제목은 자극적이고 가볍지만, 내용은 진지하고 무겁습니다.

Andrej Karpathy Announces Eureka Labs https://eurekalabs.ai/

https://github.com/naklecha/factorio-automation/tree/main

영상 전문 번역

백만 달러를 만드는 방법은 여러 가지가 있지만, 그것이 백억 달러로 변할 수 있는 방법도 있습니다. 맞아요, 전 세계에는 수억 개의 소규모 기업이 있습니다. 사업체는 기본적으로 몇 번의 터치만으로 AI 에이전트를 세울 수 있습니다. 저는 미래의 모든 기업이 현재 이메일 주소, 웹사이트 및 소셜 미디어 존재가 있는 것처럼, 고객과 대화할 수 있는 AI 에이전트를 가질 것이라고 생각합니다. 우리는 그것을 가능하게 하고 싶습니다. 항상 AI에 큰 기회가 있다는 것을 알고 있었지만 그것을 어떻게 활용할 수 있을지 확실히 알지 못했다면, 이 비디오가 그에 대한 이해를 돕는 데 도움이 될 것이라고 생각합니다. 제가 이야기하는 것은 소프트웨어 3.0입니다. 다소 이상하게 들릴 수 있지만, 제가 설명할 시간이 잠시 필요합니다. 만약 당신이 기업가이거나, 스스로 사업을 운영하고 싶었던 적이 있거나, 단순히 AI의 최전선에 머물고 싶다면, 이것이 우리 인생에서 가장 큰 기회일 수 있습니다. 아주 빠르게, 이 사람은 안드레이 카르파티입니다. 그는 OpenAI의 전직 직원이며, 존경받는 AI 연구자입니다. 날짜를 확인하세요; 이건 2017년 말입니다. 그는 소프트웨어 2.0에 대해 이야기하고 있습니다. 그게 뭐냐고요? 전통적인 스택이 소프트웨어 1.0입니다. 그것이 우리가 소프트웨어라고 생각하는 것입니다. 그것은 코드이며, Python, C++ 등과 같은 언어로 작성되었습니다. 프로그래머가 컴퓨터에 특정한 행동을 명시적으로 지시하는 것으로 구성되어 있습니다. 그렇죠, 기본적으로 인간이 컴퓨터에게 무엇을 해야 하는지를 명시적으로 지시하는 것이죠, 글자 하나하나를 타이핑하여 각 코드 줄을 작성함으로써 지시합니다. 프로그래머는 프로그램 공간의 특정 지점을 특정 행동과 함께 식별합니다. 다시 말해, 우리는 컴퓨터에서 뭔가를 원하고, 이 시스템이 우리를 위해 뭔가를 하기를 원합니다.

우리는 각 코드 라인을 작성함으로써 그것을 실행합니다. 그는 특히 그곳에서 ‘각 코드 라인’이라는 용어를 사용합니다, 맞죠? 그것이 중요합니다. 그렇다면, 소프트웨어 2.0은 무엇일까요? 짐작할 수 있나요? 앙드레 카르파티는 소프트웨어 2.0이 신경망의 가중치와 같은 훨씬 더 추상적이고 인간에게 친숙하지 않은 언어로 작성된다고 말합니다. 이를 작성하는 데는 어떤 인간도 개입되지 않습니다. 왜냐하면 가중치가 많기 때문입니다. 일반적인 네트워크는 수백만 개의 가중치를 가질 수 있습니다. 이것이 2017년에 작성되었음을 염두에 두어야 하니, 요즘은 그보다 더 많을 수도 있다고 상상할 수 있습니다. 가중치로 직접 코딩하는 것은 좀 어렵습니다; 그는 시도해보았습니다. 이것이 신경망의 모습입니다. 뉴런들은 여기 이러한 선들로 연결되어 있습니다. 이것은 인간의 뇌와 어느 정도 비슷합니다. 우리도 뉴런이 있고 그 뉴런 간의 연결이 있습니다. 그들은 더 자주 사용되거나 어떤 일이 발생할 것을 예측할 때 더 강하게 연결됩니다. 그것은 바로 파블로프의 개가 종소리에 반응하는 것과 같은 원리입니다, 맞죠? 시간이 지나면서 우리가 어떤 것을 냄새 맡으면, 그것을 감지하는 우리 뇌의 부분이 그 냄새를 포착할 수 있습니다. 예를 들어 우리가 음식을 냄새 맡을 때, 우리는 개의 침 흘리기로 그것에 반응합니다. 우리는 특정한 냄새가 맛있는 음식이 있다는 것을 예측하는 데 도움이 되는 그런 신경 연결을 형성했습니다. 그러나 우리가 종을 울리면, 개는 반응하지 않습니다. 종이 음식이 있다는 것을 의미한다는 신경 연결이 없습니다.

하지만 만약 우리가 그들에게 음식을 주기 시작하고 방울을 친다면, 시간이 지나면서 방울 소리가 그의 침이 고이게 하고 그가 음식을 받을 준비가 되어 있다고 생각하게 만들죠. ‘The Office’에서 짐이 방울이 울릴 때마다 드와이트에게 박하사탕을 주는 그 에피소드가 있었죠—그것이 바로 그 전체 이야기의 의미였습니다. 신경망이 작동하는 방식이 대략 이렇습니다. 이러한 연결들이 특정한 결과를 만들어내지만, 우리는 그것을 스스로 프로그래밍하지는 않습니다. 음, 안드레 카르파티(Andre Karpathy)가 아닌 이상요. 사실, 우리가 접근하는 방법은 어떤 목표나 바람직한 행동을 정하는 것입니다, 맞죠? 예를 들어 바둑 게임에서 이긴다던가요. 네, 안드레가 말하는 것처럼 대략적인 코드의 뼈대가 있습니다, 맞죠? 그래서 신경망 아키텍처 같은 거죠. 그 후, 그 신경망은 경량 하강법(gradient descent)을 이용해 학습됩니다. 여기에 대해 깊이 들어가진 않을 것입니다, 왜냐하면 여기서 무슨 일이 일어나고 있는지를 이해하는 데엔 그 정도로 충분하기 때문입니다. 그런데, 더 알고 싶다면 안드레 카르파티의 최신 발표를 강력히 추천합니다. 그는 지난 몇 주 안에 발표했어요. 날짜는 7월 17일입니다. 오픈의 공동 창립자인 안드레 카르파티가 유레카 랩스라는 AI 교육 스타트업을 발표했습니다. 이 점을 기억해 두세요; 나중에 필요할 수도 있습니다, 그냥 그런 느낌이 드네요. 하지만 소프트웨어 1.0과 소프트웨어 2.0에 대한 주요 포인트는 이렇습니다: 다시 말하자면, 이거는 안드레 카르파티의 블로그에서 온 것이죠, 맞죠? 이런 식으로 거리가 프로그램의 복잡성을 나타냅니다, 맞죠? 아주 간단한 것에서부터 매우 복잡한 것까지. 소프트웨어 1.0은 여기에 있습니다.

소프트웨어가 할 수 있는 것이 바로 그 것입니다. 다시 말해, 소프트웨어 1.0을 컴퓨터가 할 일을 위해 사람이 코딩하는 것으로 정의한다면, 그것이 대략 그 범위입니다. 제 말은, 그것도 상당한 부분이죠. 그것을 기반으로 돌아가는 전체 세계가 많은 것을 했지만, 소프트웨어 2.0에 비하면 한계가 있습니다. 소프트웨어 2.0에서는 한 줄씩 입력하는 대신 일종의 과정을 사용합니다. 맞습니다, 그래서 그것이 AI를 훈련시키는 것입니다. 전 그냥 그것을 블랙 박스처럼 만들고, 그 과정이 AI를 훈련합니다. 그것은 우리가 원하는 것을 할 수 있도록 신경망을 훈련합니다. 우리는 AI가 무엇이 되기를 원하는지 말해줄 뿐입니다. 개의 귀여운 사진을 만들라고 하면, 그것은 개의 귀여운 사진을 만들 수 있는 신경망, 즉 뇌를 훈련합니다. 우리는 그것에게 코딩하는 방법을 배우라고 시키고, 그럼 그것은 코딩하는 법을 배우는 것을 만드는 방법을 알아냅니다. 지금 말씀드리는 것은 매우 단순화된 것입니다. 명백히, 이것에는 데이터, 컴퓨팅, 그리고 수백만 가지 다른 요소가 포함됩니다. 하지만 요점은, 우리가 무엇을 해야 하는지 구체적으로 지시하는 대신, 우리가 원하는 것을 그냥 말해주면, AI가 그것을 수행하는 것을 만들어낸다는 것입니다. 맞습니다, 그래서 우리는 다소 격리된 층처럼 됩니다. 자, 그러면 팝 퀴즈입니다, 핫샷, 소프트웨어 3.0은 어떻게 생겼을까요? 우리가 이야기하는 것에 관해서 다음 진화는 무엇입니까? 이것이 명확한 지시라면, 이것은 우리가 원하는 것을 말해주고, AI가 그것을 수행하는 것을 만드는 방법을 알아내는 것이라면, 그 다음 진화는 어떤 모습일까요? 3.0은 무엇입니까? 마지막으로 덧붙이자면, 1년 전만 해도 이 것이 존재한다는 것이 분명하지 않았습니다.

우리가 그것을 이용할 수 있을 것이라는 것은 분명하지 않았습니다. 2017년에 발표된 이 블로그 글에서 Andre는 소프트웨어 3.0에 대해 언급조차 하지 않았다는 점을 기억하세요. 그 당시에는 이 모든 것이 어떻게 전개될지조차 불분명했습니다. 하지만 이제 여러분은 “그래, 소프트웨어 3.0이 뭐야? 그냥 말해줘!”라고 생각하고 있을지도 모릅니다. 우선, 여기 마크 저커버그가 그의 최신 출시작인 Llama 3.1에 대해 이야기하고 있습니다. 이는 GPT 4 수준의 오픈 소스 AI 거대 모델입니다. 만약 그 인터뷰를 보셨다면, 나가서 건너뛰어도 괜찮습니다. 비디오 챕터를 설정해 두어서 다음 부분으로 넘어가기 쉽게 해 놓을 것입니다. 하지만 보셨든 보지 않으셨든, 그가 말하는 것에 주목하세요: 그는 여러분이 그가 발표한 큰 모델로 할 수 있는 것들을 만들 수 있도록 허용하고 있다는 것입니다. 그가 언급하는 모델은 ‘교사 모델’이라고 지칭됩니다. 그래서 저는 사람들이 그 모델을 가지고 무엇을 할지 정말 기대하고 있습니다. 특히 이제 우리는 Llama 주위의 커뮤니티 정책을 만들어 사람들이 그것을 교사 모델로 사용하여 정제하고 미세 조정하며 기본적으로 원하는 다른 모델을 만들 수 있도록 하고 있습니다. 여기 또 다른 짧은 클립이 있습니다. 그는 사람들이 이 오픈 소스 모델을 사용하여 에이전트를 생성하는 것의 최종 결과에 대해 이야기하고 있습니다. 그는 모든 것이 기본 Llama 모델 위에서 작동하는 것에 대해 이야기하고 있나요, 아니면 그보다 더 분산되어 있나요? 나는 비즈니스 모델에서 세계에서 가장 발전된 모델을 기본적으로 구축하고 이를 모든 사람에게 무료로 제공할 수 있는 능력이 있다고 생각합니다. 그래서 그것이 큰 장점이라고 생각합니다. 우리 모든 앱에서 사용하기 정말 쉽습니다. 저는 그것이 어떻게 진행될지 매우 기대하고 있습니다. 우리는 기본 어시스턴트를 가지고 있으며, 그것이 큰 사건이 될 것이라고 생각합니다. 하지만 그보다 더 많은 것은, 우리가 집중하고 있는 많은 부분이 모든 창작자와 모든 소기업이 자신을 위한 AI 에이전트를 만들 수 있는 능력을 부여하는 것입니다. 우리는 우리의 플랫폼에 있는 모든 사람이 그들이 상호작용하고 싶은 자신만의 AI 에이전트를 만들 수 있도록 하고 있습니다.

생각해보면, 이것들은 단순히 거대한 공간들입니다. 전 세계에는 수억 개의 작은 기업들이 존재합니다. 제가 정말 중요하다고 생각하는 것 중 하나는 상대적으로 적은 노력으로도 각 기업이 고객 지원, 판매 및 모든 고객과 소통할 수 있는 AI 에이전트를 구축할 수 있도록 하는 것입니다. 저는 미래의 모든 기업이 오늘날 이메일 주소, 웹사이트, 소셜 미디어 존재감을 가지고 있는 것처럼, 앞으로 고객이 대화할 수 있는 AI 에이전트를 갖게 될 것이라고 생각합니다. 우리는 이를 모든 기업에 구현하고자 합니다. 그러면 수억, 어쩌면 수십억 개의 작은 비즈니스 에이전트가 생길 것입니다. 제작자들에게도 비슷한 일이 있습니다: 우리 플랫폼에는 자신을 제작자라고 생각하고 커뮤니티 구축 및 콘텐츠 생산을 주로 위해 플랫폼을 사용하는 2억 명 이상의 사람들이 있습니다. 그들에게는 이것이 직업의 일부분처럼 느껴집니다. 그들은 모두 자신들의 커뮤니티와 원하는 만큼 소통하기에 하루에 충분한 시간이 없다는 기본적인 문제를 안고 있습니다. 마찬가지로, 그들의 커뮤니티는 일반적으로 그들의 더 많은 시간을 원할 것입니다. 하지만 다시 말하지만, 하루에 충분한 시간이 없습니다. 저는 모든 제작자가 소셜 미디어에서 모든 정보를 끌어들일 수 있는 엄청난 잠재력이 열릴 것이라고 생각합니다. 그들은 이러한 시스템을 훈련시켜 자신의 가치와 비즈니스 목표 및 그들이 하려는 일을 반영하도록 할 수 있습니다. 그러면 사람들은 그것과 상호작용할 수 있습니다. 마치 제작자가 만들어내는 거의 예술적인 유물처럼, 사람들이 다양한 방식으로 상호작용할 수 있는 것입니다. 제가 생각하는 것은 사람들이 자신을 위해 다양한 일을 수행할 수 있는 다양한 AI 에이전트를 만들어낼 수 있는 여러 가지 방법을 아예 언급조차 하지 않은 것입니다. 저는 우리가 수억, 아니면 수십억 개의 다양한 AI 에이전트가 존재하는 세상에 살게 될 것이라고 생각합니다. 결국, 아마도 세계 인구보다 더 많은 AI 에이전트가 생길 것입니다. 사람들은 이러한 AI 에이전트와 다양한 방식으로 상호작용할 것입니다. 이것이 저희의 제품 비전의 일부입니다. 분명히 그 안에는 많은 비즈니스 기회가 있습니다.

우리가 가고 싶은 곳은 돈을 벌 수 있는 곳입니다. 우리는 모델 자체에 대한 접근을 판매하여 돈을 벌고 싶지 않으며, 그렇게 하지 않을 것입니다. 다시 말하지만, 우리는 공공 클라우드 회사가 아닙니다. 우리는 최고의 제품을 만드는 것으로 돈을 벌 것입니다. 최고의 제품의 중요한 요소는 최고의 모델을 갖는 것이며, 오픈 소스에 대한 최고의 생태계를 가지고 있는 것이 그 일을 도와줄 것입니다. 그래서 이것이 우리에게 잘 맞아떨어지며, 우리가 가능한 최고의 품질의 제품을 구축하는 데 정말 귀중할 것이라고 생각하는 이유입니다. 우리는 이 오픈 소스 커뮤니티를 통해 최고의 비즈니스 성과를 내고 싶습니다. 하지만 이 모든 것이 철학적으로도 맞아떨어지는 이유이기도 합니다. 우리는 모든 사람이 사용하는 단 하나의 큰 AI, 제품이든 모델이든, 존재할 것이라고 믿지 않습니다. 우리는 근본적으로 이러한 폭넓은 다양성과 다른 모델 세트를 갖는 것이 중요하다고 생각합니다. 모든 비즈니스와 사람들은 자신들이 만들고 싶어하는 많은 것들을 원할 것입니다. 저는 그것이 흥미로울 것이라고 생각합니다. 이 모든 것이 흥미롭고 재미있게 만드는 요소가 될 것입니다. 자, 이분은 사라 구(Sarah Gou)입니다. 그녀는 최근 ‘마이 퍼스트 밀리언(My First Million)’ 팟캐스트에 출연했으며, 그곳에서 그녀가 투자하는 데 매우 관심이 있는 스타트업과 AI 분야에 대해 이야기했습니다. 그녀는 매우 구체적인 투자 이론, 즉 AI 스타트업 측면에서 정말로 변화를 일으킬 것이라고 생각하는 점에 대해 설명하고 있습니다. 그녀가 소프트웨어 3.0이 무엇인지 자세히 설명하는 부분입니다. 들어보세요. 다음 단계의 가치와 영향력은 분명히 특정 목소리에 맞춘 튜닝이 될 것입니다. 당신의 포괄적인 투자 이론은 무엇인가요?

소프트웨어 3.0이라는 것이 있습니다. 소프트웨어 3.0이란 무엇일까요? 아, 알겠습니다. 소프트웨어 3.0이라는 문구의 기원은 사실 앤드리 카파시가 몇 년 전에 쓴 소프트웨어 2.0에 관한 에세이에서 비롯되었습니다. 여기서의 기본 전제는 머신러닝 이전 세대에서는 많은 소프트웨어를 수동으로 작성해야 했다는 것입니다. 그리고 소프트웨어 2.0에서 앤드리 카파시는 테슬라에서 일하며 오토파일럿 작업을 하기 시작했으며, 이는 주로 데이터 세트 라벨링에 관한 것이었습니다. 당신은 파이프라인에 넣을 데이터를 선택하여 머신러닝 모델에게 새로운 작업을 수행하는 방법을 가르치고 있습니다. 소프트웨어 3.0은 다음 세대 소프트웨어의 대부분이 기초 모델 조작에 관한 아이디어입니다. 이들은 상자에서 나올 때부터 많은 기능을 가지고 있기 때문에 ‘기초 모델’이라고 불립니다. 이들을 처음부터 훈련할 필요는 없고, 그저 방향과 강화, 그리고 비즈니스에 대한 구체적인 정보를 제공하면 됩니다. 예를 들어, 쇼언이 리드 캡처 intake 양식의 음성에 대해 이야기했던 것처럼, 그는 모델을 훈련할 필요가 없고 그 소프트웨어 애플리케이션을 위해 데이터를 수집할 필요도 없습니다. 음성 에이전트는 하나의 소프트웨어 애플리케이션입니다. 그는 단지 자신의 일정 시스템과 후보 데이터베이스에 연결되어 있는지 확인하고 비즈니스에 대한 올바른 정보를 검색할 수 있어야 합니다. 그는 고객에게 특정 톤으로 일관되게 응답할 수 있어야 합니다. 이는 사람들이 실험실에서 이미 해놓은 기본 작업을 조작하는 것과 더 관련이 있습니다. 여기서의 전제는 기초 모델이 실제 세계의 모든 사용 사례를 수행하도록 만드는 마지막 단계입니다. 아마도 연구실은 이것을 틈새 시장으로 생각할 것입니다. 세상은 매우 큰 틈새로 구성되어 있습니다. 저는 이것이 기업가와 우리에게 정말 큰 기회라고 생각합니다. 참고로, 이 아이디어에 투자하는 투자자와 펀드가 여기에만 국한되지 않습니다.

우리는 또한 AI, 게임, 앱, 인프라, 성장 등과 교차하는 일부 분야에 대해 대규모 투자를 하고 있는 a16z와 같은 투자자들이 있습니다. 그들은 예를 들어 AI가 금융과 교차하는 분야, 그리고 게임, 의료와 같은 분야에 매우 관심이 많습니다. 그러나 원래 질문으로 돌아가서, 1.0은 우리가 원하는 대로 컴퓨터가 작동하도록 코드를 만드는 인간을 의미하고, 2.0은 우리가 이 종류의 프로세스에 우리가 원하는 것을 말한 다음, 그것이 우리가 하고자 하는 일을 위한 AI 신경망 뇌를 생성하도록 하는 개념이다. 내게는 3.0이 이 AI 뇌를 활용하는 다음 단계로 보입니다. 예를 들어, 그것이 거대한 기본 모델이라면, 3.1의 4050억 매개변수 모델이라고 합시다. 이는 훈련시키기 위해 매우 비싼 것이지만, 오픈 소스이며 매우 좋습니다. 그러나 다루기 어렵기도 하며, 그냥 노트북에서 실행할 수는 없지만, 비즈니스, 개인 생활 등 다양한 용도에 사용할 수 있을 것입니다. 우리가 이 종류의 교사 모델을 사용하여 할 수 있는 것은, 그것을 사용하여 특정 사용 사례에 맞게 조정된 더 작은 모델을 훈련시키기 위해 합성 데이터를 생성하는 것입니다. 이 모델은 생각을 정리하여 고객 서비스, 숙제 도우미, 달력 관리, 문자 메시지 응답 등 지능을 사용할 수 있는 여러 작업을 수행할 수 있는 더 작은 모델을 위한 훈련 세트를 만듭니다. 이는 마이크로소프트의 Orca 2의 연구가 초기에 우리에게 보여준 것입니다. 우리는 이 크고 비쌀 뿐만 아니라 다루기 힘든 모델을 가져와서 그로부터 데이터 세트를 만들고 그 위에 작은 모델을 훈련시킬 수 있게 됩니다. 이 모델은 매우 효과적으로 그러한 작업을 수행할 수 있습니다. 그래서 이것을 소프트웨어 3.0이라고 부릅시다. 지금까지의 내용은 공식적인 것은 아니며, 우리는 진행하면서 이런 숫자들을 만들어가고 있지만, 이는 단지 개념을 설명하기 위한 것입니다. 그렇다면 이 모든 것의 요점은 무엇일까요? 기본적으로, 이것을 0%에서 100%까지의 선으로 생각해 보십시오. 이는 미국, 전 세계, 그리고 여러분이 있는 곳의 모든 비즈니스에 AI가 침투하는 정도를 나타냅니다. 현재 몇 퍼센트의 비즈니스가 AI를 사용하여 가능한 모든 작업을 자동화하고, 수행하는 작업에 지능을 부가하고 있을까요? 그렇죠? 그 숫자가 무엇인지는 모르겠지만, 낮을 것입니다. 1%라고 말할 것인데, 그 숫자가 그 정도로 높다고 생각하지는 않지만, 예전 컴퓨터가 등장했을 때와 비슷한 상황입니다.

맞아요, 0%의 기업이 한 시점에서 컴퓨터를 사용했습니다. 0%의 기업이 컴퓨터가 좋고 유용하며 저렴해지자 사용했습니다. 아마도 1%의 기업이 컴퓨터를 사용했을 것이고, 시간이 지나면서 그 비율은 100%에 가까워졌습니다. 요즘엔 거의 100%의 기업이 데스크톱 전화기 등 마이크로칩이 장착된 컴퓨터를 사용하여 비즈니스를 운영하는 데 도움을 받고 있습니다. 우리는 AI에 대해서도 같은 일이 일어날 것을 목격할 것입니다. 현재 일부 기업들이 AI를 활용하여 비즈니스를 운영하는 비율에서, 앞으로 5년, 10년, 혹은 15년이라는 시간 안에 그 숫자가 100%에 가까워질 것입니다. 또한 학교의 학생들, 우리 개인적인 것들에서도 같은 일이 발생할 것입니다. AI는 코더들이 한 줄씩 코드를 작성해서 개발되는 것이 아닙니다. 아니요, 그것은 대규모 AI 연구소들이 거대한 훈련 클러스터를 사용해 이 거대한 모델을 만들거나, 어쩌면 더 작은 모델을 만드는 방식으로 개발될 것입니다. 요점은, 그들은 대규모 활용 사례, 즉 수익성 있는 활용 사례를 위해 한 번 만들어낼 것이지만, 맞춤형 특별 작업이 백만 가지가 필요할 것입니다. 이러한 특별한 맞춤형 AI, 고유한 AI, 또는 원하는 대로 이름 붙일 수 있는 그 종류가 이러한 대규모 오픈 소스 모델에서 만들어지고, 훈련되고, 생성되고, 미세 조정될 것입니다. 이것이 바로 우리가 소프트웨어 3.0이라고 부르는 과정입니다. 그렇게 되면 훈련된 AI가 그런 기업들과 사람들의 삶에 배포될 것이고, 온도 조절기에서 보안 카메라 모니터링에 이르기까지, 당신이 생각할 수 있는 모든 것에 사용할 수 있게 될 것입니다. 이 과정은 예를 들어 코드를 작성하는 것처럼 기술적이지 않을 것입니다. 분명히 딥러닝과 신경망을 이해하는 것처럼 기술적이지 않을 것입니다. 제 추측은, 20년 후에는 아이들이 자신만의 맞춤형 AI 모델을 만들어 포켓몬을 추적하는 등의 도움을 받을 것이라는 것입니다. 이제 이 기회가 얼마나 큰 것인지에 대해서는 자세히 설명하지 않겠습니다. 사실, 제가 이를 당신에게 팔려고 하는 것은 아닙니다. 당신이 이를 어떻게 보든 말든 관계없습니다.

아마 내가 맞을 수도 있고, 틀릴 수도 있다. 하지만 이전에 이런 말을 한 적이 있다: 미래에는 사업 운영이 마치 Factorio 베이스를 관리하는 것처럼 보일 것이다. 모든 것이 대체로 자동화되어 있고, 당신은 성능을 최적화하기 위해 다양한 프로세스와 시스템을 조정하는 것에 불과하다. 나는 이 부분에서 틀렸을 수도 있는데, 트위터 X에 한 사람이 대규모 언어 모델을 사용하여, 추측할 수 있겠지만, Factorio를 자동화하고 있다. 나는 이 프로젝트를 큰 관심으로 지켜보고 있다. 그는 방금 3주 업데이트를 게시했으며, 내가 이 프로젝트를 강조하고 싶다. 왜냐하면 정말 끝없는 매력을 느끼기 때문이다. 그래서 그가 업데이트하는 몇 분 동안 나는 이 비디오를 종료하기 위해 지금 바로 이 내용을 게시할 것이다. 확인해보세요; 그의 프로필 링크는 아래에 남겨둘게요. 하지만 이 영상을 보면서 이렇게 질문해보세요: 이 분야가 발전하고 이러한 지능을 추가하는 것이 점점 더 쉬워질수록, 대규모 언어 모델이든 아니면 몇 년 후에는 다른 유형의 최전선 모델이든 간에, 우리가 결정을 내리거나 무언가를 지켜보거나 무언가를 자동화하는 데 도움이 필요할 때, 이러한 AI 신경망이 여러분이 원하는 특정 사용 사례에 맞춰 그 특정 작업을 수행하도록 훈련될 수 있을 것 같다. 이것이 우리 삶의 모든 측면에 널리 퍼져서 우리가 하는 거의 모든 일을 돕는 것처럼 보인다. 당신은 어떻게 생각하나요? 댓글로 알려주세요. 내가 미친 것이거나, 이게 컴퓨터, 인터넷, 휴대전화보다 더 클 것인가요? 댓글로 알려주세요. 이 대규모 언어 모델의 Factorio 자동화 영상을 확인해보세요. 내 이름은 웨스트 로스이고, 시청해 주셔서 감사합니다. 여러분, 내가 “모든 Factorio를 자동화하고 싶다”라는 트윗을 올린 지 3주가 지났고, 그 사이 발생한 모든 것에 대한 진행 상황 영상을 만드는 것이 이해가 될 것 같았다. 첫 주는 본질적으로 Lua를 배우고 Factorio 모딩 라이브러리를 배우는 데 사용되었다. 그리고 다음 2주간 나는 이 라이브러리 작업을 했다. 트윗에 있는 GitHub 링크를 클릭하면 이 페이지로 연결될 것이다.