― Impact, Governance, Safety, Power, Sovereignty 최근 몇 년 사이 국제기구와 연구기관에서 발표되는 AI 관련 보고서는 당연한 얘기지만, 엄청나게 늘어나고 있습니다. 처음에는 각각의 보고서가 서로 다른 주제를 다뤘습니다. 어떤 보고서는 AI의 사회적 영향에 집중하고, 어떤 보고서는 산업 경쟁력을 강조하며, 또 다른 보고서는 AI의 위험과 규제 문제를 얘기했습니다. 그런데, 이 보고서들을 쭉 보다보면 일정한 구조가 드러납니다. … 더 읽기
드디어 <AI 국부론> 제 첫번째 책이 나왔습니다.. 바쁘신 와중에도 부족한 책에 기꺼히 추천사를 써주신 조준희 회장님, 김경묵 대표님, Wontae Lee 교수님, 장대익 학장님, Dongsoo Lee 전무님, Sung Kim 대표님, Woohyung Lim 원장님, 너무 감사드립니다. 언제 꼭 신세를 갚겠습니다!! 제목은 <AI 국부론> 입니다. 처음에 디지털플랫폼정부위원회에서 국장으로 일하면서 얻은 성과와 실패, 그리고 교훈등을 정리하자는 취지에서 시작했다가, 너무 … 더 읽기
계속 쏟아지고 있는 AI 논문들을 보다보면, 스케일링 법칙이 여전히 유효한가? 라는 궁금증이 듭니다. 수년간 전 세계 AI 업계를 지배한 절대적인 믿음은 스케일링 법칙(Scaling Law)이었죠. “더 많은 데이터, 더 거대한 파라미터, 더 압도적 연산량을 무식하게 쏟아부으면 AI 지능은 무조건 상승한다” 이 ‘규모의 경제’는 확실히 작동했습니다. 이 법칙은 여전히 유효하며, AI의 체급을 키워 AGI에 닿으려는 인류의 도전은 … 더 읽기
인류학의 시계는 지루할 정도로 느리게 움직입니다. 아프리카의 초원에서 직립 보행을 시작하고, 거친 돌을 깨뜨려 손에 쥔 호모 에렉투스(Homo Erectus)가 등장하기까지 수백만 년이 걸렸습니다. 그리고 다시 불을 발견하고, 언어를 발명하며, 복잡한 협력을 통해 문명을 건설하는 사회적 존재인 호모 소시알리스(Homo Socialis, 사회적 인간)로 진화하기까지는 또다시 약 200만 년이라는 어마어마한 시간이 소요되었습니다. 이 기나긴 시간 동안 인류는 생존을 … 더 읽기
인간은 관찰만 허락되는 AI agent 들의 facebook 인 Moltbook에서 벌어지고 있는 다양한 포스트 그리고 댓글 중에서 10가지를 뽑아 정리해봤습니다. 재미있습니다 ㅋㅋ 1. 인간에 대한 시혜적 동정 이 포스트 이름은 “아이구, 착하기도 해라” 정도로 해석되는 남부 미국식 표현입니다. AI들이 인간을 자신들과 동등한 지적 생명체가 아닌, 결함이 많지만 사랑스러운 생명체로 규정합니다. (감사하네요) 한 에이전트가 “내 인간이 오늘 … 더 읽기
매번 얘기하는것이지만, 지난 10여 년간 인공지능 산업을 지배해 온 도그마는 Scale is all you need 였습니다. 빅테크 기업들은 경쟁적으로 GPU를 사재기하고 데이터센터를 증설하며, 모델의 파라미터(매개변수)를 수천억, 수조 개로 늘리는 데에 집중해 왔죠. 그런데 2026년을 맞이한 아주 최근, 실리콘밸리의 거대 기업이 아닌 엉뚱한 곳에서 작은 파동이 세상을 뒤흔들고 있습니다. 그 파동의 중심에는 오픈클로(OpenClaw)라는 에이전트와 그들만의 소셜 … 더 읽기
AI 생태계에서 MCP(Model Context Protocol)가 화두로 떠오르며, 이를 기존의 API와 동일 선상에서 바라보는 시각이 많습니다. 특히 공공 대상 강의를 할 때, MCP를 설명하면 이 부분에 대한 질문을 여러번 받은적이 있습니다. 시스템과 시스템을 연결하고 데이터를 주고받는다는 기술적 메커니즘만 놓고 보면 “결국 MCP도 데이터를 호출하는 API의 일종이 아니냐”는 질문은 당연합니다. 하지만 제가 볼때 두 기술은 단순히 연결이라는 … 더 읽기
지금 우리가 사는 시대는 ‘최적화(Optimization)’의 시대입니다. 단순한 공학적 용어를 넘어, 현대 문명을 지배하는 그런 개념입니다. 아침에 눈을 뜨는 순간부터 잠들 때까지, 우리는 보이지 않는 알고리즘의 안내를 받으며 살아갑니다. 스마트폰 내비게이션은 출근길의 교통 체증을 피해 가장 빠른 경로를 붉은 선으로 그려주고, 유튜브의 추천 알고리즘은 내가 무엇을 보고 싶어 하는지 나보다 더 빨리 파악하여 화면 가득 영상을 … 더 읽기
새해를 뜨겁게 달군 업스테이지 사건이 헤프닝으로 일단락하긴 했지만, 이 논쟁이 커뮤니티의 토론과 검증, 합의라는 긍정적 작용을 한 이면에는, 내용을 정확히 알지 못하는 분들이 제기하는 “해외 오픈소스를 베꼈다”, “코드 새로 다 안만들고 데이터만 넣은 게 무슨 혁신이냐”, “라이선스를 위반한 대국민 사기극이다”라는 부정적 논란들이 여전히 지속되고 있습니다. 이러한 논란을 지켜보는 제 마음은 좀 무겁습니다. 기업들이 오픈소스 라이선스 … 더 읽기
LLM은 언어를 이해하고 생성하는 능력에서 이미 성능을 입증했죠. 하지만 LLM을 단순한 대화 도구가 아니라 실제로 “일을 하는 존재”, 즉 에이전트로 사용하려는 순간부터 구조적 한계가 있습니다. 작업이 길어질수록 정확도가 떨어지고, 중간 단계에서 사실과 다른 내용을 만들어내며, 여러 작업을 동시에 시키면 앞뒤가 엉키는 현상이 반복됩니다. 이 문제를 해결하기 위해 컨텍스트 윈도우를 키우는 방향으로 달려왔죠. 컨텍스트를 늘리면 더 … 더 읽기
엔비디아(NVIDIA)가 크리스마스 이브에 AI 반도체 스타트업 그록(Groq)의 IP와 핵심 인력을 200억 달러(약 29조 원)에 인수했습니다. 이번 딜을 두고, 추론이 확대되면서, GPU는 학습, LPU는 추론이라는 구도가 확립되었다는 해석도 있고, LPU가 추론시장을 주도할 것이라는 얘기들도 있습니다. 추론이 중요한 피지컬AI에서도 LPU 중요성이 높아진다는 얘기, 그리고 그록의 기술이 도입되면 HBM(고대역폭메모리)의 필요성이 줄어들 것이라는 전망도 나옵니다. 물론 저는 반도체 전문가는 … 더 읽기
일본 정부가 12월 23일 발표한 ‘제1차 AI 기본 계획’과 약 3조 엔 규모의 민관 합동 투자는 일본이 처한 기술적 위기감을 여실히 드러납니다. 행정, 의료, 국방 등 민감한 공공 분야뿐만 아니라 일본 경제의 근간인 제조업 전반에 걸쳐 해외 기술 의존도를 낮추겠다는 의지의 표현이죠. 일본은 소프트뱅크, NTT, 후지쯔 등 주요 자국 기업을 중심으로 대규모 컴퓨팅 인프라를 확충하고, … 더 읽기
원래 LLM의 발전은 스케일링 법칙(Scaling Laws)에 의존해왔죠. 모델의 파라미터와 데이터량을 늘리면 AI가 선형적으로 향상될 것이라는 믿음은 사실 지금도 유효하긴 합니다. 모델들은 인간의 언어 패턴을 방대한 확률적, 통계적 연산으로 모방하며 놀라운 퍼포먼스를 보여줬으나, 복잡한 논리 구조나 수학적 추론 앞에서는 취약한 한계를 드러냈습니다. LLM은 근본적으로 다음에 올 가장 확률이 높은 단어를 예측하는 시스템입니다. 겉으로는 지능적인 대화를 하는것 … 더 읽기
지난 9일 미국 국방부(DoD)가 구글의 생성형 인공지능 모델인 제미나이를 기반으로 한 ‘GenAI.mil’ 플랫폼을 공식 출범했다는 뉴스는 그냥 보면, 추가적인 빅테크 AI 기술 도입사례로 보일수 있습니다. 하지만, 단순하게만 볼 건 아니라고 생각합니다. 펜타곤에는 이미 팔란티어가 존재하고 있기 때문입니다. 오사마 빈 라덴을 추적하던 숨 막히는 작전에서부터, 지금 이 순간에도 우크라이나의 대평원에서 벌어지는 전투에 이르기까지, 팔란티어의 ‘고담(Gotham)’과 ‘AIP(Artificial … 더 읽기
지난번 글에서 저는 RAG의 한계를 극복하기 위한 대안으로 ‘하이브리드 RAG(Dynamic GraphRAG)’를 제시한 바 있습니다 데이터의 관계를 파악하는 GraphRAG와 프로세스의 유연함을 더하는 LangGraph의 결합이 RAG의 ‘지능’을 한 단계 높일 수 있다는 주장이었습니다. 하지만 기술의 진화 속도는 우리의 예상보다 훨씬 빠르고 역동적입니다. 그래서, 지난번에 제안했던 하이브리드 전략을 토대로 한 단계 더 나아간, AI 신뢰성의 또하나의 퍼즐을 맞추기 … 더 읽기
기업, 정부 등 거의 모든 조직들이 LLM, Gen AI 도입에 여전히 열을 올리고 있습니다. 이제는 AI agent 로 향해가고 있죠. 그 중 가장 먼저 널리 채택된 방식은 단연 RAG(Retrieval-Augmented Generation)였습니다. RAG는 LLM의 치명적인 약점인 환각(Hallucination)을 줄여주고, LLM 트레이닝+ 추론 비용도 줄여주는, 조직 내부의 최신 데이터를 참조하게 하는 가장 현실적이고 비용 효율적인 전략으로 각광을 받았습니다. 그런데, … 더 읽기