조셉 시버는 대담하고 생각을 자극하는 비판을 통해 인공지능( AI )과 그 응용 분야를 둘러싼 기존의 통념에 이의를 제기하며, 용어와 개념화에 대한 근본적인 재평가를 제안합니다.
쉬버는 현재의 명칭이 일반적으로 "인공지능" 시스템, 특히 대규모 언어 모델(LLM)이라고 불리는 시스템의 본질과 기능을 잘못 나타내고 있다고 주장합니다.
LLM의defi의: 인위적인 도구가 아닌 진정한 도구
쉬버의 첫 번째 주장은 이러한 시스템을 설명하는 데 사용되는 용어 자체에 이의를 제기하는 것입니다. 세탁기나 자동차와 같은 일상적인 가전제품과 유사점을 들어, 쉬버는 LLM을 "인공적"이라고 부르는 것은 잘못된 명칭이라고 주장합니다.
가짜 또는 허구적인 구성물과는 달리, LLM은 인간의 노력을 단순화하고 향상시키도록 설계된 진정한 보조 도구입니다. 최근 연구에서 나타난 바와 같이, LLM을 통해 이해력과 언어 능력이 향상된다는 점은 그 실질적인 유용성을 뒷받침합니다.
인공지능의 허상
쉬버는 "인공지능"이라는 용어 자체가 오해의 소지가 있다고 주장합니다. 왜냐하면 이 용어는 LLM(학습자)이 보유하지 않은 수준의 인지 능력을 암시하기 때문입니다. 쉬버는 LLM이 이룬 상당한 발전을 인정하면서도, 지능은 정적인 속성이 아니라 지속적인 과정이라고 주장합니다. 그는 의식, 신체성, 경험에 기반한 주장을 반박하며, 대신 제도에 의해 주도되는 집단적이고 진화적인 추구로서의 지능의 본질에 초점을 맞춥니다.
오해 바로잡기: 지능 vs. 예측
쉬버의 주장의 핵심은 인간 지능과 LLM의 목표 사이의 중요한 차이점을 지적하는 데 있다. 인간 지능은 검증과 반복을 통해 진실을 추구하는 반면, LLM은 기존 데이터를 기반으로 반응을 예측하는 데 우선순위를 둔다.
쉬버는 LLM이 현실을 정확하게 표현하기보다는 인간의 답변과 유사한 그럴듯한 반응을 생성하는 데 탁월하다고 주장합니다. 이러한 결정적인 차이점이 LLM을 지능적인 존재로 분류하는 것을 어렵게 만듭니다.
쉬버의 비판은 기존의 통념에 도전하며, 사회가 인공지능의 발전을 인식하고 규정하는 방식에 대한 재평가를 촉발합니다. 쉬버는 논리 학습 모델(LLM)을 진정한 도구로 재해석하고, 진실 탐구보다는 예측에 중점을 두는 본질을 강조함으로써, 지능의 본질과 인간의 활동을 형성하는 데 있어 기술의 역할에 대한 심도 있는 성찰을 유도하는 미묘한 관점을 제시합니다.
향후 개발에 대한 시사점
쉬버의 분석은 인공지능 기술의 지속적인 개발 및 배포에 중요한 시사점을 제공합니다. 현재 사용되는 용어와 개념적 틀의 한계를 인식함으로써 연구자와 정책 입안자들은 인공지능 거버넌스와 윤리에 대해 더욱 세밀한 접근 방식을 채택할 수 있습니다.
쉬버가 LLM의 목표와 역량을 재평가해야 한다고 주장한 것은 보다 투명하고 책임감 있는 AI 개발 관행으로의 전환을 촉진하는 것입니다.
인공지능을defi하려면 패러다임의 전환이 필요합니다
조셉 시버의 비판은 인공지능에 대한 기존 관념에 도전하며, 용어와 개념적 틀의 재평가를 주장합니다. 그는 LLM을 진정한 도구로 재해석하고 예측 능력을 강조함으로써, 인공지능 기술의 목표와 한계에 대한 심층적인 이해를 이끌어냅니다.
사회가 인공지능의 영향에 대해 계속해서 고심하는 가운데, 시버의 통찰력은 기술과 인간 지능의 복잡한 교차점을 헤쳐나가는 데 귀중한 관점을 제공합니다.
