딥시크 모델을 받아도 끝이 아닙니다: AI 학습의 숨은 진입장벽
공개 모델은 AI 개발의 출발점을 앞당겨 줍니다. 하지만 도구를 사용하는 에이전트를 훈련하려면, 시행착오를 반복할 실행 환경과 평가 체계도 필요합니다.
공개 모델은 AI 개발의 출발점을 앞당겨 줍니다. 하지만 도구를 사용하는 에이전트를 훈련하려면, 시행착오를 반복할 실행 환경과 평가 체계도 필요합니다.
반도체 공장을 짓는 일과 그 공장에서 만든 칩을 파는 일은 다릅니다. ASML의 장비 판매와 반도체 수요를 구분하고, 공장 보조금이 풀 수 있는 문제와 고객 확보에 필요한 조건을 살펴봅니다.
DOS 기반 업무 시스템을 교체하려면 코드와 함께 업무 규칙, 주변 장비, 운영 절차도 옮겨야 합니다. 익숙한 안정성과 교체 비용 사이에서 무엇을 따져야 하는지 살펴봅니다.
Conversations 같은 오픈소스 메신저가 무료 배포를 택한다면, 개발 비용은 누가 부담할까요. 앱스토어 밖에서 수익과 사용자 신뢰를 지키는 조건을 살펴봅니다.
필요한 앱을 AI가 즉석에서 만드는 스마트폰을 상상해봅니다. 그때 운영체제의 핵심 역할은 생성된 도구에 필요한 권한만 주고, 실행 결과를 사용자가 통제하도록 돕는 일이 됩니다.
캠브리지 애널리티카 사건은 개인정보를 가져간 업체뿐 아니라, 정보가 넘어가는 길을 열어준 플랫폼의 책임을 물었습니다. 동의 버튼만으로는 해결되지 않는 데이터 통제와 이용자 신뢰의 문제를 짚어봅니다.
AI가 만든 계획서에 동의하는 것과 실제 코드의 동작을 이해하는 것은 다릅니다. 계획 모드의 가치를 승인 절차보다 구현과 검증을 연결하는 데서 찾아봅니다.
SIMD는 여러 데이터를 한 번에 처리하지만, CPU가 달라지면 효율도 달라집니다. Go에서 플랫폼 독립 SIMD를 구현할 때 풀어야 할 문제와 성능을 판단하는 기준을 살펴봅니다.
Rails는 웹 개발에 필요한 기능을 공통 규칙으로 묶어 선택과 연결의 부담을 줄입니다. 통합 프레임워크가 덜어주는 복잡성과 여전히 개발팀이 풀어야 할 문제를 살펴봅니다.
AI가 코드를 쓰는 환경에서는 사람이 설계와 변경 내용을 이해하는 일이 중요해집니다. Whiteboard를 계기로 AI의 설계 설명이 코드 이해를 돕는 지점과 별도 검증이 필요한 지점을 짚어봅니다.