작업 기억의 한계: 인간 두뇌 대 AI 모델

컴퓨터 과학에서 “작업 집합”은 프로세서가 문제를 해결하기 위해 한 번에 처리할 수 있는 데이터의 양을 말합니다.이 아이디어는 인간의 인지 능력 측면에서 흥미로운 유사점을 가지고 있는데, 이를 “작업 기억”이라고 합니다.작업기억은 정보를 임시로 보관해 두는 마음의 스크래치패드와 같습니다.추론하고 복잡한 결정을 내리는 데 필수적입니다.

그러나 작업 기억은 용량이 제한되어 있어 매우 복잡한 문제를 해결하는 능력을 제한할 수 있습니다.특히 사이버 보안과 같은 분야에서 AI의 영향을 점점 더 많이 받는 세상으로 나아가고 있는 지금, 이러한 통찰력은 매우 중요합니다.

뇌의 대역폭

인지 과학에는 개인의 작업 기억 용량을 측정하는 다양한 테스트가 있습니다.이러한 테스트를 통해 뛰어난 사고력을 가진 사람들에게도 일정한 상한선이 있다는 것을 알 수 있습니다.

예를 들어, 체스 마스터, 수학자, 정상급 음악가들은 놀라운 기술을 가지고 있지만 작업 기억 용량은 보통 사람과 크게 다르지 않을 것입니다.진화로 인해 우리의 두뇌는 일정 수준의 인지 능력에 맞게 미세 조정된 것 같습니다.이로 인해 우리는 매우 크고 복잡한 문제를 완전히 이해하기 어려울 수 있습니다.

AI의 장점: 컨텍스트 창 크기 조정 (주의 사항 포함)

인공 지능 시스템특히 대형 언어 모델 (LLM) 에는 “컨텍스트 창”이라는 제한이 있습니다.이는 한 번에 처리할 수 있는 토큰 (단어 또는 코드 부분) 의 수입니다.작업 메모리가 고정된 인간과 달리 AI의 컨텍스트 창은 비용이 많이 들지만 확장할 수 있습니다.더 많은 GPU, 더 나은 알고리즘 또는 새로운 하드웨어는 모두 AI의 용량을 증가시킬 수 있습니다.

그러나 이러한 접근 방식에는 중요한 한계가 있습니다.처음에는 크고 복잡한 데이터 세트에서 이상 징후를 찾는 것과 같은 작업이 LLM에 적합해 보입니다.AI 처리 시간에 많은 돈을 투자하면 이러한 통찰력을 얻을 만한 가치가 있는 것처럼 보일 수 있습니다.

하지만 이상 징후 탐지가 고급 신경망과 딥러닝보다 기존의 머신러닝 (ML) 및 통계에 더 잘 맞는 경우가 많다는 점을 알아두는 것이 중요합니다.좋은 점은 기존 방법이 일반적으로 일부 AI 애플리케이션보다 예측 가능하고 안정적이라는 것입니다.

하지만 더 큰 문제가 있습니다.오늘날의 AI 모델과 용도에는 여전히 많은 결함이 있습니다.자율 주행 자동차의 고장, LLM의 설득력 있지만 잘못된 “환각” 같은 사례들이 이를 상기시켜 줍니다.AI를 널리 사용하여 큰 문제를 해결하기 전에 먼저 이러한 시스템이 신뢰할 수 있고 일관되게 올바른지 확인해야 합니다.

적합한 작업에 적합한 도구 찾기

그럼, 이게 우리에게 어떤 영향을 미칠까요?핵심은 인간의 두뇌와 AI 모델의 강점이 서로 다르다는 것을 이해하는 것입니다.고정된 인지 능력을 가진 인간은 작업 기억의 한계 내에서 세부적인 문제를 잘 해결합니다.우리는 보통 스스로 해결할 가능성이 높은 문제를 선택합니다.

반면에 AI 모델은 인간의 마음으로는 너무 큰 문제를 해결할 수 있도록 확장할 수 있습니다.하지만 이 접근법은 다음과 같은 경우에만 의미가 있습니다.

• 솔루션의 재정적 가치는 계산 비용보다 높습니다.
• 결과의 정확성에 대한 신뢰는 매우 중요합니다.

복잡한 데이터 세트를 처리하는 데 드는 높은 비용과 설명 가능성과 정확성에 대한 현재의 한계는 오늘날의 AI로 해결할 수 있는 문제가 여전히 제한적이라는 것을 의미합니다.현재로서는 인간의 인식을 통해 접근할 수 있는 더 작은 문제 집합으로 범위와 복잡성을 줄이는 것이 가장 좋습니다.

사이버 보안에 AI 통합: 전략적 접근

사이버 보안의 목표는 단순히 싸우는 것이 아닙니다. AI로 생성된 위협 AI가 더 많지만 보안 프로토콜에서 AI를 현명하게 사용하기 위해서입니다.보안팀은 AI에 투자하는 방법을 현명하게 파악하여 새로운 약점을 만들지 않으면서 AI가 역량을 강화할 수 있도록 해야 합니다.

Illumio는 다음과 같이 이 작업을 수행하고 있습니다. AI 사이버 보안 기능 제로 트러스트 세그멘테이션 설정 및 사용에 관한 질문에 대한 대화형 답변을 제공하는 Illumio Virtual Advisor와 같습니다.또한 새로운 AI 기반 라벨링 엔진은 데이터 센터 및 클라우드 환경의 자산에 대한 즉각적인 가시성을 제공하여 조직이 제로 트러스트 세그멘테이션을 더 빠르게 채택할 수 있도록 도와줍니다.

이러한 솔루션은 AI를 사용하여 대량의 데이터를 분석하는 동시에 보안 의사 결정의 중심에 사람의 감독을 유지합니다.인간의 역동적이고 적응력이 뛰어난 두뇌를 AI의 처리 능력과 결합함으로써 보안팀은 복잡한 현대적 위협 세계를 더 잘 처리할 수 있습니다.

AI가 비용을 기하급수적으로 줄이고 신뢰를 향상시킬까요?

무어의 법칙과 같은 효과가 시간이 지남에 따라 고성능 AI의 비용을 크게 낮출 수 있을까요?이는 아직 불확실합니다.AI의 발전은 하드웨어뿐 아니라 더 나은 알고리즘, 개선된 데이터 세트, AI 결과를 신뢰할 수 있고 신뢰할 수 있게 만드는 발전에도 달려 있습니다.

그렇기 때문에 인간의 작업 메모리와 AI 컨텍스트 창 모두와 관련된 한계와 비용을 이해하는 것이 중요합니다.인간의 두뇌든 기계든 적절한 도구를 선택하려면 문제의 규모, 잠재적 가치, 해결책을 찾는 데 드는 비용, 결과의 신뢰성을 명확히 파악해야 합니다.사이버 보안에서 이는 전략적으로 AI를 사용하여 인간의 능력을 향상하고, AI 솔루션에 대한 신뢰 확대를 기반으로 인간의 직관과 기계 능력을 조합하는 것을 의미합니다.

미래에는 인간의 사고와 인공 지능 간의 강력한 파트너십이 포함될 것입니다. 이 파트너는 더 복잡한 세상의 도전에 직면하는 데 서로를 지원할 것입니다.

Illumio 제로 트러스트 세그멘테이션 플랫폼 AI 제품에 대해 자세히 알아보고 싶으신가요? 문의하기 오늘.