AI 발전 추적법과 그 이유: 전문가 추천 정보 소스

인공지능의 발전을 알아가는 방법 (그리고 왜 당신도 따라야 하는지) 최신 업데이트: 2025년 6월 30일 생성형 인공지능은 제 평생 보아온 기술 중 가장 빠르게 발전하고 있는 분야입니다. 하지만 이 기술은 매우 잘못 이해되고 있습니다. 이미 대기업과 정부조차 기능하지 않거나 심지어 위험한 AI 제품들을 출시한 사례가 있습니다. 정보가 충분히 없는 사람들은 AI를 구체적으로 부정적인 결과로 악용하는 경우가 많습니다. 가장 흔한 오해는 AI를 과소평가하거나("이건 모두 홍보에 불과하다") 과대평가하는 것입니다("프로그래머가 필요 없다"). 이러한 패턴은 기술의 본질과 그 진화 과정에 대한 확실한 이해 부족에서 비롯됩니다. AI에 대한 명확한 이해를 구축하는 것은 의외로 어려운 일입니다. 우리는 정보가 혼란스러운 환경에 처해있으며, 주의를 기울이지 않으면 과다평가나 무시하는 잘못된 정보에 많이 노출될 수 있습니다. 이를 돕기 위해, 저는 균형 잡히고 건강한 정보 파이프라인으로 생각하는 출처 목록을 정리했습니다. 초보자라면 이 목록을 좋은 시작점으로 활용할 수 있을 것입니다. 시작 지점 Simon Willison의 블로그: 인공지능의 최신 동향과 실용적인 조언을 제공합니다. Andrej Karpathy (트위터와 유튜브): 딥러닝과 인공지능에 대한 심도 있는 해설과 강연을 제공합니다. Every’s Chain of Thought: 다양한 AI 모델의 활용 방안에 대해 자세히 다루고 있습니다. 공식 발표, 블로그 및 연구 논문 연구소들이 때때로 AI 능력을 과장하는 비난을 받을 때가 있지만, 그들의 공식 발표에는 AI의 능력에 대한 값진 정보가 많이 포함되어 있습니다. OpenAI, Google DeepMind, Anthropic, DeepSeek, Meta AI, xAI, Qwen 등의 연구소의 발표를 주목해야 합니다. 폭발적인 주장이나 연구소의 연구 인용을 볼 때마다, 저는 항상 그러한 주장을 하는 사람을 무시하고 직접 출처를 읽어보며 주변 맥락도 함께 확인합니다. 공식 가이드라인이나 요리책이 이상적이지 않을 수 있지만, 실제 데이터를 바탕으로 AI 능력을 생산에 적용해본 경험이 가장 중요합니다. 작은 연구소들 Nous Research, Allen AI, Prime Intellect, Pleias (오픈 소스, 오픈 리서치), Cohere (엔터프라이즈), Goodfire (해석 가능성 연구) 같은 작은 연구소들도 주목할 가치가 있습니다. 이들 연구소는 많은 기술적 깊이를 다루지만, 저에게는 여전히 이해하기 어려운 부분이 많습니다. 그러나 이들이 전방 연구소와 제 AI 엔지니어링 경험 외에도 어떤 일이 벌어지고 있는지 감을 잡게 합니다. 특히 앞서 언급한 연구소들은 전방 연구소보다 더 자세히 무엇을 하고 있는지를 설명할 준비가 되어 있다는 점이 흥미롭습니다. 신뢰할 만한 사람들을 팔로우하기 이들은 오픈 소스 도구 개발이나 AI 모델 통합 작업 등 다양한 방식으로 AI 엔지니어링 생태계에 기여한 사람들입니다. 공식 가이드라인과 요리책보다 더 자세하고 도움이 되는 추천을 자주 찾을 수 있습니다. Hamel Husain Shreya Shankar Jason Liu Eugene Yan What We’ve Learned From A Year of Building with LLMs Chip Huyen Omar Khattab (웹사이트 및 트위터) Kwindla Hultman Kramer (블로그 및 트위터) Han Chung Lee Jo Kristian Bergum David Crawshaw Alexander Doria / Pierre Carl-Langlais Nathan Lambert의 'Interconnects' Ethan Mollick Arvind Narayanan과 Sayash Kapoor의 'AI Snake Oil' 미디엄 평소에는 팟캐스트나 뉴스를 잘 듣지 않지만, AI 발전을 따라가기 위해서는 조금씩 접하는 것이 필요합니다. 다음은 저의 선호 출처입니다. 트위터 / X Shawn Wang (swyx) (트위터 링크) / smol.ai의 AI 뉴스 (링크) Dwarkesh Patel (링크) 에조테리카 LessWrong (링크) / AI Alignment Forum (링크) Gwern (링크) Prompt Whisperers와 Latent Space Explorers: Janus, Wyatt Walls, Claude Backrooms (1, 2, 3) 이 모든 것을 어떻게 관리하나? 위의 모든 정보를 따라가는 것이 많은 노력처럼 보일 수 있지만, 실제로는 그렇게 어렵지 않습니다. 트위터 피드를 신문처럼 훑어보면 됩니다. 일부 내용은 즉시 눈길을 끄고, 다른 일부는 나중에 읽기 위해 탭을 열어둡니다. 하루에 15~20분 정도의 작업이지만, 정확한 시간을 측정해본 적은 없습니다. 트위터 피드에는 특정 발표, 논문, 기사에 대한 의미 있는 논평이 많이 있어, 중요한 정보를 판단하는 데 도움이 됩니다. 흥미로운 내용을 공유하는 사람을 발견하면 팔로우하고 그들의 다른 작업도 살펴봅니다. 이 과정은 음악을 발견하는 방식과 크게 다르지 않습니다. 저는 이와 같은 정보 수집을 "일"로 여기지 않고, 오히려 즐겁게 느낍니다. 저는 과학 소설 이야기를 들으며 성장했고, 인공지능에 대한 흥미는 어렸을 때부터 지속되었습니다. 지금 저의 평생 안에서 인공지능이 한 조각씩 만들어지는 것을 보는 것은 무한히 매력적이고 경이롭습니다. 이 목록이 당신도 저처럼 흥미로워지도록 도움이 되기를 바랍니다. 링크 위의 추천은 트위터 / X 리스트로 만들었으므로, 이를 통해 쉽게 모든 사람을 팔로우할 수 있습니다. 링크를 팔로우하기 RSS 친화적인 리스트 (곧 제공 예정) 산업계 인사이더들의 평가와 회사 프로필: AI 엔지니어링과 연구 분야에서 활동하는 전문가들은 이러한 정보 출처들을 통해 AI 기술의 진정한 가치와 잠재력을 이해할 수 있다고 평가합니다. 이들은 AI가 단순한 홍보 수단이 아닌, 현실 세계에서 실질적인 영향을 미치는 기술임을 강조하며, 지속적인 학습과 정보 수집이 필수적이라고 주장합니다. 이러한 접근 방식은 AI 기술의 발전 속도를 따라가고, 잘못된 정보로부터 벗어나는 데 큰 도움이 될 것입니다. 또한, 오픈 소스 커뮤니티와 작은 연구소들의 역할이 점점 더 중요해지고 있으며, 이들은 AI 기술의 다양성을 보여주는 중요한 플레이어들입니다.