요약:
지난 이틀 동안 GPT-6 Astra의 다양하고 놀라운 게임 플레이에 모두가 깜짝 놀랐다고 생각합니다. 한 문장으로 완성된 3D 모델링, 처음부터 완전한 게임을 만들고, 수천 개의 부품을 한 눈에 분해하고, 로봇을 제어하는 데까지 사용하는 것까지... 한마디로 믿을 수 없을 만큼 강력합니다. 네티즌들은 “천천히 배우면 배울 필요가 없다”는 과장된 말을 한다. 하지만 GPT-6 Astra는 출시되자마자 원래 많은 분야를 괴롭혔던 복잡성이 갑자기 해결될 것처럼 느껴집니다.
이러한 추세를 과소평가해서는 안 되지만 모델의 현재 기능을 지나치게 과장해서는 안 됩니다. 이 기사에서는 GPT-6 Astra의 다양하고 놀라운 게임플레이와 현재 한계에 대해 살펴보겠습니다.
3D 모델링
갑자기 쉬워지나요?
지난 이틀 동안 Astra의 가장 집중적인 화면 스와이프 기능은 아마도 3D일 것입니다.
누군가 이를 사용하여 3D 기차를 직접 생성했습니다:
두 열차 모두 브라우저에서 실행될 때 TypeScript 및 Three.js 코드를 사용하여 Astra에서 직접 생성됩니다. 신체 크기, 윤곽선 및 다양한 기하학적 구조는 코드의 크기 매개변수, 프로필 및 기하학 함수에서 나옵니다. 바퀴의 움직임이 코드이고, 열차 전체가 폭발하고, 부품이 분해되고, 재조립되는 애니메이션도 모두 코드입니다.
게다가, 이러한 모델은 제작된 후 부품으로 분해될 수 있습니다. 카메라는 122개의 구성 요소 그룹과 1,877개의 개별 모델링 부품으로 분해될 수 있습니다. 전체 작업을 실행하는 데 약 3시간이 걸렸습니다. 저자는 Three.js(브라우저에서 3D 그래픽을 생성하고 표시하는 데 사용되는 JavaScript 라이브러리)가 이렇게 사용될 수 있다는 것을 결코 깨닫지 못했다고 말했습니다.
카메라를 분해할 수 있으며 Tesla도 분해할 수 있습니다. 누군가가 이를 334개의 모델링 부품으로 분해했는데, 이 334개의 부품의 이름과 번호, 기본 구조는 공식적인 것이며 AI가 조작한 것이 아닙니다. 물론 이는 매우 대략적인 프레임 수준 분해일 뿐이며 3D 분해에 필요한 세부 수준에는 전혀 미치지 못합니다.
흥미롭게도 이 저자는 테슬라를 분해한 후에도 만족하지 않고 '남자(남자)를 분해'하는 웹사이트까지 구축했다. 2234개의 전신 모델링 부분을 하나씩 볼 수 있고, 소스파일에 매핑도 가능하다.
이런 사례를 보고 '3D모델링 학생들에게 하늘이 무너진다'고 외치는 이들도 있었다.
그러나 현재 AI의 직접적인 결과물이 아직 상용화되지는 않았다고 말하는 사람들도 있습니다.
게다가 안정성도 큰 문제입니다. 결국, 버그를 수정하려면 여전히 사람들이 필요합니다.
이 데모의 의미는 단지 Astra가 모델을 할 수 있다는 것을 증명하는 것만이 아닙니다. 더 중요한 것은 이것이 새로운 상호 작용 방식을 보여준다는 것입니다. 사람들은 더 이상 복잡한 3D 소프트웨어를 배울 필요가 없으며 원하는 세계를 직접 설명하고 AI가 아이디어를 공간 구조로 변환하는 일을 맡게 됩니다.
과거에는 3D 모델링이 디지털 세계로 진입하는 문턱이었습니다. 미래에는 AI가 현실 세계를 이해하고 생성하는 기본 능력이 될 수도 있습니다. 물론, 진정한 산업용 등급 적용까지는 아직 갈 길이 멀지만 그 길이 점점 더 명확해지고 있습니다.
소프트웨어를 배울 필요가 없나요?
아스트라, 너 자신으로 들어가라
OpenAI의 공식 포지셔닝에 따르면 컴퓨터 사용과 브라우저 사용은 GPT-6 Astra의 트럼프 카드 기능입니다. Canva의 그림 예에서 우리는 이것이 실제로 작동하는 모습을 볼 수 있습니다.
이 경우 네티즌은 아스트라에게 칸바(참고 사진의 초상화를 복제)로 그려달라고 요청했습니다. 그리기 과정에서 Astra는 브라우저에서 Canva 인터페이스를 직접 제어할 수 있습니다. 도구를 선택하고, 정밀하게 클릭/드래그하고, 레이어별로(배경에서 신체, 팔, 얼굴 세부까지) 그리고 마지막으로 매우 유사한 픽셀 스타일의 반현실적인 초상화를 완성할 수 있습니다.
또한 여기에는 장기적인 다단계 작업(작성자 피드백은 약 1시간), 도구 전환(중간에 문제가 발생한 후 Chrome이 컴퓨터 사용 모드로 전환)은 물론 매우 높은 인터페이스 이해도와 미세한 제어 정확도도 포함됩니다.
옆집 Fable 5.1도 같은 메시지를 받았지만 결과는 네티즌들을 실망시켰습니다:
이 실험을 하는 사람은 그뿐만이 아닙니다. 또 다른 네티즌도 같은 사진을 찍어 두 명의 AI에게 그려달라고 부탁했는데 결과는 비슷했다. 아스트라가 더 현실감 있고, 페이블 5.1이 더 자유롭고 쉽다…
동영상 링크: https://mp.weixin.qq.com/s/6tOR2GptUa97ffW-jWJF2Q
그러나 일부 네티즌들은 이러한 것들의 최종적인 시각적 효과가 초점이 되지 않는다는 점을 지적했습니다. 중요한 것은 Astra가 지원하는 에이전트가 이미 Blender, Unreal Engine 및 브라우저를 스스로 작동하고 프롬프트를 프로젝트 파일로 직접 변환할 수 있다는 것입니다.
지난 며칠 동안 "Astra는 Blender를 사용하여 San Francisco Palace of Fine Arts를 재건합니다", "오래된 증기 기관차 그림이 Blender에서 3295개의 편집 가능한 개체로 바뀌었습니다", "600명의 Astra Agent가 동일한 Unreal 세계에 살고 있습니다"는 모두 이러한 방향의 전형적인 사례입니다.
동영상 링크: https://mp.weixin.qq.com/s/6tOR2GptUa97ffW-jWJF2Q
또 다른 흥미로운 사례는 '피아노 연주'입니다. OpenAI 직원 Victor E. Nunez는 Astra에게 온라인 피아노를 찾고 컴퓨터 사용을 사용하여 "River Flows in You"를 연주해 달라고 요청했습니다. 실행 과정에서 Astra는 스스로 온라인 가상 피아노 웹사이트를 검색하고 연 다음 컴퓨터 사용을 사용하여 컴퓨터 인터페이스를 직접 제어했습니다. 마우스를 "오른손"으로 클릭하고 피아노 건반을 클릭했습니다. 키보드 컨트롤은 "왼손+빠른 문단"으로 처리됩니다. 두 사람은 동시에 연주하며 리듬과 음의 길이를 정확하게 조절하며 'River Flows in You'를 완벽하게 소화했다.
동영상 링크: https://mp.weixin.qq.com/s/6tOR2GptUa97ffW-jWJF2Q
더 흥미로운 점은 이번 시연 영상을 아스트라가 직접 화면을 녹화하고 편집했다는 점이다. 전체 프로세스는 중간 단계에서 수동 개입 없이 작업 이해 → 웹사이트 찾기 → 악기 로드 → 실시간 연주 등 엔드투엔드입니다.
이러한 사례는 GPT-6 Astra가 속도, 정확성, 다중 도구 병렬 처리 및 실시간 피드백 기능이 모두 매우 높은 수준에 도달하여 에이전트 컴퓨터 사용에서 새로운 수준에 도달했음을 보여줍니다.
아마도 미래에는 사람들이 특정 전문 소프트웨어의 기능을 AI 기능으로 재창조하는 방법에 대해 생각하지 않고 소프트웨어를 AI에 넘겨줄 수도 있을 것입니다. 인간을 위해 설계된 모든 소프트웨어를 작동할 수 있게 되면 AI의 적용 시나리오가 크게 확장됩니다.
화면 밖
아스트라가 로봇을 제어하기 시작합니다
이전 데모가 아무리 터무니없더라도 기본적으로 모두 컴퓨터에서 진행되었습니다.
네티즌 추재범이 진행한 테스트는 달랐습니다. 실제로 아스트라를 로봇팔에 연결했습니다.
작업 중 하나는 로봇 팔이 블록을 그릇에 담도록 하는 것입니다. GPT-6 Astra는 20번 수행되었으며 성공률은 95%에 도달했습니다. 대조군 Fable 5.1은 40%였다. 동시에 출력 토큰 수는 후자의 약 16%에 불과하고 비용은 후자의 약 43%에 불과합니다.
더 중요한 것은 이 작업에 대한 Astra의 시연이나 미세 조정이 없다는 것입니다. Jay Chooi는 나중에 이것이 제로 샷 테스트라고 구체적으로 덧붙였습니다. 모델은 로봇 팔의 엔드 이펙터의 위치와 자세를 제공한 다음 자동 역운동학 솔버를 통해 이를 로봇 팔 동작으로 변환하는 역할을 합니다.
대형 모델 토큰의 출력 속도가 가속화되면서 추제이는 이르면 올해 말, 늦어도 2029년에는 LLM이 로봇팔을 실시간으로 제어할 수 있을 것으로 낙관적으로 전망하고 있다.
NVIDIA의 전 연구 과학자인 Yu Xiang은 로봇 공학의 다음 개척지는 제어를 위해 고급 AI 모델을 실제로 사용하는 방법일 수 있다고 지적했습니다. 단순히 인식 및 계획 모듈을 호출하기 위한 에이전트로 사용하는 것만으로는 충분하지 않습니다. 이러한 모델을 실제 세계에 연결하는 새로운 방법이 필요합니다.
이러한 결과는 사람들의 호기심을 불러일으키기도 합니다. OpenAI는 모델을 매우 다양하게 만들기 위해 사후 훈련에 무엇을 추가했습니까? 아니면 사전 훈련에 획기적인 발전이 있습니까?
아직 공부 중이신가요?
이 글을 읽고 어떤 사람들은 AI가 더 이상 그림을 만드는 데 만족하지 않고 '세상을 재구성'하려고 시도하기 시작했다고 탄식했습니다.
자연스레 질문이 생깁니다. AI가 모델링하고, 코드를 작성하고, 소프트웨어를 작동하고 심지어 물리적 세계에 접근하기 시작할 때, 오늘날 우리가 그토록 열심히 배운 기술 중 얼마나 많은 기술이 현재의 형태로 여전히 존재할 수 있을까요?
현재 이 질문에 대한 답은 확실히 없습니다. Astra에는 여전히 불안정하고, 거칠고, 전혀 사용할 수 없는 부분이 많이 있지만, 이틀 동안 정말 불안하고 흥미로운 점은 바로 이것이었을 것입니다. 기본적으로 인간이 숙달해야 하는 많은 복잡한 작업이 처음으로 AI를 위해 전체적으로 패키지화되는 것이 가능해졌습니다.
'앞으로도 배워야 할까요?'에 대한 대답은 단연 '아직 배워야 한다'이다. 단지 우리가 배울 가치가 있는 것이 무엇인지 다시 생각해야 할 수도 있다는 것입니다.
댓글