Featured Talks

00:00 안녕하세요. 오늘 저희 스탠포드 hai 연구소의 AI 인덱스 2025 보고서 그 방대한 내용 속에서 어 정말 알아야 할 핵심만 쏙쏙 뽑아왔습니다.

00:11 네 양이 정말 많죠

00:13 네 그래서 짧은 시간 안에 AI가 지금 어디까지 왔는지 또 어디로 가고 있는지 딱 감을 잡으실 수 있게 도와드릴게요.

00:22 맞아요. 이 보고서가 AI 기술 현황을 정말 다각도로 보여주거든요. 오늘은 특히 그 기술 발전 속도 있잖아요. 그거랑 어 책임 있는 AI 문제 그리고 경제나 과학적 영향 뭐 이런 흥미로운 지점들을 좀 짚어보려고 합니다.

00:38 좋습니다. 들으시면서 아 이런 점이 있구나 혹은 어 이건 왜 이렇지 하고 질문을 떠올리시는 계기가 되면 좋겠네요.

00:46 네 그러길 바랍니다.

00:48 자 그럼 먼저 AI가 얼마나 빨리 똑똑해지고 있는지 그 속도부터 좀 볼까요? 작년에 나온 그 어려운 벤치마크들이 있잖아요.

00:57 아 내내 mu나 gpqa 같은 것들이요.

00:59 네 맞아요. 그런 것들을 AI가 불과 1년 만에 정말 놀라운 수준으로 풀어내고 있어요.

01:05 그렇죠 특히 그 코딩 능력 보는 syyw 벤치 이거 정말 대단했죠

01:11 와 이거 정말 할 말이 많은데요. 2023년에는 정답률이 4 4%였는데

01:17 네 거의 못 풀었죠.

01:19 2024년엔 이게 71 7%까지 올랐어요.

01:23 이야 1년 만에 그러니까 규칙 기반 문제 해결 능력은 정말 음 무섭게 발전하는 거죠.

01:30 그런데 또 한편으로는 좀 어려운 문제들 뭐랄까 복잡한 추론 이런 건 여전히 숙제라고요

01:37 습니다. 여러 단계를 거쳐야 하는 수학 문제라든지 아니면 뭐 계획 세우기 같은 거요. 이런 건 문제 규모가 좀 커지면 AI 시스템이 좀 불안정해져요. 아직은요. 그렇군요. 근데 또 재밌는 변화도 있어요. 어떤 건데요? 예전에는 무조건 모델 크기가 커야 성능이 좋다고 생각했잖아요.

01:56 네 당연히 그랬죠. 파라미터 수 경쟁하고 그랬으니까요.

02:00 그렇죠 근데 요즘엔 훨씬 작은 모델들이 뭐랄까 기대 이상으로 잘해요. 예를 들어서 마이크로소프트 파이 3 미니 모델 이게 파라미터가 38억 개거든요. 38억이요 네 근데 이게 2년 전에 나온 구글 8 모델 그건 파라미터가 5400억 개였어요.

02:18 5400원 엄청난 차이인데요

02:20 네 근데 성능은 mlu 기준으로 보면 거의 비슷하다는 거예요. 크기는 140배 넘게 작은데 말이죠.

02:27 와 그럼 이제 무조건 큰 게 좋은 게 아니네요. 효율성이 중요해지는

02:32 그렇죠 효율성 경쟁이 심해지면서 시장 판도도 좀 달라지는 것 같아요.

02:37 아 그 수렴 현상이요

02:39 네 맞아요. 2022년 말에 채치 피티 처음 나왔을 때는 오픈 AI랑 구글이 거의 뭐 압도적이었잖아요.

02:46 네 그랬죠.

02:47 그런데 지금은 메타나 엔스로픽 같은 다른 회사들 모델 성능도 상당히 비슷해졌어요. 어느 한 기업이 확 치고 나가기보다는 좀 평준화되는 느낌 그런 경쟁 구도가 만들어지고 있는 거죠.

02:58 흥미롭네요. 기술 발전 속도만큼이나 이 기술을 어떻게 책임감 있게 쓸 거냐 이 문제도 중요해지고 있는데요. 보고서 보니까 AI 관련 사고나 오용 사례가 계속 늘고 있다고요

03:09 네 그 수치가 좀 걱정스러워요. 2024년에 보고된 건수가 233건 이게 역대 최고치고요. 2023년보다 56% 넘게 늘어난 거예요.

03:20 56프로나요 문제가 계속 생기고 있는데 기업들 대응은 좀 어떤가요? 뭔가 기준 같은 걸 만들고 있나요?

03:28 네 그런 시도는 있어요. 책임 있는 AI rai라고 하죠. 그 기준을 만들어서 평가하려는 움직임은 있습니다. 햄 세티나 AI 벤치 같은 새로운 평가 도구들도 나왔고

03:41 다행이네요.

03:42 근데 아직은요 이런 기준을 표준화해서 진짜 일관되게 적용하는 경우는 좀 드물다 이렇게 보고서는 지적해요. 그러니까 위험성은 아는데 실제 그걸 막기 위한 어떤 구체적인 조치는 아직 좀 부족하다는 거죠.

03:57 인식과 행동 사이에 아직 거리가 좀 있군요. 그래도 뭐 긍정적인 면도 있겠죠

04:02 네 없진 않습니다. 그 모델 개발 과정의 투명성 이건 좀 나아지고 있어요.

04:08 아 투명성이요?

04:09 네 주요 개발사들의 평균 투명성 점수라는 게 있는데 이게 2023년 10월에는 37점이었는데 24년 5월에는 58점까지 올랐어요.

04:19 꽤 올랐네요.

04:21 네 물론 뭐 학습 데이터는 어떻게 구했는지 저작권 문제는 괜찮은 건지 아직 해결할 거 많죠.

04:28 학습 데이터 문제는 정말 계속 논란이 되죠.

04:31 그렇죠 그리고 더 우려스러운 건 이른바 안묵적 편향 문제

04:35 안묵적 편형이요

04:37 네 최신 LM들 뭐 GPT 4나 클로드 3 같은 모델들이 개발 과정에서 편향 줄이려고 되게 노력했거든요.

04:44 네 그렇다고 들었어요.

04:46 그런데도 여전히 특정 인종 그룹에는 부정적인 단어를 더 많이 연결시킨다거나 여성은 스템 분야보다는 인문학 쪽이랑 더 연관 짓는다거나 이런 경향이 남아 있다는 거예요. 지표 자체는 좀 나아졌을지 몰라도 근본적인 해결은 아직 멀었다는 거죠.

05:03 음 그 편향 문제는 정말 어려운 숙제 같아요. 그리고 2024년은 전 세계적으로 선거가 많았던 애잖아요. AI 이용한 가짜 뉴스 이것도 문제였다고요?

05:14 네 아주 두드러졌습니다. 보고서 보면 최소 12개국 이상 10개 넘는 소셜미디어에서 이런 사례가 보고됐어요.

05:22 12개국이나요? 구체적으로 어떤 사례들이 있었나요?

05:25 인도에서는 어떤 후보가 AI로 유권자 개개인에게 맞춤형 캠페인 독려 영상을 보낸다거나

05:32 개인 맞춤으로요

05:33 네 또 미국 대선 관련해서는 스팸플러즈라고 AI가 만든 이미지 같은 걸 이용해서 허위 정보를 엄청나게 퍼뜨리는 작전도 있었고요. 남아공에서는 뭐 도로 상태 나쁘다고 비난하는 가짜 AI 이미지가 돌기도 했고요.

05:48 정말 다양한 방식으로 악용될 수 있네요.

05:50 그렇죠 다만 이런 가짜 정보들이 실제 선거 결과에 얼마나 영향을 미쳤는지는 아직 좀 불분명하다 이렇게 보고서는 얘기해요. 그래도 정보 환경에 새로운 위협인 건 분명하죠

06:01 네 그건 확실하네요. 자 그럼 경제 쪽으로 한번 넘어가 볼까요? AI가 생산성을 높여준다는 얘기는 계속 나오잖아요.

06:09 그런 연구 결과들이 꾸준히 나오고 있습니다. 대표적인 게 그 고객 지원 업무 있잖아요. 거기에 생성형 AI 도우미를 도입했더니 시간당 문제 해결 건수가 평균 14 2% 늘었대요.

06:22 14 2%면 꽤 큰데

06:24 그렇죠 근데 여기서 더 흥미로운 건 이 효과가 누구한테 더 크게 나타나냐는 거예요. 누구한테요? 상대적으로 숙련도가 좀 낮은 직원들 이분들한테서 생산성 향상이 훨씬 컸어요. 저숙년 직원은 무려 34%나 향상됐는데 고숙년 직원은 유의미한 변화가 없었고요.

06:42 와 34%요 그럼 약간 AI가 옆에서 숙련된 사수처럼 도와주는 느낌이었을까요?

06:49 그렇죠 그런 해석이 가능하죠. 어쩌면 AI가 이런 기술 격차를 좀 메워줄 수도 있겠다. 이런 가능성을 보여주는 거죠.

06:57 오 그건 정말 긍정적인 측면이네요. 과학 분야에서도 정말 큰 일이 있었죠. 2024년에 AI 관련 연구로 노벨상이 2개나 나왔잖아요.

07:07 네 이건 정말 상징적인 사건이었죠. 구글 딥마인드의 데미스 하사비스랑 존 점퍼 그 단백질 구조 예측하는 알파폴드 개발 공로로 노벨 화학상을 받았고요.

07:18 네 알파폴드는 정말 유명하죠.

07:20 그리고 존 호필드 교수랑 제프리 힌튼 교수 이분들은 인공 신경망 연구의 기초를 닦은 공로로 노벨 물리학상을 받으셨어요. AI가 이제 인류 지식의 최전선을 넓히는 데 정말 핵심적인 역할을 하고 있다는 걸 보여준 거죠.

07:35 정말 대단한 성과예요. 자 오늘 이렇게 AI 인덱스 2025 보고서를 쭉 훑어봤는데요. 정리해 보면 AI는 정말 놀라운 속도로 발전하면서 우리 생산성도 높여지고 과학적인 발견도 막 앞당기고 있어요.

07:50 그렇죠 하지만 동시에 뭐 책임 있는 사용 문제라든지 정보의 진실성 문제 또 아까 얘기했던 편향성 같은 거 우리가 같이 풀어야 할 숙제들도 점점 더 명확해지고 있는 것 같습니다.

08:02 기술 발전의 밝은 면과 함께 그 그림자 즉 위험과 과제들을 어떻게 잘 관리하고 균형을 맞출 것인가 이게 정말 중요해 보이네요. 단순히 기술 개발만 할 게 아니라 사회적인 고민과 합의 또 제도 마련이 꼭 필요하다는 생각이 듭니다.

08:18 있습니다. 특히 그 기술적 노력에도 불구하고 계속되는 암묵적 편향 문제나 AI가 만들어내는 정보의 진실성 그리고 선거 개입 가능성 같은 위험들 이건 정말 사회 전체가 깊이 고민하고 대비해야 할 문제입니다.

08:32 오늘 저희가 나눈 이야기들이 당신이 이 복잡한 AI 시대를 이해하시는 데 조금이나마 도움이 되었으면 좋겠습니다. 마지막으로 당신에게 질문 하나를 던지면서 마무리할까 합니다. 이 빠르게 변화하는 AI 환경 속에서 당신에게 가장 중요하게 다가온 AI의 가능성은 무엇인가요? 혹은 가장 우려되는 위험은 무엇인가요? 그리고 앞으로 우리는 AI의 어떤 면을 더 주의 깊게 지켜봐야 할까요? 한번 진지하게 생각해 보시면 좋겠습니다.