내 나이 올해 60 이고 IT 정보통신 분야 일한지 30 년 이다 ... 나의 경우도 세상의 흐름이 AI 가 모든것을 지배하겠다는 위기감을 본격적으로 느낀게 한 4 년전이다 ... 내 나이 60 이다 보니 예전 학생시절 80 년대에 대학원 다닐때 인공지능 그때 연구실들에서 하던 작업들을 바탕으로 한 4 년전부터 논문들을 살피기 시작했다 .... 그렇다 보니 40 년전 음성인식 영상인식 처리했던 기법들로 딥러닝 논문들이 어떻게 구현됬나를 살필수밖에 없었다 왜냐하면 내가 아는 지식이 40 년전 보고 들었던 인공지능 기법들이었기에 이것들부터 살피기 시작했다 ... 내가 4 년전부터 딥러닝 논문 살핀 방법 즉 내가 40 년전 대학원 시절 보고들었던 내용을 가지고 딥러닝 논문을 살폈으니 당연 요즘 딥러닝 논문 기술 방향과 당연 괴리 아닌 괴리가 있었다는것을 한참 이렇게 논문 분석 한후에에야 깨닭았다 ... 대기업 연구소 AI 책임자에게도 내가 이렇게 구시대 기법으로 AI 논문을 분석한다고 애기했으니 나하고는 수준이 맞지 않는다는식의 애기가 나올수밖에 없었다 ... 대기업 연구소도 당연 한 5 년전까지만해도 나와 같은 방식으로 AI 구현을 했다 ... 내가 왜 나의 방식이 맞는것으로 착각을 했냐하면 구글 트랜스포머 모델이 2017 년엔가 발표됬을때도 나는 그냥 미국 대기업 논문의 하나쯤으로 생각했다 ... 구글 트랜스포머 모델 구조로 이렇게 챗GPT 같은 성능을 낼수 있다는것을 몰랐기 때문이다 ... 또 이렇게 딥러닝 구현 노하우를 파악하다 보니 이제서야 확실히 파악한것을 말씀드려보겠읍니다 ... 미국 빅테크 대기업들의 경우 AI 로 1 등을 욕심내는게 가능한게 왜 가능하냐 하면 초거대 모델 LLM 의 성능 구현을 하려면 막대한 비용의 AI 인프라 투자가 필요 합니다 ... LLM 으로 세계 1 등을 꿈구려면 가장 먼저 필요한게 바로 AI 인프라 투자비용 확보 입니다 ... AI 인프라 구축이 안되있으면 LLM 의 초거대 학습데이터 학습으로 성능을 내기 위해 시행착오가 필요한데 이런 시행착오로 인한 개발기간을 줄이려면 당연 남들보다 AI 인프라 즉 클라우드 딥러닝 서버를 남들보다 몇배 확보하면 당연 개발기간을 줄일수 있거든요 ... 저도 딥러닝 구현 노하우 확보를 위해 논문분석도 몇백편했었고 딥러닝 소스 분석도 해봤읍니다 ... 단지 저는 대기업 AI 연구소분들보다 경험이 일천하기에 시간이 더 많이 걸린다는것 이것 때문에 다들 저한테 특별한 관심 표명이 없더라구요 ... 샘 알트먼도 AI 세계 1 등을 굳히려고 현재 1 등이지만 앞으로 계속 1 등을 유지하기 위해 중동의 오일 머니의 투자를 받겠다고 하지 않읍니까 ? 이게 한국 대기업 이든 미국 대기업 이든 AI 1 등을 위해 반드시 필요한게 중동의 오일 머니 같이 초대규모 자금확보가 사실 AI 세계 1 등의 모든것 이라고 해도 틀린 말이 아닙니다 ..