"개방형 진화" 태그로 연결된 1개 게시물개의 게시물이 있습니다.

2019년, 인공지능 연구의 선구자 리처드 서튼(Richard Sutton) 교수는 AI 역사상 가장 통찰력 있는 에세이 중 하나인 *《The Bitter Lesson(쓰라린 교훈)》*을 통해 다음과 같이 선언했습니다:

"70년에 걸친 인공지능 연구가 남긴 가장 뼈아픈 교훈은, 인간의 지식을 정교하게 손으로 모델링하려던 모든 시도가 결국 연산량을 활용해 스스로 학습하고 진화하는 범용 알고리즘에 의해 남김없이 압도당했다는 사실이다."

컴퓨터 비전 분야는 수십 년간 엔지니어들이 손수 깎아 만든 SIFT와 HOG 특징 추출기에 매달렸으나, 심층 합성곱 신경망(CNN)이 등장하자마자 하루아침에 자취를 감추었습니다. 자연어 처리 역시 복잡한 문법 트리와 언어학적 규칙을 손수 짜던 수십 년의 노력이 어텐션(Attention) 기반 트랜스포머에 의해 한순간에 대체되었습니다.

오늘 스탠포드 CS329A: Self-Improving AI Agents (스스로 발전하는 AI 에이전트) 제7강에서 우리는 에이전트 공학의 가장 근원적인 질문과 정면으로 마주합니다:

"지금까지 우리가 열심히 배운 ReAct 루프, PRM 검증기, LATS 트리 탐색... 이 모든 정교한 에이전트 시스템을 왜 여전히 인간 엔지니어가 손으로 한 줄 한 줄 코딩하고 있는가? 튜링 완전한 파이썬 코드를 생명체의 DNA로 삼아, 에이전트가 스스로 더 뛰어난 에이전트를 설계하고 진화시킬 수는 없는가?"

이번 포스팅에서는 Open-Ended Evolution LLM(거대 언어 모델의 개방형 진화) 프론티어를 탐구하며, Automated Design of Agentic Systems ADAS(에이전트 시스템의 자동 설계), Sakana AI의 The AI Scientist Sakana가 주도한 Autonomous Machine Learning Discovery(자율 머신러닝 과학 발견), 그리고 Google DeepMind의 AlphaEvolve가 실현한 **Self-Referential Code Evolution(자가 참조 코드 진화)**의 3대 혁신을 완벽 해부합니다.