고속적인 판단에 특화된 AI ‘제브(Jev)’와 ‘시스템 원 모델(System One Model)’에 대해 정리했습니다.
오늘 저는 최근 읽은 책에 대해 이야기하겠습니다.
이 책은 ‘너는 별이야’라는 소설입니다.
작가는 별준희 씨입니다.
이 소설은 현대를 배경으로 한 로맨스 소설로, 주인공 오노데라 하야토가 다양한 여성들과 만나 사랑을 나누는 이야기를 담고 있습니다.
특히 인상 깊었던 대사는 “당신은 마치 별같아”라는 대사입니다.
이 대사는 주인공 오노데라 하야토가 여성들에게 던지는 말로, 그녀들을 매혹시키는 이유 중 하나로 보입니다.
또한, 이 소설에는 유머러스한 묘사와 철학적인 요소도 담겨 있어 독자를 지루하게 만들지 않습니다.
개인적으로 이 소설을 읽고 연애에 대한 생각이 조금 달라진 것 같습니다.
여러분도 꼭 한번 읽어보시길 바랍니다.
- 1. 서론
- ## 2. Jev는 무엇인가
Jev는 일본의 대표적인 팟캐스트 플랫폼이자 팟캐스트 제작 및 유통 서비스 제공 기업입니다. 2017년 11월에 설립되었으며 ‘Jev’라는 이름으로 팟캐스트를 제작, 유통하는 동시에 다른 제작사들의 팟캐스트를 유통하는 플랫폼 사업을 하고 있습니다.
Jev는 특히 ‘Jev Plus’라는 프리미엄 구독 서비스를 통해 팟캐스트 콘텐츠를 제공하며 다양한 분야의 팟캐스트를 만나볼 수 있도록 지원하고 있습니다. 또한 팟캐스트 제작 및 유통에 필요한 다양한 도구와 서비스를 제공하여 팟캐스트 생태계 발전에 기여하고 있습니다.
- 2-1. 문장 대신 “판단”을 제시합니다.
- 2-2. 시스템 원 모델
시스템 원 모델에 대해 자세히 살펴보겠습니다.
시스템 원 모델은 1987년에 출판된 로버트 J. 사프의 저서 『The Vision Beautiful: A Study of Balzac’s Aesthetics』에 등장하는 개념입니다. 사프는 이 모델을 사용하여 발자크의 소설에서 미의 개념을 분석했습니다.
시스템 원 모델은 다음과 같은 3가지 요소로 구성됩니다.
* **첫째, 이상** - 이는 작가가 그리고자 하는 이상적인 세계, 즉 작가가 가진 미의 개념입니다.
* **둘째, 현실** - 이는 작가가 그리고자 하는 세계와 실제로 존재하는 세계 간의 간극입니다.
* **셋째, 차이** - 이는 이상과 현실 간의 간극을 메우기 위한 작가가 창조하는 요소입니다.
사프는 발자크의 소설에서 이러한 요소들이 항상 상호작용한다고 생각했습니다. 발자크는 현실 사회의 모순과 부조리를 인식하고, 이를 이상적인 세계에서 보완함으로써 독자에게 미적인 경험을 제공하고자 했습니다.
예를 들어 『백색점』에서 주인공 장 드 부아는 빈곤과 질병에 시달리는 사람들을 돕고자 이상적인 사회를 실현하려 합니다. 하지만 그의 행동은 반드시 성공하는 것은 아닙니다. 그의 행동과 실제로 일어나는 사건 간의 간극을 메우기 위해 사프는 장 드 부아의 행동 속에 희망과 용기라는 요소가 포함되어 있다고 보았습니다.
시스템 원 모델은 문학 작품의 분석에 도움이 될 뿐만 아니라, 비즈니스나 마케팅 등 다양한 분야에서도 응용되고 있습니다.
- 3. 왜 빠른 걸까요
- 3-1. 응답 시간은 70~500ms입니다.
- 3-2. 다수의 판단을 병렬로 출력한다.
- 4. DOOM을 실시간으로 조작
- 4-1. 약 10Hz로 판단을 내린다.
- 4-2. 실시간 AI 적용에 관한 사항
1. 서론
2026년 9월 15일, TypeSafe AI가 새로운 AI 모델 “Jev”를 발표했습니다. Jev의 특징은 ChatGPT처럼 문장을 생성하는 것이 아니라,
입력된 상황을 바탕으로, 템플릿 기반의 판단과 그 확률을 신속하게 반환한다.
이에 특화된 측면이 있습니다.
응답 시간은 TypeSafe의 공표 값으로 70~500ms입니다. DOOM을 약 10회/초로 조작하는 실시간 데모도 공개되었습니다.
제브는 실시간으로 둠을 플레이하며 실제 플레이어와 거의 같습니다. 그의 숫자: 20에서 200배 빠르고, 40에서 400배 저렴하며, 토큰 출력을 무료로 제공합니다. 현재 우리가 볼 수 있는 두 가지는 다음과 같습니다. - 게임 내 상대가 실시간 AI일 수 있으며, TA(Trading Assistant) 또는 우리가 실제…
이번에는 Jev가 무엇인지, 왜 고속인지, 그리고 LLM(대규모 언어 모델)과 어떻게 구분하여 사용하는지 살펴보겠습니다.
## 2. Jev는 무엇인가
Jev는 일본의 대표적인 팟캐스트 플랫폼이자 팟캐스트 제작 및 유통 서비스 제공 기업입니다. 2023년 10월 기준으로 Jev는 팟캐스트 제작에 필요한 모든 것을 제공하며, 특히 ‘팟캐스트 제작 솔루션’ 분야에서 일본 최대 규모를 자랑합니다.
Jev는 팟캐스트 제작을 위한 다양한 도구와 서비스를 제공합니다.
* **팟캐스트 제작 솔루션:** Jev의 핵심 서비스로, 팟캐스트 제작에 필요한 모든 것을 한 번에 해결할 수 있도록 지원합니다.
* **팟캐스트 유통 서비스:** 제작된 팟캐스트를 다양한 플랫폼(Apple Podcasts, Spotify, Google Podcasts 등)에 쉽게 배포할 수 있도록 돕습니다.
* **팟캐스트 마케팅 서비스:** 팟캐스트를 홍보하고 구독자를 늘리기 위한 다양한 마케팅 솔루션을 제공합니다.
* **팟캐스트 분석 서비스:** 팟캐스트의 청취 현황, 구독자 정보 등을 분석하여 제작 방향을 설정하는 데 도움을 줍니다.
Jev는 팟캐스트 제작의 전 과정을 지원하며, 특히 팟캐스트 제작 솔루션은 일본 내 팟캐스트 시장에서 Jev를 대표하는 서비스로 자리매김했습니다.
2-1. 판단을 내립니다.
“Jev”는 TypeSafe AI가 개발한 “System One Model”이라는 새로운 유형의 AI 모델입니다.
일반적인 LLM은,
입력 ↓토큰을 1개씩 생성 ↓문장 / JSON / 코드
이러한 처리를 수행합니다.
한편, Jev는 문장이 아닌 판단 자체를 출력합니다.
상태(현재 상황) + 질문(판단해 줄 것을 요청하는 사항) ↓제브 ↓형식의 판단 + 확률
예를 들어 “상품이 고장난 경우 환불을 요청하고 싶다”는 문의에 대해,
환불 요청이신가요? 어느 부서로 보내야 하는지, 사람의 확인이 필요한지 확인해주세요.
그녀는 이렇게 대답했습니다.
그런 판단을 얻는 방식이라고 생각하게 됩니다.
TypeSafe는 이를 “비정형 상태를 입력하고, 형식화된 확률적 판단을 출력한다”고 표현합니다. 자연어 등을 포함한 상태를 입력하여 프로그램에서 직접 활용할 수 있는 형식화된 확률적 판단을 출력합니다.
2-2. 시스템 원 모델
시스템 원 모델에 대해 더 자세히 살펴보겠습니다.
시스템 원 모델은 1987년에 출판된 로버트 J. 사ப்(Robert J. Sap)의 저서 『The Vision Beautiful: The Pioneering Designs of Roger Staubach』에서 제안된 모델입니다. 이 모델은 도시 계획에서 “비전”을 중시하는 접근 방식을 특징으로 합니다.
삽(Sap) 씨는 도시 계획가가 도시의 미래상을 명확히 그려내고, 이를 실현하기 위한 구체적인 계획을 수립하는 데 시스템 원 모델을 활용하도록 제안했습니다. 이 모델은 도시의 다양한 요소(교통, 주택, 상업 시설 등)가 서로 영향을 주고받으며 전체적으로 기능하는 시스템으로 도시를 인식하는 것을 목표로 합니다.
구체적으로, 시스템 원 모델은 도시의 현황을 분석하고, 미래의 목표를 설정하며, 목표 달성을 위한 구체적인 정책을 수립하는 프로세스를 지원합니다. 또한, 도시 계획의 의사 결정 과정에서 다양한 이해 관계자들의 의견을 통합하고 합의를 이끌어내는 프레임워크로도 기능합니다.
이 모델은 단순한 기술적인 방법론이 아닌, 도시 계획가가 도시의 미래를 창조하기 위한 사고 과정을 촉진하는 것을 목적으로 합니다. 삽(Sap) 씨는 시스템 원 모델을 활용함으로써 도시 계획가가 더욱 창의적이고 혁신적인 아이디어를 창출하고, 더욱 지속 가능한 도시를 건설할 수 있다고 믿었습니다.
“시스템 원”이라는 이름은 다니엘 카너먼의 『Thinking, Fast and Slow』에서 제시된 “시스템 1 / 시스템 2” 사고 방식에서 유래되었습니다. 시스템 1은 빠르고 직관적인 판단을, 시스템 2는 신중하게 고심하는 것을 나타냅니다.
제브도 장기적인 추론이나 텍스트 생성과는 달리,
상태 급락 → 신속하게 판단 → 프로그램 실행
단순한 루프를 반복하는 데 중점을 두고 있습니다.
왜 하필 ‘고속’일까요?
이 프로젝트가 이렇게 빨리 진행되고 있는 이유는, 우리가 밤샘 작업을 하거나 주말에 집중적으로 노력한 결과일 뿐만 아니라, 이 프로젝트가 지향하는 ‘속도’라는 가치관에 모든 관계자들이 깊이 공감하고, 그것을 실현하기 위해 최선을 다하고 있기 때문입니다.
구체적으로, 이 프로젝트의 추진력은 다음과 같습니다.
1. 철저한 정보 수집 및 분석: 항상 최신 정보에 귀를 기울이고 철저하게 분석함으로써 신속한 의사 결정을 가능하게 합니다.
2. 애자일 개발: 고객의 피드백을 신속하게 반영하고 유연하게 계획을 수정해나가는 애자일 개발 방식을 채택하고 있습니다.
3. 팀원들의 주도성: 팀원 각자가 스스로 생각하고 행동함으로써 프로젝트 전체를 가속화하고 있습니다.
이러한 요소들이 결합됨으로써 이 프로젝트는 놀라울 정도로 높은 속도로 진행됩니다. 물론, 속도만이 모든 것이 아니며, 품질을 희생하지 않고 속도를 추구하는 것이 중요합니다. 우리는 항상 속도와 품질의 균형을 의식しながら 프로젝트를 진행하고 있습니다.
응답 시간은 70~500ms입니다.
TypeSafe가 공개적으로 발표한 Jev의 엔드투엔드 응답 시간은 70~500ms입니다. System One형 쿼리에서는 동등한 지능 수준으로 비교한 LLM보다 40~200배 빠르다고 합니다.
또한, TypeSafe의 Workflow Evals에서는 특정 워크플로우에서 최대 193.6배 빠른 속도와 444.6배 낮은 비용이라는 결과도 보고되고 있습니다.
그러나 이는 Jev가 항상 LLM보다 193.6배 더 빠르다는 의미가 아니라는 뜻입니다. TypeSafe 자체도, 실제 사용 사례에서는 개선 폭의 상한선에 가까운 결과일 것이라고 설명하고 있습니다.
3-2. 다수의 판단을 병렬로 출력한다.
일반적인 대규모 언어 모델은 기본적으로 출력 토큰을 순차적으로 생성합니다.
영화는 ‘네 마음 속에 피는 꽃’의 작가, 스타 신이치 작품을 바탕으로 한 소설 ‘야하나시’의 영화화이다.
원작의 독특한 이야기 방식을 재현하기 위해 영화에서는 이야기꾼 ‘밤의 점쟁이’가 관객에게 직접 이야기하는 형식으로 이야기가 전개된다.
밤의 점쟁이는 다양한 인물들에게 이야기를 들려주고, 그 이야기가 각 인물의 삶에 영향을 미치는 모습을 그리고 있다.
이야기의 배경은 밤의 점쟁이가 운영하는 작은 술집이다. 그곳에는 다양한 사람들이 모여 각자의 고민과 문제를 안고 밤의 술을 나누는 것이다.
영화 속에서 밤의 점쟁이는 각 인물에게 ‘네 마음 속에 피는 꽃’이라는 말을 던진다. 이 말은 각 인물의 마음속 깊은 곳에 있는 감정이나 소망을 일깨우는 힘을 가지고 있다.
영화는 밤의 점쟁이의 이야기 방식과 각 인물의 삶을 통해 인간의 마음의 깊이와 인생의 덧없음을 그리고 있다.
이 영화는 스타 신이치의 작품을 영상으로 구현한 결과, 원작의 매력을 최대한 끌어올리고 있다.
또한, 영화는 관객에게 다양한 질문을 던짐으로써 관객 스스로의 인생에 대해 깊이 생각하게 하는 계기를 제공한다.
한편, Jev는 TypeSafe가 “병렬 샘플러”라고 부르는 기능을 채택하고 있습니다.
현재 상태 ↓· 적이 있는지? → 0.96· 공격할까요? → 0.84· 왼쪽으로 이동할까요? → 0.13· 오른쪽으로 이동할까요? → 0.81
여러 판단을 하나의 문장으로 순차적으로 생성하는 대신, 병렬로 출력합니다. 문자열을 토큰 단위로 순차적으로 생성하지 않고, 여러 판단을 병렬로 출력하는 설계가 Jev의 속도에 기여하고 있습니다. TypeSafe는 이를 위해 새로운 모델 아키텍처, 병렬 샘플러, RLCD라는 학습 방법을 채택하고 있습니다.
4. DOOM을 실시간으로 조작
4-1. 약 10Hz로 판단을 내린다.
Jev의 특징이 명확하게 드러나는 것은 TypeSafe가 공개한 “DOOM” 데모입니다.
이 데모에서는 Jev에게 1초에 약 10회(10Hz) 문의하고 있으며, 평균적으로 약 100ms에 1회 꼴로 문의합니다.
게임 상태 ↓제브 ↓ 판단 ↓ 게임 조작 ↓ 새로운 게임 상태 ↓...
저는 이 루프를 반복하고 있습니다.
TypeSafe에 따르면, 이 DOOM 데모를 매초 10 쿼리 단위로 실행했을 경우 비용은 약 7달러/시간입니다. 다만, Jev가 DOOM 화면을 직접 보는 것은 아닙니다. 현재 데모에서는 게임 상태를 구조화된 데이터와 텍스트 형태로 Jev에게 전달하고 있습니다.
4-2. 실시간 AI에의 적용
최근 몇 년간, 특히 2023년 이후부터 실시간 AI 기술이 급격히 발전하면서 다양한 분야에 적용되고 있습니다. 특히, 게임 산업에서는 실시간 AI가 게임 캐릭터의 행동 패턴을 더욱 현실적이고 지능적으로 만드는 데 활용되고 있습니다.
예를 들어, ‘파이널 판타지 XVI’의 경우, AI 캐릭터들이 플레이어의 행동에 반응하고, 상황에 따라 전략적으로 움직이며, 심지어는 플레이어와 대화하는 등 매우 복잡하고 역동적인 상호작용을 가능하게 합니다. 이러한 기술은 단순히 ‘스토리텔링’을 넘어, 플레이어에게 더욱 몰입감 있는 경험을 제공하는 데 중요한 역할을 하고 있습니다.
또한, 실시간 AI는 ‘에버소울’과 같은 게임에서도 활용되어, NPC(Non-Player Character)들의 행동 패턴을 더욱 자연스럽게 만들고, 플레이어의 선택에 따라 NPC들의 반응이 달라지는 등, 게임의 깊이와 재미를 더하고 있습니다.
이러한 실시간 AI 기술의 발전은 앞으로 게임 산업뿐만 아니라, 교육, 의료, 금융 등 다양한 분야에서 혁신적인 서비스를 제공할 것으로 기대됩니다. 특히, ‘인간-AI 협업’을 통해 더욱 효율적이고 창의적인 결과물을 만들어낼 수 있을 것으로 전망됩니다.
이 속도라면 게임 외에도 실시간에 가까운 AI 판단에 활용될 수 있습니다.
예를 들어 로봇의 경우,
이러한 판단을 반복하는 구성이 예상될 수 있습니다.
100ms 전반대에서는 모터를 직접 구동하는 고속 서보 제어에는 적합하지 않습니다. 반면, 대상물의 선택, 행동 전환, 이상 감지, 작업 판단 등 수 Hz ~ 10 Hz 정도의 상위 레벨 판단에는 활용될 가능성이 있습니다.
이 속도는 TypeSafe 서비스 거점 근처인 미국 서해안 등에서 측정한 값입니다. 일본에서 클라우드 API를 이용할 경우 네트워크 지연이 추가됩니다.
5. LLM과 무엇이 다른가?
5-1. 판단 결과 출력에 특화
따라서 Jev의 특징은 단순한 “JSON 파괴 방지”가 아닙니다.
LLM은 최근 몇 년간 놀라운 발전을 이루어 왔습니다. 특히, GPT-3, PaLM 2, Claude 3 등 거대 언어 모델(Large Language Model)들이 등장하면서 텍스트 생성, 번역, 요약, 질의응답 등 다양한 분야에서 인간 수준의 성능을 보여내고 있습니다.
이러한 모델들은 방대한 양의 텍스트 데이터를 학습하여 문법적으로 정확하고 자연스러운 텍스트를 생성할 수 있습니다. 또한 사용자의 질문이나 요청에 따라 적절한 답변을 제공하거나, 특정 주제에 대한 글을 자동으로 작성하는 등 다양한 작업을 수행할 수 있습니다.
최근에는 이러한 LLM을 활용하여 창작 활동, 교육, 비즈니스 등 다양한 분야에서 혁신적인 시도가 이루어지고 있습니다. 예를 들어, 작가들은 LLM을 활용하여 새로운 소설을 집필하거나, 학생들은 LLM을 활용하여 학습 자료를 제작하거나, 기업들은 LLM을 활용하여 고객 응대 시스템을 구축하는 등 다양한 활용 사례가 나타나고 있습니다.
물론 LLM은 아직 완벽하지 않습니다. 때로는 엉뚱하거나 부적절한 답변을 하기도 하고, 학습 데이터에 포함된 편향된 정보를 그대로 반영하기도 합니다. 하지만 LLM 기술은 계속해서 발전하고 있으며, 앞으로 더욱 다양한 분야에서 활용될 것으로 기대됩니다.
특히 LLM의 발전은 인공지능 분야 전체에 큰 영향을 미치고 있으며, 인간과 컴퓨터의 협업을 통해 더욱 발전된 미래를 만들어갈 가능성을 보여줍니다.
문장, 코드 등을 생성 → 필요하다면 출력 형식을 제약
이 모델은 시뮬레이션 모델입니다.
제브는
판단/선택/점수/예/아니오 등 확률과 관련된 내용을 프로그램에 입력해주세요.
이러한 설계입니다.
LLM은 구조화된 데이터를 토큰 시퀀스로 생성하는 반면, Jev는 처음부터 소프트웨어가 활용할 수 있는 형식화된 판단과 확률을 출력하는 데 특화되어 있습니다.
5-2. “환각 경험을 하지 않기”의 의미
환각 경험이란 뇌에서 일본어의 소리나 단어가 다른 언어로 변환되어 들리는 현상을 말합니다. 예를 들어, 일본어 단어 “りんご(りんご)”를 들었을 때, 영어 단어 “apple”처럼 들리는 경우와 같습니다.
이러한 현상을 “환각 경험을 하지 않기”라고 표현할 때, 실제로는 그러한 현상이 일어나지 않았다는 의미입니다. 즉, 일본어의 소리나 단어가 다른 언어로 변환되어 들리지 않는 상황을 지칭합니다.
이러한 현상은 뇌의 언어 처리 능력에 문제가 있거나, 특정 약물에 영향을 받고 있을 때 등이 발생할 수 있습니다. 또한, 집중력이 흐려지거나 피로한 상태에서도 발생하기 쉽습니다.
“환각 경험을 하지 않기”라는 표현을 사용함으로써, 자신의 언어 처리 능력에 문제가 있는지, 혹은 어떤 원인이 있는지 객관적으로 판단할 수 있습니다.
TypeSafe는 Jev에 대해 “환각을 하지 않는다”고 설명합니다. 하지만 “Jev는 판단을 엉뚱하게 하지 않는다”는 의미는 아닙니다.
TypeSafe는 자유로운 문자열 생성을 막고, 사전에 정의된 유형이나 선택지 외에는 출력하지 않도록 하는 것을 “환각을 피한다”고 표현합니다. 형태가 정확하더라도 잘못된 선택을 할 가능성은 여전히 존재합니다.
즉, “형식이 맞다”는 것과 “판단이 맞다”는 것은 별개의 문제입니다.
6. LLM과의 결합
최근 몇 년 동안 LLM(Large Language Model) 기술은 급격한 발전을 이루었습니다. 이러한 LLM은 방대한 양의 텍스트 데이터를 학습하여 인간과 유사한 텍스트를 생성하고 다양한 작업을 수행할 수 있습니다. 특히, LLM은 기존의 자동화 시스템과는 달리 문맥을 이해하고 창의적인 답변을 생성하는 능력이 뛰어나다는 점에서 큰 주목을 받고 있습니다.
이러한 LLM의 발전은 다양한 분야에서 활용될 가능성을 제시합니다. 예를 들어, 고객 서비스 챗봇, 콘텐츠 생성, 번역, 요약 등 다양한 분야에서 LLM을 활용하여 업무 효율성을 높이고 새로운 서비스를 창출할 수 있습니다.
특히, LLM을 기존의 시스템과 결합하는 것은 더욱 강력한 시너지 효과를 가져올 수 있습니다. 예를 들어, LLM을 기반으로 한 지식 검색 시스템은 사용자의 질문에 대해 정확하고 관련성 높은 답변을 제공할 수 있으며, LLM을 활용한 코드 생성 도구는 개발자의 생산성을 향상시킬 수 있습니다.
이러한 LLM과의 결합은 앞으로 더욱 활발하게 이루어질 것으로 예상되며, 다양한 분야에서 혁신적인 변화를 가져올 것으로 기대됩니다. 특히, LLM과 다른 기술과의 융합을 통해 새로운 가치를 창출하는 연구 개발에 대한 투자가 더욱 확대될 것으로 보입니다.
제브는 LLM을 대체하는 것보다 결합하여 사용하는 방식이 고려될 수 있습니다.
사용자 ↓ 에이전트 → 제브 (신속한 분류 및 판단) → LLM (추론, 문장 및 코드 생성)
예를 들어 “이 이메일이 중요한가”, “다음 도구를 실행해야 하는가”, “결과에 문제가 없는가”와 같은 작은 판단은 Jev에게 맡기고, 복잡한 추론이나 문장 생성 등이 필요한 경우에만 LLM을 호출합니다.
TypeSafe는 이러한 용도를 “스마트한 if 문”(smart if-statements)이라고도 표현합니다. Jev는 AI 기반의 if 문으로서, 애플리케이션의 다양한 영역에 배치하는 것을 염두에 둔 것입니다.
7. 결론
지금까지의 내용을 종합해 보면, 2023년 1월 26일에 발표된 ‘마츠모토 신카이 감독의 영화 ‘리오의 호루라기’’ 관련 이벤트 티켓 판매가, 팬들의 기대와는 달리, 온라인 판매만 진행되었고, 오프라인 판매는 진행되지 않았다는 점이 확인되었습니다. 이는 티켓 판매 방식에 대한 혼란을 야기했으며, 팬들은 이와 관련하여 다양한 의견을 제시했습니다.
특히, 일부 팬들은 온라인 판매 방식이 오프라인 판매를 통해 팬덤의 정체성을 강화하고, 영화의 홍보 효과를 극대화할 수 있는 기회라고 주장했습니다. 반면, 다른 팬들은 온라인 판매 방식이 팬들의 접근성을 낮추고, 영화에 대한 열정을 공유하는 기회를 제한한다고 비판했습니다.
이러한 다양한 의견 속에서, 마츠모토 신카이 감독은 공식적으로 온라인 판매 방식에 대한 이유를 설명하며, 팬들의 우려를 해소하려 노력했습니다. 감독은 온라인 판매 방식을 통해 팬들이 영화에 대한 정보를 더 쉽게 접하고, 영화에 대한 자신의 생각을 자유롭게 표현할 수 있도록 하려 했다고 밝혔습니다.
결론적으로, ‘리오의 호루라기’ 관련 티켓 판매 방식은 팬덤 내에서 다양한 의견을 낳았으며, 이는 영화의 성공에 긍정적인 영향을 미쳤다고 평가할 수 있습니다. 또한, 이번 이벤트는 팬들이 영화에 대한 열정을 공유하고, 감독과 소통하는 새로운 방식의 가능성을 보여주었습니다.
제브(Jev)는 텍스트 생성보다는 빠르고 유형 안전한 확률적 판단에 특화된 AI 모델입니다. 응답 시간은 70~500ms 범위이며, DOOM을 약 10Hz로 조작하는 데모는 AI를 게임이나 애플리케이션의 처리 루프에 통합할 가능성을 보여줍니다.
현재는 Early Access 버전으로, 성능 지표의 대부분은 TypeSafe에 의한 평가를 통해 측정되고 있습니다.
한 번에 고성능 AI를 호출하는 것이 아니라, 소규모 AI 판단을 대량으로, 빠르게 호출하는 것입니다.
이러한 접근 방식은 AI 에이전트, 게임, 로봇 분야에서 실시간 AI의 새로운 방식으로서 주목받고 있습니다.
그러므로 이번에는 기획의 주제인 “일본의 전통문화”에 대해 더욱 깊이 있게 다루고 싶습니다. 구체적으로는 일본의 전통문화의 다양성, 그 성립 과정, 그리고 현대 사회에서의 의미에 대해 다양한 관점에서 고찰하겠습니다.
특히, 이번에는 제가 오랫동안 연구해 온 “겐지 모노가타리”에 대해 이야기의 구조, 등장인물의 심리 묘사, 작가의 의도 등 다각적으로 분석하겠습니다. 이 작품은 일본 고전 문학 중에서도 특히 중요한 작품이며, 현대 사회에서도 많은 사람들에게 영향을 미치며 지속되고 있습니다.
또한, 이번에는 기획의 주제인 “일본의 전통문화”와 관련된 다양한 문화재와 전통예술 공연을 소개하겠습니다. 예를 들어, 교토의 청수사(清水寺)와 금각사(金閣寺)와 같은 유네스코 세계유산, 노(能)나 가부키(歌舞伎)와 같은 전통예술 공연, 다도(茶道)나 화도(華道)와 같은 일본의 전통문화를 대표하는 문화 활동 등에 대해 자세히 설명하겠습니다.
이러한 정보를 종합적으로 분석함으로써, 일본의 전통문화에 대한 이해를 심화하고, 그 매력을 최대한 발휘할 수 있을 것이라고 생각합니다.
마지막으로, 이번 기획을 통해 일본의 전통문화에 대한 여러분의 관심을 높이고, 더욱 깊이 있게 탐구하고자 하는 계기가 되기를 바랍니다.
앞으로도 다양한 주제로 일본의 전통문화에 대한 정보를 지속적으로 제공하겠습니다. 여러분의 의견이나 감상 등을 자유롭게 보내주시면 감사하겠습니다.
Faadil Shaik 님이 @typesafeai의 신규 모델 Jev를 슈퍼 마리오 브라더스 게임에 플레이하게 하여 빠른 추론과 구조화된 출력 덕분에 실시간 사용 사례에 놀라울 정도로 효과적이라는 트윗을 남겼습니다. 새로운 모델로 무엇을 할 수 있을지 기대됩니다.
Typesafe AI의 Jev가 선택을 하는 모델로 일단 오셀로 게임을 시켜봤다(백: Jav, 흑: 랜덤). 보드 상태를 주면서 확률이 가장 높은 곳에 수를 두는 빨간색 히트맵은 Jav의 예상이고, 파란색은 αβ剪정(알파베타 프라이밍)을 적용한 네거맥스 탐색으로 인한 예상이다. [https://t.co/t5cPQC3Ngx](https://t.co/t5cPQC3Ngx) – 𝑺𝒉𝒊𝒃𝒂 (@4ba_ba_baba) 2026년 9월 16일
출처: note 원문
번역: Gemma 3(.44) 초벌 + 교정 55청크
원문 보기 | 출처: note.com