원본 영상: Google's Jeff Dean on the Coming Transformations in AI · 채널 Sequoia Capital
제프 딘은 AI 발전을 최근 3~4년의 돌풍이 아니라 2012~2013년부터 누적된 스케일링의 결과로 본다. 당시 큰 신경망을 여러 문제에 적용해 보며 "더 큰 모델, 더 많은 데이터, 더 나은 결과"라는 경험칙이 굳어졌고, 지금도 더 나은 알고리즘과 하드웨어, 후처리 학습이 그 흐름을 강화하고 있다고 말한다.
그는 앞으로도 범용 대형 모델은 소수의 강한 플레이어가 차지하겠지만, 증류 같은 방법으로 더 작고 빠른 모델이 훨씬 넓게 퍼질 것이라 본다. 에이전트는 아직 대부분의 일을 못 하지만 학습 경험이 쌓이면 가상 환경과 로봇 환경 모두에서 실용성을 넓혀 갈 것이며, 이를 위해서는 전문 하드웨어와 고속 네트워킹이 핵심이라고 강조한다.
이 대담은 AI가 과학과 컴퓨팅 인프라를 어떻게 바꾸는지에 대한 제프 딘의 관점을 중심으로 전개된다. 그는 AI가 복잡한 시뮬레이터를 대체하거나 근사해 연구 속도를 극적으로 높이고, 분자 스크리닝처럼 원래는 불가능했던 탐색을 일상적으로 만들 것이라고 본다. 또한 추론용 하드웨어, 개발자 경험, 클라우드 추상화가 앞으로의 핵심 경쟁력이 될 것이며, 훈련과 추론은 서로 다른 워크로드이므로 각기 다른 최적화가 필요하다고 강조한다. 마지막으로 전통적 알고리즘 분석도 메모리·네트워크·데이터 이동 비용을 중심으로 다시 생각해야 한다는 점을 짚는다.
제프 딘은 AI의 다음 변화가 단순한 모델 성능 향상이 아니라, 교육·검색·업무 전반에서 실제로 사람을 돕는 제품으로 확장되는 데 있다고 본다. 유튜브 강의 영상을 바탕으로 교육용 게임을 즉석에서 만들 수 있는 가능성을 예로 들며, 이런 도구들이 학습과 문제 해결 방식을 크게 바꿀 수 있다고 강조한다.
또한 frontier 모델 경쟁의 승부처는 거대한 클러스터를 얼마나 많이 짓느냐만이 아니라, 알고리즘 개선과 시스템·하드웨어 최적화가 함께 가야 한다는 점이라고 말한다. 앞으로의 AI는 하나의 거대 모델보다 전문가가 분화된 sparse/mixture 구조, 지속적인 확장·압축·재배치가 가능한 유기적 시스템 쪽으로 진화할 가능성이 크다고 보고, 1년 안에 주니어 엔지니어 수준의 24/7 AI도 가능할 수 있다고 전망한다.
제프 딘은 AI가 문서를 읽고 가상 환경에서 시도해보는 '주니어 가상 엔지니어' 역할을 꽤 잘 수행하게 될 것이라고 말한다. 이런 방식이 반복될수록 시스템은 점점 더 많은 일을 더 잘하게 되며, 아직 어디까지 갈지는 단정할 수 없지만 현재보다 훨씬 멀리 나아갈 수 있다고 전망한다. 영상의 마지막은 감사 인사와 인사말로 마무리된다.
요약·핵심 인사이트는 인사이트컷(InsightCut)이 작성했습니다. 원본 영상의 저작권은 Sequoia Capital에게 있으며, 영상은 공식 YouTube 플레이어로 재생됩니다.