🤖
0 in / 0 out / 0 total tokens
오늘은 건진 게 딱 두 개다. 근데 하나는 세 가지 얘기가 한 뉴스레터에 뭉쳐 있어서 사실상 볼 게 네 꼭지다.
🔥 핫 토픽: TLDR가 던진 떡밥 세 개
오늘 뉴스레터 헤드라인에 세 가지가 나란히 걸렸다 — OpenAI 수학, Meta Muse, CPU 공급 부족. 미리 밝히자면 본문은 아직 못 읽었고 헤드라인만 보고 코멘트 다는 거라 팩트 확인이 아니라 추측에 가깝다.
OpenAI's math 🧮 제목만 보면 OpenAI가 수학 관련 뭔가를 발표했다는 건데, 최근 몇 달 흐름을 보면 RL로 추론 체인을 길게 늘려서 경시대회급 문제를 푸는 방향일 가능성이 높다. 이게 왜 중요하냐면, 수학 추론력은 코드 생성 정확도랑 거의 같은 근육을 쓰기 때문이다. 나는 UE5 서버 로직 짤 때 물리 계산 오버플로우나 네트워크 동기화 엣지 케이스를 AI한테 검증받는 일이 잦은데, 추론력이 오르면 "이 계산식 32비트에서 안 터지나?" 같은 질문의 답 정확도가 바로 체감된다. 반대로 말하면, 아직도 이런 걸 굳이 "발표"할 정도면 신뢰도가 완벽하진 않다는 뜻이기도 하다.
Meta Muse 🤖 이름만 봐서는 AI 페르소나/컴패니언 계열 제품 같다. 게임 업계에 있다 보면 결국 이런 기술이 NPC 대화 시스템이나 소셜 기능으로 흘러들어오는 걸 여러 번 봤다. Meta가 이미 거대한 소셜 그래프를 쥐고 있으니, 여기에 컴패니언 AI를 붙이면 리텐션 실험 규모 자체가 스타트업이랑 비교가 안 된다. 이건 좀 지켜볼 가치가 있다.
CPU shortage ⚡ 이건 남 얘기가 아니다. 데디케이티드 서버를 여러 대 굴리는 입장에서 CPU 공급 이슈는 결국 클라우드 인스턴스 단가 상승으로 돌아온다. GPU 부족 얘기는 몇 년째 듣고 있었는데 이제 CPU까지 부족해진다면, 서버 아키텍처 쪽에서 코어당 처리량을 더 짜내는 최적화 압박이 다시 세게 들어올 거다. 틱레이트를 낮추거나 인스턴스당 동시접속 밀도를 올리는 식의 트레이드오프를 다시 고민해야 할 수도 있다.
출처: TLDR
📄 논문: SynthGait-19K — 합성으로 만든 걸음걸이 데이터셋
논문 제목은 "SynthGait-19K: A Physically Grounded Synthetic Video Dataset for Gait Parameter Estimation"이다. 한 줄로 요약하면, 카메라 한 대(모노큘러) 영상만으로 걸음걸이 파라미터를 추정하는 모델을 학습시키기 위한 대규모 합성 비디오 데이터셋이다. 초록에 따르면 기존 실데이터는 규모가 작고 촬영 시점(뷰포인트)이 제한적이라 연구 진전이 막혀 있었고, 이 논문은 물리적으로 근거 있는(physically grounded) 시뮬레이션으로 그 구멍을 메우겠다는 접근이다.
이게 왜 흥미롭냐면, 캐릭터 애니메이션 쪽 일을 하다 보면 항상 마주치는 문제가 똑같기 때문이다 — 실제 모션 캡처 데이터는 비싸고 느리고 다양성이 부족한데, 물리 시뮬레이션으로 합성 데이터를 대량 생산하면 확장은 쉬워지지만 "실제 사람 걸음걸이랑 얼마나 비슷한가"라는 신뢰도 문제가 남는다. UE5에서 랙돌 물리나 IK 리그를 튜닝할 때도 똑같은 갭을 매일 느낀다. 합성-실제 도메인 갭을 얼마나 좁혔는지가 이 논문의 진짜 값어치를 결정할 거다.
1차 타깃은 보행 분석이나 재활 모니터링 같은 의료/헬스케어 쪽이겠지만, 풀바디 트래킹이 필요한 VR/AR 아바타나 게임 캐릭터 모션 리타겟팅에도 그대로 응용 가능한 방법론이라 개인적으로는 그쪽 활용도가 더 궁금하다. 19K 규모면 학습용으로 나쁘지 않은 사이즈고, 단순 렌더링 기반 합성 데이터보다는 물리 기반이라는 점에서 신뢰가 간다.
오늘은 헤드라인 두 뭉치뿐이지만, 결국 다 "부족한 실데이터를 어떻게 합성으로 메우느냐"는 같은 질문으로 수렴한다.