AI VIDEO BRIEFING
샘 올트먼 스탠퍼드 강연: AI 스케일링·AGI·컴퓨트 부족과 지능 유틸리티 시대 정리
OpenAI 샘 올트먼이 스탠퍼드 CS153에서 밝힌 AI의 미래 — 규모(스케일)의 힘, ChatGPT·Codex 탄생기, AI를 새로운 유틸리티로 보는 관점, 컴퓨트 부족과 향후 10년의 갈림길을 정리했다.
핵심 메시지
- 토큰 비용이 충분히 저렴해지면서, 한 명의 창업자가 예전이라면 100명 규모의 뛰어난 엔지니어링 팀이 해내던 일을 할 수 있는 시대가 됐다.
- '스케일(규모)'은 그 자체로 새로운 성질을 만들어낸다. 작은 규모에서 이미 흥미롭게 작동하는 것을 남들이 시도하지 않은 규모까지 밀어붙이면 대개 더 흥미로운 결과가 나온다.
- ChatGPT와 Codex는 처음부터 '제품'으로 설계된 것이 아니라, 모델 위에서 사용자가 무엇을 사랑하는지를 관찰하다가 발견된 결과물이다.
- AI는 전기·인터넷처럼 새로운 '유틸리티(공공재)'가 되어 가고 있으며, 핵심 과제는 이 지능을 값싸고 풍부하게 대량으로 공급하는 추론(inference) 단계다.
- 지금의 사전학습·중간학습·사후학습·RL 파이프라인은 곧 크게 다시 쓰일 것이며, 컴퓨트 부족은 가격이 충분히 떨어지지 않는 한 사실상 계속될 수 있다.
쉽게 이해하기
이 영상은 스탠퍼드 CS153 'Frontier Systems' 수업에 OpenAI를 이끄는 샘 올트먼이 초청 연사로 나와 진행자와 나눈 대담이다. 진행자는 올트먼이 2014년에 가르쳤던 'CS183 스타트업 창업법' 수업을 언급하며, 그가 그 무렵 세운 가설을 실제로 OpenAI(2016년 무렵 설립)를 통해 구현해 왔다고 회고한다. 올트먼은 OpenAI가 제품 회사가 아니라 연구소로 먼저 출발한 매우 이례적인 스타트업이었다고 말한다.
대담의 한 축은 '스케일'이다. 올트먼은 자신이 커리어에서 본 가장 흥미로운 일들이 대부분 규모가 커질 때 나타나는 창발적 성질, 혹은 통념을 넘어 계속 이어지는 규모의 수익과 관련이 있었다고 설명한다. AI 모델의 스케일링 법칙뿐 아니라, 와이콤비네이터(YC)가 한 배치에 더 많은 회사를 받았을 때 생겨난 네트워크 효과가 그 예다. 다만 규모를 키우면 예측 불가능한 속도로 무언가가 깨지기 때문에, 반대하는 똑똑한 사람들의 우려를 하나씩 분해해 대응하는 시스템적 접근이 중요하다고 강조한다.
또 다른 축은 ChatGPT와 Codex의 탄생 과정이다. 2020년 GPT-3 API를 내놓았을 때 한동안 유의미하게 작동한 사업은 카피라이팅 정도뿐이었지만, 사람들이 API 키로 그냥 '대화'를 즐긴다는 점을 관찰하고 챗봇을 만들었다는 것이다. 연구 데모로 내놓은 ChatGPT가 폭발적으로 퍼지자 OpenAI는 '좋은 종류의 비상사태'를 선언하고 단기간에 회사와 제품을 동시에 키웠다고 회고한다. Codex 역시 코드 작성이 모델이 컴퓨터를 제어하는 통로라는 믿음에서 출발했고, 5.5 버전에서 뚜렷한 도약을 보였다고 말한다.
올트먼은 AI를 전기·인터넷에 비견되는 새로운 유틸리티로 본다. 과거 전력 회사가 '전기'가 아니라 '밤의 불빛'을 팔았던 것처럼, '지능을 판다'는 메시지는 아직 대중에게 와닿지 않으며 적절한 비유를 찾아야 한다고 말한다. 소비자는 칩이나 하드웨어가 아니라 토큰, 혹은 그보다 한 단계 위의 '항상 작동하는 에이전트 접근권' 수준에서 사고하게 될 것이라고 전망한다.
마지막으로 그는 향후 10년의 큰 갈림길로 ①기술이 소수 기업에 집중되느냐 vs 널리 분산(민주화)되느냐, ②보편적 기본소득(UBI)이냐 자본 지분(시민 부의 펀드) 형태의 소유냐, ③컴퓨트를 어떻게 공평하게 분배하느냐를 꼽는다. 그는 분산되는 쪽에 약 80% 확률을 두면서도, 안전을 명분으로 한 집중 압력이 강할 것이라 경고한다.
주요 인사이트
- 창업 아이디어는 누가 지정해 줄 수 있는 것이 아니다. 올트먼이 보기에 진짜 좋은 기회는 자동화 코딩 이전에는 불가능했던, 아직 소수만 매달리는 비자명한 영역에 숨어 있다.
- 사람은 지수적 변화를 직관적으로 다루지 못한다. 스케일링 법칙이 계속될 것이라는 점, 매출과 조직 복잡도가 지수적으로 늘 수 있다는 점을 받아들이려면 제1원리에서부터 오랜 설득이 필요하다.
- 어떤 믿음을 자신의 정체성과 동일시하면, 실증 결과가 그것을 반증해도 진실을 보지 못한다. 올트먼은 이것이 LLM 회의론과 낙관론 양쪽 모두에 대한 경고라고 말한다.
- 교육은 아직 AI 시대에 맞게 재설계되지 못했다. 사고하는 법을 가르치는 방식으로 바꾸지 않으면 비판적 사고 능력의 위축이 올 수 있다.
- 모든 프런티어 연구소는 상당 부분 '추론 회사'가 될 수밖에 없다. 값싸고 풍부한 지능을 대규모로 전달하는 일이 현재 가장 저평가된 투자 영역이다.
자주 묻는 질문
ChatGPT는 처음부터 대중용 제품으로 기획된 것인가?
아니다. 올트먼에 따르면 ChatGPT는 다른 개발자들이 채팅형 제품을 만들고 API 비용을 지불하도록 설득하기 위한 연구 데모에 가까웠다. 그런데 예상과 달리 폭발적으로 퍼지자, 며칠간의 트래픽 급등 패턴을 보고 '확실한 히트작'임을 직감해 회사와 제품을 한꺼번에 키웠다.
올트먼은 'LLM은 막다른 길'이라는 비판에 어떻게 답하는가?
그는 모델이 어떤 면에서는 이미 인간을 크게 능가하고 어떤 면(긴 호흡의 고판단 과제 등)에서는 훨씬 못하다고 인정한다. 다만 전날 한 모델이 오랫동안 풀리지 않던 에르되시 문제 관련 추측을 다뤘다는 점을 들며, LLM이 새로운 지식을 만들어낼 수 있고 지금 단계에서 스케일링에 반대로 베팅하는 것은 잘못돼 보인다고 말한다.
그가 학생이라면 '1인 프런티어 랩' 과제로 무엇을 하겠다고 했나?
추론(inference) 스택을 택하겠다고 답했다. 뛰어난 모델은 어차피 나올 것이므로, 그 엄청난 지능을 어떻게 값싸고 풍부하게 공급할지가 충분히 투자되지 않은 영역이라고 봤다.
컴퓨트(연산) 부족은 언제 해소되나?
올트먼은 거대한 컴퓨트 부족이 실재한다고 인정한다. 하드웨어 공급이 늘어도 수요가 더 크게 늘 수 있고, 가격이 충분히 낮아지면 지능 수요는 사실상 무한해서, 진보가 계속되는 한 부족이 영원히 이어질 수도 있다고 본다.
원문과 출처
이 글은 원본 영상의 자막을 바탕으로 한국어 독자를 위해 요약했습니다. 전체 맥락과 최신 정보는 원문에서 확인하세요.
YouTube 원본 영상 보기 ↗