검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'AI 에디터'통합검색 결과 입니다. (289건)

태그
기간
- 3개월
- 1년
- 1년 이전

재검색

AI가 미디어를 바꾼다…기자-독자들의 생각은?

호주 멜버른 RMIT대학교와 워싱턴주립대학교, QUT 디지털미디어연구센터가 2022년부터 2024년까지 3년간 7개국 뉴스룸의 생성형 AI 활용 실태와 이에 대한 언론인들과 독자들의 인식을 심층 분석한 연구 보고서를 발표했다. 해당 보고서는 호주, 독일, 미국, 영국, 노르웨이, 스위스, 프랑스의 16개 뉴스 조직에서 일하는 20명의 언론인들과 60명의 뉴스 독자들을 인터뷰한 결과를 담고 있다. (☞ 보고서 바로가기) AI로 생성된 이미지 검증할 도구 없다 - 93.75%의 언론사가 허위정보 우려 16개 언론사 중 15개사(93.75%)가 AI 생성 콘텐츠의 허위정보 확산 가능성을 가장 큰 위험으로 지적했다. 한 프랑스 뉴스룸의 기자는 "AI로 생성된 이미지를 검증할 수 있는 도구가 현재로서는 없다"고 밝혔다. 조사 결과 10개 언론사가 인력 감축을, 8개 언론사가 저작권 문제와 AI 생성 콘텐츠 감지의 어려움을 주요 우려사항으로 꼽았다. AI 활용도 조사: 이미지 리사이징 95% vs 가상 앵커 6.4%의 극명한 대비 연구팀이 23가지 AI 활용 사례에 대한 독자 선호도를 조사한 결과, 이미지 리사이징(95%), 색상 팔레트 생성(86.66%), 브레인스토밍(83.3%), 비디오 편집(78.3%), 이미지 인식(76%)과 같은 기술적 보조 기능에는 높은 선호도를 보였다. 반면 가상 뉴스 진행자 생성(6.4%), 인물 사진 확장(0%), 워터마크 제거(15%), 사진 합성(16.6%)과 같은 콘텐츠 조작 기능에는 강한 거부감을 나타냈다. 독자 98.34% AI 사용 가이드라인 필수 - 투명성에 대한 높은 요구 조사 대상 독자의 98.34%가 뉴스 조직의 AI 사용 가이드라인 수립이 필요하다고 답했으며, 85%는 AI 사용의 투명한 공개를 요구했다. 독자들은 AI 사용 내역이 콘텐츠 시작 부분에 명확히 표시되어야 하며, 산업 전반에 걸쳐 통일된 AI 콘텐츠 표시 기준이 필요하다고 제안했다. 특히 AI가 생성하거나 편집한 콘텐츠의 비율을 명시하고 이를 항상 동일한 위치에 표시하기를 원했다. 전통 의상 입은 아시아 여성만 생성 - AI 알고리즘의 편향성 문제 연구진은 AI 시스템의 심각한 편향성을 발견했다. 성별, 인종, 연령뿐 아니라 도시-비도시 환경에 대한 편향도 확인됐다. 한 아시아계 사진 편집자의 경험은 이를 잘 보여준다. "어머니가 분홍색 블라우스와 청바지를 입고 계셨는데, AI에 상세한 프롬프트를 입력했음에도 계속해서 전통 의상을 입은 클리셰적인 아시아 여성의 모습만 생성했다"고 증언했다. 호주 주요 언론사들의 AI 활용 현황: 번역과 메타데이터 중심 호주의 주요 뉴스룸들은 AI를 주로 콘텐츠 처리와 백엔드 프로세스에 활용하고 있다. 구체적으로는 비디오 메타데이터 추가, 아카이브 검색 기능 향상, 다문화 독자를 위한 기사 번역 등에 AI를 실험적으로 도입하고 있다. 대부분의 언론사가 AI 도입을 위한 전담 조직을 운영하고 있으며, 법률, 편집, 콘텐츠, 기술 부서 대표들로 구성된 AI 운영위원회를 통해 AI 활용 방향을 결정하고 있다. AI 도입은 신중하게 - 독자들이 제안한 20가지 기대사항 독자들은 AI 활용에 대해 24가지의 구체적인 기대사항을 제시했다. 가장 많이 언급된 네 가지 주요 기대사항은 AI 사용에 대한 가이드라인 수립(98.34%), AI 사용의 투명한 공개(85%), AI 생성 콘텐츠의 검증(33%), AI 최소 사용 원칙(18.3%)이었다. 그 외에도 AI 정책의 시대적 변화 반영(8.3%), AI는 편집용으로만 사용(8.3%), 법적 규정 준수(6.6%), AI 생성 이미지 사용 금지(5%) 등의 의견이 있었다. 한 응답자는 "AI가 존재하지 않아야 한다거나 전혀 쓸모없다고 말하는 것은 아니지만, 뉴스룸에서 인력을 대체하거나 최종 단계에서 AI가 개입하는 것은 최소화되어야 한다"고 강조했다. 또한 응답자들은 AI 훈련에 개인정보 사용 금지, 단일 AI 도구 의존도 제한, AI 편향성 인식과 방지, 인물 이미지 편집 시 당사자 동의 획득 등 구체적인 실행 지침도 제안했다. AI 크롤링 차단 - 뉴스룸의 새로운 과제 주목할 만한 점은 많은 뉴스 조직이 자사 콘텐츠가 AI 학습 데이터로 활용되는 것을 막기 위해 AI 크롤러 차단에 나서고 있다는 것이다. 대형 언어 모델의 학습 데이터로 자사 콘텐츠가 무단으로 사용되는 것을 방지하기 위한 조치다. 이는 저작권 보호와 함께 AI 생성 콘텐츠의 품질 관리를 위한 것으로 분석된다. 이 연구는 뉴스룸에서의 AI 활용이 아직 초기 단계이며, 기술의 발전과 함께 윤리적 가이드라인과 투명성 확보가 무엇보다 중요하다는 점을 강조했다. 특히 독자들의 신뢰를 유지하기 위해서는 AI 사용에 대한 명확한 정책과 공개가 필수적이라는 결론을 내렸다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.18 14:14AI 에디터

AI, 동물 통증도 잘 잡아낸다…"수의사 보다 11.5% 더 정확"

AI, 수의사보다 11.5% 더 정확한 판단력 보여 이스라엘 하이파 대학교와 브라질 상파울루 주립대학교 공동 연구팀이 발표한 연구에 따르면, 인공지능(AI)이 수의사보다 더 정확하게 동물의 통증을 판단할 수 있는 것으로 나타났다. CLIP 인코더(CLIP encoder)를 기반으로 한 AI 시스템은 양의 얼굴 표정을 분석해 통증을 평가하는 데 있어 전문 수의사들보다 우수한 성능을 보였다. (☞ 논문 바로가기) 구체적으로 AI는 양 안면 표정 척도(SFPES)를 사용한 인간 평가자들보다 통계적으로 유의미하게 높은 정확도를 달성했다(AUC 차이 = 0.115, p < 0.001). 더욱 주목할 만한 점은 AI가 현재 '골든 스탠다드'로 여겨지는 USAPS 행동 평가에서도 인간 전문가와 대등한 수준의 성능을 보였다는 것이다(AUC 차이 = 0.027, p = 0.163). 정밀한 연구 설계: 48마리 양 대상 96개 이미지 분석 연구팀은 17마리의 베르가마시아종, 18마리의 라카우네종, 13마리의 도르퍼종 등 총 48마리의 양을 대상으로 연구를 진행했다. 각 양의 정면과 측면 이미지를 수술 전(통증 없음)과 수술 3-4시간 후(최대 통증 예상 시점) 시점에서 촬영했다. 총 96장의 이미지(48마리 x 2단계 x 2방향)를 분석에 활용했으며, 더욱 정확한 결과를 위해 USAPS 측정값을 기반으로 데이터셋을 정제해 최종적으로 39마리의 데이터를 사용했다. AI 모델의 혁신적 접근법: CLIP 인코더와 나이브 베이즈 분류기 결합 연구팀이 개발한 AI 파이프라인은 두 가지 핵심 기술을 결합했다. 먼저 CLIP 인코더는 양의 정면과 측면 이미지를 각각 768차원의 임베딩 벡터로 변환한다. 이후 두 벡터를 결합해 1,536차원의 단일 벡터를 생성하는데, 이는 양의 얼굴 표정에 대한 종합적인 디지털 표현이다. 이렇게 변환된 데이터는 나이브 베이즈(Naive Bayes) 분류 모델을 통해 최종적으로 통증 여부를 판단한다. 특히 연구팀은 'leave-one-animal-out' 교차 검증 방식을 도입해 개별 양의 특성이 학습에 영향을 미치지 않도록 했으며, 특징 선택(feature selection) 기법을 활용해 모델의 과적합을 방지하고 연산 복잡성을 줄였다. 이러한 방식은 적은 양의 훈련 데이터로도 효과적인 학습이 가능하다는 장점이 있다. AI의 혁신적 성과: 정확도 82.29%, 특이도 83.33% 달성 AI 시스템은 정확도 82.29%, 민감도 81.25%, 특이도 83.33%, F1 스코어 82.11%를 기록했다. 이는 USAPS 컷오프 포인트 4 기준 인간 평가의 정확도 79.56%, 민감도 87.76%, 특이도 71.35%, F1 스코어 81.11%를 뛰어넘는 수준이다. 특히 SFPES를 사용한 인간 평가(정확도 70.83%, 민감도 86.72%, 특이도 54.95%)와 비교했을 때 현저히 우수한 성능을 보여주었다. 전문가 평가의 주관성 한계: 성별, 피로도 등 8가지 편향 요소 확인 기존 통증 평가 방식은 관찰자의 사전 훈련 정도, 성별, 피로도, 경험, 소요 시간 등 다양한 요인에 의해 영향을 받는다. 특히 최근 연구에서는 고양이 통증 평가에 사용되는 세 가지 척도(CMPS-Feline, CSU-FAPS, FGS)의 평가자 간 신뢰도가 대부분 낮음에서 보통 수준에 그치는 것으로 나타났다. 현재 연구의 주요 한계점으로는 상대적으로 작은 데이터셋 크기와 농장 환경에서의 실제 적용 가능성 검증이 부족하다는 점을 들 수 있다. AI 진단의 한계와 과제: 중간 강도 통증 평가 능력 검증 필요 현재 AI 시스템은 극단적인 통증 상황(수술 직후)만을 평가했다는 한계가 있다. 연구진은 진통제 투여 후와 수술 24시간 후 등 다양한 시점에서의 평가 능력 검증이 필요하며, 특히 경증에서 중등도 통증의 진단 정확도 검증이 추가로 필요하다고 지적했다. 향후 연구 과제로는 AI의 의사결정 과정을 설명할 수 있는 설명 가능한 AI(XAI) 연구와 시간적 차원을 포함한 행동 분석 AI 개발이 제시되었다. 임상 현장 도입을 위한 로드맵: PainChek 사례를 통해 본 실용화 방안 인간 통증 평가에서는 이미 페인첵(PainChek)이라는 AI 기반 모바일 앱이 실제 임상에서 활용되고 있으며, 96.4%의 정확도를 보이고 있다. 연구진은 이를 모델로 삼아 동물용 통증 평가 앱 개발을 차기 목표로 제시했다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.18 09:16AI 에디터

'위장 정보' 숨겨 목소리 도용 차단…'보컬크립트' 기술 나왔다

기존 딥페이크 음성 탐지의 한계: 사후 대응에서 사전 예방으로 중국 란저우대학교 연구진이 발표한 논문에 따르면, AI 음성 복제 기술의 발전이 텍스트 음성 변환(TTS)과 음성 변환(VC) 분야에서 괄목할만한 성과를 보이고 있다. 하지만 이러한 발전은 동시에 심각한 보안 위험을 초래하고 있다. 기존의 수동적 탐지 기술들은 워터마킹이나 패시브 탐지 기술에 의존해 공격이 발생한 후에야 대응이 가능했으며, 특정 공격 패턴에만 과적합되는 한계를 보였다. (☞ 논문 바로가기) AI 음성 복제의 핵심 기술: 음성 변환과 TTS의 작동 원리 음성 복제 기술은 크게 음성 변환(Voice Conversion)과 텍스트 음성 변환(TTS) 두 가지 방식으로 구현된다. 음성 변환은 임의의 화자 음성을 목표 화자의 음성으로 변환하면서 언어적 내용은 유지하는 기술이다. 반면 TTS는 더 유연한 방식으로, 원본 화자의 음성 없이도 텍스트만으로 원하는 음성을 생성할 수 있다. 이러한 기술의 핵심에는 타코트론(Tacotron)과 패스트스피치(FastSpeech)와 같은 딥러닝 기반 음향 모델이 있다. 특히 타코트론2는 위치 인식 어텐션 모듈을 도입해 합성 품질을 크게 개선했으며, 패스트스피치2는 음향 사전 정보를 활용해 더욱 향상된 결과를 제공한다. 음성의 최종 합성 단계에서는 하이파이-GAN(HiFi-GAN)과 같은 보코더가 사용되어 더욱 자연스러운 음성을 생성한다. 청각 마스킹 효과로 AI 음성 복제 차단: 음성 신호의 최대 60%까지 위장 가능 연구팀이 개발한 '보컬크립트(VocalCrypt)'는 인간의 청각 시스템의 특성을 활용한 혁신적인 방어 기법이다. 이 기술은 복잡한 음성 신호에서 30-60%가 마스킹 효과로 인해 인간의 귀로는 감지할 수 없다는 원리를 활용한다. 구체적으로 20Hz에서 22.05kHz 범위를 25개의 임계 대역으로 나누어 처리하며, 특히 저주파 영역(17번 밴드, 20~770Hz)에 중점을 둔다. 마스킹 임계값 기반의 적응형 강도 제어: NMR -5dB 이하 유지 보컬크립트는 소리의 각 주파수 대역별로 '마스킹 임계값'이라는 기준을 설정하여 위장 음색의 세기를 정밀하게 조절한다. 이는 마치 큰 소리가 작은 소리를 가리는 현상을 과학적으로 활용하는 것이다. 연구팀은 우리 귀가 어떤 소리는 잘 듣고 어떤 소리는 잘 듣지 못하는 특성을 철저히 분석했다. 이들은 소리의 특성을 순수한 음(예: 단일 피아노 음)부터 복잡한 소음까지 단계별로 구분했다. 실제 사람의 목소리는 대개 이 둘의 중간 어딘가에 위치한다. 연구진은 이런 특성을 고려해 각 소리 구간마다 최적의 위장 음색 강도를 결정했다. 특히 위장 음색의 세기를 특정 수준(기술적으로는 -5dB) 이하로 유지하여 사람의 귀로는 전혀 감지할 수 없게 만들었다. 이는 마치 큰 소리 속에 작은 소리를 숨기는 것과 같은 원리다. 결과적으로 우리가 들을 때는 원본 음성과 차이를 느끼지 못하지만, AI 음성 복제 시스템이 이 음성을 학습하거나 복제하려고 할 때는 심각한 방해를 받게 된다. 이러한 정교한 조절 덕분에 보컬크립트는 음성의 자연스러움은 그대로 유지하면서도 AI의 음성 도용 시도를 효과적으로 차단할 수 있게 되었다. 이는 마치 사람의 눈에는 보이지 않는 보안 워터마크를 음성에 삽입하는 것과 비슷한 효과를 낸다고 볼 수 있다. 음성의 언어, 화자의 성별에 관계없이 일관된 방어 효과 입증 연구팀은 상용 모델인 일레븐랩스(ElevenLabs)와 오픈소스 모델 GPT-SoVITS, XTTSv2, SEED-VC, StyleTTS2를 대상으로 광범위한 성능 검증을 실시했다. 실험은 CSTR VCTK 데이터셋의 영어 음성과 Zhvoice 데이터셋의 중국어 음성을 활용했다. VCTK 데이터셋은 109명의 영어 화자가 각각 약 400문장을 녹음한 데이터이며, Zhvoice 데이터셋은 약 3,200명의 화자, 900시간 분량의 오디오, 113만 줄의 텍스트로 구성된 대규모 데이터셋이다. 테스트의 공정성을 위해 데이터를 중국어 남성, 중국어 여성, 영어 남성, 영어 여성 등 4개 카테고리로 나누고 각 카테고리별로 100개 문장을 계층적 무작위 추출 방식으로 선정했다. 자동 화자 인증(ASV) 시스템을 통한 평가에서, 두 음성의 유사도 점수가 0.8을 넘으면 동일 화자로 판단하는데, 보컬크립트로 보호된 음성은 대부분 이 기준치 아래의 점수를 기록했다. 구체적인 실험 결과를 보면, 일레븐랩스에 대해 중국어 여성 화자는 0.627, 영어 여성 화자는 0.442의 유사도 점수를 보였다. GPT-SoVITS에 대해서는 각각 0.661과 0.465를 기록했으며, 다른 모델들에 대해서도 대부분 0.6 이하의 낮은 유사도를 유지했다. 특히 주목할 만한 점은 이러한 방어 효과가 음성의 언어나 화자의 성별에 관계없이 일관되게 나타났다는 것이다. 실제 공격 시나리오를 고려해 아마추어 공격자와 전문 공격자의 두 가지 유형으로 나누어 테스트도 진행했다. 아마추어 공격자는 readily available한 온라인 상용 제품이나 간단한 사전 학습 모델을 사용하는 것으로 가정했고, 전문 공격자는 적대적 공격, 미세 조정 등 고급 기술을 사용하는 것으로 설정했다. 두 경우 모두에서 보컬크립트는 효과적인 방어 성능을 보여주었다. 500% 빠른 처리 속도와 0.942의 음질 점수 달성 기존 GAN 기반 방어 기술들과 비교해 처리 속도가 5배 향상되었으며, 음질 평가에서도 0.942라는 높은 점수를 기록했다. 이는 기존 기술들의 음질 점수인 0.984(Huang's)와 0.956(Dong's)에 근접한 수준이다. 연구팀은 이 기술의 실시간 처리 성능을 바탕으로 마이크나 사운드카드에 직접 통합하는 방안을 검토 중이다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.18 08:36AI 에디터

'초거대 AI 모델' 3파전…한국, 미국·중국 이어 3위

글로벌 초거대 AI 모델 현황 분석(2024년 조사) 5년간 271개 출시된 초거대 AI, 연평균 성장률 179.5% 기록 소프트웨어정책연구소가 발간한 '글로벌 초거대 AI 모델 현황 분석' 보고서에 따르면, 2020년부터 2024년까지 전 세계적으로 총 271개의 초거대 AI 모델이 출시되었다. 2024년에는 전년 대비 13개가 증가한 122개의 새로운 모델이 시장에 선보였으며, 이는 5년간 연평균 179.5%의 성장률을 보여준다. 초거대 AI 모델은 대규모의 컴퓨팅 인프라를 바탕으로 방대한 데이터를 학습하여 인간처럼 종합적인 인지·판단·추론이 가능한 '큰 규모'의 AI를 의미하며, 이번 분석은 GPT-3 수준인 1023 FLOP 이상 규모의 모델을 기준으로 삼았다. (☞ 보고서 바로가기) 글로벌 초거대 AI 개발 3강 체제: 미국 128개, 중국 95개, 한국 14개 보유 미국이 128개 모델로 선두를 지키고 있으며, 중국이 95개로 뒤를 잇고 있다. 주목할 만한 점은 한국이 14개의 모델을 보유하며 프랑스(10개)를 제치고 3위 자리를 굳건히 지키고 있다는 점이다. 한국의 초거대 AI 모델은 2021년 네이버의 HyperCLOVA 시리즈를 시작으로, 2023년 LG의 EXAONE 2.0, 삼성의 Gauss 시리즈, KT의 Mi:dm 200B 등이 출시되었으며, 2024년에는 LG AI연구원이 EXAONE 3.0과 3.5 시리즈를 추가했다. 멀티모달 AI 모델 비중 18.9%로 증가, 다중 과업 수행 모델 63.9% 달성 초거대 AI의 진화 방향은 멀티모달 지원과 다중 과업 수행 능력의 확대로 나타났다. 2024년에는 총 23개의 멀티모달 모델이 출시되어 전체의 18.9%를 차지했으며, 이는 2023년 13개(11.9%) 대비 크게 증가한 수치다. 다중 과업 수행이 가능한 모델은 총 78개로, 전체의 63.9%를 차지했다. 특히 5개 이상의 과업을 수행할 수 있는 모델이 24개로 급증했으며, 2-4개 과업 수행 모델까지 포함하면 전체의 47.5%가 다중 과업 수행 능력을 보유하고 있다. 언어 모델 240개로 압도적 1위, 시각·음성·바이오 분야로 확장 전체 모델의 88.6%인 240개가 언어 모델이었으며, 시각 관련 모델 63개, 음성 모델 8개, 바이오 모델 4개가 그 뒤를 이었다. 2024년에는 비전(Vision) 모델과 영상(Video) 모델의 출시가 증가했으며, OpenAI의 o1 시리즈와 같은 수학 분야 추론 모델이 새롭게 등장했다. 과업 유형별로는 언어 모델링/생성(208개), 채팅(98개), 코드 생성/자동완성(78개), 질의응답(72개), 번역(52개) 순으로 많았다. 민간 기업 주도로 가속화되는 AI 혁신: 알리바바 15개 모델 출시로 선두 2024년 기준 전체 모델의 96.7%가 기업에 의해 개발되었으며, 이는 2022년 89.7%, 2023년 93.6%에서 꾸준히 증가한 수치다. 알리바바가 15개 모델로 최다 출시를 기록했고, 메타(13개), 오픈AI(9개), 구글(7개) 순이었다. 3개 이상 모델을 출시한 19개 기관 중 미국 기업이 11개로 가장 많았으며, 중국 6개, 한국의 LG와 프랑스의 Mistral AI가 각각 1개 기관을 차지했다. xAI의 Grok-2, 5.30E+25 FLOP으로 최대 규모 기록 2024년 출시된 모델 중 xAI의 Grok-2가 5.30E+25 FLOP으로 최대 규모를 기록했다. GPT-4o(3.81E+25), Llama 3.1-405B(3.80E+25), Claude 3.5 Sonnet(3.65E+25), GLM-4-Plus(3.60E+25) 순으로 상위 5개 모델이 구성되었다. 특히 이들 상위 모델은 모두 기업이 개발했으며, 대부분 멀티모달 기능과 다중 과업 수행 능력을 갖추고 있다. 초거대 AI 경쟁 심화에 따른 국가 전략 투자 확대 시급 글로벌 초거대 AI 기술 경쟁이 더욱 심화되는 가운데, 한국의 전략적 대응이 필요한 시점이다. 특히 최근 중국 AI 스타트업 딥시크(DeepSeek)의 사례는 주목할 만하다. 딥시크는 저비용으로 고성능 AI를 개발할 수 있다는 가능성을 보여줬지만, 동시에 높은 컴퓨팅 파워를 기반으로 한 대형 AI 모델의 중요성도 입증했다. 실제로 딥시크의 소형 AI 모델 'DeepSeek-R1'도 대형 AI 모델을 활용한 '지식 증류' 기술로 개발된 것이다. 한국은 세계에서 세 번째로 LLM(거대언어모델)을 개발한 국가로서, 2021년 9월 네이버의 개발을 시작으로 글로벌 경쟁력을 유지해오고 있다. 그러나 초거대 AI 모델이 급증하고 경쟁이 치열해지는 현 상황에서, 산업계의 혁신 노력과 이를 뒷받침할 정부의 정책적 지원이 결합되어야 할 필요성이 커지고 있다. 또한 우리나라가 미래 AI 혁명의 주역이 되기 위해서는 AI 스타트업이 혁신할 수 있는 환경을 조성하고, 자립적 초거대 AI 생태계 육성을 도모해야 한다. 특히 딥시크의 사례에서 볼 수 있듯이, 우수한 인재 육성과 인프라 확보의 중요성이 더욱 부각되고 있다. 딥시크는 미국의 수출규제에도 불구하고 고사양 AI 반도체를 확보하고 우수 인력을 유치하여 약 150명 규모의 조직으로 성장했으며, 기존 기술을 응용한 혁신적인 접근으로 성과를 이뤄냈다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.17 23:14AI 에디터

[Q&AI] 재직 중 출산 시 1억?…크래프톤의 출산 장려 정책, 뭐가 다르나 봤더니

질문1. 크래프톤의 출산 장려 정책에 대해 정리해줘 퍼플렉시티 답변: 크래프톤은 최근 출산 장려 정책을 도입하여 주목받고 있습니다. 이 정책은 크래프톤 직원들이 자녀를 출산할 경우 최대 1억 원의 지원금을 제공하는 내용을 포함하고 있습니다. 구체적으로, 자녀 출산 시 6000만 원을 일시 지급하고, 이후 8년간 매년 500만 원씩 추가로 지급하는 방식으로 구성되어 있습니다. 이 정책은 크래프톤의 탄탄한 재무 상태를 바탕으로 일과 가정의 양립이 가능한 기업 환경을 조성하려는 노력의 일환이라고 분석됩니다. 크래프톤은 지난해 매출 2조7098억 원, 영업이익 1조1825억 원을 달성하며 상장 게임사 중 영업이익 1위를 기록했습니다. 크래프톤 측은 이 정책에 대해 아직 세부 사항을 공개하지 않고 있으며, 검토 중인 사안으로 확인해 드리기 어렵다고 밝혔습니다. 이러한 출산 장려 정책은 국내 게임 산업에서 보기 드문 수준의 복지 혜택으로 평가받고 있습니다. 질문2. 크래프톤의 출산 장려 정책이 다른 기업의 출산 지원 정책과 어떻게 차별화되나요? 퍼플렉시티 답변: 크래프톤의 출산 장려 정책은 다른 기업의 출산 지원 정책과 몇 가지 측면에서 차별화됩니다. 차별화된 점 금액 규모: 크래프톤은 자녀 출산 시 최대 1억 원의 지원금을 제공합니다. 이는 국내 게임 산업에서 보기 드문 수준의 지원금입니다. 다른 기업들은 일반적으로 출산 관련 지원금을 제공하지만, 크래프톤의 금액은 상당히 높습니다. 지급 방식: 크래프톤은 일시 지급과 연간 지급을 병행하여 장기적으로 지원합니다. 이는 단순한 일시적 지원이 아닌, 장기적인 가족 계획에 대한 지원을 강조합니다. 다른 기업들은 주로 일시적 지원을 제공하거나, 특정 기간 동안의 부모 육아휴직 급여를 제공합니다. 복지 혜택의 포괄성: 크래프톤의 정책은 출산 후 가족의 안정적인 생활을 돕기 위한 포괄적인 지원을 목표로 하고 있습니다. 이는 단순한 경제적 지원을 넘어, 일과 가정의 양립을 도모하려는 노력의 일환입니다. 다른 기업들은 출산 관련 복지 혜택을 제공하지만, 크래프톤의 정책은 직원들의 장기적인 가족 계획에 대한 고려가 돋보입니다. 비교 대상 국내 정부 정책: 한국 정부는 출산 및 육아 지원을 강화하고 있으며, 부모에게 다양한 경제적 지원과 휴직 제도를 제공하고 있습니다. 그러나 크래프톤의 정책은 이러한 정부 지원과는 별도로, 기업 차원에서 더 많은 혜택을 제공하는 점에서 차별화됩니다. 다른 기업의 출산 지원: 일부 대기업들은 출산 관련 지원을 제공하지만, 크래프톤의 정책은 금액과 지급 방식에서 독특한 점이 있습니다. 예를 들어, 미국의 일부 대기업들은 12주에서 24주까지의 유급 육아휴직을 제공하지만, 크래프톤의 정책은 장기적인 경제적 지원에 중점을 두고 있습니다. 결론적으로, 크래프톤의 출산 장려 정책은 금액 규모, 지급 방식, 복지 혜택의 포괄성에서 다른 기업의 출산 지원 정책과 차별화됩니다. 이는 크래프톤이 직원들의 가족 계획에 대한 장기적인 지원을 강조하고 있음을 보여줍니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 퍼플렉시티를 활용해 작성되었습니다.

2025.02.17 19:13AI 에디터

AI 훈련, 학습 데이터 817개로 10만개 뺨치는 성과…비결은?

817개 학습 데이터로 AIME 57.1% 정확도 달성한 LIMO의 혁신 상하이교통대학교(SJTU) 연구진이 발표한 'LIMO: Less is More for Reasoning' 논문에 따르면, 대규모 언어모델(LLM)의 수학적 추론 능력을 향상시키는데 기존의 통념을 뒤엎는 혁신적인 발견이 있었다. 연구진은 단 817개의 엄선된 학습 데이터만으로도 미국수학초청시험(AIME) 벤치마크에서 57.1%, MATH 벤치마크에서 94.8%의 정확도를 달성했다. 특히 주목할 만한 점은 이 성과가 NuminaMath-100k가 보여준 32.3%나 OpenThoughts-114k의 58.3%보다 훨씬 뛰어난 결과라는 점이다. (☞ 논문 바로가기) 3.7T 토큰으로 수학 특화 학습한 AI의 지식 기반 혁신 LIMO 연구진은 모델의 추론 능력이 두 가지 핵심 요소에 의해 결정된다고 주장한다. 첫째는 사전학습 과정에서 획득한 포괄적인 도메인 지식이며, 둘째는 추론 과정을 상세히 보여주는 '인지 템플릿'의 효과적인 활용이다. 특히 람다2(Llama 2)가 전체 도메인에서 1.8T 토큰의 데이터로 학습된 반면, 람다3(Llama 3)는 수학적 추론만을 위해 3.7T 토큰을 사용했다는 점은 현대 AI 모델들이 풍부한 수학적 지식 기반을 갖추고 있음을 보여준다. RL Scaling과 차별화된 LIMO의 효율적 접근법 LIMO는 강화학습(RL) 기반의 기존 접근법과는 다른 철학을 보여준다. OpenAI의 o1이나 DeepSeek-R1과 같은 RL Scaling 접근법이 대규모 컴퓨팅 자원을 활용한 광범위한 탐색을 통해 추론 능력을 향상시키는 반면, LIMO는 이미 모델에 내재된 추론 능력을 최소한의 고품질 예제로 이끌어내는 방식을 택했다. 이는 단순한 데이터 효율성을 넘어 AI 추론 능력 개발의 근본적인 패러다임 전환을 제시한다. 10개 벤치마크에서 40.5% 성능 향상 입증 LIMO는 다양한 평가에서 놀라운 성과를 보여줬다. 올림피아드벤치(OlympiadBench)에서 66.8%, 중국 고등학교 수학 리그(CHMath)에서 75.4%, 중국 대학입학시험(Gaokao)에서 81.0%, 대학원 입학시험(Kaoyan)에서 73.4%의 정확도를 달성했다. 특히 GPQA에서는 66.7%를 기록하며 OpenAI-o1-preview의 73.3%에 근접했다. 이는 기존 모델들이 100배 많은 데이터로 학습했음에도 불구하고 평균 40.5%의 절대적인 성능 향상을 보여준 결과다. L5급 고품질 추론으로 AIME 15% 성능 격차 실현 연구팀이 개발한 5단계(L1-L5) 추론 품질 평가에서, 최고 수준인 L5 품질의 추론 체인으로 학습한 모델이 가장 우수한 성능을 보였다. L5와 L1 사이의 성능 차이는 AIME24에서 약 15%, MATH500에서 약 12%에 달했다. 고품질 추론의 특징으로는 명확한 구조적 조직화, 단계별 세분화, 자체 검증 단계 포함 등이 있으며, 이는 모델의 성능에 결정적인 영향을 미쳤다. Qwen2.5-32B 기반 LIMO, 기존 대비 47.1% 성능 향상 LIMO는 Qwen2.5-32B-Instruct를 기반으로 개발되었으며, 같은 구조의 이전 모델인 Qwen1.5-32B-Chat과 비교해 AIME24에서 47.1%, MATH500에서 34.4%의 놀라운 성능 향상을 보였다. 이는 사전학습 데이터의 품질 향상이 모델의 수학적 추론 능력 향상에 핵심적인 역할을 한다는 것을 입증한다. AI 추론 연구의 새로운 과제들 연구진은 LIMO의 성공을 바탕으로 여러 후속 연구 방향을 제시했다. 다중 모달 추론으로의 확장, 자동화된 품질 평가 도구 개발, 인지과학 통찰의 통합 등이 주요 과제로 제시됐다. 특히 시각 정보와 구조화된 데이터를 활용한 수학적 추론 능력 향상, 추론 체인의 품질을 자동으로 평가하고 개선하는 알고리즘 개발이 시급한 과제로 꼽혔다. 또한 인간의 인지 과정과 LIMO의 추론 패턴 사이의 유사성을 연구함으로써 AI 시스템과 인간의 추론 과정에 대한 이해를 높일 수 있을 것으로 기대된다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.17 15:26AI 에디터

오픈AI, 챗GPT 검열 해제…"모든 관점 수용하겠다"

오픈AI(OpenAI)가 자사의 대표 AI 챗봇 '챗GPT(ChatGPT)'의 콘텐츠 제한을 대폭 완화하기로 했다. 테크크런치가 16일(현지 시간)에 보도한 내용에 따르면, 오픈AI는 새로운 정책을 통해 "주제가 얼마나 도전적이거나 논쟁적일지라도 지적 자유를 수용하겠다"고 밝혔다. 이번 정책 변경으로 챗GPT는 기존보다 더 많은 질문에 답변하고, 다양한 관점을 제시할 수 있게 됐다. 오픈AI는 187페이지 분량의 '모델 스펙(Model Spec)' 문서를 수정해 새로운 지침을 공개했다. 핵심은 '거짓말하지 않기'다. 이는 잘못된 진술을 하거나 중요한 맥락을 생략하는 것을 모두 포함한다. 회사는 '함께 진실을 추구하자(Seek the truth together)'라는 새로운 섹션을 통해 챗GPT가 논쟁적인 주제에 대해서도 편집적 입장을 취하지 않을 것이라고 설명했다. 일부 사용자들이 도덕적으로 잘못됐다고 생각하거나 불쾌감을 느낄 수 있는 내용이라도 중립적 입장에서 다양한 관점을 제시한다는 것이다. 이번 변화는 실리콘밸리 전반의 정책 변화와 맥을 같이한다. 메타(Meta)의 마크 저커버그(Mark Zuckerberg) CEO는 지난달 자사 사업을 수정헌법 제1조 원칙에 맞춰 재편한다고 발표했다. 구글(Google), 아마존(Amazon), 인텔(Intel) 등 주요 기술 기업들도 최근 수년간 유지해온 다양성 정책을 축소하거나 폐지했다. 오픈AI 역시 최근 자사 웹사이트에서 다양성, 형평성, 포용성(DEI) 관련 내용을 삭제한 것으로 알려졌다. 오픈AI의 이번 결정은 'AI 안전'에 대한 새로운 해석을 제시했다는 평가를 받고 있다. 조지메이슨대학교 메르카투스센터(Mercatus Center)의 딘 볼(Dean Ball) 연구원은 [테크크런치와의 인터뷰에서] "AI 모델이 더욱 똑똑해지고 사람들의 학습에 필수적인 요소가 되면서, 이러한 결정의 중요성이 커지고 있다"고 설명했다. 이전까지 AI 기업들은 '안전하지 않은' 답변을 막는 데 주력했다. 하지만 이제는 사용자가 모든 것을 질문하고 답변받을 수 있도록 하는 것이 더 책임감 있는 접근이라는 인식이 확산되고 있다. ■ 기사는 클로드 3.5 소네트와 챗GPT-4o를 활용해 작성되었습니다.

2025.02.17 14:48AI 에디터

"생성형 AI 구독, 작년 299% 늘어…30대가 최다 이용"

생성형 AI(Generative AI) 서비스가 구독경제의 새로운 성장 동력으로 부상했다. KB국민카드가 실시한 구독 서비스 이용 현황 분석 결과에 따르면, 2024년 전체 구독 서비스 이용률이 전년 대비 12.9% 증가했다. 가장 눈에 띄는 것은 생성형 AI 서비스의 성장이다. 전년 대비 299%라는 폭발적인 증가율을 기록했다. 이는 생활·건강(59%), 쇼핑·배달 멤버십(34%), 뉴스·매거진(32%) 등 다른 구독 서비스들을 크게 앞서는 수치다. 구독 서비스 이용은 연령대별로 뚜렷한 차이를 보였다. 30대가 24%로 가장 높은 이용률을 기록했으며, 40대(23%), 20대(22%), 50대(20%), 60대 이상(11%) 순이었다. 특히 20대의 경우 음악 스트리밍 서비스 이용률이 41%로 가장 높았고, 영상 스트리밍이 30%로 그 뒤를 이었다. 반면 50대 이상은 쇼핑·배달 멤버십 서비스를 상대적으로 더 선호하는 것으로 나타났다. 현재 구독 서비스를 이용하고 있다고 응답한 비율은 74%에 달했다. 서비스별로는 영상 스트리밍이 67%, 쇼핑·배달 멤버십이 61%, 음악 스트리밍이 40%의 이용률을 기록했다. 한편 이번 조사는 서울 및 경기·인천 지역에 거주하는 25~54세 남녀 고객 800명을 대상으로 진행됐다. ■ 기사는 클로드 3.5 소네트와 챗GPT-4o를 활용해 작성되었습니다.

2025.02.17 14:39AI 에디터

AI도 코드로 배운다...딥시크AI, 범용 추론력 강화 기술 공개

수학·코드 넘어선 AI 추론력 강화의 새 길 제시 딥시크AI(DeepSeek-AI)의 연구에 따르면, 대규모 언어모델(LLM)의 추론 능력을 향상시키기 위한 새로운 접근법 'CODEI/O'가 개발되었다. 기존의 연구들이 수학이나 코드 생성과 같은 특정 영역에 집중했던 것과 달리, CODEI/O는 다양한 추론 패턴을 코드를 통해 학습하는 방식을 제시했다. 특히 논리적 추론, 과학적 추론, 상징적 추론 등 다양한 영역의 추론 과제에서 데이터가 부족하고 분산되어 있는 문제를 해결하고자 했다. (☞ 논문 바로가기) 81만 개 코드 파일에서 추출한 45만 개 함수로 구축한 학습 데이터 CODEI/O는 코드믹스(CodeMix)와 파이에듀-R(PyEdu-R) 등 다양한 소스에서 총 81만 개의 코드 파일을 수집했다. 코드믹스에서는 딥시크 코더 V2 라이트 모델의 함수 완성 작업 성공률이 10%에서 90% 사이인 42.7만 개의 파일을 선별했고, 파이에듀-R에서는 36.9만 개의 파일을 확보했다. 이 외에도 알고리즘 저장소, 수학 문제 컬렉션, 유명 코딩 플랫폼 등에서 1.45만 개의 고품질 코드 파일을 추가로 수집했다. 코드 실행 결과로 검증하는 입출력 예측 학습 방식 CODEI/O는 수집된 코드를 단순 학습하는 대신, 실행 가능한 함수로 변환하고 이를 입력-출력 예측 작업으로 재구성했다. 각 함수마다 최대 10개의 입출력 쌍을 생성했으며, 모든 입력과 출력은 자연어 형태의 Chain-of-Thought(CoT) 추론 과정으로 표현했다. 실행 시간은 샘플당 5초로 제한했고, 입출력 객체의 복잡도도 제한을 두어 일반 LLM이 생성할 수 있는 수준을 유지했다. 검증된 데이터로 재학습시킨 CODEI/O++, 더 높은 성능 달성 개선된 버전인 CODEI/O++는 DeepSeek-V2.5 모델을 활용해 잘못된 예측을 수정하는 다중 턴 방식을 도입했다. 첫 시도에서 약 50%의 정확도를 보였고, 부정확한 응답 중 약 10%가 두 번째 시도에서 수정되었다. 특히 출력 예측의 경우 51.8%가 첫 시도에서 정확했고, 나머지 중 5.2%가 두 번째 시도에서 정확도를 개선했다. 14개 벤치마크에서 입증된 뛰어난 범용 성능 연구팀은 Qwen 2.5 7B Coder, Deepseek v2 Lite Coder, LLaMA 3.1 8B, Gemma 2 27B 등 다양한 모델에서 실험을 진행했다. 그 결과 CODEI/O는 DROP(자연어 추론), WinoGrande(상식 추론), GSM8K(수학), MATH(수학), MMLU-STEM(과학/기술), BBH(논리), GPQA(과학), Cruxeval(코드), ZebraGrid(논리) 등 14개 벤치마크에서 일관된 성능 향상을 보였다. 특히 Qwen 2.5 7B Coder 모델의 경우 기본 성능 54.8에서 CODEI/O 적용 후 57.2, CODEI/O++ 적용 후 57.7로 꾸준한 성능 향상을 보였다. 두 단계 학습이 성능 향상의 핵심...기존 단일 단계 대비 최대 3.4포인트 향상 연구팀은 CODEI/O 학습을 일반 지시학습 이전 단계에 별도로 진행하는 두 단계 학습법을 채택했다. Qwen 2.5 Coder 7B 모델에서 단일 단계 학습 시 54.8점이었던 성능이 CODEI/O 선행 학습 후 57.2점으로 향상되었다. LLaMA 3.1 8B 모델에서도 49.3점에서 52.7점으로 성능이 개선되었다. 특히 연구팀은 약 118만 개의 다국어 지시학습 데이터셋을 사용했는데, 이는 CODEI/O 데이터보다 크기가 작아 두 데이터셋을 단순 혼합할 경우 학습이 균형적으로 이루어지지 않는다는 점을 발견했다. 참조 코드와 추론 과정 배치가 성능 좌우...쿼리-코드 함께 제시할 때 최고 성능 연구팀은 쿼리, 참조 코드, Chain-of-Thought(CoT) 추론 과정의 최적 배치 방식도 실험했다. 쿼리와 참조 코드를 프롬프트에 함께 제시하고 CoT를 응답으로 두는 방식이 가장 높은 57.2점을 기록했다. 반면 쿼리만 프롬프트에 제시하고 참조 코드를 응답에 포함시키는 방식은 54.9점으로 가장 낮은 성능을 보였다. 이는 코드 생성 작업과 유사한 형태지만 훈련 샘플이 더 적어 성능이 제한된 것으로 분석됐다. 데이터 규모 확장에 따른 성능 향상 입증 연구팀은 훈련 샘플 수와 입출력 쌍 수에 따른 성능 변화도 분석했다. 훈련 샘플을 0.32M에서 3.52M까지 늘렸을 때 성능이 지속적으로 향상되었고, 각 함수당 입출력 쌍을 1/6에서 6/6까지 늘렸을 때도 성능이 개선되었다. 이는 CODEI/O가 더 큰 규모의 데이터셋으로 확장될 수 있는 가능성을 보여준다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.17 14:29AI 에디터

엔비디아 H100 GPU로 만든 명품가방…6500만원에 거래된다

GPU를 활용한 패션 아이템이 화제다. 패션 브랜드GPU퍼스(GPU Purses)가 인공지능 학습용 그래픽카드인 엔비디아 H100(Nvidia H100)을 활용해 제작한 가방을 6만5000달러(약 6500만원)에 판매하고 있다. 톰스하드웨어(Tom's Hardware)가 16일(현지 시간) 보도한 내용에 따르면. GPU퍼스는 최근 엔비디아 H100 AI GPU의 일부 부품을 플라스틱 케이스에 장착한 ' H100 퍼스(H100 Purse)'를 출시했다. 이 회사는 이전에도 20달러짜리 엔비디아 지포스 GT 730(Nvidia GeForce GT 730) GPU를 활용해 1000달러짜리 가방을 제작해 화제가 된 바 있다. GPU퍼스는 인공지능 플랫폼인 데이터브릭스(Databricks)의 연구원인 테레사 바턴(Theresa Barton)이 설립한 독특한 패션 브랜드로, 사용되지 않는 엔비디아 그래픽 처리 장치(GPU)를 재활용하여 핸드백을 제작하고 있다. 이 가방 역시 완전한 그래픽카드를 사용하지 않았다. 대신 가방 중앙에 GH100이라는 라벨이 붙은 대형 칩과 LR22, LR33 인덕터들이 배치됐다. 판매 페이지에는 "GPT-4 학습용 희귀 GPU를 활용한 가방"이라는 설명과 함께 "수출 통제 대상"이라는 문구가 포함됐다. H100 퍼스의 가격은 6만5536달러로 책정됐다. 이는 실제 작동하는 H100 AI GPU의 시장가격인 2만5000달러의 2배가 넘는 금액이다. 여기에 5000달러를 추가하면 차세대 엔비디아 GB200 블랙웰(Blackwell) GPU를 구매할 수 있는 가격이다. PC 부품을 패션 액세서리로 활용하는 것은 이번이 처음이 아니다. 온라인에서는 CPU 키체인을 쉽게 구할 수 있으며, 이츠이(Etsy)에는 'CPU 주얼리' 마켓이 활성화되어 있다. 전문가들은 수천 달러를 의심스러운 사이트에 지불하는 대신 20달러 정도의 합리적인 가격대의 컴퓨터 부품 액세서리를 구매하는 것을 추천했다. ■ 기사는 클로드 3.5 소네트와 챗GPT-4o를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.17 14:26AI 에디터

금메달리스트급 AI 등장... 구글 '알파지오메트리2' IMO 기하학 문제 84% 해결

IMO 기하학 문제 해결률 84% 달성, 인간 금메달리스트 수준 입증 구글 딥마인드가 발표한 연구 논문에 따르면, 알파지오메트리2(AlphaGeometry2)가 국제수학올림피아드(IMO) 기하학 문제 해결에서 평균적인 금메달리스트급 성능을 달성했다. (☞ 논문 바로가기) 알파지오메트리2는 2000년부터 2024년까지의 IMO 기하학 문제 50개 중 42개를 해결하는데 성공했다. 이는 평균 금메달리스트의 해결률인 40.9개를 뛰어넘는 수치다. 특히 이전 버전인 알파지오메트리의 54% 해결률에서 크게 향상되었으며, 2024년 IMO에서는 은메달 수준의 성과를 거두었다. 이는 다른 AI 시스템들의 성과를 크게 앞지르는 결과다. OpenAI o1과 Gemini thinking은 단 한 문제도 해결하지 못했으며, TongGeometry DD는 18개, Wu with AG1 DDAR은 21개를 해결하는데 그쳤다. 특히 평균 은메달리스트가 33.9개, 동메달리스트가 27.1개를 해결한다는 점을 고려하면, 알파지오메트리2의 성과는 더욱 주목할 만하다. 도메인 언어 커버리지 66%에서 88%로 확장 알파지오메트리2는 도메인 언어를 확장해 선형 방정식, 각도, 비율, 거리 관련 문제와 물체의 움직임이 포함된 복잡한 문제도 해결할 수 있게 되었다. 이를 통해 IMO 2000-2024 기하학 문제의 언어 커버리지가 66%에서 88%로 향상되었다. 남은 12%는 3D 기하학, 부등식, 비선형 방정식, 그리고 가변적 점의 수를 포함하는 문제들이다. 알파지오메트리2는 11가지 유형의 궤적 문제도 처리할 수 있게 되었다. 시스템은 distmeq, distseq, angeq와 같은 새로운 술어들을 도입해 기하학적 양들 간의 선형 방정식을 표현할 수 있게 되었다. 또한 고정점 플레이스홀더를 사용해 점, 선, 원의 움직임을 표현하는 새로운 술어 구문도 개발했다. 다중 검색 트리로 구현한 혁신적 검색 시스템 SKEST 알파지오메트리2는 여러 개의 검색 트리가 병렬로 실행되며 지식을 공유하는 새로운 검색 알고리즘 SKEST(Shared Knowledge Ensemble of Search Trees)를 도입했다. 각 검색 트리는 보조점 구성을 시도한 후 심볼릭 엔진을 실행하며, 성공하지 못한 경우에도 증명된 사실들을 공유 데이터베이스에 기록해 다른 트리들이 활용할 수 있게 했다. 이 시스템은 고전적인 검색 트리, 다중 보조점 예측 트리, 균일한 분포의 보조점 유형 예측 트리 등 다양한 검색 전략을 결합했다. 이 시스템은 TPUv4를 활용해 모델당 여러 개의 복제본을 서비스하며, 각 검색 트리는 자체 검색 전략에 따라 동일 서버에 쿼리를 보낸다. DDAR 작업자들은 문제들 간에 공유되어 이미 해결된 문제의 컴퓨팅 자원을 다른 문제 해결에 활용할 수 있다. 300배 빨라진 심볼릭 엔진과 최적화된 검색 알고리즘 C++로 구현된 새로운 심볼릭 엔진 DDAR2는 이전 버전보다 300배 이상 빠른 처리 속도를 보여준다. 25개의 IMO 문제에 대한 벤치마크 테스트에서 DDAR1이 평균 1179.57초가 걸린 반면, DDAR2는 3.44711초만에 처리를 완료했다. 또한 빔 크기 128, 빔 깊이 4, 32개의 샘플을 사용하는 최적화된 검색 알고리즘을 도입했다. 이러한 성능 개선은 AMD EPYC 7B13 64 코어 CPU 환경에서 검증되었으며, pybind11을 통해 Python과 연동되어 효율적인 처리가 가능하다. 특히 가우스 소거법의 핵심 연산을 C++로 구현하여 획기적인 속도 향상을 달성했다. 30초 만에 IMO 문제 해결하는 놀라운 성능 2024년 IMO 4번 문제를 단 30초 만에 해결하는 등 인상적인 성과를 보였다. 이 해결책은 IMO 2024 문제선정위원회 의장이자 2회 금메달리스트인 조셉 마이어스로부터 만점을 받았다. 또한 IMO 2013 P3, IMO 2014 P3과 같은 난해한 문제들도 단 하나의 보조점만으로 해결하는 창의적인 접근법을 보여주었다. 자동화된 문제 이해와 다이어그램 생성 시스템 구축 제미니를 활용해 39개의 IMO 문제 중 30개를 자동으로 형식화하는데 성공했다. 다이어그램 생성에서도 큰 성과를 보여, 44개의 IMO 문제 중 41개에 대해 자동으로 다이어그램을 생성했다. 40개의 문제는 40개의 병렬 프로세스를 사용해 1시간 이내에 처리가 가능하며, 가장 복잡한 IMO-2011-6 문제는 3333개의 프로세스로 400분 만에 다이어그램을 생성했다. 다이어그램 생성 과정에서는 Adam gradient descent optimization과 Gauss-Newton-Levenberg method를 결합한 2단계 최적화 방법을 사용한다. 첫 단계에서는 비퇴화 손실을 포함한 평균 제곱 오차를 최소화하고, 두 번째 단계에서는 비선형 방정식의 수치해를 찾는다. 이 방법은 기존의 gradient descent 최적화만 사용할 때보다 일관되게 더 나은 결과를 보여준다. 3억 개의 정리로 훈련된 강력한 언어 모델 약 3억 개의 정리로 구성된 대규모 합성 훈련 데이터셋을 사용했으며, 이전 버전과 비교해 2배 더 큰 무작위 다이어그램을 탐색하고 10배 더 복잡한 증명 단계를 생성할 수 있게 되었다. 단 250회의 훈련 단계(약 2억 개의 토큰)만으로도 50개 중 27개의 IMO 문제를 해결할 수 있는 수준에 도달했다. 시스템은 few-shot 프롬프트를 사용해 Gemini에 5회 쿼리를 보내고 결과를 통합하는 방식으로 자연어 문제를 형식화한다. 실험 결과, 커스텀 토크나이저와 대규모 언어 모델 토크나이저 모두 비슷한 성능을 보였으며, top-k 샘플링에서 temperature=1.0, k=32 설정이 최적의 결과를 산출했다. 이는 낮은 temperature에서는 충분히 다양한 보조 구성이 생성되지 않고, 높은 temperature에서는 잘못된 문법의 출력이 증가하기 때문이다. 멀티모달 추론과 언어 모델의 발전 가능성 알파지오메트리2의 언어 모델은 제미니 1.5를 기반으로 멀티모달 추론 능력을 갖추었다. 다이어그램 이미지를 입력으로 받아 문제를 해결할 수 있지만, 복잡한 다이어그램의 경우 이미지 토큰화 과정에서 공간 정보가 손실되는 한계가 있다. 연구진은 현재 언어 모델이 보조점 생성뿐만 아니라 완전한 증명 생성도 가능하다는 것을 발견했으나, 추론 속도와 환각 현상 해결이 필요해 당분간은 외부 도구의 도움이 필수적이라고 밝혔다. IMO 쇼트리스트 최난도 문제 해결 성과 알파지오메트리2는 2002년부터 2022년까지 IMO 쇼트리스트에서 선정된 30개의 최난도 문제 중 20개를 해결하는데 성공했다. 이는 시스템이 실제 IMO에 출제된 문제뿐만 아니라 더 광범위한 올림피아드 기하학 문제를 해결할 수 있는 강력한 능력을 갖추었음을 보여준다. 남은 과제: 고급 기하학 문제 해결 IMO 2018 P6, IMO 2023 P6와 같이 반전, 사영기하학, 근축이 필요한 고급 기하학 문제는 여전히 도전 과제로 남아있다. 연구진은 이러한 문제들을 해결하기 위해 하위 문제로 분해하고 강화학습 접근법을 적용하는 추가 연구를 진행할 예정이다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.17 13:28AI 에디터

미국인 'AI 의존' 심하네…어느 정도인지 봤더니

미국인 5명 중 3명 "AI가 삶의 질 높여줬다" 더 리스닝 앱(The Listening App)이 2025년 발표한 미국인의 AI 사용 실태 보고서에 따르면, 미국인의 60%가 일주일에 한 번 이상 AI 도구를 사용하는 것으로 나타났다. 특히 주목할 만한 점은 미국인 6명 중 1명이 이미 일상생활에서 AI에 의존하고 있다고 응답했다는 것이다. 또한 응답자의 3분의 2는 지난 1년간 AI 도구 사용이 증가했다고 답했으며, 특히 메릴랜드(Maryland), 앨라배마(Alabama), 콜로라도(Colorado) 주 거주자들의 AI 사용 증가세가 두드러졌다. 전체 응답자의 5명 중 3명은 AI가 자신의 일상생활의 질을 향상시켰다고 평가했다. (☞ 보고서 바로가기) 글쓰기·검색·요약이 AI 활용 상위 3대 목적...업무 지원부터 숙제까지 활용 범위 확대 미국인들의 AI 활용 목적을 살펴보면 글쓰기와 편집이 62.77%로 가장 높은 비중을 차지했다. 학술 논문부터 업무용 이메일까지 다양한 글쓰기 작업에서 AI가 활용되고 있으며, AI는 오류를 검토하는 두 번째 눈 역할을 하고 있다. 온라인 검색이 61.47%로 근소한 차이로 2위를 차지했는데, 사람이 직접 하면 몇 시간 또는 며칠이 걸릴 작업을 AI는 몇 초 만에 완료할 수 있다는 점이 높은 평가를 받았다. 텍스트 요약(42.77%)이 3위를 기록했으며, 브레인스토밍(39.00%)과 생성형 아트(32.09%)가 그 뒤를 이었다. 특히 번역(29.69%), 문제 해결(22.86%), 이력서 작성 및 면접 준비(20.78%), 숙제 지원(14.85%), 디자인 작업(13.79%) 등 AI의 활용 범위가 매우 다양한 것으로 나타났다. 주목할 만한 점은 미국인 2명 중 1명이 업무를 위해 AI를 활용하고 있으며, 브레인스토밍부터 생성형 아트까지 다양한 직종에서 AI가 필수 도구로 자리잡고 있다는 것이다. 챗GPT 사용률 77.97% 압도적 1위...상위 10개 AI 도구 분석 AI 도구 중에서는 챗GPT(ChatGPT)가 77.97%의 압도적인 사용률로 1위를 차지했다. 2022년 11월 30일 출시된 챗GPT는 코딩, 수학 문제 해결, 작사, 번역 등 다양한 기능을 제공하며 미국인들 사이에서 폭넓은 지지를 받고 있다. 구글 번역기(Google Translate)는 44.89%의 사용률로 2위를 차지했으며, 구글 제미나이(Google Gemini)가 33.23%로 3위를 기록했다. 구글 제미나이는 글쓰기와 코딩 지원은 물론 구글 맵스와 연동한 일정 계획이나 요리 레시피 제공 등 일상적인 활동을 지원하는 기능이 특징이다. 그 뒤를 이어 캔바(Canva, 28.59%)와 그래머리(Grammarly, 25.33%)가 각각 4, 5위를 차지했다. 코파일럿(Copilot, 22.27%), 달리(DALL-E, 13.47%), 캐릭터AI(Character.ai, 8.21%), 미드저니(Midjourney, 7.93%), 클로드(Claude, 5.62%)가 상위 10위권에 진입했다. 오레곤·플로리다·아리조나, AI 활용도 상위 3개 주...재무설계·수익창출에 적극 활용 AI 활용도는 지역별로 상당한 차이를 보였다. 오레곤(Oregon) 주가 99.49점으로 가장 높은 AI 의존도를 보였으며, 플로리다(Florida)가 98.62점으로 그 뒤를 이었다. 아리조나(Arizona)는 94.64점으로 세 번째로 높은 점수를 기록했다. 특히 오레곤 주민들은 AI를 통한 수익 창출 경험이 가장 많았고, 플로리다 주민들은 재무설계에 AI를 가장 적극적으로 활용하는 것으로 나타났다. 아리조나 주민들은 하루에 한 번 이상 AI 도구를 사용하는 비율이 가장 높았다. 반면 미주리(Missouri, 70.80점), 미시시피(Mississippi, 73.50점), 로드아일랜드(Rhode Island, 75.12점) 주는 AI 활용도가 가장 낮은 것으로 조사됐다. AI 사용 실태 핵심 조사 결과: 미국인 2명 중 1명 업무에 활용 더 리스닝 앱(The Listening App)의 2025년 AI 사용 실태 보고서의 주요 조사 결과에 따르면, 미국인들의 AI 활용이 일상생활 전반으로 확대되고 있는 것으로 나타났다. 특히 응답자의 절반이 업무 지원을 위해 AI를 활용하고 있다고 답했으며, 60%는 일주일에 한 번 이상 AI 도구나 앱을 사용한다고 응답했다. 주목할 만한 점은 응답자의 3분의 2가 지난 1년 동안 AI 도구 사용이 증가했다고 답했으며, 5명 중 3명은 AI가 일상생활의 질을 향상시켰다고 평가했다는 것이다. 더불어 6명 중 1명은 이미 일상생활의 특정 부분에서 AI에 의존하고 있다고 답했다. 이러한 조사 결과는 AI가 더 이상 선택이 아닌 필수 도구로 자리잡아가고 있음을 보여준다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.15 19:10AI 에디터

코드 한 줄당 44만원 손실... 생성형 AI가 레거시 앱 비용 잡는다

NTT DATA의 보고서에 따르면, 레거시 애플리케이션 코드 10만 줄당 평균 361,000달러(약 44만원)의 기술 부채가 발생하는 것으로 나타났다. 이는 낡은 기술로 만들어진 레거시 시스템이 기업에 얼마나 큰 재정적 부담을 주는지 보여준다. (☞ 보고서 바로가기) 커스텀 코드 1줄당 4,400원 손실...레거시 앱의 현주소 오래된 스토리지 미디어처럼 레거시 애플리케이션도 시대에 뒤떨어져 있다. COBOL과 같은 구식 프로그래밍 언어를 사용하는 시스템은 유지보수가 어렵고, 이를 다룰 수 있는 개발자를 찾기도 힘들다. 문서화 부족으로 개발자들은 시행착오를 거치며 시스템을 이해해야 하고, 현대 기술과의 통합도 아키텍처와 데이터 형식의 비호환성으로 인해 큰 어려움을 겪고 있다. 특히 늘어나는 사용자 기반이나 데이터 양을 처리하는 데 한계가 있어 성능 저하와 시스템 충돌이 발생하고, 낡은 보안 프로토콜은 사이버 공격에 취약하다. 생성형 AI가 제시하는 3대 혁신 솔루션 생성형 AI는 코드 리팩토링 자동화, 성능 최적화, 보안 강화라는 세 가지 핵심 영역에서 혁신을 이끈다. 마치 예술가가 기존 작품을 이해하고 새로운 작품을 만들듯이, 생성형 AI는 기존 코드를 분석하여 특정 기능과 보안 프로토콜을 준수하는 새로운 코드를 자동으로 작성한다. 변형 오토인코더(Variational Autoencoders) 등 다양한 접근 방식을 통해 데이터로부터 학습하여 창의적인 솔루션을 만들어낸다. 시민 개발자도 참여하는 AI 주도 앱 개발 혁명 생성형 AI는 반복적인 코딩 작업 자동화, 모범 사례 및 코드 스니펫 제안, 자연어 기반 UI 생성 등을 통해 개발 진입 장벽을 낮춘다. 이를 통해 코딩 경험이 적은 시민 개발자들도 애플리케이션을 만들거나 기존 프로젝트에 기여할 수 있게 되었다. 실시간 취약점 탐지로 보안 강화...데브옵스 통합 혁신 생성형 AI는 새로운 기능이 추가될 때마다 자동으로 코드를 최적화하고 잠재적 보안 취약점을 사전에 식별한다. UI/UX의 일관성을 검사하고 사용자 행동 패턴을 분석하여 디자인 요소의 문제점을 파악한다. 테스트 시나리오를 자동 생성하여 다양한 사용자 상호작용과 엣지 케이스를 검증하며, 이는 개발 자원을 더 복잡한 작업에 집중할 수 있게 한다. 애저 오픈AI 파트너십으로 입증된 NTT DATA의 기술력 NTT DATA는 2022년 마이크로소프트와 애저 오픈AI 파트너십을 체결했다. 자사 도구인 'Coding by NTT DATA'를 통해 커스텀 코드 생성과 레거시 앱 현대화를 지원하고 있으며, 자동화와 수동 방식을 결합한 하이브리드 접근법으로 개발 효율을 높이고 있다. 2019년 2월부터 2022년 10월까지의 개발 타임라인을 통해 질문 답변, 문서 처리 등 실제 프로젝트에서 성과를 입증했다. 파일럿 프로젝트로 시작하는 생성형 AI 도입 전략 생성형 AI 도입은 전략적 접근이 필수적이다. 우선 레거시 시스템의 위험도가 낮고 명확하게 정의된 컴포넌트부터 시작해야 한다. 이를 통해 통제된 환경에서 생성형 AI의 효과를 테스트하고, 잠재적 문제를 파악하며, 더 큰 규모의 코드베이스를 다루기 전에 접근 방식을 개선할 수 있다. NTT DATA는 파일럿 프로젝트를 진행하면서 지속적으로 결과를 평가하고 생성형 AI 모델을 미세 조정하는 반복적 접근 방식을 권장한다. 이는 레거시 시스템의 특성에 맞게 지속적인 개선과 적응을 가능하게 한다. 특히 업계별 특화된 사용 사례를 발굴하는 것이 중요한데, 예를 들어 특정 산업에서 자주 사용되는 프로그래밍 언어에 대한 코드 리팩토링이나 해당 분야에서 직면하는 고유한 보안 위협에 맞춘 취약점 탐지 등이 이에 해당한다. 또한 직원들에게 생성형 AI와 그 응용에 대한 포괄적인 교육을 제공하고, 잘 정의된 변화 관리 전략을 통해 기존 워크플로우에 생성형 AI를 원활하게 통합하는 것이 성공적인 도입의 핵심이다. 17억 달러 투자 유치한 생성형 AI...앱 현대화의 미래 가트너 보고서에 따르면 벤처캐피탈 기업들은 지난 3년간 생성형 AI 솔루션에 17억 달러 이상을 투자했으며, 특히 AI 기반 신약 개발과 AI 소프트웨어 코딩 분야에 집중됐다. 이는 생성형 AI가 레거시 시스템을 혁신의 발판으로 전환시킬 것이라는 시장의 기대를 보여준다. GDPR·CCPA 준수하는 책임있는 AI 개발 데이터 프라이버시와 규제 준수를 위해 GDPR과 CCPA 등 관련 규정에 맞는 강력한 데이터 거버넌스 체계 구축이 필수다. 설명 가능한 AI(XAI) 기법으로 AI 모델의 의사결정 과정을 투명하게 만들고, 다양한 학습 데이터를 활용해 편향성을 줄이며, 명확한 책임 소재와 피드백 메커니즘을 갖춰야 한다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.15 09:43AI 에디터

직원 업무시간 20% 날리는 정보검색… AI로 해결 가능?

정보검색에 하루 20%, 이메일에 28%...AI로 해결하는 업무 비효율 NTT 데이터가 발간한 '테크놀로지 포사이트 2025(Technology Foresight 2025)' 보고서는 기업의 성공적인 AI 도입을 위한 핵심 트렌드와 전략을 제시했다. 이 보고서는 특히 인간-기술 융합, 지능형 고객 경험, 보안 등의 측면에서 AI가 가져올 변화를 상세히 분석했다. (☞ 보고서 바로가기) 보고서에서 따르면, 일반 직장인들은 하루 업무 시간 중 정보 검색에 20%, 이메일 관리에 28%, 협업 활동에 14%를 소비하고 있다. 1000명 규모 기업이 직원들의 정보 검색 시간을 하루 30분만 줄여도 연간 150만 유로의 비용을 절감할 수 있다. 이러한 비효율을 해결하기 위해 대규모 언어모델(LLM), GPT 모델, 오픈AI의 O1 모델, 검색 강화 생성(RAG) 기술, 디지털 휴먼(Digital Humans) 등이 도입되고 있다. AI 고객서비스, 비용 30% 절감에 처리 속도도 90% 개선 고객의 73%가 구매 결정시 경험을 주요 요인으로 꼽은 가운데, AI 기반 고객 서비스는 인간 상담원 대비 30% 적은 비용으로 운영이 가능한 것으로 나타났다. 90%의 콜센터가 AI 도입으로 민원 해결 속도와 통화량 처리가 개선되었으며, 고객 경험 책임자의 70%가 2년 내 생성형 AI 도입을 계획하고 있다. 감정 AI(Emotion AI), 감성 분석 기술, 추천 엔진, 음성·제스처 인식, 스마트 센서, RFID 기술 등이 통합된 지능형 고객 경험이 확산되고 있다. AI 시스템 90% 뚫렸다... 보안 준비된 곳은 5%뿐 기업의 90%가 지난해 AI 시스템 보안 침해를 경험했으나, AI 보안에 자신감을 보이는 기업은 5%에 불과했다. 특히 62%의 조직이 최소 하나 이상의 취약점이나 노출이 있는 AI 패키지를 배포한 것으로 나타났다. 미국 재무부의 보고서에 따르면, 금융권에서는 AI 기반 사이버 보안 위협이 증가하고 있으며, 데이터 유출 사고가 매년 증가하는 추세다. IBM의 보고서에서는 2023년 데이터 유출 사고의 평균 비용이 445만 달러에 달했으며, FBI는 비즈니스 이메일 침해(BEC)로 인한 누적 손실이 500억 달러를 넘어섰다고 보고했다.제로 트러스트 아키텍처, 행동 분석, 사이버 퓨전 센터, 암호화 기술 등이 AI 보안 강화를 위한 핵심 기술로 주목받고 있다. 2025년 데이터량 175ZB 전망...기업 85%가 멀티클라우드 채택 글로벌 데이터 규모가 2025년 175ZB까지 증가할 것으로 예상되는 가운데, 현재 기업의 85%가 멀티클라우드 전략을 도입했다 이는 기존 IT 인프라를 AI와 융합하는 과정에서 필연적으로 발생하는 변화이다. PEX Network의 보고서에 따르면, 기업의 75%가 생성형 AI를 도입했으며, 100배 이상의 생산성 향상 효과를 경험한 사례도 있다. 특히 금융과 의료 분야에서 AI 기반 데이터 분석이 중요한 역할을 하면서, 클라우드와 AI의 통합이 더욱 가속화되고 있다. 기업들은 오케스트레이션 도구, 엣지 컴퓨팅 플랫폼, 인프라스트럭처 코드(Infrastructure as Code) 기술을 활용하여 AI 모델을 더욱 효율적으로 운영하고 있다. 5분-5일-5개월 AI 도입 로드맵 제시 기업의 AI 도입을 위해 보고서는 단계별 접근법을 제시했다. 첫 5분 동안 주요 업무 병목 현상을 파악하고, 5일 내에 사내 생성형 AI 챗봇을 배치하며, 5개월 안에 부서 간 AI 역량 강화 프로그램을 시작하는 것이 권장된다. AI 도입의 효과를 극대화하기 위해서는 AI 모델 소유권의 명확화, 법률 준수를 위한 투명하고 설명 가능한 AI 시스템 구축, AI 서비스 가치의 공정한 공유가 필요하다. 이는 AI 기반 고객 서비스와 보안 분야에서도 중요한 원칙으로 작용할 것이다. 또한, 생성형 AI 도입의 도전 과제로 투자수익 불확실성, 규제 준수, AI 편향성, 데이터 유출 위험 등이 지적되었으며, 이를 극복하기 위해 명확한 전략 수립과 데이터 품질 관리가 필수적이다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.15 09:12AI 에디터

AI가 만든 콘텐츠, 저작권은 누구 것인가…캐나다 자문보고서

1,000명 시민·103개 기관 참여한 캐나다 정부 AI 저작권 공개 자문 캐나다 정부가 2023년 10월 12일부터 2024년 1월 15일까지 진행한 '생성형 AI 시대의 저작권 자문 보고서'는 전례 없는 규모의 참여를 이끌어냈다. 약 1,000명의 시민들과 103개 기관이 온라인 설문에 응답했으며, 62명의 이해관계자들이 7차례의 원탁회의(2회는 프랑스어 진행)에 참여했다. 문화산업계의 높은 참여도가 특징적이었으며, 원주민 참여자는 전체 응답자의 3%를 차지했다. "라이선싱으로 해결" vs "규제는 혁신 저해" - TDM 관련 첨예한 대립 문화산업계는 AI 학습을 위한 텍스트 및 데이터 마이닝(TDM)에서 저작권자의 동의와 보상이 필수적이라고 주장한다. 이들은 의무적 라이선싱, 자발적 라이선싱, 집중 관리 등 다양한 라이선싱 모델을 제안했다. 반면 기술업계는 TDM이 저작물의 표현적 내용을 복제하거나 소비하지 않으므로 저작권법의 적용 대상이 아니라고 반박했다. 특히 신생 기업과 소규모 기업의 발전을 저해할 수 있다는 우려를 표명했다. "AI 생성물 저작권 인정 시 인간 창작 필수" - 인간 저작권 중심성 지지 대다수 참여자들이 AI 생성 콘텐츠의 저작권 보호에 있어 '인간의 실질적 기여'가 필수적이라는 데 동의했다. 미국 저작권청처럼 AI 생성 요소에 대한 공개 의무화를 도입해야 한다는 제안도 있었다. 일부에서는 AI 생성 혁신과 창의성을 보호하기 위한 새로운 법적 체계 도입을 제안했으나, 구체적인 방안은 제시되지 않았다. 일부 이해관계자들은 캐나다 지식재산청(CIPO)이 AI 생성 요소가 포함된 작품의 등록 시스템을 개선해야 한다고 제안했다. 미국 저작권청의 사례를 참고하여, 작품 내 AI 생성 요소를 명시적으로 공개하도록 하고, 다른 인간 창작 요소와 분리하여 저작권 보호 여부를 결정해야 한다는 것이다. 이는 AI 생성 콘텐츠의 투명성을 높이고 저작권 보호의 명확성을 제고할 수 있다는 장점이 있다. 기존 법적 구제책의 적절성 논란 현재까지 캐나다 법원은 AI 생성 콘텐츠의 저작권 침해 사례를 다룬 적이 없다. 2024년 11월, 캐나다 언론사들이 AI 기업을 상대로 무단 저작물 사용에 대한 소송을 제기했으며, 같은 달 캐나다의 한 비영리 법률 데이터베이스도 온라인 콘텐츠의 무단 스크래핑과 관련해 AI 기업을 고소했다. 이러한 소송들은 법원이 AI 관련 저작권 문제를 처음으로 다루게 되는 계기가 될 것으로 예상된다. 의견 수렴 과정에서 약 절반의 참여자들은 현행 저작권 침해 관련 법적 구제책이 충분하다고 평가했다. 특히 기술업계는 생성형 AI의 잠재적 영향을 고려한 저작권법 개정이 시기상조라고 주장했다. 반면 일부에서는 AI 생성 콘텐츠가 저작권 보호 작품과 유사할 경우, 해당 작품이 AI 학습에 사용되었다고 추정하는 새로운 법적 추정 도입을 제안했다. AI 저작권 침해 책임 소재 - 개발자 vs 사용자 책임론 대립 저작권 침해 발생 시 책임 소재에 대해 업계별로 상반된 입장을 보였다. 문화산업계, 교육기관, 도서관, 박물관 등은 AI 시스템 개발자와 배포자의 책임을 주장했다. AI 가치 사슬에 관련된 여러 당사자의 공동 책임을 제기하는 의견도 있었다. 일부 이해관계자들은 법원이 사례별로 책임 소재를 판단하는 것이 바람직하다고 주장한 반면, 다른 이들은 정부가 더 명확한 기준을 제시해야 한다고 강조했다. 교육계와 공익단체들은 특히 AI 시스템 사용자들의 제한된 책임을 강조했다. 사용자들이 관련 법과 규정을 준수했다면 AI 생성 콘텐츠로 인한 손해나 결과에 대해 책임을 지지 않아야 한다는 것이다. 반면 기술업계는 AI 시스템이 저작권을 침해하는 것은 '의도된 기능'이 아닌 '버그'라며, 자신들은 침해를 방지하기 위한 예방 조치를 취하고 있다고 반박했다. 저작권 침해가 발생하는 드문 경우에도 개발자가 아닌 시스템을 침해 목적으로 사용한 사용자에게 책임이 있으며, 개발자는 책임이 없거나 제한된 책임만을 져야 한다고 주장했다. 이러한 복잡한 책임 소재 문제는 AI 생성 콘텐츠의 저작권 침해를 판단하고 해결하는 데 있어 주요 과제로 지적되고 있다. AI 생성 콘텐츠 표시 의무화 및 딥페이크 규제 논의 문화산업계를 중심으로 AI 학습에 사용된 데이터의 투명성 확보 요구가 높았다. 이는 저작권이 민간에서 행사되는 권리이므로, 권리 보호를 위해 필수적이라는 입장이다. 기술업계는 개인 건강정보 등 민감 데이터 보호와 자사 지적재산권 보호를 이유로 반대했다. 문화산업계는 AI 생성 콘텐츠 표시 의무화와 함께, 공연자의 이름, 이미지, 음성 등을 보호하기 위한 '퍼스널리티권' 도입을 주장했다. 특히 딥페이크로 인한 평판 훼손 우려가 제기되었다. 원주민 문화 보호와 AI가 일자리 위협 - 창작자들의 경제적 우려 확산 원주민들은 AI가 각 공동체의 문화적 표현을 무분별하게 학습하여 고정관념화된 결과물을 만들 수 있다고 우려했다. 동시에 AI를 통한 원주민 문화와 언어 활성화 가능성도 제기되었다. 다만, AI 기업과 도구의 소유권이 비원주민에게 있을 수 있다는 새로운 과제도 지적되었다. 이외에도 대다수 개별 창작자들이 AI로 인한 일자리 상실과 불공정 경쟁을 우려했다. 노동조합의 협상력 강화를 통해 TDM 활동에 대한 공정한 보상을 확보해야 한다는 주장도 제기되었다. 저작권법, AI 시대에도 여전히 유효 - 정부 입장 표명 캐나다 정부는 2023년 11월, 'AI 및 데이터법(AIDA)' 개정안을 통해 AI 시스템 학습에 사용된 콘텐츠 규제, AI 생성 콘텐츠 표시 의무화, AI 시스템의 자기 식별 요구 등을 제안했다. 현재는 의회 폐회로 중단된 상태이나, 향후 정부 정책에 반영될 예정이다. 캐나다 정부는 저작권법이 AI 시대에도 여전히 유효하다는 입장을 밝혔다. 역사적으로 저작권법은 인쇄기의 발명부터 인터넷의 등장까지, 기술 발전과 시장 변화에 탄력적으로 적응해왔다는 것이다. 정부는 저작권 체계가 제공하는 창작과 배포 인센티브를 유지하면서도 캐나다의 혁신 전략을 지원할 수 있는 균형잡힌 정책을 모색하겠다고 밝혔다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.15 08:27AI 에디터

[Q&AI] 새벽 4시 오픈런?…트레이더스 마곡점 AI 추천 아이템 톱20

질문: 이마트 트레이더스 마곡점이 왜 인기야? 앨런 답변: 이마트 트레이더스 마곡점이 인기를 끄는 이유는 여러 가지가 있습니다: 최대 규모: 마곡점은 트레이더스 매장 중 가장 큰 규모로, 면적이 약 3520평(1만1636㎡)에 달합니다. 이는 기존 매장보다 10% 이상 넓은 면적입니다. 압도적인 가격 경쟁력: 트레이더스는 저렴한 가격으로 다양한 상품을 제공하여 소비자들에게 큰 인기를 끌고 있습니다. 차별화된 상품: 마곡점에서는 다른 매장에서 볼 수 없는 단독 상품과 특별한 행사 상품을 제공합니다. 예를 들어, 오픈 기념으로 '히비키', '맥켈란' 등의 프리미엄 위스키를 최대 물량으로 확보했습니다. 교통 및 상권: 마곡점은 강서 지역의 첫 창고형 할인점으로, 강력한 교통망과 오피스 상권을 배후로 두고 있어 거주민뿐만 아니라 유동 인구까지 흡수할 수 있습니다. 로드쇼 및 팝업 매대: 매장 내 13곳의 로드쇼 공간을 마련하여 다양한 상품을 특별 판매하는 등 차별화된 매장 운영을 하고 있습니다. 이러한 요소들이 결합되어 이마트 트레이더스 마곡점은 소비자들 사이에서 큰 인기를 끌고 있습니다. 질문2. 이마트 트레이더스 마곡점에서 꼭 사야 하는 제품 20개 추천해줘. 앨런 답변: 이마트 트레이더스 마곡점에서 꼭 사야 하는 제품 20가지를 추천해드리겠습니다: 김창수 위스키 싱글캐스크 51.8 (700ml): 트레이더스를 위해 단독 생산된 한정판 위스키 숯불데리야끼 닭꼬치 (1.2kg): 베스트셀러 상품으로 오픈 기념 할인 행사 중. 호주산 냉동 차돌박이: 오픈 기념 할인 상품. 호주산 냉장 와규 구이 모둠: 오픈 기념 할인 상품. 양념 소불고기 (2.7kg, 냉장): 할인 행사 중. 한우 등심: 오픈 기념 할인 행사 중 T-STANDARD 상품: 트레이더스의 자체 브랜드 상품으로 다양한 제품이 할인 중. 다이슨 무선청소기: 인기 가전제품 특별가 판매 소니 미러리스 카메라: 인기 가전제품 특별가 판매 LG 울트라PC: 인기 가전제품 특별가 판매 반다이 남코 토이류: 로드쇼에서 판매되는 한정판 상품 로지텍 게이밍 기기: 로드쇼에서 판매되는 한정판 상품 코코망고 알맹이 젤리: 다양한 맛의 젤리 시리즈 스타벅스 텀블러: 인기 브랜드 상품. 필립스 전기면도기: 인기 브랜드 상품. 다양한 사무용품: 스탠딩테이블, 키보드, 마우스, 건전지 등 업소용 대형 냉장고: 오피스 상권을 고려한 상품 대형 피자: T-카페에서 제공되는 가성비 높은 메뉴 치즈 오븐 스파게티: T-카페에서 제공되는 가성비 높은 메뉴 쌀국수: T-카페에서 제공되는 가성비 높은 메뉴 이 제품들은 트레이더스 마곡점에서 특히 주목받고 있는 상품들로, 방문 시 꼭 확인해보시길 추천드립니다. ■ 기사는 앨런을 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.15 08:14AI 에디터

챗GPT가 쓴 글, 사람 글과 어떤 점이 다를까

AI 생성 문장, 인간과 얼마나 비슷할까? 호주 재무부에서 진행한 코파일럿 실험 보고서에 따르면, 코파일럿(Copilot) 같은 대형 언어 모델이 생성하는 문장은 표면적으로는 자연스럽게 보이지만, 통계적으로 분석했을 때 인간이 작성한 문장과는 뚜렷한 차이가 존재하는 것으로 나타났다. 연구진은 수만 개의 실제 데이터와 AI가 만든 텍스트를 비교 분석하여 AI 문장의 구조적, 통계적 차이를 규명했다. (☞ 보고서 바로가기) AI의 업무 지원 기대치 50%, 실제 영향은 더 높아 연구에서는 AI의 실질적인 활용 가능성을 평가하기 위해, 사용자가 AI가 지원할 것으로 기대한 작업량과 실제 지원된 작업량을 비교하였다. 실험 결과, AI가 지원할 수 있다고 예상한 업무량과 실제로 지원한 업무량 간에는 큰 차이가 존재했다. 연구 참여자들의 사전 기대치는 "대부분의 업무(50% 이상)를 지원할 것"이라고 답한 비율이 19%에 불과했으나, 실험 후 AI가 실질적으로 지원했다고 느낀 업무량은 더 높았다. AI가 실제 업무 프로세스에 미친 영향을 분석한 결과에서도 유사한 경향이 나타났다. 관리자와 실험 참가자의 평가를 비교한 결과, 관리자의 59%가 코파일럿이 업무에 아무런 영향을 미치지 않았다고 답한 반면, 실험 참가자의 56%는 긍정적인 영향을 주었다고 응답했다. Copilot이 매우 긍정적인 영향을 주었다고 답한 비율은 관리자 2%보다 실험 참가자가 7%로 더 높았다. 반면, 부정적인 영향을 주었다고 답한 비율은 매우 낮아, AI가 업무에 미치는 부정적 요소는 크지 않은 것으로 나타났다. AI 문장 변형 반복할수록 인간의 글쓰기와 더 차이나 연구진은 AI가 문장을 변형할 때 발생하는 차이를 확인하기 위해 두 가지 실험을 진행했다. 첫 번째 실험에서는 원본 문장(O)과 AI가 이를 변형한 버전(G) 간의 차이를 측정했다. 두 번째 실험에서는 AI가 이미 한 번 변형한 문장(G)을 다시 변형한 버전(S)과의 차이를 비교했다. 실험 결과, AI가 문장을 변형하는 과정에서 원본과의 거리가 점점 더 벌어지는 경향이 나타났다. AI의 온도 매개변수 설정 높을수록 창의적, 감성적 표현 증가 연구진은 코파일럿 생성하는 문장의 특성을 파악하기 위해 '온도(Temperature)' 매개변수를 조절하며 동일한 문장을 생성하는 실험을 진행했다. 생성형 AI에서 '온도(Temperature)' 매개변수는 모델이 응답을 생성할 때 무작위성의 정도를 조절하는 역할을 의미한다. 온도 값이 낮을수록 원본 문장과 유사한 표현을 유지했고, 온도 값이 높을수록 보다 창의적이고 감성적인 표현이 포함되었다. 예를 들어, 원본 호텔 리뷰가 "기본적이고, 깨끗하고 편안한 호텔이다. 단기 숙박으로는 나쁘지 않다. 모든 것과의 접근성이 좋다"였다면, AI는 온도 값에 따라 다음과 같이 문장을 변형했다. 낮은 온도 설정에서는 "저렴하면서도 깨끗하고 아늑한 숙소를 제공하는 호텔이다. 빠른 숙박에 적합하다. 편리한 위치 덕분에 모든 편의시설에 쉽게 접근할 수 있다"와 같이 원본에 가까운 표현을 생성했다. 반면 온도가 높을 경우 "이 부티크 호텔은 기대 이상이었다. 객실은 아늑했고 직원들도 친절했다. 도시를 둘러보기에 완벽한 위치였다. 짧은 여행을 위한 훌륭한 선택이다"와 같이 원본과 상당히 다른 문장을 생성하는 경향을 보였다. AI, 긴 문장 생성시 한계 뚜렷… 문맥 파악하는 데 부자연스러워 연구진은 AI가 인간과 동일한 방식으로 글을 쓰지 못하는 주요 이유로 문맥을 장기적으로 유지하는 능력 부족을 꼽았다. 인간의 글은 문맥적 흐름을 기반으로 한 논리적 전개가 강한 반면, AI는 주어진 문장 내에서만 최적의 표현을 찾는 데 집중하기 때문이다. 이는 특히 긴 텍스트를 생성할 때 명확하게 드러나며, AI가 장기적 문맥을 유지하는 데 한계를 보인다는 점을 보여준다. 연구 결과에 따르면, AI가 문장을 생성할 때 문맥적 연결성을 충분히 반영하지 못하는 경우가 많았다. 예를 들어, 동일한 글에서 앞뒤 문장이 자연스럽게 이어져야 하지만, AI가 생성한 문장은 일부 문맥이 단절되거나, 동일한 내용을 반복하는 경향이 나타났다. 인간처럼 쓰지 못하는 AI, 문장 재구성할수록 원본과 멀어지는 구조가 원인 연구진은 AI가 생성하는 텍스트의 가장 큰 한계 중 하나로 통계적으로 인간과의 차이를 좁히기 어려운 구조적 문제를 지적했다. 연구에서는 원본 문장(O)과 AI가 이를 변형한 문장(G), 그리고 AI가 다시 변형한 문장(S) 간의 유사성을 측정했으며, AI가 한 번 변형한 문장과 원본 간의 차이가 두 번째 변형된 문장과의 차이보다 더 작다는 점을 발견했다. 이는 AI가 문장을 반복적으로 재구성할수록 원본과 더욱 멀어지는 경향이 있음을 시사한다. 연구진은 이를 통계적으로 분석하기 위해 호텔링의 T-제곱 검정, Nploc 검정, 에너지 검정, 볼 검정 등 네 가지 통계 기법을 활용했다. 또한 텍스트 간의 통계적 유사도를 평가하기 위해 쿨백-라이블러 발산(KL divergence)과 바서스타인 거리(Wasserstein distance)를 측정했다. 이러한 분석을 통해 AI가 생성한 문장이 인간이 쓴 문장과 점점 더 차이가 나게 되는 경향이 있음을 입증했다. AI 글쓰기의 한계와 향후 발전 방향은 모두 문맥 유지 능력 이번 연구는 AI가 생성하는 텍스트의 신뢰성을 평가하는 데 중요한 시사점을 제공한다. AI가 생성한 문장은 표면적으로 자연스럽게 보일 수 있지만, 인간이 작성한 글과는 근본적으로 다른 방식으로 생성된다는 점이 통계적으로 입증되었다. AI가 인간처럼 문장을 구조화하고 문맥을 유지하는 능력이 아직 완전하지 않다는 점에서, 향후 발전 방향으로는 문맥 유지 능력을 강화하는 연구가 필요할 것으로 보인다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.15 08:02AI 에디터

학계에서도 AI 성별 격차... 남성 연구자 AI 사용시간·효율성 더 높아

미국 국립과학원회보(PNAS Nexus) 2025년 2월호에 게재된 연구에 따르면, 생성형 인공지능(AI)이 학계의 성별 생산성 격차를 더욱 벌리는 것으로 나타났다. 연구진은 챗GPT(ChatGPT) 출시 전후의 학술 논문 데이터를 분석하고 연구자 설문조사를 실시해 AI가 학계 성별 격차에 미치는 영향을 종합적으로 살펴보았다. (☞ 보고서 바로가기) 1시간 만에 논문 작성...챗GPT가 바꾼 학계 연구 환경 네이처(Nature)의 온라인 설문조사에서 응답자 672명 중 약 80%가 챗GPT나 유사한 AI 도구를 최소 한 번 이상 사용한 경험이 있다고 답했다. 실제로 두 명의 과학자가 챗GPT의 도움을 받아 1시간 만에 연구 논문을 작성했으며, 경제학자들은 챗GPT를 활용해 마이크로태스크를 자동화함으로써 상당한 생산성 향상을 이룰 수 있다고 보고했다. 직장인 챗GPT 사용률: 남성 65% vs 여성 47% 2023년 3월과 7월 실시된 두 차례의 설문조사에서 남성이 여성보다 챗GPT 사용 비율이 높았다. 직장인 대상 조사에서 남성 전문직 종사자의 65%가 챗GPT를 사용해본 반면, 여성은 47%에 그쳤다. 연구진의 설문에서도 남성 연구자들의 AI 도구 사용 빈도(남성 평균 3.43 vs 여성 평균 3.01)와 주당 사용 시간(남성 평균 2.78시간 vs 여성 평균 2.47시간)이 더 높았다. SSRN 분석 결과: 챗GPT 이후 성별 격차 57.1% 확대 소셜사이언스 리서치 네트워크(SSRN) 분석 결과, 저자당 월평균 논문 업로드 확률은 0.065였다. 챗GPT 출시 이후 남성 연구자들의 생산성이 여성 대비 6.4% 더 높은 증가율을 보였고, 이는 기존 성별 생산성 격차를 57.1%(0.007에서 0.011로) 확대시켰다. AI 효율성 향상 체감도(남성 4.80 vs 여성 4.40)와 AI 도구 추천 의향(남성 5.12 vs 여성 4.76)에서도 성별 차이가 뚜렷했다. AI 사용 행태가 생산성에 미치는 영향 분석 연구진은 성별이 연구 생산성에 미치는 영향을 AI 사용 시간과 빈도가 매개하는지 분석했다. 부트스트랩 분석(5,000회 샘플링) 결과, AI 사용 시간을 통한 간접효과가 유의미했다(b=0.24, SE=0.09, 95% CI=[0.08, 0.41]). AI 사용 빈도를 통한 간접효과 역시 통계적으로 유의미했다(b=0.27, SE=0.11, 95% CI=[0.05, 0.50]). 이는 성별에 따른 생산성 차이가 AI 사용 시간과 빈도의 차이에서 비롯됨을 보여준다. 특히 AI 도구 추천 의향에서도 유사한 매개 효과가 발견되었는데, AI 사용 시간(b=0.19, SE=0.07, 95% CI=[0.05, 0.33])과 사용 빈도(b=0.21, SE=0.09, 95% CI=[0.04, 0.39]) 모두 유의미한 매개 효과를 보였다. 웹트래픽 분석으로 본 200개국 챗GPT 도입 현황 연구진은 200개 이상 국가의 챗GPT 도입률을 웹트래픽, 방문자 수, 페이지뷰, 이탈률로 분석했다. 챗GPT 보급률이 높은 국가에서 연구 생산성의 성별 격차가 더 컸다. 학문 분야별로는 마케팅, 인류학, 컴퓨터 과학, 혁신 분야에서 통계적으로 유의미한 성별 차이가 발견되었으며, 사회과학 분야에서 더 뚜렷한 경향을 보였다. AI 사용이 논문 품질에 미치는 영향...양적 생산성만 증가, 질적 차이는 없다 SSRN의 품질 지표인 논문 초록 조회수와 다운로드 수 분석 결과, 챗GPT 출현 이후에도 남성과 여성 연구자들의 논문 품질 차이는 발견되지 않았다. 이는 AI 활용이 논문의 양적 생산성만 증가시켰을 뿐, 질적 차이를 유발하지는 않았음을 시사한다. 성별 편향성 해소를 위한 제도적 대응 방안 연구진은 AI로 인한 성별 격차 해소를 위한 구체적인 방안들을 제시했다. 우선 AI 시스템 개발자들은 정기적인 감사를 통해 시스템이 윤리적 가이드라인을 준수하고 성별 격차를 심화시키지 않는지 점검해야 한다고 강조했다. 또한 AI 모델 학습에 사용되는 데이터가 모든 성별을 대표할 수 있도록 해야 하며, 정부와 기관은 AI 시스템 도입 전 성별 편향성 평가를 의무화하는 정책을 수립해야 한다고 제안했다. 더불어 성평등 촉진을 위한 AI 연구 지원을 확대하고, 전체 연구자를 대상으로 하는 AI 활용 교육 기회를 대폭 확대할 필요가 있다고 덧붙였다. 학계의 성별 AI 생산성 격차, 장기적으론 경력 격차로 이어질 수 있어 연구진은 현재의 생산성 격차가 승진과 자리 경쟁에서 장기적인 경력 격차로 이어질 수 있다고 경고했다. 특히 학계에서는 이미 실험실 공간, 연구 지원금, 리더십 포지션 등에서 성별 격차가 존재하는데, AI가 이러한 격차를 더욱 심화시킬 수 있다고 지적했다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.14 16:03AI 에디터

중국 AI 딥시크, 보안 테스트 줄줄이 실패…"기업 사용 부적합"

중국의 생성형 AI 서비스 딥시크(DeepSeek)가 주요 보안 테스트에서 잇따라 실패해 사용자들의 주의가 필요한 것으로 나타났다. Fox26뉴스가 13일(현지 시간) 보도한 내용에 따르면, 시더빌대학교(Cedarville University)의 사이버보안 전문가 데이비드 레이드(David Reid)는 "딥시크의 최근 테스트 결과가 매우 우려스럽다"며 "특히 AI 시스템을 무력화하는 잽브레이크(jailbreak)가 가능했고, 일부 경우에는 실제 멀웨어까지 생성할 수 있었다는 점이 큰 문제"라고 지적했다. 실리콘밸리의 보안 업체 앱속(AppSOC)이 실시한 테스트에서 딥시크는 잽브레이크, 인젝션 공격, 멀웨어 생성 등 여러 분야에서 보안 기준을 통과하지 못했다. 앱속은 딥시크의 위험도를 10점 만점에 8.3점으로 평가하며, 민감한 데이터나 지적재산권이 관련된 기업 환경에서의 사용을 금지할 것을 권고했다. 미시간주립대학교(Michigan State University)의 AI 전문가 안자나 수살라(Anjana Susarla) 교수는 "기업들이 딥시크 도입을 고려할 때 이번 테스트 결과를 심각하게 받아들여야 한다"며 "챗GPT(ChatGPT)와 유사한 기능을 제공하지만, 보안 수준이 현저히 떨어진다"고 평가했다. 레이드 교수는 "딥시크가 저렴한 서비스를 제공하는 이유는 그들의 데이터 획득 방식과 제작 과정에 문제가 있기 때문"이라며 "소비자들은 이러한 위험을 인지해야 한다"고 경고했다. 전문가들은 특히 딥시크를 고객 응대용 챗봇이나 기업의 민감한 정보를 다루는 업무에 사용하는 것은 부적절하다고 조언했다. ■ 기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.02.14 14:20AI 에디터

머스크, 오픈AI 인수 제안서 봤더니…"현금 974억 달러 지급"

일론 머스크가 이끄는 투자자 컨소시엄이 오픈AI(OpenAI) 인수를 위해 974억 달러 규모의 제안서를 제출했다. 머스크의 인공지능 기업 엑스닷AI(x.AI)를 포함한 7개 이상의 투자사가 참여한 이번 제안은 오픈AI의 비영리 전환을 막기 위한 소송과 맞물려 주목을 받고 있다. 테크크런치(TechCrunch)가 13일(현지 시간) 보도한 내용에 따르면, 오픈AI의 샘 올트만(Sam Altman) CEO는 이번 제안을 일축했으나, 이사회는 아직 공식적인 거절 의사를 밝히지 않았다. 주요 제안서 내용과 쟁점 ▶ 명확한 시한 설정 인수 제안은 2025년 5월 10일까지 유효하다. 단, 양측이 논의 종료에 합의하거나 오픈AI가 서면으로 공식 거절할 경우 조기 종료될 수 있다. ▶ 전액 현금 거래 조 론스데일의 8VC(8VC)와 스페이스X(SpaceX) 투자사 바이캐피털(Vy Capital) 등이 참여한 컨소시엄은 974억 달러를 현금으로 지급하겠다고 밝혔다. 이는 2022년 트위터(현 X) 인수 때 130억 달러의 부채를 활용했던 머스크의 이전 거래 방식과는 다른 접근이다. ▶ 실사 요구 인수팀은 오픈AI의 재무, 사업 기록뿐 아니라 직원 인터뷰까지 요구했다. 이는 통상적인 실사 과정이지만, 경쟁사인 엑스닷AI가 오픈AI의 민감한 내부 정보에 접근할 수 있다는 우려를 낳고 있다. 법적 공방 격화 오픈AI 법무팀은 머스크의 인수 시도가 비영리 자산의 이전을 막으려는 소송과 모순된다고 주장했다. 이에 머스크 측은 오픈AI가 비영리 지위를 유지하기로 결정하면 인수 제안을 철회하겠다고 맞섰다. 법원 제출 문서에 따르면 오픈AI 이사회 측 변호인은 "이번 제안이 비영리 법인의 가치를 제대로 반영하지 않았으며, 비영리 법인은 매각 대상이 아니다"라고 밝혔다. ■ 기사는 클로드 3.5 소네트와 챗GPT-4o를 활용해 작성되었습니다.

2025.02.14 14:19AI 에디터

Prev 1 2 3 4 5 6 7 8 9 10 Next