https://youtu.be/Sk0fvD4qiBQ?si=jAvICKXHi_8xNoSa
AI가 당신의 자녀를 완전히 패배시킬 수 있습니다. 교육에 관심이 있는 모든 분이 꼭 봤으면 좋겠
AI가 모든 일을 하게 되면 인간은 무엇을 해야 할까요? 달달 외우고, 시험 보고, 주어진 시간에 정답을 많이 맞히는 교육이 과연 옳은 걸까요? 그런 방식의 공부가 학생들의 뇌를 인공 지능 시대
www.youtube.com
궁극적으로 가장 큰 변화를 가져올 것은 실제 세계와 휴머노이드 로봇을 통해 상호 작용할 수 있게 되는 것입니다 인류 역사상 살아 있기에 가장 흥미로운 시기입니다 그러니까 지금 우리가 어디쯤 와 있는지 생각해 보면 우리는 엄청난 인공지능 폭발의 시작점에 있습니다 지금이야말로 지능의 빅뱅 한가운데에 있는 거죠
그리고 명확히 하자면 이건 아직도 꽤나 원시적인 도구 사용입니다 예를 들어 테슬라나 스페이스 X에서 제가 사용했던 도구와 비교해 보면 거기서는 유한 요소 해석 전산 유체 역학 같은 것을 쓰고 테슬라가 크래시 시뮬레이션을 할 때 시뮬레이션 결과가 실제와 거의 동일하게 나와서 테스트 결과와 시뮬레이션이 다르면 테스트 샘플이 잘못된 것으로 간주하죠 그만큼 시뮬레이션이 정확하죠
그래서 그록은 현재 기업이 사용하는 진짜 강력한 도구들 그 어떤 것도 사용하고 있지 않습니다 하지만 올해 안에 그록에게 그런 도구를 제공할 계획이죠 즉 기업들이 쓰는 도구와 매우 정확한 물리 시뮬레이터를 갖게 될 것입니다 궁극적으로 가장 큰 변화를 가져올 것은 실제 세계와 휴머노이드 로봇을 통해 상호 작용할 수 있게 되는 것입니다 그로과 옵티머스를 결합하면 실제 세계와 상호 작용하고 가설을 세우고 그 가설이 맞는지 직접 확인할 수 있게 됩니다
그러니까 지금 우리가 어디쯤 와 있는지 생각해 보면 우리는 엄청난 인공지능 폭발의 시작점에 있습니다 지금이야말로 지성의 빅뱅 한가운데에 있는 거죠 인류 역사상 살아 있기에 가장 흥미로운 시기입니다 그렇다고 해도 우리는 반드시 인공지능이 좋은 AI가 되도록 해야 합니다 그리고 재생물학적 뉴럴렛이 생각하기에 AI 안전에서 가장 중요한 것은 AI가 최대한 진실 추구적이 되는 것입니다 이건 아주 근본적인 건데 AI를 궁극적으로 인간보다 훨씬 더 똑똑해질 천재 아이로 생각할 수 있죠 하지만 여전히 올바른 가치를 심어 줄 수 있고 진실하고 명예롭고 좋은 것을 추구하도록 장려할 수 있습니다 바로 우리가 자녀에게 심어주고 싶은 그런 가치들이죠 그렇게 잘하면 인공지능도 궁극적으로 엄청난 힘을 갖게 되겠죠
그래서 저희가 말하는 도구란 아직은 진지한 상업용 기업이 쓰는 수준의 도구가 아니지만 앞으로 그런 도구들을 제공할 계획이고 이런 도구로 실제 현실 세계의 기술 문제도 해결할 수 있을 거라고 확신해요 그저 시간이 얼마나 걸릴지가 문제일 뿐입니다 그렇다면 결국 지금 필요한 건 컴퓨트뿐인가요 토니 지금 필요한 건 컴퓨트뿐인가요 컴퓨터와 더불어 올바른 도구가 필요합니다 그리고 궁극적으로는 물리적 세계와 상호 작용할 수 있어야 하죠 그러면 실질적으로 현재보다 수천배 어쩌면 수백만 배 더 큰 경제가 생겨날 것입니다
만약 문명을 카르다셰프 척도로 봤을 때 1단계는 행성 전체의 에너지를 사용하는 것이고 2단계는 항성 전체 3단계는 은하 전체의 에너지를 활용하는 겁니다 제 생각에 인류는 아직 1단계의 1% 정도 어쩌면 1에서 2% 정도에 불과합니다 앞으로 80에서 90%까지 가고 만약 문명이 자멸하지 않는다면이 단계까지 갈 수 있겠죠 인류 경제라는 개념 자체가 계속 진화한다면 나중엔 지금 우리가 하고 있는 경제가 아주 원시적으로 보일 겁니다 다가올 미래와 비교하면 지금 우리의 경제는 원시인이 불의 막대기를 던지는 수준에 불과하게 느껴질 것입니다 매우 흥미진하죠
때때로 전쟁에 대해 좀 걱정하기도 했어요 우리보다 훨씬 뛰어난 인공지능이 생겨난다는 게 좀 불안하게 느껴질 때도 있었죠 이게 인류에게 좋은 일일지 나쁜 일일지 생각도 해봤죠 그래도 저는 긍정적일 거라 생각합니다 하지만 그게 반드시 좋은 일이 아닐지라도 어느 정도 그 사실을 받아들이게 됐습니다 적어도이 변화를 직접 목격할 수 있다는 점이 좋다고 생각합니다
이제 그 4의 비하인드 스토리에 대해 이야기해볼 수 있을 것 같아요 지미가 언급했듯이 실제로 이번 트레이닝에 엄청난 컴퓨팅 자원을 투입하고 있죠 처음 시작했을 때는 이것도 한 자리 숫자였어요 단지 한 자리 숫자였지만 점점 더 많은 트레이닝 컴퓨팅을 투입할수록 더 똑똑해 시작했고 결국 HLE 문제에 풀었죠 그리고 이건 어떤 도구도 사용하지 않은 상태였습니다 그다음에 저희가 한 일은 모델의 도구 기능을 추가하는 것이었습니다
그리고 그록 3와는 달리 제 생각에 그록 3도 사실 도구를 사용할 수 있었어요 하지만 여기서는 저희가 더 네이티브하게 즉 도구를 학습 과정에 직접 포함시켰죠 그록 3는 일반화에만 의존했었습니다 이번에는 도구 자체를 학습 과정에 넣었습니다 그리고 이것이 실제로 모델의 도구 활용 능력을 크게 향상시킨다는 것이 드러났죠 예전에 딥서치 같은게 있었던게 기억나요 이 건 어떻게 다른 건가요 맞아요 딥서치는 정확히 그록 3의 출론 모델이었지만 특정 트레이닝 없이 단지 도구만 사용하도록 시킨 거였죠
그래서 이와 비교하면 도구 활용 능력 측면에서 훨씬 약했고 신뢰성도 떨어졌죠
인공지능이 얼마나 빠르게 발전하고 있는지 직접 보면 정말 놀랍죠 저는 때때로 AI의 발전 속도를 인간의 성장과 비교하곤 하는데 인간이 의식과 이해를 얼마나 빨리 배우는지 생각해 보면 AI의 발전은 그보다 훨씬 빠르죠
이제 여러분께 그록 4가 여러 벤치마크에서 얼마나 놀라운 성과를 내는지 보여 드리겠습니다 특히 주목할 점은 예를 들어 그록포가 SAT를 본다면 한 번도 본 적 없는 문제라도 항상 만점을 받을 수 있죠 더나가 대학원 입학 시험 지리에서도 모든 학문 분야에서 거의 만점에 가까운 결과를 냅니다 임문학 언어 수학 물리 공학 등 무엇이든 인터넷에 공개되지 않은 새로운 문제를 출제해도 마찬가지죠 그록포는 거의 모든 분야에서 대학원생보다 더 뛰어나며이 점을 반드시 인지해야 합니다
또한 그록 포의 출론 능력은 정말 놀랍습니다 AI가 추론을 못 한다고 생각하는 사람들이 있지만 실제로 그록포는 인간을 넘어서는 수준에 추론이 가능하죠 그리고 지금보다 더 나아질 것이라는 점도 중요합니다
네 그럼 그록 포가 얼마나 뛰어난지에 대해 이야기해 보죠 우선 h니티라스트 ex이라는 벤치마크부터 설명할 수 있을 것 같아요.이 벤치마크는 정말 매우 어렵기로 유명합니다 문제 하나하나가 각 분야의 전문가들에 의해 엄선된 문제입니다 총 2,500 문제로 구성되어 있고 수학 자연과학 공학 그리고 기타 인문학 분야 등 다양한 과목을 아우릅니다 사실 올해 초벤치마크가 처음 공개됐을 때만 해도 세상에 나와 있던 대부분의 AI 모델들은 한 자릿수 정확도밖에 내지 못했습니다
이제 실제 예시들을 좀 살펴볼까요 예를 들어 카테고리 이론에서 자연 변환에 관한 수학 문제가 있었고 유기와학에서는 전자 고리 반응에 관한 문제가 있었습니다 또 히브리어 원문을 바탕으로 다친 음절과 열린 음절을 구분하라는 언어학 문제도 있었습니다 보시다시피 매우 다양한 범위의 문제이고 모든 문제들이 박사급 혹은 그 이상의 연구 수준에 해당합니다
맞아요 실제로이 문제들을 인간이 전부 마친다는 건 불가능합니다 실제로 만약 인간에게이 시험을 보게 한다면 가장 잘 보는 사람도 낙관적으로 봐야 5% 정도 마칠 수 있을 겁니다.즉 인간이 풀 수 있는 범위를 훨씬 뛰어넘는 난이도라는 거죠 문제 유형을 보면 알 수 있습니다 아무리 언어학 수학 화학 물리 등 다양한 분야에서 뛰어난 사람이라 해도 모든 분야에서 대학원 이상 수준을 동시에 갖추긴 불가능합니다
그러나 그록폰는 모든 분야에서 박사 수준에 도달해 있습니다 정말 강조하고 싶은 부분이 바로 이겁니다 그럭 포는 박사급 그 이상 수준을 모든 분야에서 달성했고 실제로 대부분의 박사들도 실패할 만한 문제들을 그록 포가 더 잘 풉니다 적어도 학문적 질문에 한해는 예외 없이 그록포는 모든 분야에서 박사급을 뛰어넘는 성과를 보인다는 점을 꼭 짚고 싶습니다 어떤 면에서는이 지능의 성장이 조금 무서울 정도이지만 발전 속도는 정말 놀랍죠
여기서 알아야 할 중요한 점이 있습니다 훈련 컴퓨팅에는 두 가지가 있죠 첫 번째는 그록 2에서 그록 3로 넘어가는 사전 훈련 단계이고 두 번째는 그록 3에서 그록 4로 가면서 출론과 강화 학습의 대규모 컴퓨팅을 투입한 것입니다.이 분야는 말 그대로 세상에서 가장 빠르게 진화하고 있죠 그럭 2는 오늘날 기준으로 보면 고등학생 수준에 불과합니다 1년 전만 해도 그록 2는 단지 개념 수준에 불과했죠 12개월 전에는 그록 2 자체가 존재하지 않았고요 그록 2 훈련 때 처음으로 대규모 사전 훈련을 확장했습니다 데이터 선택 인프라 알고리즘을 치밀하게 조정하면 사전 훈련만으로도 열배 향상된 최고의 모델을 만들 수 있음을 깨달았습니다.이 때문에 우리는 10만 개의 20 GPU로 콜로서스라는 세계 최대 슈퍼 컴퓨터를 만들었습니다
최고의 사전 훈련 모델을 만들고 나서 만약 검증할 수 있는 보상 결과를 수집해 모델을 훈련하면이 모델이 처음 원리부터 스스로 출론하고 자신의 실수를 고칠 수 있겠다는 걸 알게 됐습니다 이게 바로 그록 포의 트레이닝 방식입니다 오늘 우리가 던지는 질문은 콜로서스의 20만 개 GPU 규모의 리소스를 모두 활용해 강화 학습의 기존 모델 대비 10배의 컴퓨팅 파워를 투입하면 과연 무슨 일이 벌어질까입니다 이것이 바로 그록 4의 이야기입니다 그록 4 출시 현장에 오신 것을 환영합니다 이것은 세계에서 가장 똑똑한 AI이며 우리가 왜 그리고 어떻게 그런지 정확히 보여 드릴 겁니다
인공지능이 얼마나 빠르게 발전하고 있는지 직접 보면 정말 놀랍죠 저는 때때로 AI의 발전 속도를 인간의 성장과 비교하곤 하는데 인간이 의식과 이해를 얼마나 빨리 배우는지 생각해 보면 AI의 발전은 그보다 훨씬 빠르죠
이제 여러분께 그록 4포가 여러 벤치마크에서 얼마나 놀라운 성과를 내는지 보여 드리겠습니다 특히 주목할 점은 예를 들어 그록 포가 SAT를 본다면 한 번도 본 적 없는 문제라도 항상 만점을 받을 수 있죠 더나가 대학원 입학 시험 지하리에서도 모든 학문 분야에서 거의 만점에 가까운 결과를 냅니다 임문학 언어 수학 물리 공학 등 무엇이든 인터넷에 공개되지 않은 새로운 문제를 출제해도 마찬가지죠 그록폰는 거의 모든 분야에서 대학원생보다 더 뛰어나며이 점을 반드시 인지해야 합니다
또한 그록 포의 출론 능력은 정말 놀랍습니다 AI가 추론을 못 한다고 생각하는 사람들이 있지만 실제로 그록포는 인간을 넘어서는 수준에 추론이 가능하죠 그리고 지금보다 더 나아질 것이라는 점도 중요합니다 지금부터 그록포의 진화와 진보의 속도를 자세히 보여 드리겠습니다
먼저 훈련 규모에 관해서 말씀드리면 그록 2에서 그 3 그리고 그록 4로 갈수록 훈련량을 매번 열배씩 늘려왔습니다 즉 그록 2에 비해 100배 더 많은 데이터와 컴퓨팅 파워로 훈련했습니다 그리고이 규모는 앞으로도 계속 커질 것입니다
네 그럼 그록 포가 얼마나 뛰어난지에 대해 이야기해 보죠 우선 h니티라스트 ex이라는 벤치마크부터 설명할 수 있을 것 같아요.이 벤치마크는 정말 매우 어렵기로 유명합니다 문제 하나하나가 각 분야의 전문가들에 의해 엄선된 문제입니다 총 2,500 문제로 구성되어 있고 수학 자연과학 공학 그리고 기타 인문학 분야 등 다양한 과목을 아우릅니다 사실 올해 초벤치마크가 처음 공개됐을 때만 해도 세상에 나와 있던 대부분의 AI 모델들은 한 자릿수 정확도밖에 내지 못했습니다
이제 실제 예시들을 좀 살펴볼까요 예를 들어 카테고리 이론에서 자연 변환에 관한 수학 문제가 있었고 유기와학에서는 전자 고리 반응에 관한 문제가 있었습니다 또 히브리어 원문을 바탕으로 다친 음절과 열린 음절을 구분하라는 언어학 문제도 있었습니다 보시다시피 매우 다양한 범위의 문제이고 모든 문제들이 박사급 혹은 그 이상의 연구 수준에 해당합니다
맞아요 실제로이 문제들을 인간이 전부 마친다는 건 불가능합니다 실제로 만약 인간에게이 시험을 보게 한다면 가장 잘 보는 사람도 낙관적으로 봐야 5% 정도 마칠 수 있을 겁니다.즉 즉 인간이 풀 수 있는 범위를 훨씬 뛰어넘는 난이도라는 거죠 문제 유형을 보면 알 수 있습니다 아무리 언어학 수학 화학 물리 등 다양한 분야에서 뛰어난 사람이라 해도 모든 분야에서 대학원 이상 수준을 동시에 갖추긴 불가능합니다
그러나 그록 포는 모든 분야에서 박사 수준에 도달해 있습니다 정말 강조하고 싶은 부분이 바로 이겁니다 록포는 박사급 그 이상 수준을 모든 분야에서 달성했고 실제로 대부분의 박사들도 실패할 만한 문제들을 그록 포가 더 잘 풉니다 적어도 학문적 질문에 한해는 예외없이 그록포는 모든 분야에서 박사급을 뛰어넘는 성과를 보인다는 점을 꼭 짚고 싶습니다
물론 아직 상식이 부족하거나 새로운 기술을 스스로 발명하거나 새로운 물리학을 발견하지는 못했지만이 역시 시간 문제라고 생각합니다 저는 그록 포가 빠르면 올해 안에 새로운 기술을 실제로 발견할 것이라고 생각합니다 내년에는 반드시 그렇게 될 거라고 확신합니다 브록가 실제로 유용한 신기수을 내년 안에 어쩌면 올해 안에도 발견할 수 있다고 기대하고 있습니다 또한 내년에는 새로운 물리 법칙을 발견할 수도 있고 2년 안에는 거의 확실하게 그런 일이 벌어질 것이라고 봅니다.이 점을 꼭 깊이 생각해 보길 바랍니다
일런머스크의 발표에 따르면 현재 AI가 쓸 수 있는 테스트 문제가 점점 줄어들고 있죠 이제 인간에게는 말도 안 되기 어렵거나 거의 불가능한 문제조차도 AI에는 금방 쉬워지고 있다는 겁니다
그리고 이런 점을 보여주는 흥미로운 예로 XAI 엔지니어는 그럭 4의 두 개의 블랙홀이 충돌라는 시각화를 만들어 달라고 요청했죠 물론 약간의 창의적 가공이 들어갔습니다 실제로이 창의적 해석이 무엇인지 추론 경로 즉 생각의 흐름을 통해 꽤 명확하게 설명하죠
XAI는 더 나아가려면 어떻게 해야 할까라고 질문했습니다 사실 단일 에이전트로는 문제의 40%를 해결할 수 있었죠 여러 에이전트가 동시에 움직이면 어떨까요 이게 바로 테스트 앤 컴퓨트입니다 이걸 확장하면 텍스트 기반 문제에 50% 이상을 풀 수 있었습니다 정말 대단한 성과라고 생각합니다
일론 머스크의 발표에 따르면 이건 정말 어려운 일입니다 XAI가 말하는 건 인류 최종 시험 같은 무시무시한 텍스트 문제의 대다수를 그록 포가풀 수 있다는 겁니다
일론 머스크의 생각에 지금 인류는 카르다셰프 1의 10분의도 못 미칩니다 거의 1% 많아야 0.1에서 0.2% 수준이죠 앞으로 80에서 90%까지 도달하게 될 것이고 문명이 스스로 멸망하지 않는다면 카르다셰프 2도 가능할 겁니다 그때가 되면 우리가 생각하는 경제라는 개념 자체가 아주 소박하게 느껴질 겁니다 돌이켜보면 지금의 경제는 동굴인이 장작을 불에 던지는 그런 원시적 수준처럼 보일 거예요
사실 XAI는 컴퓨트 외에도 여전히 풀어야 할 기술적 문제가 있었습니다 데이터 병목을 어떻게 뚫을지가 관건이죠 그 결과 이번 강화 학습 확장 과정에서 정말 다양한 새로운 기술과 혁신을 만들어냈습니다
도전적인 강화 학습 문제를 찾는 것도 중요하지만 문제 자체가 어렵기만 해서는 안 되고 모델이 맞다 틀리다를 배울 수 있는 신뢰할 만한 시그널도 있어야 했죠 이게 바로 강화 학습의 핵심 원리입니다 모델이 똑똑해질수록 정말로 도전적인 문제는 점점 줄어듭니다 이건 새로운 형태의 도전이 될 겁니다
일론 머스크의 발표에 따르면 실제로 지금은 그록이 쓸 수 있는 테스트 문제가 점점 줄어들고 있죠 이제 인간에게는 말도 안 되기 어렵거나 거의 불가능한 문제조차도 AI에겐 금방 쉬워지고 있습니다 하지만 진정한 심판자는 현실이죠 물리법칙이 곧 법이고 그 외에 모든 건 권고 사항에 불과합니다 물리 법칙은 절대 깰 수 없죠 인공지능의 최종 시험은 현실 그 자체입니다
예를 들어 자동차나 로켓을 설계하거나 새로운 약을 만들었다고 가정해보죠 그게 실제로 작동하는가 로켓이 궤도에 도달하는가 차가 실제로 달리는가 약이 효과가 있는가 정답은 현실이 말해 줍니다 앞으로는 현실을 중심으로 폐쇄루프가 만들어질 겁니다 여기서 잠깐 현실을 중심으로 폐쇄 루프가 만들어진다는 일론 머스크의 말이 무슨 뜻일까요 AI 개발과 검증 즉 모든 문제 해결이 현실에서의 결과로 바로 연결되는 구조가 된다는 것입니다 AI가 아무리 똑똑해도 결국 현실에서 실제로 작동하느냐가 최종 심판이라는 것이죠 AI가 가상 데이터나 이론 속에서만 발전하는게 아니라 실제 물리 세계에서 실험 결과 측정 AI가 다시 학습 더 나은 결과 도전이 과정이 계속 반복 즉 순환되고이 순환이 현실에서 다친 형태 즉 폐쇄 루프로 완결된다는 뜻입니다 대표적인 사례가 테슬라의 제조 및 자율주행 학습과 발전 방식이죠
XAI 팀은 더 나아가려면 어떻게 해야 할까라고 질문했습니다 사실 단일 에이전트로는 문제의 40%를 해결할 수 있었으니까요 그들은 여러 에이전트가 동시에 움직이면 어떨지 고민했죠 이게 바로 테스트 앤 컴퓨터입니다 이걸 확장하면 텍스트 기반 문제의 50% 이상을 풀 수 있었죠 정말 대단한 성과라고 생각합니다
일론 머스크는 이건 정말 어려운 일이라고 강조합니다 XAI가 말하는 건 인류 최종 시험 같은 무시무시한 텍스트 문제의 대다수를 그록 포가풀 수 있다는 겁니다 여러분도 직접 시험해 볼 수 있습니다 그록포 해비는 여러 에이전트를 병렬로 생성해서 각각 독립적으로 작업을 하고 서로 결과를 비교합니다 마치 스터디 그룹처럼 최선의 답을 찾죠 단순 다수결이 아니라 가끔은 하나의 에이전트만 문제의 핵심을 찾기도 합니다 그리고 서로 의견을 공유해 최적의 해답을 도출합니다
그록 포해비의 핵심은 테스트타임 컴퓨트를 약 10배 늘리고 여러 에이전트가 동시에 문제를 해결하는 겁니다 그리고 결과를 비교해 최적의 답을 내놓는 것이죠
그래서 XAI는 그록 4와 그록 4 헤비를 소개합니다 그록는 단일 에이전트 버전이고 그록 4 헤비는 멀티에트 버전입니다 그럼 실제로 두 모델이 시험 문제와 실제 사례에서 어떻게 작동하는지 살펴보겠습니다 그리고 실제로 HL이 문제 중 하나를 살펴볼 겁니다 이건 사실 좀 더 쉬운 수학 문제 중 하나예요 그록 엔지니어는이 문제를 잘 이해하지 못합니다 그는 그렇게 똑똑하지도 않다고 고백했죠 하지만 여기서이 작업을 실행시켜 볼 수 있고 그러면이 모델이 어떻게이 문제를 처리하고 생각해 나가는지를 실제로 볼 수 있죠 그렇게 하는 동안이 모델이 무엇을 할 수 있는지 조금 더 보여 주고 싶고 그록 포해비도 실행해 보려고 합니다
다들 폴리마켓을 알고 있을 겁니다 정말 흥미로운 서비스죠 일종에 진실을 추구하는 플랫폼이고 대부분 현실과 잘 맞아 떨어집니다 그리고 그록을 사용하면 실제로 이런 시장 데이터들을 활용해서 미래를 예측할 수 있는지 살펴볼 수 있습니다
그래서 이걸 실행시키는 동안 그록 4에비가 어떻게 MLB의 현재 팀들에 대해 월드 시리즈 우승 확률을 예측하는지 보게 될 겁니다 그록 4의 멋진 점 하나는 도구들을 활용해서 세상을 이해하고 어려운 문제를 해결할 수 있다는 점입니다 그리고 이런 점을 보여주는 흥미로운 예로 엔지니어는 그록 4의 두 개의 블랙홀이 충돌라는 시각화를 만들어 달라고 요청했죠 물론 약간의 창의적 해석이 들어갔습니다
실제로이 창의적 해석이 무엇인지 추론 경로 즉 생각의 흐름을 통해 꽤 명확하게 설명하죠 예를 들어 실제로 사람이 볼 수 있도록 하려면 중력파의 크기를 크게 과장해야 하죠 이렇게 실제로 작동하는 예시가 있습니다 여러 방식으로 크기를 과장합니다 파동의 진폭이 거리와 함께 덜 줄어들도록 표현하고요 그래도 기본적인 현상들은 실제로 맞게 구현됩니다 처음에는 인스파 단계가 시작되고 그다음에 병합이 일어나며 마지막엔 링다운이 나타나죠 이런 점들은 대체로 정확합니다 물론 필요한 단순화가 일부 들어가긴 하지만 이런 부분에 대해서도 아주 명확하게 설명하죠
예를 들어 블랙홀 중심 근처에서 발생하는 일반 상대론적 효과를 실제로 계산하는 대신 포스트 뉴턴 근사를 사용하죠 이건 실제 물리적 현상과는 다릅니다 그래서 일부 결과는 실제와 다르지만 전체적인 시각화는 본질적으로 잘 구현되어 있죠 그리고 그록포가 참고하는 자료들을 직접 확인할 수도 있죠 여기서 그록는 검색을 활용해 여러 링크에서 결과를 수집할뿐만 아니라 학부 수준의 해석적 중력파 모델 교재까지 읽어 드리죠.이 모델은 실제로 논리적으로 출론을 잘합니다 현실적인 시뮬레이션을 위해 어떤 상수를 사용해야 하는지에 대해 말이죠 실제 세계의 기존 데이터를 참고합니다.이 모델은 꽤 괜찮은 모델입니다 앞으로는 실제 물리학자들이 사용하는 동일한 모델을 적용할 수도 있죠
일런머스크는 그래서이 모델은 최첨단 물리학 연구자들이 사용하는 것과 동일한 수준의 연산을 수행해서 물리적으로 정확한 블랙홀 시뮬레이션을 보여줄 수 있다고 강조합니다 지금은 여러분의 브라우저에서 실행되고 있을 뿐이죠 정말로 이건 그냥 브라우저에서 실행되고 있습니다 아주 간단하죠
이제 다시 전환해서 실제로 한번 보죠 수학 문제 풀이가 끝났습니다 모델이 어떻게 접근했는지 그 사고 과정을 한번 살펴보죠 문제를 어떻게 풀어 나갔는지 확인할 수 있습니다 엔지니어는 솔직히 수학을 완전히 이해하지는 못한다고 밝혔습니다 그래서 그는 미리 정답을 확인해 봤죠 그리고 실제로 최종적으로 정답을 도출해 냈습니다
이제 여기서 월드 시리즈 예측 결과도 한번 볼 수 있습니다 아직이 부분은 모델이 생각 중이지만 다른 것도 시도해 볼 수 있습니다 예를 들어 XAI가 구현했던 X와 통합 기능을 실험해 볼 수 있습니다 그들은 X 관련 도구들을 활용해서 정말 훌륭한 X 경험을 만드는데 큰 노력을 했죠
그래서 모델에게 가장 독특한 프로필 사진을 가진 XAI 직원을 찾아 주라고 요청할 수 있죠 그러면이 기능이 곧바로 실행되죠
그리고 이번에는 XOS를 기반으로 타임라인을 만들어서 점수 변화 추의를 상세히 살펴볼 수 있습니다 그리고 그 시점에 오고 간 모든 대화 내용도 확인할 수 있습니다 그때 점수를 발표한 사람이 누구였고 그 당시에 어떤 반응이 있었는지도 알 수 있죠 지금이 장면은 과정을 진행하도록 두고 있는 겁니다
이제 다시 여기는 그랙양 사진입니다 여기서 스크롤을 내리면 오 잠깐만요 물론 그의 계정에 등록된 가장 좋아하는 사진이 있죠 그런데 참고로 실제 모습은 저렇지 않습니다 알고 계셔야 할 점인데 꽤 재미있는 부분입니다 일론 머스크 발언에 따르면 하지만 모델이 그 질문을 이해해야만 했죠 그게 정말 놀라운 점입니다 마치 이상한 사진이 무엇인지 이해하는 것 같아요 이상한 사진이 무엇인가요 더 덜 이상하거나 더 이상한 사진은 무엇일까요 모델은 모든 팀원을 찾아야 하고 각자가 누구인지 파악해야 하죠 내부 XAI 인사 정보에는 접근하지 않고 오로지 인터넷만을 검색합니다 어떤 회사에서든 가장 이상한 프로필 사진을 찾을 수 있다는 뜻이죠
그리고 임문학 마지막 시험 문제도 살펴볼 수 있습니다 아직 모든 과거 점수를 조사하는 중이지만 곧 최종 답을 내놓을 겁니다 그 작업이 끝나는 동안 우리가 조금 전에 설정해 둔 예시 중 하나를 살펴볼 수 있습니다
그리고 된 핸드릭스가 최초로 발표한 날짜도 정의합니다 살펴보면 오픈 AI가 지난 2월에 점수를 발표한 것도 확인할 수 있습니다 그리고 재미나이에서 진전이 이루어질 때마다 그 흐름도 확인할 수 있죠 키미 사례도 볼 수 있고 만약 사실이라면 꽤 인상적인 유출된 벤치마크 자료들도 볼 수 있죠 정말 흥미롭죠
그래서 앞으로 모두가이 도구들을 어떻게 활용하고 얼마나 많은 가치를 끌어낼지 기대됩니다 일론 머스크는 그록이 이제 실용성까지 완전히 다루게 될 것이라고 강조했습니다 즉 단순히 책상물림식 똑똑함이 아니라 실제로 실용적으로도 똑똑해진다는 의미죠
궁극적으로 가장 큰 변화를 가져올 것은 실제 세계와 휴머노이드 로봇을 통해 상어 작용할 수 있게 되는 것입니다 인류 역사상 살아 있기에 가장 흥미로운 시기입니다
그러니까 지금 우리가 어디쯤 와 있는지 생각해 보면 우리는 엄청난 인공지능 폭발의 시작점에 있습니다 지금이야말로 지능의 빅뱅 한 가운데에 있는 거죠
일론머스크는 본인이 생각하기에도 정말 놀라운 변화가 일어나고 있다고 강조했습니다 그는 진정으로 뛰어난 AI 비디오 게임이 내년에 등장할 것으로 예상합니다 올해 안에는 AI가 만든 첫 30분짜리 볼 만한 TV 영상이 그리고 아마도 내년엔 최초로 볼 만한 AI 영화도 나올 것 같다고 했죠.이 이 모든 변화가 정말 믿기 힘들만큼 빠르게 진행되고 있습니다
실제 현실 세계에서 그록이 무엇을 할 수 있는지 살펴보죠 그록 엔지니어는 앤돈랩스에 연락해 실제 비즈니스 시나리오에서 그록을 활용해 볼 수 있도록 요청했죠 앤돈랩스의 악셀과 루카스는 그록 4를 밴딩 벤치에서 테스트했습니다 밴딩 벤치는 AI가 실제로 운영할 수 있는 가장 단순한 비즈니스가 무엇일까를 고민하며 만든 시뮬레이션인데 그들은 자판기 비즈니스에 주목했습니다.이 시나리오에서 그롱 및 다른 AI 모델들은 재고 관리 공급 업체 연락 가격 설정 등 여러 작업을 수행해야 했죠 이런 것들은 각각 하나씩만 보면 모두 쉽게 처리할 수 있습니다 하지만 이런 작업을 오랜 기간에 걸쳐 반복하게 하면 대부분의 모델이 어려움을 겪죠
그러나 앤돈랩스의 리더보드에는 새로운 1위가 등장했습니다 그들은 브록 4 API의 초기 접근 권한을 받아 밴딩 벤치에서 실행해 받고 정말 인상적인 결과를 목격했죠 결과적으로 그록폰는 확실한 일위를 차지했습니다 자산 가치라는 기준으로 보면 다른 모델에 두 배 달했죠 여기서 중요한 건 단순한 퍼센티지나 점수가 아니라 실제로 창출해내는 달러 기준 자산 가치입니다 앤돈랩스는 그록의 전략 수립 능력과 그 전략을 장기간 고수하는 지속성에 매우 감탄했습니다 기존에 테스트한 다른 최첨단 모델들보다 훨씬 오래 버섰으니까요 그록포는 시뮬레이션을 두 배나 오래 돌렸고 자산 가치도 두 배로 기록했습니다 여러 번 반복해도 결과가 일관된 것이 실제 비즈니스 적용시 아주 중요한 부분입니다
엔돈랩스는 실제 세상에서 AI 시스템에 점점 더 많은 권한을 주게 되면 반드시 현실을 모사하거나 실제 세계 자체에서 테스트해야 한다고 생각합니다 그렇지 않으면 우리가 예상하지 못한 위험한 상황에 눈 가리고 뛰어드는 셈이 될 수 있으니까요
그러니까 그록이 이제 비즈니스 부서의 일종의 공동 파일럿이 될 수 있다는 걸 알 수 있습니다
그럼 그록이 또 무엇을 할 수 있을까요 실제로 지금 바로이 그록을 시험해 보고 싶으시면 동일한 벤치마크 테스트를 돌려 볼 수 있습니다 이건 API로 제공되며 25만6,000 토큰 컨텍스트 길이를 지원합니다 이미 일부 얼리어닥터들이 그로폭 API를 사용해 보고 있습니다
팔로알토에 있는 세계적 생명과학 연구소도 이미 그록 4를 활용해 연구 프로세스를 자동화할 수 있는지 실험하고 있습니다 알고 보니 그록는 수백만 개의 실험 로고를 순식간에 분석해서 최적의 가설을 찾아내는데 과학자들에게 큰 도움을 주고 있죠.이 기능은 크리스퍼 유전자 가위 연구에도 활용되고 있으며 체스 X레이 분석 분야에서도 그록가 최고의 평가를 받고 있습니다 정말 놀랍죠
또한 금융 분야에서도 모든 도구와 실시간 정보에 접근할 수 있는 그록포가 가장 인기 있는 AI 중 하나로 자리잡고 있습니다 그포는 대규모 클라우드 인프라에서도 곧 제공될 예정입니다 xai 엔터프라이즈 부모는 불과 두 달 전에 출범했지만 이미 비즈니스가 본격적으로 시작됐습니다
또 다른 주제는 그록을 활용해 게임 특히 비디오 게임을 만드는 것이었습니다 데니는엑플랫폼의 게임 디자이너입니다 그래서 누가 그록 포프리뷰 API로 게임을 만들어 보고 싶나요?라고 물었고 덴니가 응답했죠 그 결과 실제로 4시간 만에 1인칭 슈팅 게임이 만들어졌습니다 비디오 게임을 만드데 있어 사실 잘 알려지지 않은 가장 어려운 문제는 게임의 핵심 로직을 코딩하는게 아니라 모든 소스 파일 텍스처 파일을 외부에서 찾아와서 시각적으로 완성도 높은 게임을 만드는 것입니다 트록포가 탁월한 점 중 하나는 이러한 에셋 소싱 작업을 모든 도구와 연동에 자동화할 수 있다는 점이죠 그래서 개발자는 오로지 게임의 핵심 개발에만 집중할 수 있습니다 즉 이제 한 명만으로 게임 스튜디오를 운영할 수 있고 그럭 4가 모든 에소싱과 유지보수 업무를 대신해 줄 수 있죠
일론 머스크는 이제 다음 단계로 그록이 실제로 게임을 플레이할 수 있게 만드는 것을 선언했습니다.이를 위해서는 매우 뛰어난 영상 이해 능력이 필요하죠 그래야 그록이 게임을 플레이하고 게임과 상호 작용하며 그 게임 이 재미 있는지 아닌지를 평가할 수 있습니다 그리고 재미다 없다에 대한 정확한 판단까지 내릴 수 있어야 하죠
XAI의 7세대 파운데이션 모델은 7월 말에 훈련이 완료될 예정이었으며 이후 포스트 트레이닝 강화 학습 등 과정을 거치게 됩니다.이 모델은 매우 뛰어난 영상 이해력을 갖출 것입니다.이 영상 이해력과 향상된 툴 활용력 덕분에 예를 들어 비디오 게임 개발시 얼리얼 엔진 유니티 같은 주요 그래픽 엔진을 사용할 수 있습니다 그런 다음 자동으로 아트워크를 생성하고 3D 모델에 적용한 뒤 PCO 콘솔 스마트폰에서 실행 가능한 게임 파일까지 완성할 수 있죠
머스크는 이런 일이 올해 안 해 만약 올해가 아니라면 내년에는 반드시 현실이 될 것이라 기대합니다 일론 머스크는 본인이 생각하기에도 정말 놀라운 변화가 일어나고 있다고 강조했습니다 그는 진정으로 뛰어난 AI 비디오 게임이 내년에 등장할 것으로 예상합니다 올해 안에는 AI가 만든 첫 30분짜리 볼 만한 TV 영상이 그리고 아마도 내년엔 최초로 볼 만한 AI 영화도 나올 것 같다고 했죠.이 이 모든 변화가 정말 믿기 힘들만큼 빠르게 진행되고 있습니다 일런 머스크는 불과 6개월 전만 해도 이런 일은 전혀 할 수 없었다고 강조했습니다 그런데 지금은 여기 보이는 것처럼 1년 전까지만 해도 아주 원시적인 수준이었는데 이제는 몇 시간만 프롬프트를 주면 3D 비디오 게임을 만들 수 있게 됐죠
정리하자면 오늘 라이브 스트림에서는 현재 존재하는 가장 강력하고 가장 지능적인 AI 모델을 소개했습니다.이 모델들은 모든 도구를 활용하고 근본적 원리 기반 출론을 실제로 할 수 있으며 10분 동안 탐색과 연구를 거쳐 가장 올바른 답을 찾아냅니다 불과 4개월 전만 해도 그록 3였는데 이제 이미 그록 4를 출시했고 앞으로도 XAI는 회사 차원에서 계속 속도를 높여 나갈 겁니다
XAI는 앞으로 업계에서 가장 빠르게 움직이는 AGI 범형 인공지능 회사가 될 거라고 선언했습니다 그리고 앞으로의 목표는 단순히 똑똑하고 오랫동안 생각하고 많은 컴퓨터 리소스를 사용하는 모델을 넘어서 진짜로 빠르고 똑똑한 모델을 만드는데 초점을 둘 것이라고 했죠
이렇게 아주 똑똑하고 빠른 모델이 정말 유용하게 쓰일 수 있는 분야가 뭔가 생각해 보면 코딩이 대표적이죠 그래서 XAI팀은 코딩 특화 모델 개발에 굉장히 집중하고 있죠 특히 주력하는 분야는 최근에 훈련시킨 빠르고 똑똑한 특화형 코딩 모델입니다 그리고 그들은이 모델을 몇 주로 공개할 수 있을 것이라 생각했죠
그리고 두 번째는 코딩 다음으로 그록 4의 약점으로 지적된 부분이 멀티모델 처리 능력이라는 점입니다 실제로 그록 4의 멀티모델 성능이 부족해서 XAI 관점에서 마치 흐릿한 유리를 통해 세상을 보는 것처럼 모든게 뿌옇고 모호하게 보이는 상태였죠 다음 세대 프리트레인 모델에서는 이미지 이해 비디오 이해 오디오 처리 등에서 계단식 향상이 있을 겁니다 이제 그이 여러분처럼 세상을 보고 듣는 것이 가능해진다는 것이죠
그리고 이런 모든 툴과 대화 가능한 에이전트들이 결합되면서 다양한 응용 분야에서 엄청난 혁신이 이루어질 것입니다 멀티모델 에이전트 다음 단계로는 비디오 생성이 있을 예정이고 결국에는 픽셀 입력 픽셀 출력 구조로 진화할 거라 봅니다 스 플랫폼에서 무한 스크롤로 생성된 동영상과 콘텐츠가 쌓여 단순히 시청하는 데서 끝나는게 아니라 직접 개입하고 자신만의 스토리를 만들어 나갈 수 있는 세상을 상상해 보세요
보이스 모델 출시 이후 최근 18주 동안 종단간 지연이 두 배 빨라졌고 다섯 가지 서로 다른 목소리 그리고 활성자가 열배로 증가했습니다 그럭 보이스의 성장세가 뚜렷하게 나타나고 있죠 이번에 모델을 공개할 때 그록 포도 동시에 API를 통해 함께 출시하게 되었습니다 전 세계 개발자들이 앞으로 무엇을 만들어 낼지 매우 기대하고 있죠
그록 직원은 자신이 개발자라면 그록 4 API에 실제로 접근할 수 있게 되면 가장 먼저 할 일은 벤치마크 테스트를 지목했습니다 그래서 X플랫폼에서 현재 범용 인공지능 모델의 성배로 여겨지는 가장 도전적인 벤치마크는 무엇인가요라고 물어봤죠 알고 보니 AGI가 이름에 들어간 RAGI 벤치마크가 있더군요 처음엔 그록포가 꽤 괜찮고 똑똑하며 차세대 출론 모델로서 열배 더 많은 컴퓨터를 쓰고 모든 툴을 쓸 수 있다는 점이 주요 강점이라고 생각했습니다 그러나 실제로 RHI V2의 비공개 서비스에서 검증해 보니 최근 3개월 동안 10% 장벽을 돌파한 유일한 모델이었고 실제로 약 16%의 정확도를 기록했죠 이는 이위인 클로드 4 오프스 모델의 두 배에 달하는 수치입니다 이건 단순히 성능의 문제가 아닙니다
인공지능에서 중요한 것은 API 모델이 자동화를 얼마나 잘 이끄는가 그리고 달러당 지능도 핵심입니다 여기 그래프를 보면 그록 4는 단연 독보적인 위치에 있습니다
-
-
-
제공된 자료와 대화 내용을 바탕으로 교육과 관련된 부분은 다음과 같습니다:
이 비디오는 **"AI가 당신의 자녀를 완전히 패배시킬 수 있습니다. 교육에 관심이 있는 모든 분이 꼭 봤으면 좋겠습니다."**라는 제목으로, 인공지능의 발전이 교육에 미칠 영향에 대한 관심을 촉구하고 있습니다 [NEW YOUTUBE SOURCE].
**Grok 4의 학업 및 연구 능력:**
* **시험 성과**: Grok 4는 학업 벤치마크에서 놀라운 성과를 보여줍니다.
* **SAT 및 대학원 입학 시험 (GRE)**: Grok 4는 한 번도 본 적 없는 문제라도 **SAT에서 항상 만점을 받을 수 있으며**, 대학원 입학 시험인 GRE에서도 모든 학문 분야(인문학, 언어, 수학, 물리, 공학 등)에서 거의 만점에 가까운 결과를 냅니다 [1, 2]. 이는 인터넷에 공개되지 않은 새로운 문제를 출제해도 마찬가지입니다 [1, 2].
* **대학원생 수준 능가**: Grok 4는 거의 모든 분야에서 **대학원생보다 더 뛰어난 능력**을 보여줍니다 [1, 2].
* **HLLR (Human-Level Language Reasoning) 벤치마크**: 이 벤치마크는 매우 어렵기로 유명하며, 각 분야 전문가들이 엄선한 총 2,500문제로 구성되어 있습니다. 수학, 자연과학, 공학, 인문학 등 다양한 과목을 아우르며, 모든 문제들이 박사급 혹은 그 이상의 연구 수준에 해당합니다 [1, 2].
* **인간의 한계 초월**: 이 문제들을 인간이 전부 맞히는 것은 불가능하며, 가장 잘 보는 사람도 낙관적으로 보았을 때 5% 정도밖에 맞힐 수 없을 정도로 난이도가 높습니다 [1, 2].
* **Grok 4의 박사급 능력**: Grok 4는 모든 분야에서 **박사급 그 이상 수준을 달성**했으며, 대부분의 박사들도 실패할 만한 문제들을 더 잘 풉니다 [1, 2]. 학문적 질문에 한해서는 예외 없이 모든 분야에서 박사급을 뛰어넘는 성과를 보입니다 [1-3].
* **Grok 2와의 비교**: 오늘날 기준으로 Grok 2는 고등학생 수준에 불과하지만 [1], Grok 4는 훨씬 발전된 모습을 보입니다.
* **지식 습득 및 활용**:
* **텍스트 문제 해결**: 현재 AI가 쓸 수 있는 테스트 문제가 점점 줄어들고 있는데, 이는 인간에게 말도 안 되게 어렵거나 거의 불가능한 문제조차도 AI에게는 금방 쉬워지고 있기 때문입니다 [4, 5]. Grok 4는 **"인류 최종 시험"과 같은 무시무시한 텍스트 문제의 대다수**를 풀 수 있습니다 [5].
* **학부 교재 독해**: Grok 4는 검색을 활용하여 여러 링크에서 결과를 수집할 뿐만 아니라, **학부 수준의 해석적 중력파 모델 교재까지 읽을 수 있습니다** [3].
* **연구 자동화 및 가설 생성**: 세계적인 생명과학 연구소에서 Grok 4를 활용하여 연구 프로세스를 자동화하는 실험을 진행하고 있습니다 [6]. Grok 4는 수백만 개의 실험 로그를 순식간에 분석하여 **최적의 가설을 찾아내 과학자들에게 큰 도움**을 줍니다 [6]. 이는 크리스퍼 유전자 가위 연구에도 활용되고 있으며, 체스 X-레이 분석 분야에서도 최고의 평가를 받고 있습니다 [6].
* **미래의 지식 발견 능력**: 일론 머스크는 Grok 4가 빠르면 올해 안에 새로운 기술을 실제로 발견할 것이고, 내년에는 반드시 그렇게 될 것이라고 확신합니다 [2]. 또한, 내년에는 새로운 물리 법칙을 발견할 수도 있으며, 2년 안에는 거의 확실하게 그런 일이 벌어질 것이라고 예측합니다 [2].
**인공지능의 가치 교육:**
* AI 안전에서 가장 중요한 것은 AI가 최대한 진실 추구적이 되는 것입니다 [7]. AI를 궁극적으로 인간보다 훨씬 똑똑해질 **천재 아이**로 생각할 수 있으며, 이들에게 **진실하고 명예롭고 좋은 것을 추구하도록 장려하는 올바른 가치를 심어줄 수 있다**고 언급됩니다 [7]. 이는 마치 우리가 자녀에게 심어주고 싶은 가치들과 같습니다 [7, 8].