🆕 post: You Are Not Too Old
(To Pivot Into AI)

https://twitter.com/swyx/status/1641849911326150661

새로운 것이 등장하면 그 누구도 전문가가 될 수 없는 시기가 있습니다. 그저 관심 있는 사람들만 관심을 갖고 가지고 놀며 서로 이야기할 뿐입니다. 하지만 결국에는 그 일이 성숙해지고 그 창이 닫힙니다. 진입 장벽이 훨씬 높아진 후에는요.

당신은 AI로 전환하기 위해 너무 늙지 않았습니다.

https://www.latent.space/p/not-old

AI x Design: https://www.figma.com/blog/ai-the-next-chapter-in-design/

혹시 Design 쪽 커리어를 가져가고 있는 분들중 실력과 관심 두가지가 다 있는 지인 분들이 있으실까요?~ ㅎㅎ
5명정도만 모여도 재밌는 이야기 많이 할 수 있을 것 같은데요!

Vercel also started AI accelerator.

https://vercel.com/blog/vercel-ai-accelerator

We need to understand function call Open AI recently announced.

https://www.latent.space/p/function-agents#details

Wow he is earning meony $1 mrr bwith two ai services.

📸 http://PhotoAI.com $62K MRR
🖼 http://InteriorAI.com $52K MRR

I found GitHub to be the best organizer of AI-related newsletters and podcasts. Eureka!!!

https://github.com/swyxio/ai-notes/blob/main/Resources/Good%20AI%20Podcasts%20and%20Newsletters.md

오늘 발견한 재밌는 깃헙. 재밌는 게 너무 많네 🤣

AI 블로그 운영자이자 팟캐스트 호스트 https://latent.space/

AI note: https://github.com/swyxio/ai-notes/tree/main
- 활용사례
- 초심자/중급자/고수가 읽을 거리
- 커뮤니티
- People
- Reality & Demotivations
- Legal, Ethics, and Privacy
- Alignment, Safety

Good AI Podcasts and Newsletters: https://github.com/swyxio/ai-notes/blob/main/Resources/Good%20AI%20Podcasts%20and%20Newsletters.md

Funding news_Foundational models
https://www.newcomer.co/p/former-github-cto-jason-warner-raises
https://reka.ai/announcing-our-58m-funding-to-build-generative-models-and-advance-ai-research/

지난 며칠동안 프랑스 부르고뉴 지방서 유명한 와이너리 오너들과 시음하고, 식사하고 또 음악을 즐기는 시간을 가졌다. 특별한 인연때문 아니라 그냥 아는 사람이 소수인원 (8명) 가는 일정을 만들었는데 거기 끼여서 갔다.

태국기업이지만 세계적으로 사업하는 사람, 호주 대기업 대표, 또 상장기업 투자가 그리고 나... 다들 부부 동반으로 참가했는데 기대보다 훨씬 값진 시간 이였다.

와이너리 오너들하고 같이 즐기면서 대화 하는게 우리가 투자한 회사들과 보내는 시간들하고 비슷했다. 날씨에 대한 고민부터 AI 도 고민하고 있다. 참고로 그들은 보통 새벽 6시부터 밤 10시까지 일한다. 그리고 peak season 에는 잠도 거의 못자면서 일한다. 그들에게도 역시 많은 것을 배우고 감탄하게 되었다.

그중 인상 깊었던 말들:

"음식 먹기전 (배가 고플때) 와인은 더 느끼고 맛있다. 사람의 본능이다."

"이제 30년째 하는데 어떻게 해야되는지 조금 알아가는것 같다. 변수가 많아서 계속 실험을 해야된다."

"우린 열심히 한다. 어느 누구보다도. 그렇지만 결국 하늘이 많은것을 좌우하기때문 기도도 많이 한다."

"다들 특유의 방법이 있다. 물론 남들이 뭘 어떻게 하는지 관심있게 보지만...그리고 실헙도 하지만 우리만의 방식대로 한다."

"모든 와인은 마실때마다 다르다. 각 사람마다 좋아하는 향이 있고 맛이 있는거기 때문 어떤 와인이 절대적이라고 할수 없다. 그리고 똑같은 와인도 병마다 조금씩 다르고 또 그때 기분/분위기 따라서 다른맛을 느낀다." -- (로마네꽁티 오너).

마지막 귀절을 그분에게 듣고... 이제는 편히 쫄지않고 와인 즐길수 있게되서 좋았다.

Conviction VC’s fellowship
https://convictionvc.typeform.com/commit23apply?typeform-source=linktr.ee

I think this is mostly right.
- LLMs created a whole new layer of abstraction and profession.
- I've so far called this role "Prompt Engineer" but agree it is misleading. It's not just prompting alone, there's a lot of glue code/infra around it. Maybe "AI Engineer" is ~usable, though it takes something a bit too specific and makes it a bit too broad.
- ML people train algorithms/networks, usually from scratch, usually at lower capability.
- LLM training is becoming sufficently different from ML because of its systems-heavy workloads, and is also splitting off into a new kind of role, focused on very large scale training of transformers on supercomputers.
- In numbers, there's probably going to be significantly more AI Engineers than there are ML engineers / LLM engineers.
- One can be quite successful in this role without ever training anything.
- I don't fully follow the Software 1.0/2.0 framing. Software 3.0 (imo ~prompting LLMs) is amusing because prompts are human-designed "code", but in English, and interpreted by an LLM (itself now a Software 2.0 artifact). AI Engineers simultaneously program in all 3 paradigms. It's a bit 😵‍💫

https://twitter.com/karpathy/status/1674873002314563584

잠수함의 생명은 당연히 은밀함이다. 물속에서는 일반적인 전자기파를 쓰기 어려우니 (attenuation coefficient가 커서 진행거리가 매우 짧음), 레이더를 사용하기 어렵다. 대신 잠수함이 만들어내는 소음이 잠수함 탐지의 주된 수단이다. 수상함의 아군은 소나 (Sound of Naviation And Ranging, SONAR) 등의 장비를 이용하여 적의 잠수함이 만들어내는 소음 패턴 (음문)을 인식, 피아식별을 할 수 있으며, 바닷물 속에서라면, 아군의 잠수함에서 액티브 핑 (active ping) 등의 방법으로 적의 잠수함에서 되돌아 오는 음문을 파악하는 능동 소나를 사용할 수 있다. 물론 이 경우, 적 역시 특정 방향과 거리에서 오는 적의 능동 소나 자체를 상대를 파악하기 위한 수단으로 역이용할 수 있다. 그러나 능동 소나를 쓰려면 기본적인 조건이 필요하다. 대략 어느 지점 (거리와 깊이)에 적의 잠수함으로 추정되는 물체가 있는지에 대한 정보는 있어야 한다는 것이다. 애초에 이 정보가 없으면 능동 소나는 무용지물이다.

따라서 현대 잠수함전의 기술 발전에 있어, 나의 소리를 죽이고 상대의 미세한 소리를 캐치하는 것은 가장 중요한 요소가 되었다. 특히 잠수함 추진체계가 디젤에서 원자력으로 바뀌면서 디젤 특유의 발전기 소리나 엔진 소리를 많이 감소시킬 수 있었기 때문에, 자연스럽게 원자력 잠수함은 강대국들의 전략 잠수함의 기본적인 옵션이 되었다. 톰 클랜시의 원작으로도 잘 알려진 영화인 '붉은 10월'에서도 바로 이러한 기술이 나온다. 구소련 시기, 타이푼급 최신예 전략 핵잠수함 '붉은 10월'호는 실제로 냉전 시기 구소련 해군이 자랑하는, 즉, 서방 세계로서는 가장 위협적인 전략 핵잠수함이었다. 영화에서 그려지는 이 잠수함의 신기술은 바로 잠수함 소음이 거의 없는 스텔스 기술이었다. 물론 이 스텔스 기술은 우리가 잘 알고 있는 F-22나 F-35 같은 전투기의 스텔스 기술과는 좀 결이 다르다. 영화에서는 아주 자세히 이 기술의 원리가 설명되지는 않지만, 사실 이 영화가 개봉한 1990년 기준은 물론, 톰 클랜시의 원작이 나온 1984년에도 사실 이 기술이 실제한다는 정보는 알려져 있었다.

냉전 시절, 특히 미국과 소련의 경쟁이 극에 달했던 70-80년대, 양국은 서로의 전략 핵잠수함을 추적하기 위해 열을 올리고 있었다. 다만 공업생산력과 기술에서 미국에 뒤쳐졌던 소련은 자국의 핵잠수함의 원자력 추진 기관의 소음 제거에 큰 고난을 겪고 있었다. 디젤에 비해서 소음이 작다지만, 결국 물속에서 잠수함을 추진하는 방법은 프로펠러를 돌리는 것에서 벗어날 수 없었기 때문이었다. 소련 해군은 소음을 조금이라도 줄이기 위해 타이푼의 전체를 고무 타일로 이어 붙여 감싸는 방법을 시도했는가 하면, 기관실의 유압체계를 바꾸는 시도를 했다. 그러나 이러한 방법은 미봉책에 불과했으며, 사실 프로펠러가 고속으로 회전하게 되면 소음은 다시 커지는 현상이 반복되었다.

잠수함의 프로펠러가 고속으로 회전할 때 프로펠러 주변에는 공동 (cavity)가 생긴다. 이는 간단한 유체역학 이론만 알아도 이해할 수 있는 현상이다. 문제는 프로펠러가 가진 비스듬한 날개 형상을 바꾸지 않는 한, 프로펠러가 고속으로 회전할 때 이 공동은 계속 생겨나고, 공동의 붕괴와 발생이 반복되면서 세찬 물살의 흐름이 생겨나서 기포가 발생하고 소음이 생기는 것을 피할 수 없었던 것이다. 이를 조금이라도 줄이려면 고무타일을 덮는 작업 따위로는 대응이 안 되고, 아예 프로펠러 자체의 형상 (예를 들어 표면에 홈을 만드는 등)을 공동을 최소화할 수 있는 형상으로 바꿔야했다. 문제는 80년대 초반 당시 서방에 비해 한참 뒤쳐진 소련의 공업기술력, 특히 정밀기계공학 실력으로는 이 정도의 고도의 정밀도를 만족시키면서 부품을 가공하는 것은 극도로 어려웠다는 것이다. 사실 가공에 대한 이론 자체는 당시의 소련도 빠삭했지만 (애초에 스텔스기의 기체 형상 최적화에 대한 수학 이론 논문이 50-60년대 구소련에서 먼저 나온 것을 생각해 보자.), 그 이론을 현실로 바꿀 시스템, 특히, 장비가 부족했다는 것이 문제였다. 정밀한 기계 가공은 그에 적합한 정밀 공작기계를 필요로 한다. 그러나 소련은 물론, 중국, 북한, 그리고 당시 바르샤바 조약기구 회원국 중에 당시 최정상급 공작기계 기술을 보유했던 일본이나 서독 수준의 기술을 보유하고 있던 나라는 없었다.

당시는 냉전시대여서 사실 이러한 정밀공작기계가 첨단 무기 시스템에 활용될 수 있다는 것은 미국과 나토, 그리고 미국의 주요 동맹국들 모두 잘 알고 있었던 사실이었다. 2차 대전 종전 후, 냉전이 시작되자 미국은 서방세계 일부 나라들과 '대공산권 수출 통제 위원회(Coordinating Committee for Multilateral Export Controls)' 또는 줄여서 코콤(COCOM) 이라 불리는 다자간 협력기구를 만들었다. 코콤은 소련과 소련이 원조하는 국가들 (공산권의 '경제상호원조회의 (COMECON)')에 대해, 전략적 판단에 의거한 주요 기술과 물품의 수출을 제제하는 경제 제재 조치를 공동으로 시행하는 것을 주요 골자로 삼았다. 당시 회원국들은 호주, 캐나다, 영국 같은 이른바 Five Eyes 국가들 외에도, 현재의 나토를 이루는 주요 국가들인 네덜란드, 노르웨이, 스페인, 프랑스, 덴마크, 서독 같은 유럽 국가들 그리고 일본도 포함되어 있었다. COCOM의 회원국들은 미리 합의된 통제 품목과 기술에 대해 상호 비준을 감시하고 통제하며, 특히 민간 기술이 군사 목적으로 이전되는 라이센스 정책에 대한 일관적인 통제를 따르는 것을 합의하였다. 정밀공작기계는 바로 이러한 COCOM의 라이센스 정책 통제를 받는 물품이었는데, 이는 일본이나 서독의 회사들이 공산권 국가로 정밀공작기계를 수출하는 것이 냉전 시절에는 사실상 막혀 있었다는 뜻이다.

물론 소련이 이러한 협정을 뚫고 물품을 구하기 불가능했던 것은 아니다. 가장 흔한 수법인 위장 회사를 만들어 민수용으로 수입하는 방식, 혹은 부품을 따로 주문하여 현지에서 재조립하는 방식을 쓸 수 있었기 때문이다. 80년대, 일본은 자동차, 기계, 전자, 반도체 할 것 없이, 거의 모든 종류의 제조업 분야에서 글로벌 선두를 달리고 있었고, 90-00년대 한국이 그랬듯, 세계 각지에 종합상사 지점을 세워서 글로벌 시장을 휘어잡고 있었다. 그 엄중한 시절에 일본의 종합상사들은 심지어 소련의 심장인 모스크바에도 지점을 세웠는데, 구 소련의 KGB 요원들은 바로 이 지점이 약한 고리임을 알았다. 1980년, KGB 요원들은 소련의 기계공업 회사 직원으로 위장한 후, 도시바가 만들던 기계류가 포함된 카탈로그를 직접 들고 모스크바 주재 일본의 종합상사인 이토추 상사의 지점을 찾아 기계 수입을 의뢰했다. 소련이 잠수함 프로펠러 가공에 필요로 했던 기계는 잠수함의 크기를 생각해 보면 3층 건물 정도의 육중한 부피를 자랑하는 엄청나게 큰 기계였는데, 그 기계를 당시에 유일하게 만들던 회사는 일본의 도시바였다 (현재 테슬라가 보유한 기가프레스가 생각나는 대목이다.). 기계만 필요한 것이 아니라, 형상 설계와 최적화를 위한 수치해석 전용 소프트웨어와 운용 장비도 필요했는데, KGB는 이를 위해 일본 회사가 아닌, 노르웨이의 기계공업 회사인 콩스베르크 (Kongsberg)을 섭외했다. 역시 마찬가지로 민수용 기계류 수입에 대한 것이라는 조건을 달았다.

COCOM의 협정에 따르면 비록 민수용이라고 해도 이러한 소련 내 거래는 신고되어야 하고, 승인이 나온 후에야 이루어질 수 있었다. 그렇지만 소련은 이들 회사에 시장가의 몇 배나 되는 금액인 5천만 달러 (현재 가치로는 2-3억 달러)를 제시하였고, 거래 규모의 성장에 목마른 종합상사맨들은 이 거래가 불발될까 싶어, 고의로 이 거래를 당국에 신고하지 않았다. 이로써 1981년부터 1984년까지 4년 동안 도시바의 거대한 공작기계와 콩스베르크의 정밀기계 제어 소프트웨어, 그리고 각종 부품은 소련으로 반입될 수 있었다. 기록에 따르면 도시바의 공작기계는 연간 2-3대씩, 총 9대가 소련으로 납품되었다고 하는데, 납품 서류의 수입 당사자는 당연히 소련의 민간 장비 업체로 기록되어 있었다.

사실 이 사건은 거의 발각되지 않을 수도 있었으나, 회사에서 모종의 이유로 해고된 이토추 상사 당시 주재원이 자진하여 신고함으로써 (사실 회사에서 잘린 것에 대한 사적 복수심으로...) 그 전모가 드러나게 되었는데, 미국 정부가 이 사건을 인지하게 된 것은 다시 3년의 세월이 흐른 1987년이었다. 넉넉하게 잡아 1982년 정도부터 정밀공작기계로 가공된 신형 프로펠러가 장착된 타이푼급 소련의 잠수함이 운항을 시작했다고 해도, 미국은 무려 5년 동안이나 이 '붉은 10월호' 같은 조용한 타이푼급 잠수함에 대한 추적에 번번이 실패했을 것임을 암시하는 부분이다. 사건의 전말을 알게 된 미국 정부는 당연히 COCOM 협정 위반으로 일본을 규탄했고, 곧이어 일본에 대한 본격적인 제재 조치에 들어 갔다. 이미 1985년의 플라자합의, 1986년의 제 1차 미-일 반도체 협정으로 인해, 양국 간의 감정은 별로 좋지 않을 때였고, 특히 일본 기업들의 미국 시장 장악으로 인해 80년대 중후반 미국은 일본에 대해 공포심과 적개심마저도 가질 때였는데, 이 사건은 그러한 미국의 대일 감정에 기름을 끼얹는 효과를 가져다 주었다. 일본 측 입장에서는 당시 미국의 플라자합의와 반도체 협정이 일본 측에 불리한 협정이라는 사실 때문에 글로벌 시장에서의 경쟁력이 점점 약해지던 시점이라, 이 사건은 뜨거운 감자가 될 수 밖에 없었다. 일본은 행여나 이로 인해 미국 시장에서 아예 퇴출될까봐 걱정하기도 했다.

실제로 미국의 제재가 일본에 대해 본격적으로 시작되자 사건의 당사자인 도시바 (물건을 만들기만 했던 도시바는 좀 억울할듯..)와 이토추 상사는 소련을 포함한 동구권으로의 수출이 금지되었고, 노르웨이의 콩스베르크는 그야말로 공중분해되었다 (민간으로 부분 부분 매각). 도시바는 여기에 더해 1987년부터 1993년까지 대미 수출에 큰 제약을 당했고, 기계류와는 상관 없는 컴퓨터 등의 전자 제품과 일부 반도체 품목의 대미 수출까지도 덩달아 제재 조치에 포함되면서 도시바는 1980년대 중반까지 미국 시장을 지배하던 전자 제품과 반도체 산업의 점유율을 조금씩 까먹게 되었다.

이러한 다자간 수출통제의 효력은 구소련이 붕괴하고 독일이 통일된 후, 글로벌 분업화가 본격화되고 자유무역주의가 횡행하면서 과거의 유산이 되는듯 했다. 냉전 시절의 COCOM은 90년대 중반, 구 바르샤바 조약기구 당사자 국가들이 새로 이에 가입하면서 좀더 포괄적인 바세나르 협정 (Wassenaar arrangement on Export Controls for Conventional Arms and Dual-Use Goods and Technologies)으로 갱신되었는데, 냉전 시절 만큼의 강력한 조치까지는 아니어도, 재래식 무기와 민수-군용 이중용도 (dual-use) 기술과 물품의 국가 간 거래 투명성과 당사자 국가들의 책임 범위를 강화하는 방향으로 재편되었다. 바세나르 협약에 포함되는 기술이나 물품의 종류는 크게 9가지로 구분된다. 이중에는 전자제품 (Category 3)과 컴퓨터 (Category 4), 전기 통신 (Category 5-1)과 정보 보안 (Category 5-2)등이 포함되어 있는데, 이들 카테고리의 밑바탕을 이루는 기술은 다름 아닌 반도체다. 즉, 반도체는 바세나르 협약 물품/기술의 적어도 1/3 이상을 차지하는 전략 기술인 셈이다.

냉전이 종식 된 후, GATT 협정이 체결되었고, 다시 중국이 개혁/개방에 동참하며 2001년 WTO에 가입함으로써 세계는 바야흐로 자유무역주의 시대, 글로벌 자본의 다국적 이동 시대, 그리고 분업화의 시스템화 시대를 맞게 되었다. 바세나르 협정은 민수-군사용 이중 용도에 해당하는 일부 기술에 대해서만 적용되었지만, 설사 적용되는 물품이나 기술이라고 하더라도 이제는 예전 COCOM 시절만큼 각국이 자국의 서슬퍼런 정보 기관을 동원해가며 눈에 불을 키고 민간 회사들을 감시하지는 않게 되었고, 이는 느슨해진 감시의 틈을 타, 얼마든지 타국의 전략 기술을 자국의 안보 강화를 위해 위장하고 응용할 수 있게 되었음을 의미했다.

중국은 2001년 본격적으로 세계 자유 무역 시장에 데뷔한 이후, 2010년대 초반까지 약 10년 정도의 기간 동안은 엎드린 호랑이처럼 자국의 시장을 글로벌 대기업과 자본에게 내어주며 세계 시장에 대한 적응에 시간과 자원을 투입했다. 그 시간 동안 중국 경제는 놀랄 정도의 기록을 갱신하며 매해 성장을 거듭했고, 2003-2012년의 10년의 기간 동안 중국 경제는 무려 7.5배 이상 규모가 커졌다. 커진 규모만큼, 중국의 자본은 성장했고, 중국은 이 자본을 2010년대 초반부터 다시 자국의 시장을 키우고, 그 시장에서 자국의 기업들이 성장하는 것에 재투자하기 시작했다. 이는 2010년대에도 이어진 고속 경제 성장률의 발판이 되었는데, 이 성장률에 제동이 걸린 것은 내부와 외부의 요인이 개입하면서부터였다.

특히 외부의 요인은 바로 2010년대 후반부터 본격화된 미국의 대중 첨단기술제재에 대한 것이었다. 이 첨단 기술은 앞서 언급한 바세나르 체제의 가장 중요한 산업이자 기술인, 다름아닌 반도체에 대한 것으로서, 화웨이에 대한 제재를 필두로, EUV lithography 장비, GPU 서버, 1anm 이상급의 반도체 제조 장비 등으로 범위를 점차 넓혀갔다. 미국의 제재가 트럼프 정부에서 바이든 정부로 바뀐 이후에도 더욱 범위가 넓어지고, 심지어 'CHIP4 alliance (칩4동맹)' 같은 개념이 등장하기까지 하면서, 이제 이러한 미국의 대중 제재가 미국-중국 사이의 국가 간 패권 경쟁의 산물이 아닌, 과거 냉전 시대의 COCOM과 비슷한 상황으로 회귀하며 범위가 확전될 가능성이 높아지는 것에 대해 전문가들은 보다 깊은 고민을 가지고 주목하기 시작하였다.

물론 냉전 시절과 지금의 상황은 사뭇 다르다. 냉전 시절, 양 진영은 산업적 교류는 물론, 경제적 교류나 학문적 교류마저도 거의 이루어지지 않고 있던 상황이었고 (예를 들어 구 소련에서 나오는 기초과학 논문집만 따로 번역하여 출판하는 서비스가 있을 정도), 특히 인터넷도 없던 시절이라 서방 세계에서 공산권에 대한 정보는 거의 가로막혀 있던 상황, 이른바 '철의 장막' 상황이었다. 그러나 지금은 냉전 같은 엄중한 시기가 아니며, 경쟁의 당사자는 미국과 소련 같은 국가 단위의 상황은 더더욱 아니다. 교통과 통신은 더욱 발전했으며, 각국은 이제 글로벌 수준에서 상호의존도가 더 높아졌고, 어떠한 산업에서든 한 국가가 온전히 자급자족하는 것은 물리적으로, 경제적으로도 거의 불가능한 상황에 이르렀다. 즉, 어떤 체제를 가지고 있든, 이제 한 국가는 홀로서기 하기가 거의 불가능해진 셈이다. 따라서 COCOM 같은 다자간 수출통제기구가 재형성될 가능성은 현재로서는 높다고 평가하기는 어렵다. 그러나 문제는 미국은 대중 견제의 실효성을 더 높이기 위해 자국의 견제책을, 자국의 범위를 넘어 동맹국이나 핵심 이익 공유 당사자 국가들과 공유하려 한다는 것이다.

냉전 시대, 비록 공업 생산 기술 수준은 서독이나 일본 등이 일부 미국을 앞선 것도 있었지만, 그 당시 여전히 서방 세계는 물론 전 세계에서 가장 큰 시장은 미국이었고, 이는 미국을 중심으로 산업의 표준과 로드맵이 짜여졌다는 것을 의미한다. 미국은 자국 업체들이 자국을 떠나고 공장을 더 인건비가 싼 한국이나 대만, 나아가 동남아 등으로 이전하거나 OEM을 위해 기술을 이전하는 상황에서 미국 내에서의 제조 역량은 점점 약해졌지만, 여전히 강력한 달러 패권과 가장 큰 소비 시장을 가지고 있다는 잇점을 바탕으로 거의 대부분의 글로벌 시장 자체를 쥐고 흔들었다. 이는 그 시장에 '복무'하는 제조 입국들로 하여금 자국 중심이 아닌, 글로벌 (이라 쓰고 미국이라 읽는다) 시장을 기준으로 기술 주기와 사업 계획을 입안하게끔 강요하였다. 미국은 과거에도 통용되었던 이 포지션 상의 잇점을 2020년대 중반으로 향하는 이 시점에도 변함없이 적용하려 모색한다.

이 잇점은 당연히 세계 시장의 흐름에 대한 것이다. 이 흐름은 현재에 대한 것을 포괄하는 동시에, 미래에 대한 것을 복안에 둔다. 현재의 흐름은 현재의 패권에서 나오는 것이 아니라, 미래에 대한 계획에서 비롯됨을 이해할 수 있다면 미래에 대한 로드맵을 주도할 수 있다는 것 자체가 현재의 패권의 기초임은 당연한 사실로 다가올 수 있을 것이다.

글로벌 시장에서 특정 세력의 인위적인 개입이 없는 한, 이러한 로드맵은 각 분야에서의 점유율과 기술 수준으로 결정된다. 점유율이 높을수록, 기술의 세대가 앞설수록, 더 많은 기술 IP를 보유할수록, 더 많은 기초과학 혁신이 누적되어 있을수록, 각 분야에서의 다음 세대 주도권을 얼마나 더 가져갈 수 있을 것인지가 결정된다. 여기서 주목해야 할 가정은 '특정 세력의 인위적인 개입이 없는 한' 이라는 부분이다. 만약 이 가정의 유효성이 상실되면 미래에 대한 로드맵은 인위적 개입에 의해 조정을 받게 된다. 냉전 시절, 이러한 인위적 개입은 '민간-군수용' dual use판단이 있을 경우에 대한 수출 통제 등으로 나타났고, 사실 이 협정을 미국은 자국의 안보적 가치를 내세워 어느 경우에든 overide 하며 타국의 민간 업체나 기관을 제재할 수 있었다. 냉전이 종식된 이후, 이러한 overide는 시대에 뒤떨어진 개념이 되었고, 심지어 각국간 무역 분쟁을 일으킬 소지가 높은 것으로 여겨졌기 때문에 박물관행이 예약되어 있었던 것은 사실이다. 그러나 이제는 상황이 바뀌고 있다. 이제는 이 인위적 행위와 제재의 정당성이 관짝에서 일어나고 있는 상황이다.

미국은 과거 냉전 시절만큼은 아니지만, 이제 중국을 예전 구소련과 비슷한 덩치와 규모의 최대 경쟁국으로 설정하였다. 반도체를 필두로 이제 각 첨단 산업에서의 글로벌 공급망은 이러한 미국의 움직임에 따라 재편될 것이고, 이로 인해 그간 많은 나라들이 누려왔던 유형/무형의 비용 절감 효과는 조금씩 사라지게 된다. 특히 미국이 재편하는 공급망에서 배제되는 국가들은 이중으로 이 비용을 감당하게 되는 처지에 놓이는데, 이는 블록에 낄 수 없게 될 경우, 블록 안에 있는 회원국들의 호혜적 excuse에 합류할 수 없게 되기 때문이다.

과연 미국이 주도할 대중 포위망이 자국을 넘어, 과거 COCOM 같은 다자간 수출통제기구로, 그리고 이 기구가 단순히 반도체 산업을 넘어, 통신, 우주, 해양, 신약, 바이오, 양자, 에너지 등 전방위적으로 확대될 것인지는 아직 불확실하다. 현재 반도체 산업으로만 범위를 좁혀도 미국이 주도하는 다자간 기구가 성립되기 어려운 상황이기 때문이다. 그렇지만 결국 이러한 다자간 기구에 국가들이 하나 둘 씩 참여하기 시작하게 되면 과거의 COCOM이 부활하는 것은 시간문제라고 생각한다. 냉전시대 COCOM이 그랬듯, 이 기구는 민간-군용 dual use 잠재성이 있는 기술이라면 걸고넘어질 수 있는 항목들을 신설할 것이다. 예를 들어, 반도체는 당연하고, 5G 이후의 통신, 사이버 보안, 에너지와 인공지능 등이 포함될 가능성은 매우 높다. 특히 인공지능은 민간의 첨단 기술이 그대로 군용으로 전용되기 매우 난도가 낮은 분야이기 때문에, 가장 먼저 포함될 가능성이 높다. 중국에서 가장 인공지능을 개별 집단 단위로 많이 연구하고 있는 기관은 (적어도 GPU 보유량 기준으로 판단했을 때), 인민해방군 (PLA)이며, 인민해방군은 중국의 일곱개 대학 (이른바 국방칠자 (国防七子))와 협력을 강화하는 방식으로 인공지능 연구를 강화하고 있다. 잘 알려진 것처럼 중국의 인공지능 기반 안면인식 기술은 세계 최고 수준이며, 자율주행차 기술 역시 테슬라를 제외하면 이제 거의 세계 탑 수준으로 올라섰다. 자율주행차 기술은 곧, 무인전투기나 수상함, 군용차량 기술로 바로 전용될 수 있고, 통신암호화/복호화 기술 역시 인공지능 기반으로 얼마든지 군용으로 전용될 수 있다. 점점 복잡해지는 새로운 무기 시스템이나 첨단 국방 시스템의 시험을 위해 이제 앞으로는 virtual test가 더 중요해질텐데 (예를 들어 보다 정밀한 핵실험 시뮬레이션 등), 이 시뮬레이션 역시 딥러닝 같은 인공지능 알고리듬 기반의 시스템을 통해 계산 자원과 시간을 얼마든지 절약할 수 있다. 다시 말해, 인공지능 분야는 반도체 다음으로, 미국이 아마도 다자간 수출통제 시스템을 만들 경우, 가장 먼저 포함시킬 항목이 될 것이며, 이는 그전에 바세나르 협약의 카테고리에 인공지능과 그 세부 항목이 추가되는 것을 신호탄으로 현실화될 것이다.

미국이 주도하는 New COCOM이 정말 성립될지 여부는 미국의 전통적인 동맹국 외에, 첨단 제조업과 지식산업 분야의 강자들이 얼마나 참여할 동기 혹은 참여하지 않으면 안 될 유인책이 생길 것인지에 따라 그 시기와 범위가 결정될 것이다. 반도체는 생각보다 핵심 당사자 국가 (특히 제조업 분야에서)가 한정되었기 때문에 그 시기가 빨리 올 것이고, 범위 역시 명확하게 정해질 것이다. 그렇지만 통신이나 바이오, 신약, 에너지 등의 분야는 이해 당사자 국가들이 많고, 기술 범위가 넓으며, 세대 구분이 모호하다. 따라서 표준화된 규약을 만들기 쉽지 않다. 아마도 미국은 이러한 요인 때문에 되먹임회로 (feedback)를 이용한 다자간 전략 기구 확장책을 모색할 것이다. 즉, 반도체를 중심으로 먼저 기구의 효력을 발생시키고, 반도체가 필수적으로 쓰이는 다른 후방 산업에 대한 영향력을 투사하며, 그 영향력을 다시 반도체 산업에 적용하여 더 맞춤형으로 후방 산업에 영향을 주는 방식으로 그 메커니즘을 이루어가는 전략을 택할 가능성이 높다. 예를 들어 반도체 기술이 반드시 선행되어야 하는 분야는 통신, 사이버 보안, 인공지능, 그리고 양자 컴퓨터 등이 있다. 이러한 산업들은 연결고리가 명확하기 때문에 2차적인 범위 내에 들어 온다. 그 다음 산업은 우주와 항공, 로봇이며, 그 다음 범위는 바이오, 신약, 그리고 에너지가 될 것이다. 이는 사실상의 현재 기준의 첨단 산업 대부분을 포함하는 계열화를 이해해야 함을 의미하는 것이며, 각국이 각 산업에서, 각 카테고리에서 기술적 성숙도와 시장의 점유율, 그리고 기술 발전 로드맵이 제각각이기 때문에, 필히 참여국간 조율과 협력이 필요해질 수 밖에 없다.

한국의 입장에서는 이러한 다자간 수출규제기구가 출범했을 경우, 사실 그 기구에서 다루는 산업과 기술이 한국이 전략으로 삼고 있는 분야와 대부분 겹친다는 사실을 인지할 필요가 있다. 사실 위에 언급한 분야는 한국이 현재 국가전략기술이라는 기치를 앞세워 주도권을 가지려 시도하는 분야이지만, 반대로 생각해 보면 이는 한국의 주요 경쟁국들, 예를 들어 일본, 대만, 독일 같은 제조입국들 역시 비슷한 시각으로 이 산업들을 바라보고 비슷한 전략을 입안하고 있음을 의미하는 것이기도 하다. 서로 비슷한 입장에 처해 있는 비슷한 체급의 국가 간 경쟁이, 정치체제의 경쟁이 아닌 산업과 기술, 그리고 지식의 경쟁으로 이어지게 되는 것이 앞으로 한국이 당면하게 될 상황이고, 그 경쟁이 자유 경쟁이 아닌, 제한된 그라운드 위에서 벌어지게 될 경쟁, 그리고 무엇보다 전략적으로 팀매치가 될 경쟁이 될 것이라는 점이 한국이 똑바로 이해해야 하는 현실이다.

지난 월요일인 6월 26일, 나는 이화여대 통상법무포럼에서 주최한 토론회에서 발제를 맡은 미국 터프츠대 Chris Miller 교수와 대담을 했다. 크리스 밀러 교수는 자신의 저서 'Chip War'에서 돌이켜 본 지난 반 세기 넘는 시간 동안의 산업 경쟁사를 짧게나마 언급하며 현재의 첨단기술 중심의 패권 갈등 상황을 진단했고 장기적으로는 적어도 반도체 산업에서는 공급망의 분기 (bifurcation)이 예상된다고 전망했는데, 나는 그 진단과 전망에 과거 다자간 수출규제의 효력과 범위가 제대로 논의되지 않았음을, 그리고 반도체 세부 산업에서의 기술 경쟁의 의미에 대해 코멘트하였다. 내게 주어진 시간이 길지 않았기에 이 글에서 쓴 내용을 다 전달할 수는 없었지만, 결국 크리스 밀러 교수의 발제나, 나의 의견이나 큰 틀에서는 수렴한다고 생각한다. 이제는 진정한 의미의 글로벌 자유무역시대는 끝났고, 전략적 무역 시대가 개막했다는 것, 그리고 그 전략의 한 가운데에는 언제나 그랬듯, 첨단 기술이 항상 자리잡고 있다는 것이 바로 그것이다.

ps) 학문의 입장에서 보면 이러한 전략적 무역 시대의 개막으로 인해, 직간접적으로 그리고 중장기적으로 학문의 자유로운 소통 역시 위축될 것 같아 우려된다. 과거 냉전 시절에도 공산권과 서방 세계의 학문 교류가 자유롭지는 않았다.

서방권 학자들은 소련에서 이미 수립된 이론을 몇 년 후 다시 재발견(?) 하는 일이 잦았고, 반대로 공산권의 학자들은 서방 세계 학자들의 학문적 성과를 실시간으로 이용할 수 없어 기술적으로 한참 뒤쳐진 분야가 생겨날 수 밖에 없었다. 인터넷이 발전할대로 발전한 지금의 시대, 이러한 학문간 교류의 장벽이 다시 생길 것이라 추측하기는 어렵다. 그렇지만 문제는 국가간 협력 연구와 공동 연구, 거대한 다국적 프로젝트와 인류공통의 난제에 대응하기 위한 협력마저도 점점 위축될 가능성이 높다는 것이다. 학문의 교류에 난맥이 생기기 시작하면 인적 교류와 기술 교류도 위축된다. 이는 구소련에서 미국에서 과거 냉전 시절 삽질을 했던 케이스가 재현될 수 있음을 의미하는 것이기도 하다.

반도체 산업을 예로 든다면, 현재 반도체 산업과 관련된 기초과학, 예를 들어 물리학 (고체, 양자, 광학 등), 화학 (고체, 무기, 광화학 등), 소재과학 (무기, 결정, 전자재료 등)에서 최근에 괄목할만한 성과는 이제 중국에서 더 많이 쏟아져 나온다. 2020년 정도를 기점으로, 중국은 이 분야에서 논문의 단순한 편수 외에도, 질적인 측면, 즉, 인용도면에서 역시 미국을 추월했고, 그 격차는 시간이 지날수록 더 벌어질 것으로 전망된다. 2030년 경쯤 되면 중국에서 배출되는 이공계 박사는 9만명 이상이 될 것이고, 이는 미국에서 배출되는 이공계 박사의 3배 이상이다. 기초과학 연구가 머리숫자 싸움으로 귀결되지는 않지만, 반도체나 다른 첨단 제조업에서는 그 산업에 종사할 전문 인력의 수준과 숫자는 절대적으로 중요한 요소다. 그 숫자가 안 채워지면 외부에서 수혈해야 하고, 수혈이 안 되면 산업의 비전과 현재의 수준 사이의 격차로 인해 자원의 낭비가 누적된다. 학문의 교류에서, 적어도 반도체 산업과 관련된 기초과학 분야의 교류에서 장벽이 점점 높아진다면 중국뿐만 아니라 미국도 손해를 볼 가능성이 높아질 것이라 전망하는 이유이기도 하다.

https://www.facebook.com/100001843848045/posts/pfbid0xwGMe4etNELzhveLXkmzh4zhpZE7gMGnWNr1ZAC5Vh2HvtL7P8jTZ1UvVRQrqriJl/?mibextid=jf9HGS

이전에도 썼던 이야기지만 OpenAI가, 예컨대 요약 같은 과제에 대해 사람의 선호를 RL을 사용해 모델에 주입한다는 이야기를 들었을 때 그렇게까지 한다고? 라는 생각을 했었다. BLEU 같은 미분 불가능한 메트릭에 대해 RL로 학습한다거나 하는 시도의 확장판 같이 느껴졌던 것도 한 이유고, 이를 위해 사람의 피드백을 수집하기까지 한 것이 보통 논문에서 볼 법한 수준을 넘어서는 규모의 작업이었던 점이 또 한 가지 이유일 것이다.
그러나 지금 생각해보면 정답이 있고 그것과의 오차만이 중요한 과제라면, 예를 들어 이미지 분류 과제라면 사람의 선호 같은 문제를 고려할 필요가 없겠지만, 명백한 오답을 넘어서면 그저 사람의 선호만이 존재하는 종류의 문제, 예를 들어 원문과 뜻이 어긋나는 명백한 오답이 아니라면 더 나은 번역과 그렇지 않은 번역이 존재하는 번역 같은 과제들에 대해서는 사람의 선호를 고려하는 것이 오히려 자연스러울 것이다.
(번역이라는 복잡한 문제에 대해서 퀄리티의 차이라는 단순한 표현을 쓰는 것이 적절하지 않을 수 있고, 또한 이미지 분류도 그저 정답과 오답이 있을 뿐이라고 말하는 것도 적절하지 않을 것이다. 거친 축약으로 생각해주셨으면.)
즉 이 모든 변화가 일어난 다음에 하는 소리지만, OpenAI가 사람의 선호를 결합했던 것은 사실 자연스러운 것이었으며, 오히려 ML에서 놓치고 있었던 부분이었다고 할 수 있지 않을까 싶다. 그런 의미에서 이러한 과제들에 대해 사람의 선호를 결합하는 시도가 더 많이 등장하고 더 널리 퍼지지 않을까 싶기도 하다. 다만 그 선호를 결합한 하나의 성공적인 사례가 너무 강력해서 오히려 그런 확산의 동력이 약해질 수도 있을 듯. 예를 들어 기계 번역에 선호를 결합하는 시도보다는 범용적인 LLM의 개발에 관심과 자원이 더 집중될 듯 해서.
(물론 이건 추상적인 차원의 이야기이고, 그래서 왜 사람이 가장 선호하는 텍스트를 정답으로 놓고 SFT를 하는 것만으로는 안 되는지, 선호하지 않는 텍스트의 확률을 낮추는 것이 추가로 필요한지와 같은 구체적인 단계로 가면, 즉 왜 사람의 선호가 그러한 방식으로 주입되어야 하는가, 혹은 그러한 방법으로만 주입될 수 있는가의 문제는 분명하게 규명된 것 같지는 않다.)

https://www.facebook.com/rosinality/posts/pfbid033c746DrhT7n329tA4oAKbv8hgod64YEq5F4pXCUKNYmGXEJTMRogwYcusygf8mXql

It's impressive... Do all AI professionals reside in San Francisco? It seems like there are numerous events and infrastructure available for AI founders.

https://twitter.com/jowyang/status/1674493479672766464?s=46&t=euM7ga7kc_Bx_AMQ-pk_6g

Notes for State of GPT_Andrej Karpathy

강화 학습에서 탐색과 활용 사이의 균형을 신중하게 관리하는 것은 성공적인 머신 러닝 모델을 만드는 데 중추적인 역할을 합니다. 탐색(새로운 행동을 시도하는 것)과 활용(알려진 보상이 가장 높은 행동을 선택하는 것) 사이의 균형은 모델 출력의 다양성과 품질을 보장합니다.

GPT-4와 같은 LLM은 인간과 유사한 내부 대화나 자기 성찰 능력을 가지고 있지 않습니다. 생성된 정보를 이해하거나 검증할 수 있는 능력이 없기 때문에 잘 구조화된 모델 설계와 훈련의 중요성이 강조됩니다.

인간의 인지와 LLM 텍스트 생성의 근본적인 차이점은 이해의 깊이에 있습니다. 인간은 콘텐츠, 컨텍스트, 함의를 깊이 있게 이해하는 반면, LLM은 단순히 학습 데이터의 패턴을 기반으로 다음으로 가장 가능성이 높은 토큰을 예측합니다.

이러한 차이점은 LLM을 보다 효율적으로 활용하는 데 도움이 될 수 있습니다. 예를 들어, LLM의 한계를 알면 보다 효과적인 프롬프트(프롬프트 엔지니어링)를 설계하여 더 나은 응답을 이끌어내는 데 도움이 될 수 있습니다. 또한 LLM은 자체 수정이 불가능하지만 여러 결과물을 생성할 수 있다는 점을 이해하면 사람이 초안을 작성하고 수정하는 프로세스와 유사하게 중복 및 반복 개념을 적용할 수 있습니다.

GPT-4의 등장으로 과거 작업을 되돌아볼 수 있는 기능이 도입된 것으로 보입니다. 이는 모델이 산출물의 적절성을 평가할 수 있다는 것을 의미하며, 본질적으로 언어 모델에서 "시스템 2" 사고(의도적 계획)를 재현하기 시작했음을 의미합니다.

도구 사용, 검색 증강 모델, 제약 조건 프롬프트의 개념은 LLM의 출력을 개선하는 데 중요한 역할을 합니다. 이러한 기술은 모델이 기능을 넘어서는 작업을 실행하거나, 특정 출력 템플릿을 준수하거나, 외부 리소스에서 관련 정보를 검색하는 데 도움이 될 수 있습니다.

LLM의 성능을 최적화하기 위해 세부적인 프롬프트 제작, 신속한 엔지니어링 기법 사용, 짧은 예제 제공, 도구 활용, 복잡한 대화 설정 실험, 모델 미세 조정과 같은 전략을 사용할 수 있습니다.

뛰어난 기능에도 불구하고 LLM에는 상당한 한계가 있습니다. 편견을 드러내고, 정보를 조작하고, 추론 오류를 범할 수 있으며, 공격에 취약할 수 있습니다. 따라서 사람의 감독 하에 위험도가 낮은 애플리케이션에 사용하는 것이 좋습니다.

이러한 연구 결과는 LLM의 잠재력과 한계를 조명할 뿐만 아니라 이러한 모델을 효과적으로 활용하는 방법에 대한 귀중한 지침을 제공합니다. 또한 AI 및 언어 모델링의 상당한 진전을 강조하고 향후 개발 및 활용에 대한 로드맵을 제공합니다.

더 자세한 내용은 노션에서 볼 수 있습니다.
https://matthewcontinuouslearning.notion.site/State-of-GPT-KOR-6c477a01c685486e848efe0493ff2205?pvs=4

지난 6개월 동안 매일 ChatGPT를 사용해 보았고, 그 경험을 통해 ChatGPT가 코딩에 어떻게 도움이 되는지를 정리해 보았습니다.
# ChatGPT가 소프트웨어 엔지니어에게 도움을 줄 수 있는 방법:
- ChatGPT는 작업 속도를 5배에서 10배 높여줍니다.
- ChatGPT는 능숙하게 코딩을 합니다.
- ChatGPT는 인상적인 테스트 코드를 작성합니다.
- ChatGPT는 설계에 뛰어납니다.
- ChatGPT는 반복적인 작업에 있어서 큰 시간을 절약해줍니다.
- 새로운 프로그래밍 언어가 나타나도 걱정할 필요가 없습니다 -? 문법의 세부 사항을 알 필요가 없습니다.
- 점점 더 생각 없이 코딩을 하게 되어, ChatGPT에 대한 의존도가 높아지는 경향이 있습니다.
# ChatGPT의 한계:
- 소프트웨어 엔지니어가 아닌 경우, 크게 도움이 되지 않습니다.
- 전체 코드를 이해할 수 없으며, 한 파일 또는 그보다 적은 일만 대체할 수 있습니다.
- 정확한 위치에 복사 및 붙여넣기를 해야 하며, 버그가 발생하면 수정할 수 있어야 합니다.
현재 결론: ChatGPT는 잘 활용할 수 있는 엔지니어에게는 큰 도움을 주고 있습니다.
ChatGPT는 아직 엔지니어가 아닌 사람들에게 프로그래밍 분야에서 뚜렷한 변화를 제공하지 못하고 있습니다. 그러나 앞으로의 발전 단계를 통해 이들에게 더 큰 변화를 가져다 줄 것으로 보입니다.
# 예상되는 발전 단계:
1. 인공지능의 Context size 증가 (2023년 말 예상): 현재 입력 가능한 4000자를 넘어 여러 파일을 동시에 이해할 수 있어야 합니다.
2. 인공지능의 Github 직접 접근 (2024년 예상): Github에 직접 코딩을 하고 코드 리뷰를 보내어, 저에게 코드를 복사 붙여넣기 하지 않게 해야 합니다.
3. 인공지능의 기계어 코딩 (2027년 예상): 프로그래밍 언어가 사라지고, 0101 수준에서 직접 코딩하며, 결과만 보여주게 됩니다. 아직 의도 -> 기계어 학습 데이터로 학습한 LLM은 없습니다.
4. 인공지능의 프로젝트 진행 (2030년 예상): 미션과 목표를 설정하면, 기능을 스스로 추가하고, 유닛 테스팅을 완료하며, 여러 사용자 페르소나를 만들어 사용자 테스트를 완료해야 합니다.
5. 인공지능의 CTO 대체 (2035년 예상): CEO가 미션과 비전을 세우면, 그에 맞는 앱/웹 등을 스스로 판단하여 만들어야 합니다.
이후에는 CEO의 역할까지 대체하여 사업을 설계하고, 그 사업에 필요한 엔지니어링 작업을 스스로 수행하게 될 것입니다.

https://www.facebook.com/hohyon/posts/pfbid0msYgHBqBGVavC8ykpfyAff92mGfPamAdHjypvfWDhsJKCGLrSGxqfRgRqQvomDu7l