메타의 AI 책임자: LLM은 결코 인간 수준의 지능에 도달하지 못할 수도 있다

초기 인류의 언어 능력과 수학 능력은 처음부터 일반 지능의 기준을 제시해 왔습니다. 그러나 인공지능 분야의 권위자이자 반대편 진영에 서 있는 얀 르쿤은 그러한 일반 지능이 가까운 미래에 실현될 수 있을지 회의적인 시각을 가지고 있습니다. 르쿤은 최근 유럽의 런던 엔지니어링 센터에서 열린 행사에서 인류의 인공지능에 대한 불확실성을 언급하며, 인간과 인공지능의 능력 간의 불일치를 강조했습니다.

인공 일반 지능에 대한 회의론

르쿤은 인간의 매우 복잡한 지능이 인공 일반 지능(AGI) 개발에 큰 걸림돌이 된다고 생각하며, 이 문제에 대해 불안감을 드러냅니다. 그는 오히려 인간과 유사한 인공지능을 지지하지만, 이는 아직 먼 미래의 목표라고 여깁니다. 르쿤은 오늘날의 인공지능 접근 방식이 간과하고 있는 네 가지 상호 연관된 선천적 인지적 과제, 즉 계획 수립, 영구적인 기억 유지, 그리고 세계에 대한 이해를 지적합니다.

르쿤의 비판은 주로 대규모 언어 모델에 집중되어 있습니다. 메타의 LLaMA, 오픈AI의 GPT-3, 구글의 Bard 등이 그 예입니다. 이러한 모델들은 완벽한 언어 구사 능력을 보여주지만, 그 지식은 지속적으로 정적인 상태에 머무릅니다(즉, 텍스트 기반 학습은 현실에 대한 심층적인 이해를 저해합니다). 르쿤은 텍스트는 구조화되고 조직화된 방대한 양의 데이터로 표현되지만, 물리적 경험은 텍스트와 질적으로 다르며 스펙트럼의 다른 한쪽 끝에 위치한다고 주장합니다.

LLM의 사고방식에 대한 반론

르쿤은 언어 학습자의 언어 능력이 지능의 진정한 척도가 될 수 없다고 주장합니다. 왜냐하면 언어 학습자는 경험, 기존 지식 기반, 그리고 실생활의trac신비에 대한 접근이라는 기회를 박탈당했기 때문입니다. 그가 강조하는 핵심은 바로 이것입니다. 현재의 텍스트 기반 학습 구조로는 인간처럼 행동할 수 없으며, 인공지능이 학습 원리를 근본적으로 바꾸지 않는 한 인간처럼 언어를 이해하고 구사하는 인공지능은 불가능할 것이라는 점입니다. 르쿤은 텍스트 데이터뿐 아니라 현실 세계에서 지식을 도출하는 목표 지향적인 인공지능 시스템에 초점을 맞춘 새로운 접근 방식으로의 전환이 필요하다고 말합니다.

텍스트 중심 방법론이 대안을 제시하는 가운데, 르쿤은 인간이defi목표를 기계가 달성하도록 지시하는 "목표 중심 AI"라는 개념을 제안합니다. 이러한 시스템은 감각 입력과 비디오 데이터를 활용하여 우수한 "세계 모델"을 구축하고, 이를 통해 후속 계획 및 의사 결정을 제한된 선택지 범위 내에서 수행할 수 있습니다. 학습한 내용을 활용하고 행동의 결과를 이해할 수 있다는 것은 가치 기반 동기를 가진 인공지능이 더욱 복잡한 작업을 더 신속하게 처리할 수 있음을 의미합니다.

인공지능 진화의 흐름 파악하기: 얀 르쿤의 관점

르쿤은 이러한 사실을 언급하면서도, 인공지능이 점진적으로 인간 수준의 지능을 뛰어넘는다는 발상 자체를 부정하지는 않았습니다. 다만, 그러한 과정에서 시간적 여유를 과대평가해서는 안 된다고 지적했습니다. 그는 인공지능 연구 개발이 현재의 응용 분야와 경이로운 인공지능 수준의 지능이라는 개념 사이의 중간 지점을 넘어서기 위해 지속적으로 노력해야 한다고 강조했습니다.

얀 르쿤이 일반 지능(AGI)에 반대하는 입장을 취하는 것은 인공지능과 미래학자들의 근본적인 철학과 상반되며, 현재 지배적인 인공지능 진화론과도 모순됩니다. 르쿤은 인간 수준의 지능 모델(LLM)의 한계를 인정하면서도, 특정 목표 달성을 위해 인공지능을 활용하는 것을 장려하며, 이를 통해 인간 수준의 지능에 이르는 복잡한 양상을 제시합니다. 인공지능의 미래에 대한 논의가 계속되는 가운데, 르쿤의 판단은 이 문제에 내재된 미묘한 차이들을 심층적으로 고찰하는 계기가 되어야 합니다.