현재 AI 연구 수준이 KOL(핵심 오피니언 리더)의 일자리 상실로 이어질까요? 제 생각에는 그럴 가능성은 매우 낮습니다! 최근 큰 화제가 된 @the_nof1의 최종 리더보드를 한번 보세요. 여러 대형 모델의 성능이 충격적으로 저조하여 막대한 손실을 기록했고, 평균 손실률은 50%를 넘었습니다. 현재 AI는 분석가이자 언어 전문가 수준으로, "작은 문제"는 해결할 수 있지만 현실 세계의 복잡한 "큰 문제"를 해결하기에는 아직 멀었다고 생각합니다. 핵심적인 이유는 다음과 같습니다. - 대형 모델은 요약에는 탁월하지만 혁신성이 부족합니다. - 확장성 법칙이 점차 효력을 잃어가고 있습니다. 심각한 착각입니다. 아래 차트를 보고도 KOL의 일자리 상실을 여전히 걱정하시나요?

LLM 본체만으로는 스마트 도킹 스테이션으로 사용하기에 더 적합하며, 다른 구성 요소와 함께 쌓아 올려야 합니다.

네, 맞춤형 최적화가 필요합니다.

전제는 그들이 진정한 KOL이라는 것입니다!

핵심은 맞춤화나 최적화가 아닙니다. AI는 인간의 두뇌가 정보를 습득하고 사고를 고취하도록 돕는 역할을 해야 합니다. 간단히 말해, KOL(핵심 오피니언 리더)들이 정보를 채워 넣도록 돕는 것입니다. KOL의 결과물 도출을 돕는 것이 목적이 아닙니다. AI가 KOL의 사고 과정을 건너뛰고 바로 결과물을 내놓는다면, KOL의 존재 이유는 무엇일까요?

다시 말해, 단순히 LLM(제한적 학습 모델)의 세분성 문제만이 아닙니다. 더 중요한 것은 학습 과정입니다. 예를 들어, 제가 솔라나(Solana)의 병렬 처리 메커니즘에 대한 글을 작성하고 그 결과를 출력한다고 가정해 보겠습니다. 제가 아주 자세한 질문을 하면 LLM은 그 글을 출력하겠지만, 저는 그 내용을 완전히 이해하지 못할 것입니다. 다음에 무브(Move) 언어 공개 블록체인의 병렬 처리 메커니즘을 출력한다고 해도, 비교 대상이 없기 때문에 결과는 여전히 동일할 것입니다. 하지만 제가 직접 솔라나의 기술 문서를 읽고 LLM과 소통한다면, 솔라나의 병렬 처리 메커니즘을 진정으로 이해할 수 있습니다. 그러면 다음에 무브 언어 공개 블록체인의 병렬 처리 메커니즘을 공부할 때 훨씬 더 잘 이해할 수 있고, 두 메커니즘을 비교하여 솔라나와 무브의 병렬 처리 메커니즘의 차이점과 각각의 장점을 더욱 효과적이고 심층적으로, 그리고 철저하게 파악할 수 있을 것입니다. 인공지능의 목표는 인간 두뇌의 학습과 성장을 가속화하는 것이어야 합니다. 인간 두뇌의 학습과 성장을 포기하는 것이 아닙니다.

其实是ai 辅助人脑

네, 네, 인간의 두뇌를 포기할 순 없죠. 우리 두뇌는 이미 너무나 훌륭하잖아요, 하하.