[그게 뭔가요] AGI는 무엇이며 어디까지 개발됐을까

올해 3월, 엔비디아의 개발자 연례 행사 GTC 2024에서 CEO 젠슨 황은 “일반 인공 지능(Artificial General Intelligence, 이하 AGI) 시대가 5년 남았다”고 밝힌 바 있다. AGI는 여전히 이론적으로만 다뤄지는 개념이지만, 5년이라는 짧은 시간 안에 AI를 넘어서 AGI 시대까지 도약할 것이라고 젠슨 황은 내다본 것이다. AGI 시대는 AI 시대와 어떻게 다르고, 어떤 장점이 있을까.

AI와 AGI의 차이

영화 ‘어벤져스 에이지 오브 울트론’에서 AGI를 설명할 수 있는 몇가지 장면이 있다. 울트론은 자신의 부대를 만들 때의 외형을 별다른 학습 없이 만들어낸다. 아이언맨의 비서 ‘자비스’가 인공 신체에 들어가 탄생한 비전은 태어나자마자 토르의 복장을 보고 자신의 망토 패션을 만들어낸다. 울트론과 비전의 공통점은 패션을 학습한 AI가 아니라는 것이다.

우리가 주로 생각하는 AI(인공지능)은 인공지능의 분류에서 좁은(Narrow) AI 혹은 약인공지능으로 분류한다. 특정 작업을 수행하기 위해 설계된 기계나 소프트웨어 시스템을 말한다. 예를 들어 딥마인드가 만든 알파고는 오직 바둑을 두기 위해서만 작동했다.

AI는 주로 대량의 데이터를 분석하고 패턴을 인식해 예측하거나 결정을 내리는 데 사용한다. 음성 인식, 이미지 분류, 자연어 처리 등에 주로 쓰여 왔으며, 해당 목적을 벗어나면 사용이 어렵다.

AGI(Artificial General Intelligence, 일반 인공지능)은 보다 인간에 가까워진 AI를 말한다. 인공지능 분류로는 강인공지능으로 분류하며, 인간 수준의 지능을 가진 인공지능을 의미한다. 인간처럼 추론, 이해, 학습할 수 있으며 특정 상황에 적응하는 능력 등이 있다. 예를 들어 꽃꽂이를 하는 방법을 몰라도, 사람처럼 관찰만으로 꽃꽂이를 학습할 수 있는 수준을 일반 인공지능으로 부른다.

AGI는 결국 무엇을 배워서 인간처럼 행동할 수 있는 AI를 말한다. 이를 위해 학습, 이해, 추론 등 인간 지능을 모방하며, 인간과 같은 수준으로 자유롭게 의사 결정한다. 또한, 대량의 데이터 선행 학습이 필수인 딥러닝과 다르게 제한된 데이터로부터 일반화된 지식을 학습하고 새로운 상황에 적용할 수 있다.

AGI 연구를 위한 다양한 기술

AGI(Artificial General Intelligence, 일반 인공지능)는 인간과 유사한 수준의 지능을 가진 기계나 소프트웨어 시스템을 목표로 한다. 이를 실현하기 위해서는 여러 첨단 기술과 접근법이 필요하다. 아래는 AGI를 구축하기 위한 주요 기술들에 대한 상세 설명이다.

머신러닝과 딥러닝

머신러닝과 딥러닝은 데이터에서 패턴을 학습하고 이를 바탕으로 예측이나 결정을 내리는 알고리즘을 개발하는 기술이다. 머신러닝은 주로 데이터 분석에 사용되며, 딥러닝은 인공신경망을 활용해 복잡한 데이터 구조를 학습하는 데 중점을 둔다. 이 딥러닝들의 모음이 AGI로 나아가는 구성 요소가 된다. 이 데이터 간 유기적인 연결을 사용하는 것이 AI가 AGI로 나아가는 방법이다.

이를 위해 다양한 데이터를 학습하여 인간과 유사한 수준의 지능을 갖출 수 있도록 한다. 예를 들어, Convolutional Neural Networks(CNNs)은 이미지 인식에, Recurrent Neural Networks(RNNs)은 시계열 데이터 분석에, Transformer 모델은 자연어 처리에 주로 사용된다.

강화학습(Reinforcement Learning)

강화학습은 에이전트가 환경과 상호작용하며 보상을 최대화하는 행동을 학습하는 기법이다. AGI가 자율적으로 학습하고 적응할 수 있는 능력을 제공하며, 목표 지향적인 행동을 통해 더 복잡한 문제를 해결할 수 있게 한다. 딥마인드의 알파고와 오픈 AI의 Five와 같은 프로젝트들은 강화학습을 통해 놀라운 성과를 보였다. 이러한 시스템은 스스로 학습하고 최적의 전략을 발견할 수 있는 능력을 갖추고 있다.

자연어 처리(Natural Language Processing, NLP)

자연어 처리는 컴퓨터가 인간의 언어를 이해하고 생성할 수 있도록 하는 기술이다. 주로 스마트폰 음성 비서에 쓰이지만, 이를 더 극대화한 것이 최근의 AI에서 쓰인다. NLP는 AGI가 인간과 자연스럽게 소통하고 정보를 처리할 수 있도록 하는 핵심 기술 중 하나다. OpenAI의 GPT 시리즈와 Google’s BERT와 같은 모델들은 자연어 처리에서 중요한 역할을 하고 있다. 이 기술을 통해 AGI는 텍스트 생성, 번역, 요약 등의 작업을 수행하며, 인간과의 상호작용에서 자연스러운 언어 사용을 가능하게 한다.

컴퓨터 비전 (Computer Vision)

이미지나 비디오 데이터를 이해하고 해석하는 기술이다. AGI가 시각 정보를 인식하고 처리할 수 있도록 하는 데 중요한 역할을 한다. 이미지 분류, 객체 탐지, 영상 인식 기술을 통해 AGI는 시각적으로 복잡한 환경에서도 효율적으로 작동할 수 있다. 자율 주행 차량이나 로봇 비전 시스템에서 이 기술이 활용되고 있다. 최근에는 챗 GPT나 클로드 등에서도 이미지 인식을 사용해 사진을 분석한다.

지식 표현 및 추론 (Knowledge Representation and Reasoning)

지식 표현 및 추론은 정보와 지식을 구조화하고 이를 바탕으로 논리적 추론을 수행하는 기술이다. 즉, 복잡한 문제를 줘도 풀 수 있는 능력을 말한다. AGI가 복잡한 문제를 해결하고 의사 결정을 내릴 수 있는 능력을 제공한다. 온톨로지, 시맨틱 네트워크, 규칙 기반 시스템 등이 이에 해당한다. 이를 통해 AGI는 다양한 분야의 지식을 통합하고, 새로운 상황에 대해 유연하게 대처할 수 있다.

뉴로모픽 컴퓨팅(Neuromorphic Computing)

뉴로모픽 컴퓨팅은 인간 뇌의 신경 구조와 기능을 모방하여 컴퓨터 칩을 설계하는 기술이다. 더 효율적이고 강력한 AGI 시스템을 개발하기 위한 하드웨어 기반을 제공한다. IBM의 TrueNorth와 Intel의 Loihi는 뉴로모픽 칩의 대표적인 예다. 이러한 칩들은 저전력으로 고성능 연산을 가능하게 하여, AGI 시스템의 에너지 효율성을 크게 향상시킬 수 있다.

로보틱스(Robotics)

로보틱스는 자율적으로 작동하는 로봇을 개발하고 제어하는 기술이다. AGI가 물리적 세계와 상호작용하고, 다양한 작업을 수행할 수 있도록 한다. Boston Dynamics의 로봇이나 자율 주행 차량은 로보틱스의 좋은 예다. AGI는 이러한 로봇을 통해 실시간으로 환경을 인식하고, 적응하며, 물리적인 작업을 수행할 수 있게 된다.

분산 컴퓨팅 및 클라우드 인프라 (Distributed Computing and Cloud Infrastructure)

분산 컴퓨팅 및 클라우드 인프라는 대규모 데이터를 처리하고 복잡한 계산을 수행하기 위한 분산 컴퓨팅 환경을 제공하는 기술이다. AGI 시스템의 대규모 학습과 실시간 처리 능력을 지원한다. Google Cloud, AWS, Microsoft Azure와 같은 클라우드 플랫폼은 대규모 연산과 데이터 저장소를 제공하여 AGI 개발을 가속화한다.

윤리적 AI 및 규제 (Ethical AI and Regulation)

윤리적 AI 및 규제는 AI 시스템이 윤리적으로 작동하고, 인간의 가치와 일치하도록 보장하는 기술과 규제 프레임워크다. AGI가 안전하고 책임감 있게 작동하도록 보장한다. AI 윤리 지침, 공정성 및 투명성 알고리즘 등이 이에 해당한다. AGI의 개발과 활용에서 윤리적 고려는 필수적이며, 이를 통해 AGI가 사회적으로 수용 가능한 방식으로 발전할 수 있다.

AGI 연구 기관

다음은 AGI(인공지능 일반지능)를 연구하고 개발하는 주요 기관 및 기업들이다:

오픈 AI: GPT-4를 개발한 오픈 AI는 안전하고 유익한 AGI를 만든다고 선언한 바 있다. 오픈 AI의 목표는 인간의 가치와 일치하는 모델을 만드는 것이며, 마이크로스프트와 아마존 등의 지원을 받고 있다.

딥마인드: Alphabet Inc.의 자회사인 딥마인드는 강화 학습과 신경망 기반 모델에서 중요한 기여를 하는 중이다. 이들은 다양한 분야에서 복잡한 문제를 해결할 수 있는 AGI를 만드는 것을 목표로 하고 있다.

핸슨 로보틱스: 풍부한 인격과 사회적 인지 지능을 가진 사회적 지능 로봇을 만드는 데 집중하고 있다. 그들의 유명한 창작물인 소피아 로봇은 AI 윤리 및 AGI의 미래에 대한 논의를 불러일으킨 바 있다.

국제인공지능연구센터(IRCAI): 유네스코의 후원 아래 운영되는 IRCAI는 글로벌 AI 연구를 지향하며, AI를 사용해 지속 가능한 개발 목표를 달성하는 데 중점을 둔다. 다양한 분야에서 여러 이니셔티브와 연구 프로젝트를 지원한다.

OpenCog 재단: 벤 고에르첼(Ben Goertzel)이 이끄는 이 조직은 AGI를 구축하기 위해 다양한 AI 패러다임을 통합하는 인프라를 개발 중이다. 그들의 접근 방식은 인간 인지 요소를 나타내기 위해 상호 연결된 아키텍처를 사용한다.

AGI 개발 어디까지 왔나

AGI 발전 상황에 대한 전문가들의 입장은 여러 가지로 나뉜다. 딥러닝 분야에서 입지전적인 성과를 보인 앤드류 응(Andrew yan-Tak Ng) 교수는 한 인터뷰에서 “(현재의) 컴퓨터는 매우 지능적이지만 예를들어 5년 내에 새로운 연구로 박사 논문을 작성하는 것처럼 인간이 할 수 있는 모든 지적 작업을 수행할 수 있을까요? 그래서 저는 아직 우리가 AGI(범용인공지능)에 도달하려면 수 십 년이 남았다고 생각합니다” 라고 밝혔다.

반면 일론 머스크 테슬라 CEO는 “AGI를 가장 똑똑한 인간보다 더 똑똑한 AI로 정의한다면 아마도 내년에, 예를 들어 2년 이내에 가능할 것”이라고 ‘X’에서 진행한 노르웨이 국부펀드 CEO 니콜라이 탕겐과의 인터뷰에서 말했다.

또 다른 전문가들은 대체로 젠슨 황처럼 “5년 내”로 입을 모은다. 샘 올트먼 오픈 AI CEO는 향후 4~5년, 앤스로픽의 CEO 다리오 아모데이는 2~3년 정도를 내다봤다.

이러한 상황에서, 딥마인드는 자율주행차와 마찬가지로 AGI의 레벨을 정의하는 가이드라인을 제시했다.

지난 2023년 12월 21일, 구글 딥마인드 연구진은 ‘AGI의 레벨’ 논문을 아카이브에 게시하며, 레벨 0부터 레벨5까지의 AGI 발전 수준을 제시했다. 딥마인드에 따르면 레벨 0은 단순 연산 능력을 말하며 아마존, 메카니컬, 터크의 AI가 진입했다고 밝혔다. 레벨 1부터는 AGI에 근접한 것으로 보며 숙련되지 않은 성인 정도, 레벨 2는 숙련된 성인의 상위 50% 이상, 레벨 3는 10% 이상, 레벨 4는 1% 이상, 레벨 5는 숙련된 성인을 초월한 역량을 말한다.

딥마인드의 분류 기준에 따르면, 현재의 트랜스포머 모델 중 레벨 1에 진입한 것을 챗GPT, 바드, 라마 2로 보고 있으며, 레벨 2에 진입한 AI는 없다.

오픈 AI의 수석 과학자였던 일리야 수츠케버는 MIT테클로지에서 “AI가 너무 똑똑해서 사람이 할 수 있는 일을 AI도 해낼 수 있는 시점이 되면 AGI가 존재한다고 말할 수 있다”고 밝혔다. 현재 퇴사한 수츠케버는 AGI가 자의식을 갖고 인간을 초월한 능력을 발휘할 경우 통제 불능 상태에 빠지는 것이 가능하다며, 초정렬(Superalignment) 팀에서 일하기도 했다. 현재 수츠케버는 초청렬이 가능한 인공지능 회사를 만들기 위해 Safe Superintelligence Inc(SSI)를 창업했다.

AGI의 위험성

알려진 바대로 AGI가 완성될 경우 인류에게 위협이 될 것이라는 관측이 지배적이다. 故스티븐 호킹 박사는 “인간을 뛰어넘는 지능을 가진 AI는 스스로를 개량하고 도약할 수 있는 반면 인간은 생물학적 진화 속도가 늦어 대체되고 말 것”이라며 AGI의 발전 상황에 대해 경계했다.

반면 앤드류 응 교수는 “킬러로봇을 걱정하는 것은 화성의 인구과밀을 걱정하는 것과 같다”며 AGI의 위험성이 과대평가됐다고 말했다. 응 교수는 “빅테크들이 기술의 공개와 공유를 막으려는 의도에서 비롯된 측면이 있다”고 밝히기도 했다.

현재 AGI에 근접한 서비스를 만드는 업체들은 대체로 AGI의 위험성에 대해 공감하는 모양새다. 구글과 오픈 AI, 앤스로픽 모두 안전한 AGI를 만들기로 선언했으며, 가이드라인을 밝히고 AGI를 개발하겠다는 입장을 밝히고 있다.

글. 바이라인네트워크
<이종철 기자> jude@byline.network