전환의 비용 청구서 — 게이츠의 토큰 세금·kernel.org 크롤러 폭탄·MIT의 과제 개편

오늘의 핵심

오늘의 축은 ‘전환의 비용을 누가 정산하느냐’입니다. 빌 게이츠는 그 비용을 토큰과 로봇에 세금으로 청구하자고 공식 제안했습니다. kernel.org는 자기 인프라 용량의 약 20%를 크롤러 렌더링에 내주고 있고, 한국 플랫폼들은 저마다 robots.txt로 개방과 차단의 값을 매기고 있습니다. MIT는 과제라는 형식 자체를 고치기로 했고, 엔비디아는 규제의 그림자가 보이자 금융 확장을 걷어냈습니다. 거대 담론과 실무 현장이 같은 질문을 동시에 받아 쓰고 있는 날입니다.

빌 게이츠 — “AI 토큰과 로봇에 세금을 걸자”

빌 게이츠가 8월 30일 게이츠노츠에 ‘AI 시대의 선택’ 에세이를 발표했습니다. AI로의 전환이 “인류 역사상 가장 격랑적인 시기”가 될 것이라며, 지금 세계가 그 전환을 위해 제대로 준비하지 못하고 있다는 진단이 골자입니다.

3대 위험: 일자리(주로 입문·중간급 위주, 스탠퍼드 캐너리 연구의 젊은층 고용 감소 인용), 범죄자 무장(사이버·생화학 공격의 민주화), 권력 집중(자율 무기·여론 조작)입니다.
핵심 제안: 노동과 자본의 과세 균형 재조정입니다. 고용주가 사람을 쓰면 급여세를 내지만 로봇을 사면 바로 비용 처리가 되는 지금의 세제는 기계 대체를 부추긴다며, AI 토큰과 로봇에 세금을 걸어 재교육과 안전망 재원으로 쓰자고 주장했습니다.
설계 원칙: 의료와 교육을 싸게 만드는 같은 ‘순수하게 유익한’ 사용은 둔화시키지 않도록 타게팅해야 한다고 못 박았습니다. 그는 몇 년 전 로봇세를 제안했다가 “이상한 생각” 취급을 받았다고 회고하며 여전히 지지한다고 덧붙였습니다.

📢 프론티어 속도 논쟁에 재정 정책이 정식으로 등장했습니다. 세금은 전환의 브레이크이자, 전환 이득을 분배하는 청구서입니다. 어느 쪽 설계가 이길지가 다음 정치 쟁점이 됩니다.

출처: The choices we make about AI now are critical⁠—⁠Gates Notes

MIT — “거의 모든 학부 과제를 AI가 해결합니다” … 교육 모델 전면 개편 검토

MIT의 AI 특별위원회가 보고서를 내고 학부 교육 전반의 재설계 검토에 들어갔습니다. 에릭 클롭퍼(Eric Klopfer)·새뮤얼 매든 교수 공동 의장 체계로, “AI가 학부 커리큘럼의 거의 모든 서면 과제 — 에세이, 수학·과학 문제, 증명, 코딩 — 를 그럴듯하게 해결할 수 있다”는 결론이 핵심입니다.

문화 변화 관측: 3년이 채 안 돼 오피스아워 감소, 온라인 토론 참여 저하, 기숙사·도서관 대면 스터디 그룹 축소가 관찰됐다고 보고서는 적습니다.
개편 방향: 구두 시험, 손글씨 에세이, 수업 중 발표와 실습 중심으로 평가를 다시 설계하는 방향이 거론됩니다. AI 사용을 잡아내는 탐지가 아니라 과제의 형태를 바꾸는 쪽입니다.
동향: 시카고대 로스쿨은 1학년 과정에서 폰·노트북을 금지하는 전략을 채택했고, 프린스턴대는 100년 넘긴 무감독 시험 명예규정을 AI 부정 사건 여파로 폐지했습니다.

📢 'AI가 못 풀 과제 만들기' 경쟁이 아니라, 사람이 해야만 의미 있는 과제로 평가 정의를 옮기는 선택입니다. 세계 최고 공대가 내린 결론이 '적응'이 아니라 '재설계'라는 점이 무겁습니다.

출처: Report of MIT’s Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training⁠—⁠MIT, MIT Warns That AI Can Now Credibly Complete Pretty Much Any Undergrad Assignment⁠—⁠Futurism

엔비디아 — AI 클라우드 파이낸싱 축소, 반독점 우려 속 후퇴

엔비디아가 두 달 남짓 전 도입한 ‘AI 컴퓨트 파트너십 프로그램’의 일부 거래를 중단했다고 30일 보도됐습니다. 자사 하드웨어를 사는 클라우드 사업자에게 금융 지원을 주고, 그 시설에서 나오는 수익의 일부를 받는 구조였습니다.

거래 조건: 초기 제안에서 엔비디아는 일정 역치를 넘는 매출의 최대 50%를 배분받고, 고객을 못 구한 클라우드의 유휴 GPU를 직접 임차해 주는 백스톱을 제공하는 안이었습니다. 초기 참여자로 Sharon AI와 Firmus 테크놀로지스가 거론됐습니다.
철수의 배경: 정확한 이유는 공개되지 않았지만, 임직원들이 반독점 조사를 초래할 수 있다고 우려해 왔고, 임대 조건에 대한 잠재 파트너의 반발도 있었던 것으로 전해집니다. 프로그램은 재편되거나 다른 제도로 흡수될 수 있습니다.

📢 칩 지배력이 금융로 확장되는 순간, 생태계 촉진 장치가 규제 리스크로 바뀝니다. 자본을 무기로 삼는 성장 전략의 한계를 엔비디아 스스로 보여준 장면입니다.

출처: Nvidia Pulls Back on AI Cloud Financing Plan as Antitrust Questions Mount⁠—⁠PYMNTS

kernel.org — 하루 600만 건 크롤러 폭탄, 정상 트래픽은 2%

kernel.org 인프라를 관리하는 콘스탄틴 랴비체프가 29일 ‘Creepy crawlies’를 발표해 해커뉴스 1위(750포인트)에 올랐습니다. 결론부터: git.kernel.org는 하루 약 600만 건의 무작위 커밋 열람 요청을 받고, 관대한 가정을 해도 정상 요청은 약 2%에 불과하며 나머지는 전부 스크래퍼입니다.

자원의 값: 지리적으로 분산된 5개 노드의 코어 90개 중 14~16개가 상시적으로 스크래퍼용 커밋 HTML 렌더링에 쓰입니다. 평균 전체 용량의 약 20%이고, 실제 그래프는 떼 지어 몰리는 파형입니다.
싸움의 역사: UA 위장 → IP 차단 → 서브넷·ASN 차단으로 이어지다가, 이제는 수백만 개의 주거·모바일 IP에서 4~5건만 요청하고 사라지는 봇이 주류가 됐습니다. TV를 포함한 가전이 프록시로 동원되는 ‘프록시 SDK 수익화’의 세계입니다.
아이러니: 전체를 git clone 한 번으로 얻을 수 있는데, 굳이 커밋을 하나씩 HTML로 렌더해 긁는 방식을 씁니다. LLM 오염이 없는 프리-AI 데이터로서 커널 히스토리가 금광이기 때문입니다. Anubis 난제(난이도 4 → 5)도 결국 뚫려 이제 33%가 산수를 풀고 통과합니다.
대응: 크롤링 가능한 URL을 줄이고 비싼 동작에 문을 닫는 방향으로 기능을 끄겠다고 발표했습니다. 다운로드 자체는 계속 누구에게나 열어둔다는 약속과 함께.

📢 robots.txt는 요청이지 강제가 아닙니다. 공개 인프라의 운영 비용이 크롤러 경제로 외부화되고, 그 청구서는 자원봉사자들이 받고 있습니다. AI의 학습 데이터가 '공짜'가 아니라는 사실의 가장 물리적인 증거입니다.

출처: Creepy crawlies⁠—⁠Konstantin Ryabitsev (people.kernel.org)

한국 플랫폼 15곳 robots.txt 전수 실측 — 네이버는 잠그고, 브런치는 골라 열고

위즈더플래닝이 한국 사장님들이 콘텐츠를 쌓는 플랫폼 15곳의 robots.txt를 직접 열어 AI 봇 정책을 봇 이름 단위로 정리했습니다. 7월 27일 전수 확인 후 8월 27일 같은 기준으로 재확인한 결과입니다.

봇은 두 종류: 학습봇(GPTBot·ClaudeBot·Google-Extended·CCBot)과 AI 검색봇(OAI-SearchBot·ChatGPT-User·Claude-SearchBot·PerplexityBot)을 나눠봐야 합니다. 학습을 막아도 AI 답변 인용에는 영향이 제한적이지만, 검색봇까지 막히면 AI 답변에 아예 인용되지 못합니다.
네이버 계열: 블로그·카페·스마트스토어·메인이 학습봇과 AI 검색봇을 모두 이름으로 지정 차단했습니다. 블로그와 카카오맵은 “AI 학습 및 RAG 목적 접근 금지” 경고문까지 붙였고, 카페는 구글·빙 같은 일반 검색봇까지 막았습니다.
카카오의 분화: 카카오맵은 전면 차단인데 브런치는 학습봇만 막고 AI 검색봇을 빙봇과 같은 등급으로 허용했으며, 티스토리는 AI 봇 제한이 아예 없습니다.
정교한 중간값: 다이닝코드는 “AI 모델 무단 학습 차단(검색 인덱싱·트래픽 유지)“이라는 한국어 주석과 함께 학습봇만 차단했습니다. 식신은 완전 개방, 캐치테이블은 허용 목록 방식이라 AI봇이 전부 차단, 당근은 국내 콘텐츠에서 46종을 지정 차단했습니다.

구분	예시	AI 답변 인용
전면 차단	네이버 블로그·카페, 배민, 당근	불가
학습만 차단	브런치, 다이닝코드(부분)	가능
완전 개방	티스토리, 식신, 요기요	가능

📢 같은 노력으로 쓴 글이라도 어디에 쌓았는지에 따라 AI 답변에서 존재하거나 존재하지 않게 됩니다. 개방은 정책 선언이 아니라 노출 전략 그 자체가 됐습니다.

출처: 한국 플랫폼 15곳 중 AI가 읽을 수 있는 곳: robots.txt 전수 실측⁠—⁠위즈더플래닝

Heretic — 언어모델 정렬 해제를 자동화하는 도구가 스타 2.9만 개

깃허브 트렌드 오늘의 저장소 1위로 올라온 Heretic은 트랜스포머 언어모델에서 ‘안전 정렬’을 제거하는(일명 어블리터레이션) 과정을 완전 자동화한 CLI 도구입니다. 별점 2.9만 개, AGPL-3.0 라이선스입니다.

동작 원리: 방향 소거(directional ablation) 기법에 옵트루나 기반 TPE 최적화를 결합해, 거부 응답 수와 원 모델과의 KL 발산을 함께 최소화하는 파라미터를 찾습니다. 거북한 답변을 없애되 원래 지능을 최대한 보존하는 것이 목표입니다.
지원 범위: 대부분의 dense 모델, 다수의 멀티모달 모델, 여러 MoE 아키텍처, Qwen3.5 같은 하이브리드까지 지원합니다. 트랜스포머 내부를 이해하지 않아도 명령줄 하나로 쓸 수 있다는 것이 설명입니다.

📢 GLM·Hy4로 이어진 오픈 웨이트 확장의 이면입니다. 가중치가 열리면 정렬도 배포자가 아니라 사용자의 선택이 됩니다. 막는 대답 대신, 열린 모델의 거버넌스를 어떻게 설계할지가 실질 과제로 남습니다.

출처: Heretic: Fully automatic censorship removal for language models⁠—⁠GitHub

Monarch Chrysalis v1 — 토큰 밖에서 생각하는 6.93B MoE, 데스크톱 CPU에서 돌아갑니다

사이멜라 리서치가 27일 희소 전문가 혼합(MoE) 모델에 잠재 공간 추론을 결합한 Monarch Chrysalis v1의 첫 학습 완료를 발표했습니다. 총 6.93B 파라미터, 층당 전문가 64개에 토큰당 8개 활성 구조입니다.

핵심 설계: 시퀀스 차원 잠재 추론입니다. 디코딩되지 않는 위치를 추가해 그 마지막 은닉 상태를 다음 입력 임베딩으로 되돌리고, 학습된 정지 판단기가 몇 칸을 쓸지 정합니다. 텍스트로 드러나는 사고연쇄를 대체하는 방식입니다.
실행 조건: TPU에서 2,126스텝으로 학습을 마쳤고, 검증된 바이트 크기는 13,865,515,469입니다. 렌터드 클러스터가 아니라 라이젠 7 5700X와 31 GiB DDR4 데스크톱 CPU에서 구동되며 콜드 로드는 80초라고 밝혔습니다.

📢 희소 MoE와 잠재 추론이라는 프론티어 실험 두 축을 개인 장비까지 끌어내린 사례입니다. 다만 스스로 '이른 연구 모델'이라고 못 박은 만큼, 완성도가 아니라 방향의 증거로 읽어야 합니다.

출처: First of its kind⁠—⁠Cymela Research

해자는 증발 중 — 16 GB 램에서 도는 오픈 LLM의 현주소

해크어데이가 30일 오픈 LLM의 기업 해자 붕괴를 다뤘습니다. TerminalBytes가 개인 장비에서 여러 오픈 모델을 직접 구동·비교한 실험을 소개한 글입니다.

실험 내용: 맥 스튜디오 256 GB 통합 메모리에서 Qwen3.8 27B를 돌리고, Qwen3.6과 3.8, 그리고 각 모델의 퀀트(양자화) 버전을 비교했습니다. 많은 퀀트가 32 GB 이하, 흔한 게이밍 PC에서도 돌아가며, 16 GB에서도 도는 1비트 퀀트도 시험했습니다(결과는 혼재).
해자의 재정의: 폐쇄 모델 기업의 우위를 지탱하던 학습 비용 장벽이 오픈소스로 빠르게 빠져나가, 이제 남은 벽은 물리적 컴퓨팅 자원이 전부라는 것이 글의 판단입니다.

📢 모델의 해자가 지능 그 자체에서 배포 비용·신뢰·통제권으로 이동하고 있습니다. 커서 사태에서 본 공급 중단 리스크와 겹쳐 읽으면, 셀프 호스팅은 보수가 아니라 전략으로 확대되는 중입니다.

출처: LLM Moats Quickly Evaporating⁠—⁠Hackaday

TwelveLabs Jockey로 영상 QA 자동화 — 한 달 실측이 밝힌 신뢰의 경계선

개발자 체셔 김이 30일 인프런 강의 18편을 만들며 영상 이해 AI로 검수 파이프라인을 구축한 한 달의 실측기를 공개했습니다. 결론은 “방향 탐지는 놀랍도록 유효하고, 세부 판독은 반드시 사람이 확정해야 한다”입니다.

문제 정의: 촬영이 아니라 검수가 병목이었습니다. 편당 5~25분 18편을 두 번 정주행하면 최소 10시간인데, 제작자는 이음새 위치를 다 알아서 ‘처음 보는 눈’이 구조적으로 불가능합니다.
환각 사건: 없는 자막을 “있다”, 넣은 빨간 박스 아홉 개를 “없다”로 뒤집은 오판독이 나왔습니다. 원인은 1분 16초로 잘린 업로드 파일과 평가형 프롬프트의 합작이었고, ‘평가’가 아니라 ‘관찰’을 시키는 프롬프트로 교정 테스트하자 정확히 복구됐습니다.
신뢰 지도: 신뢰(구조·딜리버리·편집 요소 존재), 조건부(타임스탬프 ±수초, 표본 기반 커버리지), 불신(한글 화면 문구 전사, BGM 검출, 다중 영상 교차 오염)로 나눴습니다. 수정 사실을 알리지 않은 재검수에서 이전 지적이 사라지자 “재현 가능한 QA 장비”로 인정했습니다.

📢 도구 신뢰는 스펙시트가 아니라 실측으로 만들어지고, 그 경계선을 아는 도구가 쓸모 있는 도구입니다. 10시간 정주행이 해당 지점만 확인하는 수십 분으로 바뀌는 동안 확정은 끝까지 사람의 몫으로 남았습니다.

출처: TwelveLabs Jockey로 영상 QA 자동화하기⁠—⁠체셔 Kim 블로그

GitNexus — 브라우저 안에서 도는 서버 없는 코드 지식그래프, 스타 4.6만 개

깃허브 트렌드에 오른 GitNexus는 서버 없이 브라우저에서만 동작하는 코드 지식그래프 엔진입니다. 깃 저장소(GitHub·GitLab·Azure·로컬)나 ZIP 파일을 끌어놓으면 인터랙티브 지식그래프와 내장 Graph RAG 에이전트를 만들어 줍니다. 별점 4.6만 개입니다.

프라이버시 경로: 코드 파싱과 그래프 생성이 전부 클라이언트에서 일어나 저장소가 브라우저 밖으로 나가지 않는다는 것이 핵심 설명입니다. 코드 탐색·온보딩·구조 이해 용도로 쓸 수 있습니다.
주의할 점: 라이선스가 비상업 폴리폼 계열로 확인되어 상업 활용 전에 조건을 따져야 하고, GitNexus 명의의 가짜 암호화폐를 경고하는 공지가 README 상단에 붙어 있을 만큼 이름 도용 시도가 있었습니다.

📢 코드 이해 도구가 클라우드 분석에서 로컬 실행으로 갈리는 지점입니다. 비밀 저장소를 외부 API에 올릴 수 없는 조직에게는 열린 선택지이지만, 라이선스 조건이 실사의 첫 항목이 됩니다.

출처: GitNexus: The Zero-Server Code Intelligence Engine⁠—⁠GitHub

오늘의 도구 추천

Scientific Agent Skills — 검증된 과학 연구 스킬 163개와 과학 데이터베이스 100여 개를 에이전트에 얹는 오픈소스 스킬 팩입니다. 커서·클로드 코드·코덱스·구글 안티그래비티 등 열린 에이전트 스킬 표준을 지원하는 도구라면 어디서든 쓸 수 있고, 보안 스캔과 스킬 테스트가 깃허브 액션으로 돌아갑니다. ‘클로드 사이언티픽 스킬’에서 이름을 바꾸며 특정 벤더 자산에서 표준 기반 생태계로 이동했다는 점이, 스킬이 에이전트의 다음 공유 자산이 되고 있다는 오늘의 흐름과 정확히 맞닿아 골라봤습니다.

에디터 노트

오늘 뉴스를 한 줄로 압축하면 “전환의 청구서를 누가 어떻게 정산하나”입니다. 게이츠는 세금으로 정산하자고 했고, kernel.org는 자기 코어 20%를 이미 내주고 있습니다. 네이버는 잠그는 값, 브런치와 다이닝코드는 골라 여는 값을 매겼고, MIT는 과제라는 형식 자체를 다시 설계하기로 했습니다. Jockey 실측기의 저자는 가장 소박한 방식으로 답했습니다 — 열 번 보지 말고, 어디를 봐야 할지 먼저 알게 하라. 거대 담론이 노동과 시간의 단위로 번역되는 순간들이 쌓이는 것이 전환의 실제 모양새라고 생각합니다.

다음에 또 찾아옵니다. — 에이브랜치