인터뷰/예측
데미스 하사비스 "우리는 인공 일반 지능(AGI)을 향해 4분의 3을 걸어왔습니다"
작성자
하이룽룽
작성일
2026-05-01 14:06
조회
3
1. 진행자: 하사비스의 특이한 이력에는 공통점이 있나?
진행자:데미스, 당신은 체스 신동이었고, 게임 회사를 창업했고, 신경과학자였고, 딥마인드 창업자이자 지금은 아주 중요한 AI 회사를 이끌고 있습니다. 겉으로 보면 서로 관련 없어 보이는 조각들인데, 당신은 여기에 공통된 실이 있다고 말해왔죠. 설명해줄 수 있나요?
데미스 하사비스:
공통된 실이 있습니다. 물론 나중에 제가 그렇게 엮어낸 것일 수도 있고, 사후적으로 의미를 부여한 것일 수도 있습니다. 하지만 저는 아주 오래전부터 AI를 하고 싶었습니다. 15~16살쯤에 AI가 제가 할 수 있는 일 중 가장 중요하고, 가장 흥미로운 일이라고 생각했습니다.
그래서 저는 나중에 딥마인드 같은 회사를 만드는 데 도움이 될 것 같은 것들을 선택해서 공부하거나 경험했습니다. 게임으로 우회한 이유도 있습니다. 1990년대에는 가장 첨단 기술이 게임 분야에서 많이 나오고 있었습니다. AI뿐 아니라 그래픽, 하드웨어, 특히 오늘날 우리가 쓰는 GPU의 초기 형태도 그래픽 엔진을 위해 만들어졌습니다. 저는 1990년대 후반에 아주 초기 GPU들을 직접 사용하고 있었습니다.
제가 만든 게임들도 모두 AI를 핵심 게임플레이 요소로 사용했습니다. 예를 들어 제가 17살쯤 만들었던 가장 유명한 게임 중 하나가 Theme Park였습니다. 놀이공원을 시뮬레이션하는 게임이었고, 수천 명의 작은 사람들이 놀이공원에 들어와 놀이기구를 타고, 가게에서 무엇을 살지 결정했습니다. 그 아래에는 경제 AI 모델이 깔려 있었습니다. SimCity와 함께 그런 유형의 초기 게임 중 하나였습니다.
그 게임이 1,000만 장 이상 팔리고, 사람들이 AI와 상호작용하면서 즐거워하는 모습을 보면서 저는 제 커리어 전체를 AI에 바쳐야겠다고 생각하게 됐습니다.
그리고 신경과학은 뇌가 어떻게 작동하는지에서 영감을 얻기 위한 것이었습니다. 알고리즘적 아이디어도 얻을 수 있었습니다. 결국 게임, 신경과학, AI에 대한 오랜 관심을 모두 모아 딥마인드를 시작했습니다. 그리고 초기에 우리의 AI 아이디어를 검증하는 장으로 다시 게임을 사용했습니다.
2. 진행자: 첫 창업 Elixir Studios에서 무엇을 배웠나?
진행자:이 방에는 창업자들이 많습니다. 당신도 한 번이 아니라 두 번 창업했습니다. 첫 번째 창업인 Elixir Studios로 돌아가보죠. 그 경험은 어땠나요? 어떻게 이끌었고, 무엇을 배웠나요?
데미스 하사비스:
저는 대학을 졸업하자마자 Elixir Studios를 시작했습니다. 그 전에는 Bullfrog Productions에서 일할 수 있었는데, 게임을 아는 분들은 알겠지만, 당시 게임 산업 초기의 전설적인 스튜디오였습니다. 영국과 유럽에서는 아마 최고였을 겁니다.
저는 AI를 밀어붙이고 싶었습니다. 사실 그 시절에는 게임 개발을 통해 뒷문으로 AI 연구를 자금 조달하고 있었던 셈입니다. AI의 최전선을 밀고 나가면서 동시에 최첨단 창의성과 결합하고 싶었습니다. 이 점은 지금 우리가 블루스카이 연구를 하는 방식과도 여전히 관련이 있습니다.
가장 큰 교훈은 이것이었습니다. 시대보다 5년 앞서 있어야지, 50년 앞서 있으면 안 됩니다.
Elixir Studios에서 우리는 Republic이라는 게임을 만들려고 했습니다. 한 나라 전체를 시뮬레이션하는 게임이었습니다. 게임의 목표는 독재자가 지배하는 나라를 여러 방식으로 전복하는 것이었고, 우리는 살아 숨 쉬는 도시들을 시뮬레이션하려 했습니다. 그런데 이게 1990년대 후반, 펜티엄 PC에서 돌아가야 했습니다. 그래픽과 AI를 모두 넣어서 백만 명의 사람들을 가정용 PC에서 작동시켜야 했습니다.
조금 야심이 과했습니다. 너무 야심적이었고, 그래서 문제가 생겼습니다. 저는 그때 배웠습니다. 모두에게 명백해진 뒤에는 이미 늦습니다. 하지만 50년 앞서 있으면 성공시킬 방법이 없을 수도 있습니다.
3. 진행자: 2009년에 AGI를 믿게 만든 근거는 무엇이었나?
진행자:2009년에 당신은 AGI가 가능하다고 보고 딥마인드를 시작했습니다. 당시에는 거의 공상과학처럼 보였을 텐데요. 어떻게 초기 핵심 인재들을 설득했나요?
데미스 하사비스:
우리가 포착한 몇 가지 흥미로운 흐름이 있었습니다. 우리는 스스로 5년 정도 앞서 있다고 생각했지만, 실제로는 10년쯤 앞서 있었던 것 같습니다.
당시 제프 힌튼과 동료들이 딥러닝을 막 만들어냈지만, 거의 아무도 그것이 큰일이라고 깨닫지 못했습니다. 우리는 강화학습에 대해 많이 알고 있었고, 딥러닝과 강화학습을 결합하면 큰 진전이 가능하다고 봤습니다. 당시 두 분야는 거의 섞이지 않았습니다. 학계에서도 장난감 문제 수준을 제외하면 거의 결합되지 않았고, AI 안에서도 꽤 분리된 영역이었습니다.
또 우리는 컴퓨팅, 특히 GPU가 매우 유용해질 것이라고 봤습니다. 지금은 TPU를 쓰지만, 당시에는 가속 컴퓨팅 산업이 굉장히 도움이 될 것이라고 생각했습니다.
또 제 박사과정과 포닥 말기, 그리고 함께 모은 사람들 중 일부는 계산신경과학자들이었기 때문에, 뇌에서 얻은 아이디어와 원칙들이 충분히 있다고 느꼈습니다. 그중에는 강화학습이 언젠가 AGI까지 확장될 수 있다는 생각도 있었습니다.
그래서 우리는 재료들이 있다고 봤습니다. 마치 우리가 비밀의 수호자인 것처럼 느꼈습니다. 학계도 산업계도 큰 진전이 가능하다고 믿지 않았기 때문입니다. 학계 사람들 중에는 우리가 AGI나 당시 표현으로 strong AI를 연구하겠다고 하면 실제로 눈을 굴리는 사람들도 있었습니다. “그건 안 된다는 걸 이미 안다”는 식이었습니다.
1990년대에 모두가 시도했고 실패했다는 분위기였습니다. 저는 MIT에서 포닥을 했는데, MIT는 전문가 시스템과 논리 언어 시스템의 중심지였습니다. 지금 생각하면 놀랍지만, 당시 케임브리지나 MIT 같은 전통 AI 중심지에서는 여전히 그런 방식이 주류였습니다. 저는 이미 그 방식이 낡았다고 느끼고 있었습니다.
오히려 그것이 우리를 더 확신하게 했습니다. 우리가 실패하더라도, 적어도 과거 사람들이 AGI에 도달하지 못했던 방식과는 다른 방식으로 실패할 것이기 때문입니다. 실패하더라도 독창적으로 실패할 수 있다면 해볼 가치가 있다고 봤습니다.
4. 진행자: 딥마인드의 원래 미션과 AGI 타임라인
진행자:초기 믿음에서 가장 큰 장애물은 무엇이었나요? 스스로 또는 초기 동료들에게 증명해야 했던 것이 있었나요?
데미스 하사비스:
저는 무슨 일이 있었든 평생 AI를 했을 것입니다. 지금은 우리가 생각했던 낙관적 시나리오 중에서도 아주 놀라운 쪽으로 일이 전개됐습니다. 하지만 사실 2010년에 우리가 예측했던 범위 안에 여전히 있습니다.
우리는 이것을 20년짜리 미션이라고 생각했습니다. 그리고 제 생각에는 AI 분야 전체가 거의 정확히 그 궤도에 있습니다. 물론 우리도 그 과정에서 역할을 했습니다.
하지만 만약 그렇게 되지 않았고, 지금도 AI가 틈새 주제에 머물렀더라도 저는 여전히 이 일을 하고 있었을 겁니다. 저는 AI가 역사상 가장 중요한 기술이 될 수 있다고 생각했습니다. 딥마인드의 원래 미션은 이랬습니다.
1단계: 지능을 해결한다. 즉 AGI를 만든다.
2단계: 그것을 사용해 나머지 모든 문제를 해결한다.
저는 항상 AI가 발명될 수 있는 가장 중요한 기술이자, 가장 흥미로운 기술이라고 생각했습니다. 과학을 위한 도구로서도 그렇고, 그 자체로 흥미로운 인공물로서도 그렇고, 우리의 마음을 이해하는 최고의 방법 중 하나로서도 그렇습니다.
의식, 꿈, 창의성 같은 신경과학자로서의 질문들에 대해 저는 AI라는 분석 도구가 필요하다고 느꼈습니다. 또한 서로 다른 두 시스템을 비교하며 통제된 방식으로 연구할 수 있는 대상이 필요했습니다.
5. 진행자: AI for Science는 왜 딥마인드의 중심 미션이었나?
진행자:AI for Science에 대해 이야기해보죠. 당신은 아주 일찍부터 이것을 믿었고, 거의 순수주의자처럼 이 미션을 밀어붙였습니다. 딥마인드의 문화와 구조 중 무엇이 AI for Science의 최전선에 있게 만들었나요?
데미스 하사비스:
적어도 저 개인에게는 그것이 궁극적인 목표였습니다. 제가 AI를 만들고 싶었던 개인적인 열망은 과학과 의학, 그리고 세계에 대한 이해를 발전시키는 것이었습니다.
저는 그것을 메타적인 방식으로 하고 싶었습니다. 먼저 궁극의 도구를 만들고, 그 도구가 준비되면 다시 돌아와 과학에서 돌파구를 만드는 것입니다. AlphaFold 같은 것이 그 예이고, 앞으로 훨씬 더 많은 일이 가능하다고 봅니다.
딥마인드에는 거의 10년 전부터 AI for Science 그룹이 있었습니다. AlphaGo 대국을 위해 서울에 다녀온 직후, 거의 바로 시작했습니다. 그때가 지금으로부터 거의 정확히 10년 전입니다. 저는 알고리즘이 충분히 강력해지고, 아이디어가 충분히 일반화될 때를 기다리고 있었습니다.
저에게는 바둑을 푼 것이 바로 그 시점이었습니다. 그때 우리는 이제 이 아이디어들을 중요한 현실 문제, 특히 큰 과학적 도전에 적용할 준비가 됐다고 판단했습니다.
우리는 항상 AI의 가장 유익한 사용처가 이것이라고 생각했습니다. 질병을 치료하고, 더 건강한 수명을 가능하게 하고, 의학을 돕는 것보다 더 좋은 일이 무엇이겠습니까? 그다음으로는 재료과학, 환경, 에너지 같은 중요한 분야들이 있습니다. 앞으로 몇 년 동안 AI가 이런 분야에서도 엄청난 역할을 하게 될 것입니다.
6. 진행자: 생물학과 신약개발에서 AI는 언제 언어·코딩 같은 순간을 맞이하나?
진행자:AI가 생물학에서 어떻게 돌파구를 만들까요? 당신은 Isomorphic Labs에도 깊이 관여하고 있고, 처음부터 AI가 질병을 치료할 잠재력을 믿어왔습니다. 생물학에서는 언제 언어와 코딩에서 본 것 같은 순간이 올까요?
데미스 하사비스:
저는 이미 AlphaFold로 그런 순간이 있었다고 말하고 싶습니다. 단백질 접힘, 단백질의 3D 구조를 예측하는 것은 50년짜리 난제였습니다. 단백질 구조를 아는 것은 약을 설계하거나 생물학을 이해하는 데 매우 중요합니다.
물론 그것은 신약개발 과정의 한 부분일 뿐입니다. 중요한 부분이지만 전체는 아닙니다. Isomorphic Labs는 그 인접 기술들을 만들기 위해 세운 스핀아웃입니다. 더 많은 생화학과 화학 영역에서, 단백질의 적절한 부분에 맞고 결합하는 화합물을 자동으로 설계하는 기술을 만들고 있습니다.
이제 우리는 단백질의 모양을 알고, 표면에 무엇이 있는지 알고, 무엇을 타깃으로 해야 하는지 압니다. 하지만 이제는 거기에 강하게 결합하면서도, 다른 곳에는 이상적으로 결합하지 않는 화합물을 만들어야 합니다. 다른 곳에 결합하면 독성 부작용이 될 수 있기 때문입니다.
꿈은 탐색 작업의 거의 전부, 즉 시간과 노력의 99%를 in silico, 즉 컴퓨터 안에서 수행하고, wet lab 실험은 검증 단계로 남기는 것입니다.
우리가 그렇게 할 수 있다면, 그리고 저는 앞으로 몇 년 안에 가능하다고 봅니다. 신약개발 시간을 평균 10년에서 몇 달, 어쩌면 몇 주, 언젠가는 며칠까지 줄일 수 있을 것입니다. 그러면 모든 질병이 도달 가능한 범위에 들어올 수 있습니다.
개인맞춤형 의학도 가능해질 것입니다. 기본 약물을 바탕으로 개인별 변형을 만드는 방식입니다. 저는 의학 전체와 신약개발 영역이 앞으로 몇 년 안에 혁명적으로 바뀔 것이라고 생각합니다.
7. 진행자: AI가 새로운 과학을 만들 수 있나?
진행자:AI가 언젠가 새로운 과학을 만들 것이라고 보나요? 산업혁명과 열역학처럼, 교육 시스템에서 근본적으로 새롭게 가르쳐질 무언가가 생길까요?
데미스 하사비스:
그 방향으로 몇 가지 일이 일어날 것이라고 생각합니다.
첫째, AI 시스템 자체를 이해하고 분석하는 것이 하나의 과학이 될 것입니다. 일종의 공학 과학입니다. 우리가 만들고 있는 AI 시스템은 믿을 수 없을 만큼 흥미로운 인공물이고, 동시에 엄청나게 복잡합니다. 결국 인간의 마음과 뇌만큼 복잡해질 것입니다. 그러면 이 시스템들이 어떻게 작동하는지 오늘날보다 훨씬 깊게 이해하기 위해 연구해야 합니다.
Mechanistic interpretability도 그 일부이지만, 그보다 더 많은 분석 방법이 필요할 것입니다. 그래서 AI 시스템을 연구하는 하나의 과학 분야가 생길 것입니다.
둘째, AI 자체가 새로운 과학을 열 수도 있습니다. 제가 특히 흥미롭게 보는 것은 시뮬레이션을 위한 AI입니다. 저는 시뮬레이션을 좋아합니다. 제가 만든 게임들은 AI뿐 아니라 모두 시뮬레이션이기도 했습니다.
시뮬레이션은 경제학 같은 사회과학이나 더 인간적인 주제들을 다루는 방법이 될 수 있습니다. 오늘날 그런 분야들이 물리학처럼 과학이 되기 어려운 이유는, 그것들이 창발적 시스템이기 때문입니다. 생물학도 마찬가지입니다. 반복적인 통제 실험을 하기 어렵습니다.
예를 들어 금리를 0.5% 올리면 현실 세계에서 실제로 해보고 무슨 일이 일어나는지 봐야 합니다. 이론은 세울 수 있지만, 수천 번 반복해서 실험할 수는 없습니다.
하지만 매우 정확하게 시뮬레이션할 수 있다면, 아주 정확한 시뮬레이터에서 엄밀하게 샘플링하며 새로운 과학을 할 수 있습니다. 그러면 오늘날 매우 불확실한 영역들에서도 훨씬 더 나은 결정을 내릴 수 있습니다.
8. 진행자: 정확한 시뮬레이션과 world model에는 무엇이 필요한가?
진행자:그런 극도로 정확한 시뮬레이션에 도달하려면 무엇이 필요할까요? 월드 모델, 어떤 과학과 공학이 필요할까요?
데미스 하사비스:
저는 그 문제를 많이 생각하고 있습니다. 우리는 그런 작업을 많이 하고 있습니다. 기본적으로 학습하는 시뮬레이터입니다.
우리가 수학을 충분히 알지 못하거나, 너무 복잡해서 직접 특수한 시뮬레이터를 쓸 수 없는 영역들이 있습니다. 그런 경우 기존 방식은 충분히 정확하지 않고, 모든 변수를 포착하지 못합니다.
우리는 날씨에서 그런 일을 했습니다. WeatherNext 같은, 세계에서 가장 정확한 종류의 날씨 시뮬레이터를 가지고 있습니다. 그리고 기상학자들이 사용하는 것보다 훨씬 빠릅니다.
진행자:
날씨를 아직 조종할 수는 없나요?
데미스 하사비스:
아니요. 조종할 수는 없습니다. 그리고 그것이 좋은 생각인지도 확신하지 못합니다. 첫 단계는 더 잘 이해하는 것입니다.
생물학에서도 우리는 제가 가상 세포라고 부르는 것에 가까운 것을 연구하고 있습니다. 세포는 엄청나게 동역학적이고 창발적인 시스템입니다. 저는 생물학을 설명하는 언어로서 머신러닝이 완벽하다고 생각합니다. 물리학에 수학이 완벽한 설명 언어인 것과 비슷합니다.
생물학과 많은 자연 시스템에는 약한 신호, 약한 상관관계, 엄청난 양의 데이터가 있습니다. 인간의 마음이 분석하기에는 너무 많습니다. 하지만 그 데이터 안에는 연결, 상관관계, 흥미로운 인과성이 있습니다.
그래서 저는 오래전부터 머신러닝이 이런 시스템을 설명하는 완벽한 도구라고 느꼈습니다. 오늘날까지 수학은 그런 일을 충분히 해내지 못했습니다. 너무 복잡해서 최고의 수학자들도 감당하기 어렵거나, 수학의 표현력이 그런 고도로 창발적인 동역학 시스템을 이해하기에 충분하지 않았기 때문입니다.
진행자:
그건 시스템이 지저분하고 확률적이기 때문이기도 한가요?
데미스 하사비스:
물론입니다. 그리고 일단 이런 시뮬레이터를 학습하면, 어쩌면 거기서 방정식을 추출할 수도 있습니다. 암묵적인 시뮬레이터, 직관적인 시뮬레이터가 있고, 그것에서 명시적인 방정식을 뽑아낼 수 있을지도 모릅니다. 왜냐하면 그 시뮬레이터에서 원하는 만큼 샘플링할 수 있기 때문입니다.
진행자:
맥스웰 방정식 같은 근본적인 방정식이요?
데미스 하사비스:
그런 창발 시스템에 그런 것이 존재하는지는 모르겠습니다. 하지만 존재한다면, 이런 방법으로 찾지 못할 이유도 없다고 봅니다.
9. 진행자: 우주의 기본 단위가 정보라는 생각
진행자:당신은 우주의 모든 것의 기본 빌딩블록이 정보일 수 있다는 이론을 말해왔습니다. 더 이론적인 이야기인데요. 그것을 어떻게 생각하나요? 그리고 전통적인 고전 튜링 컴퓨터에는 어떤 의미가 있나요?
데미스 하사비스:
아인슈타인의 E=mc²처럼 에너지와 물질이 등가라는 유명한 생각들이 있습니다. 저는 정보도 비슷한 등가성을 갖는다고 생각합니다.
물질의 조직, 구조, 특히 엔트로피에 저항하는 생물학 같은 것은 근본적으로 정보처리 시스템이라고 볼 수 있습니다. 저는 에너지, 물질, 정보라는 세 가지 양을 서로 변환할 수 있다고 생각합니다.
하지만 제 느낌으로는 정보가 가장 근본적입니다. 1920년대 고전 물리학자들이 에너지와 물질을 우선적인 것으로 본 것과는 약간 반대 방향입니다. 저는 세계와 우주를 이해하는 더 나은 방식은 정보를 먼저 생각하는 것이라고 봅니다.
그게 사실이라면, 그리고 저는 그에 대한 증거가 꽤 있다고 생각합니다. 그러면 AI는 우리가 이미 생각하는 것보다도 더 심오한 의미를 가질 수 있습니다. AI도 정보를 조직하고, 이해하고, 정보적 객체를 구성하는 일에 관한 것이기 때문입니다.
제 생각에 AI는 본질적으로 정보처리에 관한 것입니다. 정보처리를 세계를 이해하는 기본 렌즈로 본다면, AI와 이런 영역들은 매우 깊이 연결되어 있습니다.
10. 진행자: 고전 튜링 기계가 모든 것을 계산할 수 있나?
진행자:고전적 튜링 기계가 모든 것을 계산할 수 있다고 보나요?
데미스 하사비스:
저는 가끔 우리가 하는 일을 튜링의 챔피언이라고 부르곤 합니다. 앨런 튜링은 제가 가장 좋아하는 과학 영웅 중 한 명입니다. 그는 컴퓨터과학뿐 아니라 AI의 기초도 놓았습니다.
튜링 기계 결과는 역사상 가장 심오한 결과 중 하나라고 생각합니다. 계산 가능한 모든 것은 비교적 단순하게 기술된 기계로 계산할 수 있다는 것입니다.
저는 우리의 뇌도 아마 근사적인 튜링 기계일 가능성이 높다고 봅니다. 튜링 기계와 양자컴퓨터, 양자 시스템 사이의 연결을 생각하는 것도 흥미롭습니다.
하지만 AlphaGo, 특히 AlphaFold가 보여준 것은 고전적 튜링 기계, 현대 신경망의 형태를 한 고전 시스템이 단백질 접힘처럼 한때 양자 시스템으로 봐야 한다고 여겨졌던 것을 모델링할 수 있다는 점입니다.
단백질 접힘은 아주 작은 입자들을 다루고, 물 결합 등 양자 효과를 고려해야 할 것처럼 보일 수 있습니다. 하지만 적절히 생각하면 고전 시스템에서도 근사적으로 최적에 가까운 해를 얻을 수 있었습니다.
그래서 우리가 양자 시스템이 필요하다고 생각하는 많은 것들도, 올바르게 접근하면 고전 시스템에서 모델링 가능할 수 있습니다.
11. 진행자: AI는 언제 도구를 넘어서는가?
진행자:당신은 AI를 망원경이나 현미경처럼 도구라고 말해왔습니다. 그런데 거의 모든 것을 모델링할 수 있는 기계라면, 언제부터 도구가 아니게 될까요? 그런 순간이 올까요?
데미스 하사비스:
저의 강한 느낌은 AGI를 만드는 여정에서 먼저 도구를 만들어야 한다는 것입니다. 믿을 수 없을 만큼 지능적이고, 유용하고, 정밀한 도구를 먼저 만들어야 합니다.
그 자체만으로도 이미 충분히 심오합니다. 물론 그 도구는 점점 더 자율적이고 에이전트처럼 될 수 있습니다. 우리는 지금 에이전트 시대 한가운데 있습니다.
하지만 그다음 단계가 있습니다. 그것이 진짜 agency를 갖는가? 의식이 있는가? 이런 질문들입니다. 이 질문들도 언젠가 다뤄야 합니다.
다만 저는 그것을 두 번째 단계로 하자고 권하고 싶습니다. 첫 번째 단계에서 만든 도구를 사용해 그다음의 심오한 질문들을 푸는 데 도움을 받을 수 있습니다. 이상적으로는 우리의 뇌와 마음도 더 잘 이해하고, 의식 같은 것을 지금보다 훨씬 더 정확히 정의할 수 있게 될 것입니다.
12. 진행자: 의식의 정의에 대해
진행자:의식의 정의가 어떤 모습일지 추정하고 있나요?
데미스 하사비스:
수천 년 철학이 이미 말한 것 이상으로 제가 크게 덧붙일 것은 없습니다.
하지만 어떤 구성요소들은 분명히 필요할 것입니다. 아마 필요조건이지만 충분조건은 아닐 것입니다. 예를 들면 자기인식, 자기와 타자의 구분, 시간에 걸친 연속성 같은 것들입니다. 이런 것들은 의식처럼 보이는 것에 분명히 필요합니다.
하지만 완전한 정의가 무엇인지는 열린 질문입니다. 저는 위대한 철학자들과도 많이 이야기했습니다. 대니얼 데넷과도 몇 년 전 긴 대화를 나눈 적이 있습니다. 그는 안타깝게도 최근 세상을 떠났습니다.
문제 중 하나는 시스템이 어떻게 행동하느냐입니다. 의식 있는 시스템처럼 행동하는가? AI 시스템들이 AGI에 가까워지면 그런 행동을 할 수 있게 될지도 모릅니다.
하지만 여전히 질문이 남습니다. 우리는 왜 서로를 의식 있는 존재라고 생각할까요? 하나는 우리가 의식 있는 존재처럼 행동하기 때문입니다. 다른 하나는 우리가 같은 substrate, 즉 같은 생물학적 기반 위에서 작동하기 때문입니다. 그래서 당신도 나와 같은 경험을 하고 있다고 보는 것이 가장 간결한 설명입니다.
하지만 인공 시스템과는 그런 substrate의 동등성이 결코 없을 것입니다. 그래서 그 간극을 완전히 닫기는 어려울 것이라고 생각합니다. 행동적으로 볼 수는 있지만, 경험적으로는 어떠한가라는 문제가 남습니다. AGI 이후에는 그것을 다룰 방법이 있을 수도 있지만, 오늘의 AI for Science 논의 범위를 조금 벗어납니다.
13. 진행자: 칸트와 스피노자를 좋아하는 이유
진행자:당신은 칸트와 스피노자를 좋아하는 철학자로 언급해왔습니다. 칸트는 의무론적이고, 스피노자는 거의 결정론적 우주관을 가진 철학자입니다. 이 두 생각을 어떻게 연결하나요?
데미스 하사비스:
제가 그 둘을 좋아하는 이유는 각각 다릅니다.
칸트의 경우, 제가 신경과학 박사과정을 할 때 그의 “마음이 현실을 만든다”는 식의 생각이 기본적으로 맞다고 느꼈습니다. 그래서 마음을 연구해야 합니다. 뇌가 어떻게 작동하는지 연구해야 합니다. 저는 궁극적으로 현실의 본성에 관심이 있습니다. 그렇다면 마음이 그것을 어떻게 해석하는지 이해해야 합니다. 그것이 제가 칸트에게서 얻은 것입니다.
스피노자는 조금 더 영적인 차원입니다. 만약 우주를 이해하려고 한다면, 저의 경우 도구는 과학입니다. 과학을 통해 우주가 어떻게 작동하는지에 대한 깊은 신비를 이해하는 것입니다.
제가 과학을 하고, AI를 만들고, 이런 도구들을 구축할 때 느끼는 것은, 어떤 의미에서 우리가 우주의 언어를 읽고 있다는 감각입니다.
14. 진행자: AGI의 해는 언제인가?
진행자:빠른 질문을 해보겠습니다. AGI의 해를 말한다면요? 아니면 질문의 전제를 거부해도 됩니다.
데미스 하사비스:
아니요. 2030년입니다. 저는 꽤 일관되게 그렇게 말해왔습니다.
15. 진행자: AGI를 달성했을 때 읽어야 할 책은?
진행자:AGI를 달성했을 때 반드시 읽어야 할 책, 시, 논문이 있다면요?
데미스 하사비스:
제가 가장 좋아하는 책은 데이비드 도이치의 The Fabric of Reality입니다. 그 답은 여전히 유효합니다. 저는 AGI로 그 책에 있는 질문들에 답하고 싶습니다. 그것이 제 포스트-AGI 작업입니다.
16. 진행자: 딥마인드에서 가장 자랑스러운 순간은?
진행자:딥마인드에서 지금까지 가장 자랑스러운 순간은 무엇인가요?
데미스 하사비스:
운 좋게도 많은 순간이 있었습니다. 아마도 AlphaFold일 것입니다.
17. 진행자: 전략 게임에서 역사상 한 명의 과학자를 팀원으로 고른다면?
진행자:만약 당신이 고위험 턴제 전략 게임을 하고 있다면, 예를 들어 Civilization이나 Polytopia 같은 게임에서, 역사상 한 명의 과학자를 팀원으로 고를 수 있다면 누구를 고르겠습니까? 아인슈타인, 튜링, 뉴턴 같은 인물들 중에서요.
데미스 하사비스:
제 팀원이요? 음, 아마 폰 노이만을 고를 것 같습니다.
그는 게임이론가이기도 했고, 제 생각에는 최고였습니다. 전략 게임의 팀원으로는 아주 좋을 것 같습니다.
핵심 요약
데미스 하사비스는 이 인터뷰에서 자신의 인생 경로를 “AGI를 만들기 위한 장기 준비 과정”으로 설명합니다. 게임 개발은 AI 실험장이었고, 신경과학은 뇌에서 알고리즘적 영감을 얻기 위한 길이었습니다. 딥마인드는 처음부터 “지능을 해결하고, 그것으로 나머지 모든 문제를 해결한다”는 미션을 가졌다고 말합니다.그는 2010년 무렵부터 AGI를 약 20년짜리 미션으로 봤고, 현재 AI 분야가 그 궤도에 거의 맞게 가고 있다고 봅니다. AGI 도달 시점으로는 다시 2030년을 언급했습니다.
또한 AI의 가장 중요한 용도는 과학과 의학이라고 강조합니다. AlphaFold는 이미 생물학에서 언어·코딩 분야의 “모멘트”에 해당하는 돌파구였고, 앞으로 AI가 신약개발을 10년에서 몇 달, 몇 주, 언젠가는 며칠까지 줄일 수 있다고 전망합니다.
그는 AI가 새로운 과학도 만들 수 있다고 봅니다. 특히 AI 기반 시뮬레이션을 통해 경제학, 생물학, 사회과학처럼 복잡하고 창발적인 시스템을 더 엄밀하게 연구할 수 있다고 말합니다.
마지막으로 그는 AI를 먼저 “강력한 도구”로 만들어야 한다고 주장합니다. 의식이나 진짜 agency 같은 문제는 그다음 단계의 질문이며, AGI 도구를 사용해 인간의 마음과 의식을 더 잘 이해할 수 있을 것이라고 봅니다.
전체 0