인공지능(AI)은 어디에나 있다. 스마트 비서부터 자율주행차까지, AI 시스템은 우리의 삶과 비즈니스를 변화시키고 있다. 하지만 특정 작업을 수행하는 것 이상의 일을 할 수 있는 AI가 있다면 어떨까? 인간처럼 배우고 생각하거나 인간의 지능을 능가하는 AI가 있다면 어떨까?

이것이 인간이 할 수 있는 모든 지적 작업을 수행할 수 있는 잠재력을 가진 가상의 AI 형태인 일반 인공 지능(AGI)의 비전이다. AGI는 체스를 두거나 얼굴을 인식하는 등 하나 또는 몇 가지 영역에서만 탁월할 수 있는 AI의 현재 상태인 ANI(좁은인공지능Artificial Narrow Intelligence)와 종종 대조된다. 반면 AGI는 언어, 논리, 창의성, 상식, 감정 등 다양한 영역을 이해하고 추론할 수 있는 능력을 갖는다.

 

AGI는 새로운 개념이 아니다. 이는 초창기부터 AI 연구의 지침 비전이었으며 여전히 가장 분열적인 아이디어로 남아 있다. 일부 AI 열광자들은 AGI가 불가피하고 임박했으며 새로운 기술 및 사회 발전 시대로 이어질 것이라고 믿는다. 다른 사람들은 더욱 회의적이며 조심스럽고 강력하고 예측할 수 없는 실체를 만들고 통제하는 데 따른 윤리적, 실존적 위험에 대해 경고한다.

하지만 AGI 달성에 얼마나 가까워졌나? 그리고 시도하는 것이 타당할까? 사실 이것은 초인적 지능의 시대를 목격하고 싶어하는 AI 애호가들에게 현실 점검을 제공할 수 있는 중요한 질문이다.

 

AGI란 무엇이며 AI와 어떻게 다를까?

AGI는 인간이 능가하지는 않더라도 인간이 할 수 있는 모든 지적 작업을 수행할 수 있는 능력에서 현재 AI와 차별화된다. 이러한 구별은 다음을 포함한 몇 가지 주요 기능 측면에서 나타난다.

●추상적 사고

●특정 사례를 일반화하는 능력

●다양한 배경지식을 바탕으로

●의사결정을 위해 상식과 의식을 활용

●단순한 상관관계가 아닌 인과관계를 이해

●인간 및 기타 에이전트와의 효과적인 의사소통 및 상호작용.

이러한 기능은 인간과 유사하거나 초인적인 지능을 달성하는 데 필수적이지만 현재 AI 시스템에서는 캡처하기가 여전히 어렵다.

 

현재 AI는 기계가 데이터와 경험을 통해 학습할 수 있도록 하는 컴퓨터 과학의 한 분야인 머신러닝에 주로 의존한다. 머신러닝은 감독 학습, 비지도 학습, 강화 학습을 통해 작동한다.

지도 학습에는 레이블이 지정된 데이터로부터 기계 학습을 통해 새로운 데이터를 예측하거나 분류하는 작업이 포함된다. 비지도 학습에는 레이블이 지정되지 않은 데이터에서 패턴을 찾는 것이 포함되는 반면, 강화 학습은 행동과 피드백을 통한 학습, 보상 최적화 또는 비용 최소화에 중점을 둔다.

 

컴퓨터 비전 및 자연어 처리와 같은 분야에서 놀라운 결과를 달성했음에도 불구하고 현재 AI 시스템은 훈련 데이터의 품질과 양, 사전 정의된 알고리즘, 특정 최적화 목표로 인해 제약을 받는다. 특히 새로운 상황에서 적응력과 추론을 설명하는 데 있어 더 많은 투명성에 대한 도움이 필요한 경우가 많다.

이와 대조적으로 AGI는 이러한 제한에서 자유롭고 미리 정의된 데이터, 알고리즘 또는 목표에 의존하지 않고 대신 자체 학습 및 사고 능력에 의존할 것으로 예상된다. 또한 AGI는 다양한 소스와 영역에서 지식을 획득하고 통합하여 새롭고 다양한 작업에 원활하게 적용할 수 있다. 더욱이 AGI는 세상과 그 자체를 추론하고, 의사소통하고, 이해하고, 조작하는 데 탁월하다.

 

AGI 달성을 위한 과제와 접근 방식은 무엇일까>

AGI를 실현하는 것은 기술적, 개념적, 윤리적 차원을 포괄하는 상당한 과제를 제기한다.

예를 들어, 기억력, 주의력, 창의력, 감정과 같은 구성 요소를 포함한 지능을 정의하고 측정하는 것은 근본적인 장애물이다. 또한 인식, 인지, 감정과 같은 인간 두뇌 기능을 모델링하고 시뮬레이션하는 것은 복잡한 과제를 제시한다.

또한, 중요한 과제에는 확장 가능하고 일반화 가능한 학습 및 추론 알고리즘과 아키텍처를 설계하고 구현하는 것이 포함된다. 인간 및 기타 주체와의 상호 작용에서 AGI 시스템의 안전성, 신뢰성 및 책임성을 보장하고 AGI 시스템의 가치와 목표를 사회의 가치와 목표에 맞추는 것 또한 가장 중요하다.

 

AGI를 추구하는 데 있어 다양한 연구 방향과 패러다임이 제안되고 탐구되어 왔지만 각각의 장점과 한계가 있다. 지식 표현 및 조작을 위해 논리와 기호를 사용하는 고전적인 접근 방식인 상징적 AI는 수학과 체스와 같은 추상적이고 구조화된 문제에 탁월하지만 감각 및 운동 데이터를 확장하고 통합하는 데 도움이 필요하다.

마찬가지로, 대량의 데이터를 처리하기 위해 신경망과 딥 러닝을 사용하는 현대적인 접근 방식인 연결주의 AI(Connectionist AI)는 시각 및 언어와 같은 복잡하고 시끄러운 영역에서 탁월하지만 해석 및 일반화에 도움이 필요하다.

 

하이브리드 AI는 상징적 AI와 연결형 AI를 결합해 강점을 활용하고 약점을 극복해 보다 강력하고 다재다능한 시스템을 목표로 한다. 마찬가지로 진화형 AI(Evolutionary AI)는 진화 알고리즘과 유전자 프로그래밍을 사용하여 자연 선택을 통해 AI 시스템을 진화시키고 인간 설계의 제약을 받지 않는 새롭고 최적의 솔루션을 추구한다.

마지막으로 뉴로모픽 AI(Neuromorphic AI)는 뉴로모픽 하드웨어와 소프트웨어를 활용하여 생물학적 신경 시스템을 에뮬레이션하여 보다 효율적이고 현실적인 뇌 모델을 목표로 하고 인간 및 에이전트와의 자연스러운 상호 작용을 가능하게 한다.

이는 AGI에 대한 유일한 접근 방식은 아니지만 가장 눈에 띄고 유망한 접근 방식 중 일부이다. 각 접근 방식에는 장점과 단점이 있으며 여전히 AGI가 요구하는 일반성과 지능을 달성해야 한다.

 

AGI 예제 및 응용

AGI는 아직 달성되지 않았지만, AI 시스템의 일부 주목할만한 사례는 AGI를 연상시키는 특정 측면이나 특징을 보여 최종 AGI 달성이라는 비전에 기여한다. 다음 예는 특정 기능을 보여줌으로써 AGI를 향한 진전을 나타낸다.

딥마인드(DeepMind)가 개발한 알파제로(AlphaZero)는 인간의 지식이나 지도 없이 체스, 장기, 바둑을 자율적으로 학습하는 강화학습 시스템이다. 초인적인 능력을 입증하는 AlphaZero는 또한 기존 통념에 도전하는 혁신적인 전략을 선보인다.

마찬가지로 OpenAI의 GPT-3은 다양한 주제와 작업에 걸쳐 일관되고 다양한 텍스트를 생성한다. 질문에 답하고, 에세이를 작성하고, 다양한 작문 스타일을 흉내낼 수 있는 GPT-3는 특정 한계 내에서 다재다능함을 보여준다.

 

마찬가지로 케네스 스탠리(Kenneth Stanley)와 리스토 미쿨라이넨(Risto Miikkulainen)이 만든 진화 알고리즘인 NEAT는 로봇 제어, 게임 플레이, 이미지 생성과 같은 작업을 위해 신경망을 발전시킨다. 네트워크 구조와 기능을 발전시키는 NEAT의 능력은 인간 프로그래머가 미리 정의하지 않은 새롭고 복잡한 솔루션을 생성한다.

이러한 사례는 AGI를 향한 진전을 보여주지만, 진정한 AGI를 추구하는 데 추가 탐색과 개발이 필요한 기존 한계와 격차도 강조한다.

 

AGI 영향 및 위험

AGI는 심오한 의미를 지닌 과학적, 기술적, 사회적, 윤리적 과제를 제기합니다. 경제적으로는 기회를 창출하고 기존 시장을 혼란에 빠뜨려 잠재적으로 불평등을 증가시킬 수 있다. 교육과 건강을 개선하는 동시에 AGI는 새로운 도전과 위험을 가져올 수 있다.

윤리적으로는 새로운 규범, 협력, 공감을 촉진하고 갈등, 경쟁, 잔인함을 가져올 수 있다. AGI는 기존의 의미와 목적에 의문을 제기하고 지식을 확장하며 인간의 본성과 운명을 재정의할 수 있다. 따라서 연구자, 개발자, 정책 입안자, 교육자 및 시민을 포함한 이해관계자는 이러한 영향과 위험을 고려하고 해결해야 한다.

 

결론

AGI는 AI 연구의 최전선에 서서 인간의 능력을 능가하는 지능 수준을 약속한다. 비전이 열정적인 사람들을 사로잡는 반면, 이 목표를 실현하는 데에는 여전히 어려움이 있다. 특정 영역에서 탁월한 현재 AI는 AGI의 광범위한 잠재력을 충족해야 한다.

상징적이고 연결주의적인 AI부터 뉴로모픽 모델에 이르기까지 다양한 접근 방식이 AGI 실현을 위해 노력하고 있다. AlphaZero 및 GPT-3와 같은 주목할만한 사례는 발전을 보여주지만 진정한 AGI는 아직 파악하기 어렵다. 경제적, 윤리적, 실존적 의미를 지닌 AGI로의 여정에는 집단적인 관심과 책임감 있는 탐구가 필요하다.