AI란 무엇이고, 어떻게 작동하며, 어떤 용도로 사용될 수 있나요?

인공지능(AI) 기술은 빠른 속도로 발전하며 현대 생활의 여러 측면을 변화시키고 있습니다.

그러나 일부 전문가들은 악의적인 목적으로 사용될 수 있다고 우려하고 있다.

영국은 고도로 발전된 AI를 어떻게 안전하게 사용할 수 있는지 논의하기 위해 엘론 머스크(Elon Musk)를 비롯한 세계 지도자와 기술 기업가들이 모이는 글로벌 회의를 주최합니다.

AI란 무엇이고 어떻게 작동하나요?

AI를 사용하면 컴퓨터가 거의 사람처럼 문제를 학습하고 해결할 수 있습니다.

AI 시스템은 인간과 같은 대화를 나누거나 온라인 쇼핑객이 구매할 수 있는 제품을 예측하는 등의 작업을 수행하기 위해 엄청난 양의 정보에 대해 훈련을 받고 그 정보의 패턴을 식별하는 방법을 학습합니다.

이 기술은 음성 제어 가상 비서인 Siri와 Alexa 뒤에 있으며 Facebook과 X(이전에는 Twitter로 알려짐)가 사용자에게 표시할 소셜 미디어 게시물을 결정하는 데 도움이 됩니다.

AI를 통해 Amazon은 고객의 구매 습관을 분석하여 향후 구매를 추천할 수 있으며 회사는 또한 이 기술을 사용하여 가짜 리뷰를 단속합니다 .

 

ChatGPT 및 DALL-E와 같은 AI 프로그램은 무엇입니까?

ChatGPT와 DALL-E는 "생성" AI의 예입니다.

이러한 프로그램은 온라인 텍스트 및 이미지와 같은 방대한 양의 데이터를 학습하여 마치 인간이 만든 것처럼 느껴지는 새로운 콘텐츠를 생성합니다.

ChatGPT와 같은 소위 "챗봇"은 문자 대화를 할 수 있습니다.

DALL-E와 같은 다른 AI 프로그램은 간단한 텍스트 지침으로 이미지를 생성할 수 있습니다.

생성적 AI는 유명 음악가의 스타일로 비디오를 제작하고 음악을 제작할 수도 있습니다.

그러나 이러한 프로그램은 때때로 부정확한 답변과 이미지를 생성하며, 성차별이나 인종차별 등 원본 자료에 포함된 편견을 재현할 수 있습니다.

많은 예술가, 작가 및 공연자들은 그러한 AI를 통해 다른 사람들이 비용을 지불하지 않고 자신의 작품을 이용하고 모방할 수 있다고 경고했습니다 .

비평가들은 왜 AI가 위험할 수 있다고 두려워합니까?

많은 전문가들은 AI의 발전 속도에 놀라며, 급속한 성장이 위험할 수 있다고 우려한다. 일부에서는 AI 연구를 중단해야 한다고 말하기도 했습니다 .

지난 10월 초 영국 정부는 AI가 곧 해커들이 사이버 공격을 시작하도록 돕거나 테러리스트들이 화학 공격을 계획하는 데 도움을 줄 수 있다는 보고서를 발표했습니다 .

일부 전문가들은 미래에는 초지능 AI가 인간을 멸종시킬 수도 있다고 우려하기도 합니다. 지난 5월, 이 위협에 대한 미국 소재 AI 안전 센터의 경고는 수십 명의 주요 기술 전문가들의 지지를 받았습니다 .

선구적인 연구로 AI의 대부로 알려진 세 명의 과학자 중 두 명인 제프리 힌튼(Geoffrey Hinton)과 요슈아 벤지오(Yoshua Bengio)도 비슷한 두려움을 공유하고 있습니다.

그러나 다른 사람인 얀 르쿤(Yann LeCun)은 초지능 AI가 세계를 장악할 수 있다는 생각을 "터무니없을 정도로 터무니없다" 고 일축했습니다 .

미국 코미디언 사라 실버먼(Sarah Silverman)은 자신의 글이 AI 훈련에 사용된 것으로 알려진 것에 불만을 품고 있다.

지난 6월 EU의 기술 책임자인 마그레테 베스타게르(Margrethe Vestager)는 인터뷰에서 편견이나 차별을 증폭시킬 수 있는 AI의 잠재력이 AI 인수에 대한 미래의 두려움보다 더 시급한 우려라고 말했습니다.

특히 대출 신청 등 국민 생활에 영향을 미치는 결정을 내리는 데 AI가 어떤 역할을 할 수 있을지 우려한다.

다른 사람들은 AI가 환경에 미치는 영향을 비판합니다.

강력한 AI 시스템은 많은 전력을 사용합니다. 한 연구원은 2027년까지 전체적으로 네덜란드와 같은 작은 국가만큼 매년 전력을 소비할 수 있다고 제안합니다.

현재 AI와 관련하여 어떤 규칙이 마련되어 있나요?

EU에서는 인공지능법이 법으로 제정되면 고위험 시스템에 대해 엄격한 통제를 가하게 됩니다.

조 바이든 미국 대통령도 AI로 인해 발생할 수 있는 다양한 문제에 대한 대책을 발표했다 . 그는 "미국인을 안전하게 지키면서 AI의 힘을 활용하겠다"고 다짐했습니다.

영국 정부는 이전에 전담 AI 감시 기관 설립을 배제했습니다 .

그러나 리시 수낙(Rishi Sunak) 총리는 영국이 AI 안전 분야의 리더가 되기를 원하며, 기업과 정부가 기술로 인한 위험을 해결하는 방법을 논의하는 블레츨리 파크(Bletchley Park)에서 글로벌 정상회담을 주최할 예정입니다.

이번 정상회담에 참석한 영국, 미국, 유럽연합, 중국 등 28개국은 AI의 미래에 관한 블레츨리 선언(Bletchley Declaration)이라는 성명에 서명했습니다 .

이는 잘못된 정보를 퍼뜨리는 등 첨단 AI가 오용될 수 있는 위험을 인정하면서도 선의를 위한 힘이 될 수도 있다고 말합니다.

서명자들은 AI가 신뢰할 수 있고 안전한지 확인하기 위해 협력하기로 결심합니다.

녹음된 연설에서 찰스 왕은 참석자들에게 AI가 제기하는 위험은 "긴박감, 단결 및 집단적 힘"을 가지고 대처해야 한다고 말했습니다.

 

AI 때문에 위협받는 직업은?

투자은행 골드만삭스(Goldman Sachs)의 보고서는 AI가 전 세계적으로 3억 개의 정규직 일자리를 대체할 수 있다고 제안했습니다 .

많은 관리, 법률, 아키텍처 및 관리 역할이 영향을 받을 수 있다는 결론이 나왔습니다 .

그러나 AI가 세계 경제를 7% 향상시킬 수 있다고도 말했습니다.

이 기술은 이미 의사들이 유방암을 발견 하고 새로운 항생제를 개발하는 데 사용되었습니다 .

 

AI를 이해하는 데 도움이 되는 간단한 안내서

인공 지능에 대해 아직 이해하지 못하셨나요?

지난 6개월 동안 ChatGPT와 같은 챗봇과 Midjourney와 같은 이미지 생성기는 빠르게 문화 현상이 되었습니다.

그러나 인공지능(AI)이나 '머신러닝' 모델은 한동안 발전해왔습니다.

이 초보자 가이드에서 우리는 챗봇을 넘어 다양한 유형의 AI를 발견하고 이 이상한 새로운 디지털 생물이 이미 우리 삶에서 어떤 역할을 하고 있는지 알아볼 것입니다.

AI는 어떻게 학습하나요?

모든 기계 학습의 핵심은 훈련 이라는 프로세스입니다 . 여기서 컴퓨터 프로그램에는 대량의 데이터(때로는 데이터가 무엇인지 설명하는 레이블이 포함됨)와 일련의 지침이 제공됩니다.

명령은 "얼굴이 포함된 모든 이미지 찾기" 또는 "이 소리 분류"와 같을 수 있습니다.

그런 다음 프로그램은 이러한 목표를 달성하기 위해 제공된 데이터에서 패턴을 검색합니다.

"그건 얼굴이 아니야" 또는 "그 두 소리는 달라"와 같은 약간의 넛지가 필요할 수 있지만 프로그램이 데이터에서 학습하는 것과 그것이 제공되는 단서는 AI 모델이 되고 훈련 자료는 끝납니다. 능력을 정의하는 것입니다.

이 훈련 과정이 어떻게 다양한 유형의 AI를 생성할 수 있는지 살펴보는 한 가지 방법은 다양한 동물에 대해 생각해 보는 것입니다.

수백만 년에 걸쳐 자연 환경은 동물이 특정 능력을 개발하도록 이끌었습니다. 마찬가지로 AI가 훈련 데이터를 통해 만드는 수백만 주기는 AI가 개발하는 방식을 형성하고 전문 AI 모델로 이어질 것입니다.

그렇다면 다양한 기술을 개발하기 위해 AI를 훈련한 방법에 대한 몇 가지 예는 무엇입니까?

챗봇이란 무엇입니까?

챗봇을 앵무새와 비슷하다고 생각해보세요. 이는 모방이며 문맥을 어느 정도 이해하면서도 들은 단어를 반복할 수 있지만 의미는 완전히 이해하지 못합니다.

챗봇은 더 정교한 수준이지만 동일한 작업을 수행하며 서면 단어와 인간의 관계를 변화시키기 직전입니다.

그런데 이 챗봇은 어떻게 글을 쓰는지 어떻게 알 수 있을까요?

이는 LLM(대형 언어 모델)으로 알려진 AI 유형이며 엄청난 양의 텍스트로 훈련됩니다.

LLM은 개별 단어뿐만 아니라 전체 문장을 고려하고 모든 학습 데이터에서 한 구절의 단어 및 구문 사용을 다른 예와 비교할 수 있습니다.

단어와 구문 간의 이러한 수십억 개의 비교를 사용하여 질문을 읽고 답변을 생성할 수 있습니다. 이는 휴대전화의 예측 문자 메시지와 유사하지만 대규모입니다.

대규모 언어 모델의 놀라운 점은 사람의 도움 없이 문법 규칙과 올바른 문맥에서 단어를 사용하는 방법을 배울 수 있다는 것입니다.

 

AI와 대화할 수 있나요?

Alexa, Siri 또는 기타 유형의 음성 인식 시스템을 사용해 본 적이 있다면 AI를 사용해 본 것입니다.

소리의 작은 변화를 포착하도록 적응된 큰 귀를 가진 토끼를 상상해 보십시오.

AI는 사용자가 말할 때 소리를 녹음하고, 배경 소음을 제거하고, 음성을 음성 단위(말하는 단어를 구성하는 개별 소리)로 분리한 다음 이를 언어 소리 라이브러리와 일치시킵니다.

그러면 귀하의 음성이 텍스트로 변환되어 응답이 제공되기 전에 듣기 오류를 수정할 수 있습니다.

이러한 유형의 인공지능을 자연어 처리라고 합니다.

폰뱅킹 거래를 확인하기 위해 "예"라고 말하는 것부터 여행 중인 도시의 향후 며칠 동안의 날씨에 대해 휴대폰으로 알려달라고 요청하는 것까지 모든 것 뒤에 숨어 있는 기술입니다.

AI가 이미지를 이해할 수 있을까?

휴대전화에서 사진을 "해변에서" 또는 "야외에서"와 같은 이름의 폴더에 모은 적이 있습니까?

그렇다면 당신은 자신도 모르게 AI를 사용해 왔습니다. AI 알고리즘이 사진에서 패턴을 찾아내고 그룹화해 줍니다.

이 프로그램은 간단한 설명이 붙은 수많은 이미지를 통해 학습되었습니다.

이미지 인식 AI에 '자전거'라는 라벨이 붙은 이미지를 충분히 제공하면 결국 자전거가 어떻게 생겼는지, 보트나 자동차와 어떻게 다른지 알아내기 시작할 것입니다.

때때로 AI는 유사한 이미지 내에서 작은 차이점을 발견하도록 훈련됩니다.

이것이 얼굴 인식이 작동하는 방식으로, 지구상의 다른 모든 얼굴과 비교할 때 독특하고 독특하게 만드는 얼굴 특징 간의 미묘한 관계를 찾는 것입니다.

동일한 종류의 알고리즘은 생명을 위협하는 종양을 식별하기 위해 의료 스캔으로 훈련되었으며 컨설턴트가 단 하나의 결정을 내리는 데 걸리는 시간에 수천 개의 스캔을 통해 작동할 수 있습니다.

AI는 어떻게 새로운 이미지를 만드는가?

최근 이미지 인식은 카멜레온과 같은 패턴과 색상 조작 능력을 학습한 AI 모델에 적용되었습니다.

이러한 이미지 생성 AI는 수백만 장의 사진과 그림에서 수집한 복잡한 시각적 패턴을 완전히 새로운 이미지로 바꿀 수 있습니다.

AI에게 결코 일어나지 않은 일의 사진 이미지(예: 화성 표면을 걷고 있는 사람의 사진)를 생성하도록 요청할 수 있습니다.

또는 이미지 스타일을 창의적으로 연출할 수 있습니다. "피카소 스타일로 그린 잉글랜드 축구 감독의 초상화를 만드세요."

최신 AI는 무작위로 색상이 지정된 픽셀 모음을 사용하여 이 새로운 이미지를 생성하는 프로세스를 시작합니다.

훈련 중에 학습한 패턴, 즉 다양한 물체를 만들기 위한 패턴에 대한 힌트를 찾기 위해 무작위 점을 살펴봅니다.

이러한 패턴은 임의의 점 레이어를 더 추가하고, 패턴을 개발하는 점을 유지하고, 최종적으로 유사성이 나타날 때까지 다른 점을 삭제함으로써 천천히 향상됩니다.

"화성 표면", "우주 비행사" 및 "걷기"와 같은 필요한 모든 패턴을 함께 개발하면 새로운 이미지가 생성됩니다.

새로운 이미지는 임의의 픽셀 레이어로 구성되므로 결과는 이전에는 존재하지 않았지만 여전히 원본 교육 이미지에서 학습한 수십억 개의 패턴을 기반으로 합니다.

이제 사회는 실제 예술가, 디자이너, 사진작가의 노고를 바탕으로 교육받은 작품 창작의 윤리와 저작권 같은 것이 무엇을 의미하는지에 대해 고심하기 시작했습니다.

자율주행차는 어떨까요?

자율주행차는 수십 년 동안 AI에 대한 대화의 일부였으며 공상과학소설에서는 이를 대중적인 상상 속에 고정시켰습니다.

자율주행 AI는 자율주행으로 알려져 있으며 자동차에는 카메라, 레이더, 거리 감지 레이저가 장착되어 있습니다.

날개에 360도 시야와 센서가 있어 비행 중에 조종하고 지속적으로 조정하는 데 도움이 되는 잠자리를 생각해 보십시오.

비슷한 방식으로 AI 모델은 센서의 데이터를 사용하여 물체를 식별하고 물체가 움직이고 있는지, 그렇다면 움직이는 물체의 종류(다른 자동차, 자전거, 보행자 등)를 파악합니다.

좋은 운전이 어떤 것인지 이해하기 위한 수천 시간의 훈련을 통해 AI는 실제 세계에서 결정을 내리고 조치를 취하여 자동차를 운전하고 충돌을 피할 수 있게 되었습니다.

예측 알고리즘은 종종 예측할 수 없는 인간 운전자의 특성을 처리하기 위해 수년 동안 어려움을 겪었을 수 있지만 이제 무인 자동차는 실제 도로에서 수백만 마일의 데이터를 수집했습니다. 샌프란시스코에서는 이미 유료 승객을 태우고 있습니다.

자율주행은 신기술이 기술적 장애물 그 이상을 어떻게 극복해야 하는지 보여주는 매우 공개적인 예이기도 합니다.

정부 법률 및 안전 규정은 우리가 기계에 제어권을 넘길 때 어떤 일이 일어날지에 대한 깊은 불안감과 함께 도로에서 완전히 자동화된 미래를 가로막는 잠재적인 장애물입니다.

AI는 나에 대해 무엇을 알고 있나요?

일부 AI는 단순히 숫자를 처리하고 이를 대량으로 수집 및 결합하여 정보 떼를 생성하며, 그 결과는 매우 가치가 있을 수 있습니다.

귀하의 재정적, 사회적 행동, 특히 온라인 프로필에 대한 여러 프로필이 이미 있을 수 있으며, 이는 귀하의 행동을 예측하는 데 사용될 수 있습니다.

귀하의 슈퍼마켓 로열티 카드는 주간 상점을 통해 귀하의 습관과 취향을 추적합니다. 신용 기관은 귀하가 은행에 보유하고 있는 금액과 신용 카드에 지불해야 할 금액을 추적합니다.

Netflix와 Amazon은 어젯밤에 스트리밍한 콘텐츠 시간을 추적합니다. 귀하의 소셜 미디어 계정은 귀하가 오늘 댓글을 단 동영상 수를 알고 있습니다.

그리고 당신뿐만 아니라 이러한 숫자는 모든 사람을 위해 존재하므로 AI 모델이 사회적 추세를 찾기 위해 이 숫자를 휘저을 수 있습니다.

이러한 AI 모델은 대출이나 담보 대출을 받을 수 있는지 결정하는 데 도움을 주는 것부터 온라인에서 볼 광고를 선택하여 구매에 영향을 미치는 것까지 이미 여러분의 삶을 형성하고 있습니다.

AI가 모든 것을 할 수 있을까?

이러한 기술 중 일부를 단일 하이브리드 AI 모델로 결합하는 것이 가능합니까?

이것이 바로 AI의 가장 최근 발전 중 하나가 하는 일입니다.

이를 멀티모달 AI라고 하며 모델이 이미지, 텍스트, 오디오, 비디오 등 다양한 유형의 데이터를 살펴보고 이들 간의 새로운 패턴을 찾아낼 수 있습니다.

이러한 다중 모드 접근 방식은 AI 모델이 텍스트로만 훈련된 GPT3.5에서 이미지로도 훈련된 GPT4로 업데이트되었을 때 ChatGPT가 보여준 능력이 크게 도약한 이유 중 하나였습니다.

모든 종류의 데이터를 처리하여 언어 간 번역부터 신약 설계에 이르기까지 모든 작업을 수행할 수 있는 단일 AI 모델에 대한 아이디어를 일반 인공지능(AGI)이라고 합니다.

어떤 사람들에게는 이것이 모든 인공 지능 연구의 궁극적인 목표입니다. 다른 사람들에게 그것은 우리가 더 이상 통제할 수 없을 정도로 우리의 이해를 훨씬 넘어서는 지능을 발휘하는 모든 공상 과학 디스토피아로 가는 통로입니다.

AI를 어떻게 훈련시키나요?

최근까지 대부분의 AI를 훈련하는 핵심 프로세스는 "지도 학습"으로 알려졌습니다.

인간은 엄청난 양의 훈련 데이터 세트에 라벨을 부여하고 AI에게 데이터의 패턴을 파악하도록 요청했습니다.

그런 다음 AI는 이러한 패턴을 일부 새로운 데이터에 적용하고 정확성에 대한 피드백을 제공하라는 요청을 받았습니다.

예를 들어, AI에게 12장의 사진을 제공한다고 상상해 보십시오. 6장은 "자동차"라는 라벨이 붙어 있고 6장은 "밴"이라는 라벨이 붙어 있습니다.

다음으로 AI에게 자동차와 밴을 두 그룹으로 분류하는 시각적 패턴을 생성하도록 지시합니다.

이제 이 사진을 분류해 달라고 요청하면 어떤 일이 일어날 것이라고 생각하시나요?

불행하게도 AI는 이것이 그다지 지능적이지 않은 밴이라고 생각하는 것 같습니다.

이제 이것을 보여주세요.

그리고 이것은 자동차라는 것을 알려줍니다.

무엇이 잘못되었는지는 매우 분명합니다.

AI는 학습된 제한된 수의 이미지를 통해 색상이 자동차와 밴을 구분하는 가장 강력한 방법이라고 결정했습니다.

그러나 AI 프로그램의 놀라운 점은 AI 프로그램이 스스로 결정을 내렸다는 점입니다. 우리는 AI 프로그램이 의사결정을 개선하도록 도울 수 있습니다.

우리는 그것이 두 개의 새로운 물체를 잘못 식별했다고 말할 수 있습니다. 이것은 이미지에서 새로운 패턴을 찾도록 강요할 것입니다.

그러나 더 중요한 것은 훈련 데이터에 더 다양한 이미지를 제공함으로써 훈련 데이터의 편향을 수정할 수 있다는 것입니다.

이 두 가지 간단한 조치를 대규모로 함께 수행하면 대부분의 AI 시스템이 믿을 수 없을 정도로 복잡한 결정을 내리도록 훈련되었습니다.

AI는 어떻게 스스로 학습하는가?

지도 학습은 믿을 수 없을 정도로 강력한 훈련 방법이지만 최근 AI의 많은 혁신은 비지도 학습을 통해 가능해졌습니다.

가장 간단한 용어로 말하면, 복잡한 알고리즘과 거대한 데이터 세트를 사용하면 AI가 인간의 안내 없이 학습할 수 있다는 의미입니다.

ChatGPT가 가장 잘 알려진 예일 수 있습니다.

인터넷과 디지털 책에 있는 텍스트의 양이 너무 방대해서 ChatGPT는 수개월에 걸쳐 자체적으로 의미 있는 방식으로 단어를 결합하는 방법을 배울 수 있었고 인간은 그 응답을 미세 조정하는 데 도움을 줄 수 있었습니다.

외국어로 된 책이 잔뜩 쌓여 있고 그 중 일부에는 이미지가 포함되어 있다고 상상해 보세요.

결국 당신은 나무 그림이나 사진이 있을 때마다 같은 단어가 페이지에 나타나고, 집 사진이 있을 때 다른 단어가 나타나는 것을 알아낼 수 있습니다.

그리고 그 단어 근처에는 "a" 또는 "the" 등을 의미하는 단어가 종종 있는 것을 볼 수 있습니다.

ChatGPT는 단어 사이의 관계에 대해 이러한 종류의 면밀한 분석을 수행하여 거대한 통계 모델을 구축한 다음 이를 예측하고 새로운 문장을 생성하는 데 사용할 수 있습니다.

이는 AI가 엄청난 양의 단어(단어, 그룹, 문장 및 페이지 전체)를 암기한 다음 짧은 시간 안에 해당 단어가 어떻게 사용되는지 반복해서 읽고 비교할 수 있도록 하는 엄청난 양의 컴퓨팅 성능에 의존합니다. 두번째.

AI에 대해 걱정해야 합니까?

지난해 딥 러닝 모델이 이룩한 급속한 발전은 열광의 물결을 몰고 왔고, 인공 지능의 미래에 대한 우려로 대중의 참여가 더 많아졌습니다.

인종 차별, 성 차별, 폭력적인 발언이나 좁은 문화적 관점 등 인터넷에서 수집된 훈련 데이터의 편견이 인공 지능으로 인간의 편견을 복제하는 방식에 대해 많은 논의가 있었습니다.

또 다른 걱정은 인공 지능이 윤리나 행동의 더 넓은 의미를 충분히 고려하지 않고 문제를 해결하도록 임무를 부여받아 그 과정에서 새로운 문제를 일으킬 수 있다는 것입니다.

AI 분야에서는 철학자 Nick Bostrom의 사고 실험 이후에 이 문제가 "클립 최대화 문제"로 알려졌습니다.

그는 더 많은 클립을 위한 원료로 사용하기 위해 인간을 죽이는 것을 포함하여 임무를 수행하기 위해 지구상의 모든 천연 자원을 천천히 전환시키는 인공 지능이 가능한 한 많은 클립을 만들도록 요청받는 것을 상상했습니다.

다른 사람들은 미래의 살인적인 AI에 초점을 맞추기보다는 사람들이 기존 AI 도구를 어떻게 사용하여 정치에 대한 불신과 모든 형태의 미디어에 대한 회의론을 높일 수 있는지에 대한 즉각적인 문제에 더 관심을 가져야 한다고 말합니다.

특히 2024년 미국 대통령 선거에 전 세계의 이목이 쏠리고 있어 유권자와 정당이 새로운 차원의 정교한 허위 정보에 어떻게 대처할지 지켜보고 있습니다.

AI로 제작되고 각기 다른 유권자 집단을 분노시키기 위해 맞춤 제작된 대통령 후보의 가짜 동영상이 소셜 미디어에 넘쳐난다면 어떻게 될까요?

유럽에서는 EU가 AI 배포를 규제하여 시민의 권리를 보호하기 위해 인공지능법(Artificial Intelligence Act)을 제정하고 있습니다. 예를 들어 공공장소에서 실시간으로 사람을 추적하거나 식별하기 위해 얼굴 인식을 사용하는 것을 금지하는 것입니다.

이는 기업과 정부가 할 수 있는 일과 허용되지 않을 일에 대한 경계를 설정하여 이러한 기술의 향후 사용에 대한 지침을 확립하는 세계 최초의 법률 중 하나입니다. 그러나 인공 지능의 기능이 계속 성장함에 따라 이러한 법률은 마지막이 아닐 것 같습니다.