최신논문
AGI에서 ASI로
작성자
작성일
2026-06-12 19:12
조회
7
https://arxiv.org/abs/2606.12683
이 논문 《From AGI to ASI》(Google DeepMind, 2026) 의 핵심 메시지는 한 문장으로 요약하면:
라고 생각하지만
딥마인드는 오히려
고 본다.
왜냐하면 AI는 인간과 달리 몇 가지 압도적인 장점이 있기 때문이다.
하지만 AGI는
AI는
AI는
AI는
즉
라고 본다.
딥마인드는
고 본다.
딥러닝 자체가 CNN 시대를 끝낸 것처럼
새로운 돌파구가 나올 수 있다는 것이다.
과정:
이다.
딥마인드는
수백만 개가 협업하면
ASI가 될 수 있다고 본다.
예:
대표 장애물은 6개다.
그래서
근본적으로 부족할 가능성.
혁신이 느려질 수 있다.
딥마인드 연구자 Alex Lerchner 아이디어다.
주장:
예를 들어
하지만
뉴턴 이전 데이터만 주면
AI가 스스로 뉴턴 역학을 발견할 수 있을까?
그건 아직 불확실하다는 것이다.
↓
규제 강화
↓
발전 속도 둔화
가능성.
AGI에서 ASI로 가는 길은 하나가 아니라 4개가 동시에 작동할 수 있다고 말한다.
예를 들면
그러면 속도는 단순 합이 아니라 곱셈이 된다.
딥마인드는
고 본다.
그리고
고 결론짓는다.
즉 이 논문은 본질적으로:
라는 딥마인드 연구진의 현재 관점을 정리한 보고서라고 보면 된다.
이 논문 《From AGI to ASI》(Google DeepMind, 2026) 의 핵심 메시지는 한 문장으로 요약하면:
"AGI(인간 수준 AI)가 만들어진다고 해서 AI 발전이 거기서 멈출 가능성은 낮다. 오히려 AGI 이후 ASI(초지능)까지 가는 여러 경로가 존재하며, 생각보다 빠를 수도 있다."
1. AGI와 ASI를 어떻게 정의하나?
논문은 다음처럼 정의한다.AGI
- 평균적인 인간 정도의 일반지능
- 대부분의 인지 과제를 수행 가능
- 현재 AI보다 훨씬 범용적
ASI
- 인간 개인이 아니라
- 수천~수만 명의 전문가 집단보다 뛰어난 지능
- 노벨상급 연구자 집단
- 대기업 전체 연구조직
- 거대한 연구소
2. 딥마인드가 생각하는 가장 중요한 질문
많은 사람들이:"AGI가 나오면 끝 아닌가?"
라고 생각하지만
딥마인드는 오히려
"AGI 이후가 더 중요하다"
고 본다.
왜냐하면 AI는 인간과 달리 몇 가지 압도적인 장점이 있기 때문이다.
3. AI가 인간보다 유리한 점
① 복제 가능
인간 천재 1명을 복제할 수는 없다.하지만 AGI는
- 100개
- 1만개
- 100만개
② 속도 증가 가능
인간 뇌는 속도가 거의 고정이다.AI는
- 10배
- 100배
- 1000배
③ 기억력
인간은 수천 권 책을 기억 못한다.AI는
- 인터넷 전체
- 수백만 논문
④ 경험 공유
인간은 경험을 말로 전달한다.AI는
- 파라미터
- 학습 결과
즉
인간 사회보다 훨씬 빠른 문화 진화가 가능하다.
라고 본다.
4. AGI → ASI 로 가는 4가지 경로
논문의 핵심이다.경로 1 : 계속 스케일링
지금까지의 방식더 큰 모델
더 많은 데이터
더 많은 컴퓨팅
딥마인드는
AGI 이후에도 스케일링만으로 상당한 발전이 가능할 수 있다
고 본다.
경로 2 : 새로운 패러다임
예를 들면- Transformer 이후 구조
- 새로운 학습법
- 새로운 메모리 구조
딥러닝 자체가 CNN 시대를 끝낸 것처럼
새로운 돌파구가 나올 수 있다는 것이다.
경로 3 : 재귀적 자기개선(RSI)
이게 가장 유명하다.과정:
AI가 AI 연구를 도움
↓
더 좋은 AI 생성
↓
그 AI가 AI 연구
↓
더 좋은 AI 생성
↓
반복
AI가 AI를 개선하는 루프
이다.
경로 4 : AI 집단지성
이 부분이 흥미롭다.딥마인드는
개별 AGI가 인간 수준에 머물더라도
수백만 개가 협업하면
ASI가 될 수 있다고 본다.
예:
AGI 연구원 100만 명
AGI 엔지니어 100만 명
AGI 의사 100만 명
5. 딥마인드가 제시한 가장 큰 장애물
AGI→ASI가 자동으로 되는 건 아니라고 말한다.대표 장애물은 6개다.
① 데이터 고갈
인터넷 데이터는 유한하다.그래서
- 시뮬레이션
- 합성 데이터
- 자가 생성 데이터
② 컴퓨팅 자원
더 강한 AI는- 전력
- GPU
- 데이터센터
③ 현재 딥러닝의 한계
Transformer 기반 패러다임이근본적으로 부족할 가능성.
④ 연구가 점점 어려워짐
"낮은 열매(low-hanging fruit)"를 다 따면혁신이 느려질 수 있다.
⑤ 추상화 장벽 (Abstraction Barrier)
이 논문에서 가장 흥미로운 부분.딥마인드 연구자 Alex Lerchner 아이디어다.
주장:
현재 AI는 인간이 만든 개념을 배우고 있을 뿐이다.
예를 들어
- 힘(force)
- 전자기
- 미적분
하지만
뉴턴 이전 데이터만 주면
AI가 스스로 뉴턴 역학을 발견할 수 있을까?
그건 아직 불확실하다는 것이다.
⑥ 규제와 사회적 반발
사고 발생↓
규제 강화
↓
발전 속도 둔화
가능성.
6. 논문이 가장 강조하는 부분
딥마인드는AGI에서 ASI로 가는 길은 하나가 아니라 4개가 동시에 작동할 수 있다고 말한다.
예를 들면
스케일링
+
RSI
+
AI 집단지성
+
새 패러다임
그러면 속도는 단순 합이 아니라 곱셈이 된다.
7. 결론
논문의 최종 결론은 꽤 강하다.딥마인드는
"AGI가 달성된다면 AI 발전이 정확히 인간 수준에서 멈출 가능성은 낮다."
고 본다.
그리고
"향후 10~20년 안에 AGI를 지나 ASI 영역으로 진입할 가능성을 쉽게 무시할 수 없다."
고 결론짓는다.
즉 이 논문은 본질적으로:
"AGI는 종착점이 아니라 중간 정거장일 가능성이 높다."
라는 딥마인드 연구진의 현재 관점을 정리한 보고서라고 보면 된다.
재밌는 글이네