 쓰며, 자주 실행할수록 더 많이 쓴다고 설명합니다. 공식 문서가 안내하는 세 가지 점검 매시간 도는 일정, 짧은 간격, 바쁜 채널의 Slack 트리거는 실행을 쌓을 수 있습니다. 이런 설정은 하루에 일주일치 사용량을 쓸 수 있다고 두 공식 도움말이 안내합니다. 그래서 요금제나 주문형 한도를 올리기 전에 아래 점검을 먼저 보라고 합니다. 점검 공식 안내 일시 중지 필요 없는 루틴은 멈춥니다. 실행되지 않는 루틴은 사용량을 쓰지 않습니다. 간격 넓히기 봇에게 일정을 넓혀 달라고 부탁합니다. 매시간 대신 하루 한 번으로도 충분한지 물어보면 됩니다. 트리거 좁히기 모든 새 메시지에 반응하는 넓은 조건 대신 채널과 문구를 구체적으로 정합니다. 데스크톱에서는 대화 상단의 봇 이름을 눌러 Details 탭의 Routines를 엽니다. 줄의 스위치로 멈추거나 다시 켤 수 있고, 멈춘 상태는 Paused로 표시됩니다. 일정은 평소 쓰는 말로 부탁한 뒤 When to run에 저장된 표현이 의도한 것과 같은지 확인하고, 다르면 Edit로 고칩니다. 일정은 Settings의 Bot 항목 Timezone을 기준으로 작동합니다. Test는 실제 작업을 수행하므로 눌러 보는 것만으로도 사용량을 씁니다. 새로 만든 루틴은 만들자마자 실행되지 않고 다음 예정 시각을 기다립니다. 지금 확인해 보려면 Test를 쓰되, 안전한 입력으로 시험하는 편이 좋습니다. 오래 자리를 비우면 루틴을 유지할지 묻고 응답이 없으면 일시 중지할 수 있습니다. 한 팀의 주간 점검 사례 직접 점검은 바쁜 주에 잊히기 쉽습니다. 한 팀은 공개 공유 템플릿 Grok Bot Efficiency Optimizer로 사용량 점검 봇을 고용했습니다. 이 템플릿은 Grok Bot이...
신약 개발 또는 타 연구 개발을 위한 GPT-4/BingChat 활용 백서
(프롬프트 엔지니어링 기술 적용)
본 백서를 작성하게 된 동기는 7월5일자 한겨레 기사(생성형 인공지능, 46일 만에 신약 설계…사상 첫 임상 2상 진입) 를 신약 개발 분야에 비 전문가인 내가 읽게 되면서 영감을 얻어 작성된 것입니다. 이 기사의 내용을 요약 하면 아래와 같습니다.
생명공학기업 인실리코 메디슨(Insilico Medicine)이 AI를 이용해 설계한 신약 후보가 임상 2상시험에 돌입했습니다. 이 신약은 특발성 폐 섬유화증 치료제로, 중국과 미국의 환자 60명에게 투여될 예정입니다. 인실리코는 생성형 인공지능과 강화학습을 결합해 약물을 개발하였고, 이를 통해 신약 개발 비용을 10분의 1, 시간을 3분의 1로 단축했습니다. 이 회사는 현재 30여개의 인공지능 약물 개발 프로그램을 진행 중이며, 이 중 3개가 임상시험에 들어갔습니다. 이번 임상 2상시험 진입은 인공지능을 이용한 약물 개발 분야에서 중요한 이정표로 여겨집니다.
이 기사를 기반으로, 생성형 AI( ChatGPT, BingChat)가 신약 개발에 어떻게 잘 활용될 수 있는지 그 과정을 프롬프트 엔지니어링 기법을 적용하여 단계별로 구체적인 결과를 도출 해 가는 과정을 예시를 들어 설명하려고 노력 했습니다.
이 과정을 통해서 프롬프트 엔지니어링이 왜? 필요한지, 어떻게 적용하는지를 이해 할 수 있습니다. 또한 신약 개발에 매우 유용한 숨겨진 프롬프트 지시어들을 어떻게 발굴하였는지를 또한 보여주고 있습니다.
이 백서 작성을 통해서 발굴한 프롬프트 지시어(#해시태그 형태) 들은 다음과 같습니다. (* 참고 아래 해시태그 지시어는 GPT-4 보다는 BingChat에서 실행을 해야 원하는 결과를 얻을 수 있습니다. ')
- #patent_search
- #trend_analysis
- #information_query
- #information_detail
- #scenario_write
- #scenario_simulate
- #content_generate
- #expert_interview
- #educational_content
- #risk_assessment
- 이 외에도 다수
이 해시태그들은 신약 개발 뿐만아니라 다른 연구 개발에도 유용한 프롬프트 지시어들입니다. 이 해시태그 지시어를 다양한 연구 분야에 적용해 보시기 바랍니다. 예를들면, 아래 해시태그 중에서 ‘#patent_search’는 특허 정보를 검색하는 명령어입니다.
신약 개발 연구원은 BingChat에서 '#patent_search: 리툭심'로 질문을 하거나 '리툭심에 대한 최근 특허를 알려줘' 로 명령을 할 수 있습니다. 그러나, 이 두 명령어에는 아래와 같은 차이점이 있습니다.
'#patent_search: 리툭심' 명령어는 해시태그를 사용하여 특허 정보를 검색하는 명령어입니다. 이 명령어는 리툭심이라는 키워드로 국내외 특허 정보를 검색하고, 특허명, 출원번호, 출원일자, 발명자, 요약 등의 정보를 제공합니다.
'리툭심에 대한 최근 특허를 알려줘' 하는 것은 일반적인 질문 형식으로 특허 정보를 검색하는 것입니다. 이 질문은 리툭심이라는 키워드로 웹 검색을 수행하고, 검색 결과에서 특허 관련 사이트나 문서를 찾아서 정보를 제공합니다.
신약 개발은 인류의 건강과 삶의 질을 향상시키는 중요한 분야입니다. 하지만 신약 개발은 매우 어렵고 오랜 시간과 막대한 비용이 드는 과정입니다. 신약 후보물질을 발견하고, 그 효능과 안전성을 검증하고, 임상시험과 허가절차를 거쳐야만 시장에 출시할 수 있습니다. 이 과정에서 많은 실패와 낭비가 발생하며, 신약 개발의 성공 확률은 매우 낮습니다.
이러한 문제를 해결하기 위해 AI 기술이 신약 개발 분야에 점점 더 활용되고 있습니다. 특히 생성형 인공지능(Generative AI)은 기존의 데이터를 학습하여 새로운 데이터를 생성하는 인공지능 기술로, 신약 후보물질을 설계하고, 그 효능과 안전성을 예측하고, 임상시험 결과까지 시뮬레이션하는 데 사용될 수 있습니다. 신약 개발에 활용되는 생성형 인공지능의 대표적인 예로는 GAN(Generative Adversarial Network)가 있습니다.
Generative Adversarial Networks (GANs)와 GPT-4는 둘 다 인공지능의 한 분야인 딥러닝 모델입니다. 그러나 이 두 모델은 목적과 작동 방식에서 차이가 있습니다. 신약 개발에는 두 모델 모두 활용될 수 있습니다. 그러나 그들이 사용되는 방식과 문맥은 다릅니다.
1. Generative Adversarial Networks (GANs): GANs는 생성 모델로서, 두 개의 신경망, 즉 생성자(generator)와 판별자(discriminator)가 서로 경쟁하면서 학습합니다. 생성자는 실제 데이터와 유사한 가짜 데이터를 생성하려고 하고, 판별자는 생성자가 만든 데이터가 진짜인지 가짜인지를 판별하려고 합니다. 이런 경쟁 과정을 통해 생성자는 점차 실제 데이터와 구별이 어려운 가짜 데이터를 생성하게 되며, 이를 통해 새로운 이미지, 음성 등을 생성하는 데 사용됩니다.
GANs 는 신약 개발에서 분자 설계 단계에서 주로 사용됩니다. GANs는 새로운 분자 구조를 생성하는 데 사용될 수 있으며, 이는 신약 후보를 찾는 데 도움이 될 수 있습니다. 생성자는 실제 분자와 유사한 새로운 분자를 생성하고, 판별자는 이 분자가 실제 분자와 얼마나 유사한지를 판별합니다. 이런 방식으로, GANs는 신약 개발에서 새로운 분자 구조를 탐색하고 생성하는 데 사용될 수 있습니다.
2. GPT-4: GPT-4는 자연어 처리(NLP)에 사용되는 모델로, 텍스트 데이터를 이해하고 생성하는 데 초점을 맞춥니다. GPT-4는 대량의 텍스트 데이터를 학습하여 문맥을 이해하고, 주어진 입력에 대해 적절한 텍스트를 생성하거나, 질문에 대한 답변을 제공하거나, 텍스트를 번역하는 등의 작업을 수행할 수 있습니다. GPT-4는 트랜스포머(Transformer) 아키텍처를 기반으로 하며, 이는 입력된 문장의 모든 단어를 동시에 처리함으로써 문맥을 더 잘 이해하도록 설계되었습니다. GPT-4 와 같은 자연어 처리 모델은 신약 개발의 다른 측면에서 사용될 수 있습니다. 예를 들어, 이러한 모델은 대량의 의학적 텍스트 데이터를 분석하고 이해하는 데 사용될 수 있습니다. 이는 연구 결과를 분석하거나, 임상 시험 결과를 해석하거나, 의학적 문헌을 검색하고 요약하는 데 도움이 될 수 있습니다.
따라서, GANs와 GPT-4의 주요 차이점은 GANs가 이미지, 음성 등 다양한 유형의 데이터를 생성하는 데 사용되는 반면, GPT-4는 주로 텍스트 데이터를 처리하고 생성하는 데 사용된다는 것입니다. 또한, GANs는 두 개의 신경망이 서로 경쟁하는 방식으로 학습하는 반면, GPT-4는 대량의 텍스트 데이터를 학습하여 문맥을 이해하고 텍스트를 생성하는 방식으로 학습합니다.
GANs와 GPT-4는 신약 개발의 서로 다른 단계에서 서로 다른 방식으로 활용될 수 있습니다. 이 두 모델은 각각의 장점을 활용하여 신약 개발 과정을 개선하고 가속화하는 데 기여할 수 있습니다.
본 백서에서는 신약 개발하는 과정에서 GPT-4를 어떻게 활용할 수 있는지를 프롬프트 엔지니어링 기법을 적용하여 분석하는 과정을 설명하고 있습니다.
생성형 AI를 신약 개발에 활용하기 위해서는 프롬프트 엔지니어링 기술이 필요합니다. 프롬프트 엔지니어링이란 인공지능 모델에게 원하는 결과를 얻기 위해 적절한 입력값(프롬프트)을 제공하는 기술입니다. 프롬프트 엔지니어링은 인공지능 모델의 성능과 효율성을 높이고, 원하는 목적에 맞게 인공지능 모델을 조정하고, 인공지능 모델의 한계와 위험을 줄이는 데 도움이 됩니다.
저는 신약 분야에 비 전문가 입니다. 일반적인 프롬프트 엔지니어링 기술을 터득한 경험을 토대로 , 신약 개발시 생성형 인공지능(ChatGPT, BingChat)을 어떻게 활용할 수 있는지 과정을 연구해 보았습니다.
또한 생성형 AI를 활용하여 신약 개발에 성공한 Insilico Medicine 사 사례 기사를 분석하여 신약 개발에 인공지능이 어떻게 활용될 수 있는 과정을 분석하고, ChatGPT에서 유용한 프롬프트 명령어를 발굴하고 활용하는 방법을 찾는 과정을 소개합니다.
본 백서 내용의 대부분은 GPT-4 와 BingChat을 적절히 활용하여 생성한 것입니다.
자세한 내용을 원하시면 링크를 클릭 (PDF 다운로드) 하시기 바랍니다.
----------------------------------------------------------
댓글
댓글 쓰기