인터뷰/예측
데미스 하사비스 Semafor Tech 인터뷰
작성자
작성일
2026-06-25 19:07
조회
4
데미스 하사비스 인터뷰 상세 정리
1. AGI로 가는 길: 텍스트 모델만으로 충분한가, 멀티모달이 필요한가?
인터뷰어:요즘 모두가 AI 때문에 긴장하고 있다. 워싱턴 DC에서는 AI 모델을 금지하려는 움직임도 있고, 특히 텍스트 기반 모델이 소프트웨어를 만들거나 컴퓨터 취약점을 찾아내는 능력에 대한 우려가 크다.
AGI로 가는 길이 이런 텍스트 기반 모델, 예를 들어 스스로 개선될 수도 있는 모델들을 통해 열린다고 보는가? 아니면 Gemini에서 하는 것처럼 여전히 멀티모달 접근이 필요하다고 보는가?
데미스 하사비스:
그 질문 안에 풀어야 할 내용이 많다. 먼저 사이버 문제부터 말하자면, 나는 오래전부터 AGI에 가까워질수록 더 체계적인 접근이 필요하다고 말해왔다. 지금 우리는 거의 AGI 문턱에 와 있다고 본다. 내가 예전에 “우리는 특이점의 산기슭에 있다”고 말한 것도 그런 의미다.
AI에는 엄청난 기회가 있다. 질병을 해결하고, 새로운 에너지원을 찾고, 과학 문제를 푸는 것들이 바로 내가 평생 AI를 해온 이유다. 하지만 동시에 위험도 있다. 사이버 위험은 그중 하나일 뿐이고, 사실 인류에게는 일종의 경고탄이라고 생각한다. 앞으로 몇 년 안에 생물학, 핵, 다른 종류의 더 심각한 위험들이 나타날 수 있다.
그래서 최신 프런티어 AI 시스템을 체계적으로 테스트하고, 안전장치가 충분한지 확인할 수 있는 표준 기관 같은 것이 필요하다고 본다. 이상적으로는 국제적인 성격을 가진 기관이면 좋다.
기술적으로 AGI에 도달하는 방식에 대해서는, 우리는 늘 가장 넓고 깊은 연구 포트폴리오를 가져왔다. 지난 10년 동안 현대 AI 산업의 기반이 된 큰 돌파구 중 상당수, 아마 90% 이상이 Google Brain이나 DeepMind에서 나왔다고 본다. Transformer도 그렇고, AlphaGo와 강화학습의 초기 개척도 그렇다.
그래서 우리의 전략은 하나에만 베팅하는 것이 아니라 여러 방향을 동시에 밀어붙이는 것이다. 스케일링 연구도 하고, Gemini 같은 멀티모달 기반 모델도 하고, 코딩 능력도 강화하고 있다. 동시에 이미지·비디오·음악 같은 생성 미디어 모델도 중요하게 본다. 이런 모델들이 세계와 주변 맥락을 이해하는 데 필요하기 때문이다.
결국 완전한 AGI 시스템이 되려면 물리 세계를 이해할 수 있어야 한다. 특히 로보틱스나 스마트 안경 기반 AI 비서 같은 응용을 생각하면, 현실 세계에 대한 이해는 필수다.
2. DeepMind와 Google은 여전히 AGI 경쟁에서 인재 우위를 갖고 있는가?
인터뷰어:DeepMind를 처음 시작했을 때는 AI 프런티어에서 매우 앞서 있었다. Google에 합류했을 때는 DeepMind와 Google이 AI 인재 대부분을 한 지붕 아래 가진 것처럼 보였다.
하지만 이제는 적어도 세 개 이상의 주요 경쟁자가 프런티어에 있고, 모두 최고의 인재를 확보하려고 한다. 지금 DeepMind는 AGI 경쟁에서 이길 만큼 충분한 인재를 갖고 있다고 보는가?
데미스 하사비스:
주요 연구소들 사이에서 인재 이동이 많은 것은 사실이다. 우리도 최상위 인재 확보 경쟁에서 충분히 이기고 있다. 다만 내가 강조하고 싶은 점은, 우리는 여전히 다른 어떤 연구소보다도 훨씬 크고 넓은 연구진을 갖고 있다는 것이다.
우리는 지금도 파운데이션 모델뿐 아니라, 나중에 파운데이션 모델에 통합될 수 있는 다른 모델들, 예를 들어 생성 미디어 모델 같은 영역에서도 프런티어 연구를 계속 내놓고 있다.
물론 지금 AI 인재 시장은 엄청나게 치열하다. 아마 기술 산업 역사상 가장 치열한 경쟁일 것이다. 하지만 돌이켜보면 이것은 어느 정도 불가피했다. 2010년에 DeepMind를 시작했을 때만 해도 업계에서는 AI를 진지하게 하는 사람이 거의 없었다. 학계에서도 AI를 하는 것은 커리어 자살처럼 여겨졌다. “90년대에 해봤는데 안 됐다, 막다른 길이다”라는 분위기가 강했다.
하지만 우리는 소수의 팀으로, 올바른 아이디어와 학습 시스템, 강화학습, 신경망에 베팅하면 빠른 진전이 가능하다고 믿었다. 결국 그 판단이 맞았다. 그리고 최근 몇 년 사이 전 세계가 AI의 잠재력을 깨달았다. 이제는 모든 중요한 기업이 AI에 뛰어들 수밖에 없는 상황이 되었다.
3. 생성형 미디어 도구는 1년 전과 무엇이 달라졌는가?
인터뷰어:우리는 지금 칸 광고 컨퍼런스에 와 있다. 여기에는 창의적인 일을 하는 사람들이 많고, 아마 이들 중 상당수가 당신들의 비디오 생성 도구를 광고나 창작 작업에 쓰고 있을 것이다.
지금의 도구들은 1년 전에는 할 수 없었던 무엇을 할 수 있게 되었나?
데미스 하사비스:
이 도구들과 그 기반 모델들은 매달 엄청나게 개선되고 있다. 1년 전과 비교해 가장 큰 변화는, 생성 결과물을 더 세밀하게 조정하고 편집할 수 있게 되었다는 점이다.
창작 과정에서는 첫 아이디어나 첫 콘셉트를 만든 뒤, 그중 마음에 드는 부분도 있고 마음에 들지 않는 부분도 있다. 예전에는 일부만 바꾸고 싶어도 전체를 다시 생성해야 했다. 하지만 이제는 자연어로 디자이너에게 말하듯이 “이 부분은 그대로 두고, 저 부분만 바꿔줘”라고 지시할 수 있다. 그리고 그런 과정을 수십 번, 수백 번 반복하면서 최종적으로 원하는 수준까지 다듬을 수 있다.
이런 세밀한 제어 능력이 지난 1년 사이 큰 변화였고, 동시에 전반적인 품질도 계속 향상되고 있다.
4. AI로 만든 콘텐츠는 공개해야 하는가? 딥페이크와 워터마킹 문제
인터뷰어:광고 업계 안에서도 논란이 있다. 어떤 작품이 AI를 사용했는지, 100% 인간이 만든 것인지, 공개해야 하는지에 대한 논쟁이다.
이런 논쟁은 우리가 AI에 아직 적응하지 못해서 생긴 일시적 현상인가? 아니면 앞으로도 계속될 문제인가?
데미스 하사비스:
두 가지 문제를 나눠봐야 한다.
먼저 misinformation, 즉 허위정보와 딥페이크 문제는 반드시 다뤄야 한다. 우리는 몇 년 전 생성 모델을 만들기 시작할 때부터 이 문제를 의식했다. 언젠가 이 시스템들이 사진처럼 사실적인 이미지를 만들 수 있게 될 것이라고 예상했기 때문이다.
그래서 우리는 SynthID라는 디지털 워터마킹 시스템을 만들었다. 이 워터마크는 이미지나 영상 안에 눈에 보이지 않게 삽입되지만, 나중에 해당 콘텐츠가 AI로 생성되었는지 탐지할 수 있게 해준다. 일반 시민, 기자, 정부가 AI 생성 여부를 확인할 수 있어야 한다고 봤다.
Google의 이미지, 음악, 비디오 생성 모델에는 SynthID가 들어가 있고, 우리는 이것을 오픈소스로 공개해 업계가 사용할 수 있도록 했다. OpenAI, Nvidia 등 여러 기업도 비슷한 표준을 채택하고 있다. 나는 결국 생성형 미디어에는 출처와 생성 여부를 확인할 수 있는 장치가 거의 규제처럼 요구되어야 한다고 본다. 이것은 저작권자와 IP 권리 문제에도 도움이 될 수 있다.
다만 “AI를 작업 과정 일부에 사용했다는 사실까지 항상 공개해야 하느냐”에 대해서는 확신이 없다. 예전에도 사람들은 Photoshop 같은 도구를 썼다. AI는 더 발전된 도구일 수 있다. 창작자가 자신의 창의성을 표현하기 위해 사용한 도구라는 점에서는 비슷하다. 다만 최종 산출물이 합성적으로 생성되었다는 사실은 알 수 있어야 한다.
5. AI는 인간의 창의성을 약화시키는가, 확장시키는가?
인터뷰어:당신의 경력을 보면 창의성이 계속 관통한다. 비디오게임을 만들었고, 신경과학자로서 뇌의 창의성을 연구했고, AlphaFold도 과학에서 매우 창의적인 접근이라고 볼 수 있다.
그런데 지금의 AI 도구를 두고 어떤 사람들은 “이것이 인간을 덜 창의적으로 만들 것”이라고 말한다. 예전에는 오랜 시간 노력해서 만들던 것을 이제 모델에게 시키면 되기 때문이다. AI가 창의성을 어떻게 바꿀 것이라고 보는가?
데미스 하사비스:
확실히 창의성은 바뀔 것이다. 내가 보는 변화는 두 가지다.
첫째, 창작 도구가 민주화되고 있다. 더 많은 사람들이 상대적으로 빠르고 쉽게 자신의 아이디어를 실험할 수 있게 된다. 이것은 양면성이 있다. 더 많은 사람들이 창작에 진입할 수 있지만, 동시에 창의적으로 가치가 낮은 결과물도 훨씬 많이 생길 수 있다.
하지만 긍정적인 면을 보자면, 진입장벽이 낮아지고 게이트키핑이 줄어든다. 세계 어디에 있든 새로운 창작자가 이런 도구를 활용해 업계에 들어올 수 있다.
둘째, 전문 창작자들에게는 AI가 창의적 과정을 강화하는 도구가 될 수 있다. 우리는 여러 전문 감독과 창작자들과 협력하면서 이들이 실제 창작 과정에서 무엇을 필요로 하는지 듣고 도구를 설계한다. 전문 창작자들은 평생 다 만들 수 없을 만큼 많은 아이디어를 갖고 있다. AI는 그 아이디어들을 더 저렴하고 빠르게 실험하게 해준다. 그래서 더 많은 시도를 하고, 더 빠르게 반복하고, 더 멋진 결과물에 도달할 수 있다.
다만 도구는 어떻게 쓰느냐가 중요하다. 인터넷이나 컴퓨터도 마찬가지였다. 게으르게 쓰면 창작 과정을 약화시킬 수 있지만, 혁신적으로 쓰면 창작 과정을 확장한다. 창작 산업이 AI 도구를 가장 잘 활용하는 방법을 알아내기까지는 시간이 걸릴 것이다.
게임 산업을 예로 들면, 지금은 주로 에셋이나 그래픽을 만드는 데 AI를 쓰고 있다. 하지만 나는 더 깊은 변화가 가능하다고 본다. 1990년대 그래픽과 게임 AI가 등장하면서 완전히 새로운 게임 장르가 가능해졌던 것처럼, 이번에도 AI가 게임의 본질을 바꾸고 새로운 장르를 만들 수 있다고 생각한다.
6. AI 학습 데이터와 창작자 보상 문제
인터뷰어:비판 중 하나는 AI 모델이 인간 창작물의 결과물로 학습되었다는 점이다. 그렇다면 어떤 AI 결과물이 특정 창작자의 작품을 일부 사용했다면, 이를 추적하고 보상할 수 있어야 하지 않을까?
데미스 하사비스:
새로운 경제 모델이 필요할 수도 있다. 기술 산업과 창작 산업이 함께 협력해야 한다. 음악 산업에서 스트리밍이 등장했을 때도 비슷한 일이 있었다. YouTube의 Content ID나 Spotify 같은 서비스들이 새로운 비즈니스 모델을 만들어냈다.
다만 특정 결과물에 대해 “이것은 어느 작품에서 1%, 저 작품에서 5%, 다른 작품에서 10% 왔다”고 객관적으로 나누는 것은 매우 어렵다. 인간 창작자도 마찬가지다. 우리가 만드는 것은 우리가 경험하고 배운 모든 것, 본 예술, 다른 창작자의 작품, 그리고 우리의 창의성이 섞인 결과다.
그런 의미에서 창작은 원래부터 여러 영향을 재조합하는 과정이었다. 다만 AI 시대에는 결국 새로운 비즈니스 모델이 필요해질 가능성이 크다.
7. 과학용 AI와 창작용 AI는 분리될 수 있는가?
인터뷰어:어떤 사람들은 AI가 질병 치료나 과학 연구에 쓰이는 것은 좋지만, 음악이나 영화, 광고 같은 창작물을 재현하는 것은 싫다고 말한다.
하지만 AI의 능력은 분야를 넘나든다. 예를 들어 Isomorphic Labs에서 가상 세포를 연구하고, 한편으로는 세계적 수준의 비디오 모델을 만든다면, 언젠가 그 비디오 모델이 가상 세포를 분석하고 질병 치료에 도움을 줄 수도 있지 않은가?
데미스 하사비스:
맞다. AGI라는 개념의 핵심이 바로 그것이다. DeepMind의 원래 목표는 거의 모든 입력에서 학습하고, 유용한 통찰이나 패턴을 찾아내며, 그것을 거의 어떤 방식으로든 출력할 수 있는 범용 지능 시스템을 만드는 것이었다.
인간의 마음이 그렇다. 우리는 수렵채집인의 뇌로 현대 문명을 만들었다. 이것이 일반지능이다. DeepMind는 처음부터 하드코딩된 답을 넣는 시스템이 아니라, 일반적이고 학습하는 시스템을 만들고자 했다.
그래서 과학용 AI와 창작용 AI는 완전히 분리하기 어렵다. 과학 논문이나 실험 데이터를 분석하려면 이미지, 세포 사진, 단백질 구조, 작은 분자 이미지 등을 이해해야 한다. 이것은 카메라로 들어오는 일반 시각 정보나 YouTube 영상을 이해하는 능력과 근본적으로 연결되어 있다.
우리가 처음 몇 년 동안 게임 AI를 연구한 것도 게임 자체가 최종 목표였기 때문은 아니다. 게임은 당시 AI 시스템이 도전하기에 적절한 난이도의 문제였다. AlphaGo나 Atari 게임은 중간 목표이자 연구 사다리였다. 그 사다리를 통해 우리는 오늘날 현실 세계의 과학 문제, 예를 들어 단백질 접힘 문제를 푸는 AlphaFold, 신약 개발 같은 영역으로 갈 수 있었다.
나 개인적으로도 AI를 과학에 활용하는 것이 가장 큰 열정이다. 하지만 같은 기반 플랫폼은 생성 미디어, 창의성 도구, 생산성 도구에도 사용될 수 있다.
8. 뇌의 해마, 기억, 상상력, 그리고 AI의 창의성
인터뷰어:당신의 2007년 신경과학 논문은 해마와 창의성을 연결한 유명한 연구다. 기억을 잃은 사람들이 미래를 상상하는 능력도 잃는다는 내용이었다.
시각적 상상력은 창의성에 매우 중요하다. 그렇다면 AI에서 일종의 “기계 해마” 같은 것을 만들려는 시도도 창의성과 연결될 수 있지 않을까?
데미스 하사비스:
내 경력의 흐름이 바로 거기에 있다. 나는 어린 시절 비디오게임을 설계하고 프로그래밍하면서 시각적 창의성을 많이 사용했다. 게임을 만들 때는 최종 결과를 머릿속으로 생생하게 상상했다. 플레이어가 어떻게 인터페이스를 쓰고, 어디에서 재미를 느끼고, 어떤 문제가 생길지를 실제로 구현되기 전부터 정신적으로 시뮬레이션했다.
우리 모두도 일상에서 이런 능력을 쓴다. 중요한 저녁 식사나 회의를 앞두고, 누가 어디 앉을지, 대화를 어떻게 시작할지, 사람들이 어떻게 느낄지 상상한다. 이것을 미래 사고 또는 상상 능력이라고 부를 수 있다.
내가 박사과정을 시작했을 때 원래는 기억을 연구하게 되어 있었다. 기억은 오래전부터 해마와 관련이 있다고 알려져 있었다. 당시 기억에 대해 두 가지 관점이 있었다. 하나는 기억이 비디오테이프처럼 사건을 그대로 기록한다는 관점이고, 다른 하나는 기억이 여러 조각을 재구성하는 과정이라는 관점이다.
나는 두 번째가 훨씬 맞다고 봤다. 기억이 재구성이라면, 상상도 같은 뇌 메커니즘을 사용할 것이다. 다만 목표만 다르다. 기억은 익숙한 것을 재구성하는 것이고, 상상은 그 조각들을 조합해 새롭다고 느껴지는 것을 만드는 것이다. 실제로 우리는 해마 손상 환자들이 기억뿐 아니라 상상 능력에도 문제가 있다는 것을 확인했다.
9. 비디오 생성 모델과 인간 뇌의 상상 과정은 닮았는가?
인터뷰어:프롬프트를 바탕으로 세계를 재구성하는 비디오 모델의 내부 작동과 인간 뇌의 상상 과정 사이에 유사성이 있다고 보는가?
데미스 하사비스:
시스템 수준에서는 확실히 유사성이 있다고 본다. 물론 구현 방식이 뇌와 AI가 1대1로 같다고 생각하지는 않는다. 신경과학을 한 이유도 뇌를 그대로 복사하려는 것이 아니었다. 중요한 것은 뇌가 사용하는 원리, 알고리즘, 표현 방식을 이해하고 그것에서 영감을 얻어 AI 모델 설계에 반영하는 것이다.
최근의 비디오·멀티모달 모델들이 세계를 생성하는 방식에는 인간의 상상 과정과 비교해볼 만한 부분이 있다. 실제로 몇몇 신경과학자 친구들은 최신 AI 모델이 특정 프롬프트로 만들어내는 이미지와, 인간이 fMRI 장치 안에서 상상하는 이미지 사이의 관계를 연구하고 있다.
심지어 사람이 어떤 이미지를 생각하거나 꿈꾸는지를 뇌 신호로 해독한 뒤, AI 모델을 이용해 그 이미지를 재현하고, 다시 당사자에게 “당신이 상상한 것이 이것이 맞느냐”고 묻는 실험들도 진행되고 있다. 앞으로 몇 년 안에 매우 SF적인 장치들이 등장할 수 있다고 본다.
10. “아인슈타인 테스트”: 진정한 창의성이란 무엇인가?
인터뷰어:당신은 “아인슈타인 테스트”라는 개념을 말한 적이 있다. AI에게 아인슈타인이 당시 가졌던 데이터만 주고, 예를 들어 1901년까지만의 지식을 준 뒤, 상대성이론 같은 새로운 물리학적 돌파구를 스스로 발견할 수 있는지 보는 것이다.
이런 테스트를 생각하면 텍스트 모델을 떠올릴 수도 있는데, 사실은 더 시각적인 과정이 필요한 것 아닌가?
데미스 하사비스:
나는 그것이 진정한 창의성을 정의하는 좋은 테스트라고 생각한다. 단순히 이미 알려진 것을 외삽하는 것이 아니라, 현실의 어떤 부분에 대해 진짜로 새로운 과학적 가설을 만들어내는 능력이다. 아인슈타인이 1905년에 한 일이 바로 그런 것이다.
언어 안에 충분한 정보가 있어서, 모든 텍스트를 읽고 머릿속에 연결할 수 있다면 새로운 이론을 만들 수도 있을지 모른다. 하지만 아인슈타인 자신은 스위스 특허청 직원으로 일하면서 많은 사고실험을 했다. 기차를 타고 빛의 속도로 이동한다면 무엇이 보일까 같은 시각적 상상을 했다.
그는 시각적 상상 장치를 사용해 새로운 이론을 떠올렸고, 이후 그것을 수학적으로 증명했다. 그래서 AI가 새로운 실험을 제안하거나 가설을 검증하려면, 단순히 비트나 논리의 세계가 아니라 원자와 물리 세계를 이해해야 한다고 본다.
11. 가상 세계, 시뮬레이션, 그리고 AGI
인터뷰어:당신은 과거 Elixir에서 Republic: The Revolution이라는 게임을 만들었다. 전 소련권 국가 같은 세계를 시뮬레이션하려 했던 매우 야심 찬 게임이었다. 당시에는 너무 앞서간 아이디어였을 수도 있다.
이제는 수많은 GPU를 활용해 다시 가상 세계를 만들고 있다. 이런 가상 세계 안에서, 예를 들어 가상의 아인슈타인이 특허청을 돌아다니며 사고실험을 하는 식으로 창의성이 나올 수 있다고 보는가?
데미스 하사비스:
Republic에서는 10만 명의 살아 움직이는 사람들과 그들의 일상, 정치, 혁명 과정을 손으로 시뮬레이션하려 했다. 굉장히 야심 찬 게임이었다. 당시에는 모든 것을 직접 작성해야 했고 수년이 걸렸다.
지금 놀라운 점은, 우리가 몇 년 안에 그런 세계를 어느 정도 자동으로 생성할 수 있는 가능성에 가까워지고 있다는 것이다. 아직은 완전히 준비되지 않았지만, 2~3년 뒤에는 내가 당시 상상했던 비전에 가까운 것이 가능할지도 모른다.
이것이 중요한 이유는 시뮬레이션과 AI가 근본적으로 연결되어 있기 때문이다. 상상도 일종의 시뮬레이션이다. 시뮬레이션이 유용한 이유는 여러 가능성을 이론적으로 시험해보고 최선의 경로를 선택하게 해주기 때문이다.
AlphaGo도 비슷했다. 현재 바둑판에서 수만 개의 수를 시뮬레이션하고, 20~30수 뒤의 위치들을 평가한 뒤 가장 유망한 경로를 선택했다. 이것이 세계 챔피언을 이길 수 있게 만든 핵심이었다.
12. 경제학, 날씨, 사회과학에도 AI 시뮬레이션이 필요하다
인터뷰어:시뮬레이션이 로보틱스나 AI 비서, 과학뿐 아니라 더 넓은 영역에도 적용될 수 있다는 뜻인가?
데미스 하사비스:
그렇다. 나는 경제학 같은 분야에도 시뮬레이션이 필요하다고 본다. 지금은 금리를 0.5% 올리거나 내린 뒤 실제 세계에서 결과를 지켜본다. 경기침체가 오면 “아, 그러면 안 됐나 보다”라고 하는 식이다.
하지만 훨씬 더 좋은 방식은 현재 경제 상황에서 수십만 개의 가능한 경로를 시뮬레이션하고, 금리나 정책 변수를 바꿨을 때 어떤 결과가 나올지 통계적으로 종합해 더 과학적인 결정을 내리는 것이다.
자연과학에서는 통제된 실험을 여러 번 반복할 수 있지만, 사회과학에서는 그렇게 하기 어렵다. 그래서 AI가 데이터로부터 시뮬레이션을 학습할 수 있다면 큰 변화가 생길 수 있다.
물론 시스템을 수학적으로 충분히 이해한다면 손으로 시뮬레이션을 코딩할 수도 있다. 하지만 날씨, 경제, 사회 시스템처럼 우리가 완전히 이해하지 못하는 영역에서는 AI가 데이터로부터 그 시뮬레이션 자체를 학습해야 한다. 이것이 내가 추구하는 더 큰 목표 중 하나다.
핵심 요약
데미스 하사비스의 주장은 꽤 일관적이다. AGI는 단순한 텍스트 모델만으로 완성되기 어렵고, 세계를 보고 듣고 시뮬레이션하며 물리 현실을 이해하는 멀티모달 시스템으로 가야 한다는 입장이다.그는 AI의 위험을 과소평가하지 않는다. 사이버 위험은 시작일 뿐이고, 앞으로 생물학·핵·기타 고위험 영역에서 더 큰 문제가 나타날 수 있으므로 국제적 표준 기관과 체계적 평가가 필요하다고 본다.
동시에 그는 AI를 창의성의 적으로만 보지 않는다. AI는 창작 도구를 민주화하고, 전문 창작자에게는 아이디어를 빠르게 실험하고 반복할 수 있는 능력을 제공한다고 본다. 다만 게으르게 쓰면 창의성을 약화시킬 수 있고, 혁신적으로 쓰면 창의성을 확장할 수 있다고 말한다.
가장 중요한 부분은 창의성, 과학, 시뮬레이션, AGI가 모두 연결되어 있다는 그의 관점이다. 인간의 상상은 일종의 시뮬레이션이고, 기억과 상상은 같은 뇌 메커니즘을 공유한다. AI도 결국 세계를 내부적으로 시뮬레이션하고 여러 가능성을 시험하면서 더 나은 선택을 하는 방향으로 발전해야 한다.
즉, 하사비스가 보는 AGI는 단순히 말을 잘하는 챗봇이 아니라, 세계 모델을 만들고, 물리 세계를 이해하고, 과학 가설을 세우고, 가상 실험을 반복하며, 창의적 발견을 할 수 있는 범용 지능 시스템에 가깝다.
전체 0