기술 발전의 최고조는 항상 기대와 흥분을 동반하며 1840년대의 철도 광풍이나 90년대 후반의 인터넷 붐과 같은 역사적인 기술 혁명과 비교됩니다.
ChatGPT 와 같은 광범위한 언어 모델은 이전의 혁신 폭발과 유사한 기대감을 불러일으켰습니다.
그러나 기발한 수사학은 종종 기술 혁명이 향상된 생산성과 사회적 복지라는 약속된 열매를 맺기 위해 밟아야 하는 가파르고 고르지 못한 길을 가려줍니다. 펼쳐지는 AI 혁명이 뭔가 다른 것으로 증명될까요?
AI 광란의 해독
생성 AI 기술에 대한 소문이 완전히 근거가 없는 것은 아닙니다. 예를 들어 OpenAI의 ChatGPT는 에세이 작성에서 코드 생성에 이르는 작업 자동화와 같은 인상적인 기능을 보여주면서 그 위력을 입증했습니다.
이것은 막대한 경제적 영향에 대한 예측에 박차를 가했습니다. 예를 들어 Goldman Sachs는 AI로 인한 생산성이 10년 동안 전 세계 GDP를 7% 증가시킬 수 있다고 예측합니다.
그러나이 모든 기대는 불확실성의 바다에 떠 있습니다. AI는 전기 및 철도와 같은 과거의 기술 혁명에 비해 훨씬 덜 자본 집약적이고 인프라 의존도가 낮지만 고유한 전제 조건과 과제가 있습니다.
예를 들어 수백만 명이 클릭 한 번으로 ChatGPT에 액세스할 수 있지만 생성 AI 시스템의 효율적인 운영에는 상당한 컴퓨팅 성능이 필요하며 이는 지갑에서 가볍지 않습니다.
또한 AI의 사용자 친화성은 채택을 촉진하지만 기업은 여전히 직원을 교육하고 그에 따라 모델을 조정할 시간이 필요합니다.
AI의 힘의 균형
Generative AI는 잠재적으로 상승 속도를 늦출 수 있는 일련의 고유한 장애물을 전면에 내세웁니다. 예를 들어 규제 감독을 간과할 수 없습니다. AI의 엄청난 힘을 감안할 때 많은 기술 전문가들은 이미 첨단 모델의 추가 개발을 중단할 것을 주장했습니다.
물리적 노동을 대체한 역사적 혁신과 달리 생성 AI는 인지 작업을 탐구하여 쓰기, 분석 및 디자인과 같은 활동을 수행합니다.
이는 인간의 능력을 향상시킬 수 있지만 이를 규제하고 사회적 및 노동력에 미치는 영향을 완화하기 위한 적응형 법적 및 정책적 조치도 필요합니다.
게다가 AI의 출현은 역설적으로 생산성을 dent 수도 있습니다. 생성 AI는 프로세스를 간소화하도록 설계되었지만 절약된 시간을 효과적으로 활용하지 않으면 생산성이 크게 향상되지 않을 수 있습니다.
데이터 조작, 사칭, 학업 부정직 조장 등 AI 오용에 대한 우려도 있다.
이 기술은 사기 탐지를 개선하는 기능이 이러한 난장판을 정리하는 데 도움이 될 수 있지만 스팸 이메일 및 온라인 trac 함과 같은 생산성 저 trac 에게 권한을 부여할 수도 있습니다.
궤적 플로팅
생성 AI의 궁극적인 궤적(초기 하락에서 살아남은 후 얼마나 높이 상승할 수 있는지)은 그 유용성에 크게 의존합니다.
AI는 신속한 의사 진단에서 신속한 법적 trac 작성에 이르기까지 지식 기반 작업에서 생산성을 향상시킬 수 있는 엄청난 잠재력을 가지고 있지만 모든 부문이 똑같이 혜택을 받을 수는 없습니다.
연구 프로세스를 가속화하여 기술 발전과 반복적인 생산성 향상을 촉진할 수 있는 범위도 여전히 남아 있습니다.
철도가 궁극적으로 효율성을 개선한 것처럼 주로 산업과 무역이 동시에 호황을 누리고 있었기 때문에 생성 AI의 영향도 동시 개발에 달려 있습니다.
예를 들어 정부가 서류 작업 감소와 같은 작업에 AI를 채택하면 생산성 장벽을 더욱 완화할 수 있습니다.
생성 AI의 약속은 부인할 수 없습니다. 전통적으로 정량화하기 어려운 인지 작업을 강화하는 능력은 그 영향을 정확하게 측정하기 어려울 수 있음을 시사합니다.
역사에서 알 수 있듯이 기술이 효과적으로 활용될 때까지 진정한 생산성 향상은 보장되지 않습니다. 따라서 이 AI 혁명을 통해 방향을 잡으려면 근거 있는 접근 방식이 필수적입니다.
