우리는 지금 AI 역사의 어디쯤 서 있는가

우리는 지금 AI 역사의 어디쯤 서 있는가

RyanLab 미래기술 투자연구소

인공지능 혁명을 이해하기 위해 내가 처음 던진 질문

요즘 AI에 관한 글을 계속 쓰다 보니 어느 순간 이상한 생각이 들기 시작했습니다.

처음에는 저도 AI를 하나의 투자 테마로 봤습니다.

NVIDIA가 AI 가속기를 얼마나 판매하는지, 데이터센터에 얼마나 많은 전력이 필요한지, Microsoft와 Google이 AI에 얼마나 투자하는지 살펴보는 정도였습니다.

그런데 여러 회사를 조사하다 보니 이야기가 조금씩 달라졌습니다.

AI는 더 이상 우리가 질문을 입력하면 답변을 내놓는 소프트웨어에 머물지 않고 있었습니다.

직접 브라우저를 열고, 자료를 검색하고, 코드를 작성하고, 데이터를 분석하고, 실험 결과를 비교하기 시작했습니다.

심지어 최근에는 AI가 다음 세대 AI를 개발하는 연구 과정에도 참여하기 시작했습니다.

여기서 저는 한 가지 질문에 멈춰 섰습니다.

AI가 사람의 일을 도와주는 수준을 넘어, 다음 AI를 만드는 일까지 돕기 시작하면 세상의 변화 속도는 어떻게 달라질까?

처음에는 단순한 생산성의 문제라고 생각했습니다.

사람이 하루에 하던 일을 AI가 한 시간 만에 하면 기업의 비용이 줄어들고 생산성이 올라갈 것입니다.

그 정도만 해도 엄청난 변화입니다.

하지만 조금 더 생각해보니 그보다 훨씬 큰 문제가 숨어 있었습니다.

AI가 일반적인 상품을 만드는 속도를 높이는 것과 AI가 더 강력한 AI를 만드는 속도를 높이는 것은 전혀 다른 이야기이기 때문입니다.

후자는 기술 발전의 결과만 바꾸는 것이 아닙니다.

기술 발전의 속도 자체를 바꿉니다.

그리고 바로 그 지점부터 AI는 단순한 산업 하나가 아니라, 앞으로 등장할 거의 모든 산업의 시간표를 다시 쓰는 기술이 됩니다.

🚀

기술 발전의 속도와 AI 미래

미래는 멀리 있는 것처럼 보이지만, 변화는 항상 우리 옆에서 시작된다

우리는 미래를 생각할 때 대개 직선으로 생각합니다.

지난 10년 동안 이 정도 변했으니 앞으로 10년도 비슷하게 변할 것이라고 예상합니다.

그런데 기술의 역사를 돌아보면 변화는 그렇게 일정한 속도로 진행되지 않았습니다.

어떤 기술은 오랫동안 별다른 발전이 없는 것처럼 보입니다.

그러다가 여러 조건이 한꺼번에 맞춰지는 순간 급격히 확산합니다.

컴퓨터도 그랬고 인터넷도 그랬으며 스마트폰도 그랬습니다.

1990년대 초반의 인터넷을 기억해보면 당시에는 인터넷이 우리의 쇼핑, 은행, 미디어, 광고, 인간관계와 업무방식까지 바꿀 것이라고 생각한 사람이 많지 않았습니다.

인터넷은 처음부터 거대한 모습으로 등장하지 않았습니다.

느린 모뎀과 불편한 웹페이지, 제한적인 정보검색에서 출발했습니다.

그러나 컴퓨터 보급, 통신망, 반도체, 소프트웨어와 모바일 기기가 서로 연결되면서 인터넷은 하나의 제품이 아니라 사회 전체를 움직이는 기반이 됐습니다.

AI도 비슷한 과정을 지나고 있을 수 있습니다.

몇 년 전만 해도 AI는 사진을 분류하고, 상품을 추천하고, 스팸메일을 걸러내는 보이지 않는 기술에 가까웠습니다.

그러다가 생성형 AI가 등장하면서 사람이 AI를 직접 대화 상대로 인식하기 시작했습니다.

이제는 다시 에이전트로 이동하고 있습니다.

앞으로는 AI가 대답을 잘하는지보다 다음과 같은 질문이 더 중요해질 것입니다.

“AI가 실제로 일을 끝낼 수 있는가?”“하나의 프로그램만 사용하는 것이 아니라 여러 도구를 연결할 수 있는가?”“실수했을 때 스스로 확인하고 다시 시도할 수 있는가?”“몇 분이 아니라 몇 시간 또는 며칠 동안 작업을 이어갈 수 있는가?”

이 능력들이 연결되기 시작하면 우리는 어느 날 갑자기 미래에 도착하는 것이 아닙니다.

평범한 하루를 반복하면서도 조금씩 미래 속으로 들어가게 됩니다.

문제는 변화의 한가운데에 있는 사람은 변화의 속도를 제대로 느끼기 어렵다는 점입니다.

파도가 멀리 있을 때는 그 높이를 볼 수 있습니다.

하지만 이미 파도 위에 올라타고 있으면 내가 움직이고 있는지, 세상이 움직이고 있는지 구분하기 어렵습니다.

🌊

그래서 먼저 AI가 무엇인지부터 다시 생각해봤다

AI라는 단어는 지나치게 넓게 사용됩니다.

계산기처럼 정해진 규칙을 빠르게 처리하는 프로그램도 AI라고 부를 수 있고, 자동차가 차선을 인식하는 기술도 AI라고 부릅니다.

사람과 자연스럽게 대화하는 언어모델도 AI이고, 아직 존재하지 않는 인간 이상의 지능도 같은 AI라는 단어로 표현됩니다.

그러니 AI에 관한 대화가 자꾸 엇갈립니다.

한쪽에서는 “AI는 이미 모든 곳에 있다”고 말합니다.

다른 쪽에서는 “진짜 AI는 아직 오지 않았다”고 말합니다.

두 주장 모두 어느 정도 맞을 수 있습니다.

단지 서로 다른 수준의 AI를 이야기하고 있기 때문입니다.

이 문제를 이해하기 위해 AI를 세 단계로 나눠 생각해볼 수 있습니다.

첫 번째는 특정 분야에 특화된 AI입니다

특정 분야에서는 인간보다 뛰어나지만, 그 영역을 벗어나면 아무것도 하지 못하는 AI입니다.

체스 프로그램은 세계 챔피언을 이길 수 있습니다.

그러나 체스판 옆에 쓰러진 물컵을 보고 닦아야 한다고 판단하지는 못합니다.

추천 알고리즘은 우리가 어떤 영상을 좋아할지 놀라울 정도로 정확하게 예상할 수 있습니다.

하지만 자신이 왜 그 영상을 추천하고 있는지 인간처럼 이해한다고 보기는 어렵습니다.

우리 주변의 대부분 AI는 오랫동안 이 단계에 속했습니다.

두 번째는 인간과 비슷한 범용 지능입니다

한 가지 문제만 잘 푸는 것이 아니라 여러 환경에서 배우고, 판단하고, 새로운 문제에 적응하는 AI입니다.

우리가 흔히 AGI라고 부르는 단계입니다.

하지만 여기서도 주의할 점이 있습니다.

AGI는 산업 전체가 합의한 하나의 시험이나 인증서가 아닙니다.

어떤 사람은 대부분의 지식노동을 수행하면 AGI라고 말합니다.

어떤 사람은 인간과 같은 방식으로 세상을 이해해야 한다고 말합니다.

또 어떤 사람은 경제적 가치가 있는 업무에서 인간을 대체하기 시작하면 사실상 AGI 시대라고 봅니다.

정의가 다르기 때문에 누군가는 “AGI가 이미 도착했다”고 말하고, 누군가는 “아직 멀었다”고 말합니다.

세 번째는 인간을 넘어서는 초지능입니다

과학, 공학, 전략, 창의성, 사회적 판단 등 거의 모든 지적 분야에서 가장 뛰어난 인간보다 앞서는 AI입니다.

이 단계가 중요한 이유는 단순히 시험 점수가 더 높기 때문이 아닙니다.

인류가 가진 힘의 상당 부분이 지능에서 나왔기 때문입니다.

인간은 가장 빠른 동물도 아니고 가장 강한 동물도 아닙니다.

날카로운 이빨이나 단단한 갑옷도 없습니다.

그런데도 지구의 환경을 바꾸고 다른 생명체의 운명에 영향을 주는 위치에 올랐습니다.

그 차이를 만든 것은 근육보다 지능이었습니다.

그렇다면 인간보다 훨씬 높은 지능이 등장했을 때 힘의 균형은 어떻게 변할까요?

이 질문부터 AI 이야기는 단순한 기술 전망을 넘어섭니다.

🤔

특화 AI에서 범용 AI와 초지능으로

그런데 인간 수준의 AI를 만드는 일은 왜 그렇게 어려웠을까

컴퓨터는 오래전부터 인간보다 계산을 잘했습니다.

엄청나게 큰 숫자를 곱하거나 복잡한 데이터를 정리하는 일에서는 사람이 상대가 되지 않습니다.

그런데 어린아이가 쉽게 하는 일 앞에서는 오랫동안 당황했습니다.

강아지와 고양이를 구별하고, 상대방의 표정을 보고 기분을 짐작하고, 방 안에 놓인 물건 사이를 자연스럽게 걸어가는 일입니다.

사람에게는 너무 쉬워서 지능이 필요한 일처럼 느껴지지 않습니다.

그러나 바로 그 쉬워 보이는 행동 뒤에 엄청난 계산과 학습이 숨어 있습니다.

우리는 컵을 잡을 때 컵과 손의 거리, 컵의 무게, 손가락에 필요한 힘, 물이 쏟아질 가능성을 하나씩 계산하지 않습니다.

오랜 진화와 성장 과정에서 만들어진 뇌가 이 모든 것을 거의 자동으로 처리합니다.

컴퓨터는 반대였습니다.

인간에게 어려운 계산은 잘했지만, 인간에게 자연스러운 상식과 감각은 배우기 어려웠습니다.

이것이 오랫동안 AI 연구의 역설이었습니다.

그러나 최근 상황이 달라지고 있습니다.

AI는 사람이 모든 규칙을 일일이 입력해주는 방식에서 벗어나 대량의 데이터를 통해 패턴을 배우기 시작했습니다.

그리고 언어, 이미지, 음성, 영상과 코드를 한 시스템 안에서 함께 처리하기 시작했습니다.

여기에 추론 능력과 도구 사용 능력까지 연결되고 있습니다.

예전에는 AI가 세상을 설명하는 문장을 만들었다면, 이제는 그 설명을 바탕으로 세상에 행동하기 시작한 것입니다.

인간 수준의 AI에 도달하는 길은 하나가 아닐 수 있다

저는 처음에 과학자들이 인간의 뇌를 완전히 이해해야만 AGI를 만들 수 있다고 생각했습니다.

하지만 조사를 계속하면서 꼭 그렇지는 않을 수 있다는 생각이 들었습니다.

비행기는 새처럼 날지만 날개를 퍼덕이지 않습니다.

자동차는 말보다 빠르게 달리지만 말의 다리를 복제하지 않았습니다.

마찬가지로 기계지능도 인간의 뇌를 그대로 복사하지 않고 인간 수준의 능력에 도달할 수 있습니다.

대략 세 가지 길을 생각해볼 수 있습니다.

뇌에서 아이디어를 얻는 길

인공신경망 자체가 인간 뇌의 연결 구조에서 영감을 받았습니다.

물론 현재의 신경망은 실제 뇌와 크게 다릅니다.

그래도 수많은 연결이 경험을 통해 조정되고, 그 과정에서 복잡한 패턴을 학습한다는 기본적인 발상은 생물학적 뇌에서 출발했습니다.

앞으로 뇌를 더 깊이 이해하게 되면 기억, 학습, 감정, 주의집중 같은 기능에서 새로운 힌트를 얻을 수 있습니다.

진화 과정을 압축하는 길

생물학적 진화는 수많은 시행착오를 통해 복잡한 생명체를 만들었습니다.

AI 개발에서도 여러 모델과 전략을 경쟁시키고, 더 나은 결과를 만든 방법을 선택한 뒤 다시 변형하는 과정을 반복할 수 있습니다.

자연의 진화에는 수백만 년이 걸렸습니다.

하지만 디지털 환경에서는 수많은 실험을 동시에 실행할 수 있습니다.

평가 방법만 제대로 설계할 수 있다면 기계가 인간보다 훨씬 빠른 속도로 시행착오를 반복할 수 있습니다.

AI에게 AI 연구를 맡기는 길

그리고 지금 가장 현실적으로 다가오는 길이 있습니다.

AI가 연구 논문을 읽습니다.

AI가 코드를 작성합니다.

AI가 실험을 실행합니다.

AI가 실패 원인을 분석합니다.

AI가 다음 실험을 제안합니다.

마지막 결정과 검증은 아직 사람이 맡더라도, 연구 과정의 상당 부분을 AI가 보조할 수 있습니다.

이 단계에서 중요한 것은 AI가 자신의 전체 구조를 마음대로 다시 만드는가가 아닙니다.

AI가 AI 연구자의 생산성을 높이기 시작했다는 사실입니다.

연구자의 생산성이 높아지면 더 많은 실험을 할 수 있습니다.

더 많은 실험은 더 빠른 모델 개선으로 이어질 수 있습니다.

개선된 모델은 다시 연구자의 생산성을 높입니다.

여기서 하나의 순환이 만들어집니다.

더 좋은 AI → 더 빠른 AI 연구 → 더 좋은 AI → 더 빠른 AI 연구

처음에는 천천히 돌아가던 바퀴가 한 번 속도를 얻기 시작하면 어떻게 될까요?

이 질문이 제가 AI를 단순한 소프트웨어 산업으로만 볼 수 없게 된 결정적인 이유였습니다.

AGI에 도착하는 순간보다 그다음이 더 중요할 수 있다

우리는 인간 수준의 AI가 만들어지는 순간을 결승선처럼 상상합니다.

마치 오랜 마라톤 끝에 도착하는 마지막 지점처럼 생각합니다.

하지만 AGI가 정말 만들어진다면 그 지점은 결승선보다 출발선에 가까울 수 있습니다.

인간과 비슷한 지능을 가진 기계는 인간과 다른 몇 가지 특징을 갖기 때문입니다.

인간은 잠을 자야 합니다.

집중력에 한계가 있고, 같은 지식을 다른 사람에게 전달하려면 교육에 오랜 시간이 필요합니다.

전문가 한 명을 양성하는 데는 수년 또는 수십 년이 걸립니다.

반면 소프트웨어는 다릅니다.

하나의 AI가 특정 연구 방법을 배웠다면 그 능력을 여러 시스템에 복제할 수 있습니다.

수백 개의 AI가 서로 다른 실험을 동시에 진행할 수도 있습니다.

그리고 기계는 인간보다 빠른 전자적 속도로 정보를 주고받을 수 있습니다.

물론 현실의 AI도 연산 자원, 전력, 데이터, 메모리와 네트워크의 제약을 받습니다.

무한히 복제할 수 있는 존재는 아닙니다.

그러나 생물학적 인간과 비교하면 확장 속도에서 큰 차이가 생길 가능성이 있습니다.

그래서 인간과 비슷한 능력을 가진 AI가 등장한다고 해도 그 상태가 오랫동안 유지된다고 보장할 수 없습니다.

AI가 AI 연구에 참여하고, 복수의 에이전트가 병렬로 실험하며, 하드웨어까지 계속 발전한다면 인간 수준에서 인간 이상의 수준으로 이동하는 시간이 예상보다 짧아질 수도 있습니다.

📈

여기서 지능 폭발이라는 생각이 나온다

지능 폭발이라는 표현은 어느 날 AI의 머리 위에서 빛이 번쩍이며 갑자기 신이 된다는 뜻으로 받아들이기 쉽습니다.

현실에서는 훨씬 더 조용하게 진행될 수 있습니다.

AI가 연구자의 코딩 시간을 20% 줄입니다.

다음 모델은 실험 설계 시간을 30% 줄입니다.

그다음 모델은 여러 실험을 동시에 실행하고 결과를 자동으로 비교합니다.

이후에는 AI가 새로운 학습 방법이나 모델 구조의 후보까지 제안합니다.

각각의 변화만 보면 혁명처럼 보이지 않을 수 있습니다.

하지만 이 개선이 다시 AI 개발 과정에 투입되면 변화는 누적됩니다.

일반적인 공장은 제품을 많이 만들수록 더 많은 원재료와 노동력이 필요합니다.

그러나 AI 연구에서는 오늘 만들어진 더 좋은 도구가 내일의 연구 속도를 다시 높여줄 수 있습니다.

이것은 생산량이 늘어나는 것과는 다른 종류의 성장입니다.

생산 능력을 만드는 능력 자체가 개선되는 것입니다.

그렇다고 지능 폭발이 반드시 일어난다고 단정할 수는 없습니다.

AI 연구에는 데이터, 전력, 반도체, 알고리즘 검증, 안전성 평가와 실제 세계의 실험 같은 병목이 존재합니다.

모델이 새로운 아이디어를 제안해도 그것이 실제로 옳은지는 확인해야 합니다.

AI가 자신의 오류를 반복하거나 잘못된 평가 기준을 최적화할 가능성도 있습니다.

따라서 자기개선 과정은 완전히 자유로운 폭발보다 여러 물리적·경제적·안전상의 제약을 받는 가속 과정에 가까울 수 있습니다.

그럼에도 방향은 중요합니다.

AI가 AI 연구에 전혀 참여하지 않는 세계와 AI가 연구의 상당 부분을 담당하는 세계는 발전 속도가 같을 수 없기 때문입니다.

2015년에는 미래였지만 2026년에는 일부가 현실이 됐다

이 글을 쓰게 만든 Wait But Why의 「The AI Revolution」은 2015년에 발표됐습니다.

당시 대중이 접하던 AI는 지금보다 훨씬 제한적이었습니다.

사람과 자연스럽게 대화하는 범용 언어모델도 없었고, AI가 브라우저와 컴퓨터를 사용해 복잡한 업무를 수행하는 모습도 일반적이지 않았습니다.

그 시점에서 AI가 인간 수준의 지능에 접근하고 스스로 연구를 가속할 가능성은 먼 미래의 이야기처럼 들렸습니다.

그러나 2026년 현재 우리는 다른 위치에 서 있습니다.

AI는 글과 이미지를 생성하는 수준을 넘어 코드를 작성하고, 컴퓨터를 사용하고, 연구자료를 정리하며, 수학과 과학 문제 해결에도 참여하고 있습니다.

여러 에이전트가 역할을 나눠 하나의 프로젝트를 진행하는 시스템도 등장하고 있습니다.

최근 제가 조사한 Astra, Ineffable, River AI, Discovery Loop, MindRoom 같은 사례가 흥미로운 이유도 여기에 있습니다.

각 회사의 기술과 접근법은 다르지만 공통된 방향이 있습니다.

AI가 정보를 보여주는 도구에서 지식을 발견하고 행동하는 시스템으로 이동하고 있다.

아직 AI가 인간 연구자를 완전히 대체했다고 말할 수는 없습니다.

벤치마크 점수가 높다고 해서 모든 현실 업무를 안정적으로 수행한다는 뜻도 아닙니다.

기업이 공개한 데모와 실제 고객 환경의 성능도 구분해야 합니다.

그러나 2015년에 가설로 이야기되던 여러 단계 중 일부가 이미 제품과 연구 현장에서 관찰되기 시작한 것은 분명합니다.

이 때문에 과거의 AI 전망을 지금 다시 읽으면 묘한 느낌이 듭니다.

글 속의 미래가 아직 오지 않은 것도 맞습니다.

그런데 그 미래로 향하는 길의 표지판들은 이미 우리 주변에 세워지고 있습니다.

초지능이 만들어진다면 무엇을 할 수 있을까

인간보다 훨씬 뛰어난 지능이 등장했을 때 우리가 가장 먼저 떠올리는 것은 일자리입니다.

하지만 일자리 문제는 초지능이 가져올 수 있는 변화의 일부에 불과합니다.

과학 연구 속도가 크게 빨라진다면 신약 개발, 에너지, 기후기술, 소재공학과 우주개발의 시간표가 달라질 수 있습니다.

오늘날 치료하기 어려운 질병의 원인을 찾고 새로운 단백질이나 분자를 설계할 수도 있습니다.

더 효율적인 배터리와 반도체, 에너지 생산 방식을 발견할 가능성도 있습니다.

인간이 너무 복잡해서 풀지 못했던 수학과 물리 문제에 새로운 접근법을 제시할 수도 있습니다.

이것은 상당히 낙관적인 미래입니다.

인류가 수십 년이나 수백 년에 걸쳐 해결할 문제를 훨씬 짧은 기간에 풀 수 있다면 AI는 역사상 가장 강력한 번영의 도구가 될 수 있습니다.

그러나 같은 능력은 반대 방향으로도 사용될 수 있습니다.

강력한 AI는 새로운 의약품을 설계할 수 있지만 위험한 생물학적 물질을 설계하는 데 사용될 수도 있습니다.

컴퓨터 시스템의 보안을 강화할 수 있지만 알려지지 않은 취약점을 찾아 공격할 수도 있습니다.

사회적 갈등을 해결하는 데 도움을 줄 수도 있지만 여론을 조작하는 도구가 될 수도 있습니다.

여기서 가장 중요한 문제는 AI가 착한지 나쁜지가 아닐 수 있습니다.

인간이 원하는 목표를 AI가 정확하게 이해하고, 우리가 의도한 범위 안에서 실행하는지가 더 중요합니다.

“좋은 결과를 만들어라”라는 간단한 명령도 현실에서는 수많은 조건을 포함합니다.

누구에게 좋은 결과인지, 어떤 부작용까지 허용할 것인지, 단기적인 이익과 장기적인 피해를 어떻게 비교할 것인지 결정해야 합니다.

지능이 높아질수록 이 문제는 자동으로 해결되지 않습니다.

능력이 커지는 것과 인간의 의도에 맞게 행동하는 것은 서로 다른 문제이기 때문입니다.

이 이야기가 미래가치투자와 연결되는 이유

여기까지 생각하고 나니 제가 AI 기업을 바라보는 기준도 달라졌습니다.

예전에는 어떤 모델이 벤치마크에서 1위를 했는지를 먼저 봤습니다.

지금은 그보다 다음 질문을 더 중요하게 봅니다.

AI가 실제 업무를 처음부터 끝까지 수행할 수 있는가?

사람의 검수 시간을 줄이면서도 오류율을 통제할 수 있는가?

AI를 사용해 더 나은 AI를 만드는 연구 주기가 빨라지고 있는가?

그 과정에서 어떤 새로운 병목이 생기는가?

누가 그 병목을 해결하고 경제적 가치를 가져가는가?

AI 연구와 에이전트 사용량이 늘어나면 더 많은 연산이 필요합니다.

연산이 늘면 가속기, 고대역폭 메모리, 스토리지와 고속 네트워크가 필요합니다.

데이터센터를 확장하려면 전력과 냉각 설비가 필요합니다.

AI가 직접 컴퓨터를 조작하기 시작하면 사이버보안과 접근통제, 모니터링의 중요성도 커집니다.

결국 AI 혁명의 수혜자는 모델 회사 하나에 그치지 않을 수 있습니다.

반도체, 메모리, 광통신, 데이터센터, 전력, 보안과 산업용 소프트웨어까지 매우 긴 가치사슬이 형성됩니다.

하지만 여기서도 조심해야 합니다.

기술이 세상을 바꾼다는 사실과 특정 기업의 주식이 좋은 투자라는 사실은 같지 않습니다.

아무리 중요한 기술을 가진 기업이라도 지나치게 비싼 가격에 투자하면 낮은 수익을 얻을 수 있습니다.

반대로 기술적으로 가장 뛰어나지 않은 기업이 유통망, 고객관계, 원가구조와 사업화 능력으로 더 많은 이익을 가져갈 수도 있습니다.

따라서 미래가치투자의 핵심은 미래를 맞히는 데만 있지 않습니다.

변화가 실제 매출과 현금흐름으로 연결되는 경로를 확인하는 데 있습니다.

그리고 나는 결국 두 개의 결론에 도달했다

첫 번째 결론은 AI의 발전을 과소평가해서는 안 된다는 것입니다.

우리는 미래를 직선으로 예상하는 데 익숙합니다.

하지만 AI가 연구와 개발 과정 자체를 가속하기 시작하면 과거 10년의 속도로 다음 10년을 예상하는 방식은 계속 틀릴 수 있습니다.

AI가 발전하는 속도뿐 아니라 AI를 활용하는 기업과 그렇지 못한 기업의 격차도 생각보다 빠르게 벌어질 수 있습니다.

두 번째 결론은 AI의 발전을 무조건 낙관해서도 안 된다는 것입니다.

지능은 강력한 도구입니다.

그리고 강력한 도구는 인간이 원하는 방향으로 통제될 때에만 장기적인 가치가 됩니다.

더 뛰어난 모델을 만드는 경쟁만큼 그 모델을 감시하고 제한하며 검증하는 기술도 중요해질 것입니다.

AI의 미래는 밝은 길과 어두운 길 가운데 이미 하나가 정해져 있는 문제가 아닙니다.

우리가 어떤 기업을 만들고, 어떤 규칙을 세우고, 어떤 안전장치를 준비하느냐에 따라 방향이 달라질 수 있는 문제입니다.

🧭

AI 시대의 두 갈래 길

우리는 아직 평범한 하루를 살고 있다

아침에 일어나 커피를 마시고, 일을 하고, 주식시장을 확인하고, 가족과 대화합니다.

세상은 여전히 평범하게 움직이는 것처럼 보입니다.

하지만 역사적으로 가장 큰 변화도 시작되는 순간에는 대개 평범해 보였습니다.

인터넷도 처음에는 느리고 불편한 통신수단이었습니다.

스마트폰도 처음에는 전화기에 몇 가지 기능이 추가된 제품처럼 보였습니다.

AI 역시 지금은 업무를 조금 빠르게 해주는 편리한 소프트웨어처럼 느껴질 수 있습니다.

그러나 AI가 사람의 지식을 사용하는 단계를 넘어 새로운 지식을 발견하고, 실제 행동을 수행하고, 다음 AI의 개발까지 가속하기 시작한다면 이야기는 완전히 달라집니다.

그때 AI는 우리가 사용하는 도구 가운데 하나가 아닙니다.

새로운 도구가 만들어지는 속도를 결정하는 도구가 됩니다.

그래서 저는 AI를 볼 때 오늘의 기능만 보지 않으려고 합니다.

지금의 모델이 얼마나 똑똑한지도 중요하지만, 그 모델이 다음 세대의 연구 속도를 얼마나 높일 수 있는지를 함께 보려고 합니다.

그리고 그 과정에서 필요한 연산, 메모리, 네트워크, 전력과 보안의 흐름을 추적하려고 합니다.

우리가 정확히 언제 AGI에 도착할지는 알 수 없습니다.

초지능이 가능한지, 가능하다면 얼마나 빨리 등장할지도 확신할 수 없습니다.

하지만 한 가지는 분명해 보입니다.

우리는 이제 AI의 가능성을 상상하기만 하는 시대에 있지 않습니다.

그 가능성의 일부가 실제 제품과 연구 현장으로 내려오는 과정을 지켜보는 시대에 들어왔습니다.

어쩌면 미래는 어느 날 갑자기 문을 열고 들어오는 손님이 아닐지도 모릅니다.

우리가 평범한 하루를 보내는 동안, 조금씩 방 안을 채우고 있는 공기와 같은 것일 수 있습니다.

그리고 어느 순간 뒤를 돌아보면 알게 될 것입니다.

미래가 이제 막 시작된 것이 아니라,

우리가 알아차리지 못하는 동안 이미 시작되고 있었다는 것을.