키폰, 계속해

저는 이번 주에 사우스 베이로 돌아왔습니다. 직원들이 Google I/O를 위해 쇼어라인으로 향하기 몇 분 전에 호텔 로비에서 소개를 들었습니다. 뒤에는 비즈니스 정장과 양말 없는 로퍼를 입은 남자가 AirPods를 들고 시끄러운 비즈니스 회의에 참석하고 있습니다. 집에 있는 것이 좋다.

나는 스타트업과 VC들과 함께 몇 차례의 회의를 가졌고, 내 생일을 맞아 산타크루즈에서 조용하고 로봇 없는 하루 반을 보냈습니다. 하루 종일 이 개발자에게 집중할 것이라는 것을 알고 일주일 동안 몇 가지 물건을 정리했습니다. 알고 보니 너무 많은 물건을 늘어놓았는데, 이는 여러분 모두에게 좋은 소식입니다.

일반적인 모집 및 채용 외에도 두 가지 훌륭한 인터뷰가 있습니다.

2주 전, 저는 예전 MIT 페이지, 특히 Leg Lab 주변에서 하고 있던 일을 조금 파헤쳐 본 글을 게시했습니다. 여기에는 다음 문장이 포함되어 있습니다. "또한 Gill Pratt, Jerry Pratt, Joanna Bryson, Hugh Herr, Jonathan Hurst 등 학생 및 교직원 목록을 스크롤하고 있습니다. 안녕하세요."

Actuator 에디션이 출시된 후 Bryson은 트위터에 다음과 같이 언급했습니다.

안녕?

로봇 작업을 해본 적은 없지만 연구실 문화와 분위기, 회의가 마음에 들었습니다. Marc, Gill & Hugh는 모두 환영하고 지지해주었습니다(하지만 Hugh의 버전을 방문할 시간은 없었습니다). 내 감독자(Lynn Stein)는 실제로 연구실이나 팀 작업을 수행하지 않았습니다.

나는 출판 후에 Creem Magazine에서 편집자로 일한 적이 없는(전화해 주세요) "Boy Howdy"라고 말하는 지구상의 마지막 사람일 수도 있다는 것을 발견했습니다. 하루 이틀 전, Z세대 동료도 이 말에 완전히 당황했습니다. 그것은 천천히 내 모국어에 익숙해진 고대 속어 목록 중 하나입니다. 안녕하십니까, 앞으로도 계속 사용할 것입니다.

트윗의 두 번째(그리고 훨씬 더 관련성이 높은) 부분에 따르면 Bryson은 내가 실제로 어떤 시점에서도 상호 작용한 적이 없는 초기 목록의 한 사람일 수 있습니다. 당연히 나는 그녀에게 채팅에 관심이 있는지 물었습니다. 그녀가 자신의 트윗에 언급했듯이 로봇 자체와 직접 작업하지는 않았지만 그녀의 작업은 그 세계와 겹치는 부분이 많습니다.

Bryson은 현재 베를린 Hertie School에서 윤리 및 기술 교수로 재직하고 있습니다. 그 전에는 바스 대학교에서 가르쳤고, 옥스포드와 노팅엄 대학교에서 연구원으로 재직했습니다. 그녀의 작업 대부분은 AI의 윤리 및 거버넌스를 포함하여 인공 및 자연 지능에 중점을 두고 있습니다.

생성적 AI에 대한 모든 이야기, 최근 공개 서한, Geoffrey Hinton의 최근 Google 퇴사를 고려하면 더 나은 타이밍을 요구할 수 없습니다. 다음은 최근 Bryson의 근무 시간 동안 나눈 대화에서 발췌한 것입니다.

이미지 크레딧:허티 스쿨

이 모든 생성 AI 뉴스로 인해 바쁘실 것입니다.

제너레이티브 AI는 제가 특히 바쁜 이유 중 일부일 뿐이라고 생각합니다. 저는 2015년부터 2020년까지 매우 바빴습니다. 그때는 모두가 정책을 작성하고 있던 때였습니다. 파트너가 뉴저지에서 일을 했기 때문에 나도 파트타임으로 일하고 있었습니다. 그곳은 바스(Bath)에서 먼 거리였습니다. 그래서 저는 반으로 줄이고 30%를 받았습니다. 제가 시간이 있었고 사람들이 "우리 정책을 알아내야 해요"라고 말했기 때문에 저는 어디든 날아가고 있었습니다. 나는 집에 거의 없었습니다. 더 바빠진 것 같은데, 그게 얼마나 [생성 AI] 덕분인지는 모르겠습니다.

내가 이렇게 자세히 설명하려는 이유 중 하나는 많은 사람들이 어떤 이유로든 이것이 처음으로 관심을 갖게 되었기 때문입니다. 그들은 정말 언어 문제에 푹 빠져 있습니다. 잊지 마세요, 2017년에 제가 언어 작업을 했는데 사람들도 그것에 겁을 먹었어요. 단어 임베딩에 인종차별과 성차별이 있었나요? 사람들이 "생성 AI"라고 부르는 것(ChatGPT)의 언어 부분은 그다지 다르지 않습니다. 모든 기술이 크게 다르지는 않습니다. 많은 예시를 살펴본 다음 처음부터 다음에 어떤 일이 일어날 가능성이 가장 높은지 파악하는 것입니다. 이는 한 단어에 대한 단어 임베딩과 매우 관련이 있지만 이는 기본적으로 다른 프로그램에 의해 정보를 모으는 퍼즐 조각입니다.