안녕하세요, Magnify 시리즈에서 우리는 성장 분야에서 전문가들에게 질문을 하고 답변을 발표하고 싶습니다. 오늘의 게스트는 갤럭시와 dp의 공동 창립자인 에르뎀 에세르 에킨치입니다. 그는 2009년에 인공지능 회사를 설립하겠다는 비전을 가지고 있습니다. 우리는 지금까지 많은 친구들을 이곳에 초대했습니다. 우리는 많은 질문을 했고, 그 모든 질문에서 인공지능이 주제로 다루어졌습니다. 견뎌냈다. 인공지능에 관해 제가 전문가에게 많이 묻고 싶었던 질문을 드디어 질문할 수 있게 되어 기쁘고, 빨리 시작하고 싶습니다. 우리는 AI가 파괴적인 영향을 미칠 것이라고 말하고 있으며, 모두가 그것에 대해 이야기하고 있습니다. 제가 방금 말씀드린 대로, 여러분은 이에 대해 아주 오랫동안 생각해 오셨을 겁니다. 이 시점에서는 인공지능의 미래, 특히 기업이 인공지능에 어떻게 접근해야 하는지, 그리고 이 개념을 자사 사업에 어떻게 적용해야 하는지에 대한 이야기를 나눠보겠습니다. 회사 소유자, 관리자, 이사, 모든 계층의 사람들이 인공지능을 자사 사업에 적용하기 위한 시작점으로 고려해야 할 점은 무엇이라고 생각하십니까? 물론 이 주제는 매우 인기가 많습니다. 거의 모든 회의가 인공지능으로 시작해서 데이터로 끝납니다. 가장 중요한 작업은 AI를 훈련시키고, 이를 사용하고, 시나리오에 포함시키기 위해 어떤 방식으로든 수행할 수 있는 능력을 갖추는 것입니다. 데이터 인벤토리는 건전한 방식으로 이루어져야 합니다. 일반적으로 이러한 모든 데이터가 회사에 포함되는 것은 아닙니다. 일부 데이터는 외부에서 가져와야 합니다. 통합 과정은 매우 중요합니다. 따라서 인공지능 프로젝트의 성공적인 구현에 가장 큰 장애물은 생각처럼 GPU의 공급이 아니라 필요성일 것입니다. 주로 깨끗하고 양질의 데이터를 수집하는 것입니다. 대부분의 회사에는 데이터도 있습니다. 인공지능이 클라우드에 데이터를 가져오지 못한다는 우려 때문에 저장되고 보관되며 사용할 수 없습니다. 따라서 가장 큰 문제는 이 인벤토리를 작성하고, 어떤 시나리오에서 어떻게 작동하는지 확인하고, 외부 데이터 공급과 통합하여 새로운 시나리오를 만드는 것입니다. 회사가 그때 단기와 장기를 말한다고 생각한다면, 실제로는 단기와 중간입니다. 정중하게 말하면 데이터를 편집한다고 하지만, 여전히 대부분의 회사는 데이터를 엑셀에 보관합니다. 이런 현실도 있습니다. 데이터 준비: 장기적으로 이를 준비하기 위한 부서 설정이 있습니까? 기업에서 기술을 구매하는 것인가요, 아니면 기관과 협력하는 것인가요? 이런 노하우는 아웃소싱된 것인가요? 여기서 가장 좋은 방법은 무엇이라고 생각하시나요? 그런데 제가 지난 2년, 2,020년 반에서 XNUMX년까지의 현재에 대해 이런 평가를 내릴 때면, 모두가 처음에는 이것이 별개의 분야이고, 다른 전문성과 교육 수준이 필요한 열망이라고 생각하는 것 같습니다. 우리가 도달한 지점에서, 튀르칸은 거의 모든 부서로 퍼져나가는 작은 도구로 변했습니다. 처음에는 모두가 인공지능 부대를 만들려고 했습니다. 이 쪽에서는 전문적인 훈련이 시작되었지만 결국에는 이루어졌습니다. 인공지능은 민주화에 많은 이점을 가져다주는 요소가 되었습니다. 다시 말해, 어떤 문제든 해결하려면 소프트웨어 개발자가 필요합니다. 이전 주제에서 데이터와 인공 지능의 상호작용을 보장했으므로, 이제 사업부와 최종 사용자는 각자의 요구에 맞춰 기술을 반죽하듯이 조작할 수 있습니다. 요약하자면, 이는 단순한 기술적 도약이 아닌 사회기술적 진화로 간주되어야 합니다. 더 이상 기술만이 문제가 아니라 조직의 구조가 문제입니다. 그 모양도 변화하기 시작했습니다. 일부 역할은 성공적으로 수행할 수 있습니다. 일부 역할은 사라지고 있으며, 이러한 역할은 인공지능이 기계에게 완전히 위임할 수 있습니다. 그러므로 마지막 지점에서 인공지능은 실제로 모든 사람이 손에 넣을 수 있는 도구가 되었습니다. 그러므로 기업에서는 별도의 인공지능을 사용합니다. 저는 전문부서가 필요하다고 생각하지 않습니다. 이 주제에 대한 그러한 대체 정보가 많이 있습니다. 60명이던 부서가 10명으로 줄었습니다. 인공지능으로 인한 업무 증가에 대한 소음이 많지만, 이 분야에서 사람들이 낭비되고 있다는 사실, 혹은 그 반대의 경우도 마찬가지입니다. 마치 이런 일을 한 회사가 손실을 봤기 때문에 다시 사람들을 해고하는 것처럼요. 저는 당신의 의견이 매우 궁금합니다. 당신은 이 문제에 대해 오랫동안 생각해 왔거든요. 사실, 질문은, 제가 이걸 해석해야 할지 모르겠지만, 실업이 발생할까요? 인공지능은 인공지능일 수도 있고, 인공지능일 수도 있다. 가상 인간이 어떻게 자신만의 스타일로 발전하거나 변형되어야 하는지에 대해서도 답할 수 있습니다. 두 질문 모두에 답해보겠습니다. 실제로 인공지능이 실업을 초래할 것이라는 것은 매우 명확한 사실이다. 이런 일은 이미 시작되었습니다. 생산성 증가가 이제 발표되고 있습니다. 소프트웨어 개발자의 급여를 기준으로도 이런 추론을 할 수 있습니다. 예를 들어, 지금은 거의 모든 응용 프로그램이 그렇습니다. 챗봇 솔루션을 출시했습니다. 새로운 기능이 필요해지자, 그들은 소프트웨어를 전혀 개발하지 않고, 거의 소프트웨어도 개발하지 않고 즉시 새로운 서비스를 제공하기 시작했습니다. 이로 인해 실업이 초래됩니다. 사실 저는 인공지능, 특히 제네리비아를 다음과 같이 평가합니다. 인공지능은 두 가지를 제공합니다. 내 데이터에 대해 물으면, 그것은 당신이 주로 사는 곳에 있는 보관하고 색인한 정보를 가져올 수 있습니다. 그것은 2,020년까지가 XNUMX월 말까지, 어떤 날짜까지라고 말하고, 최신 데이터는 없지만 원한다면 웹에서 검색해서 최신 버전을 찾을 수 있다고 말하면서 당신에게 돌아갈 수 있습니다. 그래서 하나는 이 오래된 구글이 했던 것처럼 인덱싱을 담당하고, 두 번째는 레즈닉 추론을 하는 능력, 즉 스트레이트 맨의 코코를 하는 능력입니다. 그는 어렸을 때부터 배운 모든 추론을 할 수 있는 능력을 가지고 있습니다. 비가 오면 그는 탐욕스러워질 것입니다. 신용카드를 받으려면 사업자 등록 정보와 서명란을 제공해야 할 정도입니다. 이제 인공지능을 고용의 원천이자 고용 요소로 고용하려고 생각한다면, 누구에게 할당할지 미리 결정해야 합니다. 당신은 내가 무엇을 아는지 묻겠습니다. 아니면 당신의 업무 흐름이나 사업을 원하시나요? 작년에는 첫 번째 질문과 답변이 실제로 급하게 이루어졌습니다. 여러분이 질문하시면, 우리는 답변을 드립니다. 이제 도착했습니다. 이것을 에이전시라고 부르는데, 터키어로는 이런 뜻이에요. 그런데 요인들은 오래전부터 아카데미, 즉 대리인에서 다른 의미로 바뀌어 왔습니다. 아잔은 터키어로 '에이전트'라는 개념이지만, 터키 학계에서는 1990년대부터 '에이전트'라는 개념을 사용해 왔습니다. 이에 대해서는 많은 논란이 있다. 여러분은 언론에서 보았을지 모르지만, 이것의 학문적 대응은 실제로 이 직업을 위한 것입니다. 즉, 인간답게 인간답게 행동하는 대신 말입니다. 사회적, 사전 예방적 행동을 모두 보여줌으로써 업무를 수행하는 소프트웨어 요소, 말하자면 소프트웨어 요소에 인공 지능이라는 주제를 가져오면, 사실 그렇습니다. 그것은 고용을 줄이는 매우 심각한 영향을 미칠 것이고, 사회기술적으로 평가되어야 하며 조직도도 반복해서 평가되어야 할 것입니다. 물론, 우리는 당신이 학계에서 이 주제에 관해 오랫동안 연구를 해왔고, 이에 대해 생각해 왔다는 것을 알고 있습니다. 1년 전에도 우리가 여러분과 이야기를 나누었고, 당시 우리는 에이전트에 대해 이야기하고 있었습니다. 하지만 이제 이 질문을 드리고 싶습니다. 생성적 인공 지능과 에이전트의 교차점은 어떤 회사든 될 수 있습니다. 스타트업 분야는 도구가 될 수 있다. 그것을 여러분의 구조에 어떻게 통합할 수 있는지에 대한 교차점은 무엇입니까? 왜냐하면 논의되는 모든 내용은 이론적인 측면이 강하고, 우리는 이론을 실천으로 옮기기 때문입니다. 바로 그것이 요점이에요. 그것은 조언일 수도 있고, 관점일 수도 있고, 방법일 수도 있습니다. 왜냐하면 저는 그것이 지금은 실제로 사업이라는 것을 알고 있기 때문입니다. 당신은 지금으로부터 23년 후를 생각하고 있고, 그 비전을 어떻게 달성할 수 있을지에 대한 아이디어를 얻을 수 있다면 좋겠습니다. 너무 멀리 갈 필요는 없습니다. 2년, 3년 후에는 실제로 기업으로부터 CRM을 직접 제공받는 추세가 나타나기 시작했습니다. 다른 회사에서 인사부를 위해 또 다른 트리를 사면 갑자기 항목과 봄 기반 요소의 중소기업에 관련된 두 가지 이상의 요소가 형성되기 시작합니다. 그는 이 시점에서 서로의 동기화와 소통이 이루어진다고 말합니다. 이러한 의사소통의 결과로, 그들이 회사의 목표를 향해 행동하는 것이 훨씬 더 중요해졌습니다. 특히, 아곤타에 할당한 요인에게 목표, 의사소통해야 할 다른 요인, 회사 자체의 내부 제약, 규칙, 비전, 사명에 대해 가르칠 수 있습니다. 다른 사람들과 조화롭게 일할 수 있도록 하는 것이 가장 중요한 목표가 되어야 합니다. 사람들이 이 사업에 뛰어들기 시작하면, 즉 사람이 인간과 같은 언어로 말할 수 없게 되면, 사람은 기계와 같은 언어로 말해야 하며, 이는 회사 문화, 회사의 말, 회사의 개념과 함께 발전되어야 합니다. 그러므로 모든 요소는 빠른 서비스를 제공하는 중개자입니다. 그것을 가져다가 사용하는 것은 별로 의미가 없습니다. 예를 들어, 한 회사는 다양한 행동이 주제로 다루어지는 낮 시간 동안 소셜 미디어에 광고를 게재합니다. 그들은 인공지능 요소를 활용해 이를 사전에 예방적으로 실시한다고 밝혔습니다. 하지만 브랜드 평판이라는 관점에서 생각해 보면, 광고를 최적화하는 그런 초지능적 요소가 실제로는 회사 평판을 손상시킨다는 것을 알 수 있습니다. 해당 국가의 의제가 전혀 다르지만, 전자상거래 플랫폼에서 신발을 판매하고 싶어하며 의제에서 전혀 벗어나 있는 제품을 젊은이들에게 홍보하고 싶어합니다. 여기가 이야기의 시작입니다. 기관 내의 또 다른 요소는 브랜드의 평판을 평가하는 것입니다. 그것은 외부에서 가져온 것이었고, 그렇게 해서 의제가 바뀌었습니다. 그는 국가에는 이러한 위험과 위기가 존재하며, 이런 방식으로 브랜드를 관리해야 한다고 조언합니다. 이제 이 두 요소는 서로 소통할 수 없습니다. 2개의 서로 다른 부서가 이러한 요소를 처리합니다. 한편으로는 경고를 받습니다. 이번 달에 경고를 받은 사람은 해당 문제를 다른 부서의 담당자에게 전달합니다. 그는 가서 다른 요소를 프로그래밍하고 관리해야 합니다. 그런데 녹의 차이가 생긴 상태에서도 1시간 동안이라도 광고가 계속 회전하게 되면 브랜드에 매우 파괴적인 환경이 조성됩니다. 이 시점에서 두 사람을 대화하게 할 만한 사람은 거의 없습니다. 앞서 말씀드렸듯이, 이 브랜드의 기업 사업은 기업을 의미합니다. 비즈니스 모델, 규칙 및 제약을 준수하는 방식으로 이러한 요소를 관리하는 것은 완전히 다른 문제입니다. 외부에서 구매할 수도 없습니다. 당신과 똑같은 사람을 고용할 때, 그게 회사 문화에 맞을 것 같나요? 그는 10년 후에도 여기서 나와 어깨를 나란히 하며 계속 일할 것인가? 이는 질문에 대한 답변을 찾을 때와 똑같습니다. 사실, 수년간 오픈아이미르에 대해 소문이 돌았던 그의 사회적 지능이 발달했다면, 그는 원자폭탄을 만들지 않았을지도 모릅니다. 이 컨셉은 약간 에이전트 기반이고 쉬르 기반입니다. 당신은 당신의 문화에 통합하는 문제에 대해 이야기합니다. 저는 여기서부터 이 주제로 조금 더 나아가고 싶습니다. 기업 문화의 일환으로 인공지능과 에이전시에 투자하기로 결정했다고 가정해 보겠습니다. 하지만 제가 하는 일에는 환각적인 측면이 있습니다. 그러니 우리는 인공지능을 신뢰해야 합니다. 물론 인공지능에 할당된 인원을 10명으로 늘려야 하겠지만, 인공지능 자체에서도 경험할 수 있는 내부적인 문제들이 있습니다. 지금 이 시점에서 어떤 경영자가 이 회사를 신뢰할 수 있다고 생각하시나요? 특정 수직 분야의 일자리를 현지 직원에게 맡길지, 아니면 계속 멀리할지에 대한 결정은 회사의 의사 결정에 따라 이루어져야 합니다. 이 질문에 요인이라는 개념을 통해 답해보도록 하겠습니다. 소프트웨어나 인공지능이 일을 할 수 있다고 믿을 수 있나요? 마찬가지로, 어떤 사람이 일을 할 수 있다고 믿을 수 있나요? 질문은 동일하게 유지해 보겠습니다. 그러면 둘을 동질화해 봅시다. 어떻게 신뢰하시나요? 어떤 공범이 어떤 일을 하려고 사람에게 개입하는 일이 발생합니다. 즉, 신뢰 구간에 대한 것이며, 이는 실제로 인간이기 때문에 수 세기 동안 우리가 이미 상상해 온 것입니다. 이 요인은 새로운 개념이기 때문에 10에 어떤 것을 할당하는 데 어려움이 있습니다. 10%가 정답을 맞힐까요, 아니면 98%가 정답을 맞힐까요? 좀 이해하기 어려운 것 같아요. 똑같은 방식으로, 회사나 자신을 위해 에이전트 솔루션을 개발할 때 OO 격리 문서를 가져와서 테스트 베드를 만들고, 테스트 환경을 만들고, 일정 기간 동안 다양한 데이터를 입력하여 신뢰도를 10까지 높일 수 있는 테스트 베드 환경을 만들어야 합니다. 그렇지 않으면 항상 같은 질문을 하는 친구를 평가하는 것과 상담원에게 작업을 할당하는 것 사이에 큰 차이가 없습니다. 오히려 한 요인을 검증하기 위해 다른 요인을 활용할 수 있다는 장점이 있습니다. 사실, 다른 기관을 통제한다면 같은 방식으로 요인을 찾을 수 있습니다. 저는 제 법률에 의문을 제기하기 위해 내부 규정에 의문을 제기할 또 다른 요소를 개발하고 싶습니다. 이에 대한 테스트는 어떻게 진행되어야 할까요? 예를 들어, 제게 10,000개의 질문이 있다면, 그는 질문과 답변을 통해 이 10,000개의 질문을 처리할 수 있을 것입니다. 간단한 테스트베드를 수행할 수 있나요? 대규모 언어 모델이 이미 이러한 플랫폼을 제공한다고 말씀하셨는데요. 다른 것도 타겟으로 삼아 테스트해 볼 수 있습니다. 인간에게도 같은 것을 할 수 있나요? 더 어렵고, 과정도 다릅니다. 저는 여기저기서 기업 문화, 즉 회사 문화에 대해 정확히 물어보고 싶습니다. 평균 20년 동안 기업 문화가 지속되는 회사에 대해 이야기해 보겠습니다. 그는 20년 동안 술을 마셨습니다. 사실, 그것은 일어나는 모든 일과 함께 발전하지만, 우리가 말하는 문화는 몇 년 된 것이고, 우리가 그것을 적응시키려고 한다고 가정할 때, 부서 단위로 기업 문화의 관점에서 문화적 적응을 어떻게 평가해야 할까, 또는 어떤 종류의 갭 트레이닝 시간을 줄여야 할까. 사실, 거의 모든 단어에 속담이 들어있습니다. 아시다시피, 나무를 심기 가장 좋은 시기는 10년 전이었습니다. 그 다음으로 좋은 시기는 바로 지금인데, 그는 바로 행동하지 않습니다. 사실, 이 질문에 대한 답은 문화가 자연어와 함께 실제로 회사 문화를 따르고 창조하는 기반을 형성하기 시작했으며, 이 호기심이나 생성적 인공 지능 덕분에 모든 텍스트를 읽고 이해하는 것이 가능해졌고 회사의 규칙은 새롭다는 것입니다. 제약 조건과 목표를 자연어로 적어 놓으면, 같은 분야의 다른 인벤토리에서도 이를 보관, 관리, 해석할 수 있게 됩니다. 그러면 회사의 첫 번째 문제로 돌아가 보겠습니다. 무엇을해야합니까? 데이터 버섯이든, 엑셀, PDF, 웹 페이지, 데이터베이스, 데이터베이스 등 어디에 있든, 데이터는 분산되어 있습니다. 인간은 그들 사이에 연관성을 알고 있지만 AI는 아직 알지 못하는 부분이 있습니다. 생산적인 인공지능은 이러한 연결을 만들고, 이를 추적할 수 있는 능력을 갖추고 있습니다. 우리가 문화라고 부르는 것의 유일한 부분은 인간의 감정이며, 고객에게 100번의 웃음을 보여줄 것입니다. 당신은 내면의 관계에서 팀 게임을 하게 될 것이고, 공감하게 될 것입니다. 나머지 부분은 인공지능에 완전히 위임될 수 있습니다. 여기서는 베레야닌이 건강한 방식으로 생성되어야 합니다. 그렇지 않더라도 저는 데이터 부분으로 돌아갈 겁니다. 이런 식으로 말해보죠. 그 이유는 데이터 아반테가 우리가 아주 최근에 만난 장소에서 논의되었던 내용으로부터 만들어졌지만, 결과적으로 그 데이터를 만든 사람도 인간이라고 가정하고 오차의 여지를 둔다면, 그것은 데이터 인벤토리에서 만들어진 실수를 바탕으로 구축되기 때문입니다. 사실, 그것이 현실일 수도 있습니다. 예를 들어, 얼마 전 회의에서 실제 직원이 보증 기간을 잘못 전달했고, 인공지능이 잘못된 데이터에서 학습했기 때문에 잘못된 결과를 내놓은 사례가 있었습니다. 그러므로 우리가 이렇게 많은 문화, 감정, 모든 것을 서로 위에 올려놓으면, 여기서 발생할 수 있는 오류, 오류, 데이터의 환각이나 문제 또는 문제점이 매우 커지지 않겠습니까? 저는 첫 번째 단계가 우리가 생각하는 것보다 훨씬 더 중요해진다고 생각합니다. 분명히 현대적인 내용이며, 회사가 인공지능으로 어떻게 전환해야 하는지에 대한 질문에 답한 것과 같습니다. 다시 말해, 두 가지 유형의 접근 방식은 귀납법을 통해 거의 모든 문제를 해결할 수 있으며, 특히 이처럼 큰 문제를 해결할 때 더욱 그렇습니다. 즉, 회사에 서비스를 제공할 전체 회사의 계획, 문서화 등 모든 종류의 세부 사항을 알 수 있는 초인공지능입니다. 이러한 추론을 시도할 수도 있고, 귀납에 도달할 수도 있습니다. 즉, 매우 작은 고객 대표 요소를 아래에 만들 수 있습니다. 계획 테스트 요소를 수행할 수 있는 작업은 매우 적습니다. 사업의 경우, 사업 주제에 따라 사업 분야를 결정할 수 있습니다. 둘 다 위에서 아래로, 위에서 아래로, 위에서 아래로 가는 거죠. 연방준비제도가 뭐든 간에, 여기 단계별 테스트, 신뢰 구간, 뭐라고 부르든 간에, 그게 큰 거예요. 그들의 점유율은 점차 줄어들어 인간과 비교될 것입니다. 다시 말해, 이미 누군가를 고용했다면, 그 사람이 그보다 더 많은 일을 할 수 있었다고 말할 수 있는 휴식 시간을 끼워 넣어야 합니다. 사실 당신은 시간이 지나면서 여기서 당신이 제시할 내용이 더 좋아질 것이라고 말하고 있는 셈입니다. 저는 이 주제에 대해 알아보고 싶습니다. 우리는 기하급수적으로 발전하고 있는 인공지능에 대해 이야기하고 있으며, 이 주제는 기술적 발전뿐만 아니라 여기에서 경험하는 기술적 발전, 윤리적 규제, 인력 변화 등 실제로 우리 일상 사회생활에 반영되는 많은 부분들에 관한 것입니다. 실제로 우리는 오늘날 여기에서 살고 있습니다. 앞으로 12년은 예측할 수 있을지 몰라도, 5년이나 15년 후를 생각할 때 무엇이 ​​떠오르는지 매우 궁금합니다. 이것이 우리가 살고 있는 현실입니다. 이는 사회-기술적 문제입니다. 다시 말해, 기술이 발전함에 따라 사회 현상도 변화합니다. 사회 현상이 변화하기 시작하면서, 기술에 대한 우리의 기대도 바뀌기 시작할 것입니다. 지금 당장, 전반적인 사업 분야를 살펴보면, 우리 대부분은 도시와 관료 조직에 속한 대다수의 인구를 상대하고 있습니다. 관료주의, 후속 조치, 즉 우리는 컴퓨터에 적힌 종이에 적힌 숫자와 데이터를 따릅니다. 기계가 이 일을 맡게 되자마자, 그들은 바로 일을 시작했습니다. 실제로 그 다음에 무슨 일이 일어날까? 그 인간의 영혼, 인간 군중은 무엇을 창의적으로 찾을 수 있을까? 그리고 어디로 향할 것인가? 제 능력을 넘어서는 일이에요. 저는 하라리와 무스타파 술레이만을 많이 읽습니다. 저는 모든 작가를 따라가려고 노력해 왔지만, 예측하기가 정말 어려운 과정이 되어가고 있습니다. 예를 들어, 인공지능의 등장으로 유전학이라는 또 다른 중요한 분야에서 양자 컴퓨팅이 큰 도약을 이루었습니다. 지금은 양자 합성에 관한 내용입니다. 예를 들어 양자 컴퓨터는 이런 속도로 계속 발전할 것입니다. 인공지능 모델의 제작은 시간문제가 될 것이며 매우, 매우 쉽습니다. 그러면 어떤 문제든 초추론할 수 있는 능력을 갖춘 모델이 필요할 것입니다. 정말, 소프트웨어 개발자들은 무엇을 할 것인가? 관료주의가 사라지고 기계만으로 모든 일을 처리할 수 있게 되면 무슨 일이 일어날까요? 실제로는 예측할 수 없어요. 이 문제에 대한 각 주의 접근 방식을 고려해 볼 때, 우리가 오랫동안 기술 회사를 운영해 온 이유에 대해 묻고 싶습니다. 최근 몇 가지 논의로 인해 마치 먼지 구름 속으로 들어가는 것처럼 느껴집니다. 실제로 2000개 정도 되는데, 리눅스 스타트업 소프트웨어 개발은 ​​실제로 방법론을 갖춘 개념입니다. 지난 15년 동안, 많은 기술 회사의 코드 중 절반이라도 AI로 개발되었다는 점을 고려하면, 실제로 이 출판물이 제품 개발 측면에서 무엇을 제공할 것인가가 관건입니다. 최소한 10년이나 15년이면 꽤 긴 시간이겠지만, 최근 미래에 대한 의견이나 견해를 말씀해 주시겠습니까? 은하계의 기본 가설은 생성적 AI로 코드를 작성하지만 더 이상 코드를 작성할 필요가 없다는 것입니다. 최근 GPT에서 소요된 시간에 대한 분석이 공개되고 있습니다. 즉, 시간이 급격하게 증가하고 있다는 뜻입니다. Google에서 웹에 소비하는 시간이 빠르게 감소하고 있습니다. 따라서 앞으로 모든 소프트웨어 개발 플랫폼은 채팅 기반이 될 것이 분명합니다. 그러니 더 이상 프로그래밍 언어가 필요하지 않습니다. 기계가 우리를 이해하게 되면서, 우리는 더 이상 예전처럼 회사의 화면이 필요하지 않게 되었습니다. 우리가 묻고 있는 질문에 대한 답은 다음과 같습니다. 우리가 원하는 방식을 보여줄 수 있는 플랫폼이 있습니다. 회사가 자본을 주주들에게 어떻게 분배하는지 궁금하시죠? 일반적으로 급여표의 표나 히스토그램에서 어떻게 기대하겠습니까? 즉, 그래프를 기대하고 설명을 요청하는 것입니다. 이에 대해 코드를 작성할 필요는 없습니다. 질문을 하면, 필요한 답변은 외부에서 발생한 지진이거나 내부 데이터 소스에서 가져온 지진이며, 이는 여러분이 가장 좋아하는 모든 사람에게 동일한 이미지일 필요는 없습니다. 당신이 좋아하는 색상으로 화면에 조화롭게 표현되고 반영되도록 하세요. 즉, 그런 환경에서 말이죠. 소프트웨어 사업은 실제로 이렇습니다. 예전에는 잡지에서 라이선스를 마치면 소프트웨어가 세상을 먹어치운다고 말하는 것을 많이 봤습니다. 이제 인공지능이 소프트웨어를 먹어치우고 있습니다. 소프트웨어 환경, 소프트웨어 플랫폼 등의 단어가 사라지고 있습니다. 완전히 채팅 기반 환경에서는 채팅을 통해 작업이 어떻게 수행되어야 하는지 알 수 있습니다. 당신이 정보기관에 말하면, 그들은 채팅을 통해 이를 실행하는데, 당신이 말하는 내용은 이런 은유로 인해 실제로 나에게 큰 충격을 주었습니다. 40년 전, 마이크로프로세서에 쓰여진 언어, 그리고 esem이라는 언어는 이제 완전히 고급 수준으로 일상적으로 사용되는 언어가 되었는데, 마치 소프트웨어와 관련된 많은 창문을 열거나 문을 부술 수 있을 것처럼 말입니다. 다시 말해, 이런 상황이 있는데, 언어 수준이 자연어에 매우 가깝습니다. Esenbli si c plus plus에는 언어에 대한 obec 또는 기타 정보가 포함되어 있습니다. 파이썬까지 거슬러 올라가는 20~25년의 과정을 설명해 보세요. 파이썬은 항상 자연어에 점점 더 가까워졌습니다. 하지만 가장 높은 수준에서는 그런 현실이 있었습니다. 프로그래밍 언어의 개념, 즉 기계가 이해할 수 있는 존재는 아예 없어졌습니다. 이제 노트북에는 자연어를 이해하고 해석하는 칩이 들어 있습니다. 그래서 기계 자체가 실리콘 칩 위에 직접 놓여 있습니다. 그는 우리가 말했던 종을 이해하는 데 매우 가까이 다가갔습니다. 이 경우에는 화면이 필요합니까? 화면의 이미지를 인코딩할 필요가 있나요? 아니면 이 코드에 등장하는 사람은 소프트웨어 개발자여야 할까요? 10년은 5년이 아니고, 솔직히 2년 후가 어떻게 될지 모르겠어요. 매우 흥미로운. 이제 짧은 질문으로 짧은 답변을 얻고 싶습니다. 인공지능이라는 개념이 현재 우리에게 던져주는 질문의 패턴조차 바뀌어야 할 필요가 있기 때문입니다. 간단한 질문이 있습니다. 빠른 답변을 요청드리겠습니다. 여러분도 놀랄 만한 AI 도구가 있나요? 지금은 아닙니다. 당신은 이미 놀라움의 수준을 최고 수준으로 끌어올렸습니다. 왜냐하면 학계에서 이러한 시도 중 일부는 이미 5년 전, 10년 전, 2010년 XNUMX월에 이루어졌기 때문입니다. 예를 들어, 이미지 처리 분야에서 가장 놀라운 것은 이미지 처리입니다. 학술 논문에서는 2,017년 이미지 처리의 모든 문제가 해결되었다고 읽었습니다. 그래서 우리는 이런 일이 일어날 것이라고 예상했습니다. 예를 들어 지금 당장은 구글의 비디오 제작 모델 3개가 어떤 면에서든 놀랍다고 말할 수는 없습니다. 다시 말해, 회사가 자사 직원이 사용할 수 있도록 갱단 같은 도구에 회사 데이터를 업로드하는 것을 금지해야 한다고 생각하십니까? 이것은 가장 중요한 단점 중 하나인데, 이 질문에는 질문으로 답하겠습니다. 지금은 중요한 일인데, 세계 여러 지역에서는 짧은 대답이 없습니다. 하지만 죄송합니다. 저는 수년간 오픈 데이터를 옹호해 왔고, 데이터는 공개되어야 한다고 말했지만, 이런 현실이 있습니다. 엄청난 주식 예측을 하는 로봇이 초양자 컴퓨터로 개발되었고, 이 로봇 덕분에 매우 정확한 예측으로 주식을 사고팔 수 있다고 상상해보세요. 이것이 바로 로봇을 제어하는 ​​힘입니다. 귀하의 국가 주식 시장 데이터를 이 로봇과 공유하는 것을 고려해 보시겠습니까? 그 대답은 고려되어서는 안 됩니다. 왜냐하면 그것을 미리 알 수 있다는 것은 매우 큰 가치가 있기 때문입니다. 그러므로 기업과 국가의 데이터를 통제된 방식으로 외부에 공개하여 해당 기업과 국가의 이익을 실제로 활용할 수 있도록 하는 것이 필요합니다. 하지만 반면에 통합은 매우 중요합니다. 다시 말해, 단지 데이터를 저장하고 그 위에 서버를 두고 방화벽을 여러 겹 만든다면 혁신에서 뒤처지게 됩니다. 즉, 회사들끼리 서로 협력하는 것을 말합니다. 또한, 데이터를 공유하고 새로운 회사가 탄생할 수 있도록 하는 것도 중요합니다. 여기서 제가 강조하고 싶은 것은 이것이 새로운 정보일 수 있지만, 데이터 공간이라는 개념이 있다는 것입니다. 이는 유럽이 2,010년부터 연구해 온 데이터 공간입니다. 아시다시피 유럽은 유니콘 생산 측면에서 세계보다 뒤처져 있습니다. 유럽 ​​시장을 점령한 기업은 언제나 미국, 애플, 아마존, 중국의 알리바바 등 대기업입니다. 유럽은 뒤처지지 않기 위해 존재합니다. 베토 씨도 성공적인 일을 할 수는 없지만, 베티 비는 괜찮습니다. 그리고 그는 우리 회사들이 서로 데이터를 공유해야 한다고 말했습니다. 이를 위해 안전한 프로토콜을 만들고 이런 방식으로 혁신을 촉진합시다. 동시에, 팬데믹과 같은 위기 환경이 발생하면 저는 제 국가를 위해 제 주로 이동하고, 필요하다면 제가 원하는 포맷, 제가 원하는 프로토콜, 제가 미리 결정한 프로토콜에 따라 데이터 센터로 가서 데이터를 가져옵니다. 그는 내 국가와 민족의 평화를 위해 사용할 수 있어야 한다고 말하며 하나의 토대를 마련했습니다. 사실, 반개방형이란 데이터가 외부에 공개되어 있으면서도 완전히 통제되고 접근이 가능한 상태를 말합니다. 터키에서도 공공 데이터 공간이라는 이름으로 비슷한 프로토콜이 있다는 이야기를 들었지만, 저는 그 결과물이 정말 궁금합니다. 각 국가는 기업 파트너십을 맺을 수 있고, 기업 내에서도 그럴 수 있습니다. 저는 우리가 이런 데이터 분야를 면밀히 주시해야 한다고 생각합니다. 바로 여기서, 제가 실제로 물어보겠습니다. 터키에서는 이 문제에 대한 접근 방식을 세계적으로 평가할 수 있습니다. 당신은 세계의 인공지능에 대한 법률과 규정이 충분하다고 생각하시나요? 실제로 규정이 발표되면서 이는 악순환에 빠지게 됩니다. 사람들이 읽고, 이해하고, 해석하고, 그에 따라 행동하도록 훈련시키려면 인공 지능이 더 필요합니다. 이를 관리하는 것은 매우 어렵습니다. 이는 달걀과 닭의 관계로 변합니다. 다시 말해, 여기서는 금지와 제재를 가하면서 통제 하에 일하는 것이 정말 필요한가, 아니면 관료주의가 부하직원을 완전히 없애버릴 것인가. 이것이 인공지능의 길을 여는 것인가? 저는 우리 원로들이 이 문제에 대해 올바른 결정을 내리기를 바랍니다. 그리고 이 질문으로 넘어가겠습니다. 각 국가가 인공지능부를 설립해야 한다고 생각하십니까? 첫 번째 문제는 회사가 인공지능 부서를 설립해야 한다고 생각하느냐는 것입니다. 저는 그것이 민주적이어야 하고 모든 사람이 접근할 수 있어야 한다고 생각합니다. 우선, 저는 부처가 보호되어야 한다고 생각합니다. 아니면 영국에 Detay You K라는 데이터 연구소 부서가 있는 걸까요? 따라서 영국에서 TV 리모컨을 구매하려고 하더라도 해당 프로토콜은 우편물과 귀하가 알고 있는 데이터에 정의되어 있습니다. 목록에서 찾아볼 수 있습니다. 즉, 모든 데이터가 사용할 데이터의 표준은 프로토콜에 의해 미리 결정됩니다. 그러면 터키의 데이터 맵을 먼저 작성한 후, 이 데이터로 무엇을 할 수 있을까? 우리는 인공지능에 대해 생각해봐야 합니다. 우리가 터키어를 개발하자고 말하는 순간, 즉 장로들이 이미 그것을 해냈고, 자연어를 이해하고 있는 순간, 중요한 것은 터키가 이 문제를 해결할 수 있다는 것입니다. 추론 부분으로 돌아가서, 추론을 할 수 있는 사업 분야를 살펴보겠습니다. 우리는 특수한 소규모 언어 모델, 크고 작은 모델을 개발해야 합니다. 제가 질문한 마지막 두 가지는 주제와 조금 어긋납니다. 인공지능을 가장 잘 활용한 TV 시리즈나 영화가 있다고 생각하시나요? 정말 재밌게 보셨거나, 영화보다는 인공지능 개념을 잘 다룬 책을 추천해드릴 수 있을 것 같습니다. 아니면 작가라고 말하고, 작가를 제안해 보겠습니다. 지금 이 작업은 인공지능입니다. 사실 아직은 그렇게 똑똑하지 않습니다. 인간의 발자국을 예측하는 매우 큰 통계적 모델이죠. 가장 중요한 것은 의식입니다. 이 기계가 언제 의식을 갖게 될지, 혹은 지금 정말로 의식이 있다면 10년 후에 어떻게 접근할 것인지에 대한 큰 차이가 있습니다. 아주 좋습니다. 2명의 저자가 있습니다. 공상과학의 아버지로 알려진 사이담 아이젝, 아시모. 이 책은 파운데이션 시리즈에서 꼭 읽어야 할 책이고, 그의 파운데이션 시리즈에는 특별한 우주 용어도 들어있습니다. 우리는 회사 이름을 따서 은하계에 이름을 붙였습니다. 또 다른 사람은 러시아 작가 사니실라입니다. 이 두 사람의 단편소설을 읽어봐도. 요즘 나오는 공상과학 영화 대부분에서 이에 대해 너무 많이 이야기하고 싶지는 않지만, 제가 본 모든 영화에서는 이런 흔적이 나옵니다. 모든 시나리오는 이미 처리되었습니다. 두 작가 모두 당신에게 끔찍한 상상력을 선사할 거라고 말씀드리죠. 훌륭한 조언이네요. 의식에 관해 말하자면, 마지막 질문입니다. 인공지능이 언젠가 세상이나 우주를 지배할 수 있을까? 질문에는 질문으로 답하겠습니다. 그가 인수하면, 우리는 그것에 대해 알게 될까요? 그러다가 그가 인수했을 수도 있고, 그게 요점인 거죠. 저는 세상을 지배하는 5가지 가족 이야기를 가지고 있습니다. 어쩌면 사실일 수도 있고, 익숙해진 것일 수도 있지만, 저는 인간의 조직이 자기 조직화되고, 자기 적응적이라고 생각합니다. 학계에서 많이 사용하는 개념인데, 즉 우리는 새떼와 같아서 어딘가로 함께 날아간다는 것입니다. 가끔씩 개척자들이 나타나 우리의 방향을 바꾸지만, 저는 환경이 완전히 자체 조직되고 자체 조직된다고 생각합니다. 이제 몇몇은 우리 가운데 있습니다. 로봇 새도 있습니다. 그들은 우리를 지배하는가, 아닌가? 그들이 성공한다면 무슨 일이 일어날지, 성공하지 못한다면 무슨 일이 일어날지 계속 지켜보는 게 좋겠습니다. 할 수 있는 일이 별로 없을 것 같아요. 일론 머스크는 옳은 일을 하고 있습니다. 우리는 이 행성을 떠나 다른 행성을 찾아야 합니다. 문제는 그 방향으로 흘러갑니다. erdem, 아이디어를 공유해 주셔서 정말 감사합니다. 오늘 우리는 앞으로 몇 년 동안 기술이 어떻게 성장할지에 대해 이야기했습니다. erdem eser 두 번째입니다. 새로운 영상에 대한 정보를 얻고 지원하시려면 구독, 좋아요, 댓글을 남겨주시거나, 제가 여러분을 볼 수 있도록 공유해 주세요.