원문 보기
오늘의 영상은 지난 온톨로지 영상을 먼저 보시고 온다면 이해가 보다 쉽게 되실 겁니다. 여러분 최근에 올라온 fsd 버전 12 영상 보셨나요. 보시고 어떤 생각이 드셨나요. 저는 이거 완전히 팔란티오에게인데 이런 생각이 들더라구요 과거의 테슬라의 AI 수장이었던 안드레카파 씨가 이런 트윗을 올렸습니다. ai로 운전 주행능력을 올리기 위해 중요한 것이 데이터의 양이 아니라 좋은 데이터를 선별하는 능력이라고 말이죠. 실제로 fst 시연 영상에서도 일론 머스크가 비슷한 얘기를 했어요. 주행 능력을 개선하려면 데이터의 질이 중요하다 나쁜 데이터가 아니라 좋은 데이터를 넣어야 한다 나쁜 데이터를 넣으면 오히려 운전을 망친다 그래서 어떤 데이터를 넣느냐가 매우 중요한 포인트인데 그것을 선별하는 과정이 생각보다 어렵다 fst 베타에서 베타라는 단어를 떼어내려는이 시점에서 테슬라가 밝힌이 부분에 대한 고민이 고민이 바로 온톨루지에 대한 이야기입니다.
사실 온톨로지를 얘기하면 팔란티어를 빼놓을 수가 없어요. 팔란티어는 지난 20여년간 문제를 해결하기 위한 수단으로써 온톨로지에 집중해왔기 때문이죠. 온톨로지의 기본 컨셉은 어떤 존재에 대한 개념을 정의하는 것입니다. 예를 들어 나쁜 운전이란 무엇인지 좋은 운전이란 무엇인지 그 특성을 구체적으로 정의하는 일과 같은 것이죠. 문제를 근본적으로 해결하려면이 개념을 정의하는 일이 매우 중요해집니다. 왜일까요. a부터 B 지점까지 자율주행을 한다라는 문제를 해결하려면 사람들의 운행 데이터를 모아서 인공신경망에 넣어서 돌리면 됩니다. 그러면 ai가 그 데이터들의 공통 분모를 찾아내서 사람처럼 운전하게 만드는 답을 내놓겠죠.
그런데 a부터 B 지점까지 안전하게 자율주행을 한다라고 좀 더 구체적으로 문제를 설정하면 이때는 얘기가 달라져요 인공신경망에 데이터를 넣는 일보다 안전하게 운전하는 것 다시 말해서 좋은 운전과 나쁜 운전이란 데이터를 구분해서 정의하는 일이 먼저 이루어져야 하니까요. 채취 pt가 거짓말을 하는 현상을 오픈 ai가 처음부터 예측하지는 않았을 것 같아요. 단지 통계적으로 높은 빈도의 데이터를 선택하는 인공신경망을 언어라는 데이터에 적용시킨 것 뿐이니까요. 그런데 알게 된 거죠. 언어라는 데이터 자체가 개념 정의가 명확하게 되지 않은 무규칙의 데이터들이어서 헛소리의 빈도가 높으면 명확한 기준이 없기 때문에 ai는 그냥 헛소리를 택하게 된다는 것을요 비슷한 현상이 테슬라의 fsd에서도 보입니다.
대부분의 사람들이 스타 표지판에서 일을 하지 않으니까 fsd도 정지하지 않는 데이터를 택하죠. 좋은 운전이라는 데이터가 정의되지 않은 채로 인공신경망에 투여됐기 때문입니다. 그래서 팔란티어는이 부분을 항상 강조합니다. 문제를 근본적으로 해결하려면 그 문제를 먼저 구체적으로 정의하고 그에 맞춰 데이터들을 정의하고 선별해 가야 한다고 말이죠. 여기서 그에 맞춘다라는 규칙과 같은 개념이 바로 온톨로지에 다시 말해서 문제를 해결하기 위한 규칙인 것이죠. 이런 관점으로 본다면 테슬라는 자율주행이라는 문제를 구체적으로 정의한 시점이 그리 오래되지는 않았을 거라고 예측해볼 수 있어요.
제 예상으로는 아마도 운전자들에게 운전 습관에 따라 세이프티스코어를 부여했던 그 시점 무렵이지 않을까 싶습니다. 세이프티 스코가 무질서한 주행 영상 데이터에 안전이라는 규칙을 점수로서 부여해서 좋은 운전과 나쁜 운전을 구분해서 정의한 지표이니까요. 즉 세이프티스코어는 온톨로지의 한 지표라고 할 수 있겠죠. 요약하면 이렇습니다. 도주라는 슈퍼컴퓨터로 엄청난 양의 빅데이터를 인공신경망에 넣어서 돌린다 한들 자율주행이라는 문제가 기본적으로 해결되는 것은 아니라는 겁니다. 그보다 먼저 데이터의 온톨로지가 적용되어야 하는 것이 더 우선인 것이죠.
문제 해결에 있어 온톨로지가 왜 중요한지 아시겠죠. 이제 팔란티어 얘기를 해볼게요 a라는 기업이 팔란티어에게 문제를 해결해 달라고 의뢰합니다. 팔란티어는 a를 위한 빅데이터 분석 시스템을 구축해줘야 하는데 그러기 위해선 온톨로지가 필요하죠. 그렇다면 온톨로지가 문제를 해결하기 위한 규칙이라면 그 산업군의 온톨로지를 가장 잘 알고 있는 기업은 누구일까요. 탈란티어일까요. 아닙니다. 그 산업군에서 활약하고 있는 그 해당 기업 a이죠. 현 시점에서 좋은 운전과 나쁜 운전을 가장 잘 정의할 수 있는 기업이 테슬라인 것처럼 말이죠. 이건 너무 당연한 이야기에요.
문제 해결 규칙을 알려면 그 산업의 흐름을 이해하고 있어야 하니까요. 다시 말해서 자신들의 온톨로지는 자신들의 가장 잘 만들 수 있다는 거예요. 본인들이 제일 잘 알고 있기 때문입니다. 그런데 그 본인들이 이런 빅데이터 분석 시스템을 만들 능력이 없잖아요. 그래서 팔란티어에서 개발자를 그 기업으로 파견을 보내는 겁니다. 이렇게 파견되는 팔란티오 개발자를 fde 불러요 팔란티어를 특집으로 다룬 dbr 레이크를 보시면 두산인프라코어와 팔란티어가 협업을 해서 시스템을 구축하는 과정이 담겨 있는데 여기서 fd의 화력이 두드러지게 나와요 fd가 그 기업의 종사자들과 지속적으로 소통을 하면서 산업의 흐름을 이해하면서 온톨로지를 함께 구축해 가는 장면들이 인상적이죠.
그러므로 핵심 포인트는 이겁니다. 기업에서 빅데이터를 통해 문제를 해결하려면 반드시 온톨로지가 구축돼야 하는데 문제를 해결하는 진짜 움톨로지가 구축되려면 해당 산업에 대한 이해도가 뛰어나야죠. 그렇기 때문에 문제를 해결할 수 있는 빅데이터 분석 시스템을 제대로 만들려면 시스템이 반드시 커스터마이징이 돼야 합니다. 개별 맞춤 제작 형식으로 이뤄져야 하는 것이죠. 모두에게 일괄적으로 적용되는 범용 소프트웨어로는 절대로 불가능해요. 각자의 문제 해결 온톨로지가 다 다르니까요. 뭐 알긴 알죠. 커스터마이징이 좋다는 걸 누가 모르겠어요. 문제는 커스터마이징 방식이 대량 생산이 어려워 확장성이 떨어진다는 것이죠.
전 세계의 기업이 살 수 없이 많은데 팔란티어 개발자들이 언제 그 기업들 하나하나 다 파견을 가서 설치를 해줄 수 있겠어요. 현실적으로는 불가능입니다. 그런데 놀라운 사실이 뭐냐면 가능할 수도 있다는 일말의 가능성이 올해 초 ces에서 소개가 된 거예요. 팔란티어와 협업 중에 제이콥스라는 기업이 팔란티어 프로그램에 대한 후기를 소개했는데 제이콥스의 팔란티어 프로그램을 구축하는 과정에서 fde는 없었고 자기 회사의 개발자들만으로 탈란티어 프로그램을 직접 구축했다는 겁니다. 이게 어느 수준까지 사실인지는 모르겠어요. fda가 시스템 구축과정에서 일부 관여를 했는지 정말로 관여를 아예 안 했는지 아니면 제이콥스에 소속된 개발자가 과거에 팔란티어에서 일했었는지 그러나 그 사실 여부를 떠나서 핵심은 이것이죠.
자신들 회사의 개발자가 있다면 FD 없이도 팔란티어 프로그램을 구축할 수 있는 가능성이 생겼다는 것입니다. 사실 팔란티어의 홈페이지만 봐도 팔란티어가 확장성이 엄청난 고민을 하고 있다는 것을 알 수 있습니다. 팔란티어는 온톨로지를 구축할 때 새로운 문제들에 대해 완전히 새로운 톨로지를 만드는 것이 아니라 기존에 있던 온톨로지를 기반으로 확장 나가는 방식을 취하고 있어요. 모든 산업군의 공통적으로 적용되는 큰 언톨로지가 있고 거기서 각 산업 분별로 파생이 되고 그 안에서 다시 한번 세분화되는 방식인 것이죠. 무에서 유를 창조하는 방식은 아니라는 겁니다.
특히 온톨로지를 개발하는 툴 역시 초등학생들을 위한 코딩 프로그램처럼 최대한 쉽게 코드를 쓰지 않고도 클릭만으로 시스템을 구축하는 방식을 지향하려고 한다는게 보여요 너네 회사에 개발자만 있다면 누구나 쉽게 팔란티어 프로그램을 구축할 수 있어 이런 느낌인 거죠. 제이콥스가 스스로 그것을 해냈다는 것을 공식적인 자리에서 한 번 더 보여주는 것이고요 그런데 여기서 한번 더 놀랄 만한 일이 생깁니다. 팔란티어 프로그램에 언어 인공지능이 붙은 겁니다. 바로 aip죠. 지난 6월에 aip를 시연했던 컨퍼런스에서 이런 문구가 모였습니다. ai와 개발툴이 만난 거예요.
그래서 데모를 시연하는 과정에서 채팅창에 이러이러한 위젯을 만들어 줘라고 요청을 하니까 ai가 알아서 위젯을 만들어주는 그런 장면들도 연출이 됐었죠. 저는 여기서이 생각이 가장 먼저 들더라구요 잘만 하면 개발자가 아닌 사람도 시스템 구축에 가담할 수 있겠는데 왜냐하면 ai와 채팅을함으로써 온톨로지를 구축하는 것이 가능한 상황이 되기 때문입니다. 다시 말해서 그 산업의 이해도가 있는 사람이라면 누구나 구축을 시도해 볼 수 있는 일말의 가능성이 열린 것이죠. 이렇게 되면 어떤 일이 벌어질 수 있을까요. 이전보다 매우 쉽게 스스로 시스템을 구축할 수 있는 상황이 되기 때문에 프로그램에 양산이 가능해집니다.
이렇게만 된다면 사실 이건 엄청난 혁신이에요. 자 보세요. 문제를 해결하려면 궁극적으로는 온톨로지가 필요하죠. 그런데 온톨로지는 해당 산업별로 차이가 있어요. 그래서 그 온톨로지를 커스터마이징하는 과정이 필요하죠. 그런데 ai가 그 커스터마이징을 도와주게 되면 팔란티어 개발자가 파견하지 않아도 되니 커스터마이징 상품에 대량 생산의 길이 열리게 됩니다. 개별 맞춘 제작과 대량 생산은 동시에 서로 성립할 수 없는 관계인데 이게 깨지게 되는 것이죠. 사실 커스터마이징을 한다는 것이 타기업과 비교해서 팔란티어의 유일한 단점이기도 했는데 이게 이젠 장점이 된 겁니다.
팔란티어는 카핀 페이스트를 계속 하고 있는데 있는데 고객사에게는 저마다 다른 개별적인 솔루션이 제공되는 상황이니까요. 작년 국제포환 포럼에서 팔란티어 CEO 알렉스 카프가 이런 멘트를 했었는데 그 의미가 이제 다르게 보이네요. 우리는 퓨어한 소프트웨어를 대량으로 공급한다 팔란티어 시티호위인 샴페커는 최근 인터뷰에서 언어 인공지능이 마치 지난 20년 동안 온톨로지를 기다려 온 것 같다고 했습니다. 뭐 여러가지 의미가 있겠죠. 그 여러가지를 저는 이렇게 생각합니다. 이전에 커뮤니티에서 이런 글을 본 적이 있어요. 팔란티어의 고담이 전쟁에서 이길 수 있게 해주는 프로그램이라면서요 그럼 양쪽 나라에서 모두 고담을 쓰고 있다면 누가 이기나요.
그때는이 질문을 보고 그냥 웃어넘겼지만 이제는 답을 얻은 것 같습니다. 최치피티는 모든 이에게 동일한 인공신경망일뿐입니다. 그러나 내가 질문을 어떻게 하느냐에 따라 얻게 되는 대답에 퀄리티는 천지차이죠. 온톨로지도 마찬가지입니다. 내가 문제를 어떻게 설정하느냐에 따라 문제 해결의 온톨로지도 달라집니다. aip로 인해 팔란티어 프로그램이 대량 생산이 돼서 대부분의 기업 들이 쓰게 될지라도 질문을 어떻게 하느냐에 따라 서로 다른 온톨로지를 얻게 되는 것이기에 같은 파운드리를 쓰고 있지만 서로 다른 파운드리가 됩니다. 미래에는 AI 전쟁이 펼쳐질 거라고 아니 늘 얘기하잖아요.
그런데 실상은 우리 모두 같은 ai를 쓰고 있습니다. 그렇기 때문에 실제는 AI 전쟁이 아니라 온톨로지의 전쟁이 될지도 모르겠어요. 몬톨로지는 우리의 질문을 통해 시작이 됩니다. 팔란티어가 aip를 통해 그 채팅창을 열어준 것이죠.
Comments 0