개요
Google DeepMind의 공동 창립자이자 CEO인 Demis Hassabis가 AI의 미래와 AGI(인공일반지능)로 가는 여정에 대해 심도 있게 논의합니다. 이 대담에서는 2025년 AI 발전의 핵심 동향, AlphaFold에서 Gemini까지의 혁신, 그리고 AGI 달성을 위한 기술적·철학적 과제를 탐구합니다. 특히 주목할 점은 Hassabis가 AI 기술이 단순한 제품 출시를 넘어 과학과 의학의 근본 문제(root node problems)를 해결하는 방향으로 나아가야 한다는 비전을 명확히 제시한다는 것입니다.
이 영상은 Hannah Fry 교수가 진행하는 Google DeepMind 공식 팟캐스트의 시즌 피날레로, AI 업계 최전선에서 일어나는 기술적 혁신과 사회적 함의를 균형 있게 다룹니다. Hassabis는 20년 이상 AI 연구에 매진해온 경험을 바탕으로, AlphaGo의 성공부터 Gemini 3 출시, 그리고 세계 모델(world models) 개발까지 DeepMind의 여정을 상세히 공유합니다.
핵심 내용
2025년 AI 발전: Gemini 3와 멀티모달 능력의 비약적 진화
Hassabis는 2025년 현재까지 AI가 “10년 분량의 발전을 1년 안에 압축한” 것 같다고 평가합니다. 특히 Gemini 3의 출시는 멀티모달 능력에서 큰 진전을 보여줬습니다. Gemini 3는 텍스트, 이미지, 비디오를 통합적으로 처리하며, 기존 벤치마크에서 최고 성능을 기록했습니다.
주목할 만한 점은 많은 사람들이 AI 스케일링이 한계에 봉착할 것이라 예측했지만, 실제로는 여전히 의미 있는 개선이 이루어지고 있다는 것입니다. Hassabis는 “수익 체감(diminishing returns)”이 발생하고 있지만, 이는 “지수적 성장”과 “점근선” 사이의 넓은 스펙트럼에 위치하며, 여전히 투자 대비 충분한 가치를 제공한다고 설명합니다.
DeepMind의 전략은 스케일링과 혁신에 각각 50%씩 자원을 배분하는 것입니다. 단순한 엔지니어링 확장만으로는 한계가 있으며, 세계 최고 수준의 연구 역량이 필수적이라는 인식입니다.
Root Node Problems: 융합 에너지와 물질 과학의 AI 혁명
AlphaFold가 단백질 구조 예측을 혁신한 것처럼, Hassabis는 AI가 다른 근본 문제들도 해결할 수 있다고 믿습니다. 현재 주력하는 분야는:
- 융합 에너지(Fusion Energy): Commonwealth Fusion과의 파트너십을 통해 플라즈마 제어와 자석 설계를 AI로 최적화하고 있습니다. 융합 에너지가 실현되면 기후 위기 해결, 담수화 플랜트 보편화, 로켓 연료 생산 등 엄청난 파급 효과를 가져올 것입니다.
- 물질 과학(Material Science): 실온 초전도체, 더 나은 배터리, 혁신적인 신소재 개발을 목표로 합니다.
- 양자 컴퓨팅: Google의 양자 AI 팀과 협력하여 오류 정정 코드를 머신러닝으로 개선하고 있습니다.
Jagged Intelligence: AI의 불균등한 능력과 일관성 문제
현재 AI 시스템은 “jagged intelligence(들쭉날쭉한 지능)”을 보입니다. 국제 수학 올림피아드에서 금메달 수준의 어려운 문제를 풀면서도, 동시에 고등학교 수준의 논리 문제에서 실수하는 모순적 상황입니다. Hassabis는 이러한 일관성 부족이 AGI 달성 전에 반드시 해결해야 할 과제라고 강조합니다.
몇 가지 해결 방향:
- 추론 시스템(Thinking Systems): 답변 전에 더 많은 시간을 들여 생각하고 검증하는 시스템
- 온라인 학습: 인간처럼 세상에서 지속적으로 배우는 능력
- 토큰화 개선: 이미지를 인식할 때 모든 글자를 개별적으로 보는 능력
세계 모델과 시뮬레이션: Genie와 Veo의 혁신
Hassabis의 가장 오랜 열정 중 하나가 세계 모델(world models)과 시뮬레이션입니다. 언어 모델이 예상보다 많은 세계 지식을 담고 있지만, 공간 인식, 물리적 맥락, 감각 경험 등은 언어로 표현하기 어렵습니다.
Genie와 Veo: DeepMind의 비디오 모델들은 세계의 인과관계와 역학을 이해합니다. 현실적인 세계를 생성할 수 있다면, 그 시스템이 세계의 메커니즘을 캡처했다는 증거입니다.
Simma 프로젝트: AI 에이전트를 가상 세계에 배치하는 프로젝트입니다. Gemini 기반 에이전트가 No Man’s Sky 같은 복잡한 오픈월드 게임에서 작업을 수행합니다. 더 흥미로운 것은 Genie와 Simma를 연결한 실험입니다. Simma 에이전트가 Genie가 실시간으로 생성하는 세계를 탐험하면서, 두 AI가 서로의 “마음 속”에서 상호작용합니다.
상용화 vs 과학 연구: AI 발전의 두 갈래 길
Hassabis는 솔직하게 이상적으로는 “AI를 더 오래 연구실에 두고 AlphaFold 같은 프로젝트를 더 많이 하고, 어쩌면 암을 치료했을 것”이라고 말합니다. 하지만 대규모 챗봇과 파운데이션 모델이 가능해지면서 상황이 바뀌었습니다.
장점: 훨씬 더 많은 자원이 AI 분야로 유입되어 발전 가속화, 대중이 최첨단 기술을 몇 달 안에 직접 경험 가능
단점: 치열한 경쟁으로 인해 엄격한 과학적 연구가 어려워짐
핵심 인사이트
1. AGI는 스케일링과 혁신의 결합으로 달성된다
단순히 모델을 크게 만들거나 데이터를 더 많이 넣는다고 AGI가 오지 않습니다. DeepMind의 50-50 전략(스케일링 50%, 혁신 50%)은 향후 AI 발전의 청사진입니다. 합성 데이터 생성, 새로운 아키텍처 실험, 추론 시스템 개선이 모두 필요합니다.
2. 일관성이 범용 지능의 핵심 척도다
수학 올림피아드 금메달과 고등학교 논리 문제 실패가 공존하는 “jagged intelligence”는 진정한 AGI가 아닙니다. 앞으로 AI 발전은 “평균 성능 향상”보다 “최악 케이스 성능 개선”에 집중해야 합니다.
3. 세계 모델은 언어 모델이 포착하지 못하는 현실을 이해한다
공간 인식, 직관적 물리학, 감각 경험은 언어로 표현하기 어렵습니다. Genie와 Veo 같은 세계 모델이 로봇공학, AR/VR, 과학 시뮬레이션의 핵심이 될 것입니다.
4. Root Node Problems는 AI의 진정한 가치를 증명한다
AlphaFold가 생물학을 혁신한 것처럼, 융합 에너지, 실온 초전도체, 양자 오류 정정 같은 근본 문제를 해결하면 엄청난 파급 효과가 있습니다. 기업은 단기 수익보다 장기적으로 사회를 변화시킬 수 있는 문제에 AI를 적용해야 합니다.
5. 상업화와 과학 연구의 긴장을 균형있게 관리해야 한다
치열한 경쟁은 자원을 끌어들이고 대중의 관심을 높였지만, 엄격한 과학 연구를 어렵게 만들었습니다. Hassabis는 이상적으로 “AI를 더 오래 연구실에 두고 싶었다”고 솔직히 인정합니다. 장기적으로 성공하려면 제품 출시 압력 속에서도 기초 연구에 충분한 시간과 자원을 할애해야 합니다.
요약자 노트
자막 언어: 영어 (한국어 자막 다운로드 실패로 인한 대체)
자막 추출일: 2025-12-22
영상 길이: 약 53분
이 글은 YouTube 자동 생성 자막(자막 추출일: 2025-12-22)을 바탕으로 작성되었습니다. 한국어 자막을 사용할 수 없어 영어 자막을 기반으로 작성되었으며, 일부 전문 용어나 맥락이 원어에서 더 정확하게 전달될 수 있습니다. 영상의 핵심 내용을 정리한 것이므로, Demis Hassabis의 뉘앙스와 Hannah Fry의 통찰력 있는 질문을 완전히 경험하려면 원본 영상 시청을 권장합니다.