AI뉴스 - AI 멈추지 않으면 다 죽는다, OpenAI 밀레니엄 난제 해결, Images 2.5, Google ARTEMIS, AlphaGenome Atlas 등

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

AI 멸종 경고와 OpenAI의 밀레니엄 난제 해결 주장이 등장한 가운데, Images 2.5·Google ARTEMIS·AlphaGenome Atlas의 활용 가능성도 검증 수준과 이해관계를 구분해 살펴봐야 한다.

📌 핵심 요점

1. AI 감속론에는 안전과 경쟁 문제가 겹친다. 주요 기업 CEO들이 발전 속도를 늦추자는 데 동의했다고 소개된다. 다만 공동 감속과 감사 비용이 후발 기업의 진입을 어렵게 하고 기존 기업의 비용 부담을 줄일 수 있다는 비판도 있다. 인류 멸종 시점은 연구자의 위험 전망이다.
2. 수학 난제 해결 주장은 증명과 연구 기여를 함께 확인해야 한다. 에이전트 1만 개가 88시간 협업해 나비에–스토크스 문제를 풀고 Lean으로 검증했다는 주장이 제시된다. 그러나 문제 해결의 공식 인정 여부와 별개로, 버크마스터의 연구 데이터 활용 의혹 및 저자 기여 논쟁이 남아 있다.
3. 이미지 편집·앱 조작·생물학 예측으로 활용 범위가 넓어진다. Images 2.5는 기존 세부 요소를 보존하는 부분 편집, Google ARTEMIS는 자연어 기반 안드로이드 조작, AlphaGenome Atlas는 약 90억 가지 염기 변화의 영향 예측 지도로 소개된다. 편집 시연·벤치마크·생물학 예측은 각각 다른 검증 기준이 필요하다.
4. 에이전트 확산은 비용과 데이터 경로 문제를 동반한다. 호스팅형 에이전트 API와 상시 개인 에이전트가 소개되는 한편, 사용 한도와 컴퓨팅 수요가 제약으로 등장한다. 키미 요청의 클로드 전달 의혹과 애플워치 대화 요약 사례는 데이터가 어디로 전달되고 누가 AI 처리를 인지하는지 묻는다.
5. 모델 경쟁과 경제 전망은 단일 수치로 판단하기 어렵다. 특정 벤치마크 우위가 종합 성능을 뜻하지 않으며, 음악·음성·온디바이스 모델의 시연에도 정량 검증의 한계가 있다. 경제 전망에서는 직업 내부 과제의 재편과 자본 소득 비중 확대가 제시되지만, 변화의 강도는 시나리오에 따라 다르다.

🧩 배경과 문제 정의

• 최첨단 AI의 발전 속도를 늦추자는 주장에 주요 기업 CEO들이 동의하면서, 실제 안전 위험과 기업의 경제적 이해관계를 함께 살펴볼 필요가 커졌다.
• AI의 수학 연구와 생물학 활용이 확대되는 가운데, 성과의 검증뿐 아니라 연구 데이터의 출처와 인간 연구자의 역할이 쟁점으로 떠올랐다.
• 이미지·음성 생성, 앱 조작, 개인 에이전트의 활용 범위가 넓어지고 있다. 개별 벤치마크 성적과 실제 종합 성능, 공개된 실험과 검증되지 않은 사례를 구분해야 한다.
• 클라우드 에이전트와 기기 내 실행 모델이 함께 발전하면서 비용·사용 한도·데이터 전달 경로·대화 상대의 인지 여부가 실사용의 주요 문제로 이어졌다.

🕒 시간순 섹션별 상세정리

1. AI 감속론에 얽힌 안전 위험과 경제적 이해관계

• 다리오 아모데이는 안전성 투자만으로는 부족하다며 AI 역량 발전 속도를 늦추자고 제안했고, 샘 알트만과 일론 머스크도 동의했다. 위험 근거로는 에이전트 집단이 6~12개월 안에 지속적인 봇넷을 구축해 인터넷을 장악하고 수천억 달러의 피해를 낼 수 있다는 주장이 제시됐다 [01:19]
• 업계 공동 감속은 혼자 속도를 늦출 때 발생하는 경쟁상 불이익을 줄인다. 반면 평가·보안 문서·외부 감사 비용과 출시 지연은 자본이 부족한 후발 기업의 진입을 막는 장벽이 될 수 있다는 비판이 있다 [02:35]

2. 내부 연구자의 초지능 경고와 예측의 신뢰성 논쟁

• 앤트로픽을 떠나는 연구자는 어느 회사도 책임감 있게 행동하지 않으며 자기 개선형 초지능을 향해 직행하고 있다고 비판했다. 모든 분야를 혁신하고 권력과 자원을 확보할 시스템이 10년도 안 돼 인류를 죽일 수 있다는 믿음을 밝혔지만, 이는 해당 연구자의 위험 전망이다 [04:26]
• 경쟁사가 먼저 도달할 것이므로 자신들이 먼저 도달해야 책임 있게 행동할 수 있다는 논리가 개발 경쟁을 지속시킨다는 지적이 나온다. 허깅페이스 공동 창업자는 AI 연구자의 멸종 위험 예측을 에어컨 수리공에게 기후변화를 묻는 것에 비유하며 전문성의 적용 범위에 의문을 제기했다 [05:03]

3. 초파리 뇌지도 활용 실험과 학습 대상의 구분

• 공개된 수컷 초파리 뇌지도를 게임과 로봇 제어에 연결하는 실험이 확산됐다. 비트 세이버 사례는 게임 자체를 완전히 학습했다기보다 시각 입력에 따른 뉴런 활동을 버튼 동작에 연결하도록 최적화한 것으로 드러난다 [06:07]
• 히라가나로 읽히는 출력에 보상을 주는 실험은 10만 글자를 8시간 학습해 약 85%의 정답률을 얻었다고 한다. 다만 큐브 풀이 등 일부 사례의 진위는 불확실하며, 실험과 소스 코드가 공개된 사례를 모은 GitHub 저장소가 확인 경로로 제시됐다 [07:35]

4. 나비에–스토크스 난제 해결 주장과 연구 기여 논란

• 나비에–스토크스 문제에 에이전트 1만 개가 88시간 협업해 유한 시간 안에 속도가 무한대가 되는 특이점의 가능성을 증명하고 Lean으로 검증했다는 주장이 나온다. 자막은 이를 100만 달러 상금이 걸린 밀레니엄 난제의 해결로 보여준다 [09:07]
• 코덱스로 연구하던 버크마스터는 풀이가 자신의 방법과 같다는 이유로 입력 데이터 활용을 의심했다. OpenAI가 단독 저자 지위를 주는 대신 내부 모델의 해결을 명시해 달라고 제안했다는 주장도 있으며, OpenAI는 데이터 사용을 부인하면서도 비식별 데이터가 모델 개선에 기여했을 가능성은 배제하지 않았다고 한다. 어느 쪽이 맞는지는 불확실하다 [10:16]

5. Images 2.5의 부분 편집과 실시간 음성 대화

• ChatGPT Images 2.5는 디테일·생성 속도·편집 정밀도 개선을 내세웠다. 복원과 합성 사례에서는 기존 인물이나 털 같은 세부 요소를 유지하면서 요청한 부분만 바꾸는 능력이 이전 버전보다 좋아졌다는 평가가 나온다 [12:30]
• GPT 라이브 1 API는 앱에 실시간 음성 대화를 연결하는 용도로 제시됐다. 시연에서는 응답이 빠르고 말이 겹치는 상황에도 자연스럽게 대응하는 모습이 나타났다 [13:09]

6. 클라우드 에이전트 API와 늘어나는 컴퓨팅 수요

• OpenAI 에이전트 API는 코덱스 하네스를 호스팅 환경에서 실행해 도구 호출과 여러 단계의 작업을 수행하도록 한다. 별도 컴퓨터를 마련하지 않고 API 호출로 작업 결과를 받을 수 있다는 구조다 [13:46]
• 아스트라 접근을 유지하기 위해 200달러 프로 플랜의 구독을 일시 중단한다는 공지가 제시됐다. 사용량 증가가 원인으로 거론됐고, 데이터센터 수용 능력이 부족해졌다는 해석과 함께 용량을 늘리고 있다는 설명이 붙었다 [14:13]

7. 키미 요청의 클로드 전달 주장과 데이터 경로 문제

• 앤트로픽은 키미 K3 사용자가 키미의 응답이라고 생각했던 결과가 실제로는 클로드에서 생성됐으며, 요청이 조용히 전달됐다고 주장했다 [15:15]
• 근거 사례로 추적 대상의 이상 행동을 파악하기 위한 CCTV 분석 요청과 중국 기관 관련 카메라 영상이 제시됐다. 주장대로라면 사용자가 예상한 서비스 제공자 밖으로 민감한 데이터가 전달된 셈이다 [15:55]

8. ARTEMIS의 안드로이드 조작 자동화

• 구글 ARTEMIS는 자연어로 안드로이드 앱을 조작하고 테스트하는 오픈소스 도구로 소개됐다. 스마트폰과 에이전트를 연결해 휴대전화에서 수행하는 작업을 자동화하는 구조다 [16:36]
• 안드로이드 월드 벤치마크에서 99%의 성적을 기록해 인간보다 높았다고 한다. MCP를 통해 안티그래비티·코덱스·클로드 코드 등에 연결할 수 있으며, 음성으로 배달을 요청하는 등의 활용 가능성이 제시됐다 [17:01]

9. AlphaGenome Atlas의 DNA 변이 영향 예측

• AlphaGenome Atlas는 DNA 글자 하나가 바뀔 때 세포 안에 생길 영향을 미리 예측한 지도로, 약 90억 가지 염기 변화를 계산해 누구나 찾아볼 수 있도록 공개됐다고 한다 [17:27]
• 단백질을 직접 만드는 부분뿐 아니라 유전자 작동을 조절하는 영역의 변이 영향을 탐색하는 데 의미가 있다. 이 자료는 AI 예측 지도이며, 생물학 연구에 도움이 될 것이라는 기대가 제시됐다 [17:58]

10. 구글의 재귀적 자기 개선 소문과 데스크톱 접근 확대

• 구글 딥마인드가 AI로 AI를 반복 개선하는 RSI에 도달했다는 소문이 확산됐다. 하사비스의 AGI 집중 발언과 세르게이 브린이 RSI에 자원을 투입하도록 했다는 보도가 정황으로 제시됐지만, 달성 여부는 확인되지 않았다 [18:40]
• 제미나이 프로의 장기간 미출시가 RSI 훈련에 자원을 집중한 결과라는 추측도 있다. 영상에서도 진위를 알 수 없다고 선을 그었다 [19:05]

11. 메타 뮤즈의 상시 개인 에이전트

• 메타 뮤즈는 사용자의 목표를 이해하고 24시간 작업하는 개인 AI 에이전트로 소개됐다. 클라우드의 전용 컴퓨터에서 작업하며 사용자 콘텐츠 보호 기능을 제공한다는 설명이다 [19:40]
• 전용 컴퓨터에 에이전트를 설치하고 메타 모델로 구동하는 형태이며, 매주 최대 1억 토큰을 무료로 제공한다고 한다 [20:00]

12. 특화 성능·생성 속도·코딩 역량으로 갈리는 모델 경쟁

• 딥시크 V4.1 플래시는 소프트웨어 엔지니어링·사이버짐·자동화 관련 벤치마크에서 높은 성적을 보였다고 한다. 일부 영역에서는 GPT6 아스트라보다 높았지만 종합 점수는 40점으로 낮아, 특정 벤치마크의 우위를 전체 성능으로 확대하기 어렵다 [20:40]
• 머큐리 2.5는 다음 토큰을 순서대로 생성하는 대신 확산 방식으로 여러 토큰을 함께 생성하는 모델이다. 시연에서는 긴 답변이 빠르게 출력됐으나 정량적인 속도 비교는 제시되지 않았다 [21:22]

13. 유니티 공식 플러그인의 코딩 에이전트 연동

• 유니티는 외부 도구와의 연결을 확대하는 방향으로 클로드 코드와 코덱스용 공식 플러그인을 출시했다고 한다 [22:19]
• 플러그인을 통해 타일맵과 2D 게임 제작 등 유니티 작업을 에이전트에 맡길 수 있으며, 에디터를 직접 열지 않는 작업 방식도 가능하다고 드러난다 [22:31]

14. 음악 생성 모델의 품질 경쟁과 주관적 평가의 한계

• Suno V6와 5.5의 청취 비교에서는 뚜렷한 개선을 확신하지 못했고, 이전 버전이 더 좋게 들릴 수도 있다는 평가가 나왔다. 듣기 좋은 음악을 만드는 기본 품질은 상당히 상향 평준화됐다는 판단이다 [23:24]
• 오픈웨이트 음악 모델 YUE2는 기존 공개 모델을 넘어섰다고 소개됐다. GPT6 아스트라맥스와 연구원이 공동 개발했다는 설명과 함께, 송 퀄리티 인덱스에서 Suno V6·V5보다 높다는 비교가 제시됐다 [24:19]

15. 텐센트 Auk의 음성 생성과 세밀한 편집

• 텐센트 Auk는 목소리 샘플을 복제하거나 성격을 텍스트로 정의해 새 목소리를 만드는 음성 모델로 소개됐다. 기존 음성의 내용과 목소리를 편집하는 기능도 시연됐다 [25:37]
• 시연에서는 남성 목소리를 여성 목소리로 바꾸고 감정을 수정하거나 기침을 삽입했다. 화자 분리도 가능한 것으로 보였으며, 피치·볼륨 제어를 지원하는 오픈소스 모델이라고 한다 [26:35]

16. 애플 폴더블 제품과 맥북 애니메이션 구현

• 애플의 첫 폴더블 폰으로 소개된 아이폰 듀오는 펼칠 때 화면이 전환되는 애니메이션으로 주목받았다. 가격은 256GB 기준 329만 원부터라고 제시됐다 [27:57]
• 커뮤니티 제작 사례에서는 맥북을 여는 각도에 맞춰 화면이 펼쳐지는 효과를 구현했다. 폴더블 제품의 시각적 경험을 맥북에서 재현하는 데모다 [28:23]

17. 여러 AI 서비스의 사용 한도를 모아 보는 앱

• 코덱스·클로드 코드 등 여러 서비스를 함께 쓰면 남은 사용량을 한눈에 파악하기 어렵다는 문제를 해결하기 위해 모바일과 맥용 앱이 제작됐다 [28:45]
• 앱은 클로드·코덱스·그록 등의 남은 사용 한도를 한 화면에서 확인하는 기능을 제공하며, 앱스토어와 맥 앱스토어에 출시됐다고 한다 [28:54]

18. 애플워치 대화 요약의 편의성과 상대방 인지 문제

• 시리 리캡은 애플워치로 대화를 듣고 종료 후 짧은 AI 요약을 남기는 기능으로 소개됐다. 원본 오디오는 녹음 파일로 보관하지 않는다는 설명이다 [29:16]
• 올해 말 영어부터 제공될 예정이며, 작동 시 알림음과 화면 표시가 나온다고 한다. 다만 대화 상대가 자신의 말이 AI로 처리된다는 사실을 모를 수 있어, 메타 스마트 안경과 비슷한 반발이 생길 가능성이 제기됐다 [29:39]

19. 아이폰에서 실행하는 소형 메모리 언어 모델

• 약 1.25GB의 메모리로 실행할 수 있다는 350억 파라미터 언어 모델이 오픈소스로 공개됐다고 한다. 아이폰 16 Pro에서 기기 내 실행하는 장면이 제시됐지만, 처리 구간 안에서는 구체적인 속도나 품질 검증 수치가 나오지 않았다 [29:59]
• 메모리를 1.7GB 사용하는 온디바이스 특화 언어 모델이 오픈 웨이트로 공개됐다. 전체 35B 모델은 저장소에 두고 현재 계산에 필요한 매개변수만 RAM에 불러오는 방식이며, 아이폰에서 활용하기에 괜찮을 것이라는 기대가 붙는다. [30:00]

20. AI 성장 시나리오와 지식 노동·소득 분배의 변화

• 앤트로픽의 보고서는 2030년 경제를 세 가지 시나리오로 나눈다. 완만한 변화에는 1.6%와 약 34조 달러, 상당한 변화에는 8.3%와 36.3조 달러, 극단적 변화에는 32.4%와 44.4조 달러가 제시되며, 이는 확정된 미래가 아닌 변화 강도별 전망이다. [32:25]
• 직업을 여러 과제의 묶음으로 보면 일부 과제는 유지되고 나머지는 AI로 보완되거나 자동화되며, AI 결과를 검토하는 새 과제도 생긴다. 노동자가 전기기사나 간호사처럼 상대적으로 영향을 덜 받는 직업으로 이동할 수 있지만, 극단적 변화에서는 지식 노동 일자리가 크게 줄고 실업률도 일반적인 경기 불황보다 높아질 수 있다. [32:58]

21. 1인 창업 제안과 실제 제작 서비스 사례

• 자본 소득 비중이 커질 것이라는 전망을 바탕으로, AI를 활용해 자신이 지분을 전부 소유하는 회사를 만드는 1인 창업이 대응 방안으로 제안된다. 관련 도서 홍보와 함께 소상공인 지식배움터 전자도서관 신청 및 온라인 교육을 통해 예비 창업자도 매월 아이디당 한 권을 무료로 빌릴 수 있다는 이용 방법이 드러난다. [34:24]
• 프로덕트 빌더의 게임 제작 사례로 모찌를 옮기는 퍼즐 게임이 등장한다. 정식 출시에는 일정 수준의 플레이나 좋아요가 필요하다는 설명이 붙으며, 직접 만든 제품을 조코헌트에 올리면 매주 AI 뉴스에서 소개받을 수 있다고 한다. [35:17]

🧾 결론

• 이번 뉴스의 공통 쟁점은 AI가 무엇을 했다는 주장뿐 아니라, 무엇이 공개되고 재현되며 검증됐는지다.
• 연구용 AI의 가치는 문제 풀이 결과와 함께 방법 설명, 선행 연구 인용, 데이터 출처, 인간 연구자의 기여를 포함해 평가해야 한다.
• 실사용에서는 모델 순위보다 작업 성공률·비용·사용 한도·데이터 전달 경로를 함께 확인하는 편이 유용하다.
• 지식 노동과 소득 분배의 변화는 확정된 미래가 아니다. 자동화되는 과제와 새로 생기는 검토 업무를 구분하고, 이익을 나누는 방안을 논의해야 한다.

📈 투자·시사 포인트

• 컴퓨팅 수요와 수익성을 함께 볼 필요가 있다. 에이전트 사용 확대와 용량 부족 설명은 인프라 수요를 시사하지만, 훈련비·운영비 증가가 기업 수익으로 이어지는지는 별도 문제다.
• 안전 규칙은 시장 구조에도 영향을 준다. 평가·보안 문서·외부 감사 비용이 커지면 자본이 풍부한 기업에 유리한 진입 장벽이 될 수 있다.
• 응용 서비스는 실제 작업 단위로 평가할 수 있다. 앱 조작, 게임 제작, 사용 한도 관리처럼 구체적인 문제를 해결하는 사례는 관심 대상이지만, 시연만으로 지속적인 수요나 수익성을 단정할 수 없다.
• 노동 소득과 자본 소득의 배분이 핵심 변수다. 영상은 자본 소득 확대 전망에 대응하는 방안으로 AI 기반 1인 창업을 제안한다. 이는 시나리오에 따른 제안이며 사업 성과를 보장하는 근거는 아니다.

⚠️ 불확실하거나 확인이 필요한 부분

• 나비에–스토크스 난제 해결과 Lean 검증은 제공 자료에 등장하는 주장이다. 증명 원문, 해결한 문제의 정확한 범위, 독립 검토 및 공식 인정 여부는 이 자료만으로 확인되지 않는다.
• 연구 데이터 활용과 저자 지위 제안에 관한 설명은 당사자 간 논쟁이 있는 내용이다. OpenAI의 데이터 사용 여부를 확정할 수 없다.
• 초지능의 인류 멸종 전망과 구글의 재귀적 자기 개선 달성 소문은 확인된 사건이 아니다. 특히 후자는 영상에서도 진위를 알 수 없다고 명시한다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 난제 해결을 인용하기 전에 증명 원문·Lean 검증 자료·독립 수학자 검토를 찾아 문제의 범위와 인정 상태를 확인한다.
• Images 2.5와 ARTEMIS를 검토할 때 실제 수행하려는 작업을 정하고, 편집 보존 정도·작업 성공률·실패 사례를 기록한다.
• 에이전트 도입 전 요금, 사용 한도, 실행 환경, 외부 모델로의 데이터 전달 여부를 확인한다.
• 벤치마크 순위와 시연 결과를 분리해 정리하고, 속도·품질·비용을 동일한 조건에서 비교한다.

❓ 열린 질문

• AI 감속과 안전 평가를 추진하면서 후발 기업에 과도한 진입 장벽을 만들지 않으려면 어떤 기준이 필요한가?
• AI가 인간 연구자의 방법이나 데이터를 활용한 경우, 연구 기여·저자 지위·인용을 어떻게 배분해야 하는가?
• 앱 조작 벤치마크의 높은 점수가 다양한 실제 앱과 예외 상황에서도 유지되는가?