저커버그: 메타의 뮤즈 AI, 개인 업무와 프라이버시 재편할 것

메타는 데이터 센터 건설에 필수적인 인력 부족 문제를 해결하기 위해 '아메리카 워크포스 아카데미(America's Workforce Academy)'를 설립했습니다. 이 프로그램은 특히 광섬유 기술자, 전기 기사 및 목수를 훈련시키며, 졸업 시 메타의 인프라 프로젝트에 취업을 보장합니다. 저커버그는 이 이니셔티브를 중요한 인프라 요구 사항에 대한 장기적인 인센티브 정렬에 대한 전략적 투자로 보고 있습니다.

저커버그는 소수의 연구소만이 AI와 같이 중요하고 유능한 기술을 통제해서는 안 된다고 주장하며, 기술 확장을 위해서는 그 이점을 널리 분배하는 것이 필수적이라고 말합니다. 그는 사회적, 기술적 성공이 서로 얽혀 있어야 하며, 소수의 기업에 의한 부와 권력의 독점을 막아야 한다고 믿습니다. 이러한 오픈 소스 접근 방식은 AI의 광범위한 사회적 수용 및 통합을 위한 전제 조건으로 간주됩니다.

저커버그는 뮤즈를 이용해 딸과 함께 베이킹 프로젝트를 정리하며, 뮤즈가 삶의 조정을 위한 개인 비서로서의 역량을 보여줍니다. 이 AI 에이전트는 Instacart와 같은 서비스를 통해 재료 조달을 관리하고, 예를 들어 특정 레시피가 너무 어렵다는 것을 깨닫는 등 과거의 실패로부터 학습합니다. 이는 뮤즈가 실제 결과에 따라 접근 방식을 조정하고 개선하는 능력을 보여줍니다.

저커버그는 MMA 체육관 카메라의 영상을 뮤즈에 입력하여 성능 피드백을 받습니다. AI 에이전트는 객관적이고 때로는 직설적인 비판을 제공하며, 코치들은 이를 활용하여 운동선수들의 민감한 성능 문제를 해결할 수 있습니다. 이는 뮤즈가 다양한 분야에서 공정하고 효과적인 코칭을 제공할 잠재력을 가지고 있음을 보여줍니다.

이러한 지속성은 에이전트가 사용자에게 끊임없이 프롬프트를 요구하지 않고도 새로운 작업을 사전에 제안하고 생성할 수 있도록 합니다. 이 기술은 백그라운드에서 가상 머신을 추가하여 에이전트가 사용자를 위해 컴퓨터를 제어하고 로그인하며 자율적으로 작업을 수행할 수 있도록 합니다. 이는 AI 에이전트가 사용자 작업과 상호 작용하고 관리하는 방식에 있어 중요한 변화를 나타냅니다.

이 방법은 사용자가 AI를 효과적으로 활용하는 방법을 모르는 일반적인 문제를 에이전트가 집단적으로 개선하도록 함으로써 해결하는 것을 목표로 합니다. 공유된 익명 지식 기반은 개별 에이전트가 시간이 지남에 따라 더욱 유능하고 직관적으로 되어 전반적인 사용자 경험을 향상시킬 수 있도록 합니다.

메타는 뮤즈 내에서 메타 자신도 사용자 데이터에 접근할 수 없도록 설계된 기밀 VM 프로젝트를 이끌도록 Moxie Marlinspike를 영입했습니다. 이 시스템은 기술적으로 검증 가능한 프라이버시 보장을 제공하여 사용자가 자신의 가상 머신과 관련된 모든 정보가 비공개로 유지될 것이라고 신뢰할 수 있도록 하는 것을 목표로 합니다. 핵심적인 약속은 메타가 사용자 뮤즈 에이전트에 저장된 내용을 볼 수 없다는 것으로, 초기 단계부터 중요한 프라이버시 문제를 해결합니다.

메타의 뮤즈 목표는 기술 숙련도와 관계없이 모든 사람이 접근할 수 있는 개인 에이전트 경험을 만드는 것입니다. 이 접근 방식은 사용자가 자체 컴퓨터나 가상 머신을 설정해야 하는 복잡성을 피합니다. 뮤즈는 클라우드 프로비저닝 방식으로 설계되어 일반적으로 로컬, 개인 장치와 관련된 보안 및 프라이버시 이점을 제공하며, 모든 사용자에게 단순히 '작동'하도록 보장합니다.

메타는 사용자 AI 에이전트가 보내는 들어오고 나가는 트래픽과 데이터를 모니터링하는 감시 에이전트를 개발했습니다. 이 에이전트는 주로 프롬프트 주입 및 결제나 데이터 전송과 같은 민감한 작업과 같은 잠재적 문제를 사용자 검토를 위해 표시합니다. 사용자는 특정 신뢰할 수 있는 작업에 대해 '항상 허용' 규칙을 설정할 수도 있어 자동화와 인간 감독의 균형을 이루는 유연하면서도 안전한 시스템을 만듭니다.

그는 서로 다른 에이전트가 비즈니스 애플리케이션과 개인 관계와 같이 구별되는 작업에 특화되고 뛰어날 수 있으며, 이는 독점이 아닌 다양한 생태계를 조성할 것이라고 제안합니다.

저커버그는 대규모 언어 모델(LLM) 구축 및 확장 접근 방식을 처음에는 다른 머신러닝 유형과 유사할 것이라고 잘못 판단했음을 인정했습니다. 이로 인해 Llama 4는 확장 궤도를 충족하지 못했고, 전략 변경을 촉발했습니다. 새로운 초점은 '인재 밀도'와 더 작고 긴밀한 팀에 맞춰져 있으며, 저커버그는 초기 오류를 수정하기 위해 기술 지침 및 연구소 확장에 대한 개인적인 참여를 늘리고 있습니다.

뮤즈 에이전트는 사용자 목표를 달성하기 위해 세상과 상호 작용하도록 설계되었으며, 사용자 프라이버시와 신중함을 엄격하게 유지합니다. 에이전트는 의료 기록이나 알레르기와 같은 민감한 정보를 개인 데이터를 과도하게 공유하지 않고 처리해야 합니다. 이 핵심 역량은 AI가 사용자를 대신하여 행동하는 동안에도 프라이버시와 신뢰를 보호하기 위해 정보를 선별적으로 공개하도록 보장합니다.

저커버그는 최고의 개인 AI 에이전트를 달성하려면 기존 '기성' 모델을 단순히 사후 훈련하는 것이 아니라 엔드 투 엔드 통합 접근 방식이 필요하다고 주장합니다. 이는 인프라, 머신러닝 연구 및 맞춤형 칩 개발을 처음부터 깊이 통합하는 것을 포함합니다. 그는 사소한 수정이 있는 사전 구축된 솔루션에 의존하는 것이 포괄적이고 전체적인 전략으로 설계된 제품만큼 효과적이지 않을 것이라고 믿습니다.

모든 사람에게 '초지능 변호사'가 있는 것처럼 초지능 AI에 대한 광범위한 접근은 권력 집중을 방지하고 더 효율적인 사회 시스템을 만들 것입니다. 이러한 민주화는 어떤 단일 주체도 제한된 기술을 통해 부당한 이점을 얻지 못하도록 보장하여 보다 공평하고 역동적인 환경을 조성합니다. 비전은 소수의 사람들만이 고급 AI의 혜택을 받고 다른 사람들은 뒤처지는 시나리오를 피하는 것입니다.

이 조명은 카메라를 완전히 비활성화하지 않고는 우회할 수 없으므로 투명성을 보장합니다. 이러한 기능은 출시 당시 발표되었지만, 주류 채택을 위해서는 이러한 내장된 프라이버시 보호 장치에 대한 새롭고 명확한 사용자 커뮤니케이션이 필요합니다.

저커버그는 한 회사의 일방적인 제한이 사용자들을 틱톡과 같은 덜 규제된 플랫폼으로 옮겨갈 위험이 있다고 강조합니다. 이러한 합의의 목표는 주요 기술 기업들 간의 조정을 강제하여, 안전 제일 정책을 채택함으로써 어떤 단일 주체도 불이익을 받지 않도록 하면서 사용자 보호에 대한 통일된 접근 방식을 조성하는 것입니다.