ラウンジ
接続中…
接続中…
すべて見る
공부

ラウンジ›ニュース・ソーシャル

Naver Blog · 공부

AI가 더 똑똑해지지 않아도 세상은 바뀐다

投稿日
2026.11.20 16:28
いいね
26
コメント
1
シェア
6
공부jian · フォロワー 3,910
ブログを見る

要点

AI要約
  1. 01딥마인드 인스티튜트(DMI)는 11월 19일 「What comes after AGI?」 에세이에서 ‘인지 산업화’를 제시했으며, 팀 게네바인이 주도하고 14명이 함께 썼다.
  2. 02유효 연산은 칩의 실제 연산량에 알고리즘 효율 개선을 반영한 값이며, 글은 칩 구매력 연간 약 1.5배, AI 하드웨어 투자 연간 약 2.5배, 학습 효율 개선 등을 증가 요인으로 든다.
  3. 03같은 성능의 AI가 싸지고 많아지면 사람 수준의 에이전트도 대규모·고속으로 복제·운영할 수 있어, 저자는 규모가 AGI와 약한 초지능 사이의 격차를 메울 가능성을 제시한다.

本文の要約

AI 성능이 정체돼도 연산 효율과 에이전트 수가 급증하면 지식 노동과 경제가 재편되고, 규모만으로 약한 초지능에 가까워질 수 있다는 것이 글의 핵심 주장이다.

항목값비고
유효 연산 증가율연간 약 10배 이상칩·투자·알고리즘 효율 증가를 곱한 추정
유효 연산 증가 범위연간 6~22배5년간 약 15만 배 추정의 기준 범위
AI 작업 연산 비용연간 약 4분의 110년이면 약 100만 배 하락, 10억 달러어치 토큰 작업이 1,000달러 수준
에이전트 수 전망2030년까지 1,000배 초과, 10년 내 10억 배 초과데이터센터 건설 속도와 알고리즘 효율 한계를 반영한 추정
OpenAI 연구원 1인당 에이전트 사용액10월 중간값 2,400달러/일외부 고객 정가 환산
에이전트 단독 과제 완료율3월 23% → 10월 46%사람이 2~4시간 걸릴 연구 과제 기준
  • 딥마인드 인스티튜트(DMI)는 11월 19일 「What comes after AGI?」 에세이에서 ‘인지 산업화’를 제시했으며, 팀 게네바인이 주도하고 14명이 함께 썼다.
  • 유효 연산은 칩의 실제 연산량에 알고리즘 효율 개선을 반영한 값이며, 글은 칩 구매력 연간 약 1.5배, AI 하드웨어 투자 연간 약 2.5배, 학습 효율 개선 등을 증가 요인으로 든다.
  • 같은 성능의 AI가 싸지고 많아지면 사람 수준의 에이전트도 대규모·고속으로 복제·운영할 수 있어, 저자는 규모가 AGI와 약한 초지능 사이의 격차를 메울 가능성을 제시한다.
  • 글은 모델·데이터 확대, 패러다임 전환, 에이전트 협업, 재귀적 자기개선을 초지능으로 가는 네 경로로 제시하며, 한 영역만 제한해도 전체 진전을 멈추기 어렵다고 주장한다.
  • 글쓴이는 구글이 Flash급 모델을 검색 AI 모드와 무료 API 등에 널리 제공하는 전략을 인지 산업화의 사례로 해석하지만, 구글의 초지능 전략에 관한 평가는 개인적 추측이라고 밝혔다.

시사점: AI의 경제적 영향은 최상위 모델의 성능 향상뿐 아니라 추론 비용 하락과 에이전트 확산 속도에도 좌우된다. 성능이 정체돼도 저렴한 AI가 대량 보급되면 지식 노동의 비용과 배분이 크게 바뀔 수 있다.