이번주 AI 뉴스 📰
“SNS 필터 씌운 줄”… 원작 훼손 논란 휩싸인 엔비디아 DLSS 5
신기술 공개 : 엔비디아가 생성형 AI를 활용해 게임 그래픽의 조명, 그림자 및 질감을 극사실적으로 재구성하는 DLSS 5를 발표함.
원작 훼손 : 캐릭터의 외모나 환경이 SNS 필터를 씌운 것처럼 인위적으로 변형되어, 원작의 예술적 의도를 훼손한다는 비판이 제기됨.
개발자 제어 : 엔비디아는 그래픽 변형 강도를 조절하거나 특정 영역을 제외하는 제어 기능을 제공할 예정이며, 올가을 일부 게임에 도입됨.
이스라엘 네타냐후 총리, ‘AI 클론’ 음모론 해명에 진땀
클론설 확산 : 네타냐후 총리가 사망해 AI 딥페이크로 대체되었다는 음모론이 소셜 미디어를 통해 퍼지고 있음.
해명 영상 논란 : 생존을 증명하려 올린 영상조차 누리꾼들이 화질 저하 현상 등을 AI 오류라 지적하며 진짜 여부를 의심함.
신뢰의 위기 : 진위를 증명할 수단이 부족해 실제 영상도 믿지 못하는 등 AI로 인한 심각한 정보 불신 현상이 나타남.
바이트댄스, 할리우드 저작권 분쟁으로 비디오 AI 글로벌 출시 중단
저작권 분쟁 : 바이트댄스의 비디오 AI ‘시댄스 2.0’이 유명 배우와 캐릭터를 무단 생성해 할리우드의 반발을 사며 글로벌 출시를 잠정 보류함.
필터링 적용 : 지식재산권 침해 방지를 위해 콘텐츠 검열 시스템을 도입했으나, 관련 없는 요청까지 차단되어 중국 내 사용자들의 불만이 제기됨.
출시일 미정 : 기업용 서비스 접근 심사가 엄격해지고 세밀한 저작권 검토 시스템을 개발 중이라 향후 글로벌 출시 일정은 불투명함.
이번주 AI 논문 📝
가상 세계의 아쉬움 : 기존 인공지능 모델들은 그럴듯한 환경을 상상하여 만들어내는 데 그쳤을 뿐, 실제로 존재하는 도시의 모습을 생생하게 시뮬레이션하는 기술은 시도되지 않았음.
실제 거리 데이터 : 서울의 실제 거리 뷰 사진을 활용해 주변 풍경을 검색하고 자연스럽게 이어 붙이는 기술을 도입하여, 현실 세계의 복잡한 구조와 모습을 그대로 반영하는 모델을 완성함.
실감 나는 도시 구현 : 기존 기술을 뛰어넘어 여러 실제 도시의 모습을 수백 미터에 걸쳐 일관성 있고 매끄러운 영상으로 만들어 내며, 사용자가 원하는 날씨나 상황 변화까지 훌륭하게 연출함.
무거워진 머리 : 기존 인공지능은 학습 과정이 길어질수록 지나간 모든 정보를 똑같은 무게로 짊어지고 가야 해서, 정작 중요한 핵심이 점차 흐려지는 한계가 있었음.
선택과 집중 : 과거의 기억을 무작정 다 떠안는 대신, 지금 당장 꼭 필요한 정보만 인공지능이 스스로 골라내어 집중할 수 있는 새롭고 똑똑한 두뇌 연결 방식을 개발함.
더 나은 성능 : 이 방식을 실제 거대 인공지능에 적용해 보니 정보가 뒤섞이며 옅어지는 현상이 사라졌고, 어떤 복잡한 과제에서도 훨씬 더 빠르고 정확한 성능을 발휘함.
단순 작업 너머의 통찰 : 기존 인공지능은 주어진 과제를 수행하는 능력에만 집중했을 뿐, 어떤 아이디어가 세상에 큰 영향을 미칠지 판단하는 ‘과학적 안목’을 기르는 연구는 부족했음.
학계의 평가로 훈련 : 동료 과학자들에게 많이 인용되고 인정받은 논문 데이터를 활용해, 좋은 아이디어를 가려내는 ‘심사위원’ 인공지능과 가치 있는 새 아이디어를 제안하는 ‘연구자’ 인공지능을 훈련시킴.
인간 수준의 안목 증명 : 훈련 결과 이 인공지능은 기존의 최신 언어 모델들보다 연구의 가치를 훨씬 더 정확하게 평가했으며, 뛰어난 새 연구 방향까지 직접 제시하여 인공지능도 훌륭한 과학적 통찰력을 배울 수 있음을 증명함.
이번주 AI 프로덕트 🎁
OpenClaw-RL: 대화하며 스스로 똑똑해지는 인공지능 비서
놓쳐버린 대화들 : 기존 인공지능은 사용자와 나눈 대화 내용이나 컴퓨터를 다루며 겪은 즉각적인 결과들을 그때그때 바로 학습해서 써먹지 못하는 아쉬움이 있었음.
경험을 실력으로 : 인공지능이 겪는 모든 대화와 행동 결과를 ‘잘한 점’과 ‘고쳐야 할 점’으로 바로바로 바꾸어, 다양한 상황에서 동시에 훈련하고 똑똑해지도록 만드는 새로운 기술을 개발함.
쓰면 쓸수록 진화 : 복잡한 과정 없이 그저 인공지능과 평소처럼 대화하고 작업을 맡기는 것만으로도, 인공지능이 스스로 실수를 고치며 끊임없이 발전하는 놀라운 모습을 보여줌.
섬세한 평가 부족 : 기존 인공지능은 도표나 이미지를 컴퓨터 코드로 변환할 때, 결과물이 원본과 미세하게 다른 부분을 제대로 짚어내지 못해 학습에 한계가 있었음.
꼼꼼한 시각 채점 : 단순한 규칙이나 대략적인 비교 대신, 결과물이 원본 이미지와 시각적으로 얼마나 똑같이 생겼는지 꼼꼼하게 분석하고 상세한 평가를 내리는 새로운 방식을 개발함.
변환 정확도 향상 : 이 깐깐한 평가 방식을 도입하자 인공지능이 차트나 표 등을 원래 모습 그대로 훨씬 정확하게 코드로 번역해 내며 전반적인 능력이 크게 향상됨.
