OpenAI London Developer Day에서 Ultraman의 최신 인터뷰가 드디어 전체 공개되었습니다!
40분간의 인터뷰 동안 알트만은 OpenAI의 미래 모델 개발 방향인 Agent와 가장 존경받는 경쟁사에 대해 이야기했을 뿐만 아니라(이전에 부분적으로 유출되었던 이슈들입니다) Scaling Law, 반도체 공급망, 그리고 모델 경쟁 비용, 직원 채용 연령 등 10가지 이상의 질문을 신속하게 질문하고 답변했습니다 .
OpenAI의 CEO 자리에 대해 어떤 사람이고 아직 준비가 되어 있지 않은지에 대해 물었을 때.
울트라맨은 주저 없이 말했다: 제품!
전반적으로 내 약점은 제품에 있습니다.
이제 회사는 나에게 이 분야에 대한 더욱 강력하고 명확한 비전을 요구합니다.
흥미로운 점은 39세의 울트라맨에게 23~24세의 과거로 돌아가게 해준다면 수직적인 방향으로 AI에 관련된 일을 해볼 생각이 있다는 점이다.
예를 들어 인간의 학습을 돕는 AI 튜터나 AI 변호사, AI CAD 엔지니어 등이 있다.
이 멋진 인터뷰의 전문은 아래에 첨부되어 있습니다. 일부 단락은 원래 의미를 변경하지 않고 삭제되었습니다.
마지막으로 11가지 간단한 질문과 답변이 있습니다~
콘텐츠 간략한 개요
OpenAI London Developer Day에서 Ultraman과의 인터뷰
Q1: 미래를 내다볼 때 OpenAI에는 앞으로 o1과 같은 모델이 더 많아질까요, 아니면 더 큰 매개변수를 가진 모델을 기대할 수 있을까요?
A: 물론 종합적으로 발전하기를 바라지만, 추론 모델의 방향이 특히 중요합니다 . 우리는 수년 동안 달성하기를 기대해 온 많은 일을 해결하기 위해 추론을 사용하기를 희망합니다.
예를 들어 추론 모델은 새로운 과학에 기여하고 어려운 코드를 작성하는 데 도움을 줄 수 있습니다. 저는 이것이 세상을 크게 발전시킬 수 있다고 생각합니다.
따라서 O 시리즈 모델의 급속한 개선을 기대할 수 있으며 이는 큰 의미가 있습니다.
Q2: 또한 OpenAI의 향후 계획에 따르면, 비기술적인 창업자로서 코드 없는 도구를 개발하여 AI 애플리케이션을 구축하고 확장할 수 있다고 어떻게 생각하시나요?
A: 그런 날이 꼭 있을 거예요.
우리의 첫 번째 단계는 코드 작성 방법을 아는 사람들의 생산성을 높이는 것이지만, 결국 우리는 여전히 진정한 고품질의 코드 없는 도구를 제공하기를 희망합니다.
몇 가지 의미 있는(코드 없는) 도구가 있지만 완전히 코드 없는 스타트업을 구축하려면 시간이 걸립니다.
Q3: 창립자 중 한 명이 질문했습니다. 현재 OpenAI는 확실히 기술 스택의 어딘가에 위치합니까? OpenAI가 결국 애플리케이션의 이 부분을 다룰 것이기 때문에 RAG 시스템을 튜닝하는 데 많은 시간을 소비하는 것은 시간 낭비입니까?
A: 우리는 대개 OpenAI가 최선을 다할 것이라고 대답하며 우리가 출시하는 모델을 점점 더 좋게 만들 것이라고 굳게 믿습니다.
"작은 버그를 패치"하여 생계를 유지하는 회사를 구축하는 경우 OpenAI가 작업을 원활하고 올바르게 진행하는지 여부는 그다지 영향을 미치지 않습니다.
다르게 말하면, "OpenAI의 모델이 점점 더 좋아지고 있다"고 해서 회사가 더 성공할 수 있다면 분명 기뻐할 것입니다.
예를 들어 오라클이 OpenAI의 o4가 당신이 상상하는 것보다 더 강력할 것이라고 비밀리에 말한다면 당신은 분명 기뻐할 것입니다.
물론, o1-preview가 잘 수행되지 않는 영역을 선택하여 탐구하고 거의 기반으로 삼지 않는다면, 우리 차세대 모델이 상상한 만큼의 성능을 발휘하지 못할 것이라는 것을 확실히 느낄 것입니다.
——스타트업에게 하고 싶은 말은 이것이다.
우리는 OpenAI가 매우 가파른 개선 과정에 있으며 현재 모델의 단점은 후발 업체에 의해 해결되고 보완될 것이라고 믿습니다.
Q4: 창업자의 관점에서 OpenAI가 성공할 가능성이 있는 곳은 어디입니까(다른 곳은 아님)? 나는 투자자들도 이 문제를 이해하고 싶어하며, 투자로 인해 돈을 잃고 싶어하는 사람은 없다고 생각합니다.
A: OpenAI는 수조 달러의 시장 가치를 창출할 것입니다. 특히 AI를 사용하여 이전에는 불가능하거나 비실용적이라고 간주되었던 제품과 서비스를 구축함으로써 시장 가치의 새로운 최고치를 창출할 것입니다.
사용자가 걱정할 필요 없이 하고 싶은 일만 할 수 있을 정도로 훌륭한 모델을 출시하고 싶습니다.
GPT-3.5 시대에는 스타트업과 사람들의 95%가 모델이 나아지지 않을 것이라고 장담하고 있습니다.
사실 우리는 GPT-4가 자신이 하는 일을 더 잘 처리하고 더 잘할 수 있으며 3.5 시대의 모델과 같은 실수는 없을 것이라고 오랫동안 예견해 왔습니다. 모든 기업가/개발자가 특정 세대 모델의 단점을 보완하는 것이라면 이러한 단점이 점점 더 미미해진다는 것을 알게 될 것입니다.
몇 년 전 모델이 얼마나 형편없었는지 다들 잊으셨나요? 사실, 불과 몇 년밖에 지나지 않았습니다.
하지만 기회는 어디에나 있기 때문에 기존 모델을 패치하는 것이 언뜻 보기에는 좋은 기회처럼 보입니다(그래서 저는 AI 조교나 AI 의료 컨설턴트가 되지 않겠습니다).
그렇기 때문에 처음에는 95%의 사람들이 모델이 더 이상 개선되지 않을 것이라고 확실히 믿었고, 단지 5%의 사람들만이 모델이 점점 더 좋아질 것이라고 확신했습니다.
하지만 이제는 더 이상 그렇지 않다고 생각합니다.
이제 다들 GPT-3.5가 GPT-4로 진화하는 속도가 표준이 될 것이라고 생각하지만 그렇지 않습니다. 좋은 점은 내부 직원이 매우 부지런하고 무엇을 기대해야 할지 알고 있다는 것입니다.
Q5: SoftBank의 손 마사요시(Masayoshi Son)는 AI가 매년 9조 달러의 가치를 창출할 것이며, 이는 그가 생각하는 연간 지출 9조 달러를 상쇄할 것이라고 말했습니다. 이 발언을 보면 어떤 생각이 드시나요?
A: 규모로 따지면 지금도 거의 비슷해요. AI는 분명히 많은 자본 지출을 초래하는 동시에 많은 가치를 창출할 것입니다.
이는 모든 대규모 기술 혁명에서 발생하며 AI는 분명히 그중 하나입니다.
내년은 OpenAI가 차세대 시스템을 향해 힘차게 전진하는 해가 될 것입니다.
방금 노코드 소프트웨어 에이전트가 언제 나타날지에 대해 이야기했습니다. 정확한 시간을 말씀드릴 수는 없지만, 회사 전체에 원하는 소프트웨어를 설명할 수 있다면 이것이 세상에 얼마나 많은 경제 성장을 가져올지 상상할 수 있습니다. .
동일한 가치로, 더 널리 사용 가능하고, 더 쉽게 접근할 수 있으며, 더 저렴하다면 매우 강력할 것입니다.
앞서 언급한 의료 및 교육과 같은 다른 예도 있습니다. 이 두 분야는 전 세계적으로 수조 달러의 가치가 있습니다.
만약 AI가 진정으로 과거와 다른 방식으로 이를 달성할 수 있다면, 도입이 9조인지 1조인지는 말할 것도 없고, AI가 가져오는 구체적인 경제적 가치의 숫자도 전혀 중요하지 않다고 생각합니다.
하지만 확실한 것은 AI가 창출하는 가치는 실로 어마어마하다는 점이다.
Q6: 오픈 소스는 매우 중요한 접근 방식입니다. 인공 지능의 미래에서 오픈 소스가 어떤 역할을 한다고 보시나요? OpenAI에서 “모든 모델을 오픈소스로 공개해야 할까요, 아니면 일부 모델을 오픈소스로 공개해야 할까요?”에 대한 내부 논의가 있나요?
A: 오픈소스 모델이 생태계에서 매우 중요하다는 점에는 의심의 여지가 없으며, 시장에도 아주 좋은 오픈소스 모델이 있습니다.
그러나 나는 좋은 서비스와 API를 제공하는 것도 의미가 있다고 생각합니다. 그것은 의미가 있고 사람들은 자신에게 적합한 것을 선택할 것입니다.
Q7: 오늘날 Agent의 정의에 대해 어떻게 생각하시나요? 당신에게 에이전트란 무엇인가요?
A: 이 문제를 충분히 고려하지는 않았지만 에이전트에 장기적인 작업을 부여하고 실행을 가능한 한 적게 감독할 수 있습니다.
Q7': 에이전트에 대한 사람들의 인식이 실제로 잘못되었다고 생각하시나요?
A: 어쩌면 우리 모두가 정확한 이해를 갖고 있지는 않을 수도 있지만, 몇 가지 중요한 지표는 모두 알고 있습니다.
예를 들어 사람들이 자신을 대신해 행동하는 AI 에이전트에 대해 이야기할 때 에이전트에게 레스토랑 예약을 요청하는 경우를 자주 예로 들 수 있습니다. 대리인은 온라인으로 예약하거나 레스토랑에 전화하여 예약할 수 있습니다.
실제로 상담사는 시간을 절약하기 위해 몇 가지 작업을 수행하는 데 도움을 줄 수 있습니다. 하지만 정말 흥미로운 점은 인간이 하지 않거나 할 수 없는 일을 에이전트가 하도록 하는 것입니다.
예를 들어, 에이전트는 예약을 위해 특정 레스토랑에 전화하는 대신 300개 레스토랑에 연락하여 나에게 가장 적합한 레스토랑을 찾아줍니다. 당신이 걸었던 모든 전화에 상담원이 응답한다면 더욱 멋질 것입니다! 왜냐하면 인간은 이런 일을 대규모로 동시에 발전시킬 수 없기 때문입니다.
좀 더 흥미로운 예를 들어보겠습니다.
에이전트는 2일 또는 2주가 걸리는 프로젝트에서 함께 작업하는 매우 똑똑한 동료일 수 있습니다. 에이전트는 스스로 작업을 수행하고 필요할 때 의사소통을 잘 수행할 수 있습니다. 프로젝트에 대한 뛰어난 결과.
Q7": 이로 인해 SaaS 가격 책정 방식이 근본적으로 바뀌나요? SaaS는 일반적으로 사용자 수에 따라 가격이 책정되지만 (좌석 요금 부과) 이제는 실제로 AI가 노동력을 대체하고 있습니다. 향후 가격 책정은 어떻게 보시나요?
A: 추측만 할 뿐, 잘 모르겠습니다.
"나는 1/10/100 GPU가 지속적으로 작동하기를 원합니다"라고 요구할 수 있고 좌석당 가격이 책정되는 것이 아니라 이 문제를 지속적으로 처리하는 데 필요한 컴퓨팅 양에 따라 가격이 책정되는 세상을 상상할 수 있습니다. .
Q7"': Aengts 사용 시나리오에 대한 특정 모델을 구축해야 합니까?
A: 확실히 인프라가 많이 필요하지만 o1 모델은 상담사 업무를 잘 수행할 수 있는 모델을 가리키는 것 같아요.
Q8: 모든 사람들은 모델이 자산의 가치를 떨어뜨리고 있으며 모델의 상품화가 매우 일반적이라고 말합니다. 이에 대한 귀하의 반응과 생각은 무엇입니까? 모델 훈련에 필요한 자본 집약도가 계속 증가하는 점을 고려하면 "이 분야는 많은 돈이 필요하지만 실제로 할 수 있는 사람은 거의 없습니다"라는 반전을 보게 될까요?
A: 모델은 실제로 자산 가치를 떨어뜨리지만 그렇다고 훈련 비용을 들일 가치가 없다는 의미는 아닙니다. 모델을 훈련할 때 긍정적인 복합 효과는 말할 것도 없고 다음 모델을 더 잘 훈련할 수 있습니다.
모델에서 얻는 실제 수익은 투자를 정당화합니다. 물론 모든 사람이 이것을 할 수 있는 것은 아니며 모델 교육과 관련하여 바퀴를 재발명하는 사람들이 많이 있습니다.
훈련하는 모델이 뒤처져 있거나, 끈끈하고 가치 있는 제품이 없다면 투자 수익을 얻기 어려울 수 있습니다.
OpenAI는 수억 명의 사용자가 우리 모델을 사용하는 ChatGPT를 보유하게 된 것을 매우 행운으로 생각합니다.
그래서 비용이 비싸더라도 이 천문학적 수치를 다수의 사용자에게 분산시켜 희석시킬 수 있습니다.
Q9: OpenAI 모델은 시간이 지남에 따라 어떻게 계속해서 차별화됩니까? 이러한 차별화를 확대하기 위해 가장 집중하고 싶은 영역은 무엇입니까?
A: 추론은 현재 우리가 집중하고 있는 가장 중요한 영역이며, 이것이 가치 창출에 있어 다음 세대의 큰 도약을 열어줄 것이라고 생각합니다.
따라서 우리는 다양한 측면에서 모델을 개선할 예정이며, 다중 모드 작업을 수행하고 사람들이 이러한 모델을 사용하려는 방식에 중요하다고 생각되는 다른 기능을 추가할 것입니다 .
Q9': 달성하려는 과제와 목표를 포함하여 추론과 다중 모드 작업을 어떻게 보시나요?
답: 꼭 실현되길 바랍니다. 이를 달성하려면 분명히 약간의 노력이 필요합니다.
그러나 인간은 언어에 능숙해지기 전인 유아기와 초기 아동기에도 여전히 상당히 정교한 시각적 추론을 수행할 수 있습니다.
Q9”: o1의 새로운 추론 패러다임으로 시각적 능력은 어떻게 확장되나요?
A: 스포 없이 이미지 기반 모델이 빠르게 성장할 것으로 기대합니다.
이미지 모델의 빠른 발전을 기대할 수 있습니다 .
Q10: OpenAI는 어떻게 핵심 추론에서 획기적인 발전을 이루나요? Transformers 이외의 접근 방식이나 다른 새로운 기술로 강화 학습을 추진할 필요가 있습니까?
A: 다음은 두 가지 질문입니다. 어떻게 수행하는지, 그리고 Transformer 이후에는 무엇이 오는지입니다.
첫째, 어떻게 하는지는 우리의 비밀입니다.
효과가 있다고 알려진 것을 복사하는 것이 정말 쉬운 이유 중 하나는 무엇이 가능한지 알고 있다는 자신감이 있기 때문입니다. 연구자들이 어떤 일을 하고 나면, 그들이 어떻게 했는지 모르더라도 그것을 복제할 수 있습니다. 이는 GPT-4와 o1의 복제본에서 확인할 수 있습니다.
정말 어려운 점과 제가 OpenAI에 대해 가장 자랑스러워하는 점은 우리가 완전히 입증되지 않은 새로운 일을 반복적으로 수행한다는 것입니다.
많은 기관과 조직이 그러한 일을 할 수 있는 능력이 있다고 주장하지만 실제로 AI 분야 외부를 포함하여 실제로 그렇게 하는 경우는 거의 없습니다.
어떤 의미에서 이것은 인류 발전에 있어서 가장 중요한 투자 중 하나라고 생각합니다.
은퇴하면 책을 쓰고, 내가 배운 것을 담은 책을 쓰고, 이를 할 수 있는 조직과 회사 문화를 구축하는 방법에 대한 경험을 공유하고 싶습니다. 기타) .
비록 그 수는 인간의 독창성에 의해 제한되겠지만 세상에는 이와 같은 조직이 더 많이 필요하다고 생각합니다.
하지만 세상은 이런 조직을 잘 구축하지 못하기 때문에 많은 인재가 낭비되는 것이 현실입니다. 하지만 이런 단체가 많아졌으면 좋겠습니다.
Q11: 재능은 어떻게 낭비되나요?
A: 세상에는 재능 있는 사람들이 많지만, 나쁜 회사에 다니거나 어떤 이유로 인해 잠재력을 최대한 발휘하지 못하는 경우가 많습니다.
제가 AI에 대해 가장 기대하는 점 중 하나는 AI를 통해 모든 사람이 최고의 잠재력을 발휘할 수 있도록 더 잘 도울 수 있기를 바란다는 것입니다.
이 목표는 달성되기가 어렵습니다.
인생의 궤적이 조금만 다르다면 세상의 많은 사람들이 훌륭한 AI 연구자가 될 것이라고 확신합니다.
Q12. 지난 몇 년간 믿을 수 없을 만큼 빠른 성장을 이끈 놀라운 경험을 하셨습니다 . 은퇴하면 회고록을 쓰겠다고 하셨는데, 지난 10년을 돌이켜보면 리더십 스타일에 어떤 중요한 변화가 있었나요?
A: 제가 보기에 지난 몇 년간 가장 놀라운 점은 상황이 변하는 속도입니다.
일반 회사에서는 매출이 0에서 1억 달러로, 그 다음에는 1억 달러에서 10억 달러, 100억 달러까지 갈 수 있는 시간이 충분합니다. 2년 안에 이 과정을 밟을 필요는 없습니다. 우리는 확실히 전통적인 의미의 실리콘밸리 스타트업이 아닙니다.
너무 빨리 도착해야 했고, 배우는 데 더 많은 시간을 투자했어야 했지만 그러지 못한 것들이 많았습니다.
Q12': 배우는데 더 많은 시간을 투자했으면 좋았을 것 같지만 모르는 것이 있나요?
A: 한 가지 말씀드리자면, 10% 성장보다는 "회사가 어떻게 향후 10배 성장할 수 있을지에 집중하자"는 것입니다.
이를 위해서는 얼마나 많은 노력이 필요합니까? 이것이 얼마나 어려운 일입니까?
다음 10% 성장이라면 이전에 효과가 있었던 것이 여전히 효과가 있을 것입니다. 하지만 매출 10억 달러의 회사가 매출 100억 달러로 성장하려면 이전에 했던 일을 단순히 반복할 수는 없습니다. 많은 변화가 필요합니다.
성장이 너무 빨라 기본을 익힐 시간조차 없는 세상에서, 나는 우리가 해야 할 모든 일을 놓치지 않고 다음 단계로 질주하는 데 드는 노력을 심각하게 과소평가했습니다.
Q13: Keith Rabois (실리콘 밸리 투자자, 전 Paypal 부사장) 는 30세 미만의 아주 젊은 사람들을 고용해야 한다고 말했습니다. Peter Thiel(Paypal 창립자) 은 그에게 훌륭한 회사를 만드는 방법을 가르쳤습니다. Secret. 이런 관점에 대해 어떻게 생각하시는지 궁금합니다. 젊고 활력이 넘치지만 경험이 부족한 사람과 경험이 많은 사람을 채용하는 데 어떻게 균형을 맞추나요?
A: 우리가 OpenAI를 설립했을 때 저는 30세 정도였으며 특별히 어리지도 않았습니다.
하지만 현재까지 OpenAI의 발전은 꽤 좋은 것 같습니다~
Q13': 30세 미만 인력 채용에 대해 어떻게 생각하시나요? 그들은 젊고, 활력이 넘치고, 야심적이지만 경험이 부족합니까 (일부는 부자일 수도 있음) ?
A: 분명한 대답은 두 가지 유형의 사람을 고용하면 성공할 수 있다는 것입니다.
우리 팀은 최근 놀라운 일을 해내는 청년을 고용했습니다. 이 사람들이 어떻게 그 어린 나이에 그렇게 좋은 일을 할 수 있는지 이해가 안 돼요. ! 그러나 그것이 바로 그것입니다.
이런 사람들을 찾을 수 있다면 그들은 놀라운 새로운 관점, 에너지 등을 가져올 것입니다.
반면에 지금까지 만들어진 것 중 가장 복잡하고 값비싼 컴퓨터 시스템을 설계할 때 나는 이제 막 시작한 사람에게 돈을 걸고 싶지 않습니다.
그래서 둘 다 필요합니다.
당신이 정말로 원하는 것은 모든 연령대의 사람들로 구성된 매우 높은 수준의 인재와 젊은 사람만 채용하거나 나이 많은 사람만 채용하겠다는 전략이라고 생각합니다.
제가 Y Combinator에 대해 가장 높이 평가하는 점 중 하나는 "경험 부족이 가치 부족을 의미하는 것은 아니다"라는 것입니다.
경력 초기에 엄청난 가치를 창출할 수 있는 매우 유망한 사람들이 있으며, 우리가 그러한 사람들에게 투자해야 한다는 것은 좋은 일입니다.
Q15: 때때로 Anthropic의 모델이 코딩 작업에 더 적합하다고 누군가가 말했습니다. 이유는 무엇입니까? 이 평가가 공정하다고 생각하시나요? 개발자는 언제 다른 모델 공급업체 대신 OpenAI를 선택해야 합니까?
A: 네, Anthropic은 코드 작성에 있어서 매우 인상적인 모델을 가지고 있습니다.
개발자들은 대부분 여러 가지 모델을 사용하게 될 것이라고 생각하고, 에이전트가 점점 더 중요해지면서 앞으로 어떻게 발전할지 모르겠습니다.
저는 AI가 어디에나 있을 것이라고 생각하는데, 현재 우리가 AI에 대해 이야기하고 생각하는 방식은 옳지 않다고 생각합니다. 명확하게 설명해야 한다면 모델에 대한 이야기에서 시스템에 대한 이야기로 넘어가겠지만 시간이 좀 걸립니다.
Q16: 스케일 모델을 고려할 때 스케일링 법칙이 몇 번 이나 모델 반복에 적용될 것이라고 생각하시나요 ? 일반적으로 오래 가지 못할 것이라고 생각했는데, 사람들이 생각했던 것보다 오래 지속되었던 것 같습니다.
A: 이 질문의 핵심은 '모델 역량의 향상이 예전과 같을까?'인 것으로 알고 있습니다.
나는 대답이 '그렇다'라고 믿으며 앞으로도 오랫동안 그러할 것입니다.
Q16': 혹시 이런 의심을 해본 적 있나요?
답: 전혀 그렇지 않습니다.
Q16": 왜요?
A: 훈련 실행 실패나 기타 여러 가지 등 우리가 이해할 수 없는 행동을 경험했습니다.
하나의 패러다임이 끝나감에 따라 우리는 다음 패러다임을 찾아야 합니다.
Q16"': 가장 컨트롤하기 어려운 것은 무엇인가요?
A: 우리가 GPT-4를 공부할 때 매우 어려운 문제가 있었고 어떻게 해결해야 할지 정말 몰랐습니다.
마침내 해결책을 찾았지만 오랫동안 우리는 프로젝트를 어떻게 진행해야 할지 몰랐습니다.
이후 우리는 오랫동안 관심을 가져왔던 방향인 o1과 추론 모델로 방향을 바꾸었지만, 그 전에는 길고 험난한 연구 길을 경험했습니다.
Q17: 훈련과 운영이 실패할 수 있습니다. 사기를 유지하는 것이 어렵나요? 사기를 어떻게 유지/증진할 것인가?
A: 아시다시피, 우리 직원 중 다수는 AGI 구축에 매우 흥미를 갖고 있으며 이는 매우 직접적인 동기가 됩니다.
누구도 성공으로 가는 길이 쉽고 직선적이라고 기대하지 않습니다.
다음과 같은 좋은 속담이 있습니다. "나는 결코 하나님이 내 편이 되도록 기도하지 않습니다. 나는 항상 내가 하나님 편에 있기를 기도하고 소망합니다."
어떤 면에서 딥러닝에 베팅하는 것은 천사의 편에 있는 것처럼 느껴지며, 도중에 큰 걸림돌을 만나더라도 결국에는 항상 잘 풀리는 것 같다는 것을 알게 될 것입니다.
그러므로 이에 대한 깊은 믿음을 갖는 것은 팀의 사기에 매우 유익합니다.
Q18: 정말 이상한 질문을 해도 될까요? 나는 최근에 "인생에서 가장 무거운 것은 철이나 금이 아니라, 내리지 않은 결정이다"라는 훌륭한 명언을 들었습니다. 어떤 결정을 내리지 못한 것이 당신을 가장 괴롭히나요?
A: 내가 내리는 결정과 실패하는 결정은 매일 다르지만 그 중 어느 것도 "큰" 결정은 아닙니다.
다음 제품에 베팅할지 말지, 다음 컴퓨터를 어떤 방식으로든 구축할지 여부와 같은 큰 문제가 있습니다. 이는 일종의 고위험 단방향 포털과 같습니다. 나도 다른 사람들처럼 미루겠습니다.
하지만 무엇보다도 어려운 점은 투표율이 51:49인데도 매일매일 찬성을 하게 만드는 일이 있다는 것입니다. 이런 것들은 그 자체로 51:49일 수도 있고 남들보다 더 잘할 수는 없을 것 같지만 최종 결정은 내가 해야 한다.
Q18': 51:49 문제로 결정을 내려야 할 때 주로 누구에게 전화를 하시나요?
답: 특정인은 없습니다.
한 사람에게 모든 것을 의지하는 것은 잘못된 것 같아요 . 나에게 올바른 접근 방식은 15~20명의 사람들이 나에게 조언을 해주는 것인데, 각 사람은 특정 분야에 대해 좋은 직관이나 배경 지식을 가지고 있습니다.
한 사람에게 모든 일을 맡기는 대신 해당 분야 최고의 전문가를 불러낼 수 있습니다.
Q19: 다음으로 반도체 공급망에 대해 말씀드리겠습니다. 반도체 공급망에 대해 얼마나 우려하시나요?
A: 이 우려를 어떻게 정량화할지 모르겠습니다.
이에 대한 우려가 있다는 것은 인정하지만, 이것이 나의 주요 관심사는 아니지만 모든 우려 사항 중 상위 10%에 속합니다.
우리는 그것에 대해 걱정하기에는 너무 많은 어려움에 처해 있습니다.
어느 정도는 다 잘 될 거라 생각했는데, 지금은 각 레벨이 독립적으로 운영되는 매우 복잡한 시스템이 있는 것 같은 느낌이 듭니다. OpenAI 내에서도 마찬가지이며, 이는 모든 팀에서도 마찬가지입니다.
반도체의 예를 들자면, 올바른 네트워크 결정을 내리고 적시에 충분한 칩을 확보할 수 있어야 하며, 존재할 수 있는 모든 위험을 연구하고 대비하여 전력 가용성의 균형을 맞춰야 합니다. 완전히 눈을 멀게 하거나 방심하지 않은 것은 악용할 수 없는 시스템입니다.
"공급망"은 너무 파이프라인처럼 들리지만, 각 수준에서 전체 생태계의 복잡성은 이전에 어떤 업계에서도 본 적이 없는 것입니다.
글쎄, 그게 아마도 나의 가장 큰 관심사일 것이다.
Q20: 많은 사람들이 특히 흥분과 열정이라는 측면에서 AI의 물결을 인터넷과 비교합니다. 아직은 둘 사이에 지출되는 금액이 좀 다른 것 같아요. Larry Ellison (Oracle 창립자)은 기본 모델 경쟁의 출발점에 도달하는 데 1000억 달러가 소요될 것이라고 말했습니다. 이에 동의하십니까? 이것이 합리적인가?
A: 아니요, 비용이 더 적게 들 것 같아요.
기본 모델 공간에서 경쟁하는 데 드는 비용은 1000억 달러 미만입니다.
흥미로운 현상은 모든 사람들이 새로운 기술에 대해 이야기할 때 이전의 기술 혁명을 예로 사용하는 것을 좋아한다는 것입니다. 나는 이것이 나쁜 습관이라고 생각하지만 사람들이 왜 그렇게 하는지 이해합니다.
내 생각에는 사람들이 AI를 만들기 위해 사용하는 비유는 특히 나쁘다. 인터넷과 AI가 매우 다르다는 것은 분명하다.
비용과 경쟁을 위해 1000억 달러를 지출해야 하는지에 대해 한 가지 언급하셨는데, 인터넷 혁명의 특징은 그 당시에는 시작하기가 정말 쉬웠다는 것이고 많은 기업에게 이 물결은 단지 인터넷의 연속일 뿐입니다. .
누군가가 이러한 AI 모델을 만들고 이를 사용하여 모든 종류의 훌륭한 것을 만들 수 있는 것과 같지만 AI 자체를 구축하려는 경우에는 완전히 다른 이야기입니다.
사람들이 AI를 비교하기 위해 자주 사용하는 또 다른 예는 전기입니다. 여러 가지 이유로 나는 그것이 말이 되지 않는다고 생각합니다.
제가 가장 좋아하는 비유는 트랜지스터입니다.
이는 모든 곳으로 빠르게 확산되는 놀라운 확장 특성을 지닌 새로운 물리적 발견이었습니다.
이제 우리는 인공 지능이 얼마나 빨리 좋아질 것인지 알려주는 일련의 법칙과 같은 무어의 법칙과 같은 것을 상상할 수 있습니다.
모든 사람이 혜택을 누리고 전체 기술 산업도 혜택을 받습니다. 제품과 서비스에는 수많은 트랜지스터가 있지만 실제로는 트랜지스터 회사라고 생각하지 않습니다.
이는 거대한 공급망을 갖춘 매우 복잡하고 비용이 많이 드는 산업 프로세스입니다.
비록 대부분의 경우 그것에 대해 생각하지 않더라도 아주 단순한 물리학의 발견을 바탕으로 엄청난 장기적 경제 성장이 있었습니다.
"이것은 트랜지스터 제품입니다"라고 말하지 않고 "좋아, 이 제품은 나에게 정보를 처리할 수 있다"라고 생각합니다.
물론 트랜지스터의 존재도 무시합니다.
빠른 질문과 답변 이스터 에그
Q1: 만약 당신이 지금 20대 초반이라면, 지금 우리의 인프라를 이용한다면 무엇을 선택하시겠습니까?
A: AI가 지원되는 특정 업종에서는 AI 조교나 최고의 AI 변호사, AI 의료 컨설턴트 등 내가 상상할 수 있는 유사한 것을 선택할 것입니다.
Q2: 만약 책을 쓴다면 이름을 무엇으로 짓고 싶나요?
A: 아직 제목이 준비되지 않았고, 쓰고 싶은 내용을 제외하고는 책의 구상이 완전히 이루어지지 않았습니다.
그러나 나는 그것이 인간의 잠재력에 관한 것이라고 생각합니다.
Q3: AI 분야에서 아직까지 많은 관심을 받지 못하고 있지만 모두가 더 많은 시간을 투자해야 할 분야는 무엇인가요?
A: 당신의 삶 전체를 이해할 수 있는 일종의 AI, 이 문제에 접근하는 다양한 방법을 보고 싶습니다.
실제로 무한한 컨텍스트일 필요는 없지만 어떤 방식으로든 사용자에 대한 모든 것을 알고 모든 데이터에 액세스할 수 있는 AI 에이전트를 가질 수 있습니다.
Q4: Sam, 지난 달에 당신을 놀라게 한 일은 무엇이었나요?
A: 이야기할 수는 없지만 놀랄 만큼 좋은 연구입니다.
Q5: 가장 존경하는 경쟁자는 누구인가요? 왜 그럴까요?
A: 나는 지금 이 분야에 종사하는 모든 사람을 존경한다고 말하고 싶습니다.
저는 이 분야 전체가 매우 재능 있고 열심히 일하는 사람들로 가득 차 있다고 생각합니다.
저는 질문을 피하는 것이 아닙니다. 어디에서나 매우 멋진 일을 하는 매우 재능 있는 사람들이 있다는 점을 지적할 수 있습니다.
Q6: 가장 좋아하는 OpenAI API는 무엇입니까?
A: 새로운 실시간 API는 훌륭하다고 생각합니다. 현재 우리는 많은 훌륭한 기능을 갖춘 거대한 API 사업을 운영하고 있습니다.
Q7: 현재 AI 분야에서 가장 존경하는 사람은 누구인가요?
A: Cursor 팀에 경의를 표하겠습니다.
AI 분야에서 놀라운 일을 하는 사람들이 많이 있지만, AI를 사용하고 AI가 엄청난 가치를 창출하는 정말 놀라운 경험을 제공한다는 점에서 Cursor는 사람들이 이전에 생각하지 못했던 방식으로 조각들을 모으고 있습니다. 제 생각엔 이게 정말 놀라운 일인 것 같아요.
이 답변은 OpenAI의 사람들을 제외합니다. 그렇지 않으면 긴 목록을 지정해야 합니다.
Q8: 지연 시간과 정확성 사이의 절충점을 어떻게 보시나요?
A: 지연 시간과 정확성 사이의 척도 기준이 필요합니다. 빠른 질의응답을 진행하고 있으며, 속도를 높이려는 것이 아니라 너무 오래 걸리지 않으려고 노력하고 있습니다.
이 경우 원하는 것은 (낮은) 대기 시간입니다. 물리학에서 새롭고 중요한 발견을 하고 싶다면 기꺼이 몇 년을 더 기다려야 할 것입니다.
대답은 사용자가 이러한 균형을 제어해야 한다는 것입니다.
Q9: 이 경우 리더십에 대해 모두가 불안해할 것이라고 생각하는데, OpenAI의 리더이자 CEO로서 리더십 분야를 개선하고 싶을 때 가장 개선하고 싶은 부분은 무엇입니까?
A: 목록이 너무 길어요… 어느 것이 1위인지 알아내려고 노력 중이에요.
이번 주에 저를 가장 괴롭히는 것은 과거보다 제품 전략의 세부 사항에 대해 훨씬 더 확신이 없다는 것입니다.
나는 일반적으로 제품이 나의 약점이라고 생각하며 이제 회사는 이 분야에 대해 더 강력하고 명확한 비전을 갖기를 원합니다.
우리는 훌륭한 제품 리드와 훌륭한 제품 팀을 보유하고 있지만 이 분야에서 제가 더 강했으면 좋겠습니다.
Q10: Kevin Weil(CPO로 근무)을 고용하셨습니다 . 저는 Kevin을 오랫동안 알고 지냈는데 그는 정말 좋은 사람입니다. Kevin이 세계적 수준의 제품 리더라고 생각하는 이유는 무엇입니까?
A: “훈육”이 가장 먼저 떠오르는 단어입니다.
우리는 "아니오"라고 말하는 것에 초점을 맞출 것입니다. 사용자를 대신하여 우리가 어떤 일을 할 것인지, 하지 않을 것인지 말하려고 노력할 것이며 환멸을 느끼려고 노력할 것입니다.
Q11: 샘, 인터뷰를 많이 하셨는데요.
마지막으로 OpenAI의 5년 전망과 10년 전망에 대해 이야기하고 싶습니다.
A: 우리가 옳다면 과학 발전을 돕기 위해 향후 2년 내에 시스템 구축을 쉽게 시작할 수 있습니다.
지금으로부터 5년 후, OpenAI의 기술 발전은 놀라울 정도로 빨라질 것이며 미친 짓이라고 할 수 있을 것입니다.
두 번째 요점은 사회 자체가 실제로 거의 변하지 않았다는 것입니다.
5년 전 컴퓨터가 튜링 테스트를 통과할지 모든 사람에게 묻는 것처럼, 모두가 고개를 저을 것입니다.
만약 신탁이 앞으로 무슨 일이 일어날지 말해 준다면 그들은 '아, 이건 말도 안 되는 놀라운 사회적 변화가 될 거야'라고 말할 것입니다.
이제 우리는 실제로 튜링 테스트를 통과했으며 사회는 크게 변하지 않았습니다.
모든 것이 휙휙 지나갔습니다.
제가 계속해서 일어나기를 기대하는 것은 진보, 과학적 진보, 앞으로 나아가는 것, 제가 생각하기에 좋고 건강한 방식으로 모든 기대를 뛰어넘는 것입니다. 반면 사회는 그렇게 많이 변하지 않습니다.