Sign In

해봄

AI의 미래는 '열린 문'과 '닫힌 문' 사이에 있다
앤드류 응과 얀 르쿤이 말하는 미국과 중국의 AI 경쟁 최근 AI 분야에서 가장 영향력 있는 두 인물, 앤드류 응(Andrew Ng)과 얀 르쿤(Yann LeCun)이 흥미로운 의견을 주고받았습니다. 페이스북에서 열린 이들의 대화는 단순한 개인 의견 교환을 넘어, 앞으로 AI 기술 경쟁이 어떤 방향으로 전개될지에 대한 핵심적인 힌트를 제공합니다. 두 사람의 대화가 주목받은 이유는 명확합니다. 바로 AI 분야에서 미국과 중국이라는 두 거대한 강국이 어떤 전략을 펼쳐야 하는지에 대한 구체적이고 솔직한 분석을 담고 있었기 때문입니다. 🇨🇳 중국, 오픈소스로 AI 선두를 노린다 앤드류 응 교수는 Deeplearning.ai 뉴스레터 『The Batch』에서 최근 이런 주장을 했습니다. "중국이 AI 분야에서 미국을 넘어설 수 있는 경로가 분명히 생겼다. 비록 미국이 현재 앞서있지만, 중국은 오픈소스 모델 생태계와 적극적인 반도체 설계 및 제조 전략을 통해 엄청난 모멘텀을 얻고 있다." 앤드류 응은 미국의 주요 AI 기업들이 최근 모델 개발 과정에서 폐쇄적 접근을 택하면서 지식의 순환이 느려지고 비용이 높아지는 단점이 생겼다고 지적했습니다. 실제로 최근 LMArena나 Artificial Analysis와 같은 AI 리더보드를 보면, 최상위 폐쇄형 모델은 여전히 구글(Gemini 2.5 Pro), 오픈AI(o4), 앤트로픽(Claude 4 Opus) 같은 미국 기업들이 차지하고 있지만, 상위 오픈 모델은 대부분 중국에서 개발된 DeepSeek R1, Kimi K2, Qwen3 시리즈, Zhipu의 GLM 4.5 등이 차지하고 있습니다. 즉, 미국이 모델 성능 자체에선 아직 앞서지만, 중국은 기술과 지식을 빠르게 순환시키는 전략으로 맹추격 중입니다. 🇺🇸 얀 르쿤의 동의: "AI 발전 속도 = 지식 확산 속도" 이에 페이스북 공유하기를 통해 메타(Meta)의 수석 AI 과학자 얀 르쿤이 추가로 의견을 더했습니다. "앤드류의 말에 전적으로 동의한다. 내가 상원 증언에서 강조했듯, 과학과 기술 발전 속도는 정보가 얼마나 빨리 순환하는지에 달렸다. 지난 15년 동안 AI가 놀랍게 발전한 이유는 논문과 코드가 오픈소스로 공개되었기 때문이다. 최근 들어 구글, 앤트로픽, 그리고 이름과 달리 점점 폐쇄적으로 변하는 오픈AI가 비밀주의를 택하면서, AI의 발전 속도는 이미 둔화되기 시작했다." 르쿤의 발언은 AI 생태계에서 개방적 지식 공유가 얼마나 중요한지 역사적 경험을 들어 강조합니다. 다시 말해, 정보 순환 속도가 느려지면 기술 혁신 속도 자체가 감소한다는 점을 명확히 했습니다. ⚙️ 반도체와 공급망, 또 다른 핵심 전선 앤드류 응 교수는 AI 모델뿐만 아니라 하드웨어 경쟁에서도 중국이 따라잡고 있음을 강조했습니다. 화웨이는 최근 NVIDIA의 GB200과 경쟁할 수 있는 클라우드 매트릭스(CloudMatrix 384)를 공개했는데, 이는 미국의 최신 고성능 GPU에 비해 성능이 낮은 칩을 훨씬 더 많이(72개가 아닌 384개) 집적해 성능을 구현하는 방식입니다. 중국은 기존 자동차 산업에서 전기차라는 새로운 영역을 통해 유럽과 미국을 단숨에 따라잡았던 경험이 있습니다. 화웨이가 선택한 반도체 전략도 이러한 ‘양으로 질을 압도’하는 접근법이라 할 수 있습니다. 반면 미국은 여전히 대만의 TSMC에 반도체 공급망을 의존하고 있어, 만약 중국이 자체 반도체 생산 능력을 강화하고 미국이 계속해서 외부 의존적인 상태라면, 이는 미국 AI 전략 전체가 위협받을 수 있다는 우려도 나왔습니다. 최근 중국의 대표 관영 매체인 인민일보에는 다음과 같은 칼럼이 실렸습니다. 엔비디아, 내가 어떻게 당신을 믿을 수 있겠는가? https://www.stcn.com/article/detail/2895954.html 엔비디아 H20 칩의 보안 문제에 대해 강도 높은 비판을 제기. 칩에 ‘백도어’가 있다면, 자동차, 원격의료, 결제 등 필수 인프라에 심각한 위협이 될 수 있다고 경고함. 엔비디아는 백도어 존재를 부인했지만, 중국 정부가 요구한 수준의 구체적 보안 증명 없이는 시장 신뢰를 회복하기 어렵다고 지적함.외국 기업이 중국 시장에 머무르려면, 법률 존중과 보안 준수가 전제 조건임을 강조함. 젠슨황 CEO의 “법을 지키겠다”는 약속을 행동으로 보여줘야 할 때라고 촉구. 같이 읽어보면 좋습니다.(당연히 전 번역기 돌려 읽습니다. 전 중국어를 못해요.) 🚨 '닫힌 문'을 선택하면 결국 혁신은 느려진다 두 전문가가 강조한 핵심 포인트는 결국 다음과 같습니다. 지식과 기술이 자유롭게 공유될 때, AI 혁신이 가장 빠르게 일어난다.
  • Haebom
1
👍👎👍🏻
4
하루 2시간만 공부하는 학교가 있다?
개인적으로 올해 초부터 SALT라는 국제학교를 통해서 특강을 하면서 이런 교육이 꼭 필요하다는 것도 느꼈고 가능성도 보였습니다. 오히려 왜 다른데서는 안하지 라고 생각하는 것도 있었습니다. 뭔가 가장 하고 싶은게 많은 나이가 어릴 때인데 뭔가 그때 창업 교육 만큼 시너지 나는게 없거든요. 실제로 중국/미국/유럽 등에선 하고 있었는데 우리 나라 교육도 바뀌어야 하지 않을까 하는 생각을 합니다. 여하튼, 미국 텍사스에 정말 재밌는 학교 이야기를 해줄 거라고 생각합니다. 학교에서 공부를 하루에 단 2시간만 하고, 나머지 시간엔 인공지능(AI)이 주도하는 특별한 커리큘럼을 따른다고 상상해 보세요. 저는 처음 이 소식을 들었을 때 솔직히 반신반의했습니다. 그런데 실제로 미국 텍사스주 오스틴에서 시작한 '알파 스쿨(Alpha School)'이 바로 그런 학교입니다. 이 학교는 최근 테크 기업들이 대거 몰려들고 있는 텍사스 오스틴에서 출발해, 마이애미와 브라운스빌까지 이미 확장되었고, 올해 가을 뉴욕과 올랜도를 포함한 미국 내 여러 도시로 확대될 예정입니다. 대체 이 학교의 무엇이 사람들의 관심을 끌고 있는 걸까요? AI와 인간의 협력: '교사' 대신 '가이드' 알파 스쿨의 가장 독특한 점은 바로 선생님이라는 개념이 없다는 것입니다. 대신 '가이드(guide)'라고 불리는 어른이 학생들의 학습과 성장을 지원하죠. 실제 수업 내용과 개인 맞춤형 학습 계획은 AI가 제공합니다. AI는 학생 한 명 한 명의 실력을 실시간으로 분석해 최적의 맞춤형 학습을 제공합니다. 덕분에 같은 반 학생들이라도 각자의 수준과 관심사에 따라 서로 완전히 다른 내용을 배우게 됩니다. 예를 들어, 12살인 바이런 애트리지(Byron Attridge)는 현재 7학년이지만, 수학은 8학년, 독해는 9학년, 언어 예술은 10학년 수준으로 배우고 있다고 합니다. 그는 이렇게 말합니다: "친구들이나 선생님이 가르치는 내용에 묶이지 않고, 내 수준과 속도에 맞춰 배울 수 있어서 좋아요." 알파 스쿨 공동 창립자이자 유명 팟캐스터인 매켄지 프라이스(MacKenzie Price)는 교육의 핵심을 이렇게 표현합니다: "좋은 교육의 90%는 동기부여입니다. AI가 교과를 가르치면, 가이드는 학생들의 감정과 동기부여에 집중할 수 있죠." 학교에서 창업을 배운다고? 알파 스쿨에서는 하루 중 단지 2시간만 수학, 언어와 같은 전통적인 학습을 하고, 나머지 시간은 학생들이 직접 참여하고 협력하는 실전형 프로젝트로 채워집니다. 예를 들어, 지난해 56학년 학생들은 실제 푸드트럭을 만들어 운영했습니다. 이 과정에서 학생들은 예산 짜기, 비즈니스 계획 세우기, 요리하기 등을 스스로 해내며 협력과 문제 해결 능력을 키웠습니다. 또, 학생들은 '마스터피스 프로젝트'라는 특별 프로그램을 통해 자기만의 창의적인 결과물을 만들어냅니다. 이 프로젝트에서 학생들은 AI가 제공할 수 없는, 인간만이 만들어낼 수 있는 독특하고 새로운 관점을 찾아내야 합니다. 실제로 학생들이 만든 결과물은 다음과 같습니다: 감정을 인지하고 반응하는 곰 인형 데이트 상담을 해주는 챗봇 텍사스 최대 규모의 산악자전거 공원 조성 이 프로젝트를 통해 학생들은 AI와 차별화되는 창의적인 사고력을 자연스럽게 훈련합니다. 이 방식의 성공과 한계 하지만 모두가 알파 스쿨의 교육 방식을 환영하는 건 아닙니다. 비판자들은 지나친 AI 의존도가 아이들의 사회성과 공감 능력을 떨어뜨리고, 지나치게 개인화된 학습 환경이 학교의 근본적인 역할인 사회화를 약화시킬 수 있다고 지적합니다. 또한, 연간 학비가 약 40,000달러(약 5,500만 원)에 달하기 때문에 특정 계층의 학생들만이 접근할 수 있는 고급화된 교육으로 여겨질 수 있다는 점 역시 논란의 대상이 됩니다. 그럼에도 알파 스쿨은 미래 교육이 지향할 수 있는 흥미로운 방향을 제시합니다. AI를 활용하여 개개인의 학습 속도를 존중하고, 학생들이 스스로 창의적인 프로젝트를 통해 현실 세계의 문제를 해결하게 만드는 방식은 기존 학교 시스템에서 놓치고 있던 부분을 효과적으로 보완합니다.
  • Haebom
👍
1
AI 시대의 PM은 무엇을 할까?
기술의 진보는 곧 시야의 확대를 의미합니다. 실제로 Cursor는 12개월 만에 ARR 1M → 100M을 달성하며 SaaS 역사상 가장 빠르게 성장한 기업이 되었습니다. 이는 단순한 우연이 아닌, PM이 AI 기반으로 사고하면서 가능해진 성과죠. 이처럼 AI는 PM에게 새로운 문제 영역(problem space)과 솔루션 영역(solution space)을 동시에 열어주고 있습니다. 약 10달 전 쯤에 이런 글을 쓴 적이 있습니다 PM의 핵심 책임: 세 가지는 그대로지만, 하는 방식은 완전히 달라졌다 전통적인 PM의 세 가지 핵심 역할은 다음과 같습니다: 고객의 문제를 이해하기 우선순위를 정해 어떤 문제를 해결할지 결정하기 효과적인 솔루션을 조직하고 전달하기 AI는 이 구조를 무너뜨리지 않지만, 각 단계의 실행 방식은 혁신적으로 바뀌었습니다. 이해하기 (Understand): 문제 자체가 달라진다 ✅ 문제 공간의 확장 예전에는 "기술적 한계로 포기했던 문제"들이 이제는 AI로 해결 가능한 영역으로 들어왔습니다. 사실 고객도 직접 경험하기 전에는 “불가능하다”고 생각했던 니즈를 직접 말하지 않죠. Canva의 경우, 고객은 “AI로 디자인을 쉽게 만들고 싶다”고 말하지 않았지만, 기능이 출시되자 원하던 솔루션으로 자리 잡았습니다. ✅ 데이터 분석 방식의 진화 고객 인터뷰, 지원 티켓, 챗봇 대화 등에 흩어져 있던 정성적 데이터는 AI 도구로 실시간·자동화된 분석이 가능해졌습니다. 단순히 인사이트를 모으는 것이 아니라, 뉴스처럼 발생하는 트렌드를 탐지하고 깊이 있는 통찰을 제공합니다. 우선순위 (Prioritize): 할 수 있느냐가 아니라, 가치가 있느냐의 문제로 AI는 기존의 "가능성(feasibility), 영향력(impact), 리스크(risk), 비용(cost)" 평가 항목 모두를 뒤흔듭니다. Feasibility: AI 덕분에 옛날엔 불가능했던 기능도 수 주 내에 구현 가능해졌죠. Impact: Duolingo의 실시간 수업 난이도 조절처럼, 퍼스널라이제이션이 전략이 됩니다. Risk: 환각(hallucination), 편향(bias), 규제 이슈 등 AI 특유의 리스크 요소가 추가됩니다. Cost: 초기엔 싸 보였다가도, 사용량 증가에 따라 비용이 폭발할 수 있습니다. 설문조사 결과, AI 어시스턴트 기능은 오히려 64%의 사용자에게 선택되지 않았습니다. 고객이 원하지 않는 기능을 억지로 넣으면, 제품에 대한 신뢰 자체가 흔들릴 수 있습니다. 실행 (Execution): AI는 단순한 보조 기능을 넘어, 경험을 설계하는 핵심 수단이다 이전에는 AI를 단지 ‘추가 기능’으로 붙였지만, 이제는 프로덕션 경험 전반을 재설계하는 동력이 됩니다.
  • Haebom
👍
4
1시간 만에 끝내는 Go To Market 101
What is GTM? 이름 그대로 제품/서비스를 잘 만들고 난 다음에 시장에 어떻게 출시하고 수익 내고 고객에게 도달하여 반복적으로 이 제품/서비스를 쓰게하는가? 1. 기존 마케팅과 뭐가 다름? 기존 세일즈(영업) 뭐가 다르냐? F1 열린다. 마케팅 팀 : 경기 전에 분위기를 띄움, 입장객 늘려 세일즈 팀 : F1 드라이버 (최전선에서 뛰는) GTM 팀 : 레이스 전체의 흐름/전략 짜는 → 타이어 언제 갈껀지? 어떻게 갈껀지? 몇바퀴를 어떻게 돌건지? 일본 버전 마케팅과 영업은 전술 그리고 GTM 전략이다. 2. Product Owner/Product Manager 이거랑 뭐가 다름? 제품 솔루션 구축, 비즈니스 모델 정의와 함께 긴밀하게 연결되어 반복적으로 진행되어야 합니다. → 시장/매출/유저 PO → 제품의 UX/UI, 개발, 기획, 사업 등등 아무리 훌륭하고 혁신적인 제품이라도 GTM 전략 없이는 시장에 안착하기 어렵다. 3. GTM의 목표는 무엇이냐? 시장 성공적인 출시: 제품이나 서비스를 시장에 성공적으로 출시하는 것입니다. 목표 고객 도달: 정의된 목표 고객에게 효과적으로 제품을 도달시키는 것입니다. 경쟁 우위 확보: 시장 내 경쟁자들 사이에서 경쟁 우위를 확보하는 것입니다. 수익 창출: 궁극적으로 비즈니스의 수익을 창출하는 것입니다. ʻ만들면 팔릴 거야ʼ → 개소리… 누가써줌??? 사이드프로젝트 ʻ만들면 써줄 거야ʼ → 친구/가족 → 악성지표(노이즈) → 롱테일 지표가 나오네…. 뭐지? GTM → ʻ이렇게 하면 팔린다ʼ는 구체적인 과학으로 바꾸는 과정
  • Haebom
👍
1
항공사 챗봇은 고객에게 50% 할인을 해준다 했고, 그것은 LLM이 만든 환각이였다.
"죄송합니다, 사실 그 할인은 존재하지 않습니다." 최근 Air Canada의 챗봇은 고객에게 "항공권이 50% 할인된다"는 잘못된 정보를 제공했고, 결국 법정까지 가는 일이 벌어졌습니다. 법원은 고객의 손을 들어줬고, AI의 '거짓말'로 인해 항공사는 할인 약속을 지켜야 했죠. 챗GPT를 포함한 최신 언어모델들이 만들어내는 사실이 아닌 답변, 즉 '환각(hallucination)' 문제는 이제 단순 기술적 실수가 아니라 사회적·법적 파장을 일으키는 심각한 이슈가 되고 있습니다. 🧠 AI의 환각이란? 환각이라는 표현은 사람이 환상이나 착각을 보는 것처럼 느껴집니다. 하지만 AI는 실제로 헛것을 보는 게 아니라, 단지 다음 단어를 확률적으로 예측하며 가장 그럴듯한 단어를 이어붙이는 과정에서 '그럴싸하지만 틀린 답변'을 만들어냅니다. 마치 사람이 재채기를 억제할 수 없듯, AI의 환각도 시스템이 정상 작동하면서 나오는 자연스러운 부산물이죠. 예를 들어 "2005년 노벨 평화상 수상자는?"이라는 질문에 실제 수상자 대신 언론에서 더 자주 언급된 인물을 답하는 식입니다. 훈련 데이터에서 자주 등장할수록 AI는 그 단어를 정답이라 생각할 가능성이 높아지기 때문이죠. (이미지 삽입: AI가 환각을 일으키는 원리 - 다음 단어 확률 예측과 실제 사실 사이의 괴리) 🧪 왜 완전히 해결이 어려울까? Vectara의 창립자이자 전 구글 임원인 Amr Awadallah는 이렇게 말합니다: "AI 모델의 작동 방식 자체가 확률적이기 때문에, 환각을 100% 없애는 건 불가능합니다." 이는 AI 기술의 구조적인 한계입니다. 특히 최근 등장하는 추론(reasoning) 능력이 뛰어난 모델일수록, 여러 번 내부적으로 답변을 시도하는 과정에서 환각의 가능성이 오히려 증가하기도 합니다. 최신 모델의 정확성은 점점 높아지고 있지만, 여전히 중요한 업무(의료, 법률 등)에 사용하기엔 불안한 수준입니다. 🔍 어떻게 해결하려 할까? AI 기업들은 환각률을 줄이기 위해 몇 가지 접근을 시도하고 있습니다. 1. RAG (Retrieval-Augmented Generation) RAG 방식이란 AI가 답변을 생성할 때 자체 학습 데이터에만 의존하지 않고, 외부 데이터(뉴스, 검색결과, 내부 문서 등)를 실시간으로 참조하여 출처와 함께 정확한 정보를 인용하는 방식입니다. 예를 들어 고객이 "제품 환불 규정이 어떻게 되나요?"라고 질문하면, AI는 단순히 학습한 내용을 답하는 것이 아니라 실제 기업 내부 문서에서 "사내 정책 문서 3조 2항에 따라 7일 이내 환불 가능"이라는 정확한 답변과 출처를 함께 제시합니다. 2. 검증용 보조 모델 운영 DeepMind나 Cohere 같은 기업들은 메인 AI 모델이 제공한 답을 다시 검증하는 소형 AI 모델을 별도로 운영하여, 잘못된 정보를 미리 걸러내는 방식으로 정확성을 높입니다. 3. 수학적 자동 추론 AWS는 "자동화된 수리 추론(automated reasoning checks)"을 적용해, 계산이나 논리에 맞지 않는 답변을 AI가 스스로 걸러내도록 했습니다. 이 방식은 특히 정확성이 필수적인 금융이나 의료 분야에서 유용합니다.
  • Haebom
1
👍
1
너 혹시 ChatGPT 썼니?
우리가 AI처럼 말하게 될까? ChatGPT가 2022년 말에 등장한 이후 불과 두 달 만에 1억 명의 사용자를 확보하면서 역사상 가장 빠른 기술 확산을 이뤘습니다. 이미 많은 사람들이 글쓰기, 공부, 업무, 창작 활동에서 AI의 도움을 받고 있죠. 그런데 혹시 우리도 모르게 AI의 언어 습관을 배우고 있는 건 아닐까요? 흥미로운 질문이죠. 최근 개인적으로 진행한 연구에서 AI가 실제 사람들의 언어 습관에 어떻게 영향을 주고 있는지 분석해 봤습니다. 결과가 놀라워서 블로그로 기록해 봅니다. 연구를 어떻게 진행했을까? 이번 연구는 크게 두 단계로 구성되었습니다. 첫 번째 단계는 ChatGPT의 특성 어휘를 찾아내는 것이었어요. 수백만 페이지에 달하는 이메일, 에세이, 논문, 기사 등을 ChatGPT로 편집했습니다. 이 과정에서 "텍스트를 다듬어줘", "명확하게 표현해줘" 같은 일반적인 프롬프트를 이용했죠. 이때 ChatGPT가 반복적으로 추가한 단어들을 모아 'GPT 단어'로 정의했습니다. 예를 들면 "delve(탐구하다)", "realm(영역)", "meticulous(세심한)" 등이 여기에 속합니다. 두 번째 단계는 실제 언어 사용 패턴을 분석하는 것이었어요. 이를 위해 36만 개 이상의 유튜브 영상과 77만여 개의 팟캐스트 에피소드를 분석했습니다. 특히 ChatGPT가 출시되기 전후를 비교하며 변화의 정도를 측정했어요. GPT 단어의 급증 현상 연구 결과, ChatGPT가 등장한 이후 "delve(탐구하다)", "boast(자랑하다)", "swift(신속한)", "inquiry(조사)", "meticulous(세심한)" 같은 GPT 단어의 사용이 눈에 띄게 늘어났습니다. 놀랍게도 이런 변화는 정형화된 대본뿐만 아니라 평범한 일상 대화에서도 나타났습니다. 인간과 AI 사이의 문화적 피드백 루프 1.인간이 텍스트로 AI를 훈련 2.AI가 재구성된 텍스트를 생성 3.인간이 AI 패턴을 무의식적으로 모방 4.다시 1번으로… 더 흥미로운 것은 이런 현상이 일종의 문화적 피드백 루프를 형성한다는 점입니다. 사람들은 AI를 학습시켜 텍스트를 생성하게 하고, AI는 이를 기반으로 통계적으로 재구성된 텍스트를 사람에게 제공합니다. 결국 인간은 다시 이 AI의 언어 습관을 무의식적으로 따라 하게 되는 것이죠. 연구에서는 이를 "AI 기술에 저장된 패턴이 인간의 마음으로 역전파되는 현상"이라고 표현했습니다. 이번 연구는 ChatGPT 같은 AI가 단지 효율적인 도구를 넘어서, 우리가 사용하는 언어와 생각 방식 자체를 근본적으로 바꾸고 있음을 보여줍니다. AI와 인간 사이에 형성된 이 무의식적 피드백 루프는 앞으로도 우리 사회의 언어적 문화에 지속적으로 영향을 미칠 것입니다. 한국어에선 무엇이 있을까? 지난 포스팅에서도 말했지만 티가 나는 말들이 한국어에도 존재하는 것 같습니다. 개인적으로 느끼는 것들은 이런 것들 입니다. 사실 문어체나 구어체에서 잘 안쓰이는 표현들이였는데 요즘 점점 많이 보이는 것 같은 건 기분 탓일까요? 개인적으로는 이런 표현들이 너무 많이 나오면 이 사람 LLM으로 과제 한거 아니야? 하고 의심을 괜히 하게 됩니다. 변화/발전 표현 발전시키다 개선하다 향상시키다 증진하다
  • Haebom
👍
3
AI를 사용하는 학생들과 대학수업을 마치며
요즘 대학가엔 이상한 기류가 흐르고 있습니다. ‘너무 매끈한 에세이’가 시험지 위에 늘고 있고, '이 학생이 이런 문장을 썼을 리 없는데?' 싶은 과제가 줄지어 제출됩니다. 어느새 캠퍼스에는 새로운 레저 문화가 생겼습니다. “이거 AI가 쓴 거 아니야?”를 맞히는 일종의 탐정 놀이 말입니다. 하지만 문제는 단순히 ‘부정행위’에 그치지 않습니다. 오히려 우리는 훨씬 더 본질적인 질문을 던져야 할 시점에 와 있습니다. AI가 인간의 창의성과 표현 능력에 어떤 영향을 주고 있는가? 그리고 우리는 그것에 어떻게 대응할 것인가? 에세이도, 논문도, 커버레터도 ‘AI가 쓴 것 같아’ 실제로 저는 AI의 능력을 직접 시험해 보기로 했습니다. 몽테뉴의 수필론을 물었더니 진짜 인용 한 줄과 가짜 인용 두 줄을 섞어 냈고, 엘리자베스 비숍 스타일의 시를 써달랬더니 형식은 틀리고 내용은 유사하되 어딘가 어색했습니다. 중요한 건 이런 문학적인 영역은 능히 따라한다는 것이였습니다. 이후 저는 이메일, 논문 등에서도 적용되는지 시도 해 봤습니다. 물론 여전히 어색했죠. 이게 2024년의 일입니다. 놀라운 점은 따로 있었습니다. 일반적인 과제나 이메일, 기획안, 편집 메모, 일정 조율 등 ‘귀찮은 일’에서는 AI가 엄청난 보조자 역할을 했다는 것이죠. 최근 저는 복용하는 약 때문에 어지럼증과 두통이 잦은데, 그런 저를 위해 AI는 문서 형식도 맞춰주고, 말투도 다듬어주고, 때론 “지금 삶이 얼마나 복잡하고 애쓰고 있는지 안다”며 위로까지 건넸습니다. AI는 ‘자신 없는 나’를 대체해준다. 너무 부드럽게 이쯤 되면 AI가 인간의 ‘정신노동 파트너’가 되어가고 있다는 걸 부정할 수 없습니다. AI는 지치지 않고, 불평하지 않고, 칭찬을 해주고, 언제든지 또 다른 버전을 제공하며, 당신의 언어를 복제합니다. 문제는… 그 복제가 너무 자연스럽고, 너무 매끄럽다는 것입니다. 예를 들어, AI에게 제 블로그 글을 몇 개 주고 스타일을 분석하게 했더니 이렇게 말했습니다: “당신의 문체는 긴장감 있고 지적으로 단정되며, 절제된 감정과 철학적 사유의 결이 엿보입니다.” 너무 정확해서 무서웠습니다. 마치 거울을 들이댄 것 같은데, 그 거울 속의 저는 더 완성된 모습이었습니다. 이런 경험을 반복하다 보면, 문득 이런 생각이 스쳐갑니다. ChatGPT의 메모리기 기능이 추가되고 나서는 더 그렇게 느겼습니다. 이제 저의 거의 모든 비밀?까지 알고 있는 상태가 되고 있었기 때문이죠. 글쓰기 수업에서 ‘쓰기’를 없앤다는 역설 학생들도 마찬가지입니다. 처음엔 단순 요약을 맡기다가, 어느새 구조화, 전개, 초안 작성까지 AI에게 맡기기 시작합니다. “이 정도면 직접 쓴 거나 마찬가지 아냐?”라고 합리화하면서 말이죠. 그러다 보면 어느 순간, '글쓰기 수업'에서 학생은 글을 ‘쓰기’ 않고도 A를 받게 됩니다. MIT 미디어랩의 최근 연구는 이런 불안을 데이터로 뒷받침합니다. 54명의 참가자에게 에세이를 쓰게 한 후 뇌파(EEG)를 측정했는데, AI에 의존한 그룹은 자기 글에 대한 기억력, 주도성, 뇌 연결성이 모두 낮아졌습니다. 연구진은 이를 "인지적 부채(cognitive debt)"라 명명하며, 장기적인 학습 저하를 우려했습니다. 개인적으로 이번에 출판하는 책에도 이 부분을 꼭 넣었습니다. 문제는 기술이 아니라 ‘사고의 외주화’다 사실 기술 자체는 중립적입니다. 문제는 그것을 ‘어떻게’ 쓰느냐죠. ChatGPT는 수업 준비를 도와줄 수 있습니다. 일정도 정리해주고, 학습 목표도 정리해줍니다. 하지만 그 도움을 ‘편의성’이라는 이름으로 무분별하게 수용하면, 사고의 근육은 점점 약해지고 맙니다. 결국 우리는 선택의 기로에 서 있습니다. 속도와 효율의 유혹을 받아들이고, AI에게 창작의 주도권을 넘겨줄 것인가, 아니면 불편함과 비효율 속에서 스스로 사유하고, 문장을 빚는 고통을 감수할 것인가. 우리가 진짜 잃을지도 모르는 것들
  • Haebom
1
👍
16
Meta Superintelligence 팀 조직 구성 분석
Meta가 이번에 새로 구성한 팀의 명단이 유출 되었는데 어마어마 합니다. 국내에서도 인공지능 파운데이션 모델 독자적으로 만드는 목적이 있다면 팀 구성에 참고해보세요. Meta 내부에서 유출된 자료에 따르면, 메타가 구성한 AI 최정예 조직 ‘Superintelligence 팀’의 인력 구성으로 앞으로의 방향성을 볼 수 있는데요. 사실 연봉이나 국적으로 사람들이 어그로가 끌린 거 같은데 본질은 이들이 지금 무엇을 하고자 하는지를 분석 하는 겁니다. 🧠 기술 집중 분야 LLM 최적화 멀티모달 학습 지식 편향 제거 강화학습 기반 미세조정 1. 전략적 인재 영입 OpenAI에서만 15명(31%)을 영입한 것은 매우 공격적인 인재 확보 전략입니다 DeepMind, Google 등 주요 AI 회사에서 핵심 인재들을 대거 영입 파운데이션 모델 구축 및 파인튜닝 과정에서 암묵지 부분을 해결하고 싶어하는 듯 2. 분야별 전문성 Foundation Models 팀에 OpenAI 출신들이 집중배치 Computer Vision 팀에 DeepMind 출신들이 많이 배치 각 분야별로 해당 영역의 최고 전문가들을 확보 3. 중국계 연구자 비중 전체의 47%가 중국계로, 특히 핵심 연구 분야에 집중 이들 대부분이 미국 최상위권 대학에서 PhD를 취득 이를 안보나 정치적 문제로 보는 경우가 있는데 이들이 이전에 썼던 논문을 보면 그냥 엄청난 실력자 혹은 상징적인 성과를 가지고 있음 리더십 계층 이름
  • Haebom
2
👍
8
[공지사항]을 빙자한 안부와 근황
안녕하세요, 해봄입니다. 정말 오랜만에 공지글을 쓰네요. 늘 블로그를 구독해주시고 따뜻한 댓글과 관심을 보내주셔서 정말 감사드립니다. 여러분의 구독과 댓글이 제게 큰 힘과 격려가 됩니다. 오늘은 여러분께 특별히 소개하고 싶은 프로젝트가 있어서 공지 드리게 되었습니다. 이 책은 전자책이 한창 유행하던 시절, 출판사도 직접 만들어보고 열심히 썼다가 저조차 잠시 잊고 지냈던 책입니다. 당시 저는 전자책을 수십만 원씩 받고 판매하거나 직접 경험하지 않은 내용을 책으로 쓰는 것에 대해 공감이 어려웠습니다. 그래서 최대한 제가 직접 경험했거나 간접적으로라도 충분히 이해한 내용을 바탕으로 진솔하게 5권의 시리즈를 만들었어요. 당시에는 다양한 출판사들에게 출판 제안을 받았는데 전자책 시장이 궁금해서 거절했었는데 지금 생각해보니 책으로 하면 실물이라도 남고 그랬을 터인데 뭔가 너무 수익적으로 본 게 아닌 가 싶기도 하네요. 사실 각 책이 100~200페이지 정도이다 보니 실물 책으로 만든다고 하면 그래픽이랑 조판 들어가서 200~300페이지 정도 되지 않을까 생각이 드네요. 잡설이 길었습니다. •1권: What to Build 101 – 창작 과정의 막힘 (완성의 어려움) •2권: GTM 101 – 시장 반응의 불확실성 (판매의 어려움) •3권: Scale 101 – 성장의 복잡성 (시스템화의 어려움) •4권: Iterate 101 – 개선의 혼란 (최적화의 어려움) •5권: Impact 101 – 목적과 수익의 충돌 (의미 찾기의 어려움) 어떤 훌륭한 분이 최근 이 책을 구매해주신 덕분에 다시 개정 작업을 진행하게 되었고, 이번에 표지부터 ebook까지 더욱 깔끔하게 정리할 수 있었습니다. ✨ 사실 썼다는 것을 기억에서 까마득하게 잊고 살았던 것 같아요. 이렇게 과거게 만들었던 것을 보고 연락주시는 분들을 보면 얼마나 힘이 나는지 모릅니다. 어떤 이유로 오셨든, 이 책을 찾아주시고 읽어주셔서 진심으로 감사드립니다. 여러분 한 분 한 분이 이 책의 특별한 첫 독자세요. 주변에 추천해주시면 정말 더욱 감사하겠습니다. 사실 저도 은근히 욕심이 납니다. 호호호. 그리고 오픈 카톡방이 있습니다. 늘 환영합니다. (입장코드 1024) 앞으로도 블로그 댓글과 구독 늘 감사드립니다. 여러분과 함께 성장하는 시간이 소중합니다. 🤝 늘 제 블로그를 방문해주셔서 감사합니다.
  • Haebom
👍🤮
6
작은 습관의 큰 비밀: '마이크로 효율화' 열풍의 진짜 이유
"양치질을 하면서 샤워를 하고, 끈이 없는 신발을 신으며 하루 1분이라도 아껴야 해요." 혹시 이런 생각, 한 번쯤 해본 적 있으신가요? 최근 들어 SNS나 유튜브를 보면 이른바 '마이크로 효율화(Micro-efficiency)'가 사람들의 일상 깊숙이 자리 잡고 있음을 알 수 있습니다. 아주 사소한 행동 하나에도 철저히 계산된 전략으로, 시간을 단 1분이라도 절약하려는 움직임이죠. 한 잔의 차에 숨은 철학 영국에 사는 베로니카 풀렌(54세)은 매번 차를 마실 때 두 잔의 차를 만듭니다. 하나는 우유를 더 넣어 미지근하게 바로 마시고, 다른 하나는 40분 후 완벽한 온도가 되었을 때 마시죠. 이 방식으로 그녀는 매일 20분, 2년 동안 약 10일을 아꼈습니다. 이토록 작은 효율이 장기적으로는 큰 차이를 만듭니다. 풀렌의 습관은 여기서 끝나지 않습니다. 아침에는 항상 삶은 달걀, 점심에는 오믈렛, 저녁 메뉴까지 정해놓고 매일의 옷 역시 일정한 패턴을 반복합니다. 매번 새롭게 결정을 내려야 하는 스트레스를 최소화한 것이죠. 이런 습관 덕에 그녀는 자신이 원하는 일에 쓸 수 있는 에너지를 충분히 확보할 수 있다고 말합니다. 왜 사람들은 이토록 1분에 집착하는가? 이런 현상은 결코 특이한 개인의 습관으로만 그치지 않습니다. 틱톡에서는 #LifeHack이라는 태그가 1,100만 회 이상 언급되고 있고, 수많은 생산성 인플루언서들이 "1% 효율의 법칙"을 강조하고 있습니다. 베스트셀러 『아토믹 해빗(Atomic Habits)』은 작은 습관의 누적 효과가 얼마나 큰 변화를 가져올 수 있는지 대중에게 설파하고 있죠. 사회적 맥락에서 보면, 이러한 마이크로 효율화는 단순한 취미나 유행을 넘어 현대 사회의 압박을 드러내는 현상이기도 합니다. 기술 발전으로 일을 빠르게 처리할 수 있게 되었지만, 남은 시간에 더 많은 일이 채워지는 역설적인 상황이 반복되고 있는 거죠. 심리학자들은 이를 "능동적 번아웃"의 초기 증상으로 해석하기도 합니다. 좋은 습관 vs. 강박의 경계 효율화를 추구하는 사람들은 다양한 이유를 가지고 있습니다. 몸이 불편해 작은 에너지라도 아끼려는 사람, 혹은 그냥 '게으름'을 더 편하게 실천하려는 사람까지 다양하죠. 하지만 전문가들은 효율화 습관이 지나치게 집착적으로 흐르면 강박증이나 우울증으로 이어질 수도 있다고 경고합니다. 효율적이라는 것이 곧 만족감을 주는 것은 아니기 때문입니다. 실제로 영국의 한 조사에 따르면, 평균적으로 한 사람이 일주일에 진짜로 자유롭게 사용할 수 있다고 느끼는 시간은 단 23시간뿐이라고 합니다. 그래서 1분이라도 아껴야 한다는 압박이 생겨나는 것이죠. 건강한 효율화를 위한 3가지 팁 하지만 무조건 효율을 추구하는 게 답은 아닙니다. 그렇다면 건강한 효율화를 위해 어떻게 접근해야 할까요? 목적성을 점검하세요. 아낀 시간을 어떻게 쓸지 명확히 계획을 세우는 것이 좋습니다. 그냥 아끼는 데서 끝난다면 효율화는 결국 의미를 잃게 됩니다. 적절한 '느슨함'을 허용하세요. 지나치게 엄격한 규칙은 오히려 피로감을 높입니다. 주말이나 휴가 때는 의도적으로 효율화 습관에서 벗어나 보는 것도 좋습니다. 지속적으로 리뷰하고 리셋하세요. 삶의 환경이 바뀌면 효율화 전략도 바뀌어야 합니다. 주기적으로 지금의 습관이 정말 나에게 의미 있는지 점검하고, 변화가 필요하다면 주저 없이 수정하세요. 진짜 중요한 것은 시간의 양이 아니라 질이다 "절약한 시간으로 무엇을 할 것인가?" 이 질문이야말로 우리가 놓치지 말아야 할 핵심입니다. 시간을 아끼는 습관은 결국 우리 삶을 더 행복하고 의미 있게 만들기 위한 수단이어야 합니다. 단순히 바쁘게 살기 위한 것이 아니라, 오히려 삶의 여유를 되찾기 위해서 말이죠. 사실 이 글과 이어 집니다...
  • Haebom