본문 바로가기
주제별 글모음/인공지능에 대한 글

일론 머스크와 샘 알트만은 반드시 옳지 않다.

by 격암(강국진) 2025. 1. 7.

현재의 AI 붐은 챗GPT3.5가 가져온 혁신적 충격에서 비롯되었습니다. 그러나 이로 인해 AI 발전의 방향이 다소 편향되어 있습니다. 더 똑똑한 LLM을 만들고, 텍스트뿐만 아니라 음성과 이미지까지 이해하는 멀티모달 모델을 개발하는 데 지나치게 집중하고 있습니다. 예를 들어, GPT-4V(Vision)나 Claude 3와 같은 최신 모델들은 이미지 인식과 자연어 처리를 결합하는 데 성공했지만, 이것이 과연 우리가 가장 시급하게 필요로 하는 발전 방향인지는 재고해볼 필요가 있습니다.

많은 기업들이 더 큰 규모의 GPU 클러스터와 방대한 데이터를 활용하여 AGI(인공일반지능)를 개발하려 하고 있습니다. 메타는 2024년까지 35만 개의 H100 GPU를 확보하겠다고 발표했고, Microsoft는 수백만 개의 GPU를 구매하겠다고 선언했습니다. 이러한 하드웨어 군비 경쟁은 제프리 힌턴과 같은 저명한 AI 연구자들의 경고성 발언과 맞물려, 곧 인간의 지능을 뛰어넘는 초인공지능이 등장할 것이라는 기대와 우려를 동시에 증폭시키고 있습니다.

그러나 여기서 우리가 주목해야 할 점이 있습니다. DeepMind의 AlphaFold나 Google의 PaLM과 같은 최첨단 AI 모델들도 체스나 바둑 같은 특정 도메인에서는 그 분야에 특화된 프로그램만 못합니다. Stockfish라는 체스 프로그램은 일반적인 AI 모델들보다 체스에서 훨씬 뛰어난 성능을 보입니다. 이는 특정 문제 해결에 있어서는 그 문제에 최적화된 솔루션이 거대한 범용 AI보다 효과적일 수 있다는 것을 보여줍니다.

실제 사례를 보면 이런 경향이 더욱 분명해집니다. 배달의민족은 음식 추천을 위해 거대 언어 모델이 아닌, 사용자의 주문 패턴과 선호도에 특화된 추천 시스템을 사용합니다. Tesla의 자율주행 시스템은 컴퓨터 비전과 센서 데이터 처리에 특화된 AI를 활용합니다. 이들은 모두 특정 문제를 해결하기 위해 최적화된 AI 솔루션입니다.

성공적인 AI 솔루션을 위해서는 두 가지가 핵심입니다. 첫째는 문제의 명확한 정의입니다. "서울에서 부산까지 가장 효율적인 운송 경로를 찾아라"는 문제는 "더 나은 교통 시스템을 설계하라"는 문제보다 훨씬 구체적이고 해결 가능합니다. 둘째는 다양한 AI 시스템들의 연결과 통합입니다. 예를 들어, 현대자동차의 자율주행 시스템은 이미지 인식 AI, 경로 최적화 AI, 센서 데이터 처리 AI 등 여러 특화된 시스템들의 조합으로 이루어져 있습니다.

AI의 대중화와 실용화가 진정한 과제입니다. 예를 들어, 중소기업이 AI를 활용해 생산성을 높이고, 농부들이 AI로 작물 관리를 최적화하며, 일반 가정에서도 AI를 활용해 에너지 사용을 효율화하는 것이 실질적으로 더 중요합니다. 삼성전자가 최근 출시한 AI 가전제품들이나, 네이버의 중소상공인을 위한 AI 솔루션들이 이러한 방향의 좋은 예시입니다.

단일한 슈퍼 AI를 만드는 데만 집중하다 보면, 실제로 필요한 솔루션 개발과 AI의 실용적 활용이 뒤처질 수 있습니다. 우리에게 필요한 것은 특정 문제를 효과적으로 해결하는 전문화된 AI들과, 이들을 연결하고 활용할 수 있는 생태계의 구축입니다. 이것이 AI 기술의 진정한 발전 방향이 되어야 할 것입니다.

댓글