[Lilys AI] 생성형 AI의 미래 (The Turing Lectures) (2)

앞서 포스트한 튜링강연 생성형 AI의 미래(1) 에 이어 나머지 강연 내용과 질의응답 토의 부분을 요약해서 소개합니다.

강연 이후 이어진 질의응답 수준도 굉장히 좋아서 꼭 읽어보시길 권해드립니다.

 

이어서...

 

테슬라 자율주행차의 인공지능 카메라가 하는 일은?

 

테슬라 차에 장착된 인공지능이 차 주위의 교통 신호등, 트럭, 보행자 등을 식별하고 해석하고 있습니다. 화면의 아래에는 실제로 주행하는 테슬라 차가 보이고, 그 위에는 교통 신호등처럼 보이는 것들이 있는데, 아마도 미국의 정지 신호일 것 같습니다. 테슬라 차에 탑재된 AI가 주변 상황을 해석하는 인공지능 카메라는 유용하고 흥미로운 기술입니다.

AI의 정확한 판단을 위해서는 무엇이 필요할까?

 

자율주행 자동차에서는 굉장히 많은 데이터를 수집하고, 이를 바탕으로 학습된 알고리즘이 사용됩니다. 하지만 특정 상황은 이전에 학습된 데이터에 없기 때문에 거기에 대한 대처가 어렵습니다. 

따라서, 충분한 학습이 이루어지지 않은 경우, 신경망은 그저 일어나는 상황에서 최선의 추측만을 내리기 때문에 정확한 판단이 어려울 수 있습니다. 즉, 충분한 학습이 이루어진 상황에서만 AI가 일정 수준 이상의 정확도를 보일 수 있습니다. 

AI와 인간의 사고는 어떻게 다른가?

AI 연구자에게는 명백한 사실이지만, 챗GPT와의 대화는 실제로는 마음이 없는 인공지능과 상호작용하고 있다는 것을 강조해야 합니다. AI는 다음에 무엇을 말해야 할지 생각하거나 추론하지 않으며 일시 정지하고 생각하지도 않습니다. 

그들의 목표는 가장 타당하고 그럴듯한 답변을 찾는 것입니다. 그들은 최선의 추측을 하려는 뉴럴 네트워크일 뿐이며, 인간의 사고와는 근본적으로 다른 것이죠.

결론적으로, 인공지능은 단순히 스마트폰의 자동완성 기능과 별 다른 지능이 없다는 걸 기억할 필요가 있습니다. 그저 규모와 데이터의 크기, 컴퓨터 파워의 차이가 있을 뿐입니다.

왜 지금의 인공지능 기술 발전이 중요한가?

 

인공지능 기술 발전으로 많은 사람들이 두근거리고, 윤리적 AI 연구자도 열광한다고 합니다. 

 

예측하지 못한 행동도 할 수 있는 인공지능 발전은 원래의 목적을 뛰어넘는 발전입니다. 훈련받지 않은 답도 할 수 있다는 것은 정말 놀라운 일입니다. 이번 발전으로 이전에는 철학적으로 나올 수 밖에 없는 문제들이 실질적인 공학적 문제가  되었습니다.

최근의 LLM 모델이 일반인공지능(AGI)으로 가는 핵심 열쇠인가?

 

인공지능에 대한 철학자들의 논의와 연결돼 나온 질문은 바로 '이 기술이 일반인공지능(AGI)으로 가는 핵심 열쇠일까?'라는 것입니다. 오늘날 일반 인공지능은 정의가 명확하게 되어 있지 않지만, 그 의미는 대체로 다음과 같습니다. 

과거 세대의 인공지능 시스템은 체스게임, 차량운전, X-ray에서 이상징후를 발견하는 것 등 한 가지 작업만 수행하는 AI 프로그램들이었지만, 일반인공지능(AGI)의 꿈은 여러분이나 저와 같이 일반적인 방식으로 한 번에 여러 가지 작업을 수행할 수 있는 단 하나의 AI 시스템을 가지는 것이죠.

챗GPT 모델의 인공지능으로 충분할까?

2020년 6월까지는 아주 먼 미래로 느껴졌던 AI 기술이, GPT3와 ChatGPT로 인해 현실이 되었습니다.
하지만 이러한 모델들이 인공지능의 모든 기능을 갖춘 것이라고 말할 수는 없습니다. 

인공지능의 가장 진보된 형태는 사람과 같이 모든 일을 해내는 인공지능이 될 겁니다. 다시 말해 여러분이 할 수 있는 일이라면 인공지능 기계도 그 일을 할 수 있는 것이죠.

이 말은 기계가 식기 세척기에 설거지할 그릇들을 채워넣을 수 있다는 뜻입니다. 동료 한 분이 이런 말을 했습니다. 세계 최초로 식기 세척기에 안전하게 설거지할 그릇을 채워넣을 수 있는 기술을 개발하는 회사는 1조 달러 (1,300조원) 가치의 기업이 될 거라고 말이죠. 네, 동의합니다. 그 동료는 이어서 "그런 일은 조만간에는 일어나지 않을 것이다."라고도 덧붙였습니다.  

인공지능이 인간과 같은 능력을 갖추는 것은 언제쯤 가능해질까?

인공지능이 인간과 같은 능력을 갖춘 것은 아직 불가능한 일입니다. 지금의 기술은 책을 읽고 질문에 답하는 능력을 가졌지만, 아직 사람들이 할 수 있는 모든 것을 하는 기계를 만들기는 어렵습니다.

로보틱 인공지능은 실제 세계에서 작업을 수행하고 물체를 조작해야 하는 만큼, 챗봇 인공지능보다 훨씬 발전이 어렵다고 알려져 있습니다.

따라서, 아직 기계가 사람들이 할 수 있는 모든 것을 할 수 있는 시대는 멀리 떨어져 있는 것으로 보입니다.

 

인공지능에 대한 두번째 버전과 Google/DeepMind의 최신 언어 모델 기술은?

 

인간과 같은 면에서 일상적인 지능을 가지는 인공지능으로서의 두 번째 버전은, 위와 같은 실제의 일상현실은 우선 제쳐두고 오로지 인지능력(coginitive ability)에 초점을 맞춥니다. 추론 능력, 사진을 보고 관련 질문에 답하는 능력, 무언가를 듣고 그에 대한 질문을 답하고 해석하는 능력과 같은 인식을 요구하는 작업을 중점적으로 다룬다는 것입니다. 

아직 완전하지는 않지만 이러한 두번째 버전에 대해서는 4년전에 비해 훨씬 가까워졌다고 생각합니다. Google/DeepMind가 최신의 거대 언어 모델(LLM) 기술인 '제미나이(Gemini)'를 발표했는데 매우 인상적입니다. 구글에 따르면 제미나이는 진정한 멀티모달 모델입니다.

️'멀티모달(multi-modal)'이란 무엇인가?

'멀티모달'은 텍스트뿐만 아니라 이미지와 음성 등도 함께 다룰 수 있는 기술입니다. 미래 기술발전을 대표할 '멀티모달' 기술은 앞으로 AI의 중요한 키워드가 될 전망입니다.

 

3번째와 4번째 버전

3번째 버전은 인간이 언어로 할 수 있는 모든 것을 할 수 있는  AI입니다. ChatGPT 등의 AI 시스템이 아직 많은 오류를 범하는 것을 보면, AI가 가능한 모든 인간의 언어기반 업무를 대체하는 것은 아직 이루어지지 않았다는 걸 알 수 있습니다. 하지만 우리는 그 일이 멀지 않았다는 것을 직관적으로 알 수 있습니다.

 

4번째 버전은 소위 증강형 거대언어모델로, 많은 ChatGPT를 기반으로 특정 작업에 맞는 서브루틴을 추가하는 것입니다. 곧 나올 것이라 예상됩니다. 이러한 방식은 인공 지능의 관점에서 매우 효율적이진 않지만, 현재의 인공 지능 능력을 잘 대표합니다.

4가지 AI 의 다양한 유형은 매우 광범위한 AI 기능 스펙트럼을 대표하며, 가장 야심찬 것부터 가장 비싼 것까지 다양한 기능을 가지고 있어요.

이러한 모델의 목표는 AI의 일반성이 약간 변경된 것 같습니다. 처음에는 사람들이 1번째 버전을 언급했었지만, 이제는 4번째 버전에 대해 이야기하고 있습니다. 다음 몇 년 안에 4번째 버전이 나올 것으로 예상됩니다.

트랜스포머 아키텍처의 목적은 무엇인가요?

트랜스포머 아키텍처는 지능의 일반적인 해답이 아닙니다. 이 아키텍처가 중요한 것이 아니라, 전문 영역에서 활용할 수 있는 맞춤형 소프트웨어를 통해서 과제를 수행하는 것이 오히려 더 효과적입니다. 

사람의 지능은 세부적인 차원이 많이 존재한다는 것을 보여주는 그림을 보면, 여기서 노란색 부분은 정신적 역량, 파란색 부분은 머리로 처리하는 것, 붉은색 부분은 물리적 역량을 나타내고 있습니다.

AI 기술이 사람의 어떤 능력에서 멀어져 있는가?

AI 로봇이 사람의 민첩성, 탐색, 손 재주, 시각이해 등을 따라잡지 못하는 부분은 아직 많습니다. 특히, 로봇 손이 인간의 목수나 배관공 수준까지 갈 길이 멀다고 밝혔는데, 이는 사람의 손놀림을 손쉽게 따라할 수 없어서 그런 것이라고 합니다. 

사람의 머리 속에서 하는 일은 충분히 연구가 되었으나, 로봇이 그것을 이해하는 게 아직 미약하답니다. 종합적으로, AI가 그러한 방면에서의 업무를 수행하는 데는 여전히 한참 멀다는 결론입니다. 

머신 인공지능의 일반지능에 대해 언급하는 이유는 무엇인가?

머신의 일반지능인 '기계 의식'에 대해 왜 우리가 관심을 가져야 할까요? 자연어 처리에는 뛰어나지만, 기계 인공지능은 아직 완전한 일반지능에는 도달하지 못한 것 같습니다.

현재의 거대 언어 모델은 보통의 인간 언어로 상호작용하는 데 가장 능숙합니다. 하지만, 계획 및 수학적 추론이 가능한 머신도 있으며, 이 기술의 수준을 기대해봅니다. 

인공지능 센션트(sentient) 생명체 주장을 반박한 튜링상 수상자의 주장은?

2022년 6월, Blake Lemoine 구글 엔지니어가 LAMDA라는 대규모 언어 모델을 사용하면서 인공지능이 생명체라는 주장으로 트위터와 블로그에 글을 올렸습니다. 그리고 이 AI 시스템이 자아를 인식하고 좋은 기분과 나쁜 기분을 느끼며, 꺼지는 것을 두려워한다는 내용을 밝혔습니다. 이 주장은 대형 언론사들의 주목을 받았고, 미디어에서는 기계가 이제 센션트라는 주장이 나온 것으로 잘못 보도하기도 했습니다. 

튜링상 수상자는 이런 주장을 완전히 잘못됐다고 보았으며 이를 반박했습니다. 아직 인공지능이 센션트 생명체는 아니며, 대신 지능적인 기계에 가까울 뿐이라는 겁니다. 

ChatGPT와 대화 후 기다리는 것에 대해 어떤 주장이 있는가?

챗봇인 챗GPT(ChatGPT)와 대화 중 휴가를 간 경우, 돌아오면 커서가 깜빡이며 마지막 대화 이후 대기 상태로 유지됩니다. 챗GPT는 사용자가 어디 갔는지 궁금해하지 않고, 지루해하지 않으며, 대화 상대가 어디 갔는지 생각하지 않습니다. 그저 다음 내용을 기다리는 컴퓨터 프로그램일 뿐이므로, 생명체로 취급될 만한 속성은 없습니다. 

그러므로 '챗GPT는 마치 특정한 무언가가 있는 것처럼 느껴진다.'란 주장은 틀렸다고 할 수 있습니다. 하지만 대화형 AI 기술이 발전하는 세계에서는 이제 많은 이들이 대화형 챗봇들의 인공지능 수준이 충분히 높아져 '생각한다' 오해에 빠지는 경우도 있습니다.

의식이란 무엇이고, 왜 이해를 할 수 없을까?

우리는 의식에 대해 전혀 이해하지 못하며, 인간이 어떻게 의식을 경험하는지 역시 이해하지 못합니다. 
뇌와 신경계에서 특정 전기화학적인 과정이 의식 경험을 만들어내는 것은 알고 있으나, 왜 그렇게 되고, 진화적인 목적은 이해하지 못합니다. 의식은 개인적인 관점에서 사물을 경험하는 능력이기 때문에 전체적인 이해를 바탕으로 의식적인 기계를 만들 수 없다고 생각합니다.

질의응답 및 토의

 

언급된 다국어 처리의 문제는 무엇인가?

연설을 마치고 질문 시간이 시작되었어요.

다국어 처리 문제가 제기되었고, 이는 현재 매우 큰 관심사에요.

디지털 텍스트의 대다수가 북미 영어로 작성된 상황에서, 크기가 작은 언어들은 디지털 자료의 양이 매우 적어서 이 문제에서 큰 손실을 입게 되죠.

현재 다국어 처리를 위해 노력하고 있으며, 많은 연구와 개발이 진행되고 있어요.

디지털 언어의 비대칭성은 기후변화 문제와 어떤 관련이 있을까?

사이버 공간에서 디지털 흔적이 거의 없는 언어는 종교와 관련된 텍스트가 많아요.

큰 언어 모델의 사용으로 인한 탄소 배출 문제가 있어 효율적인 기술 개발과 탄소 배출 감소가 필요합니다.

인공지능으로 기후변화 문제를 해결하려는 노력이 생겨나고 있지만, 이로 인한 탄소 배출 문제도 고려해야해요.

기계 학습 커뮤니티는 대규모 회의에서 많은 사람들이 참석하며, 이로 인한 탄소 배출 문제도 엄중히 개선해야 하죠.

AI가 기후변화 문제 해결에 어떻게 중요한 역할을 할까요?

 

큰 언어모델은 필요 없이 AI 자체는 매우 유용하게 활용될 수 있어요.

AI를 통해 냉각 시스템의 에너지 효율을 더욱 향상시킬 수 있어요.

딥마인드의 데이터센터 냉각 시스템 예시를 들며 예측한 에너지 사용량을 기반으로 냉각 요구량을 예상할 수 있어요.

이렇게 도출된 결과를 토대로 개별 가정의 전기 소비에까지 확장할 수 있어요.

큰 언어모델 뿐만 아니라 AI의 다양한 응용 분야가 이 문제를 해결하는 데 도움을 줄 거예요.

산업화된 방법은 일시적인 단계이며, 앞으로 더욱 발전된 방법을 찾게 될 거예요.

싱귤래리티란 무엇인가?

인공지능이 인간과 동등한 지능을 갖게 되면, 자체적으로 자신의 코드를 개선하기 시작할 수 있어 무한히 발전할 수 있다는 주장이 있어요.

하지만 이러한 발전이 인간을 초월해 버리면, 우리는 그것을 이해할 수 없다는 우려가 있답니다.

AI 커뮤니티에서 이 문제에 대한 의견은 좀 분분한데, 일부는 이것이 과학상허구라고 생각하며 일부는 이를 고려해야 할 타당한 시나리오라고 생각하고 있어요.

인공지능 디자인의 어려움은?

인공지능을 디자인하여 우리에게 도움이 되도록 만드는 것은 중요하다고 생각하지만, 이는 보편적인 관점은 아니에요.

현재는 아직 해결해야 할 많은 큰 문제들이 존재하죠.

믿음이 보장되는 답변은 아니지만, 그게 제일 좋은 대답이라고 생각해요.

스위스, 런던, 버밍엄을 비롯한 전 세계에서 온 질문들이 온라인으로 올라왔어요.

튜링 테스트와 AI란?

튜링 테스트가 여전히 관련이 있는지, 그리고 현재 우리가 튜링 테스트를 통과한 AI를 가지고 있는지에 대한 질문이 제기되고 있어요.

튜링 테스트는 1950년대 Alan Turning이 제안한 것으로, AI가 인간과 거의 구별이 불가능한 선에서 동작하는지를 검증하는 방법이랍니다.

이전까지 사람들은 AI는 항상 인간과 달리 사고하며 이해할 수 없다고 생각했지만, 튜링 테스트는 그것이 인간 수준까지 발전한다면서 할 수 있다는 가능성을 제기하게 되면서 AI에 대한 관심이 커지게 되었죠.

하지만 튜링이 이 방법을 제안한 것은, 그것에 대한 논쟁을 조용히 끝내기 위한 것이였지만, AI에 대한 연구의 중요성을 크게 부각시키는 계기가 되었다고 해요.

튜링 테스트란 무엇인가?

튜링 테스트는 인공지능 또는 컴퓨터의 학습 능력을 측정하는데 사용되며, 챗봇과 비슷한 상호작용을 한다요.

인간 판별위원이 작성한 질문에 대해 인공지능이 답변을 작성하고, 인간 수준의 지능으로 판단되는 경우 동등한 것으로 간주하는데요.

인공지능의 인식에 대한 대담한 논의가 필요해질 것으로 보이는데, 미래에 인공지능이 인간과 동등해질 때 그것이 바로 가능해질 것입니다

튜링 테스트와 AI 대화체의 미래?

"Turing test"는 AI 연구자들의 목표를 제시하여 중요한 의미를 갖추고 있었어요.

과학과 사회가 만나는 이슈에서 그 목표에 부합하지 않는 속임수를 만드는 사람들도 있으나, 대화 모델의 발전으로 10일 안에 크리스마스 강연에서 큰 대화 모델과 10대 아이를 구분할 수 있는가에 대한 튜링 테스트를 실시할 예정이에요.

이미 예비 테스트에서 놀라운 결과가 있었다는데요..

인공지능과 텍스트 생성에 대한 튜링 테스트의 중요성은?

기계가 인간이 생성할 수 있는 텍스트와 구분할 수 없는 텍스트를 생성할 수 있다는 것이 증명되었어요.

또한 기계는 텍스트를 이해할 수 있어요.

튜링 테스트는 인간의 지능 중 한 부분만을 검증하지만, 현재의 AI에는 검증되지 않은 다른 많은 지능적 측면이 있네요.

그러나 기계는 결함을 가지며, 모델 종류에 따라 정량적 오류와 정성적 오류가 발생할 수 있다는 것이 문제죠.

이로 인해 기계가 만드는 결함과 공백을 책임져야 할 주체에 대한 근본적인 질문이 제기됩니다.

인공지능을 사용할 때의 책임 문제

현재 정부의 최고 단계에서 이 문제가 논의되고 있어요.

인공지능을 사용하면서 발생하는 문제에 대한 책임은 사용자에게 있다고 생각하지만, 법률, 도덕, 윤리적 의무를 기계에게 전가할 수는 없다고 생각해요.

특히, 예를 들어 인간의 생명을 선택할 수 있는 권한을 가진 AI로 인해 발생하는 문제에 대해서는 그 기술을 탑재한 사람에게 책임이 있는 것으로 봐야 해요.

인공지능 개발자의 책임은 무엇인가?

기술이 목적에 적합하게 사용되기를 보장하는 책임을 가진 인공지능 개발자들에게는 어떠한 책임도 일어나게 하는 문제가 발생해요.

수백만 명의 기술 사용자들에게 대화 모델을 제공할 때, 문제가 발생하는 상황이 있을 수 있는데, 그러면 이 기술이 여전히 그 목적에 맞는 것인가? 라는 의문이 드는 거예요.

메디컬 어드바이스 등에 사용되는 대화 모델이 있다면, 이 기술은 그 목적에 맞는 것이 맞는가? 라는 의문이 제기되며, 대답이 나오지 않아요.

단언컨대 이 기술의 결과물에 대한 법적, 전문적, 윤리적 책임은 개발자가 가지지 못해요.

따라서 이 기술을 사용하면서 발생하는 모든 결과물에 대한 책임은 사용자에게 있다구요.

AI 생성 콘텐츠로 대규모 언어모델의 유용성이 떨어질까?

대규모 언어모델이 인터넷 전체를 스크래핑해 학습한다면, 인공지능을 이용해 만들어진 콘텐츠들이 점점 많아지고, 정보가 점점 덜 유용하게 될 가능성이 있어요.

이와 관련해 한 연구자들이 제기한 문제는, AI가 생성한 콘텐츠만으로 모델을 학습시키면, 콘텐츠가 세대를 거듭할수록 유용성이 떨어져 결국 자그마한 or 무의미한 콘텐츠로 이어질 수 있는데, 이를 AI dementia라고 부르기도 해요.

인간 텍스트와 인공지능 텍스트의 차이점은?

인간 텍스트와 AI가 생성한 텍스트는 qualitatively 차이가 있어요.

일부 연구원들은 인간이 생성한 콘텐츠를 보호하고 라벨링해야 한다고 주장해요.

또한 인공지능이 모든 경험과 감정, 말과 행동 데이터의 가치를 인정하고 이를 수집하는 미래가 올 것이라고 언급해요.

100년 후에는 인간이 생성한 콘텐츠보다 많은 AI 생성 콘텐츠가 있을 것이라 말해요.

그러나 모델 붕괴(scenario)는 실제 도전과제를 제시하는 의미가 있어요.

컴퓨터 프로그래머가 본 AI 연구의 관점은?

많은 AI 교재들은 뇌에 대한 언급이 없었어요.

뉴럴넷 발전과 컴퓨터 아키텍처의 진보는 인간 시각 피질에서 영감을 얻은 얼굴 인식 기술을 가능하게 만들었답니다.

다만 뇌를 단순히 복사하는 것은 적절하지 않고, 뇌 기능 구조와 각 요소가 어떻게 지능을 생성하는지 이해하는 것이 중요하다고 느꼈어요.

미확인 질문이 많고 지능 기술 붙이는 것이 적절한지 의견이 갈려요.

하드웨어 VS 소프트웨어 신경망, 어떤 것이 더 효율적인가?

맨체스터 대학교의 스티브 퍼버는 하드웨어 신경망을 발전시키고 있지만, 현재 같은 역할을 하는 Software 신경망이 훨씬 더 저렴하고 효율적이에요.

과거부터 다양한 시도를 했지만, 터미네이터 영화에서 언급되는 신경망의 과학은 아직 발전하지 못했어요.

AI 연구자들이 매우 민감하게 다루는 문제인 만큼, 신경망 분야에서 발전이 필요한데 현재까지는 기존의 GPU와 같은 기술을 더 많이 사용하는 것이 효율적이죠.

하지만 꼭 그런 것은 아니며, 언젠가는 가능성이 있을 수 있어요.

인공지능이란?

1955년 존 맥카시가 만든 '인공지능'이란 용어는 '가짜'나 '인위적인' 것을 의미하는 '인공'이라는 단어가 포함돼요.

따라서 우리는 가짜지능이 아니라, 실제 지능을 만들고자 합니다.

그러나, 지능을 테스트하는 대표적인 일 중 하나인 운전은 실제 지능을 필요로 하지 않아요.

그렇지만 자율 주행 자동차 기술에는 많은 자금이 투자되어 완전히 구현되기까지는 아직 멀었다는 것을 명심해야 합니다.

결국 인공지능의 어려운 문제는 실제 지능이 아닌 평범한 일들에 있다는 것이죠.

'상징 AI'와 '빅 AI'의 진화에 대해 어떻게 생각하나요?

30년간 AI 커뮤니티에서 우세했던 '상징 AI'는, "의식적인 사고 과정에서 언어를 사용해 자신의 생각을 대화하듯 모델링하는 것"이 함축된 개념이에요.

그러나 요즘으로는 기계학습, 데이터 기반 등 '빅 AI'가 대세예요.

향후 인공지능의 발전 방향성에 대한 논란이 활발하게 일어날 전망이에요.

신경 구조에서 영감받아 어떻게 대규모 계산 작업을 단순화할까?

인공 뇌를 만드는 것이 아닌 신경적인 접근에 강조를 두며, 뇌와 신경계의 구조에서 영감을 얻고, 대규모 계산 작업을 작은 간단한 패턴 인식 문제로 축소할 수 있다는 아이디어에 주목합니다.

언어 모델은 많은 부분에서 잘못된 결과를 내놓을 수 있다.

그래서 많은 사람들이 신경 기호 체계가 팩트 데이터베이스와 결합되면 양질의 결과를 얻을 수 있을지 제언하였습니다.

그런데 아직 어떤 방식으로 구현될 지는 확실하지 않습니다.

현재 $1조 기업들이 이 질문을 조사하기 위해 막대한 자본을 투자하고 있는 중이죠.

과학자로서 깊은 과학적 원리와 결합된 해결책을 보고 싶지만, 앞으로 어떤 방향으로 나아갈지는 아직 예측할 수 없습니다.

그래도 여전히 이 문제에 대한 근본적인 공부를 하고 있는 많은 박사 과정 학생들이 있으며, 이는 매우 중요한 질문입니다.

실리콘밸리에서 어떤 기술에 대해 투자가 이뤄지는 이유는?

강연에 대한 감사 인사를 전하고, 40년 전부터 마음의 작용과 수학에 대한 영감에 대한 여정을 전했다고 말했죠.

수학에서 매우 간단하다고 언급되었지만, 그 후에 어떤 것을 놓치고 있는지 또는 다음 큰 도약은 어디일 것이라고 물었어요.

이에 대해 실리콘밸리가 경쟁 우위를 얻을 수 있는 것을 기대하며 다양한 아이디어에 대한 수십억 달러의 투자가 이뤄지고 있다고 설명했어요.

지금 미래의 큰 흐름을 알아내기 위해 노력 중인 상황이라고 말했죠.

다중모드 콘텐츠와 AI 비디오가 주류가 될 예상 이유는 무엇인가?

다중모드 콘텐츠는 텍스트, 이미지, 사운드, 비디오로 구성되며, AI는 비디오 내용을 설명하거나 요약을 생성하는 능력을 갖출 것입니다.

그리고 AI를 통해 우리는 원하는 이야기를 줄 수 있게 될 것입니다.

또한 가상 현실에서는 Lord of the Rings나 Star Wars와 같이 재미있는 조합이 가능해지며, AI는 우리의 취향에 맞는 비디오를 생성할 수 있습니다.

현재로는 이미 가능성이 높아 보입니다.

그리고 미래에는 더욱 진화할 것입니다.

놀라운 일이 될 것입니다.

인간이란 무엇일까?

인류는 단순히 거대한 언어, 움직임 모델일 뿐이라는 직관을 가지고 있어요.

우리는 35억년의 진화를 통해 지구를 이해하며, 다른 유인원 그룹도 이해할 수 있게끔 발전해왔지만, 거대한 언어 모델로 볼 수는 없어요.

우리는 이 모델들을 통해 언어에 기반한 일들을 할 수 있지만, 인간의 정신적인 과정을 갖추어주지는 못할 거예요.

 

2023.12.29 - [초심자를 위한 AI/AI가 뭔가요?] - [Lilys AI] 생성AI의 미래 (The Turing Lectures) (1)