🤖 옌지니어의 IT 기록 🤖

사티아 나델라 MS CEO "AI는 인간 지능 아닌 '도구'"…샘 알트먼과 미묘한 입장차 (링크)

기사 내용 요약

AI 사대천왕 중 한명인 얀 르쿤 메타 AI 수석과학자는 X(트위터)에 아래와 같은 내용을 공유했다.
“나는 LLM이 아닌 차세대 AI 시스템을 직접 연구하고 있다. 그래서 정확하게 말하면 '나와 경쟁하라', 아니 오히려 '나와 같은 일을 하라. 그것이 가야 할 길이고, 더 즐거울 것이기 때문이다'"
X 사용자들은 '차세대 AI'가 무엇을 의미하는지, LLM의 대안이 무엇인지에 대해 활발한 이야기를 이어갔다. 이들이 차세대 시스템으로 거론한 것에는 멀티모달 AI, 향상된 추론, 로봇공학, 비지도 학습과 자기 지도 학습, 일반인공지능(AGI) 등이 포함됐다.
이에 반대하는 사람들도 있다. 이들은 지금이야말로 학생과 다른 사람들이 LLM에서 작업하기에 완벽한 시기라고 지적했다. 예를 들어 프롬프트, 탈옥 및 접근성과 관련해서 아직 배워야 할 것이 많다는 지적이다. 일부는 오픈소스 LLM을 다수 출시한 메타가 추후 경쟁을 억제하려는 노력을 펴는 것 같다고 말했다.
르쿤 수석이 개발 중인 것은 LLM이 학습하지 못한 현실 세계를 이해하는 'V-제파'라는 모델이다. 그는 이 방법이 AGI로 가는 돌파구라고 줄곧 주장하며 파이낸셜타임스 인터뷰를 통해 'LLM은 절대로 AGI에 도달할 수 없다"라고 단언했다.
LLM은 논리에 대한 이해가 매우 제한적이며, 물리적 세계를 이해하지 못하고, 지속적인 기억력이 없으며, 용어에 대한 합리적인 정의를 추론할 수 없고, 계획을 세울 수 없는 등 한계가 너무 뚜렷하다고 설명했다. 또 LLM 올바른 훈련 데이터가 제공된 경우에만 프롬프트에 정확하게 응답할 수 있기 때문에, 본질적으로 안전하지 않다고도 말했다.
대신 현재 새로운 AI 시스템을 개발하기 위해 노력하고 있지만, 이 비전을 달성하려면 10년이 걸릴 수 있다고 말했다.

핵심 용어

• 차세대 AI 
  • 멀티모달 AI : 다양한 채널의 모달리티(양식)을 동시에 받아들여 학습하고 사고하는 AI
  • 향상된 추론 : 단번에 추론을 하도록 유도해 학습 효율 향상
  • 로봇공학 : 복잡한 작업을 자율적으로 수행하기 위해 AI 기반 도구가 대량의 정보를 분석
  • 비지도 학습과 자기 지도 학습
    • 비지도 학습 (unsepervised learning)
      • 레이블이 지정되지 않은 데이터에서 패턴이나 구조를 발견하는 과정
      • 입력 데이터만 주어지며 알고리즘은 데이터 내의 숨겨진 구조나 관계를 스스로 찾는 방식
      • 주요 목적은 데이터의 본질적인 특성을 이해하거나 데이터를 유용한 방식으로 요약 및 그룹화
    • 자기 지도 학습 (self-supervised learning)
      • 레이블이 없는 데이터로부터 학습하는 인공지능 기법
      • 레이블이나 주석이 필요하지 않은 대신 데이터 자체에서 학습과정을 생성
  • 일반인공지능(Artificial General Intelligence, AGI) : 인간 수준 지능으로 스스로 학습 가능한 인공지능
• V-제파
  • 추상적인 표현 공간에서 비디오의 누락되거나 가려진 부분을 예측해 학습하는 비생성 모델
  • LLM의 한계를 넘어 인간처럼 추론하고 계획하는 인공일반지능(AGI)으로 가는 길을 열어줄 것으로 기대

※ Reference ※

https://www.samsungsds.com/kr/insights/multi-modal-ai.html (멀티모달 AI)

https://m.dongascience.com/news.php?idx=63595 (인간 추론 능력을 극대화하는 AI)

https://www.aitimes.com/news/articleView.html?idxno=144773 (로봇공학과 AI 융합 관련 기사)

https://wikidocs.net/120198 (비지도 학습)

https://wikidocs.net/167320 (자기 지도 학습)

https://deepdaive.com/agi-definition/ (AGI)

https://www.aitimes.com/news/articleView.html?idxno=158749 (V-제파 관련 기사)

https://www.unite.ai/ko/next-gen-ai-openai-and-metas-leap-towards-reasoning-machines/

(차세대 AI : 추론 기계를 향항 OpenAI와 Meta의 도약)

새로운 기술들이 너무 빨리 나오고 있어 공부해야할 것이 많은 것 같다. 이런 상황에서 선택과 집중이 중요하다고 생각한다. 최근에는 특별히 OCR 기술을 구현할 필요도 없이 Gemini 호출을 통해 사진의 내용을 분석해주는 사례를 보게 되어서 신기했다....기술 트렌드를 파악하면서 공부 방향성을 잡아야겠다. 

MS가 말하는 2024년 AI 트렌드 3가지는 (링크)

기사 내용 요약

이 글을 쓴 전문 기술작가 바네사 호는 "지난해 '챗GPT'나 '코파일럿' 같은 생성 AI의 등장으로 많은 사람들이 즐거워했다"라며 "올해는 일상 업무를 개선하고 어려운 문제를 해결하는 단계에 접어들었다"라고 소개했다.

- 소형언어모델(sLM)
온디바이스 AI가 보편화되기 위해서는 오프라인 상태에서도 실행할 수 있는 작은 언어모델이 필요하다. 이는 대형언어모델(LLM)을 실행하는데 필요한 상당한 컴퓨팅 리소스를 줄여줄 수 있다. MS는 '파이'와 '오르카'라는 sLM을 출시한 바 있다. 

- 멀티모달AI
텍스트 뿐만 아니라 이미지, 오디오 및 비디오와 같은 데이터를 이해할 수 있는 멀티모달 AI가 주요 트렌드다.
MS의 경우 원하는 것을 설명해 이미지를 생성할 수 있는 'MS 디자이너'를 지원한다. 또 장애가 있는 사용자를 위해 텍스트 판독기나 음성을 지원한다. 

- AI 융합 기술
AI는 기후변화나 에너지 위기, 질병, 식량 등과 같은 글로벌 문제를 해결하는 데에도 활용되고 있다. 특히 단백질 생성 AI나 무기물 생성 AI 등은 신물질 개발에 새로운 장을 열고 있다. MS 역시 지난달 '화합물 생성 AI'로 리튬 배터리 대체 물질을 발견했다고 발표했다.

핵심 용어

• 소형언어모델(sLM, small Language Model)
  • 파이 : 27억 개의 매개변수를 갖춘 모델로 일반 상식 및 마이크로소프트 독자 데이터셋을 포함
  • 오르카 : 130억 개의 매개변수를 갖춘 경량화 대규모 언어 모델로 LLM의 지식을 사용하여 기능 향상

※ Reference ※

https://www.boannews.com/media/view.asp?idx=121029 (대형 및 소형 생성형 AI 언어모델 관련 기사) 🌟

https://www.flowscopenews.com/TechnologyScience/?idx=17285470&bmode=view (소형언어모델의 부상 관련 내용)

https://zdnet.co.kr/view/?no=20231213150825 (MS 파이2 관련 기사)

https://www.digitaltoday.co.kr/news/articleView.html?idxno=495578 (MS 오르카2 관련 기사)

https://yengineeer.tistory.com/17 (멀티모달 AI 관련 내용 정리)

https://www.itworld.co.kr/review/267495 (MS 디자이너 사용 리뷰)

https://www.aitimes.com/news/articleView.html?idxno=156436 (MS 화합물 생성 AI 관련 기사)

많은 기업에서 생성형 AI와 관련된 성과를 내고 있는데 MS도 다양한 분야에 생성형 AI를 접하고 있는 것 같다. 요즘 트렌드인 소형언어모델과 멀티 모달 AI 그리고 AI 융합기술까지 여러 분야에 생성형 AI 기술을 연결하여 기술이 많이 발전하고 있다는 생각이 든다.

구글, AI 언어모델 '제미나이' 공개…"GPT-4·사람 능력 넘어" (링크)