AI가 대신 써주는 시대, 글쓰기의 가치는 어디에 있을까

안녕하세요, 슈크림빵입니다! 저는 제가 대학교를 졸업할 때까지, AI가 보편화되지 않아서 정말 다행이라 생각하는데요. 요즘 교육이 앞으로 어떻게 될 것인지, 이제 학교 공부는 선택 사항이 될 것인지에 대한 관심이 많이 높다고 생각합니다. 이 내용을 다룬 기사 내용을 빌려 정리해보았습니다! 한 대학생이 글쓰기 센터에 에세이 도움을 받으러 갔는데, 튜터가 과제 내용을 AI에 붙여넣더니 나온 결과물을 건네주고 세션을 끝냈대요. 그 학생이 남긴 말이 인상적이었어요. "내가 왜 여기 있는 거지?" Lila Shroff 기자가 쓴 이 기사는, AI가 학교 과제를 완전히 자동화하는 현실을 정면으로 다루고 있습니다. 가장 눈길을 끈 건 "Einstein"이라는 봇이에요. 학생이 Canvas(학습관리 플랫폼) 계정 정보만 넘기면, 이 봇이 알아서 새 과제를 확인하고, 강의를 듣고, 레포트를 쓰고, 토론 게시판에 참여하고, 퀴즈를 풀고, 기한 내에 ...

안녕하세요, 슈크림빵입니다.🍩 오늘도 날씨가 맑네요. 저는 새벽 5시에 일어나서 사부작 거리다가 결국 오전에 기절해서 낮잠 2시간을 자고 난 후 개운하게 일어났습니다 ㅎㅎ 백수는 자유로운 영혼이죠 오늘은 "The Strange Origin of AI’s ‘Reasoning’ Abilities"라는 기사를 읽고 내용을 다뤄보겠습니다! AI가 '생각한다'는 말, 어디서 시작됐을까 요즘 AI 뉴스를 보면 "추론 모델", "사고하는 AI" 같은 표현이 자연스럽게 등장해요. OpenAI는 자사 모델이 "답하기 전에 생각한다"고 했고, Google도 "사고를 보여줄 수 있다"고 광고했죠. 이런 말을 듣다 보면 AI가 정말 무언가를 곰곰이 생각하는 것 같은 느낌이 드는데요. The Atlantic에 실린 Alex Reisner의 최근 기사가 이 "생각하는 AI"의 기원을 추적하는데, 그 출발점이 좀 의외예요. 2020년 여름, 4chan의 게이머들이 AI Dungeon이라는 텍스트 RPG를 가지고 놀고 있었어요. 이 게임은 OpenAI의 GPT-3로 구동됐는데, ChatGPT 출시보다 2년도 더 전이라 모델이 간단한 산수조차 자주 틀리던 시절이었거든요. 그런데 게이머들이 게임 속 캐릭터에게 수학 문제를 "단계별로 설명하면서" 풀어보라고 시키자, 갑자기 정답률이 올라간 거예요. 심지어 ...

안녕하세요, 슈크림빵입니다. 클로드가 아프다니🥹 제 마음도 같이 아프네요. 어젯밤 클로드가 장애가 발생하면서 불안정해졌다는데요. 저는 요즘 개발을 안 하니 제 클로드는 쿨쿨따리였답니다. 아무튼, 요즘 개발자 커뮤니티에서 "Claude 품질이 떨어졌다"는 이야기가 심심치 않게 들려오고 있는데요. 사실은 민원 접수처럼 밀려오는 수준이죠. IT 매체 The Register가 이 흐름을 정리한 기사를 냈길래, 주요 내용을 공유해 봅니다. 장애부터 시작된 이야기 4월 13일, Claude.ai와 Claude Code에서 약 48분간 주요 장애가 발생했습니다. 에러율이 급등하면서 서비스 이용이 불안정했는데요. 사실 이 장애 자체보다 더 주목할 만한 건, 최근 몇 달간 쌓여온 품질 불만의 흐름입니다. 소셜미디어와 GitHub에 올라온 이슈들을 보면, "Claude가 예전 같지 않다"는 목소리가 꾸준히 늘어나고 있거든요. Anthropic이 피크 시간대 사용량을 조절하기 위해 용량 관리에 나서면서, 체감 품질이 떨어졌다는 의견도 있습니다. ...

안녕하세요! 슈크림빵입니다. 좋은 아침이네요 😊 2024년 10월, 투자자이자 미중 테크 분석가인 Kevin Xu가 흥미로운 글을 하나 썼습니다. 제목은 "The US-China AI Gap Widens in 2026." 미중 AI 격차가 좁혀지고 있다는 통념에 정면으로 반박하는 글이었는데, 지금 시점에서 읽어보니 꽤 의미 있는 지점들이 있어서 정리해봅니다. 칩 전쟁은 끝났다, 이제는 클라우드 전쟁이다 Blackwell이 바꾸는 게임의 규칙 AI 경쟁에서 미국과 중국의 격차를 이야기할 때, 보통 "6개월 차이", "1년 차이" 같은 표현이 많이 쓰입니다. 중국 기업들이 제한된 칩으로도 놀라운 최적화를 보여줬기 때문에, 수출 규제가 별로 안 먹히는 거 아니냐는 시각도 있었죠. Kevin Xu는 이 흐름이 2026년부터 달라진다고 봤습니다. 근거는 Nvidia의 차세대 시스템 Blackwell입니다. 여기서 중요한 건 Blackwell이 단순한 칩이 아니라는 점입니다. GPU 72개와 CPU 36개가 하나의 랙으로 통합된 거대한 시스템이고, 이전 세대 대비 학습 성능 4배, 추론 성능 30배 수준입니다. Jensen Huang이 계속 말해왔던 "데이터센터가 컴퓨팅의 새로운 단위"라는 비전이 물리적으로 실현되는 셈이죠. 이게 2025년부터 미국 빅테크 데이터센터에 대량으로 깔리기 ...

안녕하세요, 슈크림빵입니다,. 벚꽃이 지면서 완연한 봄이 온 것 같아요. 바람도 그렇게 차갑지 않고, 낮 기온은 올라가고 벌써 옷차림이 가벼워진 사람들이 많이 보입니다. 저는 추위를 많이 타서 아직도 경량 패딩을 입고 있어요🤣 오늘은 AI에 관련된 글을 읽고 정리해서 가져와보았답니다! 요즘 AI 업계에서 가장 핫한 키워드 중 하나가 Recursive Self-Improvement(재귀적 자기 개선, RSI)입니다. AI가 스스로를 개선하고, 그 개선된 AI가 다시 자신을 개선하고… 이걸 반복하면 어느 순간 폭발적으로 똑똑해지는 거 아니냐는 이야기죠. 소위 "하드 테이크오프"라 불리는 시나리오입니다. 최근 읽은 글 하나가 이 주제를 꽤 현실적인 시각으로 정리하고 있어서, AI 엔지니어 입장에서 리뷰해보려 합니다. 모델은 빨라진다. 근데 그게 전부가 아니다. 일단 팩트부터 짚겠습니다. AI로 AI를 만드는 건 이미 일어나고 있습니다. 데이터 필터링, 코드 작성, 실험 세팅까지 모델 개발 파이프라인의 상당 부분에 AI가 들어가 있죠. 덕분에 모델 성능 향상 속도가 빨라지는 건 맞습니다. 그런데 저자는 여기서 몇 가지 중요한 제약을 짚습니다. 첫째, 돈 문제. 프론티어 모델 한 번 학습시키는 데 들어가는 비용이 어마어마합니다. Anthropic의 Dario Amodei 말을 인용하면, 컴퓨트 수요가 매년 10배씩 늘어난다고 해도 2027년에 1조 달러어치 컴퓨트를 살 수는 없다는 거죠. 자동화를 아무리 해도 결국 이 비용은 어딘가에서 정당화돼야 합니다. 둘째, 나머지 5%의 함정. 엔지니어라면 공감할 텐데요. 프로세스의 95%를 자동화해도 나머지 5%가 전체 속도를 결정하는 경우가 정말 많습니다. 그 5%가 뭐냐면, 의사결정, 방향성 판단, 조직 내 합의 같은 "인간 시간"이 필요한 영역입니다. 코드는 AI가 짜줘도 "이걸 왜 만드는가"는 사람이 정해야 하니까요. 셋째, 수확 체감. 현재 패러다임 안에서 RL이나 합성 데이터로 성능을 쥐어짜는 건 잘 되고 있지만, 완전히 새로운 패러다임을 만들어내는 건 다른 차원의 ...