🌁FOD#98: '코딩', AI 경제 혁명으로 향하는 첫 번째 현장

지난 주, 유난히 ‘코딩’에 관련된 흥미로운 기사, 보고서, 논쟁들이 많았던 한 주였습니다.

우선, ‘AI가 소프트웨어 개발에 미치는 영향’을 분석한 앤쓰로픽의 새로운 Economic Index는, AI가 소프트웨어 개발이라는 업무를 얼마나 빠르게 재편하고 있는지 적나라하게 보여줍니다. Claude.ai, 그리고 Claude Code라는 도구를 통해서 일어나고 있는 ‘50만건 이상’의 코딩 작업의 흐름을 분석한 결과, ‘AI 기반의 자동화’가 많은 사람들이 생각하는 것보다도 훨씬 빠르게, 그리고 깊이있게 진행되고 있다는 걸 발견했습니다.

Claude Code의 사용자들은 Claude.ai 사용자에 비해서 훨씬 높은 자동화율 (79%)을 보여주고 있죠 - ‘AI와 함께 코딩하기’와 ‘AI가 그냥 코딩하기’ 사이의 구분이 점점 사라지고 있는 겁니다. 물론, 아직 많은 개발자들이 AI가 코딩한 결과물을 검증도 하고 그 과정도 지켜보고 있습니다만, 이런 방식이 언제까지, 얼마나 오래 지속될지는 알 수 없죠.

주목할 만한 건, ‘자동화’되는 게 백엔드의 단순 작업들만이 아니라는 겁니다. AI 기반으로 코딩하는 활동의 대부분이 ‘사용자용 웹이나 모바일 앱을 만드는 작업 - JavaScript, TypeScript, HTML, CSS - 에 집중되어 있습니다. 바로 ‘복잡한 백엔드보다는 단순한 UI 작업이라면 생산성을 앞세운 AI의 쓰나미에 먼저 무너질’ 거라는 걸 의미하죠.

그리고, 이런 현상은 ‘스타트업’에서 훨씬 빠르게 나타나고 있습니다. Claude Code 대화의 3분의 1이 스타트업들의 프로젝트를 중심으로 이루어지고 있어요 - 대기업의 비중은 13%에 불과합니다. 기업의 관성, 위험에 대한 회피, 보안의 문제 – 대기업의 ‘AI 기반 코딩으로 전환’을 방해하는 이 요소들이 역설적으로, ‘어느 정도의 위험을 감수하는 것이 자연스러운‘ 스타트업들에게는, 지금은 아주 작아 보이지만, 곧 엄청난 기회로 변모할, 그런 ‘틈새’를 보여주고 있습니다.

물론, 이 조사에 등장하는 사람들은 모두 앤쓰로픽의 사용자들이고, 이들은 전부 ‘얼리 어답터’죠. 아직 메인스트림으로 이 추세가 이동했다고 하지는 않겠습니다. 하지만, 추세는 분명해 보입니다 - ‘코딩은 이제 사람이 주도해서 직접 수행하던’ 경제 활동이 더 이상 아닙니다 - AI 기반의 도구가 주도하거나 상당 부분을 담당하게 되는 활동이 되고 있습니다. 이건 ‘기술적 변화’가 아니라 ‘경제적 변화’예요. 그리고 이 변화의 물결에 ‘개발자들’이 가장 먼저 영향을 받고 있고, 만약 개발이라는 작업의 ‘워크플로우’와 그 ‘시스템 관리’를 염두에 두고 작업하는 게 아니라, 여전히 ‘코드를 몇 줄 썼나, Function Point를 몇 개 작성했나, UI 화면을 몇 본 만들었나’ 하는 생각에 빠져 있는 개발자라면, ‘미래는 이미 당신의 곁을 지나치고 있는 겁니다’.

다른 뉴스를 하나 보죠.

마이크로소프트에서 2025년 업무 트렌드 연례 보고서 (2025 Work Trend Index Annual Report)를 발표했습니다. 여기서 ‘프론티어 기업 (Frontier Firm)’이라는 개념을 소개합니다: 바로, AI 에이전트가 대규모로 사람과 함께 일하게 되는, 새로운 유형의 조직을 일컫습니다. 이런 조직에는, 지능이 바로 '손 닿는’ 곳에 있고, 조직도는 무너지고, 사람은 ‘에이전트의 보스’가 되고, 조직을 움직이는 모든 워크플로우가 재정의됩니다.

마이크로소프트는, 이런 조직으로의 변화를 ‘AI가 소프트웨어 개발을 개혁’한 바로 다음 단계에 나타날 일이라고 보고 있습니다.

이런 방향의 흐름은, 얼마 전에 유출된 쇼피파이 CEO의 메모에 대한 글에서도 ‘HR이 Human Resource가 아니라 Hybrid Resource의 약자로 불릴 날이 올 것이다’라고 말씀드리면서 언급한 적이 있습니다:

자, 그럼 ‘바이브 (Vibe)’에 대해서 한 번 이야기해 봅시다.

지금까지 튜링 포스트 코리아의 지면을 통해서는 ‘바이브 코딩’이라는 용어를 쓴 적이 없었는데요, 한 번 언급하고 넘어가야 할 때인 것 같습니다 - 이 용어를 처음 쓴 안드레 카파시마저도 이제 혼란스러워하는 것 같으니까요.

2025년 2월에 안드레 카파시가 X (트위터)에서 ‘바이브 코딩’이라는 용어를 언급했을 때, 그 의미는 아주 구체적이었다고 생각해요: AI 만든, 빠르고, 실험적이고, (다분히) 일회성이 강한 프로젝트, 바로 그런 거였습니다. ‘프로덕션 환경을 고려해야 하는 심각한 작업’이나, ‘여러가지 고려하면서 책임감을 느끼고 해야 하는 소프트웨어 엔지니어링’이 아니예요. 안드레 카파시는 이렇게 말해요 - “코드가 있다는 것 자체를 잊어버리세요. AI가 제안하는 내용들을 받아들이고, 대략 추측해 가면서 버그를 잡고, 빠르게 일을 진행하세요”. 어때요? 프로토타입이나 주말 프로젝트로 딱이죠? 그리고 재미있잖아요.

사이먼 윌리슨 (Simon Willison)이, 바이브 코딩 스타일로 진행한 수십개의 코딩 실험을 분류한 게 있는데, 사이먼은 “바이브 코딩은 전문적인 AI 기반 코딩과는 전혀 다른 것이다”라고 강조합니다.

바이브 코딩은 ‘유희적’이고, ‘부담이 적게’ 진행하는 겁니다. 장기적인 결과를 걱정하지 않고 - 정확히 이야기하자면, ‘걱정하지 않아도 무방한 수준의’ 프로젝트를, 어느 정도까지 결과를 만들어낼 수 있는지 ‘해 보는’ 것이 핵심입니다. 특히 초보자에게 또는 새로운 아이디어를 떠올리고 테스트해 보는데 적합한 것이죠.

지금은, 안드레 카파시마저도 이 ‘바이브 코딩’이라는 용어가 지나치게 넓은 범위로 확산되는 것에 불편함을 느끼게 되는 것 같습니다. 최근의 글에서, 안드레 카파시는 ‘진짜 코딩’이나 ‘AI 기반의 코딩’ 작업을 순수한 ‘바이브 실험’과 구분하는데 아주 주의를 기울이면서 말을 하고 있어요.

어쩌면, ‘바이브 코딩’을 넘어선, 다른 어떤 표현을 찾고 있는지도 모르겠어요 - AI와 대화를 해 가면서도 진지한 엔지니어링을 수행하는 개념을 담을 수 있는 표현 말이죠. - 튜링 포스트의 Ksenia는 ‘Co-Coding’이라는 개념을 제안하기도 했어요, 협업, 그리고 대화를 모두 암시할 수 있는, 중간 지점에 있는 용어로요.

사실 진짜 문제는, ‘바이브 코딩’이라는 용어가 이미 소수의 사람의 손을 떠나서 더 넓은 용도로 확산되고 있다는 점입니다. 너무 많은 사람들이, 그냥 ‘AI 기반의 프로그래밍’이다 싶으면 그냥 쉽게 ‘바이브 코딩’이라고 부르면서, 그 작업들 사이에 우리가 염두에 두어야 할 중요한 차이점들을 무시하게 만들고 있습니다. 경영진, 투자자 등이 ‘AI 코딩은 그냥 바이브 코딩이야’라고 듣고 기억을 하게 되면, 실질적인 AI 기반의 혁신은 진전의 동력을 잃거나, AI가 개입되긴 하지만 안전하고, 유지 관리도 쉽게 할 수 있는, 책임감있게 만들고 배포되는 소프트웨어를 구축해야 하는 실제의 상황을, 그 요구사항을 놓쳐버릴 수 있습니다.

과거보다 오히려 더 책임감있게, 여러 이해관계자 간의 합의를 통해 진행해야 하는 ‘AI 기반의 코딩’은, 여전히, 아니 오히려 이전보다 더한 엄격함을 요구할 수 있습니다. 코드의 검토, 면밀한 테스트, 시스템에 대한 이해와 설명, 그리고 추가적인 안전 장치 등이 필요해요. 이걸 포함해서 해야 하는 작업이 아니라면, 바이브 코딩, 좋습니다. 하지만 이런 요소들이 필요하다면, AI를 쓰든 안 쓰든, 그건 ‘엔지니어링’입니다.

우리 앞에 놓인 AI 기술이, 진짜 ‘소프트웨어 개발’이라는 작업을 자신의 영역으로 흡수해 버리는 동안, ‘바이브’라는 용어, 그 느낌에 빠져서 허우적거리고 있는 우리의 모습을 봅니다.

AI가 엄청나게 변화시켜가고 있는 ‘개발’, ‘코딩’이라는 작업에 대해 진짜 제대로 된 ‘바이브’를 느낄 수 있는 글, 그 관점을 소개하면 좋겠어요:

먼저, ‘The Hidden Cost of AI Coding’이라는 글인데요 - 소프트웨어 엔지니어인 Matheus Lima라는 친구가 글을 쓰는 ‘Terrible Software’라는 블로그의 글입니다.

여기서는, AI 코딩의 등장과 확산으로 인해 우리가 혹시 잃어버릴지 모를 무언가에 대한 슬픔, 프로그래밍이라는 작업에 전통적으로 따라오는 걸로 느껴졌던 일종의 ‘몰입감’이 사라져가는데 대한 아쉬움, 마치 아티스트와 같았던 개발의 본령에서, 미술관 큐레이터같이 바뀌어가는 듯한 개발자의 역할 등, 심리적, 철학적 변화를 이야기하고 있습니다. 기술적인 발전, 그리고 이게 가져다주는 효율성의 향상 이면에 있는 어떤 잠재적인 손실에 대해서 이야기하는 거죠.

두 번째는, 앤드류 응의 ‘How to Become a Multilingual Coder’라는 글인데요. Matheus Lima의 글보다는 훨씬 유쾌하고 긍정적인 글이지만, 역시 나름의 ‘바이브’를 느낄 수 있습니다.

원래 개발자들은 특정한 프로그래밍 언어에 전문성들이 있잖아요? AI가 이런 언어간 장벽을 낮추면서 Phython 개발자, Java 개발자가 아니라 ‘AI를 활용한 그냥 개발자’가 되어, 프로그래밍의 개념을 이해하는 보편적인 ‘개발자’로서의 정체성을 가질 수 있다고 이야기합니다. 오히려, 그래서 더 핵심적인, 기본적인 프로그래밍의 개념 - 배열, 메모리, 시스템 설계 등 - 에 대한 이해가 더 중요해진다는 거예요. 앤드류 응은, AI 기반의 코딩을 ‘바이브 코딩’이라고 쉽게 치부하지 않고, 여전히 진지한 엔지니어링 활동으로 보고 있어요.

이 두 가지의 관점은 ‘상호 보완적’입니다. 하나는 AI 코딩이 개발자의 심리적, 창의적 경험에 미치는 잠재적 부정적 영향을 조명하는 반면에, 다른 하나는 AI가 제공하는 실용적인 기회와 프로그래밍 접근성의 향상을 강조하구요. 두 개의 관점 모두 AI 시대에 프로그래밍, 개발의 본질이 변화하고 있다는 걸 인정하는 가운데, 그 변화를 각각 다른 측면에서 해석하는 ‘바이브’를 보여주고 있는 것 같지 않나요?

트위터 라이브러리 (Twitter Library) 🐦

강화학습(RL; Reinforcement Learning), 자율형 봇, 로봇 등 스스로 생각하고 움직이고, 문제를 해결하는 ‘차세대 AI’의 원동력이죠. 강화학습의 영역에서 새로운 것이 발견되고 발전하는 상황을 캐치업하는 것도 쉬운 일이 아닌데요. 이와 관련한 몇 가지 새로운 자료를 여러분과 공유합니다:

*아직 튜링 포스트 코리아 구독 안 하셨나요? 구독해 주시면 매주 중요한 AI 뉴스를 정리한 다이제스트를 받으실 수 있습니다!

튜링 포스트 코리아팀이 읽고 있는 것들

• AI as Normal Technology - An Alternative to the Vision of AI as a Potential Superintelligence by Arvind Narayanan & Sayash Kapoor

AI를 ‘슈퍼인텔리전스’가 될 수 있는 무언가가 아니라, 전기나 인터넷 같은 ‘정상 기술’로 보면 어떨까 하는 대안적인 관점을 제시해서, AI를 우리가 통제할 수 있는 도구로 간주합니다. 이렇게 본다면, AI의 실세계 적용이나 확산은 안전에 대한 고려, 제도 변화 등 여러 가지 요인으로 인해서 혁신의 속도 자체보다 훨씬 느릴 것이고, 특히 고위험 작업의 경우에는 수십 년도 걸릴 수 있다고 주장합니다.

여기 더해서, ‘지능’이나 ‘초지능’이라는 개념 자체가 혼란을 야기하기 때문에 사용을 중단하고, 대신 AI 시스템이 획득할 수 있는 권력, 그리고 이를 통제하는 방법에 집중해야 하고, 정책 결정자는 실존적 위협 같은 투기적 위험 말고 ‘회복 탄력성’을 높이는데 주력하라고 제안합니다.

• New-type AI Storage Research Report by ChinAI

중국 정보통신 연구원 (CAICT), 중국 인공지능산업연합이 공동으로 작성한 '신형의 인공지능 스토리지' 연구 보고서를 번역한 겁니다. 여기서 말하는 ‘신형 인공지능 스토리지’는 AI 애플리케이션에 최적화된 데이터 스토리지 시스템인데, 대규모 모델 훈련 시의 효율성과 애플리케이션 추론 속도 향상에 중점을 두게 됩니다. 보고서는 데이터셋 규모가 페타바이트 수준에 달하면서, 컴퓨팅 파워나 알고리즘보다 데이터가 모델 성능과 애플리케이션 적용 범위를 결정하는 핵심 변수가 되고 있다고 강조하네요. 이런 신형 AI 스토리지의 주요 기술로는, 추론 시 속도와 비용 효율성을 높이는 장기 메모리 스토리지 (영구적인 KV 캐시), 벡터화된 데이터베이스 등이 있네요.

• Microsoft’s Big AI Hire Can't Match OpenAI

꽤 흥미로운 글인데요. 마이크로소프트가 무스타파 술레이만을 영입하고 Inflection을 라이센스하는 등의 노력을 기울였는데도 아직 오픈AI의 챗GPT 같은 성공적인 AI 제품이 나오지 않았고, Copilot 사용자 수는 정체 상태인데 비해서 챗GPT는 계속해서 급성장하고 있다고 이야기합니다. 마이크로소프트 내부적으로 술레이만을 영입하는데 대해서 회의적인 시각도 있었고, 팀을 합치거나 데이터를 어떻게 사용할 것인가 등에 대해서 갈등도 있었다고 하네요. 사티야 나델라, 아직 큰 과제를 앞에 두고 있는 것 같습니다.

• AMD 2.0 – New Sense of Urgency: MI450X Chance to Beat Nvidia, Nvidia’s New Moat

AI 반도체 전쟁, 관심 많으시죠? AMD가 어떻게 AI 소프트웨어에 대한 전략을 세우고 있고, 특히 엔비디아에 비해서 뒤처져 있는 점에 대해서 개선 노력을 하고 있는지에 대한 SemiAnalysis의 보고서 발췌본입니다. AMD가 AI 소프트웨어 스택을 한시라도 빨리 개선하지 않으면 안 되는지, AMD 내부 조직에서 AI 소프트웨어 엔지니어들에 대해서 그리고 그들이 개발하는 소프트웨어들에 대해서 예산 편성을 어떻게 해야 하는지 논의합니다. 시장에서 AMD의 MI325X, MI355X에 대해 전혀 관심이 없고, 2026 하반기에나 출시될 MI450X 솔루션 정도나 되어야 엔비디아와 경쟁할 만한 잠재력이 있을 거라고 보네요.

금주의 주목할 만한 업계 동향 📰

금주 업계 동향은 다시 정치, 스타트업, 빅테크 등을 포함하는 다양한 영역의 뉴스입니다:

‘정치’에서 언급하는 AI

• 미국과 중국, AI를 놓고도 치열한 경쟁(?)을 하고 있죠. 최근에 있었던 정치국 회의에서 중국의 시진핑 주석은 ‘AI 자급자족이 가능하도록 가속화를 요청’하면서, AI 칩, 인프라 소프트웨어, 리스크 관리 시스템에 대한 한층 더 깊은 투자를 촉구했습니다.

• 미국의 트럼프 대통령은, K-12 교육 전반에 ‘AI 리터러시’에 대한 교육이 이루어질 수 있도록 하는 목표로 움직일 백악관 ‘AI 교육 태스크포스’를 설립하는 행정명령에 서명했습니다. 우리나라의 디지털/AI 리터러시 교육은 어떻게 진행해야 할지, 고민하시는 분들이 많은 것 같습니다.

Nous Research

• 강력한 슈퍼클러스터 없이도 인터넷에 흩어져 있는 컴퓨팅 파워를 활용해서 분산형으로 거대 AI 모델을 훈련하는 스타트업 Nous Research가 암호화폐 벤처캐피털 Paradigm이 주도한 시리즈 A 라운드에서 5천만 달러의 자금을 확보했습니다. 강력한 AI 모델 개발이 그저 빅테크 기업만의 영역은 아닐 수도 있다는 주장을 하고 있는 이 회사에 대한 VC의 관심은, 분산형 AI가 미래 AI 산업의 하나의 축으로 빠르게 성장할 영역이라는 점을 시사합니다.

Cognition

• ‘AI 기반 소프트웨어 엔지니어’인 Devin을 만든 스타트업 Cognition이 'DeepWiki'를 공개했습니다. DeepWiki는, GitHub 리포지토리를 위한 무료의 위키피디아 스타일 가이드라고 할 수 있겠는데요. GitHub URL을 DeepWiki의 URL로 바꿔주면, 코드 베이스를 깔끔하게 분석하고 사용자와 함께 탐색하도록 도와주는 Devin 기반의 챗봇을 만나볼 수 있다고 합니다.

마이크로소프트

• 자, Copilot이 완전히 ‘에이전트화’됩니다: AI 기반의 검색, 생성, 프로젝트 스타일 노트북, 에이전트 스토어 등을 갖추고, Copilot을 기업용 에이전트들을 담는 프론트엔드로 자리매김하고자 하는 마이크로소프트의 노림수가 보입니다.

오픈AI

• 최신의 GPT-4o 업데이트가 나왔죠 - STEM 영역에서의 추론, 메모리 처리, 그리고 사용자와 대화 중에 맥락을 더 잘 이해하고 원하는 답변을 잘 하도록 하는 등의 개선이 있었다고 합니다.

• 주목할 만한 추가 사항으로, 미묘한 "퍼지 (Fuzzy)" 업그레이드를 이야기하는데요. 모델이 사용자의 질문에 숨겨져 있는 의도를 직관적으로 파악을 더 잘 할 수 있도록 되었다고 합니다 - 이게 정말 되는 거라면, 더 자연스러운 AI 시스템으로 가는 한 걸음이 되겠죠. 반응은 좀 더 두고 봐야겠습니다.

• IR 덱이 유출되었는데, 이걸 보면 오픈AI는 에이전트 구독화, 무료 사용자의 수익화, 그리고 챗GPT를 넘어선 새로운 제품 개발 등으로 2029년에 1,250억 달러, 2030년에 1,740억 달러의 매출을 예상하고 있네요.

앤쓰로픽

• 앤쓰로픽 - 안전한 AI, 설명할 수 있는 AI에 많은 노력을 기울이는 회사죠. 뭐 일부 주장은 동의하기 힘들기도 하지만요. 어쨌든, 앤쓰로픽에서, AI가 가져올 수 있는 다양한 피해 - 재앙적인 위험에서부터 일상적인 오용에 이르기까지 다양한 AI의 피해 - 를 평가하고 완화하기 위해서 진화할 프레임웍을 설명했습니다. AI 기술의 유용성 vs. 개인정보보호라든가 리스크 관리 간의 균형을 맞추는데 있어서 중요한 통찰을 제공할 것 같습니다.

• 더불어, Tyler Cowen과 John List를 포함한 주요 경제학자를 포함한 위원회를 운영하겠다고 발표했습니다. 이 위원회는 특히 노동 시장과 더 넓은 사회경제적 시스템에 대한 AI의 경제적 영향에 관한 연구를 가이드하고 자문할 예정입니다.

메타

• 메타의 레이밴 안경, 실시간 번역 (사전 로드된 패키지로 오프라인 번역도 지원), 주변 환경에 대해서 추론하는 실시간 멀티모달 AI, 그리고 더 심화된 소셜/음악 앱 통합 기능을 추가했다고 합니다.

새로 나온, 주목할 만한 연구 논문

‘주목할 만한 최신의 AI 모델’을 먼저 소개하고, 각 영역별로 ‘Top Pick’은 해당 논문 앞에 별표(🌟)로 표시했습니다!

주목할 만한 최신 AI 모델

• 🌟 Hyena Edge
  스마트폰 및 기타 다양한 엣지 디바이스에서 속도, 메모리, 품질 면에서 트랜스포머 모델을 능가하는 Convolution 기반 하이브리드 아키텍처를 설계합니다.

• 🌟Tina: Tiny Reasoning Models via LoRA
  비용 효율적인 Low-Rank Adaptation과 강화학습 기법을 적용해서 작은 모델로도 강력한 추론 능력을 달성합니다.

• 🌟Kimi-Audio
  오디오와 텍스트를 이해하고, 생성하고, 대화할 수 있는 범용의 오디오 기반 모델을 구축해서, 다양한 벤치마크에서 최고 수준(SOTA)의 성능을 달성했습니다.

• 🌟Process Reward Models That Think
  최소한의 감독으로 단계별 보상 모델링을 확장하는 생성형 검증기 (Generative Verifier) ThinkPRM을 소개합니다.

추론 (Reasoning), 의사결정, 에이전트

• 🌟 TTRL: Test-Time Reinforcement Learning
  레이블링된 데이터 없이 보상 신호를 사용해서 테스트 시점에 LLM이 스스로 발전하는 방법을 소개합니다.

• 🌟LLMs are Greedy Agents: Effects of RL Fine-tuning on Decision-Making Abilities
  강화학습(RL) 파인튜닝이 LLM의 탐색 및 의사결정 능력을 어떻게 향상시키는지 분석합니다.

• 🌟Paper2Code
  멀티 에이전트 프레임워크를 활용해서 ML 논문으로부터 코드로의 전환을 End-to-End로 자동화합니다.

아키텍처, 최적화 및 효율성

• 🌟The Sparse Frontier: Sparse Attention Trade-offs in Transformer LLMs
  희소 어텐션 (Sparse Attention)의 트레이드오프를 조사하고, Long-Context LLM을 위한 스케일링 법칙을 제안합니다.

• BitNet v2: Native 4-bit Activations with Hadamard Transformation for 1-bit LLMs
  Hadamard 변환을 사용해서 초저비트 LLM에서 네이티브 4비트 활성화 양자화를 가능하게 해 줍니다.

학습 프레임웍 및 Representation

• 🌟Roll the dice & look before you leap: Going beyond the creative limits of next-token prediction
  다음 토큰을 예측하는 기법의 한계를 강조하고, 창의성 중심의 작업을 목표로 한 ‘노이즈 주입 전략’을 제안합니다.

• I-Con: A Unifying Framework for Representation Learning
  정보 기하학을 근거로 해서, 클러스터링, Contrastive Learning 및 기타 기법들을 통합하는 이론적 프레임웍을 제시합니다.

안전, 평가, 사회적 영향

• A Comprehensive Survey in LLM(-Agent) Full Stack Safety: Data, Training and Deployment
  데이터의 생성부터 LLM 상용화까지 전체 수명 주기를 대상으로 LLM의 안전성에 대한 조사 결과를 제공해 줍니다.

• 🌟Values in the Wild: Discovering and Analyzing Values in Real-World Language Model Interactions
  실세계의 상호작용에서 AI의 가치 표현 (Value Expressions)을 매핑해서, 실제 현실에 기반한 AI Value Alignment를 위한 정보를 제공합니다.

*리뷰를 남기시려면 로그인하시거나 구독해 주세요. 감사합니다!

읽어주셔서 감사합니다. 프리미엄 구독자가 되어주시면 튜링 포스트 코리아의 제작에 큰 도움이 됩니다!