Loading...

AI 뉴스

저커버그, "AI 경쟁에서 지느니 억 단위 돈을 잘못 쓰는 게 낫다"

페이지 정보

작성자 xtalfi
작성일 2025.09.20 15:03
986 조회
0 추천
0 비추천

본문

7b790e8f8cdd5aa35820497a65e46945KZt2.jpeg

(퍼플렉시티가 정리한 기사)

메타 CEO 마크 저커버그는 인공 초지능 경쟁에서 뒤처지느니 "수백억 달러를 잘못 써버리는 편이 낫다"고 선언하며, AI 버블이 "충분히 있을 수 있다"는 점을 인정하면서도 더 큰 위험은 공격적으로 나서지 않는 데 있다고 강조했다. 저커버그는 목요일에 공개된 액세스 팟캐스트에서 회사가 2028년까지 미국 데이터 센터와 인프라에 최소 6,000억 달러를 투자하기로 한 결정을 옹호하며, 이러한 대규모 지출을 역사상 가장 혁신적인 기술을 놓칠 위험에 대비하기 위한 필수 보험으로 설명했다.

 

인공지능 지배를 위한 10억 달러 규모의 도박

 

그가 기술 팟캐스트에 출연했을 때, 주커버그는 잠재적인 AI 인프라 과잉 구축과 철도 붐, 닷컴 붕괴와 같은 역사적 거품 사이의 유사점을 언급했다. "과거 인프라 구축과 그로 인한 거품을 보면, 여기서도 그런 일이 분명히 일어날 가능성이 있다고 생각합니다,"라고 그는 말했다. 그러나 메타의 수장은 슈퍼인텔리전스의 순간을 놓치는 것이 치명적일 것이라고 주장했다.

"만약 구축 속도가 너무 느리면, 슈퍼인텔리전스가 3년 안에 가능해지는데 5년 뒤에나 실현될 것으로 예상하고 구축했다면, 역사상 가장 많은 신제품과 혁신, 가치 창출을 이끄는 가장 중요한 기술에 잘못된 위치에 있게 되는 것입니다,"라고 주커버그는 설명했다.

이번 달 초 트럼프 대통령과 다른 기술 업계 경영진들과의 백악관 저녁 만찬에서 발표된 메타의 6,000억 달러 투자 약정은 2028년까지 메타의 미국 내 모든 데이터 센터 구축과 지원 비즈니스 운영을 포괄한다. 메타의 CFO 수전 리는 이 수치가 인프라와 인력을 포함한 회사의 국내 투자 계획의 "총 한도"를 의미한다고 명확히 했다.

 

초지능 연구실 구조

 

저커버그는 최근 설립된 슈퍼인텔리전스 연구소를 통해 인공 일반 지능(AGI)을 달성하기 위한 메타의 접근 방식에 대한 새로운 세부 정보를 공개했다. 이 엘리트 팀은 약 50~100명의 연구원으로 구성되어 있으며, 저커버그가 "매우 평평한" 조직 구조라고 설명한, 상명하달식 마감 기한이 없는 방식으로 운영된다.

"이건 연구예요 — 얼마나 걸릴지 알 수 없습니다,"라고 저커버그는 말하며 이 벤처를 "집단 과학 프로젝트"에 비유했다. 이 연구소는 수백만 달러에 달하는 보상 패키지를 통해 OpenAI, 구글 DeepMind, Anthropic 출신 연구원들을 스카우트하며 최고의 인재를 모았다.

메타의 공격적인 인재 확보 전략에는 Scale AI의 지분 약 50%를 인수하는 143억 달러 규모의 거래도 포함되어 있었으며, 이로 인해 CEO 알렉산더 왕이 슈퍼인텔리전스 프로젝트를 이끌게 됐다. 메타는 지난달 AI 부문의 채용을 일시적으로 동결했으며, 계약금이 1억 달러에 달하는 사례도 있었던 것으로 알려졌다.

 

업계 전반의 거품 우려

 

저커버그의 발언은 인공지능(AI) 투자 거품에 대한 우려가 커지고 있는 것과 맥을 같이 한다. MIT가 8월에 발표한 연구에 따르면, AI 분야에 400억 달러 이상이 투자되었음에도 불구하고 AI 파일럿 프로그램의 95%가 기대한 수익을 내지 못하고 있다. 오픈AI(OpenAI) CEO 샘 알트먼(Sam Altman)도 AI 스타트업을 둘러싼 과대평가와 "비이성적 열광"에 대해 경고한 바 있다.

제롬 파월(Jerome Powell) 연방준비제도(Federal Reserve) 의장은 AI 역량 구축 분야에서 "유난히 큰 규모의 경제 활동"이 이루어지고 있다고 언급했다. 2025년 한 해에만 미국 주요 테크 기업들이 AI 개발에 1,550억 달러 이상을 지출할 것으로 예상되며, 현재 AI 시장의 가치는 Statista에 따르면 약 2,442억 달러에 달한다.

저커버그는 막대한 컴퓨팅 비용을 계속 모금해야 하는 민간 AI 연구소 대비, 메타(Meta)가 더 유리한 입장에 있다고 밝혔다. 그는 "우리는 사업이 망할 위험이 없다"고 말하며, 경쟁사들이 경기 침체 상황에서 자금을 조달하지 못하면 존립 자체가 위태로워지는 데 반해, 자신의 회사는 안정적인 광고 수익을 올리고 있다는 점을 강조했다.

댓글 0
전체 834 / 155 페이지
손목밴드에서 조정을 하는 것 같고 전작과 많이 달라졌습니다.AI 기능으로 번역도 가능하네요..https://www.meta.com/kr/ai-glasses/meta-ray-ban-display/
1017 조회
0 추천
2025.09.18 등록
조금 전 메타가 AI 기능이 있는 안경을 비롯하여 중요한 키노트를 진행하였습니다.CNET이 준비한 키노트 요약입니다.RAYBAN 과 새로 제작한 안경이 큰 화제입니다.
1099 조회
0 추천
2025.09.18 등록
마이크로소프트가 코파일럿 메모장과 그림판 연동기능을 제공하기 시작했으며이 기능은 오피스365를 사용하지 않아도 코파일럿을 이욯하면 이용할 수 있다.예를 들어 메모장은 다음과 같은 기능을 갖게 된다.-요약: 긴 텍스트를 간략하게 요점만 추려내고, 문서의 핵심을 빠르게 파악할 수 있습니다.- 쓰기: 프롬프트나 선택한 텍스트를 활용해 새로운 문장을 AI로 쉽고 빠르게 작성합니다.- 다시 쓰기: 선택한 내용을 AI가 어투, 길이, 명확성 등 다양한 스타일로 변환해 줍니다.또한 그림판은 다음과 같은 기능을 추가하게 된다.- 프로젝트 파일 저장 기능: 그림판에서 작업을 .paint 파일로 저장해 언제든 이어서 편집이 가능.- 불투명도(Opacity) 슬라이더: 연필 및 브러시 도구의 투명도를 원하는 대로 조절해 더 섬세한 혼합이나 레이어링 효과 주기.- 크기 및 불투명도 슬라이더 병행 사용: 두 슬라이더를 활용해 부드럽게 배합하고 다양한 질감의 그림 그리기.
1054 조회
0 추천
2025.09.18 등록
(퍼플렉시티가 정리한 기사)중국 AI 스타트업 DeepSeek은 획기적인 R1 모델 훈련 방식에 관한 새로운 세부 정보를 세계적인 권위지 네이처(Nature)의 동료검토 논문을 통해 발표했습니다. 이 논문에서는 기존 경쟁 모델 대비 극히 적은 비용으로 순수 강화학습만을 사용해 첨단 추론 능력을 달성한 방법을 공개했습니다.항저우에 본사를 둔 이 회사는 자사의 R1 추론 모델 훈련 비용이 단 29만 4천 달러에 불과하며, 기반 베이스 모델의 개발 비용은 약 600만 달러였음을 처음으로 공개했습니다. 총 630만 달러가 소요된 것으로, 이는 미국의 기술 기업들이 개발한 경쟁 모델이 수천만 달러에 달하는 것과는 극명한 대조를 이룹니다.순수 강화학습의 획기적인 발전DeepSeek의 주요 혁신은 연구자들이 “순수 강화 학습(pure reinforcement learning)“이라고 부르는 방식을 사용해 R1을 개발한 점에 있으며, 이는 인간이 만든 예시에 의존하는 기존의 감독 학습(supervised learning) 방식과는 다른 접근법입니다. 이 과정에서 모델은 인간이 선택한 추론 방식에 따르도록 학습시키는 대신, 올바른 답변에 도달할 때 보상을 받도록 설계되었습니다.네이처(Nature) 논문에 따르면, DeepSeek의 접근법은 모델이 인간이 제시한 전략을 따르지 않고도 자체적인 추론 전략을 개발하고 자신의 작업을 검증할 수 있는 능력을 갖추게 해주었습니다. 회사는 자체 시도에 대해 별도의 알고리즘을 사용하지 않고 추정치를 활용해 점수를 매길 수 있게 해주는 Group Relative Policy Optimization(GRPO)이라는 기법을 활용했습니다.“이 모델은 AI 연구자들 사이에서 매우 영향력이 컸습니다,“라고 오하이오 주립대(Ohio State University) 콜럼버스 소재 AI 연구원인 Huan Sun은 말했습니다. “2025년 현재까지 LLM에서 강화 학습을 수행하는 거의 모든 연구가 어떻게든 R1로부터 영감을 받았을지도 모릅니다”.5단계 훈련 과정완전한 R1 학습 과정은 감독 학습(fine-tuning)과 강화 학습을 번갈아가며 진행하는 여러 단계로 구성되었습니다. 이 과정은 딥시크(DeepSeek)의 V3-Base 모델을 수천 개의 ‘콜드 스타트’ 데이터 포인트로 파인튜닝하는 것으로 시작했고, 이후 순수 강화 학습을 통해 추론 능력을 향상시켰습니다.수렴에 가까워지면 시스템은 리젝션 샘플링(rejection sampling) 방식을 사용했습니다. 여기서 모델은 강화 학습 실행에서 성공적인 예시 중 최상의 예시를 선택해 자체 합성 훈련 데이터를 생성했습니다. 이 합성 데이터는 이후 글쓰기나 사실 기반 질문응답 등 다양한 영역에서 DeepSeek-V3-Base의 감독 학습 데이터와 통합되었습니다.동료 평가 중인 최초의 주요 LLMR1은 엄격한 동료 평가 과정을 거친 최초의 대형 언어 모델을 의미합니다. Nature 논문을 심사한 허깅페이스의 머신러닝 엔지니어 루이스 턴스톨은 이를 “매우 환영할 만한 선례”라고 평가하며, 훈련 과정이 공개되지 않으면 AI 시스템이 위험을 초래하는지 평가하기 어렵다고 언급했습니다.이 동료 평가 과정에서 DeepSeek는 훈련에 사용된 데이터 유형과 안전 조치를 포함한 기술적 세부 사항에 대한 설명을 추가하게 되었습니다. 이 모델은 오픈소스 특성을 유지하면서도 OpenAI의 o1 모델에 필적하는 추론 벤치마크 성능을 달성하였습니다.성능 및 접근성Hugging Face에서 1월에 출시된 이후, R1은 복잡한 문제 해결을 위한 플랫폼에서 가장 많이 다운로드된 모델이 되었으며, 다운로드 수는 1,090만 회를 넘어섰습니다. 이 모델은 AIME 2024 수학 벤치마크에서 pass@1 점수 79.8%를 기록하여 OpenAI o1의 79.2%를 소폭 앞섰습니다.DeepSeek의 혁신은 AI 개발 비용 및 성능 향상을 위해 모델 크기와 연산 능력을 늘려야 한다는 확장 법칙에 대한 기존의 통념에 도전장을 내밀었습니다. 회사는 비교적 덜 강력한 H800 칩을 사용해 성공을 거두었으며, 이 칩은 2023년 미국의 수출 통제로 중국 내 판매가 금지된 바 있습니다. 이러한 성과는 향후 AI 개발 방향에 대한 논의를 촉진하고 있습니다.
1022 조회
0 추천
2025.09.18 등록
홈으로 전체메뉴 마이메뉴 새글/새댓글
전체 검색
회원가입