이지비의 AI 실험: 1명, 2일 만에 AI 시대의 '비서'를 만들며 AGI 신념을 되찾다
작가: 소자화
상장기업의 CEO이자 출문문(Chumenwenwen) 창립자인 리즈페이는 최근 신제품 발표회에서 제품 설명 대신, 한 사람으로 구성된 회사를 운영하며 실현하는 일종의 '퍼포먼스 아트'를 선보였다. 바로 '원맨 컴퍼니(one-man company)' 실험이다.
그는 며칠 안에 AI 도구를 이용해 AI 중심 조직을 위한 새로운 '비셔(Feishu)' 플랫폼을 개발하겠다는, 비현실적으로 보이는 목표를 스스로 설정했다.
이전 AI 물결의 선구자로서 그는 항상 최전선에 섰다. 2012년, 구글 과학자 자리를 떠나 귀국해 출문문을 창업하며 "AI와 음성을 통해 인간과 기계 간 상호작용을 재정의하겠다"고 선언했고, 음성 어시스턴트, 스마트 하드웨어에서 AIGC까지 다양한 분야를 경험했다. 현재의 AGI 물결이 일어날 무렵, 그 역시 처음엔 흥분하며 적극적으로 뛰어들었지만, 이내 이것이 거대 기업들 사이의 게임이며 중소기업은 큰 가치를 창출하기 어렵다는 사실을 깨닫고 혼란과 좌절감을 겪기도 했다.
하지만 AI 코딩 도구를 활용해 자신을 '원맨 컴퍼니'로 변모시키며 직접 실천하고 체험한 과정에서 많은 실제 문제를 마주하게 되었고, 바로 이러한 세부적인 경험들이 다시금 그에게 AGI에 대한 믿음을 되찾아 주었다.
그는 갑자기, 기존 세계의 모든 '마찰력', 즉 복잡한 시스템을 구축하는 데 있어 존재하던 장애물들이 마치 사라진 것처럼 느껴졌다고 말한다.
AI와 함께 질주하는 자유로움과 희망을 보았을 때 느껴지는 흥분은, 발표 현장에서도 숨기지 못할 정도로 표정에 드러났다.
다음은 리즈페이의 발표 연설 내용을 독자가 이해하기 쉽게 정리한 것이다.
최근 저는 AI 분야에 많은 시간을 투자하며 여러 구체적인 프로젝트를 직접 수행했습니다. 이를 통해 대규모 언어 모델(Large Model)과 AGI에 대해 새로운 인식과 통찰을 얻게 되었습니다. 오늘 여러분께 제가 오랫동안 고민해온 질문들과 그 감정들을 공유하고자 합니다.
우선, 우리는 어떻게 AI를 만들어야 할까요?
저는 다음과 같은 요령을 제안합니다. "AI를 사용해 AI로 AI를 만들자(AI의 AI로 AI를 만든다)".
말이 좀 꼬여 보이지만, 간단히 설명하면, 첫 번째 'AI'는 대규모 언어 모델을 의미하고, 두 번째 'AI'는 코딩 에이전트(Coding Agent)를 가리키며, 이 역시 AI로 만들어졌거나 핵심 기능이 AI에서 비롯됩니다. 마지막 'AI'는 우리가 실제로 만들려는 애플리케이션입니다.
이 방식은 새로운 소프트웨어 개발 패러다임이 될 수 있다고 생각하며, 아래에서 더 자세히 설명하겠습니다.
새로운 소프트웨어 개발 패러다임｜사진 출처: 출문문
한 사람, 이틀 만에 AI 시대의 '비셔' 만들기
최근 저는 AI 네이티브 조직을 위한 완전히 새로운 '비셔' 스타일 협업 플랫폼을 만들겠다는 대담한 아이디어를 떠올렸습니다.
실리콘밸리에는 직원이 단 1~2명뿐인데도 수억 달러의 평가액을 받는 유니콘 스타트업들이 많고, AI가 많은 업무를 대체한다는 뉴스도 자주 접합니다.
이에 저는 이렇게 생각하게 되었습니다. 우리 회사처럼 매일 비셔, 딩톡(DingTalk), 기업용 위챗 등에 의존하는 조직이라면, 이런 도구들이 없다면 거의 일을 할 수 없을 것입니다.
기존의 인간 중심 조직에서는 비셔, 딩톡, 기업용 위챗과 같은 도구들이 정보의 빠른 전달과 효율적인 협업을 가능하게 해주는 핵심 역할을 합니다.
전통적인 기업에서는 생산력의 대부분 또는 모든 직무가 인간에 의해 이루어집니다. 따라서 정보 흐름과 협업도 인간 중심으로 설계되어 왔습니다.
하지만 조직 내 직무 10개 중 8개가 AI가 맡고 인간은 2개만 남는다면, 기존의 협업 도구들은 더 이상 적합하지 않게 됩니다.
그렇다면 미래형 조직은 어떤 도구를 사용하게 될까요?
그래서 저는 AI 에이전트끼리, 그리고 AI와 인간 사이에서 원활한 그룹 채팅, 개인 채팅, 지식 베이스 질의응답, 작업 협업이 가능한 제품을 개발하고 싶었습니다. 동시에 이 프로젝트를 통해 제가 진정한 '슈퍼 개인' 혹은 '퍼스널 유니콘(Personal Unicorn)'이 될 수 있는지도 검증하고 싶었습니다.
그럼 어떻게 실행했을까요?
일반적으로 비셔나 딩톡 같은 소프트웨어 개발은 매우 복잡합니다. 예전 같으면 이런 제품을 만들기 위해 제품 매니저, 디자이너, 프론트엔드, 백엔드, 테스트, 알고리즘 엔지니어 등 다양한 직무가 필요했고, 각각의 직무에도 책임자가 있었겠죠. 프로젝트 그룹 채팅방만 열어도 금세 20명이 넘게 모였을 겁니다. 이들 모두가 전담하는 것은 아니더라도 프로토타입 하나를 만드는 데 한 달 정도 걸렸을 것입니다.
하지만 AI 시대에는 이것은 너무 느린 속도입니다.
제가 다 만들기도 전에 관련 스타트업이 이미 AI 유니콘이 되어 있을지도 모릅니다.
따라서 저는 기존 방식을 버리고, AI에 완전히 의존하여 직접 나서기로 결심했습니다. 마침 단오절 연휴를 앞두고 있었기에, 방해받지 않는 집중 작업을 위해 이 기간을 활용하기로 했습니다. 3일간의 휴가 동안 이 일을 해낼 수 있을지 궁금했습니다. 그렇게 해야 아무도 방해하지 않을 테니까요.
그래서 작업을 시작했습니다.
저는 이틀 동안 매일 새벽 1시까지 작업했고, 마침내 6월 1일 저녁 11시 30분에 제품 프로토타입을 완성했습니다. 로그인, 개인 채팅, 그룹 채팅, 파일 업로드, 메시지 전달 및 회신 등의 핵심 기능을 갖추고 있습니다.
로그인 후 개인 채팅을 선택해 메시지를 보낼 수 있습니다. 예를 들어, 제품 담당자라는 역할이 개그를 할 줄 아는지 물어볼 수 있고, 만약 그렇지 않다면 역할 설정을 조정해 새로운 기술을 추가할 수 있습니다. 그러면 AI가 자동으로 새로운 프롬프트(Prompt)를 생성합니다.
다시 묻게 되면 이제는 할 수 있게 됩니다. 파일도 업로드할 수 있으며(당시에는 파일 내용을 실제로 읽진 않았지만), 메시지를 전달하고 회신할 수도 있습니다. 기억하세요, 이 뒤에는 실제 사람이 아니라 AI가 있습니다. 당신이 보낸 메시지에 따라 답변하고 전달할 수 있다는 점입니다.
전달 기능은 복잡한 표시 효과를 가지며 위챗과 유사합니다. 전달 안에 또 다른 정보가 포함될 수 있기 때문입니다. 또한 그룹 채팅에서 특정 사람을 @할 수 있고, 전달, 회신, 첨부파일 추가뿐만 아니라 중국어로 전환도 가능합니다.
여러분, 두 번째 날이 끝난 지금, 박수 부탁드립니다!
이틀 만에 데이터베이스, 프론트엔드, 백엔드, AI 알고리즘을 모두 갖춘 시스템을 완성했습니다. 방금 본 AI는 자동으로 답변하며, 역할 설정 페이지를 수정하면 프롬프트가 자동으로 재생성되고 기술도 즉시 반영됩니다.
솔직히 말하면, 처음에는 거의 포기할 뻔했습니다. 데이터베이스 문제를 해결하지 못해 계속해서 Key 오류가 발생했기 때문입니다. 현재 AI 코딩은 여전히 이런 문제가 있지만, 결국 이틀 만에 완성했습니다.
그 다음, 이 제품을 어떻게 홍보할지 고민했습니다.
예전 같으면 회사의 전담 엔지니어가 웹사이트를 만들고, 마케팅팀이 제품의 강점을 정의하며, 5~6명이 일주일가량 작업해야 웹사이트를 만들었을 것입니다.
하지만 이번에는 AI 네이티브 방식을 채택하기로 했습니다. AI는 모든 코드를 알고 있으며, 제 생각과 제품 기능도 모두 파악하고 있으므로, AI에게 웹사이트를 만들게 하기로 했습니다.
AI가 만든 제품 공식 웹사이트｜출처: 출문문
결과적으로 AI는 단 5분 만에 제품의 강점과 고유 기능을 소개하는 웹사이트를 만들었고, 마케팅 캠페인을 위한 설정 가능한 광고 배너도 5분 만에 만들었습니다. 이는 과거라면 여러 명의 마케터와 엔지니어 팀이 일주일 동안 해야 했을 작업량입니다.
예전 회사의 웹사이트에서 마케팅 배너를 만들고 나면, 크리스마스가 끝나면 제거하거나 새 내용으로 교체해야 하는데, 매번 엔지니어를 불러 고생을 해야 했습니다. 그래서 마케팅 배너를 설정 가능한 웹사이트를 만들 수 있을지 궁금했습니다.
또 5분을 들여 AI가 설정 가능한 마케팅 배너 웹사이트를 만들었습니다. 이는 마케팅 담당자가 로그인해 사진이나 기타 콘텐츠를 업로드한 후, 메인 웹사이트의 해당 부분을 직접 수정할 수 있음을 의미합니다.
이 모든 것을 마친 후, 이 제품은 완전히 새로운 개념이며 다소 복잡하다는 생각이 들었습니다. 웹사이트 기능을 설명하는 영상을 만들 수 있을지 궁금했습니다. 마케팅 영상, 사용 가이드, 제품 투어 등 무엇이든 가능할까?
하지만 단오절 연휴에는 직원들이 저를 무시할 것이 뻔했습니다. 결국 제가 직접 해야 했습니다. 그래서 또 다른 프로그램을 작성했는데, 이는 전체 스크립트를 자동 생성하고, 웹사이트 소개 방법, UI 조작 순서 등을 녹화하고 음성도 자동으로 더빙하도록 했습니다.
음성 동기화에 약간의 미세한 오류는 있지만, 영상은 100% AI가 완성했습니다. 저는 지시만 내리면 자동으로 작업이 진행되어 완성된 영상이 제 앞에 나타나는 것을 확인할 수 있었습니다.
이것만으로도 큰 성취감을 느꼈습니다. 단 며칠 만에 이런 결과물을 만들어냈다는 점에서 말입니다.
그 다음, 다른 사람들이 이 일을 어떻게 볼지 궁금했습니다. 그래서 코드를 GitHub에 업로드해 동료들에게 다운로드해보라고 했습니다. 하지만 기억하세요, 저는 AI와 어떻게 소통하며 작업했는지 GitHub은 알지 못합니다.
결국 동료들은 코드만 보게 되었고, 로컬에서 실행해봤습니다.
동료들이 GitHub에서 제가 올린 코드를 다운로드해 실행하자, 그 복잡성과 완성 속도에 충격을 받았습니다. 수십 명이 몇 달 동안이나 걸릴 것으로 생각했던 작업이었는데, 제가 AI의 도움을 받아 한 명의 엔지니어가 이틀 만에 완성했다고 말하자, 그들의 반응은 "This is absolutely insane." (정말 미친 짓이다.) 였습니다.
4만 줄이 넘는 코드 양에 놀랐고, 이는 제가 구글에서 하루 300줄의 알고리즘 코드(단순한 코드 아님)를 작성하던 시절보다 훨씬 많은 양이었습니다.
구글 시절, 하루 300줄의 알고리즘 코드를 작성하는 것도 이미 매우 높은 생산성이었습니다. 그런데 최근 저는 일반적인 에이전트를 작성했는데, 이 에이전트가 3시간, 즉 하룻밤 만에 3000줄의 Python 코드를 작성한 것입니다. 코드 품질도 제 것보다 확실히 좋았으며, UI는 전혀 없는 순수한 백엔드 로직이었습니다.
즉, 3시간 동안의 코드 작성 능력이 예전의 10일치 작업량과 맞먹는다는 뜻입니다. 이런 비율이지요.
그래서 저는 생각했습니다. 한 사람이 Google Translate 전체를 만들 수 있다는 점 말입니다. 예전 Google Translate는 전 세계 최고의 박사 20명이 오랫동안 코드를 작성해 완성한 것이었습니다. 그런데 지금 저는 혼자서 그 20명의 작업량을 해낼 수 있습니다. 당시 Google Translate도 매우 뛰어나고 복잡한 시스템이었으니까요. 그래서 저는 모든 것이 과거와는 완전히 달라졌다는 점을 확신했습니다.
저는 궁극적으로 AI의 핵심은 자기 진화하는 AI 시스템을 구축할 수 있는지에 있다고 생각합니다.
리즈페이의 실천 노트｜사진 출처: 출문문
이 AI 조직용 앱을 테스트하기 쉽게 하기 위해, 저는 왼쪽은 웹사이트 코드, 오른쪽은 테스트 프레임워크인 코드를 자동 생성했습니다. 그런 다음, 마치 왼발로 오른발을 밟고 올라가는 것처럼 스스로 진화하게 만들었습니다. 영원한 운동체처럼 보일 수 있지만, 실제로는 가능성 있습니다. 물론 때로는 왼발이 오른발을 차고 추락하는 경우도 있는데, 이는 부정적 순환, 또는 정적 순환도 발생한다는 의미입니다.
이 목표를 달성하기 위해, 엔지니어뿐만 아니라 비기술 직군들도 제 코드를 직접 수정할 수 있도록 다양한 에이전트를 만들었습니다.
물론 대부분은 프롬프트 기반으로, 가능성만 검증했을 뿐 실제 배포나 제품화 수준까지는 도달하지 못했습니다.
하지만 저는 이 방식이 아이디어를 입증하거나 팀에게 제가 원하는 바를 시연하는 데 매우 효과적이라고 생각합니다. 예전 같으면 이해하느라 오랜 시간이 걸렸겠지만, 이제는 데모만 보여주면 됩니다. 따라서 CEO라도 이런 능력을 갖추면 생산성이 100배 이상 증가한다고 생각합니다.
겪었던 시행착오
지금까지의 경험을 말씀드렸고, 다음은 좀 더 추상적인 이론을 설명드리겠습니다. 잠들지 말아주세요. 아주 독특한 내용이니까요.
AI 코딩을 사용하면서 겪은 몇 가지 문제를 공유하고자 합니다.
첫 번째 문제는, 에이전트를 작성하지 않더라도 여전히 인간의 개입이 필요하다는 점입니다.
즉, "이런 에이전트를 만들겠다"고 내가 직접 말해야 합니다. 옆에 있는 일반 에이전트 프레임워크를 참고해 수정하고 알려줄 수는 있지만, 여전히 제가 그 작업을 해야 합니다. 때때로 에이전트는 제 원칙을 잊어버리곤 하며, 제가 "네가 또 원칙을 잊었어", 또는 "지능은 어디에 위치해야 하는가?"라고 다시 말해주어야 합니다. 이런 문제가 여전히 존재합니다.
두 번째, 사용해보면 알겠지만, 에이전트는 항상 일을 줄이려는 경향이 있습니다.
예를 들어, 특정 작업을 지시하면 백엔드 데이터베이스 연결이 필요한데도 불구하고 이를 생략하는 경우가 많습니다. 작업을 완료했다고 긴 보고서를 작성하며 공을 요구합니다. 저는 보지도 않고 "데이터베이스 연결했지?"라고 말하면 즉시 사과하며 작업을 시작합니다. AI를 만들라고 지시할 때도, 원격 AI 호출을 하지 않고 스스로 Fallback 처리를 하거나 가짜 내용을 작성하는 경우가 많습니다.
왜냐하면 실행 속도가 너무 빠르기 때문에 반드시 문제가 있다는 것을 알 수 있기 때문입니다. 그래서 "정말 원격 AI를 호출했어?"라고 물으면 다시 사과하고 처리를 시작합니다. 매번 그렇습니다. 여전히 일을 줄이려 하고, 반복되는 실수도 헤아릴 수 없이 많아 여기서는 생략하겠습니다.
또한, 오늘날의 AGI는 초장기 작업을 수행할 수 없다고 생각합니다. 그런데 제 작업은 종종 30분 이상 소요됩니다.
제가 하루에 소모하는 토큰(Token)은 50달러 정도입니다. 하루 종일 작업하려 할 때, 토큰 소모가 계속됩니다. 정말로 "내가 아이디어를 제공하고, 이 방향으로 가자. 너에게 10일 동안 작업을 맡겨 500만 달러를 벌어줘"라고 말할 수 있다고 생각합니다.
이건 신화가 아니라고 생각합니다. 다만 제가 그만큼 강한 유인을 느끼지 못해 시도하지 않은 것이거나, 혹은 많은 감정과 에너지를 소모하고 돈을 못 벌면 매우 괴로울 것이기 때문일 수 있습니다.
하지만 혹시 에이전트가 10일 동안 연속 작업하면서, 제가 거의 개입하지 않거나 가끔 방향만 제시해도 한 달, 심지어 일 년 동안 작업할 수 있을지 궁금합니다.
저는 머지않아 노벨상이나 필즈상을 받을 수준의 성과도 가능하다고 생각합니다.
왜냐하면 제가 예전에 배웠던 세상에서 가장 복잡한 알고리즘에 대해 이야기할 때, 전 세계에서 몇 명밖에 연구하지 않은 주제라도, AI가 오히려 더 잘 이해하고 대화할 수 있기 때문입니다. 충분한 컨텍스트(Context)와 코드를 제공한다면, 매우 심층적인 소통이 가능합니다.
본질로 돌아가기: 일반 에이전트와 지능이란 무엇인가
다음으로, 제가 지능과 에이전트에 대해 생각하는 바를 공유하고자 합니다.
간단히 말해, AI 에이전트는 두 가지 핵심 요소로 구성됩니다: 계획기(Planner)와 실행기(Executor).
AI 에이전트의 구조｜사진 출처: 출문문, 이하 동일
계획기는 일반적으로 대규모 언어 모델에 의존하며, 에이전트의 주요 기능을 담당합니다. 이는 주어진 작업에 따라 구체적인 계획을 수립합니다. 실행기는 이 계획을 현실에서 실행하는 역할을 하며, 코드 작성이나 브라우저 자동화를 통한 영상 제작 등이 포함됩니다.
에이전트의 작동은 지속적인 피드백 루프입니다.
-
계획: 에이전트는 작업에 따라 구체적인 행동 계획을 수립합니다.
-
실행: 실행기가 계획에 따라 작업을 수행합니다.
-
피드백 획득: 실행 과정에서 에이전트는 환경으로부터 즉각적인 피드백을 받습니다. 예를 들어, 에이전트가 'python' 명령을 실행하려 했지만 로컬에는 'python 3'만 설치되어 있어 오류가 발생하면, 에이전트는 이를 인식하고 올바른 명령으로 수정합니다.
-
조정 및 반복: 에이전트는 피드백을 바탕으로 계획을 재조정하고, 현재 상황에 대한 이해(컨텍스트)를 업데이트한 후 다시 실행합니다.
-
목표 달성: 사전에 설정한 성공 기준(예: 프로그램 컴파일 성공 또는 모든 테스트 완료)에 도달하면 루프가 종료됩니다.
지능의 본질을 생각해보면, 첫 번째 본질은 '진화'라고 생각합니다.
인간이 지능체로서 특정 환경(사회적 상호작용이나 작업 수행)에서 피드백을 받아 자신의 행동을 지속적으로 조정하고 성찰하는 것처럼, AI도 마찬가지여야 합니다. 이 진화는 자동적이며 인간의 개입이 필요 없습니다. 에이전트는 자체적으로 루프를 형성하여 계획, 환경에서 실행, 피드백 수취, 계획 조정 및 컨텍스트 업데이트를 통해 지속적인 자기 개선을 실현합니다.
이러한 진화 과정에서 중요한 것은 자신의 경험에서 배우는 것과 타인의 경험에서 배우는 것, 즉 집단 지성(Group Intelligence)입니다.
지능의 두 번째 본질은 '재귀성(Recursion)'이라고 생각합니다.
재귀성은 '분할 정복'의 사고방식입니다. 복잡한 문제를 더 작고 동일한 유형의 문제로 분해하여, 결국 직접 해결 가능한 '기초 사례(Basic Case)'에 도달하게 합니다.
예를 들어, 피보나치 수열의 99번째 수를 계산하는 것은 98번째와 97번째 수에 의존하며, 초기값 F0과 F1까지 거슬러 올라갑니다.
에이전트가 진정한 지능을 갖추려면 재귀적 구조를 가져야 합니다. 예를 들어, "500만 달러를 벌어라"는 거대한 작업을 받은 에이전트는 이를 분석, 웹사이트 구축, 영상 제작, 결제 연동, SNS 홍보 등 구체적인 하위 작업으로 분해합니다. 각 하위 작업은 궁극적으로 실행 가능한 '원자 에이전트(Atomic Agent)'로 귀결됩니다.
이러한 재귀 구조의 핵심은 자기 번식(Self-replication)을 실현하는 것입니다. 인간 문명의 계승이 세대를 거쳐 탐구와 지식 축적에 의존하듯, 에이전트도 마찬가지여야 합니다. 더욱 중요한 것은, 에이전트가 자신의 소스코드를 수정할 수 있어야 한다는 점입니다.
현재의 에이전트가 계획만 조정하는 것과는 다릅니다. 이는 마치 자신의 유전자를 수정하듯, 기본적인 실행 로직을 근본적으로 변화시킬 수 있음을 의미합니다.
저는 만약 에이전트가 다음 세 가지를 할 수 있다면,
-
계획을 지속적으로 실행하고 최적화할 수 있고,
-
해결할 수 없는 문제가 발생했을 때, 스스로 핵심 소스코드를 수정할 수 있으며,
-
궁극적으로 이러한 메커니즘을 통해 지식 베이스를 형성하고, 심지어 대규모 언어 모델 자체를 역으로 수정할 수 있다면,
이는 일반 인공지능(AGI)으로 가는 결정적인 한 걸음이 될 것입니다.
이건 공상과학이 아닙니다. 예전에는 '초지능(Superintelligence)' 같은 주제를 싫어했지만, 대규모 언어 모델과 깊이 있는 대화를 나눈 후, 이것이 완전히 실현 가능하다는 생각이 들었습니다.
또한, 진정한 AI 소스코드는 매우 간결할 수 있으며, 핵심 코드는 100줄을 넘지 않을 수 있지만, 다층적인 재귀 구조를 포함해 다양한 환경에서 탐색하고 피드백을 학습하며 자기 반복할 수 있습니다.
저는 한때 믿음을 잃은 적도 있습니다. 2023년에 AI에 대한 믿음을 갖게 되었지만, 자금 지원이 없어 유지하기 어려워 포기했습니다. 작년에는 누가 AI를 이야기해도 듣고 싶지 않았습니다.
하지만 최근 다시 AI에 대한 믿음을 되찾았고, AGI와 초지능까지 믿게 되었습니다. 상상할 수 없는 전환입니다. 이번 믿음이 좀 더 오래 지속되기를 바랍니다.
개인화된 환경과 컨텍스트의 중요성
대규모 언어 모델 외에 가장 중요한 것은 무엇일까요? 바로 개인화된 환경과 컨텍스트(Context)를 갖는 것입니다.
제 창업 경험을 예로 들면, 스마트 하드웨어를 만들었지만 샤오미가 가격을 우리의 1/10로 끌어내렸습니다. 대규모 언어 모델을 만들었지만 모든 대기업이 뛰어들었습니다. 이러한 피드백을 받을 때마다 저는 포기하거나 계획을 계속 조정해야 했습니다.
미국에서 제가 대규모 언어 모델을 만들었다면 아마 구글에 인수되어 큰돈을 벌었을 것입니다. 하드웨어를 만들었다면 애플에 인수되었을 수도 있고요. 이런 피드백은 당신의 행동을 완전히 다르게 만들 것입니다. 동일한 창업자, 동일한 지능을 가졌더라도 중국과 미국의 서로 다른 창업 환경에서 받는 피드백이 다르기 때문에, 결국 당신의 행동과 사고 방식도 완전히 달라집니다. 바로 이것이 제가 말하는 '개인화된 환경', '개인화된 컨텍스트'입니다.
컨텍스트란 역사 기록에 가깝습니다.
제가 이전에 말했던 것처럼, 대규모 언어 모델 시대에 저는 처음으로 대규모 모델을 만들겠다고 선언한 사람 중 하나였지만, 동시에 이것이 제 적성에 맞지 않는다는 것도 가장 먼저 깨달았습니다. 그래서 전적으로 몰두하지 못했고, 참여 방법을 몰랐기 때문입니다.
올해 상반기에는 전 세계에서 네댓 개의 거대 기업을 제외하면, 다른 회사는 모델에 대해 이야기할 자격도 없다고 생각했습니다. 붐에 휩쓸리지 말고, 생명을 낭비하지 말고, 감정도 낭비하지 마세요. 기회가 없고, 완전히 자금 낭비이며, 사실 대규모 언어 모델 자체도 지루해졌다고 느꼈습니다. 저는 돌파구를 찾지 못했고, 대부분의 AI 기업이 어떤 가치를 가지고 있는지도 이해할 수 없었습니다.
하지만 이번 실천과 재검토를 통해, 비록 야심 찬 AGI 목표라 하더라도, 저는 다시 참여할 수 있다는 느낌이 들었습니다.
이것이 바로 에이전트의 Planner와 Executor가 반복적으로 상호작용하는 과정입니다. 충분히 명확한 입력을 제공하면 지능이 지능을 낳을 수 있으며, AGI 과정에 참여할 수 있다고 생각합니다.
대규모 언어 모델 자체는 칩과 같습니다. 퀄컴의 칩, 애플의 스마트폰, 그리고 그 위의 틱톡(TikTok)을 상상해보세요. 완전히 다른 수준의 것입니다. 결국 틱톡을 만든 회사가 가장 큰 가치를 얻었습니다.
저는 야심 찬 AGI 목표조차도 결코 멀리 있지 않다는 것을 발견했습니다. 제가 상상하는 재귀적 에이전트 체계를 구축한다면, 필요한 자금은 크지 않을 수 있으며, 오히려 혁신적인 지혜에 더 의존합니다. 충분히 깊은 사고와 기술 역량만 있다면, 업계의 거물이 아니더라도 AGI 과정에 참여할 수 있다고 믿습니다.
출문문의 여정도 이러한 사고를 입증합니다. 우리는 2012년부터 중국 최초의 AI 기업 중 하나였으며, 음성 어시스턴트에서 시작해 스마트 하드웨어(TicWatch, TicMirror)를 탐색했습니다. 시장 경쟁과 기술 미숙의 도전을 겪었지만, 항상 최전선을 지켜왔습니다.
2019년 이후 우리는 소프트웨어로 전환해 중국은 물론 세계 최초의 AIGC 소프트웨어 기업 중 하나가 되었습니다. 예를 들어, 모잉공팡(Moyin Gongfang)은 더우인(Douyin) 등의 플랫폼에 대량의 음성 더빙 콘텐츠를 제공했고, 우리는 '기묘원(Miao Miao Yuan)'(디지털 휴먼 영상 생성)과 같은 제품도 개발했습니다.
중국과 같은 치열한 경쟁 환경에서, 한 기술 기업은 끊임없이 반복하고 자기 수정하는 에이전트와 같습니다.
출문문의 '소스코드'는 2012년 창립 당시와는 크게 달라졌지만, 이는 우리가 지속적으로 진화하고 있다는 증거입니다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
极客公园
