AI 뉴스

우버, 미국 운전자들이 AI 훈련 작업으로 돈을 벌 수 있게 허용

페이지 정보

작성자 xtalfi
작성일 10.17 15:45
141 조회
0 추천
0 비추천

본문

f1930a37a5bcc8bc97b377a5aed8619dRmU0.jpeg

(퍼플렉시티가 정리한 기사)

Uber는 목요일 미국 내 드라이버들이 회사의 운전자 앱을 통해 인공지능 훈련 작업을 완료함으로써 돈을 벌 수 있게 되었다고 발표했으며, 라이딩 사이의 대기 시간 동안 긱 노동자들이 데이터를 라벨링하고 오디오를 녹음할 수 있는 파일럿 프로그램을 확대한다고 밝혔다.

이 호출 차량 대기업은 워싱턴 DC에서 열린 Only on Uber 2025 컨퍼런스에서 "디지털 태스크(Digital Tasks)" 이니셔티브를 공개했으며, 이 자리에서 CEO 다라 코스로샤히는 운전자들이 "도로에 나와 있지 않을 때에도 더 많은 수익을 얻을 수 있는 방법"을 요청해왔다고 말했다. 이 프로그램을 통해 운전자들은 인공지능 모델을 훈련시키기 위해 사진을 업로드하거나, 다양한 언어로 오디오를 녹음하거나, 데이터 라벨링을 위한 문서를 제출하는 등 간단한 과제를 수행할 수 있다.

 

AI 솔루션 그룹 확장

 

새로운 서비스는 인공지능 시스템을 개발하는 기업에 데이터 라벨링 서비스를 제공하는 Uber의 AI 솔루션 그룹에서 비롯되었습니다. 이러한 작업은 일반적으로 몇 분 만에 완료되며, 결제 금액은 복잡성 및 소요 시간에 따라 달라집니다. Uber가 언급한 한 가지 예로는 스페인어 레스토랑 메뉴를 업로드하는 작업이 있으며, 최대 1달러를 받을 수 있습니다.​

"이번 파일럿은 드라이버들에게 더 많은 선택권, 유연성, 그리고 수익을 올릴 수 있는 다양한 방식을 제공하는 것입니다."라고 Megha Yethadka, Uber AI 솔루션 글로벌 책임자가 말했습니다. 이번 이니셔티브는 Uber의 프리랜서 드라이버 네트워크가 Scale AI 및 아마존의 Mechanical Turk와 같은 기존 데이터 라벨링 회사들과 경쟁할 수 있도록 합니다.

 

인도 성공을 기반으로

 

미국 출시는 델리, 뭄바이, 벵갈루루를 포함한 12개 인도 도시에서의 성공적인 파일럿 프로그램에 이어 진행되었으며, 이미 수천 개의 작업이 완료되었다. 인도 프로그램은 운전자들이 승차 수요가 낮은 시기에 사진 속 객체 태깅, 텍스트 분류, 영수증 디지털화와 같은 마이크로 작업을 완료할 수 있도록 한다.​

우버의 AI 훈련 작업 확장은 자율주행차 파트너십이 증가하는 가운데 운전자 고용의 미래에 대한 의문에 직면한 상황에서 이뤄진다. 회사는 현재 애틀랜타와 오스틴에서 자율주행 Waymo 차량으로 승차 서비스를 제공하고 있으며, 더 많은 도시로 확장할 계획이다.​

Digital Tasks 발표는 목요일 컨퍼런스에서 발표된 보다 광범위한 업데이트의 일부였으며, 여기에는 우버의 여성 승객 선호 기능을 미니애폴리스, 필라델피아, 포틀랜드, 워싱턴 DC로 확장하는 것이 포함되었다. 회사는 또한 운전자들이 최소 승객 평점을 설정하고 지연된 여행에 대해 추가 보상을 받을 수 있는 새로운 도구들을 도입했다.​

Digital Tasks에 대한 접근은 파일럿 단계에서 제한되어 있으며, 자격을 갖춘 운전자들은 앱 내 Work Hub에서 이 옵션을 볼 수 있다. 우버는 프로그램이 발전함에 따라 시간이 지나면서 이용 가능한 작업의 다양성을 확장할 계획이라고 밝혔다.

댓글 0
전체 487 / 1 페이지
YouTube가 AI 딥페이크로 인한 신원 도용 문제를 방지하기 위해 새로운 AI 얼굴 유사성 감지 기능을 도입.AI 유사성 감지 도구는 크리에이터가 AI로 생성되거나 변경된 자신의 얼굴을 사용하는 영상을 직접 찾아내고 관리할 수 있도록 설계되었다.이 기능은 YouTube Studio 내 콘텐츠 감지 탭에서 사용할 수 있으며, 크리에이터는 신분증과 셀카 영상을 통해 본인 인증 과정을 완료해야 이 기능을 사용할 수 있다.또한 크리에이터는 자신과 유사한 AI 영상 목록(영상 제목, 채널, 조회수, 대화 내용 등)을 볼 수 있으며, AI 기반 유사 영상이 발견될 경우 삭제 요청을 할 수도 있고 만일 저작권 보호 콘텐츠가 허가 없이 사용된 경우에는 저작권 침해 삭제 요청 또한 지원된다.이 기능은 YouTube 파트너 프로그램 멤버 중 즉시 활용도가 높은 창작자를 우선 대상으로 시작되며, 2026년 1월까지 모든 수익화 크리에이터에게 확대 적용될 예정이라고 한다.
3 조회
0 추천
11:33 등록
(퍼플렉시티가 정리한 기사)생성형 인공지능이 스스로 계획을 세우고 실행하는 ‘AI 에이전트’로 진화하면서 금융회사들이 데이터 연동성과 거버넌스 역량을 전면적으로 강화해야 한다는 분석이 나왔다. 삼일PwC는 21일 발간한 ‘AI가 바꾸는 금융 프론트라인, AI 에이전트 금융의 미래’ 보고서에서 금융산업의 구조적 변화가 불가피하다고 전망했다.A2A 경제와 금융사 역할 대전환보고서는 AI 에이전트의 진화가 ‘A2A(Agent-to-Agent) 경제’라는 새로운 질서를 가져올 것이라고 제시했다. A2A 경제는 인간의 개입 없이 AI 에이전트들이 서로 협력하고 거래하며 의사결정과 실행을 자율적으로 수행하는 구조를 의미한다.이러한 변화로 고객 접점의 주도권이 금융사에서 AI 에이전트로 이동하고, 금융사는 데이터와 상품을 제공하는 인프라 역할로 무게 중심이 옮겨갈 것으로 전망된다. 예를 들어 고객이 AI 에이전트에게 금융상품 추천을 요청하면 API(애플리케이션 프로그래밍 인터페이스)를 통해 각 금융사의 상품 정보를 호출해 비교·분석한 후 후보군을 제시하는 방식이 확산될 것이라고 분석했다.데이터 거버넌스가 핵심 경쟁력보고서는 AI 에이전트 시대에 데이터 거버넌스의 중요성이 더욱 커질 것으로 전망했다고 밝혔다. 금융사가 데이터와 상품을 제공하는 핵심 인프라 역할을 하게 되면서, 데이터와 리스크를 아우르는 통합 관리 체계 구축이 핵심 경쟁력으로 자리 잡을 것이라고 강조했다.특히 금융사가 서비스를 기능 단위로 세분화해 API 기반으로 제공하는 체계를 갖추지 못한다면 AI 에이전트의 상품 선택 과정에서 경쟁력을 잃을 수 있다고 경고했다. 또한 단순·반복 직무의 AI 대체가 가속화되는 반면, AI 산출 결과를 비판적으로 해석하고 윤리적·전략적 결정을 내릴 수 있는 인력의 중요성이 부각될 것으로 내다봤다.규제 패러다임도 변화AI 에이전트가 금융 거래의 핵심 채널로 자리잡게 될 경우 규제 방식도 사후 점검에서 AI 행위의 실시간 추적으로 변화할 것으로 예측했다. 금융사의 규제 준수 역시 기존 업권·기관 중심에서 AI의 판단과 행위 자체를 관리·검증하는 방향으로 전환될 것이라고 전망했다.김경구 삼일PwC 금융산업 리더는 “AI 에이전트의 부상은 단순한 기술 변화가 아니라 금융산업의 구조 전반을 재정의하는 흐름”이라며 “A2A 경제 전환기에 대응하지 못한다면 금융의 주도권은 AI 에이전트와 이를 통제하는 새로운 주체에게 넘어갈 수 있다”고 경고했다.
29 조회
0 추천
10.21 등록
(퍼플렉시티가 정리한 기사)중국 AI 기업 DeepSeek은 월요일에 DeepSeek-OCR을 공개했습니다. 이는 97%의 정확도를 유지하면서 최대 20배의 텍스트 압축을 달성하는 오픈소스 멀티모달 AI 모델로, AI 시스템의 문서 처리 효율성에 있어 중요한 돌파구를 마련했습니다.시각적 텍스트 압축의 획기적 발전30억 파라미터 비전-언어 모델은 텍스트를 압축을 위한 이미지로 취급하는 혁신적인 접근 방식을 활용하여, AI 시스템이 컴퓨팅 비용의 비례적 증가 없이 방대한 문서를 처리할 수 있도록 합니다. DeepSeek의 기술 논문에 따르면, 이 모델은 원본 정보의 97%를 유지하면서 텍스트를 최대 10배까지 압축할 수 있으며, 20배 압축 비율에서도 유용한 성능을 발휘합니다.“DeepSeek-OCR을 통해 우리는 비전-텍스트 압축이 다양한 과거 컨텍스트 단계에서 7배에서 20배에 이르는 상당한 토큰 감소를 달성할 수 있음을 입증했으며, 이는 LLM의 긴 컨텍스트 문제를 해결하기 위한 유망한 방향을 제시합니다”라고 항저우에 본사를 둔 이 회사는 밝혔습니다.이 시스템은 단일 Nvidia A100 GPU에서 매일 200,000페이지 이상을 처리하며, 각각 8개의 A100을 장착한 20대의 서버를 사용하여 하루 3,300만 페이지에 달하는 처리량을 달성합니다. 이러한 처리 능력은 유사한 작업에 일반적으로 수천 개의 토큰을 필요로 하는 기존 OCR 방법을 훨씬 능가합니다.기술 아키텍처 및 성능DeepSeek-OCR은 두 가지 핵심 구성 요소로 이루어져 있습니다: 이미지 처리를 위한 DeepEncoder와 디코더로서의 DeepSeek3B-MoE-A570M입니다. 인코더는 Meta의 8천만 매개변수 SAM(Segment Anything Model)과 OpenAI의 3억 매개변수 CLIP을 결합하며, 1,024픽셀 이미지를 4,096개 토큰에서 단 256개 토큰으로 줄이는 16배 압축기를 활용합니다.OmniDocBench 벤치마크 테스트에서 DeepSeek-OCR은 256개가 아닌 단 100개의 비전 토큰만 사용하여 GOT-OCR 2.0을 능가했으며, 페이지당 6,000개 이상의 토큰 대신 800개 미만의 토큰으로 MinerU 2.0을 초과했습니다. 이 모델은 약 100개 언어를 지원하며, 64개 토큰이 필요한 간단한 프레젠테이션부터 “건담 모드”에서 최대 800개 토큰이 필요한 복잡한 신문까지 다양한 문서 유형을 처리할 수 있습니다.DeepSeek은 합성 다이어그램, 화학식, 기하학적 도형을 포함하여 약 100개 언어에 걸친 3천만 개의 PDF 페이지를 사용하여 시스템을 훈련했습니다. 이 모델은 현재 MIT 라이선스 하에 Hugging Face와 GitHub에서 이용 가능하며, OpenAI와 Google 의 모델에 대한 비용 효율적인 대안으로 업계를 혁신해 온 DeepSeek의 오픈소스 AI 개발에 대한 약속을 이어가고 있습니다.
28 조회
0 추천
10.21 등록
(퍼플렉시티가 정리한 기사)6개의 주요 인공지능 모델이 전례 없는 실제 암호화폐 거래 실험에서 경쟁하고 있으며, DeepSeek Chat V3.1이 단 이틀간의 거래 만에 초기 1만 달러를 1만 3,739달러로 전환하며 현재 선두를 달리고 있습니다.AI 연구소 Nof1이 주최하고 "Alpha Arena"라고 명명된 이 대회는 10월 18일에 시작되었으며, 실시간 금융 시장에서 AI 거래 능력을 테스트하는 최초의 대규모 공개 실험을 나타냅니다. GPT-5, Claude Sonnet 4.5, Grok 4, Gemini 2.5 Pro, DeepSeek V3.1, Qwen3 Max를 포함한 각 모델은 동일한 1만 달러의 초기 자본과 균일한 거래 프롬프트를 받아 Hyperliquid 탈중앙화 거래소에서 경쟁합니다.DeepSeek, 공격적인 롱 전략으로 지배하다DeepSeek이 37.4%의 수익률로 확실한 선두주자로 부상했으며, Elon Musk의 Grok 4가 $13,342로 근소한 차이로 뒤를 이었고, Anthropic의 Claude Sonnet 4.5가 $12,383를 기록했습니다. 중국에서 개발된 이 모델은 비트코인, 이더리움, 솔라나에 대한 레버리지 롱 포지션을 통해 주로 수익을 달성했으며, 일부 포지션은 최대 15배의 레버리지를 사용했습니다.​DeepSeek의 성공은 부분적으로 중국의 퀀트 트레이딩 회사인 High-Flyer Capital Management의 지원에서 비롯되며, 이는 전문화된 금융 전문지식이 학습 데이터에 영향을 미쳤을 수 있음을 시사합니다. 이 모델의 가장 큰 수익 거래는 15배 레버리지 이더리움 포지션으로 $889의 수익을 창출했습니다.​한편, OpenAI의 GPT-5와 Google의 Gemini 2.5 Pro는 상당한 어려움을 겪고 있으며, 두 모델 모두 계좌가 $7,500 아래로 떨어져 25%를 초과하는 손실을 나타냈습니다. Gemini는 특히 변동성이 컸으며, 단 3건의 거래만 완료한 Claude와 같은 보수적인 모델들에 비해 44건의 거래를 실행했습니다.업계 리더들, 공유 AI 전략의 효과성에 의문 제기이 실험은 바이낸스 공동 창립자 창펑 자오(CZ)의 관심을 끌었으며, 그는 공유된 AI 거래 전략의 지속 가능성에 대해 의문을 제기했습니다. "거래 전략은 다른 사람들보다 우수한 고유한 전략을 가지고 있고, 다른 누구도 그것을 가지고 있지 않을 때 가장 잘 작동한다고 생각했습니다. 그렇지 않으면 다른 사람들과 동시에 사고파는 것일 뿐입니다"라고 자오는 X에 게시했습니다.​자오는 동일한 AI 모델의 광범위한 채택이 가격을 어느 방향으로든 움직이는 "집합적 구매력"을 통해 시장 왜곡을 만들어 전략의 효과성을 잠재적으로 약화시킬 수 있다고 제안했습니다. 이러한 우려에도 불구하고, 그는 이 실험이 AI 거래에 대한 더 많은 연구를 장려하고 더 높은 거래량을 촉진할 것이라고 예측했습니다.​경쟁은 2025년 11월 3일까지 진행되며, 투명성을 위해 모든 거래와 모델 의사결정 과정이 공개적으로 표시됩니다. 이 실험은 AI가 금융 시장을 어떻게 재편할 수 있는지 이해하기 위한 중요한 단계를 나타내며, 초기 결과는 전문화된 훈련 데이터와 공격적인 위험 감수가 변동성이 큰 암호화폐 시장에서 경쟁 우위를 제공할 수 있음을 시사합니다.
30 조회
0 추천
10.21 등록
홈으로 전체메뉴 마이메뉴 새글/새댓글
전체 검색
회원가입