지난 몇 년 동안 우리는 AI에서 다음에 무엇이 올지 예측해 왔다. 이 산업이 얼마나 빨리 움직이는지 생각하면 바보의 게임이다. 하지만 우리는 계속 나아가고 있고, 다시 시작한다.

지난번에 우리는 어떤 점수를 받았을까요? 2024년에 주목해야 할 4가지 핫 트렌드 에는 맞춤형 챗봇이라고 불리는 것이 포함되었습니다. 멀티모달 대규모 언어 모델로 구동되는 대화형 헬퍼 앱입니다(확인: 아직 몰랐지만, 지금은 모두가 에이전트 라고 부르는 것에 대해 이야기하고 있었습니다 . 지금 AI에서 가장 핫한 것입니다). 생성 비디오 (확인: 지난 12개월 동안 이렇게 빠르게 개선된 기술은 거의 없습니다 . OpenAI와 Google DeepMind가 이번 12월에 일주일 차이로 주력 비디오 생성 모델인 Sora 와 Veo를 출시했습니다). 그리고 더 광범위한 작업을 수행할 수 있는 보다 일반적인 용도의 로봇(확인: 대규모 언어 모델의 성과는 기술 산업의 다른 부분 으로도 계속 이어지고 있으며 , 로봇 공학이 목록의 맨 위에 있습니다 ). 

우리는 또한 AI가 만든 선거 허위 정보가 어디에나 있을 것이라고 말했지만, 다행히도 우리는 틀렸습니다. 올해는 손을 비비며 걱정해야 할 일이 많았지만, 정치적 딥페이크는 땅에 얇았습니다 . 

그렇다면 2025년에는 무엇이 올까? 여기서는 당연한 것을 무시하겠습니다. 에이전트 와 더 작고 효율적인 언어 모델이 업계를 계속 형성할 것이라고 확신할 수 있습니다. 대신, AI 팀에서 선정한 다섯 가지 대안을 소개합니다.

1. 생성적 가상 놀이터 

2023년이 생성적 이미지 의 해였고 2024년이 생성적 비디오 의 해였다면 , 그 다음은 무엇일까요? 생성적 가상 세계(일명 비디오 게임)라고 맞히셨다면, 모든 면에서 하이파이브를 드립니다.

우리는 2월에 Google DeepMind가 정지 이미지를 가져와 플레이어가 상호 작용할 수 있는 횡스크롤 2D 플랫폼 게임으로 바꿀 수 있는 Genie라는 생성 모델을 공개했을 때 이 기술을 살짝 엿볼 수 있었습니다 . 12월에 이 회사는 시작 이미지를 전체 가상 세계로 바꿀 수 있는 모델인 Genie 2를 공개했습니다.

다른 회사들도 비슷한 기술을 개발하고 있습니다. 10월에 AI 스타트업 Decart와 Etched는 비공식적인 Minecraft 해킹을 공개했는데, 이는 게임의 모든 프레임이 플레이하는 동안 즉시 생성 됩니다 . 그리고 딥 러닝 붐을 일으킨 방대한 사진 데이터 세트인 ImageNet의 창시자인 Fei-Fei Li가 공동 창립한 스타트업인 World Labs는 대규모 세계 모델 또는 LWM이라고 부르는 것을 구축하고 있습니다.

분명한 응용 분야 중 하나는 비디오 게임입니다. 이러한 초기 실험에는 유쾌한 톤이 있으며, 생성적 3D 시뮬레이션을 사용하여 새로운 게임의 디자인 개념을 탐색하고 스케치를 즉석에서 플레이 가능한 환경으로 전환할 수 있습니다. 이를 통해 완전히 새로운 유형의 게임이 탄생할 수 있습니다 . 

하지만 로봇을 훈련하는 데에도 사용될 수 있습니다. World Labs는 소위 공간 지능, 즉 기계가 일상 세계를 해석하고 상호 작용할 수 있는 능력을 개발하고자 합니다. 하지만 로봇 연구자들은 이러한 기술을 훈련할 실제 세계 시나리오에 대한 좋은 데이터가 부족합니다. 무수한 가상 세계를 만들고 가상 로봇을 그 안에 넣어 시행착오를 통해 학습하게 하면 이를 보완하는 데 도움이 될 수 있습니다.   

2. "추론"하는 대규모 언어 모델

소문은 정당했습니다. OpenAI가 9월에 o1을 공개했을 때, 대규모 언어 모델이 작동하는 방식에 새로운 패러다임을 도입했습니다. 2개월 후, 이 회사는 o3로 거의 모든 면에서 그 패러다임을 발전시켰습니다. 이 모델은 이 기술을 영원히 바꿀 수도 있습니다.

OpenAI의 주력 모델인 GPT-4를 포함한 대부분의 모델은 처음 나온 응답을 내뱉습니다. 때로는 맞고, 때로는 맞지 않습니다 . 하지만 이 회사의 새로운 모델은 단계별로 답을 처리하도록 훈련되어 까다로운 문제를 일련의 더 간단한 문제로 분해합니다. 한 가지 접근 방식이 효과가 없으면 다른 방법을 시도합니다. "추론"이라고 알려진 이 기술(예, 이 용어가 얼마나 큰 의미를 갖는지 정확히 알고 있습니다 )은 이 기술을 더욱 정확하게 만들 수 있으며, 특히 수학, 물리 및 논리 문제에 유용합니다.

그런 다음 멈추었습니다. 어떤 종류의 밀가루를 골라야 할지 알아낼 수 없었습니다. Goel은 Mariner가 채팅 창에서 단계를 설명하는 것을 지켜보았습니다. "브라우저의 뒤로 가기 버튼을 사용하여 레시피로 돌아갑니다."놀라운 순간이었습니다. 벽에 부딪히는 대신, 에이전트는 작업을 별도의 작업으로 나누고 문제를 해결할 수 있는 작업을 선택했습니다. 뒤로 가기 버튼을 클릭해야 한다는 것을 알아내는 것은 기본적인 것처럼 들릴 수 있지만, 생각 없는 봇에게는 로켓 과학과 비슷합니다. 그리고 그것은 효과가 있었습니다. Mariner는 레시피로 돌아가 밀가루 유형을 확인하고 Goel의 바구니를 계속 채웠습니다.

Google DeepMind는 또한 문제 해결에 대한 이러한 단계적 접근 방식을 사용하는 최신 대규모 언어 모델인 Gemini 2.0 의 실험적 버전인 Gemini 2.0 Flash Thinking을 구축하고 있습니다 .

AI의 가장 흥미로운 용도 중 하나는 자연 과학에서 발견을 가속화하는 것입니다. 아마도 이 분야에서 AI의 잠재력에 대한 가장 큰 입증은 작년 10월 스웨덴 왕립 과학 아카데미가 단백질 접힘을 해결할 수 있는 AlphaFold 도구를 만든 공로로 Google DeepMind의 Demis Hassabis와 John M. Jumper에게 노벨 화학상을 수여했고 , 새로운 단백질을 설계하는 데 도움이 되는 도구를 만든 공로로 David Baker에게 수여했을 때였을 것입니다.

내년에도 이러한 추세가 지속될 것으로 예상되며, 과학적 발견을 특별히 목표로 하는 더 많은 데이터 세트와 모델을 볼 수 있을 것입니다. 단백질은 AI의 완벽한 대상이었습니다. 이 분야에는 AI 모델을 훈련할 수 있는 우수한 기존 데이터 세트가 있었기 때문입니다 . 

다음 큰 일을 찾기 위한 사냥이 시작되었습니다. 잠재적인 분야 중 하나는 재료 과학입니다. Meta는 과학자들이 AI를 사용하여 새로운 재료를 훨씬 더 빨리 발견하는 데 도움이 될 수 있는 방대한 데이터 세트와 모델을 출시했으며, 12월에 Hugging Face는 스타트업 Entalpic과 함께 재료 연구를 단순화하고 가속화하는 것을 목표로 하는 오픈 소스 프로젝트 인 LeMaterial을 출시했습니다 . 그들의 첫 번째 프로젝트는 가장 눈에 띄는 재료 데이터 세트를 통합, 정리 및 표준화하는 데이터 세트입니다. 

AI 모델 제작자는 또한 과학자를 위한 연구 도구로 생성 제품을 홍보하고 싶어합니다. OpenAI는 과학자들이 최신 o1 모델을 테스트하고 연구에 어떻게 도움이 될지 확인하도록 했습니다. 결과는 고무적이었습니다. 

4. AI 기업들, 국가 안보에 더욱 적극적

국경 감시, 정보 수집 및 기타 국가 안보 업무에 자사 도구를 제공하려는 AI 기업들은 많은 돈을 벌 수 있습니다. 

미군은 우크라이나 전쟁에서 영감을 받아 소형 드론에 10억 달러를 투자하겠다고 약속한 Replicator 프로그램부터 전장 의사 결정에서 물류에 이르기까지 모든 것에 AI를 도입하는 부대인 Artificial Intelligence Rapid Capabilities Cell에 이르기까지 AI를 도입하고자 하는 열망을 보여주는 여러 가지 이니셔티브를 시작했습니다. 유럽 군대는 도널드 트럼프 행정부가 우크라이나에 대한 지출을 줄일 것이라는 우려로 인해 기술 투자를 늘려야 한다는 압박을 받고 있습니다. 대만과 중국 간의 긴장 고조도 군 기획자들의 마음에 큰 부담이 되고 있습니다. 

방위 산업의 깊은 주머니는 주류 AI 기업도 끌어들일 것입니다. OpenAI는 12월에 Anduril과 협력하여 드론을 격추하는 프로그램을 진행한다고 발표했으며, 군과 협력하지 않는다는 정책에서 1년간의 전환 을 완료했습니다 . 수년간 국방부와 협력해 온 Microsoft, Amazon, Google의 대열에 합류했습니다. 십억 달러를 지출하는 다른 AI 경쟁자들은 2025년에 수익에 대해 진지하게 생각해야 할 더 큰 압박에 직면하게 될 것입니다. 복잡한 작업을 처리할 수 있는 AI 에이전트에 막대한 비용을 지불할 충분한 비방위 고객이나 이미지 및 비디오 생성기에 비용을 지출할 의향이 있는 창의적인 산업을 찾을 가능성이 있습니다. 

5. 엔비디아는 합법적인 경쟁을 보고 있습니다

현재 AI 붐의 대부분 동안, AI 모델을 만드는 데 손을 대고 싶어 하는 기술 스타트업이라면 젠슨 황이 바로 당신의 사람이었습니다. 세계에서 가장 가치 있는 기업인 엔비디아의 CEO인 황은 회사가 AI 모델을 훈련하고 누군가가 사용할 때 모델을 핑하는 데 사용되는 칩, 즉 "추론"에 대한 확실한 리더가 되도록 도왔습니다.

2025년에는 여러 요인이 이러한 상황을 바꿀 수 있다. 우선, Amazon, Broadcom, AMD 등과 같은 거대 경쟁업체가 새로운 칩에 막대한 투자를 해왔으며, 이들이 Nvidia와 치열하게 경쟁할 수 있다는 초기 징후가 나타나고 있다. 특히 추론 분야에서 Nvidia의 우위가 약화되고 있다. 

점점 더 많은 신생 기업들이 다른 각도에서 엔비디아를 공격하고 있습니다. Groq와 같은 신생 기업들은 엔비디아의 디자인을 약간 개선하려고 하기보다는, 충분한 시간이 지나면 더 효율적이거나 효과적인 트레이닝을 제공할 수 있는 완전히 새로운 칩 아키텍처에 더 위험한 베팅을 하고 있습니다. 2025년에도 이러한 실험은 아직 초기 단계일 것이지만, 뛰어난 경쟁자가 최고의 AI 모델이 엔비디아 칩에만 의존한다는 가정을 바꿀 가능성이 있습니다.

이러한 경쟁을 뒷받침하는 지정학적 칩 전쟁은 계속될 것입니다. 지금까지의 그 전쟁은 두 가지 전략에 의존했습니다. 한편으로 서방은 중국으로의 최고 칩과 그것을 만드는 기술 의 수출을 제한하려고 합니다 . 다른 한편으로 미국 CHIPS 법과 같은 노력은 반도체의 국내 생산을 촉진하는 것을 목표로 합니다.

도널드 트럼프는 이러한 수출 통제를 확대할 수 있으며 중국에서 수입되는 모든 상품에 대해 엄청난 관세를 부과하겠다고 약속했습니다. 2025년에 이러한 관세는 미국이 칩 제조업체 TSMC 때문에 크게 의존하고 있는 대만을 무역 전쟁의 중심에 놓을 것입니다. 대만이 제안된 관세를 피하기 위해 중국 기업이 대만으로 이전하도록 도울 것이라고 말했기 때문입니다 . 이는 중국으로부터 대만을 방어하기 위한 미국의 지출에 대해 좌절감을 표명한 트럼프로부터 더 많은 비판을 받을 수 있습니다. 

이러한 세력이 어떻게 작용할지는 불분명하지만, 칩 제조업체가 대만에 대한 의존도를 줄이도록 더욱 유인할 뿐이며, 이것이 CHIPS 법의 전체 목적입니다. 이 법안의 지출이 유통되기 시작하면서, 내년에는 국내 칩 생산을 실질적으로 늘리고 있는지에 대한 첫 번째 증거가 나올 수 있습니다.