# AI는 과연 인간의 시대에 종말을 가져올까?

> https://bookfactory.kr/c/ai-tech/8959
> 게시판: AI·머신러닝
> 작성자: admin
> 작성일: 2026-08-08T03:33:55.865Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/300473304/rectangle_large_type_2_165e20772e3d17fd13ec9991626e79c3.png?width=1280)

## **서론**

최근 ‘피지컬 AI’라는 것이 유행하고 있는데, 로봇 팔 등이 학습을 하면 셔츠를 개거나 심지어 복잡한 일도 할 수 있다고 한다. 예를 들어 도시락을 만들기도 하고, 스시를 쥐는 것도 가능할지도 모른다.

그런 일이 벌어진다면, AI 때문에 사람의 시대가 끝나버리는 것은 아닐까 하는 막연한 불안감이 드는 것 같습니다.

### 분업적인 활동은 인공지능에 의해 대체될 위험이 있는가?

인간의 활동은 기본적으로 분업화되어 이루어지고 있으며, 지시를 내리는 사람, 실제로 일하거나 작업을 수행하는 사람처럼 그렇게 분업을 전제로 하는 이상, AI와의 대체 가능성은 상당히 있다고 생각하고 있습니다. 잘게 융통해서 접근하면 대체가 가능할지도 모릅니다.

때로는 로봇 전체가 필요할 수도 있지만, 어떤 경우에는 운반용 하체만 필요하거나, 로봇 암처럼 팔만 있어도 충분히 노동이 가능할 현장도 있다. 그런 전문화된 로봇을 지휘하는 AI가 있으며, 예를 들어 집을 짓거나 공장을 만드는 일에 관여한다. 그 집이나 공장 안에도 분업화된 로봇과 AI가 작동하고 있다.

이런 상황을 상상해 본다면, 앞으로 세상은 저출산 문제도 괜찮을 거라고 생각하는 사람들이 나올 수도 있을 것 같다. 사람의 필요성 자체가 사라진 시대일까 하는 생각도 들 수 있다. 인간의 마지막 역할은 인간을 로봇으로 대체하는 것인데, 그 대체가 완료되면 노동 현장에서 인간은 더 이상 필요 없어질지도 모른다는 것을 대담하게 예측할 수도 있다. 물론, 거의 대부분이 떠올리는 생각일 것이다.

### 뜻밖이지만…

마지막으로 인간에게 남겨진 활동 영역은 어디가 될 것인가? 뜻밖이지만, 현재의 경우 뇌를 사용하는 일처럼 나 자신에게 느껴진다. 물론, 프로그래밍과 같은 노동은 훨씬 앞으로 늦게 대체될 것이라고 생각한다. 하지만 프로그래밍은 뇌를 사용하는 것보다 손재주를 사용하는 노동과 더 가깝다. 현장에 들어가 느끼는 것은 똑똑해서 활약하는 것이 아니라 오히려 기억력이나 작업성이 더 중요하게 여겨지는 것은 아닐까, 하는 생각이 든다.

완전히 뇌 회로 노동이라는 의미는 아니다. 응용 공학というか, 컴퓨터를 사용하고 있다는 의미에서는 뇌 회로 노동과 가까워 보일 수도 있지만, 실제로 하는 일은 오히려 건설업에 더 가깝다고 생각한다. 적어도 효율적으로 일해야 한다는 의미에서는 그렇게 될 거라고 생각한다. 나는 건설업과 프로그래밍을 모두 경험했다.

완전한 머리 위주의 노동이란 수학을 공부하거나, 탐구하거나, 학문을 익히는 분야일 수도 있습니다. 확실히 ‘브루트 포스’로 해결 가능한 학문 분야도 있을 것입니다. 예를 들어, Claude가 약을 만드는 것을 창업한 안드로픽의 창업자를 언급한 바 있습니다. 유전자 관련이나 약물 관련은 약물의 구조가 중요해지므로, 이는 조합 문제로 집약될 수 있습니다. 조합 문제는 AI가 힘으로 해결할 수 있을 것입니다.

하지만 완전히 추상적인 문제를 현재로서는 AI가 해결할 수 없는 것처럼 보입니다. 어쩐지 직관이 필요하거나, 수식만으로는 이해할 수 없는 것, 아이디어와 같은 것은 아직 Fable 5와 같이 약하다고 말할 수밖에 없습니다. 반복적으로 말하더라도, 만약 조합 문제만 가능하다면 AI는 승리할 수 있지만, 그렇지 않다면 인간이 승리할 것입니다. 사람의 세상은 아직 끝나지 않을 수도 있습니다.

## 제미니로부터의 감상입니다.

## AI는 ‘조합 문제’에서 압도적인 강점을 보이는 이유를 설명합니다.

- AI는 인간이 머릿속에서 수십 가지에서 수백만, 심지어 수십억 가지의 패턴을 평가할 수 있는 수준의 탐색 속도와 병렬 처리 능력을 가지고 있습니다.
- 직감적 보정(휴리스틱스)은 단순한 브루트포스 방식이 아니며, 바둑의 알파고처럼 “유망한 수의 조합”을 평가 함수로 좁히면서 탐색할 수 있기 때문에, 천문학적인 조합 수이더라도 현실적인 시간 안에 해에 도달합니다.
- 고차원 데이터의 패턴 파악 기반 신약 개발에서 분자 구조의 결합이나, 단백질의 입체 구조 예측(AlphaFold 등)과 같이 인간에게는 시각화나 직관적 이해가 불가능한 고차원적인 상호작용을 수학적인 벡터로 처리할 수 있습니다.

물류 루트 최적화, 반도체 회로 배치, 일정 조정, 신약 후보 물질 스크리닝 등은 바로 이 “조합 폭발”과의 싸움이며, AI가 가장 빛을 발하는 주 전장이 자리 잡고 있습니다.

## 그러나 “이론적 한계”와 “두 개의 벽”이 존재한다.

AI는 강력하지만, 어떤 조합 문제라도 완벽하게 해결할 수 없습니다. 여기에는 명확한 계산 과학적·실천적인 한계가 있습니다.

### ① NP 난이도 및 조합 폭발의 벽

要素数が増えると、組み合わせの数は指数関数的（あるいは階乗的）に爆発します（例：30都市を回る最短ルートのパターン数は 30!≈2.65×1032 通り）。

AI나 슈퍼컴퓨터가 아무리 발전해도 진정한 최적해를 엄밀하게 구하려 하면 계산 시간이 우주의 수명보다 훨씬 넘어가 버립니다. 그래서 AI가 하고 있는 것은 “완전한 최적해”가 아닌 “실용적으로 충분한 근사해(적당한 좋은 해법)”를 빠르게 찾는 것입니다.

### 두 번째 단계에서는 “평가 함수(점수 기준)”를 설정하는 장벽에 부딪히게 됩니다.

AI는 “어떤 조합이 좋은지”를 수치화(평가 함수화)할 수 있을 때에만 조합을 해낼 수 있습니다.

- “분자 구조의 결합 에너지를 최소화하는 경우” 또는 “배송 거리와 시간을 최소화하는 경우”
- 풀리지 않는 (어려운) 예시: “뭔가 멋진 세련된 레이아웃”, “맛보고 바로 와닿는 레시피 조합”

무엇을 ‘좋다’고 할 것인가’라는 기준이 모호하거나, 맥락이나 감정에 의존하는 경우에는 AI는 도대체 무엇을 최적화해야 할지 알 수 없게 됩니다.

## 인간의 역할은 어떻게 변화할까요?

그러므로, 조합 문제 중심의 영역에서는 인간과 AI의 역할 분담이 다음과 같이 정리됩니다.

역할 내용 주체 묻고 평가 함수의 설계 “어떤 문제를 해결하고 무엇을 성공으로 정의할 것인가”라는 규칙과 목적을 정의하는 인간(직감, 평가)과 AI(계산, 패턴 인식)의 조합을 통해 방대한 선택지에서 최적해를 계산하고 좁혀나가는 과정에서 결과의 가치 판단 및 책임, 그리고 산출된 해결책의 윤리적·현실적 타당성을 판단하는 인간(추상, 책임)

신약 개발의 예로 보건대, “이러한 질병을 치료하고자 한다”는 전제 하에 “이 수용체에 작용하는 분자를 탐색하라”는 가정을 세우고, 도출된 수만 가지의 후보들 중에서 “최종적으로 임상 시험에 진입 가능한지”를 결정하는 것은 인간이며, 그 과정 중 핵심인 “수억 가지 분자 구조의 조합 계산”을 AI가 수행하는 방식입니다.

따라서, 조합 문제에서 AI가 발전할수록 인간은 “계산의 부담”에서 벗어나 “목표(평가 기준)를 어떻게 정의할 것인가”와 같은 보다 추상적인 업무에 집중해야 할 것입니다.

**출처:** [note 원문](https://note.com/hangium/n/n27e490a52a3c)

*번역: Gemma 3(.44) 초벌 + 교정 19청크*

[원문 보기](https://note.com/hangium/n/n27e490a52a3c) | 출처: note.com