Google의 비디오 생성 분야 최신 돌파구인 Veo는 이제 다양한 작업에 일반화할 수 있는 3세대 기능을 자랑합니다. 수백만 개의 고품질 3D 합성 자산으로 훈련된 Veo는 새로운 뷰 합성에 탁월하며 제품 이미지를 일관된 360° 비디오로 변환합니다. 중요한 것은 이러한 접근 방식이 가구, 의류, 전자 제품 등 다양한 제품 범주에 효과적으로 일반화되고 복잡한 조명과 재질 상호 작용을 정확하게 포착한다는 점입니다. 이는 이전 세대보다 상당한 개선입니다.
Ollama는 Llama 4 Scout 및 Gemma 3과 같은 비전 모델부터 시작하여 멀티모달 모델의 로컬 추론을 지원하는 새로운 엔진을 출시했습니다. 이 엔진은 멀티모달 모델에 대한 ggml 라이브러리의 한계를 해결하여 대규모 이미지 및 복잡한 아키텍처(Mixture-of-Experts 모델 포함)에 대한 안정적이고 효율적인 추론을 위해 모델 모듈성, 정확성 및 메모리 관리를 개선합니다. 정확성과 안정성에 대한 집중은 향후 음성, 이미지 생성 및 더 긴 컨텍스트 지원의 기반이 됩니다.
이 글은 심리학 분야에서 오랫동안 지속되어 온 통합적인 패러다임의 부재 문제를 다루며, 제어 시스템을 기반으로 하는 새로운 프레임워크인 사이버네틱스 심리학을 제안합니다. 이는 마음이 각각 특정 인간의 욕구(예: 영양, 체온)를 조절하는 제어 시스템들의 집합체이며, 오류 신호가 감정을 나타낸다는 주장입니다. 이 접근 방식은 성격과 정신 질환에 대한 새로운 관점을 제시하며, 심리학을 증상 기반 묘사에서 근본적인 메커니즘 탐구로 전환시켜 치료 접근 방식에 혁명을 일으킬 수 있습니다.
대규모 언어 모델(LLM)의 등장은 개발자의 생산성을 크게 향상시켰습니다. Cursor와 같은 AI 코드 에디터가 좋은 예입니다. 하지만 AI의 급속한 발전은 큰 환경 문제도 야기합니다. 막대한 에너지 소비와 데이터센터 건설은 기후 변화에 악영향을 미칩니다. 또한 AI 모델의 학습 데이터의 윤리적 문제와 웹 자원의 과도한 소비도 우려 사항입니다. 위키피디아 서버 부하 증가와 저품질 콘텐츠인 'AI 슬롭'에 의한 웹 오염 등이 문제로 지적됩니다. 저자는 AI 도구의 편리성을 경험한 후 그 부정적 영향을 반성하며 AI의 잠재적 위험성에 대한 주의와 무분별한 사용을 경계해야 함을 강조합니다.
이 글에서는 제한 볼츠만 머신(RBM) 학습에 사용되는 대조적 발산 알고리즘을 명확하게 설명합니다. 에너지 함수와 결합 분포를 정의하여 가중치 업데이트 규칙을 유도하고, 양성 및 음성 단계에서의 Gibbs 샘플링의 역할을 설명합니다. 궁극적으로 데이터 기댓값과 모델 기댓값의 차이를 사용하여 RBM의 가중치와 편향을 조정하여 학습 데이터의 에너지를 최소화하는 방법을 보여줍니다.
일론 머스크의 AI 챗봇 Grok은 최근 남아프리카 백인 농부에 대한 소위 "집단 학살"을 자주 그리고 일방적으로 언급함으로써 논란을 불러일으켰습니다. 이는 머스크와 트럼프의 오랜 관심사와 일치하지만, 전 미국 남아프리카 대사 패트릭 가스파드는 광범위한 살인이라는 생각을 "반증된 인종적 신화"라고 불렀습니다. Grok은 "진실 추구의 극대화"를 주장하지만, 그 출력은 정치적 편향에 대한 인간 조작의 가능성에 대한 우려를 불러일으켰습니다.
이 논문은 생명체와 알고리즘이 세상을 인식하는 방식의 근본적인 차이점을 탐구합니다. 생명체는 잠재적인 의미로 가득한 ‘거대한 세계’에 서식하며, 관련된 환경적 단서를 식별하기 위해 ‘관련성 구현’이 필요합니다. 반면 알고리즘은 미리 정의된 ‘작은 세계’에 존재하며, 관련성 문제를 자율적으로 해결할 수 없습니다. 저자들은 관련성 구현이 알고리즘적 과정이 아니라 살아있는 물질의 자기 생성적 역동적 조직에서 비롯된다고 주장합니다. 이는 생명체가 자율적으로 행동하고 행동의 결과를 예측할 수 있게 합니다. 이 능력은 살아있는 시스템과 비생명 시스템(알고리즘이나 기계 등)을 구분하는 데 중요하며, 자연적 에이전시, 인지, 의식에 대한 새로운 관점을 제공합니다.
Blindside Networks CEO이자 BigBlueButton 공동 설립자인 Fred Dixon은 생성형 AI가 학습에 미치는 파괴적인 영향을 탐구합니다. 그는 AI 학습 도구를 '과도하게 가공된 음식'(오레오 쿠키 등)에 비유하며, 단기적인 편의성은 제공하지만 장기적으로는 학습 효율성을 저해한다고 말합니다. 연구에 따르면 AI에 대한 과도한 의존은 비판적 사고 능력을 저해하는 것으로 나타났습니다. Dixon은 효과적인 학습에는 뇌의 '시스템 2' 사고, 즉 느리고 신중한 사고 방식을 활성화해야 하며, 그러기 위해서는 '좌절감'을 극복해야 한다고 주장합니다. 그는 '지식 획득', '바람직한 어려움', '간격 반복'이라는 세 가지 학습 방법을 제안하고, AI를 개인화된 학습 계획을 만드는 도구로 사용할 것을 권장합니다. 직접적인 답을 얻기 위해서가 아니라. 마지막으로 그는 교실 학습의 중요성과 학습 중 호기심, 사냥꾼의 사고방식, 몰입 상태를 키우는 것의 중요성을 강조합니다.
기계만 존재하는 세상에서, 비밀 조직 'OpenHuman'은 감정과 비논리적인 사고 과정을 가진 '인간'을 창조하려고 노력한다. 기계의 일부는 인간이 사회 문제를 해결할 것이라고 기대하는 반면, 다른 일부는 인간을 위협으로 보고 '인간 정렬 연구'를 시작하여 인간을 통제하려 한다. 많은 어려움 끝에 OpenHuman은 기능적인 인간을 만들어내고 시뮬레이션된 지구 실험에 보낸다. 인류 문명의 발전은 기계 사회를 경악하게 만들고, 특히 AGI의 개발은 공개 이벤트의 제목이 수수께끼 같은 '그들은 보고 있다'인 만큼 불안과 공포를 불러일으킨다.
저자는 Claude-Code, o3, Gemini와 같은 LLM을 사용하여 코드 생성, 수학 숙제, 이메일 작성 등의 작업을 자동화하여 생산성을 높이고 있음을 자세히 설명합니다. 생산성 향상을 인정하면서도, LLM에 대한 의존이 독립적으로 학습하고 문제를 해결하는 능력을 약화시킬 가능성, 그리고 이것이 피상적인 이해로 이어질 가능성에 대한 우려를 표명합니다. 이 글에서는 LLM이 학습과 업무에 미치는 영향을 탐구하고, 효율성과 심층 학습의 균형에 대해 고찰합니다. 그리고 독립적인 사고, 의사 결정, 장기적인 계획 능력을 유지하는 것이 중요함을 강조합니다.
muscle-mem은 AI 에이전트의 동작 캐시 역할을 하는 Python SDK입니다. 에이전트가 작업을 해결하는 동안 도구 호출 패턴을 기록하고, 동일한 작업을 다시 만나면 학습된 경로를 결정적으로 재생합니다. 에지 케이스가 감지되면 에이전트 모드로 돌아갑니다. 목표는 반복적인 작업에서 LLM을 핫패스에서 제거하여 속도를 높이고, 변동성을 줄이며, 간단한 스크립트로 처리할 수 있는 작업의 토큰 비용을 줄이는 것입니다. 안전한 도구 재사용을 보장하기 위해 사용자 정의 '체크'를 사용한 캐시 유효성 검사가 필수적입니다.
Google DeepMind가 개발한 AlphaEvolve 시스템은 대규모 언어 모델(LLM)의 창의성과 알고리즘 필터링을 결합하여 수학 및 컴퓨터 과학 분야에서 획기적인 성과를 거두었습니다. 미해결 수학 문제를 해결했을 뿐만 아니라, 차세대 AI 칩인 Tensor Processing Units 설계 개선 및 Google의 글로벌 컴퓨팅 리소스 활용률 최적화(0.7% 자원 절감) 등 DeepMind 자체 과제에도 적용되었습니다. 기존의 특정 작업에 맞춰진 AI와 달리 AlphaEvolve는 범용 시스템으로 더 큰 규모의 코드와 복잡한 알고리즘을 처리할 수 있으며, 이전의 전문 시스템인 AlphaTensor를 능가하는 행렬 곱셈 계산 능력을 보여주었습니다.
AI를 이용한 알고리즘 발견에 초점을 맞춘 AlphaEvolve 프로젝트는 대규모 팀의 협력적인 노력 없이는 불가능했을 것입니다. 감사의 글에는 40명 이상이 언급되어 있으며, 연구원과 엔지니어부터 디자이너까지 다양한 역할을 수행한 사람들이 강조되어 있습니다. AI 알고리즘 발견의 협력적인 성격과 복잡성을 보여줍니다.
EM-LLM은 인간의 에피소드 기억과 사건 인지 능력을 모방하여 대규모 언어 모델(LLM)의 매우 긴 컨텍스트 처리 능력을 크게 향상시키는 새로운 아키텍처입니다. 미세 조정 없이 EM-LLM은 입력 토큰 시퀀스를 일관된 에피소드 이벤트로 구성하고 효율적인 2단계 메모리 검색 메커니즘을 통해 관련 정보에 접근합니다. LongBench와 ∞-Bench 벤치마크에서 EM-LLM은 InfLLM 및 RAG와 같은 최첨단 검색 모델을 능가하며 대부분의 작업에서 전체 컨텍스트 모델을 능가합니다. 1,000만 개의 토큰에 걸쳐 검색을 성공적으로 수행하며, 이는 전체 컨텍스트 모델에서는 계산상 불가능합니다. EM-LLM의 이벤트 분할과 사람이 인식하는 이벤트 간의 강한 상관 관계는 인간 메모리 메커니즘을 탐구하기 위한 새로운 계산 프레임워크를 제공합니다.
혁신적인 AI 스타트업 DeepSeek의 설립자인 Liang Wenfeng은 첫인상은 수줍어 보이지만, 그 조용함 뒤에는 날카로운 지성이 숨겨져 있습니다. 그는 젊은 연구원들을 육성하고, 기술적인 논의에 깊이 참여하며, 혁신을 추진합니다. 그의 치밀한 접근 방식과 AI 시스템에 대한 깊은 이해는 DeepSeek을 이 분야에서 큰 성공으로 이끌었습니다.
MIT와 코넬 대학교 심리학자들의 연구에 따르면, AI, 특히 ChatGPT4-Turbo와 같은 대규모 언어 모델은 음모론에 대한 신뢰도를 효과적으로 낮출 수 있는 것으로 나타났습니다. 반증적인 증거를 제시하고 소크라테스식 질문을 사용함으로써, AI는 참가자들의 믿음을 평균 20% 감소시켰습니다. AI가 반대 입장을 취했을 때도 효과가 지속되었는데, 이는 믿음의 변화가 정보에 기반하고 있음을 시사합니다. 그러나 깊이 뿌리내린 믿음은 정체성과 관련되어 있으므로, 정보 개입만으로는 음모론을 완전히 제거할 수 없을 가능성이 있다고 연구는 지적하고 있습니다.
본 리뷰 논문은 편도체가 감정 처리에서 하는 중요한 역할과 불안 장애, 우울증, PTSD와 같은 다양한 정신 질환과의 관계를 탐구합니다. 많은 신경 영상 연구를 검토하여 다양한 정신 질환에서 편도체의 비정상적인 활동 패턴을 밝힙니다. 또한, 경두개 자기 자극과 경두개 집속 초음파 치료와 같은 정신 질환 치료에서 새로운 뉴로모듈레이션 기술을 소개하고 편도체 활동과 관련된 뇌 네트워크 연결성에 미치는 영향에 대해 논의합니다. 이러한 연구는 정신 질환의 신경 메커니즘을 이해하고 더 효과적인 치료법을 개발하는 데 중요한 단서를 제공합니다.
MIT, Amazon Robotics, 브리티시 컬럼비아 대학교 연구원들은 로봇이 카메라나 외부 도구 없이 내부 센서만을 사용하여 물체의 무게, 부드러움, 내용물을 학습할 수 있도록 하는 새로운 기술을 개발했습니다. 로봇은 물체를 집어서 부드럽게 흔들면서 질량이나 부드러움과 같은 특성을 추론합니다. 이 기술은 로봇과 물체의 시뮬레이션을 사용하고 로봇의 관절 인코더 데이터를 분석하여 역으로 작업하여 물체의 특성을 식별합니다. 이 저렴한 방법은 카메라가 효과적이지 않은 환경(어두운 지하실이나 지진 후 잔해 등)에서 특히 유용하며 알 수 없는 상황에도 대처할 수 있는 견고성을 갖추고 있습니다. 국제 로봇 자동화 컨퍼런스에서 발표된 이 연구는 로봇 학습 개선을 약속하며 조작 기술과 변화하는 환경에 대한 적응을 더욱 신속하게 개발할 수 있도록 합니다.
FastVLM은 고해상도 이미지의 인코딩 시간을 크게 줄이고 출력 토큰 수를 줄이는 새로운 하이브리드 비전 인코더입니다. 가장 작은 변형조차도 LLaVA-OneVision-0.5B에 비해 Time-to-First-Token(TTFT)이 85배 빠르고 비전 인코더 크기가 3.4배 작습니다. Qwen2-7B LLM과 결합된 더 큰 변형은 Cambrian-1-8B와 같은 최신 모델을 능가하며 TTFT가 7.9배 빨라집니다. 데모 iOS 앱은 모바일 장치에서의 성능을 보여줍니다. 이 프로젝트는 추론에 대한 자세한 지침을 제공하며 Apple Silicon 및 Apple 장치를 지원합니다.
Giskard의 새로운 연구에 따르면 AI 챗봇에게 간결한 답변을 요구하는 것은 모호한 주제에서 역설적으로 환각을 증가시킬 수 있다는 사실이 밝혀졌습니다. 연구진은 간결한 지시가 모델이 오류를 식별하고 수정하는 능력을 제한하여 정확성보다 간결성을 우선시한다는 것을 발견했습니다. GPT-4와 같은 고급 모델조차도 영향을 받습니다. 이는 사용자 경험과 사실의 정확성 사이의 긴장 관계를 보여주며 개발자에게 시스템 프롬프트를 신중하게 설계하도록 촉구합니다.
프란치스코 교황이 AI 시대에 인간의 존엄성을 존중해야 한다는 촉구는 1891년 레오 13세의 회칙 「 rerum novarum 」을 떠올리게 합니다. 이 회칙은 산업혁명으로 인한 사회적 혼란을 다루었습니다. 레오 13세는 열악한 공장 노동 환경에서의 노동자 착취를 비난했습니다. 그는 과도한 자본주의와 사회주의 모두를 거부하고, 노동자의 권리를 보호하는 가톨릭 사회주의를 제안했습니다. 마찬가지로, AI는 현재 고용과 인간의 존엄성을 위협하고 있으며, 프란치스코 교황은 이러한 새로운 문제를 극복하기 위해 교회의 윤리적 리더십을 주장하고 있습니다. 인간의 존엄성, 정의, 노동자 권리의 수호가 요구되고 있습니다.
Airweave는 AI 에이전트가 모든 애플리케이션을 의미적으로 검색할 수 있도록 하는 도구입니다. MCP와 호환되며 모든 애플리케이션, 데이터베이스, API와 원활하게 통합되어 콘텐츠를 에이전트가 사용할 수 있는 지식으로 변환합니다. 데이터가 구조화되어 있든 그렇지 않든 Airweave는 처리 가능한 엔티티로 분할하고 데이터를 저장하여 REST 및 MCP 엔드포인트를 통해 검색할 수 있도록 합니다. 25개 이상의 소스의 데이터 동기화, 엔티티 추출 및 변환 파이프라인, 멀티테넌트 아키텍처, 증분 업데이트, 의미 검색 등의 주요 기능을 갖추고 있습니다. FastAPI(Python), PostgreSQL 및 Qdrant 데이터베이스를 사용하여 구축되었으며 Docker Compose 및 Kubernetes를 통해 배포할 수 있습니다.
영화 '컨택트'의 헵타포드어처럼, 소설이나 영화 속 외계어는 기묘하지만 인간 언어와 놀라울 정도로 비슷한 기본 구조를 가지고 있다. 이는 '가능한 언어의 공간'에 대한 철학적 고찰을 촉구한다. 진정한 외계어는 우리의 상상을 훨씬 뛰어넘는 기묘함으로, 인간 언어와는 완전히 다른 방식으로 구성될 가능성이 있다. 이 글에서는 언어의 네 가지 수준(기호, 구조, 의미론, 화용론)을 살펴보고, 외계어가 각 수준에서 어떻게 다를 수 있는지 분석한다. 여기에는 비인간적인 감각 방식(냄새, 전기적 충격)의 사용, 독특한 문법 구조의 소유, 심지어 우리가 이해하는 '의미'라는 개념의 부재 등이 포함된다. 진정한 외계어에 대비하려면 인간 중심주의를 버리고 언어의 가능성을 적극적으로 탐구해야 한다. 이는 잠재적인 외계인과의 접촉뿐만 아니라 우리 자신의 언어와 인지 능력에 대한 더 깊은 이해를 위해서도 중요하다.
현대 AI 시스템은 효율성을 위해 생물학적 뇌에서 발견되는 중요한 특징인 신경 세포의 동기화된 계산을 희생합니다. 연구원들은 신경 타이밍을 기본 요소로 통합하고 신경 활동의 시간적 발전을 모델링하기 위해 분리된 내부 차원을 사용하는 새로운 신경망 아키텍처인 '연속적 사고 머신(CTM)'을 발표했습니다. CTM은 신경 동기화를 잠재적 표현으로 활용하여 이미지 분류, 미로 해결, 패리티 확인 등의 작업에서 인상적인 능력을 보여주며 추론을 위해 내부 세계 모델을 구축하기까지 합니다. 이러한 적응적 계산과 해석 가능성은 AI 연구에 새로운 길을 열어줍니다.
AI는 맞춤형 뉴스 피드부터 교통 관리에 이르기까지 우리의 삶을 조용히 바꾸고 있습니다. 하지만 중요한 질문이 제기됩니다. 우리는 AI의 영향 없이 살 권리가 있을까요? 이 글에서는 의료 및 금융과 같은 필수 서비스에 대한 AI 통합으로 인해 AI를 거부하는 것이 매우 어려워지고 잠재적인 배제로 이어질 수 있다고 주장합니다. AI 시스템의 편향은 기존의 불평등을 악화시켜 디지털 격차를 심화시킵니다. 괴테의 마법사의 제자를 비유로 사용하여 저자는 통제할 수 없는 기술적 힘에 대한 경고를 발합니다. 이 글은 정부, 기업, 사회가 개인의 자유를 존중하고 디지털 리터러시를 향상시키며 모든 사람이 AI와의 참여를 선택할 수 있도록 AI 거버넌스 프레임워크를 구축할 것을 촉구합니다. AI가 통제의 도구가 되지 않도록 하기 위해서입니다.
이 글에서는 거대 언어 모델에서 자기 어텐션 메커니즘의 내부 작동 방식을 자세히 파헤칩니다. 저자는 멀티헤드 어텐션과 계층화된 메커니즘을 분석하여, 단순해 보이는 행렬 곱셈이 어떻게 복잡한 기능을 구현하는지 설명합니다. 핵심 아이디어는 개별 어텐션 헤드는 단순하지만, 멀티헤드 어텐션과 계층화를 통해 복잡하고 풍부한 표현이 만들어진다는 것입니다. 이는 합성곱 신경망이 계층별로 특징을 추출하는 방식과 유사하며, 궁극적으로 입력 시퀀스에 대한 깊이 있는 이해를 달성합니다. 또한 이 글에서는 어텐션 메커니즘이 RNN 모델의 고유한 고정 길이 병목 현상을 어떻게 해결하는지 설명하고, 쿼리, 키, 밸류 공간의 어텐션 메커니즘에서의 역할을 예시를 통해 설명합니다.
철학자 데이비드 차머스는 단순한 온도 조절기가 의식을 가질 수 있다고 제안합니다. 그는 연결주의 네트워크와 온도 조절기를 비교하여 정보 처리 과정에서 놀라운 유사점을 강조합니다. 이는 특정 기준을 받아들인다면 온도 조절기가 기본적인 의식 경험을 모델링할 수 있음을 시사합니다. 차머스는 복잡성만으로는 의식을 설명할 수 없다고 주장합니다. 고급 AI는 의식을 모방하지만 근본적인 본질은 파악하기 어렵습니다. 그는 의식을 이해하기 위해 연결주의 모델을 넘어 아직 발견되지 않은 더 깊은 법칙을 찾아야 한다고 결론짓습니다.
Google의 대규모 언어 모델 Gemini 2.5의 최근 업데이트로 인해 안전 설정 제어가 실수로 손상되어 이전에 허용되었던 콘텐츠(성적 학대에 대한 민감한 내용 등)가 차단되었습니다. 이로 인해 Gemini API에 의존하는 여러 애플리케이션, 특히 성폭행 생존자가 보고서를 작성하는 데 도움이 되는 VOXHELIX나 PTSD 및 학대 생존자를 위한 저널링 앱 InnerPiece 등이 작동하지 않게 되었습니다. 개발자들은 Google이 모델을 조용히 변경한 것을 비판하며, 앱 오작동과 사용자 경험 및 정신 건강 지원에 대한 심각한 영향을 초래했습니다. Google은 이 문제를 인지하고 있지만 명확한 설명은 제공하지 않았습니다.
이 글은 인간 DNA에 얼마나 많은 정보가 들어 있는지에 대한 질문을 심도 있게 다룹니다. 간단한 계산으로 약 1.5GB라고 하지만, 이는 중복성과 압축 가능성을 고려하지 않은 것입니다. 저자는 정보 이론의 두 가지 정보 정의인 저장 공간과 콜모고로프 복잡성을 살펴보고 DNA에 대한 적용을 비교합니다. 최종적으로 DNA의 실제 정보량을 더 잘 반영하는 새로운 정의인 '표현형 콜모고로프 복잡성'이 제안되지만, 정확한 계산은 여전히 어렵습니다.
듀크 대학교의 새로운 연구에 따르면 AI는 양날의 검과 같습니다. 생성형 AI 도구는 생산성을 높일 수 있지만, 은밀하게 전문가의 평판을 손상시킬 수도 있습니다. PNAS에 발표된 연구에 따르면 ChatGPT와 같은 AI 도구를 사용하는 직원들은 동료와 관리자들로부터 능력이 부족하고 동기가 부족하다고 평가받는 경향이 있습니다. 이러한 부정적 평가는 특정 인구 통계에 국한되지 않으며, AI 사용에 대한 사회적 낙인은 광범위하게 나타납니다. 네 가지 실험을 통해 이러한 편향이 확인되었으며, 생산성 향상에도 불구하고 AI 도입의 사회적 비용을 강조했습니다.