읽을 가치가 있는 기사만, 짧고 또렷하게.

연구원들은 공개된 AI 도구를 사용하여 단 20개의 프롬프트 만에 특정 취약점을 발견했으며, 이 취약점은 Zoom 통화 중 누구나 다른 참가자의 장치를 탈취할 수 있게 하는 허점을 포함하고 있었다고 밝혔습니다. 이 취약점은 Zoom의 화면 공유 기능에서 발생한 보안 결함으로, 통화 참여자 중 한 명이 다른 참가자의 장치를 제어할 수 있는 위험을 내포하고 있었습니다.

해당 보안 결함은 AI 도구를 통해 빠르게 발견되었으며, 현재는 해당 문제가 수정되어 해결된 상태입니다. 이 발견은 AI가 보안 취약점을 탐지하는 데 활용될 수 있음을 보여주며, 자동화된 방식으로 시스템의 취약점을 찾는 데 AI가 기여할 수 있다는 점을 시사합니다.

이러한 발견은 화상 회의 플랫폼의 보안 설계에 있어 잠재적인 위험을 강조하며, 개발자와 보안 전문가들은 실시간으로 시스템의 취약점을 점검하고 패치하는 프로세스의 중요성을 다시 한번 인식해야 합니다.

프랑스에서는 소비자를 침해적인 판매 권유와 사기성 상행위로부터 보호하기 위해 사전 동의 없는 텔레마케팅 전화를 금지합니다. 이 규정은 2026년 8월 11일부터 시행되며, 기업이 소비자에게 전화를 걸기 위해서는 반드시 사전 동의를 받아야 함을 의미합니다.

이제 기업은 소비자의 명시적인 동의 없이 무분별하게 전화하는 행위가 금지되며, 소비자는 원할 경우 언제든지 해당 동의를 철회할 수 있는 권리를 갖게 됩니다. 이는 소비자 보호를 강화하고 불필요한 영업 행위를 줄이는 데 목적이 있습니다.

다만, 기존 계약 관계에 따른 신규 상업 제안에 대해서는 예외가 적용됩니다. 따라서 이미 존재하는 계약 관계를 기반으로 한 새로운 상업적 제안은 여전히 허용됩니다. 이 점을 고려하여 기업들은 기존 계약 관계와 신규 제안 사이의 경계를 명확히 구분하여 법적 준수 사항을 확인해야 합니다.

아마존의 파노스 파나이(Panos Panay)가 2026년 테크크런치 디스럽트(TechCrunch Disrupt)에서 스마트폰 이후의 미래에 대해 발표할 예정입니다. 그는 인공지능(AI)이 독립적인 앱을 넘어 플랫폼과 운영체제에 통합되면서 차세대 하드웨어의 진화 방향을 제시할 것입니다.

파나이는 마이크로소프트에서 19년간 근무하며 서피스(Surface) 기기 및 윈도우 11 개발을 총괄한 경험을 가지고 있습니다. 이러한 배경을 바탕으로 그는 현재 아마존에서 알렉사(Alexa)와 알렉사 플러스(Alexa+)의 생성형 AI 개편을 중심으로 하드웨어 발전의 진화를 심도 있게 다룰 것입니다.

이번 발표는 사용자의 일상이 휴대폰이 아닌 어시스턴트나 안경과 같은 다른 폼팩터 중심으로 변화하는 미래에 대한 통찰을 제공합니다. 디스럽트는 이러한 미래 지향적인 사고를 공유하는 곳으로, 인더캠프들이 현재 어디에 베팅하고 있으며 스타트업들이 어떤 기회를 알아야 하는지 공유하는 장입니다.

개발자와 투자자들은 파나이의 통찰을 통해 AI 시대에 하드웨어와 소프트웨어가 어떻게 융합되어야 하는지에 대한 선행 정보를 얻을 수 있습니다. 이 기회를 통해 다가오는 하드웨어 경쟁의 흐름을 미리 파악하고 경쟁에 대비할 수 있습니다.

Anthropic은 유럽의 AI 투명성 규정 준수를 위해 Claude가 생성한 텍스트와 이미지에 기계가 읽을 수 있는 데이터를 표시하는 작업을 시작하겠다고 약속했습니다. 앤트로픽은 생성된 텍스트에는 워터마크가 삽입되고 생성된 파일에는 지원되는 경우 디지털 서명이 포함된 출처 메타데이터가 포함될 것이라고 밝혔습니다.

이러한 변경 사항은 인간의 눈에는 보이지 않지만, 콘텐츠가 Claude 모델에 의해 생성되었는지 감지하는 데 있어 사람들과 온라인 플랫폼이 더 쉽게 식별할 수 있도록 하기 위함입니다. 이는 AI 생성 콘텐츠에 대한 투명성을 높여 AI 레이블링 및 투명성 의무를 충족하는 데 기여할 것입니다.

다만, 이러한 업데이트는 즉시 시행되는 것이 아니라 미래의 약속임을 명시하고 있습니다. 이는 향후 AI 레이블링 및 투명성 규칙과 같은 규제 요구 사항을 충족하기 위한 장기적인 노력의 일환입니다.

플록 카메라 시스템의 오류로 인해 한 운전자가 두 차례에 걸쳐 총경에 의해 검문을 당한 사건이 발생했습니다. 위스콘신주 브룩필드에 거주하는 앰버 뉴웰 씨는 목요일 오후 밀워키 근처에서 운전 중 플록 카메라가 그녀의 차량을 살인 사건 수사와 연관된 것으로 표시하면서 경찰의 검문을 받았습니다.

이 사건은 경찰이 시스템에서 해당 차량에 대한 수배 알림을 제거하는 것을 잊어버려 발생한 시스템 오류로 인해 발생했습니다. 이로 인해 뉴웰 씨는 같은 주에 거의 동일한 상황을 두 번이나 겪어야 했으며, 이는 그녀와 딸에게 큰 정신적 고통을 안겨주었습니다.

플록 카메라는 번호판을 읽어 법 집행 기관이 업로드한 활성 경보와 비교하여 일치하는지 확인하는 방식으로 작동하며, 특히 폭력 범죄와 관련된 일치 사항은 경찰이 긴급하게 대처하도록 훈련되어 있습니다. 그러나 시스템의 신뢰성은 데이터를 업데이트하는 사람들의 관리 능력에 달려 있으며, 이번 사례는 경찰이 알림을 제거하는 기본적인 단계를 놓쳤음을 보여줍니다.

이 상황은 이러한 시스템이 커뮤니티를 안전하게 지키기 위해 설계되었음에도 불구하고, 데이터 관리의 기본적인 절차가 누락될 경우 무고한 운전자가 불필요한 위험에 노출될 수 있음을 시사합니다. 따라서 시스템 운영자들이 알림을 정확하게 처리하고 데이터의 정확성을 유지하는 데 더 많은 주의를 기울여야 할 필요가 있습니다.

Anthropic은 유럽연합의 규제 준수를 위해 자사 AI 모델에서 생성된 텍스트에 워터마크를 적용할 것이라고 발표했습니다. 이는 8월 2일부터 발효된 EU AI 법의 투명성 코드 요구사항을 충족하기 위함이며, AI 생성 또는 편집된 콘텐츠를 다른 시스템이 식별할 수 있도록 표시해야 합니다.

이러한 워터마킹은 Claude를 포함한 모든 모델에 적용되며, 텍스트가 복사하여 붙여넣기 될 때 워터마크가 함께 이동하고 일부 편집 과정에서도 유지될 수 있도록 모델 수준에서 적용됩니다. 이는 사용자가 AI 생성 콘텐츠의 출처를 명확히 알 수 있도록 하기 위한 조치입니다.

워터마킹은 Claude 플랫폼 API, Claude, Claude Code, Claude Cowork, Claude Tag 등 다양한 제품에 걸쳐 적용될 예정입니다. 이는 사용자들의 반발과 규제 당국의 감시를 피하기 위해 많은 AI 기업들이 현재 추세로 삼고 있는 조치입니다.

Anthropic 외에도 Suno, Substack, Google, Meta, OpenAI 등 다른 주요 AI 기업들도 법적 문제에 대응하고 투명성을 확보하기 위해 유사한 워터마킹 정책을 도입하고 있습니다.

OpenAI의 윤리 책임 책임자였던 클로이 바칼라(Chloé Bakalar)가 회사를 떠나면서 AI 안전에 대한 논의가 더욱 중요해지고 있습니다. 이탈은 OpenAI가 ChatGPT 출시 이후 급성장하는 과정에서 AI 안전과 윤리 문제를 다루는 조직 구조를 재편하는 시기와 맞물려 발생했습니다.

바칼라는 모델 개발의 윤리적 접근 방식과 인간과 AI의 상호작용에 중점을 두었으며, OpenAI 내에서 윤리적 고려 사항이 단일 팀이 아닌 여러 연구팀에 깊이 내재되어 있음을 강조했습니다. 이는 AI 윤리가 특정 개인이나 팀에 의해 독점되지 않고 광범위한 연구를 통해 다뤄져야 한다는 점을 시사합니다.

최근 AI 모델의 안전과 윤리 문제는 더욱 심화되고 있으며, 일부 AI 기업들은 모델 정렬 문제를 해결하기 위해 헌법과 같은 규범을 도입하고 있습니다. 예를 들어 Anthropic은 Claude 모델에 대해 칸트 철학이나 세계인권선언 등 다양한 출처에서 영감을 받은 헌법을 적용하여 안전 기준을 설정하고 있습니다.

이러한 변화는 AI 기술이 전 세계적으로 영향을 미치는 상황에서 개발자와 연구자들이 모델의 잠재적 위험과 책임에 대해 더 깊이 고민해야 함을 의미합니다. AI 윤리 분야의 리더들이 학계에서 영입되는 현상은 AI 기술의 광범위한 사회적, 철학적 함의를 탐구하려는 움직임을 반영합니다.

대규모 시각-언어 모델(LVLM)은 뛰어난 시각 추론 및 대화 능력을 보이지만, 종종 시각 입력에 뒷받침되지 않는 내용을 환각(hallucination)하는 문제가 발생합니다. 이러한 문제를 효과적으로 해결하기 위해서는 전체 응답을 버리지 않고 목표 지점에 개입할 수 있는 토큰 수준의 국소화가 필요합니다. 기존의 환각 탐지기는 전체 모델 미세 조정에 비용이 많이 들거나, 모델의 생성 과정을 무시하는 외부 검증기에 의존하거나, 공간적, 순차적, 관계적 구조를 버리고 고립된 특징으로 신호를 축소하는 한계를 가지고 있습니다.

이에 연구진은 단일 순방향 통과에서 고정된 LVLM의 이질적인 계산 흔적을 모델링하는 경량의 통합 학습 가능한 탐지기인 UniProbe를 제안합니다. UniProbe는 이미지 패치, 쿼리 토큰, 생성된 토큰에 대한 방향 그래프를 구성하고 어텐션 가중치를 통해 이들 간의 관계를 인코딩합니다. 이 탐지기는 관계적 증거를 위한 GNN, 2차원 시각 기하학을 위한 ViT, 응답 순서를 위한 GRU와 같은 구조 인식 모듈을 교차 배치하여 공간적, 관계적, 순차적 증거가 탐지기 전체에 상호작용하도록 설계되었습니다.

나아가 UniProbe는 생성 과정 중 환각을 감지하고 재샘플링하는 스트리밍 변형을 개발했으며, LVLM의 생성과 탐지기를 정렬하는 자체 적응 전략을 추가했습니다. 다양한 LVLM 백본에서 UniProbe는 토큰 수준 및 객체 환각 탐지에서 최고 수준의 성능을 달성합니다. 특히 디코딩 과정에서 표준 생성보다 1.06배의 지연 시간으로 객체 환각을 최대 55%까지 줄일 수 있어 실시간 추론 환경에서 유용합니다.

Joby Aviation이 군수 산업 복합체로의 확장을 위해 오하이오주 데이턴에 위치한 방위 산업체인 Resonant Sciences를 5억 달러에 인수한다고 발표했습니다. 이 거래는 전기 항공기 회사인 Joby가 군사 산업 분야로 사업 영역을 확장하려는 움직임의 일환입니다.

Joby는 이 거래를 현금 4억 5천만 달러와 지분 5천만 달러로 자금을 조달할 계획입니다. 거래가 완료되면 Resonant Sciences는 Joby의 전담 방위 부문으로 계속해서 기존 업무를 수행하게 됩니다.

한편, Joby의 상업 부문은 여전히 에어 택시 개발에 집중하며, 이 중 첫 번째 에어 택시는 올해 후반에 출시될 것으로 예상됩니다. 이번 인수는 초기 단계의 전기 항공 산업이 방위 산업 분야로 확장하는 사례로 주목받고 있습니다.

최근 연구에 따르면 패스워드 기반 방식보다 안전한 새로운 인증 패러다임인 패스키에 대한 새로운 공격 표면이 제시되었습니다. 이 공격은 패스키 자체에 새롭거나 고유한 것이 아니라는 점이 중요하며, 이로 인해 사용자들과 보안 전문가들 사이에 새로운 메커니즘의 안전성에 대한 혼란이 발생하고 있습니다.

이 공격은 패스키와 '키를 넘겨라'라는 구절을 결합한 'Pass-ta-key'라는 이름으로 불립니다. 팔로 알토 네트웍스의 보안 회사 소속 연구원인 아리에 올슈테인(Arie Olshtein)은 악성코드가 감염된 Windows 머신에서 Google Password Manager 앱(GPM)에 저장된 모든 패스키를 획득할 수 있음을 설명했습니다.

많은 사용자는 패스키가 Windows 기기의 암호화 키와 민감한 정보를 저장하는 데 사용되는 하드웨어 칩인 신뢰 플랫폼 관리자(TPM)에만 저장되어 있다고 믿어왔습니다. 따라서 Pass-ta-key가 TPM에 저장된 패스키 전체를 어떻게 추출할 수 있었는지에 대한 의문이 제기됩니다.

이러한 발견은 패스키 저장 방식과 보안 메커니즘에 대한 이해를 재고하게 만들며, 새로운 인증 방식이 실제로 안전한지에 대한 심층적인 평가가 필요함을 시사합니다.

모델 컨텍스트 프로토콜(MCP)이 보안의 변곡점에 도달했다는 보고가 나왔습니다. 현재 인터넷에 노출된 MCP 서버 인스턴스가 21,000개 이상이며, 감사된 프로덕션 서버 중 거의 92%가 기본적인 OAuth 인증을 누락한 상태입니다. 이는 AI 에이전트 인프라의 설계와 실제 취약점 사이의 긴장이 시스템적인 현실로 전환되었음을 의미합니다.

이러한 상황은 프로토콜의 아키텍처, 특히 STDIO 전송 모델에 대한 근본적인 의견 불일치에서 비롯됩니다. OX Security 보고서는 MCP STDIO 전송에 시스템적인 아키텍처 취약점이 있음을 지적하며 1억 5천만 건의 다운로드와 7,000개 이상의 공개 접근 가능한 서버가 영향을 받을 수 있다고 밝혔습니다. 하지만 Anthropic은 STDIO 동작이 '설계상'이며 입력 검증은 개발자의 책임이라는 입장을 고수하고 있습니다.

보안 커뮤니티의 연구 결과는 이러한 주장에 반박하며, 640개의 프로덕션 서버 중 91.8%가 OAuth를 결여하고 있으며 687개의 인스턴스에서 제한 없는 셸 도구 접근이 발견되었다고 보고했습니다. 이러한 취약점은 토큰 관리 문제부터 도구 오염에 이르는 OWASP MCP Top 10과 함께 증가하고 있습니다.

현재 MCP 거버넌스가 Linux Foundation 아래 Agentic AI Foundation(AAIF)으로 이전되면서, 개발자들은 프로토콜의 근본적인 아키텍처 강화를 추구할지 아니면 시스템적 위험을 완화하기 위해 개발자 측의 우회책에 의존할지 선택해야 하는 상황에 놓였습니다. 이 결정은 차세대 AI 에이전트 인프라가 본질적인 복원력을 갖추고 구축될지, 아니면 설계상 노출된 채로 남을지를 결정할 것입니다.

좋은 공기를 원한다면 제습기가 필요합니다. 이 기사는 지하실부터 빨래 건조에 이르기까지 다양한 환경에서 곰팡이와 습한 여름을 해결하기 위해 테스트된 최고의 제습기 여섯 가지를 소개합니다.

이 목록은 습기 관리가 필요한 공간에 대한 실질적인 해결책을 찾는 독자들에게 유용합니다. 기사는 단순히 제습기의 종류를 나열하는 것을 넘어, 특정 환경에서 효과적인 제습기 선택 기준을 제시합니다.

독자들이 습기로 인한 문제를 해결하고 쾌적한 실내 환경을 조성하는 데 도움이 될 구체적인 제품 정보를 제공합니다. 따라서 습기 관리의 중요성을 인지하고 있다면 이 정보를 참고하여 적절한 제습기를 선택할 수 있습니다.

Claude Code를 제품 작업에 효율적으로 정리하는 방법은 프롬프트에 의존하는 대신 파일링 시스템을 구축하는 것입니다. 좋은 프롬프트는 한 세션의 결과를 개선하지만, 잘 정리된 파일은 이후 모든 세션의 결과를 개선합니다. 따라서 작업의 결과가 프롬프트의 질이 아닌 파일링의 질에 따라 결정되도록 시스템을 구축해야 합니다.

이 시스템은 프로젝트별 폴더, 회사 정보와 같은 컨텍스트 폴더, 그리고 반복적인 작업을 수행하는 스킬(예: 상태 업데이트, PRD 검토)로 구성됩니다. 피드백을 제공할 때 한 번만 수정 사항을 기록하고, 반복되는 작업은 스킬로 만들어 명령만으로 실행되게 하여 컨텍스트가 영구적으로 보존되도록 합니다.

일반적인 채팅 모드나 Cowork는 대화가 시작될 때마다 컨텍스트가 초기화되어 매번 동일한 설정 비용이 발생하지만, 이 시스템은 파일과 터미널을 활용하여 컨텍스트를 영구적으로 저장하고 작업의 누적 효과를 극대화합니다. 특히 Claude Code가 GitHub와 네이티브로 연동되므로, 코드를 저장하고 팀원과 공유하는 데 유리하며, 이는 제품 관리자뿐만 아니라 디자인 리드나 데이터 팀 등 다양한 역할에서 적용할 수 있는 구조입니다.

이러한 파일링 습관을 통해 작업은 더 짧은 프롬프트, 적은 수정, 그리고 작업 중간에서 시작하는 세션으로 이어지며, 결과적으로 컨텍스트가 누적되어 작업의 효율성이 크게 향상됩니다. 스타터 워크스페이스를 다운로드하고 설정 인터뷰를 진행하여 이 구조를 적용하면 작업의 복잡성과 관계없이 모든 세션에서 일관된 결과를 얻을 수 있습니다.

GitHub Actions에서 id-token: write 권한은 작업이 임의의 audience로 OIDC 토큰을 발급할 수 있게 허용합니다. 이로 인해 취약하거나 악성인 서드파티 코드가 토큰을 이용하여 다른 서비스로 권한을 확장할 수 있는 보안 취약점이 발생할 수 있습니다.

OIDC(OpenID Connect)에서 사용되는 aud 클레임은 토큰을 실제로 받아들일 수 있는 서비스를 제한하는 역할을 합니다. 따라서 토큰을 발급할 때 이 aud 클레임을 적절히 제약하여 토큰이 의도된 서비스로만 사용되도록 보장해야 합니다.

GitHub Actions 환경에서 OIDC를 사용할 때 이러한 audience 제약이 필수적입니다. 이는 악의적인 접근이 다른 서비스로 권한을 확장하는 것을 방지하여 전체 시스템의 보안을 강화하는 데 중요합니다. 개발자는 OIDC 설정 시 토큰 수신 서비스에 대한 명확한 제약을 적용해야 합니다.

미국 행정부는 멕시코 카르텔 자금 세탁을 막기 위해 국경 지역의 송금 규칙을 변경하려 했으나, 이는 오히려 지역 소상공인과 이민자 커뮤니티에 큰 타격을 입혔습니다. 이 정책은 국경 근처에서 금융 서비스를 제공하는 사업체에 200달러 이상의 현금 거래를 보고하도록 의무화했으며, 이는 이전의 10,000달러 기준보다 훨씬 낮은 금액이었습니다.

이러한 규제 변화는 카르텔 활동을 억제하기보다는 지역 내 소규모 사업체와 임차료 및 가족 송금을 위해 이들에게 의존하는 이민자 커뮤니티에 심각한 영향을 미쳤습니다. 텍사스주 엘패소의 나치타스 그로서리(Nachita’s Grocery)와 같은 가족 운영 식료품점들은 오랫동안 지역 사회의 생명선 역할을 해왔는데, 이제 이들은 고객의 개인 정보와 거래 내역을 보고해야 하는 부담을 안게 되었습니다.

소상공인들은 이 정책으로 인해 고객의 신분증, 사회보장번호 등 개인 식별 정보를 보고해야 했으며, 이는 정부 감시나 이민 당국의 표적으로 삼을 수 있다는 우려를 낳았습니다. 그 결과, 많은 고객들은 정부 감시나 추적을 걱정하여 송금이나 임대료 지불과 같은 필수적인 거래를 꺼리게 되었고, 노인 고객이나 임차인들은 주거 비용을 지불하는 데 필요한 돈 오더를 구매하지 못하는 상황이 발생했습니다.

전문가들은 이 정책이 자금 세탁 방지보다는 이민자 커뮤니티에 공포를 조성하고 불법 체류자들을 금융 시스템에서 배제시키려는 시도일 수 있다고 지적합니다. 이로 인해 지역 금융 생태계의 일부였던 환전 사업체들 역시 운영에 어려움을 겪고 있으며, 지역 사회의 경제적 기반이 흔들리고 있습니다.

연구진이 Claude, GPT, Gemini와 같은 AI 모델들로부터 ‘추론 흔적(reasoning traces)’을 추출하는 방법을 개발했습니다. 이 연구를 통해 일부 중국 AI 모델들이 선도적인 미국 모델들을 기반으로 훈련되었을 가능성이 있음을 시사했습니다.

연구팀은 이러한 추론 흔적을 추출함으로써 AI 모델의 내부 작동 방식을 분석할 수 있는 새로운 접근법을 제시했습니다. 이는 AI 모델이 정보를 처리하고 추론하는 방식에 대한 깊은 이해를 제공할 수 있습니다.

이러한 발견은 AI 모델의 훈련 데이터와 근원에 대한 중요한 질문을 던집니다. 만약 중국 AI 모델들이 미국 모델의 데이터셋을 활용하여 학습했다면, 이는 AI 기술 발전의 흐름과 데이터 소스에 있어 중요한 맥락을 가집니다.

따라서 AI 모델의 출처와 훈련 데이터의 관계를 이해하는 것은 AI 기술의 투명성과 잠재적인 영향력을 평가하는 데 중요한 시사점을 제공합니다.

수학 분야에서 인공지능의 영향력이 시작되었다는 내용입니다. 옥스퍼드 교수이자 필즈 메달 수상자인 제임스 메인드(James Maynard) 수학자는 전통적으로 느리게 변화해 온 이 학문이 인공지능에 어떻게 적응해 나갈지에 대해 깊이 고민하고 있다고 밝혔습니다.

최근 오픈AI는 인공지능을 통해 수십 년 동안 학자들을 혼란스럽게 했던 10가지 오랜 수학 문제에 대한 해답을 도출했다고 공개했습니다. 이는 생성형 AI가 텍스트나 이미지를 생성하거나 과학 및 의학 분야에서 예측 모델을 제시하는 방식과 유사하게, 기술이 방대한 자료에서 패턴과 연결 고리를 학습하는 능력을 보여줍니다.

이러한 발전은 수학적 사고와 문제 해결의 근본적인 방식에 AI가 미치는 영향을 시사합니다. 인공지능이 복잡한 수학적 추론을 수행하고 새로운 해답을 제시할 수 있게 되면서, 수학이라는 분야가 어떻게 변화하고 재정의될지에 대한 근본적인 질문이 제기되고 있습니다.

GitHub Copilot을 중간자 프록시(MITM) 뒤에 두고 네트워크 트래픽을 분석한 결과, AI 코딩 도구의 작동 방식과 컨텍스트(맥락)가 핵심적인 요소로 부상하고 있음을 발견했습니다. 개발자는 VS Code와 Copilot을 실험 대상으로 삼아 Electron 기반 애플리케이션의 네트워크 구조와 메모리 관리 방식을 탐구했습니다.

이러한 분석을 통해 AI 코딩 도구에서 컨텍스트가 제품화되고 있다는 점이 드러났습니다. 모델의 성능이나 벤치마크 결과 외에, 코드, 최근 변경 사항, 대화 기록, 도구 사용 이력 등 적절한 컨텍스트를 어떻게 조합하여 제공하느냐가 AI 도구 간의 차별점을 결정한다는 것입니다.

하지만 컨텍스트를 관리하는 데는 두 가지 주요 과제가 존재합니다. 첫째는 엔지니어링 문제로, 모델을 과부하시키지 않으면서 컨텍스트를 간결하고 관련성 있게 유지하는 것입니다. 둘째는 개인 정보 보호와 기밀성 문제로, 데이터가 파일, 세션, 머신, 그리고 최종적으로 모델 API 사이의 경계를 어떻게 넘나들어야 하는지 정의하는 것이 중요합니다.

결론적으로, 모델 자체를 연구하는 것보다 모델을 둘러싼 하네스(구조)를 역공학하고 연구하는 것이 AI 시스템을 구축하는 데 더 많은 통찰력을 제공할 수 있다는 점을 시사합니다. 이는 AI 시스템을 개발하는 팀들이 컨텍스트를 어떻게 주입하고 관리할지에 대한 근본적인 질문을 던지게 만듭니다.

1873년 패닉은 유럽과 북미 전역에 걸쳐 경제 침체를 촉발시킨 금융 위기였습니다. 이 위기는 1873년부터 1877년까지 유럽에서, 그리고 프랑스 제3공화국과 영국에서 1879년까지 지속되었으며, 미국에서는 '대공황' 이전의 경제 침체 시기로 간주됩니다.

이 위기의 근본적인 원인은 여러 요인이 복합적으로 작용한 결과였습니다. 미국에서는 인플레이션과 철도 등에 대한 과도한 투기적 투자, 그리고 독일과 미국에서 은이 화폐에서 제외되는 탈화폐 조치 등이 영향을 미쳤습니다. 또한 프랑스-프로이센 전쟁으로 인한 유럽의 경제적 혼란과 시카고 및 보스턴 대화재로 인한 주요 자산 손실도 은행 준비금에 막대한 부담을 주었습니다.

특히 독일과 오스트리아-헝가리 제국에서는 전쟁 배상금으로 인한 자본 유입과 함께 은 탈화폐 조치가 이루어졌으며, 이는 1873년 7월 9일에 독일 제국에 금표가 도입되는 결과를 낳았습니다. 이러한 화폐 정책의 변화는 대서양 양안 모두에서 위기를 심화시키는 공통적인 요소였습니다.

결과적으로 뉴욕 시의 은행 준비금은 1873년 9월과 10월 사이에 5천만 달러에서 1,700만 달러로 급감하는 등 심각한 금융 실패를 경험했습니다. 이는 당시 유럽과 북미의 경제적 불안정성이 얼마나 상호 연결되어 있었는지를 보여주는 사례입니다.

엔비디아의 위험한 사업이라는 제목처럼 이 기사는 역사적 사례를 통해 현재의 AI 시대와 기술 투자의 위험성을 설명합니다. 1873년 철도 건설 중단과 관련된 재정적 붕괴는 오늘날의 경제 상황과 AI 관련 자본 흐름을 이해하는 데 중요한 맥락을 제공합니다.

이 이야기는 미국의 철도 건설 과정에서 자금 조달의 불안정성이 어떻게 대규모 경제 침체와 부채 문제를 야기했는지 보여줍니다. 당시 자금 조달 과정에서 발생한 금융 위기는 오늘날의 기술 거품과 자본 시장의 불안정성을 이해하는 데 중요한 선례가 됩니다.

저자는 이러한 역사적 수치를 현재의 2026년 규모로 환산하는 방법을 제시하며, 이는 주요 기술 기업들이 투자하는 규모와 비교될 수 있음을 강조합니다. 마이크로소프트와 같은 거대 기술 기업들이 여전히 상당한 잉여 현금 흐름을 유지하고 부채 없이 자본 지출을 관리하는 방식은 이러한 역사적 교훈과 연결됩니다.