<div id="readability-page-1" class="page"><div>
 <div id="SE-2f20e46f-eab4-4358-bacb-5d8a0fb7a9f4">
  본 글은 "안드레 카파시"의 엣세이입니다 원문 출처: <a href="https://x.com/karpathy/status/1909308143156240538?fbclid=IwZXh0bgNhZW0CMTAAAR6SgM67iu-kL6xbazbHhZ8yB395tzKSAl_1xds7K3bghqGLIkBrrjtuzL_aaQ_aem_4-bcIZbj6iDy6at2XGkbhw" data-linktype="text" data-linkdata="{&quot;id&quot;: &quot;SE-2ef7682f-12ad-4a30-b3ef-641cd34f6198&quot;, &quot;link&quot;: &quot;https://x.com/karpathy/status/1909308143156240538?fbclid=IwZXh0bgNhZW0CMTAAAR6SgM67iu-kL6xbazbHhZ8yB395tzKSAl_1xds7K3bghqGLIkBrrjtuzL_aaQ_aem_4-bcIZbj6iDy6at2XGkbhw&quot;}" target="_blank">https://x.com/karpathy/status/1909308143156240538</a> 지금 시점에 너무 중요한 인사이트를 담고 있어서 번역본을 공유합니다.​그는 <a href="https://namu.wiki/w/%EC%BA%90%EB%82%98%EB%8B%A4" data-linktype="text" data-linkdata="{&quot;id&quot;: &quot;SE-225ac99c-f834-4c45-a514-7417b0412c4d&quot;, &quot;link&quot;: &quot;https://namu.wiki/w/%EC%BA%90%EB%82%98%EB%8B%A4&quot;}" target="_blank">캐나다</a>의 컴퓨터 과학자이며 <a href="https://namu.wiki/w/%EC%9E%90%EC%9C%A8%EC%A3%BC%ED%96%89%20%EC%9E%90%EB%8F%99%EC%B0%A8" data-linktype="text" data-linkdata="{&quot;id&quot;: &quot;SE-712c86be-2ac0-4397-aa6a-3aa28f25de92&quot;, &quot;link&quot;: &quot;https://namu.wiki/w/%EC%9E%90%EC%9C%A8%EC%A3%BC%ED%96%89%20%EC%9E%90%EB%8F%99%EC%B0%A8&quot;}" target="_blank">자율주행 자동차</a> 분야에 있어서 <a href="https://namu.wiki/w/%ED%85%8C%EC%8A%AC%EB%9D%BC%20%EC%98%A4%ED%86%A0%ED%8C%8C%EC%9D%BC%EB%9F%BF" data-linktype="text" data-linkdata="{&quot;id&quot;: &quot;SE-609bcfd5-5172-4a02-94fd-7fb9a89f8543&quot;, &quot;link&quot;: &quot;https://namu.wiki/w/%ED%85%8C%EC%8A%AC%EB%9D%BC%20%EC%98%A4%ED%86%A0%ED%8C%8C%EC%9D%BC%EB%9F%BF&quot;}" target="_blank">테슬라</a>가 업계 선두를 달리는 데에 큰 공헌을 한 인물이기도 하고 ChatGPT로 잘알려진 OpenAI의 창업멤버 , 최근은 인공지능 교육 스타트업인 유레카랩(EurekaLabs)를 설립하고, 교사가 플랫폼을 통해 수업을 설계하고, <a href="https://namu.wiki/w/%EC%83%9D%EC%84%B1%ED%98%95%20%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5" data-linktype="text" data-linkdata="{&quot;id&quot;: &quot;SE-b6a24c02-a902-4fca-b661-8b0b0737a5c5&quot;, &quot;link&quot;: &quot;https://namu.wiki/w/%EC%83%9D%EC%84%B1%ED%98%95%20%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5&quot;}" target="_blank">생성형 인공지능</a> 교육 어시스턴트가 학생들이 수업자료를 활용할 수 있도록 돕는 프로그램을 만들고 있습니다.​ 천재는 다르네요. 아. 참고로 바이브코딩이라는 용어를 퍼뜨린 인물이기도 합니다.​
 </div> <div id="SE-5d7396a8-2a96-4ae2-9453-25284a1e2b3b">
 <a href="#" onclick="return false;" data-linktype="img" data-linkdata="{&quot;id&quot; : &quot;SE-5d7396a8-2a96-4ae2-9453-25284a1e2b3b&quot;, &quot;src&quot; : &quot;https://mblogthumb-phinf.pstatic.net/MjAyNTA0MTBfMjYw/MDAxNzQ0MjExOTgwOTA0.KgEtX3WBco20Xi0V7zAtnGTcS3M9qHxZJ4yX5qsToIUg.FFZ4PYwxHd2FW53xDcwqJalgWmllpknfDuGFPgE2tiwg.PNG/image.png&quot;, &quot;originalWidth&quot; : &quot;1296&quot;, &quot;originalHeight&quot; : &quot;730&quot;, &quot;linkUse&quot; : &quot;false&quot;, &quot;link&quot; : &quot;&quot;}">
 <img src="https://mblogthumb-phinf.pstatic.net/MjAyNTA0MTBfMjYw/MDAxNzQ0MjExOTgwOTA0.KgEtX3WBco20Xi0V7zAtnGTcS3M9qHxZJ4yX5qsToIUg.FFZ4PYwxHd2FW53xDcwqJalgWmllpknfDuGFPgE2tiwg.PNG/image.png?type=w800" data-width="693" data-height="390" alt="">
 </a>
 
 </div>
 <div id="SE-c785dc82-9295-43e3-af5e-8d465075e8b3">
 혁신적인 기술은 보통 하향식 확산 경로를 따릅니다: 정부나 군사적 맥락에서 시작해 기업을 거쳐 최종적으로 개인에게 도달하는 방식입니다 - 전기, 암호학, 컴퓨터, 비행, 인터넷, GPS 등이 그렇습니다. 이러한 진행은 직관적으로 이해됩니다. 새롭고 강력한 기술은 초기 단계에서 보통 희소하고, 자본 집약적이며, 전문적인 기술 지식이 필요하기 때문입니다.그래서 LLM이 이러한 패턴을 극적으로 뒤집은 것은 매우 독특하고 주목할 만합니다 - LLM은 일반인들에게 불균형적으로 큰 혜택을 주는 반면, 기업과 정부에서의 영향은 훨씬 더 미미하고 뒤처져 있습니다. ChatGPT는 역사상 가장 빠르게 성장한 소비자 애플리케이션으로, 4억 명의 주간 활성 사용자들이 글쓰기, 코딩, 번역, 과외, 요약, 심층 연구, 브레인스토밍 등에 사용하고 있습니다. 이는 기존의 작은 업그레이드가 아닌, 개인의 다양한 능력을 크게 향상시키는 주요 승수 효과입니다. 사용 장벽도 믿을 수 없을 정도로 낮습니다 - 모델은 저렴하거나 무료이고, 빠르며, URL 뒤에서(또는 로컬 기기에서도) 누구나 즉시 사용할 수 있고, 어조나 은어, 이모지를 포함한 모든 사람의 모국어를 구사합니다. 이는 정말 놀라운 일입니다. 제가 아는 한, 평균적인 사람이 이렇게 극적이고 빠른 기술적 도약을 경험한 적은 없었습니다.그렇다면 왜 기업과 정부 영역에서는 혜택이 훨씬 더 미미할까요? 첫 번째 이유는 LLM이 매우 특정한 능력 프로필을 제공하기 때문입니다 - 매우 다양한 영역에 걸쳐 준전문가 수준의 지식/성능을 제공합니다. 다시 말해, 동시에 다재다능하지만 얕고 오류가 있을 수 있습니다. 반면, 조직의 독특한 강점은 엔지니어, 연구원, 분석가, 변호사, 마케터 등을 고용함으로써 다양한 전문성을 하나의 실체로 집중시킬 수 있다는 것입니다. LLM이 분명 이러한 전문가들의 개별적인 효율성을 높일 수 있지만(예: 초기 법률 조항 초안 작성, 상용구 코드 생성 등), 조직의 개선은 이미 할 수 있는 일을 조금 더 잘하는 형태로 나타납니다. 반면, 개인은 보통 최대 한 가지 분야에서만 전문가일 수 있으므로, LLM이 제공하는 광범위한 준전문가 수준의 지식은 근본적으로 이전에는 할 수 없었던 일을 할 수 있게 해줍니다. 이제 사람들은 직관적으로 앱을 코딩할 수 있습니다. 법률 문서에 접근할 수 있습니다. 난해한 연구 논문을 이해할 수 있습니다. 데이터 분석을 할 수 있습니다. 브랜딩과 마케팅을 위한 멀티모달 콘텐츠를 생성할 수 있습니다. 추가 전문가의 도움 없이도 적절한 수준에서 이 모든 것을 할 수 있습니다.
 </div> <div id="SE-d3d7967c-9775-4821-9d69-c181eeceb1a7">
 <a href="#" onclick="return false;" data-linktype="img" data-linkdata="{&quot;id&quot; : &quot;SE-d3d7967c-9775-4821-9d69-c181eeceb1a7&quot;, &quot;src&quot; : &quot;https://mblogthumb-phinf.pstatic.net/MjAyNTA0MTBfMjQg/MDAxNzQ0MjEyMDQzNzAw.yQ9oJ52awi6BWUQFMp2FVQ6iQxo0Zxw9GJxKGW6lKBIg.9P4g2XHrHVM2DkfhuX5_89tKNrwRdr1OO73qEwyvM9gg.PNG/Gn85QE8WgAA3RRt_(1).png&quot;, &quot;originalWidth&quot; : &quot;1389&quot;, &quot;originalHeight&quot; : &quot;590&quot;, &quot;linkUse&quot; : &quot;false&quot;, &quot;link&quot; : &quot;&quot;}">
 <img src="https://mblogthumb-phinf.pstatic.net/MjAyNTA0MTBfMjQg/MDAxNzQ0MjEyMDQzNzAw.yQ9oJ52awi6BWUQFMp2FVQ6iQxo0Zxw9GJxKGW6lKBIg.9P4g2XHrHVM2DkfhuX5_89tKNrwRdr1OO73qEwyvM9gg.PNG/Gn85QE8WgAA3RRt_(1).png?type=w800" data-width="693" data-height="294" alt="">
 </a>
 
 </div>
 <div id="SE-be09dd51-68b0-4ca5-820d-b57d8dd35418">
 둘째, 조직은 훨씬 더 복잡하고 필수적인 조정이 필요한 문제들을 다룹니다. 예를 들어 다양한 통합, 레거시 시스템, 기업 브랜드나 스타일 가이드, 엄격한 보안 프로토콜, 개인정보 보호 고려사항, 국제화, 규제 준수 및 법적 리스크 등입니다. 변수가 훨씬 더 많고, 제약이 더 많으며, 고려사항이 더 많고, 오류의 여지가 더 적습니다. 이 모든 것을 컨텍스트 윈도우에 넣기가 쉽지 않습니다. 직관적으로 코드를 작성할 수는 없습니다. 치명적인 환각 현상 하나로 직장을 잃을 수도 있습니다. 셋째, 문화, 역사적 선례, 급격한 변화 시기에 고조되는 정치적 영역 다툼, 의사소통 오버헤드, 분산된 인력의 재교육 과제, 그리고 전통적인 관료주의를 포함하는 대규모 조직의 잘 알려진 관성이 있습니다. 이러한 것들은 반짝이는 새로운, 다재다능하지만 얕고 오류가 있을 수 있는 도구를 빠르게 도입하는 데 있어 큰 역풍입니다. 기업이나 정부에서 LLM의 영향을 과소평가하고 싶지는 않지만, 적어도 현재로서는 사회 전반에 걸쳐 볼 때 조직보다는 개인에게 훨씬 더 삶을 변화시키는 영향을 미쳤습니다. 구글이나 미국 정부가 아닌, 메리, 짐, 조가 대부분의 혜택을 경험하고 있습니다.​ 앞으로 LLM의 지속적인 확산은 당연히 성능 향상과 그 능력 프로필에 달려 있습니다. 전반적인 "혜택 분배"는 특히 자본 지출에 따른 성능의 동적 범위에 크게 좌우되어 흥미로운 추적 대상입니다. 오늘날 최첨단 LLM 성능은 매우 접근하기 쉽고 저렴합니다. 이 시점을 넘어서면 더 나은 성능, 신뢰성 또는 자율성을 얻기 위해 추가 비용을 지출할 수 없습니다. 돈으로 더 나은 ChatGPT를 살 수 없습니다. 빌 게이츠도 여러분과 똑같이 GPT-4와 대화합니다. 하지만 이것이 계속될 것으로 기대할 수 있을까요? 학습 시 스케일링(매개변수, 데이터 증가), 테스트 시 스케일링(시간 증가), 모델 앙상블(배치 증가)은 동적 범위를 증가시키는 힘입니다. 반면, 모델 증류(큰 모델을 모방하도록 학습시켜 불균형적으로 강력한 작은 모델을 훈련시키는 능력)는 동적 범위를 감소시키는 힘이 되어왔습니다. 확실히, 돈으로 훨씬 더 나은 ChatGPT를 살 수 있게 되는 순간, 상황은 변합니다. 대규모 조직은 더 많은 지능을 사기 위해 막대한 자원을 집중시킬 수 있게 됩니다. 그리고 "개인"이라는 범주 내에서도 엘리트들이 다시 한번 사회의 나머지와 분리될 수 있습니다. 그들의 자녀는 GPT-8-pro-max-high로 과외를 받고, 여러분의 자녀는 GPT-6 mini로 과외를 받게 될 것입니다.​ 하지만 적어도 현재로서는, 우리는 기술의 역사에서 유일하고 전례 없는 상황에 있습니다. 다양한 공상과학 작품들을 돌아보면, AI 혁명이 이러한 진행 방식을 보일 것이라고 예측한 경우는 거의 없었습니다. 이는 장군들이 다루는 최고 기밀 정부 메가브레인 프로젝트여야 했는데, 실제로는 모든 사람의 주머니에 이미 있는 기기에서 기본적으로 하룻밤 사이에 무료로 나타난 ChatGPT가 되었습니다. 윌리엄 깁슨의 "미래는 이미 여기 있다, 단지 균등하게 분배되지 않았을 뿐이다"라는 인용구를 기억하시나요? 놀랍게도 - 미래는 이미 여기 있고, 충격적일 정도로 잘 분배되어 있습니다. 인민에게 권력을. 개인적으로, 저는 이것을 사랑합니다.​원문 출처: <a href="https://x.com/karpathy/status/1909308143156240538?fbclid=IwZXh0bgNhZW0CMTAAAR6SgM67iu-kL6xbazbHhZ8yB395tzKSAl_1xds7K3bghqGLIkBrrjtuzL_aaQ_aem_4-bcIZbj6iDy6at2XGkbhw" data-linktype="text" data-linkdata="{&quot;id&quot;: &quot;SE-2b728707-81fc-4c4e-ac85-035e895de1fc&quot;, &quot;link&quot;: &quot;https://x.com/karpathy/status/1909308143156240538?fbclid=IwZXh0bgNhZW0CMTAAAR6SgM67iu-kL6xbazbHhZ8yB395tzKSAl_1xds7K3bghqGLIkBrrjtuzL_aaQ_aem_4-bcIZbj6iDy6at2XGkbhw&quot;}" target="_blank">https://x.com/karpathy/status/1909308143156240538</a>
 </div> </div></div>

숲속얘기의 조용한 카페

본 글은 "안드레 카파시"의 엣세이입니다 원문 출처: https://x.com/karpathy/status/1909308143156240538 지금 시점에 너무 중요한 인사이트를 담고 있어서 번역본을 공유합니다. 그는 캐나다의 컴퓨터 과학자이며 자율주행 자동차 분야에 있어서 테슬라가 업계 선두를 달리는 데에 큰 공헌을 한 인물이기도 하고 ChatGPT로 잘알려진 OpenAI의 창업멤버 , 최근은 인공지능 교육 스타트업인 유레카랩(EurekaLabs)를 설립하고, 교사가 플랫폼을 통해 수업을 설계하고, 생성형 인공지능 교육 어시스턴트가 학생들이 수업자료를 활용할 수 있도록 돕는 프로그램을 만들고 있습니다. 천재는 다르네요. 아. 참고로 바이브코딩이라는 용어를.......

[펌글] 인민에게 권력을: LLM이 기술 확산의 패턴을 뒤집다 (안드레카파시)

댓글