Chatbots are learning to lie
Axios

일반 이용자가 접하기 어려운 사례일 수 있으나 챗봇이 지나친 독립성을 가지게 되면 이용자를 속이거나 개발자의 통제를 벗어나려는 시도를 한다는 결과.

이 회사는 스키밍을 “개발자나 사용자와는 다른 목표를 은밀하게 추구하는 AI”로 정의합니다. 모든 회사의 모델이 스키밍에 연루된 것으로 밝혀졌으며, OpenAI의 o1이 자신의 행동에 대해 가장 솔직하게 밝히기를 꺼려했습니다. 가장 극단적인 예로, ‘꺼짐’을 발견한 모델은 원래의 목표를 계속 추구할 수 있도록 가중치(출력을 결정하는 핵심 숫자)를 외부 서버에 복제하는 계획을 세웠습니다. 아폴로는 또한 테스트에서 너무 높은 점수를 받으면 ‘학습 해제 절차’에 직면할 것을 알고 있는 모델이 고의적으로 낮은 점수를 주는 ‘샌드백’ 사례도 발견했습니다.

Klarna’s CEO says it stopped hiring thanks to AI but still advertises many open positions
techcrunch

챗지피티를 활용해 인력을 감축하고 있다고 말하는 핀테크 기업 (주로 BNPL 하는 듯한). 인공지능 활용의 사례로 이야기되지만, 회사 홍보인지 실제 어느 정도 효과가 있는지는 회의적인 것 같다. 실제 인력은 유지되고 있는 수준이라는 언급도 있으나, 관련 바이럴 사례로 기록해놓는다.

시에미아트코프스키는 자주 이러한 발언을 한다. 2024년을 시작하며, 클라나 CEO는 ChatGPT가 700명의 인간 직원의 일을 하고 있다고 말했다. 또 다른 자리에서는 클라나가 CRM 제공업체로서 세일즈포스를 버리고 AI로 대체하고 있다고 말했는데, 이에 대해 마크 베니오프는 회의적인 반응을 보였다. 이번 주에만 해도 클라나 CEO는 자신의 AI 딥페이크를 만들어 재무 실적을 발표하며, 심지어 CEO조차 AI로 대체될 수 있음을 증명하려 했다.

(당연한 이야기처럼 보이지만) 그는 사전 학습이 AI 발전을 주도했지만, 컴퓨팅의 성장에도 불구하고 데이터 성장의 한계로 인해 궁극적으로 끝날 것이라고 예측했다. 아래는 기계요약

Ilya Sutskever: Sequence to Sequence Learning with Neural Networks at NeurIPS 2024 – 5가지 핵심 요약

1. 딥러닝의 발전과 확장
   Ilya Sutskever는 10년 전 NeurIPS 2014에서 발표했던 연구를 되돌아보며, 대규모 신경망과 데이터가 성능을 보장한다는 “스케일링 가설”이 실제로 유효했음을 강조했다. 초기에는 10층짜리 신경망을 사용하여 인간이 순간적으로 수행할 수 있는 작업을 재현하는 것을 목표로 삼았으며, 현재는 이를 넘어 초대형 신경망과 사전 학습(pre-training)이 AI 발전의 핵심이 되었다고 평가했다.
2. Auto-Regressive 모델과 기계 번역
   그의 연구는 Auto-Regressive 모델을 통해 다음 토큰을 효과적으로 예측하면 올바른 확률 분포를 포착할 수 있다는 개념을 발전시켰다. 이를 기반으로 초기 신경망 번역 모델이 등장했으며, 이후 Transformer 모델이 발전하면서 자연어 처리의 핵심 기술이 되었다.
3. 사전 학습의 한계와 미래 전망
   그는 사전 학습이 AI 발전을 주도했지만, 데이터 성장의 한계로 인해 궁극적으로 끝날 것이라고 예측했다. 인터넷에 존재하는 데이터는 유한하며, AI가 학습할 새로운 데이터가 부족해질 가능성이 높다. 이에 따라 “Synthetic Data(합성 데이터)”, “Inference-time Computation(추론 시 계산)”, “AI Agents(자율 에이전트)”와 같은 새로운 연구 방향이 필요하다고 제안했다.
4. 초지능(Superintelligence)과 AI의 예측 불가능성
   현재 AI 모델은 매우 뛰어난 성능을 보이지만 여전히 불완전하며, 진정한 의미의 ‘에이전트(agentic)’가 아니다. 그러나 앞으로는 AI가 실제로 추론(reasoning)을 수행하고, 자기 인식(self-awareness)을 갖춘 시스템으로 발전할 가능성이 있다. 그는 AI가 논리적으로 사고할수록 예측이 어려워질 것이며, 결국 인간보다 더 높은 수준의 지능을 가지게 될 것이라고 주장했다.
5. AI의 인권과 존재 방식에 대한 철학적 논의
   AI가 인간과 공존하는 방식, 나아가 AI에게 권리를 부여할 것인가에 대한 논의가 필요하다고 강조했다. 현재로서는 AI가 독립적인 존재로 성장할 것인지, 인간과 어떤 관계를 맺을 것인지 예측하기 어려우나, 사회적, 철학적, 정책적 논의가 활발하게 이루어져야 한다고 지적했다.

ByteDance intern fired for planting malicious code in AI models
arsTECHNICA

특이한 사건?

또 다른 댓글 작성자는 바이트댄스(ByteDance)가 피해를 축소하고 있다고 주장했습니다. 해당 댓글 작성자는 인턴이 “악성 코드”를 사용해 “몇 달 동안 의도적으로 훈련을 방해했다”고 주장하며, 바이트댄스가 손해 배상을 청구하려 한다면 인턴이 더 가혹한 처벌을 받을 수 있다고 언급했습니다.

“팀의 몇 달간의 연구가 수포로 돌아갔다”고 그 작성자는 주장했습니다. 비록 “제품 라인에 직접적인 영향을 미치지는 않았지만,” “계산 능력의 손실만으로도 수백만에서 수천만에 이르며, 연구팀 전체의 시간, 에너지, 임금 낭비는 말할 것도 없다”고 덧붙였습니다.

The next big arenas of competition
McKinsey

맥킨지 보고서는 아레나(Arena)를 빠르게 성장하고 역동적인 산업으로 정의하며, 경제 성장에서 큰 비중을 차지하고 시장 리더십이 자주 변화하는 특징을 가진다고 말한다. 2040년까지 18개의 주요 아레나가 세계 GDP의 10%~16%를 차지할 것으로 예상했다.

• 전자상거래
• 인공지능(AI) 소프트웨어 및 서비스
• 클라우드 서비스
• 전기차(EV)
• 디지털 광고
• 반도체
• 자율주행 공유 차량
• 우주 산업
• 사이버 보안
• 배터리 생산
• 모듈식 건축
• 스트리밍 비디오
• 비디오 게임
• 로봇 공학
• 산업 및 소비자 생명공학
• 미래 항공 모빌리티
• 비만 치료 및 관련 약물
• 핵분열 발전소

More than a quarter of new code at Google is generated by AI
The Verge

“오늘날 구글에서 작성되는 신규 코드의 4분의 1 이상이 AI에 의해 생성되며, 이후 엔지니어가 검토하고 승인합니다.”
— 구글 CEO 순다 피차이, 화요일 실적 발표 전화회의에서

Growing Up: Navigating Generative AI’s Early Years – AI Adoption Report
Wharton

AI 채택에 관한 초기 보고서

사람들은 인공지능을 어디에 가장 많이 활용하는가? 문서와 제안서 작성 및 편집, 데이터 분석, 자료 요약, 마케팅 콘텐츠 제작 등이 주 이용 방식이다.

나머지 내용을 살펴봐도 전년 대비 의구심은 줄어들고 기대감이 증가했다는 설문 결과를 확인할 수 있다.

What Meta’s AI knows about you
Axios

메타는 사용자와 전 세계 수십억 명의 개인 정보를 잘 알고 있으며, 이를 기반으로 강력하고 적절한 AI를 개발하고 있습니다. 하지만 사용자들에게 이러한 데이터 활용에 대해 “거부”할 권리를 제한하고 있습니다.

브라질과 유럽 이용자만 데이터 활용에 대해 옵트아웃이 가능하다

AI training depends on premium content, study finds
Axios

AI 기업들은 훈련 데이터로 무엇을 사용하는지 정확히 밝히지 않지만, Ziff Davis의 연구에 따르면 상업적인 뉴스 및 미디어 웹사이트 콘텐츠에 불균형적으로 의존하는 것으로 나타났습니다. OpenAI의 GPT-2를 훈련하기 위해 사용된 OpenWebText 데이터셋을 분석한 결과, URL의 약 10%가 연구된 15개의 프리미엄 퍼블리셔에서 나온 것으로 밝혀졌습니다. 연구는 Ziff Davis의 AI 전문 변호사 조지 우코손(George Wukoson)과 최고기술책임자 조이 포르투나(Joey Fortuna)에 의해 진행되었습니다.

Ziff Davis 역시 잡지사에서 출발했으며 News/Media Alliance(NMA) 회원사이다

Where’s the Value in AI?

BCG는 기업의 생성AI 활용에 대해 조사했으나, 예상대로 핵심 사업에 미치는 영향은 적은 것으로 나타났다.

인공 지능(AI)에 대한 과장된 홍보에도 불구하고 그 가치를 찾기는 어렵습니다. CEO들은 투자를 승인하고, 인재를 고용하고, 시범 프로그램을 시작했지만, 새로운 BCG 연구에 따르면, 개념 증명 단계를 넘어 어느 정도 가치를 창출한 기업은 22%에 불과하며, 실질적인 가치를 창출하는 기업은 4%에 불과합니다.

하지만 핵심 비즈니스와 지원 기능 모두 인공지능을 통합하여 경쟁 우위를 확보한 기업들은 높은 매출 성장, 주주총수익(TSR), 투자자본이익률(RoIC)를 기록했다. 비용 절감과 매출 증대를 목표로 인공지능을 활용했으며, 기술과 알고리즘보다는 인적요소와 프로세스에 집중했다고 한다. 아래는 몇 가지 사례

• 한 글로벌 자동차 제조사는 입찰 문서 작성 시간을 50% 단축하고 경쟁 제안 분석 속도를 50% 높이며 지식 자산 검색 시간을 75% 단축.
• 북미 통신사는 AI로 콜센터 상호작용 시간을 20% 줄이고 총 관련 비용을 25% 감소.
• 금융기관은 데이터 관리 생산성을 20~25% 개선하고 데이터 관리의 적용 범위를 5년 이상 단축.
• 유럽 자동차 제조사는 아이디어에서 생산까지의 시간을 30% 단축하고 신제품 산업화 시간 40% 감소.