ChatGPT가 17만 줄의 코드를 몇 초 만에 스캔하여 작업 시간을 절약한 방법

많은 양의 텍스트나 수치 분석이 필요한 질문이 있습니까? ChatGPT 또는 다른 인기 모델로 실행해 보세요. 답변이 여러분을 놀라게 할 수도 있습니다.

귀하의 고유하고 특수한 요구 사항에 인공 지능(AI)을 가장 잘 적용하는 방법을 모르시나요? 당신은 올바른 장소에 왔습니다. 올바른 프롬프트와 회의적인 힌트가 있는 한 ChatGPT와 같은 도구를 사용하여 복잡한 문제를 신속하게 해결하는 방법을 살펴보겠습니다.

먼저 간단한 3D 프린팅 토끼굴

이번 강의의 배경은 3D 프린팅입니다. a3DBenchy라는 3D 프린팅의 특수 테스트는 사용자가 속도와 다양한 인쇄 품질 측정을 테스트할 수 있도록 지원하여 프린터 성능을 확인하며, 대부분의 프린터에서 인쇄하는 데 1~2시간이 걸립니다.

저는 최근에 다른 프린터보다 더 빠른 새 프린터를 테스트했습니다. 이 프린터에서는 Benchy가 42분이 걸렸지만 Fab Lab의 다른 3D 프린터에서는 60~70분이 걸렸습니다. 하지만 문제는 프린터를 만드는 회사에서 제공한 테스트 버전이 16분 정도 걸렸다는 것입니다. 그것은 엄청난 차이입니다.

3D 프린터는 프린터가 프린트 헤드와 프린트 플랫폼을 이동하고, 가열하고, 용융된 필라멘트를 공급하고 철회하는 방식을 제어하는 슬라이서라는 도구에 의해 맞춤 생성된 프로그램인 G 코드로 제어됩니다.

제가 테스트하고 있는 프린터에 대해 공장에서 제공한 미리 슬라이스된 G 코드를 사용하면 16분 길이의 인쇄 결과가 나왔습니다. 회사의 슬라이서를 사용하여 생성한 G 코드의 결과는 42분짜리 인쇄였습니다. 나는 그 이유를 알고 싶었다.

불행하게도 회사 지원팀의 어느 누구도 내 질문에 대답할 수 없었습니다. 수많은 시도에도 불구하고 슬라이서를 사용하여 생성한 G 코드와 슬라이서를 사용하여 생성한 G 코드를 수행하려면 어떤 슬라이서 설정을 변경해야 하는지에 대한 답을 얻을 수 없었습니다.

여러 번 웹을 검색하고 실망스러운 Reddit 게시물의 게시물을 읽은 후 다른 고객들도 동일한 문제를 겪고 있음이 분명해졌습니다. 여기 성능을 두 배 이상 향상시킬 수 있는 기계가 있습니다. 하지만 우리 중 누구도 그 성능을 성공적으로 재현할 수 없습니다.

AI가 도움이 될 수 있나요?

이것이 ChatGPT가 등장하는 곳입니다. G 코드는 다음과 같은 수천 개의 줄로 구성됩니다.

G1 X122.473 Y140.422 E4.23368
G1 X122.222 Y140.6 E4.24443
G0 F14400 X122.703 Y140.773
G1 F3600 X122.117 Y141.251 E4.27083
G1 X121.767 Y141.66 E4.28963
G1 X121.415 Y142.139 E4.31039
G1 X121.105 Y142.641 E4.33099

두 Benchy G 코드 파일에는 모두 170,000줄 이상의 코드가 포함되어 있습니다. 나는 토요일 오후에 그런 것들을 수동으로 선별하는 데 보낼 생각이 없었습니다. 하지만 아마도 AI가 도움이 될 수 있다고 생각했습니다.

슬라이서를 사용하여 생성한 G 코드가 있었습니다. 공장에서 제공하는 G 코드를 내보내서 저장할 수도 있습니다. ChatGPT Plus를 사용하여 두 파일을 모두 AI에 공급했습니다.

ChatGPT가 파일을 읽을 수 있는지 확인하는 것부터 시작했습니다. 각 파일을 업로드한 후 다음과 같이 질문했습니다.

이것을 읽을 수 있나요?

ChatGPT는 "파일 내용을 읽을 수 있다. 일반적으로 3D 프린터 제어에 사용되는 G코드 파일인 것으로 보인다"고 확인했다. 좋은 시작이었습니다.

어떤 파일이 어떤 파일인지 명확하게 확인하기 위해 ChatGPT에 파일에 대한 몇 가지 레이블을 지정했습니다.

첫 번째 업로드된 파일을 "일반 인쇄", 두 번째 업로드된 파일을 "빠른 인쇄"라고 부르겠습니다. 좋아요?

AI가 동의했기 때문에 저는 이렇게 말했습니다.

파일이 어떻게 다른지 설명하십시오.

파일 중 하나의 이름을 "fast print"로 지정하는 것 외에는 ChatGPT에 내가 찾고 있는 내용이 무엇인지 표시하지 않았습니다. 그럼에도 불구하고 봇은 온도 설정이 동일함에도 불구하고 한 인쇄물의 인쇄 속도가 더 높다는 것을 식별했습니다.

그런 다음 AI에게 이렇게 물었습니다.

"빠른 인쇄"가 훨씬 빠른 이유는 무엇입니까?

이 시점에서 ChatGPT가 나를 짜증나게 하기 시작했습니다. 내가 제공한 코드의 세부 정보를 제공하는 대신 추측했습니다. AI는 인쇄가 더 빠른 이유를 설명하기 위해 "아마도", "아마도", "아마도"가 포함된 문구를 사용했습니다.

하지만 프린터가 수행하는 작업을 정확하게 설명하는 G 코드 파일을 제공했기 때문에 프린터가 수행하는 작업에 대한 정확한 답변을 원했습니다. ChatGPT의 경우와 마찬가지로 대화는 다소 완고하고 비협조적인 뛰어난 대학원생과 대화하는 것과 매우 비슷했습니다.

올바른 메시지가 큰 변화를 가져오는 이유

나는 마침내 이 프롬프트에 도달했고, 실행 가능한 답변을 찾아냈습니다.

두 파일에 제공된 G 코드는 이 인쇄물에서 유일하게 다른 점입니다. 비교로 제공된 G 코드만 사용하면 어떤 슬라이서 설정이 달라지나요? 다른 설정이 무엇인지 추측하지 마십시오. 제공된 코드만을 토대로 분석하십시오.

ChatGPT는 세 가지 핵심 요소를 식별했습니다.

일반 인쇄 G 코드는 일반적으로 2400mm/min에서 3400mm/min 사이의 이송 속도를 보여줍니다. 빠른 인쇄 G 코드는 훨씬 더 높은 이송 속도를 보여주며 일부 명령은 최대 14400mm/min에 도달합니다. 이 비율은 속도를 크게 증가시켜 인쇄 시간 단축에 직접적으로 기여합니다.
일반 인쇄의 레이어 높이가 0.2mm인 것과 비교하여 빠른 인쇄는 레이어 높이를 0.25mm로 설정하여 인쇄를 완료하는 데 필요한 레이어 수를 줄입니다.
빠른 인쇄 G 코드에는 훨씬 더 공격적인 가속 설정이 포함되어 있어 프린터가 더 빠르게 더 빠른 속도에 도달하고 이를 유지하여 더 빠른 인쇄에 기여합니다.

그 결과는 흥미로웠습니다. 하지만 회사에서 G 코드를 직접 최적화했는지 아니면 슬라이서에서 직접 생성했는지 알고 싶었습니다. 그래서 저는 ChatGPT에 다음과 같이 물었습니다.

빠른 인쇄가 직접 코딩되었는지 아니면 슬라이서에 의해 생성되었는지 알 수 있습니까? 아마도 일관되지 않은 명령이나 비표준 주석을 찾아보세요.

AI는 세 가지 흥미로운 고려 사항으로 응답했습니다.

이송 속도 변경, 다양한 이동 명령 간 전환, 기타 매개변수 변경과 같은 G 코드 명령의 변형은 슬라이서 생성 코드에서 일반적입니다. 이러한 변경 사항은 인쇄 프로세스를 최적화하도록 설계되었으며 슬라이서의 동작과 일치합니다.
G 코드가 직접 코딩된 경우 더 불규칙하고 예측할 수 없는 패턴이 나타날 것으로 예상되지만 이러한 전환은 슬라이서 최적화 프로세스의 특징인 논리적 순서를 따릅니다.
따라서 이러한 명령이 있다고 해서 직접 코딩했다는 의미는 아닙니다. 오히려 이 G 코드가 슬라이서에 의해 생성되었다는 결론을 뒷받침합니다.

이러한 결과가 나에게 알려주는 것은 사용자가 비슷한 성능을 얻기 위해 슬라이서 설정을 수정하는 것이 가능하다는 것입니다.

댓글에서 나온 몇 가지 생각

이 기사에 대해 매우 적극적인 의견이 있었습니다. 대부분의 경우, 나는 질문이 나올 때마다 들어가서 답변했습니다. 댓글을 방문하여 이 주제에 대한 다른 독자의 의견을 참여하고 읽어보시기 바랍니다.

다음은 댓글에서 영감을 얻은 몇 가지 생각의 간단한 목록입니다.

이러한 문제를 해결하기 위해 AI를 사용할 필요는 없습니다. 그러나 AI가 다양한 문제의 여러 범주를 어떻게 해결하는지 보는 것은 유익할 수 있으므로 단지 무엇을 할 수 있는지 확인하기 위해서라도 챗봇을 사용하는 것이 좋습니다. 그러면 나중에 사용할 수 있는 도구가 생깁니다.
저는 일반적으로 이러한 테스트에 ChatGPT Plus를 사용하고 있습니다. 무료 버전은 일부 작업을 수행할 수 있지만 너무 많은 상호 작용 후에는 사용량이 제한되기 때문에 마감일에 기사를 완료하려면 챗봇에 대한 전체 액세스 권한이 필요합니다.
챗봇의 답변을 휘둘러볼 때 저는 보통 재능 있는 학생이나 직원이라고 생각합니다. 때로는 대화의 분위기를 이어가기 위해 "부탁합니다"와 "고마워요"를 사용하기도 합니다. 그러나 당신과 대화하는 사람은 주의가 산만해지거나 당신의 요점을 고집스럽게 거부할 수 있으므로, 계속 노력하고, 질문을 바꾸고, 다른 방식으로 질문하고, 당신이 명확히 하고 있는 것이 분명해야 한다고 생각하더라도 명확히 하십시오.
물론 AI를 사용하는 것은 게으른 일일 수 있습니다. 하지만 시간을 절약할 수도 있습니다. 작업장에서 전동 공구로 할 수 있는 거의 모든 작업은 수공구로도 할 수 있습니다. 때로는 예술에 집중하고 싶을 때도 있습니다. 때로는 그날 밤에 충분한 수면을 취하기 위해 일을 끝내고 싶을 때도 있습니다. 도움이 될 수 있다면 주저하지 말고 도구를 사용하세요. 그러나 작업 결과가 이러한 도구의 사용을 구체적으로 배제하는 경우(예를 들어 ZDNET에 기사를 작성할 때 AI를 사용하지 않는 경우) 도구를 사용하지 마십시오.
AI에 업로드하는 내용을 확실히 주의하세요. 모든 것이 회사이거나 기밀인 것은 아닙니다. 하지만 어떤 것들은 그렇습니다. 내가 업로드하는 것의 대부분은 내 자신의 데이터이거나 이 경우처럼 이미 공개된 데이터입니다.

댓글에 답변할 기회가 항상 있는 것은 아니지만 노력하고 있습니다. 때로는 기사가 올라간 후 며칠, 몇 주, 심지어 몇 달 후에 사람들이 게시하고 다른 기사로 이동하는 경우도 있습니다. 그러나 나는 언제나 독자의 의견을 환영합니다. 대부분의 ZDNET 독자는 전문가이기 때문에 주석에는 유용한(가끔 읽기 힘들더라도) 정보가 풍부하게 포함되어 있는 경우가 많습니다. 저는 ZDNET 댓글을 통해 많은 것을 배웠고 여러분도 그러하리라 믿습니다.

우리는 무엇을 배웠나요?

우리는 ChatGPT가 G 코드를 이해한다는 것을 배웠습니다. 이는 놀라운 일이 아닙니다. 초기 테스트에서 ChatGPT가 가장 모호한 프로그래밍 언어에도 꽤 좋은 명령을 내릴 수 있다는 사실을 알게 되었기 때문입니다.

또한 ChatGPT가 170,000줄 이상의 기계 명령어를 조사 및 비교하고 몇 초 만에 실행 가능한 결론에 도달할 수 있다는 것도 배웠습니다.

마지막으로 우리는 ChatGPT와 같은 AI를 사용하여 여러 각도에서 복잡한 문제를 탐색할 수 있다는 것을 배웠습니다. ChatGPT는 두 파일 사이의 엄청난 속도 차이를 설명했을 뿐만 아니라 공장에서 제공한 파일이 수동으로 조정되었는지 여부도 확인할 수 있었습니다.

결론적으로 AI가 말하는 것을 절대적인 진실로 받아들이지 마십시오. 답변을 바탕으로 중요한 결정을 내리지 마십시오. 그리고 때로는 AI가 유용한 답변을 제공하기 전에 AI와 협상해야 한다는 점을 기억하세요.

이 테스트는 몇 분 안에 코딩하지 않고도 AI를 활용하여 매우 나에게 특정한 질문에 대한 답을 찾을 수 있었던 또 다른 사례입니다.

많은 텍스트 또는 수치 분석이 필요한 질문이 있는 경우 ChatGPT 또는 다른 AI 중 하나를 사용하여 실행하는 것을 고려해보세요. 몇 분 안에 유용한 답변을 얻을 수 있습니다.