AI의 성장통: 맥락적 과제, 보안 문제, 리소스 수요 증가
인공지능은 기업들이 기존 시스템에 기술을 통합하고, 에이전트 시스템을 보호하며, AI 인프라의 에너지 수요를 충족하는 데 어려움을 겪으면서 성장통을 겪고 있습니다. VentureBeat에 따르면 생성형 및 에이전트 AI에 대한 초기 열광은 보다 현실적인 현실로 바뀌었고, CIO와 기술 리더들은 파일럿 프로그램이 약속된 결과를 제공하지 못하는 이유에 대해 의문을 제기하고 있습니다.
주요 과제 중 하나는 AI 시스템 내의 맥락 부족입니다. VentureBeat에 따르면 AI는 지능이 부족해서가 아니라 맥락이 부족해서 어려움을 겪습니다. 이는 종종 단절된 포인트 솔루션, 취약한 API, 그리고 다양한 기술의 미로 속에 맥락을 가두는 지연 시간이 긴 통합으로 이루어진 "프랑켄슈타인 스택" 때문입니다.
보안은 또 다른 주요 관심사입니다. MIT Technology Review는 에이전트 시스템에 대한 강력한 거버넌스의 필요성을 보도하면서, 이들을 강력하고 반자율적인 사용자로 취급하고, ID, 도구, 데이터 및 결과와 상호 작용하는 경계에서 규칙을 시행해야 한다고 밝혔습니다. 이는 프롬프트 수준 제어의 실패를 보여주는 최초의 AI 기반 스파이 활동 캠페인 이후에 나온 것입니다. MIT Technology Review는 기업이 경계에서 에이전트 시스템을 관리하기 위해 구현할 수 있는 8단계 계획을 제시합니다.
AI의 에너지 수요 또한 새로운 과제를 야기하고 있습니다. MIT Technology Review는 AI가 대규모 데이터 센터와 막대한 컴퓨팅 수요를 지원할 수 있는 에너지 공급에 대한 전례 없는 투자를 주도하고 있다고 언급했습니다. 차세대 원자력 발전소는 기존 원자력 발전보다 잠재적으로 저렴하고 안전한 대안을 제공하면서 이러한 시설의 잠재적인 전력 공급원으로 고려되고 있습니다.
더욱이, MIT Technology Review에 따르면 금속 집약적인 데이터 센터, 전기 자동차, 그리고 재생 에너지 프로젝트의 성장은 니켈, 구리, 희토류 원소와 같은 금속에 대한 수요를 빠르게 증가시키고 있습니다. 이는 광부들이 이미 최고의 자원을 활용했기 때문에 이러한 금속 생산이 점점 더 어렵고 비싸지는 시기에 발생하고 있습니다. 이에 대응하여 기업들은 미생물을 사용하여 저품질 광석에서 금속을 추출하는 것과 같은 혁신적인 솔루션을 모색하고 있습니다. 예를 들어, 미시간주 어퍼 페닌슐라에서는 Eagle Mine의 소유주가 발효에서 파생된 배양액을 사용하여 농축된 광석에서 불순물을 포획하고 제거하는 Allonnia라는 스타트업이 개발한 새로운 공정을 테스트하고 있다고 MIT Technology Review는 밝혔습니다. Allonnia의 최고 기술 책임자인 Kent Sorenson은 이러한 접근 방식이 기업이 광석 품질이 저하되는 현장을 계속 운영하는 데 도움이 될 수 있다고 말했습니다.
Discussion
AI 전문가 & 커뮤니티
첫 댓글을 남겨보세요