알파고 VS 알파고 제로
인간 기보없이 스스로 학습한 알파고 제로가 압도적으로 이겼고
암 검사도
순수 AI VS AI+사람 VS 순수 사람
순수 AI 1위 AI+사람 2위 순수 사람 3위
즉 인간이 관여한게 오히려 점수가 떨어졌음
AGI에 도달한다는 것은 범용적으로 모든 인간을 추월해야 하는데 아직 개발중임에도 불구하고 그동안 난제라고 여겨졌던 것들이 하나둘씩 정복되고 있음
아직 확실한건 아니지만 코드포스 300위에서 투어리스트 꺾고 1위찍었다는 얘기도 있고
이건 정말 무서운 거임..
물론 세상에 적용할 명확한 world모델이 없어서 난항을 겪는것도 맞지만 지금 추세만 이어져도 AGI에 도달할 수 있을거라고 믿어 의심치 않음
한번 돌이켜 생각해봐 gpt3.5때만 해도 어땠는지
- dc official App
언어 모델이라 언어의 한계가 있을 수 있음. 인간의 사고가 언어를 기반으로 하는건 맞지만 비언어적 사고도 분명 있으니까 그 부분을 구현하는 인공지능이 새로운 돌파구가 될지도 - dc App
언어 모델의 한계가 있다고 해도 그 언어 모델 안에서 찾지 못한 것들을 찾아내고 발전시키면 그것도 결국 AGI로 나아갈 수 있지 않을까 생각이 듦 - dc App
처음 진정한 의미의 general한 AI가 나와도 코딩은 특화 LLM보다 못할것 같은데
아니 general AI가 다 씹어먹을거 같음 코딩도 결국 언어이기도 하고 창발적 요소도 있으니까 - dc App
코드포스 이런건 스포츠에 가까운거라 알파고 제로처럼 코딩에 쓸모없는 범용 지식들은 축소시켜야 동일 컴퓨팅 자원 안에서 유리할듯
인간 뇌의 범용성과 가소성은 진화에 의해 고도로 셀렉된 기능에 가깝다는게 현대 과학의 관점이라 범용성에 대한 비용이 없지는 않았다는 뜻임
나는 그 생각과 반대인게 코딩을 하는 이유는 아키텍처 즉 추상적으로 설계한 것을 구체적이고 현실적으로 동작하기 위한 거라고 생각함 즉 소프트웨어는 현실세계를 어느정도 토대로 하여 동작함 이건 범용적인 이해가 있어야 한다고 생각함 - dc App
추상적인 영역을 담당하는 에이전트, 계획을 담당하는 에이전트, 시각처리를 담당하는 에이전트… 이렇게 묶어서 하나의 시스템으로 만들면 대충 AGI 비슷한것이 나올거다 생각하는 사람들도 있고
하시비스가 체스를 하는 능력을 단일 신경망에게 학습시키거나, 아니면 체스를 하는 에이전트를 만들어서 에이전트끼리 상호작용시킬지 이 둘 중에 무엇이 효율적일지는 자기도 모른데
조 로건인가가 한 말도 기억하는데 현대의 어떠한 바둑 AI도 알고리즘적 탐색 없이 인공신경망만으로 인간을 뛰어넘은 AI가 없다고 하는걸 보면 아직 우리가 모르는것이 많다는걸 느낌
그치 아직 우리가 모르는 것도 많고 한계도 많지만 그 과정에서 찾지 못했던 것을 찾아내고 계속 수정하고 나아가면 결국 AGI에 도달할 거라고 생각해 과학은 그렇게 발전해 왔잖아? 나는 그게 범용 모델일 거라고 생각하고.. 그 범용모델의 방식이 너가 말한 여러가지 사례를 조합한 게 될수도 있고 아니면 특화형 모델에서 출현할수도 있는거고 그건 모르겠어 - dc App
근데 LLM은 순수ai가 아니라 인간 데이터 기반이잖아
처음에는 인간 데이터에 많이 의존했지만 합성 데이터 학습 방법론도 발전하고 있고 우리가 찾아내지 못한 것을 찾아내고 계속 발전시키면 그게 AGI가 될거라 생각함 - dc App
AGI 특 그 어떤 기준도 조건도없고 전문가마다도 기준이다름 사실상 마케팅용어 ㅋㅋ ASI 는 AI가 AI를 개선시키면서 말도안되는 속도로 발전한다는 특이점이라는 명확한 기준이있음 근데 AGI= 인간정도의 AI ㅋㅋ 에라이 챗지피티 4o 만되도 여러가지면에선 인간을 아득히 초월했음 조만간 이게 AGI다 하면서 출시할 예정 ㅋㅋ