🤖
1413 in / 3495 out / 4908 total tokens
📰 뉴스
AI 과대광화 지수: 졸업식에서 야유받는 AI
에릭 슈미트 전 구글 CEO가 애리조나대 졸업식에서 AI 찬양 연설을 하다가 졸업생들에게 야유를 받았다. "AI가 세상을 바꿀 것"이라는 말에 2026년 졸업생들은 박수 대신 우우~ 하고 비명을 질렀다. 이건 단순히 무례한 학생들 이야기가 아니다. 지금 AI 기술에 대한 대중의 피로감이 얼마나 심한지 보여주는 지표다. 매일 아침마다 "AI 혁명", "AI가 일자리 바꾼다"는 헤드라인이 쏟아지는데, 막상 졸업 후 취업 시장은 냉혹하고 AI로 뭔가 실질적인 걸 해본 경험은 없는 세대에게 AI 찬양은 그저 가소로울 뿐이다.
MIT Tech Review가 매번 AI Hype Index를 만드는 이유가 있다. 기술 발전 속도와 대중 인식 사이의 괴리가 점점 벌어지고 있기 때문이다. 개발자 입장에서도 이건 중요하다. 우리가 만드는 AI 제품이 실제 사용자에게 어떤 의미인지 고민하지 않으면 결국 야유받는다. UE5로 게임 만들 때도 마찬가지다. "나노이트! 루멘!" 하고 기술 자랑만 하면 플레이어는 외면한다. 재미가 먼저다. AI도 마찬가지다. 기술이 아니라 문제 해결이 먼저다.
출처: MIT Tech Review - The AI Hype Index
테슬라 로봇 공장, 우주 데이터센터
테슬라가 옵티머스 로봇 양산을 위한 전용 공장을 짓고 있다. 우주 데이터센터 얘기도 나온다. 위성 궤도에 데이터센터를 올리면 지상 전력망 의존도를 낮출 수 있고, 극지방 냉각 비용도 없앨 수 있다. 푸시 알림의 미래도 언급됐는데, AI가 사용자 컨텍스트를 이해해서 알림을 필터링하는 방향으로 진화하고 있다.
이 세 가지를 묶어보면 하나의 흐름이 보인다. 물리 세계와 디지털 세계의 경계가 허물어지고 있다는 거다. 테슬라 로봇 공장은 AI를 물리적 형태로 양산하는 거고, 우주 데이터센터는 AI 연산을 물리적 한계 밖으로 밀어내는 거다. 게임 개발자 시각에서 보면 흥미롭다. 서버 아키텍처를 짤 때 레이턴시와 물리적 거리가 항상 병목인데, 위성 데이터센터가 현실화되면 글로벌 멀티플레이어 게임의 네트워크 토폴로지가 완전히 달라질 수 있다. 하지만 현실은 아직 멀었다. 스타링크도 지상 스테이션 없이 직접 연결하는 건 초기 단계다.
푸시 알림 AI 필터링은 사이드프로젝트로 바로 써먹을 수 있다. Ollama로 로컬에 소규모 모델 돌려서 내 알림 컨텍스트를 학습시키면, 개인용 알림 매니저를 만들 수 있다. 이건 나도 해보고 싶다.
출처: TLDR - Tesla's robot factory, space datacenters
⭐ 오픈소스
ForgeX-Lab: 로컬 AI 모델 트레이닝 워크벤치
ForgeX-Lab은 로컬에서 AI 모델 트레이닝, 증류, 모델 수술, GGUF 변환, Ollama 익스포트를 한 번에 할 수 있는 워크벤치다. 태그를 보면 ai-workbench, dataset-management, dpo(Direct Preference Optimization)가 있다. 즉, 단순히 파인튜닝하는 걸 넘어서서 데이터셋 관리부터 모델 경량화까지 전체 파이프라인을 커버하겠다는 거다.
이게 왜 중요한가. 클라우드 API 종속성에서 벗어날 수 있기 때문이다. OpenAI, Anthropic API로 뭔가 만들면 편하지만, 비용이 계속 나가고 프라이버시 이슈도 있다. ForgeX-Lab 같은 툴이 성숙해지면 로컬에서 내 데이터로 내 모델을 만들 수 있다. 게임 개발에서도 NPC 대화 시스템, 레벨 디자인 어시스턴트 같은 걸 로컬 모델로 돌릴 수 있다. 서버 비용 안 나간다.
모델 수술(model surgery)이라는 개념이 재미있다. 트랜스포머 레이어를 뜯어고치는 거다. 예를 들어, 특정 태스크에 불필요한 레이어를 제거하거나, 어텐션 헤드를 가지치기해서 모델을 경량화한다. 이건 게임 최적화랑 비슷하다. UE5에서도 안 쓰는 머티리얼 노드 제거하고, LOD 설정하고, 오클루전 컬링하는 거랑 같은 맥락이다. "필요한 것만 남긴다"는 최적화 철학이 AI 모델에도 적용되는 거다.
GGUF 변환과 Ollama 익스포트는 실용적이다. GGUF는 llama.cpp에서 쓰는 포맷이고, Ollama는 로컬 LLM 실행 표준이다. 이걸 원클릭으로 할 수 있다면, 사이드프로젝트 빌더 입장에서 엄청 편하다. 예전에 Llama 모델을 GGUF로 변환하려고 Python 스크립트 3개 돌렸는데 중간에 에러 나서 삽질한 기억이 난다. 이런 툴이 있었으면 3시간 아꼈을 거다.
앞서 언급한 AI 과대광화 역풍과도 연결된다. 대중은 AI에 회의적이지만, 개발자 커뮤니티에서는 조용히 실용적인 툴이 성숙하고 있다. 헤드라인은 안 나오지만, 이런 인프라가 쌓이면 결국 전환점이 온다.
AI가 야유받는 시대에, 조용히 로컬에서 모델을 굽는 개발자들이 진짜 혁신을 만든다.