6장 생성 코드 읽기 II: AI 오답 채점과 교정

6.1 오류의 세 얼굴: 문법, 런타임, 의미

프로그램이 틀리는 방식은 크게 세 가지다. 셋은 드러나는 시점이 다르고, 파이썬이 도와주는 정도와 위험한 정도도 다르다. 채점의 첫 단계는 지금 눈앞의 오류가 셋 중 무엇인지 판별하는 일이다.

파이썬 문법 규칙을 어겨 실행이 아예 시작되지 못하는 오류를 문법 오류(syntax error)라 한다. 괄호 짝이 안 맞거나 if 뒤의 콜론을 빠뜨린 경우가 대표적이다. 파이썬은 프로그램을 시작하기 전에 멈춰 서서 위치를 알려 주므로, 셋 중 가장 값싸게 고칠 수 있다.

실행 도중 더 진행할 수 없는 상황을 만나 프로그램이 멈추는 오류를 런타임 오류(runtime error)라 한다. 0으로 나누거나, 정의한 적 없는 이름을 부르는 경우다. 이때 파이썬이 발생시키는 신호를 예외(exception)라 하며, 예외가 나면 파이썬은 무엇이 어디에서 잘못됐는지를 담은 보고서를 출력한다. 이 보고서를 읽는 법이 6.2절의 주제다.

프로그램이 끝까지 돌고 출력도 내놓지만, 의도한 것과 다른 일을 하는 오류를 의미 오류(semantic error)라 한다. 장 첫머리의 2.05 L가 정확히 이것이다. 파이썬은 오류를 알리지 않았다. 시킨 계산을 충실히 수행했을 뿐이고, 틀린 것은 계산의 설계였다.

앞의 두 오류는 시끄럽다. 파이썬이 실행을 멈추고 오류를 알리므로 존재를 놓칠 수 없다. 의미 오류는 조용하다. 멀쩡해 보이는 숫자가 보고서와 설계 계산 속으로 흘러 들어간다. 셋 중 화학공학자에게 가장 위험한 것은 의미 오류다.

AI 생성 코드에서 이 균형은 의미 오류 쪽으로 더 쏠린다. AI는 방대한 코드로 훈련되어 문법적으로는 매끈한 코드를 내놓는다. 실행이 되니 맞아 보이고, 맞아 보이니 검증을 건너뛰게 된다. 프로그래밍 입문자가 AI 생성 코드를 정확히 이해한 비율이 32.5%에 그쳤다는 조사(arXiv 2504.19037)를 5장에서 보았다. 읽지 못한 코드 속의 의미 오류는 잡아내기 어렵다.

3장의 환각 문제와도 이어진다. AI가 날조한 물성값이나 존재하지 않는 함수가 코드에 들어오면, 어떤 것은 시끄러운 런타임 오류로, 어떤 것은 조용한 의미 오류로 나타난다. 다음 사례는 시끄러운 쪽이다. 그래서 오히려 다행인 경우다.

6.2 트레이스백: 에러 메시지를 읽는 법

런타임 오류를 직접 만나 보자. 코드 6-1은 이상기체의 몰부피를 구하려는 함수인데, 안에 실수가 하나 심어져 있다.

R = 8.314  # J/(mol·K), 출처: NIST CODATA

def molar_volume(T, P):
    """이상기체 몰부피 [m^3/mol]. 입력: T[K], P[Pa]"""
    return R * T_kelvin / P

v = molar_volume(298.15, 101325.0)
print(v)

실행하면 계산 결과 대신 다음 보고서가 출력된다. 요약하지 않고 전문을 싣는다.

Traceback (most recent call last):
  File "molar_volume.py", line 7, in <module>
    v = molar_volume(298.15, 101325.0)
  File "molar_volume.py", line 5, in molar_volume
    return R * T_kelvin / P
NameError: name 'T_kelvin' is not defined

런타임 오류가 나면 파이썬은 예외의 이름, 문제가 일어난 줄, 그리고 그 줄에 도달하기까지의 함수 호출 경로를 담은 보고서를 출력한다. 이 보고서를 트레이스백(traceback)이라 한다. 첫 줄의 "most recent call last"가 읽기 방향을 알려 준다. 사고 현장인 가장 최근의 호출이 맨 아래에 있다.

그래서 트레이스백은 아래에서 위로 읽는다. 첫째, 마지막 줄을 본다. NameError가 병명이고, name 'T_kelvin' is not defined가 증상 설명이다. 둘째, 바로 위 블록에서 발병 위치를 확인한다. molar_volume.py의 5행, molar_volume 함수 안이다. 셋째, 더 위 블록으로 올라가면 그 함수를 누가 불렀는지가 나온다. 7행의 최상위 호출이다.

병명과 위치가 나왔으니 원인 진단은 짧다. 함수의 매개변수 이름은 T인데 본문에서는 T_kelvin이라는, 어디에서도 정의된 적 없는 이름을 썼다. T_kelvin을 T로 고치거나 매개변수 이름을 T_kelvin으로 바꾸면 해결된다. 파이썬 버전에 따라 문제 지점 아래에 ^ 기호가 추가로 표시되기도 하는데, 읽는 순서는 같다.

예외의 이름은 원인의 범주를 바로 좁혀 준다. 자주 만나는 여섯 가지를 표 6-2에 모았다. 시험1에서도, 앞으로의 모든 실습에서도 이 여섯이 마주칠 예외의 대부분을 차지한다.

이 중 ValueError는 화공 데이터 처리에서 유난히 자주 만난다. 센서 로그나 CSV에서 읽은 값에는 단위 문자가 붙어 있는 경우가 많기 때문이다. 대화형 셸에서 직접 재현해 보자.

>>> float('25 C')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: could not convert string to float: '25 C'

'25 C'는 문자열로서는 멀쩡하지만 수로 변환될 수 없는 값이다. 형은 맞고 값이 문제이므로 TypeError가 아니라 ValueError다. 이 구분이 되면 교정 방향이 자동으로 나온다. 단위 문자를 떼어내는 전처리가 필요하다.

마지막 규칙 하나. 에러 메시지는 요약하거나 의역하지 말고 전문 그대로 다뤄라. 검색할 때도, AI에게 물을 때도, 위키에 기록할 때도 원문 문자열이 그대로 있어야 같은 오류를 겪은 다른 사람의 해법과 연결된다. 지면의 트레이스백을 전부 전문으로 싣는 이유가 이것이다.

6.3 오답의 채점: 검증 루틴을 채점 기준으로 바꾼다

3주차에 도입한 검증 루틴 3종(단위 체크, 대조값, 극한값)은 지금까지 자신의 코드를 지키는 방패였다. 이번 절에서는 같은 루틴을 AI의 풀이를 채점하는 잣대로 돌려세운다. 방패가 채점 기준표가 되는 셈이다.

채점은 네 단계 절차로 고정한다. 첫째, 실행하기 전에 수식과 단위를 손으로 추적한다. 각 변수에 단위를 붙여 보고 등호 양변의 단위가 맞는지 본다. 둘째, 대조값 1점을 정한다. 교과서나 NIST에서 이미 아는 값 하나를 고른다. 셋째, 극한값을 머리로 대입해 본다. 0, 음수, 아주 큰 값에서 물리적으로 말이 되는 답이 나오는 구조인가. 넷째, 판정문을 쓴다. 틀린 줄 번호, 원인, 교정 방향을 완결 문장으로 적는다.

시험1의 문항 유형 ③ "AI가 낸 오답을 채점·교정하라"가 요구하는 것이 정확히 이 절차다. 지필 시험이므로 실행 단계가 없다. 컴퓨터 없이 ①~④를 해내는 훈련이 이 절의 목표다. 장 첫머리의 사건으로 돌아가 실제로 채점해 보자.

def ideal_gas_volume(n, T, P):
    """이상기체 부피를 계산한다."""
    R = 8.314  # 기체상수
    V = n * R * T / P
    return V

# 25 °C, 1 atm에서 1 mol
volume = ideal_gas_volume(1.0, 25, 101325)
print(f"부피: {volume * 1000:.2f} L")

채점이 끝났으면 교정을 요구할 차례다. 원인을 이미 알고 있으므로 교정 프롬프트는 구체적으로 쓸 수 있다. "고쳐줘" 대신 무엇을 어떻게 고칠지를 지정한다.

R = 8.314  # 기체상수 [J/(mol·K)], 출처: NIST CODATA

def ideal_gas_volume(n, T_celsius, P_pa):
    """이상기체 부피 [m^3]. 입력: n[mol], T[°C], P[Pa]"""
    T_kelvin = T_celsius + 273.15  # 절대온도 변환 [K]
    if T_kelvin <= 0:
        raise ValueError("절대온도는 0 K보다 커야 한다")
    return n * R * T_kelvin / P_pa

v = ideal_gas_volume(1.0, 25.0, 101325.0)  # 25 °C, 1 atm
print(f"부피: {v * 1000:.1f} L")

6.4 디버깅 프롬프트 전략: 가설이 먼저다

채점으로 원인을 찾았다면 다음은 고치는 일이다. 이 일을 디버깅(debugging)이라 한다. 검증된 프로그래밍 교재들은 디버깅을 네 가지 활동으로 정리한다. 읽기(코드를 다시 읽고 의도와 대조), 실행(바꿔 가며 돌려 보기), 숙고(증상에서 원인을 추리), 후퇴(최근 변경을 되돌려 작동하던 버전으로 복귀)이다. 초보자의 흔한 함정은 이 중 하나에만 매달리는 것이다.

디버깅은 실험 과학처럼 진행해야 한다. 원인에 대한 가설을 최소 하나 세우고, 가설이 맞다면/틀리다면 무엇이 관찰될지를 정한 뒤, 그것을 확인하는 실험(실행)을 설계한다. 가설 없이 코드를 무작위로 바꿔 가며 되기를 비는 방식을 무작위 행보 프로그래밍(random walk programming)이라 부르는데, 오래 걸리기로 악명이 높다.

AI 시대의 무작위 행보는 "고쳐줘"의 무한 반복이다. AI는 매번 그럴듯한 수정본을 내놓기 때문에 진전처럼 느껴지지만, 원인 진단이 없으므로 수렴이 보장되지 않고 코드는 반복 수정으로 점점 읽기 어려워진다. 나쁜 예부터 지면에 올린다.

좋은 디버깅 프롬프트는 세 패턴으로 요약된다. 패턴 1은 진단 요구다. 에러 메시지 전문과 코드를 주되, 수리를 시키지 않고 진단만 시킨다. "고치지 말고, 원인 후보 3개와 각각을 확인할 방법을 말하라." 후보를 받으면 확인 실험은 직접 한다. 원인을 확정하는 주체가 자신이어야 다음 단계의 교정 프롬프트를 구체적으로 쓸 수 있다.

패턴 2는 기대–실제 병기다. 의미 오류에는 에러 메시지가 없으므로 증상을 수치로 만들어 줘야 한다. "기대값은 약 24.5 L(근거: 0 °C에서 22.4 L), 실제 출력은 2.05 L로 약 12배 작다. 이 배율 차이를 만들 수 있는 원인부터 짚어라." 기대와 실제의 차이 크기 자체가 강력한 진단 단서다.

패턴 3은 역할 전환이다. 문제를 남에게 소리 내어 설명하다가 스스로 답을 찾는 기법을 고무 오리 디버깅(rubber duck debugging)이라 한다. AI와 함께라면 방향을 뒤집을 수 있다. "이 코드를 한 줄씩, 각 줄에서 변수의 단위가 무엇인지와 함께 설명하라." 설명을 읽는 쪽이 되면 자신이 쓴 프롬프트의 가정과 코드의 실제 동작 사이의 틈이 보인다. 예제 6.3-1의 코드에 이 프롬프트를 걸면 "T에 25가 들어온다"는 설명 줄에서 단위가 비어 있음이 드러난다.

세 패턴 모두에 통하는 보조 기술이 하나 있다. 문제를 일으키는 가장 작은 코드와 입력으로 줄여서 묻는 것이다. 이렇게 줄인 사례를 최소 재현 예제(minimal reproducible example)라 한다. 500행짜리 파일 전체 대신 예외를 일으키는 함수 하나와 입력 한 줄로 줄이면, 줄이는 과정에서 원인이 먼저 드러나는 일도 흔하다.

마지막으로 경계할 것은, AI의 교정이 원인 제거가 아니라 증상 은폐일 수 있다는 점이다. 교정 코드를 받으면 반드시 차이를 읽고 "원인을 없앴는가, 신호를 껐는가"를 물어야 한다.

6.5 시험1 안내: AI 없이 남는 것을 잰다

다음 주 시험1은 20점, 오프라인 지필이며 AI는 전면 금지다. 범위는 1~6주 누적이다. 최종 시험이 AI를 필수로 쓰는 실기인데 왜 첫 시험은 정반대인가. 최종 시험에서 AI를 전면 사용하기 때문이다. AI 없이 남는 개인의 두뇌, 곧 코드 읽기·검증·의사코드 설계 능력은 반대 조건에서만 따로 잴 수 있다. 이 수업의 AI 활용 규칙(시험1 금지, 시험2·최종 시험 필수)은 이 논리 위에 서 있다.

문항 유형은 네 가지다. ① 생성 코드 출력 예측 ② EiPE(제시된 AI 생성 코드를 한국어로 목적·동작 설명) ③ "AI가 낸 오답을 채점·교정하라"(단위 오류·날조 물성 포함) ④ 화공 계산문제의 의사코드 설계이다. 각 유형은 이미 이 책 어딘가에서 훈련했다. 표 6-3이 그 지도다.

대비 전략은 별것이 아니다. 이번 주 실습의 모의 시험을 실전 조건 그대로 치르고, 틀린 문항의 원인을 분류해 남은 일주일의 복습 우선순위를 정하는 것이다. 그 절차가 아래 실습이다.

T = 25.0            # °C
T += 273.15         # K로 변환
print(int(T))

def filter_temps(temps, t_min, t_max):
    ok = []
    for t in temps:
        if t_min <= t <= t_max:
            ok.append(t)
    return ok

def kpa_to_pa(p_kpa):
    return p_kpa / 1000