2007년 1월 9일, 사람들이 이미 알고 있는 움직임에 반응하는 화면을 갖춘 최초의 iPhone이 출시되었습니다. 뭔가를 탭하셨습니다. 당신은 목록을 휙휙 휙휙 휙휙 휙휙 휙휙 휙휙 휙휙 휙휙 휙휙 휙휙 휙휙 휙휙 목록을 봤습니다. 사진을 꼬집으셨네요. 그리고 제스처는 단순히 컨트롤 위에 놓인 장식이 아니었습니다. 그들은 통제였습니다.
이번 출시에서는 스타일러스나 키보드 대신 손가락으로 실행하는 인터페이스에 대해 설명했으며 그 아래의 아이디어는 하드웨어보다 훨씬 더 중요했습니다. 사람들은 더 이상 단순한 의도를 장치가 요구하는 순서로 변환할 필요가 없었습니다. 대신, 장치는 그들의 손이 이미 말한 언어로 그들을 만났습니다.
이 한 가지 원칙은 향후 20년 간의 소비자 기술을 형성했습니다. 왜냐하면 원하는 것과 이를 달성하기 위해 수행해야 하는 작업 사이의 전체 변환 계층을 제거했기 때문입니다. 가장 강력한 인터페이스는 통제를 방해하지 않고 사람들이 달성하고 싶은 것을 최대한 자연스럽게 표현할 수 있게 해주는 인터페이스일 것입니다.
그러나 LLM 기반 AI는 이러한 설정 스타일 선택 중 일부를 다시 경험으로 가져왔습니다. 이번에는 확대/축소 수준에 대한 질문보다는 특정 작업에 얼마나 많은 추론이 필요할 수 있는지에 대한 질문이 더 많습니다.
AI가 설정 패널을 다시 가져왔습니다.
빠른 사실과 인생을 바꾸는 결정이 모두 동일한 상자에 입력됩니다. 그러나 그들은 같은 정도의 생각을 할 자격이 없습니다. 빠르고 정확한 답변이 필요합니다. 다른 하나는 더 넓은 관점, 추가적인 교차 확인 및 초기 결론을 재검토하려는 의지를 요구할 수 있습니다.
오늘날의 LLM AI 중 일부는 이제 추론 모드, 토큰 예산 또는 낮음, 중간, 높음으로 표시된 노력 제어를 제공합니다. 그리고 그것은 기술에 대한 진실을 반영하기 때문에 진정한 진보입니다. 추론 중에 더 많은 계산을 하면 실제로 더 나은 답변을 얻을 수 있습니다. 특히 방법과 노력이 프롬프트의 난이도에 맞춰질 때 더욱 그렇습니다.
테스트 시간 계산에 대해 널리 논의된 연구에서는 할당 전략이 중요하다는 사실이 밝혀졌습니다. 난이도가 변함에 따라 다양한 접근 방식이 다르게 작동했으며 실제로 필요한 곳에 컴퓨팅을 적응적으로 사용하는 것이 모든 문제에 단순히 더 많은 컴퓨팅을 투입하는 것보다 더 효과적이었습니다.
소비자 테이크아웃은 기본 연구보다 간단할 수 있습니다. 더 많은 노력을 기울이는 것이 도움이 될 수 있지만 사람들이 문제를 완전히 이해하기 전에 기술 모드를 선택하도록 요청하면 불필요한 마찰이 가중될 수 있습니다. 이는 스키를 처음 타는 사람에게 산이 뚜렷이 보이지 않는 코스를 선택하라고 요청하는 것과 비슷합니다.
긴 것이 더 깊은 것과는 다르다
아마도 이미 Think hard(생각하기), 철저하게(perful), 서두르지 마세요라고 입력했을 것입니다. 그리고 기존 LLM AI는 이에 반응하는 경향이 있습니다. 대답이 길어지고, 몇 단계가 추가되고, 좀 더 진지한 어조가 됩니다. 그러나 그 어느 것도 실제 사고가 위험에 따라 실제 비율로 바뀌었다는 것을 증명하지 못합니다.
때로는 추가 단어가 단순히 동일한 전제를 다시 언급하여 더 깊은 분석을 반드시 반영하지 않고도 답변이 더 고려된 것처럼 보이게 만드는 경우가 있습니다. 한편, 실제 노력 수준은 여전히 많은 사용자가 접하지 않는 모드, 토큰 허용 또는 기타 설정에 의해 결정될 수 있습니다.
그리고 이로 인해 사용자는 이상한 종류의 부담을 갖게 됩니다. 질문을 표현하고 기술적으로 얼마나 어려운지 추측하고 제품의 제어를 이해한 다음 요청할 컴퓨팅 용량을 결정해야 합니다. 사람들은 직관적인 디지털 상호 작용 뒤에 있는 기술적 메커니즘에 대해 생각할 필요가 거의 없으며 AI 시스템에 신중하거나 기본적인 추론을 요청하는 것도 거의 동일한 방식으로 작동할 수 있습니다.
스테이크는 이미 문장에 있습니다
사람들은 항상 노력한다는 신호를 보내며, 대개는 그것에 대해 생각조차 하지 않습니다. “빠른 버전을 주세요”는 모든 세부 사항을 파악하는 것보다 속도에 더 관심을 갖는다는 의미입니다. 하지만 “이전 휴대폰을 지우기 전에 이 사진이 실제로 백업되었는지 확인하세요”와 같은 말은 부주의한 답변으로 인한 비용이 훨씬 높아졌다는 것을 의미합니다. 그리고 “이 일을 하기 전에 모든 실패 지점을 살펴보라”는 동료에게 탐색 범위를 넓혀 모든 확실한 경로에 도전하라고 말합니다.
이 세 가지를 구분하는 메뉴가 필요한 사람은 없습니다. 긴급함, 원하는 깊이, 오류의 여지 등 모든 것이 귀하가 요청하는 내용에 따라 진행됩니다. 인간의 언어는 작업과 작업에 합당한 관심 수준을 동일한 호흡으로 넘겨줍니다.
그리고 이것이 지능을 위한 자연스러운 인터페이스가 보호해야 하는 것입니다. 문장이 단지 응답의 스타일을 바꿔서는 안 됩니다. 그 뒤에 있는 사고의 양과 형태가 바뀌어야 합니다.
노력을 통해 구조를 바꿔야 한다
Vertus는 노력을 의미의 일부로 취급합니다. 인지 추론 초지능 내에서 노력 중심 인지는 작업에 얼마나 많은 처리가 필요할 수 있는지에 대한 신호로 일반 언어를 사용하도록 설계되었습니다. 별도의 기술 모드를 선택하는 대신 사용자는 시스템이 요청에 접근하는 방식을 형성하는 데 도움이 되는 문구를 사용하여 필요한 것을 친숙한 용어로 설명할 수 있습니다.
그 뒤에 있는 메커니즘을 노력 반응 처리라고 합니다. 예를 들어, 더 엄격한 모양을 요청하면 Vertus는 더 많은 통합과 추가 내부 단계를 갖춘 더 넓은 처리 구조를 사용할 수 있는 반면, 속도에 대한 요청은 더 간소화된 경로를 선호할 수 있습니다. 단순히 페이지에 더 긴 답변으로 표시되는 것이 아니라 응답 뒤에 작업이 수행되는 방식에 차이가 나타날 것이라는 아이디어입니다.
더 빠른 요청에는 더 좁은 수준의 분석이 필요할 수 있지만, 더 큰 이해관계가 있는 질문이나 상충되는 결론을 테스트하라는 요청에는 더 광범위한 접근 방식이 필요할 수 있습니다. Vertus는 사용자가 이를 기술적 매개변수로 변환하지 않고도 이러한 신호에 맞게 조정되도록 설계되었습니다.
이는 사용자의 마음을 읽는 데 달려 있지 않습니다. 관련 신호는 요청이 표현되는 방식에 이미 존재하며 Vertus는 강조와 강도의 차이를 동일한 응답 패턴으로 평활화하는 대신 신호로 처리하도록 설계되었습니다.
가장 좋은 통제는 사라지는 통제이다
최초의 iPhone은 설정을 영원히 없애지 않았습니다. 그것은 단지 그들에게서 공통의 의도를 끌어냈을 뿐입니다. 탭, 플릭, 핀치 등은 사람들이 가장 많이 하는 일에 충분했고, 모든 기계는 그 경험보다 뒤로 밀려났습니다.
인지적 노력도 같은 종류의 반응으로부터 이익을 얻을 수 있습니다. “깊이 생각하라”는 요청은 합리적으로 더 넓은 분석으로 이어질 수 있는 반면, “단순하게 유지하라”는 것은 동일한 프로세스의 단순한 버전이 아니라 더 집중적인 접근 방식을 의미할 수 있습니다.
사용자가 기본 메커니즘을 관리할 필요 없이 시스템이 작업과 그 이해 관계에 응답할 때 인텔리전스를 사용하기가 더 쉬울 수 있습니다. 노력의 수준은 별도의 제어 세트가 아닌 자연어에 따라 결정될 수 있습니다.
디지털 트렌드는 외부 기여자와 협력합니다. 모든 기고자 콘텐츠는 Digital Trends 편집진이 검토합니다.
관련 정보는 아래 링크에서 확인하세요