AI의 파괴적 갱신: 모두가 경쟁의 경쟁을 거듭하면 결국엔 어떻게 될까?

Contents News Letter

AI의 파괴적 갱신: 모두가 경쟁의 경쟁을 거듭하면 결국엔 어떻게 될까?

GPT Store

(Dev + IT + )

3월 둘째 주 Dev

# 이슈 픽 #Best Sora와 Gemini 1.5사태가 시사하는 보통 기업들의 AI전략
# 추천 픽 #꾸욱꾹이 LLM(대규모 언어 모델), 자주 하는 질문 8가지
# 맛IT는 녀석들 #줍줍 닷컴 버블을 떠올리게 하는 인공지능 열풍?

# 데브잇냥 독자탐구생활 <LEAN HR> by 진짜 님
# 데브잇냥 지식in 2024년 취업 시장과 백엔드 개발자가 되기 위한 가이드

이슈 픽 #Best‍

Sora와 Gemini 1.5사태가 시사하는 보통 기업들의 AI전략

처음 GPT 3.5가 나왔을 때 ‘와 대박, 세상에 이런게 나오다니?’하고 놀랐는데, 지금은 오늘 누군가 새로운 모델을 발표하면 어제의 것은 구식이 되고 말아. 이러한 파괴적 갱신은 모든 AI 영역에서 매일 일어나고 있어. 모두가 경쟁에 경쟁을 거듭하면서 몇몇 분야의 인공지능 능력은 인간의 능력에 수렴한 수준이야. 이런 상황이 어떻게 가능해졌을까? 대체로 공통된 3가지를 꼽곤 해. ①훌륭한 알고리즘, ②고속 계산 하드웨어, ③대용량의 데이터

무한 경쟁의 끝은 결국 모두가 ①, ②를 갖추는 엔딩이겠지. 그럼 그땐 어떻게 되냐고? 테크닉 부분을 제외하면, 남들이 확보할 수 없는 독보적인 private data를 쥐는 회사가 AI 전쟁에서 최종 승리를 하지 않을까? 오픈AI가 ‘훌륭한 알고리즘’을 구현했고, 연일 주가 상승을 기록하고 있는 엔비디아가 ‘훌륭한 하드웨어’를 만들어 냈지만 결국에는 데이터를 쥐고 있는 구글과 애플이 AI 시장의 승리자가 될지도? 그렇다면 일반 회사들은 AI 비즈니스를 어떻게 접근해야 할까? 프라이빗 데이터 중 최고봉은 개인 정보라는 걸 생각하면서 우리 회사만 가질 수 있는 ‘독립적이고 베타적인 데이터’는 무엇인지 고민해 보자구.

추천 픽 #꾸욱꾹이

LLM(대규모 언어 모델), 자주 하는 질문 8가지

LLM은 분명 우리의 삶에 놀랍고도 편리한 변화를 가져다주었는데, 거대한 크기와 많은 복잡성 때문에 여전히 접근하기 어려운 주제이기도 해. 실무자조차 자신의 업무에 적용하기 쉽지 않거든. LLM을 사용하는 동안 어려움을 헤쳐 나가는 데 도움이 될 ‘자주 하는 질문 8가지’를 공유할게. 수많은 연구자와 실무자의 지혜를 모아 모아 정리한 내용이니까 불확실성이나 장애물에 직면했을 때 활용했음 좋겠어. 우선은 8가지 중 1가지 먼저 소개할게.

Q. LLM을 비영어권 언어에 사용하는 방법은 무엇이며, 특별한 어려움은 무엇일까요?
A. LLM은 비영어권 언어에 확실히 사용될 수 있습니다. mBERT(다국어 BERT)나 XLM(교차 언어 모델)과 같은 모델들은 여러 언어로 훈련되어 해당 언어들의 작업을 처리할 수 있습니다. 그러나 각 언어에 대한 훈련 데이터의 양과 품질에 따라 품질과 성능이 다를 수 있습니다. 또한, 단어 순서, 형태론, 특수 문자 사용과 같은 다양한 언어의 독특한 특성으로 인해 특별히 해결해야 할 과제가 생길 수 있습니다.

맛IT는 녀석들 #줍줍

재미난 소식과 알짜 정보들을 물어왔다냥 한빛출판네트워크

[뉴스] 더 이상 아이들에게 코딩을 가르칠 필요가 없다
엔비디아의 CEO 젠슨 황이 “더 이상 아이들에게 코딩을 가르칠 필요가 없다”라고 발언해서 큰 파장을 일으켰던 사건 기억나? 대표적인 기술 커뮤니티인 레딧에서는 사람들이 AI 기기에 더 의존하게 되고, 결국 자기네 제품을 더 많이 팔기 위한 거 아니냐는 의견도 있었어. 아마도 젠슨 황은 학습의 우선순위를 말하고 싶었던 의도가 아니었을까? 그전까지는 ‘코딩을 잘 하는 것’이 핵심 경쟁 포인트였다면, 이젠 다른 지식이 더 중요하다는 거지. “이젠 그 누구도 프로그래밍을 할 필요가 없는 컴퓨팅 기술을 만드는 것이 우리 일이다. 인간이 바로 프로그래밍 언어다.”
[뉴스] 닷컴 버블을 떠올리게 하는 인공지능 열풍?
M7(애플, MS, 구글, 메타, 엔비디아, 아마존, 테슬라)이 S&P 500 시가 총액 비율을 30% 넘게 차지하면서 2000년대 닷컴 버블과 유사하다는 이야기까지 나오고 있어. 닷컴 신화의 붕괴는 미국 경제 침체가 큰 원인이었고, 현재도 상황이 좋은 건 아니지만 인공지능 버블이라고 단정하기는 어려워. 우선 아직 산업 전환이 진행 중이라는 점. 그리고 기업들이 디지털 전환을 서두르는 과정에서 투자 과잉을 우려할 수 있지만 기술주 강세가 과거와는 다른 양상이고, 기업가치 비율이 닷컴 버블 시절보다 낮거든. 그렇다고 해서 무지성 위험 투자는 금물이야!
[뉴스] AI가 만들어낸 키즈 유튜브 콘텐츠의 지옥
곳곳에서 생성형 AI가 만든 콘텐츠가 쏟아지고 있어. 안타깝게도 생성형 AI로 인해 가장 큰 영향을 받는 사람은 자신을 방어할 수 없는 어린 아이들이야. 현 상황이 AI가 만들어낸 키즈 유튜브 콘텐츠의 지옥 수준이라는데. 어린이의 학습 효과에 대한 고민은 하지 않고 그저 돈에 눈이 멀어 엉성하게 만든 영상이 유튜브에 아주 넘쳐나. 영상에 문제가 있더라도 애들은 모르고 그냥 볼 뿐. 이런 말도 안 되는 영상으로 16억을 번 채널도 있대;
[정보] G마켓_개발자를 잠 못 들게 만드는 코드
하루에 3 ~ 5시간밖에 못 자면 당뇨 걸릴 위험이 높아진댔는데, 개발자의 건강을 위협하는 코드는 뭐가 있을까? ①try-catch 무시: catch 블록을 비워두면 예외가 존재할 이유가 사라지는데, 비유하자면 화재 경보를 무시하는 수준이 아니라 아예 꺼버려서 그 누구도 화재가 발생했는지 모르게 하는 것과 같아. 다 같이 죽자..? ②대규모 트래픽 환경에서 API Timeout: 타임아웃이 긴 코드는 트래픽이 집중될 때 문제가 될 수 있어. 트래픽이 상승하면 API 호출이 많아지면서 응답 속도가 느려지고 참지 못한 고객은 떠나가지. 프로모션 중에 해당 문제가 발생했다? 그럼 이제 그 날로 잠 다 잔 거야.
[정보] 인프랩_월 3천만 원을 아낀 스타트업 엔지니어의 AWS 비용 최적화 경험기
인프랩 DevOps 파트는 월간 $25,000(원화로 약 3,325만 원)를 절약했대. 연간으로 따지면 거의 4억을 아낀 셈!!! 스타트업 기준으로 AWS를 저렴하고 효율적으로 이용할 수 있는 노하우를 알려줄게. 효율적인 아키텍처뿐만 아니라 월별 비용 지표를 만드는 등 여러 방면에서 모니터링하고 분석해서 최적화했어. 참고해서 힘든 겨울을 함께 이겨내 보자!
[정보] 토이 프로젝트, 더이상 VM(aka. EC2)에 올려서 월 2만 원씩 쓰지 마십시오
인프랩의 AWS 비용 최적화 경험기에서는 서버리스의 함정에 빠지지 말라는 얘기가 있었지만, 토이 프로젝트의 경우 서버리스(Google Cloud)를 이용하면 월 1,000원 선에서 유지 가능! 흐름은 대략 이래. ①작성한 코드를 Dockerfile을 이용해 Container Image로 만들기, ②Artifact Registry로 Push 하기, ③Artifact Registry의 이미지를 Cloud Run에 배포하기, ④Cloud Run에 Cloud Storage를 Mount 시키는 설정을 추가하기. ㅇ0ㅇ 뭐야 그동안 가져간 내 돈 돌려죠요…