Import AI 474: 플라톤적 정신 공간; 우주 속 TPU; Zhipu가 외부 RSI 루프를 시작하다

마이클 레빈(Michael Levin)은 마음의 패턴이 플라톤적인 공간에서 비롯되며, 신체와 기계가 그 인터페이스라고 묻습니다:
…철학과 생물학에 대한 기본적인 가정을 재고하도록 요구하는 정신을 자극하는 논문…
우리 주변 세계의 복잡성은 임의의 복잡성을 가진 패턴들의 플라톤적 영역이 존재하며, 이들이 세상에 자신을 심으려고 하는 것으로 더 잘 설명될 수 있을까요? 이것이 과학자 마이클 레빈의 도상파적인 논문의 핵심 질문입니다.

주장: 그는 “합성 형태학(synthetic morphology)과 다양한 지능의 신흥 과학들은 마음의 비물리주의적 모델을 제안하며, 이들이 어떻게 경험적으로 조사될 수 있는지 보여줍니다… 저는 마음과 뇌의 관계가 수학적 패턴과 그것이 안내하는 형태발생적 결과 사이의 관계와 같다고 제안합니다 (더 넓게 말해, 마음:신체는 수학:물리학과 같습니다)”, 라고 썼습니다. “신체(살아있는 것, 공학적으로 설계된 것 또는 하이브리드인 것 모두)는 거대하고 다중 규모의 패턴 계층이 물리적 세계로 진입하기 위한 인터페이스입니다… 생물물리학적, 생체역학적 또는 화학적 정보 필드에 의해 표현되는 특정 패턴들은 항상성(homeostatic) 또는 항상성 조절(allostatic) 과정에 대한 인코딩된 설정점 역할을 합니다. 즉, 시스템이 다양한 문제 공간에서 항해하려고 하는 목표 상태입니다.”

임의로 정교한 패턴들의 플라톤적 영역을 향하여: “우리는 이미 비물리적인 패턴들이 무생물 및 생명체 세계에 침투하여 기능적으로 중요하며, 우리가 이를 매우 효과적으로 연구할 수 있다는 것을 알고 있습니다… 플라톤적 형태(platonic forms)는 생물체의 성장과 형태와 같은 물리적 사건들에 정보와 영향을 주입합니다.”라고 그는 씁니다. “이 잠재 공간(latent space) [플라톤적 형태의]은 정수나 기하학적 모양에 대한 사실과 같은 낮은 에이전시(low-agency) 형태뿐만 아니라, 우리가 ‘마음의 종류(kinds of minds)’라고 부르는 것들 중 일부인 광범위한 고에이전시(high-agency) 패턴들도 포함합니다. 따라서 저는 신체화된 구현체를 영혼 불어넣는 패턴으로서 마음은 단순한 물리적 구조물의 행동을 점유하고 안내하는 패턴과 정확히 같은 종류(다만 정도는 다름)의 비물리적인 본성을 가진다고 제안합니다.”

몇 가지 기묘한 실험들: 이를 뒷받침하는 홈런급 실험은 없지만, 오히려 겉보기에 단순해 보이는 시스템조차도 이 가설화된 플라톤적 복잡성 공간에 인접한 풍부한 패턴들을 탐색하고 확장할 수 있음을 시사하는 세상의 이상한 것들이 있습니다. 여기서 몇 가지 좋은 예는 개구리 세포로 만들어진 바이오 로봇인 제노봇(xenobots)으로, 이는 “개구리 배아의 패턴에 인접한 패턴들에 대해 가르쳐 줍니다.” 그리고 인간 기관지 세포로 만들어져 몸 밖으로 꺼내졌을 때 기묘하고 새로운 형태를 취하며 뉴런 손상을 자율적으로 치유하는 등 흥미로운 행동을 보여주는 안트로봇(anthrobots)입니다. 이는 “성체 인간 조직에 인접한 패턴들에 대해 가르쳐 줍니다.”

또한 표준 정렬 알고리즘을 가져와 특정 셀을 제자리에 '고정(locking)'하는 것을 포함하여 몇 가지 방식으로 교란시키는 실험과, 각 숫자가 서로 다른 유형의 정렬 알고리즘을 실행하도록 한 다음, 정렬 과정 중 숫자 공간에서 다양한 계열의 정렬 알고리즘이 어떻게 나타나고 군집화되는지 연구하는 더 복잡한 실험에 대한 놀라운 논의도 있습니다. 이러한 종류의 복잡성은 추상적으로 이들 알고리즘을 바라보는 것만으로는 설명되거나 예상되지 않지만, 이를 복잡한 시스템에 임베딩함으로써 갑자기 새로운 속성을 띠게 됩니다.

“기계(유기체 기반이든 실리콘 기반이든) 역시 우리처럼 알고리즘에는 없는 다른 일들을 합니다. 그리고 이러한 것들은 단순히 예측 불가능한 복잡성이 아니라, 지능과 마음의 다른 구성 요소들입니다. 이는 알고리즘에 의해 허용되지만 직접적으로 규정되지는 않은 그러한 행동들이 자유(물리적으로 비결정적) 또는 우리가 살아있는 생명체의 경우 화학적으로 결정된 기질 위에서 어떻게 자유로운 정신이 초월될 수 있는지 이해하려고 할 때 추구하는 비밀 소스에 해당합니다.”라고 그는 씁니다. “이 관점에서 볼 때, 알고리즘적 기계와 생화학적 생명체는 정확히 같은 스펙트럼 위에 있으며, 둘 다 물리적이거나 알고리즘적인 구현의 사실을 넘어서는 능력을 공유하는데, 이는 둘 다 우리가 투입한 것보다 더 많은 것을 얻게 되는 방식으로 유입되는 패턴에 대한 포인터/인터페이스이기 때문입니다.”

이것이 중요한 이유 – 어쩌면 AI와 인간의 ‘정신’은 플라톤적 정신 공간에서 가깝지만 정확히 같지는 않을 수 있다: Levin이 제시하는 연구 의제는 황홀하고 흥미로우며, 또한 AI 시스템에서 영감을 받은 심오한 철학적 및 정렬(alignment) 질문들을 우리가 어떻게 다룰 수 있을지에 대한 단서도 담고 있는 것 같습니다. 어쩌면 인간의 정신과 다양한 유형의 AI 정신 모두 이 공간에 인접한 형태들이고, 뇌와 데이터센터는 그 그림자가 드리워지는 물리 세계의 다른 생물학적 또는 앵커(anchor) 시스템일까요? 우리가 다른 곳에서 온 패턴들로 식민지화된 용기체에 불과할 수도 있을까요? ‘진화 이론을 행위자적 패턴들이 구현체를 추구하는 과정으로 재구성하는 것이 가능할까?’라고 말해볼 수 있을까요? “물리적 사물의 ‘만드면 따라올 것’이라는 모델을 넘어서는, 공간에서 패턴들을 끌어당기는 ‘힘’이 존재할까요? 아니면 플라톤적 공간의 내용물이 ‘긍정적인 압력(positive pressure)’ 하에 있어서, 침입하는 생각, 원형(archetypes), 예술 작품으로서 세상에 나타나도록 어떤 식으로 장려하고 있을까요?… 이 시점에서 강하게 말할 수 있는 유일한 것은, 물질의 능력에 대한 우리의 무지와 특정 아키텍처로 유입되는 패턴들이 방대하다는 것입니다.” 커피 한 통을 준비해서 이 논문과 몇 시간을 보내보세요. 그럴 가치가 있습니다. 더 읽기: Ingressing Minds: Causal, Non-Physical Patterns In-Form Natural, Synthetic, and Hybrid Embodiments (MDPI).

---

로보틱스는 LLM 시대에 대비하고 있지만, 보편적인 알고리즘이 부족하다:
_…로봇이 성숙하려면 훈련 후(post-training) 단계가 단순화되어야 한다…
_스탠퍼드 연구원 Perry Dong과 스탠퍼드 교수이자 로봇 회사 Physical Intelligence의 공동 창립자인 Chelsea Finn이 로보틱스를 가로막는 것이 무엇인지에 대해 좋은 글을 작성했습니다.

LLMs와 로봇: LLM의 경우 중요한 것은

이것이 중요한 이유 – 표준 레시피가 대규모 확장의 전제 조건입니다: 독점적인 대규모 LLM은 이미 로봇에게 지침을 내리고, 복잡한 계획을 세우고 실행하도록 돕는 데 충분히 똑똑합니다. 하지만 로봇이 실제로 움직이고 보는 능력은 여전히 상당히 원시적입니다. 이를 개선하려면 로봇의 움직임과 시각에 맞게 커스터마이징된 모델이 필요하며, 이 작업을 수행하려면 여기서 설명한 종류의 표준화가 요구됩니다.

그들은 이렇게 씁니다. “언어 모델의 사후 학습(post-training)은 분야가 따르고 작동할 것으로 기대되는 충분히 구체적인 기본값에 정착했기 때문에 확장 가능해졌습니다. 로보틱스도 같은 시점에 도달하고 있습니다.” “산업 표준 기본값, 즉 보편적인 사후 학습 레시피로 수렴하는 것이 우리가 그 지점에 도달하는 데 가장 중요한 부분입니다.”
더 읽어보기: Towards Universal Post-Training for Robotics (Perry Dong 블로그).

---

우주 컴퓨터! 다시 말합니다: 우주 컴퓨터!
_…Google이 TPU를 우주에 배치할 준비를 합니다…
_Google은 작년에 발표한, 우주에 컴퓨터를 배치하고 궁극적으로 그곳에서 AI 시스템을 훈련하는 이니셔티브인 Project Suncatcher에 대한 업데이트를 제공했습니다(Import AI #434). Google은 파트너 Planet과 함께 SpaceX의 “Transporter-18 rideshare mission”의 일환으로 일부 칩을 우주로 보낼 준비를 하고 있습니다.

우주 준비: Google은 자사의 TPU가 우주로 이동할 때의 엄청난 중력 가속도(g-forces)를 얼마나 잘 견디는지 확인하기 위해 스트레스 테스트를 진행했습니다. 또한 방사선에 어떻게 반응하는지도 테스트했으며, Trillium TPU는

그들이 한 일: “GLM-5.3-Flash 출시를 통해 엔지니어, Infra Agent, 그리고 실험 환경을 포함하는 최적화 루프가 구축되었습니다. 엔지니어들은 목표와 시스템 경계를 정의했습니다. 에이전트는 분석, 가설 설정, 코드 변경을 처리했습니다. 실험 환경은 계층적이고 시의적절하며 검증 가능한 피드백을 제공했습니다.”라고 그들은 설명합니다. “작업의 상당 부분은 GLM-5.3으로 구동되는 Infra Agent에 의해 수행되었습니다… Infra Agent의 피드백 루프가 최적화 과정 내내 작동하면서, GLM-5.3-Flash는 초기 모델 적응 단계에서 2주도 안 되어 프로덕션 준비 상태에 도달했으며, 궁극적으로 초기 기준선 대비 엔드투엔드 처리량을 세 배로 늘렸습니다.”

스스로 자동화하는 방법: 이 회사는 더 큰 자동화를 위해 AI를 사용할 수 있는 소프트웨어를 만드는 방법에 대한 팁을 공유했습니다.