서비스 수익과 이익은 실제로 하드웨어 판매에서 비롯된 것이라고 볼 수 있다. 즉, 하드웨어가 없으면 서비스도 존재할 수 없다. 하지만 애플은 3년 연속 아이폰 실질 가격을 낮춤으로써 서비스 사업의 성장을 위해 하드웨어의 접근성을 높였고, 이는 애플이 과거처럼 제품 가격을 쉽게 올릴 수 있는 힘이 약해졌다는 것을 의미한다고 말한다. 즉, 장기적인 성장 전략은 서비스에 더 초점을 맞추고 있다고 분석한다.
스넬은 애플에 “어디서 왔는지 기억하라”고 촉구하며 글을 마무리합니다. 하드웨어가 모든 것을 작동하게 하는 것입니다. 저는 스넬의 주장에 공감합니다. 통합 하드웨어 회사인 애플은 제가 존경하는 존재이자 어제 제가 잘못 예측한 것에서 알 수 있듯이 여전히 제 마음속에 크게 자리 잡고 있기 때문입니다. 게다가 서비스 수익과 이익은 하드웨어 수익과 이익에 대한 회계적 구분일 뿐이라고 주장할 수 있습니다(그리고 그래야 합니다). 왜냐하면 후자가 전자를 잠금 해제하기 때문입니다.
하지만 제가 iPhone을 특별히 분류한 이유는 바로 그것입니다. 저는 Snell이 말하는 보이지 않는 선은 이미 넘어섰다고 생각합니다. 네, 다음 분기 iPhone 숫자는 계절성 덕분에 다시 급증할 것이지만, 이제 Apple은 3년 연속으로 더 안정적으로 성장하는 서비스 사업을 선호하거나(실제 가격을 낮춰 iPhone의 접근 가능한 시장을 늘림으로써) 중년기에 제품 매출을 끌어올린 가격 책정력이 없다는 것을 인정했습니다.
순수 수학에서 LLM이 어떤 의미가 있을지에 관한 글. 수학자 테런스 타오(Terence Tao) 인터뷰. GPT4 o1 모델을 보통이지만 완전히 무능하지 않은 대학원생에 비교한 말이 화제가 된 바 있다. 하지만 의미가 곡해된 부분이 있다며 아래와 같이 이야기한다.
제가 해결할 수 있는 문제를 주고 모델을 안내하려고 했습니다. 먼저 힌트를 주었고, 모델은 힌트를 무시하고 다른 작업을 했는데, 작동하지 않았습니다. 제가 이것을 설명하자, 모델은 사과하고 “좋아요, 당신 방식대로 할게요.”라고 말했습니다. 그런 다음 제 지시를 상당히 잘 수행했지만, 다시 막혔고, 저는 다시 수정해야 했습니다. 모델은 가장 영리한 단계를 결코 알아내지 못했습니다. 그것은 모든 일상적인 일을 할 수 있었지만, 매우 상상력이 부족했습니다.
대학원생은 과제를 완전히 해결하지 못하더라도 학습하고 수정할 잠재력이 있다고 보지만 o1은 지속적인 학습과 다르다고 말한다.
그렇다면 어디에 이를 활용할 수 있을까? 이와 관련해 인터페이스로서 LLM에 대한 언급을 한다.
증명 지원 도구를 사용하면 함께 일하는 사람을 신뢰할 필요가 없습니다. 이 프로그램이 100% 보장을 제공하기 때문입니다. 그러면 지금은 실제로 존재하지 않는 공장 생산 유형의 산업 규모 수학을 할 수 있습니다. 한 사람은 현대 공급망과 같이 특정 유형의 결과만 증명하는 데 집중합니다. 문제는 이러한 프로그램이 매우 까다롭다는 것입니다. 전문 언어로 주장을 작성해야 합니다. 그냥 영어로 작성할 수는 없습니다. AI는 인간 언어에서 프로그램으로 일부 번역을 할 수 있습니다. 한 언어를 다른 언어로 번역하는 것은 거의 대규모 언어 모델이 하도록 설계된 것과 정확히 같습니다. 꿈은 챗봇과 대화를 나누며 증명을 설명하고, 챗봇이 진행하면서 증명 시스템 언어로 변환하는 것입니다. Wong: 그러니까 챗봇은 지식이나 아이디어의 원천이 아니라 인터페이스 방식이라는 거죠. Tao: 네, 정말 유용한 접착제가 될 수 있습니다.
옵트아웃 옵션이 제공되지 않았다는 부분을 지적하는데, 이와 관련해서 호주 상원위원은 유럽과 같은 강한 규제가 없었기 때문이라 답했다.
슈브리지 상원의원은 ABC와의 인터뷰에서 정부가 청소년들이 겪는 온라인 피해에 대해 우려한다면, 개인정보 보호법을 정비하는 것이 가장 중요한 우선순위가 되어야 한다고 말했습니다.
“유럽에서는 사람들의 프라이버시가 보호되지만 호주에서는 보호되지 않는 데는 이유가 있습니다. 유럽 의원들이 엄격한 프라이버시 법률을 만들었기 때문입니다. Meta는 오늘 호주에 이와 동일한 법률이 있다면 호주인의 데이터도 보호되었을 것이라고 분명히 밝혔습니다.”라고 그는 말했습니다.
뉴욕대학 교수이자 메타 수석 AI과학자인 얀 르쿤은 대표적인 인공지능 회의론자. 인간과 같은 지능을 가지게 될 것이라는 우려에 대해 고양이에 비유하여 인공지능을 설명한다. 그의 입장은 얼마나 더 많은 데이터나 인프라를 투자하는지가 아닌 새로운 모델이 필요하다는 것. 이미지를 통해 학습하는 방식에 기대를 하고 있다는 이야기도 얼핏 나온다. 결국 지금 방식의 모델은 사람들이 걱정하는 수준에 다다를 수 없다고 본다
LeCun는 이러한 논의가 시기상조일 가능성이 크다고 말한다. 지난 5월, 떠나는 오픈AI 연구원이 초지능 AI를 제어하는 방법을 배우는 것이 필요하다고 언급했을 때, LeCun은 즉각 반응했다. 그는 X(구 트위터)에서 “우리보다 훨씬 더 똑똑한 AI 시스템을 긴급히 제어하는 방법을 알아내기 전에, 집 고양이보다 더 똑똑한 시스템을 설계할 수 있는 최소한의 단서라도 필요하다고 생각한다”고 답했다.
LeCun은 고양이 비유를 좋아한다. 그는 고양이가 물리적 세계에 대한 정신 모델, 지속적인 기억, 일정 수준의 추론 능력, 계획 수립 능력을 가지고 있다고 말한다. 그러나 메타를 포함해 오늘날의 최첨단 AI에는 이러한 특성이 전혀 존재하지 않는다.
연구 및 노트작성을 도와주는 구글의 도구인 Notebook LM. 흥미로운 기능을 소개했는데, 논문을 올려놓으면 그 내용을 바탕으로 자동으로 팟캐스트를 만들어주는 점이다.
오늘은 문서를 매력적인 오디오 토론으로 전환하는 새로운 방법인 Audio Overview를 소개합니다. 한 번의 클릭으로 두 명의 AI 호스트가 귀하의 소스를 기반으로 활기찬 “심층 분석” 토론을 시작합니다. 그들은 귀하의 자료를 요약하고, 주제 간의 연결을 만들고, 서로 농담을 주고받습니다. 대화를 다운로드하여 이동 중에도 사용할 수 있습니다.
이것이 무엇을 의미하는걸까? 기능을 보여주기 위한 서비스일수 있지만 실제 활용에서는 효과가 있을까? 재미있는 부분이 있을 것 같다.
오랜만에 듣게 되는 월드코인 이야기. 이름을 월드로 바꾸고 홍채기반 신원증명에 더 집중하게 될 것이라는 기사
이제 월드(World)로 불릴 이 회사는 암호화폐에 대한 뿌리에서 벗어나, 봇이 가득한 세상에서 인간이 자신의 신원을 확인할 수 있도록 하는 데 집중하고자 합니다. 이는 어제 샌프란시스코에서 열린 행사에서 명확히 밝혀졌습니다. […] 인간임을 증명해야 하는 문제는 AI가 없었다면 생기지 않았을 문제이지만, 점점 현실적인 이슈로 떠오르고 있습니다.
테무나 쉐인같은 커머스 사이트를 통한 직구가 증가하면서 국내에서도 비슷한 논의가 있었는데 미국에서 이와 관련된 면세제도가 가지는 효과에 대해 연구가 나왔다.
미국 소비자는 관세와 행정 수수료 없이 하루에 800달러 상당의 상품을 수입할 수 있습니다. 소비자 직거래의 증가에 힘입어 최근 몇 년 동안 이러한 “최소” 배송은 폭발적으로 증가했지만 인구조사 무역 데이터에는 기록되지 않습니다. 이러한 유형의 무역으로 혜택을 보는 사람은 누구이며, 정책적 시사점은 무엇일까요? 3개 글로벌 운송업체와 미국 관세국경보호청의 최소 배송을 포함한 국제 배송 데이터를 분석합니다. 저소득층 우편번호일수록 특히 중국으로부터 최소 배송을 수입할 가능성이 높았으며, 이는 소비자 직거래에서 발생하는 관세 및 관리 수수료가 빈곤층에게 불균형적으로 혜택을 준다는 것을 시사합니다. 이론적으로 임계치 이상의 관세를 부과하면 선형 관세가 완전히 통과되는 환경에서도 번칭을 통해 거래 조건의 이득을 얻을 수 있습니다. 경험적으로 번칭은 직접 배송에 대한 수요 탄력성을 떨어뜨립니다. 321조를 폐지하면 총 후생이 109억~130억 달러 감소하고 저소득층과 소수 민족 소비자에게 불균형적인 피해를 입힐 수 있습니다.
최첨단 연구소 성능의 수렴: 최첨단 연구소의 성능이 수렴하면서 독점 모델의 우위가 사라지고 있으며, GPT-4와 다른 모델 간의 격차가 좁혀지고 있습니다. OpenAI의 o1은 연구소를 다시 최상위로 올려놓았지만, 그 위치가 얼마나 지속될지는 불확실합니다.
계획 및 추론의 우선순위: LLM(대규모 언어 모델) 연구에서 계획 및 추론이 중요한 과제로 떠올랐습니다. 기업들은 강화 학습, 진화 알고리즘, 자기 개선(Self-improvement)과 LLM을 결합하여 미래의 자율 에이전트 애플리케이션을 개발하는 방법을 모색하고 있습니다.
기초 모델의 다분야 확장: 기초 모델(Foundation Models)은 언어를 넘어 수학, 생물학, 유전체학, 물리학 및 신경과학 등 다양한 분야에서 다중 모달(multimodal) 연구를 지원하는 능력을 입증하고 있습니다.
미국 제재의 제한적 영향: 미국의 제재는 중국 연구소가 강력한 (V)LLM(초거대 언어 모델)을 생산하는 데 제한적인 영향을 미쳤습니다. 재고, 승인된 하드웨어, 밀수 및 클라우드 액세스의 조합으로 인해 중국 연구소는 고성능 모델을 구축할 수 있었습니다. 그러나 중국의 반도체 산업 육성 노력은 여전히 혼란스러운 상태입니다.
AI 기업의 기업 가치 상승: AI 기업의 기업 가치는 9조 달러에 도달했으며, 상장 기업은 AI 노출로 인해 강세장을 경험하고 있습니다. 비상장 AI 기업에 대한 투자는 증가했지만, 미국 내 대규모 GenAI(생성형 AI) 투자 라운드에도 불구하고 그 규모는 상대적으로 적었습니다.
수익을 창출하는 AI 기업의 등장: 기초 모델 개발자 및 비디오 및 오디오 생성에 집중하는 스타트업 등 일부 AI 기업은 본격적으로 수익을 창출하기 시작했습니다. 그러나 기업들이 시장 점유율을 확보하기 위해 모델 가격을 낮추는 과정에서 장기적인 지속 가능성에 대한 의문이 제기되고 있습니다.
의사 인수(pseudo-acquisition)의 등장: 일부 AI 기업은 최첨단 기술을 유지하는 데 비용이 많이 들기 때문에, 지속 가능한 비즈니스 모델을 찾지 못해 의사 인수를 통해 사업을 정리하는 방안을 모색하고 있습니다.
실존적 위험 담론의 완화: OpenAI의 쿠데타 시도 실패 이후, AI의 실존적 위험에 대한 논의는 다소 완화되었습니다. 그러나 연구자들은 여전히 모델의 잠재적 취약점과 오용 가능성에 대한 연구를 심화하고 있으며, 잠재적 수정 및 안전장치를 제안하고 있습니다.
최근에 플랫폼 규제 관련 내용을 보다보니 어쩌다 이런 보고서까지 보게 되었는데… 유럽 자체적으로도 경쟁력 약화에 대해 인지하고 이를 이야기하는 목소리도 있다는 것이다. 내용은 길어서 링크만 남기고 아래는 GPT 요약
혁신 격차 해소: 유럽은 미국과 중국에 비해 기술 및 디지털 혁신에서 뒤처져 있습니다. 특히 AI, 클라우드 컴퓨팅, 양자 컴퓨팅 같은 첨단 기술 분야에서의 투자와 기술 개발이 부족합니다. 이를 해결하기 위해 유럽 내에서 혁신을 촉진하고, 기업이 새로운 기술을 상용화할 수 있는 생태계를 조성하는 것이 필요합니다. 이는 새로운 고용과 경제 성장을 이끌어낼 것입니다.
탈탄소화와 경쟁력 계획: 에너지 비용이 높고 자원 의존성이 큰 유럽은 탄소 중립을 달성하기 위한 일관된 전략이 필요합니다. 청정 에너지 전환을 통해 에너지 비용을 낮추고, 청정 기술 분야에서 글로벌 리더로 자리매김하기 위한 지원이 요구됩니다. 이를 위해 EU 내 에너지 및 자원 시장의 통합이 중요한 요소로 지목됩니다.
안보 강화 및 의존성 감소: 보고서는 글로벌 공급망과 무역에 대한 의존이 유럽의 안보에 위협이 될 수 있다고 경고합니다. 특히 핵심 원자재와 디지털 기술 부문에서 자급자족을 강화하고, 특정 국가 의존을 줄이기 위한 외교 경제 정책이 필요하다고 강조합니다.
투자와 재정 자원 마련: 이러한 변화를 지원하기 위해서는 대규모 투자가 필요하며, 이는 공공 부문의 지원 없이는 어려울 수 있습니다. 따라서 유럽 내 자본 시장을 통합해 개인과 기업의 저축이 생산적인 투자로 이어지도록 유도하고, 공동 자금을 조성해 연구 및 혁신을 지원해야 한다고 제안합니다.
EU 거버넌스 개혁: 유럽 연합의 결정 과정이 지나치게 느리고 분산되어 있다는 문제를 해결하기 위해 EU의 통합적인 거버넌스 구조를 강화하고, 규제 부담을 줄이는 것이 필요합니다. 이를 통해 정책의 일관성을 높이고 공동 목표를 향한 효율적인 대응을 가능하게 해야 합니다.
서게이 브린은 AI 기술이 구글의 핵심 분야인 검색을 포함하여 다양한 일상생활에서 큰 변화를 가져올 것이라고 언급했습니다. 그는 특히 AI가 사람들의 작업 방식에 미치는 영향을 강조하며, 이제는 단순히 코드를 작성하기보다는 AI에게 요청하여 코드를 생성하고 문제를 해결하는 시대가 왔다고 말했습니다. 예를 들어, 브린은 구글의 AI를 이용해 스도쿠 문제를 자동으로 생성하고 해결하는 프로그램을 만들었는데, 이런 경험을 통해 AI가 매우 복잡한 작업도 스스로 해결할 수 있는 능력을 가지고 있음을 체감했다고 밝혔습니다.
또한, 그는 현재 AI 모델들이 특정 문제를 해결하기 위해 개별적으로 설계되었지만, 앞으로는 여러 기능을 통합한 모델, 즉 “통합된 아키텍처”를 가진 AI가 등장할 가능성이 크다고 내다보았습니다. 그는 일부 전문가들이 이 통합된 모델을 “신의 모델(God model)”이라고 표현하는데, 이것이 모든 것을 해결할 수 있는 최종 AI 모델이 될 것이라는 기대와 과장이 있다고 덧붙였습니다. 그러나 브린은 현재로서는 특정 문제에 특화된 소규모 모델들이 각자 협력하여 최적의 결과를 내는 방식이 더 현실적이라고 설명했습니다.
브린은 AI의 놀라운 응용 분야 중 하나로 생물학을 예로 들었습니다. 특히, 구글의 알파폴드(AlphaFold)는 단백질 구조를 예측하는 데 뛰어난 성과를 보여 주며 생명과학 연구에 혁신을 가져왔습니다. 브린은 이처럼 AI가 기존 기술로는 접근하기 어려웠던 문제를 해결하며, 과학 및 연구에 커다란 기여를 할 수 있다고 설명했습니다. 또 다른 분야로는 로봇공학을 언급했으며, AI가 로봇의 움직임과 인식을 더욱 정교하게 만들어 주었지만, 아직 일상에서 활용되기 위해서는 더 많은 개선이 필요하다고 보았습니다. 특히 과거 구글이 여러 로봇 회사들을 인수하고 발전시키려 했지만 당시의 AI 기술로는 기대한 수준의 성과를 내지 못했다고 회고했습니다.
AI의 발전이 인간-컴퓨터 상호작용을 어떻게 변화시킬지에 대한 전망도 흥미로웠습니다. 브린은 AI가 실시간 영상 및 음성 인식을 통해 사용자의 주변 환경을 파악하고 그에 따라 상호작용할 수 있는 단계에 도달했다고 언급했습니다. 그는 구글이 개발 중인 “Astra”라는 모델을 예로 들어, 이 모델이 실시간으로 사용자와 소통하면서 주변 상황을 이해하고 반응하는 기능을 구현하고 있다고 설명했습니다. 이는 AI가 단순히 정적인 응답을 넘어, 실제 환경에서 사람과 상호작용할 수 있는 새로운 가능성을 열어줄 것으로 기대됩니다.
AI의 발전 속도에 대해서도 그는 놀라움을 표현했습니다. 브린은 불과 몇 년 전만 해도 언어 모델을 개발하기 위한 신경망 기술이 주목받지 못했지만, 이제는 기술과 데이터의 발전 덕분에 놀라운 성과를 내고 있다고 강조했습니다. 그는 최근 AI 개발에 있어 구글이 경쟁자들보다 한 걸음 앞서 있는 점을 언급하면서, 치열한 경쟁이 구글 내부에도 큰 자극제가 되고 있음을 인정했습니다. 경쟁이 AI 분야에서 혁신을 촉진시키며, 결과적으로 인간에게 더 큰 혜택을 가져다줄 수 있다는 긍정적인 견해를 밝혔습니다.
마지막으로 브린은 AI의 가치를 대중과 공유하는 것이 중요하다고 말했습니다. AI가 완벽하지 않고 때때로 실수를 범하더라도, 이를 통해 사람들이 새로운 가능성을 발견하고 실험할 수 있는 기회를 주는 것이 필요하다고 강조했습니다. 그는 “마법 같은 능력”을 가진 AI가 세상에 제공할 수 있는 혁신적 잠재력을 지지하며, 대중이 AI와 함께 성장하고 발전해 나가는 것이야말로 미래 AI 기술의 본질적인 목표라고 생각한다고 덧붙였습니다.
