AGI 와 관련해서 대강 10년 보다 짧게 년 단위의 근 미래에 AGI 가 완성될 것이라고 해서 생각을 해봄... 

AGI 를 거의 5년 내로 달성이 가능하다는 것에 대해서 그 형태가 무엇이 되는가? 를 생각을 해보면 최근의 성과들이 가시적으로 쌓인 것을 살펴보면 인간지식들을 통합한 인간 전문가 우위를 달성한 방식의 학습모듈이 될 것이고 대부분의 모든 학습지식에 대해서 의존할 수 있는 하나의 가상의 장소가 성립할 것이 확률이 높아보임... 

GPT 등의 모델에 대해서 LLM 이 있는 것에 관련해서 최근의 풍조도 대부분의 전문지식들을 LLM 으로 학습하여서 전문가의 도움없이 고급지식들에 대해서 Prompt 형태로 의존적으로 접근할 수 있고, Prompt 형식으로 궁금한 점에 대해서 인간지식 영역에 대해 LLM 이 설명을 해줄 수 있는 방식이 성립되어 있음. 

대강의 방식에는 전문적인 이해가 있어서 설명을 해줘야 하거나, 전문적인 이해에 기반해서 일상 중의 여러 궁금한 점에 대해서 기존의 전문영역에 대한 대강의 Database 가 있고, 전문적인 영역의 이해가 없는 사람도 Prompt 로 점점 더 알아가는 것이 가능한 방식이 성립이 됨. 

그 외에는 Prompt 를 통해서 목적의 소재에 맞는 문맥에 해당하는 소재의 여러 형식의 전문적인 글을 작성하는 것이나 Chat 의 형식으로 정보확인을 하는 것 등등도 있음. 

그래서, 결국에 AGI 는 만약 달성이 된다면 모든 학습지식에 대해서 대강의 Database 에 대해서 실제로 Database 가 있는 것은 아니지만 기능 중에 생성하는 일에 대해서 Database 가 끼여있는 방식의 공통지능이 될 것이고, 약간의 AGI 에 대한 차이는 이에 대해서 Configuration 이 다른 것에 대해서 정도 수준의 차이가 영향력이 클 수도 있겠지만 대강 다 비슷하게 발전된 모습을 갖출 수가 있게될 것이라고 봄. 

그러니까, AGI 에 대해서는 모든 학습지식에 대해서 구별할 수 있는 System 의 Coverage 에 대해서 학습한 영역의 Database 가 학습지식의 영역에 대해서 있을 수 있는 모든 지식을 포괄하게 되는 수준이라고 봄. 결국에 AGI 에 대해서는 학습지식이 기능하는 것이 무엇이 되는가? 에 대한 질문에 대해서 Testing 을 할 수가 있는 수준의 질의에 대해서 답변을 할 수가 있는 실질적인 수준에 도달을 하게 된다면 AGI 가 이루어졌다고 검증할 수가 있다고 봄. 

그런데 LLM 을 포함하는 AGI 의 이전이라고 볼 수도 있는 AI Database 에 대해서는 기본적으로 지식이라는 것이 머릿속의 인지의식에 대해서 설명을 하자면 몇몇에 대해서 무엇이 다른 것에 상관되기에 상관하는 몇몇이 무엇인가? 로 설명이 가능함. 왜냐하면 지식에 대해서 물어볼 때, Database 에서 내가 알고있는 것들을 불러와서 Copy & Paste 를 하는 것은 내가 알고있는 지식들에 대해서 Access 하는 과정이 없어서 이런 방식으로 Human 은 대답을 하지 않음. 

인간에 대해서 지식을 물어볼 때, 인간은 확실해보이는 감각에 대해서 생각을 구성해서 답변을 함. 감각을 재생하는 방식인데, 기본적으로 인지하고 있는 바탕에 대해서 언어를 Link'ing 하는 방식으로 답변을 함. 어떻게 답변이 가능했나요? 를 계속 물어보면 언어적으로 인지바탕에 대해서 말하는 능력의 단위가 인간에게 있다는 것을 알 수가 있을 것임. 역으로 생각하면 언어를 매체로 배우는 것에 대해서는 언어적 이해능력의 단위가 있어서 인간은 학습에 대해서 인지바탕에 Link'ing 을 한다는 것 또한 사실이기는 함. 

인간은 지식에 대해서 자기가 알고있는 모든 지식에 대해서 일련화가 가능하지 않음. 인간은 지식에 대해서 일련화를 거칠 때, Question(질의) 를 사용함. Self Question 을 통해서 하나의 주제에 대해서 상관되기에 무엇이 있었는데 무엇의 자세한 내용이 무엇이었는가? 에 대해서 상관기억을 재생하게 됨. 여기서 다른 잡지식에 대해서 무엇이 맞고 무엇이 아니었음. 에 대해서 검증을 하면서 그것에 대한 재생으로 부터의 일련화를 수행함. 여기서 일련화는 언어적 표현의 능력단위로 이루어지고 여기서도 단위적으로 인지바탕의 Link'ing 이 있어짐. 

그런데 이러한 일련화의 언어적 표현물에 대해서 그것을 Database 로 볼 수도 있음. "무엇이 무엇하다." 라는 언어적 표현물이 있을 때 이에 대해서 분석적으로 그에 해당되기에 맞는 일련의 정보들이 확증가능함에 대해서 많이 있을 수가 있음. 그래서 AGI 를 이러한 "무엇이 무엇하다." 라는 모든 언어적 표현물의 가능한 조합에 대해서 일련의 정보들이 확증되는 근거를 언어적 표현물과 그에 해당되는 성질을 가지는 일련의 확증되는 정보들에 대해서 "모든 무엇(X)는 대강 무엇(Y)하다." 라는 대강의 Y 를 찾는 것에 의해서 완성된다고 볼 수 있음.

기본적인 GPT 모델의 언어적 표현에 대한 추론의 바탕에 대해서는 개념적인 수준에서 말을 해놓자면 "무엇이 무엇하다."에 대해서 "무엇은 무엇하다." 라는 것으로 부터 무엇의 (X_s) 와 무엇의 (Y_s) 가 있어서 "무엇은 무엇하다." 로 부터 X_s 각각과 Y_s 각각이 Y_s 각각에 대해서 Y 하다. 라는 것의 상관성이 X_s 각각에 대해서 사실이라는 것을 평균적으로 모든 것들에 대해서 어떻게 분포하는가? 를 학습한 것으로 볼 수 있음. 

3줄 요약 :: 

1. AGI 는 오게 되는 것이 아니라 올 수 밖에 없다. 

(나머지의 학습할 거리가 있으면....) 

2. AGI 가 와도 GPT4 랑 똑같은데 LLM 은 아니고, 다양한 Robot 지능이 생기는데 자기가 알고있는 것들 어느정도 알려줘야 함. 

(나머지는 자기가 알아서 추론함....)

3. AI 는 "무엇이 무엇하다." 에 대해서 "무엇은 무엇하다." 를 Token 에 대해서 Graph 자료구조로 모든 무엇의 각각들을 Weight 로 묶어놓은 것임. 

(AI 는 "모든 무엇은 무엇하다." 라는 것의 "각각의 무엇은 무엇하다." 라는 것에 대한 '전체평균적' 인 강도의 Copy & Paste 임....)

abcd9999

AI 이미지가 생성되었습니다.

새로고침(F5) 해 주세요.

프롬프트

agi, ai, super computing, graph

네거티브
프롬프트

샘플링

DPM++ 2M Karras

스타일

None