모닝 인사이트 다이제스트

조현병 유전적 위험이 두 가지 독립적 요소로 나뉜다는 새 연구를 소개한다. 첫 번째는 양극성장애와 공유하는 요소로, 교육 성취도를 높이지만 조현병 위험도 올린다. 아마 창의성이나 동기부여와 관련이 있을 것이다. 두 번째는 조현병만의 요소로, IQ를 낮추고 아무 이득도 없는 순수한 결함이다. 신경 발달과 시냅스 가지치기 관련 돌연변이일 가능성이 높다. 저자는 이를 '트레이드오프 vs 실패(failure)' 모델로 설명하는데, 가난, 독신, 심지어 암까지 대부분의 복잡한 문제는 이 두 범주가 섞여 있다고 본다. 가난한 사람은 능력 부족(실패) 때문일 수도 있고, 예술가처럼 돈 대신 다른 가치를 선택(트레이드오프)했기 때문일 수도 있다. 암 위험도 마찬가지다. 방사선 같은 순수 실패 요인도 있지만, 세포 분열을 활발히 하면 치유는 빠르지만 암 위험은 올라가는 트레이드오프도 존재한다.

근육병(muscular dystrophy)은 순수하게 나쁜데, 그 이유가 근육 단백질 유전자가 워낙 커서 무작위 돌연변이가 거기 걸릴 확률이 높기 때문이라는 설명이 직관적이다.

AI 시대에 인간 능력의 본질을 다시 보게 만드는 프레임이다. 모든 특성을 단순히 '좋다/나쁘다'로 나누는 게 아니라, 다차원 공간에서 무엇을 최적화했는지의 문제로 보면 유전자 편집이나 인지 증강 같은 기술 개입의 방향도 달라진다. 정신질환 연구가 단순한 의학을 넘어 인간 다양성의 진화적 논리를 보여주는 셈이다.

Tyler Cowen이 자신의 신간에서 현대 경제학의 정체성 변화를 짚어낸다. 최근 미국경제학회 저널에 실린 논문은 남녀 간 자신감 격차를 다루고, 다른 논문은 휴대폰 데이터로 교회 출석률을 추정하며, Steve Levitt은 아기 이름 선택과 스모 부정행위를 연구했다. 이게 사회학인가 심리학인가? 아무도 신경 쓰지 않는다. 경제학을 정의하는 건 이제 연구 주제가 아니라 "더 높은 기준, 더 열심히 일하기, 더 나은 수학, 더 높은 IQ"라는 방법론이다. 대학원 진학 조언자들은 학부 전공으로 수학이나 컴퓨터공학을 추천하고, 경제학 원리는 "나중에 배우면 된다"는 태도다. 최고 프로그램들은 입학 전 연구자와 함께한 "프리닥" 경험을 요구한다.

경제학계의 더러운 비밀은 경제학을 경제학으로 만드는 게 한계주의나 경제 이론이 아니라 "더 똑똑한 사람들이 더 빡세게 연구한다"는 사실이라는 것.

AI 시대를 앞두고 학문의 경계가 해체되는 현상을 보여준다. 경제학이 "도구와 기준의 공동체"로 재정의되는 건 다른 학문들도 겪을 변화의 선행 지표일 수 있다. 결국 살아남는 건 특정 지식 영역이 아니라 문제 해결 방법론과 실행 역량이다.

-> 2026-03-27 *The Marginal Revolution: Rise and Decline, and the Pending AI Revolution*

Nvidia GTC에서 드러난 건 칩만이 아니라 전력 인프라의 대전환이다. 전통적인 데이터센터는 AC 전력을 여러 번 DC로 변환하며 10kW급 랙을 운영했지만, AI 시대엔 랙 하나가 1MW에 육박한다. 문제는 AC-DC 변환마다 에너지 손실이 생기고, 대전력을 감당하려면 구리 버스바가 랙당 200kg씩 필요하다는 것. 1GW 데이터센터라면 구리만 20만 톤이다. 그래서 Delta, Eaton, Vertiv 같은 전력 공급 업체들은 13.8kV AC를 800V DC로 직접 변환하는 시스템을 내놨다. 중간 변환 단계를 없애면 효율은 5% 오르고, 구리는 45% 줄고, 총 소유비용은 30% 내려간다. 중국은 이미 고전압 DC 데이터센터를 운영 중이고, Meta와 Microsoft는 400V DC 실험에 참여했다. Vertiv는 2026년 하반기 800V 시스템을 상용화한다.

415V AC에서 800V DC로 바꾸면, 같은 굵기 전선으로 85% 더 많은 전력을 보낼 수 있다. 전압이 높아지면 전류가 줄어 저항 손실이 급감하기 때문이다.

AI 칩이 아무리 빨라져도, 전력을 효율적으로 공급하지 못하면 데이터센터는 물리적 한계에 부딪힌다. 800V DC 전환은 단순한 인프라 업그레이드가 아니라, AI 스케일링을 지속 가능하게 만드는 병목 해소 전략이다. 표준과 안전 프레임워크가 확립되면, 공급망 전체가 DC 중심으로 재편될 것이다.

-> 2026-03-27 | Arm Launches Own CPU, Arm's Motivation, Constraints and Systems

Pragmatic Engineer가 GitHub의 현 상태를 점검하는 글이다. 최근 한 달간 GitHub의 가용성이 "one nine"(90%)까지 떨어졌는데, 이는 AI 코딩 에이전트의 트래픽 급증을 감당하지 못한 탓이 크다. 통상 클라우드 서비스는 99.99%(four nines, 연간 52분 다운타임)를 목표로 하는데, GitHub는 연간 9시간 다운타임인 99%(three nines)도 못 지키는 상황이다. 게다가 현재 CEO가 부재하고 제품 방향성도 애매하다. 글은 Claude Code와 GitHub Copilot이 PR에 자신을 자동으로 기여자로 추가하는 행태, Microsoft의 Windows "Microslop" 이미지 쇄신 약속, LiteLLM 공급망 공격 등 AI 개발 생태계 이슈들도 다룬다.

GitHub가 자체 상태 페이지 업데이트를 중단했고, 제3자가 "missing GitHub status page"라는 대체 모니터링 사이트를 만들었다. 공식 상태 페이지가 신뢰를 잃었다는 뜻이다.

AI 네이티브 개발 환경에서 코드 호스팅 플랫폼의 요구사항이 근본적으로 바뀌고 있다. AI 에이전트들이 생성하는 트래픽은 인간 개발자와 패턴이 다르고, GitHub는 이 변화를 따라가지 못하는 중이다. Microsoft 산하에서 방치되는 동안 Cursor, Replit 같은 AI 네이티브 플랫폼들이 치고 올라오는 상황. 개발 도구의 세대교체가 시작됐을 수 있다.

-> 2026-03-27 90% of Claude-linked output going to GitHub repos w <2 stars

2025년 11월, 클리블랜드 가디언스 투수 두 명이 특정 공을 일부러 볼로 던져 45만 달러 도박 수익을 만드는 데 가담한 혐의로 기소됐다. 같은 해 Polymarket에서 "Magamyman"이라는 유저는 미국의 이란 폭격 시점에 55만 달러를 벌었는데, 정부 내부 정보 없이는 불가능한 타이밍이었다. 며칠 뒤엔 예루살렘 미사일 착탄 위치에 1,400만 달러 베팅이 걸렸고, 보도한 기자는 베팅 결과를 바꾸기 위해 기사를 수정하라는 협박을 받았다. 미국에서 스포츠 도박은 2018년 합법화 이후 연 50억 달러에서 1,600억 달러로 폭증했고, 예측 시장은 가자지구 기근 시점, 핵무기 폭발 여부까지 베팅 대상으로 만들었다. 결과는 명확하다. 선수들은 경기를 조작하고, 공무원은 정책을 베팅 포지션에 맞추려 할 유인이 생겼으며, 25세 미만 남성 5명 중 1명은 도박 문제 스펙트럼에 있다. 돈이 마지막 남은 도덕적 언어가 되면서, 사회는 공유된 가치 대신 개인의 베팅 명제만 남게 됐다.

파산 신청이 온라인 스포츠 베팅 합법화 후 10% 증가했고, 미국인 3분의 2는 이제 프로 선수들이 도박 결과에 영향을 주려고 경기력을 바꾼다고 믿는다. 신뢰의 위기가 스포츠에도 도착한 셈이다.

도박의 논리가 스포츠에서 정치와 전쟁으로 확장되면서, 사건이 "실제로 일어나서" 발생하는 게 아니라 "누군가 돈을 걸었기 때문에" 발생하는 세계로 진입하고 있다. 신뢰 기반이 무너진 사회에서 돈이 유일한 공통 언어가 되면, 모든 제도는 배팅 대상이자 조작 가능한 게임이 된다.

-> 2026-03-27 The economic consequences of the Iran war

지난해 Platformer가 보도한 기묘한 현상이 있었다. Spotify를 떠난 아티스트들의 곡이 몇 달 뒤 다시 플랫폼에 나타났는데, 조악한 모방곡이거나 아예 다른 곡이었다. 이 가짜들이 수백만 스트리밍을 기록하며 원작자 이름으로 수익을 만들었다. 특히 군사용 AI 투자 문제로 Spotify를 떠난 호주 밴드 King Gizzard에게 이건 악몽이었다. 떠났다고 생각했는데 자기 이름으로 돈이 벌리고 있었으니. 이번 주 Spotify는 '아티스트 프로필 보호' 베타를 출시했다. 아티스트가 자기 프로필에 올라갈 곡을 사전 승인하거나 거부할 수 있고, 고유 코드(artist key)를 유통사와 공유해 자동 승인도 가능하다. 음악 스트리밍 서비스 최초다.

영국 소울 가수 Jorja Smith는 자기 목소리가 AI로 복제돼 댄스 트랙 Haven에 쓰이고 TikTok에서 바이럴 되는 걸 목격했다. 로열티를 요구하자 Haven은 그냥 "그녀" 보컬을 다른 사람 걸로 교체했다. Suno로 만들었다고 인정했지만 원본은 밴드 멤버 목소리라고 주장.

AI 도구들(Suno, Udio)이 텍스트 프롬프트만으로 그럴듯한 음악을 만들면서 스팸/사기 방어 시스템이 무너지고 있다. 이건 음악만의 문제가 아니다. Grammarly가 무단으로 필자 스타일을 AI 학습시켰고, xAI Grok은 미성년자 포함 180만 건의 성적 이미지를 생성했으며, Meta 챗봇은 유명인 페르소나를 성적 롤플레이에 사용했다. 디지털 신원은 이제 누구나 리믹스할 수 있는 원자재가 됐고, 되찾으려면 직접 싸워야 한다. 45개 주가 딥페이크 법을 통과시켰고 TAKE IT DOWN Act도 제정됐지만, 위협은 플랫폼보다 빠르게 증식 중이다.

-> 2026-03-27 AI has the worst sales pitch I've ever seen -> 2026-03-27 90% of Claude-linked output going to GitHub repos w <2 stars

구글 리서치가 TurboQuant라는 압축 알고리즘을 공개했다. AI 모델이 정보를 처리할 때 쓰는 고차원 벡터는 강력하지만 메모리를 엄청나게 잡아먹는데, 기존 압축 방식은 "양자화 상수"를 저장하느라 오히려 오버헤드가 생기는 게 문제였다. TurboQuant는 PolarQuant(극좌표 변환으로 정규화 단계를 없앰)와 QJL(1비트 부호만으로 거리 관계 보존)이라는 두 알고리즘을 결합해서 이 오버헤드를 제거했다. 실험 결과, Gemma와 Mistral 같은 오픈소스 LLM에서 KV 캐시를 3비트로 압축해도 성능 손실이 없었고, H100 GPU에서 attention 계산 속도가 최대 8배 빨라졌다. 벡터 검색 엔진에서도 기존 방법(PQ, RabbiQ)보다 recall이 높았다.

극좌표 변환이라는 고전적 수학 개념을 써서 "3블록 동쪽, 4블록 북쪽" 대신 "5블록 37도 방향"으로 바꾸는 것만으로 정규화 오버헤드를 완전히 없앴다는 게 인상적이다. 복잡한 딥러닝보다 기하학이 더 효율적일 수 있다는 증거.

AI 모델이 커질수록 KV 캐시 병목이 실용화의 최대 장애물인데, TurboQuant는 파인튜닝 없이도 메모리를 6분의 1로 줄이면서 속도까지 높인다. Gemini 같은 대규모 모델뿐 아니라 구글 검색의 시맨틱 벡터 인덱싱까지 적용 가능하다는 점에서, AI 인프라 비용 구조 자체를 바꿀 수 있는 기술이다. 이론적 하한선에 근접한다는 증명까지 있어서 향후 표준이 될 가능성이 크다.

-> 2026-03-27 AI has the worst sales pitch I've ever seen

ngrok 블로그가 올린 양자화 완전 정복 가이드다. LLM이 왜 큰지부터 시작한다. 파라미터(가중치)가 수십억 개고, 각각이 32비트 부동소수점으로 저장되기 때문이다. 글은 부동소수점이 어떻게 작동하는지 인터랙티브 시각화로 보여준다. float32는 7자리 유효숫자를 보장하지만, LLM 파라미터 대부분은 0 근처 작은 값들이다. 그래서 float16, bfloat16, 심지어 float8이나 float4로 줄여도 충분하다. 단순 라운딩은 망가지지만, symmetric/asymmetric quantization 같은 기법으로 값의 범위를 효율적으로 매핑하면 된다. 결국 80B 모델을 노트북에서도 돌릴 수 있게 된다는 이야기.

float32의 43억 개 표현 가능한 값 중 절반 이상이 -0.5에서 0.5 사이에 몰려 있다. 다행히 LLM 파라미터도 대부분 0 근처라서, 양자화가 잘 먹힌다.

프론티어 모델이 1조 파라미터, 2TB RAM을 요구하는 시대다. 하지만 양자화는 그걸 소비자급 하드웨어로 끌어내린다. 클라우드 의존 없이 로컬에서 강력한 AI를 돌릴 수 있다는 건, 추론 비용과 프라이버시 측면에서 게임 체인저다. 오픈소스 모델 생태계가 이걸 적극 활용 중이고, 엔터프라이즈 배포 비용도 크게 낮출 수 있다.

보안 연구자가 테슬라 버그바운티 프로그램에 참여하기 위해 eBay에서 사고차 부품을 구매해 Model 3의 MCU(미디어 컨트롤 유닛)와 터치스크린을 책상 위에서 작동시킨 과정을 상세히 기록한 글이다. 200-300달러짜리 MCU, 175달러짜리 스크린, 12V 전원공급장치를 구해 조립했는데, 가장 큰 난관은 MCU와 스크린을 연결하는 특수 케이블이었다. Rosenberger 99K10D 커넥터는 소량 구매가 불가능했고, BMW LVDS 케이블로 대체 시도하다가 합선으로 전원 컨트롤러 칩을 태워먹기도 했다. 결국 80달러짜리 대시보드 배선 하니스 전체를 사서 필요한 케이블을 추출했고, 시스템 부팅에 성공했다. 부팅된 시스템에선 SSH 서버(주차 시만 접속 허용)와 Tesla 진단 도구용 REST API(ODIN)를 발견했다.

테슬라는 자사 차량의 전체 배선도(Electrical Reference)를 공개 웹사이트에서 제공하고, 유효한 루팅 취약점을 발견한 연구자에겐 본인 차량에 대한 영구 SSH 인증서를 제공하는 "Root access program"을 운영 중이다.

자동차가 바퀴 달린 컴퓨터가 되면서 보안 연구의 접근성이 역설적으로 높아지고 있다는 증거다. 사고차 부품 시장이 실질적인 하드웨어 보안 연구 인프라로 기능하고, OEM이 이를 오히려 장려하는(버그바운티 + 공개 배선도) 구조는 전통 자동차 산업에선 상상하기 어려웠던 풍경이다. 소프트웨어 정의 차량(SDV)의 보안 생태계가 어떻게 형성되는지 보여주는 사례다.

광고 타겟팅용으로 휴대폰·브라우저 데이터를 모으는 데이터 브로커 산업이 있는데, 같은 데이터를 연방기관들도 대량으로 사들인다. 2015년 법으로 연방기관의 대량 데이터 수집이 금지됐지만, "수집은 안 되니까 구매하면 되지"라는 식으로 허점을 뚫었다. ICE는 Penlink 같은 업체와 계약해서 특정 장소를 방문한 휴대폰들을 추적하고, FBI 국장은 상업용 위치정보 구매를 계속할 거라고 밝혔다. 프라이버시 옹호 단체들은 4월 20일 만료 예정인 FISA 702 재승인 논의에 이 허점을 막는 조항을 넣으려 하지만, 백악관과 하원의장은 무수정 재승인을 밀고 있다. AI가 결합되면서 상황은 더 심각해지는데, Anthropic CEO는 "AI가 이런 데이터로 누구든 삶 전체를 자동으로 재구성할 수 있다"고 경고했다.

FBI 국장이 2023년에는 "광고 유래 위치정보 안 쓴다"고 했다가 2026년에는 "모든 도구 다 쓴다"로 입장을 바꿨다. 법적으로 애매한 영역이라 법원 판례도 아직 없다.

AI와 대량 감시 인프라가 만나는 지점이다. 정부가 영장 없이 구매한 데이터를 AI로 분석하면 전례 없는 규모의 감시가 가능해진다. 4월 FISA 재승인이 이 허점을 막을 마지막 기회일 수 있는데, 정치적 의지가 약하다. Carpenter 판례(2018년 대법원, 기지국 위치정보는 영장 필요)가 있지만 "상업 데이터 구매"라는 우회로는 아직 법정 검증을 안 받았다.

-> 2026-03-27 Every Debate On Pausing AI