haeyeop

Blog

  • ChatGPT 설명

    보고서를 쓰면서 읽었던 몇 가지 글. ChatGPT와 같은 언어모델이 어떻게 작동하는지를 설명하는 내용이다. 조금 더 평이한 글로 쓰여진 것도 있고, 약간 수학적인 부분이 포함된 내용도 있다.

    Generative AI exists because of the transformer (FT.com)
    What Is ChatGPT Doing … and Why Does It Work? (Stephen Wolfram)

  • 죽은 NFT 시장

    Dead NFTs: The Evolving Landscape of the NFT Market
    dappGambl

    기사를 보고 정리를 안 하고 있었더니 이미 다른 곳에서도 많이 언급된 이야기

    NFT는 상승세를 보이다 폭락했다. 23년 7월 주간 거래액은 약 8천만 달러로, 2021년 8월 최고치의 3%에 불과했다. 과연 미래는 있을 것인가? NFT 스캔에서 제공한 데이터를 사용해 73,257개 이상의 NFT 컬렉션 (정확히 73,257개)에 대한 종합적인 분석을 작성했다. 결과에 따르면 73,257개의 NFT 컬렉션 중 69,795개의 시가총액이 0 이더(ETH)인 것으로 나타났다. 즉, NFT를 보유한 사람의 95%가 현재 가치가 없는 투자자산을 보유하고 있다고 할 수 있다. 또한 전체 NFT 컬렉션의 79%, 즉 5개 중 4개가 미판매 상태로 남아있다. 그러면서 실제 사용사례에 대해 언급한다.

    시장 침체를 극복하고 지속적인 가치를 가지려면 대체 불가능한 토큰은 역사적으로 관련성이 있거나(초판 포켓몬 카드처럼), 진정한 예술품이거나, 진정한 유용성을 제공해야 합니다.

    • 문화유산 보존: 대체 불가능한 토큰은 문화 유물을 디지털화하고 보호하는 데 사용되어 블록체인에서 고유하고 불변하는 지위를 부여할 수 있습니다.
    • 게임: NFT로 표시되는 고유한 게임 내 자산은 다양한 게임 환경에서 구매, 판매 및 사용할 수 있습니다.
    • 토큰 게이트 액세스: NFT는 보유자에게 이벤트, 콘텐츠 또는 서비스에 대한 특별 액세스 권한을 부여할 수 있습니다.
    • 부분 소유권: 기본적으로 단일 자산을 나타내는 대체 불가능한 토큰은 여러 부분으로 분할할 수 있으며, 주식처럼 생각하면 주식과 같습니다. 이를 통해 여러 소유자가 NFT에 지분을 보유할 수 있으므로, 일반인이 자산/예술에 훨씬 더 쉽게 접근할 수 있습니다.
    • 부동산: 소유한 자산을 대체 불가능한 토큰으로 토큰화하여 블록체인 플랫폼에서 자산을 판매할 수 있으며, 이를 통해 훨씬 쉽게 판매할 수 있는 경로를 제공할 수 있습니다.
    • 디지털 신원: 온라인 익명성에는 위험이 따를 수 있으며, NFT는 온라인 페르소나, 자격 증명 또는 자격이 검증 가능하고 고유한지 확인하는 데 사용될 수 있습니다.

  • 틱톡에서 불법 영화

    People Are Streaming Pirated Movies on TikTok, One Short Clip at a Time (WSJ)
    by Hacker News

    불법 이용에 관한 WSJ 기사를 두고 해커뉴스에 달린 댓글중에 재미있는 내용이 꽤 있어서 남기는 글. 틱톡에서 짧은 클립을 하나 올리는 것은 공정이용으로 볼 수 있지만, 이러한 방식을 악용해서 영화 한 편을 쪼개서 올리는 사람들이 있다는 이야기. 탑건에 관한 과거 할리웃 리포터의 뉴스기사가 언급되기도 한다(2014년 기사). 불법 이용의 역사는 길고 비슷한 방법은 계속 활용됨에도 불구하고 쿨타임이 지나면 한번씩 나오는 이야기.

  • 생성 인공지능의 2막

    Generative AI’s Act Two
    SEQUOIA

    여러 불확실성에도 불구하고 생성 인공지능은 이미 스타트업에서만 10억 달러 이상의 매출을 올리며 SaaS보다 성공적인 출발을 보였다고 평가한다. 1) 생성 인공지능이 대세이며, 2) 킬러 앱(ChatGPT)이 등장해 가장 빠르게 1억 MAU에 도달했으며, 3) 개발자 엑세스가 이루어지고, 4) 폼 팩터가 진화하고 있다. 하지만 문제는 실질적인 문제는 가치를 입증해야 한다는 점이라고 말한다. 1달 리텐션에서 기존 앱이 평균 63%라면, 인공지능 기업의 평균은 42%에 지나지 않는다.

    그래서 다양한 개발 스택이 등장하고 새로운 제품의 청사진이 등장하고 있다고 말한다.

    • 생각의 사슬, 생각의 나무, 반사와 같은 새로운 추론 기법은 더 풍부하고 복잡한 추론 작업을 수행할 수 있는 모델의 능력을 향상시켜 고객의 기대와 모델 기능 사이의 격차를 좁히고 있습니다. 개발자들은 Langchain과 같은 프레임워크를 사용하여 더 복잡한 멀티체인 시퀀스를 호출하고 디버깅하고 있습니다.
    • 특히 최근 GPT-3.5 및 Llama-2에 대한 미세 조정이 가능해짐에 따라 RLHF 및 미세 조정과 같은 전이 학습 기법에 대한 접근성이 높아지고 있으며, 이는 기업이 특정 도메인에 맞게 기초 모델을 조정하고 사용자 피드백을 통해 개선할 수 있다는 것을 의미합니다. 개발자들은 허깅 페이스에서 오픈 소스 모델을 다운로드하고 이를 미세 조정하여 우수한 성능을 달성하고 있습니다.
    • 검색 증강 세대는 비즈니스 또는 사용자에 대한 컨텍스트를 가져와 환각을 줄이고 진실성과 유용성을 높이고 있습니다. Pinecone과 같은 회사의 벡터 데이터베이스는 RAG의 인프라 중추가 되었습니다.
    • 새로운 개발자 도구와 애플리케이션 프레임워크는 기업이 재사용 가능한 빌딩 블록을 통해 고급 AI 애플리케이션을 만들고, 개발자가 운영 중인 AI 모델의 성능을 평가, 개선 및 모니터링할 수 있도록 지원하며, 여기에는 랭스미스, 웨이트 앤 바이어스 같은 LLMOps 도구도 포함됩니다.
    • Coreweave, Lambda Labs, Foundry, Replicate, Modal과 같은 AI 우선 인프라 기업은 퍼블릭 클라우드의 번들링을 해제하고 AI 기업이 가장 필요로 하는 것, 즉 합리적인 비용으로 온디맨드 방식으로 사용할 수 있고 확장성이 뛰어난 풍부한 GPU와 우수한 PaaS 개발자 환경을 제공하고 있습니다.

    관련 서비스가 다양하게 등장하며 자체적으로 비즈니스모델을 만들고 이용하기 쉬운 환경을 만들고 있지만, 아직까지는 여전히 돈이 꽤 드는 작업이라 서비스 개발이 아닌 연구쪽에서는 어떻게 활용할 수 있을지 감이 잘 오지 않는다.

  • 언론사의 인공지능 활용 실패사례들

    몇 가지 널리 알려진 사례를 정리한 글. 우선 디스패치의 스포츠 기사.

    8월 18일자 디스패치의 기사 중 하나는 로봇 같은 스타일, 선수 이름 부재, “운동선수들의 긴박한 만남”과 같은 어색한 문구 사용으로 소셜 미디어에서 폭발적인 반응을 얻었습니다.

    Dispatch pauses AI sports writing program

    포털 MSN이 인공지능 생성 기사를 적절하게 신디케이션하지 못한다는 기사.

    MSN이 기사를 삭제했음에도 불구하고 Race Track은 여전히 거의 알아들을 수 없는 횡설수설한 기사를 계속 게시하고 있으며, MSN은 이를 계속 신디케이트하고 있습니다. 보도 시간 한 시간 전에 이 수상한 매체는 “학자로서 골프에 매진해야 하는 7가지 이유”라는 제목의 기사를 게시했는데, 이 기사는 2022년 골프 월간지에서 작성한 기사를 베낀 것으로 보입니다.

    포뮬러 1 드라이버 세르히오 페레즈가 레드불이 아닌 ‘퍼플불’ 팀에 속해 있다고 주장하는 의도치 않게 웃긴 기사도 있습니다.

    Microsoft가 뉴스 포털을 통해 AI가 생성한 엉터리 콘텐츠를 게시한 것이 적발된 것은 이번이 처음이 아닙니다. 예를 들어, MSN은 지난달 캐나다 오타와에 대한 여행 가이드를 게시했다가 삭제했는데, 이 가이드는 관광객들에게 지역 푸드 뱅크를 방문하도록 추천하는 등 유사하게 일관성 없는 AI 생성 콘텐츠였습니다.

    MSN Deletes Plagiarized, Incoherent AI Articles, Then Continues Cranking Out More

    금융 웹사이트 뱅크레이트 기사 사례

    AI는 기본적인 복리 이자의 원리를 제대로 설명하지 못했고, 개인 뱅킹에 대한 기초적인 사실도 왜곡했습니다. 무엇보다도 이 설명은 금융 지식이 부족한 사람들을 겨냥한 것이 분명했기 때문에 Google에서 순위를 매길 경우 가장 도움이 필요한 사람들이 상상할 수 있는 가장 낮은 품질의 정보에 노출될 수 있었습니다.

    이러한 문제적인 부정확성은 인공지능이 문법적으로 정확한 – 다소 산문적이기는 하지만 – 문장을 구성할 수는 있지만, 권위적인 어투를 사용함에도 불구하고 기본적인 사실조차 정확하게 파악하지 못하는 경우가 많다는 것을 보여줍니다.

    SEO Spammers Are Absolutely Thrilled Google Isn’t Cracking Down on CNET’s AI-Generated Articles

    G/O의 A.V. Club, IMDb 기반 기사생성 사례

    때때로 AI의 출력은 IMDb에 표시되는 것과 약간 다를 수 있습니다. 8월 영화 목록에 있는 ‘제시카 프로스트’에서도 마찬가지입니다:

    한 젊은 여성이 시간 여행 사이코패스가 자신을 쫓는 이유를 알아내기 위해 사막, 시간, 공간, 가족의 과거를 여행하게 됩니다.

    다음은 몇 단어 더 길지만 실질적으로 동일한 IMDb의 설명입니다:

    시간 여행 사이코패스가 자신을 쫓는 이유에 대한 진실을 찾는 한 젊은 여성이 사막, 시간, 공간, 가족의 과거를 가로지르는 격동의 여정에 뛰어들게 됩니다.

    8월 영화 목록과 17세 관람가 영화 목록 모두에 등급이 상향된 영화 설명 외에는 아무런 텍스트가 없다는 점이 이 모든 것의 무미건조함을 더욱 두드러지게 합니다. 쉽게 이해할 수 있는 소개도 없고, NC-17 등급의 흥미로운 역사에 대한 설명이나 여름 개봉작에 대한 흥미진진한 맥락도 없습니다. 다시 말해, 수십 년 동안 엔터테인먼트 저널리즘 분야에서 A.V. 클럽의 탁월한 업적과 구별되는 훌륭한 글쓰기가 전혀 없습니다.

    The A.V. Club’s AI-Generated Articles Are Copying Directly From IMDb

  • 인공지능 활용이 나쁜 아이디어라는 인공지능의 사설

    Editorial: AI wrote this editorial. It offers persuasive arguments for why that’s a bad idea.
    St. Louis Post-Dispatch

    인공지능을 저널리즘에 활용하는 것에 대해 인공지능에게 사설을 쓰게 한 세인트루이스 포스트 디스패치. 전문을 읽어보고 개별 주장에 비판해보는 것도 나쁘지 않을 듯.

    편집자 주: 최근 인공지능이 저널리즘에서 많은 논란을 불러일으키고 있는 가운데, 포스트 디스패치 편집위원회는 “인공지능을 저널리즘에 사용해서는 안 된다고 주장하는 신문 사설을 작성하라”는 명령을마이크로소프트의 빙 채팅 인공지능 프로그램이어떻게 처리할지궁금해했습니다.

    아래는 스타일을 위해 살짝 편집했지만 프로그램에서 그대로 가져온 결과입니다.

    Bing Chat은 저널리즘에서 인공지능을 배제해야 한다는 명쾌하고 설득력 있는 주장을 펼친 것으로 나타났습니다. 아이러니하고 충격적인 실험의 성공이지만, 이 실험이 동료 인간들 사이에서 토론을 불러일으키기를 바랍니다.

  • 뉴욕타임스 생성 인공지능 채용 공고

    Newsroom Generative AI Lead
    NYT

    생성 인공지능 관련 채용 공고. 저널리즘 경력을 갖추고 있어야하며, 기술적인 부분에 대한 이해도 높은 사람을 찾는다. 그래서인지 코딩 능력은 선호되지만 필수는 아니라고. 전반적인 프로세스를 이해해서 업무를 관리하고 생성 인공지능 관련 업무를 기존 업무에 통합시킬 수 있는 사람을 찾는 듯. 아래는 전문.

    뉴욕타임즈의 사명은 진실을 추구하고 사람들이 세상을 이해하도록 돕는 것입니다 . 이는 독립적인 저널리즘이 회사에서 하는 모든 일의 핵심이라는 것을 의미합니다. 이것이 바로 160여 개국에서 기자를 파견하여 현지에서 취재하는 세계적으로 유명한 뉴스룸이 있는 이유입니다. 또한 인쇄물부터 오디오, 세계적 수준의 디지털 및 앱에 이르기까지 독자가 저널리즘을 경험하는 방식에 깊이 집중하는 이유이기도 합니다. 또한 비즈니스 전략의 중심이 돈을 지불할 가치가 있을 만큼 좋은 저널리즘을 만드는 데 있는 이유이기도 합니다.

    직무 설명

    뉴욕타임스는 야심차고 책임감 있게 제너레이티브 인공지능을 활용하려는 뉴스룸의 노력을 이끌 선임 편집자를 찾고 있습니다.

    이 편집자는 더 타임스가 GenAI 혁신과 저널리즘에 대한 응용 분야의 리더가 될 수 있도록 하는 책임을 맡게 됩니다. 이들은 뉴스룸 내부뿐만 아니라 독자를 대면하는 방식으로 GenAI 도구를 사용하기 위한 우리의 노력을 이끌 것입니다. 이를 위해 이 기술에 접근하는 방식에 대한 비전을 구체화하고, 기회와 한계 및 위험에 대해 뉴스룸의 선도적인 목소리를 낼 것입니다.

    이 리더는 뉴스룸 전체에서 새로운 기능을 프로토타이핑하고 실험을 진행하는 소규모 저널리스트 및 기술자 팀을 관리합니다. 가장 설득력 있는 접근 방식을 위해서는 뉴스 데스크 및 여러 부서의 제품 팀과 협력하여 프로젝트를 프로토타입 단계에서 프로덕션 단계로 끌어올려야 합니다. 편집자의 주요 초점은 GenAI 도구를 타임즈 저널리즘과 워크플로우에 통합할 수 있는 높은 잠재력과 책임감 있는 방법을 보여주는 프로젝트를 꾸준히 제작하는 것입니다.

    이들은 기술이 발전함에 따라 더 타임즈가 업계의 최신 동향을 파악하고 있는지 확인하고 새로운 기회와 취약점을 지속적으로 경계해야 합니다. 또한 그에 따라 우선순위와 계획의 조정을 권고해야 합니다.

    이 리더는 또한 진화하는 기술의 특성과 위험성을 고려하여 표준 부서와 협력하여 뉴스룸 전체에서 기자들이 GenAI를 사용하는 방법에 대한 추가 지침을 수립하는 데 도움을 줄 것입니다.

    구체적인 책임은 다음과 같습니다:

    • 마스트헤드와 함께 더 타임즈가 뉴스 보도와 관련된 제너레이티브 인공 지능을 활용하는 방법에 대한 비전을 설정합니다.
    • 뉴스룸 및 회사 리더들과 협력하여 모든 제품에 GenAI를 적용하기 위한 광범위한 전략을 수립합니다.
    • 연구, 프로토타입 개발, 실험을 수행할 수 있는 저널리스트, 기술자, 디자이너로 구성된 팀을 관리합니다.
    • 더 타임즈 뉴스 보도에 가장 유망한 GenAI 아이디어를 평가하고, 어떤 아이디어를 먼저 탐색해야 하는지 우선순위를 정하고, 어떤 아이디어가 편집상의 장점이나 기타 이점을 충분히 갖추고 있는지 판단하여 각 단계에서 제품 팀과 효과적으로 파트너십을 맺습니다.
    • 회사 내 다른 부서와의 협업에서 GenAI에 대한 뉴스룸의 관점을 대변하고, 제품, 디자인, 기술 분야의 리더들과 협력하여 아이디어를 프로토타입 상태에서 생산 단계로 끌어올리기 위해 노력합니다.
    • 새로운 기능을 프로토타이핑하는 팀의 실행 관리
    • 뉴스룸 전반에서 기자들이 GenAI를 폭넓게 실험하고 사용하는 것을 감독합니다.
    • GenAI 분야의 최신 연구 및 개발에 대한 최신 정보 파악엔지니어링 및 다른 기업과의 파트너십을 통해 알고리즘 편향성 평가를 포함한 GenA.I 도구 검증

    기본 자격

    • 저널리즘의 품질과 프로세스, 표준과 윤리에 대해 올바른 판단을 내릴 수 있는 풍부한 저널리즘 경험
    • 언어 모델의 작동 방식과 저널리즘 맥락에서 언어 모델을 평가하는 방법을 이해하는 등 기술적 호기심과 유창성. 코딩 능력은 선호되지만 필수는 아니지만 기술에 대해 토론하고 참여하는 데 유창한 능력이 필요합니다.
    • 다양한 기능의 제품 개발 팀을 이끌거나 함께 일한 경험
    • 동시에 여러 작업을 진행하는 민첩한 팀을 관리하고 프로젝트를 체계적으로 관리할 수 있습니다.
    • 부서 간 이해관계자의 긍정적인 파트너 역할을 수행하고 우선순위가 높은 업무에 대해 리더십과 효과적으로 소통한 경험

    선호 자격

    • 더 타임즈 또는 기타 유사한 뉴스 조직에서 복잡하고 리스크가 큰 프로젝트를 진행한 경험이 있으면 적극 권장됩니다.
    • 창의적인 사고방식과 폭넓은 비전과 큰 아이디어를 더 타임즈의 저널리즘에 적용하고, 업무의 우선순위를 정하고 해당 전략을 지원하기 위해 절충안을 도출할 수 있는 능력

    이 역할의 연간 기본 급여는 $180,000.00에서 $220,000.00 사이입니다.

    뉴욕타임즈는 다양한 글로벌 커뮤니티를 반영하는 다양하고 포용적인 인력을 확보하기 위해 최선을 다하고 있습니다. 우리의 저널리즘과 저널리즘을 위해 구축하는 제품은 모든 직급, 모든 수준의 조직에서 모든 유형의 다양성에서만 나올 수 있는 다양한 관점의 이점을 크게 누릴 수 있습니다. 진정한 다양성과 포용성을 달성하는 것은 옳은 일입니다. 또한 비즈니스에도 현명한 일입니다. 따라서 여성, 재향군인, 장애인, 유색인종, 성별 부적합 후보자의 지원을 적극 권장합니다.

    뉴욕타임즈는 기회 균등 고용주로서 개인의 성별, 나이, 인종, 피부색, 신념, 출신 국가, 외국인, 종교, 결혼 여부, 임신, 성적 지향 또는 애정 취향, 성 정체성 및 표현, 장애, 유전적 특성 또는 성향, 보인자 신분, 시민권, 퇴역 또는 군 복무 여부 및 기타 법으로 보호되는 개인적 특성에 근거하여 차별하지 않습니다. 모든 지원자는 법적으로 보호되는 특성에 관계없이 채용 시 고려 대상이 됩니다. 뉴욕타임즈 회사는 해당 연방법, 주법 및/또는 지방법에서 요구하는 바에 따라 합리적인 편의를 제공할 것입니다. 지원 또는 면접 과정에서 편의가 필요한 개인은 이메일( reasonable.accommodations@nytimes.com)로 문의하시기 바랍니다.지원서 후속 조치 등 지원과 무관한 문제로 보낸 이메일은 응답을 받지 못합니다 .

    당사는 관련 “공정한 기회” 법률의 요건에 부합하는 방식으로 범죄 경력이 있는 지원자를 포함하여 자격을 갖춘 지원자를추가로 고려할것입니다.

    뉴욕타임즈 컴퍼니는 미국 연방 계약 준수 프로그램 사무소에서 정한 급여 투명성 및 차별 금지 조항을 준수합니다. 자세한 내용을 보려면 여기를 클릭하세요.

  • 쓸모없어지는것에 대한 두려움

    Thanks to A.I., workers are struggling with “FOBO”—fear of being obsolete ($)
    Fortune

    갤럽 조사에서 근로자의 약 1/4 정도가 빠르게 발전하는 기술이 자신의 직업을 쓸모없게 만들 것이라고 걱정한다. 이를 FOBO (fear of being obsolete)이라고 부른다.

    최근 1,000명의 근로자를 대상으로 실시한 갤럽의 설문조사에 따르면 미국 근로자의 약 4분의 1(22%)이 빠르게 발전하는 기술이 곧 자신의 직업을 쓸모없게 만들지 않을까 걱정하고 있습니다. 기술에 대한 두려움은 2021년 이후 7% 포인트 증가한 반면, 다른 우려는 거의 제자리걸음인 것으로 나타났습니다. 갤럽은 이러한 두려움을 ‘쓸모없어지는 것에 대한 두려움’을 뜻하는 FOBO라고 부르는데, 이는 실패에 대한 두려움을 뜻하는 FOMO에 빗댄 것입니다.

    최근 조사를 보면 대학 학위가 있는 근로자의 불안이 매우 증가하여 2021년 8%에서 20%로 증가했다. 학위가 없는 근로자의 불안은 항상 유사한 수준(24%)이었는데 대졸자의 불안이 이를 따라잡은 것. 젊은 근로자, 연봉 10만달러 이하 근로자가 고연령, 고소득 근로자에 비해 더 불안감을 느끼는 것으로 나타났다.

  • 뉴스를 학습한 챗봇

    Building a chatbot trained on your newsroom’s content
    Reynolds Journalism Institute

    혹시 나중에 사례로 언급할만한 일이 있을까 싶어서 남기는 글.

    언론에서 뉴스를 학습한 챗봇을 어떤 용도로 활용할 수 있는지는 여전히 불명확하다. 하지만 RJI는 챗봇을 활용하기 위해 미주리 인디펜던트가 거친 과정을 공유한다. 개인적으로는 알게 된 몇 가지는 유료 서비스 플랫폼이 생각보다 꽤 된다는 점이다. 물론 시간, 비용, 학습 범위, 서비스 목표를 고려하여 의사결정 해야하겠지만, 이 정도로 만든 봇이 얼마나 잘 작동하고 어떤 용도로 활용가능한지는 여전히 잘 모르겠다.

    • 챗봇이 항상 답변에 맥락을 추가하는 것은 아닙니다. 예를 들어, 챗봇은 이 커뮤니티가 고려 중인 특정 정책에 대한 질문에 답변했지만 직접 질문하기 전까지는 커뮤니티가 이 정책을 거부했다는 사실을 인지하지 못했습니다.
    • 이러한 독자는 특정 주제를 다루는 기자만큼 해당 주제에 대해 잘 알지 못할 수도 있지만, 충성도 높은 회원이며 커뮤니티에서 활발히 활동하기 때문에 원본 콘텐츠에 답변이 없는 질문을 하기도 합니다.
    • 뉴스룸에서 공유한 콘텐츠에 없는 질문을 받으면 봇은 적절하게 “모르겠습니다”라고 대답했습니다.

  • 테슬라 FSD 관련 아이작슨 전기

    How Elon Musk set Tesla on a new course for self-driving
    CNBC

    월터 아이작슨이 쓴 일론 머스크 전기가 출간되었다. CNBC에 아마도 책의 일부분으로 보이는 일화를 기고했는데 나름 흥미로운 부분들이 보인다. 새로운 FSD을 신경망 기반으로 바꾸는 과정을 이야기하고 있다. 그 전까지 규칙 기반이었던 부분을 학습 기반으로 변경했으며, 이것이 어떤 의미를 가지는지 생각하게 해준다.

    그때까지 Tesla의 오토파일럿 시스템은 규칙 기반 접근 방식에 의존하고 있었습니다. 차량의 카메라가 차선 표시, 보행자, 차량, 표지판 및 교통 신호 등을 식별했습니다. 그런 다음 소프트웨어는 다음과 같은 일련의 규칙을 적용했습니다: 신호등이 적색일 때 정지하고, 녹색일 때 진행하며, 차선 표시의 중앙에 머물고, 충돌할 만큼 빠르게 오는 차가 없을 때만 교차로를 통과하는 등의 규칙을 적용했습니다. Tesla의 엔지니어들은 이러한 규칙을 복잡한 상황에 적용하기 위해 수십만 줄의 C++ 코드를 수작업으로 작성하고 업데이트했습니다.

    여기에서 학습 기반으로 전환하는 과정이 나오는데 머스크가 직원들하고 토론했던 내용도 흥미롭다.

    새로운 인간 모방 접근 방식을 연구하던 중 머스크는 의문이 들었습니다: 이것이 정말 필요했을까? 너무 과한 것은 아닐까요? 그의 격언 중 하나는 파리를 죽일 때는 순항 미사일을 사용하지 말고 파리채를 사용하라는 것이었습니다. 신경망을 사용하는 것이 불필요하게 복잡할까요?

    학습 기반 시스템을 구축하는건 과하다는 생각이 들 수도 있고, 실제로 특정 레벨까지는 제대로 작동하지도 않는다. 이런 부분이 가져올 수 있는 헤자가 분명히 있을 것이다.

    토론 중에 머스크는 팀이 발견한 중요한 사실에 주목했습니다: 신경망은 최소 백만 개의 비디오 클립을 학습하기 전까지는 제대로 작동하지 않았습니다. 덕분에 Tesla는 다른 자동차 및 AI 회사에 비해 큰 이점을 얻을 수 있었습니다. 전 세계 약 2백만 대의 테슬라 차량이 매일 비디오 클립을 수집하고 있었기 때문입니다. 엘러스와미는 회의에서 “우리는 이 일을 할 수 있는 독보적인 위치에 있습니다.”라고 말했습니다.

    역시 마케팅에도 소질이 있구나 하는 부분이 있었는데 “그는 “제임스 본드 스타일의 시연을 해야 한다”며 “사방에서 폭탄이 터지고 하늘에서 UFO가 떨어지는 가운데 자동차가 아무 것도 부딪히지 않고 속도를 내는 장면을 연출해야 한다”고 말했습니다.”라는 부분이었다.