AI 버블이 정점에 도달 다음 내용은 아래 Forbes에서 지난 7월9일에 게시한 기사의 내용을 Perplexity Pro 에 의해서 정리 요약한 것입니다. Forbes 7월9일자 기사 : https://bit.ly/3LEsQ6h 지난 7월9일에 Forbes에 의해서 작성된 이 기사는 최근 실리콘밸리 유명 벤처캐피털 회사인 세쿼이아 캐피털(Sequoia Capital)이 제기한 'AI의 6,000억 달러 질문 ' [5] 에 대해 다루고 있습니다. 세쿼이아의 파트너 데이비드 칸(David Cahn)은 현재 AI 산업에 엄청난 인프라 투자가 이뤄지고 있지만, 그에 상응하는 수익은 크게 부족하다고 지적했습니다. 그의 계산에 따르면 AI 산업이 연간 6,000억 달러의 매출을 올려야만 현재의 인프라 지출을 정당화할 수 있다고 합니다. 하지만 알파벳, 마이크로소프트, 애플, 아마존, 메타 등 대형 테크 기업들이 연간 100억 달러씩의 AI 매출을 올린다고 가정하고, 오라클, 바이트댄스, 알리바바, 텐센트, 테슬라 등 다른 기업들도 각각 연간 50억 달러씩 벌어들인다고 해도 여전히 5,000억 달러의 갭이 존재한다는 것이 세쿼이아의 분석입니다.[1][3] 골드만삭스 역시 향후 5년간 AI에 1조 달러 이상을 투자하는 빅테크 기업들이 그에 상응하는 성과를 내기는 어려울 것이라며 비관적인 전망을 내놓았습니다.[4] 이는 AI 버블이 정점에 달했으며, 앞으로 AI 산업의 지속 가능성에 의문이 제기되는 상황임을 시사합니다. 투자에 비해 실질적인 수익이 부족한 현 상황이 개선되지 않는다면 AI 버블이 꺼질 수 있다는 우려가 나오고 있는 것입니다. 물론 일각에서는 AI가 장기적으로는 클라우드 컴퓨팅처럼 폭발적인 성장을 이룰 것이라는 낙관론도 있습니다.[3] 하지만 단기적으로는 AI에 대한 과도한 투자가 거품으로 이어질 수 있다는 경고의 목소리가 커지고 있습니다. 이 기사는 AI의 미래를 가늠하는 데 있어 수익성 문제가 중요한 화두로 떠오르고 있음을 보여줍
최근 생성형 AI의 발전으로 멀티스텝 추론(Multi-step reasoning) 기능이 크게 향상되었습니다. 이에 따라 사용자가 프롬프트 엔지니어링 기법 중 하나인 CoT(Chain of Thought) 프롬프팅을 직접 적용하여 단계별로 질의를 할 필요성이 줄어들고 있습니다. CoT 프롬프팅은 복잡한 문제를 해결할 때 단계별로 사고 과정을 거치도록 유도하는 기법입니다. 하지만 이를 위해서는 사용자가 CoT 프롬프팅 기법에 대해 잘 이해하고 있어야 하며, 문제를 단계별로 나누어 프롬프트를 직접 설계해야 합니다. 이는 일반 사용자에게는 다소 어려울 수 있습니다. 반면에 PP의 멀티스텝 추론 방식은 사용자가 복잡한 질문을 던지면, 시스템이 내부적으로 이를 하위 질문으로 분해하여 순차적으로 처리한 후 최종 답변을 제시합니다. 따라서 사용자는 CoT 프롬프팅 기법에 대한 전문 지식 없이도 자연스러운 질문만으로 원하는 답변을 얻을 수 있습니다. 즉, CoT 프롬프팅은 사용자의 적극적인 개입과 프롬프트 엔지니어링 능력을 요구하는 반면, PP의 멀티스텝 추론은 이 과정을 자동화하여 사용자 편의성을 대폭 향상시킵니다. 일반 사용자 입장에서는 PP와 같은 방식이 훨씬 더 직관적이고 접근성이 높다고 할 수 있겠습니다. (Perplexity Pro 멀티 스텝 추론 검색의 예) Chain of Thought(CoT) 프롬프팅과 멀티스텝 추론의 중요성 Chain of Thought(CoT) 프롬프팅과 멀티스텝 추론은 대규모 언어 모델(LLM)의 추론 능력을 향상시키는 데 중요한 역할을 합니다. CoT 프롬프팅은 LLM이 복잡한 문제를 중간 단계로 분해하여 추가적인 계산을 수행할 수 있도록 돕습니다. 이는 산술, 상식, 추론 작업 등 다양한 분야에서 LLM의 성능을 높이는 데 효과적입니다. 특히 전통적인 방법으로는 계산하기 어려운 복잡한 문제에 좋은 접근 방식이 됩니다. 멀티스텝 추론은 CoT의 핵심 개념을 실제 문제 해결에 적용하여, 직관적인 사고 과정을 모방하는 것에 초점을