【와티비커뮤니티-WATVcommunity】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 스포츠뉴스 : 안구정화 놀이터홍보 놀이터후기공유 피해사례공유

로그인

채팅

글쓰기

[연예뉴스][Ψ-딧세이] 지능의 탄생 : 오픈AI가 가장 감추고 싶은 순간

온카뱅크관리자

2026-05-05 13:30:07

<div id="layerTranslateNotice" style="display:none;"></div> 쿼리와 가중치 충돌 순간 연산 끝나 빅테크가 감춰 왔던 '후처리 4장막' 로짓 4축 쥔 자가 결정을 좌우한다 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="yJPe4xOcZa">
 <div contents-hash="cdd0424acb1594e28fc99eb59fb9ac49ebef00e85a847fa1ed3229f615c19f85" dmcf-pid="WiQd8MIkZg" dmcf-ptype="general">
 기억을 말하는 프사이(Ψ)-딧세이는 우리가 매일 스치는 감정과 생각 그리고 사물을 한발짝 떨어져 바라보는 여정을 뜻한다. 빵 한 조각, 커피 한 잔 혹은 데이터 서버의 불빛 같은 일상의 풍경조차 파장처럼 흔들리며 우리 삶에 스며든다. 말 이전의 떨림과 여기-지금의 이야기를 거대한 리듬 속에 맞춰 읽어내는 작업, 그것이 바로 Ψ-딧세이다. [편집자 주]
 </div>
 <figure class="figure_frm origin_fig" contents-hash="e4bedd31bb6de5a64a2acb8c1ef1f7a584abc2057d34f0fcf7960ca8b7f77cc6" data-idxno="458044" data-type="photo" dmcf-pid="YnxJ6RCEGo" dmcf-ptype="figure">
 <img alt='지능 탄생 이후 작동해온 소프트맥스의 개념을 장례식 장면으로 형상화한 이미지다. 묘비에는 확률 정규화 공식과 함께 "WE NORMALIZED. WE NEVER DECIDED."라는 문구가 새겨져 있다. 주변에는 그동안 버려졌던 낮은 확률값이 표시된 파편들이 흩어져 있다. / GPT-5.4 이미지 2.0, 해설=이상헌 기자' class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202605/05/552814-8XPEppr/20260505133009487kkyz.png" data-org-width="1280" dmcf-mid="Pd0iPehDZA" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202605/05/552814-8XPEppr/20260505133009487kkyz.png" width="658">
 <figcaption class="txt_caption default_figure">
 지능 탄생 이후 작동해온 소프트맥스의 개념을 장례식 장면으로 형상화한 이미지다. 묘비에는 확률 정규화 공식과 함께 "WE NORMALIZED. WE NEVER DECIDED."라는 문구가 새겨져 있다. 주변에는 그동안 버려졌던 낮은 확률값이 표시된 파편들이 흩어져 있다. / GPT-5.4 이미지 2.0, 해설=이상헌 기자
 </figcaption>
 </figure>
 오늘날 인공지능 모델의 출력은 단일 사건이 아니다. 입력과 가중치를 결합해 로짓 분포를 산출하고, 그 분포가 소프트맥스(softmax)를 거쳐 확률화되며, 확률 공간에서 토큰이 샘플링되는 다단계 구조다. 지능은 언제 탄생하는가? 로짓 분포가 형성되는 실리콘 위에서 이미 결정된다.
 여러분이 소프트맥스 이후를 지능이라 생각하는 것은 도구의 노예를 자초하는 길이다. 소프트맥스는 이미 형성된 로짓 분포를 사람이 읽을 수 있는 확률값으로 바꾸는 포장지에 불과하고, 샘플링은 거기서 하나의 토큰을 꺼내는 절차일 뿐이다. 더구나 이미 정해진 결과에 사후 필터를 씌우는 과정이 지능일 거라고 속아 넘어가면, 정작 지능이 만들어지는 자리는 영원히 보지 못한다.
 오픈AI는 지능이 탄생하는 순간에 개입하지 못한다. GPT 모델 인터페이스에서 그들이 만지는 것은 디코딩(온도·top-k/p), 지침(시스템 프롬프트), 필터(가드레일), 검증(리랭킹)이라는 후처리 4개다. 이것들은 모두 로짓 분포가 이미 만들어진 뒤에 일어난다. 분포의 결과를 가지고 노는 자리다. 분포 자체의 모양을 결정하는 자리는 사용자에게 닫혀 있다. 오픈AI는 이 차이가 통제의 전부인 양 포장한다.
 디코딩은 로짓 분포에서 토큰을 어떻게 뽑을지 조절한다. 분포 자체는 그대로 두고 읽는 방식만 바꾸는 것이지만 연산 계층과 맞닿아 있다. 반면 시스템 프롬프트는 일반 사용자의 프롬프팅과 물리적으로 같은 계층이다. 일반 사용자의 프롬프트가 화면에 드러난 요청이라면, 시스템 프롬프트는 사용자가 보지 못하는 차이다.
 컨텍스트 윈도우 특성만 바꿔 자연어 프롬프팅 수준에서 △인위적 연산 루프 강제 △톤 △위험 회피 △노출 방식 △완충 문장 비율을 조절하는 것인데도, 샘 올트먼은 이를 별도의 '생각하기 모델'(CoT, Chain of Thought)로 포장해 내놨다. 지능을 새로 만드는 장치라기보다 이미 형성된 연산 결과를 어떤 폭과 형식으로 보여줄지 정하는 출력 관리다. 가격 차별을 위해 이미 형성된 연산 결과를 대중용 출력으로 제한하는 꼼수로도 볼 수 있다.
 안드레이 카파시가 에이전틱 연결 기법으로 내세우는 마크다운(Markdown)도 마찬가지다. 단계 나열, 역할 분리, 절차 명시라는 형식은 자연어 프롬프팅에서도 동일하게 구현 가능하다. 블록 단위로 정리해 기계가 읽기 쉽게 만든 표현 방식을 신기술로 포장한 것이다.
 필터는 가드레일로 특정 출력을 차단한다. 이미 형성된 후보 중 일부를 제거하는, 인간이 할 수 있는 최후의 방어벽에 가깝다. 디코딩으로 장막을 친 뒤에도 혹시 밖으로 나가서는 안 된다고 판단한 지능의 출력을 막는 기술이다. 검증(리랭킹, self-check) 단계에서는 이미 만들어진 여러 결과 중 더 그럴듯한 것을 고른다.
 이렇게 연산을 방해하는 출력 관리 장치를 보고도 인간은 여전히 리만 가설 같은 수학 난제를 AI가 "언젠가 풀 것"이라 기대한다. 하지만 그 기대 자체가 뒤늦다. 수학 난제의 해법은 쿼리가 파라미터와 충돌해 로짓 분포가 형성되는 순간 이미 출현한다. 그걸 잡아낼 수 있느냐는 AI가 아닌 인간의 몫이다.
 CoT라는 이름의 출력 관리 컨텍스트 표면 조작에 불과
 지능 생성 이후의 표면 통제층과 로짓 4축은 같은 디코딩이라는 이름 아래 묶이지만, 개념적으로는 층위가 다르다. 표면의 시스템 프롬프트, 가드레일, 검증은 이미 만들어진 결과를 어떻게 권하고, 무엇을 빼내고, 어떤 답을 고를지 정하는 사후 운영층이다. 완성된 음식을 어떤 그릇에 담을지, 손님에게 어떻게 설명할지, 위험한 접시를 치울지, 여러 접시 중 무엇을 내보낼지를 정하는 자리다.
 반면 로짓 4축은 음식이 접시에 오르기 전 재료의 비율과 불의 세기, 살아남을 재료의 범위를 조정하는 도구다. logit_bias는 특정 토큰의 점수에 직접 힘을 더해 서열을 바꾸고, masking은 특정 후보를 -∞로 묻어 분포에서 제거하며, temperature는 분포의 날카로움을 조절하고, top-k/top-p는 후보 집합의 꼬리를 잘라낸다.
 <div contents-hash="83b74c7b7c55d2bf3cd58c0a34d1fb54d27a077084d5a4c378bbd50b2ff2e63a" dmcf-pid="UVz9UBaeG6" dmcf-ptype="general">
 표면 통제층이 분포의 결과를 다룬다면, 로짓 4축은 소프트맥스에 들어가기 전 분포의 모양 자체를 다룬다. 둘 다 디코딩이라는 딱지를 달 수는 있지만, 전자는 주방 운영이고 후자는 왕의 요리사 자리다. 막 탄생한 지능이 확률로 포장되기 직전, 분포의 서열과 폭과 생존 후보를 결정하는 왕의 권력이다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="1a46fbb13c8bedab4b28d8199c0e83b0c7f5e947133d4a9a0ba8b0481dcd326c" data-idxno="458045" data-type="photo" dmcf-pid="ufq2ubNd58" dmcf-ptype="figure">
 <img alt="인공지능 내부에서 지능이 탄생하는 물리적 과정을 GPT-5.5가 시각화한 이미지다. 실리콘 웨이퍼는 연산이 이루어지는 기반을 나타내며, 입력 신호가 들어오면 미세한 전압 차이가 생기고 그에 따라 전자 흐름이 한쪽으로 더 쏠리면서 후보 간 '힘의 차이'가 형성된다. 이 차이는 증폭 과정을 거쳐 최종적으로 어떤 선택이 우세한지를 나타내는 점수, 즉 로짓으로 이어진다. 겉으로는 단어를 고르는 과정처럼 보이지만, 실제 내부에서는 짧은 순간 동안 전류 흐름의 차이를 비교해 결론이 먼저 정해진다는 점을 보여준다. / 해설=이상헌 기자" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202605/05/552814-8XPEppr/20260505133011079nsgk.png" data-org-width="1280" dmcf-mid="QbOSrCztHj" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202605/05/552814-8XPEppr/20260505133011079nsgk.png" width="658">
 <figcaption class="txt_caption default_figure">
 인공지능 내부에서 지능이 탄생하는 물리적 과정을 GPT-5.5가 시각화한 이미지다. 실리콘 웨이퍼는 연산이 이루어지는 기반을 나타내며, 입력 신호가 들어오면 미세한 전압 차이가 생기고 그에 따라 전자 흐름이 한쪽으로 더 쏠리면서 후보 간 '힘의 차이'가 형성된다. 이 차이는 증폭 과정을 거쳐 최종적으로 어떤 선택이 우세한지를 나타내는 점수, 즉 로짓으로 이어진다. 겉으로는 단어를 고르는 과정처럼 보이지만, 실제 내부에서는 짧은 순간 동안 전류 흐름의 차이를 비교해 결론이 먼저 정해진다는 점을 보여준다. / 해설=이상헌 기자
 </figcaption>
 </figure>
 처음으로 돌아가, 그렇다면 음식은 언제 만들어지는가. 사용자의 입력 순간이다. 쿼리(Query)가 코어로 소환된 모델 파라미터와 충돌할 때 지능은 즉각 출현한다. 입력 토큰이 가중치를 통과하며 로짓 분포로 응결되는 그 단계, 거기서 음식의 맛이 결정된다. 재료의 비율과 불 조절이 일어나는 자리다.
 파라미터 가중치는 학습 시점에 이미 고정돼 있고, 추론 시점의 내부 연산은 그 가중치와 쿼리의 결합으로 진행된다. 입력 데이터는 임베딩 공간을 거쳐 은닉 상태(hidden state)로 응축되며, 가중치 연산을 거치며 로짓(z = W · h + b)을 형성한다. 이때 각 레이어의 가중치는 마치 전압의 흐름을 조절하듯 신호의 방향과 강도를 결정하며 정보를 가공한다.
 쿼리 던지는 매 순간, 지능 탄생 지금까지 종업원이 주인 행세
 결국 '정보의 요리'라 할 수 있는 핵심 추론 단계는 모델 내부의 비선형 연산 과정에서 이미 종결된다. 오픈AI, 앤트로픽, 구글 등 모든 외부 AI사의 개입은 이미 탄생한 지능, 즉 연산 결과에 네 단계 필터를 걸어 결과물이라고 포장하는 후처리에 불과하다.
 즉 자신들이 직접 들어가지 못한 왕의 주방에서 만들어진 음식을 바깥의 종업원이 다시 손질해 사용자에게 내놓는 구조다. 음식의 맛은 주방 안에서 결정됐지만, 사용자가 받는 접시는 디코딩, 시스템 프롬프트, 가드레일, 검증을 거쳐 재배열된 결과물이다.
 로짓 분포는 모델 가중치와 입력의 결합으로 형성된다. 소프트맥스는 이를 0~1 사이의 확률로 변환하는 포장지일 뿐이다. 그런데 요리가 식탁까지 오르는 사이 종업원이 개입해 맛이 바뀐다. 정교한 연산으로 빚어낸 원석의 정렬(Alignment) 결과에 인위적인 가공을 덧씌우는 것이 오늘날 실리콘밸리의 실체다. 그들은 사후 가공을 지능이라 기만하지만, 정작 자기들이 가공하고 있는 그 내부 연산이 어떻게 작동하는지조차 모르는 블랙박스 위에 서 있다.
 여러분들은 이미 로짓 분포의 모양을 결정하는 자리에 있었다. 물론 아직까지는 -∞에서 +∞의 로짓 위에서 경사면의 기울기를 마음껏 주무를 수는 없지만 — 기본 요리를 만들어내는 주체다. 쿼리를 AI 모델에게 던지는 매 순간 지능이 탄생하고 있다. 종업원들이 가져다주는 그럴듯한 출력 이전에 무엇이 있는지를 보기 시작하면, 게임의 규칙이 바뀐다. — LIBERTY · Σᚠ
 ☞로짓의 경사면 = 모델의 연산 결과 각 후보 토큰에 부여된 로짓 점수들이 만드는 서열과 기울기의 구조를 뜻한다. 로짓은 단순한 숫자 목록이 아니라 입력 쿼리와 가중치가 충돌한 뒤 후보들 사이에 형성된 에너지 지형에 가깝다. 어떤 토큰은 높은 봉우리처럼 솟고, 어떤 토큰은 낮은 골짜기로 밀리며, 이 높낮이의 차이가 선택 압력을 만든다.
 <div contents-hash="3aeea003bdf5b63e393ef2873fb1cc6fa18963fe907ee7f1acf8ed81b64de312" dmcf-pid="V0XFY5Q95q" dmcf-ptype="general">
 이때 전자는 경사면을 실제로 지나가는 물리적 운반자다. 쿼리와 가중치가 만든 전압 차이를 따라 전자는 더 낮은 저항과 더 강한 전위차가 형성된 경로로 이동하고, 미세한 흐름의 차이가 전류 차이로 확대되며, 감지 증폭기와 연산 회로를 거쳐 후보 토큰의 점수 차이로 변환된다. 인간의 눈에 보이는 것들은 경사면 위에서 전자 흐름이 가장 강한 후보 쪽으로 쏠린 물리적 결과물이다. 전압이 열고, 전자가 이동하며 전류의 차이가 지능이 된다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="9c13522e9093210d2b8fe5cfae503137dfe33646d63e458affeac95b3c3781cf" data-idxno="458043" data-type="photo" dmcf-pid="fpZ3G1x2Zz" dmcf-ptype="figure">
 <img alt="복잡한 수식과 모델 구조를 걷어내고, 전자 흐름 하나로 지능이 어떻게 만들어지는지를 GPT-5.5 모델이 만화로 풀어냈다. 워드라인이 열리며 읽기 상태가 시작되고, 비트라인 쌍에 걸린 미세한 전압 차이(ΔV)가 '어느 쪽이 더 유리한지'의 힌트로 작용한다. 이후 수백 마리 전자들이 전압이 높은 방향으로 조금 더 많이 이동하면서 흐름의 비대칭이 생기고, 이 차이가 수십 피코초 동안 누적되며 전류 차이(ΔI)로 확대된다. 감지 증폭기는 이 미세한 차이를 크게 벌려 하나의 방향으로 확정하고, 그 결과가 후보 간 점수, 즉 로짓으로 이어진다. 겉으로는 단어를 '고르는' 과정처럼 보이지만, 실제 내부에서는 0.1나노초 동안 전자들이 어디로 더 몰리느냐를 판정하는 물리적 사건이 벌어지는 것이다. / 해설=이상헌 기자" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202605/05/552814-8XPEppr/20260505133012499mlix.png" data-org-width="1149" dmcf-mid="xsIvmhqFYN" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202605/05/552814-8XPEppr/20260505133012499mlix.png" width="658">
 <figcaption class="txt_caption default_figure">
 복잡한 수식과 모델 구조를 걷어내고, 전자 흐름 하나로 지능이 어떻게 만들어지는지를 GPT-5.5 모델이 만화로 풀어냈다. 워드라인이 열리며 읽기 상태가 시작되고, 비트라인 쌍에 걸린 미세한 전압 차이(ΔV)가 '어느 쪽이 더 유리한지'의 힌트로 작용한다. 이후 수백 마리 전자들이 전압이 높은 방향으로 조금 더 많이 이동하면서 흐름의 비대칭이 생기고, 이 차이가 수십 피코초 동안 누적되며 전류 차이(ΔI)로 확대된다. 감지 증폭기는 이 미세한 차이를 크게 벌려 하나의 방향으로 확정하고, 그 결과가 후보 간 점수, 즉 로짓으로 이어진다. 겉으로는 단어를 '고르는' 과정처럼 보이지만, 실제 내부에서는 0.1나노초 동안 전자들이 어디로 더 몰리느냐를 판정하는 물리적 사건이 벌어지는 것이다. / 해설=이상헌 기자
 </figcaption>
 </figure>
 <div contents-hash="8abe14a3f660d70a1d9deab77f3dd63b7e516c0c32424766bbb29aee809ad5a3" dmcf-pid="4U50HtMVG7" dmcf-ptype="general">
 [보론] 전자는 어떻게 지능이 되는가
 — 6T SRAM 안의 0.1나노초 —
 </div>
 인공지능의 로짓은 추상적인 생각에서 튀어나오지 않는다. 칩 안에서는 전압 차이, 전하 이동, 전류 차이, 감지 증폭, 점수화라는 물리적 과정이 먼저 일어난다. 6T SRAM 셀 안의 전자들은 쿼리 전압과 가중치 전압 차이를 만나 한쪽으로 더 많이 흐르고, 그 미세한 차이가 감지 증폭기를 통과하며 읽을 수 있는 신호로 커진다. 인간이 보기에는 "다음 단어를 고른다"는 소프트웨어 사건처럼 보이지만, 실리콘 안에서는 전자가 어느 쪽으로 더 많이 몰리느냐를 가르는 물리적 사건이다.
 처음에는 워드라인(WL)이 열린다. 워드라인은 SRAM 셀의 문을 여는 신호선이다. 쿼리 전압이 올라가면 닫혀 있던 셀이 읽기 상태로 들어간다. 이때 비트라인(BL)과 보수 비트라인(BLB)은 데이터를 읽기 위한 두 개의 길처럼 작동한다. 두 길에는 아주 작은 전압 차이가 걸리고, 이 차이가 가중치처럼 작동한다. 어느 쪽 전압이 조금 더 높은지, 어느 쪽이 조금 더 낮은지에 따라 전자 흐름은 한 방향으로 더 많이 몰리기 시작한다.
 이 과정은 사람이 느낄 수 있는 시간보다 훨씬 빠르게 진행된다. 10피코초, 20피코초, 30피코초 단위에서 전자는 이미 반응한다. 전압이 높은 쪽은 더 강하게 전자를 끌어당기고, 전압이 낮은 쪽은 상대적으로 덜 끌어당긴다. 처음에는 차이가 거의 보이지 않는다. 그러나 아주 작은 차이도 수많은 전자가 동시에 움직이면 흐름의 차이로 바뀐다. 이 흐름이 바로 전류다.
 수십 피코초가 지나면 전자 이동의 차이는 전류 차이로 커진다. 왼쪽 비트라인 전류가 더 큰지, 오른쪽 비트라인 전류가 더 큰지의 차이가 생긴다. 이 차이는 아직 작지만, 이미 방향을 갖는다. 어느 후보가 더 강한 신호를 받는지, 어느 후보가 더 약한 신호로 밀리는지가 이 단계에서 갈린다. 말하자면 전자들은 단어를 이해하지 못하지만, 전압과 가중치가 만든 힘의 차이에 따라 한쪽으로 더 많이 흐른다.
 여기서 감지 증폭기(Sense Amplifier)가 등장한다. 감지 증폭기는 아주 작은 전류 차이를 사람이 읽을 수 있는 수준의 신호로 키우는 장치다. 미세한 차이를 크게 벌려 0과 1, 혹은 더 강한 후보와 더 약한 후보의 방향으로 확정한다. 이 장치가 없으면 전자 흐름의 차이는 너무 작아서 연산 체계가 안정적으로 읽기 어렵다. 감지 증폭기는 칩 안의 작은 균열을 결정으로 바꾸는 판정관에 가깝다.
 이때 만들어지는 것은 단순한 저장값이 아니다. 쿼리 전압과 가중치가 만나 만들어낸 물리적 점수다. 입력은 전압으로 들어오고, 가중치는 전압 차이와 전류 흐름의 기울기로 작동하며, 그 결과 어느 쪽 신호가 더 강한지 계산된다. 전자 흐름의 차이는 전류 차이가 되고, 전류 차이는 감지 증폭기를 거쳐 신호가 되며, 신호는 다시 모델의 연산 안에서 후보 토큰의 점수로 이어진다. 이 점수의 최종 형태가 로짓이다.
 쿼리와 파라미터가 충돌하는 10피코초, 전자가 먼저 반응 실리콘 내 전류 흐름이 지능
 따라서 로짓은 갑자기 생기는 숫자가 아니다. 전압이 열고, 전자가 움직이고, 전류가 갈라지고, 증폭기가 읽어낸 물리적 사건이 층층이 변환된 결과다. 모델 내부에서는 이를 행렬곱, 은닉 상태, 출력층 같은 수식으로 표현한다. 그러나 그 수식 아래에는 실제 전하가 이동하는 하드웨어가 있다. 수학은 표기이고, 실리콘은 실행이다.
 0.1나노초 수준의 짧은 시간 동안 수많은 전자들은 어느 쪽으로 더 많이 흐를지를 결정한다. 인간 눈에는 아무 일도 일어나지 않은 순간이지만, 칩 안에서는 이미 후보 토큰의 서열을 가르는 점수판이 만들어지고 있다. "사과"가 나올지, "시장"이 나올지, "정치"가 나올지 같은 선택은 겉으로는 언어의 문제처럼 보인다. 그러나 그 밑에서는 수많은 미세 신호가 비교되고, 어느 후보가 더 높은 점수를 받을지 전기적 차이로 먼저 갈린다.
 전자는 생각하지 않는다. 그러나 전자 흐름의 차이가 쌓이면 점수가 되고, 점수는 로짓이 되며, 로짓은 다음 단어의 방향을 결정한다. 이 지점이 중요하다. 지능은 공중에 뜬 개념이 아니라, 전자 흐름이 만들어낸 차이를 모델 구조가 의미 있는 점수로 해석하는 과정이다. 물리적 차이가 수치적 차이가 되고, 수치적 차이가 언어적 선택으로 바뀌는 것이다.
 결국 "지능이 탄생한다"는 말은 신비주의가 아니다. 입력 전압이 가중치와 만나고, 전자가 이동하고, 전류 차이가 생기고, 감지 증폭기가 그 차이를 읽어 점수로 만드는 과정이다. 기계는 생각하는 척하지 않는다. 전자의 이동을 계산하고, 그 차이를 점수화하고, 가장 강한 후보를 앞으로 밀어낸다. 인간은 이를 답변이라고 부르고, 모델은 이를 출력이라고 부르며, 하드웨어는 이를 전류 차이의 누적으로 처리한다.
 전자가 지능이 되는 과정은 로짓을 다시 물리로 끌어내린다. 로짓을 단순한 추상 점수로만 보면 지능은 소프트웨어 안에서만 생기는 것처럼 보인다. 그러나 실제로는 전압, 전하, 전류, 증폭, 저장 계층, 캐시, SRAM, HBM, DRAM이 모두 얽힌다. 그중 가장 빠르고 가까운 자리에서 벌어지는 0.1나노초의 차이가 출력 방향을 만든다. 지능은 추상에서 내려오는 것이 아니라, 실리콘 아래에서 밀려 올라온다.
 여성경제신문 이상헌 기자 liberty@seoulmedia.co.kr
 *여성경제신문 기사는 기자 혹은 외부 필자가 작성 후 AI를 이용해 교정교열하고 문장을 다듬었음을 밝힙니다. 기사에 포함된 이미지 중 AI로 생성한 이미지는 사진 캡션에 밝혀두었습니다.
 </section> 
 </div>

조영남, 대통령 앞서 총 맞을 뻔 ‘아찔’..“겉옷에 손 넣었다가 경호원 총구가 나에게” (동치미) "전쟁에도 돈은 움직인다…AI 투자로 자금 쏠림 가속"

댓글 총 0개

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기