"I would say to everybody even the people who are naysayers right now about creativity in these machines hold on to your seats because we are on a curve it's likely an exponential right now in terms of capabilities we're seeing and check back with me in 18 months just 18 months"

"지금 이 기계의 창의성에 대해 반대하는 사람들조차도 우리가 지금 보고 있는 역량 측면에서 기하급수적인 곡선을 그리고 있으니 18개월 후에 다시 한 번 확인해 보라고 말하고 싶습니다."

"I often say that uh you know looking back upon this period of time from a thousand years from now the next 50 years will have a name I'm not sure what the name will be but it'll be noticed yeah in the history this will really matter this will be so it's either this way this way or something have yet thought of but it's going to transformational"

"저는 종종 지금부터 천 년 후의 이 시기를 돌아보면 다음 50년은 어떤 이름이 붙을지 모르겠지만 역사에 기록될 것이라고 말하곤 합니다."

1. AI는 과학 연구 방식을 근본적으로 변화시킬 수 있습니다. 데이터 처리 능력과 패턴 인식 능력이 뛰어나 인간이 발견하기 어려운 통찰을 제공할 수 있습니다.

2. 재료 과학 분야에서 AI는 3000만 개의 가능한 배터리 화합물을 몇 주 만에 분석하여 리튬을 70% 적게 사용하는 새로운 배터리 소재를 개발했습니다. 이는 기존 방법으로 몇 년이 걸렸을 과정입니다.

3. 생물학 분야에서 AI는 단백질 구조 예측(AlphaFold)과 단백질 상호작용 분석에 사용되어 새로운 생물학적 질문을 제기하고 있습니다.

4. 의약품 개발에서 AI는 기존 약물의 새로운 용도를 발견하는 데 도움을 주고 있습니다. 예를 들어, 당뇨병 치료제가 항생제 특성을 가지고 있음을 발견했습니다.

5. AI 시스템은 대규모 데이터를 학습하면서 세계에 대한 자체 모델을 구축하고 있어, 과학적 이해의 새로운 패러다임을 제시할 수 있습니다.

6. AI의 창의성에 대해 의견이 분분하지만, 호비츠는 AI 시스템이 이미 인상적인 창의성을 보이고 있으며 앞으로 더욱 발전할 것이라고 믿습니다.

7. AI 기술의 발전 속도가 매우 빠르며, 18개월 후에는 현재와는 크게 다른 수준의 능력을 보일 것으로 예상됩니다.

8. AI가 인간을 대체하기보다는 인간을 돕는 도구로 봐야 하며, 인간 주도성(human agency)을 강조해야 한다고 주장합니다.

9. 장기적 전망으로, 호비츠는 앞으로 50년이 역사적으로 중요한 시기가 될 것이며, 1000년 후에 돌아봤을 때 이 시기가 특별한 이름으로 불릴 것이라고 예측했습니다.

 

1. 준결정(Quasicrystals) 연구:
AI 시스템이 물리학자에게 알루미늄 기반 준결정을 찾을 수 있는 장소를 제안했습니다. AI는 번개가 자주 치는 베네수엘라의 보크사이트 광산을 조사해 보라고 제안했습니다. 이는 AI가 창의적인 연구 방향을 제시할 수 있음을 보여줍니다.

2. AI의 물리학 이해:
일부 물리학자들이 AI 시스템의 우주론 관련 답변을 "야심 찬 대학원생" 수준이라고 평가했다는 언급이 있었습니다. 이는 AI가 복잡한 과학적 개념을 어느 정도 이해하고 있음을 시사합니다.

3. AI와 인간 마음의 이해:
호비츠는 AI 연구가 궁극적으로 인간의 마음을 이해하는 데 도움이 될 수 있다고 믿습니다. 그는 신경과학과 AI의 융합이 마음에 대한 새로운 이해를 가져올 수 있다고 제안합니다.

4. AI의 학습 방식:
AI 시스템이 단순히 다음 토큰, 픽셀, 단어를 예측하는 작업을 수행하면서도, 세계에 대한 더 깊은 모델을 구축하고 있다는 견해를 제시합니다.

5. AI의 이중 용도(Dual-use) 문제:
AI 기술이 악의적인 목적으로 사용될 수 있는 가능성에 대해 언급하며, 이에 대한 감시와 대책의 필요성을 강조합니다.

 

"the transformative potential it extends across the various traditional disciplines from from physics and biology to chemistry and Beyond which more than just enhancing what we scientists have long done can facilitate a really deep cross fertilization that will surely yield startling connections"

AI의 변혁적 잠재력은 물리학, 생물학, 화학 등 전통적인 학문 분야를 넘어 확장됩니다.
AI는 과학자들이 오랫동안 해온 일을 단순히 향상시키는 것을 넘어섭니다.
AI는 학문 간의 깊은 교차 수분(cross fertilization)을 촉진할 수 있습니다.
이러한 학문 간 융합은 놀라운 연결점들을 도출할 것입니다.

원문: "machine learning algorithms rapidly analyzing vast data sets they can enable researchers to explore New Dimensions consider new hypotheses blend insights from diverse fields and all of this undoubtedly will result in insights that would otherwise remain hidden"

요약: AI는 방대한 데이터셋을 빠르게 분석하여 연구자들이 새로운 차원을 탐구하고, 새로운 가설을 고려하며, 다양한 분야의 통찰을 결합할 수 있게 합니다. 이는 인간이 발견하기 어려운 숨겨진 통찰을 도출할 수 있습니다.

원문: "I do think these systems will help us do that kind of thing and again starting to see glimmers of this kind of generalization ability"

요약: 호비츠는 AI 시스템이 뉴턴의 중력 법칙 발견과 같은 일반화 능력을 보여줄 수 있다고 믿습니다. 그는 이러한 일반화 능력의 징후가 이미 나타나고 있다고 언급합니다.

"these systems are inducing models of the world that might answer your question question no they actually have a deeper they're gaining a deeper understanding of the kinds of foundations that humans might be relying on"

이 부분에서 호비츠는 AI 시스템이 세계에 대한 모델을 유도하면서, 인간이 의존하는 것과 유사한 기초적 이해를 얻고 있다고 설명합니다. 이는 AI의 일반화 능력이 단순한 패턴 인식을 넘어서고 있음을 시사합니다.

이러한 언급들은 AI가 단순히 데이터를 처리하는 것을 넘어, 복잡한 연결점을 발견하고 일반화된 이해를 형성할 수 있는 잠재력을 가지고 있다는 호비츠의 견해를 보여줍니다.