요약

1. AI의 역사적 중요성 예측
   • Sundar Pichai는 2017~2018년경 AI가 인류 역사상 가장 심오한 기술이며, 불이나 전기보다 더 중요한 기술이 될 것이라고 언급했다. 이는 기술이 스스로를 개선할 수 있는(recursive self-improvement) 능력을 가지기 때문이며, 특히 창작과 혁신 속도를 극적으로 높일 것으로 기대한다고 말했다.
2. 생산성 증가
   • AI의 생산성 증가 효과에 대해 묻자, 그는 구글의 내부 조사 결과, AI 도입으로 구글의 엔지니어링 생산성이 현재 약 10% 증가했다고 밝혔다. 코딩 과정에서는 약 30%의 코드가 AI의 도움을 받고 있다고 했으나, 생산성 증가 측면에서 보면 10%라는 의미 있는 성과가 더 중요하다고 설명했다.
3. AGI(인공 일반 지능) 및 ASI(초지능)에 대한 예측
   • Sundar는 구글 내부에서 AGI의 도달 시점에 대해 다양한 의견이 있음을 소개했다. 초기 DeepMind 시절(2010년경)부터 약 20년 내 AGI 달성을 전망했었고, 이는 현재 시점에서 보면 약 2030년 이후가 될 가능성이 높다고 예상했다.
   • 현재의 AI 상태를 AJI(Artificial Jagged Intelligence, 인공 불균형 지능)로 표현하며, 놀라운 능력을 보이는 한편 사소한 계산 오류 등 불균형한 성능도 보이고 있다고 했다. 하지만 그는 2030년까지 AI가 매우 큰 진전을 이루어 AGI의 임계점에 거의 다가설 것으로 보고 있다.
4. 구글 Gemini 모델의 규모와 발전
   • 구글 Gemini 모델의 규모에 대해 언급하면서, 1년 전에는 한 달에 처리되는 토큰 수가 9.7조였으나, 현재는 약 480조 토큰으로 50배 증가했다고 밝혔다. 이는 사람들의 AI 사용량과 호기심이 매우 급속히 증가하고 있음을 시사한다고 평가했다.
5. AI 기술 발전의 한계 및 스케일링 법칙
   • AI 발전의 주요 제약 요소로는 현재로서는 컴퓨팅 파워를 꼽았다. 특히 Gemini 모델에 Ultra 모델을 내놓지 않고 Pro 모델을 출시한 이유로, Pro 모델이 Ultra 모델 성능의 80~90%를 유지하면서 속도와 비용 측면에서 효율적이기 때문이라고 설명했다. 앞으로 컴퓨팅 자원의 확대가 AI의 발전 속도를 지속적으로 높일 것으로 보았다.
6. 로봇 및 자율주행차
   • AI가 로봇 기술과 자율주행 기술의 발전을 극적으로 가속화할 것으로 기대했다. 특히 Waymo의 자율주행 기술에 대해서는 지금까지 1,000만 건의 유료 로보택시 운행을 달성했으며, 이는 L4 수준의 자율성으로 더욱 발전할 여지가 있다고 했다. 향후 AI의 범용성이 더욱 발전하면 로봇 분야에서도 큰 진전을 이룰 것으로 보았다.
7. 프로그래밍 분야에서의 AI 활용
   • 개발자들이 AI를 적극 활용함에 따라 개발자의 생산성이 크게 증가할 것으로 전망했다. AI의 에이전트적(agentic) 기능이 더욱 강력해지면 현재보다 생산성이 추가적으로 크게 증가할 것이라고 예측했다. 그러나 AI의 발전에도 불구하고, 구글은 내년에 엔지니어 채용을 늘릴 계획이라고 밝혔다.
8. 인류의 생존 위험(P(doom))에 대한 견해
   • Pichai는 ASI가 인류를 파멸시킬 가능성(p(doom))에 대해 매우 신중하게 접근하고 있으며, 장기적으로 이 위험이 상당히 높다고 인정했다. 그러나 실제 위험이 가시화되면 인류가 단합하여 문제를 해결할 능력이 있다고 믿기 때문에 궁극적으로는 낙관적인 전망을 유지한다고 말했다.

이 인터뷰에서 Sundar Pichai는 AI 기술이 가까운 미래에 사회와 경제 전반에 걸쳐 근본적인 변화를 가져올 것이며, 구글 내부적으로는 현재의 AI 발전 수준이 이미 의미 있는 생산성 향상을 이끌고 있음을 강조했다. AGI 달성은 2030년 이후로 예상하며, 이를 통해 인간의 삶의 질이 획기적으로 향상될 가능성을 긍정적으로 전망했다.

 

 

---

1. 2030년까지 AGI의 임계점에 다가설 것으로 보는 전망

원문 (영어)

Sundar Pichai (00:40:31): "Whatever, we may be arguing about the term or maybe Gemini can answer what that moment is in time in 2030, but I think the progress will be dramatic. So that I believe in. Will the AI think it has reached AGI by 2030? I would say we will just fall short of that timeline, so I think it’ll take a bit longer. It’s amazing, in the early days of Google DeepMind in 2010, they talked about a 20-year timeframe to achieve AGI, which is kind of fascinating to see, but for me, the whole thing, seeing what Google Brain did in 2012, and when we acquired DeepMind in 2014, right close to where we are sitting, in 2012, Jeff Dean showed the image of when the neural networks could recognize a picture of a cat and identify it. This is the early versions of Brain."

한글 번역

Sundar Pichai (00:40:31): "우리가 용어의 정의에 대해서는 논쟁할 수 있고, 아니면 제미나이(Gemini)가 2030년 즈음 그 순간을 정의해줄지도 모르겠습니다만, 저는 (2030년까지) 그 진전이 극적일 거라는 것만큼은 확신합니다. AI가 스스로 2030년까지 AGI에 도달했다고 생각할까요? 저는 우리가 그 시점에는 약간 못 미칠 거라고 봅니다. 그러니까 조금 더 걸릴 것으로 생각해요. 흥미로운 점은, 2010년 구글 딥마인드의 초기 시절에 AGI 달성 목표를 20년 정도로 설정했었다는 겁니다. 매우 놀랍죠. 2012년에 구글 브레인이 해낸 일, 그리고 우리가 2014년에 딥마인드를 인수한 이후로 이 모든 발전 과정을 지켜보는 것은 정말 매혹적이었습니다. 2012년, 이곳 가까운 곳에서 제프 딘(Jeff Dean)이 뉴럴 네트워크가 고양이 사진을 인식할 수 있게 되었음을 처음 보여줬습니다. 그때가 구글 브레인의 초기 버전이었죠."

---

2. AI 기술 발전의 한계 및 스케일링 법칙 언급

원문 (영어)

Sundar Pichai (00:36:24): "I think it’s compute limited in this sense, part of the reason you’ve seen us do Flash, Nano Flash and Pro models, but not an Ultra model, it’s like for each generation we feel like we’ve been able to get the Pro model at, I don’t know, 80, 90% of Ultra’s capability, but Ultra would be a lot more slow and lot more expensive to serve. But what we’ve been able to do is to go to the next generation and make the next generation’s Pro as good as the previous generation’s Ultra, but be able to serve it in a way that it’s fast and you can use it and so on. So I do think scaling laws are working, but it’s tough to get, at any given time, the models we all use the most, this maybe a few months behind the maximum capability we can deliver because that won’t be the fastest, easiest to use, et cetera."

한글 번역

Sundar Pichai (00:36:24): "이런 관점에서 볼 때, 현재 AI 발전은 컴퓨팅 자원에 의해 제한된다고 생각합니다. 우리가 플래시(Flash), 나노 플래시(Nano Flash), 프로(Pro) 모델은 출시했지만 울트라(Ultra) 모델을 출시하지 않은 이유도 여기에 있습니다. 매 세대마다 프로 모델이 울트라 모델 성능의 약 80~90%에 도달하지만, 울트라는 속도 면에서 훨씬 느리고 운영 비용도 훨씬 비쌉니다. 우리가 지금까지 잘 해온 것은 다음 세대의 프로 모델이 이전 세대의 울트라 모델만큼의 성능을 갖추게 만들면서도, 여전히 빠르고 실용적으로 사용할 수 있게끔 만들어낸 것입니다. 따라서 저는 스케일링 법칙(scaling laws)이 계속 작동하고 있다고 생각하지만, 특정 시점에 일반적으로 가장 많이 사용되는 모델은 우리가 제공할 수 있는 최고 성능 모델에 비해 몇 개월 정도 뒤처질 수밖에 없습니다. 왜냐하면 최고 성능 모델은 가장 빠르고 쓰기 쉽지 않을 수 있기 때문입니다."

---