레오폴드 SITUATIONAL AWARENESS 요약

전문 읽어보니 흥미로운 내용이 많은대 특갤에 대충 번역기 돌린것만 돌아다녀서 내용 압축 요약해봄

출시 당시 얀르쿤을 포함한 AI 업계인들에게 충격을 준 GPT-2의 성능

문장에서 it이 무엇을 뜻하는지 이해하는 수준이었다 지금으로썬 하찮지만

그마저 성공한 몇 케이스만 나열한 수준이 저정도였다 

그리고 GPT-4는 오류가 있을지언정 미적분과 코딩을 건드리는 수준이 되었다

GPT-2와 비교가 실례일 정도의 격차다 마치 유아와 고딩 수준의 격차다

그리고 이 부분이 이 글의 핵심이다

1. GPT-2와 GPT-4의 격차는 유아와 고등학생 차이

2. 그렇다면 둘 만큼의 격차를 한번더 벌리면 AGI가 나올수 있다!

그렇다면 GPT-2와 GPT-4의 격차는 대충 얼마만큼 인걸까?

일단 학습에 사용된 컴퓨팅 양을 비교하면 대략 3000~10000배 정도 차이가 있다고 한다

그럼 AGI는 컴퓨팅 파워를 대충 10000배 늘리면 가능 할까?

여기서 눈물나는 소식이다 컴퓨팅 파워의 상승은 느려지고 있다

처음엔 단순히 주변에 널려있는 칩을 끌어다가 서버로 만들고 한계에 봉착하자

지금은 GPU 성능 올리겠다고 BF8로 정확도 내리고 트렌스포머 전용 칩설계 하고

가지각색의 화려한 칩설계 똥꼬쇼로 비약적 성능 향상을 이루워 냈지만

점점 최적화로 인한 성능 향상에 한계가 오고있다

물론 매년 칩 성능은 향상되지만 과거 수년 만큼의 향상을 기대하기 어려워지고 있다는뜻이다 

그렇다면 싹다 노동시켜야 하는걸까? 얀르쿤은 신인걸까?

위 첨부 사진은 세가지 이미지 처리 모델들의 같은 성능대비 컴퓨팅 비용을 보여준다

놀랍게도 10년동안 꾸준히 컴퓨팅 효율이 2년 마다 100배 가까이 늘었다!

즉 단순 하드웨어 성능이 아닌 알고리즘의 향상으로 인한 실질적 컴퓨팅 (Effective computing)은

계속해서 늘어나고 있다

하지만 방금 자료는 이미지 구분 AI지 우리가 관심있는 LLM이 아니다

그리고 현재 LLM 훈련의 세부사항은 기밀이기 때문에 우리는 알수없다

대신 간접적인 예측은 할수있다

위 표는 MATH 벤치마크에서 50% 성능을 내기위해 필요한 추론비용이다

이 부분에서도 대략 2년마다 100배 이상 싸지는걸 볼수있다

물론 이걸 훈련비용과 연관짓는건 비약이라고 할수있겠지만

내부자가 아닌 특붕이들은 이걸로 만족하자

컴퓨팅 파워 향상 + 알고리즘 향상을 겹쳐보면

둘의 완벽한 상호보완 을 볼수있다 이정도면 충분한걸까?

아쉽게도 그렇지만은 않다 GPT-4 또한 알고리즘 향상의 수혜를 입었으니

GPT-2 와 GPT-4 의 격차가 최대 100만배 로 뛰어버렸다...

다만 이건 너무 비관적으로 본거고 본문에선 대충 중간값인 10만배 차이로 가정한다

그러나 여기서 우리의 마지막 희망이 등장하니

본문에선 Unhobbling 이라고 표현했는데

대충 우리에게 익숙한

RLHF, 프롬프트(Chain of Thought 등), Context length, 그리고 요즘 최고 떡밥인 Agent 등을 통칭하는거다

이미 닳고 닳은 특붕이들은 이게 뭐 싶을지도 모르나 이게 생각보다 훨씬 중요하다는게 저자의 입장이다

RLHF (대충 인간이 내린 체점으로 학습시키기) 가 없었으면 chatgpt는 존재할수없었고

단순 벤치마크만 봐도 Chain of Thought 프롬프트로 10배의 성능향상 = 10배 실질적 컴퓨팅 향상 을 보여줬고

Context length의 중요성은 특붕이라면 잘알태고

Agent 이 새끼는 사실상 GPT-5 떡밥의 절반 이상이다

이 부분은 컴퓨팅 파워 향상과 알고리즘 향상에 비해 불연속적이고 예측이 어렵다

따라서 예측또한 매우 불확실하다 당장 내일 이걸로 인공지능 성능이 미쳐날뛸수도 있고

특붕이들 말라죽일때까지 특레발만 떨수도 있다 

하지만 확실한건 이것으로 인한 성능 향상은 필연적이고 불가피하다는것이다

이 모든 요소를 종합한 예측치 즉 GPT-4로 부터 10만배의 실질적 컴퓨팅을 쏟아부은

AI가 탄생하는 시점이 2027년일 확률이 매우 높아 보인다는게 이 글의 핵심이다

다른거 다 볼 필요없고 "규모"에만 집중해서 GPT-2와 GPT-4의 "규모" 

즉 10만배의 (5OOMs)을 내는 시기가 2027년 이라는 것이다!

그리고 사실 This decade 즉 늦어도 2030년 즈음 까지 AGI가 오지 않으면

AGI 꿈은 당분간 혹은 오랫도록 날아갈 (bust) 거라는게 저자의 예측이다

왜냐하면 미친듯이 늘어나는 투자비용의 한계

하드웨어 향상의 한계 그리고 알고리즘의 한계를 가만하면

지수적인 실질적 컴퓨팅의 상승도 거기까지가 한계이기 때문

다르게 말하자면 GPT-4와 AGI가 실질적 컴퓨팅 10만배 차이 이상이면

특붕이들의 멸망인것이고 그 이하면 늦어도 6년안에 AGI님이 오시는거다

요약

1. GPT-2와 GPT-4의 "실질적 컴퓨팅" 차이는 대략 10만배

2. 여려요소를 종합해보면 2027년에 GPT-4의 10만배 "실질적 컴퓨팅" 때려박은 AI 나옴

3. 그게 AGI면 특붕이 성불 아니면 싹다 노동시켜

 

I. From GPT-4 to AGI: Counting the OOMs - SITUATIONAL AWARENESS

AGI by 2027 is strikingly plausible. GPT-2 to GPT-4 took us from ~preschooler to ~smart high-schooler abilities in 4 years. Tracing trendlines in compute (~0.5 orders of magnitude or OOMs/year), algorithmic efficiencies (~0.5 OOMs/year), and “unhobbling” gains (from chatbot to agent), we should expect another preschooler-to-high-schooler-sized qualitative jump by 2027. Look. The models, they just

situational-awareness.ai

특이점이 온다 갤러리

레오폴드

레오폴드(leopold)는 뛰어난 제품, 주로 고품질의 기계식 키보드로 잘 알려진 브랜드입니다. 레오폴드 제품은 내구성과 타건감에서 높은 평가를 받고 있으며, 특히 키보드 사용자들 사이에서 많은 인기를 끌고 있습니다. 다양한 스위치 옵션과 뛰어난 디자인으로 개인 맞춤형 입력 경험을 제공합니다.

SITUATIONAL AWARENESS

SITUATIONAL AWARENESS(상황 인식)는 다양한 환경과 상황에서의 정보 수집 및 이해를 통해 현재 상태를 인식하고 미래를 예측하는 능력을 의미합니다. 이는 비즈니스, 군사, 항공, 의료 등 다양한 분야에서 중요한 개념으로, 정확한 상황 인식을 통해 효율적이고 유연한 대응이 가능합니다.

레오폴드 키보드와 상황 인식

레오폴드 키보드는 SITUATIONAL AWARENESS(상황 인식)를 높이는 도구로 활용될 수 있습니다. 특히 프로그래머, 게이머 및 전자 스포츠 선수들은 타이핑 정확도와 반응 속도가 중요한데, 레오폴드 키보드는 이를 최적화하여 사용자의 상황 인식 능력을 향상시킵니다. 빠르고 정확한 입력은 다양한 상황에서의 의사 결정을 보다 신속하고 정확하게 할 수 있게 합니다.

기계식 키보드의 중요성

기계식 키보드는 타이핑 경험을 개선시키고 사용자의 손과 손목 건강을 보호합니다. 또한, 사용자가 입력하는 정보의 정확성과 신뢰성을 높여줍니다. 이런 특징들은 SITUATIONAL AWARENESS를 높이는 데 중요한 요소로 작용합니다.

레오폴드와 사용자 경험

레오폴드 키보드의 고품질과 사용자 맞춤 옵션은 다양한 작업 환경에서 효율성을 극대화합니다. 레오폴드 제품을 사용하는 것은 단순한 타이핑을 넘어서, 전체적인 사용 경험을 개선하여 사용자에게 더 나은 SITUATIONAL AWARENESS를 제공합니다.