AI는 인간을 능가할 수 없는가?

AI는 인간을 능가할 수 없는가?

==현재의 AI로는 범용 인공지능에 도달하지 못할 것이라고 76%의 전문가가 예측==

 

 

최근 AI의 발전은 눈부시지만, 현재의 기술로는 인간과 같은 지능을 가지며 다양한 분야의 작업을 자율적으로 수행할 수 있는 범용 인공지능(AGI) 에 도달할 수 없다고 많은 전문가들이 예측하고 있다.

미국 인공지능학회가 실시한 조사에 따르면, 475명의 전문가 중 76%가 “현재의 기술을 확장하는 것만으로는 인간처럼 학습하고 적응할 수 있는 AI는 탄생하지 않는다” 고 생각하고 있는 것으로 나타났다.

그렇다면 이대로라면 두려움의 대상으로 여겨졌던 기술적 특이점(싱귤래리티) 은 오지 않는다는 뜻일까? 자세히 들여다보자.

 

지금 방식에는 한계가 있다고 말하는 많은 전문가들

 

인간처럼 자유롭게 사고하고 다양한 작업을 처리하며 자율적으로 새로운 것을 학습할 수 있는 AI는 범용 인공지능(AGI) 라고 불린다.

현재의 AI는 특정 작업에 특화된 “특화형 AI(Narrow AI)” 로 분류된다.

예를 들어 ChatGPT 같은 AI는 사람이 쓴 글을 학습해 그것을 바탕으로 문장을 생성할 수 있다.

하지만 스스로 새로운 아이디어를 떠올리거나 완전히 미지의 문제를 해결하는 것은 불가능하다.

캘리포니아 대학교 버클리 캠퍼스의 스튜어트 러셀 교수는 “GPT-4가 출시된 이후, AI의 진화는 느려지고 있다. 데이터와 계산 능력을 늘리는 것만으로는 큰 발전을 기대하기 어렵다”고 지적했다.

또한, 기술기업들은 이미 막대한 자금을 투입한 상태이기 때문에, 중도에서 멈출 수 없어 투자를 계속할 수밖에 없는 상황이라고 한다.

 

AI 개발에 존재하는 다양한 문제들

 

AI가 지금까지 발전할 수 있었던 이유 중 하나는 “대규모 언어 모델(LLM)” 이라는 기술 덕분이다. 이는 사람이 만든 방대한 텍스트를 학습하고 그 패턴을 기억하여, 문장을 만들거나 질문에 대답하는 AI의 구조다.

이 LLM의 기반이 되는 기술은 “트랜스포머” 라고 불리며, 2017년에 구글 연구원이 개발했다. AI가 대량의 데이터를 학습해 보다 자연스러운 문장을 만들 수 있도록 해준다.

하지만 이 기술에는 한계가 있다는 사실이 드러나고 있다.

AI를 학습시키기 위해서는 엄청난 양의 데이터와 계산 능력이 필요하다. 그로 인해 AI 개발 및 운영에는 막대한 비용과 에너지가 소요된다.

예를 들어 2024년에는 생성형 AI 업계 전체에 약 560억 달러(약 61조 6천억 원) 가 투입되었다. 하지만 그 결과로 큰 기술 혁신이 일어난 것은 아니었다.

또한, AI 작동에 필요한 데이터 센터의 전력 소비 및 이산화탄소(CO₂) 배출량도 증가하고 있으며, 2018년과 비교해 3배 늘어난 상태다.

 

AI 학습용 데이터는 2030년까지 고갈될 가능성

 

더불어, AI를 학습시키기 위해 사람이 만든 데이터는 유한하며, 2030년경에는 데이터 공급이 수요를 따라가지 못할 가능성이 지적되고 있다.

이에 일부 기업은 AI가 생성한 합성 데이터를 사용하는 방식을 고려하고 있으나, 잘못된 정보가 늘어나거나 성능이 저하될 위험성이 존재한다.

이번 조사에 참여한 캘리포니아 대학교 버클리 캠퍼스의 컴퓨터 과학자 스튜어트 러셀 교수는 "보다 근본적인 문제"가 있다고 말한다.

그것은 현재의 트랜스포머가 가지는 구조적 한계다.

러셀 교수는 "지금 방식의 근본적인 문제는 모두 대규모 피드포워드 회로의 훈련을 기반으로 한다는 점"이라고 지적한다.

피드포워드 회로란, 입력 > 처리 > 출력 순으로 일방향으로 정보가 흐르는 제어 방식이다. 출력은 입력에 따라 미리 정해지며, 과거의 출력이나 현재 상태에 따라 변화하지 않는다.

이 방식의 문제점은 단순한 개념조차 표현하기 위해 거대한 회로가 필요하다는 것이다. AI의 성능을 높이기 위해서는 방대한 데이터를 제공해야 하고, 그 결과 표현이 누더기처럼 되고 빠짐이 생기게 된다.

러셀 교수에 따르면, 그로 인해 “초강력이라고 여겨졌던 바둑 AI가 일반 사람에게 패배하는” 사태가 벌어진다고 한다.

 

향후 AI 개발은 어떻게 될까? 새로운 접근법의 가능성

 

이러한 병목현상은 현재 AI 성능 향상을 시도하는 기업들에게 큰 벽으로 작용하고 있다.

예를 들어, 소문만 무성한 OpenAI의 차기 모델인 GPT-5가 아직 공개되지 않은 배경에도, 이러한 기존 접근법의 근본적인 문제가 관계되어 있을 것이라는 지적이 나온다.

그렇다고 해서 희망이 없는 것은 아니다. 새로운 기술이 돌파구를 열어줄 가능성도 있다.

현재 주목받고 있는 기술은 “추론형 AI” 라고 불리는 것이다.

이는 AI가 질문에 대해 보다 깊이 생각하고 정확한 답을 도출할 수 있도록 하는 구조다. 이러한 모델과 다른 머신러닝 시스템을 결합하는 접근 방식이 유망하다고 전문가들은 보고 있다.

중국의 DeepSeek라는 기업이, 미국의 대형 기술기업들이 막대한 자금을 들여 개발한 AI와 비슷한 성능을 훨씬 적은 비용과 에너지로 구현한 사실은 큰 화제를 모았다.

이처럼 “모델을 키우면 AI가 진화한다.”는 발상이 재고되고 있으며, 더 효율적인 AI 개발 방식이 요구되고 있다.

오리건 주립대학의 토머스 디에테리히 교수는 “과거 기술 혁신을 돌아보면, 큰 성공을 이루기까지는 10~20년이 걸리는 경우가 많다.”고 말한다.

현재의 AI 기술은 빠르게 진화해 왔지만, 단순히 “데이터를 늘리고 계산 능력을 높이면 된다.” 는 시대는 끝나가고 있다.

AI의 미래를 열기 위해서는 지금까지의 방법에 얽매이지 않고, 새로운 기술과 효율적인 개발 방법을 모색하는 것이 중요하다.

이번 조사 결과는 『AAAI 2025 대통령 패널: AI 연구의 미래』(2025년 3월) 이라는 보고서에서 발표되었다.

참고: AAAI 2025 PRESIDENTIAL PANEL ON THE Future of AI Research / Livescience

※ 본 기사는 해외 미디어의 기사를 참고하여, 일본 독자에게 적합한 형식으로 보완·재편집한 것입니다.

 

* 글= 팔모

* 일본어원문=AIは人間を超えられない？現在のAIでは汎用人工知能に達しないと76% の専門家が予測

* 출처: https://karapaia.com/archives/498585.html