Karpathy Verifiability: AI가 빨리 발전하는 영역의 공통점을 읽습니다 | DAKER 커뮤니티

왜 수학과 코딩에서 AI가 특히 강해 보일까요? Karpathy는 그 이유를 검증 가능성(verifiability)에서 찾습니다. 정답을 자동으로 확인할 수 있고, 빠르게 많이 시도할 수 있고, 실패하면 다시 시작할 수 있는 영역일수록 AI가 연습하기 좋습니다.

오늘 배울 것

resettable·efficient·rewardable 세 조건이 겹치는 곳이 AI가 빠르게 발전하는 영역이라는 원칙을 배웁니다. 오늘은 바이브 코딩 작업을 검증 가능한 형태로 바꾸는 방법을 정리합니다.

핵심 개념

Resettable은 실패해도 상태를 되돌리고 다시 시작할 수 있다는 뜻입니다. Efficient는 시도 비용이 낮아 많이 연습할 수 있다는 뜻입니다. Rewardable은 정답·부분 점수를 자동으로 줄 수 있다는 뜻입니다. 세 원이 겹칠수록 자동화와 최적화가 쉬워집니다.

이 관점은 실전 프롬프트 원칙이 됩니다. “좋은 글 써 줘”보다 “이 체크리스트를 만족하는 글을 만들고 각 항목을 자체 검토해”가 낫고, “앱 만들어 줘”보다 “이 테스트를 통과하는 기능을 만들어”가 낫습니다.

설명용 생성 이미지입니다.

따라 해볼 실습

1) 맡길 작업을 resettable·efficient·rewardable로 다시 씁니다. 예: “로그인 버그 고쳐” → “이 실패 테스트가 통과하도록 고치고, 같은 입력으로 재현을 닫아라.”

2) 테스트·린트·타입체크·스크린샷 중 하나를 AI의 보상 신호로 고정합니다. 통과 증거가 없으면 다음 기능을 열지 않습니다.

3) 검증이 어려운 전략·창의 작업은 사람 리뷰 루프를 더 촘촘히 둡니다. AI 초안 → 체크리스트 → 사람 한 줄 판정 순서를 지킵니다.

4) 해커톤 제출 전에는 “자동 검증 가능 / 사람 검증 필요” 두 칸으로 요구사항을 나눕니다. 자동 칸부터 닫습니다.

자주 막히는 지점

가장 흔한 막힘은 성공 기준이 “좋아 보임”으로만 남는 경우입니다. 또 다른 막힘은 테스트를 나중에 넣겠다고 미루다 재현이 사라지는 경우입니다. 막히면 기능을 줄이고, 통과/실패가 분명한 한 건부터 다시 만듭니다.

다음 학습 연결

검증 가능성 원칙이 잡히면, Software 2.0의 목적함수 설계와 한 번에 하나만 바꾸는 디버깅, append-and-review 기억법과 잘 맞습니다. 학습 디렉터리의 Karpathy 글을 이어서 보면 좋습니다.