그래서 전문가뿐 아니라 우리도 AI를 잘 알아야 합니다. 미래는 어떤 것도 정해져 있지 않습니다. AI 기술은 그 자체로 가치중립적이지 않습니다. 모두 우리 하기에 달려 있습니다. ‘모름’으로 인한 막연한 불안과 공포는 부정적인 측면만 키울 뿐입니다. AI의 긍정적인 측면을 잘 살려 활용함과 동시에, 정부·산업·학계 그리고 전 국민이 함께 노력하여 부정적인 측면을 줄여나간다면, 미래는 디스토피아가 아닌 유토피아일 것입니다.
---p.9

연결주의는 인간의 뇌가 작동하는 방식을 본떠 인공 신경망을 기반으로 지능을 구현하려는 시도입니다. 이 관점에서 제시된 핵심 아이디어는 데이터를 주고 기계가 스스로 학습하게 두자는 것입니다. 예컨대 강아지 사진 10만 장을 입력해 강아지의 특징을 스스로 찾아내게 하는 무감독 학습 방식이 바로 연결주의적 접근에 속합니다.
---p.27

나뿐만이 아니라 100만 명 혹은 1억 명이 동시에 챗GPT를 쓰고 있을 수 있습니다. 챗GPT는 그런 요청에 응답해 순식간에 보고서나 동영상, 이미지를 만들어야 하는데, 메모리에서 무수한 데이터를 읽어오려 하다 보니 병목 현상이 일어납니다. 병목 현상은 좁은 도로에 많은 자동차가 몰려 체증이 발생하는 현상이죠. 차선이 많고 도로 폭이 넓다면 병목 현상은 일어나지 않을 것입니다. 메모리도 마찬가지입니다. 속도를 빠르게 하려면 메모리의 ‘폭’을 넓혀주면 됩니다. 그래서 처리 속도를 빠르게 해주기 위해 탄생한 것이 ‘대역폭이 큰 메모리’ 즉 고대역폭 메모리, HBM입니다. 35-36쪽

AI가 점점 똑똑해질수록 더 많은 양의 데이터를 소화하게 될 것이고, 그만큼 덩치가 커지고 무거워질 수밖에 없을 것입니다. 그런 상황에서 연산 속도가 빠르고 전력 효율도 좋은 반도체를 개발하기 위한 연구와 노력이 이어질 것이라고 예상해볼 수 있습니다. 그렇다면 앞으로 AI와 AI 반도체 개발에서 가장 눈에 띌 화두는 무엇일까요? 바로 경량화와 압축입니다.
---p.50

그중 하나가 기초과학과 제약업계에 큰 변화를 일으킨 구글 딥마인드의 단백질 구조 예측 AI ‘알파폴드(AlphaFold)’입니다. 연구자들은 1970년대부터 단백질 구조를 연구해왔지만, 수십 년간 밝혀낸 구조는 전체의 약 17%에 불과했습니다. 그러나 알파폴드는 등장 9년 만에 단백질 구조의 99%를 밝혀냈습니다.
---p.59

앞으로 AI의 진화는 필연적으로 사람의 프라이버시나 기본권, 사회 질서와 충돌하는 현상을 불러오게 될 것입니다. 전쟁에서 일어나는 것과 같은 극단적인 상황이 아니더라도, 복잡한 현실 속에서 AI가 자율적으로 판단하고 행동하는 범위가 너무 크다면 다양한 피해들이 나타날 수 있습니다. 그렇기 때문에 AI의 자율성과 그 통제 방향에 대한 문제는 이제부터 더 중요하게 논의될 필요가 있습니다.
---p.63

생성형 AI가 보편화된 지금, 우리는 코딩 언어가 아닌 자연어로 AI와 소통합니다. 따로 배워야 하는 기계언어가 아니라 원래 쓰던 사람의 언어로 더 쉽고 자연스럽게 기계와 소통할 수 있게 된 것인데요. 더 많은 일을 기계에게 손쉽게 시킬 수 있게 되니 이런 생각도 하게 됩니다. “늘 해오던 일이지만 굳이 이것을 내가 해야 할까?” 그리고 은연중에 스스로 할 일과 AI에게 시킬 일을 판단해 AI에게 맡길 만한 일은 모두 맡기고 있는 것입니다. 이런 판단이 반복되면 결국 뇌의 기능에도 변화가 생깁니다.
---p.73

프롬프트를 잘 써서 상당히 멋진 결과물을 만들어내는 사용자들은 대체로 이런 미학적 태도를 담기보다는 이 기술로 어느 정도의 결과물이 나올 수 있는지를 궁금해하는 편입니다. 이렇게 AI로 산출물을 만드는 과정은 현대 기술매체를 예술에 융합한 미디어 아트라기보다는 ‘기술 시연회’에 가깝습니다. 많은 사람들이 기술 시연회를 보고 예술이라고 생각합니다.
---p.88

아무런 학습도 하지 않은 휴머노이드는 이제 막 태어난 아기나 다름없습니다. 학습이 되지 않았으니 할 수 있는 것도 없어서 ‘깡통’이라고 불리지만, 그 깡통이 일단 학습을 마친 후에는 대단한 장점 하나가 생기는데요. 바로 학습한 행동과 지식을 다른 휴머노이드에게 똑같이 복사해줄 수 있다는 점입니다. 바리스타의 행동을 학습한 휴머노이드의 데이터를 이제 막 공장에서 나온 깡통 휴머노이드에게 복사만 하면, 새로운 깡통도 데이터를 받은 즉시 바리스타가 됩니다.
---p.112

AI에게 ‘협력 지능’이 필요한 이유는 한 대의 드론이나 로봇이 라이다(LiDAR, 레이저를 쏘고 돌아오는 시간을 활용해 거리와 형태를 파악하는 기술) 센서와 같은 장치로 수집할 수 있는 정보의 정확성과 양에 한계가 있기 때문이기도 합니다. 하지만 기능이 한정된 드론이라도 여러 대가 있고 그 여러 대의 드론이 서로 협력한다면 각자 센서로 얻은 정보를 종합해 커다란 공간을 더 빨리 파악할 수도 있고, 강한 바람이 부는 등의 돌발 상황이 일어났을 때에도 각자 파악한 상황을 서로 공유해 적합한 동작으로 사고를 피하는 대응을 할 수 있게 됩니다.
---p.131

2025년 이스라엘과 이란 사이에 일어났던 분쟁 상황에서는 특히 위성으로 얻은 정보가 매우 빠르게 공급되는 것을 세계가 실감할 수 있었습니다. 미국이 이란의 주요 핵시설에 B-2 폭격기로 ‘벙커버스터’라는 최신형 폭탄을 투하했을 때, 많은 위성 기업이 이 공격 현장을 촬영해 언론에 공급하면서 실제 폭격이 언제 어떻게 이루어졌으며 피해 상황은 어땠는지를 전 세계에 빠르고 확실하게 보여줄 수 있었던 것입니다.
---p.143

‘나다움’이라는 가치는 특히 인간이란 무엇인지를 생각하게 합니다. AI 시대의 도래가 기술적 진보를 넘어선 문명사적 대전환인 이유는 이처럼 인간으로 하여금 노동이란 무엇인지, 인간다움이란 무엇인지를 통찰하게 만들기 때문입니다. 기계가 인간이 하는 일들을 똑같이 할 수 있다면, 과연 인간에게는 어떤 가치가 있는 걸까요? 기계와 인간을 구분지을 수 있게 해주는 인간다움이란 무엇일까요?
---p.181

AI를 쓰며 일을 할 때 가장 중요하게 여겨야 할 점은 AI의 성능이 아니라 내가 이 일을 얼마나 잘 알고 있느냐입니다. AI와 함께하는 업무에서 나는 AI에게 업무를 지시하는 ‘팀장’이라고 할 수 있는데, 팀장이 일에 대해 잘 모르면 업무가 제대로 진행되지 않겠죠. 비행기를 조종하는 기장을 떠올려보면 쉽게 알 수 있습니다. 요즘 비행기는 거의 AI와 컴퓨터를 이용한 자동 항법 장치로 비행하지만, 인간 파일럿이 한 명도 없는 비행기라면 절대 타고 싶지 않을 것입니다. 모든 운전을 AI가 하더라도 조종석에 기장이 타고 있어야 합니다.
---p.195

AGI의 등장 이후 또 얼마쯤 시간이 지나면 인간의 능력을 뛰어넘는 초인공지능(ASI)이 등장할 것이라고 하죠. 그 기간은 얼마나 될까요? 뇌과학자들은 “AGI가 등장하면 곧 스스로 ASI가 될 것”이라는 예측을 내놓았습니다. 지금은 세계에서 가장 똑똑한 과학자와 개발자들이 몇 년은 걸리는 연구를 통해 AI를 개발하지만, AGI는 그런 개발자 천만 명의 지적인 능력을 시뮬레이션하는 방식으로 학습해서 1년 정도면 ASI의 상태에 다다를 것이라고요.
---p.206

실제로 자유의지를 가졌든 가지지 않았든, 언제나 합리적이고 올바른 결정을 내릴 수 있는 AGI가 나타난다면 인간은 모든 결정을 AGI에게 맡기고 ‘영원히 성장하지 않는 아이’처럼 살아가게 될지도 모릅니다. 미래의 인류가 그런 삶을 불행하다고 여길지 행복하다고 여길지 아직은 알 수 없습니다.
---p.216