이는 타협이 필요한 복잡한 현실 문제들을 처리할 수 있는 AI의 개발로 이어질 수 있다.

메타가 과학자들에게 도움을 주려고 공개한 대규모 언어모델 ‘갤럭티카’는 편향적이고 부정확하며 비상식적인 결과만 생산했다.

우리가 어려운 결정을 내릴 때 자동화가 도움을 줄 수 있을지 모르지만, 단순히 자동화 자체에만 의존하는 건 위험하다.

사람들은 진정한 ‘지능’을 가진 기계를 만들기 위해 노력해왔다. 어쩌면 우리는 이 작업을 기계가 스스로 해나가도록 해야 할 필요가 있을지 모른다.

딥마인드가 게임 AI ‘알파제로’를 활용해 컴퓨터과학의 핵심 문제인 ‘행렬 곱셈’을 더 빨리 푸는 방법을 알아냈다. 알파제로는 50년 넘게 깨지지 않았던 행렬 곱셈법보다 더 빠른 방법을 찾아내는 등 다양한 행렬 곱셈법을 발견했다.

지난해 영국의 자율주행 스타트업 웨이브는 여러 도시를 운전할 수 있는 딥러닝 모델을 선보였다. 이제 웨이브의 AI 모델은 승용차뿐만 아니라 승합차도 운전할 수 있다.

소니의 레이싱 AI ‘그란투리스모 소피’는 빠른 속도뿐만 아니라 ‘에티켓’을 탑재하여 인간 경쟁자들을 이길 수 있었다. 그란투리스모 소피가 학습한 내용들은 언젠가 AI가 도로 위에 합류하거나 인간과 협업하여 운전할 때 도움이 될지도 모른다.

오픈AI가 첫 번째 유료 고객 수백만 명에게 자사의 이미지 생성 모델 DALL-E를 판매할 준비를 마쳤다. 오픈AI는 이번 출시를 위해 DALL-E가 가진 결점들을 서둘러 수정해야 했다.

자율주행차를 개발하는 기존 접근법은 실현하기가 까다로웠다. 그래서인지 발전이 더뎠다. 인공지능 기술로 무장한 스타트업들이 새로운 방식으로 문제를 해결하기 위해 나섰다. 과연 그들의 도전은 성공할 수 있을까?

오픈AI의 DALL-E에 이어 구글브레인이 자체 개발한 이미지 생성 AI ‘이매젠’을 공개했다. 이번에도 귀여운 동물 이미지는 잔뜩 감상할 수 있지만, 건전하지 않은 이미지를 보겠다는 기대는 접는 편이 좋다.