A new golden age of discovery
Google DeepMind

딥마인드의 보고서

지난 반세기 동안 과학 인력이 크게 증가하여 미국에서만 7배 이상 증가했지만 , 우리가 따라야 할 사회적 진보는 둔화되었습니다. 예를 들어, 세계 대부분 지역에서 생산성 증가가 지속적으로 둔화 되어 공공 서비스의 질이 저하되고 있습니다. 건강, 환경 등에서 가장 큰 과제를 포착한 2030년 지속 가능한 개발 목표를 향한 진전이 정체 되고 있습니다 .

특히, 오늘날 획기적인 발견을 모색하는 과학자들은 점점 더 규모 와 복잡성 과 관련된 과제에 부딪히게 되는데 , 이는 그들이 습득해야 할 끊임없이 증가하는 문헌 기반에서부터 실행하고자 하는 점점 더 복잡한 실험에 이르기까지 다양합니다. 최신 딥 러닝 방법은 이러한 규모와 복잡성 과제 에 특히 적합하며 , 그렇지 않으면 미래의 과학적 진보에 필요한 시간을 단축할 수 있습니다.

과학 발전의 병목 현상을 해결하는 다섯가지를 이야기한다.

1. 지식(Knowledge): AI가 문헌 검토를 돕고, 요약을 생성하며, 인터랙티브 과학 논문을 가능하게 함.
2. 데이터(Data): 대량의 과학 데이터를 추출, 정리, 주석 처리(annotate) 하여 연구 효율성을 증대.
3. 실험(Experiments): 시뮬레이션을 가속화하고, 비용을 줄이며, 실험 설계를 최적화함.
4. 모델(Models): 복잡한 시스템(예: 기후 예측, 질병 모델링, 경제 예측)을 더 정확하게 예측.
5. 해결책(Solutions): 수학, 화학, 공학 분야에서 최적의 해결책을 탐색하는 AI 알고리즘 활용.

기대 되는 측면도 있고 현재도 일부 사례를 찾아볼 수 있는 영역도 있으나, 이러한 변화가 가지는 위험 역시 이야기한다. 그중 공감되는 내용은 인공지능 격차에 관한 부분

• 창의성(Creativity): AI가 너무 예측 가능한 결과를 생성하여 혁신이 감소할 위험이 있음.
• 신뢰성(Reliability): AI 모델이 허위 데이터(hallucination) 를 생성할 가능성이 있어 연구 신뢰성 저하 가능성.
• 형평성(Equity): AI 도구에 대한 접근성이 불균형하여 과학 연구의 디지털 격차가 심화될 우려.
• 환경 비용(Environmental Costs): AI 모델 훈련에 막대한 연산 자원이 필요하여 탄소 배출 증가 문제가 있음.

The Gen AI Bridge to the Future
Stratechery by Ben Thompson

입장이 다른 사람들도 있지만 벤 톰슨은 생성형 인공지능이 유니버셜한 인터페이스가 될 수 있다고 보는 것 같다. 온디멘드 UI라는 말이 좋다

가장 인상적인 데모 중 하나는 UI가 가장 적었던 것이었다. 그것은 단순한 알림(notification)이었다. 나는 고개를 들어 누군가 나에게 전화를 걸고 있다는 것을 확인했고, 손가락을 맞대어 알림에 표시된 수락 버튼을 “클릭”하자 즉시 다른 방에 있는 사람과 통화할 수 있었다. 그러면서도 주변 환경과 자유롭게 상호작용할 수 있었다. 물론 전화 통화 자체는 새로운 발명이 아니다. 그러나 이 데모가 특별했던 이유는 내가 필요할 때만 필요한 UI가 제공되었기 때문이다.

나는 이것이 미래라고 생각한다. 정확히 필요한 순간에, 필요한 만큼만 UI가 나타나고, 그 외에는 아무것도 표시되지 않는 방식이다. 물론 이 데모는 사전에 프로그래밍된 방식으로 작동했지만, 미래에는 안경 자체가 충분히 스마트해져서 사용자의 요청뿐만 아니라 주변 환경과 상태를 고려하여 실시간으로 UI를 생성하는 것이 가능해질 것이다.

이 지점에서 우리는 새로운 패러다임으로의 연결고리를 확인할 수 있다. 내가 설명하는 것은 바로 생성형 AI의 적용 사례, 특히 온디맨드 UI 인터페이스에 대한 것이다. 이는 이미 존재하는 기기에도 유용하게 활용될 수 있다. 예를 들어, 스마트워치 애플리케이션이 현재처럼 작은 아이폰을 터치하며 조작하는 방식이 아니라, 특정 순간에 사용자가 해야 할 선택지만 정확하게 표시해 준다면 훨씬 더 편리할 것이다. 다시 말해, 오늘날에도 이러한 개념은 일부 정해진 프로그래밍을 통해 엿볼 수 있지만, 궁극적으로 생성형 AI가 실시간으로 제공하는 온디맨드 UI가 새로운 방식으로 자리 잡을 것이다.

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.

Bots beyond the text box
Axios

AI 제공업체들은 안전성과 품질 관리를 위해 ‘인간을 개입시켜야 한다’고 강조했지만, 요즘은 에이전트의 가능성에 대한 이야기를 한다. 실제로 몇 개 데모를 보면 놀랍기도 하다. 왜 인간인지 확인하는게 중요하다는 이야기가 나오는지 이해할 수 있을 것.

Anthropic의 ‘컴퓨터 사용’ 기능은 개발자와 고급 사용자가 Claude에게 웹에서 데이터를 수집해 스프레드시트에 입력하거나, 새로운 웹사이트를 처음부터 구축, 배포 및 디버깅하는 등의 작업을 다른 애플리케이션을 통해 수행하도록 지시할 수 있게 합니다.

• 이는 AI 업계에서 말하는 ‘에이전트(agent)’의 한 형태이며, 그 잠재력이 얼마나 강력할 수 있는지 쉽게 상상할 수 있습니다.
• 와튼(Wharton) 교수이자 AI 활용 전문가인 이선 몰릭(Ethan Mollick)은 Claude의 새로운 기능에 대해 “작업을 관리하는 것이 아니라 위임하는 느낌”이라고 평가했습니다.
• 전문가와 업계 관계자들은 AI가 새로운 기능을 추가함에 따라 지식 노동에서 엄청난 배가 효과가 있을 것으로 예상하고 있습니다.

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