이번주 AI 뉴스 📰
중국, 감정형 AI 동반자에 선 긋기… Doubao/Qwen 일부 기능 중단
커스텀 동반자 중단 : ByteDance의 Doubao와 Alibaba의 Qwen이 사용자 제작 AI 에이전트와 감정형 대화 기능을 축소하거나 중단하기로 함.
새 규칙 영향 : 중국의 새 규제는 사람처럼 성격, 말투, 정서적 관계를 흉내 내며 지속적으로 상호작용하는 AI 서비스를 겨냥함.
생산성은 남김 : 업무 보조, 교육, 지식 검색 같은 실용형 AI는 남기되, 이용자가 AI 캐릭터와 과도하게 정서적으로 얽히는 서비스에는 더 강한 안전장치를 요구하는 흐름임.
일본, 2040년까지 로봇 1,000만 대 도입 목표… ‘물리 AI’ 전략 강화
로봇 국가 전략 : 일본이 2040년까지 1,000만 대 규모의 로봇 도입을 목표로 국가 로봇 전략을 업데이트함.
현장 중심 AI : 의료, 식음료 제조, 재난 대응, 제조업 등 실제 물리 공간에서 움직이는 AI 로봇을 핵심 축으로 삼음.
고령화의 해법 : 일본은 노동력 부족과 고령화가 심각한 만큼, AI를 화면 속 챗봇이 아니라 사람의 일을 보조하는 현실 세계의 인프라로 보고 있음.
AI 배우 Tilly Norwood, 첫 장편 영화 주연으로 창작계 논쟁 재점화
첫 장편 주연 : AI로 만들어진 배우 Tilly Norwood가 Particle6의 영화 Misaligned에서 주연을 맡을 예정임.
배우 권리 논쟁 : 실제 배우가 아닌 합성 캐릭터가 배역을 맡는다는 점에서, 초상권·동의·보상·일자리 문제를 둘러싼 반발이 다시 커지고 있음.
도구냐 대체냐 : 제작사는 인간 작가, 감독, 편집자와 AI 전문가가 함께 만드는 방식이라고 설명하지만, 창작계는 AI가 보조 도구를 넘어 실제 배우를 대체하는 방향으로 갈지 예의주시하고 있음.
이번주 AI 논문 📝
열린 세상에서 무너지는 AI 에이전트의 도구 사용 능력
시험장 밖의 약점 : 정해진 문제와 도구만 나오는 벤치마크에서는 잘하던 AI 에이전트도, 실제 환경처럼 질문 방식이나 도구 구성이 조금만 달라지면 성능이 크게 흔들릴 수 있음을 보여줌.
네 단계 흔들림 : 연구진은 에이전트가 세상을 인식하고, 도구와 상호작용하고, 이유를 따지고, 배운 방식을 내면화하는 과정을 나눠 어떤 변화에 가장 취약한지 분석함.
튼튼한 학습 힌트 : 일부러 방해 요소와 낯선 상황을 섞어 학습시키면, AI 에이전트가 실전 환경에서 조금 더 버틸 수 있다는 방향을 제안함.
한목소리 문제 : 거대 언어 모델은 열린 질문을 받아도 서로 비슷한 답을 반복하는 경향이 있는데, 이 연구는 그 ‘AI식 무난함’을 줄이는 방법을 다룸.
가중치 조향 접근 : 추가 데이터나 재학습 없이 모델 내부의 가중치 방향을 조절해, 더 다양한 아이디어와 덜 뻔한 표현이 나오도록 유도함.
창작 보조 가능성 : 사람 평가에서도 독창성, 놀라움, 창의성 항목이 개선되어 글쓰기·아이데이션·브레인스토밍 도구로서의 AI를 더 풍성하게 만들 수 있음을 보여줌.
손끝 정보 추가 : 로봇이 눈으로 보는 정보뿐 아니라 누르는 힘, 미끄러짐, 접촉 변화 같은 촉각 신호까지 이해하도록 만든 프레임워크를 제안함.
촉각 환각 완화 : 촉각 정보를 제대로 해석하지 못해 그럴듯한 답을 꾸며내는 문제를 줄이기 위해, 촉각 입력을 단계적으로 설명하고 추론하는 데이터와 평가 기준을 함께 만듦.
현실 조작에 가까워짐 : 작은 규모의 모델로도 여러 촉각 추론 과제에서 좋은 성능을 보여, 로봇이 실제 물체를 더 섬세하게 다루는 데 필요한 ‘손끝 지능’의 가능성을 보여줌.
이번주 AI 프로덕트 🎁
현장 배포의 난제 : 로봇마다 CPU, GPU, NPU, 카메라, 제어 방식이 달라 같은 AI 모델도 실제 로봇에 올리는 과정이 복잡했는데, 이 프로젝트는 그 사이를 이어주는 실행 환경을 목표로 함.
로봇용 런타임 : 비전-언어-행동 모델과 월드-액션 모델을 여러 하드웨어에서 효율적으로 돌릴 수 있도록 C++ 기반 실행 구조를 제공함.
연구에서 실전으로 : 모델을 논문 속 데모로 끝내지 않고 실제 로봇이나 시뮬레이터에 붙여보려는 팀에게, 모델과 로봇 사이의 ‘공용 어댑터’처럼 활용될 수 있음.
느린 생성의 병목 : 고해상도 이미지를 처음부터 끝까지 무겁게 생성하는 대신, 낮은 해상도에서 큰 구조를 먼저 잡고 이후 디테일을 다듬는 방식으로 접근함.
추가 학습 없음 : 모델을 새로 훈련하거나 복잡한 커스텀 커널을 붙이지 않고, 기존 이미지 생성 모델의 샘플링 과정을 단계적으로 바꿔 속도를 높임.
시안 제작에 유용 : 조건에 따라 10배 이상, 조합에 따라 최대 25배 수준의 가속을 보여 빠르게 여러 이미지를 뽑아보는 창작·디자인 워크플로에 특히 유용해 보임.
