n요약1. 제대로 된 추론을 수행하고 있는 모달은 '없다' n2. 현행의 LLM들은 패턴 매칭의 양과 속도만 증가하고 있을 뿐이다 n
추론을 못한다고 해서 AI가 아닌건 아니라서요 이 정도는 지식노동의 산업화와 자동화만 부추겨주는 수준에 불과한거지만 그래도 사람이 직접 하는 것 보단 훨씬 빠르죠
제대로 된 추론은 강인공지능의 역할인데, 그건 진짜 SF의 영역이니..... 아직은 겁나 많고 빠른 패턴 매칭에 의존할 수밖에 없긴 하죠.
그런데 현대의 통계학도 그렇고, 그걸 이용한 예/추론이라는 것이 많은 사례들을 모아서, 확률을 구하는 건데, 패턴 매칭의 속도와 양이 압도적이면, 그게 좋은 것 아닌지...
그래도 얻는게 더 많아서 지금 이렇게 쓰고 있는거 아닌가.
그런 상황인데도 엔비디아 장비가 왜 잘 팔리는지 이해하기 어렵네요. 당장의 경쟁에서 이기는 것이 필요해서 비싼 장비를 무리해서 사는 것인가?
추론을 못한다고 해서 AI가 아닌건 아니라서요 이 정도는 지식노동의 산업화와 자동화만 부추겨주는 수준에 불과한거지만 그래도 사람이 직접 하는 것 보단 훨씬 빠르죠
지금 LLM만 하더라도 기존의 ML기반 기능들과는 활용도 차원에서 비교가 안되게 쓸모있는 툴들이거든요. 데이터 정리나 분석 등을 자연어로 지시할 수 있다는 게 굉장히 획기적인거라.
그런데 현대의 통계학도 그렇고, 그걸 이용한 예/추론이라는 것이 많은 사례들을 모아서, 확률을 구하는 건데, 패턴 매칭의 속도와 양이 압도적이면, 그게 좋은 것 아닌지...
그래봐야 확증편향일 뿐이니까요
현행모델들의 한계를 찾아보고 궁극적으론 더 나은 형태의 평가방식을 찾아보자는건데 하드웨어 얘기가 왜나옴.
제대로 된 추론은 강인공지능의 역할인데, 그건 진짜 SF의 영역이니..... 아직은 겁나 많고 빠른 패턴 매칭에 의존할 수밖에 없긴 하죠.
AI에서 뒤떨어져 있으니 신포도 타령이나 할수밖에
기업 명의로 내는 논문을 그런 찌질한 이유로 쓰는 곳은 없음.
그래도 얻는게 더 많아서 지금 이렇게 쓰고 있는거 아닌가.