<이미지를 클릭하시면 크게 보실 수 있습니다> |
세종대학교 AI융합교수연구원장인 유성준 교수는 "AGI(Artificial General Intelligence)의 완전한 실현은 20년 가량 걸릴 전망"이라며 "AGI의 기술과 윤리가 병행되지 않으면 AI 발전은 불가능하다"고 강조했다.
유성준 교수는 메트로신문·메트로경제가 지난 20일 서울 을지로 페럼타워에서 주최한 '2024 뉴테크놀로지 포럼'에서 이같이 밝혔다.
유 교수는 "1959년 로젠블랫이 '퍼셉트론(Perceptron)'을 발표해 신경망 연구의 기반을 닦았다"며 "당시사회는 사람처럼 말하고 듣는 컴퓨터가 등장할 것이라고 예측했지만 결과는 기대에 못 미쳤다"고 말했다.
그러면서 1970년대와 1980년대에 AI 연구가 침체기에 빠졌던 이유를 분석했다. 그는 "1970년대에 첫번째 AI 침체기가 찾아온 것은 초기 연구 성과가 투자자의 기대를 충족시키지 못했기 때문"이라며 "이후 1980~90년대에 전문가 시스템과 날리지 엔지니어링이 재조명되며 다시 부활했지만, 결국 기술적 한계를 넘어서지 못하며 두 번째 침체기가 찾아왔다"고 말했다.
다만 최근 LLM과 같은 기술이 혁신 이뤄지면서 AI가 새로운 국면에 접어들었다고 분석했다. AI 연구는 2010년부터 딥러닝과 GPU 기술의 발전으로 다시 도약하기 시작했다는 설명이다. 그는 "딥러닝 선구자인 제프리 힌튼 (Geoffrey Hinton)의 연구와 함께 AI는 완전히 새로운 국면으로 접어들었고, 오늘날 LLM과 같은 기술은 이러한 혁신의 결과물" 이라고 평가했다.
하지만 현재까진 LLM의 추론 능력은 기술적 한계에 있다고 분석했다. LLM가 눈에 띄는 성과를 거뒀지만 ▲인과관계 추론 부족 ▲긴 문맥 이해의 한계 ▲환각(hallucination) 문제 등 해결해야 할 과제가 여전히 많다는 지적이다. 그는 "LLM은 데이터를 기반으로 한 상관관계 추론에는 강하지만, 인과관계를 제대로 이해하고 처리하는 데는 한계가 있다"고 지적했다.
그러면서 유교수는 AGI 실현 가능성에 대해 신중한 입장을 보였다. 그는 2024년 ICLR 학회의 연구 결과를 인용하며 "37%의 전문가들은 AGI의 최종 단계가 도달하기 까지 최소 20년 이상 걸릴 것으로 보고 있다"며 "이는 단기간에 해결할 수 있는 문제가 아니다"라고 말했다.
이어 현재 AI 기술을 특정 문제 해결에 특화된 약인공지능(ANI, Narrow AI) 수준으로 규정해야 한다고 강조했다. 인간과 동등하거나 초월하는 일반지능을 구현하려면 기술적 도약이 필요하다는 설명이다.
유 교수는 "AGI는 인간처럼 복잡한 문제를 해결할 수 있는 포괄적인 지능을 요구한다"면서 "이는 단순히 데이터와 알고리즘의 문제가 아니라 추론. 메타인지, 메모리 같은 고도화된 기능이 필요하다"고 말했다.
그는 기술적 한계를 극복하기 위해 ▲강화학습 ▲월드 모델 시물레이션 ▲메타인지 기술 등을 대안으로 제시했다. 그러면서 "현재 연구자들은 LLM의 한계를 극복하기 위해 다양한 시도를 하고 있으며, 이러한 노력이 AGI 실현의 중요한 디딤돌이 될 것" 이라고 덧붙였다.
특히 유 교수는 AI 기술의 발전과 함께 윤리적 문제를 해결하는 일이 가장 중요하다고 강조했다. 그는 "AI가 생성하는 답변이나 결과물이 한국 사회의 가치관과 문화적 맥락에 부합하는지 고민해야 한다"며 "데이터를 수집하고 사용하는 과정에서 편향을 방지하고, AI 윤리 기준을 명확히 하는 것이 중요하다"고 꼬집었다. .
또한 유 교수는 AI 연구를 위한 한국의 기반 시설 부족 문제를 지적했다. 그는 "현재 한국이 보유한 NVIDIA의 고성능 GPU는 약 2000개 수준이지만 이는 글로벌 경쟁에서 부족한 수준"이라며 "AGI연구는 자본과 인프라가 필수적인 분야로, 국가적 차원의 투자가 필요하다"고 강조했다.
마지막으로 유 교수는 기술적 성취와 윤리적 접근이 병행될 때 AI가 진정한 인간 중심의 도구로 자리 잡을 수 있다고 역설했다.
그는 "AI는 우리 사회를 더 나은 방향으로 이끌 잠재력을 가지고 있지만, 기술만 앞서갈 경우 사회적 갈등과 윤리적 문제가 발생한다"며 "시민 모두가 이러한 문제를 고민하고 논의에 참여해야 한다"고 말했다.
이 기사의 카테고리는 언론사의 분류를 따릅니다.
기사가 속한 카테고리는 언론사가 분류합니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.