샘 알트먼의 "텐더 싱귤래리티" 해석

6월 11일, OpenAI CEO 샘 알트만은 개인 웹사이트에 "젠틀 싱귤래리티(The Gentle Singularity)"라는 제목의 글을 게시했습니다 . 이 글에서 그는 인간이 인공지능이 인간 지능을 뛰어넘는 임계점인 "싱귤래리티"의 초기 단계에 진입했을 수 있다고 믿으며 2030년 이후의 시대를 예견했습니다. " 하지만 여전히 중요한 다른 측면에서 2030년대는 이전 시대와는 완전히 다른 시대가 될 수 있습니다. 지능이 인간 수준을 얼마나 넘어설지는 알 수 없지만, 곧 알게 될 것입니다. " " 2030년대에는 지능과 에너지, 즉 창의성과 창의성을 실현하는 능력이 매우 풍부해질 것입니다. 이 두 가지 자원은 오랫동안 인간 진보의 근본적인 한계였습니다. 충분한 지능과 에너지(그리고 훌륭한 거버넌스)만 있다면 이론적으로 우리는 다른 모든 것을 가질 수 있습니다. "

지능은 개인의 창의성, 이해력, 문제 해결 능력을 나타냅니다.

인류 역사를 통틀어 뛰어나고 창의적인 아이디어나 창의성은 수없이 많았지만, 지식 기반, 도구 구축, 교육 시스템, 의사소통 수단 의 부족 으로 인해 이러한 아이디어와 창의성은 검증되거나 기록되거나 널리 활용되지 못하는 경우가 많습니다.

예를 들어, 중국 명나라의 완후는 의자에 몸을 묶고 로켓을 이용해 공중으로 발사하는 방식으로 로켓을 직접 제작하려 했지만, 여러 번 실패했습니다. 탐험의 선구자들은 선조들처럼 기본적인 비행 이론과 실제 경험이 부족했습니다.

예를 들어, 고대 그리스 철학자들은 우주가 원자로 이루어져 있다고 생각했지만, 실험 도구와 과학적 방법의 부족으로 인해 이러한 생각은 기술 발전을 촉진하지 못했습니다. 근대 과학이 발전하고 나서야 인간은 체계적인 방식으로 세상을 진정으로 이해하기 시작했습니다.

위의 사례들은 모두 지적 자원의 축적과 계승을 통해 혁신이 가능하다는 것을 보여줍니다.

에너지는 아이디어를 현실로 만드는 힘의 원천입니다. 수천 년 동안 인류는 생존을 위해 인력, 동물의 힘, 그리고 단순한 자연 에너지에 의존해 왔으며, 생산성은 오랫동안 제한되어 왔습니다. 아무리 훌륭한 아이디어가 있더라도 에너지 지원이 부족하여 실현되지 못하는 경우가 많습니다. 산업 혁명으로 석탄과 증기 기관이 등장한 후에야 대규모 제조와 운송이 가능해졌고, 현대 사회의 기반이 마련되었습니다. 에너지는 사회가 창의성이나 사고 의 청사진을 현실 세계의 일부로 구현할 수 있는지 여부를 결정한다고 할 수 있습니다.

21세기에 접어들면서 인공지능의 발전은 전례 없는 수준으로 지적 자원을 풍부하게 하고 있습니다. AI는 연구를 지원하고 발견을 가속화할 뿐만 아니라, 개인 맞춤형 학습 시스템을 통해 모든 사람이 양질의 지식을 습득할 수 있도록 하여 사회 전체의 인지 수준을 향상시킵니다.

동시에 청정 에너지 기술도 급속히 발전하고 있습니다. 제어된 핵융합에서 효율적인 태양 에너지, 스마트 그리드, 첨단 에너지 저장 시스템까지, 우리는 점차 제한된 자원에 대한 의존에서 벗어나 풍부한 에너지 시대로 나아가고 있습니다.

물론 이 모든 것에는 핵심 요소, 즉 좋은 거버넌스 메커니즘이 필요합니다. 지성과 에너지는 그 자체로는 중립적입니다. 창조하거나 파괴하는 데 사용될 수 있습니다. 제도적 차원에서 공정하고 투명하며 효율적인 거버넌스 시스템을 구축해야만 이러한 강력한 자원이 불평등을 심화시키거나 갈등을 야기하는 것이 아니라 모두에게 이로운 방향으로 사용되도록 할 수 있습니다.

기후 개선을 예로 들면, 사람들은 AI를 활용하여 기후 모델을 최적화하고, 이를 청정 전력과 결합하여 탄소 포집 시설을 가동하며, 전 세계적인 환경 보호 정책 수립에 협력할 수 있습니다. 겉보기에 난해해 보이는 기후 변화 문제도 쉽게 해결될 수 있습니다.

이 시나리오에서는 지능과 에너지가 더 이상 희소 자원이 아니라, 공기와 물처럼 우리 일상생활의 자연스러운 일부가 될 것입니다. 사람들은 더 이상 기본적인 조건에 얽매이지 않고, 예술, 철학, 또는 더 멀리 있는 별과 바다 등 더 높은 차원의 창조와 탐험에 집중할 수 있게 될 것 입니다 .

데이터 센터 생산 자동화

샘 알트먼은 또한 이렇게 썼습니다. " 만약 우리가 기존 방식으로 처음 백만 명의 휴머노이드를 만들어야 하지만, 그들이 광물 채굴, 금속 정제, 트럭 운전, 공장 운영 등 전체 공급망을 운영할 수 있다면, 더 많은 로봇을 만들고, 더 많은 칩 공장, 데이터 센터 등을 건설할 수 있게 될 것입니다. 그렇다면 발전 속도는 분명히 완전히 달라질 것입니다. 데이터 센터 생산이 자동화됨에 따라, 지능화 비용은 결국 전기 비용에 가까워질 것입니다. (사람들은 종종 ChatGPT 쿼리가 얼마나 많은 에너지를 사용하는지 궁금해합니다. 평균 쿼리는 약 0.34와트시를 소비하는데, 이는 오븐을 1초 이상 작동시키거나 고효율 전구를 몇 분 동안 켜는 것과 같은 에너지입니다. 또한 약 0.000085갤런의 물을 사용하는데, 이는 약 1/15 티스푼에 해당합니다. )

첨단 로봇공학과 지능형 시스템을 통해 데이터 센터의 생산을 자동화하는 것이 가능해질 수도 있습니다 .

로봇공학 측면에서, 휴머노이드 로봇은 서버 조립, 배선, 냉각 시스템 설치와 같은 섬세한 조작 작업을 수행할 수 있습니다. 이러한 로봇은 고정밀 센서와 머신러닝 알고리즘을 통해 작업 효율성과 정확성을 최적화할 수 있습니다.

스마트 시스템 측면에서는 생산 장비가 사물 인터넷(IoT) 기술을 통해 연결되어 중앙 제어 시스템을 통해 전체 생산 라인을 모니터링하고 관리할 수 있습니다. 이를 통해 생산 효율을 향상시킬 뿐만 아니라, 문제 발생 시 실시간 조정을 통해 문제를 해결할 수 있습니다.

더 나아가, 분산 클라우드 컴퓨팅과 같은 DePIN과 블록체인과 같은 분산원장기술(DLT)을 결합하면 모든 참여자가 리소스와 서비스에 공평하게 접근할 수 있도록 투명하고 안전한 데이터 교환 플랫폼을 구축할 수 있습니다. 동시에, 분산형 물리 인프라 네트워크(DePIN)는 개인용 컴퓨터, 데이터 센터, 심지어 모바일 기기까지 유휴 상태이거나 활용도가 낮은 컴퓨팅 리소스를 활용하여 글로벌 컴퓨팅 리소스 공유 풀을 구축할 수 있도록 지원합니다.

DePIN은 데이터 센터 생산을 지원하고 자동화 가능성을 높입니다.

AI 모델을 실행하는 비용이 전기 비용에 근접할 수 있을까요?

미래에는 지능화 비용 , 즉 AI 모델을 운영하는 비용이 전기 비용에 가까워 질 수 있을지 여부 는 논의할 가치가 있는 문제입니다.

연구자들이 알고리즘을 지속적으로 개선하고, 양자 컴퓨팅이 혁신을 거듭하며 획기적인 발전을 이루고, 반도체 기술과 전용 AI 칩(예: TPU, NPU 등)이 개발됨에 따라 컴퓨팅 전력 단위당 에너지 소비량은 점차 감소 추세를 보일 것입니다 . 즉, 1와트 전력으로 더 많은 컴퓨팅 작업을 지원할 수 있다는 뜻입니다.

분산형 클라우드 컴퓨팅 과 같은 다른 DePIN 리소스를 결합 하면 분산형 리소스 모델은 리소스 활용도를 향상시킬 뿐만 아니라 새로운 대규모 데이터 센터 건설에 대한 의존도를 낮추어 간접적으로 전체 비용을 절감합니다.

언젠가 지능 비용이 전기 비용에 접근하게 되면 새로운 가능성과 응용 시나리오가 다양하게 열릴 수 있습니다.

● 지능형 서비스 대중화 : 비용이 크게 절감됨에 따라 지능형 서비스는 매우 보편화될 것이며, 거의 모든 사람이 고품질 AI 서비스를 이용할 수 있게 될 것입니다. 예를 들어, 개인 맞춤형 건강 상담사, 교육 보조원, 심지어 가상 친구까지 일상생활에 없어서는 안 될 존재가 될 것입니다.

● 과학 연구 가속화 : 연구자들은 강력한 컴퓨팅 파워에 더욱 쉽게 접근하여 신약 개발부터 기후 시뮬레이션까지 다양한 분야의 연구 진행을 가속화할 수 있습니다. 이는 기술 혁신과 사회적 진보의 가속화를 의미합니다.

● 새로운 비즈니스 모델 : 컴퓨팅 자원의 가치가 재정의됨에 따라 공유 경제 원칙에 기반한 새로운 비즈니스 모델이 등장할 수 있습니다. 예를 들어, 사용자는 자신의 컴퓨팅 자원을 제공하여 수익을 창출할 수 있으며, 기업은 전 세계에 분산된 컴퓨팅 자원을 임대하여 비용을 절감할 수 있습니다.

하지만 실제 운영에는 여전히 많은 과제가 있습니다.

초기 투자 비용 측면에서 고성능 데이터 센터를 구축하거나 새로운 하드웨어 시설을 개발하려면 상당한 초기 투자가 필요합니다. 컴퓨팅 비용이 절감되더라도 데이터 전송 비용(대역폭 요금 및 지연 시간 문제 포함)은 여전히 무시할 수 없는 요소입니다.

미래에는 특정 시나리오에서 스마트 서비스 비용이 주로 소비 전력량에 따라 결정되는 것을 실제로 볼 수 있을 것입니다. 이는 AI 기술의 대중화와 그 적용 범위 확대에 크게 기여할 것입니다.