구글 연구원들이 발표한 최근 연구 논문에 따르면, Gemini for Google (GfG)이라는 소프트웨어 엔지니어링 특화 인공지능 모델이 개발되었습니다. 이 모델은 일반적인 거대 언어 모델이 기업의 방대하고 특수한 프로그래밍 시스템을 다룰 때 겪는 격차를 해소하는 것을 목표로 합니다.
프로그래밍 환경에서 일반 모델이 직면한 과제
구글 내 코드의 75% 이상이 인공지능에 의해 생성되거나 초안이 작성됨에도 불구하고, 일반 모델들은 회사가 의존하는 전용 라이브러리, 고유한 설계 패턴, 내부 프로그래밍 언어에 대한 깊은 지식이 부족합니다. 이 문제를 해결하기 위해 연구 팀은 1조 개의 토큰(Token)에 달하는 방대한 내부 데이터로 제미나이 모델을 학습시켰습니다.
학습 메커니즘과 실제 결과
팀은 코드 리뷰, 버그 로그, 내부 문서, 작업 로그를 포함한 전체 개발 수명 주기를 바탕으로 GfG를 학습시켰습니다. 모델이 일반적인 추론 능력을 잃지 않도록(일명 '파멸적 망각') 하기 위해, 연구원들은 '중간 학습 간섭' 및 '데이터 재생' 기술을 사용하여 일반적인 효율성을 유지하면서도 특수한 지식을 통합했습니다.
29,000명의 개발자가 참여한 테스트에서 구체적인 결과가 나타났는데, 작업을 완료하는 데 필요한 인공지능과의 상호작용 횟수가 23.1% 감소했고 응답 속도는 8.9% 향상되었습니다. 또한 수정 없이 14일 동안 유효하게 유지되는 인공지능 생성 코드의 비율은 16.8% 증가했습니다.
이 뉴스가 중요한 이유
이번 발전은 대기업이 인공지능을 채택하는 방식의 전환을 의미합니다. 목표가 단순한 일반 보조 도구 사용을 넘어, 회사의 고유한 기술적 맥락을 이해하는 '기업용' 모델 구축으로 이동했기 때문입니다. 이 모델은 대규모 시스템 업데이트와 같은 복잡한 작업에서 수동 작업에 비해 소요 시간을 50% 단축하는 데 기여했으며, 자동 코드 최적화 시스템을 통해 컴퓨팅 자원 소비를 개선하는 등 효과를 입증했습니다.