zero-shot, few-shot… 무슨 샷이 이렇게 많아요? – 예제 없이도 이해하는 AI (비전공자를 위한 넓고 얕은 AI 지식)
“AI가 처음 본 문제를 그냥 풀었다고요?” 우리가 예제 보고도 헷갈리는 문제를, AI는 단서를 읽고 알아서 풀어냅니다. 그게 바로 zero-shot, few-shot 학습의 세계예요.
안녕하세요, 문노베입니다.
오늘날 생성형 AI는 단순히 ‘배운 내용을 꺼내는’ 수준을 넘어서, 예제 하나 없이도 문제를 해결하고, 대화 맥락에서 규칙을 추론할 수 있게 되었어요.
이를 설명하는 핵심 개념이 바로 zero-shot, few-shot, in-context learning입니다.
이번 편에서는 이 개념들이 무엇인지, 왜 중요한지, 그리고 우리가 AI를 더 잘 활용하려면 어떤 관점이 필요한지를 쉬운 예제로 정리해 보겠습니다.
목차
1. ‘샷’은 왜 샷인가요? – zero, one, few의 의미
AI 분야에서 말하는 ‘샷(shot)’은 AI에게 주어진 예제의 개수를 뜻합니다.
즉, 문제를 풀기 전에 예시를 몇 개 보여주었는가를 말하죠.
이 개념은 시험 문제로 비유하면 아주 쉽게 이해됩니다.
- Zero-shot: 아무 예시도 안 보여주고 문제를 바로 푸는 것
- One-shot: 예시 딱 하나만 보여주고 비슷한 문제를 푸는 것
- Few-shot: 두세 개 예시를 보고 공통 패턴을 파악해 문제를 푸는 것
이 ‘샷’ 개념은 GPT처럼 사전 학습이 완료된 모델이 실제 활용되는 방식을 설명할 때 아주 중요합니다.
우리는 AI에게 “이런 식으로 해줘”라고 몇 개의 예시를 대화 안에 집어넣음으로써 지시 없이도 맥락을 따라오게 만들 수 있어요.
즉, zero-shot부터 few-shot까지는 AI에게 ‘얼마나 설명할 것인가’를 선택하는 프롬프트 설계의 출발점입니다.
Zero-to-One Prompting – 질문이 막막한 당신을 위한 AI 프롬프트의 시작 (프롬프트 엔지니어링)
Zero-to-One Prompting – 질문이 막막한 당신을 위한 AI 프롬프트의 시작 (프롬프트 엔지니어링)안녕하세요, 문노베입니다 😊 GPT에게 무언가를 물어보려고 켰다가, “뭐라고 물어보지?”라는 말만 남
nobe-moon.tistory.com
2. AI는 어떻게 예제를 통해 학습하는 것처럼 행동하나요?
GPT 같은 언어모델은 실제로 ‘학습’을 다시 하는 게 아닙니다.
우리가 예시 몇 개를 보여줬다고 해서 AI가 그 자리에서 무언가를 외우거나 업데이트하진 않아요.
그런데도 마치 학습한 것처럼 행동하는 이유는, 입력된 예제들을 '문맥(Context)'으로 간주하고 그 패턴을 이어가기 때문입니다.
이를 in-context learning, 즉 ‘문맥 속 학습’이라고 부릅니다.
예시 1:
영어 → 한국어
Hello → 안녕하세요
Goodbye →
→ AI는 패턴을 보고 자연스럽게 "안녕히 가세요"를 이어붙입니다.
즉, AI는 이 예시들이 정답이라고 ‘배운’ 게 아니라, 입력된 예제 안에서 가장 자연스러운 다음 문장을 예측한 거예요.
그래서 GPT는 실제로는 "학습"하지 않았지만, 문맥에 맞는 방식으로 반응하며, 학습한 것처럼 보이는 환상을 만들어냅니다.
3. zero-shot과 few-shot은 언제 다르게 쓰이나요?
실제로 AI를 사용할 때 우리는 “예시를 줄까? 말까?”라는 고민을 자주 합니다.
zero-shot은 간단하고 빠르지만, 정확도가 떨어질 수 있고, few-shot은 더 정교하지만 예시를 고르고 넣는 수고가 필요하죠.
| 구분 | zero-shot | few-shot |
|---|---|---|
| 예시 유무 | 없음 | 2~5개 제공 |
| AI 반응 | 문맥과 일반 지식 기반 예측 | 제공된 예시 패턴 모방 |
| 활용 예 | 요약, 번역, 간단한 Q&A | 포맷 유지, 스타일 모방, 데이터 변환 |
| 장단점 | 빠르지만, 예측 오류 가능성 | 더 정교하지만 예시가 중요 |
결국 가장 좋은 방법은 “문제의 복잡도”와 “목표 정밀도”에 따라 적절한 방식으로 샷을 선택하는 것이에요.
초안이 필요하면 zero-shot, 형식이 중요한 업무엔 few-shot이 효과적입니다.
예시를 통한 AI 학습: Few-shot Prompting 실전 적용법 (프롬프트 엔지니어링)
예시를 통한 AI 학습: Few-shot Prompting 실전 적용법 (프롬프트 엔지니어링)“단 한 번의 예시로도 AI는 완벽하게 그 패턴을 따라 할 수 있다면?” Few-shot Prompting, 이게 바로 AI의 ‘따라 하기’ 능력을
nobe-moon.tistory.com
4. 왜 이 개념이 중요한가요? (GPT 활용과의 연결)
zero-shot, few-shot 개념은 우리가 ChatGPT 같은 생성형 AI를 ‘어떻게 잘 쓰느냐’를 결정하는 핵심입니다.
이해하지 못하면 그저 “질문만 잘 던지는 게 중요하다” 수준에 머물 수 있어요.
하지만 이 개념을 알고 있으면, “내가 지금 어떤 방식으로 AI에게 요청하고 있는가”를 스스로 설계할 수 있게 됩니다.
- 💬 zero-shot으로 요약, 번역, 설명 요청하기 (간단한 응답)
- 📄 few-shot으로 문서 템플릿 생성, 특정 말투 복제, 표 형식 맞추기
- 🧠 one-shot은 시험 문제 푸는 프롬프트에 유용 (예제 1개 + 지시)
AI를 잘 쓰는 사람은 ‘지시문을 잘 쓰는 사람’이 아니라, 예제를 설계하고, 상황에 맞는 샷을 고를 줄 아는 사람입니다.
즉, 프롬프트는 명령이 아니라 ‘AI와의 커뮤니케이션 디자인’입니다.
핵심 요약 ✍️ 샷 개념, 이렇게 기억하세요
- ✔️ ‘샷(shot)’은 AI에게 보여준 예시의 개수를 의미합니다.
- ✔️ zero-shot은 예시 없이 바로 문제 해결, few-shot은 예제를 보고 문맥 추론
- ✔️ GPT는 실제로 학습하지 않지만, 문맥을 해석하며 ‘학습한 듯한’ 반응을 보입니다.
- ✔️ 어떤 샷을 쓸지는 문제의 난이도와 목적에 따라 달라집니다.
ChatGPT를 더 잘 쓰고 싶다면, ‘질문을 잘 던지는 법’보다 ‘예제를 잘 설계하는 법’을 먼저 익히는 게 비결입니다.
댓글