메타의 AI 수장: 대규모 언어 모델(LLM)은 인간 수준의 지능에 도달하지 못할 수 있다

신생아의 언어 및 수학 능력은 초기부터 일반 지능의 기준을 설정합니다. 반면, AI의 수장이며 다른 진영에 속한 Yann LeCun은 이러한 일반 지능이 가까운 미래에 실현될 것이라고 믿지 않습니다. LeCun은 최근 유럽에 위치한 런던 엔지니어링 센터에서 열린 행사에서 인류의 인공지능에 대한 불확실성을 언급했습니다. 또한 그는 사람과 인공지능 능력 간의 불일치를 강조했습니다.

AGI에 대한 회의론

LeCun은 AGI 문제를 불안하게 여기며, 인간이 가진 방대하고 복잡한 지능이 큰 장애물로 작용한다고 믿습니다. 대신 그는 인간과 유사한 AI의 개념을 지지하지만, 이는 먼 미래의 목표라고 봅니다. LeCun은 오늘날의 AI 접근 방식이 간과하는 네 가지 상호 연결된 선천적 인지 과제, 즉 계획 수립, 영구적인 기억 유지, 세계 이해를 지적합니다.

대규모 언어 모델(LLM)은 LeCun의 비판의 주요 대상입니다. 메타의 LLaMA, OpenAI와 Google의 각각 GPT-3 및 Bard와 같은 모델들이 이에 해당합니다. 이러한 모델들은 flawless한 언어 숙달 능력을 보여주지만, 그들의 지식은 지속적으로 정적이며(즉, 텍스트 기반 학습은 현실에 대한 심층적인 이해를 저해합니다). LeCun은 텍스트가 구조화되고 조직화된 방대한 양의 데이터로 표현되지만, 물리적 경험은 텍스트와 질적으로 구별되며 스펙트럼의 다른 쪽에 위치한다고 주장합니다.

LLM의 '마음의 사실'에 대한 반박

LeCun은 LLM의 언어 숙달 능력이 지능의 진정성을 의미하지 않는다고 봅니다. 왜냐하면 이들은 경험, 기존 지식 기반, 그리고 현실의 추상적인 신비로움이라는 특권을 누리지 못했기 때문입니다. 그가 강조하는 핵심 포인트는 다음과 같습니다. 현재의 텍스트 기반 학습 아키텍처 하에서는 AI가 학습 원리를 근본적으로 변화시키지 않는 한, 인간처럼 언어를 이해하고 수행하는 AI를 달성하는 것은 불가능할 것입니다. LeCun은 텍스트 데이터뿐만 아니라 현실 세계를 통해 지식을 도출하는 목표 지향적 AI 시스템으로의 새로운 접근 방식 변화가 필요하다고 말합니다.

텍스트 중심 방법론이 대안을 제공하지만, LeCun은 기계가 인간이 정의한 목표를 달성하도록 지시하는 '목표 지향적 AI'의 개념을 제시합니다. 이러한 시스템은 감각 입력과 비디오 데이터를 활용하여 더 우수한 '세계 모델'을 구성하며, 이를 통해 후속 계획 수립과 의사 결정은 이용 가능한 옵션의 특정 범위 내에서 중심화될 수 있습니다. 학습한 내용을 활용하고 행동의 결과를 이해할 수 있다는 것은 가치 기반 동기를 가진 인공지능 기계가 더 복잡한 작업을 더 빠르게 처리할 수 있음을 의미합니다.

AI 진화 탐색: Yann LeCun의 관점

LeCun은 인간 수준의 지능을 점진적으로 초월한다는 아이디어를 거부하지 않으면서도 이 사실을 제시했습니다. 그는 이러한 과정에서 타임라인을 과대평가해서는 안 된다고 지적합니다. 그는 오늘날의 응용 프로그램과 놀라운 AI 수준의 지능 개념 사이의 중간 지점을 초월하기 위해 AI 연구 개발의 지속적인 필요성을 강조합니다.

Yann LeCun의 AGI 반대 입장은 AI와 미래학자들의 유도 철학과 현재 지배적인 AI 진화 개념에 반하는 것입니다. LeCun은 LLM의 제한 사항을 인정하지만, 특정 목표를 해결하기 위해 AI를 사용하는 것을 장려하며, 인간 수준의 지능으로 가는 복잡한 그림을 제시합니다. AI의 미래에 대한 담론이 계속 밝혀짐에 따라, LeCun의 판단은 현안에 대한 미묘한 문제들에 대한 성찰적인 질문을 불러일으켜야 합니다.