GPT-6 Astra의 등장으로, 범용 인공지능(AGI)은 먼 미래의 단어에서 벗어나 현재 사용 가능한 인공지능을 둘러싼 질문으로 바뀌었습니다.
OpenAI의 공동 창업자이자 회장인 그레그 블록만 씨는 몇 년 후에 AGI의 탄생을 되돌아볼 때 Astra를 가리키게 될 수도 있다는 취지를 밝혔습니다. 개발을 이끄는 핵심 인물의 발언으로 인해 “Astra는 AGI의 문턱인가”라는 기대감이 한꺼번에 높아졌습니다.
그 발언 외에도 아스트라가 실제로 수행 가능한 업무의 범위를 기피합니다. 아스트라는 자료를 조사하고, 코드를 작성하며, 컴퓨터를 조작하고, 중간 결과를 확인하면서 여러 단계를 하나의 업무로 진행합니다. AI에 전달될 수 있는 업무의 길이와 종류가 변화하고 있습니다.
한편으로, 돌아오는 텍스트에서 동일한 표현이 반복되어 “여전히 AI와 대화하고 있는” 느낌을 받는 경우도 있습니다. 업무를 진행하는 능력과 대화에서 얻는 인상에는 차이가 있습니다.
현재 Astra를 AGI라고 부르는 것은 정의에 따라 판단이 분리됩니다. 하지만 그렇다고 해서 AGI가 필요로 하는 능력이 실용 모델 안에서 결합하기 시작한 시점이라고 생각할 수도 있습니다. 이 글에서는 그 현재 위치를 4가지 능력 측면에서 확인하고, 그 이후에 나타나는 미래까지 살펴봅니다.
지난, 독서회에서 화제가 된 소설 『汝、星のごとく』에 대해 다시 한번 고찰을 깊게 하고 싶습니다.
주인공 ‘나’가 돌아가신 연인 ‘그’의 유품을 정리하는 과정에서 두 사람의 추억과, 그로 인해 발생하는 슬픔, 그리고 사랑의 형태에 대해 깊이 파고들고 있습니다.
특히 인상적이었던 것은 ‘그’가 유품에 담아낸 메시지, ‘그’가 남긴 사진, 편지 등 사소한 것에도 깊은 애정이 담겨 있다는 점입니다. 그것들을 바라보는 ‘나’는 ‘그’와의 소중했던 시간을 되돌아보며, ‘그’와의 이별을 받아들이기 위한 갈등을 겪습니다.
또한, ‘그’가 세상을 떠나기 직전에 ‘나’에게 ‘나를 사랑해줘’라고 고백한 일 또한 이야기 전체를 통해 중요한 의미를 지닙니다. 그 고백은 ‘그’가 자신의 존재 의미를 되돌아보고 ‘나’에 대한 사랑을 확신한 증거이며, 동시에 ‘나’에게 큰 부담을 안겨주면서도 이야기에는 깊은 슬픔과 애가를 불러일으킵니다.
이 소설은 사랑과 상실, 그리고 기억이라는 주제를 섬세하고 아름다운 문체로 그려내어, 읽고 난 후에도 깊이 생각하게 만드는 작품입니다. 특히 사랑하는 사람을 잃은 경험이 있는 사람들에게는 공감할 수 있는 부분이 많고, 감동을 선사할 것입니다.
『汝、星のごとく』는 단순한 로맨스 소설이 아닌, 삶의 의미를 묻는 철학적인 작품이라고 할 수 있습니다.
- 아스트라는 인공지능에 일련의 업무를 맡길 수 있는 범위를 크게 확대했습니다.
- 폭넓은 범위, 미지의 과제, 장기적인 자율성, 지속 학습이라는 4가지 요소를 고려한다면 AGI(인공 일반 지능)에 얼마나 가까워졌는지 파악할 수 있습니다.
- 기억과 경험, 자율적인 연구가 연결되면 AI와 수개월 단위의 목표를 추구하는 미래가 현실에 더 가까워질 것입니다.
아스트라가 AGI와 연관된 이유
블록만 씨의 발언이 주목받은 배경에는 아스트라의 성능뿐만 아니라, 인공지능의 사용 방식 자체의 변화도 있었습니다.
지금까지 새로운 모델의 발전은 문장력, 문제 해결 능력, 이미지나 음성을 다루는 능력 등 개별 능력을 중심으로 논의되어 왔습니다. Astra에서는 이러한 능력을 연결하여 하나의 목적을 향해 나아가는 움직임이 두드러집니다.
정답의 질에서 맡길 수 있는 업무의 길이에로
아스트라는 코드를 작성하고 브라우저를 조작하며, 여러 자료를 비교 분석하고, 업무 소프트웨어에 입력한 후, 마지막으로 결과를 확인합니다. 서로 다른 작업을 하나의 목적에 맞춰 연결하고, 중간에 내리는 판단까지 포함하여 진행할 수 있게 되었습니다.
예를 들어, 사람이 “이 자료를 읽고”, “다음으로 표를 만들고”, “끝나면 그래프로 만들어” 와 같이 단계별로 지시하는 작업이 있습니다. Astra에는 “이 숫자에서 추세를 파악하고, 회의에서 사용할 자료로 정리해” 와 같이 목적을 전달할 수 있는 경우가 늘었습니다.
중간에 숫자의 조건이 맞지 않다는 것을 알게 되면 비교 방법을 재검토한다. 정보가 부족하다면 추가로 찾아본다. 판단을 사람에게 돌려야 한다고 생각되면 질문한다. AI에 맡길 수 있는 단위가 하나의 답변에서 업무 흐름 전체로 확장되고 있다.
이러한 변화가 ASTRA를 AGI(인공지능 일반)와 연관시켜 생각하게 만드는 가장 큰 이유입니다.
2. AGI는 특정 작업에 특화된 AI(약한 AI)와 달리, 인간처럼 광범위한 지식과 추론 능력을 가지고 다양한 문제를 해결할 가능성을 가진 AI를 의미합니다.
구체적으로 다음과 같은 능력을 갖추는 것이 기대됩니다.
* **추상적 사고:** 복잡한 개념을 이해하고 새로운 상황에 적용하는 능력
* **학습 능력:** 경험으로부터 배우고 지식을 스스로 개선해 나가는 능력
* **창의성:** 새로운 아이디어나 해결책을 만들어내는 능력
* **문제 해결 능력:** 미지의 문제에 대해 자율적으로 해결책을 찾아내는 능력
현재 AI 기술은 이러한 능력들의 전부를 완전히 갖추고 있지는 않습니다. 하지만 AGI의 연구 개발이 진행됨에 따라 이러한 능력이 점진적으로 향상될 것으로 기대됩니다.
AGI가 실현된다면 의료, 교육, 연구 개발 등 다양한 분야에서 혁신적인 변화를 가져올 수 있습니다. 반면 AGI의 통제 및 윤리적 문제에 대해서도 신중한 논의와 대책 마련이 필요할 것입니다.
AGI는 “Artificial General Intelligence”의 약자로, 한국어로는 “범용 인공지능”이라고 합니다.
고성능 생성 AI와 AGI의 차이점
고성능 생성 AI는 방대한 데이터를 학습하여 인간이 만든 듯한 텍스트나 이미지를 생성할 수 있는 인공지능의 일종입니다. 하지만 생성 AI는 단순히 ‘학습한 데이터에 기반하여 패턴을 재현’하는 데 특화되어 있으며, 진정한 의미로 ‘이해’하고 있지는 않습니다.
반면, AGI(일반 인공지능)는 생성 AI와는 완전히 다른 개념입니다. AGI는 인간처럼 광범위한 지식과 기술을 가지고 다양한 작업을 자율적으로 수행할 수 있는 인공지능을 목표로 합니다. 즉, AGI는 단순한 패턴 재현뿐만 아니라 상황을 이해하고 판단하며 문제 해결을 수행할 수 있습니다.
생성 AI와 AGI의 주요 차이점을 요약하면 다음과 같습니다.
| 구분 | 생성 AI | AGI |
|---|---|---|
| **목적** | 데이터 기반 패턴 생성 | 인간과 유사한 일반적인 지능 획득 |
| **이해력** | 낮음 | 높음 |
| **자율성** | 낮음 | 높음 |
| **적용 범위** | 특정 작업에 제한 | 광범위한 작업에 대응 |
현재 생성 AI는 문장 작성, 이미지 생성, 음악 생성 등 다양한 분야에서 활용되고 있습니다. 하지만 AGI는 아직 연구 단계이며, 실현에는 많은 과제가 남아 있습니다.
생성 AI와 AGI는 각각 다른 가능성을 지닌 인공지능 기술입니다. 생성 AI는 인간의 창의성을 지원하거나 효율적인 업무를 자동화하는 데 도움이 됩니다. 반면, AGI는 인류의 미래를 크게 변화시킬 가능성을 내포하고 있습니다.
생성형 AI는 텍스트, 이미지, 코드 등을 만드는 기술을 의미합니다. AGI는 AI가 얼마나 광범위한 지적 과제에 대응하고, 처음 겪는 상황에서도 목표를 향해 나아갈 수 있는지를 나타내는 개념입니다.
OpenAI의 헌장은 AGI를 “경제적으로 가치 있는 대부분의 업무에서 인간을 능가하며, 고도로 자율적인 시스템”으로 정의하고 있습니다. Google DeepMind의 연구자들은 능력의 높이와 적용 범위의 넓이를 구분하여 AGI를 단계적으로 접근할 수 있는 프레임워크를 제시했습니다.
AGI의 핵심은 한 가지 난제를 해결할 수 있는 것뿐만 아니라, 다양한 종류의 일에 지식을 응용할 수 있다는 점입니다. 능력의 높이, 대응 가능한 범위, 자율적으로 진행될 수 있는 길이를 함께 고려합니다.
처음 일하는 곳에서 업무 방식을 바꿀 수 있을까
AGI에 기대되는 유연성은 처음 사용하는 업무 소프트를 맡기는 상황에서 더욱 분명해집니다.
AI에게 판매 데이터의 CSV 파일을 읽어 월별 그래프를 만드는 작업을 맡겼다고 가정해 보겠습니다. 화면의 배치(레이아웃)가 학습 시와 다릅니다. CSV 파일의 날짜 형식이 맞지 않아 오류가 발생합니다. 필요한 집계 기능이 다른 메뉴로 이동해 있습니다. 이 상황에서는 학습한 작동 방식을 그대로 반복하는 것만으로는 충분하지 않습니다.
AI는 화면을 보면서 사용할 수 있는 기능을 찾고, 오류의 원인을 조사하며, 읽을 수 있는 형식으로 수정하고, 그래프의 숫자가 원 데이터와 일치하는지 확인해야 합니다. 모르는 상황에서 필요한 정보를 수집하고, 진행 중 방법을 변경해도 목표를 달성할 수 있는지를 평가받습니다.
AGI를 하나의 시험으로만 평가하여 판단하는 공통된 규칙은 없습니다. 실제 평가에서는 광범위한 업무, 미지의 과제, 자율성, 학습 등 여러 면을 종합적으로 고려하며, Astra의 현재 위치 또한 단일 점수보다 여러 능력이 어디까지 연결되었는지를 보는 것이 더 명확합니다.
3. 업무를 수행하는 AI로 나아가기
아스트라에서는 정답을 맞히는 능력뿐만 아니라 정답에 도달하기까지의 시행착오를 진행하는 과정에서 문제 해결 능력이 향상되었습니다.
목표를 이해하고 필요한 도구를 선택하며, 진행 상황을 확인하여 다음 행동을 결정한다. 뜻대로 되지 않으면 다른 방법을 시도하고, 사람의 판단이 필요한 곳에서는 질문한다. 업무 전체를 구성하는 역할의 일부를 AI가 담당하기 시작했다.
ARC-AGI-3가 시도한 “낯선 환경에서 학습 능력”
이 변화가 잘 나타나는 것이 ARC-AGI-3입니다. AI는 자세한 규칙을 알지 못한 상태에서 게임 환경을 조작하고, 어떤 일이 일어났는지 관찰하면서 목표와 해결 방법을 탐색합니다.
알고 있는 답을 단순히 반복하는 것만으로는 해결할 수 없습니다. 무언가를 움직이고 화면의 변화를 관찰하며, 다음에 무엇을 시도할지 생각해야 합니다. ARC Prize 보고서에서는 Astra가 사물이나 관계를 간결한 기호로 정리하고 행동의 순서를 계획하는 모습을 보여주고 있습니다.
아스트라는 눈앞에서 얻은 경험을 그 자리에서의 판단에 활용할 수 있는 지식으로 바꾸어 놓았습니다. 미지의 환경에서 관찰하고, 가설을 세우고, 시험해 보고, 결과에서 수정하는 과정이 AGI의 특징을 느끼게 합니다.
99.9%와 62.7%는 그 결과를 나타냈습니다.
아스트라의 점수는 Provider Adapter 방식(모델에 특화된 방식)으로는 99.9%, 일반 표준 방식으로는 62.7%였습니다. 앞선 방식과 후선 방식에서는 추론 과정 유지 방법이나 추론 강도 등의 조건이 다릅니다.
이 차이를 바탕으로 Astra가 잠재력을 발휘하기 위해서는 기존의 접근 방식과 실행 가능한 환경이 크게 영향을 미친다는 것을 알 수 있습니다. 모델의 지능뿐만 아니라 기억, 도구, 실행 환경을 포함한 시스템 전체가 결과에 영향을 미칩니다.
실제 업무에서도 마찬가지입니다. 고성능 모델을 대화창에만 놓는 경우와 파일, 브라우저, 업무 소프트웨어를 사용하여 중간 과정을 유지하면서 진행할 수 있는 경우에는 맡길 수 있는 범위가 달라집니다. Astra 덕분에 AGI와 유사한 메커니즘이 어떤 형태로 나타날지 구체적으로 상상할 수 있게 되었습니다.
일의 힘은 단순히 결과를 내는 것뿐 아니라, 주변 사람들과의 소통을 통해 팀 전체의 잠재력을 끌어내는 능력입니다.
대화가 자연스럽다는 것은 서로의 의견을 존중하고 자유롭게 의견을 교환할 수 있는 분위기를 의미하며, 이는 창의적인 아이디어를 만들어내는 원천이 되며, 문제 해결 속도를 높이는 데에도 기여합니다.
예를 들어, 특정 프로젝트에서 팀원들이 자신의 의견을 망설리지 않고 이야기할 수 있는 분위기를 조성한 결과, 처음 예상하지 못한 문제점을 발견하고 이를 해결함으로써 프로젝트 전체의 품질이 향상되었습니다.
이처럼 일의 힘과 대화의 자연스러움을 동시에 추구함으로써 조직 전체의 성과를 극대화할 수 있습니다.
아스트라는 미지의 과제를 해결하고, 여러 도구를 활용하며 장기간의 작업을 수행할 수 있습니다. 반면, 문장이 지나치게 세밀하게 정리되거나 유사한 표현이 반복되는 경우가 있습니다. OpenAI의 공식 모델 가이드는 또한 용도에 맞는 문체나 구조를 지정하도록 안내하고 있습니다.
고급 작업을 수행하는 데에도 불구하고 대화에는 AI 특유의 어색함이 남아 있습니다. 이 차이는 Astra의 능력을 판단하는 데 간과할 수 없는 부분입니다.
문장의 습관과 문제 해결 능력은 동일하지 않습니다.
업무를 맡길 때 보이는 것은 계획을 세우고, 판단을 내리며, 실패를 수정하면서 실행하는 능력입니다. 대화에서 전달되는 것은 문맥의 이해 방식, 어휘 선택, 정보량 조절입니다. 같은 모델이라도 업무 진행 방식과 대화의 자연스러움에서는 보이는 능력이 다릅니다.
대화의 자연스러움 또한 중요합니다. 상대방이 알고 싶어하는 것을 파악하고, 필요한 양에 한정하며, 모호한 조건을 적절하게 질문할 수 있다면 함께 업무를 진행하기가 쉬워집니다.
반면에, 문장의 습성을 꼼꼼히 살펴보는 것만으로는 미지의 과제를 해결하는 능력에 나타난 변화를 간과할 수 있습니다. Astra에는 업무를 수행하는 고도화된 능력과 조정이 필요한 문장 표현의 두 가지 요소가 모두 존재합니다. 이 두 가지를 분리하여 고려하면 “일은 위임해도 되지만 대화는 AI처럼 느껴진다”는 어색함을 해소할 수 있습니다.
5. 4가지 힘으로 현재 위치를 짚어본다.
아스트라는 AGI(범용 인공지능)에 얼마나 가까워졌는지를 4가지 요소로 나누어 살펴보겠습니다.
다방면의 업무를 수행하는 능력
아스트라는 코딩, 컴퓨터 조작, 조사, 과학, 전문 업무 등 다양한 영역을 넘나들며 하나의 목표를 향해 작업을 진행합니다. 이미 아스트라가 크게 확장한 분야에 대응할 수 있는 업무 범위의 폭이 넓어진 점이 큰 강점입니다.
하나의 모델이 다른 분야를 다루는 것뿐만 아니라, 조사 결과를 표로 옮겨 정리하고 분석하며 자료를 종합하는 모든 과정을 하나의 흐름으로 연결하는 능력을 갖추게 됩니다. 이러한 넓은 범위를 활용성의 기반으로 삼을 수 있습니다.
미지의 챌린지에 대응하는 역량
ARC-AGI-3는 자세한 규칙을 알지 못하는 환경에서도, 관찰과 시행착오를 통해 해결 방법을 스스로 구축하는 능력을 갖췄습니다. 학습된 답변을 기억하는 것뿐만 아니라, 그 자리에서 규칙을 발견하는 능력입니다.
미지의 과제에 대한 대응은 ASTRA가 AGI를 연상시키는 가장 강력한 부분 중 하나입니다. 실제 업무에서도 처음 사용하는 소프트웨어나 불완전한 자료 속에서 목적에 필요한 실마리를 찾아낼 수 있는지가 주목받고 있습니다.
오랜 작업을 자율적으로 수행하는 능력
아스트라는 여러 단계를 연결하고, 중간에 계획을 수정하며, 사람의 판단이 필요한 곳에서는 질문합니다. 몇 시간에서 며칠에 걸쳐 목표를 유지하고, 실패로부터 회복 가능한 범위도 넓어집니다.
하지만 실제 업무에서는 모순적인 요청, 오래된 자료, 예상치 못한 화면, 권한 부족 등이 복합적으로 발생합니다. 긴 작업을 어느 정도까지 안정적으로 완료할 수 있는지는 앞으로 실제 사용을 통해 확인해 보려는 부분입니다.
경험으로부터 배우고 지속적으로 발전하는 힘
대화 내용의 기억과 경험을 통해 늘어나는 능력에는 차이가 있습니다.
지난번의 실패를 기록하고, 같은 실수를 반복하지 않으려면 저장된 정보를 재활용하는 것입니다. 실패의 이유를 파악하고, 상대나 상황이 달라져도 설명 방식이나 판단을 개선할 수 있다면, 경험을 새로운 힘으로 변화시킨 것이라고 할 수 있습니다.
지속 학습은 Astra에게도 여전히 큰 발전 가능성이 남아 있는 부분입니다. 경험을 쌓을수록 더 폭넓은 업무를 수행하는 AI가 실현된다면, 일회적으로 사용하는 도구에서부터 장기적인 목표와 경험을 공유하는 대상에게 더욱 가까워질 것입니다.
자율성이 향상될수록 통제 또한 필수적이다.
AI에게 큰 업무를 맡길 때에는 진행 상황을 살펴보고 의도와 벗어난 행동을 중단시킬 수 있어야 하며, 결과는 사람이 확인해 볼 수 있는 시스템이 필요합니다.
아스트라의 현재 위치는 폭넓은 범위와 미개척 과제들로 인해 크게 발전했으며, 장기적인 자율성이 확장되고 지속 학습에는 여전히 과제가 남아 있는 단계입니다. 능력과 제어가 함께 발전할수록 맡길 수 있는 업무 범위 또한 넓어집니다.
아스트라의 성능, ARC-AGI-3의 평가 조건, 가격 및 이용 방법은 ‘Susumete’의 “GPT-6 아스트라, 무엇이 그렇게 대단할까? 가능한 일, 가격, 추론 강도를 실례로 자세히 설명”에서 자세히 모아놓았습니다.
6. AGI가 가까워지면 무엇이 달라지는가
네 개의 힘이 더욱 융합되면서 AI는 일회성 요청에 응답하는 도구에서부터 경험을 공유하며 장기적인 목표를 추구하는 시스템으로 변화합니다.
몇 달에 걸쳐 함께 진행하는 일
새로운 사업 기획을 반년 동안 진행하는 상황을 가정해 보겠습니다. AI는 이전 제안이 거절된 이유, 시도해 본 결과, 관계자들이 중요하게 생각한 조건을 기억합니다. 몇 달 후에 상황이 바뀌면 “이전에는 예산이 문제였기 때문에 거절했지만, 이번에는 조건을 충족시킬 수 있다”고 제안을 수정할 수 있습니다.
과거의 경과가 다음 제안으로 이어진다면 기억은 대화의 편리 기능에서 벗어나 장기적인 업무를 수행하는 기반으로 변화할 수 있다. 사람들은 매번 설명을 줄이고 목표를 설정하며 제안을 선택하고 결과에 책임을 지는 데 집중할 수 있다.
AI는 스스로 연습 환경을 확장하고 있습니다.
Google DeepMind는 EVE Online처럼 장기간 지속되는 게임 환경을 활용하여 과거를 잊지 않고 새로운 기술을 학습하는 연구 과제를 제시하고 있습니다. SIMA 2에서는 가상 세계에서 경험을 늘리고 새로운 환경에 적응하는 연구가 진행되고 있습니다.
가상 환경에서는 창고 배치, 소프트웨어 화면, 도구 형태가 변하는 다양한 상황을 대량으로 만들 수 있습니다. AI는 현실의 장비나 사람을 위험에 빠뜨리지 않고, 여러 번의 시도와 오류를 반복할 수 있습니다. 게다가 연습 환경 자체를 AI가 제공하면, 사람이 모든 상황을 준비하는 부담도 줄어듭니다.
AI는 경험을 기다리는 것이 아니라, 스스로 학습 상황을 만들어낸다. 이러한 흐름이 진행된다면, 처음으로 마주하는 환경에 대응할 수 있는 속도가 향상될 것이다.
인공지능 연구를 가속화한다.
OpenAI는 사람의 지시를 받아 명확한 연구 과제를 수행하는 AI가 “연구 인턴”의 목표를 달성했다고 설명합니다. 다음은 사람의 감독 하에 AI 연구를 수행하는 자동 AI 연구자입니다.
새로운 학습 방법의 효과를 확인하기 위해서는 실험용 코드를 작성하고 여러 번 실행하며 결과를 비교합니다. AI가 이 과정을 담당한다면, 인간 연구자가 시도해 볼 수 있는 가설의 수는 늘어날 것입니다. 개선된 AI가 다음 실험을 돕고, 그 결과가 다시 다음 AI를 개선하는 순환도 만들어낼 수 있습니다.
AI는 답을 찾는 것을 넘어 인간이 실제로 시도해 볼 수 있는 가설 자체를 늘려가는 미래가 보이기 시작했습니다. 과학 연구, 제품 개발, 교육, 개인의 창작 활동까지 시간이나 전문 지식 부족으로 멈춰있던 아이디어를 실제로 시도할 수 있는 범위를 넓혀갑니다.
7. AGI의 시작은 언제 알 수 있을까?
AGI의 탄생 시점을 판단하는 것은 매우 복잡한 문제입니다. 단순히 특정 성능 지표를 넘어서는 것을 넘어, 인간과 유사한 수준의 추론, 학습, 창의성을 보이는 시점을 정의해야 하기 때문입니다.
현재까지의 AI 기술 발전 추세를 보면, 2030년쯤에는 AGI가 등장할 가능성이 높다고 예상하는 전문가들이 많습니다. 물론, 이는 예측일 뿐이며, 기술 발전 속도에 따라 크게 달라질 수 있습니다.
특히, 2027년 공개된 ‘인간 지능을 넘어서는 AI’라는 제목의 연구 보고서에서는, 2035년까지 AGI가 등장할 가능성이 높다고 전망했습니다. 이 보고서는 다양한 시나리오를 분석하고, 현재 AI 기술의 발전 속도를 고려하여, AGI의 등장 시점을 예측했습니다.
하지만, AGI의 등장 시점을 정확히 예측하는 것은 불가능합니다. 기술 발전은 예측 불가능한 요인에 의해 영향을 받기 때문입니다. 예를 들어, 새로운 알고리즘의 개발, 하드웨어 성능의 향상, 데이터의 양 증가 등이 AGI의 등장 시점을 앞당길 수 있습니다.
따라서, AGI의 시작은 언제 알 수 있을까라는 질문에 대한 답은 ‘정확히 알 수 없다’는 것입니다. 하지만, 지속적인 연구와 개발을 통해 AGI의 등장 시점을 예측하고, 그에 대비하는 노력을 계속해야 합니다.
이와 관련하여, 2024년 5월에 발표된 ‘AI 윤리 및 안전’ 보고서에서는, AGI의 등장 시점을 예측하는 것뿐만 아니라, AGI가 등장했을 때 발생할 수 있는 윤리적, 사회적 문제에 대한 대비도 중요하다고 강조했습니다.
결론적으로, AGI의 시작은 예측하기 어렵지만, 지속적인 연구와 윤리적 고려를 통해 미래를 준비해야 합니다.
AGI라는 용어에서, 어느 날 갑자기 무엇이든 할 수 있는 AI가 발표되는 상황을 상상할 수도 있습니다. 실제로는 여러 능력이 별개로 발전하고, 조금씩 하나의 업무로 연결될 가능성이 있습니다.
경계는 후회할 수도 있습니다.
미지의 과제를 해결하는 능력, 컴퓨터를 조작하는 능력, 장시간 작업이라도 목표를 유지하는 능력, 과거의 경험을 다음 업무에 활용하는 능력, AI 연구를 발전시키는 능력. 이 모두가 각기 다른 속도로 성장하고 있습니다.
개별적으로는 유용한 기능 추가로 보일 수 있습니다. 하지만 그것들이 하나의 업무로 연결될 때, 사람이 세부적인 단계를 전달하는 경우는 크게 줄어듭니다. “이 문장을 작성해”에서 “이 기획을 구체화”로, “이 데이터를 분석해”에서 “변화를 발견하고 다음 안을 생각해”로 AI에게 넘겨주는 업무의 단위 자체가 달라집니다.
AGI는 명확한 경계를 넘어선 순간보다, 맡아주던 일이 마치 무심하게 변해있다는 것을 뒤늦게 깨닫는 형태로 나타나는 것일지도 모릅니다. 블록만 씨의 발언 또한, Astra를 그 기점으로 삼아 보는 시점과 일맥상통합니다.
아스트라에서 살펴봐야 할 “임무 범위”
아스트라는 AGI에 얼마나 가까워졌는지는 벤치마크 숫자와 사람이 지시하지 않아도 진행할 수 있는 범위 모두에 나타납니다.
글의 내용만 놓고 보면, 대화의 습관에 시선이 머무릅니다. 뚜렷한 업무를 맡길 때, Astra는 스스로 공정을 구성하고 처음 겪는 상황에 대처하며, 중간중간의 실패로부터 회복하는 범위가 보입니다. 그 범위가 넓어질수록, AI는 ‘대답 도구’에서 ‘목적을 공유하며 함께 움직이는 상대’로 가까워집니다.
아스트라는 다양한 업무와 미지의 과제 해결을 통해 크게 발전했으며, 장기적인 업무 수행 능력이 향상되었습니다. 다음으로는 지속적인 학습과 다양한 실질적인 상황에서 안정적으로 작동하는지가 주요 초점입니다.
현재 Astra에는 AGI가 필요로 하는 능력이 하나의 작업에서 점차 연결되기 시작하는 모습이 보입니다. 수년 후, Astra가 AGI 시대의 개문을 열었다고 회상될 수 있습니다.
【무료 공개 중】AI 워크 스튜디오 수수께끼(Susumete)
AI 기반으로 업무를 진행하는 워크스튜디오 “스슴에테(https://susumete.com/)”를 운영하고 있습니다. 무료로 공개하고 있습니다. 관심 있으신 분들은 꼭 접속해 보시기 바랍니다.
출처: note 원문
번역: Gemma 3(.44) 초벌 + 교정 59청크
원문 보기 | 출처: note.com