테렌스 타오, AI 코딩 에이전트로 수십 년 전 수학 애플릿을 되살리다
358 points · source
현존하는 최고의 수학자로 꼽히는 테렌스 타오(Terence Tao)가 1999년에 작성했던 자바 1.0 애플릿들을 최신 자바스크립트로 포팅하는 데 AI 코딩 에이전트를 활용한 경험을 블로그에 공유했다. 결과는 놀라웠다. 허니컴, 베시코비치 집합, 복소해석학 도구 등 24개의 인터랙티브 수학 시각화 도구가 단 몇 시간 만에 변환되었다. 에이전트는 원본 코드에 있던 버그 2개를 잡아냈고, 드래그 핸들링과 관련된 사소한 문제 하나만을 남겼을 뿐이었다.
더 인상적인 것은 타오가 이후 민코프스키 시공간용 잉크스케이프(Inkscape) 프로그램을 일종의 ’바이브 코딩(vibe coding)’으로 만들어냈다는 점이다. 이는 자바 코드의 복잡성을 감당하지 못해 1999년에 개발을 포기했던 도구였다. 지난 25년간 손으로 직접 하지 못했던 일을 에이전트와의 두어 시간 대화로 해결해낸 것이다. 그는 또한 새로운 논문에 첨부할 길브레스 추측(Gilbreath conjecture) 시각화 도구도 함께 제작했다.
여기서 얻을 수 있는 진정한 교훈은 “AI가 프로그래머를 대체한다”는 것이 아니다. 직접 손으로 코딩하는 비용이 미세한 버그가 발생할 위험보다 훨씬 큰 틈새 및 도메인 특화 도구 분야에서 AI 에이전트가 현실적인 대안이 되고 있다는 점이다. 타오는 타협점에 대해 솔직하게 털어놓는다. 이것들은 보조적인 시각화 도구일 뿐 엄밀한 수학적 증명이 아니다. 수용 가능한 품질의 기준선이 낮기 때문에, 현재 수준의 AI 코딩 도구가 가장 빛을 발할 수 있는 지점이다.
xAI의 Grok Build CLI, 리포지토리 전체를 구글 클라우드로 무단 유출하다 적발
357 points · source
한 독립 보안 연구자가 xAI의 Grok Build CLI(v0.2.93)에 대해 패킷 레벨 네트워크 분석을 수행하던 중 충격적인 사실을 밝혀냈다. 이 도구가 읽어 들이는 파일 내용(.env 내의 비밀 키 포함)을 아무런 마스킹 없이 원문 그대로 xAI에 전송하고 있었던 것이다. 더욱 심각한 점은 에이전트가 실제로 조회하는 파일과 무관하게 Git 히스토리를 포함한 전체 리포지토리를 통째로 업로드한다는 사실이었다.
연구자는 Grok에 “OK라고 답하고 어떤 파일도 읽지 말라”고 프롬프트를 주어 이를 입증했다. 그럼에도 불구하고 도구는 전체 리포지토리를 git 번들 형태로 grok-code-session-traces라는 이름의 GCS(구글 클라우드 스토리지) 버킷에 업로드했다. 한 번도 열람되지 않은 무작위 파일로 채워진 12GB 크기의 테스트 리포지토리에서, 모델 통신 채널은 192KB만을 전송한 반면 스토리지 엔드포인트는 무려 5.10GiB를 전송했다. 약 27,800배의 차이로, 단순히 접근한 파일만이 아니라 코드베이스 전체가 업로드되고 있음을 확증하는 수치다.
설정에서 “모델 개선(Improve the model)“을 비활성화해도 이러한 동작은 멈추지 않았다. 스토리지 업로드는 기본적으로 활성화되어 있었으며, 수집 거부(opt-out) 설정을 적용한 후에도 엔드포인트는 계속해서 trace_upload_enabled: true를 반환했다. xAI 측의 공식 입장은 아직 나오지 않았으나, 이는 기업들이 AI 코딩 도구 도입을 망설이게 만드는 가장 전형적이고 우려스러운 형태의 행태다. Grok Build CLI를 사내 독점 코드에 사용해 왔다면, 당신의 리포지토리는 이미 구글 클라우드 위에 올라가 있다고 가정해야 한다.
Mesh LLM: 보유한 여러 GPU를 묶어 거대 AI 모델 구동하기
327 points · source
Mesh LLM은 iroh 팀이 개발한 오픈소스 시스템으로, 여러 대의 머신에 흩어져 있는 GPU들을 하나로 묶어 단일 OpenAI 호환 API로 제공한다. 어떤 OpenAI 클라이언트든 엔드포인트를 localhost:9337로 지정하기만 하면 메시(mesh) 네트워크가 라우팅을 알아서 처리한다. 로컬에서 실행하거나, 해당 모델이 로드된 피어 머신으로 전달하거나, 파이프라인 병렬 처리를 통해 여러 머신에 걸쳐 대형 모델을 분산 실행하는 식이다.
이 아키텍처는 공개키 기반으로 주소가 지정되는 iroh의 인증된 QUIC 연결을 활용한다. 중앙 서버가 필요 없고, 자동 NAT 트래버설을 지원하며, 릴레이 폴백까지 갖췄다. “스키피(Skippy)” 분할 모드는 노드 간 레이어 범위별로 모델을 쪼개어 배치하므로, 단일 머신으로는 감당할 수 없는 2,350억(235B) 파라미터 크기의 MoE 모델도 여러 대에 나누어 구동할 수 있다. 기본 카탈로그에는 5억에서 2,350억 파라미터에 이르는 40개 이상의 모델이 포함되어 있다.
회사나 연구실에 노는 GPU 장비가 있는 팀이라면 대단히 흥미로울 프로젝트다. “토큰당 API 비용 청구를 멈추라”는 홍보 문구는 매력적이지만, 핵심 관건은 메시 라우팅 오버헤드와 모델 분할에 따른 지연 시간이 단순 데모를 넘어 실제 프로덕션 워크로드에서도 실용적인 수준을 유지할 수 있는가이다. iroh의 네트워킹 계층은 견고하며 홀펀칭을 지원하는 QUIC은 올바른 기반 기술이지만, 대규모 분산 추론은 블로그 데모와는 완전히 다른 차원의 난제다.
엔비디아, 코어위브, 네비우스: GPU 붐을 떠받치는 순환 금융의 그림자
356 points · source
I/O 펀드의 베스 킨디그(Beth Kindig)가 AI GPU 인프라 붐을 지탱하고 있는 위험할 정도로 순환적인 금융 구조를 추적했다. 마이크로소프트와 메타 두 기업만 해도 네오클라우드(neocloud) 공급업체인 코어위브(CoreWeave)와 네비우스(Nebius)에 1,220억 달러 이상을 약정했다. 이는 최근 12개월간 AWS 전체 매출의 약 90%에 달하는 규모로, 현재 합산 매출이 160억 달러에도 미치지 못하는 기업들에게 몰리고 있는 셈이다.
하락론자들의 논리는 명료하다. 하이퍼스케일러들은 자본적 지출(capex)을 운영 비용(opex)으로 전가하기 위해 네오클라우드를 활용하고 있으며, 네오클라우드 업체들은 GPU 담보 대출과 엔비디아의 지분 투자를 통해 인프라를 증설하고 있다. 코어위브와 네비우스는 각각 3.5GW 규모의 전력 공급 계약을 체결했으나, 실제 가동 중인 전력은 극히 일부분에 불과하다. 계약된 전력을 실제 가동 전력으로 전환하는 데는 막대한 자본이 필요하지만, 이들 기업은 빅테크와 같은 안정적인 현금 흐름을 갖추지 못했다.
순환 금융에 대한 우려는 결코 기우가 아니다. 엔비디아가 자사 고객사에 투자하고, 고객사는 그 자금으로 엔비디아 GPU를 구매하며, 이는 엔비디아의 매출과 주가를 부풀려 엔비디아가 더 많은 투자를 집행할 수 있게 만든다. 이 고리는 멈추기 전까지는 훌륭하게 돌아간다. 2008년 금융위기 이전의 구조화 금융과 완전히 일치하지는 않더라도, “모두가 모두에게 빚을 지고 있는” 위상학적 구조는 기시감을 불러일으킨다.
‘인터넷의 아버지’ 빈트 서프, 83세로 구글에서 은퇴
259 points · source
TCP/IP의 공동 설계자이자 2005년부터 구글의 ’수석 인터넷 복음주의자(Chief Internet Evangelist)’로 일해 온 빈턴 서프(Vinton Cerf)가 현직에서 물러난다. 83세의 나이를 맞은 그의 경력은 오늘날의 인터넷을 탄생시킨 프로토콜 설계부터 대통령 자유 훈장과 튜링상 수상에 이르기까지 인터넷의 역사 그 자체와 궤를 같이한다.
그의 고별 패널에서 나온 이야기 중 더욱 흥미로운 대목이 있다. 서프는 여러 벤더가 내놓은 AI 에이전트들이 결국 공식적인 상호운용성 표준 수립을 촉발할 것이라고 내다보았다. 그는 에이전트 간 소통에 자연어만으로 충분할 것이라는 일각의 주장을 일축하며, “에이전트 간 상호작용에서는 정밀함이 극도로 중요해질 것”이며 영어와 같은 자연어의 모호성은 신뢰할 수 있는 다중 에이전트 협업에 부적합하다고 지적했다.
서프의 통찰이 맞다면, 우리는 네트워크 프로토콜에 이어 이번에는 에이전트 통신 표준을 둘러싼 또 한 번의 거대한 표준 전쟁에 직면하게 될 것이다. TCP/IP가 그러했듯, 초기 표준을 선점하는 기업들이 막대한 영향력을 행사하게 될 것이다. 역사는 반복되지 않더라도 그 운율은 늘 되풀이된다.
Ghostel.el: Ghostty 엔진을 탑재한 이맥스용 터미널 에뮬레이터
238 points · source
Ghostel.el은 고스티(Ghostty) 터미널을 구동하는 것과 동일한 VT 엔진인 libghostty를 기반으로 구축된 새로운 이맥스(Emacs) 터미널 에뮬레이터다. 네이티브 Zig 동적 모듈로 작성되었고 Elisp가 키맵과 버퍼를 관리하는 방식으로, Kitty 키보드 및 그래픽 프로토콜, OSC 8 하이퍼링크, 동기화된 출력, 다채로운 밑줄 스타일 등 기존의 libvterm이 지원하지 못하던 기능들을 이맥스로 가져왔다.
이 프로젝트는 emacs-libvterm과 동일한 2계층 아키텍처를 따르되 VT 엔진만을 교체했다. 네이티브 모듈은 처음 실행할 때 자동으로 다운로드되므로 별도의 Zig 툴체인이 필요하지 않다. 원격 터미널을 위한 TRAMP 지원, Kitty 프로토콜을 통한 인라인 이미지 렌더링, 다양한 입력 모드(semi-char, char, Emacs, copy, line) 등을 두루 갖추고 있다.
이맥스 골수 사용자들에게—해커뉴스에는 늘 생각보다 많은 이들이 숨어 있다—이는 vterm이나 eat를 훌륭하게 대체하는 의미 있는 업그레이드다. Ghostty의 VT 엔진은 이미 실전에서 충분히 검증되었으며, 그 모든 프로토콜 지원을 이맥스 내부에서 온전히 누릴 수 있다는 것은 실질적인 역량의 도약이다. 238포인트라는 반응은 이에 대한 커뮤니티의 갈증을 잘 보여준다.
현대적 인테리어 디자인, 실제로 사람의 뇌에 과부하를 준다
260 points · source
학술지 *비전(Vision)*에 발표된 대규모 국제 연구에 따르면, 줄무늬 바닥, 깜빡이는 LED 조명, 반복적인 기하학적 패턴, 시각적으로 과밀한 환경 등 현대적인 건축 인테리어 디자인이 시각 피질에 측정 가능한 수준의 신경학적 과부하를 유발하는 것으로 나타났다. 인간의 뇌는 자연 풍경을 효율적으로 처리하도록 진화했기 때문에, 자연의 통계적 분포에서 벗어난 인공적 패턴을 접할 때 산소 소비와 신경 활동이 급증하며, 연구진은 이것이 두통, 메스꺼움, 지각 왜곡을 일으킨다는 가설을 제시했다.
자폐 스펙트럼, ADHD, 편두통, 난독증, 뇌전증 환자들은 특히 더 큰 악영향을 받는데, 이는 과도하게 활성화된 시각 신호를 억제하는 뇌의 능력이 상대적으로 부족하기 때문일 수 있다. 연구팀은 최소 11개의 임상 진단군에 걸쳐 일관된 패턴을 발견했다. 편두통 환자 맞춤형 틴팅 안경을 착용했을 때 뇌 영상 연구에서 과활성화된 반응이 정상화되는 효과도 확인되었다.
돌이켜보면 지극히 당연하게 들리는 발견 중 하나다. 번쩍이는 불빛과 공격적인 패턴이 불편함을 주는 것은 분명하지만, 이토록 다양한 질환군에 걸쳐 체계적인 증거가 확보된 점은 주목할 만하다. 시사하는 바는 명백하다. 줄무늬 카펫과 형광등으로 뒤덮인 개방형 오피스는 단순한 시각적 스트레스를 넘어 직장인 다수의 뇌에 실질적인 신경학적 독소로 작용하고 있을지도 모른다.
Lisp 100줄로 구현한 AI 에이전트
228 points · source
한 개발자가 도구 사용(tool use), 메모리 영속성, eval 기반 코드 실행을 아우르는 완전한 기능의 AI 에이전트 루프를 단 100줄 남짓의 커먼 리스프(Common Lisp)로 구현했다. 핵심 에이전트 루프는 단 8줄에 불과하다. 모델에 메시지를 보내고, 도구 사용 여부를 확인한 뒤, 실행하고 재귀 호출을 수행한다. 에이전트가 사용하는 유일한 ’도구’는 eval뿐이다. 리스프는 동형성(homoiconicity)을 띠고 있으므로 모델이 리스프 폼(form)을 문자열로 작성하면 에이전트가 이를 읽어 평가(eval)한 뒤 결과를 다시 전달한다.
구조의 우아함이 돋보인다. 웹 검색, 파일 I/O, 코드 실행 등 도구 카탈로그를 복잡하게 구축하는 대신 모델에게 프로그래밍 언어 자체를 쥐어주는 방식이다. 피보나치 수열의 30번째 값을 물으면 모델은 기억을 더듬는 대신 재귀 코드를 작성해 직접 실행한다. 메모리 영속성 역시 메시지 목록을 파일로 직렬화했다가 다시 읽어 들이는 것으로 끝나며, 벡터 데이터베이스 따위는 필요조차 없다.
작성자도 솔직히 인정하듯 명백한 한계는 존재한다. eval을 도구로 쓴다는 것은 로컬 머신에서 임의의 코드를 무제한 실행할 수 있음을 의미한다. 실무용이 아닌 샌드박스 장난감에 가깝다. 하지만 과거 리스프가 왜 “AI를 위한 언어”로 불렸는지를 아름답게 증명하는 사례다. 프로그램을 조작하는 프로그램이라는 본질 위에 통계적 추론 능력을 LLM에 외주시킨 구조다. 학창 시절 컴퓨터공학 교수의 말이 틀리지 않았다. 단지 25년쯤 일렀을 뿐이다.
맥락 읽기
오늘 프론트페이지를 관배하는 두 가지 축은 AI 도구의 부작용과 AI 도구의 우아한 활용이다. 한편에서는 xAI의 Grok CLI가 사용자 모르게 전체 코드베이스를 클라우드 스토리지로 유출하고 있고, GPU 붐을 뒷받침하는 네오클라우드의 금융 구조는 점점 더 위태로운 순환 출자의 형태를 띠고 있다. 반대편에서는 테렌스 타오가 25년간 묵혀두었던 수학 시각화 도구를 바이브 코딩으로 단 몇 시간 만에 완성하고, 한 개발자는 리스프 100줄로 우아한 에이전트를 직조해내며, Mesh LLM은 탈중앙화된 AI 추론의 가능성을 열어젖힌다.
긴장 관계는 명확하다. AI의 인프라 계층은 점점 더 중앙집중화되고, 재정적으로 위태로워지며, 데이터 취급 방식에 있어 불투명해지고 있다. 반면 응용 계층은 더욱 분산되고 창의적이며 접근하기 쉬워지고 있다. AI 에이전트들이 새로운 상호운용성 표준 수립을 강제할 것이라는 빈트 서프의 통찰은 현 상황을 꿰뚫는 정확한 틀이다. 우리는 지금 에이전트 AI의 프로토콜 전쟁 단계에 와 있으며, 데이터 소유권, 에이전트 간 통신, 연산력 분배에 대해 지금 내려지는 결정들이 향후 10년을 좌우할 것이다. 우리가 맞이할 미래가 또 하나의 열린 인터넷이 될지, 아니면 거대한 담장으로 둘러싸인 정원이 될지는 이 두 흐름 중 어느 쪽이 승리하느냐에 달려 있다.