다음은 조성민 단장의 스마트건설 명강의 1회차 **"AI는 수학과 매우 밀접 - 기초과학이 우수한 나라가 AI 기술(LLM)을 선도한다"**에 대한 요약입니다:

(00:00) NVIDIA의 CEO 젠슨 황은 AI 연산용 GPU(H100)으로 세계적 주목을 받고 있으며, NVIDIA의 시가총액은 한국의 GDP보다 높다. H100 GPU 한 개 가격은 약 5천만 원.

(01:04) 중국의 AI 모델 지피티(GPT) 유사 모델인 *시크(SiKe)*가 비교적 적은 비용(80억 원 미만)으로 개발되어 글로벌에 충격을 줌. 참고로 OpenAI는 H100 GPU를 약 3~5만 개, 시크는 약 5만 개 보유한 것으로 추정.

(02:08) GPT-4와 같은 대형 AI 모델은 수학 경시대회에서도 고득점을 보이며, 고급 수학 문제에서 인간 우수 학생보다 더 높은 성능을 보이기 시작. 러시아 프로그래밍 대회에서도 AI가 인간 상위 개발자보다 더 높은 점수를 기록.

(03:11) 한국은 AI 지수 종합 순위에서 6위를 기록했으나, ‘문해력’과 ‘제품화’ 측면에서는 각각 35위와 권외로 떨어짐. 기술 연구와 정부 정책은 상위권이나 실질적인 제품과 활용에 한계가 있음.

(04:15) GPT-1은 2018년, 구글의 BERT 등 LLM이 이어 발표되었고, 대한민국은 2021년 네이버 ‘하이퍼클로바’로 세계 세 번째 LLM 발표 국가였음. 하지만 최근 발표된 세계 상위권 LLM 제품 리스트에는 한국 제품이 없음.

핵심 주장: AI 특히 LLM 기술은 수학 등 기초과학과 밀접하게 연관돼 있으며, 기초과학이 강한 나라만이 AI를 선도할 수 있음. 대한민국은 아직 기초 과학 기반이 약하여 경쟁력 유지가 어렵다는 경고.

좋습니다, 조성민 단장의 강의 내용을 바탕으로 다음과 같은 심화 분석을 제공합니다. 아래 내용은 학문적 근거, 글로벌 AI 동향, 대한민국의 위치, 그리고 전략적 제언을 포함합니다.

​

???? 1. NVIDIA, H100, 그리고 AI 하드웨어의 지배력

분석:

젠슨 황의 NVIDIA는 단순 GPU 제조사가 아닌, AI 인프라의 패권 기업입니다. 특히 H100 GPU는 LLM 학습 및 추론에 최적화된 병렬 연산 특화 칩으로, AI 산업의 ‘석유’에 해당함.

학문적 근거:

LLM 학습에 필요한 FLOPS(초당 부동소수점 연산 수)는 지수적으로 증가 중이며, 이에 따른 GPU 수요 폭발 → AI compute 중심의 기술 격차 확대.

???? 참고 논문:

Efficient Training of Language Models to Fill in the Blanks

???? 2. 중국의 SiKe, LLaMA 등 ‘저비용 고효율’ AI 전략

분석:

중국은 막대한 GPU를 보유하지 않더라도, 파라미터 수 최적화 + 중국어 특화 데이터로 효율적 모델을 구현 중. 이 전략은 비용-효율 최적화형 LLM 개발 전략으로 분류됨.

사례:

Alibaba의 Qwen, Baidu의 Ernie Bot, Tsinghua의 ChatGLM

메타의 LLaMA도 비슷한 철학 (small is beautiful)

논문 근거:

LLaMA: Open and Efficient Foundation Language Models

???? 3. AI 수학 능력: 인간 수준을 초월한 시점

분석:

GPT-4는 수학 경시대회, 프로그래밍 대회 등에서 전문가를 능가하는 사례 다수 등장. 이는 LLM이 더 이상 "말만 잘하는 도우미"가 아닌, 실질적 사고·해결 능력자로 변화 중임을 의미.

관련 사례:

MATH, GSM8K, HumanEval 등에서 GPT-4 > 고등학생/대학생 수준

논문 근거:

Mathematical Capabilities of ChatGPT

???? 4. 대한민국의 LLM 기술 현주소

강점:

정부의 투자, 대기업(네이버, 카카오)의 시도, 학계와 산학협력의 활성화 등.

한계:

기초과학(수학, 통계, 계산이론) 인프라 부족

영어 중심의 글로벌 학술 생태계