OpenAI CEO: '2025년 말, 초인적 코더 등장'

Matthew Berman 구독자 419,000명

요약

영상은 OpenAI CEO가 올해 말 초인적 AI 코더가 등장할 것이라는 과감한 예측과 함께, AI의 비약적인 발전에 따른 다양한 변화를 설명한다. 테스트 타임 컴퓨팅과 강화 학습 기법을 통한 성능 향상 및 비용 절감 효과가 상세히 언급되며, 이는 무어의 법칙보다 훨씬 빠른 속도로 진행되고 있음을 보여준다. 또한 자가 개선 AI의 등장으로 인한 지능 폭발 및 AGI 가능성과 경제·사회 전반에 미칠 변화에 대해 논의한다. 중간중간 Polo AI와 관련된 실제 응용 사례도 소개되어, 기술적 혁신이 현실 세계에 어떻게 스며들고 있는지를 전달합니다.

주요 키워드

AI 초인적 코더 테스트 타임 컴퓨팅 무어의 법칙 AGI 자기 개선 지능 폭발 Polo AI

하이라이트

🚀 OpenAI CEO는 올해 말 AI가 인류 최고 수준의 코더 역할을 하게 될 것이라고 예측합니다.
⚡️ 테스트 타임 컴퓨팅이 AI의 문제 해결 능력을 극대화하며, 모델 성능이 100배 가까이 향상되고 있음을 보여줍니다.
🌟 AI 발전 속도는 전통적인 무어의 법칙을 훨씬 뛰어넘는 수준으로, 비용 절감과 성능 향상이 동시에 이루어지고 있습니다.
📌 AI의 자기 개선 및 자율 학습 과정이 AGI(범용 인공지능)와 궁극적인 지능 폭발로 이어질 가능성을 시사합니다.
🚀 미래에는 AI가 모든 분야의 지식 작업을 혁신하며 경제 및 사회 구조에 근본적인 변화를 가져올 것입니다.

용어 설명

테스트 타임 컴퓨팅

모델이 주어진 프롬프트에 대해 추가 연산 시간을 할애함으로써 더 깊이 사고하고 문제해결 능력을 향상시키는 기법입니다.

강화 학습

AI 모델이 올바른 행동에 대해 보상을 받아 스스로 개선해 나가는 학습 방식으로, 정답이 명확한 문제에서 주로 활용됩니다.

무어의 법칙

반도체 칩 내 트랜지스터 수가 약 18개월마다 두 배로 증가한다는 예측으로, 전통적인 컴퓨팅 발전 속도를 설명합니다.

AGI

인간과 동등하거나 그 이상의 범용 지능을 갖춘 인공지능을 의미하며, AI의 궁극적인 목표로 여겨집니다.

영상은 OpenAI CEO가 AI가 올해 말 초인적 코더로 등장해 인간을 능가할 것임을 예측하는 서두로 시작됩니다.

[00:00] 샘 올트만은 올해 말까지 인간보다 뛰어난 AI 프로그래머가 등장할 것이며, 이를 수백만 번 복제할 수 있게 될 것이라고 예측했습니다.

[00:14] 새로운 지식 발견, 질병 치료, 과학 발전 등을 통해 사회를 근본적으로 변화시킬 AI의 등장이 임박했다고 설명했습니다.

[00:33] 일본 강연에서 test time compute, 01, 03, deep seek 등의 발전으로 인한 AI의 놀라운 진보를 강조했습니다.

테스트 타임 컴퓨팅 도입으로 AI가 주어진 문제에 대해 더 깊이 사고하며, 놀라운 수준의 성능 향상과 비용 절감을 이루는 과정을 설명합니다.

[01:12] GPT 모델의 각 버전이 100배씩 성능이 향상되었으며, 매 버전마다 새로운 emergent 현상이 나타났다고 설명했습니다.

[01:56] 강화학습을 통해 작은 모델로도 GPT 6 수준의 성능을 달성할 수 있게 되었으며, 특정 영역에서 놀라운 발전을 이루고 있다고 강조했습니다.

[02:44] AI 기술의 혁신 속도와 효율성 향상이 트랜지스터와 같은 역사적인 기술 혁신보다도 빠르게 진행되고 있다고 설명했습니다.

[03:05] 무어의 법칙에 대한 설명: 18개월마다 칩의 트랜지스터 수가 두 배로 증가하며, 이는 컴퓨팅 파워의 증가로 이어진다는 법칙입니다.

트랜지스터와 무어의 법칙을 비교하며, AI 기술의 발전 속도가 전통적 컴퓨팅 발전 모델을 훨씬 초월하고 있음을 논의합니다.

[03:29] AI 발전 속도가 무어의 법칙을 훨씬 뛰어넘고 있으며, 이에 대해 샘 알트만의 블로그 포스트에서 더 자세히 다룰 예정입니다.

[03:47] DeepSeek의 테스트 타임 컴퓨트: 검증 가능한 보상을 통한 강화학습으로 모델을 훈련시키는 방식을 소개합니다.

[04:10] AI 모델의 STEM 분야 특화: 수학, 과학과 같이 검증 가능한 정답이 있는 분야에서 특히 뛰어난 성능을 보입니다.

[04:53] Polo AI 소개: 다양한 AI 비디오 생성 기능을 제공하는 도구로, 여러 최첨단 모델을 쉽게 사용할 수 있습니다.

Polo AI를 통한 영상 및 이미지 생성 사례를 소개하며, AI 기술이 실제 응용 분야로 빠르게 확산되고 있는 모습을 보여줍니다.

[06:00] Polo AI 스폰서 광고가 끝나고 본 내용으로 돌아갑니다.

[06:05] 샘 알트만이 AI가 새로운 지식을 발견하고 사전 학습과 컴퓨팅 파워를 결합하여 놀라운 지능을 개발할 수 있는 명확한 경로에 대해 설명합니다.

[06:30] 더 큰 모델의 사전 학습을 통해 진정한 새로운 과학적 지식의 첫 징후가 나타날 것으로 예측됩니다.

[06:53] 레오폴드 아셴브레너의 상황 인식 논문에서 제시된 지능 폭발 그래프를 통해 AI의 자기 개선 루프와 지능 폭발의 가능성을 설명합니다.

[07:28] OpenAI는 2025년 말까지 인간을 뛰어넘는 최고의 코딩 능력을 가진 AI 모델을 개발할 것으로 예측됩니다.

[07:45] 알파고의 사례처럼, AI는 자가 학습을 통해 인간도 발견하지 못한 새로운 기술을 개발할 수 있습니다.

[08:09] 최고의 AI 코더를 대규모로 복제하여 24시간 작동하는 시스템을 구축할 수 있으며, 컴퓨팅 파워와 에너지만이 제한 요소가 될 것입니다.

[08:34] 이러한 변화는 코딩을 넘어 모든 지식 노동 분야로 확장될 것이며, AI의 도움으로 인간의 생산성이 크게 향상될 것으로 예상됩니다.

[09:06] 현재 AI 모델은 새로운 알고리즘이나 과학적 발견을 하지 못하지만, 다음 100배 성능 향상으로 이것이 가능해질 것이라고 전망했습니다.

[09:31] AI 추론 모델의 발전이 놀라운 속도로 이뤄지고 있으며, 처음에는 백만 번째 수준이었던 것이 현재는 세계 50위권의 프로그래머 수준에 도달했습니다.

AI가 자가 학습을 통해 스스로 지식을 확장, 혁신적인 성능 향상을 이루며 AGI와 지능 폭발로 이어질 가능성을 제시합니다.

[10:32] AI가 이미 체스와 바둑에서 인간을 능가했듯이, 코딩도 근본적으로 같은 방식으로 접근할 수 있는 분야라고 설명합니다.

[11:00] 샘 알트만은 2025년 말까지 AI가 새로운 지식 발견을 제외한 모든 면에서 인간을 능가할 것이며, 2026년에는 새로운 지식 발견까지 가능할 것이라고 예측했습니다.

[11:25] 올해 말까지 프로 등급 사용자들은 고성능 연산을 통해 새로운 과학 발견을 제외한 대부분의 복잡한 문제를 해결할 수 있는 AI 모델을 사용할 수 있을 것으로 전망했습니다.

[12:00] Sam Altman이 AI 에이전트와 인공지능의 미래 능력에 대해 대담한 예측을 제시합니다.

[12:13] AGI(인공일반지능)를 암시하는 시스템들이 등장하고 있으며, 마이크로소프트와의 협력 관계는 유지될 것임을 강조합니다.

[13:10] AGI를 바라보는 두 가지 관점을 제시: 단순한 도구로서의 AGI와 혁명적 변화의 시작점으로서의 AGI

[13:44] AGI가 인류의 마지막 도구가 될 수 있으며, 이는 결정적인 발견이 될 것이라고 예측합니다.

[14:10] AGI로 인한 경제 성장과 질병 치료, 삶의 질 향상 등 긍정적인 미래를 전망합니다.

[14:24] Sam Altman의 AI에 대한 태도가 극단적으로 변화하는 것을 지적하며, 과대 선전과 신중한 태도 사이를 오가는 모습을 보여줍니다.

[14:57] 앞으로 모든 사람이 현재의 가장 영향력 있는 사람보다 더 많은 것을 성취할 수 있게 될 것이라는 전망을 제시합니다.

[15:06] AI 모델의 지능은 학습과 실행에 사용되는 리소스의 로그값과 비례하며, 무제한의 투자로 지속적이고 예측 가능한 발전이 가능합니다.

AI 발전이 노동, 자본 및 사회 구조에 미칠 영향을 분석하며, 미래 과학 기술 혁신이 인류 삶 전반에 가져올 변화를 전망합니다.

[16:00] AI 사용 비용이 12개월마다 10배씩 감소하는 '올만의 법칙'이 무어의 법칙을 훨씬 능가하는 발전 속도를 보여줍니다.

[16:45] AI의 선형적 지능 증가가 사회경제적으로는 초지수적 가치를 창출하며, 특히 소프트웨어 엔지니어링 분야에서 큰 변화가 예상됩니다.

[17:45] AI는 트랜지스터와 같이 경제의 모든 영역에 영향을 미치는 혁신적인 과학적 발견이 될 것으로 전망됩니다.

[17:56] 트랜지스터의 역사와 영향력에 대해 다룬 '칩 워(Chip War)' 책을 추천하며, 이 책이 기술적, 지정학적 관점에서 트랜지스터가 세상을 어떻게 변화시켰는지 설명한다고 소개합니다.

[18:10] 현대 사회에서 우리가 당연하게 여기는 전자기기들의 성능과 그 기저에 있는 트랜지스터의 영향력에 대해 설명합니다.

[18:30] 미래의 급격한 변화와 그에 따른 사회경제적 영향을 예측하며, 과거 농업혁명의 예시를 들어 인류의 적응력을 설명합니다.

[19:30] 과학 발전, 특히 의료 분야에서의 혁신적인 발전 가능성에 대한 기대를 표현하며, 동시에 자원과 재화의 가격 변동에 대해 논합니다.

[00:00] 올해 말까지는

[00:01] AI 에이전트가

[00:03] 세상에서 가장 뛰어난 프로그래머가 될 것이

[00:06] 어떤 인간 프로그래머보다도 뛰어날 것이 거의 확실해 보입니다

[00:10] 그리고 우리는 이것을

[00:12] 수백만 번 복제할 수 있게 될 것입니다

[00:14] 그리고 곧이어

[00:16] 새로운 지식을 발견하고, 모든 질병을 치료하며

[00:19] 새로운 과학을 발견하고

[00:21] 사회의 작동 방식을 근본적으로

[00:24] 변화시킬 AI가 등장할 것입니다

[00:25] 이 모든 것에 대한 증거를 보여드리겠습니다

[00:28] 이 영상은 놀라운 AI 이미지와

[00:30] 비디오 생성기인 Polo AI가 제공합니다만

[00:33] 이것은 나중에 다시 설명하겠습니다. 샘 올트만이 최근

[00:35] 일본에서 강연을 했는데, 그는

[00:38] AI 분야에서 일어난 놀라운 발전을

[00:39] 특히 test time compute, 01, 03, deep seek가 주류가 된 이후의 발전을 강조했습니다

[00:43] 먼저 샘 올트만은

[00:47] 이 모델들이 보여준

[00:48] 기하급수적인 지능 향상에 대해

[00:51] 짧은 시간 안에 이뤄낸 성과와

[00:53] 동시에 우리가 목격하고 있는

[00:56] 기하급수적인

[00:57] 비용 감소에 대해 이야기할 것입니다. deep seek는 세상을 놀라게 했지만

[01:01] 다리오와 샘 올트만 같은 진정한 AI 리더들에게

[01:05] deep seek는 사실 예측된 곡선을

[01:07] 정확히 따라가고 있었습니다

[01:09] 지능의 비용이 감소하는 곡선 말이죠

[01:12] 이 영상을 보시죠. 우리는 예전에

[01:14] 사전 학습만 하던 패러다임에 있었습니다

[01:17] 각각의 GPT 버전 1, 2, 3, 4는

[01:21] 정확히는 아니지만 거의 100배씩

[01:24] 증가했고, 각 버전마다

[01:26] 새로운 emergent 현상이 나타났습니다

[01:28] 가장 중요한 것은

[01:30] 이 분야에서, 적어도 우리에게

[01:32] 지난 1년간 일어난 일은 추론이 가능한

[01:35] 새로운 모델들의 등장입니다. 이것들은

[01:38] 놀라운 새로운 컴퓨팅 효율성 향상을 보여주고 있습니다

[01:42] 많은 벤치마크에서 우리가

[01:44] 예전 방식으로는

[01:46] GPT 6까지

[01:48] 기다려야 했을 성능을 보여주고 있습니다

[01:51] 이것은 강화학습을 통해

[01:54] 훨씬 작은 모델로도

[01:56] 가능해졌습니다. 우리는 이제 어느 정도 감을 잡았지만

[01:59] 새로운 방식의 핵심은

[02:01] 모든 것이 더 나아지는 것이 아니라

[02:02] 특정 영역에서

[02:04] 발전한다는 것입니다. 그가 설명하는 것은

[02:06] GPT 1, 2, 3 각 버전마다

[02:09] 지능이 100배씩 증가했다는 것과

[02:13] 그 증가에 따라 어떤

[02:15] 새로운 emergent 현상이 나타났다는 것입니다

[02:18] 이 모든 것이 사전 학습에서 나왔습니다

[02:21] 전통적인 방식인

[02:22] 모든 데이터를 수집해서 모델에 넣고

[02:24] 결과를 보는 방식이었죠. 하지만 이제는

[02:26] test time compute가 있어서

[02:28] 모델에 프롬프트를 주면 더 오래 생각할 수 있습니다

[02:31] 01과 03 계열 모델이

[02:33] 한 것이 바로 그것이고, deep seek도

[02:35] 마찬가지입니다. 이것은 정말

[02:38] 놀라운 혁신이며, 우리가 목격하는 것은

[02:40] 혁신의 속도와 효율성 향상이

[02:44] 역사상 어떤 기술보다도

[02:46] 빠르다는 것입니다

[02:49] 트랜지스터를 생각해보세요

[02:51] 인류 역사상 가장 중요한

[02:52] 기술 중 하나인 트랜지스터는

[02:55] 컴퓨팅의 기본 단위로

[02:57] 여러분이 가진 모든 기기에

[02:59] 들어있습니다. 심지어

[03:01] 생각지도 못한 것들

[03:03] 토스터나 냉장고에도 들어있죠

[03:05] 그리고 여기에 무어의 법칙이라는 것이 있습니다.

[03:08] 이는 인텔의 공동 창업자인

[03:10] 고든 무어라는 사람이 예측한 것인데

[03:12] 기본적으로 다음과 같은 내용입니다.

[03:15] 하나의 칩에 들어갈 수 있는 트랜지스터의 수가

[03:17] 약 18개월마다 두 배로

[03:19] 증가한다는 것입니다. 이는 곧

[03:22] 우리가 가진 컴퓨팅 파워가

[03:24] 18개월마다 두 배로 증가한다는 의미이고

[03:26] 많은 사람들이 무어의 법칙이

[03:27] 인공지능 발전에도 그대로

[03:29] 적용될 것이라 생각했습니다. 하지만 실제로는

[03:31] AI가 무어의 법칙을 훨씬 뛰어넘고 있습니다.

[03:34] 이에 대해서는 나중에

[03:35] 샘 알트만의 최근 블로그 포스트를

[03:37] 살펴볼 때 더 자세히 이야기하겠습니다.

[03:40] 이제 테스트 타임 컴퓨트로 돌아가보죠. 테스트 타임 컴퓨트는

[03:43] 흥미로운 개념인데, DeepSeek가

[03:45] 이것이 어떻게 작동하는지 세상에 보여줬죠.

[03:47] 검증 가능한 보상을 통한 강화학습으로

[03:49] 기본 모델 학습 후 모델을 훈련시키는 방식입니다.

[03:53] 기본 모델이 훈련된 후에 적용되는데

[03:56] 이것이 실제로 의미하는 바는

[03:57] 모델이 다양한 해결책을 시도하도록 하고

[04:00] 올바른 해결책에 대해

[04:02] 보상을 주는 방식입니다.

[04:05] 보상 시스템에 대해 주목할 점은

[04:08] 문제의 정답을 알고 있을 때만

[04:10] 보상을 줄 수 있다는 것입니다. 그래서

[04:13] 이러한 사고 모델들이 특정 주제에는 뛰어나지만

[04:16] 다른 주제에는 그렇지 않은 것입니다. 하지만

[04:18] 다행히도 이 모델들이 잘하는 분야가

[04:20] 실제로 세상에서 매우 중요한 것들입니다.

[04:22] 코딩이나 수학, 과학 같은 분야인데

[04:25] 그 이유는 이러한 분야들에는

[04:27] 증명 가능한 해결책이 있어서

[04:30] 모델이 학습할 수 있기 때문입니다.

[04:33] 예를 들어 2+2는 항상 4이므로

[04:36] 수학에서는 검증 가능한 보상이 있습니다. 만약

[04:39] 모델이 2+2=4라고 하면 '그렇다'라고

[04:42] 확인해줄 수 있죠. 반면에

[04:44] 시를 쓰라고 하면 정답이 없습니다.

[04:46] 이것이 바로 이러한 모델들이

[04:48] STEM 분야에서 매우 뛰어난 이유입니다.

[04:51] 과학, 기술, 공학, 수학 분야에서요.

[04:53] 이 세그먼트의 스폰서인

[04:55] Polo AI를 소개합니다. Polo AI는 AI 비디오

[04:59] 생성 도구로, 최첨단 오픈소스

[05:01] 모델들을 매우 쉽게 사용할 수 있게

[05:03] 해주는 도구입니다. 원하는 비디오를 생성할 수 있죠.

[05:05] 마케팅용 B-roll이 필요하든

[05:07] 재미로 사용하든 Polo AI가 완벽합니다.

[05:09] Polo AI는 텍스트로 비디오 생성,

[05:12] 이미지로 비디오 생성, 비디오 편집,

[05:14] 일관된 캐릭터 생성을 지원하며

[05:16] 다양한 최첨단 비디오 모델을

[05:18] 지원합니다. 여기에는 Cing,

[05:20] Runway, Luma, Vuhuo, Pixverse 등이 포함되어 있고

[05:23] 하나의 API나 UI를 통해

[05:26] 단일 가격으로 모든 모델에서

[05:28] 비디오를 생성할 수 있습니다. 40개 이상의 AI

[05:31] 비디오 효과와 템플릿이 있어

[05:33] 비디오를 쉽게 만들고 공유할 수 있습니다.

[05:36] 여기서 모델을 선택하기만 하면 됩니다.

[05:38] 보시다시피 지원하는 모델이 많죠.

[05:39] 프롬프트를 입력하고

[05:43] 화면 비율과 가시성, 복사

[05:46] 보호를 선택한 다음 생성하면 됩니다. 그들은

[05:49] 무료 버전을 제공하여 시험해볼 수 있고

[05:51] 유료 버전에서는

[05:52] 더 많은 크레딧과 기능을 제공하며

[05:54] 비공개 비디오도 만들 수 있습니다.

[05:56] Polo AI를 확인해보세요. 무료로 사용해보실 수 있고

[05:58] 링크를 아래에 남겨두겠습니다.

[06:00] 아래 링크를 확인해 보시고

[06:01] 피드백 부탁드립니다. Polo AI의

[06:03] 스폰서십에 다시 한번 감사드립니다.

[06:05] 이제 영상으로 돌아가서, 샘 알트만이

[06:07] AI가 새로운 지식을 발견할 수 있는

[06:10] 명확한 경로에 대해 이야기할 것입니다.

[06:13] 사전 학습에 대해 우리가 배운 모든 것과

[06:16] 테스트 시 연산 능력을 확장하는

[06:18] 우리의 능력을 결합하면

[06:20] 이러한 모델들로부터 놀라운 지능이

[06:23] 개발될 것이며

[06:25] 그 한계는 보이지 않는 것 같습니다.

[06:27] 함께 영상을 보시죠.

[06:30] 이제 우리는 이전보다

[06:32] 더 지능적으로 생각할 수 있게 되었고

[06:34] 만약 우리가 더 큰 모델을

[06:36] 사전 학습시킬 수 있다면 어떻게 될지

[06:40] 예측할 수 있습니다.

[06:42] 우리가 보고 있는 이런 발전을 통해

[06:45] 기대할 수 있는 것은

[06:47] 진정한 새로운 과학적 지식의

[06:50] 첫 번째 조짐들입니다.

[06:53] 이 그래프를 얼마나 자주 보여줬는지

[06:55] 모르겠지만, 계속 언급하는 이유는

[06:57] 매우 중요하기 때문입니다. 이것은

[07:00] 레오폴드 아셴브레너의

[07:02] 상황 인식 논문에 나온

[07:04] 지능 폭발 그래프입니다.

[07:05] 다시 한 번 말씀드리면, AI가 자동화된 연구를 통해

[07:08] 새로운 지식을 발견하고

[07:12] 그 발견을 자신에게 적용할 수 있게 되면

[07:14] 자기 개선 루프에 진입하게 됩니다.

[07:18] 바로 그때가

[07:19] 지능 폭발이 일어나는 시점이며

[07:22] 그것이 정말로

[07:24] 코앞에 와 있는 것 같습니다.

[07:28] AI가 가장 먼저 인간을 뛰어넘을

[07:30] 분야는 코딩이 될 것 같습니다.

[07:32] 올해 말이면 코딩은

[07:35] 완전히 달라질 것입니다.

[07:36] 샘은 올해 말까지

[07:38] OpenAI가 세계 최고의

[07:41] 코더가 될 모델을 가지게 될 것이라고 예측합니다.

[07:45] 알파고를 떠올려보면,

[07:48] 본질적으로 같은 기술을

[07:50] 사용하고 있습니다. 알파고처럼

[07:53] 바둑에 대한 사전 지식이 전혀 없는

[07:56] AI 모델이 자가 학습을 통해

[07:59] 점점 더 나아지더니

[08:02] 인간도 발견하지 못한

[08:04] 기술을 찾아냈죠.

[08:06] 유명한 37수처럼 말입니다.

[08:09] 이제 세계 최고의 코더인

[08:11] AI를 수백, 수천, 수백만 번

[08:14] 복제할 수 있다고 상상해보세요.

[08:17] 이 코더들은 24시간 내내 코드를 작성하고

[08:20] 유일한 제한은 우리가 투입할 수 있는

[08:22] 컴퓨팅 파워와 에너지뿐입니다.

[08:25] 이러한 AI 코더들은

[08:27] 데본과 같은 프로젝트를 통해

[08:29] 이미 인력시장에 진입하고 있습니다.

[08:31] 하지만 이는 코딩에서 그치지 않을 것이며

[08:34] 모든 지식 노동 분야에서 일어날 것입니다.

[08:37] AI가 모든 개별 지식 노동 분야에서

[08:40] 인간을 능가하게 되면

[08:42] 노동시장에 급속히 진입할 것이고

[08:46] 갑자기 모든 인간의

[08:47] 생산성이 엄청나게 향상될 것입니다.

[08:50] 각자의 분야에서 AI 에이전트의

[08:53] 도움을 받게 될 테니까요.

[08:55] 다음 클립을 보시죠.

[08:57] 우리의 최신 최고 모델은

[09:00] 믿을 수 없을 정도로 잘 프로그래밍하지만

[09:02] 이미 사람들이 만든 것은

[09:04] 잘 하지 못하고 완전히 새로운 것을

[09:06] 알고리즘이나 새로운 물리학 또는

[09:10] 새로운 생물학 분야에서는 그렇죠. 이것이 바로

[09:11] 다음 두 단계 발전에서

[09:13] 얻게 될 것입니다. 그가 방금 말했듯이

[09:15] 현재 모델들은

[09:16] 새로운 알고리즘과

[09:17] 새로운 과학을 발견할 수 없지만, 다음 100배 성능 향상으로

[09:21] 그것이 가능해질 것입니다. 이는

[09:23] 그리 멀지 않았습니다. 특히 우리가

[09:27] 그 수준까지 확장할 명확한 방법이 있기 때문이죠

[09:29] 테스트 시간 연산으로 정말

[09:31] 최근의 발전 속도는

[09:34] 놀랍습니다. 우리의 최초

[09:35] 추론 모델은 세계에서

[09:38] 백만 번째로 뛰어난 경쟁 프로그래머

[09:40] 수준이었고, 사람들은 그것을

[09:42] 매우 인상적이라고 생각했죠. '와, AI가

[09:43] 백만 번째라니, 대단하다'라고

[09:45] 말했습니다. 그리고 나서 우리는

[09:48] 상위 만 명 안에 드는

[09:51] 모델을 개발했고, 12월에 공개적으로 언급했던

[09:54] 것처럼 세계 175위 수준의

[09:57] 경쟁 프로그래머가 되었습니다

[09:59] 우리의 내부 벤치마크는

[10:01] 현재 약 50위 수준이고, 올해 말까지

[10:03] 1위를 달성할 수 있을 것 같습니다. 이는

[10:05] 새로운 패러다임에서 놀라운 발전 속도입니다

[10:08] 연산능력이 향상되면서

[10:09] 이런 발전이 멈출 기미가 보이지 않습니다

[10:11] 방금 말했듯이

[10:12] 그들은 이미 내부적으로 세계 50위권의

[10:15] 프로그래머를 보유하고 있습니다. 이게 얼마나

[10:18] 놀라운 일인지 강조하고 싶습니다. 전 세계

[10:21] 80억 인구 중 50위라니요.

[10:24] 물론 모든 사람이 코딩을 하는 것은 아니지만

[10:26] 잠재적 코더들 중에서 50위이고

[10:30] 연말에는 1위가 될 것입니다

[10:32] 이는 이치에 맞는 얘기입니다. AI는 이미

[10:34] 체스에서 우리를 능가했고

[10:36] 바둑에서도 우리를 이겼습니다. 코딩과

[10:39] 무엇이 다를까요?

[10:41] 실제로 규칙의 집합을 제외하면

[10:43] 근본적으로 동일합니다

[10:46] 거의 무한한 결정

[10:49] 공간이지만, 검증 가능한 방법이 있죠

[10:52] '이것이 승리다' 또는 '이것이

[10:55] 올바른 해결책이다'와 '이것은 틀렸다' 또는

[10:57] '이것은 잘못된 결정이다'라고 말할 수 있습니다. 그리고

[11:00] AI가 얼마나 빠르게 발전하고 있는지에 대해

[11:03] 이어서 말하자면, 샘 알트만이 곧

[11:05] 올해 말까지는

[11:07] AI가 본질적으로 모든 면에서

[11:10] 인간보다 더 잘할 수 있게 될 것이라고 말합니다

[11:12] 새로운 지식의 발견만 제외하고요. 그리고

[11:15] 그것도 2025년 말, 올해 안에

[11:18] 그리고 아마도 2026년, 1년 후에는

[11:21] 새로운 지식을 발견할 수 있는

[11:23] 에이전트를 갖게 될 것입니다. 보시죠

[11:25] 전반적으로 올해 말까지는

[11:28] 프로 등급을 사용하면

[11:30] 연산 능력을 최대로 끌어올려서

[11:32] 정말 어려운 질문을 할 수 있는

[11:35] 모델이 나올 것으로 기대합니다

[11:39] 새로운 과학의 발견까지는 아니지만

[11:41] 그것을 제외한 대부분의 것들을

[11:44] 해결할 수 있을 것입니다

[11:45] 몇 시간 정도 생각하고

[11:47] 다양한 도구를 사용해야 할 수도 있지만

[11:48] 대부분 알아서 처리할 것입니다

[11:50] 정말 흥미진진한 일들이

[11:52] 올해 말까지 일어날 것입니다

[11:54] 샘 알트만이 최근 블로그 포스트를 통해

[11:56] 이와 같은 내용에 대해

[11:58] 이야기했는데요

[12:00] 대담한 예측을 해보겠습니다.

[12:02] AI 에이전트와 인공지능이 전반적으로

[12:04] 곧 무엇을 할 수 있게 될지에 대해

[12:06] 한번 살펴보도록 하겠습니다.

[12:08] 여기 블로그 포스트가 있는데,

[12:10] '세 가지 관찰사항'이라는 제목이고,

[12:13] 'AGI를 암시하는 시스템들'이라고 되어 있습니다.

[12:16] 여기서 그는 AGI에 별표를 달았는데,

[12:18] 이제 AGI가 모습을 드러내고 있으며,

[12:20] 우리가 처한 이 순간을

[12:22] 이해하는 것이 중요하다고 말합니다.

[12:25] AGI에 대해 아래에서 설명하길,

[12:27] '여기서 AGI라는 용어를 사용하는 것은

[12:29] 명확한 소통을 위한 것이며,

[12:32] 마이크로소프트와의 관계를 정의하는

[12:35] 정의와 프로세스를

[12:36] 변경하거나 해석하려는 의도가 없다'고 합니다.

[12:39] 이는 좋은 설명인데, 기억하시다시피

[12:41] 마이크로소프트와의 원래 계약은

[12:44] AGI의 정의에 따라 결정되었고, AGI가 달성되면

[12:47] 마이크로소프트는 더 이상 연구에 접근할 수 없게 됩니다.

[12:50] 우리는 마이크로소프트와

[12:51] 장기적인 파트너십을 기대하고 있으며,

[12:53] 이 각주가 사소해 보일 수 있지만,

[12:55] 일부 언론인들이 클릭을 유도하기 위해

[12:57] 터무니없는 기사를 쓸 수 있기 때문에

[12:59] 이를 미리 방지하고자 한다고 합니다.

[13:01] 기본적으로 그가 말하는 것은

[13:03] 이것을 AGI라고 부르겠지만,

[13:06] 마이크로소프트와의 관계는

[13:08] 변하지 않을 것이라는 겁니다.

[13:10] 그는 AGI를 바라보는 두 가지 관점을 이야기합니다.

[13:13] 첫째, 이는 단순히 우리의 도구 모음에

[13:15] 추가되는 또 하나의 도구라는 것입니다.

[13:18] 인류는 존재해온 이래로

[13:21] 바퀴부터 불, 증기기관, 트랜지스터에 이르기까지

[13:24] 도구를 개발해왔다고 말합니다.

[13:26] 이것도 그저 또 하나의 도구일 수 있지만,

[13:28] 한편으로는 아닐 수도 있다고 합니다.

[13:30] AGI는 어떤 면에서 우리가 함께 쌓아가는

[13:33] 인류 진보의 계단에서

[13:35] 또 하나의 도구일 수 있지만,

[13:37] 다른 한편으로는 이것이

[13:39] '이번에는 다르다'라고 말하지 않을 수 없는

[13:42] 무언가의 시작이라고 합니다.

[13:44] 저도 동의하는데, 이것이 그저 또 하나의 도구일 수도 있지만,

[13:48] 아마도 이것이 우리의 마지막 도구가 될 것

[13:51] 같습니다. AGI 이후에는 다른 것이 필요 없을지도 모릅니다.

[13:55] AGI는 인류의 결정적인 발견이 될 것입니다.

[13:57] 그 결과가 긍정적이든 부정적이든

[14:00] 당신이 어떻게 생각하든 간에,

[14:02] 이것이 아마도 우리 인류가 만들어내는

[14:05] 마지막 혁신이 될 것이라는 사실은

[14:07] 아마도 사실일 것입니다.

[14:10] 우리 앞에 놓인

[14:11] 경제 성장은 놀라울 것이며,

[14:14] 모든 질병을 치료하고, 가족과 함께

[14:17] 더 많은 시간을 보내며,

[14:18] 우리의 창의적 잠재력을

[14:20] 완전히 실현할 수 있는 세상을 상상할 수 있습니다.

[14:22] 여기서 잠시 멈추고 싶은데,

[14:24] 재미있게도 샘 알트만은

[14:27] AI에 대해 최고로 낙관적인 홍보를 하다가도

[14:30] 과대 선전이 좀 심하다고

[14:32] 말하기도 합니다. 이 트윗을 보세요.

[14:34] 1월 20일자 트윗에서는

[14:36] '트위터의 과대 선전이 다시 통제불능이다.

[14:38] 우리는 다음 달에 AGI를 배포하지 않을 것이며,

[14:40] 아직 만들지도 않았다.

[14:42] 진정하고 기대치를 100분의 1로 낮추라'고 했습니다.

[14:46] 그리고 불과 몇 주 후에

[14:49] AGI가 코앞에 왔다고

[14:50] 이야기하고 있네요. 꽤 재미있죠.

[14:53] 그의 블로그 포스트로 돌아가면,

[14:55] 10년 안에 아마도 지구상의 모든 사람이

[14:57] 오늘날 가장 영향력 있는 사람보다

[14:59] 더 많은 것을 성취할 수 있게 될 것이라고 말합니다. 그는

[15:01] 그가 말하는 세 가지

[15:04] 관찰 사항을 언급했습니다.

[15:06] AI 모델의 지능은 대략

[15:07] 학습과 실행에 사용되는 리소스의 로그값과 같다고 합니다.

[15:10] 사전 학습에 대해서는 알고 있었지만,

[15:13] 실행은 추론 시 테스트 컴퓨팅,

[15:16] 즉 사고하는 모델을 의미합니다.

[15:18] 이것이 그가 말하는 내용입니다.

[15:20] 이것이 의미하는 바는 무엇일까요?

[15:23] 이러한 리소스들은 주로 학습 컴퓨팅,

[15:25] 데이터, 추론 컴퓨팅으로 구성됩니다.

[15:27] 무제한의 자금을 투자하여

[15:29] 지속적이고 예측 가능한

[15:31] 이득을 얻을 수 있다고 합니다.

[15:33] 이를 예측하는 스케일링 법칙은

[15:35] 여러 단위에 걸쳐 정확합니다.

[15:38] 잠시 전에 그가 말했듯이

[15:40] 2단위 규모 내에

[15:42] 새로운 지식을 발견할 수 있는 AI가 등장할 것이며

[15:44] 그 시점에서 우리는 지능

[15:47] 폭발을 맞이하게 될 것입니다. 만약

[15:49] 사전 학습과 테스트 시간 컴퓨팅의 조합이

[15:51] 여러 단위 규모의 발전을 이룰 수 있다면

[15:54] 이것이 바로 그가 언급한

[15:56] AGI와 그 이상으로 가는 명확한 경로입니다.

[16:00] 다음으로 DeepSeek가 보여준 것처럼

[16:02] 특정 수준의 AI를 사용하는 비용이

[16:05] 12개월마다 약 10배씩 감소하며

[16:08] 낮은 가격은 더 많은 사용으로 이어집니다.

[16:11] 무어의 법칙을 기억하세요.

[16:13] 칩의 트랜지스터 수가 18개월마다

[16:15] 두 배가 됩니다. 올만의 법칙은

[16:18] 주어진 지능 수준의 AI 사용 비용이

[16:21] 12개월마다 10배씩 감소한다는 것입니다.

[16:25] 이는 무어의 법칙을 훨씬 능가합니다.

[16:28] 2023년 GPT-4에서 2024년 중반 GPT-4.0까지의

[16:31] 토큰 비용을 보면 토큰당 가격이

[16:34] 약 150배 감소했습니다.

[16:36] 무어의 법칙은 18개월마다 2배로 세상을 바꿨지만

[16:39] 이것은 믿을 수 없을 정도로 강력합니다.

[16:42] 세 번째 관찰 사항으로

[16:45] 선형적으로 증가하는 지능의 사회경제적 가치는

[16:48] 초지수적 성질을 가집니다.

[16:50] 이게 좀 어려운 표현이지만

[16:52] 제가 설명해보겠습니다.

[16:55] 선형적으로 증가하는 지능이라도

[16:57] 실제로는 그보다 훨씬 빠르지만,

[17:00] 선형은 단순히 직선을 의미합니다.

[17:02] 그 지능으로부터 나오는

[17:04] 실제 가치는 초지수적입니다.

[17:07] 그는 이 글에서 소프트웨어 엔지니어링

[17:10] 에이전트에 대해

[17:11] 좀 더 이야기를 이어갑니다.

[17:14] 일본에서의 강연에서 이미 다뤘지만

[17:16] 이 글에서 말한 내용을 살펴보겠습니다.

[17:18] 소프트웨어 엔지니어링 에이전트의 경우를 상상해보세요.

[17:20] 이것이 특히 중요할 것이라고 생각하는데

[17:22] 이 에이전트가

[17:24] 결국에는

[17:26] 최고 기업에서 몇 년의 경험을 가진

[17:27] 소프트웨어 엔지니어가 할 수 있는

[17:29] 대부분의 일을 수행할 수 있게 될 것이며

[17:30] 며칠 정도 걸리는 작업까지 가능할 것입니다.

[17:33] 그는 계속해서 말합니다.

[17:35] 이런 에이전트가 천 개 또는 백만 개가 있다고 상상해보세요.

[17:38] 거기서 끝나지 않습니다.

[17:40] 이것을 모든 지식 분야에서

[17:42] 상상해보세요. 다시 말하지만

[17:45] 지능의 폭발적 성장입니다. AI는

[17:48] 트랜지스터처럼 될 수 있습니다.

[17:49] 경제적으로 큰 과학적 발견이며

[17:51] 잘 확장되고 경제의

[17:53] 거의 모든 부분에 스며들 것입니다.

[17:56] 참고로 트랜지스터의 탄생과

[17:58] '칩 워(Chip War)'라는 책을 강력 추천드립니다.

[18:00] 이 책은 트랜지스터가 어떻게

[18:03] 기술적인 측면뿐만 아니라

[18:06] 지정학적 관점에서도

[18:08] 세상을 바꾸었는지 잘 설명하는 훌륭한 책입니다.

[18:10] 우리는 트랜지스터나 트랜지스터 기업에 대해

[18:12] 많이 생각하지 않지만,

[18:14] 그 혜택은 널리 퍼져있고

[18:16] 우리는 컴퓨터, TV, 자동차, 장난감 등이

[18:18] 기적같은 성능을 보여주길 기대합니다.

[18:21] 이제는 당연하게 여겨지죠.

[18:23] 미래는 우리가

[18:25] 무시할 수 없는 방식으로 다가올 것이며,

[18:27] 우리 사회와 경제에 대한

[18:30] 장기적인 변화는 엄청날 것입니다.

[18:33] 사람들의 직업과

[18:35] 삶이 극적으로 변할 것이고,

[18:36] 앞으로 몇 년간 많은 마찰이

[18:38] 있을 것은 분명하지만,

[18:40] 이전의 기술들처럼

[18:42] 우리 인간은 이 새로운 일상에 적응할 것입니다.

[18:46] 예를 들어, 오랫동안

[18:48] 전체 인구의 90-95%가

[18:52] 농사를 지어야만 했습니다.

[18:54] 하지만 농업이 기계화되고 자동화되면서

[18:57] 현재는 한 자릿수 퍼센트만이

[18:59] 농업에 종사하고 있죠.

[19:01] 그럼 나머지 사람들은 어떻게 됐을까요?

[19:04] 영원히 실업자가 됐을까요?

[19:05] 아니요, 그들은 다른 일을 찾았습니다.

[19:08] 예를 들어, 제 직업처럼

[19:11] 카메라 앞에서 이야기하는 일도 있죠.

[19:13] 만약 제가 하루 종일 농사를 지어야 했다면

[19:15] 이런 일은 할 수 없었을 겁니다.

[19:17] 이와 같은 새로운 직업들이

[19:19] 수없이 생겨날 것이고,

[19:21] 새로운 창의적인 활동을 발견할 것입니다.

[19:24] 저는 미래에 대해

[19:25] 매우 낙관적인 편인데,

[19:28] 제가 가장 기대하는 것은

[19:30] 과학의 발전입니다.

[19:32] 암이 치료되고 모든 질병이

[19:35] 치료될 수 있다는 가능성은

[19:37] 정말 흥미진진한 일이죠.

[19:39] 그는 일부 산업은

[19:41] 거의 변화가 없겠지만,

[19:43] 과학적 진보는 현재보다

[19:46] 훨씬 빨라질 것이라고 말합니다.

[19:48] 많은 상품의 가격이 크게 하락할 것이지만,

[19:50] 반면에 제가 생각하지 못했던 점은

[19:51] 사치품의 가격과

[19:54] 토지와 같은 한정된 자원의 가격이

[19:56] 더욱 급격히 상승할 수 있다는 것입니다.

[19:58] 우리가 해결해야 할 문제들이 있는데,

[20:00] 이전 영상에서 다뤘듯이

[20:02] 노동과 자본 사이의

[20:04] 힘의 균형이 현재보다

[20:07] 훨씬 더 중요해질 것입니다.

[20:09] 그는 이것이 쉽게 잘못될 수 있어서

[20:11] 조기 개입이 필요할 수 있다고 말합니다.

[20:13] 전에 설명했듯이,

[20:15] 현재는 자본이 노동력에 대가를 지불하고

[20:17] 노동자들은 일을 할지 말지 선택할 수 있어

[20:20] 상당한 권력을 가지고 있습니다.

[20:23] 하지만 AI와 로봇이 인간보다

[20:26] 모든 일을 더 잘할 수 있게 되고,

[20:30] 그들은 거절하지도 않고,

[20:34] 휴식이 필요하지도 않으며,

[20:36] 다른 회사가 더 나은 조건을 제시했다며

[20:38] 이직한다고 하지도 않습니다.

[20:39] 대신 자본을 가진 사람이

[20:41] 무한히 노동력을 구매할 수 있게 되고

[20:43] 그렇게 되면 자본과 노동 사이의

[20:47] 힘의 균형이 바뀔 것입니다.

[20:48] 따라서 생각해봐야 할 것들이 많고

[20:51] 분명 흥미로운 일들이 많지만

[20:53] 가까운 미래에 해결해야 할

[20:56] 문제들도 있습니다.

[20:58] 하지만 저는 개인적으로

[21:00] 이 모든 것이 매우 기대됩니다.

[21:03] 다시 한 번 이 영상의 스폰서인 Polo AI에 감사드리며,

[21:05] 이 영상이 마음에 드셨다면

[21:07] 좋아요와 구독 부탁드립니다.

[21:09] 다음 영상에서 만나요.