📌 울퉁불퉁한 천재 - AI는 정말 '지능'인가?

안녕하세요, BQ개발자입니다.

📱 GPT-5 출시 내용 정리

지난 편에서 GPT-5의 비용 절감 전략을 살펴봤는데요.
이번엔 GPT-5가 드러낸 AI의 흥미로운 특성을 함께 살펴보겠습니다.

"캐치! 티니핑의 달콤핑이 누구야?"

GPT-5의 답변:
"중국 완구 브랜드 팝마트의 크라운 베이비 시리즈 캐릭터입니다."

그런데 실제로는:
- 달콤핑: 한국 SAMG 엔터테인먼트의 캐릭터
- 팝마트 캐릭터명: 크라이베이비 (크라운 베이비 아님)
- 두 캐릭터는 전혀 다름

7살 아이들도 아는 캐릭터를 GPT-5는 틀렸더라구요.

🤔 수학 천재가 캐릭터는 모른다?

그런데 신기한 건, 같은 GPT-5가 대학생 수준의 수학 문제는 정확히 풀어낸다는 점입니다.
복잡한 코딩 과제도 잘 처리하고 말이죠.

근데 이런 기초적인 상식 질문에서는 실패하네요.

테슬라 출신 AI 전문가 안드레이 카파시가
이런 현상을 '재기드 인텔리전스(Jagged Intelligence)'라고 불렀다고 하더라구요.

울퉁불퉁한 지능이라는 뜻인가 봅니다.


📊 균등하지 않은 능력치

생각해보니, 인간의 지능은 대체로 어느 정도 균형을 이루는 것 같아요.
수학을 잘하는 사람이 기본 상식도 갖추고 있는 경우가 많잖아요.

그런데 AI는 좀 다른 것 같습니다.
특정 영역에서는 박사급 성능을 보이다가
다른 영역에서는 초등학생 수준으로 떨어지는 모습을 보이구요.

이게 단순히 데이터가 부족해서인지 궁금했는데,
GPT-5, Grok, Gemini, Claude 모두 비슷한 패턴을 보이는 걸 보면 뭔가 더 근본적인 이유가 있을 것 같아요.


💡 작동 원리의 차이일까?

추측해보자면, AI가 수학을 잘 푸는 이유는 어느 정도 이해가 갑니다.
수학은 패턴과 규칙으로 이뤄져 있으니까요.

그런데 '달콤핑이 누구인지'는 패턴이라기보다는...
그냥 사실 자체를 알고 있어야 답할 수 있는 문제인 것 같아요.

혹시 이런 차이가 있는 게 아닐까 생각해봅니다:
- AI: 데이터에서 패턴을 찾아 다음을 예측하려고 함
- 인간: 경험과 맥락으로 세상을 이해하려고 함

물론 정확한지는 모르겠지만, 뭔가 근본적으로 다른 방식인 것 같네요.


✏️ 새로운 형태의 지능체?

GPT-5의 이런 모습을 보면서 드는 생각은,

우리가 개발하고 있는 AI가 인간을 모방한 AGI라기보다는
인간과는 다른 방식으로 작동하는 새로운 형태의 지능체일 수도 있겠다는 점입니다.

특정 작업에서는 초인적 능력을 보이면서도,
다른 작업에서는 기초적 실수를 반복하는...

혹시 '지능'이라는 개념 자체를 다시 생각해봐야 할 때인 걸까요?


---

#BQ개발자 #GPT5 #재기드인텔리전스 #AI지능 #울퉁불퉁한천재

📌 LLM 어플리케이션 9편: 에이전트 - 생각하는 AI의 탄생

BQ개발자입니다.

지금까지의 LLM은 질문을 받으면 바로 답변했습니다.
하지만 모르는 걸 물어보면? 그냥 틀린 답을 하거나 "모르겠습니다"라고 할 뿐이었죠.

그런데 만약 LLM이 스스로 정보를 찾아볼 수 있다면 어떨까요?

📱LLM 어플리케이션 8편: 청킹 - 긴 글을 어떻게 나눌 것인가


🤖 에이전트가 뭔가요?

에이전트는 "스스로 생각하고 행동하는 LLM"을 의미합니다.

일반 LLM 사용자: "2023년 PGA 챔피언의 고향은?"
LLM: "죄송합니다. 그 정보는 모릅니다."

에이전트 사용자: "2023년 PGA 챔피언의 고향은?"
에이전트: (스스로 검색해서 답을 찾아옴) "2023년 PGA 챔피언은 브룩스 켑카이며, 플로리다주 웨스트팜비치 출신입니다."

어떻게 이게 가능할까요?


🧠 ReAct 패턴: 생각하고, 행동하고, 관찰하라

ReAct는 Reasoning(추론) + Acting(행동)의 줄임말입니다.

핵심은 세 단계의 반복입니다:

1. Thought (생각): 무엇을 해야 할지 추론
2. Action (행동): 실제로 도구를 사용해 행동
3. Observation (관찰): 행동의 결과를 확인

이 세 단계가 계속 순환하면서 문제를 해결합니다.


📝 실제로 어떻게 작동하는지 봅시다

"2023년 PGA 챔피언의 고향을 알려줘"라는 질문을 받았을 때:

Thought: "2023년 PGA 챔피언이 누구인지 먼저 알아야겠다."
Action: 구글 검색("2023 PGA 챔피언")
Observation: "브룩스 켑카가 우승자라는 것을 확인했다."

Thought: "이제 브룩스 켑카의 고향을 알아야겠다."
Action: 구글 검색("브룩스 켑카 고향")
Observation: "플로리다주 웨스트팜비치 출신이라는 정보를 얻었다."

Final Answer: "2023년 PGA 챔피언은 브룩스 켑카이며, 그의 고향은 플로리다주 웨스트팜비치입니다."


⚡ 왜 이게 중요한가?

일반 프로그램은 미리 정해진 순서대로만 실행합니다.
하지만 ReAct는 각 단계의 결과를 보고 다음을 결정합니다.

예를 들어:
- 첫 검색에서 "대회 취소"가 나왔다면? → 다른 방향으로 사고 전환
- 검색 결과가 애매하다면? → 다른 검색어로 재시도
- 잘못된 정보를 찾았다면? → 검증을 위한 추가 검색

상황에 따라 적응하는 것, 이게 핵심입니다.


🔄 Think → Act → Observe의 순환

이 패턴이 없다면:
- LLM은 자신의 지식 범위 안에서만 답변
- 틀려도 확인할 방법이 없음
- 추가 정보가 필요해도 얻을 수 없음

ReAct 패턴이 있으면:
- 모르는 건 찾아볼 수 있음
- 틀렸으면 수정할 수 있음
- 필요한 만큼 반복해서 정보를 수집할 수 있음

각 사고가 행동을 만들고, 각 행동의 결과가 다음 사고를 만듭니다.
이 순환이 "지능적 행동"을 가능하게 합니다.


💡 정리: 수동적 대답에서 능동적 문제 해결로

에이전트의 본질은 ReAct 패턴을 통한 자율성입니다.

생각 → 행동 → 관찰 → 다시 생각...

이 순환을 통해 LLM은:
- 단순 질문-답변 기계에서
- 스스로 문제를 해결하는 시스템으로 진화합니다.

인간이 문제를 해결하는 과정과 같은 구조죠. 그래서 우리는 이걸 "에이전트"라고 부릅니다.

하지만 복잡한 작업에는 여러 전문가가 필요합니다. 다음 편에서는 "멀티 에이전트 - AI들의 협업"을 알아보겠습니다.

---

여러분의 좋아요와 공유는 사랑입니다 🥰

#BQ개발자 #LLM애플리케이션 #에이전트 #AIEngineering

📌 Camp 네트워크 국내 전용 야핑 리더보드 개설

https://leaderboard.spreadx.ai/campnetwork/korean

Camp 네트워크에서 한국 전용 카이토 리더보드가 나와있고

매주 2.5k$를 상위 10명의 야퍼들에게 제공 중

요건 카이토 리더보드와는 별개로 하시는 분들은 양쪽다 참여가 가능!!

추가로 상위권 참여자들에게는 캠프 Trailshead Phase 2 NFT WL 도 제공해준다고하네요

야핑하시는 분들은 들어가셔서 트위터 계정+ 지갑 연결해놓으시길!!!

하트와 좋아요는 비큐 컨텐츠의 큰 힘이 됩니다 🤩

#Camp #캠프네트워크 #야핑