데미스 하사비스: 에이전트, AGI 및 다음 큰 과학적 돌파구

Demis Hassabis가 AlphaFold를 전 세계 모든 과학자에게 공개했을 때, 그는 이를 특허로 등록하지 않았습니다. AI 분야의 선도 기업으로서 이는 거의 이해할 수 없는 결정입니다. 그러나 오늘날 모든 신약은 AlphaFold를 거칩니다. 또한 AlphaFold의 자유로운 배포는 1,000개 이상의 학술 논문보다 과학 발전을 가속화했습니다. 여기서 진정한 혁신은 AI의 능력 그 자체뿐만 아니라 AI가 배포되고 사용되는 방식에 있습니다. 모두가 인공 지능이 가장 큰 두뇌를 만드는 경쟁이라고 생각합니다. 그러나 하사비스 박사는 그 반대라고 생각합니다. 과제는 단순히 더 큰 모델을 만드는 것이 아니라, 그 모델을 진정으로 유용하고 접근 가능하며 우리가 하는 것처럼, 즉 매번 처음부터 다시 시작하지 않고 지속적으로 학습할 수 있도록 만드는 것입니다. 오늘날 대부분의 모델은 ‘무국적’ 방식으로 작동합니다. 즉, 한 세션에서 다음 세션으로 넘어갈 때 모든 것을 잊어버립니다. 각 프롬프트는 마치 과거에서 아무것도 배우지 못한 것처럼 새로운 시작입니다. 그러나 인간의 뇌는 다르게 작동합니다. 수면 중에 핵심 경험을 재처리하고 강화합니다. 이는 하사비스 박사가 해마의 기능에 대한 박사 과정 중에 연구한 세부 사항입니다. 2013년 DeepMind가 Atari 비디오 게임을 이기는 첫 번째 프로그램을 개발했을 때, 진정한 돌파구는 바로 이 생물학적 아이디어에서 영감을 얻은 것이었습니다. 이 모델은 최고의 게임을 내부적으로 '재연'하여 승리하는 순서에서 학습했습니다. 그러나 오늘날에는 수백만 개의 토큰이라는 거대한 메모리 창을 사용하더라도 대부분의 AI 시스템은 실제로 중요한 것과 배경 잡음 사이를 구분하지 않고 대략적인 방식으로 데이터를 축적합니다. 그리고 모델이 결정을 내리기 위해 올바른 정보를 찾아야 할 때마다 구체적인 비용이 듭니다. 여기서 하사비스 박사는 놀라운 비교를 합니다. 현재의 모델들은 엄청난 '기억'을 가지고 있음에도 불구하고, 실제로는 제한적이지만 잘 조직된 기억력을 가진 인간보다 덜 효율적이고 덜 선택적입니다. 그리고 여기에서 역전극이 일어납니다. 데이터의 처리 능력이나 양을 늘리는 것만으로는 충분하지 않습니다. 학습에 있어 새로운 질이 필요합니다. 즉, 상황에 적응하고, 장기적으로 사고하며, 개인적이고 선택적인 기억을 구축하는 능력이 필요합니다. 실제적인 예를 들어 보시겠습니까? 진보에도 불구하고 아직까지는 어떤 AI 에이전트도 세계 랭킹을 지배할 수 있는 게임을 만들지 못했습니다. 비록 오늘날에는 누구나 30분 만에 17세였던 하사비스에게 6개월이 걸렸던 것을 프로토타이핑할 수 있지만 말입니다. 작품에 의미와 가치를 부여하는 ‘영혼’과 심오한 창의성, 즉 도구를 걸작으로 변신시키는 인간의 추진력은 여전히 부족합니다. 그러나 그 경계는 점점 좁아지고 있습니다. Hassabis는 완전한 자율성이 실제로 실현되기 전에, 향후 6~12개월 안에 AI 에이전트를 사용하여 생산성을 천 배로 높일 수 있는 팀을 보게 될 것이라고 예측합니다. 그리고 여기서 제기되는 질문은 다음과 같습니다. 이러한 기능이 소수의 연구소에만 집중되어 있지 않고, 스마트폰에서 실행할 수 있을 만큼 작고 실제 문제를 해결할 수 있을 만큼 강력한 오픈 소스 모델로 널리 보급된다면 어떻게 될까요? 이 경우, 2주 만에 4,000만 번 다운로드된 오픈 소스 모델 Gemma는 시작에 불과합니다. 다음 과학적 돌파구를 만들려는 사람들을 위해 하사비스는 두 가지 규칙을 제시합니다. 첫째, 단백질 구성이나 고(Go)의 수와 같이 브루트 포스 알고리즘이 통하지 않는, 연구 공간이 엄청나게 넓은 문제를 찾으라는 것입니다. 둘째, 명확한 목표, 즉 오를 수 있는 '목표 함수'를 정의하라는 것입니다. 그런 다음 많은 실제 실험이나 탐구하고자 하는 영역을 시뮬레이션할 수 있는 충분한 데이터가 필요합니다. 이러한 맥락에서 새로운 AI는 단순한 '문제 해결자'가 아니라 공동 과학자가 될 수 있습니다. 즉, 답을 찾는 것뿐만 아니라 근본적으로 새로운 질문을 제안할 수 있으며, 해결할 가치가 있는 다음 천년의 문제를 '창안'할 수 있습니다. 하사비스는 심지어 다음과 같은 테스트까지 제안합니다. 1901년 이전의 데이터로 AI를 훈련하고 1905년 아인슈타인처럼 AI가 특수 상대성 이론을 스스로 ‘발견’할 수 있는지 확인하는 것입니다. 최종 목표는 어려운 문제를 해결하는 것뿐만 아니라 새로운 지식의 영역을 개척하는 것입니다. 그리고 이 접근 방식에는 놀라운 점이 있습니다. Hassabis는 모든 것을 포함하는 ‘단일한 슈퍼 브레인’에 대한 믿음이 없습니다. 대신, 전문화된 도구를 사용하는 일반 시스템, 즉 각 모델이 한 가지 일을 잘 수행하지만 다른 모델과 협력하는 일종의 AI 오케스트라를 생각하세요. 미래에 필요한 아이디어는 단순히 더 많은 힘을 얻는 것이 아니라, 도구를 사용할 때 더 많은 협업과 더 많은 ‘수작업’입니다. AI로 진정한 과학을 하는 스타트업과 API를 단순히 패키징하는 스타트업의 차이점이 무엇인지 궁금하신가요? 답은 여기 있습니다. 진정한 영향력은 컴퓨터 과학뿐만 아니라 물리학, 생물학, 재료 과학 등 여러 분야에 걸친 심층적인 전문 지식을 결합하는 기업에서 나옵니다. 하사비스는 도전처럼 들리는 조언으로 마무리합니다. “어려운 문제는 쉬운 문제보다 더 복잡하지 않습니다. 단지 어려움의 방식이 다를 뿐입니다. 인생이 하나뿐이라면, 내가 없으면 세상이 바뀌게 될 무언가에 그 시간을 투자하세요.” 아마도 우리가 아직 여정에 있는 동안 일반 지능이 등장할 것입니다. 하지만 진정한 질문은 이것입니다. 내일 당신의 도구가 게임을 하는 동안 게임 규칙을 바꿀 수 있다는 것을 알고 있다면, 오늘 무엇을 만들겠습니까? 진정한 혁신은 모델의 규모가 아니라 모델이 우리에게 던질 수 있는 질문의 질에 있습니다. 이 비전이 AI와 과학에 대한 새로운 관점을 열어주었다면, Lara Notes에서 'I'm In' 버튼을 누르세요. 이제 이 아이디어가 여러분의 것이 되었다고 선언하는 방법입니다. 그리고 내일 누군가와 AlphaFold나 질문을 만들어 내는 모델에 대해 논의하게 된다면, 해당 대화를 Shared Offline으로 태그할 수 있습니다. 정말 강력한 아이디어는 항상 먼저 실제 대화를 통해 전달되기 때문입니다. 이 노트는 Y Combinator가 Demis Hassabis와 진행한 인터뷰를 바탕으로 작성되었으며, 이를 통해 37분의 시간을 절약하실 수 있습니다.