데미스 허사비스 스탠퍼드 대담: AGI 2030년 전망과 알파폴드 무료 공개의 이유

핵심 메시지

• 허사비스는 AGI가 2030년 전후 몇 년 안에 올 것으로 보며, 지금을 '특이점의 산기슭'이라고 표현했다.
• 알파폴드로 예측한 2억 개 단백질 구조를 무료 공개한 이유는 한 조직이 감당할 수 있는 후속 영향의 한계 때문이었다 — 현재 190개국 300만 명의 연구자가 쓰고 있다.
• 그는 AI의 영향을 산업혁명의 10배 규모가 10배 빠르게 진행되는 것으로 표현하며, 대중의 우려는 정당하다고 말했다.
• 안전에 시간을 더 쓰는 쪽이 불리해지는 죄수의 딜레마 구조가 문제이며, 규제는 필요하지만 기존 방식으로는 속도를 따라갈 수 없어 '역동적 규제'가 필요하다고 봤다.
• 그는 첫 시스템을 '지능적인 도구'로 만들자고 제안한다. 지능과 의식은 분리 가능하며, 의식을 가진 존재를 만들지 여부는 나중에 사회가 결정할 선택이라는 것이다.

쉽게 이해하기

스탠퍼드 경영대학원(GSB)이 스탠퍼드 의과대학과 함께 마련한 대담에서, 구글 딥마인드 공동창업자이자 CEO인 데미스 허사비스가 조너선 레빈 스탠퍼드 총장과 마주 앉았다. 체스 신동에서 게임 개발자, 신경과학자, 창업자, 노벨화학상 수상자로 이어진 이력의 관통선을 묻자 그는 '창의성과 기술의 교차점'이라고 답했다. 10대 시절부터 AGI를 평생의 과제로 정한 뒤, 게임 개발로 대규모 엔지니어링을 배우고 체스에서 야심찬 계획을 잘게 쪼개는 사고를 익히는 식으로 모든 경험을 하나의 목표에 재사용해 왔다는 설명이다. 2010년 딥마인드 창업 당시 사업계획서는 '1단계 지능을 풀고, 2단계 그것으로 나머지 전부를 푼다'였다. 그는 초기 아타리 실험을 회고하며, 화면의 2만 픽셀만 입력으로 받아 퐁을 학습시키던 시기에 몇 달간 단 1점도 얻지 못했고 자금이 바닥나 '20년 일찍 시작한 것 아닌가' 싶었다고 말했다. 그러다 한 점을 따내고 곧 게임을 이기기 시작했다. 일단 발판이 생기면 언덕을 오르듯 개선할 수 있다는 것이 그가 본 AI 역사의 패턴이고, 그 흐름이 알파고로 이어졌다.

알파고 다음 목표가 단백질 접힘이었던 이유는 그것이 '뿌리 노드 문제'였기 때문이다. 50년간 축적된 구조는 약 15만 개였지만 알려진 단백질은 2억 개였고, 대다수는 충분한 데이터와 알고리즘이 갖춰지려면 10~20년이 더 필요하다고 봤다. 알파폴드가 이를 초 단위로 풀어내자 딥마인드는 2억 개 구조 전체를 유럽생물정보학연구소 데이터베이스에 올려 검색하듯 찾아 쓰게 했다. 신뢰 구간까지 함께 공개한 것은 생물학자에게 그 정보가 중요하기 때문이다. 상업적으로 막대한 가치가 있었지만, 한 조직이 만들어낼 수 있는 후속 영향은 표면을 긁는 수준에 그쳤을 것이고 초기 학습에 공공 데이터를 썼으니 돌려주는 것이 맞았다고 그는 말한다.

화제가 된 '특이점의 산기슭' 발언에 대해 그는, 지금부터 10년 뒤 돌아보면 이 시기가 그 산기슭이었음을 알게 될 것이라는 뜻이라고 설명했다. AGI는 2030년 플러스마이너스 1년 정도로 보고, 올해 에이전트와 도구 사용이 실제 업무에 유용해지기 시작한 것을 그 신호로 든다. 대중의 부정적 인식에 대해서는 '우려는 정당하다'고 인정하면서, 이중용도 기술이라는 성격과 함께 동료 경영자들이 지나치게 확신에 찬 언사로 소통하는 것도 원인으로 지목했다. 실제로는 불확실성이 크고, 그렇기 때문에 아무것도 정해지지 않았으며 앞으로 몇 년의 선택이 방향을 가른다는 것이다.

규제 질문에서 그는 기술 자체는 기대 이상으로 잘 왔지만 그것이 태어난 환경은 이상과 거리가 멀다고 평했다. 이상적으로는 CERN 같은 연구시설에서 최고의 인재들이 서로의 아이디어를 검증하며 AGI를 만들고, 그 사이에도 알파폴드 같은 특화 시스템으로 사회적 이익을 앞당기는 그림이었다. 그러나 트랜스포머가 언어에서 예상 밖으로 잘 작동하면서 챗봇이 거대한 상업 기술이 됐고, 기업 간 경쟁과 지정학적 경쟁이 겹친 이중 레이스가 만들어졌다. 안전에 시간을 더 쓰는 쪽이 손해를 보는 구조를 바꾸려면 정부의 관여가 필요하지만, 2년 전 기준으로 규제를 짰다면 이미 낡았을 만큼 변화가 빨라 가볍고 민첩하며 최신 상황을 반영해 조정되는 방식이어야 한다고 주장했다.

학생 질문에서는 글로벌 사우스로의 혜택 분배가 화제가 됐다. 그는 알파폴드가 190개국 연구자에게 열려 있고, 소외질환 신약 개발 기구(DNDi)나 현지 대학과의 협업으로 말라리아·지카 같은 질환의 구조 규명 단계를 건너뛰게 한 사례, 기후변화에 맞선 작물 내성 연구를 들었다. 인체 단백질에 비해 데이터가 적었던 동식물 영역일수록 효과가 크다는 설명이다. 진로 조언으로는 STEM 공부를 계속하되 도구를 밀어내지 말라고 했다. 선도 연구소들도 오늘의 도구가 무엇을 할 수 있는지 표면만 긁었을 뿐이며, 남은 '역량 과잉'을 자기 분야와 결합하는 데서 개인이 할 수 있는 일이 크게 늘어난다는 것이다. 마지막 조언은 자신의 주체성을 키우라는 것, 그리고 미래는 아직 쓰이지 않았다는 말이었다.

주요 인사이트

• 알파폴드 공개 결정의 논리는 이타심보다 계산에 가깝다. 독점했을 때 만들어질 가치보다 300만 명이 매일 쓰면서 만들어질 후속 연구의 총량이 훨씬 크다는 판단이었다.
• 그가 말하는 AGI 지연 비용은 생각보다 작다. 범용 시스템을 늦추더라도 알파폴드 같은 특화 하이브리드로 의료·과학의 성과는 병행할 수 있다는 것이 원래 구상이었다.
• 챗봇의 등장은 그에게 과학적 놀라움이자 전략적 사고였다. 언어를 세계와의 상호작용 없이 인터넷만으로 학습할 수 있다는 사실이 기술을 거대한 상업 경쟁으로 밀어 넣었다.
• '규제는 느리다'는 통념에 대한 그의 답은 규제 포기가 아니라 형식 변경이다. 인지된 위험이 아니라 실제 위험을 따라가도록 최신 개발 상황이 규제에 입력돼야 한다고 봤다.
• 그는 경제학자들의 회의적 반응을 반복해 언급한다. GDP 통계에 아직 안 보인다는 이유로 계획을 미루면, 비영합 세계에 필요한 새로운 경제 설계를 준비할 시간이 사라진다는 문제의식이다.

자주 묻는 질문

관련 AI 소식