테크니션이 말하는 AI 인공지능의 시대? 적신호가 켜지기 시작했다 | 정인성 작가 #1 [투자Insight]

증시각도기TV
44 팔로워
1 비디오 조회수·2024. 9. 14.
- 촬영일 : 2024년 9월 9일
- 진행자 : 곽상준 (증시각도기TV 각도기)
- 게스트 : 정인성 ('반도체 제국의 미래', 'AI 혁명의 미래' 저자)
아 이거 정말 되는 거야라고 부정적인
의견을내는 사람도 많아요 이게 정말로
뭐 기기 하나를 바꿔 놓고 회사
하나를 몇십배 불릴 수 있을까 이런
거에 대해선 부정적인 사람들도 있죠
[음악]
[음악]
지금네 안녕하십니까 증학교 t 시청자
여러분 투자 여러분
반갑습니다네 아 아주 뭐 7월
달에이어서 8월 달까지 그리고 추석을
하던 이때까지 어 시장이 공포에
휩싸일 정도로 많이 흔들리고 있습니다
그중에이 공포를 일으킨 장본인은 바로
기술주 또 그 중에서도 핵심은 AI
또 그 중에서도 핵심은 반도체 이렇게
말씀드릴 수 있겠는데요 자 과연
반도체 시장이 어떻게 되는 거냐 이제
버블이 끝나고 이제 영영 이제 그
2000년에 우리가 경험했던 법을
붕괴로 가는지 여부에 대해서 어떤
근원적인 기술적 인 흐름들을 추적해
보고 싶습니다 여기에는 역시나 최고의
테크니션이 지식인이 필요하죠 우리
정인선 작가님 모셨습니다
안녕하십니까네 안녕하세요네
안녕하십니까네 한 분기만에 어 세상이
뭐 다 뒤집힌 거 같아요 뭐냐면 한
한 분기 전만 해도 그러니까 4 5
6월 달만 해도 세상에 보도 AI
없으면 모든게 안 되고 AI 모든 걸
할 것처럼 보거든요데 지금은 마치
AI 재앙이 된 것처럼 그렇게
뒤집어졌습니다 근데 사실이 이게
어떻게 보면은 기술은 그냥 기술하는
사람들 쭉 가고 있는데 우리 마음만
많이 흔들리는 거에 가깝다고 생각해요
이게 뭐 늘 버블 버스트 사이클이
있긴 했지만 요번 것이 정말 버블이나
예를 들 우리 좀 과거로 돌아가서
스마트폰을 보면 그거 버블이 있을까요
아니죠 사실은 스마트폰은 진짜였음
1년에 조금 줄었다고 해도 12억
대씩 팔리는 거잖아요 근데 더 과거로
가서 이제 코스닥 2000년도 로
돌아가 보면 그때는 어떤 것들을
가지고 막 사람들이 투자를 받았냐
하면 해외에가 막 화상 전화하고 전화
회사 안 쓰고 인터넷으로 통하고 이런
걸로 막 수백억 조단이 투자를 받고
그랬어요 그거는 그때도 좀 세 하다
사람은 세 하다고 했겠죠네 다이얼패드
뭐 이런게 있었죠 예 그때 물론 전
초등학생 내신 중학생 이거 다 사후
이야기입니다 그래서 나중에 한번
살펴본 거죠 그래 제가 이렇게 보면
그 둘 사이 어딘가쯤 있는 느낌이에요
항상 뭐 많은 혁신인 이제 아닌지
모르겠는 것들이 그런데 이제 우리가
코 과거 코스닥 버블이라 비교해 보면
보여준 건 확실히 있죠
2022년에 그리고 비슷한 기술을
재연하는 회사들이 많이 생겼죠
그러니까 거기까지 우리 갈 수 있는
거죠 사실은 근데 항상 우리 고민하는
건 어 근데 2년이나 지났는데 우리
손바닥 위에 변한 건 별로 없네 이런
느낌인 거죠 사실 어려운 기술이기
때문인 거네 음 그렇겠죠 전 그래서
처음에 채피가 나왔을 때 저만큼 위에
올라갔던 거 드디어 스카이넷이 온다
우린 죽었어 이런 거에서는 조금
눈높이가 낮아질 수는 있다고 생각해요
저는음네 그러면 어 이번에 이제 실척
발표 이후에 이제 AI 대한 어떤
투자 컨셉이 금이 간 건데 그럼에도
불구하고 테크니션이 표현될 수 있는
뭐 구글의 라든가 마이크로
마이크로소프트도 그렇고 많은 빅테크의
수장들이 우린 계속 투자를 할 거고
이게 미래다라고 얘기했어요 아주 멋진
이제 어구로 자리를 잡았는데 과소
투자보다 과잉 투자가 안전하다 이렇게
표현을 했는데이 테크니션들이 생각하는
미래는 올까요 이들이이 정도로 얘기할
거 같으면 정말로 강력한 확신이
없으면이 정도로 얘기 못 할 것
같거든요 근데이 분들은 사실 계속
기업을 키우고 뭔가 새로운 걸 해야
되는 사람이잖아요 예를 들면 성공률
10% 100배의 어떤 이익을 볼
가능성이 있다음 그러면 해야 되냐
말아야 되냐에 문제인 거죠 예를 들면
전재산이 한 2 3억 정도 있는 사람
입장에선 10% 확률로 100배 버는
걸 하는게 옳지 않을 수도 있죠음
왜냐하면 확률적으로는 제가 분명히
100억 뭐 1천억이 될 가능성이
있지만 몇 억원 재산에서 0원이 되는
건 아프니까요 근데 이런 대기업의
CEO 좀 다르죠네이 사람들은
투자액을 다 날릴 어떤 리스크가
있더라도 이게 몇십배 시장으로 보이
몇십배 시장으로 갈 수 있다고 생각하
네 음음음 자 그러면 자 조금 더
현장감 있게 질문 드리겠습니다 다른
사람 몰라도 여기 나오시는 분들 중에
AI 현장에서 계 가장 많이 써 보신
분이 정작가 님이세요 제가 알고
있기로는네 아 실제로 스타트업도
만드셨고 그렇기 때문에 그러면은
해보신 입장에서는 이게 미래가 된다
안 된다 비율로 따져보면 어떻게
보십니까 이제 제 입장에서 원래 이런
거대 인공지능 채치 PT 나오기 전에
그 언어랑 뭔가 쓰는 인공 은
계획했다가 거의 채치 피티가 잘
되면은 완벽히 잡아먹히는 형태의 사업
모델이었어요
아프죠 이제 아프지만 사실입니다
네네네네 이제 저는 큰 AI 안 될
거라고 생각한 사람인데 그거를 깨고
나온 녀석인 거죠 이제 지금 그 뒤에
한 1년 몇 개월이 지났는데 나오고
나서 이제 지금 저가 언어 모델 직접
하진 않지만 하는 사람들마다 의견은
좀 많이 갈려요 이게 실제 현실
모습이라고 생각 저는 여기에 큰
기대를 걸고 계속 투자를 하려는
사람도 있고 이제 현장에 있는 뭐
엔지니어들은 아 이거 정말 되는
거야라고 부정적인 의견을내는 사람도
많아요 기존보다 되는 건 확실히 많고
굉장히 개선된 것도 많아요 옛날보다
그 맥락도 많이 보니까 번역도
자연스러워지고 대화도 좀 더 비슷하게
할 수 있고 한데 이게 정말로 뭐
기기 하나를 바꿔 놓고 회사 하나를
몇십배 불릴 수 있을까 이런 거에
대해선 부정적인 사람들도 있죠 지금네
근데 지금 말씀하신 것처럼 잠깐
체크하고 넘어가면 이게 돈이 많이
들어서 그렇지 이걸 구축하는데 돈이
많이 들어서 그렇지 번역 세상
깔끔하게 하죠 그다음에 실시간
통역도이 정도로 하면은 과거 기록을
과거의 어떤 경험치로 보면은 엄청난
발전이죠 그죠 우리 말을 알아듣는
것도 깜짝 놀랄 정도 수준은 맞는
거잖아요 기술적인 지문은 상당한
거잖아요 그근데 이제 이런 문제가
있죠 그럼 이걸 제가 덩치를 열배
키우면 그래서 이제 원가를 열 배
높이면 드디어 정인성 작가가 하는
기술 이야기도 실시간으로 영어로
번역할 수 있느냐음 사실 거기에는 좀
물음표가 있어요 이거는 아 우리
정작가님 너무 어려운 얘기를 하시니까
자신 있으시네요 그러니까 이거 뭐
난생 처 보는 단어들이 마구마구 왔다
갔다 하는데 지금 우리가 언어 모델을
학습시킬 땐 인터넷에 있는 데이터들
크롤링해서 인터넷 수준에 좀 어떻게
보면 평범한 그 인터넷 속 사람에
가깝다고 해야 되나 그런 사람들이
여러 명 뭉쳐 놓은 형태인 거잖아요
네 그래이 습 때는 얘가 대하는 것
번역을 할 때도 그 정도 수준이
나오고 글을 쓸 때도 그 정도 수준이
나오고 이제 일반인들 수준보다 좀
높을 수는 있죠 하지만 인터넷에
존재하지 않는 지식에 관한 걸
물어보기 시작하면 얘도 이제 약간
어떡하지 이런 형태가 나오는 거죠
그럼 우리가 원하는 거를 먼저 잘
생각해 봐야 되는 거예요 예를 들면
우리가 생각했을 때이 채치 피티 같
열배 100배 커지면 어느 순간
인터넷에 좀 부족한 정보도 얘가 한
번에 익혀 갖고음 대답하는 제 말을
번역할 수 있다는 건 어느 정도
지식이 있다는 거겠죠 반도체 분야에
그런 전문가 집단이 되는 것을 바라는
거냐 그 저는 그런 건 좀 힘들지
않을까 생각하는 쪽이죠 그거는
반도체나 AI 혁신보다는 이제 데이터
만드는 차원에서 좀 힘들 수 있다
그런 부분은 다른 한쪽은 지금도
번역기 같은 거 돌려보면 주변에 뭐
잡음 들어오고 여러 명 대화하고 하면
얘가 꼬이음 사실 의외로 그런 부분이
사용해서 문제가 되는데 이제 이거
실제로 일본의 가서 실시간 번역기를
써 보면네 이제 그 점원이랑 이렇게
하려고 하잖아요음 그러면은 번역기가
글자 하나 잘못 들으면 완전히 뜻이
들리는 경우가 있고 상점이 아주
시끄러우면 잘 동작 안 하고 그래요
그런 사용성 문제 해결하는 것도 또
하나 문제가 있죠 이제 세 번째는
AI 키웠을 때 데이터까지 내가
확보하면 아까 말한 전문가가 될 거냐
또 이런 문제 있죠이 세 개가 사실
아직 대답이 잘 안 돼요음 그래서
이거에 대한 의견이 많이들 갈린다고
생각해요음 한 확실한 답은 없어요
그러니까 사실이 얘기를 한번 다시 더
넘어 보면 반도체하청업체
얼마 이상 크면 뭐해라 이거를 빨리
해주는 녀석일 뿐이죠 그 AI 녀석은
그런 우리가 해야 되는 컴퓨터 혹
반도체에 시키고 싶은 일의 집합일
뿐이죠 그 녀석을 빠르게 해주고
느리게 해주는 거지 이미 써 놓은
프로그래머나 인공지능 연구원이 써
놓은 인공지능을 머리 좋게 해주는
애가 아니에요 반는 그렇죠 생성
제너러티브이긴 하지만 진짜 생성을
하는게 아니고 있는 거를 조합해서
생성해내는 것뿐인 거죠 그니까
프로그램은 대로 하면이 프로그램
안에다 예를 들면 뭐 곽상준 매니저를
그려 줘라고 문자를 넣으면 프로그램
안에서요 글자들을 막 프로그램 태우면
곽상주 매니저 그림이 딱 나오는 거죠
AI 근데 이거 어떤 반도체에서
돌려도 결과가 똑같다는 거예요 제
말은 그렇지 그게 프로그램인 거잖아
그렇죠 근데 어떤 화가가 그리냐에
따라서 뭐 서양의 화가가 그리면 코를
좀 크게 키우든가 아니면 더 납작하게
그럴 수 있고 동양인이라는 어떤
가지고 있는 어떤 의식이기 때문에
자 프로그램이 같으면 AMD 거
비디아 거 인텔 거에서 돌려도 결과는
똑같아요 반도체가 해주는 건 나는
원래 예전에는 뇌 크기가 요만한
화가를 만들었는데 반도체가 커지면이
정도 크기의 뇌도 시뮬레이션 할 수
있다 인공신경망을 만들 수 있다이
정도 차이인 거예요 왜이 말씀을
드리는 것이냐 아까 학습 데이터
얘기뿐만 아니라 제가 AI 몇 배
커지면 이제 누구처럼 얘기할 수 있는
것이냐 전문가가 될 수 있냐 이
질문을 한 거잖아요 그 답은 사실
반도체가 갖고 있지는 않다는 거예요
그렇지 그까 데이터 값을 어떻게 넣어
줘야 되는 거니까 결국은 데이터에
한게 아니냐이 이만한 데이터에 얼마나
큰 인공지능이 될거 그러니까
인공지능도 우리가 만들 때 예를 들면
거의에 뇌만한 거부터 뭐 인간의
뇌만한 걸 만들 수 있잖아요 근데
인간의 뇌만 일단 키워 놓으면
인간만큼 똑똑해질 수 있냐 이런
문제인 거예요 아닐 수도 있다는
거예요음 예를 들자면 그러면 지금보다
한 10년 20년 돼서 어 AI
생성하는 그런 데이터 다 싹 빼고
인간이 지금은 저이 예를 들자면
스마트폰이나 이런 걸 쓰는 사람이 없
없는 지역인 어 아프리카 어디 정말
오지라 그가
밀림이라고이 전산화 대지 않는 모든
것들이 전산화에 대한 어느 시점이
왔다 예를 들어서 한 10년뒤 20년
30년 뒤에네 그래서 정말음 예를
가정법을 해 볼게요 인간이 써낼 수
있는 모든 지식을 총 망라해
온라인상으로 구현을 했다 네 그럼
만약에 그렇게 된다면 가정을 그렇게
한다면 AI 엄청나게 파괴적이고
위력적이지 않겠습니까 저는 솔직히
말하면 그 답을 하기 힘들어요 힘들
거라고 생각해요 실제로 뭐 그냥 개인
생각이니까 뭐 제가 어떤 학술적
근거가 있는 건 아닌데 지금도 우리가
좀 고민해 보면 이미 커먼 크롤 이런
거에서 쓸만한 데이터는 많이 골라내지
않았나 이렇게 생각을 하고
있어요 그렇게 생각하 분들도 있죠
동의하지 않는 분들도 있고 이미
그러니까 우리가 데이터를 를 골라
낸다고 하면 진짜 인터넷에서 랜덤으로
고르면 큰일나요 뭐 뭐 히틀러 같은게
나오고 뭐 난리 나겠죠 인터넷 안에서
좀 가르치고 싶은 데이터를 골라서
한번 우리가 걸러내고 학습을 시키게
되어 있는데음 그러면이 골라내 순서가
뭐겠어요 제일 쓸만하고 가공하기 쉬운
거부터 가공하기 힘들고 정확도를
담보하기 힘든 녀석을 우리가 필터해서
쓰기 시작하죠음 예를 들자면 뭐
논문이라 그가 이미 확인된 저자의
저작물 이런 것들이야 뭐 최우선적으로
그냥 뽑아내죠
그런거나 스택오버플로우 이런 것처럼
추천수 자체가 그 글의 어떤 품질을
그러니까 인터넷 글의 품질을 담보하기
쉬운 녀석들 위주로 가져다가 썼죠
근데 우리가 인터넷에 사람들이 만든
모든 데이터를 인터넷에이 넣는다고
해서 그렇게 가공하기 쉬운 데이터가
늘어날 거냐 일단 그 문제가 있죠
사실 쉽지는 않을 거예요 그 그렇죠
그러니까 이렇게 데이터를 구하기
힘드니까 나중에 지금
인공지능이 우리가 장점으로 보지 실제
단점인게 뭐 뭔가 학습할 때 데이터가
많이 필요하다 거죠 그래서 우리가
인공지능 GPT 1에서 2 3 이렇게
늘리면 필요한 데이터도 많아져요
실제로 그렇죠이 안에서 학습되어 되는
개별 세포들이 해야 되나이 커넥션이
많아지면서 데이터를 좀 더 많이 먹여
줘야 되는 경우가 생기죠음 그러면
우리가 이거를 예를 매한 두세 배씩
키운다고 하면 인간 데이터는 두세
배씩 늘어날 거냐 그것도 물음 펴져
일단 그러면 그 두 세 배 늘어난 것
중에 우리가 정말 쓸 만한 데이터는
많을 것이냐 이런 것 에 대한 답이
없는 거예요 그러면 이건 약간 우리의
그 어떤 인간의 지적
자산이라는 쪽에서 어프로치를 했기
때문에 전문가만 할 수 있느냐라는
측면에서 지금 얘기를 한 거고 반대로
물리적인 상황들에 대한 설명들을
흡수하는 것 가장
구체적으로 어 이렇게 볼 수 있는
거는 로버트가 할 수 있는 단순
작업들이라 운전 그러니까는 뭐 로봇
택시로 명명되고 아니면 자율주행으로
명명되는 그런 것들 이런 들은 사실상
뭐 사고 데이터만 충분히 많이 가지고
간다던가 이렇게 되면 어느 순간이
되면 사람 예 사실은 그 사람만큼
또는 응급 상황에서 사람 이상의
퍼포먼스가 나오는 거 아니냐 우리가
그 사람만큼이나 걸 어떻게 정의하느냐
중요한데 사실 요번에 채치 피티가
나오면서 이제요 녀석이 잘 돌아가는
이유를 보면 정 길이 안에서 맥락
파악을 잘해요 제가 어떤 대답을
한다고 하면 얘가 대답을 만들 때
앞에서 했던 대화 그 앞에서 했던
대화 그 앞에서 했던 대화들을 끌고
와서 좀 추상적인 개념들도 답에 잘
써요 그러니까 어떻게 보면 제가
판타지 소설에서 얘가 난생 처음 보는
단어를 정의해서 써도 얘가 볼 수
있는 최대 맥락 하에서는 그거를 잘
녹여서 대답을 하죠 예를 들면 칼의
이름를 제가 예를 들면 뭐 곽상준이라
이름으로 칼을 붙여 먹고 이걸로 소설
써버 하면 곽상준이랑 칼의 이름으로
막 소설을 써요이 칼이 등장하는
소설을 쓰죠
무기를 이거 그것도 운전 같은 것도
마찬가지 좀 그런 걸 해야 되는 감이
있었어요 우리가 운전할 때 어떤
식으로 운전하겠다고 그 순간만 보고
운전하는게 아니고 옆에 있는 차가
1초 전에 뭐 했고 2초 전에 뭐
했고 이런 거를 좀 고려하자아요
옆차가 아까부터 뭐 깜빡이 안 켜고
이렇게 끼어들었다 그러면 저놈은
조심해야 되는 애고 그러는 와중에
내비게이션 보면서 곧 우리 진출로를
가야겠다 하면은 이렇게 많은 정보를
실시이 실시간인데 과거까지 보면서
그렇죠 전을 하죠 그런 부분에 좀
돌파구가 될 수 있다고 생각해요 저는
대려 그래서 큰 언어 모델 하는
쪽보다는 언어 모델 크기를 적당하게
그 모델 크기 AI 크기예요 모델
크기라는게 적당히 유지하면서 말씀하신
그 기존에 좀 로봇으로 하려고 했는데
뭔가 안 되던 부분들이 있죠 그런
부분들에 대한이 훨씬 바람직하지
않는가 그러니까 우리가 지금 사실은
로봇이라고 생각할 때 실용적인
로봇들은 대부분 로봇 8 같은
것들이요 굉장히 단순하죠 산업
기계라고 표현되어지는 뭐 뭐 일본에
뭐 화학이나 뭐 이런 회사들이 잘
만드는 그런게 이제 로봇인데 그 산업
로봇이 지능형 산업 로봇이 되는 것은
충분히 가능한 예 그 정도 가능하다고
생각해요 왜냐하면 아까이 운전도 이런
특징이 있어요 우리 지금 AI 단점
중 하나가 뭔가요 실시간 학습이 안
돼요 얘는 영원히 그 까먹자 우리
10년간 우정 이런게 없어요 대신
얘는 한 몇십초 혹은 몇 천 단어 뭐
만 단어 정도 우리 대화한 건 그
맥락은 기억을 하고 있어요 그럼 우리
운전할 때 생각해 보세요네 운전을
사람이 10초마다 교대하면서 한다고
해 봐요 사실 운전할 수 있어요
10초마다 운전자를 갈아치우면음 그
운전자가 10초 앉을 때마다
내비게이션 보고 앞에 장면 보고 그전
몇 초 운전 환경을 보여주면 10초
동안 목적지에 갈 수 있게이 움직여요
왜냐면 내비게이션 있고 앞에
장애물이라 내 차속도 아니까 제가
10초간 운전하고 매니저 10초
운전하고 제가 10초 운전하고 네
서울네 아 그럼 운전대가 두 개야
되겠어 뭐 현실적으로 그렇지만 운전을
그니까 저이 감고 있다 5초 뒤에 눈
뜨고 10초 뒤에 교대하고 또 이렇게
운전해도 갈 수 있어요 왜냐하면
우리가 운전의 순간 결정할 때 5초
10초 정도만 기억하면 할 수
있거든요 네네 왜냐면 제가 10초
만에 운전대 잡았는데 매니저님이 그
진출로 하나 못 들어갔어요 그러면
제가 얼른 그 내비게이션 보고 진출로
쪽으로 돌아오려고 하겠죠 그렇죠 그럼
10초 뒤에 또 그 황면 어 진출로
다간에 들어가지고 판단하실 거라고요네
그러니까 딱 그 정도의 어떤 맥락을
볼 수 있는 능력이 있으면은 거기선
좀 응용이 잘 돼요음 그러니까 예를
들자면 지금 어떤 인간의
전문가를 어느 정도 대체할 것이냐
그러니까 예를 들어 단순 지식을 읊는
거라면 뭐 예를 들어 법정에 있는
데이타 법에 대한 뭐 과거 판례라는
이런 거 있는 거는 아주 기가 맞게
잘하겠죠 예 잘하죠 그런 거 잘하지만
고민해서 생각하는 것 그리고 또
고민해서 새로운 걸 창작하는 것
그리고 그것들을 조합해내는 기술은
아직까지 인간에게 보유된 기술이
되겠나 그 사실은이
부분은 가치는 높지만 수량적으로 직업
수량적으로 그렇게 많은 직업이
아니잖아요 그 아 그게 어려운
점이에요 왜 우리가 진짜로 변호사를
대체하기 힘드냐 얘가 지금 채지 PT
기준으로 가장 그 맥락 크게 보는게
13만 토큰 한 10만 글자 정도
되거든요 근데 변호사가 변호인에게
상담할 때 변호인의 정보를 얼마나
많이 알고
얘기하겠지 많이 알고 한다는 거예요
얘들이 사람한테 대화하기 위해서이
사람이 그 뭐 얘들 민사나 이런게
걸려 있을 거잖아요 그럼 기존 판례
몇 개도 머릿속에서 떠올리면서이
사람의 가정 사정 이런 것도 막
떠올리고 최근에 있었던 일도 막
떠올리죠네 인간은 그거를 딱 기억을
하죠 그 순간에 인간 변호사는 그걸
통해서 맞춤 대답을 하겠죠 근데
말지만 채지 피티는 그음 을 기억을
못해요 그래서 어떠냐면 얘가 고려할
수 있는 최대 맥락
하에가오 고객이 했던 말들도 넣어
놓고 이렇게 쭉 해서 답변을 하게
만들어야 돼요네 그 맥락 크기가 안
맞으면은 대답하기 힘들죠 그래서
인간을 완전 대체할 수 있냐 없냐
문제 계속 쳇바퀴 도는 거야요 근데
그렇게 그 그 바로 그 점 때문에
지금 거대 빅테크 그이 그 라지
랭기지 모델 더 천착하는 거
아니겠습니까 우리 모델을 더 늘리니까
정확도가 더 높아져 그래서 음 모델을
늘릴 수밖에 없어 이렇게 되는
거잖아요 그거는 해 보는 거죠
정확하게 그게 실제로 쓰는 사람들
포털 가보면 채치 PT 이제 옵니
나왔는데 왜 대답 수준이 떨어졌어
이런 식으로 말하는 사람들도 있어요
전체 점수가 나빠진 거 아니고요
고객이 썼을 때 잘되던게 갑자기 안
되고 그런 거겠죠 아마도네 뭐 그런
일들이 계속 생긴다 거예요음 그
사실은 어떤 측면에서 보면 뭐 지금
우리가 쓰고 있는 재미 라이라가
gbt 4 그다음에 뭐 퍼플렉스시티
이런 쪽은 저는 얼마나 실용적이 될지
미래에 애매하긴 한 거 같아요 뭐
대답을 잘해 주긴 하는데 사실은
검색을 찾아도 알고 있는 사람이라면
검색 창 구글 창에서 찾아도 찾을 수
있는 내용들이 경우가 상당히
많더라고요 그러니까 그건 그런데 앞서
저 얘기했지만 사실 그 수량도
수량이지만 1차 산업 평면 2차
산업혁명 뭐 이런 식으로 왔을 때
인간의 노동을 대체하는 쪽에서
폭발적인 산업 증가가 있었잖아요 그
그런 식으로 따져보면 그이 얘기가
지금 우리가 생각하고 있는 뭐
우리한테 얼마나 대답을 잘해 줘
그래서 거의 인조 인간 같은 뭐 이런
느낌이라기 보다도 앞서 얘기했던
산업적 측면에서 예를 들어 물류
시스템을 완벽하게 자동화 시킨다던가
공장의 공정을 자동화 시킨다던가 어
그다음에 뭐 주행을 자율 주행 뭐
화물 주행이나 이런 것들을 상당폭
자용 시킨다던가 비행기 배 자동차
이런 쪽으로 이런 것들이 활용되고
그러면 물론 이제 거기에 있는
직장들이 뺏겨 뺏기는 거 것이
되겠지만 그동안 우리 자본주의
시스템에서 산업이 봤 왔던 그 일정한
길 즉 자본 효율화를 극대화하는 거
그건 가능하지 않겠어요 뭐 그게
어떻게 보면 우리 산업 혁명 이후에
계속 기계를 도입한 이유인 거잖아요
그러니까 이게 뭐 말한 것처럼
터미네이터 이런 녀석이 되긴 힘든데
제가 이제 말씀드렸듯이 채치 피티의
언어적인 능력에 집중하기보다는 얘가
좀
옛날보다는 어떤 그 시계열이 해야 되
그 안에 한 몇 초 10초 뭐 몇십초
정도의 맥락을 보고 현재를 결정하는
거는 좀 잘해요 이제음 그러니까
우리가 예를 들면 산업용 로봇인데
이걸로 택배 짐을 어딘가에서 옮긴다고
해 볼게요 근데 기존 로봇들은 되게
프로그래머가 직접짠 알고리즘으로
움직여고요 가게에서 잘 되던게
저하에서 좀 안 되고 그랬어요 근데
이제 이런 기술들로 로봇을 만들면
그런 문제가 많이 없어질 거예요 이게
왜냐하면 채치 PT 앞에 우리가 했던
그 대화 단어들을 다 넣어서 다음에
대답해야 될 단어들 를 만드는
거거든요 얘도 마찬가지예요 어떤 미로
같은거나 그 물류 창고를 돌아다닐 때
과거에 예를 들면 한 몇 초 동안
했던 주행 기록이랑 최종 목적지
요거는 그냥 뚝 박아 놓고요 최종
목적지 하나랑 지금 몇 초간 있었던
일들을 넣어 놓으면은 그다음에 얘가
가야 되나 멈춰야 되나 이런 결정을
한다고 해보면 그 언어랑 똑같은
거예요 사실은 그런 부분에 좀 집중할
필요가 있죠 그러면 이렇게 볼 수가
있겠네요 과거에 이제 컴베 벨트
시스템 그니까 포드 시스템이라고 할
때는 물론 거기에 사람도 쓰이긴
했지만 요즘에 전자동 시스템 보면
사람은 일체 없잖아요 자동차 만드데가
보면 아예 없어요 그러면 마지막에
의자 달 때나 하고 마지막에 차체
끼울 때만 있는데 그런 것까지도 할
수 있겠네 좀 액티브한 기계가 될 수
있겠네 능동형으로 좀네 좀 쉬워지죠
정확하게 기존 산업용 로봇은 어디서
정말 강했나 하면음 인간이 철저히
통제되고 그 범위 안에 못 들어가죠
공학 공장 안에 로팔 범위로 들어가면
이제 등장음 맞죠 그런데 큰일 나죠
사고 나죠 그런 데서 굉장히 잘했고
어디에 정쟁 로봇이 못 들어갔냐 하면
변화무상 해요 로봇 입장에서 예를
들면 뭐 물류 창고 이런데 가끔 사람
하나 지나가고 지계차 하나 지나가고
그러잖아요 그런 데서 좀 힘들어
했죠음 근데 지금 테슬라 같은 거
자율 주행 되는 것도 잘 보시면 막
사람 튀어나오면 기다렸다가 회전
교차로 해서 적당히 기다렸다 가고
그래요 얘 보면 아직 발전해야 될 건
있지만 그런 환경 자체가 어떻게 보면
우리가 흔히 보는 그 소매점의 상점
모습이랑 비슷해요음 혹은 그 좀
복잡한 물류
창고나음 이제 그런게 가능해진 이유가
채치 피티 스럽다고 해야 되나 그렇게
좀 맥락을 길게 보는 능력 때문에
가능해졌다고 봐야죠 자 그러니까는
사실은 그 AI 어떤 방향으로 갈지는
모르겠으나 멈추지 않고 가긴 가는게
방향성은 정 방향성은 맞다 이렇게
그러면은 정를 해도 될까요 예 저는
우리가 좀 큰 거 계속 이런 거 보
보는 것도 좋은데 이게 이게
현실적으로 이제 산업 분야에 적용될
때 어느 정 이제 맥락이 긴 거를 할
수 있을수록 부가 가치 높지만 확률은
많이
떨어진다 의외로 주변을 보면 좀
적당한 길이에 맥락을 처리할 수 있는
처리할 수 있는 경우에 대체 가능가
좀 많지 않은가 이런 얘기를 드리는
거야 근데 갑자기이 얘기를 듣다
보니까 아 진짜 지금 돈을 좀 너무
많이 쓰고 있는 거 아닌가 하는
생각이 자꾸 드는데 왜냐면 전 요즘
무슨 생각을 하냐면 로봇 택시가
일상화 된다고 뿌린 돈이 이 걷어지는
전 이런 생각이 요즘 많이 들어요
사실 그런 로보택시 계열 그리고
웨이모 계열들은 지금 채치 PT
나오기전 방법으로 AI 사용해서
만들던
자동차들이네이 자동차들은 어떻게
만드냐는 과거에는 자율주행 자동차
만들 때 이런 식으로 사람들이 생각을
했어요음 운전 결정은 프로그래머가 한
줄씩 코드 짜서 만약 장애물이 나오면
멈춘다 이렇게 코드를 짜서 넣고
우리가 못 하는 것은 오로지 장애물
분하는 거 이런 걸 못한다 사진에서
그래서 그때는 사물 인식하는 인공지능
이런 거에 도움을 받아서 사물 인식
잘되면 그걸로 인간이 직접 의사
결정한다음 의사 결정하는 코드를
집어넣는다 이렇게 접근을 했어요 아
그냥 다 열거식 다 썼네 노 완전
노가다네 열거식 프로그램인데 사물을
인식하고 뭐 주변에 팻말 같은 거
인식하고 하는 거를음 그냥 AI 이게
굉장히 조금한 AI 여러 개를 합쳐
갖고 그 정보를 인간 프로그래머가
최종 의사 결정에 쓰는 형태였죠 음
그런 애들은 전부 실패했어요 결론부터
말하면 이제 지금 나오는 새로운
접근들은 채치 피티스 접근에
가까워요네 이제 인간 프로그래머가 어
우린 사물 인식이 필요해 이렇게
명시적으로 주는게 아니고 그냥 사이드
미러 몇 초간 촬영한 거 정면 몇
초간 촬영한 거 이런 거를 다 AI
테 넣어 주고요 알아서 의사 결정해라
이런 식으로 그냥 던져 줘 버려 사물
인식도 뭐고 아무것도 없어요 안 그냥
옆에 있는 주행 앞에 주행이 인간 이
주행할 때 보는 거랑 똑같은 정보들이
이런 거 넣고 그냥 답이 나오는
그다음 그 주행 결정을 해라 이런
식으로 해요음 어떻게 보면요 녀석의
AI 크기 자체는 채치 PT 같은
거보다 작을 거고요네 왜냐면 운전만
잘하면 되니까음 그렇죠 그리고 몇 천
단어 몇 만 단어씩 분석할 거고 한
최근 몇 초 정도의 사이드 미러 정보
정면 기록 이런 거만 보고 움직인다고
그러니까 이런 녀석들이 의외로 더
실용적일 수 있죠음네 자 일단은 뭐
AI 이 들으신 분들이 과연 AI
어떤 식으로 발전을 해 나갈지에 대한
감을 하나는 잡으셨을 것 같습니다
오늘이 대담을 들으시면서
[음악]
