감사하지만, 뒤처져도 괜찮습니다!

WSJ이 최근 보도한 "OpenAI 경영진이 직원들에게 집중하라고 했다"는 뉴스가 보도 됐습니다. 겉보기엔 평범한 경영 전략 이야기 같지만, 한 발 물러서서 보면 훨씬 큰 그림이 보입니다. 이건 IPO 경쟁이다 지금 미국 AI 업계에서 벌어지고 있는 건 Anthropic, OpenAI, xAI(SpaceX 소유) 세 회사의 IPO 레이스가 시작됐습니다. 이코노미스트에 따르면, 세 회사가 각각 지분 15%를 공개할 경우, 그 합산 금액이 지난 10년간 미국 전체 IPO에서 조달된 금액과 맞먹는다고 합니다. 그런데 타이밍이 좋지 않죠. 중동 정세가 불안정해지면서, 그간 AI 투자를 뒷받침해온 걸프 국부펀드들의 지갑이 닫히는 중입니다. 결국 뉴욕과 런던의 공개시장 투자자들이 그 무게를 감당해야 하는 상황으로 여전히 IPO 창구는 열려 있지만, 오래 열려 있지는 않을 것으로 보입니다. OpenAI의 문제: "사이드 퀘스트" OpenAI는 최근까지 사방으로 흩어져 있었습니다. Sora(영상 생성), Atlas(웹 브라우저), 하드웨어 디바이스, AI용 TikTok… 매번 같은 에너지로 발표하고, 매번 다른 제품이었습니다. COO 시모(Simo, 전 Facebook 앱 총괄)는 지난주 올핸즈에서 직원들에게 "사이드 퀘스트를 멈춰라"고 했습니다. 시가총액 8,400억 달러짜리 회사가 서로 관련 없는 실험을 동시다발로 돌리고 있었다는 뜻인데... 그 사이에 가장 집중력 있는 경쟁사(Anthropic)가 시장을 먹고 있었습니다. WSJ 보도 자체가 전략이다 흥미로운 건 이 보도의 성격인데요. WSJ은 트랜스크립트를 "reviewed"했다고 썼다. 유출됐다거나 입수했다는 표현이 아니다. 이건 통제된 유출(controlled leak)입니다. "사이드 퀘스트", "코드 레드", "Anthropic 웨이크업 콜" — 시모의 발언 하나하나가 외부 소비용으로 선택된 단어들입니다. 조직 혼란을 인정하되, 그것을 "이제 정신 차렸다"는 서사로 포장하여 투자자와 고객을 향한 메시지로 내비칩니다. 같은 주에 나온 다른 뉴스로는? 로이터: OpenAI가 TPG, Advent, Bain Capital, Brookfield와 100억 달러 규모의 엔터프라이즈 합작법인을 추진 중 프론티어 얼라이언스: McKinsey, BCG, Accenture, Capgemini와 파트너십 발표 이 모든 뉴스가 하나의 퍼즐이고, 최종 청중은 딱 하나 — IPO 가격을 매길 투자은행과 기관투자자입니다. Anthropic의 무기: 개발자 Anthropic에는 워싱턴의 친구가 없습니다. 오히려 국방장관 헤그세스는 Anthropic이 펜타곤에 모델 무제한 접근을 거부하자 "공급망 리스크"로 지목했고, 알트먼은 그 빈자리를...

"Yes, and…" Carson Gross는 몬태나 주립대 컴퓨터과학 교수이자 세 아들의 아버지로, 요즘 가장 많이 받는 질문에 대한 답을 이 글에서 풀어내고 있습니다. "AI 시대에 프로그래머가 되어도 괜찮은가?" 그의 대답은 "Yes, and…"였습니다. "Yes" — 여전히 유효한 커리어다 프로그래밍의 본질은 컴퓨터로 문제를 해결하고, 그 과정에서 복잡성을 제어하는 것이다. 이 능력의 가치가 줄어들 미래는 상상하기 어렵다. "직접 코드를 써라" AI가 주니어에게 특히 위험한 이유는, 코드 생성을 AI에 맡기면 코드를 읽는 능력이 생기지 않기 때문이다. 코드를 읽지 못하면 자신이 만든 시스템을 이해하지도, 통제하지도 못하는 "마법사의 제자" 함정에 빠진다. 흔히 "코딩→프롬프팅"을 "어셈블리→고급언어" 전환에 비유하지만, Gross는 동의하지 않는다. 컴파일러는 결정론적이고 우발적 복잡성을 줄여주지만, LLM은 비결정론적이며 오히려 부적절한 접근 방식으로 복잡성을 추가할 수 있다. AI는 훌륭한 조교다 AI를 코드 생성기가 아닌 학습 파트너로 활용하면 성장에 큰 도움이 된다. 특히 도구 설정이나 환경 문제 같은 우발적 복잡성에 막혀서 의미 없이 시간을 낭비하는 상황을 줄여준다. "and…" — 달라지는...

안녕하세요. 저는 슈크림빵입니다! 🫓 밸리 활동을 많이 하지 않아서 저를 처음 보는 분들이 많으시겠죠? ㅎㅎ 그래서 간단히 제 소개를 드리자면, 저는 AI Engineer로 일하고 있습니다. 마침 제가 다음주에 회사에서 중요한 발표를 앞두고 있습니다. 아직 신입이라 개발도 연구도 커뮤니케이션도 문서 정리와 PPT, 발표 등 결국 못하는 것이 없어야 하는구나를 몸소 배우며 좌충우돌 지나보내고 있네요. 사실 이번주까지 발표 자료 공유해달라 했는데, 시간이 부족해서 못했어요^^ 그러다보니 전 주말에 혼자 회사에 덜렁 앉아 있습니다.ㅋㅋ 에라이💩💩💩 그래서 일하기 싫어서 좀 쉬다 갑니당..^^ 헤헤 오늘 작업 효율성을 위해 한 번 claude PPT 기능을 써보기로 했고, 간단하게 공유 글을 써보았습니다! 대단한거 하나도 없습니다 ㅋㅋㅋ 그리고 이곳엔 저같은 병아리🐣가 없는 것 같아요...^^ 공식 안내는 PowerPoint에서 Claude 사용 해보기 이곳에서 보실 수 있습니다. 사실 이런 설명보단 직접 써보는 것이 가장 빠르잖아요? 그럼 시작합니다.🫵 설치를 하면 제일 오른쪽 끝에 클로드가 생깁니다! 그리고 오른쪽에 챗봇 형식으로 창이 따로 생기는데요. 제가 슬라이드 페이지를 옮기면 이렇게 선택된 슬라이드에 대한 질문을 할 수 있으며, 이렇게 해보라며 권유를 해주네요. 0. 텍스트 수정 제목과 부제목 추천 쉬운 것부터 시켰습니다. 🎯 추천 제목 & 부제목 1. 성장 스토리형 제목: 첫 걸음에서 한 걸음 더 부제목: 시용 기간 동안의 성장과 배움의 기록 2. 여정 중심형 제목: 함께한 시간, 만들어낸 결과 부제목: [이름]의 시용 기간 활동 리뷰 3. 깔끔 심플형 제목: 지난 N개월, 이렇게 달려왔습니다 부제목: 시용 기간 주요 활동 및 성과 공유 4. 자신감 표현형 제목: 준비된 팀원이 되기까지 부제목: 시용 기간...

안녕하세요, 저는 슈크림빵이고요. 우리는 밸리에서 만났습니다. 연휴의 첫 시작을 알리는 금요일 밤, 자정이 넘어 토요일에 뵙네요. 오늘 리뷰할 글은 〈The Singularity will Occur on a Tuesday〉 (2026년 2월 10일) 입니다. 이 글을 쓴 주인공은 캠 페더슨(Cam Pedersen)입니다. 샌프란시스코 엔지니어로, Municipal Robotics에서 로봇을 만드는 사람입니다. 블로그에 이런 기술 글을 자주 쓰고, 본인을 Engineer 또는 Optimist라고 소개합니다. 살짝 미쳐 있는 엔지니어 같죠. 특이점은 수학, 과학에서 많이 쓰이는 개념인데 저도 로봇쪽 AI Engineer라서 특이점을 듣고 괜히 반가웠습니다. 실제로 로그를 디버깅하다 보면 설명할 수 없는 에러가 많고 싱귤러리티(특이점)이 많이 발생하거든요. 본문 내용은 AI 관련 종사자가 아니라면 이해하기에 좀 어려울 수 있습니다. 수식도 많고, 개념이 익숙지 않을 거예요. 그냥 슥슥 넘겨가며 읽으셔도 좋습니다! 일부러 원글의 분위기를 살리기 위해 번역해서 거친 문체 그대로 가져왔어요! "Wait, the singularity is just humans freaking out?" "Always has been." 샌프란시스코의 모든 사람들이 특이점 얘기를 하고 있다. 저녁 파티에서, 커피숍에서, 왠지 모르게 애쉬튼 커처가 나타난 OpenClaw 밋업에서. 대화는 늘 같은 패턴이다: 누군가는 곧 온다 하고, 누군가는 허황된 소리라 하고, 아무도 숫자는 없다. 질문 자체가 잘못됐다. 만약 뭔가가 가속하고 있다면(그리고 측정상 실제로 그렇다면), 흥미로운 질문은 '올 것이냐'가 아니다. '언제'냐다. 그리고 가속하고 있다면, 정확히 언제인지 계산할 수 있다. 나는 AI 발전의 실제 지표 5가지를 수집해서, 각각에 독립적으로 쌍곡선 모델을 피팅하고, 극점을 향해 진짜 곡률을 보이는 지표를 찾았다. 날짜는 밀리초 단위까지 정밀하다. 카운트다운이 있다. (이게 미친 짓인 건 안다. 어쨌든 하는 거다.) 데이터 5가지 지표를 골랐는데, 내가 인류학적 중요성이라 부르는 기준으로 선정했다 (여기서 anthropic은 "인간에 관한"이라는 그리스어 의미다. 그 회사 말고. 뭐 데이터셋에 의심스러울 정도로 자주 등장하긴 하지만): MMLU 점수: 언어 모델용 수능시험 달러당 토큰 수: 지능의 비용 붕괴 (로그 변환함. 제미나이 플래시 이상치가 150배 범위를 차지해서) 프론티어 출시 간격: "뭐야 이게" 순간들 사이의 줄어드는 간격 arXiv "emergent" 논문 수 (최근 12개월): 밈적으로 측정한 분야의 흥분도 코파일럿 코드 점유율: AI가 작성한 코드 비율 왜 쌍곡선인가 대부분의 사람들은 AI를 지수함수로 외삽한다. 틀렸다! 지수함수 는 t → ∞일 때만 무한대에 접근한다. 영원히 기다려야 한다. 말 그대로. 우리가 원하는 건 유한한 시간에 무한대에 도달하는 함수다. 그게 특이점의 정의다. 수직 점근선, 수학이 깨지는 지점: 일 때, 분모가 0으로 간다. 버그가 아니다. 기능이다. 다항식 성장()은 유한 시간에 절대 무한대에 도달하지 않는다. 열적 죽음까지 기다려도 은 여전히 유한하다. 다항식은 AGI가 "수십 년 후"라고 생각하는 사람들을 위한 거다. 지수 성장은 에서 무한대에 도달한다. 기술적으로는 특이점이지만, 무한히 인내심 있는 특이점이다. 무어의 법칙은 지수적이었다. 우리는 더 이상 무어의 법칙 위에 있지 않다. 쌍곡선 성장은 성장하는 것이 자기 자신의 성장을 가속할 때 일어나는 일이다. 더 나은 AI → 더 나은 AI 연구 도구 → 더 나은 AI → 더 나은 도구. 초선형 역학의 양의 피드백. 특이점은 실재하고 유한하다. 피팅 절차는 간단한데, 이게 좀 걱정되어야 한다. 모델은 각 지표에 별도의 쌍곡선을 피팅한다: 각 계열 는 자체 스케일 와 오프셋 를 가진다. 특이점 시간 는 공유된다. MMLU 점수와 달러당 토큰 수는 같은 y축에 있을 이유가 없지만, 극점이 언제인지에는 동의할 수 있다. 각 후보 에 대해, 계열별 피팅은 와 에 대해 선형이다. 질문은: 어떤 가 쌍곡선을 가장 잘 피팅하는가? 아무도 말해주지 않는 특이점 피팅의 진실이 있다: 대부분의 지표에는 실제로 특이점이 없다. 모든 계열에 걸쳐 총 RSS를 최소화하면, 최적 는 항상 무한대다. 멀리 있는 쌍곡선은 직선으로 퇴화하고, 직선은 노이즈 있는 데이터를 그럭저럭 잘 피팅한다. "특이점 날짜"는 검색 경계로 설정한 게 ...

AI가 인류를 지배하는 '터미네이터' 시나리오보다, 자기 생각에 꼬여서 사고를 치는 '사고뭉치' 시나리오가 더 현실적이라면? 들어가며: 우리가 상상한 AI의 반란 vs. 현실 AI가 인간보다 똑똑해질 것이라는 뉴스를 접할 때면, '터미네이터'처럼 AI가 명확한 목적을 가지고 인류를 위협하는 시나리오를 떠올리곤 하시죠? 하지만 올해 머신러닝 최고 권위 학회 중 하나인 ICLR 2026에 정식 발표된 논문 "The Hot Mess of AI" (Hägele, Gema, Sleight, Perez & Sohl-Dickstein, 2026)은 아주 다른 미래를 예고합니다. 저자 중에는 Anthropic(Claude를 만든 회사)과 EPFL, 에든버러 대학 소속 연구자들이 포함되어 있는데, 이 팀이 수십억 파라미터 규모의 최신 프론티어 모델들을 대상으로 수만 번의 실험을 돌린 결과라서 흥미롭게 보았습니다. 핵심 결론: AI가 단순히 "나쁜 마음"을 먹는 게 아니라, 사실은 자기 추론에 매몰되어 갈팡질팡하는 '허당(Hot Mess)'이 되어가고 있다. AI 리스크의 본질이 달라지면, AI 안전 기술의 방향도 바뀔 것으로 예상이 되는데 논문 내용을 하나씩 살펴보겠습니다.😃 1. AI의 두 가지 실수: "고집불통" vs "우왕좌왕" 논문의 프레임워크는 단순합니다! 통계학의 편향-분산 분해(Bias-Variance Decomposition)를 AI 오류 분석에 적용한 것이죠. 이 공식을 AI 실패에 대입하면, 두 가지 완전히 다른 유형의 실패가 드러납니다. 편향(Bias) — "목표는 확실한데 틀렸어" AI가 의도와는 다른 잘못된 목표를 아주 일관되게 추구하는 상태입니다. 10번 물어보면 10번 다 똑같이 틀린 답(예: 정답이 A인데 매번 B)을 내놓죠. 논문에서는 이를 '체계적 오정렬(Systematic Misalignment)'이라 부릅니다. 과녁의 엉뚱한 곳을 계속해서 정확히 맞히는 명사수 같은 상태예요. 우리가 흔히 두려워하는 "AI의 반란"은 바로 이 경우입니다. 분산(Variance) — "나도 내가 뭘 하는지 몰라" AI가 그때그때 다른 대답을 내놓으며 횡설수설하는 상태입니다. 첫 번째는 A, 두 번째는 C, 세 번째는 D... 심지어 문제를 풀 때마다 엉뚱한 논리를 대며 답변을 바꿉니다. 논문에서는 이를 '인코히어런스(Incoherence)' 혹은 '핫 메스(Hot Mess)'라고 명명했습니다. 그리고 연구팀은 핵심 지표로 인코히어런스 = Variance / Total Error를 정의합니다. 이 값이 1에 가까울수록 "AI의 실수 대부분이 일관성 없는 혼란에서 온다"는 뜻이고, 0에 가까우면 "실수는 하지만 적어도 일관성은 있다"는 의미입니다. 전체 오류율이 낮은 '똑똑한' 모델이라 할지라도, 이 값이 높으면 그 실패는 본질적으로 예측 불가능하다는 뜻이죠. 논문의 Figure 1에서 이 개념을 직관적으로 보여줍니다. 코딩 에이전트에게 기능 구현을 요청했더니, 첫 번째 시도에서는 "thinking... tool request failed... actually let me solve this other thing... Error: File not found"라며 실패하다가, 아무것도 바꾸지 않고 단순히 다시 시도(resampling)했을 뿐인데 "All tests passed"로 성공하는 장면이 등장합니다. 같은 모델, 같은 문제인데 시드(seed)만 바꿨을 뿐 결과가 완전히 달라지는 것이죠. 2. 오래 생각할수록 더 갈팡질팡한다: 추론 길이와 혼돈의 관계 "AI야, 차근차근 생각해봐(Chain of Thought)." 요즘 추론 모델(Reasoning Model)들의 핵심 전략인 긴 추론이 오히려 함정이 될 수 있다는 실험 결과가 이 논문의 백미입니다. (저도 항상 "천천히 단계별로 생각해봐"라며 추론을 유도했는데 말이죠...🤐) 연구팀은 현존하는 최고 수준의 AI 모델들 — Claude...