BHI
Photo
BCI가 반드시 머리에 칩을 이식하는 방식으로만 구현되는 것은 아니기에, 저는 비침습형 BCI가 하나의 현실적인 해법이 될 수 있다고 바라보고 있습니다. 많은 사람들이 BCI에 대해 본능적인 거부감을 느끼는 이유도 결국 '뇌에 무언가를 심는다'는 침습적 이미지 때문일 텐데, 비침습형 BCI는 이러한 심리적 장벽을 낮추면서도 기술적 가능성을 열어둘 수 있는 방향이라고 생각합니다.
저는 이 변화와 시도가 단순한 기술적 실험을 넘어, 인간이 다룰 수 있는 영역을 확장하는 유의미한 발전이라고 봅니다. 지금까지 인간은 몸의 한계를 기계로 확장했고, 정보의 한계를 인터넷과 인공지능으로 확장해왔습니다. 그렇다면 다음 단계는 어쩌면 인간의 생각, 기억, 학습, 감정, 주의력, 몰입, 창의성, 의사결정 같은 내면의 영역을 더 정교하게 다루는 방향일지도 모릅니다.
특히 이 문제를 단순히 '꿈을 조절하는 기술' 정도로 한정해서 바라보는 것은 한계를 너무 좁게 보는 것이라고 생각합니다. 핵심은 꿈 그 자체가 아니라, 지금까지는 추상적이고 형이상학적인 영역으로 여겨졌던 인간의 내면 경험을 스스로 원하는 방식으로 조작하고, 통제하고, 관리할 수 있게 되는 가능성에 있습니다. 단순히 꿈을 원하는 대로 꾸는 것이 아니라, 생각과 지식을 더 빠르고 효율적으로 얻고, 기억을 관리하며, 학습을 최적화하고, 감정과 몰입 상태까지 조절할 수 있는 시대가 열릴 수도 있다고 바라보고 있습니다.
저는 실제로 루시드 드림을 시도해 성공해본 사람으로서 이야기하고 싶은 부분이 있습니다. 루시드 드림은 과학적으로 가능한 현상이지만, 직접 경험해보면 상당히 피곤합니다. 잠을 잤음에도 마치 제대로 자지 않은 것 같은 느낌이 남기 때문입니다. 의식적으로 꿈을 통제한다는 것은 흥미로운 경험이지만, 동시에 수면의 본래 기능을 방해하는 느낌도 존재합니다.
하지만 BCI와 같은 기술이 발전한다면, 이런 문제를 어느 정도 해결할 수 있을지도 모릅니다. 수면 중 의식 경험을 더 안정적으로 다루면서도 피로와 수면의 질 저하를 줄일 수 있다면, 단순한 꿈 조절을 넘어 인간의 시간 활용 방식 자체가 달라질 수 있습니다. 인간이 하루 24시간을 더 능동적으로 활용하고, 자신이 원하는 경험과 활동을 설계할 수 있는 구조로 나아갈 가능성도 있습니다.
물론 이런 혁신이 실제로 가능해졌을 때, 사람들은 그것을 어떻게 사용할까요? 더 높은 효율을 위해 사용할 수도 있고, 더 큰 즐거움과 몰입을 위해 사용할 수도 있습니다. 반대로 노동을 위해, 더 많은 일을 견디기 위해, 혹은 더 고된 일을 더 오래 수행하기 위해 사용될 가능성도 있습니다. 어쩌면 힘든 일을 덜 힘들게 느끼도록 만들 수도 있고, 불편함과 피로를 줄여 인간이 이전에는 감당하기 어려웠던 일을 쉽게 수행하게 만들 수도 있습니다.
이 지점은 기대와 우려가 동시에 존재하는 부분입니다. 개인이 자기 자신을 더 주체적으로 설계하고 확장하는 도구가 될 수도 있지만, 반대로 타인이나 시스템이 인간의 생각, 감정, 기억, 학습 방식에 개입하는 수단이 될 수도 있기 때문입니다. 주체적 통제가 될지, 외부에 의한 통제가 될지는 기술 그 자체만으로 결정되기 어렵습니다. 저는 이 부분에 대해서는 과거의 사람이 미래에 대해서 말하는 것은 불가능하다고 여기기에 공백으로 남겨두고 싶습니다.
그럼에도 저는 이러한 시도와 시작 자체가 유의미하다고 생각합니다. 진보란 결국 불가능해 보였던 것을 가능으로 바꾸려는 시도와 행동의 반복이었기 때문입니다. 인류는 늘 자신이 닿지 못했던 영역에 도전했고, 이해하지 못했던 것을 이해하려 했으며, 통제하지 못했던 것을 다룰 수 있는 방향으로 나아가 왔기 때문입니다.
그래서 저는 이 흐름이 어렵고 위험한 길일 수는 있어도, 결국 인간이 향하게 될 방향 중 하나라고 느끼고 있습니다. 언젠가는 인간이 자신의 생각과 기억, 지식과 감정, 나아가 내면의 경험 전체를 지금보다 훨씬 더 정교하게 다루고 활용할 수 있는 시대가 열릴지도 모릅니다.
그런 점에서 비침습형 BCI는 단순히 기존 BCI의 부담을 줄이는 대안 기술이 아니라, 인간이 자기 자신의 정신과 내면을 다루는 방식 자체를 바꾸는 출발점이 될 수 있다고 봅니다. 꿈을 통제하는 기술이 아니라, 인간이 자신의 형이상학적 영역까지 기술적으로 이해하고 조절하려는 흐름의 시작으로 긍정적으로 바라볼 수 있다고 보입니다.
저는 이 변화와 시도가 단순한 기술적 실험을 넘어, 인간이 다룰 수 있는 영역을 확장하는 유의미한 발전이라고 봅니다. 지금까지 인간은 몸의 한계를 기계로 확장했고, 정보의 한계를 인터넷과 인공지능으로 확장해왔습니다. 그렇다면 다음 단계는 어쩌면 인간의 생각, 기억, 학습, 감정, 주의력, 몰입, 창의성, 의사결정 같은 내면의 영역을 더 정교하게 다루는 방향일지도 모릅니다.
특히 이 문제를 단순히 '꿈을 조절하는 기술' 정도로 한정해서 바라보는 것은 한계를 너무 좁게 보는 것이라고 생각합니다. 핵심은 꿈 그 자체가 아니라, 지금까지는 추상적이고 형이상학적인 영역으로 여겨졌던 인간의 내면 경험을 스스로 원하는 방식으로 조작하고, 통제하고, 관리할 수 있게 되는 가능성에 있습니다. 단순히 꿈을 원하는 대로 꾸는 것이 아니라, 생각과 지식을 더 빠르고 효율적으로 얻고, 기억을 관리하며, 학습을 최적화하고, 감정과 몰입 상태까지 조절할 수 있는 시대가 열릴 수도 있다고 바라보고 있습니다.
저는 실제로 루시드 드림을 시도해 성공해본 사람으로서 이야기하고 싶은 부분이 있습니다. 루시드 드림은 과학적으로 가능한 현상이지만, 직접 경험해보면 상당히 피곤합니다. 잠을 잤음에도 마치 제대로 자지 않은 것 같은 느낌이 남기 때문입니다. 의식적으로 꿈을 통제한다는 것은 흥미로운 경험이지만, 동시에 수면의 본래 기능을 방해하는 느낌도 존재합니다.
하지만 BCI와 같은 기술이 발전한다면, 이런 문제를 어느 정도 해결할 수 있을지도 모릅니다. 수면 중 의식 경험을 더 안정적으로 다루면서도 피로와 수면의 질 저하를 줄일 수 있다면, 단순한 꿈 조절을 넘어 인간의 시간 활용 방식 자체가 달라질 수 있습니다. 인간이 하루 24시간을 더 능동적으로 활용하고, 자신이 원하는 경험과 활동을 설계할 수 있는 구조로 나아갈 가능성도 있습니다.
물론 이런 혁신이 실제로 가능해졌을 때, 사람들은 그것을 어떻게 사용할까요? 더 높은 효율을 위해 사용할 수도 있고, 더 큰 즐거움과 몰입을 위해 사용할 수도 있습니다. 반대로 노동을 위해, 더 많은 일을 견디기 위해, 혹은 더 고된 일을 더 오래 수행하기 위해 사용될 가능성도 있습니다. 어쩌면 힘든 일을 덜 힘들게 느끼도록 만들 수도 있고, 불편함과 피로를 줄여 인간이 이전에는 감당하기 어려웠던 일을 쉽게 수행하게 만들 수도 있습니다.
이 지점은 기대와 우려가 동시에 존재하는 부분입니다. 개인이 자기 자신을 더 주체적으로 설계하고 확장하는 도구가 될 수도 있지만, 반대로 타인이나 시스템이 인간의 생각, 감정, 기억, 학습 방식에 개입하는 수단이 될 수도 있기 때문입니다. 주체적 통제가 될지, 외부에 의한 통제가 될지는 기술 그 자체만으로 결정되기 어렵습니다. 저는 이 부분에 대해서는 과거의 사람이 미래에 대해서 말하는 것은 불가능하다고 여기기에 공백으로 남겨두고 싶습니다.
그럼에도 저는 이러한 시도와 시작 자체가 유의미하다고 생각합니다. 진보란 결국 불가능해 보였던 것을 가능으로 바꾸려는 시도와 행동의 반복이었기 때문입니다. 인류는 늘 자신이 닿지 못했던 영역에 도전했고, 이해하지 못했던 것을 이해하려 했으며, 통제하지 못했던 것을 다룰 수 있는 방향으로 나아가 왔기 때문입니다.
그래서 저는 이 흐름이 어렵고 위험한 길일 수는 있어도, 결국 인간이 향하게 될 방향 중 하나라고 느끼고 있습니다. 언젠가는 인간이 자신의 생각과 기억, 지식과 감정, 나아가 내면의 경험 전체를 지금보다 훨씬 더 정교하게 다루고 활용할 수 있는 시대가 열릴지도 모릅니다.
그런 점에서 비침습형 BCI는 단순히 기존 BCI의 부담을 줄이는 대안 기술이 아니라, 인간이 자기 자신의 정신과 내면을 다루는 방식 자체를 바꾸는 출발점이 될 수 있다고 봅니다. 꿈을 통제하는 기술이 아니라, 인간이 자신의 형이상학적 영역까지 기술적으로 이해하고 조절하려는 흐름의 시작으로 긍정적으로 바라볼 수 있다고 보입니다.
Forwarded from 종명이의 딸깍
uPEG(Unipeg)는 무엇이고 왜 올랐을까?
uPEG란?
왜 올랐을까?
간단한 ERC-404와의 차이
uPEG란?
Uniswap v4 Hook + 온체인 생성 예술
• 공식 풀에서 uPEG를 매수/매도(swap) 할 때마다, 그 거래의 tx hash(거래 해시)를 시드로 사용해 24×24 픽셀 SVG 유니콘 이미지를 100% 온체인으로 실시간 생성함
• 보유한 정수 uPEG 1개 = 1장의 독특한 유니콘 (지갑 주소로 조회 가능)
• 거래량이 늘수록 이미지들이 더 다양해지고 변화하는 느낌
• ERC-404처럼 “토큰 = NFT” 개념을 넘어, DeFi 행위 자체가 생성형 예술을 만드는 구조
=> hook + uPeg 모델이 진화한다면, 토큰의 MC기준 달성에 따른 NFT 변화 등 이벤트 트리거가 가능해질수 있음.
• https://unipeg.art/ 에서 스왑을 하는 방식으로 유니콘 생성가능
왜 올랐을까?
기술적으로는 Uniswap v4의 가능성을 극한으로 보여주는 실험이고, 시장적으로는 OpenSea CMO의 매수 소식
• Uniswap v4 Hooks가 아직 초기라 최초의 네이티브 Hook 자산
• 최근 NFT 메인넷(특히 ETH) 거래량이 서서히 살아나는 조짐
• ERC-404 때 PANDORA가 3억 달러 ATH 찍은 기억
• 커뮤니티에서 새로운 실험 응원용으로 사는 사람들 증가
간단한 ERC-404와의 차이
• ERC-404는 자산 설계 : NFT를 토큰으로 포장해 분할 가능하게 함
• v4 hook은 행동 설계 : 거래 시점에 시스템이 어떻게 반응할지 커스터마이징
Forwarded from 제이슨상님 Unemployed by Agents
'Anthropic이 이겼고 OpenAI는 끝났다'는 내러티브가 너무나도 빨리 뒤집혔습니다. Anthropic의 내러티브가 급속도로 약화되고 있습니다. Mythos Preview가 원대한 성능 때문에 비공개가 되었다는 공식 설명이 있었으나, 사실은 '그 정도 크기의 모델(10T 모델 크기)을 서빙할 물리적 역량이 부족했기 때문'이라는 해석이 힘을 얻고 있습니다.
Anthropic은 컴퓨팅이 극도로 부족하다는 것입니다. 이 압박이
Anthropic을 아마존의 품으로 더욱 강하게 밀어넣고 있으며, 아마존은 이 상황의 구조적 수혜자입니다.
결국 결론은 단순합니다. 컴퓨팅을 먼저, 더 많이, 더 안정적으로 확보한 쪽이 이 전쟁에서 최후의 수혜자가 됩니다. OpenAI가 1년 전 "비이성적"이라고 조롱받으며 집행한 그 공격적 컴퓨팅 확보가 지금 결실로 돌아오고 있음을 유념해야 합니다.
누구의 예상보다 빠르게 움직이는 AI 업계에서는 어떤 시나리오도 불가능한 것은 없다. 불과 두 달 전 "Anthropic이 기술 리더십을 완전히 가져갔다"는 것이 컨센서스였고, 또 1년 전에는 "OpenAI가 파운데이션 모델 전쟁에서 확실한 승자"라는 것이 상식이었다. 모든 상식은 빠르게 뒤집혔고, 앞으로도 뒤집힐 것이다. 현재 시점의 어떤 예측 모델도 향후 12개월 뒤를 담보할 수 없다.
다만 한 가지는 확실해 보인다. Age of Mythos라는 것도 결국 Age of Compute라는 것… 신화의 주인공은 신들이었지만, 신도 결국 돌(실리콘)과 번개(전기)보다 위대하지는 않다.
Anthropic은 컴퓨팅이 극도로 부족하다는 것입니다. 이 압박이
Anthropic을 아마존의 품으로 더욱 강하게 밀어넣고 있으며, 아마존은 이 상황의 구조적 수혜자입니다.
결국 결론은 단순합니다. 컴퓨팅을 먼저, 더 많이, 더 안정적으로 확보한 쪽이 이 전쟁에서 최후의 수혜자가 됩니다. OpenAI가 1년 전 "비이성적"이라고 조롱받으며 집행한 그 공격적 컴퓨팅 확보가 지금 결실로 돌아오고 있음을 유념해야 합니다.
누구의 예상보다 빠르게 움직이는 AI 업계에서는 어떤 시나리오도 불가능한 것은 없다. 불과 두 달 전 "Anthropic이 기술 리더십을 완전히 가져갔다"는 것이 컨센서스였고, 또 1년 전에는 "OpenAI가 파운데이션 모델 전쟁에서 확실한 승자"라는 것이 상식이었다. 모든 상식은 빠르게 뒤집혔고, 앞으로도 뒤집힐 것이다. 현재 시점의 어떤 예측 모델도 향후 12개월 뒤를 담보할 수 없다.
다만 한 가지는 확실해 보인다. Age of Mythos라는 것도 결국 Age of Compute라는 것… 신화의 주인공은 신들이었지만, 신도 결국 돌(실리콘)과 번개(전기)보다 위대하지는 않다.
Forwarded from 해브로의 텔레그램
Pharos, 메인넷 및 에어드랍 클레임 일정
- 메인넷 : 4월 28일 오후 7시
- 에어드랍 클레임 : 4월 28일 오후 8시
원래 반대 아닌가요? ㅎ 뭐 메인넷 먼저 나올수도, 상장이 몇시일지 궁금
https://x.com/pharos_network/status/2048371658331975702?s=20
- 메인넷 : 4월 28일 오후 7시
- 에어드랍 클레임 : 4월 28일 오후 8시
원래 반대 아닌가요? ㅎ 뭐 메인넷 먼저 나올수도, 상장이 몇시일지 궁금
https://x.com/pharos_network/status/2048371658331975702?s=20
Forwarded from BHI
GPT 5.4 Pro로 58년간 풀리지 않은 문제를 23세 Liam Price가 GPT-5.4 Pro를 활용해 단 한 번의 프롬프팅으로 풀어내기에 성공함.
GPT-5.4 Pro는 80분짜리 사고/실행을 통해 나온 증명을 제공했으며 이는 전문가 검토와 재구성을 거쳐 받아들여졌으며, PROVED(LEAN)으로 표기되었음. 테렌스 타오는 해당 문제의 해결에 대해서 의미 있는 기여라고 평가함.
해당 문제는 Erdős #1196 임.
https://x.com/k1rallik/status/2048465248814850129?s=20
GPT-5.4 Pro는 80분짜리 사고/실행을 통해 나온 증명을 제공했으며 이는 전문가 검토와 재구성을 거쳐 받아들여졌으며, PROVED(LEAN)으로 표기되었음. 테렌스 타오는 해당 문제의 해결에 대해서 의미 있는 기여라고 평가함.
해당 문제는 Erdős #1196 임.
https://x.com/k1rallik/status/2048465248814850129?s=20
Forwarded from 호시탐탐 크립토
Predict.fun 오늘 변경되는 포인트 구조 요약 ❤️
저번 Predict.fun의 포인트 구조 변경에 대한 내용이 오늘부터 반영될 예정입니다. 혼란스러워하시는 분들이 많은 것 같아 요약내용 전달드릴게요.
포인트 분배🎚️
- 각 예측마켓마다 획득 가능한 포인트 공개
- 포인트는 시간 단위로 동적으로 조정
- 어떤 베팅 탭에서 참여해야 포인트가 많이 들어오는지 확인 가능
총 포인트 지급 수량🤔
포인트 활용성 확대⏰
앞으로 악성 유저(거래 없이 허수 주문, 의도적인 볼륨 UP)의 포인트는 계정 정지 또는 포인트 회수로 대응하며 이전 유저 대상으로의 집행은 팀 내에서 고려 중입니다.
꽤 많은 내용이 변경되어서 저 또한 혼란스러웠는데 간단하게 포인트 구조는 바뀌지만 인플레이션 걱정 안해도 되고 실제로 베팅하는 실유저를 챙기겠다는 말이네요.
앞으로 참가율이 높은 베팅 탭을 타겟하여 플레이하는게 중요할 것으로 보입니다. 우선 변경되는 내용을 직접 확인해보고 전략에 대해 고민해봐야겠습니당.❤
#Predictdotfun
저번 Predict.fun의 포인트 구조 변경에 대한 내용이 오늘부터 반영될 예정입니다. 혼란스러워하시는 분들이 많은 것 같아 요약내용 전달드릴게요.
포인트 분배
➡️ 기존 방식: 10M 포인트 고정 분배➡️ 변경된 방식: 고정이 아닌 변동성있는 지급 방식 사용
- 각 예측마켓마다 획득 가능한 포인트 공개
- 포인트는 시간 단위로 동적으로 조정
- 어떤 베팅 탭에서 참여해야 포인트가 많이 들어오는지 확인 가능
총 포인트 지급 수량
마켓 수와 인기도에 따라서 포인트 지급량이 다름, 포인트 희석을 우려하는 유저들이 많겠지만 기존 10M 분배량보다 적을 가능성이 매우 높다고 합니다. 참여율이 저조한 마켓은 포인트가 배정이 안될 수도 있다고 하네요.
포인트 활용성 확대
추후 포인트로 유동성 공급이 가능하도록 지원할 예정이며 포인트가 미래 에어드랍 보상으로만 연결되는 것이 아닌 실제로 가치를 생산할 수 있는 재화의 개념으로 변경될 예정입니다.
앞으로 악성 유저(거래 없이 허수 주문, 의도적인 볼륨 UP)의 포인트는 계정 정지 또는 포인트 회수로 대응하며 이전 유저 대상으로의 집행은 팀 내에서 고려 중입니다.
혹시 모르니 실베팅 몇번 진행하시는 것을 권장드려용
꽤 많은 내용이 변경되어서 저 또한 혼란스러웠는데 간단하게 포인트 구조는 바뀌지만 인플레이션 걱정 안해도 되고 실제로 베팅하는 실유저를 챙기겠다는 말이네요.
앞으로 참가율이 높은 베팅 탭을 타겟하여 플레이하는게 중요할 것으로 보입니다. 우선 변경되는 내용을 직접 확인해보고 전략에 대해 고민해봐야겠습니당.
#Predictdotfun
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from BHI
ChatGPT 5.4 Pro와 ChatGPT 5.5 Pro를 번갈아가면서 사용하며 느낀 점
1. ChatGPT 5.4 Pro의 사고력 깊이는 ChatGPT 5.5 Pro보다 나음. 기본적으로 사고를 하는 시간의 차이가 (웹기준) 매우 크게 남.
이 뜻은 ChatGPT 5.4 Pro가 긴 시간을 소모해서라도 사고를 깊게, 길게 진행하여 더 나은 결과물을 얻어낸다는 것임.
이 의미는 연구나 문제 해결, 매우 깊은 사고를 요하는 과제를 해결할 때 큰 이점을 가짐. 시간보다 퀄리티를 원하는 사람들은 해당 모델을 주로 이용하면 될듯함.
그리고, 추가적으로 이야기하고 싶은 것들 중 하나는 이전에 글에도 썼듯이, 인터넷을 사용하지말고 스스로 생각해서 해결하라는 프롬프팅이 꽤 유의미할 수 있다고 보임.
'스스로 생각해서 설계하고 구상하여 해결하는 단계'로서는 ChatGPT 5.4 Pro 모델이 적합하다고 보임.
2. ChatGPT 5.5 Pro는 매우 대단한 도구임.
빠르고, 정확하고, 꽤 좋은 결과물을 내놓음.
하지만, 이는 매우 깊은 사고를 요하는 것이 아니라 이미 해결이 될 수 있거나 다양한 방법이 웹에 존재하는, 실제 활용과 적용하여 해결하는 과제에 대한 능력이 대단함.
다양한 도구들을 사용할 수 있고, 웹에서의 정보 접근성도 크게 향상되었음.
ChatGPT 5.4 Pro에게 실제 트랜잭션, 컨트랙트 분석을 맡기는 경우와 ChatGPT 5.5 Pro에게 실제 트랜잭션, 컨트랙트 분석을 맡기는 경우를 비교해보면 될듯함.
5.4 Pro 모델이 접근할 수 있는 정보의 깊이, 폭의 차이가 분명히 존재함.
즉, ChatGPT 5.5 Pro는 정보를 수집하고, 실제 작업적 측면에서 해결해야하는 과제가 있는 경우에는 매우 적합한 도구라고 보임. 꽤나 실전적 모델임. ChatGPT 5.4 Pro 모델은 이에 비해 연구용 모델에 가깝다고 보임.
ChatGPT 5.5 Pro 모델은 더 다양한 도구를 사용할 수 있고, 그 도구의 활용이 꽤 잘 된다고 보임.
또한, 알고리즘 기반 Strategy를 설계하고 구축하는 것과 같은 영역에서는 더 길고 더 깊은 사고를 하는 모델인 ChatGPT 5.4 Pro 모델이 더 나은 면을 보임.
이에반해 ChatGPT 5.5 Pro 모델은 웹에 있는 정보에 의존하여 '활용' 정도를 하는 것으로 보임.
ChatGPT 5.4 Pro의 역할은 - 설계자, 연구자 정도의 역할이고
ChatGPT 5.5 Pro의 역할은 - 정보 수집가, 작업자(빌더)의 역할이라고 이해하면 될듯함.
3. 결론 : 그럼 무슨 모델을 써야하는가?
일단, 꽤나 맥빠지는 소리일 수 있겠지만
1가지 모델을 딱 정해놓고 이걸 써라! 라고 이야기하기엔 애매한 상황임.
그 이유는, 실제 정보의 접근은 ChatGPT 5.5 Pro가 훨씬 나은 상황임.
하지만, ChatGPT 5.5 Pro도 Agents에 비해서는 덜 자유로운 정보 접근도를 보여줌.
정보 수집 : ChatGPT 5.5 Pro + Agents
수집된 정보 기반 설계 및 연구 : ChatGPT 5.4 Pro + ChatGPT 5.5 Pro
설계 구현 및 엔지니어링 : ChatGPT 5.5 Pro
라고 생각하면 될듯함.
Agentic System이나, 프로덕션 레벨, 개인 AI 환경은 당연하겠지만, 위의 하이브리드 형태에 Agents를 결합하거나 Agents 만을 사용하는 것으로 설계해야함.
1. ChatGPT 5.4 Pro의 사고력 깊이는 ChatGPT 5.5 Pro보다 나음. 기본적으로 사고를 하는 시간의 차이가 (웹기준) 매우 크게 남.
이 뜻은 ChatGPT 5.4 Pro가 긴 시간을 소모해서라도 사고를 깊게, 길게 진행하여 더 나은 결과물을 얻어낸다는 것임.
이 의미는 연구나 문제 해결, 매우 깊은 사고를 요하는 과제를 해결할 때 큰 이점을 가짐. 시간보다 퀄리티를 원하는 사람들은 해당 모델을 주로 이용하면 될듯함.
그리고, 추가적으로 이야기하고 싶은 것들 중 하나는 이전에 글에도 썼듯이, 인터넷을 사용하지말고 스스로 생각해서 해결하라는 프롬프팅이 꽤 유의미할 수 있다고 보임.
'스스로 생각해서 설계하고 구상하여 해결하는 단계'로서는 ChatGPT 5.4 Pro 모델이 적합하다고 보임.
2. ChatGPT 5.5 Pro는 매우 대단한 도구임.
빠르고, 정확하고, 꽤 좋은 결과물을 내놓음.
하지만, 이는 매우 깊은 사고를 요하는 것이 아니라 이미 해결이 될 수 있거나 다양한 방법이 웹에 존재하는, 실제 활용과 적용하여 해결하는 과제에 대한 능력이 대단함.
다양한 도구들을 사용할 수 있고, 웹에서의 정보 접근성도 크게 향상되었음.
ChatGPT 5.4 Pro에게 실제 트랜잭션, 컨트랙트 분석을 맡기는 경우와 ChatGPT 5.5 Pro에게 실제 트랜잭션, 컨트랙트 분석을 맡기는 경우를 비교해보면 될듯함.
5.4 Pro 모델이 접근할 수 있는 정보의 깊이, 폭의 차이가 분명히 존재함.
즉, ChatGPT 5.5 Pro는 정보를 수집하고, 실제 작업적 측면에서 해결해야하는 과제가 있는 경우에는 매우 적합한 도구라고 보임. 꽤나 실전적 모델임. ChatGPT 5.4 Pro 모델은 이에 비해 연구용 모델에 가깝다고 보임.
ChatGPT 5.5 Pro 모델은 더 다양한 도구를 사용할 수 있고, 그 도구의 활용이 꽤 잘 된다고 보임.
또한, 알고리즘 기반 Strategy를 설계하고 구축하는 것과 같은 영역에서는 더 길고 더 깊은 사고를 하는 모델인 ChatGPT 5.4 Pro 모델이 더 나은 면을 보임.
이에반해 ChatGPT 5.5 Pro 모델은 웹에 있는 정보에 의존하여 '활용' 정도를 하는 것으로 보임.
ChatGPT 5.4 Pro의 역할은 - 설계자, 연구자 정도의 역할이고
ChatGPT 5.5 Pro의 역할은 - 정보 수집가, 작업자(빌더)의 역할이라고 이해하면 될듯함.
3. 결론 : 그럼 무슨 모델을 써야하는가?
일단, 꽤나 맥빠지는 소리일 수 있겠지만
1가지 모델을 딱 정해놓고 이걸 써라! 라고 이야기하기엔 애매한 상황임.
그 이유는, 실제 정보의 접근은 ChatGPT 5.5 Pro가 훨씬 나은 상황임.
하지만, ChatGPT 5.5 Pro도 Agents에 비해서는 덜 자유로운 정보 접근도를 보여줌.
정보 수집 : ChatGPT 5.5 Pro + Agents
수집된 정보 기반 설계 및 연구 : ChatGPT 5.4 Pro + ChatGPT 5.5 Pro
설계 구현 및 엔지니어링 : ChatGPT 5.5 Pro
라고 생각하면 될듯함.
Agentic System이나, 프로덕션 레벨, 개인 AI 환경은 당연하겠지만, 위의 하이브리드 형태에 Agents를 결합하거나 Agents 만을 사용하는 것으로 설계해야함.
Forwarded from BHI
ChatGPT 모델에 대해서 꽤 빠르게, 잘 정리한 글이니 (아마 대부분의 사람들은 다음 모델이 나오기 전까지 해당 내용을 알아채지 못하겠지만) 이 정보들을 기반으로 작업을 하면 다른 사람들보다 훨씬 나은 작업이 가능할 것이라고 생각함.
제대로 작동 원리와 특성을 이해하고 사용하는 것이 꽤 중요하다고 생각함.
아래 방식이 지금으로써는 최선의 방식이라고 판단하고 있음.
1. Agentic System을 구성하지 않은 경우 [Agents를 단순 인접한 AI, 정보 조사원 혹은 코드 엔지니어로 사용하는 경우]
2. Agentic System을 구성한 경우 [Agents로 이루어진 환경이 내 개인 데이터베이스처럼 작동하고, 더 나은 결과물들을 만들며, 과제 수행의 퀄리티가 높게끔 확립된 경우, 병렬적/분업적 시스템이 잘 작동하며, Agentic System이 작업 과정에서 효율적으로 적용되어서 사용이 가능한 경우]
* 기본적으로 Agents를 굴리는건 지금으로써는 '기본'이라고 생각됨.
Agents가 가질 수 있는 자율성, 자유도는 생각보다 높음.
적어도 내 '개인 비서' 정도로라도 사용할 것.
정보 접근성과 행동을 할 수 있다는 그 지점에서의 이점이 꽤 큼.
가능하다면, 정보 관리, 개인 환경으로 구축할 것.
제대로 작동 원리와 특성을 이해하고 사용하는 것이 꽤 중요하다고 생각함.
아래 방식이 지금으로써는 최선의 방식이라고 판단하고 있음.
1. Agentic System을 구성하지 않은 경우 [Agents를 단순 인접한 AI, 정보 조사원 혹은 코드 엔지니어로 사용하는 경우]
정보 수집 : Agent + ChatGPT 5.5 Pro (정보 수집 및 검증) [데이터 수집은 Agents에게 맡기고, 그 데이터를 판단하는 것은 ChatGPT 5.5 Pro에 맡기는 것도 좋은 구조인듯]
> 수집된 정보 기반 판단 및 설계, 깊은 사고, 연구를 ChatGPT 5.4 Pro와 그 내용을 ChatGPT 5.5 Pro에게 제공하며 병렬적으로, 상호적으로 진행 > 그렇게 나온 결과값을 ChatGPT 5.5 Pro에게 맡겨 실제 구현 > AI Agent 기반 시스템/프로덕션을 구현한 경우 Agent들을 구현하는 과정에서 적절하게 배치(병렬적, 초분업적 구조를 추천)
2. Agentic System을 구성한 경우 [Agents로 이루어진 환경이 내 개인 데이터베이스처럼 작동하고, 더 나은 결과물들을 만들며, 과제 수행의 퀄리티가 높게끔 확립된 경우, 병렬적/분업적 시스템이 잘 작동하며, Agentic System이 작업 과정에서 효율적으로 적용되어서 사용이 가능한 경우]
개인 환경을 구성한 경우에는 Agents들에게 정보들을 찾게하고 (자동/자율/주기적), 사용자가 직접 데이터를 먹이고, 그렇게 구성된 환경 기반으로 정보(원하는 것을 구현하기 위한 방향성, 필요한 니즈, 우리의 환경, 상황 등...)를 Export하여 ChatGPT 5.5 Pro에 제공하여 판정/검증하고, 결정하여서 그것들을 기반으로 ChatGPT 5.4 Pro와 ChatGPT 5.5 Pro가 실제 설계를 함. > ChatGPT 5.5 Pro 와 Agents를 이용하여 실제 구현, Agents를 적절하게 배치.
* 기본적으로 Agents를 굴리는건 지금으로써는 '기본'이라고 생각됨.
Agents가 가질 수 있는 자율성, 자유도는 생각보다 높음.
적어도 내 '개인 비서' 정도로라도 사용할 것.
정보 접근성과 행동을 할 수 있다는 그 지점에서의 이점이 꽤 큼.
가능하다면, 정보 관리, 개인 환경으로 구축할 것.
Forwarded from BHI
정보 수집, 목적성을 가지고 실제 문제를 해결하고, 목적을 달성하는 과정에서 사고가 필요 없다 « ChatGPT 5.5 Pro 사용
정보 수집 단계 « Agents, ChatGPT 5.5 Pro 사용
문제를 해결하고, 목적을 달성하는 과정에서 깊은 사고가 필요하다 « ChatGPT 5.4 Pro + ChatGPT 5.5 Pro 사용
결국, 정보 수집부터 해결까지 '매우 깊은 사고'가 필요한가 여부에 따라서
ChatGPT 5.4 Pro를 사용하는지 여부가 갈린다고 이해하면 될듯.
정보 수집 단계 « Agents, ChatGPT 5.5 Pro 사용
문제를 해결하고, 목적을 달성하는 과정에서 깊은 사고가 필요하다 « ChatGPT 5.4 Pro + ChatGPT 5.5 Pro 사용
결국, 정보 수집부터 해결까지 '매우 깊은 사고'가 필요한가 여부에 따라서
ChatGPT 5.4 Pro를 사용하는지 여부가 갈린다고 이해하면 될듯.
Forwarded from 제이슨상님 Unemployed by Agents
대부분의 예측 시장 거래자들은 손실을 보고 있는 반면, 봇들은 막대한 수익을 올리고 있습니다.
블룸버그가 폴리마켓에서 2025년 초부터 활성화된 모든 지갑을 분석한 결과 10만 개 이상의 계정이 최소 1,000달러 이상의 손실을 입은 것으로 나타났습니다. 이는 최소 1,000달러 이상의 수익을 올린 계정 수의 거의 두 배에 달하는 수치입니다.
듄(Dune)이 거래 기록을 분석한 결과 자동화된 봇으로 추정되는 소수의 사람들이 거머쥔 것으로 나타났습니다.
봇이 결과를 더 잘 예측해서가 아니라, 더 일찍 시장에 진입하여 더 나은 가격에 매수했기 때문에 우수한 성과를 냈다는 사실을 발견했습니다.
봇이 아닌 실제 투자자들은 더 자주 정확한 결과를 예측했지만, 거래 시점이 늦고 가격이 좋지 않았기 때문에 결과적으로 수천만 달러에 달하는 훨씬 더 많은 손실을 입었습니다.
블룸버그가 폴리마켓에서 2025년 초부터 활성화된 모든 지갑을 분석한 결과 10만 개 이상의 계정이 최소 1,000달러 이상의 손실을 입은 것으로 나타났습니다. 이는 최소 1,000달러 이상의 수익을 올린 계정 수의 거의 두 배에 달하는 수치입니다.
듄(Dune)이 거래 기록을 분석한 결과 자동화된 봇으로 추정되는 소수의 사람들이 거머쥔 것으로 나타났습니다.
봇이 결과를 더 잘 예측해서가 아니라, 더 일찍 시장에 진입하여 더 나은 가격에 매수했기 때문에 우수한 성과를 냈다는 사실을 발견했습니다.
봇이 아닌 실제 투자자들은 더 자주 정확한 결과를 예측했지만, 거래 시점이 늦고 가격이 좋지 않았기 때문에 결과적으로 수천만 달러에 달하는 훨씬 더 많은 손실을 입었습니다.
Forwarded from BHI
LLM에게 희귀한 질문을 많이 던지면, 모델 크기를 역추정 할 수 있다?
1. 상식 질문은 별로 의미 없음
유명한 사실은 작은 모델도 맞힐 수 있음.
2. 희귀한 사실일수록 ‘모델 안에 실제로 저장돼 있어야’ 맞힐 수 있음
예: 잘 알려지지 않은 연구자, 작은 기관의 설립연도, obscure한 작품 정보 같은 것. 논문은 이런 질문을 7단계 난이도/Tier로 나눔.
3. 오픈모델 89개로 보정함
파라미터 수가 공개된 모델들에게 같은 질문을 던지고, “희귀 지식 정답률 ↔️ 모델 크기” 관계를 만듦. 논문 주장에 따르면 이 관계가 꽤 강하게 log-linear, 즉 파라미터가 로그 단위로 커질수록 factual capacity가 선형적으로 증가함.
4. 그 보정식을 비공개 모델에 적용함
그래서 GPT-5.5는 약 9.7T, Claude Opus 4.6은 약 5.3T, Gemini 2.5 Pro는 약 1.2T 같은 식으로 “효과적 지식 용량 기준 파라미터 추정치”를 냄.
해당 방식은 실제 내부 파라미터 수를 확인한 것이 아니라, 지식 저장 능력으로 추정한 값임.
T7이 거의 0% [현재 최고 모델들도 가장 희귀한 지식 구간은 거의 못 맞힌다. - 아직 사전학습으로 흡수할 지식 헤드룸이 크다 > 모델이 더 커지거나 더 많이 학습되면 여전히 좋아질 여지가 있다.] 라고 함.
1. 상식 질문은 별로 의미 없음
유명한 사실은 작은 모델도 맞힐 수 있음.
2. 희귀한 사실일수록 ‘모델 안에 실제로 저장돼 있어야’ 맞힐 수 있음
예: 잘 알려지지 않은 연구자, 작은 기관의 설립연도, obscure한 작품 정보 같은 것. 논문은 이런 질문을 7단계 난이도/Tier로 나눔.
3. 오픈모델 89개로 보정함
파라미터 수가 공개된 모델들에게 같은 질문을 던지고, “희귀 지식 정답률 ↔️ 모델 크기” 관계를 만듦. 논문 주장에 따르면 이 관계가 꽤 강하게 log-linear, 즉 파라미터가 로그 단위로 커질수록 factual capacity가 선형적으로 증가함.
4. 그 보정식을 비공개 모델에 적용함
그래서 GPT-5.5는 약 9.7T, Claude Opus 4.6은 약 5.3T, Gemini 2.5 Pro는 약 1.2T 같은 식으로 “효과적 지식 용량 기준 파라미터 추정치”를 냄.
해당 방식은 실제 내부 파라미터 수를 확인한 것이 아니라, 지식 저장 능력으로 추정한 값임.
T7이 거의 0% [현재 최고 모델들도 가장 희귀한 지식 구간은 거의 못 맞힌다. - 아직 사전학습으로 흡수할 지식 헤드룸이 크다 > 모델이 더 커지거나 더 많이 학습되면 여전히 좋아질 여지가 있다.] 라고 함.