[Post] AI의 진화와 프론티어 패러독스: 기술 혁신의 새로운 지평

 

AI and the Frontier Paradox

 

핵심 요약:

• AI는 더 이상 고정된 개념이 아니라 지속적으로 진화하는 기술적 프론티어
• 언어 모델의 발전으로 AI의 실용적 활용 범위 급격히 확대
• 기술의 일상화 과정에서 AI의 정의와 인식 지속적 변화
• 창업자와 기업의 AI 접근 전략에 근본적 변화 필요

 

인공지능의 본질을 재정의하는 기술적 변곡점

 

반세기 넘게 우리는 다양한 기술을 AI라고 불러왔습니다. 우리가 생각하는 AI는 계속 변화할 것입니다. 그리고 또 변화할 것입니다.

 

세콰이어의 창립자 돈 밸런타인은 창업자들에게 두 가지 질문을 했습니다: "왜 지금인가?"와 "그래서 뭐지?" 이 질문들의 핵심에는 세상에 무엇이 변했는지(왜 지금인가?)와 이것이 의미하는 바가 무엇인지(그래서 뭐지?)를 묻는 호기심과 엄밀함이 있습니다.

 

AI는 트랜스포머 아키텍처로 학습된 대규모 언어 모델(LLMs)의 발전으로 설득력 있는 "왜 지금인가?"를 갖게 되었습니다. 트랜스포머는 GPU에 적합해, 수십억에서 수조 개의 매개변수를 가진 AI 모델을 학습하기 위해 엄청난 양의 데이터와 컴퓨팅 능력을 동원하는 것이 실용적이 되었습니다.

 

우리는 또한 설득력 있는 "그래서 뭐지?"를 갖게 되었습니다. 이러한 기술들은 컴퓨터를 위한 완전히 새로운 사용자 인터페이스, 바로 인간 언어를 가능하게 했습니다. 1980년대 그래픽 사용자 인터페이스가 수백만 고객에게 개인용 컴퓨터를 접근 가능하게 했듯이, 새로운 자연어 인터페이스는 지난 1년간 전 세계 수억 명의 사용자에게 AI를 접근 가능하게 했습니다.

 

인공지능은 많은 부침의 주기를 겪어왔습니다. AI가 상승기에 있을 때, 이 용어는 예측 기술의 최첨단뿐만 아니라 어떤 면에서 "스마트"인 모든 소프트웨어를 포함하도록 과도하게 사용됩니다. 그러나 이전의 AI 침체기에는 연구자들이 더 안전한 용어인 기계 학습으로 후퇴했습니다.

 

The AI Effect

존 매카시는 1950년대에 AI라는 용어를 자신의 연구를 오래된 라이벌 노버트 위너의 사이버네틱스와 구별하기 위해 만들었습니다. 그러나 매카시 자신도 이 용어에 환멸을 느꼈으며, "일단 작동하기 시작하면 아무도 그것을 더 이상 AI라고 부르지 않는다"고 불평했습니다. 매카시는 사람들이 충분히 해결된 과거 AI 노력을 더 기능적인 설명으로 rename하는 경향을 "AI 효과"라고 불렀으며, 이는 오늘날까지 우리에게 영향을 미칩니다. AI의 역사는 충분히 잘 작동해서 더 이상 지적이라고 간주되지 않는 성과들로 가득합니다.

 

컴퓨터 비전을 예로 들어보겠습니다. 이는 현재 이미지 생성의 기반이 됩니다. 오랫동안 이미지나 비디오의 객체 탐지는 첨단 AI였지만, 지금은 샌프란시스코의 Waymo에서 자율주행 차량을 주문할 수 있게 하는 여러 기술 중 하나일 뿐입니다. 우리는 더 이상 이를 AI라고 부르지 않습니다. 곧 그냥 '차'라고 부를 것입니다. 마찬가지로 ImageNet에서의 객체 탐지는 2012년 딥러닝의 주요 breakthrough였지만 지금은 모든 스마트폰에 있습니다. 더 이상 AI가 아닙니다.

 

자연어 측면에서도 ChatGPT, Claude, Bard 이전에 긴 역사가 있었습니다. 2002년경 팔이 부러졌을 때 Dragon Speech-To-Text를 사용해 이메일을 타이핑했던 기억이 납니다. 과거에 AI라고 불렸던 것은 지금은 그저 '받아쓰기'가 되었고, 모든 전화와 컴퓨터에 탑재되어 있습니다. 자연어 처리의 어려운 문제였던 언어 번역과 감성 분석은 이제 기본 기능이 되었습니다. AI가 아닙니다.

 

클라우드에서 당연하게 여기는 많은 것들이 이전 AI 분야에서 나왔다는 점을 쉽게 잊습니다. 추천 시스템(Netflix, Amazon)과 경로 최적화(Google Maps, UPS) 등이 그 예입니다. 어떤 것이 일상적일수록 우리는 그것을 AI라고 부르지 않게 됩니다.

 

The trough of disillusionment

가터(Gartner)가 수십 년간 기술 열광 주기를 설명해왔듯이, AI가 무엇으로 여겨지는지는 창업자들에게 중요합니다. 장기적으로 과소약속하고 과대성과하는 것이 항상 더 좋습니다. 야생의 열광은 불가피하게 실망으로 이어지는 '불확실성의 구덩이'를 만듭니다.

 

창업자들은 단기적으로 화제성 있는 마케팅의 이점을 누리지만, 그에 따른 비용도 지불합니다. 아서 C. 클라크는 유명하게 "충분히 발전된 기술은 마법과 구별할 수 없다"고 썼습니다. 하지만 그는 공상과학 작가였습니다. 머신러닝 실무자들은 과학자이자 엔지니어이며, 처음에는 그들의 노력이 항상 마법처럼 보이다가 어느 날 그렇지 않게 됩니다.

 

현재의 AI 패러다임은 러닝머신 위에서 달리며 당근을 쫓는 것과 같습니다. 오늘날의 창업자들에게는 실제로 무슨 일이 일어나고 있는지 이해함으로써 이 순환을 깨뜨릴 때라고 생각합니다.

 

A more precise vocabulary

우리가 계속 같은 실수를 반복하는 데는 언어적 이유가 있습니다. 옥스퍼드 영어 사전을 사용해 "인공지능(Artificial Intelligence)" 용어를 재귀적으로 분석해보면 다음과 같습니다:

• 인공적(Artificial): 자연적으로 발생하지 않고 인간에 의해 만들어지거나 생산된 것, 특히 자연적인 무언가의 복사본.
• 지능(Intelligence): 지식과 기술을 습득하고 적용하는 능력.
  • 지식: 경험이나 교육을 통해 개인이 습득한 사실, 정보, 기술; 주제에 대한 이론적 또는 실제적 이해.
  • 기술: 무언가를 잘 할 수 있는 능력.

 

이 재귀적 정의의 각 분기는 "인간" 또는 "한 개인"에 달려 있습니다. 따라서 정의상 우리는 AI를 인간의 모방으로 생각합니다. 튜링 테스트를 떠올려보세요. 그러나 일단 어떤 능력이 확실히 기계의 영역이 되면, 우리는 인간의 기준점을 잃고 더 이상 그것을 AI로 생각하지 않습니다.

 

이는 인간 예외주의의 일부입니다. 수세기에 걸쳐 우리는 언어, 상상력, 창의성, 논리와 같이 인간에게 고유한 것으로 보이는 지능의 측면을 높이 평가해왔습니다. 우리는 특정 단어를 우리 자신에게 예약합니다. 인간은 생각하고 추론하며, 컴퓨터는 계산합니다. 인간은 예술을 만들고, 컴퓨터는 그것을 생성합니다. 인간은 수영하고, 보트와 잠수함은 그렇지 않습니다. 그러나 "컴퓨터"는 한때 계산하는 인간의 17세기 직업 명칭이었고, 우리는 기계 및 전자 컴퓨터를 공식화하기 전에 컴퓨터로 가득 찬 방을 고용했습니다.

 

AI 효과는 사실 우리가 프론티어 패러독스라고 부르는 더 큰 인간 현상의 일부입니다. 우리의 기술적 숙달 영역을 넘어서는 프론티어를 인간에게 귀속시키기 때문에, 그 프론티어는 항상 불분명할 것입니다. 지능은 우리가 포착할 수 있는 무언가가 아니라, 우리가 유용한 도구로 전환하는 영원히 다가오는 지평선입니다.

 

2018년, 나는 버클리 통계 및 컴퓨터 과학 교수 마이클 조던의 글에서 영감을 받았습니다. "우리가 '지능'을 곧 이해할 수 있을지는 모르겠지만," 그는 썼습니다. "우리 앞에 놓인 주요 과제는 컴퓨터와 인간을 인간의 삶을 향상시키는 방식으로 결합하는 것입니다. 일부는 이 과제를 '인공지능' 창조에 종속된 것으로 보지만, 이를 더 평범하게 - 하지만 결코 존중하지 않고서는 - 새로운 공학 분야의 창조로 볼 수 있습니다."

 

이는 나로 하여금 이 노력을 AI라고 부르는 것의 유용성에 의문을 제기하는 글을 쓰게 했습니다. 5년 후, 우리는 조던의 인간 증강을 위한 실용적 인프라 비전에 더 가까워졌을까요? 저는 그렇다고 믿습니다. 하지만 앞으로의 계산적 기회를 활용하기 위해서는 더 정확한 어휘가 필요합니다.

 

Why now?

LLM의 놀라운 효과성으로 일관되고 믿을 만한 언어를 생성할 수 있게 되었고, 이는 거의 모든 이를 놀라게 했습니다. 확산 모델이 텍스트 설명에서 매우 상세하고 미적으로 매력적인 이미지를 생성하는 능력 또한 기존의 가정을 뛰어넘었습니다. 언어와 이미지의 추가 개선, 비디오로의 일반화, 로봇공학, 자율주행차, 생물학, 화학, 의학의 새로운 혁신 등 더 많은 것들이 앞으로 기대됩니다.

 

이러한 모든 발전은 최근 하이퍼 스케일 기술 기업들이 클라우드에 구축한 분산 컴퓨팅 인프라의 혜택을 받고 있습니다. 또한 인터넷에 축적된 방대한 데이터 규모, 특히 카메라, 센서, 쉬운 데이터 입력이 가능한 유용한 모바일 기기의 보편성 덕분입니다.

 

그러나 모든 것을 AI라고 부르는 것은 대중과 창업자들에게 실제로 무엇을 구축해야 하는지, 그리고 어떻게 안전하고 도덕적인 방식으로 이를 통합할 수 있는지에 대해 혼란을 야기합니다.

 

이러한 놀라운 인프라가 주어진 상황에서, AI는 컴퓨터 과학, 물리학, 인지 및 신경과학의 교차점에 있는 과학 프로젝트로서 계속 이해의 프론티어를 따라 발전할 것입니다. 유용한 애플리케이션에도 계속 기여하겠지만, 만약 우리가 이 모든 것을 AI라고 부른다면, 이 용어는 곧 그 의미와 새로움을 잃게 될 것입니다.

 

So what?

전문가들은 정보 검색을 포함해 LLM이 약 90% 정도의 정확도를 가진다고 추정합니다. 99%에 도달하기 위해서는 여전히 많은 연구와 확장이 필요합니다. 그러나 99%에 도달하면 더 이상 AI가 아니라 '언어 인터페이스' 또는 단순히 LLM이 될 것입니다.

 

코드를 작성하거나 발표할 때 즉석에서 다른 언어로 통신하고, 관심 있는 것을 학습하거나 가르칠 수 있게 될 것입니다. 그 영향은 실제적일 것입니다. 하지만 우리는 이를 AI라고 부르지 않을 것입니다. 이러한 새로운 기능들은 검색 엔진과 스마트폰처럼 우리의 확장된 마음의 추가적인 부분이 되어 우리에게 보이지 않게 될 것입니다.

 

이것이 프론티어 패러독스가 작동하는 방식입니다. AI는 너무 빠르게 가속화되어 곧 그저 기술이 될 것이고, 새로운 프론티어는 AI가 될 것입니다. 기술로 졸업하는 것은 이전에 가능성의 최첨단에 있었던 아이디어에 대한 영예의 배지로 여겨져야 합니다. 프론티어 패러독스는 AI가 영원히 열망적인 접근법을 지칭하는 반면, 기술은 오늘날 적용할 수 있는 것을 지칭한다는 의미입니다. 우리는 둘 다 필요하다고 믿습니다.

 

What's next?

시퀘이아에서 우리는 AI에 대해 내부적으로, 그리고 창업자들과 대화할 때 더 정확하게 논의하려 노력해왔습니다. 대규모 언어 모델을 위한 트랜스포머나 이미지 생성을 위한 확산과 같은 실제로 적용 가능한 특정 기술에 초점을 맞춥니다. 이는 벤처를 평가하는 우리의 능력을 훨씬 더 명시적이고, 구체적이며, 현실적으로 만듭니다.

 

창업의 여정은 언어로 시작됩니다. 제품을 출시할 준비가 되기 훨씬 전에 기업은 오직 언어를 통해서만 제품의 독특함과 고객에 대한 이점을 표현할 수 있습니다. 언어의 정밀함은 카테고리 창출, 기업 설계, 시장 리더십의 핵심이며, 이는 지속 가능한 기업을 만드는 구성 요소입니다.

AI의 상승하는 물결을 타고 프론티어 바로 위에 머무르는 창업자들에게 이러한 정밀함은 더욱 중요합니다. 이 프론티어가 일상 기술로 전환될 때 언어를 정의할 수 있는 창업자들은 뚜렷한 이점을 가질 것입니다.

 

분석 및 시사점:

한국 기업들은 AI를 단순한 기술적 도구가 아닌 근본적인 비즈니스 혁신 전략으로 인식해야 합니다. 특히 중소기업과 스타트업은 AI 기술의 빠른 진화에 발맞춰 유연하고 혁신적인 접근법을 개발해야 할 것입니다. AI 기술의 민주화와 접근성 향상은 국내 디지털 생태계에 새로운 기회를 제공할 것으로 전망됩니다.