인터뷰/예측
세르게이 브린 "트랜스포머가 AGI에 충분할 수도 있다"
작성자
작성일
2026-06-07 23:52
조회
3
세르게이 브린: “지금 AI는 정말 코를 박고 일해야 하는 시기입니다”
진행자:“AGI House에 오신 걸 환영합니다. 오늘은 정말 특별한 손님을 모셨습니다. 사실 소개가 많이 필요 없는 분이죠. 구글 공동창업자 세르게이 브린입니다.”
세르게이 브린:
“고맙습니다. 여기 다시 오게 되어 기쁩니다. 사실 한동안 못 왔습니다. 솔직히 말하면 거의 사무실에서 일만 하고 있었습니다. 지금 AI 분야는 정말 ‘코를 박고’ 일해야 하는 시기입니다. 모든 것이 너무 빠르게 움직이고 있고, 저희도 계속 밀어붙이고 있습니다. 사교 방문 같은 걸 할 시간이 거의 없습니다.”
구글과 제미나이의 반등에 대해
진행자:“제가 마지막으로 여기 온 게 거의 2년 전, 2024년 초였습니다. 그때와 비교하면 구글 제미나이도 많이 달라졌고, 세계도 많이 바뀌었습니다. 많은 사람들이 구글의 반등을 세르게이의 복귀와 연결해서 봅니다. 그 경험은 어땠나요?”
세르게이 브린:
“제 개인적인 존재가 제미나이의 모멘텀에 얼마나 기여했는지는 조금 과장된 면이 있다고 생각합니다. 하지만 분명히 말하자면, 그곳에는 훌륭한 팀이 있습니다. 어느 정도 임계 질량과 추진력이 생기자 정말 놀라운 일이 벌어졌습니다.
누가 지능의 가장자리를 밀어붙이는 일을 하고 싶지 않겠습니까? 지금은 역사적으로도, 과학적으로도 정말 독특한 시기입니다.”
1. AI for Science: “특화 모델들이 점점 일반 모델로 수렴하고 있습니다”
질문자:“구글은 항상 AI for Science에 큰 야망을 가지고 있었습니다. 핵융합 제어, 알파폴드 같은 프로젝트도 있었죠. 다음 큰 움직임은 무엇인가요?”
세르게이 브린:
“저희는 역사적으로 여러 일을 해왔습니다. 핵융합 반응로 관리부터 단백질 접힘 문제를 다룬 알파폴드까지요.
그런데 지금 흥미로운 점은, 이 모든 것이 점점 같은 일반 모델로 수렴하고 있다는 것입니다. 예전에는 각 분야마다 특화 모델이 필요했습니다. 단백질 접힘 같은 경우는 여전히 특화 모델이 필요하지만, 점점 더 메인 제미나이 LLM들이 수학이나 다른 과학적 질문에서도 최첨단 성능을 내고 있습니다.
이 수렴은 제가 처음부터 예상했던 것은 아닙니다. 하지만 실제로 보니 정말 놀랍습니다.
그 안에는 ‘전이’라는 개념이 들어 있습니다. 어떤 종류의 문제, 예를 들어 코딩을 학습시키면 그것이 수학적 추론에도 도움을 줄 수 있습니다. 반대로 수학 추론이 코딩에도 도움이 될 수 있고요. 이게 정말 흥미롭습니다.
멀티모달 능력도 같은 예입니다. 이미지를 처리하는 능력이 기하학적 텍스트 문제를 푸는 능력으로 전이될 수 있느냐는 문제죠. 그런 일이 실제로 일어나고 있습니다.”
2. AGI 이후에는 무엇이 오는가?
질문자:“구글은 지난 20~30년 동안 정보와 사람을 연결하는 인프라를 만들어왔습니다. 이제 제미나이는 엣지에서 지능을 만들고 있습니다. 지능 문제가 해결된 이후, AGI 사회에서 다음 큰 베팅은 무엇이라고 보시나요?”
세르게이 브린:
“정말 좋은 질문입니다. AGI에 도달한 이후 다음이 무엇이냐는 거죠.
지금은 모두가 AI 성장 자체를 가속하는 데 집중하고 있습니다. 그다음이 무엇일지는… 글쎄요.
우리는 웹과 인터넷 검색에서 시작했습니다. 그다음 모바일 세대가 있었고, 그것도 엄청난 폭발이었습니다. 지금은 AI가 새로운 거대한 산업 흐름입니다.
그다음에 무엇이 올까요? 만약 당신이 그 답을 안다면, 아마 엄청난 회사를 만들 수 있을 겁니다.”
3. 초지능과 P vs NP: “초지능은 NP-완전 문제를 푸는 능력이 아닙니다”
질문자:“초지능을 어떻게 정의하시나요? 이론 컴퓨터과학자로서 P vs NP 같은 문제를 어떻게 보십니까? 초지능이란 NP-완전 문제를 빠르게 푸는 알고리즘을 갖는 것이라고 볼 수 있지 않을까요?”
세르게이 브린:
“그건 상당히 특이한 관점입니다.
대부분의 컴퓨터과학자들은 P가 NP와 같지 않다고 생각할 것입니다. 그렇다면 외판원 문제 같은 NP-완전 문제를 항상 최적으로 빠르게 푸는 알고리즘은 존재하지 않는다는 뜻입니다.
그게 불가능하다면, 아무리 똑똑한 AI라도 불가능한 것은 불가능합니다. 양자컴퓨터를 이런 어려운 문제에 적용하려는 시도는 있지만, 큰 수를 소인수분해할 수 있다고 해서 NP-완전 문제까지 해결할 수 있다는 뜻은 아닙니다.
그래서 저는 초지능을 NP-완전 문제를 푸는 능력으로 정의하지 않습니다. 보통 커뮤니티에서는 초지능을 인간보다 더 똑똑한 능력으로 이해하지, NP-완전 문제를 알고리즘적으로 해결하는 능력으로 보지는 않을 것입니다.”
4. 전통 산업과 AI: “자동차와 비행기를 LLM으로 설계할 수 있을지 실험 중입니다”
질문자:“자동차, 항공우주 같은 중공업 분야는 아직 레거시 워크플로우와 시스템이 많습니다. 현재의 프런티어 AI 능력이 이런 산업에 어떻게 퍼질 것이라고 보시나요?”
세르게이 브린:
“대기업들이 AI의 최전선으로 나아가려는 움직임은 점점 더 많이 보입니다. 물론 그들의 핵심 인력이 전부 그렇게 움직이는 것은 아닙니다. 하지만 한쪽에서는 이런 실험을 하고 있습니다.
예를 들어 ‘LLM으로 자동차나 비행기를 설계할 수 있을까?’ 같은 실험입니다.
아직 그런 시도가 완전히 결실을 맺었다고 보기는 어렵습니다. 하지만 그들은 계속 시도할 것입니다.
또 많은 기업들은 일상적인 행정 업무나 지루한 워크플로우를 자동화하고 있습니다. 그것은 매우 흔합니다. 하지만 핵심 제품, 특히 기계공학이 필요한 영역은 아직 실험 단계라고 봅니다. 그래도 분명히 실험은 하고 있습니다.”
5. 인간과 모델 사이의 대역폭: “모델에게 어느 수준으로 지시해야 할지 우리도 계속 헷갈립니다”
질문자:“모델의 지능, 처리량, 대역폭은 빠르게 증가하고 있습니다. 그런데 인간은 따라가기 어렵습니다. 인간과 모델 사이의 대역폭을 어떻게 늘릴 수 있을까요?”
세르게이 브린:
“정말 훌륭한 질문입니다.
저도 모델에게 어떻게 프롬프트를 줘야 할지 항상 헷갈립니다. 어느 수준에서 지시해야 하는지 말이죠.
한쪽에서는 아주 구체적으로 ‘이 코드 조각을 디버그해줘’라고 할 수 있습니다. 다른 한쪽에서는 ‘더 나은 신경망 학습 알고리즘을 작성해줘’라고 할 수도 있습니다. 더 높은 수준으로는 ‘오늘 내가 뭘 해야 할까?’ 또는 ‘그냥 뭔가 유용한 일을 해봐’라고 말할 수도 있습니다.
모델이 점점 더 정교해질수록, 더 일반적이고 넓은 과제를 처리할 수 있어야 합니다. 하지만 실제로 모델이 무엇까지 할 수 있는지 따라잡기 어렵습니다.
심지어 제미나이를 만드는 우리도 모델의 경계가 정확히 어디인지 모릅니다. 누군가는 모델에게 아주 단순하게 어떤 일을 요청했는데, 그것이 실제로 작동하는 경우가 있습니다.
체인 오브 소트가 그런 예입니다. 몇 년 전에는 그냥 ‘단계별로 생각해봐’라고 말하고 문제를 주는 방식이었습니다. 겉으로 보면 정말 바보 같은 방법처럼 보입니다. 왜 그게 작동하겠습니까? 그런데 실제로 작동했습니다. 그리고 AI 능력 향상에 상당한 영향을 줬습니다.
그래서 텍스트 인터페이스만 놓고 봐도, 모델에게 무엇을 기대하고 어떻게 요청해야 하는지가 빠르게 진화하고 있습니다. 따라가기 어렵습니다. 마법 같은 해결책은 없습니다.
물론 프롬프트를 연구하고 최적화하는 사람들도 많습니다.
인간이 더 빠르게 인터페이스하는 방법으로는 음성, 비디오 같은 더 높은 대역폭의 연결이 있습니다. 뉴럴링크 같은 회사들은 직접적인 뇌 연결도 시도하고 있죠.
하지만 오늘날의 모델을 위해 제 생물학을 바꾸는 일은 저는 하지 않을 겁니다. 훨씬 더 성숙할 때까지 기다릴 것 같습니다.
다만 지금 모델들은 점점 더 똑똑해지고 있어서, 반드시 인간이 더 높은 대역폭으로 말해야만 하는 것은 아닐 수도 있습니다. 모델이 영상, 이미지, 여러 결과물을 생성하면서 출력 쪽의 대역폭을 높일 수 있기 때문입니다.”
6. 지식 그래프와 엔티티 그래프: “당신은 상류를 거슬러 헤엄치고 있습니다”
질문자:“저희는 리눅스 재단과 함께 오픈소스 엔티티 그래프를 만들고 있습니다. 세계의 정보를 URL이나 문서 단위가 아니라 회사, 사람, 장소, 금융상품, 주소 같은 엔티티 단위로 연결하고 싶습니다. 과거 구글이 URL을 연결하고 랭킹했던 것처럼, 저는 세계의 정보를 엔티티 수준에서 연결하고 싶습니다. 어떻게 보시나요?”
세르게이 브린:
“조금 Xanadu가 떠오르네요. 제가 너무 오래된 사람처럼 보이나요?
제 즉각적인 반응은, 당신이 상류를 거슬러 헤엄치고 있다는 것입니다. 물론 상류를 거슬러 헤엄치는 것이 나쁜 것은 아닙니다.
20년 전에 이런 대화를 했다면 모두가 지식 그래프를 만들고 있었습니다. 반면 신경망을 붙잡고 있던 사람들은 이상한 사람 취급을 받았습니다. ‘그건 1950년대에 해봤고 실패했잖아’라는 식이었죠.
그런데 신경망은 엄청나게 발전했습니다. 이제는 모두가 신경망을 하고 있고, 그래프를 하는 사람은 거의 없습니다. 당신을 제외하면요.
그러니까 긴 확률에 베팅하는 셈입니다. 하지만 그런 긴 확률이 가끔은 맞습니다. 행운을 빕니다.”
7. 초지능 이후 인간의 역할: “컴퓨터가 잘한다고 인간이 그 일을 그만두지는 않았습니다”
질문자:“초지능 이후에 인간만이 할 수 있는 일은 무엇이라고 보십니까? 그리고 앞으로 20년 동안 구글의 역할은 무엇일까요?”
세르게이 브린:
“작은 질문들이네요. 인간의 역할은 무엇인가, 구글은 앞으로 20년 동안 무엇을 할 것인가.
지능의 정의는 언제나 기계가 할 수 있는 것과 사람이 할 수 있는 것에 따라 바뀌어왔습니다.
오랫동안 체스는 지능의 척도였습니다. 그러다가 딥블루가 카스파로프를 이겼습니다. 흥미로운 점은, 사람들이 체스를 계속 두고 있다는 것입니다.
여기서 세계 1위 인간 체스 선수가 누구인지 아는 사람은 많을 겁니다. 아마 마그누스 칼센일 것입니다. 그런데 1위 AI 체스 프로그램이 무엇인지는 훨씬 적은 사람이 압니다.
제 요점은 컴퓨터가 어떤 일을 잘하게 되었다고 해서 인간이 그 일을 멈춘 것은 아니라는 것입니다. 오히려 인간은 더 좋아지고, 더 많은 인정을 받고, 그 일을 계속 즐깁니다.
예전에는 체스가 지능이라고 했고, 그다음에는 바둑이 지능이라고 했고, 그다음에는 시나 그림 같은 것이 지능이라고 했습니다.
저는 AI가 앞으로 정말 놀라운 많은 일을 할 수 있게 될 것이라고 생각합니다. 하지만 동시에 AI는 사람들이 그런 일을 더 잘하도록 도울 것입니다.
알파고 이후 바둑도 많이 발전했습니다. 이세돌과 대국한 기사들, 커제 같은 선수들도 알파고와의 대국 이후 훨씬 더 좋아졌습니다. 알파고가 바둑의 최첨단을 밀어올린 것입니다.
그래서 저는 사람들이 AI의 도움을 받으면서도 여전히 많은 일을 즐기고 수행할 수 있을 것이라고 봅니다.”
8. 트랜스포머만으로 AGI가 가능한가?
질문자:“트랜스포머는 AGI에 충분하다고 보시나요?”
세르게이 브린:
“좋은 질문입니다. 저도 노엄에게 여러 번 물어봤습니다.
트랜스포머는 이상할 정도로 유연했습니다. 원래 텍스트를 위한 구조였지만, 우리는 이미지와 비디오에도 사용하고 있습니다. 원래 능력을 넘어섰습니다.
물론 그 과정에서 트랜스포머도 바뀌었습니다. 스파스 트랜스포머 같은 여러 변형이 있습니다. 그러니까 원래 논문의 트랜스포머와 완전히 같은 것은 아닙니다.
제가 추측해야 한다면, 트랜스포머에 가까운 무언가가 AGI가 될 수 있느냐는 질문에 저는 ‘그렇다’고 답할 것 같습니다.
그 이유는 트랜스포머가 지금까지 너무 많이 진화할 수 있었기 때문입니다. 하지만 다시 말하지만, 그것은 원래 트랜스포머 논문에 나온 정확히 같은 구조는 아닙니다.”
9. 1~3년 안에 AGI가 오면 구글은 어떻게 바뀌는가?
질문자:“20년은 너무 긴 시간일 수 있습니다. 많은 사람들이 1~2년 안에 AGI가 올 수 있다고 믿습니다. 사회 전체에 큰 영향을 미치기 전에, 먼저 구글 같은 빅테크 조직에 큰 영향을 줄 것 같습니다. 3년 뒤 구글은 어떤 모습일까요?”
세르게이 브린:
“목표 지점을 좀 가까이 가져오셨네요.
오늘날 제미나이 내부에서는 솔직히 꽤 내부 지향적으로 일하고 있습니다. 우리는 도구를 개발하는 데 그 도구 자체의 유용성을 집중적으로 봅니다.
제가 아는 한 친구는 6개월 전부터 Open Claude를 쓰기 시작했는데, 자기 삶의 여러 부분을 정말 인상적인 방식으로 자동화했습니다.
조직 내부에서도 같은 일이 일어납니다. AI가 어떤 일을 할 수 있는가? 예를 들어 학습 실행을 모니터링할 수 있는가? 자기 자신의 학습 데이터를 생성할 수 있는가? 이런 것들입니다.
도구를 사용해서 도구를 만드는 단계로 가고 있습니다. 저희 에너지의 상당 부분이 그쪽으로 이동했습니다. 요즘 우리가 대부분의 시간을 쓰는 곳이 바로 그 지점입니다.”
10. 구글 내부에서 세르게이 브린의 역할: “저는 약간 소란을 일으키는 사람입니다”
질문자:“구글에 돌아온 뒤 많은 중요한 프로젝트를 이끌고 있다고 들었습니다. 데미스 허사비스나 제미나이 팀의 다른 리더들과 역할을 어떻게 나누고 있나요?”
세르게이 브린:
“좋은 질문입니다.
솔직히 말하면 저는 약간 ‘소란을 일으키는 사람’입니다. 데미스, 그리고 제미나이의 코리와 함께 일합니다. 저는 제미나이에 많은 에너지를 쓰고 있기 때문에 코리와 많은 시간을 보냅니다.
하지만 실제로 결과물을 전달해야 하는 책임은 코리의 일입니다. 저는 팀에게 계속 찌르고 묻는 역할을 합니다. ‘정말 그걸 하고 있나? 정말 제대로 하고 있나?’라고요.
가끔은 조금 방해가 되기도 합니다. 솔직히 인정합니다.
코리는 실제로 그룹을 조직하고 결과물을 내게 합니다. 저는 제 역할을, 그들이 놓치고 있을 수 있는 우선순위나 충분히 주목하지 않는 아이디어를 상기시키는 것이라고 봅니다.”
11. 월드 모델과 AGI: “물리 세계와 상호작용하려면 월드 모델은 핵심입니다”
질문자:“월드 모델이 AGI에 도달하는 데 어떤 도움을 줄 수 있다고 보시나요?”
세르게이 브린:
“월드 모델은 기본적으로 비디오 모델 같은 것이라고 볼 수 있습니다.
사람들은 AGI를 꽤 넓게 이야기합니다. 저는 AGI를 AI가 자기 자신을 실제로 개선할 수 있는 능력으로 생각하는 편입니다. 하지만 다른 사람들은, 아마 그들이 더 맞을 수도 있는데, AGI를 ‘사람이 할 수 있는 모든 일을 할 수 있는 AI’라고 봅니다. 이 둘은 서로 다른 정의입니다.
만약 사람처럼 모든 일을 할 수 있어야 한다면, 물리 세계를 이해하고 상호작용할 수 있어야 합니다. 그러려면 무언가를 했을 때 세계에서 무슨 일이 일어날지 꿈꾸고, 상상하고, 이해하는 능력이 중요합니다.
그래서 로보틱스까지 포함해서 실제 세계와 상호작용하려면 월드 모델은 핵심입니다.
여러분이 아마 저보다 제미나이 옴니 모델을 더 많이 가지고 놀아봤을 수도 있습니다. 저는 자기개선 쪽에 깊이 들어가 있기 때문입니다. 하지만 우리는 그 분야를 오랫동안 연구해왔고, 옴니가 그 최신 버전입니다.
옴니가 멋진 점은, 그것도 결국 같은 제미나이라는 것입니다. 텍스트와 다른 데이터와 함께 같은 방식으로 학습됩니다. 이런 것들이 하나로 수렴한다는 사실은 정말 놀랍습니다.
하지만 그렇습니다. 물리적으로 상호작용할 수 있는 능력을 위해서는 그런 기능이 필요합니다.”
12. 구글의 자신감, 코딩 에이전트, 경쟁 모델에 대해
진행자:“최근 코딩 에이전트나 자기개선 그룹을 보면 다른 프런티어 랩들이 조금 앞서 있는 것처럼 보일 수도 있습니다. 그래도 예전처럼 구글이 다시 따라잡고 반복할 수 있다는 같은 자신감이 있나요?”
세르게이 브린:
“좋은 질문입니다. 제가 자신감이 있느냐는 거죠.
전체적으로는 매우 좋게 느끼고 있습니다.
물론 매달 온도계를 재듯 상황을 보고, ‘아, 이런 모델이 나왔으니 끝났다’고 생각하면 자신감을 빨리 잃을 수도 있습니다. 하지만 우리는 상황이 계속 바뀌는 것을 봐왔습니다.
저는 제미나이가 있는 위치에 대해 매우 좋게 느낍니다.
지금 모두가 코딩에 집중하고 있다는 것을 알고 있습니다. 저희가 코딩에 깊게 집중하는 데 약간 늦었던 것은 사실이라고 생각합니다.
제미나이 3.0과 3.1 출시는 6개월쯤 전 전체적으로 매우 강했습니다. 하지만 다른 연구소들이 특히 코딩에서 확실히 진전을 보인 것도 알고 있습니다.
요즘 사람들은 지난 몇 달 동안 Opus에 굉장히 흥분해 있었습니다. 하지만 지금 깊은 코딩에서는 GPT-5.5가 우위에 있다고 봅니다.
그래도 제미나이 3.5 플래시는 훨씬 빠르다고 말씀드리고 싶습니다. 어느 시점에서는 속도도 중요합니다.
경쟁자들에게도 찬사를 보내고 싶습니다. 밤새 돌려놓는 장기 작업이라면 GPT-5.5가 믿을 수 없을 만큼 잘하는 것 같습니다.
하지만 상호작용적이고 빠른 반복 작업에서는 저희가 막 배포한 3.5 플래시가 강점이 있습니다. 앞으로도 더 훌륭한 모델들을 보게 될 것입니다.
돌이켜보면 코드에 조금 더 일찍 집중했어야 했다고 생각합니다. 하지만 지금은 분명히 코드에 매우 집중하고 있습니다.”
핵심 요약
세르게이 브린의 전체 메시지는 꽤 분명합니다.그는 지금의 AI 발전을 역사적으로도 과학적으로도 매우 특이한 순간으로 보고 있습니다. 구글 내부에서는 단순히 모델을 만드는 것이 아니라, AI를 사용해 AI를 개선하는 단계, 즉 자기개선과 도구-생성-도구의 순환으로 에너지가 이동하고 있다고 말합니다.
또한 그는 AGI를 단순히 “인간처럼 모든 일을 하는 AI”로만 보지 않고, 개인적으로는 AI가 자기 자신을 개선할 수 있는 능력을 AGI의 중요한 기준으로 보는 듯합니다. 다만 물리 세계와 상호작용하는 AGI를 위해서는 월드 모델과 로보틱스 능력이 필수라고 봅니다.
기술적으로는 트랜스포머 계열 아키텍처가 AGI에 도달할 가능성이 있다고 보지만, 그것은 원래 논문의 순수한 트랜스포머가 아니라 계속 변형되고 진화한 형태일 것이라고 말합니다.
경쟁 구도에 대해서는 꽤 솔직합니다. 구글이 코딩 집중에서 다소 늦었다고 인정하면서도, 제미나이의 위치에 자신감을 보입니다. 특히 장기 코딩 작업에서는 경쟁 모델을 인정하고, 빠른 상호작용과 반복에서는 제미나이 플래시의 장점을 강조합니다.
전체 0