# ARC 상 – 오픈 AGI 발전을 위한 100만 달러 이상의 경쟁

> Clean Markdown view of GeekNews topic #15305. Use the original source for factual precision when an external source URL is present.

## Metadata

- GeekNews HTML: [https://news.hada.io/topic?id=15305](https://news.hada.io/topic?id=15305)
- GeekNews Markdown: [https://news.hada.io/topic/15305.md](https://news.hada.io/topic/15305.md)
- Type: GN+
- Author: [neo](https://news.hada.io/@neo)
- Published: 2024-06-12T12:34:25+09:00
- Updated: 2024-06-12T12:34:25+09:00
- Original source: [arcprize.org](https://arcprize.org/blog/launch)
- Points: 1
- Comments: 1

## Topic Body

### AGI 발전이 멈췄음. 새로운 아이디어가 필요함

#### ARC PRIZE 발표
- **ARC Prize**: 오픈 AGI 발전을 위한 100만 달러 이상의 상금 대회
- **목표**: 새로운 아이디어를 통해 AGI 발전을 촉진하고, ARC-AGI 평가를 해결하는 것

#### 지능 대 암기
- **현대 AI**: 주로 고차원 패턴을 암기하고 이를 유사한 상황에 적용하는 방식
- **문제점**: 새로운 상황에서 새로운 추론을 생성하지 못함
- **일반 지능**: 새로운 기술을 효율적으로 습득하는 능력
- **필요성**: 새로운 아키텍처나 알고리즘이 필요함

#### LLM의 한계
- **기존 AI 시스템**: 특정 게임에서 인간을 이길 수 있지만, 다른 게임으로 전환이 불가능함
- **일반화 실패**: AI가 새로운 상황에 적응하지 못함

#### ARC-AGI
- **소개**: François Chollet의 논문 "On the Measure of Intelligence"에서 소개됨
- **목표**: 새로운 기술을 효율적으로 습득하고 새로운 문제를 해결하는 시스템 평가
- **현재 상태**: 인간은 85%~100% 점수를 얻지만, AI는 34%에 불과함

#### 오픈 소스 AGI 발전
- **문제점**: GPT-4 이후 AGI 연구가 폐쇄적으로 변함
- **역사**: LLM의 발전은 여러 연구자들의 협력 결과
- **필요성**: 새로운 아이디어를 촉진하기 위해 오픈 소스가 필요함

#### ARC PRIZE 목표
- **연구 참여 증가**: AGI 연구에 참여하는 사람 수를 늘림
- **AGI 발전 측정**: 객관적인 AGI 발전 측정 방법을 대중화
- **ARC-AGI 해결**: ARC-AGI 평가를 해결하고 지능의 본질에 대해 새로운 것을 배움

#### 시작하기
- **참여 방법**: 누구나 참여 가능, 새로운 아이디어는 어디서든 나올 수 있음
- **정보 제공**: ARC Prize 2024의 형식과 상금 세부 사항 제공

### GN⁺의 의견
- **오픈 소스의 중요성**: 오픈 소스는 혁신을 촉진하고 작은 AI 회사와 큰 AI 회사 간의 격차를 줄이는 데 중요함
- **새로운 아이디어의 필요성**: 현재 AI 연구는 새로운 아이디어가 부족하며, 이는 AGI 발전을 저해함
- **규제 문제**: 잘못된 믿음으로 인해 AI 연구에 대한 규제가 강화될 수 있음
- **경쟁의 장점**: ARC Prize와 같은 대회는 연구자들에게 동기를 부여하고 새로운 아이디어를 촉진할 수 있음

## Comments



### Comment 26177

- Author: neo
- Created: 2024-06-12T12:34:25+09:00
- Points: 1

###### [Hacker News 의견](https://news.ycombinator.com/item?id=40648960) 
- Simon Strandgaard는 ARCathon 2022와 2023에 참여하여 각각 3개와 8개의 과제를 해결했음. 인간이 ARC 과제를 해결하는 방식을 데이터로 수집 중이며, 현재 4100개의 상호작용 기록을 모았음. 다양한 ARC 유사 데이터셋도 제공하고 있음.

- 현재의 데이터 중심 학습 패러다임이 일반화되지 않고 지속 가능하지 않다는 의견. 인간은 수천 개의 예시 없이도 고양이와 개를 구분할 수 있지만, 컴퓨터는 수백만 개의 예시가 필요함. 데이터가 희귀한 분야에서는 지식 전이가 어려울 수 있음.

- ARC 문제는 많은 공간적 세계 지식이 필요하며, 추상적 추론보다는 인간의 시각 처리에 직관적인 요소가 많음. 시각적 패턴 인식이 중요한 역할을 함.

- ARC 테스트가 인간에게도 어렵다는 주장. ConceptARC 테스트에서 인간의 25-30%가 간단한 질문을 해결하지 못함. 이는 ARC의 유용성을 제한할 수 있음.

- 제한 없는 버전의 대회에 대한 리더보드가 있는지 궁금해하는 의견. GPT-4의 성과를 보고 싶어함.

- AGI 연구에 대한 100만 달러 상금이 너무 낮다는 의견. AGI의 영향은 최소 수조 달러로 측정될 것이며, 현재의 상금은 최신 공개 LLM 릴리스를 미세 조정하는 데 그칠 수 있음.

- 특정 퍼즐에 대해 여러 가지 유효한 답이 있을 수 있다는 의견. 예시에서 기대되는 거리를 정확히 알 수 없음.

- ARC 과제가 시각적 패턴 인식을 목표로 하지만, 이는 지능의 유일한 정의가 될 수 없다는 의견. 인간-AI 협력 지능이 중요하며, 문제는 다중 속성 목표의 최적화로 재구성되어야 함.

- François Chollet의 논문이 매우 통찰력 있으며, 일반 지능의 정의에 대해 가장 좋은 답변을 제공함. 학습 효율성으로 지능을 정의하는 것이 인간 지능의 인상적인 이유를 이해하는 데 도움이 됨.

- ARC 문제 세트가 기존 ML 문제 세트보다 훨씬 어렵지만, AGI를 대표하지는 않는다는 의견. 새로운 데이터셋일 뿐 접근 방식은 기존과 유사함. AGI가 이 문제를 해결할 수 있지만, 문제 해결이 AGI의 보증 지표는 아님.