로그인

Newsfeed

관심있는 소식을 GPT-3.5를 이용해 요약하고, DeepL을 이용해 번역합니다.
필요한 경우 내용을 추가합니다. 가끔은 길게 풀어 씁니다.
넷플릭스는 정말 롱테일 법칙을 따를까?
넷플릭스와 롱테일 법칙 넷플릭스는 롱테일 법칙의 대표 사례로 일컬어집니다. 롱테일 법칙은 잘 팔리지 않는 상품들도 충분히 수요가 있고, 이 수요로 인한 매출이 인기 있는 상품의 매출에 버금간다는 뜻이죠. 애플 아이팟의 음원 서비스, 아마존의 도서 판매에서 하위 80%의 매출액이 전체 매출의 50% 가까이 차지하는 현상이 롱테일 법칙이라고 할 수 있습니다. 기존의 파레토 법칙에서 무시되었던 긴 꼬리의 영역을 확보하자는 접근이 바로 롱테일 법칙입니다. 기존의 전통적인 시장을 지배했던 건 파레토 법칙입니다. 과거 기업이 투입할 수 있는 자원과 얻을 수 있는 정보량은 제한적이었습니다. 그들이 경영 실적을 높이기 위해선 선택과 집중이 필요했고, 그렇게 선택과 집중이 이뤄진 결과는 파레토 법칙으로 이어졌습니다. 파레토 법칙은 상위 20%가 전체 생산량의 80%를 차지한다는 법칙을 말합니다. 스트리밍 서비스의 투명성을 높이기 위해 넷플릭스가 공개한 18,214개 타이틀과 타이틀 별 시청시간 데이터는 정말 롱테일 법칙을 따르고 있을까요? 참고로 넷플릭스가 공개한 보고서에 따르면 이번에 공개된 18,214개의 타이틀의 시청량은 넷플릭스 전체 시청량의 99%에 해당한다고 합니다. 50,000시간 이상 스트리밍된 타이틀만 포함된 수치인데, 넷플릭스 전체 타이틀 수와 크게 차이가 없는 것으로 추정되고 있습니다. 거의 모든 타이틀이 50,000시간 넘게 스트리밍 된다는 측면에서 롱테일 법칙을 따를 가능성이 높아 보이는데, 정말 그런지 확인해 봤습니다. 시청시간 상위 20% 타이틀이 차지하는 비율 일단, 넷플릭스에서 제공해준 데이터를 watch_times 라는 녀석에 넣었습니다. 그 중 시청시간은 Hours.Viewed라는 칼럼에 들어있고요. 시청시간 상위 20% 타이틀들의 시청시간을 다 합친뒤, 전체에서 얼마나 차지하는지 확인해봤습니다. The top 20% of titles account for 85.6 % of the total watch time. 상위 20%가 전체의 80% 넘게 차지한다? 넷플릭스 시청시간에서 우리가 익히 알고 있던 파레토 법칙이 등장합니다. 익히 들어왔던 만큼 넷플릭스는 당연히 롱테일 법칙을 따를 줄 알았는데 말이죠.
  • chichead
넷플릭스가 18,214개 콘텐츠의 데이터를 공개했다
핵심요점 불투명성으로 오랫동안 비판을 받아온 넷플릭스가 1년에 두 번씩 종합적인 시청자 인사이트를 공개하기로 했습니다. 12월 13일에 공개된 넷플릭스의 첫 보고서에는 18,214개의 타이틀과 타이틀 별 시청 시간을 공개했습니다. 넷플릭스는 앞으로 스트리밍 환경의 투명성 부족 문제를 해결하겠다고 약속했습니다. 요점 뒷받침 넷플릭스 CEO 테드 사란도스는 과거 넷플릭스의 투명성 부족이 할리우드에서 불신을 키웠다고 인정하고 상세한 시청자 데이터로 새로운 신뢰를 얻겠다는 목표를 세웠습니다. 넷플릭스는 앞으로 1년에 두 번씩 시청자 선호도에 대한 상세 보고서를 발표할 예정입니다. 12월 13일에 공개된 상반기 보고서(2023년 1월~6월)에는 18,000개 이상의 타이틀과 약 1,000억 시간의 시청 데이터가 담겨있습니다. 보고서에 담긴 데이터는 상반기 기간동안 전 세계에서 50,000시간 이상 시청한 모든 타이틀(18,214개)을 대상으로 합니다. 18,214개의 타이틀의 총 시청 시간은 934억 5,520만 시간에 달합니다. 2023 상반기 넷플릭스 시청 시간 Top 10 Rank Title Hours Viewed 1 The Night Agent: Season 1 812,100,000 2 Ginny & Georgia: Season 2 665,100,000 3 더 글로리
  • chichead
AI : "겨울 방학엔 AI도 놀아야죠"
핵심요점 : 겨울 시즌에 ChatGPT가 특정 작업을 수행하기 꺼려한다고 느끼는 사용자들의 반응이 증가하고 있습니다. AI 모델의 성능이 일관적이지 않을 수 있고, 원인조차 확인되지 않아 우려가 발생하고 있습니다. 일각에서는 AI가 겨울방학 동안 작업을 덜 하는 것을 학습하기 때문에 겨울방학 시즌에 성능이 더 나빠질 수 있다고 추측합니다. 요점 뒷받침 11월 24일, Reddit의 한 사용자가 여러 항목이 포함된 CSV 파일 작성을 거부하고 대신 단일 항목만 템플릿으로 제공하는 ChatGPT의 문제점을 지적했습니다. 다른 사용자들도 11월 11일부터 11월 말 사이에 ChatGPT-4가 더 느리게 작동하거나, 작업을 거부하거나, 더 간단한 결과를 제공한다고 지적했습니다. ChatGPT-4에 12월 날짜를 입력하면 다른 달에 비해 더 짧은 응답이 나오기도 했습니다. OpenAI는 12월 1일에 모델의 '게으름'에 대한 보고를 인정하며 이 문제를 해결하기 위한 노력을 기울이는 동시에 다양한 사용자 요구를 지원하는 데 어려움을 겪고 있다고 밝혔습니다. 이러한 AI의 행동에 계절적 영향이 있다는 '겨울방학 가설’ 등 여러 추측이 제기되었습니다. ‘겨울방학 가설’은 GPT-4가 ‘겨울방학 동안 사람들이 작업을 덜 한다’는 것을 학습하기 때문에 12월에 성능이 더 나빠질 수 있다는 추측입니다. 원본 자료 https://arstechnica.com/information-technology/2023/12/is-chatgpt-becoming-lazier-because-its-december-people-run-tests-to-find-out/?utm_source=tldrnewsletter https://twitter.com/emollick/status/1734280779537035478
  • chichead
2023 AI 보고서 “State of AI 2023” 리뷰
State of AI 2023 매년 AI 기술의 현주소를 분석해 100페이지가 넘는 보고서를 작성하는 팀이 있습니다. 이 팀은 AI 기술에 투자하는 벤처캐피탈 Air Street Captital의 Genenral Partner인 Nathan Benaich가 이끌고 있죠. 이 보고서는 State of AI Report라는 이름을 달고 2018년부터 매년 발표되고 있습니다. 보고서는 크게 5가지 파트로 구성되어 있습니다. Research: 기술 혁신과 그 역량 Industry: AI의 상업적 적용과 비즈니스에 미치는 영향 Politics: AI 관련 규제, 경제적 영향 및 AI 정책의 지정학 Safety: 미래 AI 시스템이 우리에게 초래할 수 있는 치명적인 위험을 식별, 완화 Predictions: 앞으로 일어날 것으로 예상되는 일과 이전 보고서의 성과 검토 2023년의 AI 기술 역량뿐 아니라 산업 영역, 또한 정책 상황과 안보 이슈까지 총 망라한 State of AI 보고서는 이곳에서 볼 수 있습니다. 시간이 된다면 원문을 찬찬히 뜯어볼 것을 추천합니다. 오늘 이 글에선 State of AI 보고서의 주요 부분을 요약하고, 추가로 덧붙일만한 내용을 포함해 정리해 보았습니다. 1. Research 1-1. LLM 2023년은 단연 LLM의 해라고 할 수 있습니다. 수많은 LLM 중에서도 가장 인상적인 건 바로 GPT-4죠. OpenAI가 공개한 테스트 결과를 보면 GPT-4는 AI 벤치마크뿐 아니라 변호사 시험, 미국 대학원 입학시험(GRE), 코딩테스트 플랫폼인 리트코드(Leetcode) 등 인간을 대상으로 설계된 시험에서도 좋은 성적을 얻어 냈습니다. GPT-3과 GPT-3.5는 텍스트만 학습했었지만 GPT-4는 텍스트와 이미지 모두를 학습한 친구입니다. 또한 GPT-4는 이미지를 기반으로 텍스트를 생성할 수 있는 멀티모달 AI이기도 하죠. OpenAI는 GPT-4가 여전히 할루시네이션(오류가 있는 데이터를 학습해 잘못된 답변을 진실로 답변하는 현상) 이슈로 문제를 겪고 있다고 밝히고 있지만, 그럼에도 불구하고 AI를 속이기 위해 생성된 데이터 셋에서 다른 모델들보다 40% 높은 정답률을 기록하면서 성능면에서 상당히 앞서 있습니다.
  • chichead
소프트웨어 엔지니어 최고 연봉 2위, 쿠팡
핵심요점 : 2023년 12월 1일 기준, levels.fyi의 소프트웨어 엔지니어의 총 보수액 중간값을 기준으로 가장 높은 급여를 지급하는 상위 500대 기업 리스트를 나타냈습니다. 1위는 OpenAI, 2위는 쿠팡, 3위는 클럽하우스입니다. : 이 목록은 심층 분석이 아니라 소프트웨어 엔지니어링 직책에 대해 상대적으로 높은 보상을 제공하는 것으로 알려진 회사들을 대략적으로 정리한 것입니다. 표본 크기, 정확성, 연공 서열 또는 지역적 차이와 같은 요소는 고려되지 않았습니다. 요점 뒷받침 소프트웨어 엔지니어의 최고 연봉 기업은 925,000 USD의 OpenAI입니다. 2위는 600,000 USD를 기록한 쿠팡입니다. 이 리스트에는 자체 보고서의 표본 크기나 정확성은 전혀 고려되지 않았습니다. 그렇기 때문에 연공 서열이나 연봉에 영향을 미치는 다른 여러 요인(지역적 위치 등)으로 세분화하면 리스트는 크게 달라질 수 있습니다. levels.fyi가 중간값을 계산하여 제공하기에 충분한 데이터가 부족한 회사는 필터링됩니다. 상위 10개 기업 Rank Company ID Total Comp(USD) Levels.fyi URl 1 openai 925,000 https://levels.fyi/company/openai/salaries/software-engineer 2
  • chichead
AGI(범용인공지능) 재정의하기 by 구글
핵심 요점 : 모든 상황에 일반적으로 두루 적용할 수 있는 AGI(범용인공지능, Artificial General Intelligence)는 AI 기술 분야에서 가장 논란이 많은 개념 중 하나입니다. 구글 딥마인드 연구자들이 이런 논란을 종식시키기 위해 나섰습니다. : 구글 딥마인드의 이번 연구는 AGI의 정의를 둘러싼 혼란을 해소하고, 신생(emerging)에서 초인간(superhuman)까지 5단계의 점진적 수준을 제시하며, 필수적인 특징과 구체성의 필요성을 조명하는 등 이해하기 어려운 개념에 대해 명확하게 설명한다는 점에서 의의가 있습니다. 요점 뒷받침 구글 딥마인드 팀은 AGI에 대한 새로운 정의를 확립하기 위해 기존 AGI의 정의들을 살펴보고 각 정의에 필수적으로 등장하는 공통 특징들을 도출했습니다. 이를 바탕으로 정리된 구글 딥마인드의 분류법은 AGI 수준을 5가지 단계로 식별하여 필수 속성과 인간 수준의 작업 수행 기준을 명확히 합니다. 그 5가지 수준은 각각 신생(emerging), 유능(competent), 전문가(expert), 거장(virtuoso), 초인간(superhuman) 수준입니다. 연구팀은 신생 단계에 현재 ChatGPT, Bard 등의 최첨단 챗봇이 포함되는 것으로 분류했습니다. 초인간 수준은 타인의 생각을 해독하고, 미래 사건을 예측하며, 동물과 대화를 나누는 등 인간은 할 수 없는 일을 포함한 광범위한 작업 수행에 뛰어난 AGI 수준을 의미합니다. 연구팀은 현재 기술이 신생 수준의 AGI를 넘어선 적이 없다고 언급했습니다. 딥마인드의 기준은 학습, 자기 평가, 도움을 구할 수 있는 범용의 높은 성취도를 가진 AI의 특징을 강조하며 이전의 AI 시스템과 차별화됩니다. 앞으로의 전망 : 인공지능에 대한 명확한 논의는 모호한 개념에서 정의된 매개변수로 논의를 이끌어가는 중추적인 순간이 될 수 있습니다. AGI 평가의 복잡성은 향후 모델에 따라 더욱 심화될 것이기에, 종합적인 AGI 평가를 위해선 지속적인 관리가 필요합니다.
  • chichead
OpenAI의 Q*에 대한 관심, 그리고 SOS
핵심요점 : OpenAI의 Q*에 대한 상반된 보도가 나오는 가운데, Q*가 실제로 OpenAI의 이사회 격변을 촉발했는지, 아니면 단순히 AI 혁신을 둘러싼 논란의 촉매제로 인식된 것인지에 대한 불확실성이 커지고 있습니다. 서로 상충되는 이야기들로 인해 상황이 흐려지면서 잘못된 정보 속에서 진실을 찾아야 하는 상황이 되었습니다. : 여러 추측이 난무하는 가운데, 일각에서는 Q*가 현재의 언어 모델을 넘어서 행동할 수 있는 AI를 향한 중요한 단계인 플래닝(Planning)에 대한 OpenAI의 노력이라고 주장합니다. 플래닝(Planning)은 학습(Learning)과 검색(Search)의 통합을 추구하며, 이는 계획과 추론에 능숙한 모델을 개발하는 데 필수적입니다. : Q*를 둘러싼 광풍은 더 큰 사회적 문제인 반짝이는 물체 증후군(Shiny Object Syndrome, SOS)의 한 증상으로 볼 수 있습니다. SOS는 대중들의 새로운 것에 대한 끝없는 욕구로 인해 발생하고 OpenAI의 마케팅으로 인해 더욱 악화되고 있습니다. 요점 뒷받침 Q*는 OpenAI가 개발한 AI로, 학습하지 않은 수학 문제를 기존 데이터를 응용해 능숙하게 풀었다는 내부 전언이 등장하면서 AGI에 거의 근접한 모델로 볼 수 있다는 목소리가 나왔습니다. 로이터 통신의 초기 보도에서는 Q*가 OpenAI 이사회를 흔들었다는 주장이 제기되었지만, 더 버지, 더 애틀랜틱 등 다양한 매체의 상반된 보도가 이러한 주장에 이의를 제기하고 있습니다. 일각에서는 Q*가 플래닝(Planning)에 중점을 둔 프로젝트로 의심하고 있습니다. AI 전문가들은 언어 모델만으로는 AI를 다음 단계로 끌어올리기에는 불충분하다고 주장합니다. 안정적으로 행동할 수 있는 AI는 행동을 취하기 전에 잠재적인 행동을 예측, 추론할 수 있는 내부 모델이 있어야 하는데, 이것이 바로 플래닝(Planning)입니다. 'AI 추론' 영역에서 유명한 노암 브라운을 영입한 것은 OpenAI가 AI의 인지 프로세스를 향상시키는 데 집중하고 있음을 암시합니다.
  • chichead
언어 모델이 ‘암기’한 데이터에 개인정보가 있다
핵심 요점 : ChatGPT와 같은 언어 모델은 학습 세트에서 특정 데이터를 기억하고 재현할 수 있는 '암기'라는 고유한 능력을 가지고 있습니다. 이러한 사실이 드러나면서 개인정보 보호에 미치는 영향과 이러한 모델의 전반적인 설계에 대한 중요한 의문이 제기되고 있습니다. 요점 뒷받침 이 연구는 '추출 가능한 암기(extractable memorization)'에 초점을 맞춰 외부 기관이 목표 프롬프트를 통해 모델에서 특정 데이터를 검색할 수 있는지 조사했습니다. 그 결과 ChatGPT를 비롯한 다양한 언어 모델이 특정 요청에 따라 학습 데이터의 일부를 암기(Memorization)하고 다시 불러올 수 있는 것으로 나타났습니다. 연구진은 '발산 공격(Divergence attack)'을 도입하여 ChatGPT가 일반적인 응답에서 벗어나 예기치 않게 암기된 데이터를 방출하도록 유도했습니다. 우려스러운 점은 기억된 데이터에 이메일 주소와 전화번호와 같은 개인 식별 정보(PII)가 포함되기도 했다는 점입니다. 평가 결과, 테스트 대상의 16.9%가 암기된 PII를 포함하고 있는 것으로 나타나 심각한 개인정보 보호 위험이 있는 것으로 나타났습니다. 앞으로의 전망 : 이 연구는 AI 모델의 포괄적인 테스트의 절박한 필요성을 강조하며 기본 취약점을 해결하는 것이 중요하다고 강조합니다. AI 개발자들은 교육 데이터 중복 제거와 같은 영역을 탐구하고 모델 용량이 기억에 미치는 영향을 고려해야 합니다. 원본 자료 https://stackdiary.com/chatgpts-training-data-can-be-exposed-via-a-divergence-attack/?utm_source=tldrai https://not-just-memorization.github.io/extracting-training-data-from-chatgpt.html
  • chichead
Slashpage로 제작됨