구글 딥마인드 연구진이 범용인공지능(AGI)에서 초인공지능(ASI)으로 이어질 수 있는 네 가지 기술 경로를 제시했다. 모델·데이터 확장, 기술 패러다임 전환, 에이전트 협력, 재귀적 자기개선(RSI)이다.
Tim Genewein 구글 딥마인드 연구과학자는 딥마인드 인스티튜트(DeepMind Institute)에 AGI 이후 발전 경로를 다룬 글을 발표했다. 글은 ASI를 폭넓은 인간 관심사 과업에서 대규모 인간 전문가 집단을 지속적으로 뛰어넘는 시스템으로 설명했다. 연구진이 공동 작성한 'From AGI to ASI' 기술 보고서에 기반한 글이며, 딥마인드 인스티튜트는 구글의 공식 견해로 간주돼서는 안 된다고 밝혔다.
구글 딥마인드는 6월 12일 이 보고서를 공개하며 재귀적 개선을 AGI가 ASI로 발전하는 경로 중 하나로 제시한 바 있다. 이번 글은 AGI 이후 경로로 네 가지를 제시했고, 이 가운데 모델·데이터 확장에 대해서는 제약 요인도 함께 짚었다.
△ 모델·데이터 확장은 모델과 데이터의 규모를 키워 성능을 높이는 경로다. 글은 고품질 데이터 공급 부족, 규모 확대에 따른 수익 체감, 전력·칩 등 자원 제약이 걸림돌이 될 수 있다고 지적했다.
△ 기술 패러다임 전환은 현재와 다른 기술적 전환이 나타나는 경로다. 글은 이 경로를 네 가지 중 하나로 제시했다.
△ 에이전트 협력은 AI 에이전트의 협력 능력을 끌어올려 성능을 높이는 경로다. 에이전트 간 협력이 임계점을 넘으면 고용과 임금이 급변할 수 있다는 딥마인드 연구진의 경제 시나리오도 같은 맥락에서 앞서 나온 바 있다.
△ 재귀적 자기개선은 AI가 알고리즘 설계, 코드 작성, 모델 구조 개선, 실험 자동화 등에 관여해 다음 세대 AI의 성능 향상을 돕는 경로다.
글은 하드웨어 투자와 알고리즘 효율, 연산 능력 증가가 AI 시스템의 규모와 인지 업무 처리 비용에 미치는 영향도 함께 다뤘다.
Genewein은 AI 능력의 진전을 평가하려면 새로운 벤치마크와 모델링 방법이 필요하다고 밝혔다. 이를 위해 프런티어 연구소와 각급 기관의 참여가 필요하다고도 했다.
<Copyright ⓒ TokenPost, unauthorized reproduction and redistribution prohibited>
Most Popular