1. AI 모델 학습의 두 단계:
- 사전 학습(Pre-training): 인터넷의 데이터를 모방하여 기본적인 지식을 습득
- 강화 학습(Reinforcement Learning): 특정 목표를 위해 모델을 더 발전시킴

2. 현재 AI 모델의 한계와 도전과제:
- 단순히 모델 크기를 키우는 것만으로는 성능 향상에 한계가 있음
- 학습에 사용할 수 있는 고품질 데이터의 양이 제한적임
- 언어모델에서는 체스나 게임과 달리 '좋은 결과물'을 정의하기 어려움

3. Gemini의 새로운 발전 방향:
- 중앙 '두뇌' 역할을 하는 언어 모델에 '디지털 신체'를 더하는 접근
- 검색, 코드 실행, 브라우저 조작 등 외부 도구들과 연동
- 복잡한 문제를 단계별로 분석하고 해결하는 추론 능력 강화

4. 향후 전망:
- 비디오 데이터 등 아직 충분히 활용되지 않은 학습 자원 존재
- 과학 연구나 창의적 사고를 돕는 도구로서의 발전 가능성
- 완전한 AGI(인공일반지능)까지는 아직 거리가 있지만, 특정 분야에서는 이미 초인간적 성능 달성

- 수학이나 과학 분야에서 새로운 정리나 발견을 할 수 있는 수준까지 발전할 것으로 예상
- 단순한 문제 해결을 넘어 창의적 사고와 브레인스토밍을 도울 수 있는 수준의 지능 개발 가능성 언급

5. Google DeepMind의 접근:
- 단순한 스케일업이 아닌 혁신적인 알고리즘 개발 추구
- 과학적 문제 해결과 일반 지능 개발의 균형 추구
- 안전성과 실용성을 고려한 점진적 발전 지향

 

Gemini 모델의 새로운 기능으로 Chrome 브라우저와 통합된 동반자를 출시할 예정입니다. 이를 통해 사용자는 브라우저 내에서 다양한 작업을 자동화하거나 보조할 수 있습니다.

예를 들어, 사용자가 여행 계획을 세울 때 호텔이나 항공편을 검색하는 등의 반복적이고 시간이 많이 소요되는 작업을 자동화할 수 있습니다. 사용자는 단순히 작업을 지시하면 에이전트가 대신 클릭하고 정보를 수집하는 방식으로 진행됩니다.

에이전트는 사용자가 브라우저에서 수행해야 하는 여러 작업을 대신 수행해줍니다. 이를 통해 사용자는 더 효율적으로 시간을 사용할 수 있으며, 번거로운 작업에서 벗어날 수 있습니다.

에이전트가 의도하지 않은 작업을 수행하지 않도록 샌드박싱(Sandboxing)과 같은 안전 조치를 적용할 예정입니다. 이는 모델이 예기치 않은 방식으로 작동하는 것을 방지하고, 사용자 데이터를 안전하게 보호하기 위함입니다.