이번주 AI 뉴스 📰
폭탄 발언 : Nvidia CEO 젠슨 황이 한 팟캐스트에 출연해 "우리는 AGI(범용인공지능)를 달성했다"고 주장함.
업계와 대조 : 이는 과도한 기대와 규제를 피하기 위해 AGI라는 용어 사용을 자제하려는 OpenAI 등 다른 AI 기업들의 최근 기조와 대조됨.
논의 재점화 : AI 하드웨어 시장을 지배하는 기업 수장의 발언인 만큼 파장이 크며, AGI의 정의와 달성 여부에 대한 업계 내 논쟁을 다시 점화시킴.
OpenAI, 사모펀드에 17.5% 수익 보장 제안… 기업용 AI 주도권 경쟁
파격 수익 보장 : OpenAI가 기업용 AI 시장 선점을 위해 사모펀드에 17.5%의 최소 수익을 보장하는 합작 법인 투자를 제안함.
사모펀드 공략 : 사모펀드가 소유한 다수의 포트폴리오 기업에 AI 모델을 일괄 도입시켜 대규모 고객을 단숨에 확보하려는 전략임.
Anthropic 경쟁 : 경쟁사 Anthropic도 유사한 합작을 추진 중이나 수익 보장 조건이 없어, 양사 간의 자본 및 시장 점유율 경쟁이 심화됨.
Cursor, 새 코딩 모델이 중국 AI ‘Kimi’ 기반임을 뒤늦게 인정
중국 모델 기반 : 미 AI 코딩 기업 Cursor가 출시한 새 모델 ‘Composer 2’가 중국 Moonshot AI의 오픈소스 모델 ‘Kimi 2.5’를 기반으로 한 것으로 밝혀짐.
자체 훈련 강조 : Cursor는 이를 인정하면서도 전체 연산량의 75%는 자체 추가 훈련에 쓰였으며 라이선스 규정을 준수한 합법적 사용이라고 해명함.
출처 누락 인정 : 미중 AI 기술 경쟁이 심화되는 가운데, Cursor 창업자는 출시 초기 공식 발표에 출처를 언급하지 않은 것이 실수였음을 인정함.
이번주 AI 논문 📝
스케치하듯 생각함 : AI는 애니메이션처럼 ‘한 장면씩’ 순서대로 생각하는 게 아니라, 흐릿한 밑그림을 점점 선명하게 다듬는 과정에서 여러 정답을 고민하며 추론함.
사람 닮은 똑똑함 : 이 과정에서 AI는 처음에 있던 물체를 기억하고, 중간에 틀린 부분을 스스로 고치며, 대상을 먼저 파악한 뒤에 움직임을 그리는 놀라운 능력을 보여줌.
더 똑똑한 AI 만들기 : AI가 초기에 상상한 여러 가지 밑그림 아이디어들을 하나로 모아주기만 해도, 복잡한 재학습 없이 훨씬 더 똑똑하고 정확하게 비디오를 완성할 수 있음.
시각-언어 AI의 복합 추론 능력을 높이는 연쇄 학습법
복합 추론의 한계 : 최신 AI는 이미지와 텍스트를 잘 이해하지만, 여러 단계를 거쳐 논리를 전개해야 하는 복잡한 상황에서는 중간 오류가 누적되어 판단력이 흐려지는 약점이 있음.
연쇄 질문 데이터 : 이를 극복하기 위해 앞선 단계의 결과가 다음 생각의 필수 단서가 되도록, 꼬리를 무는 방식의 다단계 추론용 데이터를 자동으로 대량 생성하여 모델에 학습시킴.
전반적 성능 향상 : 이렇게 연쇄적인 논리 훈련을 거친 AI는 특정 분야에 치우치지 않고 수학, 퍼즐, 문서 이해 등 다양한 영역에서 전반적으로 향상된 문제 해결 능력을 증명함.
판단의 불확실성 : 이미지와 글을 함께 다루는 최신 인공지능은 문맥이 전환되어 판단이 헷갈릴 때, 주변 정보를 충분히 살피지 못하고 그럴듯한 거짓말을 만들어내는 약점이 있음.
유연한 문맥 해석 : 확신이 부족할 때는 여러 의미의 가능성을 열어두고 전체 흐름을 파악하며, 확신이 섰을 때만 명확한 단어를 선택하도록 인공지능의 생각 방식을 유연하게 바꿈.
추론 신뢰도 향상 : 사진이나 그림이 주는 단서에 더 집중하도록 이끄는 새로운 기술을 여러 모델에 적용해 본 결과, 엉뚱한 대답이 눈에 띄게 줄어들고 확실히 믿을 수 있는 결과를 증명함.
이번주 AI 프로덕트 🎁
기존 AI의 한계 : 기존 범용 AI는 일반 프로그래밍에는 뛰어나지만, 하드웨어나 자원 제약이 엄격한 실제 산업 현장에서는 제 성능을 발휘하기 어려움.
산업용 모델 개발 : 반도체 설계나 3D 모델링 등 특화된 산업 데이터를 단계적으로 집중 학습시킨 320억 매개변수 규모의 전용 AI 모델을 구축함.
새로운 기준 확립 : 일반적인 코딩 작업뿐만 아니라 다양한 산업용 평가 지표에서도 우수한 성과를 기록하며 새로운 오픈소스 기준점을 제시함.
정적 평가의 한계 : 텍스트와 시청각을 결합한 최신 AI는 정답률 위주로 평가되어, 실제 대화에서 요구되는 동적이고 사회적인 교감 능력을 측정하기 어려움.
동적 교감 지표 : 화자 인식, 적절한 개입 시점 파악, 자연스러운 대화 참여 등 세 가지 기준을 통해 AI의 실시간 소통 능력을 진단하는 평가 도구를 설계함.
인지와 소통의 격차 : 상황을 인지하는 능력과 대화에 적절히 개입하는 능력 사이에 분명한 차이가 있음을 확인하고, 인간 친화적인 AI 개발을 위한 실질적인 개선 방향을 제시함.
