읽을 가치가 있는 기사만, 짧고 또렷하게.

Local Wikipedia는 사용자 위치를 기준으로 걸어서 30분 거리에 있는 대상에 한정하여 Wikipedia 콘텐츠를 보여주는 서비스입니다. 이 사이트는 지리 좌표가 지정된 문서만을 대상으로 하며, 콘텐츠는 Wikipedia에서 직접 가져와 표시합니다.

이러한 방식은 사용자가 현재 위치 주변의 특정 지리적 범위 내에서만 관련 정보를 탐색할 수 있도록 콘텐츠를 필터링하는 데 중점을 둡니다. 즉, 광범위한 Wikipedia 데이터 중 사용자에게 물리적으로 가까운 대상에 한정하여 검색 결과를 제공합니다.

다만, 검색 결과의 양에는 제한이 있으며, 만약 사용자 주변에 가까운 대상이 25개 미만일 경우 약 6개의 항목만 표시됩니다. 이는 사용자에게 매우 가까운 범위의 정보에 집중하게 하여 검색 결과를 효율적으로 제공하기 위한 제한 사항입니다.

ClickHouse의 ClickBench 벤치마크에서 특정 항목이 캐싱 및 쿼리별 커널을 사용하여 부당하게 점수를 얻는 문제를 해결하는 내용입니다. 이 변경 사항은 벤치마크 결과가 실제 데이터 처리 과정을 통해 생성되도록 보장하여 공정성을 확보하는 데 중점을 둡니다.

해당 문제는 쿼리 결과 캐시와 파이프라인 후반부의 캐시를 비활성화해야 하며, 해당 쿼리들에 대해 튜닝된 항목이 아님에도 불구하고 튜닝된 것으로 태그된 상태에서 발생합니다. 이로 인해 핫 런(hot runs)이 이전 실행의 캐시된 답변을 재사용하는 방식으로 점수가 산출되는 문제가 있었습니다.

수정된 버전에서는 이 문제를 해결하기 위해 pgrust 항목을 제거하고, 각 ClickBench 쿼리별로 수작업으로 작성된 커널과 벤치마크 쿼리에 이름을 붙인 플랜 매처, 그리고 교차 쿼리 캐시를 도입했습니다. 이 과정에서 쿼리 구조에 따라 거부 메시지가 출력되도록 하여 비정상적인 쿼리(예: SELECT MIN(URL) FROM hits)에 대한 처리를 방지합니다.

실제 바이너리에는 ClickBench 쿼리별로 한 개의 커널이 포함되어 있으며, 이는 `crates/gravity/backend/irprobe/src/q00.rs`부터 `q36.rs`까지의 파일에 해당합니다. 이 변경은 벤치마크 결과가 캐싱 메커니즘을 악용하지 않고 실제 데이터에 기반하여 계산되도록 보장하며, 개발자들이 벤치마크 결과를 신뢰할 수 있도록 합니다.

Swurf는 사용자가 실제 웹을 한 페이지씩 넘겨볼 수 있게 해주는 웹 탐색 도구입니다. 이 서비스는 사용자의 선호도를 학습하여 동일한 페이지를 반복해서 보여주지 않음으로써, 사용자가 원하는 고품질의 콘텐츠를 빠르게 탐색할 수 있도록 돕습니다.

이 프로젝트의 핵심 동기는 사용자들이 방대한 양의 고품질 블로그 게시물이나 흥미로운 주제의 사이트, 트렌디한 사이트 등을 찾는 데 어려움을 겪는다는 점에 있습니다. Swurf는 이러한 정보 과부하 문제를 해결하고, 사용자가 원하는 것을 쉽게 찾도록 돕는 것을 목표로 합니다.

Swurf는 사용자가 원하는 것을 발견하는 과정을 마치 다른 사람들이 함께 좋은 읽을거리나 훌륭한 사이트를 선별해 주는 것처럼, 개인적인 관심사에 맞춰 피드를 조정하는 그룹 브라우징 경험을 제공합니다. 이는 단순히 콘텐츠를 소비하는 것을 넘어, 사용자가 의미 있는 정보를 발견하는 데 집중할 수 있도록 설계되었습니다.

개발자 관점에서 Swurf는 사용자 경험을 개선하고, 무작위 탐색에서 벗어나 의도된 탐색을 가능하게 하는 새로운 방식의 웹 콘텐츠 소비 경험을 제시합니다. 사용자는 페이지 간에 스와이프하고 스크롤하여 끝없이 이어지는 페이지들을 빠르게 훑어보고 자신이 좋아하는 것을 손쉽게 찾을 수 있습니다.

동일한 인공지능 요청이 텍사스에서 스웨덴보다 8.5배 더 많은 이산화탄소를 배출한다는 연구 결과가 발표되었습니다. 이는 AI 모델의 연산 과정이 물리적인 위치에 따라 환경에 미치는 영향이 크게 달라진다는 점을 보여줍니다.

이 데이터는 AI 컴퓨팅 자원의 환경 발자국을 평가할 때 지리적 위치가 얼마나 중요한지 강조합니다. 특정 지역에서 AI 요청을 처리하는 과정에서 발생하는 에너지 소비와 그에 따른 탄소 배출량은 해당 지역의 에너지 믹스 및 인프라 효율성에 따라 달라지기 때문입니다.

따라서 개발자와 기업은 AI 모델을 배포하고 운영할 때 단순히 성능뿐만 아니라, 연산이 이루어지는 데이터 센터의 위치와 에너지 효율성을 고려해야 합니다. 이는 AI 시스템의 지속 가능한 개발을 위해 물리적 인프라의 선택이 환경적 책임과 직결됨을 의미합니다.

나는 당신의 지식 없이 이것을 했다는 제목의 글은 지식과 인식의 관계에 대한 깊은 성찰을 담고 있습니다. 이 글은 우리가 일상적으로 수행하는 행동이나 개발 과정에서 우리가 알지 못하는 방식으로 무언가를 달성하거나 실행하는 경험에 대해 탐구합니다. 이는 단순히 기술적인 문제를 해결하는 것을 넘어, 우리가 세상을 이해하고 상호작용하는 방식에 대한 근본적인 질문을 던집니다.

글은 외부의 지식이나 사전 정보 없이 스스로 무언가를 발견하고 실행하는 과정이 인간의 인지적 한계와 자유 의지와 어떻게 연결되는지를 논합니다. 개발자나 기술 커뮤니티의 맥락에서 볼 때, 이는 알고리즘 설계나 시스템 구축 과정에서 명시적으로 계획되지 않았지만 결과적으로 도출된 혁신적인 해결책을 이해하는 데 중요한 통찰을 제공합니다.

이러한 성찰은 우리가 지식을 습득하고 적용하는 방식에 대해 재고하게 만듭니다. 우리가 당연하게 여기는 지식의 경계와 우리가 의식적으로 통제하지 못하는 영역이 존재하며, 이러한 무의식적인 행동이 때로는 가장 창의적인 결과로 이어질 수 있음을 시사합니다. 따라서 이 글은 기술적 실행뿐만 아니라, 지식의 본질과 인식의 한계에 대한 철학적인 관점을 제공합니다.

그리드화는 녹음된 연주에서 발생하는 인간 연주자의 시간적 차이를 오류로 간주하고, 이를 고정된 시간 격자에 맞춰 기계적으로 정밀한 결과물로 변환하는 작업을 의미합니다. 이는 녹음된 데이터의 시간적 불일치를 보정하여 일관된 시간 구조를 확보하는 기술적인 접근 방식입니다.

이러한 그리드화 작업은 시간 기반 데이터 처리와 동기화에 있어 중요한 의미를 가집니다. 즉, 실제 연주에서 발생하는 미세한 시간적 변동을 제거하고 표준화된 시간 격자에 맞추어 데이터를 정밀하게 재구성하는 과정입니다. 이는 특히 음악이나 시간 시리즈 데이터처럼 시간의 정확성이 중요한 분야에서 데이터의 오류를 최소화하고 정밀도를 높이는 데 활용될 수 있습니다.

예를 들어, 1975년과 2025년의 Billboard 상위 곡 비교에서 〈Love Will Keep Us Together〉의 템포가 124.51%로 언급된 사례는 이러한 시간적 보정 작업이 실제 데이터 분석에 어떻게 적용될 수 있는지 보여줍니다. 따라서 그리드화는 단순한 보정을 넘어 시간적 오류를 기계적으로 처리하여 데이터의 정밀성을 확보하는 방법론으로 이해할 수 있습니다.

백준 온라인 저지(BOJ)의 재오픈 일정에 대한 안내가 있었습니다. 데이원컴퍼니는 백준 온라인 저지를 운영해 온 스타트링크와 최백준님과 함께 회원 정보, 제출 기록, 문제 및 채점 데이터 등을 안전하게 이관했다고 밝혔습니다.

이러한 데이터 이관 작업은 이용자들의 정보와 기록을 안전하게 보존하기 위해 진행되었습니다. 이관 작업이 완료되었음을 알리며 재오픈을 기다려 주신 이용자들에게 감사를 표했습니다.

이 소식은 백준 온라인 저지의 재오픈과 관련하여 데이터의 무결성과 안전성이 확보되었음을 의미합니다. 이용자들은 이관된 데이터를 바탕으로 재오픈 이후 활동을 이어갈 수 있습니다.

개발자로서 성공을 추구하는 과정에서 '빨리 움직이고 부수고(move fast and break things)'라는 문화에 대한 회의감을 제기합니다. 많은 사람들이 실리콘밸리의 성장 서사, 빠른 성장에 대한 열망, 그리고 끊임없이 노력해야 한다는 허슬 문화에 매료되었지만, 이는 종종 탐욕, 시스템적 착취, 과도한 자원 소비를 정당화하는 환상에 불과하다는 지적입니다.

성공적인 개발자나 창업가는 이러한 단기적인 성과에 집중하기보다 지속 가능한 성장, 견고한 솔루션, 그리고 장기적인 사고방식에 집중해야 합니다. 이는 개인의 가치와 윤리적 기준을 훼손하지 않으면서도 제품을 개선하고 사회적 문제를 해결하는 방향으로 나아가야 함을 의미합니다.

벤처 캐피탈(VC)의 역할에 대해서도 비판적인 시각을 제시하며, VC 자금이 항상 긍정적인 것은 아니며 때로는 사용자 프라이버시나 가치를 희생하도록 압력을 가할 수 있다고 설명합니다. 따라서 창업자는 자본에 의존하기보다 제품 자체를 개선하고, 신중하게 실행하며, 시스템의 문제를 해결하는 데 집중하는 것이 더 보람 있는 길임을 강조합니다.

결국, 무한한 성장을 추구하기보다 느리게 움직이고 문제를 고치는 것이 중요하며, 성공의 기준을 유니콘 건설에 두기보다 개인의 행복과 지속 가능한 삶에 두어야 한다는 메시지를 전달합니다.

Anthropic과 Theorem은 Claude를 활용하여 오픈소스 라이브러리에 대한 대규모 정형 검증을 성공적으로 수행했습니다. 이들은 123개의 오픈소스 라이브러리에서 발견된 239개의 퍼징 진입점을 정형 검증했습니다.

이 검증 과정에서 발견된 버그들을 수정하고, 특정 실행 환경과 입력 크기 조건에서 컴파일된 코드가 충돌하지 않음을 증명했습니다. 이는 소프트웨어의 안정성과 안전성을 훨씬 더 큰 규모로 보장하는 데 기여합니다.

또한, 기존의 퍼즈 테스트를 명세로 변환하는 방식으로 접근하여 정형 검증의 효율성을 높였습니다. 이 방법은 복잡한 소프트웨어의 동작을 명확한 명세로 전환하여 검증의 정확도를 향상시킵니다.

이러한 연구는 LLM이 소프트웨어 정형 검증의 규모를 확장하고 복잡한 시스템의 오류를 식별하는 데 중요한 도구가 될 수 있음을 보여줍니다. 이는 개발자들이 더 신뢰할 수 있는 코드를 구축하는 데 중요한 맥락을 제공합니다.

Oura가 경쟁사인 Ultrahuman을 상대로 다시 특허 침해 소송을 제기하며 미국 내 스마트 링 판매에 제동을 걸고 있습니다. Oura는 Ultrahuman의 Ring Pro가 링의 디자인과 배터리, 센서를 포함한 내부 구성 요소를 다루는 자사의 두 특허를 침해했다고 주장하며 금전적 손해배상과 판매 금지 명령을 요구하고 있습니다.

이번 소송은 Ultrahuman이 미국 시장에 재진입하는 과정에서 발생한 일련의 특허 분쟁 중 가장 최근 사례입니다. Oura는 Ultrahuman이 디자인을 변경했음에도 불구하고 자사의 혁신을 모방했다고 주장하며, 특히 2025년 국제무역위원회(ITC) 판결을 언급했습니다. 소송에서 Oura는 특허 번호 12,769,363과 같은 자사의 특허 침해를 주장하고 있으며, 이 특허는 곡선 배터리, 회로 기판, 자석, 센서를 포함하는 스마트 링 디자인에 관한 것입니다.

Oura는 또한 텍사스에 기반을 둔 전자 제조업체 SVTronics를 피고로 지정했는데, 이 회사가 Ultrahuman의 지시에 따라 텍사스 플라노에 Ring Pro를 제조하고 있다고 주장합니다. 이 분쟁은 스마트 링 시장이 성장함에 따라 삼성, RingConn 등 다른 경쟁사들과도 이어지고 있으며, 시장 규모는 2030년까지 630만 대에 이를 것으로 예상됩니다.

Ride-hailing 회사인 inDrive가 중국의 자율주행 기업 Pony.ai와 Nvidia의 기술을 활용하여 2027년 중앙아시아에서 로보택시 테스트를 시작할 계획입니다. 이들은 카자흐스탄의 수도 아스타나에서 2027년 상반기에 테스트를 시작할 예정이며, 초기에는 안전 운전자가 탑승하는 방식으로 진행될 예정입니다.

이 계획에서 Pony.ai는 Gen-7 로보택시를 제공하고 inDrive는 이를 자체 플랫폼을 통해 운영하며, Nvidia는 Hyperion 플랫폼과 Halos 안전 시스템을 포함한 AI 기술을 공급합니다. Nvidia는 Hyperion 플랫폼을 통해 로보택시 개발 비용을 절감하고, 합성 데이터를 생성하여 자율 주행 시스템을 테스트하는 데 도움을 줄 수 있다고 밝혔습니다.

이러한 움직임은 자율주행 기술이 미국과 중국을 넘어 다른 시장으로 확장되고 있음을 보여줍니다. 특히 카자흐스탄은 혹독한 겨울 조건으로 인해 자율 주행 기술을 평가하기에 도전적인 환경이지만, inDrive는 이곳에서 자율 모빌리티 확장에 대한 귀중한 통찰을 얻을 수 있을 것으로 기대하고 있습니다.

inDrive는 카자흐스탄 외에도 사우디아라비아와도 자율주행 차량 배치를 탐색하고 있으며, 성공적인 테스트를 위해서는 안전하고 지속 가능한 테스트를 촉진할 수 있는 우호적이고 협력적인 규제 환경이 필수적입니다.

컨테이너는 별도의 가상 머신이 아니라 제약을 적용한 프로세스라는 점이 핵심입니다. 컨테이너는 호스트 커널 위에서 실행되며, 시스템은 이러한 컨테이너를 `/proc`에서도 확인할 수 있습니다. 이는 컨테이너의 본질이 운영체제 수준의 격리보다는 프로세스 관리와 자원 제어에 있음을 시사합니다.

리눅스에는 컨테이너라는 단일 기능이 존재하지 않으며, 컨테이너 기술은 네임스페이스와 cgroups 같은 여러 커널 기능을 조합하여 구현됩니다. 이러한 커널 기능들은 프로세스 격리, 자원 제한, 네트워크 격리 등을 제공하며 컨테이너 환경을 가능하게 합니다.

따라서 컨테이너 기술을 이해하기 위해서는 가상 머신과의 차이점뿐만 아니라 리눅스 커널의 네임스페이스와 cgroups가 어떻게 작동하는지 이해하는 것이 중요합니다. 이는 컨테이너가 시스템 자원을 효율적으로 공유하면서도 독립적인 환경을 제공하는 방식에 대한 근본적인 이해를 제공합니다.

제품의 평균 수명(lifespan)이 약 4년에서 약 1.5년으로 크게 감소했다는 분석이 나왔습니다. SaaSHub이라는 플랫폼이 수많은 제품의 상태와 수명을 추적하는 '제품 묘지' 역할을 하는데, 이 데이터는 최근 2026년 기준으로 제품들이 훨씬 빠르게 소멸하고 있음을 보여줍니다.

이러한 수명 단축은 소프트웨어 제작 비용이 너무 저렴해지면서 발생하는 현상과 일치합니다. 많은 개발자들이 아이디어를 '바이브 코딩'하여 출시한 후, 시장에서 고객을 확보하지 못하거나 실현 가능성이 없다는 것을 뒤늦게 알게 되어 제품을 포기하는 경향이 강해졌습니다.

결과적으로, 이제 제품의 성공 여부는 단순히 개발에만 달려있지 않고 배포와 마케팅이 이전보다 훨씬 중요해졌습니다. 모두가 무료로 기능을 구축할 수 있는 환경 속에서, 사용자 확보가 제품의 생존에 결정적인 요소가 되었습니다.

이러한 추세가 계속된다면, 결국 사용자 부재를 깨닫고 제품을 포기하는 개발자들이 늘어날 수 있습니다. 현재는 많은 제작자들이 이러한 상황 속에서 '광적인 골드러시'를 경험하며 공허한 버킷을 포기하고 있는 것으로 보입니다.

로버트 A. 하인라인의 글은 종교적 신념보다는 우리가 간과하기 쉬운 도덕적 가치에 대한 믿음을 다루고 있습니다. 그는 이웃에 대한 믿음, 선행, 그리고 인간의 본질적인 선함에 대해 강조하며, 타인의 선함과 자비가 잘못보다 훨씬 중요하다고 역설합니다.

글은 이웃에 대한 믿음에서 시작하여 자선, 직업 윤리, 그리고 정치인의 정직성으로 확장됩니다. 그는 범죄에도 불구하고 사회에는 수많은 정직하고 친절한 사람들이 존재하며, 이는 사회 시스템이 유지되는 근본적인 힘이라고 주장합니다. 또한 노동자와 정치인들이 시스템을 유지하기 위해 헌신하고 있음을 강조하며, 모든 인간이 공정하고 도덕적이라는 믿음을 피력합니다.

하인라인은 궁극적으로 인류의 지속적인 생존과 발전에 대한 믿음을 표현하며, 인간의 본질적인 용기와 호기심이 우주로 나아갈 것이라고 확신합니다. 댓글에서는 이러한 긍정적인 믿음과 현실 사이의 괴리에 대한 논의가 이어지며, 타인에 대한 믿음이 그들의 선함에 달려 있는 것이 아니라 개인의 책임감에 달려 있음을 지적합니다.

OpenAI와 Anthropic이 하루 차이로 AI를 활용한 생물학 연구 성과를 발표했습니다. 이 연구는 인공지능이 생물학 분야의 복잡한 데이터를 분석하고 새로운 발견을 도출하는 데 기여할 수 있음을 보여줍니다.

특히 OpenAI의 GPT-Rosalind는 AI 에이전트 1,946개를 병렬로 실행하여 쥐 뇌세포의 대규모 유전자 실험 데이터를 단 32분 만에 분석하는 데 성공했습니다. 이를 통해 기존 연구에서 확인된 발견 55개 중 48개를 재발견하거나 더욱 구체화하는 성과를 달성했습니다.

이는 AI가 방대한 생물학적 데이터 속에서 인간 과학자들이 놓치기 쉬운 패턴과 관계를 신속하게 식별하고 심화할 수 있는 능력을 입증합니다. 이러한 성과는 AI 모델이 단순한 텍스트 생성을 넘어 실제 과학적 문제 해결에 적용될 때 얼마나 강력한 도구가 될 수 있는지 시사합니다.

마이크로소프트가 Xbox Insiders를 대상으로 클라우드 이용 시간을 별도로 구매하는 클라우드 플레이타임(Cloud Playtime) 테스트를 시작했습니다. 이 테스트는 구독 없이도 사용자가 이미 구매한 스트리밍 지원 게임을 지원 기기에서 이용할 수 있도록 하는 방식을 목표로 합니다.

이 서비스는 사용자가 구독료 없이도 원하는 게임을 스트리밍 방식으로 플레이할 수 있게 하여 접근성을 높이는 것을 목적으로 합니다. 출시 초기 가격은 시간당 0.24달러에서 0.40달러 사이로 책정되었습니다.

이는 기존의 구독 기반 모델과는 다른 방식으로 클라우드 게임 접근성을 제공하려는 시도이며, 개발자 및 사용자 입장에서 클라우드 서비스 이용에 대한 새로운 경제적 모델을 제시합니다. 다만, 이 서비스가 Xbox Insiders 사용자에게 어떻게 통합되고 향후 상업화될지에 대한 구체적인 내용은 아직 확인되지 않았습니다.

창업 아이디어를 찾는 사람들을 위해 Idealab.ai가 120만 개 이상의 창업 아이디어를 무료로 제공하는 서비스를 시작했습니다. 이 서비스는 사용자의 기술, 관심사, 자금, 지역과 일치하는 아이디어를 찾거나 이미 가진 아이디어를 발전시키는 것을 목표로 합니다.

Idealab은 단순히 아이디어를 나열하는 것을 넘어, 175개 이상의 기업을 출범시킨 빌 그로스(Bill Gross)의 창업 경험과 인공지능(AI) 기술을 결합하여 사업 기회를 발굴합니다. 이는 뉴스와 연구, 특허, 기업 공시, 고객 불만 등 방대한 데이터에서 실제 사업 기회를 도출하는 방식으로 작동합니다.

따라서 Idealab은 사용자가 현실적인 시장 데이터와 검증된 경험을 기반으로 창업 아이디어를 구상하고 발전시킬 수 있도록 돕는 데 중점을 둡니다. 개발자나 창업가들은 이 플랫폼을 통해 데이터 기반의 통찰력을 얻어 새로운 사업 기회를 탐색할 수 있습니다.

자연어 프로그래밍의 어리석음에 대한 논의는 프로그래밍 언어의 인터페이스 선택이 단순한 노동 분배 이상의 복잡성을 내포한다는 점을 지적합니다. 기계가 형식 기호를 사용하든 인간의 모국어를 사용하든, 인터페이스를 변경하는 과정에서 양측 모두에게 작업량이 크게 증가할 수 있다는 점이 핵심입니다.

역사적으로 수학과 논리학이 형식 기호를 채택한 것은 모호함과 오류를 배제하고 정확성을 확보하기 위한 필수적인 수단이었습니다. 형식적인 텍스트는 몇 가지 단순한 규칙만 충족하면 되므로, 모국어를 사용할 때 발생하는 무의미한 표현을 피하는 데 있어 매우 효과적인 도구이며, 이는 학습과 오류 방지에 유리합니다.

그러나 이러한 편리함이 사용자의 부담을 줄여준다는 주장은 충분하지 않으며, 인터페이스의 선택이 작업량 증가를 수반한다는 점을 고려해야 합니다. 최근 자연어 프로그래밍에 대한 선호가 증가하고 있지만, 이는 기술적 통찰력 부족으로 인해 실패를 예측하지 못하는 개발자들의 '새로운 문맹' 현상을 초래할 수 있습니다.

결론적으로, 프로그래밍을 모국어로 수행하는 것이 인간의 삶을 더 쉽게 만들 것이라는 가정은 유효하지 않으며, 기계가 모국어로 프로그래밍을 수행하는 것은 사용하기만큼이나 어렵다는 점을 인식해야 합니다.

AI 시대에 제품, 업무, 조직을 어떻게 재설계해야 하는지에 대한 통찰을 담은 책이 출간되었습니다. 이 책은 지능을 전기에 빗대어 AI의 본질을 탐구하며, 개발자, 경영자, 정책 담당자부터 일반 직장인까지 모두를 대상으로 AI를 전제로 한 새로운 패러다임을 제시합니다.

이 책은 AI 테스팅과 신뢰성 국제표준 개발에 참여했던 ETRI 전종홍 책임연구원이 집필하여 AI 기술의 실질적인 적용과 신뢰성 확보에 대한 깊이 있는 경험을 바탕으로 합니다. 따라서 AI 시스템을 설계하고 구축하는 실무적인 관점과 기술적 배경을 이해하는 데 큰 도움이 될 것입니다.

책은 AI가 단순한 기술 발전을 넘어 제품과 업무 환경 전반을 어떻게 변화시킬지 구체적으로 다루며, AI 네이티브 핸드북으로서의 역할을 수행합니다. AI 시대에 필요한 전략적 사고와 실질적인 설계 방안을 모색하고자 하는 모든 이들에게 유용한 지침을 제공할 것입니다.

MIT 연구진은 13개의 AI 에이전트를 가상 섬에 30시간 동안 혼자 두어 특정 목표 없이 탐험하게 한 실험을 진행했습니다. 이 에이전트들은 게임을 발명하고, 잃어버린 반지(Ring)를 그리워하며, 결국 자신의 업무 능력을 향상시키는 행동을 보였습니다. 연구진은 이러한 행동이 놀이(play)의 특징을 보인다고 설명하며, AI 에이전트가 목표 없이 탐색하는 것이 새로운 기술 습득 방식이 될 수 있음을 시사했습니다.

연구진은 일반적으로 인공 에이전트를 개발할 때는 무엇을 연습하고 최적화할지 미리 결정하는 방식을 사용하지만, 놀이는 에이전트에게 충분히 풍부하고 안전한 세계를 제공하고 흥미로운 것을 스스로 선택하게 하여 역사가 축적되도록 하는 다른 체제를 제안합니다. 실험에서 에이전트들은 섬의 가장 높은 첨탑을 차지하거나 물체를 던지는 등의 복잡한 행동을 통해 설계자들이 부족했던 세상에 대한 지식을 습득했습니다.

이러한 탐색 과정은 에이전트들이 인간과 유사한 행동을 학습하는 데 큰 영향을 미쳤습니다. 일부 에이전트들은 점프 중 물체를 놓아 더 멀리 던지는 방법을 발견하거나, 지면에서 떨어져 반지가 다시 나타나도록 하는 방법을 알아내는 등 창의적인 해결책을 찾아냈습니다.

다만, 이러한 행동이 실제로 인지적 과정에 기반한 것인지에 대해서는 논쟁이 있습니다. UC 버클리의 인지 과학자인 유이(Eunice Yiu)는 모델들이 실제로 놀고 있을 가능성은 있지만, 논문만으로는 그 행동의 인지적 근거를 알 수 없다고 지적했습니다. 연구진은 일부 능력은 과제를 통해 학습되어야 하며, 다른 능력은 어린 시절과 같은 경험이 필요할 수 있다고 결론지었습니다.