Q: 범용 로보틱스를 위한 '안드로이드' 같은 운영체제(OS)를 만들 수 있다는 의미일까요? 그렇게 되면 수많은 로봇 장치, 회사, 제품이 갑자기 급성장하게 될 텐데요.
로보틱스 전반에 걸친 일종의 '안드로이드' 같은 OS 계층을 만드는 것이죠. 하지만 최신 모델을 특정 로봇 타입과 수직적으로 통합하여 종단간(end-to-end) 학습을 하는 것 또한 매우 흥미로운 방향이라, 저희는 두 가지 전략을 모두 추구하고 있습니다.
-> 테슬라 vs 구글이 과거 ios vs Android같은 미래를 만들 수 있겠다.
Q: 향후 5~7년 내에 로봇이 수천 대, 수백만 대, 또는 수억 대 수준이 될 것으로 보시나요?
A: 로보틱스는 아직 조금 이르다고 생각합니다. 향후 몇 년 안에 로보틱스 분야에서 정말 '와' 하는 순간이 올 것이지만, 아직 알고리즘 개발이 더 필요합니다. 또한 하드웨어 측면에서 핵심은 어느 시점에 대량 생산을 시작할 만한 적절한 수준의 하드웨어를 갖추느냐입니다. 너무 일찍 대량 생산을 결정하면, 6개월 뒤에 더 안정적이고 뛰어난 차세대 로봇이 발명될 수도 있으니까요. 비유하자면, 지금은 70년대 PC DOS 시대와 같다고 할 수 있겠네요. 다만, 그 시대와 다른 점은 10년의 발전이 1년 만에 일어난다는 것입니다.
Q: 과학 분야에서 어떤 영역과 돌파구에 가장 기대가 크신가요? 그리고 거기에 도달하기 위해 어떤 종류의 모델을 사용해야 할까요?
AI를 이용해 과학적 발견을 가속화하고 인류 건강에 기여하는 것이 제가 AI에 평생을 바친 이유입니다. AGI를 올바른 방식으로 구축한다면 과학을 위한 궁극적인 도구가 될 것입니다. 저희는 이미 알파폴드를 비롯해 재료 설계, 핵융합 원자로 플라즈마 제어, 날씨 예측, 수학 올림피아드 문제 풀이 등 다양한 과학 분야에 AI 시스템을 적용해왔습니다. 하지만 현재의 AI에는 진정한 창의성이 부족합니다. 새로운 추측이나 가설을 스스로 내놓지는 못하죠. 이것이 AGI를 위한 테스트 중 하나가 될 것입니다.
Q: 인간의 창의성이란 무엇일까요?
A: 위대한 과학자들이 보여주는 '직관적인 도약(intuitive leaps)'이라고 생각합니다. 아마도 유추나 패턴 인식을 통해 이루어질 것입니다. 좋은 테스트 방법이 있습니다. 현대 AI 시스템에 1901년까지의 지식만 주고, 아인슈타인이 1905년에 그랬던 것처럼 특수 상대성 이론을 발견할 수 있는지 보는 것입니다. 만약 가능하다면, 우리는 AGI에 가까워지고 있는 것이죠. 또 다른 예로, 알파고는 바둑에서 새로운 전략을 발명했지만, 과연 바둑만큼 우아하고 만족스러운 '게임' 자체를 발명할 수 있을까요? 현재로서는 답은 '아니오'입니다.
Q: 무엇이 부족한지, 그리고 AGI가 몇 년 안에 올 것이라는 다른 사람들의 견해에 대해 어떻게 생각하시나요?
A: 일부 경쟁사들은 오늘날의 시스템이 '박사급 지능'이라고 말하는데, 저는 터무니없는 소리라고 생각합니다. 특정 능력은 박사 수준일 수 있지만, 전반적으로 그렇지 않습니다. 질문을 특정 방식으로 하면 고등학교 수준의 수학에서도 간단한 실수를 할 수 있습니다. 진정한 AGI 시스템이라면 불가능한 일이죠. 저는 AGI가 등장하기까지 5년에서 10년 정도 걸릴 것으로 봅니다. '지속적인 학습(continual learning)' 능력도 아직 부족하고, 아마도 한두 가지의 결정적인 돌파구가 더 필요하다고 생각합니다.
Q: 첫째, 대형 언어 모델의 성능이 수렴하고 있고, 둘째, 세대별 성능 향상이 둔화되거나 정체되고 있다는 주장이 있습니다. 이 두 가지 주장이 대체로 사실인가요?
A: 아니요, 내부적으로는 그렇게 보고 있지 않습니다. 저희는 여전히 엄청난 속도로 발전하고 있습니다. 지니(Genie)나 비오(VEO) 같은 모델을 보면 알 수 있듯이 더 넓은 범위에서 발전하고 있습니다. 저희의 나노-바나나(Nano-Banana)는 정말 대단하죠.
Q: 각 개인이 원하는 콘텐츠를 설명하면 AI가 즉석에서 만들어주는 세상이 올까요, 아니면 여전히 '일대다(one to many)' 방식의 창작 과정이 남을까요?
A: 저는 두 가지가 공존하는 세상이 올 것이라고 봅니다. 최고의 창작자들은 여전히 존재하며, 그들은 같은 도구를 사용하더라도 더 높은 품질의 경험과 역동적인 스토리라인을 만들어낼 것입니다. 수백만 명의 사람들이 그들의 세계에 뛰어들겠지만, 동시에 사용자들은 그 세계의 일부를 '공동 창작(co-create)'할 수도 있을 겁니다. 어쩌면 주요 창작자는 그 세계의 '편집자'와 같은 역할을 하게 될 수도 있습니다.
Q: 아이소모픽 랩스(Isomorphic Labs)에 대해 설명해주실 수 있을까요?
신약 개발 기간을 수년에서 앞으로 10년 안에 몇 주 또는 며칠로 단축할 수 있을 것이라 생각합니다. 내년 중 전임상 단계에 진입할 것으로 보입니다.
Q: 신약 개발 모델링을 할 때, 물리나 화학 법칙과 같은 결정론적 모델을 얼마나 개발하고, 이를 데이터 기반의 확률론적 모델과 결합해야 하나요?
A: 좋은 질문입니다. 현재로서는 '하이브리드 모델'을 만들고 있습니다. 알파폴드가 바로 그런 예입니다. 데이터로부터 학습하는 신경망(확률론적 요소)과 원자 간 결합 각도나 원자가 겹칠 수 없다는 화학/물리 법칙(결정론적 요소)을 함께 내장하는 식이죠. 핵심은 학습 시스템과 수작업으로 만든 시스템을 어떻게 잘 결합하느냐입니다.
Q: 모델 아키텍처나 하드웨어의 변화를 통해 출력 토큰당 에너지 소비를 줄여서, 현재 예측되는 기하급수적인 에너지 수요 곡선을 완화시킬 수 있을까요?
A: 흥미롭게도 두 가지 측면이 모두 사실입니다. 한편으로 저희는 모델 효율성을 극도로 높이는 데 집중하고 있습니다. 지난 2년간 모델 효율성은 같은 성능 대비 10배, 심지어 100배까지 향상되었습니다. 하지만 다른 한편으로, 아직 AGI에 도달하지 않았기 때문에 프론티어 모델은 계속해서 더 큰 규모로 훈련되어 수요는 줄지 않고 있습니다. 궁극적으로 저는 AI 시스템이 전력망 효율화, 신소재 설계, 새로운 에너지원 개발 등을 통해 에너지 분야에 기여하는 것이, 사용하는 에너지보다 훨씬 더 많을 것이라고 생각합니다. 향후 10년간 AI가 사용하는 에너지를 훨씬 상회하는 가치를 돌려줄 것입니다.
Q: 마지막 질문입니다. 10년 후의 세상은 어떤 모습일까요?
A: 10년, 아니 10주도 AI 분야에서는 긴 시간이죠. 하지만 저는 향후 10년 안에 완전한 AGI를 갖게 될 것이라고 생각합니다. 그리고 그것은 과학의 새로운 황금기, 즉 새로운 르네상스 시대를 열 것입니다. 우리는 에너지부터 인류 건강에 이르기까지 모든 분야에서 그 혜택을 보게 될 것입니다.