안녕하세요. 슈크림빵입니다!
이번엔 스탠퍼드 대학이 매년 발간하는 Emerging Technology Review는 10개 핵심 기술 분야의 현황과 정책적 함의를 정리한 리포트입니다.
관심 있는 챕터만 뽑아서 시리즈로 제작해보고 싶어서 번호를 붙여보았습니다.
첫번째 챕터는 역시나 AI입니다!
SETR 2026의 첫 번째 챕터도 AI입니다.
1955년 스탠퍼드의 John McCarthy가 만든 용어답게, 스탠퍼드는 AI를 "지능적인 기계를 만드는 과학이자 공학"으로 정의하면서 시작합니다.
리포트의 핵심 메시지는 세 가지로 압축됩니다.
① AI는 전기·인터넷에 비견되는 기반 기술이며 다른 과학 분야를 가속화하고 있다.
② 가장 앞선 모델도 여전히 예측 불가능한 실패 모드와 사이버 취약점을 갖고 있다.
③ 글로벌 규범 경쟁이 진행 중이며, 컴퓨트 인프라와 국제 거버넌스가 지정학적 영향력의 핵심 레버다.
피규어 같은 경우는 클로드의 도움을 받아 한글로 번역하여 재제작하였습니다! 그럼 AI에 대한 글 리뷰를 시작해보겠습니다~!
AI 시장의 규모감
리포트가 제시하는 숫자들로 현재 AI 시장의 스케일을 잡아보겠습니다.
Goldman Sachs는 생성형 AI가 광범위하게 도입될 경우, 10년간 글로벌 GDP를 $7조 끌어올리고 생산성 성장률을 1.5%p 높일 수 있다고 추정합니다.
2022년 말 이후 AI 대화를 지배하고 있는 파운데이션 모델은, 방대한 데이터로 학습해 다양한 태스크에 활용되는 대규모 시스템입니다. 수십억~수조 개의 파라미터를 가지며, 전이 학습(transfer learning)에 뛰어나 태스크별로 별도 모델을 처음부터 학습할 필요를 줄여줍니다.
SETR은 주요 모델을 세 가지로 분류합니다.
텍스트(LLM) 외에 이미지(DALL-E 3, Stable Diffusion, Imagen), 오디오(UniAudio), 비디오(Sora, Emu Video) 등 모달리티별 특화 모델도 빠르게 발전하고 있습니다.
FIGURE 1.1
멀티모달 AI 시스템은 하나의 입력 유형을 다른 유형의 출력으로 변환할 수 있다
단일 모달 AI는 하나의 입력 유형(예: 텍스트)을 같은 유형으로 출력한다. 멀티모달 AI는 텍스트·이미지·사운드·비디오를 통합 처리해, 인간이 여러 감각을 활용하는 방식에 가깝게 작동한다. 접근성(실시간 자막, 수어 번역), 교육(맞춤형 학습), 의료(VR/AR 훈련 환경) 등에 활용 가능하다.
GPT-4 학습에 들어간 자원
SETR은 AI의 자원 집약성을 GPT-4를 예로 들어 구체적으로 보여줍니다.
추론(inference) 단계에서도 ChatGPT 쿼리 한 건당 약 2Wh를 소비합니다. 구글 검색(0.3Wh)의 약 7배이며, AAA 건전지 하나와 비슷한 에너지입니다.
하루 수억 건의 쿼리를 감안하면, 운영 에너지 비용만 수만 달러/일에 달합니다. 최근 추론 모델(reasoning models)의 등장으로 이 비용은 더 올랐습니다.
AI의 한계와 리스크 - 6가지
SETR은 현재 AI 시스템의 핵심 리스크를 다음과 같이 정리합니다.
여기에 과신(overtrust) 문제도 추가됩니다. AI 코딩 어시스턴트를 사용한 개발자들이 더 취약한 코드를 작성했으면서도, 본인은 더 안전하다고 믿었다는 연구 결과가 있습니다.
Over the Horizon
AI 에이전트 - 기대와 현실
OpenAI는 ChatGPT를 이메일 작성, 의료 조언, 재무 관리를 처리하는 "
