샘 올트만의 허풍

 

1. 오픈AI의 재정

사실 오픈AI는 곧 파산해도 이상하지 않다.

시스템을 운영하는 비용으로 하루에 100만불 이상을 쓰고 있는데다 수익은 작다.  순익은 당연히 적자고 2030년까지 흑자전환은 어렵다고 한다. 

핵심은 엔비디아의 칩 가격이 너무 비싸다는 것.

게다가  실력있는 경쟁자들이 늘고 있어서 회사가 생존하려면 투자를 더 받아야 하고 전체 AI 시장이 빠르게 커져야 한다.

많은 AI 스타트업이 생기고 있으며 거대기업인 Meta 나  Microsoft, Google도 AI 서비스를 강화하고 있어서 이젠 ChatGPT의 선도자적 우위도 사라졌다.

 

ChatGPT 사용자 증가도 정체 상태라 기술적 도약이 없으면 성장이 불가하다.

결국 샘 올트만은 투자를 대거 유치해 현재 위기를 돌파하기로 했다.

엔비디아는 현금을 투자하기로 했고, 오라클은 채권을 발행해 외상채권을 담보로 투자하기로 했고, 마이크로소프트도 기존계약을 갱신하면서 추가로 투자하기로 했고,  일본 소프트방크는 엔비디아 주식을 처분해 오픈AI에 투자한다고 한다.

 

여기서 등장하는 올트만의 허풍은 AI투자 비용에 관한 것이다.

"AI 의 질적 수준이 선형적으로 증가할 때 투입 비용은 지수함수적으로 증가한다" 

예를 들어  AI 의 성능을 2배 개선하려면 비용은 10배 더 들 수 있다는 것이다.  이것을 반도체의 무어 법칙과 비유하면서, 비용의 폭발적 증가를 정당화하려는 의도가 있는 것 같다.  [ https://blog.samaltman.com/three-observations ]

 

2. AGI (Aritificial General Intelligence)

오픈AI의 회사 비전 중 하나가 인류를 위해 AGI 를 구현한다는 것이다.

AGI가 되면 인간과 같은 수준의 지적능력과 의식을 갖는 AI 가 현실화된다고 한다.  

신이 자신의 모습을 본따 인간을 창조했듯, 인간은 자신과 같은 AI 를 창조한다는 것.

샘 올트만의 허풍에 의하면 2030년까지 AGI 가 실현된다고 한다.

다만 최근에 약간 말이 바뀌고 있다.  "AGI 의 정의는 유동적이다. 일부는 이미 실현되어 있고 기술수준이 발전하면서 AGI의 정의도 바뀌는 중". 

AGI 가 정확히 뭔지 자신도 헷갈린다는 의미로 읽힌다.

 

뉴욕대의 얀 르쿤 교수는 다른 견해를 밝혔다.

"인공지능(AI)은 일반적(General)이지 않다. 범용AI(AGI)는 말도 안 된다고 생각한다. 앞으로 우리 실생활에 도움을 줄 수 있는 고급기계지능(AMI) 구현을 목표로 해야 한다."
AI 미래를 둘러싼 석학들의 전망이 엇갈리는 가운데 세계 AI 4대 석학 중 하나로 꼽히는 얀 르쿤 뉴욕대 교수는 "실질적인 AI 혁명은 아직 오지 않았다" 라고 말했다.  

 

ChatGPT 같은 언어 LLM 시스템은 텍스트 정보만 갖고 AGI 를 구현가능하다고 한다.

인간이 만든 모든 텍스트를 다 모아 학습시키면 인간 수준의 지적능력을 갖으며, 평균적 인간보다는 더 뛰어난 지능을 갖을 수 있다는 것이다. 

하지만 이미 많은 사람들이 텍스트만으로는 불가능하다는 의견이다. 

예컨대 사과를 인식할 때, 사과를 잘 설명한 문서를 수천쪽 읽어도 사과를 실제로 보고 먹는 경험이 없다면 사과에 관한 지식은 한계가 있다.

 

현재 LLM 는 언어 구사능력이 인간 수준임은 분명하다.  AI 와 로맨틱한 대화를 하다 보면 실제 인간과 연애를 하는 기분이 든다는  의견도 있다. 그래서 LLM AI 가 인간의 의식을 구현하는 것도 가능하지 않은가 라는 의견. 언어가 결국 의식을 결정한다는 소쉬르적 주장이 있으나 다 착각이다. 

 

본질적으로, 돈이 필요한 샘 올트만의 투자유치 전략의 하나가 AGI 라고 봐야 한다.

 

3. Agentic AI

AI 를 더 쉽게 이용할 수 있게 해 AI 응용분야를 폭발적으로 늘리려는 시도의 하나가 에이전틱AI 다.

비지니스에 AI를 적용하다 보니 여러 요구사항이 쏟아지는데, 이것들을 포괄하는 좀더 일반화되고 추상화된 도구를 만들려는 시도의 하나다. 

1년전부터 핫이슈로 떠올라 모든 소프트웨어회사들이 개발에 매진 중이나 아직 큰 진전은 없다.

 

올초에 나온 지브리 스타일 이미지 생성 같은 것이 한 사례다. 물론 오픈AI 는 그것을 에이전틱이라 부르지는 않았지만 에이전틱AI의 방법론을 적용할 수 있는 사례다.

축구동영상에서 골장면 부분만 잘라 하이라이트를 만들어 주는 작업에 대한 요구가 있다면, 분석-계획-구현-수정의 태스크를 제공하는 에이전트들로 구성된 일반화된 도구가 필요할 것이다.

만일 더 추상화하여 온라인스토어 같은 웹사이트를 구축하라는 요구를 받는다면 역시 분석-계획-구현-수정의 각 태스크를 실행하는 에이전트가 있어서 각 에이전트들이 소스코드를 생성하면, 전체를 총괄통합하는 에이전트가 있어야 할 것이다.

 

그럴듯한 아이디어지만 에이전틱 AI 에 관한 논의를 잘 읽다 보면 이것은 AI 가 아님을 알 수 있다. 

각각의 에이전트에는 LLM이나 생성AI같은 AI 기술들을 이용하지만 일반화된 프레임워크나 도구를 만드는 것은 전통적 소프트웨어 개발과정과 다를 게 없다.

 

더구나 실제 비지니스에 적용하기에는 AI 자체가 너무 오류가 많고 부실하다는 것이 문제 ~

중요한 업무에는 아직 AI를 쓸 수 없다. 

본질적으로  LLM AI 는 결과가 좀 랜덤하다 (Stochastic).  같은 질의를 해도 그때그때 약간씩 결과가 달라진다.  또한 완전히 틀린 답변을 주는 경우도 흔하다. 

아직까지는 에이전틱AI를 비지니스에 적용하려는 많은 시도들이 실패다. 다만 언젠가는 성공할 비전이 없다고는 할 수 없다.

 

오픈AI 입장에서는 매출을 늘리기 위해 기업체 고객들의 수요를 확대하는 것이 절실하다. 

에이전틱AI 가 잘 되면 오픈AI도 매출이 빠르게 증가할 가능성은 있다. 

 

4. 피지컬AI

언어 데이타만 학습시키는 LLM의 한계가 뚜렷해짐에 따라  나온 것이 Physical AI 라는 것이다.

이 세계의 모든 존재를 언어 이외의 3차원데이타와 시각데이타로 인식해 학습하는 것이 필요하다.

현재 로봇은 빠르게 발전하고 있지만  특정한 환경이 아닌 일반적 상황에서 어린아이나 강아지의 물리적 행동도 따라하지 못하는 수준이다. 

그러나 이 세상의 모든 시각적 정보를 학습시키고자 한다면 그 데이타의 량은 텍스트의 총량을 수만배 넘어선다.

따라서 일부 필요한 특정상황의 시각정보만 학습할 수 밖에 없다.  공장에서 작업하는 환경만을 학습시킨 모델이 산업용로봇응용에는 유용할 것이다.

 

어쨌든 PhysicalAI 는 LLM의 대항마이고 오픈AI 로서는 새로운 경쟁상대다.

트랜스포머 구조를 기반으로 한 LLM과는 다른 아키텍춰가 개발되고 있다.  

 

5. 슈퍼인텔리전스 super-intelligence

 

샘 올트만의 또다른 허풍 중 하나가 초지능 (슈퍼인텔리전스) 이다.

 

AI가 몇단계 더 도약하면 과학이나 수학 분야에서 어려운 문제들이 해결된다고 한다.

양자컴퓨터나 핵융합, 인간 수명연장 등이 사례다. 

꿈같은 일이다~ AI 갓의 등장이다.

모든 분야에서 인간보다 3-4단계 똑똑한 존재의 등장이다. 

이것을 수츠케바는 "자식을 헌신적으로 돌봐주는 어버이처럼 인간을 돌봐주는 AI" 라고 표현했다.

현재 수학올림피아드 수준의 일부 문제를 풀수 있는 능력은 AI에게 있다고 보고된다.

하지만 지금의 AI는  창조적으로 문제를 발견해 해결하는 능력이 전혀 없다. 

기존의 기술문서나 논문을 종합해 요약하는 능력은 탁월하다.

그러나 1900년으로 돌아가서 데이타 없이 아인슈타인의 상대성 이론을 발견해 보라고 한다면 매우 어려울 것이다. 

 

일부에서는 일종의 강화학습과 유사한 자기지도학습( Self supervised learning) 에 의해  AI 가 스스로 모델을 개선시킬 수 있는 구조도 제안되었다.  인간이 개입하지 않아도, 데이타가 부족해도, AI 혼자 발전할 수 있다고 한다.

 

오픈AI가 정부지원을 요청한 배경에 이러한 슈퍼인텔리전스가 있다. 국가안보에 중요한 기술이니 반도체와 동일하게 지원해 달라는 논리다. 

하지만 아직은 LLM에 의해 인간을 겨우 흉내내는 수준이니 슈퍼인텔리전스는 아득한 꿈같은 스토리다.

 

샘 알트만은 당장 회사 운영자금이 절실하다.