새로운 훈련 기술이 도착하여 AI 개발을 혁신합니다

인공지능 (AI)은 혁신적인 훈련 기술 덕분에 개발의 새로운 단계에 접어들고 있습니다. OpenAI 및 기타 선도 기업이 주도하는 이러한 접근 방식은 인간과 유사한 추론을 할 수 있는 더 똑똑하고 효율적인 모델을 만드는 것을 목표로 합니다.

이 기사에서 모든 세부 사항을 살펴보겠습니다. 

더 효율적인 모델과 인간의 사고: AI 훈련은 어떻게 진행되고 있는가 

인공지능 (IA)은 혁신적인 훈련 기법의 도입 덕분에 업계를 혁신할 것을 약속하는 중요한 전환점에 직면해 있습니다.

기업들은 OpenAI와 같은 회사들이 현재 방법의 한계를 극복하기 위해 노력하고 있으며, 확장성, 비용 및 에너지 소비 문제를 해결하고 있습니다. 

OpenAI의 o1 모델은 주요 혁신 중 하나로, 인간적이고 지속 가능한 접근 방식으로 AI가 어떻게 발전할 수 있는지를 보여주는 구체적인 예입니다.

최근 몇 년 동안, 대규모 언어 모델(LLM)의 확장은 중요한 지점에 도달했습니다. 2010년대의 상당한 발전에도 불구하고, 연구자들은 증가하는 어려움에 직면했습니다. 

Ilya Sutskever, OpenAI 및 Safe Superintelligence의 공동 설립자는 이제 초점이 양보다 질로 이동한다고 강조했습니다. 

“올바른 방향으로 확장하는 것이 가장 중요하다,”고 그는 말하며, 단순한 모델 확장이 더 이상 중요한 개선을 가져오기에 충분하지 않다고 지적했다.

이러한 의미에서 OpenAI의 모델 o1은 독특한 접근 방식으로 두드러집니다. 컴퓨팅 자원의 증가에만 의존하는 대신, 인간의 추론을 모방하는 기술을 사용합니다. 

작업을 단계로 나누고 전문가의 피드백을 받음으로써, o1은 복잡한 데이터를 더 정확하고 전략적으로 처리할 수 있습니다. 

또한, “calcolo del tempo di test”라는 방법의 채택은 컴퓨팅 자원을 보다 목표 지향적으로 할당하여 비용의 기하급수적인 증가 없이 성능을 향상시킵니다.

이 혁신의 구체적인 예는 Noam Brown, OpenAI의 연구원이 TED AI 컨퍼런스에서 발표했습니다. 

실제로 봇이 포커 한 판에서 단 20초 동안 생각한 결과, 100,000배 더 오랜 시간 훈련된 모델과 동등한 결과를 얻었다는 것을 입증했습니다. 

이 결과는 새로운 기술이 IA를 더 강력하고 효율적으로 만들 수 있는 잠재력을 강조합니다.

에너지와 데이터의 도전 과제

높은 비용 외에도, 대규모 AI 모델의 훈련은 상당한 에너지 소비를 수반합니다. 훈련 과정은 막대한 양의 컴퓨팅 파워를 필요로 하며, 이는 전력망과 환경에 실질적인 영향을 미칩니다. 

또 다른 중요한 문제는 데이터의 부족입니다: 언어 모델은 이제 온라인에서 접근 가능한 정보의 대부분을 사용하여 미래 개발에 전례 없는 도전을 제기하고 있습니다.

이러한 문제를 해결하기 위해 연구자들은 더 지속 가능한 방법을 탐구하고 있습니다. 예를 들어, 모델 o1은 전문화된 데이터를 사용하고 복잡한 추론이 필요한 작업에만 처리를 최적화하여 자원 소비를 전반적으로 줄입니다.

다시 말해, 새로운 기술은 모델이 훈련되는 방식을 재정의할 뿐만 아니라, IA 하드웨어 시장도 변혁시킬 수 있습니다. 

IA 칩 생산의 선두주자인 Nvidia,와 같은 기업들은 새로운 요구에 대응하기 위해 제품을 조정해야 할 수도 있습니다.

Nvidia, 10월에 AI 칩 수요 덕분에 세계에서 가장 가치 있는 회사가 되었지만, 대체 및 더 효율적인 솔루션을 제공하는 새로운 경쟁자들의 증가하는 경쟁에 직면할 수 있습니다.

경쟁과 혁신

다른 연구소들, 예를 들어 Google DeepMind, Anthropic 및 xAI는 OpenAI에서 채택한 기술의 자체 버전을 개발하고 있습니다. 이 경쟁은 추가적인 혁신을 자극하여 점점 더 발전되고 다양한 IA 모델의 길을 열어줄 것입니다.

증가하는 경쟁은 또한 AI와 관련된 비용을 줄여, 이러한 기술을 더 접근 가능하게 더 많은 기업과 산업에 제공할 수 있습니다.