EP 72. AI & 인터페이스
들어가며: 6개월 후 모델에 배팅하라
2025년 10월 11일, OpenAI와 Google의 행사가 있었다. 많은 이들이 기대했던 Gemini 3.0 발표는 없었지만, AI 인터페이스의 미래를 가늠할 수 있는 중요한 신호들이 곳곳에서 포착되었다. Cognition의 Devin 팀이 Claude Sonnet 4.5를 활용해 아키텍처를 재구축했다는 소식은 특히 흥미로웠다. 그들이 남긴 “6개월 뒤 모델이 할 수 있을 것에 배팅하라”는 메시지는, 현재의 도구가 아닌 미래의 가능성을 향해 설계해야 한다는 강력한 시사점을 담고 있다.
문제는 6개월 뒤의 기울기를 예측하는 일이 극도로 어려워졌다는 점이다. 프론티어 모델들의 발전 속도는 exponential하며, 3~6개월이면 자체적으로 만들었던 하니스(harness)가 기본 기능으로 흡수되는 일이 반복되고 있다. 오늘날의 모델로 하니스를 구축하면 6개월 뒤에는 쓸모없어질 수 있다. 그러나 역설적이게도, 지능 자체보다는 데이터 그라운딩(data grounding)과 같은 “자잘한 일들”이 병목으로 작용하는 현실이 여전히 존재한다. 98%의 기업은 아직 데이터를 깔끔하게 정리하지 못하고 있으며, 정리했다 하더라도 기존 워크플로우를 대체할 만큼 완벽하지는 않다. 인간의 비효율성과 무지가 만들어내는 갭은 모델의 발전 속도만큼이나 빠르게 커지고 있다.
Claude Sonnet 4.5와 컨텍스트 불안(Context Anxiety)
컨텍스트 윈도우 인식과 심리적 트릭
Cognition의 블로그에서 공개한 내용 중 가장 인상적이었던 부분은 컨텍스트 윈도우(context window) 인식에 관한 것이었다. 시스템이 매 응답마다 “현재 컨텍스트가 얼마나 남았는지”를 모델에게 알려주자, 모델이 **불안(anxiety)**을 느꼈다는 점이다. 마치 사람이 시간에 쫓기면 지름길을 택하거나 실수를 저지르듯, 모델도 컨텍스트가 부족해지면 작업을 압축하거나 비효율적인 경로를 선택하는 경향을 보였다.
Cognition 팀은 이를 해결하기 위해 일종의 **심리치료(psychological trick)**를 적용했다. Claude의 1M 토큰 베타를 사용하되, 실질적으로는 200K만 사용하도록 제한하면서 모델에게는 “충분한 여유가 있으니 안심하라”는 신호를 주었다. 이는 발표 시간이 10분 남았지만 슬라이드가 많이 남았다는 상황과, 발표 시간은 10분 남았지만 슬라이드도 충분히 남았다는 상황의 차이와 같다. 여유가 있다는 인식은 모델의 성능을 끌어올렸다.
이러한 발견은 향후 에이전트 설계에 중요한 힌트를 제공한다:
- 컨텍스트 압축과 요약 행동 사이의 균형 찾기
- 메모를 효과적으로 사용하기
- 병렬 실행 시 컨텍스트 소진 관리
- 서브 에이전트 활용
- 모델의 컨텍스트 인식을 활용한 작업 우선순위 지정
METR 시간 지평과 성능 비교
흥미롭게도 Sonnet 4.5는 METR 시간 지평(time horizon) 벤치마크에서 GPT-o1보다 낮은 점수를 기록했다. 이 벤치마크는 모델이 수행하는 시간이 아니라 인간의 수행 능력에 해당하는 작업을 얼마나 잘 처리하는지를 측정한다. 로그 스케일이기 때문에 시각적으로는 작은 차이처럼 보이지만, 실제로는 GPT-o1과의 격차가 꽤 있는 편이다. 그럼에도 불구하고 Sonnet 4.5는 추세선(scaling law) 안에는 확실히 위치해 있으며, 상대적으로 작은 모델(약 1/5 가격)임을 고려하면 인상적인 성과다.
Code Execution & File Creation: 클로드가 제공하는 샌드박스 환경
Claude의 Code Execution & File Creation 기능은 사실상 일반 사용자에게 Claude Code를 붙여준 것과 같다. 이 스위치를 켜면 모델은 리눅스 컨테이너 환경에 접근할 수 있으며, 824개의 바이너리를 사용할 수 있다. 모델은 이를 통해 다음과 같은 작업을 수행한다:
- 개발 도구: Python, Node.js, npm 패키지 설치 및 실행
- 데이터 처리: pandas, jq, awk, sed 등
- 파일 압축: tar, gzip 등
- 미디어 처리: FFMPEG, ImageMagick 등
- 문서 변환: DOCX, PPTX, PDF, Excel 관련 라이브러리
모델은 DOCX, PPTX, PDF 등 각 포맷에 맞는 라이브러리를 투명하게 공개하며, 사용자는 프롬프트만으로 이들을 활용할 수 있다. 이는 AI 도구 사용법을 AI에게 물어보는 시대가 도래했음을 의미한다. 책을 보는 것보다 모델에게 직접 물어보는 것이 가장 빠른 학습 방법이 되었다.
시스템 관리와 컨텍스트 소진
Code Execution을 사용하다 보면 컨텍스트 리미트 소진이 빨라진다는 느낌을 받게 된다. 이는 시스템 프롬프트에 방대한 인스트럭션이 주입되기 때문이다. 매 응답마다 시스템은 다음과 같은 정보를 모델에게 제공한다:
현재 대화 세션에서 83% 남아있습니다. 여유가 많으니 걱정하지 마세요.
이러한 **메타 정보(meta information)**는 읽기 전용이며, 시스템이 자동으로 관리한다. 모델은 이를 통해 자신의 상태를 인지하고, 불안을 느끼지 않으면서 작업을 수행할 수 있다.
또한 모델은 modern CLI 도구를 스스로 설치하기도 한다. 예를 들어 ripgrep이 없다는 것을 확인하면 이를 설치한 후, grep과 ripgrep의 성능을 비교하는 테스트까지 수행한다. 이는 모델이 단순한 명령 실행자가 아니라, **자기 증강(self-improvement)**이 가능한 주체로 진화하고 있음을 보여준다.
자기 증강의 시대: AI가 AI 도구를 개발하다
OpenAI Dev Day와 80% PR, 100% 리뷰
OpenAI Dev Day에서 Codex 팀은 흥미로운 통계를 공개했다:
- 80%의 Pull Request는 모델이 생성한다
- 100%의 코드는 모델이 리뷰한다 (사람 코드 포함)
이는 개발 속도가 빛의 속도로 가속화되고 있음을 의미한다. OpenAI가 발표하면 Google이 Gemini Extension을 내놓고, Anthropic이 Plugin을 발표하는 식의 상호 카피가 거의 실시간으로 일어난다. CLI 도구가 등장하면서 자기 증강이 결정적으로 가능해졌다. o1 같은 추론 모델이 나오고, CLI 도구가 등장하면서 도구 개발 자체를 개발하는 메타 레벨의 작업이 가능해진 것이다.
Google의 Code Mender와 보안 홀 탐지
Google은 Code Mender라는 프로젝트를 통해 오픈소스 리포지토리의 보안 홀을 자동으로 탐지하는 데 성공했다고 발표했다. 코드를 감사(audit)하고 문제를 찾아내는 작업은 성능 향상과 직결되며, 이 또한 자기 증강의 일환이다. Google은 자체 리포지토리에도 이를 적용하고 있을 것으로 추정된다.
Dario Amodei와 Jack Clark의 메시지
Anthropic의 CEO Dario Amodei와 정책 책임자 Jack Clark은 2024년 9월 중순 인터뷰에서 **“자기 증강의 초입에 있다”**고 언급했다. 샘 올트먼 역시 비슷한 시기에 “과학적 발견의 초입과 자기 증강의 초입에 있다”고 말했다. 이는 단순한 수사가 아니다. 소프트웨어의 가격이 0원으로 수렴하고 있다는 현실을 반영한다.
AGI는 코딩과 추론만으로도 가능한가?
Anthropic의 철학: 현재 패러다임으로 AGI 사정권 진입
Anthropic의 연구 책임자 Sholto Douglas는 흥미로운 관점을 제시했다:
“몇 년 안에 현재 혹은 유사 패러다임의 스케일링으로 AGI가 사정권에 들어온다고 본다. 그 핵심은 코딩과 추론이다.”
이는 멀티모달(이미지, 영상 등)을 적극적으로 추구하는 DeepMind나 OpenAI와는 다른 노선이다. Anthropic은 코딩과 추론만으로도 AGI가 가능하다고 믿으며, 안전(safety)을 또 다른 핵심 화두로 삼고 있다.
이러한 접근이 가능한 이유는 RL with Verifiable Rewards (RLVR) 덕분이다. 정확한 보상 신호를 줄 수 있다면 학습이 가능하다. 코딩은 실행 가능 여부, 테스트 통과 여부 등 명확한 피드백을 제공하기 때문에 RLVR에 최적화된 도메인이다.
Tiny Recursion Model: 작은 모델의 가능성
삼성 유럽 연구소에서 발표한 Tiny Recursion Model은 타임라인을 뜨겁게 달궜다. 이 모델은 7M(700만 파라미터)에 불과하지만, ARC-AGI 1에서 45%, ARC-AGI 2에서 8%의 성과를 기록했다. 이는 거의 SOTA(State of the Art) 수준이다.
구조적으로는 self-attention이 있는 transformer와 MLP만으로 이루어진 재귀 모델을 결합했으며, latent reasoning을 통해 스테이지별로 반복 수행하는 방식이다. 이는 test-time compute를 늘리는 것과 유사한 효과를 낸다. 중요한 점은 supervised learning만으로도 특정 도메인에서는 큰 모델과 견줄 만한 성과를 낼 수 있다는 것이다.
이는 다음을 시사한다:
- Fine-tuning과 작은 모델의 네트워크화가 여전히 유효하다
- 작은 모델들의 캄브리아기(다양한 도메인별 특화 모델의 등장)가 올 수 있다
- 추상화와 알고리즘 진보만으로도 충분히 풀 수 있는 문제들이 많다
Dev Day의 핵심: Agent Builder와 No-Code의 귀환
OpenAI Agent Builder SDK
OpenAI는 Agent Builder SDK를 발표하며 “ChatGPT를 새로운 OS로 만들겠다”는 의지를 명확히 했다. 이는 모바일 시대의 슈퍼 앱(super app) 전략과 동일하다. 카카오톡이 채팅, 쇼핑, 결제를 모두 흡수한 것처럼, ChatGPT도 모든 앱을 내부로 끌어들이고 있다.
Agent Builder는 다음을 가능하게 한다:
- IF-ELSE 조건문: 시스템적으로 결정론적 훅(hook)을 사용해 워크플로우를 제어
- WHILE 루프: 에이전트 루프를 통한 반복 작업
- 프롬프트 기반 설계: 비개발자도 워크플로우를 설계할 수 있는 UI
타임라인에서는 “이게 무슨 에이전트냐, 그냥 워크플로우 자동화 아니냐”는 비판도 있었지만, 역으로 생각하면 워크플로우 자동화만으로도 충분히 가치가 있는 섹터가 많다는 뜻이다.
Google Opal과 생태계 전략
Google은 Opal이라는 유사 도구를 발표했다. 블로그 포스팅, 소셜미디어 게시물 작성 등을 지원하며, 플로우 차트 형식으로 워크플로우를 설계할 수 있다. 특히 Google Drive와의 연동과 Share App 기능을 통해 배포까지 원클릭으로 처리할 수 있다는 점이 강점이다.
두 회사 모두 엔터프라이즈 환경에서의 데이터 연결을 최우선 과제로 삼고 있다. Palantir의 Delta 팀이 했던 일—기업에 가서 데이터를 정리하고 AI 트랜스포메이션을 지원하는 일—을 이제 빅테크가 직접 나서서 하겠다는 메시지다. 이는 Palantir의 해자(moat)가 장기적으로 줄어들 수 있음을 시사한다.
Figma, Slack 등과의 협력
OpenAI는 Figma, Slack 등과의 통합을 강조했다. Slack은 Claude, ChatGPT 등 모든 플랫폼과 협력하며 중립적 포지션을 유지하고 있다. 이는 플랫폼 전환기의 전형적인 모습이다. 모두를 끌어안되, 결국 기회를 잡는 것은 소수가 될 것이다.
노코드(No-Code)는 왜 반복되는가?
역사 속의 노코드 도구들
노코드 도구는 플랫폼이 열릴 때마다 반복적으로 등장한다. HTML 초창기에도 노코드 HTML 편집 도구들이 수없이 나왔다가 사라졌다. 이유는 명확하다:
- 플랫폼 초기: 접점을 넓히고 가능성을 보여주기 위해 비개발자까지 포용하는 노코드 도구가 등장한다
- 성숙기: 레이어가 두터워지고 복잡해지면서, 노코드로는 충족할 수 없는 니즈가 생긴다
- 전문화: 엔지니어링 영역이 재개되며, 노코드는 단순 프로토타입 용도로 축소된다
그러나 이번은 다를 수 있다. Cognition Revolution(인지혁명)이 진행 중이기 때문이다. 만약 모델이 복잡한 엔지니어링까지 자동으로 처리할 수 있다면, 노코드가 진짜 새로운 인터페이스 자체가 될 수 있다.
Low Floor, Wide Walls, High Ceiling
MIT Media Lab의 평생유치원(Lifelong Kindergarten Group)에서 Scratch를 만들 때 제시한 철학이 있다:
- Low Floor (낮은 문턱): 쉽게 시작할 수 있어야 한다
- Wide Walls (넓은 벽): 다양한 학습 스타일을 수용해야 한다
- High Ceiling (높은 천장): 시간이 지나면서 더 복잡한 탐색이 가능해야 한다
Mitchel Resnick은 이렇게 말했다:
“아이디어들이 쉽게 시작할 수 있도록 돕는 낮은 문턱과, 시간에 따라 더 복잡해지는 탐색을 해 볼 수 있는 여지를 주는 높은 천장, 그리고 다양한 배움의 스타일과 알아가는 방식을 가진 어린이들을 환대하며 초청하는 넓은 벽을 실현하는 기술을 개발하는 것이 Scratch의 철학이다.”
이 철학은 현재의 Agent Builder, Opal과도 맥을 같이한다. 아이들이 Scratch로 시작해 심볼릭 프로그래밍으로 넘어가듯, 비개발자도 Agent Builder로 시작해 더 깊은 영역으로 나아갈 수 있다.
역사의 반복: GUI의 계보
1960년대: Sketchpad (1962)
Ivan Sutherland가 만든 Sketchpad는 최초의 GUI였다. 전자펜으로 도형을 그리면 버튼을 눌러 스냅핑(snapping)이 되고, 직각으로 변형하는 등의 작업이 가능했다. 객체를 복사하고 재활용하는 개념은 객체 지향의 초기 개념으로 이어졌다. 당시에는 슈퍼컴퓨터에서만 실행 가능했다.
Ivan Sutherland의 제자 중 한 명이 John Warnock이며, 그는 후에 Adobe를 창립했다. 즉, 현대 디자인 도구의 뿌리는 1962년으로 거슬러 올라간다.
1968년: Douglas Engelbart의 NLS
**“The Mother of All Demos”**로 불리는 Douglas Engelbart의 NLS 발표는 1968년에 있었다. 마우스가 세상에 처음 등장한 날이며, 화상 협업 시스템도 시연되었다. 두 개의 마우스 포인터가 동시에 움직이며 협력하는 장면은 당시로서는 공상과학 같은 광경이었다.
같은 시연에서 Alan Kay는 GRAIL을 소개했다. 다이어그램을 손으로 그리면 텍스트 인식이 되고, 박스와 텍스트가 자동으로 생성되었다. 1960년대에 이미 Agent Builder와 유사한 개념이 존재했던 것이다.
1970~80년대: Smalltalk과 HyperCard
Xerox PARC에서 개발된 Smalltalk는 최초의 객체 지향 언어이자 메시지 지향 언어였다. Smalltalk 브라우저는 코드 탐색을 GUI로 가능하게 했으며, 이는 후에 HyperCard로 일반인 버전이 나왔다.
Alan Kay는 Dynabook 개념을 통해 “모든 어린이를 위한 퍼스널 컴퓨터”를 상상했다. 어린이들이 글을 모르기 때문에 UI를 잘 만들어야 했고, 이는 GUI 발전의 중요한 동력이 되었다.
HyperCard는 Bill Atkinson이 만들었으며, 일반인이 애플리케이션을 만들고 코딩 비슷한 것을 할 수 있게 했다. GUI 안에서 스크립팅이 가능했으며, 후대의 많은 스크립팅 도구에 영향을 주었다. Bill Atkinson은 2024년 6월에 타계했다.
Steve Jobs가 Palo Alto 연구소를 방문해 Alto를 보고 Lisa와 Macintosh를 만든 것은 잘 알려진 이야기다. 역사는 반복되고 있다.
Imagine with Claude: 생성형 UI의 실험
DOM을 직접 조작하는 스트리밍 UI
며칠 전까지 접속 가능했던 Imagine with Claude는 Anthropic의 실험적 프로젝트였다. 사이트에는 “쓰레기통” 아이콘이 있었고, 이를 클릭하면 초기 아이디어 브레인스토밍 흔적을 볼 수 있었다:
- 어떻게 상태를 다룰까?
- 코어 아이디어: 모델이 직접 DOM(Document Object Model)을 다루자
- 서버 없이, JavaScript 없이, Agent와 Tool로만
- 스트리밍이 중요하다
- 인크리멘탈 업데이트가 필요하다
- 윈도우 매니지먼트 시스템이 필요하다
이 흔적들은 2024년 2월에 생성된 것으로 보이며, 쓰레기통을 열 때마다 다르게 나타났다 (Easter Egg처럼).
WebSocket과 JSON-RPC 기반 실시간 렌더링
개발자 도구로 살펴보니, Imagine with Claude는 다음과 같은 방식으로 작동했다:
- WebSocket 연결: 시작과 동시에 WebSocket 연결
- JSON-RPC 메시지 스트리밍:
Streamable DOM Replace HTML이라는 파라미터로 특정 엘리먼트의 높이, 위치 등을 인크리멘탈하게 업데이트 - 델타 전송: 변경된 부분만 JSON-RPC로 전송
일반적인 Artifact나 Canvas는 JavaScript를 다 쓴 뒤 UI가 “짠!” 하고 나타나지만, Imagine with Claude는 UI가 생성되는 과정이 실시간으로 보였다. LLM이 토큰을 스트리밍하듯, DOM 변경 사항도 스트리밍으로 렌더링한 것이다.
Surgical DOM Update
특히 주목할 점은 **“Surgical DOM Update”**라는 표현이다. 코드 에디팅에서 sed로 정확하게 그 부분만 집어서 diff를 주는 것처럼, DOM도 정확히 필요한 부분만 업데이트한다. 이는 Claude Sonnet을 그대로 사용한 것으로 보이며, 별도의 fine-tuning이나 특수 모델 없이도 가능했다.
발상 자체는 너무 간단했다. 그냥 스트리밍 토큰을 뱉는 것처럼 DOM을 스트리밍했을 뿐이다. 그러나 이는 LLM 시대의 새로운 OS가 될 가능성을 보여주었다. 컨텍스트 안에 윈도우 상태를 모두 매니지하며, 사용자와 실시간으로 상호작용하는 UI 모델이다.
Diffusion LLM과의 연결
Inception Labs의 Diffusion LLM 역시 유사한 개념이다. Auto-regressive 방식이 아니라 섹터별로 병렬 생성하며, UI가 순식간에 나타난다. Gemini의 Diffusion 생성 능력과 결합하면 더욱 빠른 UI 생성이 가능할 것이다.
Computer Use: 인간의 UI를 모델이 사용하다
Claude와 Gemini의 Computer Use Agent
Computer Use는 모델이 브라우저를 직접 조작하는 기능이다. Claude의 “Cua”라고 불리는 에이전트는 Chrome 브라우저를 조작하며, Gemini도 유사한 기능을 발표했다.
Gemini의 경우 멀티모달을 적극 활용한다. 화면을 시각적으로 인식하며 추론 모델이 돌아가고, 필요한 펑션을 호출한다. Claude는 멀티모달을 강조하지 않기 때문에 약간 다른 접근을 취하지만, 결과적으로는 비슷하다.
예시:
- 캘린더 조작
- Post-it 옮기기
- 브라우저에서 폼 작성 및 제출
사람이 쓰는 UI를 모델도 그대로 쓰는 시대가 열렸다. 이는 신정규 대표가 언급했듯 멀티모달 토큰의 폭발적 증가를 가져올 것이다. 화면 캡처, 인식, 조작의 반복이 필요하기 때문이다.
생성형 UI의 철학: Greg Brockman의 비전
OpenAI의 Greg Brockman은 미래 인터페이스에 대해 다음과 같이 말했다:
“생성형 UI. 진행 중인 작업에 맞춰 실시간으로 인터페이스가 형체를 바꿉니다. 어쩌면 버튼이 필요 없어질지도 모릅니다.”
이는 Self-Defined UX를 의미한다. 우리가 Windows, Mac, iOS의 UX를 학습해야 했던 것과 달리, 미래의 아이들은 자신과 함께 진화하는 UX를 갖게 될 것이다. 태어나자마자 AI와 함께 성장하며, 개인화된 인터페이스를 경험하게 된다.
Sam Altman과 Jony Ive가 협력해 만드는 디바이스 역시 이런 방향일 것으로 예상된다. 챗GPT라는 슈퍼 앱이 iPhone이나 Android 위에서 작동하며, 외부 디바이스(선글라스 형태 등)가 24시간 사운드와 비디오 스트림을 입력으로 받아들이는 형태다. Meta의 선글라스와 비슷하지만, 모든 인터랙션은 모바일 UX에 의존할 것이다.
Communal Computing과 Dynamic Land
Brett Victor의 비전
Brett Victor는 10년 동안 Dynamic Land라는 프로젝트를 진행해왔다. 이는 Communal Computing 또는 Computational Public Space라는 개념어로 설명된다. 여러 사람이 물리적 공간에서 협력하며, 프로젝터와 카메라를 통해 증강된 환경에서 작업한다.
종이 위에 마커를 그리면 프로젝터가 그 위에 코드나 결과를 투영하고, 손으로 조작하면 실시간으로 반응한다. 종이들이 서로 대화하며, 하나의 거대한 데스크톱처럼 작동한다. Brett Victor는 AI를 별로 좋아하지 않는다 (Sam Altman이 YC 시절 지원하기로 했던 펀드가 OpenAI로 튄 일이 있기 때문이다). 그러나 이 개념은 물리적 공간과 디지털 협업을 결합한다는 점에서 여전히 혁신적이다.
유치원에서의 실험
이러한 개념을 유치원 교육에 적용하는 실험이 진행 중이다. 프로젝터와 카메라를 통해 어린이들의 손과 그림을 인식하고, 마커를 인식해 증강 현실을 제공한다. 예를 들어:
- 손을 인식해 여러 명이 동시에 상호작용
- 어린이가 그린 그림을 카메라로 인식
- Nano Banana 같은 Code Drawing 실험과 결합
- 4개의 손이 만드는 사각형 안에 UI가 생성되는 등
이는 생성형 AI와 물리적 공간의 결합이며, 미래 교육의 한 방향을 제시한다.
”As We May Think”와 역사의 계보
Vannevar Bush의 1945년 에세이 **“As We May Think”**는 MEMEX를 상상했다. 이는 다음과 같은 역사적 계보로 이어진다:
- MEMEX (1945) → 2. Douglas Engelbart의 NLS (1968) → 3. Alan Kay의 Dynabook, Alto, Smalltalk (1970s) → 4. Brett Victor의 Dynamic Land (2010s~)
산업적으로는 다음과 같이 분기했다:
- Steve Jobs (Macintosh, iPhone)
- Bill Gates (Windows)
이 두 흐름은 따로 가는 것이 아니라 서로 얽혀 들어간다. 선구자들의 아이디어가 산업으로 흡수되고, 산업이 다시 연구에 영향을 주는 순환이 일어난다.
인터넷 시대의 3C와 AI 시대의 재구성
인터넷 시대에는 3C라는 개념이 있었다:
- Content (콘텐츠)
- Commerce (커머스)
- Communication (커뮤니케이션)
AI 시대에도 본질은 같다. 단지 새로운 플랫폼 위로 모두 올라가고 있을 뿐이다. ChatGPT, Claude, Gemini가 슈퍼 앱이 되고, 그 안으로 모든 기능이 흡수된다. MCP(Model Context Protocol) 덕분에 서드파티 앱도 ChatGPT에서 실행되며, Agent Builder는 개발자뿐 아니라 비개발자까지 끌어들인다.
RL(Reinforcement Learning)을 향한 여정
정책 경사(Policy Gradient)의 이해
RL을 공부하는 과정에서 정책 경사(Policy Gradient) 공식을 이해하는 일이 특히 흥미로웠다. 단순히 Sutton의 책을 읽는 것만으로는 잘 들어오지 않았다. 대신 다음과 같은 과정을 거쳤다:
- GPT-o1과 대화하며 여러 번 질문
- 한 문단을 직접 써본 뒤, 모델과 맞냐 틀리냐를 논의
- 내 문체로 융문(融文)하는 과정 반복
- 내가 알려면 결국 내 방식이어야 한다
모델이 지식을 알려주는 것은 어렵다. 그러나 내 스타일로 계속 바꾸는 과정을 거치면 이해가 깊어진다. 생성의 모드가 나한테도 늘 있어야 한다는 교훈을 얻었다.
시각화와 실험
탐색 중에 다음과 같은 실험들을 수행했다:
- A 경로 찾기 알고리즘*: 파티클 시뮬레이션과 결합
- Dijkstra 최단 경로 알고리즘: TD(Temporal Difference) 학습과 연결
- JAX의 VJP, JVP: 역전파, 순전파, 자동미분
- Gradient, Jacobian, Hessian, Laplacian: GLSL 셰이딩 언어로 시각화
시각적 피드백을 받으며 수식의 의미를 파악하는 것은, 공식만 보는 것과는 전혀 다른 경험이었다. 이는 유치원 교육에도 적용되었다. 어린이가 그린 그림을 A* 알고리즘으로 수집하게 하거나, 포켓몬처럼 산책하며 자기가 그린 것을 찾게 하는 등의 활용이 가능하다.
동시대를 사는 법: 건강한 흡수와 상상
오늘날 우리에게 필요한 것은 상상력이다. 6개월 후에 무슨 일이 벌어질지는 모르지만, 상상해보고 오늘 해볼 수 있는 실험을 해보는 나날을 보내야 한다. 예측은 틀릴지언정, 시도하는 행위 자체가 우리를 다음 단계로 나아가게 한다.
역사를 알면 재밌다. 컴퓨터 과학사나 공학사는 교과목으로 배우는 경우가 드물지만, 이를 알면 무언가 매개만 다를 뿐 비슷한 일들이 반복되고 있음을 깨닫게 된다. 그 인사이트로부터 예측 모델이 생긴다. 우리 뇌의 진행이 하는 일도 결국 예측하고, 오차가 생기면 피드백 받아서 수정하는 것이다.
6개월 뒤를 상상하라. 그리고 각자의 자리에서 실험하라.
마무리하며
이번 Dev Day는 플래그십 모델 발표는 없었지만, AI 인터페이스의 미래를 엿볼 수 있는 중요한 순간이었다. Agent Builder, Computer Use, 생성형 UI, 노코드의 귀환, 자기 증강의 가속화 등 모든 신호는 하나를 가리킨다:
“소프트웨어의 가격이 0원으로 수렴하고 있으며, 인터페이스는 생성되고 있다.”
우리는 지금 역사의 반복과 도약이 동시에 일어나는 지점에 서 있다. Sketchpad (1962), NLS (1968), Smalltalk (1970s), HyperCard (1980s), 그리고 Imagine with Claude (2024). 60년의 흐름 속에서, 같은 질문이 되풀이된다:
“인간은 어떻게 컴퓨터와 대화할 것인가?”
그리고 이제 답은 명확해지고 있다:
“컴퓨터가 인간의 언어로, 인간의 UI로, 인간의 의도를 이해하며 스스로 진화할 것이다.”
다음 시간 예고: RLVR(Reinforcement Learning with Verifiable Rewards)을 깊이 탐구하며, AI의 자기 증강이 어떻게 작동하는지 살펴본다.