Goldman Sachs에는 누락된 항목에 대한 이름이 있습니다. 공동 소장인 George Lee와 CEO인 Dan Keyserling이 작성한 Goldman Sachs Global Institute의 새 보고서는 업계에서 “글로벌 모델”로 알려진 것을 다루며 이를 해결하는 것이 인공 지능의 다음 결정적인 도약을 의미한다고 주장합니다. 미미한 개선이 아닙니다. 기계가 할 수 있는 것과 결과적으로 할 수 있는 것의 질적인 변화입니다.
AI의 대부들이 이미 이를 향해 돌진하고 있다는 사실은 골드만삭스가 옳을 수도 있음을 암시합니다.
누구도 말하기 싫은 갭
언어 모델의 대혁명은 참으로 놀라운 결과를 낳았습니다. 충분한 인간 텍스트로 시스템을 훈련하고, 다음에 어떤 단어가 나올지 예측하도록 최적화하고, 확장하고, 거의 설명할 수 없을 정도로 자체 제작자를 일상적으로 놀라게 하는 수준에서 추론하고, 대화하고, 쓰고, 코딩하기 시작합니다. 비즈니스 결과는 다음과 같습니다: 1조 달러 가치 평가, 산업 재편, 사무직 근로자 세대가 자신의 경력을 재고함.
그러나 그 역량 이면에는 업계가 정면으로 맞서기를 꺼려하는 구조적 한계가 깔려 있다. Lee와 Keyserling은 “LLM은 패턴을 완성하는 데 강력하지만 패턴이 설명하는 세상에 대한 내부 감각이 부족합니다.”라고 썼습니다. Goldman의 저자는 이러한 시스템이 “2차 해석을 통해 이러한 이해를 생성합니다. 즉, 노출된 데이터와 텍스트를 기반으로 우리 세계가 어떻게 작동하는지 이해합니다. 그들은 물리학, 운동, 빛, 작용/반응 또는 우주의 기타 기본 속성의 첫 번째 원리에 대한 이해를 갖고 있지 않습니다.”라고 말합니다.
간단하게 말하면, 오늘날의 AI는 인간이 세상에 대해 쓴 글을 읽음으로써 세상에 대해 배웠습니다. 그는 현실 자체를 발견하지 못한 채 현실에 대한 묘사를 흡수했습니다. 흐르는 듯한 산문으로 유리잔이 떨어지면 깨질 것이라고 설명할 수 있습니다. 내부에는 무게감, 궤적 또는 결과가 없습니다.
문서 요약, 통신 구성, 코드 생성 등 오늘날 엔터프라이즈 AI를 지배하는 사용 사례에서는 이러한 구별이 거의 나타나지 않습니다. AI가 구조화되지 않은 물리적 환경을 탐색하고, 복잡한 조직의 대응을 실시간으로 조정하거나, 전략적 결정이 실제 시장을 통해 어떻게 전달될 것인지 추론하도록 요청받는 순간, 이는 단단한 벽이 됩니다.
대부모님이 짓고 있는 것
이것이 Goldman 보고서가 단순한 생각 그 이상이 되는 부분입니다. 글로벌 모델을 중심으로 수렴하는 연구자들은 주변적인 움직임이 아닙니다. 몇몇 경우에 그들은 현재 헤드라인을 장식하고 있는 AI 시대를 탄생시킨 전작의 사람들과 동일 인물이다.
Meta의 수석 AI 과학자로 수년을 보낸 Yann LeCun은 새로운 회사 AMI Labs를 설립하기 위해 떠나기 전에 세계 모델을 인공 일반 지능에 대한 자신의 비전의 명시적인 기반으로 삼았습니다. JEPA(Joint Embedding Predictive Architecture)는 텍스트 예측이 아닌 인간처럼 관찰을 통해 세계의 내부 모델을 개발하는 기계를 구축하도록 설계되었습니다. LeCun은 LLM을 확장하는 것만으로도 일반 지능을 얻을 수 있다는 생각을 공개적으로 지속적으로 비판해 왔습니다. 세계 모델은 대안적인 논제입니다.
ImageNet 데이터 세트를 통해 오늘날의 지배적인 AI 시스템을 생산하는 딥 러닝 혁명을 촉발하는 데 도움을 준 스탠포드 연구원 Fei-Fei Li는 관련 아이디어인 공간 지능을 중심으로 World Labs를 설립했습니다. 전제는 진정한 지능을 위해서는 이미지 속 물체를 인식하는 것뿐만 아니라 해당 물체가 공간에 어떻게 존재하고, 서로 상호 작용하며, 시간에 따라 변화하는지 이해하는 것까지 필요하다는 것입니다. Li의 주장은 기계가 현실을 단순히 분류하는 것이 아니라 3차원 현실 모델에 거주해야 한다는 것입니다.
이들은 관심을 끌기 위해 반대 입장을 취하는 주변 인물이 아니다. 그들은 현재 패러다임의 설계자이며 자신의 연구와 프로젝트에서 패러다임이 불완전하다고 주장합니다.
두 개의 국경, 하나의 아이디어
Goldman 보고서는 글로벌 모델이 실제로 어떤 모습인지를 설명하고 서로 다르지만 관련된 두 가지 경로를 식별합니다.
물리적 세계의 모델은 AI에게 중력, 마찰, 열역학, 유체 역학 등 물질 세계를 지배하는 논리를 가르칩니다. 현실 세계에서 시행착오로만 학습하는 것이 아니라 시뮬레이션을 통해 물리 법칙을 흡수하여 실패가 저렴하고 빠른 디지털 환경에서 실습됩니다. 로봇은 땅에 떨어지기 전에 시뮬레이터 내부에서 수천 번 떨어질 수 있습니다. 그가 마침내 물리적 공간에서 행동할 때, 그는 이미 내면화된 결과를 가지고 행동합니다.
그 결과는 물류, 제조 및 자율 시스템에서 이미 가시적으로 나타나고 있습니다. 충돌이 적은 혼잡한 공간을 탐색하는 창고 로봇, 도로에서 마주치기 전에 극단적인 경우를 테스트하는 자율 차량. Goldman이 말했듯이 중요한 혁신은 더 나은 하드웨어가 아닙니다. 그들은 현실에 대한 더 나은 내부 모델입니다.
가상 또는 사회적 세계 모델은 인간 시스템에서 유사한 야망을 추구합니다. 이는 목표, 기억, 인센티브를 갖춘 AI 에이전트로 채워진 디지털 환경으로, 각각은 실제 행동 프로필에 근접하도록 설계되었습니다. 해당 에이전트가 상호 작용하면 패턴이 나타납니다. 시장은 움직인다. 조직이 응답합니다. 위기 캐스케이드. Lee와 Keyserling은 “회사들은 이미 다른 사람들이 어떻게 반응할지, 경쟁자들이 어떻게 움직일지, 시장이 신호를 어떻게 해석할지, 이사회가 어떻게 반응할지 추측하는 데 엄청난 노력을 기울이고 있습니다.”라고 썼습니다. “다중 에이전트 시뮬레이션은 인간 시스템의 살아있는 모델에 더 가까운 것을 제공합니다.”
Goldman 저자는 여기서 비즈니스 리더가 이러한 도구에 대해 어떻게 생각해야 하는지에 대해 매우 중요한 차이점을 제시합니다. 글로벌 모델은 예측이 아닙니다. “이러한 시스템은 엄격한 의미에서 미래를 예측하지 않습니다. 그럴듯한 미래를 드러내고 숨겨진 역학을 드러내려는 의도입니다.”라고 그들은 썼습니다. “예측은 하나의 정확한 결과를 가정합니다. 글로벌 모델은 범위, 궤적 및 피드백 루프를 나타냅니다.”
월스트리트가 묻지 않은 투자 질문
Goldman은 Goldman이므로 보고서는 마침내 재정적 논쟁에 이르렀고 간단합니다.
보고서에 따르면 AI 인프라의 전체 구축은 AI의 미래는 더 많은 컴퓨팅에서 실행되는 더 큰 언어 모델이라는 단일 가정을 중심으로 규모가 조정되었습니다. 칩, 데이터 센터 및 전력 용량에 대한 현재 예측은 거의 전적으로 이러한 기반을 기반으로 합니다. Goldman의 질문은 그러한 예측이 올바른 것을 측정하는지 여부입니다.
Lee와 Keyserling은 “글로벌 모델을 둘러싼 수요와 기회는 아직 AI 인프라에 대한 합의된 공급 및 수요 예측에 반영되지 않았습니다.”라고 썼습니다. 글로벌 모델이 보완적인 계층으로 개발되면(교체하지 않고 LLM과 함께 구축됨) 컴퓨팅 요구 사항은 현재 월스트리트 예측이 예상하는 수준을 크게 초과할 수 있습니다. 시뮬레이션 환경에는 특별히 설계된 데이터 파이프라인, 합성 데이터 생성기, 텍스트 말뭉치 이상의 물리 기반 엔진이 필요합니다. 저자는 “인프라의 역사는 완벽한 재사용이 아닌 부분적 중복의 역사”라고 썼습니다.
경쟁 프레임워크도 마찬가지로 명확합니다. “경쟁 우위는 누가 가장 큰 모델을 교육하는지, 그리고 누가 물리적, 사회적, 경제적 현실에 대한 가장 충실한 시뮬레이션을 구축하는지에 따라 달라질 수 있습니다.”
누락된 링크
Goldman 보고서는 글로벌 모델이 나타내는 것이 무엇인지, 그리고 이를 구축하기 위한 경쟁이 해당 분야 최고의 인재를 끌어들이는 이유에 대한 가장 명확한 요약이기도 한 공식으로 마무리됩니다.
Lee와 Keyserling은 “대규모 언어 모델이 AI에 유창함을 가져온다면 세계 모델은 AI에 상황 인식을 제공합니다”라고 썼습니다. “최근 역사의 대부분에서 우리는 인공 지능을 답을 생성하는 시스템으로 다루었습니다. 글로벌 모델은 더 야심찬 것을 제안합니다.”
지난 10년 동안 재편된 AI는 놀랍도록 정교하게 세상에 대해 이야기하는 법을 배웠습니다. 지금 대부들이 만들고 있는 AI는 더 어렵고 근본적인 것, 즉 그 안에 있는 것이 실제로 어떤 느낌인지 배우려고 노력하고 있습니다.
이 기사에서 Fortune 저널리스트는 생성 AI를 조사 도구로 사용했습니다. 편집자는 정보를 게시하기 전에 정보의 정확성을 확인했습니다.
