OpenAI, 심도 있는 연구 공개 | 놀라운 o3 에이전트!

Matthew Berman 구독자 419,000명

요약

영상은 OpenAI가 새롭게 선보인 '딥 리서치' 도구와 o3 에이전트의 강력한 능력을 소개합니다. 이 도구는 몇 분 만에 인용이 완벽한 연구 보고서를 생성하며, PhD 연구자와 견줄 만한 실시간 웹 검색 및 데이터 분석 기능을 제공합니다. 마크 첸의 발표 클립과 실제 데모, 그리고 개인적인 의료 사례를 통해 AI의 자율 학습과 AGI 로드맵, 그리고 삶의 질 개선에 미치는 긍정적 영향을 강조합니다. 또한, Chatbase 스폰서를 통한 비즈니스 지원 등 AI 기술의 다각적 응용 가능성도 함께 다룹니다.

주요 키워드

AGI 딥 리서치 o3 모델 웹 검색 에이전트 재귀적 자기 개선 Deep Seek 벤치마크 Chatbase

하이라이트

🔑 딥 리서치는 몇 분 만에 PhD 수준의 인용 연구 보고서를 생성할 수 있는 도구입니다.
🚀 강력한 o3 추론 모델과 웹 검색 기능의 결합으로, 자율적이고 심층적인 연구 수행이 가능해졌습니다.
📌 마크 첸은 에이전트가 스스로 새로운 지식을 발견하며, AGI 발전의 첫 걸음을 내딛을 수 있음을 강조합니다.
🌟 실제 데모에서는 사용자의 쿼리를 바탕으로 29개 이상의 소스를 탐색, 명확한 분석 결과를 도출하는 과정을 보여줍니다.
⚡️ Felipe Millan의 개인 사례를 통해 딥 리서치가 암 치료 선택 등 중요한 의료 결정에 실질적 도움을 주는 모습을 확인할 수 있습니다.
📊 벤치마크 결과, 딥 리서치의 성능은 기존 o3 미니 모델 대비 두 배 이상의 향상을 보이며, AI 발전의 새로운 기준을 제시합니다.
🚨 Chatbase와의 연계를 통해 실시간 데이터 활용 및 AI 에이전트의 작동 방식이 비즈니스와 일상에 혁신적인 변화를 가져올 것을 암시합니다.

용어 설명

AGI (인공일반지능)

다양한 작업을 자율적으로 수행할 수 있는 범용 인공지능을 의미하며, AI 발전의 최종 목표 중 하나입니다.

o3 모델

최신의 강력한 추론 모델로, 도구 사용과 웹 검색 능력을 결합하여 심층 연구와 자율 작업 수행이 가능합니다.

재귀적 자기 개선

AI가 스스로 새로운 지식을 발견하고, 이를 기반으로 스스로를 발전시켜 나가는 과정을 의미합니다.

딥 리서치

OpenAI가 공개한 도구로, 주어진 주제에 대해 웹 상의 다양한 자료를 탐색하여 완전하게 인용된 연구 보고서를 신속히 생성합니다.

Deep Seek

딥 리서치의 핵심 기능 중 하나로, 실시간 웹 검색과 정보 분석을 통해 빠르고 정확한 연구 결과를 도출합니다.

OpenAI의 최신 딥 리서치 도구와 o3 에이전트가 짧은 시간 안에 인용된 연구 보고서를 생성하는 기능을 소개합니다.

[00:00] OpenAI가 Deep Research를 발표했으며, 이는 O3 추론 모델과 웹 검색 기능을 결합한 두 번째 에이전트입니다. 이 시스템은 주어진 주제에 대해 완벽한 인용이 포함된 연구 논문을 몇 분 만에 작성할 수 있습니다.

[00:31] Sam Altman은 Deep Research가 이미 경제적 가치가 있는 작업의 한 자릿수 퍼센트를 수행할 수 있다고 발표했습니다. 이는 수조 달러의 가치에 해당하며, OpenAI의 AGI 정의와 일치합니다.

연구 책임자인 마크 첸이 자율적 작업과 새로운 지식 발견을 통한 AGI 로드맵에 대해 강렬하게 설명합니다.

[01:08] OpenAI 연구 책임자 Mark Chen이 에이전트의 궁극적인 목표는 새로운 지식을 자율적으로 발견하고 이해하는 것이라고 설명했습니다.

[01:34] 레오폴드 아센브레너의 '지능 폭발' 개념이 소개되었으며, 이는 AI가 새로운 지식을 발견하고 자기 개선을 할 수 있는 시점을 의미합니다. 이는 곧 인공 초지능으로 이어질 수 있습니다.

[02:22] 최근 Deep Seek가 스스로 성능을 2배 향상시키는 방법을 발견했다는 사례가 공유되었으며, Deep Research의 실제 사용 방법이 소개되었습니다.

[03:03] 모바일 보급률과 선진국/개발도상국 간의 차이점을 분석하고, ChatGPT를 위한 최적의 기회를 도출하는 보고서 작성을 요청했습니다.

[03:25] 딥 리서치는 정확한 요구사항 파악을 위해 명확한 질문들을 제시하며, 이는 장시간의 연구에서 매우 중요한 단계입니다.

사용자 쿼리를 입력하면 딥 리서치가 명확한 질문을 통해 29개 이상의 소스를 탐색, 분석 후 결과를 도출하는 과정을 보여줍니다.

[03:58] 딥 리서치는 사이드바를 통해 실시간으로 추론 과정을 보여주며, 정보 수집과 분석을 진행합니다.

[04:28] 모델은 이미지, 표, PDF 등 다양한 형식의 데이터를 검색하고 분석하여 종합적인 연구를 수행합니다.

[04:56] Chatbase 소개: AI 기반 비즈니스 솔루션으로, 고객 지원 최적화와 개인화된 상호작용을 제공하는 플랫폼입니다.

Chatbase 플랫폼이 AI 에이전트를 활용해 비즈니스 지원과 고객 응대에 어떻게 혁신을 가져오는지 소개합니다.

[05:35] Chatbase가 AI 액션이라는 새로운 기능을 출시했으며, 이를 통해 에이전트가 고객 응대와 실시간 작업 수행이 가능해졌습니다.

[06:08] 딥 리서치 에이전트가 15분간의 분석 후 29개의 다른 출처를 검토하여 결과를 도출했습니다.

[06:36] 분석 결과가 완벽하게 포맷된 보고서로 제공되었으며, 다양한 데이터와 표 형식으로 이해하기 쉽게 구성되었습니다.

[07:30] Felipe Millan의 사례를 통해 딥 리서치가 실제로 암 환자의 최적 치료법을 찾는데 도움을 준 사례가 소개되었습니다.

Felipe Millan의 사례를 통해, 딥 리서치가 암 치료 결정과 같이 중요한 의료 문제 해결에 실제 도움을 준 경험을 전합니다.

[08:05] Felipe의 아내가 양측성 유방암 진단을 받은 개인적인 경험이 공유되었습니다.

[08:11] 가족이 유방암 진단을 받은 후, 양쪽 유방 절제술과 항암치료를 시작했으며, 방사선 치료 여부를 결정해야 하는 어려운 상황에 직면했습니다.

[08:43] Deep Research를 활용하여 수술 병리 보고서를 분석하고, 환자의 개별 상황에 맞는 맞춤형 연구 자료와 분석을 받아 의사결정에 도움을 받았습니다.

[09:30] 이 경험은 단순한 기술 시연이 아닌, 실제 삶에서 AGI의 잠재력을 보여주는 의미 있는 사례가 되었습니다.

딥 리서치의 시험 점수와 성능 비교를 통해 기존 모델 대비 혁신적 향상을 살펴보고, 향후 발전 방향에 대해 설명합니다.

[10:05] Deep Research(O3 모델)의 기술적 특성 설명: 엔드투엔드 강화학습, 웹 검색, 파일 분석, 그래프 생성 등 다양한 기능을 갖춘 고급 AI 도구입니다.

[10:58] OpenAI의 새로운 평가 결과가 공개되었으며, 특히 'Humanity's Last Exam'에서 놀라운 성과를 보여주었습니다. 이 시험은 100개 이상의 과목에서 3,000개 이상의 전문가 수준 문제로 구성되어 있습니다.

[11:29] 다양한 AI 모델들의 성능을 비교한 결과, GPT 4.0은 3.3%, Claude 3.5는 4.3%, OpenAI O1은 9.1%, DeepCar One은 9.4%, O3 Mini 시리즈는 10.5%와 13%를 기록했습니다.

[11:54] OpenAI Deep Research가 26.6%라는 놀라운 성과를 달성했는데, 이는 웹 검색 능력과 추론 능력을 결합한 결과입니다.

[12:28] 경제적 가치에 따른 전문가 수준 태스크 통과율에서, 매우 높은 경제적 가치를 지닌 작업에서도 9.1%라는 중요한 성과를 보여주었습니다.

[13:08] 이 서비스는 월 200달러의 Pro 사용자부터 시작하며, 컴퓨팅 집약적인 특성으로 인해 월 100회로 쿼리가 제한됩니다.

[00:00] OpenAI가 방금 Deep Research를 발표했는데요

[00:02] 이것은 Operator에 이은 두 번째 에이전트입니다

[00:04] O3 추론 모델과 다양한 도구들을 결합한

[00:07] 강력한 기능을 가진 시스템이죠

[00:10] 가장 중요한 것은 웹 검색 기능입니다

[00:13] Deep Research는 주어진 주제에 대해

[00:16] 심도 있는 연구를 수행하고

[00:19] 웹을 탐색한 후 돌아와서

[00:21] PhD 연구원이 작성한 것과 유사한

[00:24] 완벽한 인용이 포함된 연구 논문을 제공합니다

[00:27] 단, 이 모든 게 몇 분 만에 이루어진다는 점이 다르죠

[00:29] 하지만 이게 다가 아닙니다

[00:31] 샘 알트만이 방금 언급했는데요

[00:33] Deep Research가 이미 한 자릿수 퍼센트의

[00:35] 경제적 가치가 있는 작업을 수행할 수 있다고 합니다

[00:38] 비율이 작아 보일 수 있지만

[00:41] 실제로는 수조 달러의 가치에 해당합니다

[00:44] 그리고 '경제적 가치가 있는 작업'이라는 용어가

[00:46] 익숙하게 들린다면

[00:48] 그것은 OpenAI가 정의한

[00:50] AGI의 정의이기 때문입니다

[00:53] 너무 앞서가기 전에

[00:55] Deep Research에 대해 자세히 설명해드리겠습니다

[00:58] 발표 영상의 한 부분을 보시죠

[01:00] OpenAI의 연구 책임자인 마크 첸이

[01:02] 에이전트에 대한 그들의 궁극적인 비전을

[01:04] 새로운 지식을 발견하는 것이라고 선언했습니다

[01:08] 영상을 보시죠

[01:10] 우리는 모델이 자율적으로 더 오랜 시간 동안

[01:13] 비지도 방식으로 작업을 수행하는 것이 중요하다고 생각합니다

[01:15] 이는 우리의 AGI 로드맵의 핵심이기도 합니다

[01:17] 우리의 궁극적인 목표는

[01:20] 스스로 새로운 지식을 발견하고 밝혀낼 수 있는

[01:23] 모델을 만드는 것이며

[01:25] 첫 단계는 웹에서

[01:27] 정보를 종합하고 이해할 수 있는 모델입니다

[01:30] 죄송합니다, 웹상의 정보를 말이죠

[01:32] 레오폴드 아센브레너의

[01:34] 상황 인식 논문을 기억하시나요?

[01:36] 그는 '지능 폭발'이라고 부르는 개념을 설명했습니다

[01:39] 이는 우리가 AGI에 도달하는 시점으로

[01:41] AI가 새로운 지식을 발견하고

[01:44] 그 지식을 자신에게 적용할 수 있게 되는 때입니다

[01:46] 이것을 '재귀적 자기 개선'이라고도 하며

[01:49] 이것이 일어나면

[01:52] 곧 인공 초지능에 도달하게 됩니다

[01:55] 왜냐하면 AI가 스스로를 개선하는 방법을 발견하고

[01:57] 수십, 수백, 수천

[02:00] 수백만 개의 에이전트를

[02:02] 동시에 실행할 수 있다면

[02:05] 얼마나 빠르게, 얼마나 기하급수적으로

[02:07] 발전할 수 있는지 상상해보세요

[02:10] 이것이 공상과학처럼 들리거나

[02:13] 먼 미래의 이야기처럼 들린다면

[02:15] 그렇지 않습니다

[02:17] 이미 현실이 되었죠

[02:19] 실제로 며칠 전에 제가 트윗을 올렸는데

[02:22] Deep Seek가 스스로

[02:25] 자신의 성능을 2배 향상시키는 방법을

[02:27] 발견했다는 내용이었습니다

[02:30] 참고로

[02:32] X에서 저를 팔로우하지 않으셨다면 해주세요

[02:34] 매튜 버만, 사이먼 윌리슨이 게시한 내용인데

[02:37] Deep Seek에 단순히 프롬프트를 주어

[02:40] 자신의 성능을 2배 향상시키는 방법을 찾도록 했고

[02:42] 실제로 성공했다는 내용입니다. 정말 놀랍죠

[02:45] 자, 이제 Deep Research로 돌아와서

[02:47] 실제 작동하는 모습을 보여드리겠습니다

[02:50] Deep Research는 ChatGPT 시작 부분의

[02:51] 버튼을 통해 접근할 수 있으며

[02:54] 여기서 바로 원하는 질문을 입력하면

[02:56] Deep Research로 전송됩니다

[02:57] iOS와 Android 채택률,

[02:59] 새로운 언어를 배우고 싶어하는 사람들의 비율과

[03:01] 모바일 보급률 변화에 대해 알아보겠습니다

[03:03] 몇 년간의 모바일 보급률의 변화와

[03:04] 선진국과 개발도상국 간의

[03:06] 차이점을 파악하고

[03:08] 개발도상국의 데이터도 필요해요.

[03:10] 그리고 이 정보를

[03:12] 표와 함께 체계적으로 정리된 보고서로

[03:15] ChatGPT에 대한 최고의

[03:17] 잠재적 기회에 대한 명확한 추천도 포함해주세요.

[03:20] 이런 정보를 수집하려면 몇 시간이 걸렸을 텐데

[03:22] 딥 리서치를 사용하면

[03:24] 바로 시작할 수 있죠.

[03:25] 먼저 보시다시피

[03:27] 딥 리서치는 몇 가지

[03:29] 명확한 질문들을 던집니다.

[03:31] 이는 매우 중요한데, 딥 리서치가

[03:33] 5-30분 정도 작업할 때

[03:35] 요구사항을 정확히 파악해야 하기 때문이죠.

[03:37] 지금 몇 가지 질문들을

[03:39] 하고 있는데, 이것들은

[03:41] 분석가가 복잡한 요청을 받았을 때

[03:42] 물어볼 법한 아주 좋은 질문들입니다.

[03:43] 따라서 이런 질문들을

[03:46] 미리 파악하는 것이

[03:47] 매우 중요합니다.

[03:48] 모델은 때때로 명시된 정보와

[03:51] 좀 더 개방적인 정보를

[03:52] 받아들여 처리하는 것에

[03:54] 매우 능숙하며, 이를 바탕으로

[03:56] 필요한 모든 정보를 수집합니다.

[03:58] 지금 보시는 것처럼 딥 리서치는

[04:00] 모든 정보를 종합하고

[04:02] 자체적인 연구 프로세스를

[04:03] 시작했습니다. 여기서 보시면

[04:05] 딥 리서치가 작은 사이드바를 열어

[04:08] 진행 중인 모든 추론 과정을

[04:09] 보여주고 있습니다. 지금 보시는 것처럼

[04:12] 주요 국가들을 식별하고

[04:14] 정보를 수집하면서

[04:16] 다양한 정보를 검색하는

[04:17] 프로세스를 시작하고 있습니다.

[04:20] 여기를 자세히 보시면, 딥 리서치가

[04:23] 정보를 검색하고

[04:24] 페이지를 열어 분석하며

[04:26] 내용을 이해하고 있습니다.

[04:28] 실제로 이면에서는

[04:30] 모델이 실제로 검색을 수행하고

[04:32] 페이지들을 열어보면서

[04:34] 이미지, 표, PDF 등

[04:36] 모든 구성요소를 검토하고 있습니다.

[04:39] 이 모든 정보를 추출하여

[04:40] 다음 단계를 결정하는 데

[04:42] 활용하고 있죠. 마치 PhD 이상의

[04:45] 연구원을 웹에 보내서

[04:47] 당신을 위해 심층 연구를 수행하게 하는 것과 같습니다.

[04:50] 몇 분에서 길게는 30분 정도 후에

[04:52] 완전한 인용이 포함된 연구 논문을

[04:54] 가져다 주는 것이죠.

[04:56] 방금 우리가 본 것이 바로 그것입니다.

[04:58] 이 영상의 스폰서인

[05:00] Chatbase를 소개해드립니다.

[05:03] Chatbase는 비즈니스를 위한 지능형

[05:05] AI 에이전트를 만들고 관리하는

[05:07] 최고의 플랫폼입니다. 고객 지원을

[05:09] 효율화하고 리드를 생성하며

[05:10] 웹사이트, 소셜 플랫폼 및

[05:13] 기타 디지털 도구와의 통합을 통해

[05:15] 비즈니스 운영을 향상시키도록 설계되었습니다.

[05:17] Chatbase는 기업들이 빠르고 일관되며

[05:19] 응답성 높은 개인화된 상호작용을

[05:22] 대규모로 제공할 수 있게 해주며

[05:25] OpenAI, Anthropic 등의 고급 AI 모델을

[05:28] 기반으로 합니다. 이러한 에이전트들을

[05:30] 자신만의 고유한 데이터로

[05:31] 훈련시켜 비즈니스에 맞게 커스터마이즈하고

[05:33] 적절한 시기에 올바른 답변을 제공할 수 있습니다.

[05:35] AI 액션이라는 완전히 새로운 기능을 출시했습니다

[05:38] 이 채널을 계속 보셨다면 아시겠지만

[05:40] 저는 에이전트가 작업을 수행하는 것이 미래라고 생각합니다

[05:42] 이제 Chatbase를 통해 이러한 에이전트들이

[05:45] 고객의 질문에 응답할 뿐만 아니라

[05:47] 실제로 고객이 찾는 것에 기반하여

[05:49] 실시간으로 작업을 수행할 수 있습니다

[05:51] 수행 가능한 작업에는

[05:53] 계정에서 실시간 데이터를 가져오거나

[05:55] 에이전트와의 대화를 기반으로

[05:57] 계정 정보를 업데이트하는 것도

[06:00] 포함되어 있습니다

[06:01] 지금 바로 Chatbase를

[06:03] 확인해보세요

[06:05] 이 영상을 후원해 주신

[06:06] Chatbase에 다시 한 번 감사드립니다

[06:08] 이제 영상으로 돌아가겠습니다. 조금 건너뛰어야 할 것 같은데

[06:10] 딥 리서치 에이전트를 실행한 후

[06:12] 약 15분 정도의 지연이 있었고

[06:14] 마침내 결과가 나왔습니다

[06:15] 지금도 작업이 계속 진행되는 것처럼 보이지만

[06:18] 그동안 우리가 실행한 동안

[06:20] 이미 29개의 다른 출처를 살펴보고

[06:21] 많은 정보를 분석했습니다

[06:23] 와우, 완벽해요

[06:24] 정말 놀라운 타이밍이네요

[06:26] 딥 리서치가 방금 전체 분석을 완료했습니다

[06:29] 11분이 걸렸고

[06:32] 그 과정에서 29개의 다른 사이트를

[06:34] 심도 있게 분석했습니다

[06:36] 실시간 스트리밍에서 보시는 것처럼

[06:38] 완벽하게 포맷된 보고서를 제공했습니다

[06:41] 좋은 서론과 함께 다양한

[06:43] 도입 트렌드가 모두 정리되어 있고

[06:45] 훌륭한 보고서 스타일로 구성되어 있어

[06:47] 시간에 따른 모바일 보급률과

[06:50] 다양한 데이터를 볼 수 있습니다

[06:52] 아래로 내려가면 정보뿐만 아니라

[06:54] 다양한 표 형식과

[06:56] 데이터 표현 방식이 있어

[06:59] 음...

[07:00] 매우 이해하기 쉽게

[07:01] 데이터를 표현했습니다

[07:03] 정말

[07:05] 이 모델의 또 다른 멋진 점은

[07:07] 클릭을 통해 모든 다른

[07:09] 출처를 확인할 수 있다는 것입니다

[07:11] 여기서 모델이 참고한

[07:12] 모든 인용을 볼 수 있고

[07:15] 또한 최종 출력에는

[07:17] 포함되지 않았지만

[07:18] 발견한 다른 사이트들도

[07:20] 알려주고 싶어합니다

[07:21] 이미 영상에서 언급했지만

[07:23] 가장 놀라운 부분은 따로 있습니다

[07:26] 딥 리서치는 이미 사람들의 삶을

[07:28] 더 나은 방향으로 변화시키고 있습니다

[07:30] 이분은 Felipe Millan이며

[07:33] OpenAI의 정부 시장 담당자입니다

[07:36] 그는 자신의 아내가 암 진단을 받은 후

[07:38] 딥 리서치를 활용해

[07:42] 그녀의 특정 암에 대한

[07:44] 최적의 화학요법을 찾아낸 이야기를 들려줍니다

[07:46] 아내의 나이, 건강 상태 등

[07:50] 구체적인 정보를 바탕으로

[07:53] 놀라운 결과를 얻었습니다

[07:55] 오늘 우리 OpenAI는 딥 리서치를 출시했고

[07:58] 저는 이 도구가 얼마나 놀라운지

[07:59] 매우 개인적인 이야기를 나누고 싶습니다

[08:01] 이것이 어떻게 세상을 변화시킬지에 대해

[08:02] (암 관련 내용 주의)

[08:05] 10월 말, 제 아내는

[08:07] 양측성 유방암 진단을 받았고

[08:09] 하룻밤 사이에 우리의 삶이 완전히 바뀌었습니다

[08:11] 우리의 삶이 완전히 뒤바뀌었죠.

[08:13] 그녀는 12월 초에 양쪽 유방 절제술을 받았고,

[08:15] 그달 말에 항암치료를 시작했습니다.

[08:18] 최근 우리가 직면한 과제는

[08:19] 그녀의 경우 항암치료 후 방사선 치료가 가능한지였는데,

[08:22] 이는 완전히 회색 지대에 있는 사례였습니다.

[08:24] 자문을 구한 전문의들조차

[08:26] 서로 다른 의견을 제시했고 명확한 답이 없어

[08:28] 우리는 막막한 상황에 처했습니다. 상상해보세요.

[08:31] 세계 최고의 의사들이

[08:33] 서로 다른 의견을 제시하고,

[08:35] 암 전문가도 아닌 당신이

[08:38] 그 결정을 내려야 하는 상황을요.

[08:41] 얼마나 벅차고 스트레스를 받았겠습니까.

[08:43] 하지만 이때 Deep Research가 도움이 되었습니다.

[08:46] 제가 Deep Research의 사전 접근 권한이 있었기에

[08:48] 한번 시도해보기로 했습니다.

[08:50] 수술 병리 보고서를 업로드하고

[08:51] 방사선 치료가 도움이 될지에 대해

[08:54] 조언을 구했습니다.

[08:55] 그 다음 일어난 일은 정말 놀라웠습니다.

[08:57] 단순히 종양 전문의의 의견을 확인하는 것을 넘어

[08:59] 더 깊이 들어가 분석했죠.

[09:02] 제가 전혀 몰랐던 연구들을 인용했고,

[09:04] 나이와 유전적 요인 같은 세부사항을 추가하자

[09:06] 그에 맞게 분석을 조정했습니다. 우리가 각 연구를 확인해보니

[09:09] 모두 정확했습니다. 이런 기능이

[09:12] 월 200달러의 가치가 없다면,

[09:14] 현재는 Pro 플랜에서만 이용 가능하지만,

[09:16] 월 200달러의 가치가 없다면

[09:19] 무엇이 가치가 있을까요. 그리고 그는

[09:21] 사용할 정확한 프롬프트를 나열했는데,

[09:23] 겨우 몇 문장밖에 되지 않았습니다. 저는 여전히

[09:25] Deep Research가 제공한 보고서에 감탄하고 있습니다.

[09:27] 곧 다른 전문의와 상담할 예정이지만,

[09:28] 우리는 이미 결정에 대해

[09:30] 더 자신감을 느끼고 있습니다. 이것은 단순한 기술

[09:33] 시연이 아니었습니다. 가장 필요한 순간에

[09:35] 마음의 평화를 주었죠. 우리는 종종

[09:37] OpenAI 내부에서 AGI를 체감하는

[09:39] 순간들에 대해 이야기하는데,

[09:42] 이것이 바로 그런 순간이었습니다. 이것은 세상을

[09:44] 변화시킬 것입니다. 저는 Felipe와

[09:47] 그의 가족, 그의 아내에게 최선을 빕니다. 이것은

[09:50] AI가 이미 삶을 어떻게 변화시키고 있는지 보여주는

[09:53] 놀라운 이야기입니다. 만약 여러분이

[09:56] AI가 현재 얼마나 빠르게 세상을

[09:59] 변화시키고 있는지 아직 확신하지 못하고 계시다면,

[10:02] 이 사례가 도움이 되길 바랍니다. 이제

[10:04] 자세한 내용을 조금 살펴보겠습니다.

[10:05] Deep Research의 벤치마크에 대해

[10:07] 말씀드리겠습니다. 이것 자체도

[10:09] 꽤나 놀랍습니다. 실제로 어떻게 작동하는지

[10:11] 보시죠. Deep Research는 아직 출시되지 않은

[10:14] O3 모델입니다. 현재 O3 미니는 있지만

[10:16] 이것은 아직 출시되지 않은 O3 모델입니다.

[10:18] O3 미니는 있지만, 이것은

[10:20] 웹 검색을 포함한 도구들을 사용할 수 있는

[10:22] O3 모델입니다. 이 모델은

[10:25] 엔드투엔드 강화학습을 통해 훈련되었으며,

[10:27] 어려운 브라우징과 추론 작업에서

[10:29] 다양한 영역에 걸쳐 훈련되었습니다.

[10:31] 필요한 데이터를 찾기 위해 다단계 경로를

[10:34] 계획하고 실행하는 방법을 학습했으며,

[10:36] 필요할 때 되돌아가서 실시간 정보에

[10:38] 대응할 수 있습니다. 이 모델은 또한

[10:40] 사용자가 업로드한 파일을 검토하고,

[10:43] 파이썬 도구를 사용해 그래프를 그리고 수정하며,

[10:45] 생성된 그래프와 웹사이트의 이미지를

[10:48] 응답에 포함시킬 수 있고,

[10:50] 출처에서 특정 문장이나 구절을

[10:52] 인용할 수 있습니다.

[10:55] 이러한 훈련 덕분에

[10:58] 여러 공개 평가에서

[11:00] 놀라운 성과를 달성했습니다. 한번

[11:02] 살펴보죠. 먼저 'Humanity's Last Exam'이라는

[11:04] 시험이 있는데, 이름이 꽤나

[11:07] 암울하긴 하지만, 이게 바로 벤치마크입니다.

[11:10] 'Humanity's Last Exam'은

[11:12] AI를 광범위한 주제에 걸쳐

[11:15] 전문가 수준의 문제로 평가하는 시험입니다.

[11:17] 3,000개 이상의 객관식과

[11:19] 주관식 문제로 구성되어 있으며

[11:21] 100개 이상의 과목을 다룹니다.

[11:23] 언어학부터 로켓 공학까지,

[11:25] 고전학부터 생태학까지 포함됩니다. GPT 4.0은

[11:29] 3.3%의 점수를 받았습니다. 즉, 3.3%의 정답률을

[11:33] 기록했죠. Claude 3.5 Sonnet으로 올라가면

[11:36] 4.3%로 꽤 좋은 성적이고, OpenAI O1은

[11:41] 9.1%로 정말 좋은 성적, DeepCar One도

[11:46] 매우 좋은 9.4%를 기록했습니다.

[11:48] 그 다음 O3 Mini Medium과 O3 Mini High가

[11:50] 10.5%와 13%를 기록했는데,

[11:54] 여기서 큰 도약이 있습니다. OpenAI Deep Research가 26.6%로

[11:59] 정말 놀라운 성과를 보여줬죠. 이는 O3

[12:02] Mini High의 두 배에 달하는 성과입니다.

[12:05] 이는 웹 검색 능력이

[12:07] 있기 때문입니다. 이것이 바로

[12:09] 에이전트가 강력한 이유죠. 도구와

[12:12] 모델의 순수한 지능, 그리고

[12:15] 이러한 모델들의 추론 능력은

[12:18] 훌륭하지만, 실시간으로

[12:21] 정보를 찾아보고

[12:22] 그것을 추론할 수 있을 때 진정으로 강력해집니다.

[12:25] 자, 여기 가장 놀라운

[12:28] 차트가 있습니다. 이는 추정 경제적 가치에 따른

[12:31] 전문가 수준 태스크의 통과율입니다.

[12:35] OpenAI에 따르면 이것이 AGI를

[12:38] 측정하는 기준이라고 합니다. 여기 통과율을 보면

[12:41] 낮은 추정 경제적 가치에서는

[12:43] 20% 미만인 19%를 기록했고, 중간 정도의

[12:47] 경제적 가치에서는 17.7%, 높은 경제적 가치에서는

[12:50] 15%, 매우 높은 가치에서는 9.1%를 기록했습니다.

[12:54] 매우 높은 경제적 가치를 지닌 작업에서

[12:57] 9.1%의 통과율을

[12:59] 보였는데, 네, 여전히 낮은 수치이지만

[13:02] 이는 매우 중요한 지표이며, 9%도

[13:05] 놀라울 정도로 좋은 성과입니다. 자, 누가 사용할 수 있을까요?

[13:08] 먼저 Pro 사용자들입니다. 월 200달러이고

[13:11] 여기 명시된 대로 매우

[13:13] 컴퓨팅 집약적입니다. 이는

[13:15] 그들이 지금까지 만든 것 중

[13:17] 가장 큰 모델과 추론을 결합했기 때문인데,

[13:20] 이는 많은 토큰을 사용하고,

[13:23] 모든 정보를 어딘가에

[13:24] 저장해야 하기 때문에 매우 컴퓨팅 집약적입니다.

[13:26] Pro 사용자는 월 100회 쿼리로 제한되며,

[13:30] Team 사용자가 그 다음으로

[13:32] 접근 권한을 받고, 그 다음이 Enterprise입니다.

[13:35] 정말 흥미진진한 시대입니다. Deep

[13:37] Research는 너무나 멋지고, 이것이

[13:40] 바로 DeepSeek 효과라고 생각합니다. DeepSeek이

[13:43] 무언가를 발표하면 갑자기 Sam

[13:45] Altman이 자극을 받아서 이제는

[13:48] 미친 듯이 릴리즈를 하고 있죠.

[13:50] O3 Mini를 출시하고 며칠 후에

[13:52] Deep Research를 출시했는데,

[13:54] 재미있는 건 이게 Sam Altman이 말한

[13:56] 'One More Thing'도 아니라는 겁니다.

[13:59] 곧 그것도 보게 될 것 같네요. 이 영상이

[14:01] 마음에 드셨다면 좋아요와

[14:03] 구독 부탁드립니다.

[14:04] 다음 영상에서 만나요.