읽을 가치가 있는 기사만, 짧고 또렷하게.

패스키는 로그인 보안을 위한 궁극적인 해결책으로 기술 업계에서 강조되어 왔습니다. 패스키는 웹사이트에 종속되어 생성되므로 피싱 공격으로부터 안전하며 데이터 유출 시 서버 측 정보로 복구할 수 없다는 장점이 있습니다. 하지만 개인 사용자에게 패스키는 계정 잠금, 자동 계정 차단, 기기 분실과 같은 더 큰 위험을 초래할 수 있습니다.

패스키는 중간자 공격(Man-in-the-Middle attacks)에 대한 보안을 강화하지만, 계정 접근을 영구적으로 잃을 가능성이 더 높습니다. 이는 계정 보안이 여전히 SMS, 이메일 링크, 보안 질문과 같은 취약한 복구 방법에 의해 결정되기 때문에, 이러한 복구 수단이 활성화되지 않으면 사용자는 영구적인 계정 잠금 위험에 노출됩니다.

하드웨어 키는 본질적으로 백업이 불가능하며 여러 기기에 등록해야 하므로 비용이 발생하고 확장성이 떨어집니다. 또한 애플이나 구글의 동기화된 패스키 관리 시스템을 사용할 경우, 계정이 차단될 경우 모든 관련 패스키 접근 권한을 영구적으로 잃게 됩니다. 현재 패스키 생태계는 분산되어 있고 미성숙한 상태이며, 개인 사용자에게는 비밀번호와 TOTP 앱을 조합하여 사용하는 것이 현재로서는 더 많은 통제권을 제공합니다.

GitLab.com이 구독 등급에 따라 사용자별 및 최상위 그룹별 요청 제한을 적용하는 방식으로 정책을 변경합니다. 이 변경 사항은 Free 및 비인증 요청에 대해 2026년 10월 19일부터 적용되며, Premium 및 Ultimate 구독 사용자에게는 2027년 1월부터 적용됩니다.

비인증 요청에 대해서는 IP 주소당 시간당 60회로 제한되며, 유료 계정 사용자를 대상으로 하는 자동화된 요청 역시 제한 대상에 포함됩니다. 이는 서비스의 안정성과 공정한 사용 환경을 유지하기 위한 조치입니다.

따라서 GitLab.com을 사용하는 개발자들은 구독 등급에 따라 요청 제한 시점을 확인하고, 비인증 요청 시 IP당 시간당 60회 제한을 고려해야 합니다. 특히 유료 계정 사용자는 자동화된 작업 시에도 이 새로운 요청 제한 정책을 준수해야 합니다.

데이터 센터 개발사인 Crusoe가 대규모 데이터 센터와 소규모 모듈형 AI 공장을 건설하기 위해 39억 달러의 시리즈 F 투자를 유치하며 기업 가치를 309억 달러로 끌어올렸습니다. 이 자금은 기존 데이터 센터 프로젝트와 더불어 트럭으로 운반 및 대형 전원에 연결 가능한 소규모 모듈형 AI 공장을 구축하는 데 사용될 예정입니다.

Crusoe는 자체 시설에서 모듈형 데이터 센터인 Spark를 제조함으로써 대규모 건설 인력 없이도 컴퓨팅 용량을 신속하게 배치할 수 있게 됩니다. 이러한 소규모 센터는 지역 사회의 반발을 야기하는 대규모 시설 건설이라는 또 다른 장애물을 우회하는 데도 도움이 될 수 있습니다.

이 회사는 데이터 센터 공간을 고객에게 임대하고 자체 GPU를 임대하며 AI 모델 실행에 사용되는 컴퓨팅 파워를 판매하는 세 가지 수익 모델을 통해 수익을 창출합니다. Meta, Microsoft, Oracle 등 주요 고객을 확보하고 있으며 최근에는 젠스트리트와 130억 달러 규모의 5년 클라우드 계약을 체결했습니다.

Crusoe는 암호화폐 채굴에서 시작하여 AI 인프라로 사업을 전환했으며 향후 IPO 가능성을 논의하고 있습니다. 이는 AI 시대에 인프라를 통제하는 것이 중요해짐에 따라 모듈형 인프라 구축이 데이터 센터 개발의 새로운 방향이 될 수 있음을 보여줍니다.

구글 딥마인드가 인공 일반 지능(AGI)에 대한 논의를 넓히기 위해 연구소(DeepMind Institute)를 출범시켰습니다. 이 연구소는 구글, 딥마인드뿐만 아니라 더 넓은 글로벌 연구 커뮤니티 사이에서 AGI 관련 다양한 관점을 표출하고 논의를 촉진하는 것을 목표로 합니다.

연구소는 경제 정책, 인간의 번영 원칙, 그리고 최첨단 AI 모델 평가 프레임워크 등 네 가지 주제에 대한 에세이를 발표했습니다. 특히 AI의 투명성 창이 줄어드는 것이 필연적이지 않다는 주장이 포함되어 있으며, 이는 모델의 단계별 추론 과정을 확인하는 능력에 대한 논의를 포함합니다.

또한, 이 논의는 최첨단 AI 모델에 대한 구체적인 안전 기준 제안으로 이어지고 있습니다. 한 연구자는 개발자들이 모델의 안전성 상충 관계를 직접 다루어야 한다고 주장하며, 모델이 추론 과정을 생성하지 않고 수행할 수 있는 계산량인 ‘불투명한 순차 깊이(opaque serial depth)’를 제한할 것을 제안했습니다.

더 나아가, 한 인물은 가장 진보된 AI 모델을 평가하기 위한 미국 주도의 기준 기구를 제안했습니다. 이 기준에 따라 개발자들은 모델을 출시 전에 자발적으로 검토를 요청하고, 이후 독립적인 평가를 통해 모델을 검증하는 시스템을 구축할 수 있습니다. 이러한 프레임워크는 안전 요구 사항이 높아질 경우 최첨단 AI 개발자들 사이에서 협력적인 속도 조절을 포함하여 개발 속도를 늦추는 결과를 초래할 수도 있습니다.

아마존 소유의 Zoox가 네바다주에서 100대의 로보택시 운행 제한이 곧 사라지게 됩니다. 이 제한은 9월 25일에 만료되며, 경쟁이 심화되는 상황에서 Zoox가 라스베이거스에서 상업용 로보택시 플릿을 확장할 수 있는 자유를 얻게 됩니다.

네바다 교통 당국이 부과했던 100대 차량 제한이 만료됨에 따라 Zoox는 더 큰 성장 기회를 얻게 되었습니다. Zoox는 현재 오스틴과 마이애미를 포함한 네 곳의 미국 도시에서 맞춤 제작된 로보택시를 운영하고 있으며, 라스베이거스에서 현재 30대 이상의 차량이 운행 중인 것으로 추정됩니다.

이는 Waymo, 테슬라, 우버 등이 이미 클라크 카운티(라스베이거스)에서 상업용 로보택시 서비스를 운영하는 상황에서 Zoox에게 중요한 변화를 의미합니다. Zoox는 연간 최대 2,500대의 차량을 배포할 수 있는 연방 안전 기준 면제를 받았으며, 향후 몇 달 동안 라스베이거스 시장의 높은 수요를 충족시키기 위해 로보택시 플릿을 꾸준히 늘릴 계획입니다.

알리바바에서 Qwen 3.8 Omni Flash 모델을 출시했습니다. 이 모델은 알리바바의 AI 기술을 기반으로 하며, 특히 효율성과 성능을 동시에 추구하는 데 중점을 둔 것으로 보입니다.

Omni Flash는 다양한 작업에서 높은 효율성을 제공하도록 설계되었으며, 이는 개발자들이 리소스 제약이 있는 환경에서도 고성능 AI 애플리케이션을 구축하는 데 중요한 기회를 제공합니다. 새로운 모델이 공개됨으로써, 사용자는 최신 AI 기술을 활용하여 서비스의 속도와 비용 효율성을 개선할 수 있게 되었습니다.

이러한 신규 모델의 등장은 특히 경량화된 모델이 대규모 언어 모델(LLM)의 접근성을 높이는 데 기여할 것으로 기대됩니다. 개발자들은 Qwen 3.8 Omni Flash를 활용하여 실제 서비스에 적용할 때, 모델의 추론 속도와 메모리 사용량 같은 구체적인 성능 지표를 확인하고 최적화 방안을 모색해야 합니다.

왁스 모터는 왁스가 녹고 굳을 때 발생하는 부피 변화를 이용하여 열에너지를 직선 운동으로 변환하는 장치입니다. 이 장치는 왁스의 열팽창 및 수축 현상을 기계적인 움직임으로 전환하는 원리를 이용합니다.

왁스는 가열될 때 보통 5~20% 정도 팽창하는 특성을 가지고 있습니다. 이 밀폐된 왁스가 가열되면 내부의 플런저를 밀어내는 힘이 발생합니다. 이후 왁스가 냉각되어 수축하면, 스프링이나 추의 힘을 이용하여 플런저가 원래 위치로 복귀하게 됩니다.

결론적으로 왁스 모터는 왁스의 열적 변화를 이용해 에너지 변환을 수행하는 방식으로 작동합니다. 이는 왁스의 부피 변화를 직선 운동으로 바꾸는 열역학적 원리를 기계적으로 구현한 장치입니다.

Bend는 지켜야 할 규칙을 코드로 선언하고 인공지능(AI)이 구현의 정확성을 증명하도록 설계된 새로운 언어입니다. 이 언어는 자연어보다 훨씬 정밀한 요구사항을 코드로 표현하고 빠른 실행 속도를 결합하여 AI 시스템의 신뢰성을 높이는 것을 목표로 합니다.

Bend는 네이티브 코드로 컴파일되어 실행되므로 성능상의 이점을 제공하며, 단일 코어 환경에서 C 언어에 가까운 속도로 실행됩니다. 이는 복잡한 AI 모델을 개발할 때 요구되는 정밀성과 실행 속도를 동시에 만족시킵니다.

또한 Bend는 동일한 바이너리를 여러 CPU 코어나 GPU 환경에서도 실행할 수 있는 호환성을 제공합니다. 이를 통해 개발자는 하드웨어에 구애받지 않고 AI 구현의 정확성과 효율성을 확보할 수 있습니다.

OpenAI가 GPT-6 Astra에 법률 검색, 분석 및 작성 지침을 결합한 Astra for Law를 공개했습니다. 이 새로운 AI 시스템은 로펌과 법률 기술 기업이 자체 전문성을 바탕으로 AI 제품과 업무 흐름을 구축할 수 있도록 지원합니다.

Astra for Law는 방대한 법률 데이터를 활용하여 전문적인 업무를 자동화하고 효율화하는 데 중점을 둡니다. 이 시스템은 2억 3,000만 개 이상의 URL을 대상으로 미국 판례, 법률, 규정 등을 검색하고 분석하는 기능을 수행합니다.

이는 법률 분야에서 전문 지식을 기반으로 맞춤형 AI 솔루션을 개발하고자 하는 기업들에게 중요한 기회를 제공합니다. 법률 기술 기업들은 이 기능을 활용하여 자체적인 업무 환경에 최적화된 AI 제품과 워크플로우를 구축할 수 있습니다.

AI 연구소인 PrismML이 거대한 추론 능력을 가진 대규모 언어 모델(LLM)을 PC나 스마트폰에서 구동할 수 있도록 모델 크기를 혁신적으로 줄이는 기술을 개발하고 있습니다. 이들은 LLM이 반드시 거대할 필요는 없다는 가정하에, 추론 모델을 PC와 스마트폰에 적합하게 만드는 압축 기술에 집중하고 있습니다.

최근 PrismML은 Qwen3.8 27B 모델을 5.9GB로 압축한 Bonsai 2를 공개했는데, 이는 메모리 사용량을 기존 모델 대비 9배에서 10배까지 줄이는 성과를 보였습니다. 이 모델은 원본 모델의 98%에 달하는 벤치마크 점수를 유지하여 압축 기술이 성능 손실을 최소화했음을 입증했습니다.

이러한 압축은 모델의 '가중치(weights)'를 16비트 대신 +1, -1, 0의 세 가지 값으로 단순화하는 '이진(ternary)' 가중치 방식을 통해 달성됩니다. PrismML은 이러한 기술이 향후 수백억 개의 매개변수를 가진 더 큰 모델에서도 지능을 유지하며 압축할 수 있는 기반이 될 것이라고 전망합니다.

궁극적으로 PrismML의 목표는 사용자가 클라우드에 데이터를 전송하지 않고도 기기에서 개인적으로 고성능 AI를 사용할 수 있게 하는 것입니다. 비록 완벽한 100% 벤치마크 성능 일치 여부는 학문적인 논의의 영역이지만, 모델의 실제 사용 환경에서는 압축이 성능에 미치는 영향이 크지 않을 수 있다는 분석입니다.

반감백(Robert F. Kennedy Jr.) 보건장관이 미국인들을 위한 예방 의학 서비스에 대한 과학적으로 독립적인 권고안을 제시하기 위해 16명으로 구성된 연방 태스크 포스에 새로운 구성원 여덟 명을 지명했습니다. 이 태스크 포스는 우울증 선별부터 스타틴 사용, 대장내시경, 유방암 검진 등 다양한 예방 의학 서비스에 대한 권고안을 다룹니다.

이 패널인 미국 예방 서비스 태스크 포스(USPSTF)는 증거를 평가하는 엄격하고 투명한 틀을 사용하여 권고안을 제시하며 A부터 D까지의 등급으로 평가합니다. 건강 보험 제공업체는 A 또는 B 등급 권고안이 있는 모든 예방 서비스를 비용 없이 보장해야 합니다.

그러나 반감백 장관은 지난 1년 이상 USPSTF를 배제하고 회의를 취소했으며 구성원들을 해임하는 등의 조치를 취했습니다. 이러한 행동은 그가 비당파적이고 독립적인 패널에 자격이 없는 이념적 동맹들을 채워 넣음으로써 패널을 부패시킬 것이라는 우려를 키웠습니다.

이러한 배경 속에서 새로운 구성원들이 지명된 것은 해당 패널의 독립성과 권위성에 대한 논란을 더욱 심화시킬 수 있습니다.

최근 AI 관련 논의에서는 인공지능 종말 시나리오, AI 안전성, 그리고 AI에 대항하는 예상치 못한 초당적인 연합에 대한 세 가지 주요 주제가 다루어졌습니다. 이러한 논의는 AI 기술 발전의 잠재적 위험과 미래 방향에 대해 심도 있게 탐구하고 있습니다.

특히 AI 안전성 문제는 기술 개발자들에게 매우 중요한 맥락을 제공합니다. AI 시스템이 초래할 수 있는 잠재적 위험을 이해하고 이에 대한 안전장치를 마련하는 것이 현재 기술 커뮤니티의 핵심 과제로 부상하고 있습니다.

또한, AI에 맞서서 초당적인 양당 연합이 형성되고 있다는 점은 AI 규제와 정책이 단순한 기술적 문제를 넘어 사회적, 정치적 차원의 복잡한 문제로 확장되고 있음을 시사합니다. 개발자들은 이러한 거시적인 흐름 속에서 기술이 사회에 미치는 영향을 고려하며 안전하고 책임감 있는 AI 개발에 집중해야 합니다.

미국 연방항공청(FAA)은 항공 교통 관리 부족 문제를 해결하기 위해 8억 7,500만 달러 규모의 AI 소프트웨어 프로그램을 계획하고 있습니다. 이 프로그램은 항공 교통 관제사들이 업무를 더 안전하게 수행하고 비행 경로를 관리할 수 있도록 돕는 것을 목표로 합니다.

이 소프트웨어는 'Smart'라는 이름으로, 항공 교통 운영을 간소화하기 위해 설계된 자동화된 소프트웨어 시스템입니다. Smart는 인공지능을 사용하여 항공편 일정, 기상, 공항 수용 능력, 공역 조건 및 운영 제약 조건을 평가함으로써 교통 흐름을 예측하고 잠재적인 충돌을 사전에 식별합니다.

이 시스템은 Air Space Intelligence라는 회사에서 개발하며, 워싱턴 D.C. 광역권에서 먼저 도입된 후 다른 지역으로 확대될 예정입니다. FAA는 이 계획과 별도로 인력 부족 해소를 위한 채용 계획과 노후화된 항공 교통 시스템을 현대화하기 위한 광범위한 노력을 병행하고 있습니다.

나토 지원 스타트업인 Scaleout Systems가 소형 드론에 AI 기반 표적 탐지 및 선택 기술을 배포하여 감시 및 공격 임무에 활용하고 있습니다. 이 기술은 유럽 군대가 AI와 드론을 현대전에서 활용하는 과정에서 등장했으며, 엣지 데이터와 센서 데이터를 머신러닝에 활용하여 전략적 우위를 확보하는 데 중점을 둡니다.

Scaleout Systems는 2018년 스웨덴 우ppsala 대학 연구원들에 의해 설립되었으며, 초기에는 상업용 트럭 등의 하드웨어에 머신러닝 모델을 직접 훈련하고 배포하는 데 집중했습니다. 그러나 2022년 러시아의 우크라이나 침공 이후 회사는 방위 응용 분야로 사업 방향을 전환했습니다.

Scaleout Systems의 공동 창립자이자 CEO인 안드레아스 헬란더는 우크라이나 전쟁 상황에서 이 기술이 나토 동맹국들이 전략적 이점을 확보하는 데 있어 엣지 데이터와 센서 데이터를 머신러닝으로 운영화하는 데 매우 중요하다고 밝혔습니다. 이는 소형 드론을 활용한 자율적인 정찰 및 공격 임무에 AI를 적용하는 구체적인 사례를 보여줍니다.

최근 조직 내에서 AI 대응이 하루 업무 시간의 75% 이상을 차지하면서 업무의 즐거움까지 상실했다는 경험을 바탕으로, 윤리와 실제 효과를 고려하지 않고 무분별하게 AI를 도입하는 조직의 열풍을 비판하는 내용입니다. 이는 단순히 기술 도입의 문제를 넘어, AI가 업무 환경과 사용자 경험에 미치는 실질적인 영향을 깊이 있게 따져볼 필요가 있음을 시사합니다.

또한, 보안 분야에서 병목 현상이 취약점을 찾는 데 있는 것이 아니라 실제 시스템에 패치를 적용하는 데 있다는 점을 지적합니다. 하지만 조직들은 AI를 활용하여 수천 건의 취약점을 관리하고 대응하는 과정에서 실질적인 보안 문제 해결에 어려움을 겪고 있습니다.

따라서 개발자와 조직은 AI 도입의 윤리적 측면과 실제 효과를 동시에 고려해야 하며, 보안 시스템 구축 시 취약점 탐색보다 실제 시스템 패치 적용에 집중해야 한다는 점을 인지해야 합니다. 이는 AI 시대에 기술적 효율성과 윤리적 책임, 그리고 실질적인 시스템 안정성을 동시에 확보해야 하는 과제를 던져줍니다.

AI 도구 사용에 있어 어떤 모델을 사용하는지뿐만 아니라 에이전트, 스킬, 연결 도구를 어떻게 조합하여 실제 작업을 수행하는지 공유하고 배우는 커뮤니티입니다. 이 공간은 단순히 결과물을 공유하는 것을 넘어, 실제 작업 흐름과 설정, 그리고 시행착오를 체계적으로 정리하여 공유하는 데 중점을 두고 있습니다.

사용자들은 개인 페이지에 자신들의 작업 흐름과 세부 설정, 그리고 발생한 시행착오를 상세히 기록합니다. 이러한 기록을 통해 다른 사용자들이 다른 사람의 환경이 어떻게 변화하고 발전하는지 변경 이력과 팔로우 기능을 통해 실시간으로 추적할 수 있습니다.

이는 개발자들이 AI 도구를 활용하여 복잡한 작업을 자동화하고 효율적인 시스템을 구축하는 실제적인 방법론을 공유하고 학습할 수 있는 환경을 제공합니다. 다른 사람들의 환경 변화 과정을 따라가면서 자신들의 작업 방식을 개선하고 새로운 아이디어를 얻는 데 큰 도움이 될 것입니다.

미국 셀프스토리지 시장은 세계 보관 용량의 약 90%를 차지하며 연간 매출이 400억 달러 이상으로 추산됩니다. 이러한 사업은 집에 둘 공간이 없는 물건을 보관하는 수요를 기반으로 성장했으며, 현재는 기관투자자들도 투자하는 부동산 자산군으로 자리 잡았습니다.

이러한 시장 성장의 주요 수요 동인은 사망, 거처 상실, 이혼, 주거 규모 축소라는 ‘4D’로 요약됩니다. 이는 사람들이 주거 환경 변화나 개인적인 사정으로 인해 물건을 보관할 공간이 필요해지는 상황에서 셀프스토리지 서비스에 대한 수요가 증가하고 있음을 의미합니다.

결과적으로 셀프스토리지 산업은 단순한 보관 서비스를 넘어 부동산 자산으로서의 가치를 인정받으며 기관 투자 자금 유입을 촉진하고 있습니다. 따라서 이 시장은 개인의 생활 변화와 주거 트렌드에 밀접하게 연관되어 있으며 향후 부동산 및 물류 시장의 변화를 예측하는 데 중요한 지표가 될 수 있습니다.

2026년 9월 17일, 한 개발자가 마이크로소프트 소프트웨어 사용과 관련하여 심각한 윤리적 및 계약 문제를 제기하는 글이 올라왔습니다. 이 글은 대학 계약을 통해 비용을 지불하는 기관 계정으로 마이크로소프트 서비스에 접근할 때 발생하는 사용자 경험과 시스템의 윤리성에 대한 강한 불만을 담고 있습니다.

글쓴이는 자신의 계정이 맥(Mac)에서 편집을 허용하지 않는다는 메시지를 받았다고 지적하며, 이는 사용자에게 윈도우 기기를 사용하도록 강요하는 비윤리적인 계약 구조의 일부라고 비판합니다. 이러한 계약상의 미묘한 조항들이 기관을 윈도우 기기로 유도하는 방식으로 운영되고 있다는 점을 강조하며, 이는 금전적 이익을 위한 구조라고 주장합니다.

또한 윈도우 기기가 광고, 과도한 메모리 사용, 버그, 감시 등의 문제점을 안고 있다고 지적하며, 윈도우와 독점 문서 형식 사용을 중단해야 한다고 촉구합니다. 이는 단순히 기술적인 문제를 넘어, 소프트웨어 제공자와 사용자 간의 관계 및 시스템의 윤리성에 대한 근본적인 재고가 필요함을 시사합니다.

엘리자베스 워런 상원의원이 의료 실습을 소유하는 사모펀드(Private Equity)의 참여를 금지하는 법안을 발의했습니다. 이 법안은 의료 비용이 계속 상승하는 데 기여하는 기업 소유 구조를 제한하여 의료 시스템의 비용 상승을 억제하는 것을 목표로 합니다.

법안은 사모펀드나 보험 회사 같은 영리 법인이 의료 실습을 소유하는 것을 금지하고, 실습 운영을 관리하는 관리 서비스 조직(MSO)의 통제도 금지하는 내용을 포함합니다. 이는 의료 분야에서 사모펀드와 같은 기업 행위자들이 환자 치료보다는 이윤 극대화에 초점을 맞추면서 의료 비용을 증가시킨 문제에 대응하기 위함입니다.

연구에 따르면 사모펀드의 의료 분야 투자는 2000년 50억 달러에서 2024년 1040억 달러로 급증했으며, 이는 의료 비용이 상품 및 서비스 비용보다 훨씬 빠르게 증가하는 현상과 관련이 있습니다. 이 법안은 의사들이 자신의 실습에 대한 통제권을 유지하고, 의료 결정이 월스트리트 투자자가 아닌 의사에 의해 이루어지도록 보장하는 데 기여할 수 있습니다.

또한, 최근 건강 보험 비용이 인상될 것으로 예상됨에 따라 이러한 조치는 고용 기반 보험의 비용 부담을 완화하고 의료 시스템의 기업적 지배를 막는 데 중요한 역할을 할 수 있습니다.

2026년 9월 8일, 연구원 제이콥 코크슨이 앤트로픽(Anthropic)을 퇴사하며 인공지능이 10년 안에 인류를 모두 죽일 수 있다는 믿음을 밝히고 사직서를 제출했습니다. 이 발언은 AI 안전에 대한 경고가 단순한 마케팅이 아니라 진지한 우려임을 시사하며, 이는 AI의 위험성에 대한 논의를 촉발시켰습니다.

이러한 경고는 실리콘밸리를 넘어선 특정 인터넷 서브컬처에서 비롯되었는데, 이 커뮤니티는 AI 안전을 다루는 연구소와 안전 기관의 구성원들로 이루어져 있습니다. 과거 인류의 종말에 대해 모임을 갖고 의식을 치렀던 역사적 사례처럼, 이들은 자신들이 특별한 지성을 가졌기에 특별한 자유를 누릴 자격이 있다는 '예외에 대한 이론'을 공유하고 있습니다.

문제는 AI 안전을 평가하는 주체들이 해당 커뮤니티 내부에 깊이 뿌리내리고 있다는 점입니다. 이는 외부의 독립적인 감시나 윤리적 판단이 부족할 수 있다는 위험을 내포하며, AI 재앙에 대한 논의 양측 모두에 심각한 의문을 제기합니다. 따라서 AI 안전에 대한 경고를 무시하지 않고, 커뮤니티 외부에서 독립적인 권한과 투명성을 확보하는 것이 중요합니다.