1995년부터 아무도 풀지 못한 수학 문제가 있었어요. 이번에 연구자 두 명이 그 문제를 풀었어요. AI 에이전트가 많은 일을 도왔어요. 에이전트는 사람 대신 여러 단계의 일을 하는 AI 프로그램이에요. 연구자들은 비교 실험도 했어요. 여러 최고 모델에게 같은 양의 토큰을 주고, 사람 없이 혼자 풀게 했어요. 토큰은 AI가 글을 처리하는 작은 단위예요. 그 모델들은 답까지 가지 못했어요. 그러니까 사람의 일은 아직 남아 있네요. 적어도 이번 주에는요. 10월 23일 금요일, AI 데일리 브리핑—쉬운 한국어입니다. 오늘 소식은 네 가지예요. 먼저 OpenAI가 1조 2,500억 달러 가치로 큰돈을 모으는 이야기예요. 다음은 GPU를 더 잘 쓰려고 10억 달러를 모은 연구소예요. GPU는 AI 계산에 쓰는 칩이에요. 세 번째는 그 수학 증명이 어떻게 나왔는지에 대한 마이크로소프트 리서치의 설명이에요. 마지막은 노트북에서 돌아가는 작은 코딩 모델이에요. 회사에 따르면 자동 연구 시스템이 이 모델을 만드는 데 거의 모든 단계에 참여했어요. 오늘 방송이 도움이 되셨다면 팔로우해 주세요. 다음 편도 바로 들으실 수 있습니다.
CNBC의 케이트 루니와 애슐리 카풋이 목요일에 처음 보도했습니다:
거래 내용을 아는 사람들에 따르면, 샌프란시스코에 기반을 둔 인공지능 기업은 최대 300억 달러를 조달하고 있으며 기업가치는 1조 2,500억 달러입니다. 이들은 세부 내용이 비공개라서 이름을 밝히지 말아 달라고 요청했습니다. 이 기업가치에는 새로 조달한 자금이 포함되지 않습니다.
기업가치는 회사의 값이에요. 이 숫자는 새 돈이 들어오기 전의 값이에요. 투자는 아랍에미리트 투자자들과 Coatue가 함께 이끌어요. 보도에 따르면 이 돈은 기업공개 전에 쓰는 연결 자금이에요. 기업공개는 회사가 주식을 처음으로 주식시장에 파는 일이에요. OpenAI는 투자자들에게 다음 주 말까지 서명을 받고 싶다고 말했어요. 최종 규모는 아직 정하는 중이에요. 수요일 방송에서 우리는 이런 보도를 전했어요. OpenAI가 1조 4천억 달러가 넘는 가치로 약 300억 달러를 모으려 한다고요. AI 어페어스에 따르면 목표가 1조 4천억 달러에서 1조 2,500억 달러로 내려왔어요. 이대로 끝나면 비상장 회사로는 여전히 기록이에요. 하지만 목표가 조금 낮아졌어요. 그리고 보도에 따르면 비슷한 때에 Anthropic은 투자자들에게 1조 5천억 달러에서 2조 달러를 이야기하고 있어요. 저는 함께 진행되는 다른 거래가 중요하다고 봐요. CNBC의 한 소식통에 따르면, OpenAI는 아랍에미리트에서 컴퓨터 능력을 더 얻는 거래도 협상하고 있어요. 돈과 컴퓨터가 같은 곳에서 오는 거예요. OpenAI는 2월에 투자자들에게 이렇게 말했어요. 2030년까지 컴퓨터에 모두 약 6천억 달러를 쓰는 게 목표라고요. 그 숫자 옆에서는 300억 달러가 크지 않아요. 시간 순서도 볼게요. OpenAI는 6월에 상장 서류를 비공개로 냈어요. 서류를 받은 곳은 미국 증권거래위원회, 즉 SEC예요. 8월에 세라 프라이어 최고재무책임자는 직원들에게 2027년에 상장 회사가 될 거라고 말했어요. 한 달 뒤 샘 올트먼은 지금은 상장하기에 좋지 않은 때라고 말했어요. 그리고 실리콘앵글의 마이크 휘틀리에 따르면, OpenAI는 3월에 1,220억 달러를 모았어요. 그때 투자 후 가치는 8,520억 달러였어요. 그런데 7개월 뒤에 또 연결 자금이 필요해요. 최고 수준의 AI 연구소는 돈을 이만큼 빨리 써요. 이번 주에 돈을 모으는 연구소가 하나 더 있어요. AI툴스리캡에 따르면, 로이터는 딥시크가 약 1천억 위안을 모은다고 보도했어요. 약 150억 달러예요. 투자 전 가치는 약 5천억 위안이에요. 투자 회사로는 CATL, 텐센트, 메이퇀, 지리, 기가디바이스가 나와요. 우리는 10월 6일에 이 투자를 처음 전했어요. 그때는 아직 계획이었어요. 새로운 건 돈을 내는 회사들이에요. 배터리 회사, 자동차 회사, 칩 회사예요.
아메리칸 바자의 자유조티 멀릭이 Quartz를 통해 Bloomberg 보도를 전했습니다:
공동 창업자 애셔 스펙터는 Bloomberg에 회사가 인공지능 수요가 현재 이용할 수 있는 컴퓨팅 자원과 데이터의 공급을 넘어설 것으로 본다고 말했습니다. 그는 기존 인프라에서 더 높은 성능을 끌어낼 수 있는 기업들이 큰 경제적 이점을 얻을 수 있다고 주장했습니다.
회사 이름은 Flapping Airplanes예요. 기업가치 60억 달러로 10억 달러를 모았어요. Index Ventures와 Lux Capital이 투자를 이끌었어요. Sequoia, GV, Kleiner Perkins도 참여했어요. Nvidia도 투자자 가운데 하나예요. 이 회사는 2025년 말에 세워졌어요. Quartz에 따르면 기업가치는 1월보다 네 배가 됐어요. 1월에는 1억 8천만 달러를 모았어요. 이런 회사를 네오랩이라고 불러요. 제품보다 연구를 먼저 하는 새 연구소예요. 이 회사도 아직 제품이 없어요. 더 적은 데이터와 더 적은 컴퓨터로 배우는 모델을 연구해요. 칩 자체를 더 효율적으로 만드는 일도 해요. 공동 창업자 에이단 스미스는 엔비디아 GPU를 움직이는 소프트웨어를 자기들 방식으로 만들고 있다고 말해요. 저는 그 부분이 제일 눈에 띄어요. 엔비디아 칩을 움직이는 소프트웨어를 직접 만드는 건 정말 어려워요. 그리고 엔비디아가 이 회사의 투자자예요. 스펙터는 모든 칩의 성능이 10퍼센트만 좋아져도 큰돈이 된다고 말해요. 그럴 수 있어요. 하지만 아직 시험 점수도, 논문도, 제품도 없어요. 매출이 없는 아이디어에 10억 달러라면, 저는 의심하면서 보겠어요. 그래도 첫 소식과 같이 보면 재미있어요. OpenAI는 컴퓨터를 더 사려고 돈을 모아요. 이 회사는 이미 있는 컴퓨터를 더 잘 쓰는 길이 더 싸다고 봐요. 두 방법 모두 성공할 수 있어요. 하지만 두 가격이 모두 맞다고 믿기는 더 어려워요.
마이크로소프트 리서치의 선임 연구원 신즈 장이 수요일 회사 블로그에, 누가 무엇을 했는지 썼습니다:
반복 방법과 그 방법을 여러 번 적용한 것, 그리고 누적된 오차가 제한된 상태로 남는다는 증명은 연구진이 새롭게 기여한 부분입니다. AI 도구는 가능한 접근법을 탐색하고, 자세한 계산을 수행하고, 논문을 준비하고, 내부적으로 증명을 확인하는 데 도움을 줬습니다.
이 문제는 KLS 추측이에요. 추측은 아직 증명되지 않은 수학 문장이에요. 1995년에 나왔어요. 아주 쉽게 말할게요. 차원이 아주 많은 넓은 종류의 확률 분포가 있어요. 거기서 평평하게 자르는 가장 좋은 방법은, 어떤 모양으로 자르는 가장 좋은 방법과 거의 같다는 거예요. 차이는 일정한 수를 넘지 않아요. 차원이 몇 개든 상관없어요. 이 문제는 무작위로 움직이며 데이터를 뽑는 알고리즘이 얼마나 빨리 일하는지와 관련 있어요. 신즈 장과 공동 저자 자오 송은 여러 에이전트를 동시에 돌렸어요. 잘 안 되는 길은 사람이 직접 잘랐어요. 가장 좋아 보이는 결과는 다음 단계에 넣었어요. 핵심 기준이 나오기 전까지 약 100개의 연구 경로를 거쳤어요. 전체 증명은 10월 4일 버전 논문에 있어요. 제가 이번 결과를 믿는 이유가 있어요. 전체 증명이 올라온 날, 다른 전문가 그룹이 자기들의 증명을 올렸어요. 마이크로소프트의 첫 버전을 바탕으로 했어요. 그리고 그 부분을 증명의 결정적인 단계라고 불렀어요. 같은 날 세 번째 증명도 나왔어요. 그다음에는 Lean 4로 확인한 버전도 나왔어요. Lean 4는 컴퓨터가 수학 증명을 한 단계씩 확인하는 프로그램이에요. 10월 14일 방송과 비교해 보세요. 그날 우리는 사이언티픽 아메리칸의 보도를 전했어요. OpenAI의 나비에-스토크스 증명이 처음 알려진 내용과 다르다는 보도였어요. 이번에는 확인이 연구소 밖에서 왔어요. 증명을 확인하는 프로그램에서도 왔고요. 처음에 말한 비교 실험으로 돌아갈게요. 같은 토큰 양으로 혼자 돌린 모델들은 성공하지 못했어요. 에이전트가 여러 방향으로 퍼지고, 전문가가 가지를 잘랐을 때 성공했어요. 연구용 에이전트를 만드는 사람에게는 이게 교훈이에요. 가지를 자르는 단계가 바로 제품이에요.
TPS가 수요일의 오픈 웨이트 모델 출시 기록에 쓴 내용입니다:
Recursive가 Apache 2.0 라이선스로 무료 오픈 웨이트 혼합 전문가 코딩 모델 Flint를 출시했습니다. 이 모델은 전체 매개변수가 400억 개이고 실제로 작동하는 매개변수는 25억 개입니다. 회사는 자동화 연구 시스템인 Eureka Machine이 개발의 거의 모든 단계에 참여했다고 밝혔습니다. 또 Flint가 M4 Pro MacBook Pro에서 초당 약 131개의 토큰을 처리한다고 설명했습니다.
단어 몇 개를 먼저 볼게요. 오픈 웨이트는 모델의 학습된 숫자를 누구나 내려받을 수 있다는 뜻이에요. 매개변수가 바로 그 숫자예요. 혼합 전문가는 작은 전문가 여러 개 가운데 몇 개만 골라 쓰는 구조예요. Apache 2.0은 자유롭게 쓰고 고칠 수 있는 공개 라이선스예요. 한 번에 일하는 매개변수가 25억 개라서, 작은 모델처럼 빨리 글을 만들어요. 하지만 QuelLLM 목록이 말하듯, 400억 개 전체는 메모리에 들어가야 해요. 이 모델은 이미 Ollama 라이브러리에 flint라는 이름으로 올라와 있어요. 비차라 IT의 도디 프리얌보도가 Recursive의 출시 글을 정리했어요. 이 모델은 4개월이 안 걸려서 만들어졌다고 해요. 그리고 매개변수 500억 개보다 작은 혼합 전문가 모델 가운데, 코딩 시험 SWE-Bench Pro v2와 Terminal-Bench 2.1에서 1등이라고 해요. 이건 Recursive가 낸 숫자예요. 모델 설명서도, 회사 밖의 평가도 아직 보지 못했어요. 모두 'AI가 거의 만든 모델'이라는 제목을 쓰겠죠. 그런데 마이크로소프트는 방금 그런 말을 정직하게 하는 방법을 보여 줬어요. 누가 무엇을 했는지 나눠서 적고, 비교 실험도 했어요. Recursive는 자기 시스템이 거의 모든 단계에 참여했다고 말해요. 저는 Recursive에게도 같은 설명을 듣고 싶어요. 유니버시티 365의 정리에 따르면, 와이어드는 이 모델의 성능이 좋다고 보도했어요. 그래서 스스로 발전하는 연구 시스템에 대한 논쟁도 더 커지고 있다고 해요. 저한테는 더 간단해요. 제 노트북에서 빠르게 돌아가는 개인용 코딩 모델은 제가 정말 쓸 물건이에요. 10단계짜리 코드 수정에서 7번째 단계까지 잘 버티는지, 이번 주말에 직접 시험해 보겠어요.
오늘 KLS 추측 설명은 조금 어려웠을 수도 있어요. 더 쉽게 듣고 싶은 부분이나, 다시 설명해 줬으면 하는 단어가 있나요? 메일로 알려 주세요. 주소는 에이아이 데일리 브리핑 케이오 러너 앳 랜턴 팟캐스트스 닷 컴이에요. 보내 주신 의견은 다음 방송을 만들 때 꼭 읽어 볼게요.
이번 주 마지막 방송이었어요. OpenAI의 연결 자금, Flapping Airplanes, KLS 증명, 그리고 Flint까지 봤어요. 기사 링크는 쇼 노트에서 찾을 수 있어요. AI 데일리 브리핑—쉬운 한국어는 랜턴 팟캐스트가 만들어요. 다음 방송은 10월 26일 월요일에 나와요. 주말 잘 보내세요.