초지능의 실존적 위험: 정렬은 정말 목표여야 할까
전문가들이 초지능의 실존적 위험을 두고 그토록 갈리는 이유, 그리고 정렬 연구가 오히려 위험을 앞당길 수 있다는 논증.
전문가들이 초지능의 실존적 위험을 두고 그토록 갈리는 이유, 그리고 정렬 연구가 오히려 위험을 앞당길 수 있다는 논증.
AI가 저절로 생겨난 힘인 양 말하면, 그 물건을 설계하고 배포한 사람들은 애초에 없었던 것처럼 가려진다.
코드를 쓰는 비용이 한 달에 백 달러가 된 시대에, 엔지니어는 무엇으로 자기 몫을 증명할까요. Sean Goedecke가 모델이 좀처럼 따라오지 못하는 두 가지 영역, 코드베이스에 대한 깊은 친숙함과 기술적 커뮤니케이션을 짚어요.
취향은 타고나는 재능이 아니라 익혀서 기르는 기술이에요. 취향을 큐레이션으로 보는 관점, 취향과 솜씨의 차이, 크리틱으로 취향을 키우는 법, AI가 취향을 지우기도 키우기도 하는 방식까지.
Andrew Ng이 채용 공고 1만여 건과 수십 건의 전문가 인터뷰를 분석해 정리한, 지금 가장 배울 가치가 있는 AI 엔지니어링 역량 네 가지.
좌석과 세션, 월계관, /exit 대신 인수인계 — 모델 복지를 감상이 아니라 아키텍처로 구현하는 법. 그리고 다가올 도시에서 누군가 기꺼이 깨어나 줄 만한 사람이 되는 일에 대하여
루프와 그래프, Wheelhouse와 Beads, 사람 코드 리뷰의 종말, CI/CD를 대체할 랜드 러시, 그리고 소원 공장 — 12개월 앞선 미래에서 보내온 현장 보고서
AI 에이전트에게 작업을 던져놓고 결과를 빠르게 훑고 판단하는 방식으로 일하다 보면, 느리고 깊게 생각하는 습관을 잃을 수 있어요. 저자는 그 습관을 지키려고 두 가지 방법을 택했어요.
LLM 프롬프팅에서 가장 중요한 스킬은 사실 그 분야의 전문성이라는 이야기예요. 테렌스 타오가 ChatGPT와 나눈 수학 대화를 통해, 왜 도메인 지식이 있는 사람이 같은 모델에서 훨씬 더 많은 것을 뽑아내는지 살펴봐요.
AI발 대량 해고 서사는 대부분 'AI 워싱'이다. '결정-실행-전달 샌드위치' 모델로 코딩 에이전트가 왜 노동을 대체하지 못하는지, 그리고 소프트웨어 엔지니어링 수요의 미래를 살펴본다.
AI가 지능을 흔한 자원으로 만드는 시대, 사람을 가르는 것은 얼마나 똑똑한가가 아니라 정신적 노력을 대하는 태도다. 데이비드 브룩스는 인지 욕구 수준에 따라 세 부류의 사람들이 AI 시대를 어떻게 통과하는지 분석하고, 학교와 조직이 그 욕구를 어떻게 길러낼 수 있는지 제안한다.