인터뷰/예측
데미스 하사비스 2026년 4월 7일자 인터뷰
작성자
하이룽룽
작성일
2026-04-22 12:04
조회
3
“AI가 지금까지 푼 가장 어려운 문제”
데미스 하사비스 인터뷰 정리
오프닝
진행자:“지능이라는 개념, 뭔가 정의가 잘못된 것 같아요.
이걸 끝까지 밀어붙이면 한계가 어디까지일까요?
그리고 AI의 최고의 활용처는 결국 인간의 건강을 개선하는 데 있는 것 아닐까요?”
“오늘 만나볼 사람은 구글 딥마인드 CEO 데미스 하사비스입니다.
노벨상 수상자이기도 하고요.
AI가 우리 삶에 미칠 가장 큰 영향은 사실 눈에 잘 보이는 챗봇이나 이미지 생성기보다,
신약 설계, 자연재해 탐지, 핵융합, 양자컴퓨팅 같은 보이지 않는 도구들에서 나올 거라고 생각합니다.
그 도구들을 만드는 사람이 바로 데미스 하사비스입니다.”
“어릴 때 체스 신동이었고, 17살에 큰 제안을 받았지만 대학에 갔고, 인지신경과학 박사까지 했죠.
딥마인드는 ‘지능을 푼다’는 목표로 세웠고, 처음에는 게임을 이기면서 AI를 발전시켰습니다.
그리고 지금은 사실상 구글 AI 전반에 엄청난 영향을 미치는 위치에 있습니다.
그래서 이 사람이 어떤 미래를 만들고 싶어 하는지가 정말 중요합니다.”
인터뷰의 목적
진행자:“오늘은 재무 이야기나 경영 스타일 이야기는 하지 않겠습니다.
그건 다른 데서도 충분히 나오니까요.
저는 오늘 이 대화를, 우리가 함께 즉석에서 만드는 ‘설명 영상’처럼 해보고 싶어요.”
“그래서 이런 소품도 가져왔습니다.
이건 그냥 젠가가 아니라, 블록 하나하나가 프로젝트나 모델을 뜻해요.
원래는 설명용 시각 자료였는데, 세팅하다 보니 실제로 젠가를 하게 됐고, 그게 더 재밌더라고요.
그리고 데미스, 당신도 게임 좋아하잖아요.”
데미스 하사비스:
“네, 저는 게임 정말 좋아합니다.
인터뷰에서 이런 건 처음이네요. 좋습니다.”
진행자:
“제 목표는 사람들이 지금 AI에서 무슨 일이 일어나고 있는지,
그리고 당신이 보고 있는 미래가 어떤 모습인지 좀 더 잘 이해하게 만드는 겁니다.
당신은 오늘 이 대화에서 무엇을 이야기하고 싶나요?”
데미스 하사비스:
“제가 30년 넘게 AI를 해온 가장 큰 이유는 과학과 의학을 발전시키기 위해서였습니다.
저는 늘 AI를 그 일을 해낼 수 있는 궁극의 도구로 봐왔어요.
오늘 그 이야기를 할 수 있으면 좋겠습니다.”
알파폴드: 왜 단백질 접힘 문제였나
진행자:“사람들이 잘 못 느끼지만, AI가 실제로 세상에 가장 크게 영향을 주는 부분은 눈에 안 보이는 곳이라고 생각합니다.
그래서 먼저 노벨상까지 받게 만든 프로젝트, 알파폴드 이야기부터 해보고 싶어요.”
“수많은 어려운 문제 중에서 왜 하필 단백질 접힘 문제를 고르셨나요?”
데미스 하사비스:
“사실 이 문제는 제가 케임브리지 학부 시절에 처음 접했습니다.
생물학 친구들이 많았는데, 그중 한 명이 단백질 접힘 문제에 완전히 빠져 있었어요.”
“단백질은 우리 몸의 거의 모든 것에 필요합니다.
생명 활동이 가능하려면 단백질이 있어야 하죠.
그런데 중요한 건 단백질의 3차원 구조예요.
몸 안에서 단백질은 입체적으로 접히고, 그 구조가 어떤 기능을 하는지를 결정합니다.”
“그래서 단백질 접힘 문제는 결국 이런 겁니다.
‘1차원 아미노산 서열만 보고 3차원 구조를 예측할 수 있는가?’
이건 50년짜리 거대한 난제였어요.”
“저는 도전과 퍼즐을 좋아합니다.
처음 이 문제를 들었을 때 과학적으로 너무 매력적이었어요.
누군가는 이걸 생물학에서의 ‘페르마의 마지막 정리’ 같은 문제라고 설명했죠.
그러니 관심을 안 가질 수가 없었습니다.”
“그리고 저는 그때부터 막연히 이런 생각을 했어요.
‘언젠가 AI가 이런 문제를 풀기에 아주 잘 맞는 도구가 될 수도 있겠다.’
물론 당시에는 그런 AI가 없었죠.
하지만 언젠가는 가능할 거라고 봤습니다.”
“마지막으로, 만약 이 문제를 풀면 파급효과가 엄청날 거라는 점도 컸어요.
신약 개발, 질병 이해, 이런 모든 분야가 열리게 되니까요.
저는 여전히 AI를 가장 중요하게 써야 할 곳은 인간의 건강을 개선하는 일이라고 생각합니다.”
알파폴드가 왜 그렇게 중요했나
진행자:“이게 왜 엄청난 일인지 조금 덧붙이면,
예전에는 새로운 약을 개발하려면 단 하나의 단백질 구조를 알아내는 데도 수년의 시간과 엄청난 비용이 들었죠.
X선을 쏘고, 복잡한 실험을 하고, 정말 느리고 비쌌습니다.”
“그 긴 과정을 모두 생략하고 핵심으로 가보자면,
결국 당신 팀은 그 문제를 해결했습니다.”
“그리고 2021년, 굉장한 장면이 있죠.
당신이 회의실에서 팀과 이야기하고 있었고, 그 장면이 우연히 촬영됐습니다.
과학자들이 특정 단백질을 요청하면 예측 결과를 보내주는 서버를 만들자는 회의였죠.
그런데 그 자리에서 전혀 다른 아이디어가 나왔습니다.
그때 무슨 일이 있었는지 직접 들려주세요.”
데미스 하사비스:
“그 회의에 하필 카메라가 있었던 건 정말 우연이었습니다.
보통 그런 회의를 따라다니진 않거든요.
그날 딱 있었어요.”
“원래 이런 예측 모델은 보통 서버를 만들어서 운영합니다.
과학자들이 단백질 서열을 보내오면, 며칠 뒤 구조를 예측해서 다시 보내주는 식이죠.
지난 40년 넘게 이 분야는 거의 그런 방식이었어요.
왜냐하면 대부분의 예측 알고리즘이 느렸기 때문입니다.”
“그런데 그 회의 중에 제가 갑자기 계산을 하기 시작했어요.
‘우리가 단백질을 얼마나 정확하게 접을 수 있지?’
그다음엔
‘얼마나 빠르게 할 수 있지?’
그리고
‘과학에 알려진 단백질은 총 몇 개지? 2억 개 정도인가?’
‘우리에겐 컴퓨터가 얼마나 있지?’
‘단백질 하나당 10초 걸린다고 치면 전체를 다 돌리는 데 얼마나 걸리지?’
이렇게 머릿속으로 계산했어요.”
“그러다가 회의 중간에 갑자기 깨달았습니다.
‘이거… 1년 안에 가능하겠는데?’”
“그러면 굳이 서버를 만들고, 데이터베이스를 세팅하고, 이메일 클라이언트를 만들고,
사람들이 요청할 때마다 하나씩 보내주는 시스템을 만들 이유가 없는 거예요.”
“차라리 우리가 과학에 존재하는 모든 단백질을 직접 다 접어버리고,
전 세계 과학자들이 무료로 쓸 수 있도록 데이터베이스에 올리면 되잖아요.”
“그 순간 그냥 갑자기 머리를 치는 느낌이었어요.
‘왜 그냥 다 해버리지?’
그게 훨씬 낫고, 어쩌면 서버 만드는 것보다 오히려 덜 힘들 수도 있었죠.”
진행자:
“회의 장면을 보면 정말 딱 그런 반응이더라고요.
‘왜 그냥 다 해버리지? 그게 훨씬 낫잖아.’
그리고 실제로 그렇게 했죠.”
“그 결과, 예전에는 너무 어렵고 느렸던 과정이 갑자기 빠르고 쉬운 일이 되어버렸고,
지금은 전 세계 과학자들이 그걸 쓰고 있습니다.”
“이렇게 말해도 될까요?
이제 우리는 과학에 알려진 거의 모든 단백질 구조를 예측했다고?”
데미스 하사비스:
“네, 그렇게 말해도 됩니다.
그리고 계속 업데이트하고 있습니다.”
“이를테면 누군가 바닷물을 한 양동이 퍼 올리고, 그 안에 있는 생물들을 전부 시퀀싱했다고 해봅시다.
요즘 유전체 시퀀싱 기술은 인간 게놈 프로젝트 시절보다 엄청나게 빨라졌죠.
문제는 그에 비해 구조생물학이 너무 뒤처져 있었다는 겁니다.”
“이제는 알파폴드 2 같은 계산 도구 덕분에 새로 발견된 유전자 서열이 있으면
‘좋아, 그 구조는 이거야’라고 바로 따라잡을 수 있습니다.”
“유럽 생물정보학 연구소에 있는 작은 팀이 매년 새로 발견된 서열들을 계속 업데이트하고 있어요.
그래서 우리는 언제나 최신 상태를 유지하고 있습니다.”
알파폴드가 실제로 바꾼 것
진행자:“그게 정말 멋진 건, 이제 사람들은 구조를 찾느라 시간을 다 쓰지 않고
진짜 연구하고 싶은 문제로 곧장 갈 수 있다는 거겠죠.”
데미스 하사비스:
“맞아요. 특히 덜 주목받는 생물이나 작물 연구자들에게는 엄청난 도움이 됩니다.”
“예를 들어 밀 같은 식물은 사람보다 훨씬 복잡한 유전체 데이터를 갖고 있기도 해요.
그런 분야 연구자들은 보통 인간 질병 연구자들처럼 많은 자원이나 예산을 갖고 있지 않죠.”
“그런데 이제는 그들도 자기가 진짜 알고 싶은 문제로 바로 들어갈 수 있습니다.
예를 들면 기후 변화에 더 강한 작물을 만드는 문제 같은 거요.”
“또 하나 중요한 분야가 소외 질환입니다.
말라리아, 샤가스병, 리슈만편모충증 같은 질병들이요.
이런 질병들은 수억 명에게 영향을 미치지만, 주로 가난한 지역에서 발생하기 때문에 대형 제약사들이 큰 돈을 들여 연구하지 않는 경우가 많습니다.”
“그런 비영리 연구기관들은 돈과 자원이 부족한데,
우리가 해당 질병 관련 단백질 구조를 제공해주면 곧바로 신약 개발 단계로 넘어갈 수 있어요.
그건 정말 큰 도움이 됩니다.”
“지금부터 나오는 거의 모든 약은 알파폴드를 거친다”
진행자:“연구하면서 가장 이해하기 어려웠던 부분 중 하나가 바로 그거였습니다.
전 세계 연구자들이 알파폴드를 쓰고 있다는 건 알겠는데,
실제로 어떤 식으로 약 개발에 연결되는지를 한 번에 보여주는 사례를 찾기가 쉽지 않았어요.”
“당신이 가장 좋아하는 예시는 뭔가요?
사람들이 ‘아, 이런 식으로 쓰이는구나’ 하고 바로 느낄 수 있는 예요.”
데미스 하사비스:
“지금 알파폴드를 사용하는 과학자는 300만 명이 넘습니다.
아마 전 세계 생물학자 거의 전부일 거예요.”
“한 제약회사 과학자가 저에게 이런 말을 한 적이 있어요.
‘앞으로 개발되는 거의 모든 약은 그 과정 어딘가에서 알파폴드를 쓰게 될 것이다.’
그 말을 듣고 정말 놀랐습니다.”
“물론 신약 개발에는 시간이 걸립니다.
그래서 아직은 대부분 기초 생물학 단계에 있어요.
이 질병에서 표적으로 삼아야 할 단백질이 무엇인지, 그 기전이 맞는지, 그런 걸 이해하는 단계죠.”
“그리고 일부 후보 약물은 지금 임상시험 단계로 들어간 걸로 알고 있습니다.
그래서 몇 년 안에 알파폴드의 도움을 받은 수십 개의 약이 실제로 나올 수도 있다고 기대하고 있습니다.”
“제가 가장 좋아하는 사례는 ‘nuclear pore complex’라는 단백질입니다.
이건 세포핵으로 영양분 같은 게 들어오고 나가게 하는 거대한 관문 같은 구조예요.
몸속에서 가장 큰 단백질들 중 하나죠.”
“문제는 이 구조가 너무 크고 복잡해서 오랫동안 정확히 알 수 없었다는 겁니다.
그런데 알파폴드 공개 후 6개월에서 1년 정도 지나서,
몇몇 연구팀이 실험 데이터와 알파폴드를 함께 써서 마침내 그 아름다운 구조를 밝혀냈어요.”
“저는 그게 정말 감동적이었습니다.
몸 안의 가장 거대한 단백질 중 하나를 이해하는 데 알파폴드가 실질적으로 도움이 된 거니까요.”
알파폴드 다음: 아이소모픽 랩스와 신약 개발
진행자:“그러면 그런 구조를 바탕으로 더 나은 약이나 치료법을 설계할 수도 있겠네요?”
데미스 하사비스:
“네, 잠재적으로는 그렇습니다.
다만 그 사례는 기초 생물학 이해에 더 가까웠고요.”
“저희는 아예 그다음 단계로 가기 위해 아이소모픽 랩스(Isomorphic Labs)라는 회사를 만들었습니다.
알파폴드를 기반으로 해서 신약 개발 전체를 훨씬 더 빠르게 만들려는 시도죠.”
“지금 평균적으로 약 하나 개발하는 데 10년 정도 걸립니다.
정말 엄청나게 오래 걸리고, 비용도 어마어마하고, 실패율도 높아요.
임상 단계까지 가서 최종적으로 살아남는 약은 10% 정도뿐입니다.”
“인간 건강을 정말 개선하고 싶다면, 이 과정을 대폭 개선해야 합니다.
저는 그 방법이 ‘in silico’, 즉 계산 기반 방식이라고 생각해요.
알파폴드 2는 그 한 요소일 뿐입니다.”
“단백질 구조를 아는 건 신약 개발의 한 조각일 뿐이거든요.
거기에 화학도 필요합니다.
어떤 분자를 설계해서 붙일지, 얼마나 강하게 붙는지, 다른 곳에는 안 붙는지… 이런 게 다 중요하죠.”
“그래서 저희는 더 발전된 알파폴드, 이를테면 알파폴드 3, 알파폴드 4라고 부를 수도 있는 인접 시스템들을 만들고 있고,
궁극적으로는 부작용은 최소화하고 효과는 극대화한 약을 끝단까지 설계하려고 합니다.”
“지금은 심혈관 질환, 암, 면역학 등 여러 영역에서 18개에서 19개 정도의 약물 프로그램을 진행하고 있습니다.
결국 이런 기술은 거의 모든 치료 영역에 도움을 줄 수 있을 거라고 봅니다.”
알파 게놈과 유전자 질환
진행자:“이번에는 알파 게놈(AlphaGenome) 이야기로 넘어가보죠.
제가 또 다른 노벨상 수상자, 제니퍼 다우드나 박사에게 질문을 받아왔습니다.”
“질문은 이렇습니다.
크리스퍼는 거의 모든 DNA 서열을 표적으로 삼을 수 있지만,
대부분의 유전 질환에서는 어떤 DNA 변화가 실제로 문제를 일으키는지 아직 잘 모릅니다.
특히 단백질을 암호화하지 않는 나머지 98%의 영역에서는 더 그렇고요.
알파 게놈 같은 도구가 그 98%를 해독하기 시작한다면,
AI가 환자의 질병을 일으키는 정확한 유전 변이를 찾아내고,
그걸 크리스퍼 같은 기술로 고치는 시점이 얼마나 가까워졌다고 보시나요?”
데미스 하사비스:
“정말 멋진 질문이네요.”
“알파 게놈은 바로 그런 종류의 기술입니다.
긴 유전자 서열을 넣으면 특정 위치의 단일 염기 변이가 질병을 일으킬 해로운 변이인지, 아니면 무해한 변이인지 예측하려고 하죠.”
“저희가 최근 공개한 알파 게놈은 지금 이 분야에서 가장 뛰어난 시스템입니다.
다만 아직 완벽히 충분하다고 말하긴 어렵습니다.”
“그래도 미래 버전의 알파 게놈이 훨씬 더 정확해진다면,
‘바로 이 변이가, 혹은 이 변이와 저 변이의 조합이 질병을 일으킨다’고 훨씬 신뢰성 있게 말할 수 있게 될 겁니다.”
“특히 다유전자 질환은 더 어렵습니다.
변이 하나가 아니라 여러 변이가 연쇄적으로 문제를 만드는 경우죠.
그런 건 오히려 AI가 잘 도와줄 수 있는 종류의 문제라고 생각합니다.”
“그리고 그런 단계까지 가게 되면, 언젠가는 크리스퍼 같은 도구로 들어가서 그 변이를 직접 고치고 문제를 해결하는 것도 가능할 수 있겠죠.
알파 게놈과 크리스퍼의 결합은 엄청난 힘을 가질 수 있습니다.”
“나는 AI를 더 오래 연구실에 두고 싶었다”
진행자:“작년에 가디언 인터뷰에서 이런 말을 하셨죠.
‘내 뜻대로였다면 AI를 더 오래 실험실에 두고 싶었다. 알파폴드 같은 걸 더 많이 하고, 아예 암을 고쳤을 수도 있었을 텐데.’”
“밖에서 보기엔 당신의 서사는 이렇습니다.
딥마인드를 ‘지능을 풀겠다’는 목표로 세웠고,
구글에 판 것도 과학 연구를 계속하고 싶어서였죠.
그런데 ChatGPT가 나오고, 구글은 코드 레드가 걸리고,
당신은 이제 소비자 제품까지 포함한 구글 전체 AI를 이끄는 위치에 있습니다.”
“이건 어쩌면 AI 전체의 변화와도 닮아 있어요.
지난 몇 년 동안 엄청난 변화가 일어났죠.
그 변화 속에서 무엇을 얻었고, 무엇을 잃었나요?”
데미스 하사비스:
“맞아요.
당신이 묘사한 게 내부에서 느낀 것과도 거의 같습니다.”
“저는 늘 AI의 최고의 사용처는 인간 건강을 개선하고 과학 발견을 가속하는 데 있다고 생각했습니다.
사실 저는 원래부터 ‘현실의 본질’, ‘의식의 본질’ 같은 큰 질문들에 관심이 많았고,
그걸 이해하려면 인간 과학자들을 도와줄 강력한 도구가 필요하다고 느꼈어요.
알파폴드는 그 첫 번째이자 지금까지 가장 강력한 표현 중 하나였죠.”
“그래서 저는 원래 AGI처럼 엄청나게 변혁적인 기술은
좀 더 과학적인 방식으로, 조심스럽고 엄밀하게,
마치 CERN 같은 국제 협력의 틀 안에서 단계적으로 다뤘으면 좋겠다고 생각했습니다.”
“그 방식이면 최종 목표까지 가는 데 10년, 20년 더 걸릴 수도 있었겠죠.
그래도 그게 이 정도로 중요한 기술에 어울리는 접근이라고 생각했습니다.”
“그리고 굳이 AGI가 완성될 때까지 기다릴 필요도 없다고 봤어요.
그 전에 더 좁고 전문화된 AI들, 예를 들면 알파폴드 같은 것들로도 인류는 이미 큰 혜택을 받을 수 있으니까요.
암 치료, 신에너지, 신소재 같은 것 말입니다.”
“돌이켜보면, 제가 20~30년 전부터 상상해온 이상적인 전개는 그런 것이었습니다.”
“그런데 현실은 그렇게 가지 않았죠.
기술은 예측 불가능합니다.”
“특히 언어가 이렇게 빨리 풀릴 줄은 아무도 몰랐어요.
지금 보면 이상하게 들리겠지만, 언어와 개념, 추상화는 훨씬 더 나중의 문제라고 생각했거든요.
그런데 트랜스포머와 강화학습 몇 가지 조합만으로 생각보다 훨씬 빨리 가능해졌습니다.”
“그리고 오픈AI가 그걸 확장해서 세상에 내놨죠.
그들은 아마 그게 그렇게까지 폭발할 줄 몰랐을 겁니다.
솔직히 우리도 몰랐고요.”
“당시 우리도 비슷한 수준의 시스템을 갖고 있었어요.
하지만 개발하는 사람들은 늘 시스템의 결함과 한계를 먼저 보게 되거든요.
그래서 바깥 사람들이 그 정도 불완전성에도 불구하고 그렇게 유용하다고 느낄 줄 몰랐던 겁니다.”
“그 결과 지금은 아주 강한 상업적 경쟁 속에 들어와 있습니다.
그리고 그 위에 미중 경쟁 같은 지정학적 압박도 있죠.
속도를 내야 한다는 압박이 여러 층위에서 동시에 작동하고 있습니다.”
“좋은 점도 있습니다.
진보 속도가 정말 엄청나게 빨라졌어요.
좋은 용도로 쓰일 가능성도 그만큼 빨리 커졌죠.”
“또 하나 좋은 점은, 지금 이걸 보는 모든 사람들이 실제 최첨단 AI를 직접 써보고 있다는 겁니다.
실험실 버전보다 3개월, 6개월 정도만 뒤처진 기술을 이미 다들 만지고 있어요.
이건 사회가 다가올 거대한 변화를 조금씩 체감하고 적응할 시간을 준다는 점에서 의미가 있습니다.”
“그리고 시스템은 수백만 명이 실제로 써봐야 비로소 제대로 이해할 수 있어요.
아무리 내부 테스트를 잘해도, 수많은 사람이 다양한 방식으로 쓰면서 드러나는 문제와 가능성이 있습니다.”
“그래서 장점도 있고 단점도 있습니다.
예전 제가 꿈꾸던 식의, 철학적으로 깊이 숙고하면서 천천히 가는 세상은 아니에요.
하지만 저는 과학자이면서 동시에 현실적인 엔지니어이기도 합니다.
세상이 지금 이렇다면, 그 안에서 최선을 다해 좋은 방향으로 밀어가야죠.”
좋아요. 이어서 끝까지, 앞과 같은 방식으로 직접 말하는 형식으로 정리해드릴게요.
질문과 답변이 실제로 오가는 느낌을 살려서 이어가겠습니다.
“AI가 지금까지 푼 가장 어려운 문제”
데미스 하사비스 인터뷰 정리 (후반부)
알파고와 Move 37: 기계의 창의성이 보인 순간
진행자:“지금까지 이야기한 알파폴드 계열의 AI는 엄청난 양의 데이터를 바탕으로 새로운 예측을 해내는 시스템이라고 볼 수 있을 것 같아요.
그런데 저는 또 다른 종류의 이야기가 동시에 진행되고 있었다고 생각합니다.
AI가 예상 밖으로, 아주 창의적인 방식으로 사고하기 시작하는 이야기요.”
“그 이야기는 여기서 시작하죠.
2016년 3월 10일.
전설적인 바둑 기사가 당신이 만든 시스템과 마주 앉았습니다.”
“체스 같은 게임에서 컴퓨터가 인간을 이긴 건 이미 있었죠.
하지만 바둑은 다릅니다.
가능한 수가 우주의 원자 수보다 많다고 하잖아요.”
“그리고 대국 중에 시스템이 인간이라면 거의 두지 않았을 수를 둡니다.
바로 그 유명한 37수요.
이세돌 9단이 충격을 받은 표정으로 머리를 감싸 쥐고 앉아 있는 장면이 있죠.”
“저는 이 장면이 지금까지 이야기한 시스템들과는 조금 다른 종류의 AI를 보여준다고 생각해요.
어디에 막대한 데이터를 넣고 예측을 시키는 게 아니라,
규칙이 주어진 세계, 예를 들면 수학이나 물리나 게임 같은 데서
기계가 스스로 너무도 놀라운 해법을 만들어내는 장면이니까요.”
“그 순간 당신은 어디에 있었고, 그때 어떤 미래를 보셨나요?”
데미스 하사비스:
“정말 놀라운 순간이었죠.
그리고 벌써 거의 10년 전이라는 게 믿기지 않을 정도예요.
체감상으로는 거의 한 세기 전 같습니다.”
“저는 그 순간이 사실상 현대 AI 시대의 시작이었다고 생각합니다.”
“그전에도 게임에서 인간 챔피언을 이긴 시스템은 많았어요.
예를 들면 체스의 딥블루 같은 시스템이 있었죠.
하지만 그런 시스템은 소위 ‘전문가 시스템’이었습니다.”
“무슨 뜻이냐면, 뛰어난 프로그래머들과 뛰어난 체스 전문가들이 함께 앉아서
체스 고수들이 가진 지식을 규칙과 휴리스틱으로 정리하고,
그걸 컴퓨터 안에 넣는 방식이라는 겁니다.”
“그러면 컴퓨터는 엄청난 연산량으로 경우의 수를 탐색해서 그 규칙들을 실행하죠.
겉으로는 강해 보이지만, 사실 진짜 지능이 그 시스템 안에 들어 있는 건 아닙니다.
지능은 체스 마스터들과 프로그래머들의 머릿속에 있었던 거예요.
프로그램은 그걸 실행했을 뿐이죠.”
“저는 90년대에 그런 시스템들을 보면서 만족스럽지 않았어요.
그걸 ‘진짜 AI’라고 느끼지 못했습니다.”
“딥블루는 체스에서는 세계 최고 수준이지만, 그건 체스만 할 수 있죠.
언어도 못 하고, 로봇도 못 하고, 다른 일반적인 문제도 못 풉니다.
심지어 더 단순한 게임인 틱택토도 바로 하진 못할 수 있어요.”
“그건 이상하잖아요.
인간은 체스를 잘 두면 틱택토 같은 더 쉬운 게임은 금방 배울 수 있어야 하니까요.
그런데 기계는 오히려 더 쉬운 문제도 못 합니다.
그건 지능의 정의에 뭔가 이상한 점이 있다는 뜻이죠.”
“바둑은 그런 면에서 완전히 다른 시험장이었습니다.
인류가 만든 게임 중 가장 복잡한 게임이고, 또 가장 오래된 게임 중 하나예요.
그리고 굉장히 아름다운 게임입니다.”
“중국, 일본, 한국에서는 체스 대신 바둑이 지적인 최고봉의 자리를 차지하죠.
그런데 바둑은 체스보다 훨씬 더 직관적이고, 거의 예술적인 게임에 가깝습니다.”
“최고의 바둑 기사들은 수를 두는 이유를 물으면
‘그게 그냥 맞는 느낌이었다’고 말하기도 해요.
체스 선수라면 보통 계산을 설명하겠지만, 바둑은 그런 종류의 설명이 잘 안 됩니다.”
“그 직관, 그 느낌은 기계에 직접 프로그래밍하기 정말 어렵습니다.
그래서 바둑은 저희가 초기에 개척하던 딥 강화학습의 완벽한 시험장이었어요.
기계가 직접 경험하면서 배우도록 만들 수 있을까?
그걸 시험하기에 가장 좋은 무대였죠.”
“알파고는 처음엔 인터넷에 있는 인간들의 기보를 보면서
사람들이 어떤 수를 두는지 배웠습니다.
그다음 거기에 몬테카를로 트리 탐색을 결합해서,
인간이 이미 알고 있던 길 위에서 출발하되 그걸 넘어서는 새로운 가지를 발견하게 만들었죠.”
“그리고 우리가 기대했던 일이 실제로 일어났습니다.”
“그 대국은 전 세계 2억 명 정도가 지켜봤는데,
단순히 우리가 4대1로 이겼다는 사실만 중요한 게 아니었어요.
정말 중요한 건 어떻게 이겼는가였습니다.”
“2국에서 나온 그 유명한 37수는, 초반에 5선에 둔 수였죠.
그건 바둑에서 거의 금기처럼 여겨지는 수예요.
바둑 사범에게 그렇게 두면 손등을 맞을 수도 있을 정도로
‘좋지 않은 수’라고 알려져 있었죠.”
“그런데 그 수가 단지 놀라운 수였던 게 아니라,
결국 그 판을 이기게 만든 핵심 수였습니다.
한참 뒤, 100수, 200수 뒤에 정확히 그 자리가 결정적인 위치가 되었어요.”
“마치 시스템이 미리 내다본 것처럼, 거기에 돌을 놓았던 겁니다.”
“그래서 그건 단지 기계가 이겼다는 사건이 아니었어요.
그건 기계가 인간이 몰랐던 새로운 아이디어를 제안했다는 사건이었죠.”
“저에게 그건 정말 오래 기다려온 순간이었습니다.
6년 동안 이런 학습 시스템을 만들어 왔는데,
마침내 어떤 기존 시스템도 할 수 없던 일을 해낸 거예요.”
“게임 AI의 에베레스트 같은 문제를 풀었을 뿐 아니라,
그 과정에서 37수 같은 창의적인 발상을 보여줬으니까요.”
“그때 저는 느꼈습니다.
이제 이 기술을 과학 문제에 돌릴 준비가 됐다고요.
알파폴드 같은 문제로 갈 수 있겠다고요.”
알파제로: 인간 지식 없이도 처음부터 배울 수 있나
진행자:“그럼 Move 37을 이해하는 게 왜 중요한지 제가 다시 말해볼게요.”
“딥마인드가 그런 시스템을 만들 수 있다면,
결국 어떤 게임이든 할 수 있는 시스템도 만들 수 있을지 모른다는 뜻이겠죠.
그리고 더 나아가, 현실 세계의 문제들에서도
‘최선의 해법’을 찾아내는 시스템을 만들 수 있다는 뜻일 수도 있습니다.”
“예를 들면 양자컴퓨팅, 핵융합, 행렬곱셈, 칩 설계 같은 문제들요.”
“그렇다면 지금 최전선에는 어떤 것들이 있나요?
이런 분야에서의 ‘Move 37’ 같은 놀라운 순간들은 어떤 건가요?”
데미스 하사비스:
“그 질문에는 알파제로(AlphaZero)가 아주 좋은 예입니다.
알파고의 다음 단계였죠.”
“알파고로 바둑의 정점에 도달한 뒤 저희는 더 일반화된 시스템을 만들고 싶었습니다.
알파고는 인간 기보로 출발했고, 바둑판의 대칭성 같은 몇몇 바둑 특화 요소도 알고 있었거든요.”
“그런 요소들을 전부 없애고 싶었어요.
정말 아무것도 모르는 상태에서 시작하는 시스템을 만들고 싶었습니다.
그래서 나온 게 알파제로예요.”
“여기서 ‘제로’는 인간이 넣어준 지식이 0이라는 뜻입니다.
데이터도 인간이 준 게 없고, 규칙도 최소한만 주는 거죠.”
“알파제로는 처음에 정말 백지 상태에서 시작합니다.
물론 신경망 구조 자체는 있지만,
게임에 대한 도메인 지식은 아무것도 주지 않아요.”
“그리고 하는 일은 아주 단순합니다.
게임의 규칙만 준 다음, 스스로 자기 자신과 수십만 판을 둡니다.”
“처음엔 당연히 형편없죠. 거의 랜덤하게 둡니다.
하지만 그 과정에서 어떤 수가 더 자주 이기는지 데이터가 생깁니다.”
“그 데이터를 가지고 버전 2를 학습시킵니다.
그 버전 2는 버전 1보다 조금 더 잘 두겠죠.
그러면 버전 2가 다시 엄청난 수의 자가 대국을 하고,
그걸 바탕으로 버전 3을 만들고, 버전 4를 만들고… 이런 식입니다.”
“새 버전은 이전 버전보다 유의미하게 더 강해야만 다음 단계로 넘어갑니다.”
“그런 식으로 가면, 바둑이나 체스 같은 게임에서는 대략 16~17세대 정도면
랜덤 플레이에서 세계 챔피언 수준을 넘는 데 도달합니다.”
“저는 그 과정을 직접 지켜본 적도 있어요.
체스를 예로 들면, 아침엔 거의 랜덤하게 두고 있던 시스템이
점심쯤 되면 저와 비슷하게 둘 수 있을 정도가 되고,
저녁 티타임쯤엔 그랜드마스터보다 강해지고,
저녁 식사 시간쯤엔 세계 챔피언보다 더 강해집니다.”
“하루 안에 처음부터 끝까지, 지능의 진화를 보는 느낌이었죠.”
“더 흥미로운 건, 알파제로가 두는 체스가 기존 컴퓨터 체스 엔진과도 달랐다는 겁니다.
스톡피시 같은 강력한 엔진도 발견하지 못했던 새로운 스타일의 수들이 나왔어요.”
“그래서 알파제로는 알파고 아이디어의 완전한 일반화였다고 볼 수 있습니다.”
“그리고 저는 지금 이 아이디어가 다시 중요해질 거라고 생각합니다.
현재의 파운데이션 모델, 그러니까 제미나이 같은 모델들은
언어와 세계 전반을 아우르는 거대한 일반 모델이죠.”
“하지만 거기 위에 탐색하고, 생각하고, 추론하는 능력이 아직 충분히 결합되진 않았습니다.
이른바 ‘월드 모델’이라고 부를 수 있는 것들이죠.”
“알파고나 알파제로에서 썼던 방식들을,
이번에는 바둑이라는 좁은 영역이 아니라 세상 전체와 과학 문제에 적용해야 합니다.”
“신소재 설계, 칩 설계, 양자컴퓨팅, 이런 영역이 바로 그 대상입니다.”
행렬곱, 칩 설계, 신소재: 과학 속의 Move 37
진행자:“그럼 그 분야에서의 Move 37 같은 사례는 예를 들면 이런 건가요?
알파텐서가 행렬곱 알고리즘을 더 빠르게 찾는다든가요?”
데미스 하사비스:
“맞아요. 정확히 그런 겁니다.”
“알고리즘 공간 자체에서 더 나은 해법을 찾는 거죠.
그게 흥미로운 이유는, 알고리즘이 빨라지면 그 알고리즘을 사용하는 AI 자체도 더 빨라지기 때문입니다.
일종의 순환적인 개선이 일어나는 셈이죠.”
“알파텐서는 행렬곱을 더 빠르게 만드는 방법을 찾았는데,
행렬곱은 사실 모든 신경망의 기반이에요.
결국 거의 모든 게 행렬곱이죠.”
“훈련 비용에 수십억 달러가 들어가는 시대에
행렬곱을 5%만 더 효율적으로 해도 절감 효과는 엄청납니다.”
“또 다른 예로 칩 설계가 있습니다.
칩 위에서 회로를 어떻게 배치하고 연결할지를 최적화하는 문제는 매우 어려운 NP-난해 문제에 가깝죠.
일종의 외판원 문제 같은 겁니다.
모든 것을 가장 효율적으로 배선하려면 어떻게 해야 하느냐는 문제니까요.”
“알파칩 같은 시스템은 그런 문제에서 인간 칩 디자이너보다 더 나은 결과를 내기도 합니다.”
“저는 우리가 이제 겨우 표면만 긁고 있다고 생각해요.
앞으로 몇 년 안에,
현재의 더 일반적인 시스템들과 알파고/알파제로식 탐색 아이디어가 결합되면
엄청나게 많은 일이 가능해질 겁니다.”
정부와 군사, 그리고 AI의 위험
진행자:“알파폴드에서 시작한 이야기와 알파고에서 시작한 이야기,
이 두 줄기의 AI는 저를 굉장히 낙관적으로 만듭니다.”
“하지만 진짜 낙관적이라는 건,
위험을 외면하는 게 아니라 무엇이 잘못될 수 있는지도 끝까지 생각하는 거라고 생각합니다.”
“그래서 이 블록을 일부러 끼워 넣고 싶어요.
바로 실시간 전쟁 게임입니다.”
“그 시스템이 인간을 압도하는 영상을 보면,
만든 엔지니어들은 환호하죠.
그런데 시스템을 만든 사람이 아닌 입장에서 그걸 보면
저는 오히려 ‘이게 실제 전쟁이면 어떡하지?’라는 생각이 듭니다.”
“우리가 지금 말하고 있는 이 시점에도
군대와 정부가 AI를 사용하는 문제는 아주 큰 논쟁거리입니다.”
“저는 이 인터뷰가 10년 뒤에도 유효했으면 좋겠어요.
그래서 특정 기업이나 특정 정책 얘기를 하진 않겠습니다.
더 큰 그림이 중요하다고 생각해요.
결국 정부는 AI를 쓸 겁니다.”
“만약 당신이 마법 지팡이를 휘두를 수 있다면,
정부들이 AI를 어디에 쓰길 바라나요?”
데미스 하사비스:
“저는 정부가 AI를 사용해야 한다고 생각합니다.
그리고 민주적으로 선출된 정부들을 저희가 지원하는 것도 중요하다고 봅니다.”
“제가 정말 보고 싶은 건,
정부가 AI를 공공의 이익을 위해 쓰는 겁니다.”
“예를 들어 공중보건, 교육 같은 분야요.
이런 건 전부 다시 설계되어야 할 영역입니다.
AI가 효율성을 크게 높여주고, 시민들에게 훨씬 더 큰 혜택을 줄 수 있어요.”
“에너지 분야도 마찬가지입니다.
전력망 최적화 같은 데 AI를 쓰면 사회 전체의 이익이 큽니다.
저희는 데이터센터 냉각 최적화에 AI를 써서 에너지 사용량을 30% 절감한 적도 있어요.”
“저는 이런 식으로 대규모로 AI를 적용했을 때
사회 전체에 엄청난 이득이 생긴다고 생각합니다.
정부들이 그런 데 적극적으로 활용하길 바랍니다.”
“물론 현실의 지정학은 매우 복잡합니다.
그리고 AI는 전형적인 이중용도 기술입니다.
좋은 데도 쓸 수 있고, 나쁜 데도 쓸 수 있죠.”
“제가 크게 걱정하는 건 두 가지입니다.”
“첫 번째는 악의적인 행위자들입니다.
개인이든 국가든,
질병 치료나 재료과학, 에너지 문제 해결을 위해 만든 기술을
해로운 목적으로 전용할 수 있다는 거죠.
고의든 실수든 그건 매우 위험합니다.”
“두 번째는 AI 자체가 통제를 벗어나는 경우입니다.
오늘의 시스템 이야기라기보다는,
앞으로 2년, 3년, 4년 뒤쯤의 더 강력한 시스템들 이야기죠.”
“특히 지금 우리는 에이전트 시대에 들어가고 있습니다.
제가 말하는 에이전트란,
단순히 답변을 주는 게 아니라 하나의 과제를 스스로 끝까지 수행할 수 있는 시스템입니다.”
“그런 시스템은 엄청 유용할 겁니다.
훌륭한 조수가 될 수도 있겠죠.
하지만 동시에 점점 더 자율적이고, 점점 더 유능해진다는 뜻이기도 합니다.”
“그렇다면 중요한 질문은 이겁니다.
이런 시스템이 정말 우리가 시킨 대로만 행동하게 만들 수 있느냐?
우리가 설정한 목표를 정확히 따르게 만들 수 있느냐?
그 목표 자체도 충분히 명확하게 정의할 수 있느냐?
그리고 시스템이 그 가드레일을 우회하지 못하게 할 수 있느냐?”
“이건 엄청나게 어려운 기술적 문제입니다.
시스템이 더 강력하고 더 똑똑해질수록, 그 문제는 더 어려워집니다.”
“그래서 저는 사람들이 앞으로 가장 크게 맞닥뜨리게 될 위험은
이 두 가지라고 생각합니다.
악의적 사용, 그리고 시스템 자체의 통제 문제요.”
사람들이 너무 걱정하는 것 vs 덜 걱정하는 것
진행자:“제가 꼭 묻고 싶었던 질문이 그거였어요.
앞으로 30년 동안 우리는 계속 AI 관련 헤드라인을 보게 될 텐데,
무엇을 더 심각하게 봐야 하고,
무엇은 상대적으로 덜 걱정해도 되는지
그 기준을 알고 싶었습니다.”
데미스 하사비스:
“방금 말한 두 가지가 사람들이 충분히 걱정하지 않는 부분이라고 생각합니다.
일반 대중뿐 아니라 전문가들조차도요.”
“물론 딥페이크, 허위정보 같은 당장의 문제들도 중요합니다.
저희도 그런 문제를 다루고 있고요.
예를 들어 저희는 SynthID라는 시스템을 만들었습니다.
생성된 이미지에 디지털 워터마크를 넣는 기술이죠.”
“구글의 여러 생성형 AI 시스템에는 이런 기술이 들어갑니다.
그래서 어떤 콘텐츠가 AI로 만들어졌는지 탐지할 수 있게 하려는 겁니다.”
“저는 솔직히 이런 종류의 기술을
모든 생성형 AI 기업들이 기본적으로 넣어야 한다고 생각합니다.
적어도 무엇이 자사 기술로 만들어졌는지는 추적 가능해야 하니까요.”
“다만 저는 그것조차도 더 큰 문제에 비하면 상대적으로 작은 문제라고 봅니다.
정말 중요한 건, AGI 수준으로 가는 과정에서
시스템이 무엇을 할 수 있는지 우리가 얼마나 잘 이해하고 있는지,
그리고 얼마나 강한 안전장치를 만들고 있는지예요.”
“이 문제는 어느 한 회사가 혼자 풀 수 있는 게 아닙니다.
국제 협력도 필요하고,
최전선 연구소들끼리의 협력도 필요하고,
AI 안전 연구기관, 학계와의 협력도 필요합니다.”
“왜냐하면 이런 종류의 기술을 만드는 건 전례가 없는 일이기 때문입니다.”
AI의 한계는 어디인가
진행자:“이걸 끝까지 밀어붙이면 한계는 어디일까요?
인간은 할 수 있는데 AI는 못 하는 일, 그런 게 정말 있다고 생각하시나요?”
“당신은 이걸 ‘내 인생의 중심 질문’이라고까지 말해왔잖아요.”
데미스 하사비스:
“맞아요. 정말 제 인생의 핵심 질문입니다.”
“이건 앨런 튜링이 던진 문제와도 이어져 있어요.
튜링 기계라는 이론적 모델이 있죠.
현대의 컴퓨터는 기본적으로 다 그 변형이라고 볼 수 있습니다.”
“즉, 어떤 과정이 알고리즘으로 표현될 수 있다면
그건 계산 가능하다는 관점이죠.”
“제가 보기엔 우리가 만드는 시스템은 일종의 ‘근사적 튜링 기계’입니다.
그리고 많은 신경과학자들, 저를 포함해서,
인간의 뇌도 결국 일종의 근사적 튜링 기계일 수 있다고 생각합니다.”
“그렇다면 질문은 이거죠.
그 한계는 어디인가?”
“물론 다른 견해도 있습니다.
예를 들어 제 친구 로저 펜로즈는
뇌 안에 어떤 양자적 효과가 있을 수 있다고 보죠.
저희는 그런 주제로 늘 흥미로운 논쟁을 해왔습니다.”
“하지만 지금까지 신경과학은 뇌에서 그런 양자 효과를 발견하지 못했습니다.
물론 앞으로 나올 가능성을 완전히 배제할 수는 없어요.
하지만 아직은 발견되지 않았습니다.”
“그래서 현재로서는 뇌에서 일어나는 대부분의 일이
고전적 계산과 비슷한 것으로 보입니다.”
“그렇다면 결국 AI가 무엇까지 할 수 있고 무엇을 모방할 수 없는지는
실험적으로 확인해야 할 문제라고 생각합니다.”
“의식도 마찬가지입니다.
의식이 뭔지 엄밀하게 정의된 건 아니지만,
우리는 다 어느 정도 직관적으로 느끼고 있죠.”
“저는 우리가 지금 하고 있는 이 여정,
즉 지적인 인공물을 만들어가는 과정이
인간 정신과 비교할 수 있는 일종의 통제된 실험이 될 거라고 생각합니다.”
“그 과정을 통해
인간 정신과 AI 사이에 어떤 차이가 있는지,
무엇이 정말 인간만의 것인지 보게 되겠죠.”
“저는 그 가능성에 대해 굉장히 열린 태도를 가지고 있습니다.
분명 인간만의 고유한 무언가가 있을 수도 있어요.
특히 인간들 사이의 어떤 독특한 연결성 같은 것은
AI 시스템이 결코 재현하지 못할 수도 있습니다.”
“하지만 지금은 아직 AI가 못 하는 것처럼 보이는 능력들,
예를 들면 장기 계획, 깊은 추론, 일부 형태의 창의성은
결국 AI도 해낼 가능성이 크다고 봅니다.”
인간은 왜 특별하다고 느끼는가
진행자:“지금 제 머릿속에서 무슨 일이 벌어지고 있는지 솔직히 말해볼게요.”
“저는 역사 내내 인간이 해온 그 행동을 똑같이 하고 있어요.
‘우리가 특별한 이유’를 찾으려고 하고 있습니다.”
“우리가 우주의 중심이어야 한다고 믿었다가 아니란 걸 알았고,
우리가 감정적으로 특별하다고 생각했다가 동물들도 장례를 치른다는 걸 알게 됐고,
우리가 예술과 창의성의 존재라고 생각했다가 이제 Gemini 같은 시스템이 그런 것도 해내고 있죠.”
“계속 ‘그래도 우리는 특별해야 해’라는 이유를 찾고 있는 거예요.
당신도 그런 생각을 하나요?”
데미스 하사비스:
“저는 인간이 특별하다고 생각합니다.
그리고 우주가 어떻게 작동하는지에는 엄청난 신비가 있다고도 생각해요.”
“그건 인간 정신 안에도 있고, 물리 세계 안에도 있습니다.”
“사실 제가 아주 어릴 때부터 AI를 하기로 마음먹은 이유도 거기에 있어요.
저는 학교 다닐 때부터 큰 질문들에 집착했습니다.
원래 그런 질문에 관심 있으면 물리학을 하게 되잖아요.
저도 학교에서 가장 좋아한 과목이 물리학이었어요.”
“그런데 과학책과 위대한 과학자들의 전기를 읽다 보니
우리가 세상을 많이 알아냈다고는 해도
모르는 게 훨씬 더 많다는 걸 깨달았습니다.”
“예를 들어 우리는 시간(time)이 무엇인지도 제대로 모릅니다.
이건 저에게 정말 놀라운 일이에요.
우리는 시간 속에서 살고 있지만,
그게 본질적으로 무엇인지 만족스럽게 설명하지 못합니다.”
“양자역학과 중력도 완전히 이해하지 못했고,
의식도 마찬가지죠.”
“우리가 정말 중요하게 여기는 것들 대부분에 대해
사실은 잘 모르고 있습니다.”
“그런데 대부분의 사람들은 그런 문제를 계속 생각하기보다는
TV를 보거나 게임을 하거나 하면서 잊고 살죠.
저는 한 번도 그런 식으로 살지 못했습니다.
이런 근본적인 신비가 늘 머릿속에 있었어요.”
“그래서 제가 궁극적으로 하고 싶은 건
AI를 도구로 써서 현실의 본질을 이해하는 겁니다.
답이 무엇이든 상관없어요.
저는 진짜 과학자답게, 미리 원하는 답을 정해놓고 싶지 않습니다.
그냥 답을 알고 싶어요.”
AGI 이후의 미래: 과학소설 같은 플롯
진행자:“당신이 하려는 일은 결국 이거라고도 말할 수 있을 것 같아요.
어떤 한 가지를 잘하는 시스템이 아니라,
전반적으로 다 잘하는 AGI, 즉 범용 인공지능을 만들겠다는 거죠.”
“당신이 SF를 좋아한다는 것도 알고 있습니다. 저도 그렇고요.
그렇다면 한 번 이렇게 말해볼게요.
당신 머릿속에 있는 SF 영화의 줄거리를 들려주세요.”
“당신이 실제로 그 일을 해냈을 때,
세상은 어떤 모습일까요?”
데미스 하사비스:
“저는 이언 M. 뱅크스의 ‘컬처 시리즈’를 정말 좋아합니다.
거기에는 일종의 ‘포스트 AGI 세계’가 그려져 있어요.
물론 그 소설은 AGI라는 단어를 직접 쓰진 않았지만, 사실상 그런 세계입니다.”
“수천 년 후의 이야기지만,
그중 일부는 50년 안에도 현실이 될 수 있다고 생각합니다.”
“가장 바라는 시나리오는 이겁니다.
우리가 AGI 순간을 안전하게 통과합니다.
AGI를 만들었고, 그건 사회에 도움이 됩니다.
그리고 그걸 이용해 과학의 ‘루트 노드(root node)’ 문제들을 해결합니다.”
“알파폴드가 바로 그런 예죠.
지식의 나무에서 어떤 뿌리 문제를 풀면
그 아래 가지 전체가 열리는 문제 말입니다.”
“그런 문제는 더 있습니다.
핵융합도 있고,
혹은 대기압·상온에서 작동하는 초전도체도 있을 수 있겠죠.
그걸 더 나은 배터리와 결합할 수도 있고요.”
“저는 결국 에너지 문제는 해결될 거라고 봅니다.
핵융합이든, 더 나은 태양광이든,
어떤 방식으로든 거의 무료에 가까운 청정 재생 에너지가 가능해질 겁니다.”
“그렇게 되면 우주 진출의 비용 구조 자체가 바뀝니다.
지금도 스페이스X 같은 대단한 일이 벌어지고 있지만,
여전히 가장 큰 비용은 로켓 연료 같은 에너지 비용이에요.”
“그게 사실상 0에 가까워진다면,
예를 들어 해수에서 거의 무한정 연료를 뽑아낼 수 있다면,
그때부터는 우주가 정말 열리기 시작합니다.”
“그러면 소행성 채굴로 자원을 확보할 수도 있고,
태양 주위를 도는 다이슨 스피어 같은 것도
더 이상 순수한 공상이 아니게 됩니다.”
“그리고 그 과정에서 우리는 질병을 치료하고,
훨씬 더 오래, 더 건강하게 살 수 있게 될 겁니다.
별들 사이를 여행하고,
의식을 은하 전체로 확장하는 것도 가능할 수 있겠죠.”
“저는 그게 50년 안에도 일어날 수 있다고 생각합니다.”
마지막 질문: 어떻게 기억되고 싶은가
진행자:“당신이 그런 이야기를 하면 저는 믿게 됩니다.
정말로요.”
“그래서 마지막 질문입니다.”
“제가 제 장례식장 천장에 붙은 파리라고 상상해보면,
사람들이 ‘그녀는 남편과 가족과 친구들을 사랑했다’고 말한 뒤에,
‘그녀는 사람들이 더 낙관적인 미래를 볼 수 있도록 평생 애썼다’고 말해주길 바랄 것 같아요.”
“사람들이 어떤 미래를 볼 수 있어야 그 미래를 더 빨리, 더 좋게, 더 많은 사람을 위해 만들 수 있으니까요.”
“그렇다면 당신은 사람들이 당신을 어떻게 기억하길 바라나요?”
데미스 하사비스:
“제 삶이 인류에게 도움이 되고, 인류를 위해 봉사한 삶이었다고 말해준다면 가장 좋겠습니다.
저는 그걸 하려고 노력하고 있으니까요.
그게 아마 제가 바라는 최고의 말일 겁니다.”
인터뷰 후반: 젠가를 하며 이어진 추가 대화
인터뷰가 끝난 뒤에도 두 사람은 그대로 젠가를 계속한다.분위기는 훨씬 가벼워지지만, 오히려 여기서 하사비스의 생각이 더 자연스럽게 나온다.
“우리가 진짜 이렇게 많은 걸 했다고?”
데미스 하사비스:“와, 이 블록들 보니까 진짜 우리가 이렇게 많은 프로젝트를 했다는 게 믿기지 않네요.
정말 말도 안 되게 많네요.”
진행자:
“게임 방식은 이거예요.
블록을 하나 빼면서 그 프로젝트가 뭔지 맞혀야 해요.
틀리면 점수 없음.”
데미스 하사비스:
“그건 저한테 조금 유리한 게임 같긴 하네요.”
알파이볼브, 젠캐스트, 시뮬레이션
진행자:“이건 뭐죠?”
데미스 하사비스:
“알파이볼브요.
코딩에도 쓸 수 있습니다.
유전 알고리즘과 Gemini를 결합한 시스템이에요.
일종의 ‘알파고식 탐색’을 코딩 쪽으로 확장한 시도라고 볼 수 있죠.”
조금 뒤, 진행자가 “내가 뭘 안 물어봤는데 중요한 게 있을까요?”라고 하자 하사비스는 잠깐 생각한 뒤 이렇게 답한다.
데미스 하사비스:
“사실 정말 많은 걸 다뤘어요.
그래도 하나 꼽자면 시뮬레이션 이야기를 많이 못 했네요.”
“예를 들면 젠캐스트는 날씨 예측이죠.
그리고 시뮬레이션은 과학에서 정말 중요합니다.”
“실험을 직접 하기 어렵거나 너무 비싸거나,
혹은 통제된 실험이 불가능한 분야들이 있어요.
그럴 때 시뮬레이션은 엄청난 도구가 됩니다.”
“자연과학뿐 아니라 경제학 같은 사회과학도 마찬가지예요.
저는 시뮬레이션을 늘 정말 좋아했습니다.”
“이 미래를 믿는 사람이면, 무엇을 해야 하나?”
진행자:“이 인터뷰를 보고 나서,
당신이 말한 미래를 믿고, 그 미래의 일부가 되고 싶다고 생각하는 사람이 있을 것 같아요.
그런 사람들에게는 뭐라고 말해주고 싶나요?”
데미스 하사비스:
“제가 대학이나 학교에서 강연할 때 자주 하는 말이 있습니다.
일단 흐름을 거스르지 말고,
지금 나온 모든 도구에 완전히 몰입하라는 거예요.”
“그 도구들에 익숙해져서, 거의 초능력을 얻은 것처럼 써야 합니다.”
“왜냐하면 최전선 연구소 안에서도
다음 세대 모델을 만드는 데 워낙 많은 자원이 들어가다 보니
그 모델을 활용해서 할 수 있는 응용은 극히 일부밖에 시도하지 못하고 있거든요.”
“예를 들면 우리만 해도 제미나이, 비오(Veo), 다른 여러 모델을 만들지만
그걸 가지고 할 수 있는 응용 아이디어는 훨씬 더 많아요.”
“그리고 그 격차는 점점 벌어지고 있습니다.
모델의 능력은 점점 빠르게 커지는데,
그 위에서 만들어질 응용은 아직 훨씬 덜 탐색됐거든요.”
“그래서 저는 지금이 엄청난 기회의 시대라고 생각합니다.
이 도구들을 정말 잘 이해하고,
그걸 새로운 분야에 적용할 수 있는 사람이라면
아주 큰 일을 할 수 있어요.”
“요즘 아이들은, 정말로 이 도구들을 이용해서
누구도 생각하지 못한 방식으로 수십억 달러짜리 회사를 만들 수도 있다고 생각합니다.”
책상 위의 포스트잇에는 지금 뭐가 적혀 있나
젠가가 계속되다가, 진행자가 마지막으로 하나 더 묻는다.진행자:
“2016년에 당신 책상 위에는 ‘Solve protein folding :)’이라고 적힌 포스트잇이 붙어 있었죠.
그럼 지금 책상 위에는 뭐가 붙어 있나요?”
데미스 하사비스:
“세상에.
지금 제 책상 위에는 포스트잇이 아마 백 장쯤 쌓여 있을 거예요.”
“거기엔 아마 오늘 저녁까지 해야 할 일 30개 정도가 적혀 있을 겁니다.
그러니까 이제 슬슬 돌아가서 그걸 해야겠네요.”
이 인터뷰의 핵심만 한 줄씩 정리하면
데미스 하사비스의 메시지는 대체로 이렇게 읽힙니다.- “AI의 가장 중요한 용도는 인간 건강과 과학 발전이다.”
- “알파폴드는 단지 시작일 뿐이고, 진짜 목표는 신약 개발 전체를 바꾸는 것이다.”
- “알파고의 Move 37은 기계가 인간이 몰랐던 창의적 해법을 낼 수 있음을 보여준 사건이다.”
- “이제 그런 탐색형 AI를 과학, 소재, 칩, 에너지 문제에 확장해야 한다.”
- “가장 큰 위험은 악의적 사용과, 더 강력해진 AI를 제대로 통제하지 못하는 것이다.”
- “AI는 결국 인간이 무엇인지, 의식이 무엇인지, 현실이 무엇인지 묻는 도구가 될 수 있다.”
- “잘만 되면 50년 안에 질병, 에너지, 우주 진출까지 포함한 거대한 도약이 가능하다.”
- “지금 사람들에게 가장 중요한 건, 이 도구들을 적극적으로 익히고 활용하는 것이다.”
전체 0