일리야 수츠케버 전문가

사전 학습 데이터 고갈과 일반화 한계로 AI가 스케일링의 시대에서 연구의 시대로 이동 중이며, 가치 함수·표본 효율성이 열쇠이고 SSI는 순수 연구 컴퓨팅에서 경쟁력이 있다고 주장

컴퓨터 역사 박물관 패널에서 수츠케버와 에릭 호르비츠가 알토의 유산, 연구 문화, AI의 희망·두려움·예측과 다계층 가드레일을 논의

토론토대 졸업 연설에서 AI가 결국 인간의 모든 일을 할 수 있게 될 것이며(뇌는 생물학적 컴퓨터이므로) 인류 최대의 도전을 직시하라 촉구. 에릭 슈미트 인터뷰가 보강

AlexNet 이전 딥러닝 암흑기, 규모에 대한 직관, OpenAI의 capped profit 전환, 신뢰성 중심의 역량 개선, 그리고 슈퍼 얼라인먼트의 필요성을 다룬 No Priors 대담

다음 토큰 예측이 근본 현실의 이해를 요구하므로 초인간 성능에 도달할 수 있다고 주장하며, AGI 타임라인, 신뢰성, 정렬, 로보틱스 재진입 등을 논함

AlexNet 초기 직관부터 뇌와 인공신경망, 트랜스포머, 이중 하강, 추론, GPT-2, AGI 정렬까지 딥러닝 전반을 다룬 렉스 프리드먼 팟캐스트 대담

딥러닝이 작동하는 이유부터 메타 러닝, 사후 경험 재현, 셀프 플레이까지 OpenAI 연구를 짚으며 셀프 플레이가 연산을 데이터로 바꾸고 AGI로 이어질 수 있다고 전망