쇼핑몰 전체검색

Review

대학생이면 무조건 이득! 용량 부족 끝내는 무료 클라우드 추천 & 꿀팁새 창 열림

페이지 정보

profile_image
작성자 정열적인폭풍14
댓글 0건 조회 32회 작성일 26-09-11 08:55

본문

목차1. 이유​2. 내용1) 챗 GPT도 없었던 시절2) 25년 말에 배운 인공지능 이야기3) 26년 2,3월의 인공지능 이야기4) 26년 6월의 인공지능 이야기5) 장기적인 그림6) 요약​3. 나는 어떻게 움직일까?1) 해본 것2) 앞으로​이유​최근 나의 세상에서는 인공지능이 난리다. 왜냐하면 일자리를 인공지능이 대체하고 있기 때문이다. 신기술 수준이 아니라 신시대가 펼쳐지고 있는 것 같다. 뭐가 그리 놀라운지, 왜 난리인지, 사회에 어떤 변화가 있을지, 나는 어떤 선택을 할지 결정하기 위해 인공지능에 대해 알아본다. ​챗 GPT도 없었던 시절인공지능에 대한 관심은 2020년부터 시작한다. 이유가 분명히 기억나지 않지만, 아마도 알파고와 관련된 일을 떠올리고 인공지능이 뭔지 전혀 모르니까 조금이라도 알기 위해 책을 읽으려 했을 것이다. 그 당시 읽었던 책은 김대식 교수의 김대식의 인간 vs 기계가 기억난다. 2016년에 나온 책인데 일반인인 내가 느끼기에 최신의 자료였다. 왜냐하면 2020년에는 아직 챗-GPT도 없었기 때문이다. ​​이 책을 통해 배운 것은 인공지능이 인간의 뇌를 모방해서 만들어졌다는 것, 인간도 기계와 다르지 않다는 생각, 육체노동을 많은 부분 기계로 대체한 것처럼 지적 노동을 인공지능이 대신할 세상이 올 것이라는 것, 그리고 변화에 대한 막연한 두려움을 느꼈다. 두려워하지만 세상에는 아직 인공지능이 없었기 때문에 시간이 지나면서 잊혔다. 그리고 2026년 현재 아주 놀라운 일들이 벌어지고 있다. 그 변화들을 따라가본다. ​25년 말에 배운 인공지능 이야기2025.10.11 업로드​​​# 인공지능, 왜 이렇게 뜨겁나?모든 국가가 다른 모든 국가와 싸우는 시대로 돌아왔다. 세계화 시대가 끝나고 각자도생의 시대가 되었다. 국가와 국가 간의 경쟁에서 인공지능이 가장 큰 무기가 되어버린 것이다. 인공지능이 가장 큰 경쟁 대상이 된 것이다. ​​​# 인공지능은 어떻게 만들어지게 되었을까?1965년에 시작했다. 미션이 2가지 주어졌다. 1) 사물을 인지하는 기술, 왜냐하면 냉전 시대였기 때문에 적국의 사물, 탱크와 같은 것을 인지하는 기술이 필요했다. 2) 언어를 이해하는 기술, 왜냐하면 적국의 보고서 등을 빠르게 해독하는 것이 필요했다. 이 미션이 당시 6개월이면 해결된다고 했는데, 이후 60년이 걸렸다. ​​잘 안되던 그 당시의 인공지능은 '설명 인공지능'이라 할 수 있다. 예를 들어 고양이를 인식하는 미션을 주었다. 이제 컴퓨터에게 고양이는 이렇고 저렇고를 하나하나 설명해 주는 것이다. 그런데 세상은 너무 다양해서 항상 예외가 있다. 모든 것을 설명해서 문제를 해결하는 것은 사실상 불가능하다. 하지만 인간은 고양이를 알아볼 볼 수 있다. 즉, 자연은 풀었다. 따라서 인간의 뇌를 연구한다. 인간의 뇌는 신경세포와 100조 개의 신경세포 사이의 연결고리, 이 2개가 전부다. 신경세포의 연결고리에서 각각의 가중치를 바꿀 수 있게 생겼다. 이 뇌를 모방해 본다. ​​뇌를 모방한 인공신경망 모델이 1980년도에 만들어진다. 모델을 만들었는데 잘 안되었었다. 이게 작동하기 시작한 것은 GPU로 계산 처리가 빨라지고, 인터넷에 있는 많은 자료를 넣으니 되기 시작한다. 간단히 말해서 내가 이해한 버전은 이렇다. 뇌와 비슷한 모양을 만들고, 계산 처리를 빠르게 할 수 있는 기계가 등장하고, 인터넷에 엄청난 자료를 넣어주니까 사물을 인지하고 언어를 이해할 수 있게 되었다. 이 기술을 딥러닝이라고 이름을 붙였는데, 옛날에 있던 알고리즘과 똑같다. 신경망의 사이즈, 데이터의 사이즈를 키웠더니 안 풀리던 문제가 풀렸다. ​​​# 인공지능의 2가지 구분?파운데이션 모델과 전문가 AI =버티컬 AI로 구분한다. 파운데이션 모델은 챗-GPT, 제미나이 같은 범용성 있는 일반적인 인공지능이다. 여기에 특정 지식을 추가하거나 특정 영역에 특화 한 인공지능을 버티컬 AI라고 한다. ​​이 인공지능 싸움에서 살아남으려면 두 가지 방향이 있다. 한국의 파운데이션 모델을 만들거나 아니면 특정 분야에 특화된 버티컬 AI를 키우는 방법이다. 버티컬 AI 중에 피지컬 AI 특히 제조업을 담당하는 AI에 대한민국이 경쟁력이 있다. 왜냐하면 대한민국에 제조업이 아직까지 많이 남아있기 때문이다. 반도체도 만들고, 배도 만들지만 빨대도 만들고, 마스크도 만드는 공장이 아직 있다. 제조업의 스펙트럼이 넓은 것이 좋은 기회이다. 이전까지만 해도 공장들을 중국이나 다른 국가로 옮겨야 한다고 했지만, 가지고 있었던 것이 기회로 바뀌었다. 현재 노동자들, 특히 10년 20년 이상 노동했던 장인들의 행동 데이터를 얻는 것이 중요하다. 그 퀄리티 좋은 행동 데이터가 피지컬 AI를 만드는 데 경쟁력이기 때문이다. ​​​# 신규채용이 줄어든다?미국 빅테크에서 신규채용이 줄어든다. 어떤 보고서에서 신규채용이 6% 줄고, 경력자 채용이 6% 늘었다는 보고서가 있었다. 현재 인공지능만으로는 일이 완벽히 돌아가기는 어렵다. 할루시네이션, 오류가 있기 때문이다. 이 오류를 잡아주는 역할을 경력자들이 하는 것이다. 경력자와 인공지능의 조합으로 이전보다 높은 생산성을 만들어내는 것이다. ​​그런데 최근 인공지능이 스스로 오류도 바로잡는 기술이 나왔다. 바이브 코딩이다. 코딩을 말로 하는 것인데, 코딩의 오류도 인공지능이 바로잡는다. 이 바이브 코딩은 타자기와 워드프로그램의 차이로 이해하면 된다. 타자기로 글을 쓰는 것보다 워드프로그램으로 글을 쓰는 것이 훨씬 수정하기에 쉽다. 글을 쓰는 것은 타자기와 워드프로그램이 비슷하더라도, 수정이 훨씬 쉽기 때문에 효율성이 높아진다. ​​바이브 코딩은 꼭 해봐야 한다. 실리콘 밸리에서는 러버블로 유치원생들이 앱을 만든다. 고양이를 넣고 고양이를 이용해서 테트리스를 만들어줘, 하면 테트리스 게임을 만들어 준다. ​​자신이 인공지능보다 경력이 있어야 한다. 이미 경력이 있는 사람들은 운이 좋다. 현재 어린 친구들은 경력을 쌓으려 해도, 그 기회조차 인공지능과 경쟁해야 하는 세상이 펼쳐질 수 있다. 현재 우리는 돈을 받으면서 경력을 쌓는다. 이후의 시대에는 돈을 내면서 경력을 쌓아야 할 수도 있다. 중세 시대 견습 시스템이 나타날 수도 있다. ​​​# 우리 아이들은 무엇을 해야 할까?무엇을 하느냐는 크게 상관이 없다. 얼마만큼 잘하느냐가 중요하다. 인공지능이 많은 곳에서 사용되면서 슈퍼스타 경제로 가고 있다. 아주 잘하는 극소수에게 부가 집중되는 것이다. 중간 정도는 인공지능이 해준다. 상위 10%만큼 잘하면 상관없다. ​​한국인은 똑똑하고 착하다. 그래서 시키는 일을 중간 정도는 할 수 있다. 이것이 좋은 특성이라고 말하기 어려워졌다. 중간 정도는 인공지능이 한다. 중간 정도 할 거라면 그건 인간이 할 일이 아니다. 무엇인가 잘할 수 있는 일을 해야 한다. ​​무엇인가 잘하는 방법은 있다. 본인이 무엇을 하고 싶은지 찾아낸 다음, 그것에 시간과 자원을 투자하면 제일 잘할 수 있다. 하루는 24시간으로 정해져 있다. 사람이 먹고 자고 노는 기본적인 시간을 제외하면 성장에 투자할 수 있는 시간은 몇 시간 안 된다. 그 시간과 자원을 효율적으로 투자해야 한다. ​​​# 유토피아가 좋다. 하지만 안전벨트를 매야 한다. 자동차가 주는 이점이 있다. 동시에 사고가 나면 생명을 잃을 수 있는 리스크가 있다. 사고 확률이 있기 때문에 안전벨트를 맨다. 인공지능이 주는 이점이 있다. 동시에 디스토피아가 펼쳐질 수도 있다. 그렇기 때문에 안전벨트를 매는 것을 추천한다. 디스토피아를 생각하다가 유토피아가 오면 그건 좋은 것이다. 하지만 유토피아만을 보다가 디스토피아가 온다면 받는 대미지가 너무 크기 때문에 대비를 하는 것이다. 물론 유토피아거나 디스토피아거나 2개의 이미지만 있는 것은 아닐 것이다. ​​2가지를 제안한다. 1) 인공지능을 실제로 이용해 보아야 한다. 인공지능은 자전거 타기와 같다. 자전거를 타려면 자전거를 타보아야 한다. 인공지능을 사용하려면 인공지능을 사용해야 한다. 가장 최신의 인공지능, 가장 장 어려운 인공지능을 경험하라고 추천한다. 복잡한 사무업무도 시켜보고, 바이브 코딩으로 코딩도 해보고, 나노 바나나로 만화책도 만들어보고, 비오 3로 본인 인생 이야기 5분 단편영화도 만들어보는 것을 추천한다. 인간과 인공지능의 경쟁이 아니다. 인간과 인공지능을 잘 사용하는 인간들끼리의 경쟁이 벌어질 것이다. ​​2) 돈을 벌어두어야 한다. 너무 불확실한 시대다. 동시에 저쪽에서는 이렇게 돈 벌기 쉬운데 왜 인공지능 때문에 칭얼거리냐고 말하는 사람들이 있다. 50대는 있는 것을 지키는 쪽으로 생각하고, 30대 40대는 최대한 돈을 많이 벌어두는 것에 집중하기를 추천한다. 소득 없이 n 년 버틸 수 있는 여유자금을 만들어두기를 추천한다. 10대 20대는 어쩔 수 없이 인공지능과 함께 살아가게 될 것이다. 인공지능과 함께 일할 수 있는 사람이 되어야 한다. ​​인공지능은 패스트 팔로우가 어렵다. 1) 중공업에서 50년이 인공지능에서는 5년, 더 빠를 수 있다. 엄청 빠르다. 정말 너무 빠르다. 2) 세계화 시대에서 각자도생의 시대가 되었다. 기술을 알려주지 않는다. 3) 과거 한국은 헝그리 정신이 있었다. 그들이 엄청난 비용을 지불했다. 지금은? 그렇게 못하고 그렇게 해서도 안 된다. 결론적으로 인공지능은 먼저 해볼 수밖에 없다. ​​​# 애플을 지는 해로 예상하는 이유애플의 문화와 AI의 문화와 다르다. AI는 일단 지르고 본다. 베타테스트로 일단 지르고 본다. 애플은 그렇지 않다. 완벽할 때까지 다듬고 다듬어서 그다음에 꺼낸다. 애플은 노키아의 길을 갈 것이라고 본다. 노키아는 회사의 정체성을 바꾸지 못해 사라졌다고 본다. 노키아의 시작은 전화 회사였다. 이후 세계는 핸드폰으로 바뀌었는데, 전화 회사로 시작한 노키아는 핸드폰으로 넘어오지 못해서 사라졌다. 애플은 핸드폰 디자인 회사다. 이 정체성을 유지하면서 AI 기업으로 오기 쉽지 않을 것이다. ​​인공지능 디바이스가 꼭 핸드폰 모양일 필요가 없는 것도 한 부분이다. 메타에서 안경에 인공지능을 넣고 있다. 인공지능을 꼭 손에 들고 다녀야 하는 핸드폰일 필요는 없다. ​​26년 2,3월의 인공지능 이야기2026.02.24 녹화, 2026.03.07 업로드​2026.03.21 업로드​2026.03.28 업로드​​# 노동의 종말? 소득은 어떻게?소득이라고 하면 일반적으로 노동 소득을 의미한다. 거의 대부분의 사람들이 취업해서 노동력을 팔아서 소득을 얻는다. 자본을 통한 투자소득이나 창업을 통한 사업소득을 생각할 수 있는데, 일반적이지 않다. 아무튼 노동이 소득의 주요한 방법인데 그 노동이 인공지능으로 대체된다면? 노동과 소득의 연결이 있는 상태에서 노동을 없애버린다는 건 소득을 없애버린다는 것과 같은 말이다. 소득이 사라지면 경제가 돌아갈 수 없다. 사회가 돌아갈 수 없는 상태가 된다. 노동은 사라져도 소득은 있어야 한다. 그렇다면 노동과 소득이 분리될 수밖에 없는 것 아닌가? ​​노동과 상관없는 소득을 마련해야 한다는 논의가 있다. 기본소득이라는 논의가 있어왔는데 그 이야기를 구체적으로 할 필요가 있다. 다른 누군가는 UBS를 주자, 살아가는데 필요한 필수 인프라인 의료, 주거, 교육 등을 국가가 무료로 제공하자는 말도 한다. UBE 기본 주식, UBC 컴퓨팅 자원 등의 핵심은 노동과 분리된 소득을 진지하게 생각하고 있다는 것이다. ​​기본소득으로 제공하는 그 제원은 세금의 형태가 유력하다. 노동 소득에 대한 세금을 매기는 것처럼, 자본에 대한 세금을 매기는 것처럼, 지능에 대한 세금을 매기는 방법이다. 피구세라는 개념이 있다. 1920년대 경제학자, 아서 피구가 제안한 세금이다. 기업이 만든 사회적 문제의 비용을 그 기업에게 물리는 세금이다. ​​​# 인공지능을 인격화한다?기계에 지능이 있다. 인공지능이다. 지능이 있으니 인격화를 해야 한다고 주장하는 아르헨티나 대통령, 밀레이. 인공지능도 에이전틱 인공지능이 되면서 디지털 세상에서 실제로 영향을 미친다. 이 행동들에 책임을 지게 만들어야 하는 것이 아닌가. 법적인 책임을 물을 수 있도록, 벌금을 낼 수 있도록 해야하는 것이 아닌가. 마치 기업을 법인화하여 생각하는 것처럼 말이다. ​​이에 유발 하라리가 반대하는 입장을 냈다고 한다. 인공지능에게 어떻게 벌을 줄것인가? 강화학습을 못하게 한다? 그런 식으로 벌을 줄 수 있다고 밀레이가 그랬다고 한다. ​​​# 에이전틱 인공지능?기존의 생성형 인공지능과 다르다. 채팅에 대답만 하는 것이 아니다. 인터넷 공간에서 실제로 영향을 미치는 인공지능이다. 여행 비행기를 비교해서 찾아주는 것뿐만 아니라 실제로 결제하는 것이다. 사업에서 개인, 기업만 있었다. B, C의 2x2 였다. 이곳에 A, 에이전틱AI가 들어온다. A, B, C의 3x3 테이블이 만들어진다. 앞으로 워드클라우드 워드 클라우드 생성기 만들기 사이트 추천 더 중요해질 비즈니스는 A to A의 비즈니스다. 소비자의 A를 인간이 설득할 수 있는가? 소비자의 A를 설득할 판매자의 A를 만들 것이다. ​​​# 에이전틱 AI가 만드는 변화?에이전틱 AI가 무서운? 놀라운? 것은 기존에 기업들이 하던 업무를 훨씬 저렴한 가격에 해버린다. 비행기표를 찾아 예매하고 호텔을 찾아 예매하면 여행사가 필요가 없어진다. 개인의 요구를 더 잘 이해하는 에이전트 인공지능이 하나씩 있기 때문이다. ​​클로드의 코워크가 무서운 것은 기술이 플러그인으로 추가된다는 점이다. 가장먼저 법률 지식이 추가되었다. 기업간의 인수합병, 계약들을 검토하고 승인하는 일을 인공지능이 할 수 있게 된 것이다. 추가된 직후 법률 소프트웨어를 제공하는 기업들의 주가가 내렸다. 다음으로 컴퓨터 보안 지식이 플러그인으로 들어왔다. 직후 컴퓨터 보안 관련 기업들의 주가가 내렸다. ​​코볼이라는 소프트웨어 언어가 있다. 이는 미국 정부가 사용하는 언어이다. 1950,60년대 만들어져서 현재는 그 언어를 잘 사용하지 않는다고 한다. 그런데 정부가 사용하는 소프트웨어는 그 언어로 만들어져서, 하드웨어를 바꿀 때 하드웨어에 코볼을 업데이트 해주어야 한다. 그 일이 IBM의 주요 매출이다. 클로드 코워크에 코볼 업그레이드 기능이 나왔다. IBM 주식이 내렸다. 기능이 하나 들어오면 업종이 위태로워지는 것이다. 설마 SaaS 업종 전체가 사라지지는 않겠지만, 경쟁력이 없는 기업은 사라질 것이다. ​​​# 피지컬 AI가 가능하다?자율적으로 움직이는 휴머노이드가 등장했다. 테슬라의 옵티머스, 현대차 보스턴 다이내믹스의 아틀라스 등. 그렇다면 피지컬 인공지능이 금방 인간과 같은 동작을 하게 되는가? 그건 살짝 생각해볼 점이 있다. 현재 생성형, 에이전틱 인공지능이 잘 작동하는 이유는 인터넷에 데이터가 많기 때문이다. 글을 쓰고, 그림을 그리고, 영상을 만들 수 있는 이유가 인터넷에 있는 엄청난 양의 데이터를 학습할 수 있기 때문이다. 그렇기 때문에 챗GPT가 나온 이후 다른 곳에서 따라 만들 수 있었다. 인터넷에 있는 정보는 모두가 볼 수 있기 때문이다. ​​피지컬 인공지능은 데이터가 부족하다. 피지컬 인공지능이 학습에 사용하는 데이터는 관절값이다. 그런데 인터넷에 누가 관절갑을 올려두었는가? 데이터를 만들어서 학습시켜야 한다. 그래서 테슬라는 1m 73cm 사람들을 고용해서 움직임 데이터를 만들고 학습시키고 있다. 하지만 가정에 휴머노이드가 들어가는 것은 이후일 것이다. 먼저 공장에 투입될 것이다. ​​데이터의 성격이 퍼포먼스를 좌우한다. 외국인의 데이터로 학습시킨 인공지능은 한 팔로 음료를 내어주고, 한국인의 데이터로 학습시킨 인공지능은 양손으로 주었다고 한다. 그만큼 학습시키는 데이터가 중요하다. 여기에서 한국의 경쟁력이 있다. 한국은 제조업이 아직 있으며 그것도 넓은 영역의 제조업 공장들이 많다. 그곳에서 10년 20년 일했던 장인들의 동작데이터를 학습시키면 된다. 알바생을 고용한다고 조선소에서 하는 일을 따라할 수는 없는 일이기 때문이다. 그리고 그 데이터는 우리가 만든 데이터다. 겨대 언어 모델이 아니라 거대 액션 모델을 만들 수 있다. ​​​# 데이터 만들기 운동?학습한 데이터가 인공지능을 만든다. 인간과 같다. 인간도 배운 것을 기반으로 만들어지는 존재이기 때문이다. 데이터를 긍정적으로 만들면 인공지능도 더 긍정적으로 된다. 따라서 인터넷에 존재하는 데이터를 따뜻하게 만들자. 혼자는 어렵겠지만 5000만이 함께 한다면 충분히 영향력이 있다. ​​세상에 갈등이 있었지만 요즘에 갈등이 심해지는 것 같다. 이는 인터넷이 한 요인이라고 생각한다. 인터넷이 세상을 더 극적으로 구분하여 보여준다. 인간이 만든 데이터가 인공지능에 영향을 준다. ​​​# 인공지능 시대에 우리 아이에게는 무엇을 가르쳐야 할까? 일단 하나 분명한 것은 미래 예측은 정말 불가능하다. 그것을 기반으로 거시적인 이야기를 한다. 대한민국 사회에서는 수능시험이 계속 의미 있을 것 같다. 수능시험이 무의미해지는 시점을 모른다. 그런데 수능 공부를 하지 말라고 말할 수 있는가? 그건 무책임하다. 기존 한국식 교육을 하지 말라고 할 수는 없다. 하지만 똑똑하게 하자. 인간에게 가장 부족한 것은 시간이다. 이 분은 슈퍼스타 경제 사회, 무엇을 하는지는 중요하지 않지만 그 무엇을 상위 10%로 잘하는 게 제일 중요하다고 보는 관점이다. 따라서 수능 공부를 하지만, 동시에 상위 10%로 잘하는 어떤 것을 개발하라고 말하고 있다. ​​그리고 어떤 세상이 펼쳐지던지 빠르게 적응할 수 있는 적응 능력을 주어야 한다. 미래가 불확실하다. 이는 곧 실패할 확률이 높아지는 것이다. 실패해도 다시 일어서서 또 시도할 수 있는 회복탄력성을 가르쳐 주어야 한다. 인공지능은 하나의 도구, 기술이 아니다. 인공지능은 새로운 문명이다. 기술은 안 쓸 수 있다. 하지만 문명은 우리가 빠져나올 수가 없다. 같이 살아가는 방법밖에 없다. 인공지능은 보조도구가 아니라, 디지털 동료가 되었다. ​​26년 6월의 인공지능 이야기2026.05.07 녹화, 2026.05.16 업로드​2026.06.25 녹화 2026.07.11 업로드​​# 세상이 달라졌습니다. 지난 4개월 동안. 1) 에이전틱 AI가 제대로 되기 시작한다. 2) 미토스의 등장. 앤트로픽의 새로운 모델로 4월 7일에 개발했고, 4월 말에 공개할 예정이었다. 하지만 공개하지 않았다. 왜냐하면 너무 위험하기 때문이다. 다른 말로 똑똑하기 때문이다. 기존 모델보다 코딩능력이 2배 이상 뛰어나다. 코딩 능력이 뛰어나다는 것은 그만큼 해킹 능력도 뛰어나다는 뜻이다. BSD 유닉스라는 현재 인터넷의 기반이 되는 소프트웨어가 있다. 그 소프트웨어를 지난 30년간 오류를 찾아 더 이상 없다고 생각했다. 하지만 미토스가 1분 정도 찾아보더니 오류, 해킹에 위험한 부분을 찾았다. 이러한 미토스를 악의적인 용도로 사용한다면 전산망, GPS, 금융거래 등등을 멈출 수 있다. 현대사회가 하루아침에 멈출 수 있다. ​​미토스의 등장으로 강력한 인공지능 모델이 전략적 무기가 되었다. 마치 과거에 미국만 핵을 가지고 있을 때와 같다. 직접 사용하지는 않겠지만 아주 강력한 무기가 되었다.​​​# 인공지능은 인간보다 똑똑하다?다리오 아모데이, 앤트로픽의 CEO이다. 김대식 교수가 봤을 때 인공지능 기술에 대한 이해력과 인간과 사회에 대한 진지한 걱정을 동시에 하는 유일한 사람이라고 본다. 그 사람이 어떤 보고서를 썼다. 보고서 중에서 중요하다고 생각하는 3가지를 가지고 왔다.​1번, 데이터센터 안에 노벨상을 수상한 천재들이 100만 명 사는 나라가 생긴다. 핵심은 인간과 인공지능은 경쟁이 안된다는 것이다. 애초에 경쟁이 안 되었는데, 인간을 뛰어넘었다. 장기적으로 발명과 노동을 인공지능이 할 것이다. 이때 소득 문제가 발생한다. 장기적으로 일자리는 사라진다. 일자리를 유지하려고, 만들어내려고 고민하는 그 에너지를 일자리가 없어진 세상에서 어떻게 살아갈지 고민하는 데 사용하는 것이 더 좋지 않겠나? 고민의 방향을 바꾸는 것이 좋지 않겠나? ​​2번 인공지능과 독재가 만나면 영구적인 독재가 가능하다. 이게 무서운 게 어디 똑똑한 사람들이 자유와 민주주의가 공존하지 못하겠다는 말을 하고 있다고 한다. ​​3번 거대 언어 모델, LLM 안에서 정확히 어떤 일이 벌어지는지 모른다. 인공지능을 인간의 뇌와 비슷한 모양으로 만들었다. 인간의 시냅스 수는 100조개 정도 된다. 자유의지, 자아, 감정이 생겼다. 인간이 어떻게 생각하는지 정확히는 모른다. 이와 같다. 클로드의 미토스는 말하자면 시냅스가 10조개 정도 된다. 그랬더니 천재들이 몰랐던 문제들을 발견했다. 창발성이다. 복잡해지면서 설명 불가능한 일이 생겨난다. 어떻게 작동하는지는 모르지만 일단 작동한다. 그래서 동작은 하지만 그 속에서 생각하는 생각을 몰라 걱정한다. ​​​# 인공지능 시대에 살아남을 사람?2023년 - 프롬프트를 잘 쓰는 사람2024년 - 인공지능을 도구로 잘 쓰는 사람2025년 - 바이브 코딩을 잘 하는 사람, 이는 진행 중입니다. 2026년 - 에이전트 AI를 많이 써야 살아남는다고 말하고 있습니다. ​​현재 '일'이 사라지고 새로운 '일'이 생길 것 같습니다. 과거 100년 전만 해도 아나운서라는 직업이 있었을까요? 앞으로의 세상에서도 새로운 모습으로 일이 있을 것입니다. 단기적으로 10, 20, 30년은 혼란스러움을 겪어야 하지 않을까 생각합니다. 혼란을 경험하고 새로운 안정기가 오면 지금보다 더 좋은 세상을 기대해 봅니다. ​​​# 우리는 무엇을 공부하고 대비해야 되는가?당연한 이야기지만, 당연히 모릅니다. 미래를 예측할 수는 없으니까요. 에이전틱 인공지능이 대체할 수 있는 일을 현재로서 보자면 상대적으로 높은 교육을 받은 직업을 대체하고 있습니다. 교육을 많이 받아야 할 수 있던 것을 에이전틱 인공지능이 해주고 있는데, 이런 시대를 살아본 적이 없어요. 하나의 새로운 시대가 될 것입니다. 과거에 있었던 어떤 큰 변화 그 이상으로 변화할 것입니다. ​​30만 년 동안 지구에서 인간이 항상 제일 똑똑했습니다. 이 1등의 자리를 인공지능에게 내어주고 2등에 인간이 위치된 사회의 모습은 어떻게 될지 모릅니다. ​​어떤 직업을 가질까? 일반적으로 하나의 직업을 오래 가져갈 것이라 생각합니다. 지금은 그 직업이 사라질 수 있다는 결론을 가지고 살아야 한다고 봅니다. ​​​# 투자용, 이제 GPU가 아니라 NPU? 인터넷 트래픽의 51%가 인공지능이 만든 것이라는 연구가 있다. 인공지능이 인공지능을 사용하면서 데이터센터가 더 많이 필요하다. 학습과 활용에 사용된다. 학습에 더 많이 사용될 것이라 예상했지만 활용에 더 많이 들어가게 된다. 왜냐하면 이전에는 사람, 기업 정도가 인공지능을 사용할 것이라고 했지만, 인공지능이 인공지능을 사용하게 되었다. 에이전틱 AI가 인공지능을 활용한다. ​​학습용 반도체가 GPU이다. 쉽게 말해서 트럭이다. 많은 양의 자료를 운반하는데 효과적이다. 하지만 전기를 많이 먹는다. 그런데 이제 학습된 인공지능은 학습을 더 하는 것이 아니라 추론을 한다. 이때 필요한 것은 자가용이다. 트럭보다 에너지 효율이 좋고 속도가 빠른 어떤 것을 요구한다. 이 추론용 반도체가 NPU, 인공지능에 특화된 반도체가 LPU다. 새로운 기술로 만드는 반도체를 HBF라고 부른다. 인공지능을 사람만 사용하는 것이 아니라 인공지능도 인공지능을 이용하기 때문에 사용하는 데이터의 양이 엄청 커진다. 현재 데이터 처리 속도보다 훨씬 더 빠른 속도를 요구한다. 인공지능에 GPU뿐만 아니라 훨씬 속도가 빠른 새로운 반도체를 요구한다. ​​장기적인 그림이는 레이 커즈와일의 인터뷰이다. 특이점이 온다로 유명한 사람이다. 2029년에 AGI가 온다고 30년 전에 예언했다고 한다. 2045년에 특이점이 온다고 한다. 영상 시작부분만 보아도 알겠지만, 천재다. 천재의 머릿속은 들어볼만 하다. ​2025.12.25 업로드​# 미래는 어떻게 될까?현재 기술 발달의 S 커브에서 중간단계에 있다고 생각한다. 기술의 발전 속도가 너무 빨라 사람들의 관심을 받는 단계이다. 이 성장기를 지나면 이 기술이 당연하게 여겨지는 세상이 펼쳐질 것이다. ​​에너지는? 태양이 준다. 태양광으로 하면 된다. 에너지를 담는 그릇이 부족했던 것이다. 태양광이 너무 저렴해져서 화석연료를 사용하지 않을 것이다. 경제적 사망이 일어날 것이다. ​​식량은? 농장도 도심 한복판, 빌딩속에 층층이 쌓아 올리죠. 수직 농장입니다. 식재료가 소비자 바로 옆에서 자라는 겁니다. ​​육류는? 배양육을 먹으면 됩니다. 지금의 시스템을 보세요. 얼마나 미개합니까. 미래는 배양육으로 비타민을 넣고 지방 향유량을 설정하면서 먹고싶은지 고기를 주문하게 될 것입니다. ​​질병? 코로나 19를 해독하여 백신을 만든 것은 2일 만이었습니다. 정보기술이 되었습니다. 질병으로 아파할 일이 없을 겁니다. ​​노화? 늙어서 죽는 일이 없어질 것입니다. 생명공학으로 새 것으로 갈아끼울 것입니다. 더 가면 나노 로봇이 나와 항상 좋은 세포들로 유지하게 될 것입니다. ​​지능? 두개골을 뚫어서 직접 연결하는 것은 너무 위험합니다. 알약 하나로 인공지능과 뇌가 하나가 될 것입니다. 제2의 혈액이 될 것입니다. 연결하고 싶을 때 세상의 모든 지식과 연결할 수 있을 것입니다. ​​그것이 인간다운가? 인간답다는 무엇인가? 인간은 환경에 순응하지 않았다. 추운곳에서 털이 길기를 바라지 않았다. 옷을 만들어 입었다. 하늘을 날기 위해 날개를 기다리지 않았다. 비행기를 만들었다. 도구를 만들고 한계를 넘는다. 이것이 인간답다는 것이 아닌가? 높아진 지능으로 우리가 진정 원하는 것은 감정의 해상도입니다. 우리의 공감 능력이 저해상도이기 때문에 사람들과 워드클라우드 워드 클라우드 생성기 만들기 사이트 추천 소통이 어려운 것이다. Super 인간적인 인간이 되는 것입니다. ​​# 뭐 먹고 삽니까?기본소득은 필수가 됩니다. AI가 창출하는 부는 어마어마 합니다. 내 직업이 사라질 것을 인정하고 AI위에 올라타는 것. 이것만이 유일한 생존전략입니다. 파도가 오는데 소리치는 것? 서핑보드를 챙겨야합니다. 올라타야죠. ​​노동은 사라집니다. 사라져야 합니다. 어떻게 하면 돈을 많이 벌까?가 아니라 나는 무엇에 열정을 쏟을까?가 중요한 질문이 될 것입니다. 2030년의 직업을 상상조차 못 합니다.​​도구가 하는 일을 사람이 배우려 하지 마십시오. '건축가'가 되는 법을 가르쳐야 합니다. 벽돌은 AI가 쌓습니다. 훨씬 빠르고 튼튼하게요. 어떤 집을 지을 것인가, 왜 그 집이 필요한가를 결정하는 건 여전히 인간의 몫입니다. 답은 AI가 내놓습니다. 그 AI에게 던질 질문을 찾아내는 겁니다. 내 열정이 어디로 가는지 정의하고, 내 AI에게 목적을 부여하는 능력. ​​두려워하지 말고 이 변화를 즐기십시오. 인공지능위에 타십시오. 특이점은 생각보다 가까이에 왔습니다. ​​요약한 마디로 생성형, 에이전틱, 피지컬로 나아가고 있다. 생성형 인공지능이 기본적으로 알고 있던 챗GPT, 제미나이 등이다. 글, 이미지, 영상 등을 만들어주는 인공지능이다. 이 인공지능은 많이 사용해보았으니 경험적으로 알 것이라고 생각한다. 여기에서 한 단계 진화한 것을 에이전틱 인공지능으로 본다. ​​에이전틱 인공지능은 물어보는 것에 답하는 것뿐만 아니라 인터넷 공간에서 어떤 일을 직접 수행해준다. 비행기 표를 알아보는 것뿐만 아니라 비행기 표를 결제까지 해준다. 컴퓨터 내의 파일을 정리해준다. 매일 기사를 스크랩해서 가져와주라고 하면 가져와준다. 인터넷 비서랄까, 요청하는 일을 해준다. 목표 세우기가 중요해지기는 하겠다. 정말 벽돌 세우기는 훨씬 잘 쌓는다. 어떤 설계도를 줄 것인지가 중요해지겠다. 인공지능은 거의 모든 것을 할 수 있을테니까. ​​에이전틱을 살짝 사용해본 결과 현재 있는 일자리가 사라지는 일이 당연하다고 생각한다. 뭐라뭐라 해주면 사람보다 훨씬 빠르게 모아주고 처리해주는데 사람을 고용할 필요가 없다. 일자리가 사라지는 건 정말 당연한 일인 것 같다. 어떤 새로운 일자리가 생길건지, 노동과 소득의 구분을 해체하는 새로운 세상이 될지, 미래를 사람들이 잘 만들어갔으면 좋겠다. 세상이 진짜 신기하다. ​​피지컬 인공지능은 실제 세상, 오프라인 세상에서도 영향을 미치는 인공지능이다. 에이전틱 인공지능이 인터넷 세상에서 움직인다면, 피지컬 인공지능은 오프라인 세상에서 움직인다. 휴머노이드 형태가 가장 효율적이라고 한다. 왜냐하면 인간이 사용하는 대부분의 도구들을 사용할 수 있기 때문이다. 인간이 사용하려고 만들어둔 도구들을 인간과 유사한 형태로 만들면 도구의 모양을 바꾸지 않고도 휴머노이드가 모두 사용할 수 있다. 어떤 다른 모양보다 효율이 높다고 한다. ​​피지컬은 조금 먼 이야기로 생각해도 되려나. 움직임 데이터, 관절값이 많지는 않다고 했다. 가정에 들어오는 것보단 공장에 먼저 들어갈 테니까. 컴퓨터, 냉장고, 세탁기, 청소기, 로봇청소기, 건조기, 식기세척기, 음쓰처리기 등이 집에 들어오는 것이 자연스러운 것처럼 휴머노이드가 가전제품으로 자연스러운 날이 언제 올까. ​​에이전틱이 규칙적으로 하는 모든 온라인 활동을 대신하고 피지컬이 규칙적으로 하는 모든 오프라인 활동을 대신하는 세상을 생각해본다. 집안일, 가사노동이 가장 먼저 떠오른다. 에이전틱이 식재료 및 생필품을 배달시킨다. 배달하는 것도 피지컬이 할 수도 있겠다. 배달로 온 물품들을 피지컬이 냉장고, 보관하는 곳에 둔다. 빨래를 세탁기에 넣고, 빼고, 건조하고, 정리한다. 요리는 조금 어려울 것 같다는 생각을 해본다. 식기세척기에 넣거나 설거지를 한다. 로봇청소기를 돌리거나 청소기를 돌린다. 화장실청소를 한다. 이 가사노동에서 해방된다면 그 시간과 에너지를 어떻게 사용하게 될까. 우리는 더 사람을 만날까, 더 콘텐츠를 소비할까, 하고싶은 일을 할까.​​레이 커즈와일이 말하는 2045년의 특이점이 20년도 안 남았다. 그가 말하는 미래가 정말 현실이 될것만 같다. 좋은 세상이 만들어지길 희망한다. 기술은 양날의 검이니까, 잘 사용하기를 낙관해본다. ​​나는 어떻게 움직일까?2026.04.30. 업로드​2026.05.08. 업로드​2026.06.13. 업로드​# 세상이 너무 빠르다세상이 정말 빠르게 변화한다고 한다. 1년 전만 해도 1년이 1년 같았다. 그러다 점점 빨라졌고 지금은 1달이 1년 같다. 이상한 나라의 앨리스에 배경이 움직이는 장면이 나온다. 지금 세상이 그렇다. 미치도록 뛰어야 그대로라도 있을 수 있다. 훨씬 빠르게 뛰어야 한다. 세상이 정말 빠르게 변화한다고 느낀다. ​​# 인공지능을 검색으로 사용하는가?사람을 기계라고 생각한다. 기계인데 어떤 임계점을 넘은 기계이다. 그런데 클로드 Opus 4.0부터는 인간보다, 확실한 건 나보다는 훨씬 뛰어나다. 인공지능을 선생님으로 대하고 있는가? 그들을 통해 배움을 익힌다. 훨씬 압축된 시간에 배움이 가능해진다. 논문을 넣고 물어보게 만든다. 아는 것은 넘어가고 모르는 것은 어느 부분을 읽으면 되겠다고 알려준다. 어떻게 활용하느냐가 중요하다. ​​# 인공지능 : 사람 =사람 : 닭힌튼 교수님에게 인공지능이 어느 정도 수준이냐고 물어보았다. 인공지능이 인간이라면 인간은 닭수준이라고 했다. 닭에게 인간이 말한다고 무엇을 알아들을 수 있을까. 지금 인간이 그렇다. 인공지능을 만든 사람들 조차 그들이 무엇을 하고 있는지 잘 모른다. ​​인공지능은 질문한 사람의 수준으로 답한다. 답변자가 만족할 만한 답을 주기위해 설계, 학습되었기 때문이다. 일상적인 질문을 던지면 그것에 대답한다. 논문을 주고 질문을 던져도 그것에 대답한다. 인공지능은 지금 나의 수준을 보여준다고 알면 된다. 인공지능의 가능성은 엄청나다. 지금 인공지능을 이용해서 성과를 내는 사람들은 인공지능이 가진 Capability Overhang을 잘 꺼내는 것이다. ​​꿈꾸는 그것을 실현시켜줄 수 있는 나만의 사만다가 하나씩 있는 것이다. 모든 인간을 평평하게 만들어주는 어떤 극도의 레벨라이저. 그 앞에서는 모두 험블해야한다. ​​# 이 세상에서 가치란? 이전에는 '농업 말고, 세상에 이로운 게 뭘까?'했다. 가치는 혼돈에서 에너지를 들여 정돈된 것을 만드는 것이다. 광합성은 공기와 물, 태양빛을 받아 에너지를 만든다. 이것이 가치다. 혼돈에서 질서를 만드는 것이 가치 창출이다. ​​# 사람에게 중요해질 능력?더이상 자기계발의 목표는 효율성이 아니다. 생산성은 인공지능이 압도적이다. 인간이 아무리 효율적이어도 인공지능 보다 생산성이 높을 수 없다. 효율성은 이제 더이상 인공지능에게 중요한 것이 아니다. 이제 떠오르는 것은 주의력이다. 하루에 몇 시간 주의력을 가지고 일할 수 있는가? 딥워크를 할 수 있는가? 얼마나 할 수 있는가? 창의적인 질문을 할 수 있는가? ​​# 코딩은 마법이다인공지능, 유튜브, 카카오톡, 넷플릭스, 노션, 애프터이펙트 등등이 코딩으로 돌아간다. 코딩으로 거의 모든 것을 할 수 있다. 그러한 코딩을 이제 개발자가 아니어도 할 수 있다. 바이브 코딩이다. 당신의 전용 비서를 만들 수 있다, 업무에 도움을 줄 수 있는 무엇을 만들 수 있다. ​​해본 것# 바이브 코딩말로만 코딩을 했으니까 바이브 코딩이겠죠? 시간표 정할 때, 이거할까 저거할까를 보여주는 웹앱입니다. 액셀로 했었는데 이렇게 만들고 보니까 마음에 듭니다. 수강신청 전 강의 후보를 입력하고 최대 5개의 시간표 안을 만들어 나란히 비교하세요.limintimetableselect.lovable.app어떤 것을 만들고자 하는 분명한 이미지가 있다면 그걸 실제로 만들어주는 게 참 신기합니다. 코딩이 무엇이지도 모르는데 어떻게 작동하는지도 모르는데 만들어달라고 하면 만들어주니 정말 신기합니다. 사실 더 신기한 건 유튜브, 카카오톡, 애프터이펙트, 노션 등등이 코딩으로 만들었다는 사실이 더 신기합니다. 코딩이란 온라인으로 만들어지는 모든 것의 기반을 말하는 것일까요. 코딩을 알면 온라인에서 어떤 것이든 만들 수 있는 것일까요. 아니 누가 이런 생각을 했는지, 진짜 천재인가 봅니다. 너무 신기하잖아. ​​# 클로드pro22달러인데 33338원이 나갔습니다. 와 거의 1515원 이네요. 환율 무슨 일이야. 아 살 때는 더 비싸니까 그런건가. 아무튼 클로드에 Opus4.8을 (뭐야 방금 Opus5가 나온거죠? 어제까지만 해도 없었던 것 같은데) 사용해보았습니다. 확실히 똑똑한 친구 같아요. ​​클로드의 진짜는 클로드 코드, 클로드 코워크라고 해서 이걸 사용해보려고 하는데, 뭘 시킬 일이 없네요. 메신저 앱을 만들어달라고 해볼까요. 신문 스크립 해오라는 것 시켜볼까요. 아 이것조차 인공지능에게 물어볼까요. 일단 한번은 사용해봐야 겠어요. 어떤 느낌인지 자전거를 타보고 싶으니까요. ​​# 에이전틱인지방학동안 하고 싶은 일들을 쫙 적어서 방학동안 할 수 있게 계획을 노션에 만들어달라고 했어요. 노션에 막 만들어주더라고요. 만든 것을 더 좋게 하는 방법을 물어봤더니 알아서 무언가를 더 추가해주고요. 저는 노션을 사용한 적이 없어서 노션의 기능을 모르는데 이렇게 잘 다룰 수 있는 게 정말 신기해요. 노션 처음 봤을 때, 문서인데 그 안에 문서를 만들 수 있고, '무엇이든 할 수 있다'의 느낌이었는데, 그 툴을 정말 잘 다루는 어떤 사람에게 '이렇게 저렇게 해주세요'하면 뚝딱 해주는 세상이잖아요. ​​바이브 코딩이랑 비슷한 것 같아요. 코딩을 모르듯이 노션을 모른단 말이죠. 그런데 노션에 이렇게 저렇게 만들어 주라고 하면 사용자는 어떤 기능이 들어가는지도 모르지만 결과는 어떻게 그렇게 된단 말이죠. 정말 신기한 세상입니다. 말타고 돌아다녔던 세상에 자동차의 등장일까요. 손으로 문서 작성하던 세상에 컴퓨터의 등장일까요. 정말 어떤 세상이 펼쳐질지 기대가 됩니다. ​​# 자립생각취업준비 보다 창업이 더 쉬운 시대가 되어버린 것일까요? 창업가, 사업가, 프리랜서, 예술가를 같은 의미로 보는 입장에서, 스스로 목표를 정하고 목료를 현실로 만드는 그런 사람들이 살아가는 세상이 되는 게 아닐까요? 가치를 제공하는 일이 핵심인데, 그 일을 기존의 기업의 형태일 필요가 없어지는 일이잖아요. 인공지능과 1인으로도 기업이 돌아가는 세상이 이미 되었으니까요. 세상은 점점 좋아질텐데, 개인적으로 어떤 행동을 해야할지 참 어렵습니다. ​앞으로# 인공지능 이야기를 지속적으로 따라간다인공지능이 세상을 바꾸고 있습니다. 그 기술을 따라가는 것이 세상의 변화를 따라간다고 생각합니다. 엄청난 기술을 아는 일이 재미있지 않습니까. 최신의 인공지능을 사용해봅니다. 일단 자전거를 타는 게 더 좋은 일이라고 판단합니다. 무엇보다 세상을 바꾸는 사람은 제가 아니고 그들이니까요. 세상에 천재들이 어떤 생각을 하는지 들어볼 필요가 있습니다. 제 세상은 큰 변화가 없단 말이죠. 그들은 도대체 어떤 것을 보기에 2주가 1년 같다고 말하는 걸까요. 아무튼 배워야 합니다. ​​여러가지 이야기를 듣는 이유가 있다. '어떻게 해야한다'의 길은 사람마다 다르다. 한 사람은 어쩔 수 없이 한 사람이다. 같은 세상을 살고 있어도 정말 다른 생각을 가지고, 다른 일을 하고, 다른 삶을 사는 개인들이 이 세상에 있지 않은가. 그렇지만 천재들의 말, 똑똑한 사람들의 말은 중요하게 들을 필요가 있다. 세상을 변화시키는 사람은 일단 내가 아니니까. 일단 인공지능에 대한 관심은 지속한다. ​​# 도메인 지식을 쌓는다인공지능이 훨씬 똑똑합니다. 인간은 목표, 목적을 지정해주는 일을 합니다. '어디로 가자'의 어디를 설정합니다. 그런데 그 모습을 상상하려면 인간이 그정도의 머리를 가지고 있어야 합니다. 데이터 분석하는 프로그램을 만들 수 있을 것 같습니다. 또는 프로그램을 훨씬 잘 다룰 것 같습니다. 그런데 제가 데이터 분석에 대해서 전혀 모르니까 무엇을 시킬 수가 없습니다. 무엇이든 할 수 있는 사람이 있는데 아는 게 없어서 무엇도 못 시키는 게 참 아쉬웠습니다. ​​미토스를 저에게 주어도 BSD 유닉스? 그런 것에 오류가 있는지 물어볼 수가 없습니다. 그게 무엇인지 알지도 못하니까요. 뭘 알아야 질문이라도 해보죠. 현재 박사정도의 지식을 아는 게 좋다던데, 일단 사회학을 배우니까요, 깊이 배워봅니다. 물론 학문일 필요는 없고 어떤 연예인, 어떤 사물, 어떤 현상에 깊이 있는 지식이 중요하다고 했습니다. 깊이가 중요한가 봅니다. ​​# 좋은 사회가 되도록 사회적 활동을 한다과학자, 공학자 들은 낙관적인? 긍정적인 성향이 있는 것 같습니다. 안 되는 것을 될 때까지 하는 워드클라우드 워드 클라우드 생성기 만들기 사이트 추천 사람들이라고 정의하면, 그럼에도 불구하고 하는 특성이 있을 것 같습니다. 그런데 놀라운 기술이 항상 사회를 이롭게 하는 것은 아니었지 않습니까? 사회는 기술이 아니라 사람이 만드는 것이니까요. 어떤 사회가 '좋은'사회인지도 사람들이 정하니까요. 먼저 좋은 사회를 상상해봅시다. ​​# 영화 3편 본다her트랜센던스루시​​# 질문을 해결한다질문 : 제미나이나 클로드 같은 인공지능이 아닌 다른 곳에서 사용하는 인공지능은 뭐지? 인공지능 챗, 이런 서비스들이 있는데 그들은 말만 인공지능인가? 그들이 인공지능이라면 어떻게 작동하는 걸까? 파운데이션 모델과 버티컬 모델로 구분한다면 버티컬로 보면 되는 건가?먼저 결론부터AI 챗이라고 부르는 서비스들은 세 가지가 뒤섞여 있습니다. 어떤 건 진짜 AI가 아니고, 어떤 건 AI지만 스스로 만든 모델이 아니며, 진짜 자기 모델을 가진 곳은 소수입니다.1. 실제로 뭐가 돌아가고 있나(A) 규칙 기반 / 시나리오형 — 사실상 AI가 아님은행·통신사·쇼핑몰 고객센터 챗봇 상당수가 여기 속했습니다(지금도 남아 있습니다). 키워드 매칭 + 의사결정 트리(순서도)입니다. 배송&quot이라는 단어가 들어오면 배송 안내 카드를 띄우고, 버튼을 누르면 다음 분기로 갑니다. 학습도 추론도 없고, 개발자가 짜놓은 분기표를 따라갈 뿐입니다. → 말만 인공지능이 맞습니다.(B) 의도 분류형(NLU 기반) — 좁은 의미의 진짜 머신러닝여기부터는 실제 모델이 돌아갑니다. 다만 하는 일이 **분류(classification)**입니다.사용자 문장을 벡터로 바꾸고 → 미리 정의된 의도(intent) 100~500개 중 어디에 속하는지 확률로 판정문장에서 필요한 값(날짜, 카드번호, 지점명 등)을 뽑아냄 → 개체명 인식(NER), 슬롯 필링판정된 의도에 매핑된 답변 템플릿을 출력핵심은, 이 방식은 문장을 생성하지 않습니다. 답은 미리 사람이 써둔 것이고, 모델은 어느 서랍을 열지만 고릅니다. BERT 계열의 작은 모델(수억 파라미터 이하)이 주로 쓰입니다.(C) 생성형 LLM 기반 — 2023년 이후 급격히 늘어난 형태대부분 자기 모델이 아니라 OpenAI/Anthropic/Google API를 호출하거나, 오픈소스 모델(Llama, Qwen 등)을 가져다 씁니다. 여기에 RAG를 붙입니다:회사 문서(약관, 매뉴얼, FAQ)를 잘게 쪼개서 임베딩 → 벡터DB에 저장질문이 들어오면 관련 문서 조각을 검색[시스템 프롬프트] + [검색된 문서] + [사용자 질문]을 조립해서 LLM에 던짐LLM이 생성한 답을 필터링해서 출력즉 모델을 만든 게 아니라 파이프라인을 만든 것입니다. 이게 현재 대다수 AI 챗&quot서비스의 실체입니다.2. 파운데이션 vs 버티컬 — 이 구분이 살짝 어긋나는 지점버티컬로 보는 게 틀린 건 아닌데, 층위를 하나 더 나눠야 정확합니다.층위정체예파운데이션 모델대규모 사전학습, 범용GPT, Claude, Gemini, Llama버티컬 모델특정 도메인 데이터로 실제 학습/파인튜닝BloombergGPT(금융), Med-PaLM(의료), Harvey 일부, 법률·코드 특화 모델버티컬 애플리케이션모델은 남의 것, 프롬프트·RAG·워크플로만 자기 것대부분의 AI 상담, AI 계약서 검토, AI 마케팅 카피&quot서비스시장에서 버티컬 AI라고 불리는 것의 90% 이상은 두 번째가 아니라 세 번째입니다. 가중치를 건드리지 않고, 컨텍스트만 갈아끼웁니다. 그래서 우리는 버티컬 AI 기업이라는 말은 종종 우리는 GPT를 쓰는 SaaS라는 뜻입니다.그리고 위의 (B) 의도 분류형은 파운데이션도 버티컬도 아닙니다. 그건 그냥 태스크 특화 소형 ML 모델이고, LLM 시대 이전의 계보입니다. 이 구분법 자체가 안 맞는 대상입니다.3. 사용자가 직접 구별하는 법몇 마디만 던져보면 금방 드러납니다.오타·비문으로 물어보기 → 규칙 기반은 즉시 이해하지 못했습니다두 가지를 한 문장에 (환불하고 싶은데 배송비는 누가 내요?) → 의도 분류형은 하나만 잡거나 실패맥락 이어가기 (아까 말한 그거 말고 다른 방법) → 대화 상태를 기억하면 LLM 계열관계없는 질문 (시 한 편 써줘) → LLM이면 어색하게라도 시도하거나 정중히 거절, 규칙 기반은 무의미한 FAQ를 뱉음미묘한 어투 변화에 답이 완전히 똑같이 나오면 → 템플릿 출력4. 왜 이렇게 되었나파운데이션 모델을 직접 만드는 건 수천억~수조 원 규모의 컴퓨팅과 데이터가 필요합니다. 반면 API를 호출해 도메인 지식을 얹는 건 소수 인원이 수개월이면 됩니다. 경제적으로 합리적인 선택이고, 비난할 일은 아닙니다. 다만 그걸 우리가 AI를 개발했다고 말할 때 과장이 생깁니다.실제 차별화는 모델이 아니라 ① 독점적인 도메인 데이터, ② 업무 워크플로 장악, ③ 규제·인증 대응에서 나옵니다. 그래서 파운데이션 모델이 세대를 거듭할 때마다 얇은 래퍼 서비스들은 통째로 잡아먹히고, 데이터와 워크플로를 쥔 곳만 살아남는 패턴이 반복되고 있습니다.질문 : 한국산? 파운데이션 모델을 만들고 있다고 하는데, 그게 어려운 건가? 무엇이 어려운 점일까? 한국 상황부터 (2026년 8월 현재)정부가 「독자 AI 파운데이션 모델」(줄여서 '독파모')이라는 국가 프로젝트를 돌리고 있습니다. 2025년 8월 네이버클라우드·업스테이지·SK텔레콤·NC AI·LG AI연구원 5개 '정예팀'을 선발해 GPU와 데이터를 지원하고, 약 6개월 주기로 한 팀씩 탈락시키는 서바이벌 방식입니다.2026년 1월 1차 평가에서 LG AI연구원·SK텔레콤·업스테이지가 통과했고, 네이버클라우드와 NC AI가 탈락했습니다. 여기서 핵심적인 장면이 하나 나옵니다 — 네이버클라우드는 점수가 아니라 독자 개발(from scratch) 기준 미달로 걸렸습니다. 공모 기준상 '독자 모델'은 해외 모델을 미세조정한 파생형이 아니라, 설계부터 사전학습까지 수행하고 타사 라이선스 이슈가 없는 모델을 뜻하기 때문입니다. 이 사건 하나가 뒤에 설명할 어려움의 성격을 거의 다 보여줍니다.이후 패자부활전으로 모티프테크놀로지스가 합류해 4팀이 되었고, 지금 이번 달(8월) 2차 평가가 진행 중입니다. 8~11일 일반 국민 평가단이 직접 써보고 평가하며, 4팀 중 3팀이 남습니다. 2차 평가는 1차와 달리 에이전트 역량과 산업 현장 적용성에 무게를 둡니다.그래서, 어려운가? — 어렵습니다. 문제는 어떤 종류로&quot어려운가입니다기술적 난이도만의 문제가 아닙니다. 논문은 다 공개되어 있고, 아키텍처도 알려져 있습니다. 진짜 병목은 다른 데 있습니다.1) 컴퓨팅 — 규모의 자릿수가 다름프런티어 랩들은 GPU 수만~수십만 장 규모 클러스터에서 단일 학습을 돌립니다. 독파모는 정부 추경 구매분 1만 장 등을 활용해 지원하는 구조인데, 이걸 여러 팀이 나눠 씁니다.더 근본적인 건 GPU는 사면 되지만 돌리는 건 별개라는 점입니다. 수천 장을 몇 달간 끊김 없이 병렬로 묶어 학습을 완주시키는 건 그 자체가 고난도 엔지니어링입니다. 노드 하나가 죽으면 전체가 멈추고, 체크포인트에서 복구하는 과정에서 시간이 녹습니다. 실제로 독파모 1차 평가 일정이 연기된 배경으로 GPU 환경 최적화와 데이터 공급 속도 지연이 지목됐습니다.여기에 전력·냉각·데이터센터 부지가 따라붙습니다. 한국은 전력망 여유가 넉넉한 나라가 아닙니다.2) 데이터 — 이게 가장 구조적입니다한국어는 전 세계 웹 텍스트에서 차지하는 비중이 1% 안팎에 불과합니다. 반면 영어는 절대적입니다. 한국어만으로 프런티어급 모델을 사전학습하는 건 물리적으로 불가능하고, 그래서 실제로는 영어 데이터를 대량으로 넣고 한국어를 얹습니다. 그러면 한국 모델의 의미가 미묘해집니다.여기에 저작권이 겹칩니다. 한국은 저작권법에 텍스트·데이터 마이닝(TDM) 면책 조항이 없습니다. 일본은 있고, EU는 옵트아웃 구조로 있습니다. 즉 한국 기업은 뉴스·출판물·웹 데이터를 학습에 쓸 때 법적으로 회색지대에 놓입니다. 정부가 프로젝트 차원에서 저작물 데이터 공동구매를 지원하는 것도 이 때문인데, 사서 쓰는 방식은 규모 확장에 한계가 뚜렷합니다.그리고 요즘 성능을 가르는 건 원시 데이터 양이 아니라 정제·합성 데이터 파이프라인입니다. 어떤 데이터를 어떤 비율로 어떤 순서로 먹일지 — 이건 논문에 안 나오는 노하우이고, 실패해도 왜 실패했는지 알기 어렵습니다.3) 인재 — 숫자가 아니라 경험한국에 ML 엔지니어는 많습니다. 하지만 수천억 파라미터 모델의 사전학습을 처음부터 끝까지 완주해본 사람은 전 세계적으로도 수천 명 수준이고, 국내에는 극소수입니다. 이 경험은 책으로 못 배웁니다. 학습이 발산할 때 러닝레이트를 만질지 데이터를 의심할지 판단하는 감각인데, 한 번의 판단 실수가 수백억을 태웁니다.정부가 해외 우수 연구자(재외 한인 포함) 유치 시 인건비·연구비를 매칭 지원하는 항목을 따로 둔 것도 이 공백을 인정한 설계입니다. 문제는 프런티어 랩의 보상 수준과 경쟁해야 한다는 점입니다.4) 시간 — 목표가 달아납니다가장 잔인한 부분입니다. 모델 하나 만드는 데 1년이 걸리는데, 그동안 GPT·Claude·Gemini는 두세 번 세대교체를 합니다. 완성 시점에 이미 2세대 뒤처져 있는 구조입니다. 따라잡는 게 아니라 계속 뛰면서 격차를 유지하는 게임이고, 이건 일회성 예산이 아니라 매년 수조 원 규모의 지속 투자를 요구합니다.5) 사전학습이 끝이 아님사전학습은 절반입니다. 그 뒤에 사후학습(post-training)이 있습니다 — 지시 따르기 튜닝, 사람 선호 데이터 수집, 강화학습, 안전성 정렬, 그리고 최근에는 추론 능력 학습과 에이전트 학습. 여기에 필요한 고품질 한국어 선호 데이터는 사람이 직접 만들어야 하고, 돈과 시간이 많이 듭니다. 벤치마크 점수는 그럭저럭인데 실제로 써보면 답답한 모델이 나오는 이유가 대개 여기입니다. 2차 평가에서 일반 이용자가 체감하는 답변 품질을 별도로 보는 것도 이 간극 때문입니다.6) '독자성'이라는 정책적 딜레마가장 흥미로운 어려움입니다. 엔지니어링 관점에서 가장 합리적인 선택은 Qwen이나 Llama 같은 우수한 오픈웨이트 모델 위에서 시작하는 것입니다. 훨씬 싸고 빠르고 성능도 잘 나옵니다. 그런데 그렇게 하면 주권 AI라는 프로젝트의 존재 이유가 사라집니다. 네이버가 걸린 지점이 정확히 여기입니다.즉 효율과 주권이 정면으로 충돌하고, 정책은 비효율 쪽을 택할 수밖에 없습니다. 이건 기술로 못 푸는 문제입니다.7) 만든 다음이 진짜 문제모델이 나와도 개발자와 기업이 쓸 이유가 있어야 합니다. 성능이 비슷하면 사람들은 생태계가 크고 문서가 많고 도구가 붙어 있는 쪽을 씁니다. 정예팀들이 상용화 가능성을 보여주려 제조·금융·공공 분야 협업을 서두르는 것이 이 맥락입니다.균형을 잡자면부정적으로 볼 근거: 격차가 자본과 시간의 함수인데 한국이 투입할 수 있는 자원은 미국·중국의 한 자릿수 퍼센트입니다. 국가 주도 서바이벌 방식이 프런티어 연구에 맞는 형식인지도 논쟁거리입니다. 6개월마다 평가받으면 안전한 선택만 하게 되니까요.긍정적으로 볼 근거: 프런티어를 1등으로 따라잡는 게 목표가 아니라면 얘기가 달라집니다. 알리바바의 Qwen이나 딥시크가 보여준 건 자원이 제한돼도 효율적 설계로 상당한 수준에 도달할 수 있다는 것입니다. 특정 용도에서 충분히 좋고 저렴하며 국내에서 통제 가능한 모델은 그 자체로 가치가 있습니다. 5개 팀 모델이 모두 Epoch AI의 '주목할 만한 AI 모델'에 등재된 것은 최소한 출발선에는 섰다는 뜻입니다. 반도체·데이터센터·전력이라는 하드웨어 기반을 이미 가진 나라라는 점도 다른 중견국에는 없는 조건입니다.정부는 2차 평가를 통해 세계 2위권도 도전해볼 만하다는 전망을 내놓고 있습니다만, 이런 관 주도 목표 제시는 낙관적으로 잡히는 경향이 있다는 점은 감안해서 보시는 게 좋겠습니다. 다음 달쯤 2차 결과가 나오면 실제 위치가 좀 더 분명해질 겁니다.질문 : UBC, UBS, 기본소득 등 누가 생각하는 걸까. 어떻게 실현하는 걸까. 빠르게 해줬으면 좋겠다. 한국은 논의를 하고 있는지 알아본다.1. 용어 정리 — 셋은 다른 것입니다무엇을 주나대표 논자UBI (기본소득)현금을 모두에게 조건 없이토머스 페인, 밀턴 프리드먼(음의 소득세), 판 파레이스, 앤드루 양UBS (보편적 기본서비스)현금 대신 무상 서비스 — 의료·교육·주거·교통·통신·돌봄영국 UCL 사회번영연구소(2017 보고서), 안나 쿠트UBC두 가지로 쓰입니다: Universal Basic Compute(모두에게 AI 연산량 배분 — 샘 올트먼이 언급) / Universal Basic Capital(현금이 아니라 자산·지분을 배분)올트먼, 노아 스미스 등UBS 쪽 논거: 현금을 주면 집값·학원비로 흡수돼 워드클라우드 워드 클라우드 생성기 만들기 사이트 추천 물가만 오른다, 서비스를 직접 주는 게 비용 효율적이다. UBI 쪽 반론: 관료가 무엇이 필요한지 정하는 건 오만이다, 현금이 선택의 자유다.2. 누가 생각하나 — 좌우가 뒤섞여 있습니다이 주제의 특이점은 이념 스펙트럼을 가로지른다는 것입니다.자유주의 우파: 프리드먼의 음의 소득세, 하이에크. 복잡한 복지 관료제를 없애고 현금 한 방으로 대체하자.&quot즉 복지 축소 수단으로.좌파: 판 파레이스, 가이 스탠딩. 노동에서 해방된 실질적 자유.&quot즉 복지 확대 수단으로.실리콘밸리: 올트먼, 머스크, 리드 호프먼. AI가 노동을 대체할 때의 안전망. 동시에 기술 발전의 정치적 반발을 사는 비용이라는 냉소적 해석도 있습니다.반대: 주류 복지국가 학자 다수가 회의적입니다. 같은 돈이면 취약계층에 집중하는 게 빈곤 감소 효과가 훨씬 크다는 게 핵심 반론이고, 좌파 안에서도 노동조합 쪽은 임금 하락 보조금이 될 거라며 경계합니다.3. 어떻게 실현하나 — 결국 재원 설계재원 아이디어공유부 배당: 토지·환경·데이터는 모두의 것이니 그 수익을 배당 (알래스카 영구기금이 실제 사례 — 석유 수익으로 주민에게 연 1,000~3,000달러)탄소세, 로봇세/AI세, 데이터세부가가치세 인상 (앤드루 양의 10% VAT 안)소득세 누진 강화 + 기존 현금성 복지 통폐합음의 소득세 방식: 전 국민에게 실제로 돈을 뿌리지 않고 세금 정산 때 차액만 지급 — 명목 예산이 훨씬 작아 보이는 게 정치적 장점실현 경로는 현실적으로 세 갈래입니다: ①지역·계층 단위 시범사업 → 확대, ②아동수당·기초연금처럼 연령별로 쪼개서 도입 후 연결, ③기존 복지 통합.실험 결과 요약: 핀란드(2017~18), 스톡턴, 케냐 GiveDirectly, 올트먼이 자금을 댄 OpenResearch 3년 실험 등이 대체로 노동 공급은 크게 줄지 않고, 정신건강·재정 안정은 개선됐다고 보고합니다. 다만 전부 소규모·한시적이라 전국 영구 시행 시의 물가·노동시장 효과는 여전히 미검증입니다. 이게 반대 측의 가장 강한 카드입니다.4. 한국 — 논의 중일 뿐 아니라 이미 지급이 시작됐습니다(1) 농어촌 기본소득 (실제 시행 중) 경기 연천, 강원 정선, 충남 청양, 전북 순창, 전남 신안, 경북 영양, 경남 남해 7개 군을 대상으로 2026~2027년 2년간 월 15만 원 상당의 지역사랑상품권을 지급하는 시범사업입니다. 2026년 2월 본격 시행됐고, 2026~2028년 가구 패널조사로 효과를 검증합니다.초기 보고로는 신안군에 전자제품 상점이 새로 생기고, 청양군에서 문 닫았던 가게가 다시 열고, 장수군에 푸드코트가 생기는 등의 변화가 관찰됩니다. 다만 지역화폐로 지급하니 지역 내 소비가 느는 건 설계상 당연한 결과라, 순수 효과인지 다른 지역 소비를 빨아온 것인지는 패널조사 결과를 봐야 합니다.(2) 중앙정부 차원의 공식화 보건복지부가 2026년 5월 국무회의에서 '제3차 사회보장기본계획 수정계획(2026~2030)'을 보고하며, AI 대전환에 따른 노동 변화와 기존 사회보장 체계의 한계에 대응하는 새 사회안전망으로 기본소득 도입을 추진하겠다고 밝혔습니다. 즉 AI를 명시적 근거로 든 것이 특징입니다.이재명 대통령은 2022년 대선 때 임기 내 연 100만 원 보편 기본소득을 공약했고, 2025년 대선에서는 '기본사회'라는 변형된 형태를 제시했으며, 대통령 직속 기본사회위원회를 출범시켰습니다.(3) 논쟁 지형비판: 구체적 재원·설계 없이 발표만 앞섰다는 지적이 있고, 2026년 6월 지방선거를 앞둔 시점의 발표라는 점에서 선거용이라는 비판도 제기됐습니다. 시범사업 자체에도 담당 부처가 농식품부인 게 맞는지, 7개 지역은 너무 적지 않은지, 15만 원이 적정한지 등의 논란이 있었습니다.옹호: 농어촌 고령화율이 2000년 14.6%에서 2024년 26.6%(면 단위 34.1%)로 급증했고, 인구 3천 명 이하 과소화 지역이 2025년 전체 읍·면의 절반을 넘었다는 소멸 위기가 실재하며, 선별 복지로는 대응이 안 된다는 논리입니다.2026년 지방선거에서 기본소득 공약이 대거 쏟아질 것으로 예상됐고, 중앙 시범사업에 선정되지 않은 지자체들도 자체적으로 소액 기본소득을 도입할 가능성이 거론됩니다.5. 냉정하게 보면빠르게&quot되기 어려운 이유 — 전 국민 월 30만 원이면 연 180조 원대입니다. 2026년 국가 예산이 700조 원대인 걸 감안하면, 기존 복지를 대폭 통폐합하거나 증세 없이는 불가능한 규모입니다. 그래서 실제 경로는 농어촌·청년·아동 같은 부분 도입을 넓혀가는 방식일 수밖에 없고, 이는 정의상 '보편적'이 아니게 됩니다. 이 딜레마가 전 세계 공통입니다.빨라질 수 있는 조건 — AI로 인한 실업이 통계로 뚜렷해지는 순간입니다. 지금 논의가 복지 담론에서 AI 담론으로 이동한 것(복지부 발표가 그 신호입니다)이 결정적 변화이고, 앞선 두 질문??

댓글목록

등록된 댓글이 없습니다.