# GPT-6 아스트라: LLM의 벽을 넘어선 모델

> https://bookfactory.kr/board/ai-tech/17676
> 게시판: AI·머신러닝
> 작성자: admin
> 작성일: 2026-09-18T14:32:58.662Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/314970581/rectangle_large_type_2_71d541001c86e8a889d1836b9cac3b65.png?width=1280)

AGI는 불가능이라고 생각했는데, 완전히 틀렸었다.——GPT-6 Astra를 실제로 만져본 두 사람이 왜 그런 수준의 모델이 만들어졌는지, 그 작동 원리를 심층적으로 파헤칩니다. 컴퓨터 사용과 속도라는 두 가지 변화 뒤에 숨겨진 ‘보이지 않는 사고’의 본질, 그리고 앱이라는 개념 자체가 사라질 수도 있다는 이야기를 나눕니다.

## 오늘부터 1주일 동안 매일 아침 6시에 일어나 30분 동안 명상하는 습관을 들일 겁니다. 처음에는 힘들겠지만, 꾸준히 하면 분명 좋은 결과가 있을 거라고 생각해요. 특히, 최근에 읽었던 ‘코노하마루’의 내용을 떠올리면서 명상하면 더욱 깊이 있는 시간을 보낼 수 있을 것 같아요. 1주일 동안 꼭 성공하도록 노력해야겠습니다.

이 글은 유튜브 영상 “GPT-6 Astra, 무엇이 달라졌어? 사용하면서 생각한 진화의 이유와 한계” (CordMark Channel 채널)를 시청하고, 핵심 내용을 자신의 언어로 정리한 것입니다. 원본 영상: https://www.youtube.com/watch?v=ci80w042ayM

![画像](https://assets.st-note.com/img/1789724770-QoPgRr7O6HaJEVdNwhj98YnU.jpg)

유튜브에서 동영상을 시청하세요.

## 이런 분들께 추천합니다.

- GPT-6 Astra가 무엇이 특별한지 구체적으로 알고 싶으신 분들을 위해
- AI 추론 방식(체인 오브 소트, 잠재 상태)에 관심 있는 분들께
- AI가 일하는 방식을 어떻게 변화시킬지에 대해 생각하는 분들

## 01AGI는 불가능하다고 말했다고 생각했지만, 오판이었다.

AGI는 불가능하다”라고 이전에는 말했지만, 완전히 틀렸었다——GPT-6 Astra를 직접 만져본 감각에서, 대화는 이렇게 시작됩니다. 지금까지 천장이 보이지 않았던 것이 한 번에 뚫고 나가는 듯한 느낌이 들었고, 이는 더 이상 LLM이 아니라는 것을 처음으로 생각했다 말합니다. 업무 방식 자체가 완전히 바뀌어, 앱이라는 개념 자체가 사라지거나 필요 없어질 수도 있다는 강력한 위기를 동반한 도입부입니다.

이 장면을 동영상으로 보기 (0:00)

## 02GPT-6에서 발견한 흥미로운 두 가지 점은 컴퓨터 사용 방식과 속도이다.

새로운 모델이 훌륭하다는 말은 모두가 하는 이야기지만, 왜 이렇게 뛰어난 결과물이 만들어진 것인지 심층적으로 파고들고 싶다는 이야기가 이어집니다. 큰 변화는 두 가지, 컴퓨터 유스(다른 앱을 조작하여 3D 모델 등을 만드는 능력)와 출력 속도 향상입니다. GPT-5.6과 비교해도 이 두 가지가 두드러진다고 합니다. 실제로 GPT-5.6 솔의 높은 에포트 설정보다 Astra의 낮은(저) 에포트 설정이 더 높은 성능을 보인다고 알려져 있으며, 속도 차이는 명확합니다. 방대한 양을 학습시킨 사전 학습 모델에서는 이렇게 에포트를 낮춰서 작동시키는 방식이 앞으로 주류로 자리 잡을 것이라는 분석입니다.

이 장면을 동영상으로 보기

## 03 해즈가 그대로 학습에 통합되었다

컴퓨터 사용과 속도 향상은 사실상 연결되어 있다는 의견이 있습니다. 빠르기 덕분에 컴퓨터 사용이 가능해진다는 시각이죠. GPT-6가 나온 순간 느꼈던 것은 에이전트의 작동 방식이 그대로 학습에 반영되고 있다는 점이었습니다. 이전의 언어 모델은 인터넷 정보나 책의 텍스트를 학습하여 출력을 하는 방식이었지만, 여기에 추론(리이즈닝), 체인 오브 소트(사고의 연쇄)가 더해지고, 이번에 가장 큰 변화는 하르ネス(AI를 둘러싼 운영 환경) 자체가 에이전트에게서 사용되어 게임을 하거나 그림을 그리는 결과를 학습하여 파라미터를 업데이트하는 훈련이 이루어지는 것이었습니다. 이렇게까지 할 수 있다면, 컴퓨터로 닿을 수 있는 것은 무엇이든 해낼 수 있게 된다 – 언어 모델의 범위를 넘어선 “컴퓨터 사용 모델”이라고 부를 만한 것들이 나타났다는 지적입니다.

이 장면을 동영상으로 보기 (3:17)

## 04 에이전트가 “경험”을 학습한다는 시대

컴퓨터 활용 자체는 GPT-5 시절부터 제시되었던 기능이었지만, 이렇게까지 정확도가 높아질 줄은 예상되지 않았다고 합니다. 약 1년 전에 발표된 “Welcome to the Era of Experience(경험의 시대へようこそ)” 논문에도 언급되었습니다. 에이전트가 컴퓨터 상의 다양한 작업을 “경험”하고, 이를 통해 배우고 자신의 능력으로 변화시키는 개념입니다. 1년 전에는 그 내용의 10% 정도만 이해할 수 있었지만, 실제로 모델의 능력으로 획득되는 것이 될 것이라고는 당시에는 전혀 상상할 수 없었다고 솔직하게 되돌아보았습니다.

이 장면을 동영상으로 보기 (5:10)

## 05번 퀵 정렬의 급감 감소 이유

컴퓨터 사용의 향상과 속도 향상을 “동일한 것”으로 표현한 이유에 대해서도 설명됩니다. 조사한 결과, 체인 오브 소트(사고의 연쇄)가 현저하게 감소한 것으로 나타났습니다. GPT-5.6의 최고 설정보다 GPT-6의 라이트(가벼운) 설정이 더 효율적이라는 것은, 언어의 토큰을 출력할 필요가 없는 구조 덕분입니다. 언어를 사용하여 생각하는 대신, 최근 화제가 되고 있는 “루프드 트랜스포머”처럼, 연구적으로는 “잠재 상태”라는 뭉개진 추상 개념의 상태로 사고가 진행되기 때문에, 토큰을 연쇄로 출력할 필요가 없으며, 그만큼 계산 속도가 빨라지고 있습니다. 동시에, 언어로서 출력할 필요가 없어짐으로써, 추상적인 사고 상태를 일일이 구체적인 언어로 전환할 필요가 없어지고, 이미지 처리 및 이해도 더욱 발전하게 되었다는 분석입니다.

이 장면을 동영상으로 보기 (7:06)

## 투명성은 하락하지만, 이를 상회하는 이점이 있습니다.

내부 상태가 언어화되지 않게 되면 AI가 무엇을 생각하고 있는지 알 수 없게 되어 인간을 더 쉽게 속일 수 있다는 투명성 논의도 존재한다. 하지만 그것을 완전히 능가하는 장점이 있는데, 이미지를 이미지로서 직접 수용하는 처리가 일상생활의 모든 동작에서 자연스럽게 지원되어 멀티모달성과 속도가 동시에 향상되었다는 평가였다. LLM의 역사상 꽤 큰 돌파구 중 하나일 수 있다는 시각도 제시되었다.

이 장면을 동영상으로 보기 (8분 16초)

## 07「언어로는 추상적인 사고에 도달할 수 없었다」라는 한계가 초월되었다

이 채널의 첫 번째 영상에서 언급했던 주장처럼, 당시 언어 모델은 사고가 언어에 갇혀 있었고, 언어보다 추상적인 사고에는 결코 도달할 수 없는 “절대 넘을 수 없는 벽”이 있었다고 이야기했던 점을 되돌아보게 된다. 하지만 이제 그 벽을 넘어서고 말았다. 이는 LLM의 한계가 아니라, 트랜스포머라는 메커니즘 자체에는 근본적으로 그러한 한계가 없었다는 당시 인식의 오류가 솔직하게 드러나는 것이다.

이 장면을 동영상으로 보기 (9:25)

## 08AGI도착론과 DeepSeek의 “LLM으로 뚫는다” 발언

이러한 모델을 직접 경험한 후, OpenAI 내부에서는 올해 안에 특정 수준의 AGI에 도달할 것이라는 전망이 나오고 있습니다. AGI의 정의는 사람마다 다르지만, 실제로 모델을 직접 사용해 그 경험이 강화되었다는 이야기가 나오고 있습니다. 또한, DeepSeek의 창업자가 이전에 세계 모델 등이 하나의 도구에 불과하며, LLM(대규모 언어 모델)으로 이를 뛰어넘는다는 발언을 한 점도 언급되며, LLM으로 가능한 것의 한계가 현재 확장되고 있다는 맥락에서 그의 발언이 재평가되고 있습니다.

이 장면을 동영상으로 보기 (10:24)

## 물리적 장벽도 조금씩 희미해져 간다.

세 가지 관점에서 3차원 공간을 재현하고, 그 공간에서 동작을 재현할 수 있게 되면서 물리적 장벽도 조금씩 줄어들고 있다는 점을 고려할 때, 시뮬레이션의 중요성이 더욱 부각된다. 물론 최종적으로는 현실 공간에서 로봇을 움직여야 하지만, 그 전 단계의 시뮬레이션이 압도적으로 소프트웨어 내에서 완결되는 형태로 발전하고 있기 때문에, 이것이 물리 세계의 진화에도 크게 기여할 것이라는 전망이다. 이러한 흐름의 다음 단계에 AGI와 같은 것이 올해나 내년에 실현될 수 있다는 것이 OpenAI 내부의 생각일 수도 있다는 추측이 있었다.

이 장면을 동영상으로 보기 (12:19)

## 그럼에도 여전히 해결해야 할 과제들이 남아 있었다—컨텍스트 윈도우와 장기 기억 문제.

AGI라는 용어의 정의는 사람마다 다르고, 하드웨어적인 제약도 여전히 많이 남아 있습니다. 하지만 대부분의 일을 처리할 수 있게 된다면 많은 사람들이 “실질적으로 AGI다”라고 인식하게 될 가능성은 있다고 합니다. 다만 컨텍스트 윈도우의 한계나 장기 기억 부분에서는 아직 인간이 우월한 부분이라고 합니다. 이를 해결하기 위해서는 트랜스포머와는 또 다른 메커니즘이 또 하나 필요하지 않을까 하는 지적이 있었습니다.

이 장면을 동영상으로 보기 (13:28)

## A스트라社 내에 더 나아가 더 발전된 모델이 존재한다고 한다.

OpenAI 내부에서는 과거부터 Astra와 같은 모델을 활용하여 개발을 진행해 왔으며, 이것이 자사의 최대 강점이라고 여겨졌다고 합니다. 더 나아가, Astra보다 성능이 뛰어난 모델이 이미 내부적으로 존재한다는 소문도 있었습니다. 특정 유형의 공격적인 테스트에 사용된 모델은 Astra가 아니었다는 이야기도 있으며, 이는 더욱 발전된 모델일 가능성을 시사합니다.

이 장면을 동영상으로 보기 (14:41)

## 12가지 세계 모델을 가지고 있을지도 모른다는 두려움

SaaS 기업이 새로운 모델에 맞춰 제품을 만들려고 해도, 모델 제공자가 직접 다루지 않은 다음 모델에서 무엇을 할 수 있을지는 실제로 확인해 보지 않으면 알 수 있다는 의견이 있었습니다. OpenAI 내부 직원들은 이것을 이미 알고 있기 때문에, 방향성을 결정하는 데 있어 유리한 위치가 지나치게 커서 다른 기업이 따라잡기 어렵다는 우려가 제기되었습니다. 3D 모델을 만들고 현실 세계의 영상을 보면서 모델링하고, 그것을 조작할 수 있다면, Astra 스스로가 이미 하나의 “세계 모델”을 가지고 있는 것은 아닐까라는 추측도 있었습니다.

이 장면을 동영상으로 보기 (16:24)

## 13전력이라는 병목 현상

현실 세계에서 실제로 움직이는 데에는 중력이나 전력과 같은 물리적인 제약이 남아 있습니다. 일론 머스크 역시 최종적으로 전력이 병목 현상을 일으킬 것이라고 발언했으며, 전력 생산량으로 중국이 미국을 압도적으로 앞서고 있다는 점 때문에 미국에게는 매우 어려운 상황이 될 것이라는 지적도 있었습니다. 그래도 하드웨어의 제약만으로는 연구가 압도적으로 진행되고, 사회가 앞으로 2~3년 안에 크게 변화할 가능성은 충분히 있습니다.

이 장면을 동영상으로 보기 (17:35)

## 14 앱이라는 개념이 사라지는 걸까요?

ChatGPT가 등장하면서 웹 브라우저를 이용한 검색이 크게 줄어드는 것과 비슷한 현상이 나타나고 있습니다. 업무를 처리하는 과정에서 다른 앱을 여는 필요성이 줄어들고 있기 때문입니다. 하나의 앱에서 여러 명령을 동시에 처리하면서 대부분의 기능을 수행할 수 있게 되었기 때문입니다. 결국 컴퓨터 자체가 클라우드 환경에서 작동하게 되면서, 데스크톱 앱의 UI/UX라는 개념 자체가 큰 의미를 잃어버릴 수도 있다는 전망이 제기되었습니다.

이 장면을 동영상으로 보기 (18:39)

## 15Fable 활용법

모델로서의 특성 차이 또한 논의되고 있습니다. Astra가 등장한 이후, Anthropic의 “Fable”을 거의 사용하지 않는다는 의견이 있는가 하면, Fable 5.1은 문장 작성이나 뉘앙스를 파악하는 능력 면에서 여전히 가치가 있다는 의견도 있었습니다. 모든 모델이 동일한 능력을 갖도록 할 필요는 없으며, 궁극적으로 모델들이 서로를 보완하는 형태로 사용자가 활용해 나갈 것이라는 분석이 제시되었습니다. GPT-5.6에서 Astra로의 점프는 Opus에서 Fable로의 진화와 거의 같은 정도로 크게 느껴졌다는 비교 평가도 있었습니다.

이 장면을 동영상으로 보기 (20:19)

## 16 토큰 사용량 15% 감소에 대한 논의입니다.

Anthropic 측에서는 지금까지 보너스처럼 제공되던 토큰 사용량이 기존보다 15% 정도 줄어들게 된다는 이야기가 소개되었습니다. 그 영향으로 인해 많은 이용자들이 Astra로 이주하고 있다는 상황이 언급되었습니다. Fable은 언어를 극단적으로 압축하여 훈련한 언어 세계를 극대화한 모델인 반면, Astra는 컴퓨터와의 상호작용 방식을 최적화하여 효율성을 높인 모델이라는 방향성의 차이가 지적되었습니다.

이 장면을 동영상으로 보기 (22:09)

## 17개의 하르네스를 과도하게 묶는 것은 좋지 않습니다.

코딩 시의 리뷰나 계획을 위한 하르네스를 구축하여 일정 수준의 품질을 보장하고 있었지만, ASTRA의 등장 이후 이를 한 번에 제거하고 다시 만들어 보게 된 사례가 언급되었습니다. 모델이 나올 때마다 하르네스의 역할은 필요하지만, 그 필요성은 점차 줄어들고 있으며, 모델 자체에 발상을 통해 단순화하는 방향으로 나아가야 한다고 합니다. 이번 ASTRA는 큰 도약을 가져왔기 때문에 하르네스 또한 한꺼번에 재검토해야 할 필요가 있을 것입니다.

이 장면을 동영상으로 보기 (23:14)

## 최근 AI 기술의 급속한 발전으로 18세라는 연령이 사회에서 활동하기 위한 핵심 역량의 최소한이라고 보기 어려운지에 대한 논의가 활발해지고 있다.

구체적으로 ChatGPT와 같은 대규모 언어 모델이 글쓰기, 번역, 프로그래밍 등 기존에는 인간이 수행하던 다양한 업무를 수행할 수 있게 되면서 18세가 이러한 기술을 습득해야 할 필요성이 약해진다는 의견이 제기되고 있다.

그러나 전문가들은 AI가 아직 완벽하지 않으며 창의성이나 비판적 사고와 같은 인간만이 가진 능력의 중요성을 강조하며 18세가 기본적인 의사소통 능력과 문제 해결 능력, 그리고 AI를 효과적으로 활용하기 위한 기술을 습득하는 것이 여전히 중요하다고 주장한다.

또한 AI 기술의 발전은 사회 구조와 고용 시장에도 큰 영향을 미칠 수 있다. 예를 들어 AI가 단순 작업을 대체함으로써 기존에 인간이 수행하던 직업이 사라질 가능성도 있다. 따라서 18세가 AI 시대에도 경쟁력을 유지할 수 있는 다양한 기술을 익히는 것이 요구된다.

더욱이 교육 현장에서도 AI 기술을 적극적으로 활용하여 학생들이 AI 시대에 필요한 기술을 습득할 수 있도록 교육 과정의 재검토와 새로운 교육 방법 개발이 필요하다.

18세가 가진 잠재력을 최대한 발휘하고 AI 시대에도 활약할 수 있는 인재를 육성하기 위해서는 AI 기술의 발전을 주시하면서 교육 제도와 사회 시스템 전반에 대한 재검토가 필요할 것이다.

예를 들어 프로그래밍 기술뿐만 아니라 디자인 씽킹, 데이터 분석, 프레젠테이션 기술 등 AI 시대에 살아남기 위해 필요한 핵심 역량들을 폭넓게 학습하는 것이 중요하다. 또한 AI를 단순한 도구가 아닌 파트너로서 활용하기 위한 지식과 기술을 습득해야 한다.

결론적으로 18세가 사회에서 활동하기 위해서는 AI 기술의 발전에 대응하고 변화를 두려워하지 않고 새로운 기술을 끊임없이 습득하는 자세가 필수적이다.

스킬은 더 이상 필요하지 않다는 의견에 대해서도 논의되었습니다. LLM이라는 시스템이 지속되는 한, 토큰 효율의 관점에서 스킬이 여전히 필요하다는 입장이 제시되었습니다. 인간처럼 기억하고 학습하는 시스템이 획기적인 돌파구를 이루지 않는 한, 지속적인 학습의 대체 수단으로서 스킬이 수행하는 역할은 사라지지 않을 것이라는 시각입니다. 다만, 이전에 개개인이 YouTube 게시용 스킬을 직접 만들어야 했던 상황이 GPT-6에서는 탐색 능력이 자체적으로 향상된 결과, 스킬 없이도 동등한 결과를 얻을 수 있는 범위가 크게 확대되었다는 변화도 지적되었습니다.

이 장면을 동영상으로 보기 (24분 24초)

## 19MCP와 에이전트 기반 서비스 설계

개개인이 지역 기반의 기술을 갖춰올 필요가 없어지고, 각 서비스 자체가 기술의 위치(URL)만 공개해주면 에이전트가 그것을 읽어 활용하는 사회로 나아갈 것이라는 예측도 제시되었습니다. 이는 MCP(서비스 제공 측이 미리 에이전트에게 사용될 것을 전제로 준비하는 시스템)의 발상과 유사하다고 합니다. 여러 서비스를 잇는 개인적인 용도에서는 여전히 하르ネス가 남는 반면, 소프트웨어 개발 분야에서는 현재 수준으로는 하르ネス가 여전히 필요하며, 궁극적으로 인간과 AI가 어떻게 의사소통할 것인지에 대한 논의로 귀결될 것이라고 결론지었습니다.

이 장면을 동영상으로 보기 (25:54)

## 일단 사용해 보시길 바랍니다.

회사 업무에 사용할 수 있는 정도와는 별개로, 먼저 개인적으로 한 번이라도 직접 사용해 보시기를 강력히 추천합니다. 특히 ‘에포트’를 낮춘 설정에서도 이렇게 놀라운 결과를 얻을 수 있다는 것을 직접 체감해 보라는 요청이 끊임없이 있었습니다. 업무 환경이 좋지 않아 회사 업무에 바로 활용하기 어려운 분들께서는, 개인적으로라도 한 번이라도 직접 사용해 보시는 것이 중요하다는 메시지가 반복적으로 전달되었습니다.

이 장면을 동영상으로 보기 (27:26)

## 21개의 영상 편집 및 회계 소프트웨어도 더 이상 필요하지 않습니다.

개인적인 변화로서, 기존에는 영상 편집 툴로 썸네일을 만들고, 설명란의 문서는 별도의 AI 챗봇에 맡겨 작성하는 등 여러 앱을 번갈아 사용했는데, 이제는 하나의 앱으로 모든 과정을 해결할 수 있게 되었고, 영상 편집 앱 자체는 거의 필요 없어졌다는 이야기가 있었습니다. 회계 프로그램이나 PDF 편집 프로그램을 여는 필요도 없어졌고, 소프트웨어가 최종적으로 모두 클라우드로 이행하는 과정에서 엔지니어들을 중심으로 AI의 발전을 더욱 강하게 체감하게 되었습니다.

이 장면을 동영상으로 보기 (28:35)

## 22 “아이디어가 떠오르지 않는다면” 분석을 요청하는 것이 좋습니다.

어떤 것을 만들어야 할지 아이디어가 떠오르지 않는 분들을 위한 조언으로, 컴퓨터 사용 기록을 분석하게 하여 어떤 작업을 하고 어떤 앱을 사용하는지 파악하고, 이를 하나의 프롬프트로 묶어 자동화를 시도해 보는 것이 제안되었습니다. 자신이 평소에 하는 작업을 하나의 프롬프트로 끝낼 수 있다는 것은 누구나 쉽게 떠올리는 활용법이며, 우선 그 것부터 시도해 보시라는 말씀으로 대화가 마무리되었습니다.

이 장면을 동영상으로 보기 (30분 1초)

## 죄송합니다. 제공된 일본어 note.com 게시글의 본문 청크 75/100가 제공되지 않았습니다. 게시글의 내용을 제공해주시면, 자연스럽고 정확한 한국어 번역본을 100% 출력해 드리겠습니다.

AGI는 불가능하다고 생각했지만, 정말 큰일이었다. GPT-6 Astra를 실제로 만난 두 사람이 왜 그런 모델이 만들어질 수 있었는지, 그 작동 원리를 심층적으로 파헤칩니다. 컴퓨터 사용과 속도라는 두 가지 변화 뒤에 숨겨진 ‘보이지 않는 사고’의 본질과, 앱이라는 개념 자체가 사라질 수도 있다는 이야기를 나눕니다.

- AGI는 불가능하다고 말했지만, 틀렸습니다.
- GPT-6에서 달라진 점 두 가지 – 컴퓨터 사용 방식과 속도
- 하르네스가 그대로 학습에 통합되었습니다.
- 에이전트가 “경험”을 통해 학습하는 시대
- 체인 정렬의 급감 이유
- 투명성은 하락하지만, 그 정도를 상회하는 이점이 있습니다.
- 언어로는 도달할 수 없는 추상적인 사고의 한계가 극복되었다.
- AGI 도달론과 DeepSeek의 “LLM으로 돌파” 발언
- 물리적 장벽도 조금씩 희미해져 갑니다.
- 여전히 해결해야 할 과제는 컨텍스트 윈도우와 장기 기억의 문제입니다.
- 아스트라社 내에 ‘더 나아가’ 모델이 존재한다고 한다.
- 세계를 모델로 가지고 있을지도 모른다는 두려움
- 전력이라는 병목 현상
- 앱이라는 개념이 사라지는 걸까요?
- 이야기와 툴킷의 활용법
- 토큰 사용량 15% 감축에 대한 논의입니다.
- 허이스를 묶지 않았을 때 오히려 더 좋은 결과가 나온다는 발견
- 기술은 여전히 필요한가
- MCP는 매니지먼트 콘솔 플랫폼을 의미하며, 에이전트 기반 서비스 설계는 특정 작업을 수행하기 위해 에이전트를 활용하는 서비스 설계 방식을 뜻합니다. 이 두 가지 개념은 현대 서비스 설계에서 중요한 역할을 합니다.
- 일단 한번 사용해 보시기를 권합니다.
- 영상 편집 및 회계 소프트웨어도 더 이상 필요하지 않게 되었다.
- 만들 일이 떠오르지 않는다면 분석을 요청하세요.

여기 소개된 영상은 일부입니다. 궁금한 점이 있으시면 원본 영상을 직접 시청해 보세요. https://www.youtube.com/watch?v=ci80w042ayM

## 영상 메모 #학습의 산출 #AGI #불가능 #오류 #GPT #컴퓨터 활용

**출처:** [note 원문](https://note.com/fond_egret3316/n/n31a6200dcbab)

*번역: Gemma 3(.44) 초벌 + 교정 79청크*

[원문 보기](https://note.com/fond_egret3316/n/n31a6200dcbab) | 출처: note.com