진행자(Arjun): The Tech Download에 오신 것을 환영합니다. 이건 CNBC Original의 새로운 팟캐스트로, 우리 돈과 직결되는 중요한 테크 스토리를 풀어봅니다. 진행자(Arjun): 매 시즌, 하나의 큰 주제를 깊게 파고들고, 업계에서 가장 영향력 있는 목소리들의 인사이트로 그 의미를 짚습니다. 저는 늘, 결국 이 기술이 우리가 발명할 기술 중 가장 중요할 거라고 생각해 왔습니다. 진행자(Arjun): 그리고 이건 사실 컴퓨터 시대의 자연스러운 다음 단계이기도 합니다. 이번 시즌은 Google DeepMind를 다룹니다. 이 조직은 거대 기술기업의 AI 드라이브를 실제로 밀어붙이는 핵심 엔진입니다. 진행자(Arjun): 저희는 회사의 핵심 인물들에게 ‘드문’ 접근 권한을 얻었고, 이번 에피소드의 게스트는 DeepMind 공동창업자이자 CEO인 Demis Hassabis입니다. 그는 이렇게 말합니다. “산업혁명 같을 텐데, 10배 더 크고 10배 더 빠를 겁니다.” 그래서 변화도 엄청나지만, 그만큼의 ‘혼란(Disruption)’도 뒤따를 거라는 뜻이죠. 진행자(Arjun): 여러분 안녕하세요, The Tech Download에 오신 걸 환영합니다. 제 소개를 다시 드리겠습니다. 저는 런던에서 CNBC를 담당하는 시니어 테크 기자 Arjun Kharpal이고요, 오늘은 아주 특별한 새 공동 진행자도 함께합니다. Steve Kovach: 안녕하세요, Arjun. 네. 저는 Steve Kovach입니다. 뉴욕에서 테크를 커버하고 있고, 주로 Apple과 Microsoft를 집중적으로 봅니다. Steve Kovach: 저는 15년 이상 테크 업계를 취재해 왔고, 뭐랄까… 전반을 꽤 잘 안다고 생각합니다. 그런데도 Arjun, 당신과 함께하게 돼 정말 기대돼요. 바다 건너에서 오랫동안 당신 기사들을 보며 감탄했거든요. Steve Kovach: 이제 실제로 같이 협업해서 이걸 해보는 거죠. 좋은 시간이 될 것 같아요. 진행자(Arjun): 정말 재밌을 것 같아요, Steve. 저희 둘을 합치면 테크를 취재한 경험이 거의 30년에 가깝다고 생각하는데, 아이러니하게도 우리가 배울 게 너무 많다는 게 ‘더 미친’ 부분입니다. 진행자(Arjun): 이 팟캐스트를 하면서 정말 많이 배우고, 흥미로운 사람들도 엄청나게 만날 거예요. 그리고 이 첫 시리즈를 Google DeepMind로 시작하게 돼 정말 설렙니다. DeepMind는 세계 최고 수준의 AI 연구소 중 하나니까요. 진행자(Arjun): 청취자와 시청자분들을 위해 Google DeepMind를 간단히 소개해볼게요. DeepMind는 제가 있는 런던에서 2010년 설립된 회사입니다. 진행자(Arjun): Demis Hassabis, Shane Legg, 그리고 지금은 Microsoft에 있는 Mustafa Suleiman—이 세 사람이 아주 작은 회사로 시작했죠. 진행자(Arjun): 사실 저는 거의 1년 전 Mustafa Suleiman을 인터뷰한 적이 있습니다. 그는 사실상 Google에서 Demis가 하는 것과 비슷한 일을 Microsoft에서 하고 있어요. 진행자(Arjun): Google이 전 세계 최상위 AI 인재의 ‘인큐베이터’ 같은 역할을 해온 게 흥미롭습니다. Demis는 남아서 DeepMind를 이끌고 있죠. 진행자(Arjun): 그리고 Arjun, 또 하나 흥미로운 건 우리가 지난 3년 동안 겪어온 ‘AI 모먼트’ 자체입니다. 3년 전 ChatGPT가 등장했을 때, Google은 위협을 받는 것처럼 보였고, ‘코드 레드(code red)’까지 선언했죠. 진행자(Arjun): 내부적으로 대대적인 조직개편을 거쳤고, 결국 AI 리더로 Demis가 ‘최종 승자’가 됐습니다. 진행자(Arjun): 그리고 중요한 건, 2025년이 Google의 AI에 정말 흥미로운 해였다는 겁니다. 그들은 따라잡았고, 어떤 면에서는 ChatGPT가 하던 걸 넘어섰다는 평가도 받았죠. 진행자(Arjun): 이게 왜 흥미롭냐면, 우리가 계속 얘기하는 ‘대규모 언어 모델(LLM)’ 같은 핵심 기술이 사실 Google에서 시작됐기 때문입니다. 그런데 인식은 ‘Google이 그 기술을 ChatGPT가 가져가서 달아나게 뒀다’였죠. 진행자(Arjun): 하지만 지금 제 관점에서는, 적어도 Gemini는 ChatGPT와 동급이거나, 어떤 면에서는 더 낫습니다. 그리고 Google DeepMind는 그 중심에 있습니다. 진행자(Arjun): DeepMind는 2014년 Google에 인수됐습니다. 그때 저는 테크 기자 경력 초반이었죠. Google은 당시 약 £400 million(4억 파운드), 대략 $540 million(5억4천만 달러) 정도를 지불했습니다. 진행자(Arjun): 지금 관점에서 보면 그 지분은 추정에 따라 수십억 달러, 혹은 수백억 달러 가치일 수도 있습니다. DeepMind는 사실상 오늘날 Google의 AI를 책임지는 조직이라고 할 수 있어요. 진행자(Arjun): 소비자에게 공개된 챗봇 Gemini, 그 기반 기술의 상당 부분이 DeepMind에서 나옵니다. 하지만 그 이전부터도 DeepMind는 큰 돌파구들을 내왔죠. 진행자(Arjun): 몇 년 전 AlphaGo라는 시스템을 공개했는데, 이건 바둑(Go) 세계 챔피언을 꺾은 최초의 컴퓨터 프로그램이었습니다. 바둑은 조합이 너무 많아서, 당시 AI의 ‘대형 난제(grand challenge)’ 중 하나로 여겨졌죠. 진행자(Arjun): 또 다른 큰 돌파구가 AlphaFold입니다. DeepMind가 만든 이 AI는 단백질 구조의 3차원(3D) 모델을 정확히 예측할 수 있었고, 이것이 의학적 혁신으로 이어질 수 있다는 기대를 키웠습니다. 진행자(Arjun): 그래서 과학의 진보가 DeepMind의 핵심 축이었고, Google이 10년+ 전에 내린 베팅이 오늘날 Google을 AI 강자로 만드는 데 큰 역할을 했습니다. Steve Kovach: 맞아요. 제가 오래 지켜보며 가장 인상 깊었던 건 DeepMind가 과학에 정말 뿌리를 두고 있었다는 점입니다. Steve Kovach: 그들은 지금처럼 소비자 제품을 만들려고 시작한 게 아니라, 과학의 근본 문제를 풀고, AI 기반 신약 개발 시대를 열고, 기후변화 같은 복잡한 문제를 풀려고 했죠. Steve Kovach: Demis가 그 얘기를 자주 하는데, Arjun과의 대화에서도 그걸 언급할 거예요. 진행자(Arjun): 맞습니다. 그럼 DeepMind CEO Demis Hassabis와의 대화로 들어가 보죠. 진행자(Arjun): Demis, The Tech Download에 와주셔서 감사합니다. Demis Hassabis: 불러주셔서 감사합니다. 진행자(Arjun): 짧은 시간에 많은 걸 다뤄야 하는데, 우선 기술 자체부터 시작해볼게요. 지금도 AI와 그 역량, 그리고 지속적인 개선에 대해 계속 이야기하고 있습니다. 진행자(Arjun): 테크 업계에서는 “모델이 어디까지 좋아질 수 있나, 시스템이 어디까지 좋아질 수 있나”를 놓고 논쟁이 많고, 그 중심에 ‘스케일링 법칙(scaling laws)’이 있습니다. 진행자(Arjun): 청취자분들을 위해 설명하면, 더 많은 컴퓨트(compute), 더 많은 데이터, 더 큰 모델이 결국 더 강한 시스템으로 이어진다는 아이디어죠. 진행자(Arjun): 당신은 “스케일링 법칙을 최대한까지 밀어붙여야 한다”고 말했습니다. 그런데 지금 스케일링 법칙의 ‘진행’이 벽에 부딪히는 것 아니냐는 질문도 나옵니다. 진행자(Arjun): DeepMind에서 개발해 온 걸 기준으로, 현재 무엇이 보이나요? Demis Hassabis: 저는 스케일링 법칙이 잘 작동하고 있다고 봅니다. 더 많은 컴퓨트, 더 많은 데이터, 더 큰 모델을 투입하면 능력이 증가하는 걸 확실히 보고 있어요. Demis Hassabis: 다만 그 추세가 2년 전만큼 빠르진 않을 수 있습니다. 그래서 “체감 수익(diminishing returns)” 얘기가 나오죠. Demis Hassabis: 하지만 ‘수익이 전혀 없다’와 ‘지수적으로 폭발한다’ 사이에는 큰 차이가 있습니다. 저는 지금 우리가 그 중간 어딘가에 있다고 생각합니다. Demis Hassabis: 즉, 여전히 “꽤 좋은 수익”이 있고, 그래서 그만한 가치가 있습니다. Demis Hassabis: 그리고 AGI(인공 일반 지능, artificial general intelligence)까지 가려면, 기존 아이디어를 스케일업하는 것 말고도 큰 혁신이 한두 가지 더 필요할 수도 있습니다. 아직 빠져 있을 수도 있죠. 진행자(Arjun): 곧 AGI 얘기를 하겠지만, 지금 말씀하신 “빠진 것”은 뭐라고 보세요? Demis Hassabis: 우리가 여러 챗봇을 써보면, 어떤 차원에서는 정말 인상적인 일을 하지만, 저는 이걸 “들쭉날쭉한 지능(jagged intelligences)”이라고 부릅니다. Demis Hassabis: 즉 어떤 건 매우 잘하지만, 어떤 건 아예 못합니다. 질문을 특정 방식으로 던지면 결함이 드러나고, 비교적 단순한 것도 못 하는 경우가 있죠. Demis Hassabis: 진짜 ‘일반 지능’이라면 그런 비일관성이 없어야 합니다. 전반적으로 일관되어야 하죠. Demis Hassabis: 또 지금 시스템들은 ‘지속 학습’을 못합니다. 온라인으로 계속 새 걸 배우지 못하죠. 진정으로 ‘원본 창작(original things)’을 만들지도 못합니다. Demis Hassabis: 그래서 일반 지능에 필요할 역량 중 오늘날 시스템에 없는 것들이 꽤 많습니다. 진행자(Arjun): 흥미롭네요. 그럼 그 지능 시스템으로 가는 ‘언락(unlock)’은 무엇일까요? 진행자(Arjun): 제가 얼마 전 Hugging Face 공동창업자 Thomas Wolfe와 한 대화를 잠깐 공유하고 싶습니다. 진행자(Arjun): 그는 LLM(대규모 언어 모델)에 대한 관점을 말하면서, 챗봇이 “좋은 질문이다, 좋은 아이디어다”라며 정보는 잘 주지만, 시스템이 ‘새롭고 참신한 아이디어’를 만들어내는 능력이 부족하다고 했습니다. 진행자(Arjun): 특히 당신이 관심 있는 과학—새 약을 찾고, 새 질병을 발견하는 영역에서, LLM의 한계 때문에 ‘노벨상급 아이디어’ 같은 진짜 새로운 발상을 못할 수 있다는 얘기였죠. 진행자(Arjun): 그래서 아마 새로운 아키텍처가 필요하지 않겠냐는 질문인데, 지금 생각은 어떻습니까? Demis Hassabis: 저는 과학을 위한 ‘궁극의 도구(ultimate tool)’로서의 AI에 열정을 갖고 있습니다. 그게 제가 커리어 전체를 AI에 쏟은 이유입니다. Demis Hassabis: 그리고 AlphaFold 같은 것으로, 지난 10년간 우리가 해온 과학 작업이 그걸 어느 정도 보여줬다고 생각합니다. Demis Hassabis: 다만 아직 갈 길이 멉니다. AI가 스스로 ‘새 가설(hypothesis)’을 떠올릴 수 있느냐는 문제죠. Demis Hassabis: 이미 나온 추측(conjecture)을 푸는 것도 유용하고 인상적이겠지만, 그걸 넘어서 “세상이 어떻게 작동하는지에 대한 새로운 추측, 새로운 아이디어”를 만들어낼 수 있느냐는 겁니다. Demis Hassabis: 지금까지 그런 능력은 없습니다. 오늘날 시스템은 그걸 못합니다. Demis Hassabis: 그래서 뭔가 빠져 있는 게 있어 보입니다. Demis Hassabis: 장기 계획(long-term planning), 더 나은 추론(reasoning), 그리고 ‘월드 모델(world model)’ 같은 개념이 필요할 수 있다고 봅니다. Demis Hassabis: 즉 시스템이 세상의 물리를 더 잘 이해해서, 머릿속에서 시뮬레이션을 돌리며 자기 가설을 테스트할 수 있어야 합니다. Demis Hassabis: 이건 최고의 인간 과학자들이 하는 일인데, 지금 AI는 아직 그걸 못합니다. 진행자(Arjun): 월드 모델 개념을 조금 더 설명해 주실 수 있을까요? 처음 듣는 분들도 있을 테니까요. 진행자(Arjun): 그리고 그게 LLM과 어떻게 다른지도요. Demis Hassabis: 현재 우리가 쓰는 LLM과 모델은 주로 텍스트 중심입니다. 물론 Gemini 같은 파운데이션 모델은 이미지, 비디오, 오디오 같은 다양한 모달리티도 다룹니다. Demis Hassabis: 하지만 여전히 부족한 건 ‘세계의 물리’, ‘인과(causality)’를 이해하는 겁니다. 하나가 다른 것에 어떤 영향을 주는지, 먼 미래까지 계획할 수 있는지 같은 것들이죠. Demis Hassabis: 이런 것들이 다 연결된 개념이고, 세상이 어떻게 작동하는지 진짜 이해하려면 이런 능력이 필요합니다. Demis Hassabis: 그리고 새로운 발명이나, 이전에 알려지지 않았던 세계의 설명—즉 과학 이론이 하는 일—을 하려면, 직관적 물리(intuitive physics)부터 시작해, 생물학, 경제학까지 아우르는 정확한 ‘세계 모델’이 필요합니다. 진행자(Arjun): AGI, 즉 인간 수준의 지능에 도달한다면, LLM과 월드 모델이 결합해 함께 작동하는 그림을 생각하시나요? 아니면 월드 모델이 LLM을 대체할까요? Demis Hassabis: 저는 기술들이 ‘수렴(convergence)’할 거라고 봅니다. 제 베팅은, Gemini 같은 파운데이션 모델(LLM)이 핵심 구성요소로 들어간다는 겁니다. Demis Hassabis: 그건 거의 의심이 없습니다. 그래서 우리는 그런 시스템을 가능한 한 크게, 강하게 스케일해야 합니다. Demis Hassabis: 다만 질문은 “그것만으로 AGI에 충분하냐”입니다. 저는 다른 기술과 역량이 더 필요할 가능성이 있다고 봅니다. Demis Hassabis: 그리고 월드 모델 역량이 그중 하나일 수 있습니다. Demis Hassabis: 우리는 Genie라는 버전을 개발 중이고, VO(비디오 모델, VO) 같은 최첨단 비디오 모델도 있습니다. 텍스트에서 비디오를 생성할 수 있죠. Demis Hassabis: 비디오 모델이나 Genie 같은 인터랙티브 모델은 ‘초기, 태동 단계(embryonic)’의 월드 모델로 볼 수 있습니다. Demis Hassabis: 현실적인 세상을 생성할 수 있다면, 어떤 의미에서는 그 모델이 세상의 그 부분을 이해하고 있다는 뜻이니까요. 이해하지 못하면 어떻게 그렇게 만들겠습니까? 진행자(Arjun): Demis, AGI—인공 일반 지능—에 대해 이야기해보죠. 정의가 다양하지만 대략 ‘인간 수준’ 지능이라는 의미로 쓰이곤 합니다. 진행자(Arjun): 당신은 AGI 도달이 5~10년 정도일 수 있다고 말해왔습니다. 2025년에 많은 발전이 있었는데, 여전히 같은 생각인가요? Demis Hassabis: 네, 저는 그 전망이 “그대로 맞는 궤도”라고 봅니다. Demis Hassabis: DeepMind를 2010년에 시작했을 때, 우리는 AGI—혁신과 창의성, 계획, 추론을 포함해 인간의 모든 인지 능력을 보이는 시스템—를 만드는 데 20년짜리 미션이 필요하다고 생각했습니다. Demis Hassabis: 그런데 지금은 그로부터 5~10년 정도 떨어져 있다고 봅니다. Demis Hassabis: 생각해보면 정말 대단한 일입니다. 이 기술이 얼마나 ‘변혁적(transformative)’인지가 드러나는 대목이죠. 진행자(Arjun): 기술 돌파가 더 필요할 수 있다고 했는데요. 모델도 발전하고, 반도체도 빠르게 발전하고 있습니다. 진행자(Arjun): 지금 병목(bottleneck)은 무엇인가요? “에너지”가 자주 언급됩니다. 데이터센터와 AI 모델을 돌릴 에너지가 부족해질 거라는 얘기죠. Demis Hassabis: 네, 물리적 제약은 많습니다. 당연히 “칩이 늘 부족”하죠. Demis Hassabis: Google은 GPU뿐 아니라 자체 TPU 라인업도 있어서 운이 좋습니다. 하지만 전 세계적으로 수요 대비 컴퓨트 칩이 충분치 않습니다. Demis Hassabis: 그리고 결국 그건 에너지로 귀결됩니다. Demis Hassabis: 우리가 AGI 시대로 갈수록, “에너지가 사실상 지능과 동의어”가 된다는 관점도 있습니다. Demis Hassabis: 흥미로운 건, AI가 이 문제를 자체적으로 도울 수 있다는 겁니다. 기존 인프라의 효율을 높이는 것뿐 아니라, 더 나은 태양광 소재 같은 ‘물질 설계(material design)’에도 도움을 줄 수 있고, 심지어 핵융합(fusion) 같은 돌파 기술에도 기여할 수 있습니다. Demis Hassabis: 우리는 미국 Commonwealth Fusion과 협업해 핵융합로에서 플라즈마를 가두는 문제를 돕고 있습니다. Demis Hassabis: 개인적으로는, AI로 ‘상온 초전도체(room temperature superconductor)’ 물질을 찾아낼 수 있을지에 관심이 큽니다. Demis Hassabis: 이런 돌파들이 에너지 문제를 완화할 수 있고, 저는 그게 AI의 가장 유망한 활용처 중 하나라고 봅니다. Demis Hassabis: 또 한 가지는, 시스템이 좋아질수록 효율도 좋아진다는 겁니다. 저희 모델 라인업을 보면, Lighthouse 모델, Gemini Pro 버전이 있고, 동시에 훨씬 효율적인 Flash 버전도 있습니다. Demis Hassabis: Flash는 여러 작업의 ‘일꾼(workhorse)’ 모델이고요. 이런 모델은 증류(distillation) 같은 기법을 씁니다. Demis Hassabis: 큰 모델이 작은 모델을 가르치고, 작은 모델은 매우 효율적으로 작동하죠. Demis Hassabis: 이런 혁신이 더 늘면서 성능 대비 전력(per watt)이 계속 좋아질 겁니다. 진행자(Arjun): AGI 얘기가 나오면, 기술이 멋지다는 기대와 함께 두려움도 커집니다. 진행자(Arjun): 일자리, 일상의 변화, “시간을 뭘 하며 보낼 것인가” 같은 질문들이죠. 진행자(Arjun): 당신은 이 기술이 인류에 가져올 이익을 믿는다고 했는데, 사회적 영향 측면에서 무엇을 고려해야 할까요? Demis Hassabis: 저는 AI가 인류가 발명한 가장 이로운 기술 중 하나가 될 거라고 믿습니다. 그래서 제 커리어를 다 바쳤죠. Demis Hassabis: 하지만 그건 ‘저절로 보장된’ 게 아닙니다. AI는 ‘이중용도(dual purpose)’ 기술입니다. Demis Hassabis: 저는 AI로 질병을 치료하는 꿈이 있습니다. 저희는 Isomorphic이라는 스핀아웃(spin-out)을 만들었고, AlphaFold의 단백질 접힘(protein folding) 작업을 기반으로 신약 개발을 가속해 “모든 질병을 해결”하려고 합니다. Demis Hassabis: 저는 그게 앞으로 10~20년 안에 가능한 범위로 들어올 수 있다고 봅니다. Demis Hassabis: 에너지 얘기도 했죠. AI가 가져올 이익은 엄청납니다. Demis Hassabis: 하지만 리스크도 있습니다. 하나는 경제적 혼란입니다. 저는 이게 산업혁명과 비슷하되, 10배 더 크고 10배 더 빠를 것이라고 봅니다. Demis Hassabis: 변화는 엄청나겠지만, 혼란도 큰 만큼 새로운 경제 모델이 필요할 수 있습니다. Demis Hassabis: 그리고 AI 사용에 대한 걱정은 두 가지가 핵심입니다. Demis Hassabis: 첫째는 ‘나쁜 행위자(bad actors)’가 범용 AI 기술을 해로운 목적으로 전용하는 겁니다. Demis Hassabis: 둘째는 AGI 및 에이전트 기반(agent-based) 시스템으로 가면서, 시스템이 더 자율적으로 행동하게 될 때의 위험입니다. Demis Hassabis: 어떤 가드레일(guardrails)이 필요하고, 우리가 원하는 일을 하도록 통제하며, 예상치 못한 방향으로 벗어나지 않게 할 수 있느냐는 문제죠. 진행자(Arjun): 그 통제 측면에서, “우리가 컨트롤할 수 있는 시스템”을 만들고 있다고 확신하나요? Demis Hassabis: 우리는 상당히 자신 있습니다. Demis Hassabis: DeepMind는 2010년부터 책임감, 안전(safety), 보안(security)을 처음부터 고민해왔습니다. Demis Hassabis: 당시엔 AI를 하는 사람이 거의 없었지만, 우리는 성공을 ‘전제’로 계획했고, 성공은 곧 매우 강력한 시스템을 의미한다는 걸 알았습니다. Demis Hassabis: 그래서 그 이면도 처음부터 이해하려고 했죠. Demis Hassabis: 과학적 방법(scientific method)으로, 배포하기 전에 시스템을 최대한 이해하려고 노력해왔습니다. Demis Hassabis: 물론 실수가 없다는 뜻은 아닙니다. 기술이 너무 빠르게 움직입니다. Demis Hassabis: 저는 스스로를 “조심스러운 낙관론자(cautious optimist)”라고 부릅니다. 인간의 창의성과 문제 해결 능력을 믿지만, 이건 자동으로 되는 게 아니기 때문에 눈을 뜨고 접근해야 합니다. 진행자(Arjun): 제가 이 질문을 한 이유가 있습니다. 당신은 Yoshua Bengio, Max Tegmark 같은 인물들과도 대화해왔고, 저도 그들과 인터뷰를 해봤습니다. 진행자(Arjun): 그들은 “AGI와 에이전틱(agentic) 시스템으로 너무 빨리 달려가면 안 된다”며, 범용 시스템보다 ‘도구 기반(tool-based)’ AI로 특정 문제를 해결하는 방향을 선호하기도 했습니다. 진행자(Arjun): 개발 속도를 늦춰야 한다는 주장도 있었고요. 당신은 속도를 늦춰야 한다고 보나요? Demis Hassabis: 저는 그 관점에 어느 정도 공감합니다. Demis Hassabis: 초기에는 AI를 ‘도구’로 생각하고, 특히 과학을 위한 궁극의 도구로 구축하는 게 바른 길이라고 봅니다. AlphaFold 같은 적용도 그런 관점이죠. Demis Hassabis: 하지만 현실은 복잡한 지정학(geopolitics)과 기업 환경 속에 있습니다. Demis Hassabis: 여러 회사가 만들고 있고, 여러 국가도 만들고 있습니다. 이상적으로는 경쟁이 없고, 과학적 노력으로 매 단계가 신중히 검토되어야 하겠지만, 현실은 그렇지 않습니다. Demis Hassabis: 그래서 우리는 실용적으로(pragmatic) 접근해야 합니다. Demis Hassabis: 우리가 하려는 건, 프런티어(frontier)를 밀어붙이며 가능한 한 빠르고 넓게 혜택을 제공하되, 동시에 최대한 책임감 있고 사려 깊게 해나가는 겁니다. Demis Hassabis: 지금은 그 균형이 꽤 잘 맞는다고 생각하고, 업계에 역할 모델이 되길 바랍니다. 진행자(Arjun): 개인적인 차원에서, 기술의 강력함을 보며 “이걸 해야 하나”라고 고민한 적은 없나요? Demis Hassabis: 저는 오히려, 지금 사회가 직면한 문제들을 보면—기후, 빈곤, 물 접근성, 건강, 노화, 인구, 질병, 에너지—AI 같은 변혁적 기술이 없다면 사회가 이 문제들을 감당할 수 있을지 걱정될 정도입니다. Demis Hassabis: 흥미롭게도 AI 자체도 큰 도전이지만, 동시에 다른 거대한 과제들을 해결하는 데 도움을 줄 수 있습니다. Demis Hassabis: 저는 결국 AI가 우리가 발명할 가장 중요한 기술이 될 거라고 늘 생각해 왔고, 컴퓨터 시대의 자연스러운 다음 단계라고 봅니다. 진행자(Arjun): 잠깐 옆얘기인데요. 당신은 게임으로 커리어를 시작했죠. Theme Park를 공동 개발했고요. Demis Hassabis: 네. 진행자(Arjun): 정말 멋진 게임이었습니다. 지금도 게임을 하시나요? Demis Hassabis: 네, 게임을 정말 좋아합니다. 제 취미예요. Demis Hassabis: 요즘은 League of Legends를 두 아들과 형제와 함께 합니다. 작은 팀을 꾸려서요. 락다운 때부터 해왔습니다. 진행자(Arjun): 그런 고강도 스트레스 직무에서, 그게 ‘언와인드(unwind)’ 수단인가요? Demis Hassabis: 그렇죠. 그리고 예전엔 창의적 작업이기도 했습니다. 게임을 만들면서 프로그래밍을 배웠고요. Steve Kovach: 저도 집에 가서 콘솔 켜는 게 제 언와인드예요. Demis Hassabis: 그렇죠, 그렇죠. 진행자(Arjun): Steve, 방금 짧은 구간만 봐도 풀어낼 게 정말 많습니다. 저는 두 가지 큰 ‘버즈워드’를 잡고 싶습니다. 진행자(Arjun): 첫째는 AGI, 즉 인간과 같은 혹은 그보다 더 똑똑한 AI라는 개념입니다. 진행자(Arjun): OpenAI, DeepMind 등 많은 AI 연구소가 이 AGI 단계에 도달하려고 합니다. 진행자(Arjun): 지금까지 주된 접근은 ‘대규모 언어 모델(LLM)’이었죠. 엄청난 데이터—주로 텍스트—로 학습하는 방식입니다. 진행자(Arjun): 둘째 버즈워드는 ‘월드 모델(world models)’입니다. 물리 세계를 이해하는 AI 모델이라는 개념이죠. 진행자(Arjun): 이 버즈워드는 요즘 더 빠르게 커지고 있습니다. Steve Kovach: 맞아요. 진행자(Arjun): 저는 이게 2026년과 내년까지 AI의 큰 테마가 될 거라고 봅니다. 진행자(Arjun): 이유는 간단합니다. LLM은 언어는 어느 정도 잡았지만, 물리 세계—물, 공기, 로보틱스(robots), 자율주행(autonomous driving) 같은 영역—에선 “세계가 어떻게 작동하는지”를 이해해야 하니까요. 진행자(Arjun): Demis가 말한 핵심은, LLM과 월드 모델이 ‘수렴(converge)’할 수 있다는 관점이었습니다. 진행자(Arjun): 이 논쟁은 AI 리더들 사이에서도 계속되고 있습니다. 소셜미디어(X 등)만 봐도 그렇죠. 진행자(Arjun): 특히 Yann LeCun이 눈에 띄었습니다. 그는 오랫동안 Meta에서 AI를 이끌었는데, 최근 Alexander Wang과 인재 전쟁 등으로 “밀려났다”는 식의 맥락이 있었고, 그 후 독자적으로 새로운 일을 시작했다고 언급되죠. 진행자(Arjun): Financial Times 인터뷰에서 그는 “LLM만으로는 AGI에 못 간다”고 봅니다. 진행자(Arjun): LLM은 일부만 가는 길이고, 월드 모델과 다른 요소들이 필요하다고요. 진행자(Arjun): 그리고 Meta가 LLM 이후를 충분히 생각하지 않는다고 꽤 강하게 비판했다고 합니다. 진행자(Arjun): 그런 상황에서, Meta의 경쟁자이자 Gemini를 가진 Google 쪽—Demis가 “우린 이걸 해야 한다”고 공개적으로 말하는 건 흥미로운 일입니다. 진행자(Arjun): 로보틱스, 자율주행 등 물리 AI에서 특히 그렇고, 우리가 챗봇에게 질문했을 때 더 정확한 답을 주려면 세상 이해가 필요합니다. Steve Kovach: Arjun, 챗봇 쓰다 보면, “Steve, 좋은 질문이에요. 정말 똑똑한 생각이네요.” 이런 말 많이 듣죠? 진행자(Arjun): 늘요. 이게 바로 챗봇의 ‘아부(sycophancy)’죠. Steve Kovach: 맞아요, 항상요. 진행자(Arjun): 제가 이 얘길 꺼낸 건, LLM 비판 중 하나가 바로 그 지점이기 때문입니다. 진행자(Arjun): 정보는 잘 주지만, 새로운 아이디어·참신한 발상을 만드는 기반으로서의 한계가 있다는 거죠. 진행자(Arjun): 그래서 Demis가 월드 모델을 강조했고, 앞으로 로보틱스, 무인차, 다른 많은 활용처에서 이게 중요해질 겁니다. Steve Kovach: 그리고 이 팟캐스트를 계속 들으시면 아시겠지만, 저는 이번 AI 모먼트에서 “로보틱스” 얘기에 매우 냉소적입니다. Steve Kovach: 우리가 보는 많은 로봇은 사실 ‘꼭두각시’처럼 원격 조종(tele-operated)되고 있습니다. Steve Kovach: 대표 사례가 Tesla Optimus 로봇이죠. 처음엔 사람이 바디슈트 입고 춤췄고, 지금은 진짜 로봇이지만 여전히 원격 조종입니다. Steve Kovach: 인터넷으로 컨트롤룸에서 조종하고, 심지어 목소리로 말도 해줍니다. Steve Kovach: 로보틱스 쪽 사람들은 “로봇을 만드는 것보다 훈련(training)이 더 어렵다”고 하더군요. Steve Kovach: 그래서 월드 모델이 필요합니다. 로봇이 정말 자율적으로 작동하게 하려면요. 진행자(Arjun): 좋습니다. Demis, 경쟁 구도 이야기를 해보죠. 진행자(Arjun): OpenAI, Anthropic 등 많은 AI 연구소가 있고 경쟁이 매우 치열합니다. Gemini 3는 지금까지 반응이 정말 좋았고요. 진행자(Arjun): 그런데 불과 2025년 어느 시점까지만 해도 Google이 과연 경쟁할 수 있나 의심받던 때가 있었습니다. 진행자(Arjun): Gemini 3가 나와 많은 사람들을 놀라게 했지만, 환경은 계속 바뀌죠. 지금 경쟁 환경을 어떻게 평가하시나요? Demis Hassabis: 지금은 정말 ‘맹렬한(ferocious)’ 경쟁 환경입니다. Demis Hassabis: 20~30년 테크 업계를 본 사람들도 “가장 강렬한 환경”이라고 말하죠. Demis Hassabis: 가장 역량 있는 플레이어—빅테크, 최상위 스타트업—가 다 들어와 있습니다. Demis Hassabis: 왜냐하면 모두가, 우리가 20년+ 동안 알고 있던 것을 이제 깨달았기 때문입니다. 이게 ‘가장 중요한 기술’이라는 것을요. Demis Hassabis: 힘들지만 동시에 흥미롭습니다. Demis Hassabis: 게임 얘기로 돌아가면, 저는 어릴 때부터 경쟁 속에서 자랐습니다. 저는 영국 주니어 체스 대표팀(England Junior chess team)에서 체스를 했거든요. Demis Hassabis: 그래서 경쟁을 좋아합니다. 많은 면에서 경쟁을 위해 산다고도 할 수 있어요. Demis Hassabis: 다만 머릿속 한편에는, 회사나 국가 간 경쟁보다 더 중요한 것이 있다는 걸 압니다. Demis Hassabis: 그건 AGI를 ‘잘 관리(stewarding)’해서, 인류 전체에 이롭게 만드는 것입니다. Demis Hassabis: AI 연구소를 이끄는 리더라면, 이 점을 이 치열한 자본주의 경쟁 속에서도 전면에 두어야 합니다. 진행자(Arjun): 사람들이 Google을 의심하던 그 시기, 당신은 뭔가 다르게 했나요? Demis Hassabis: 지난 10년을 돌아보면, Google Brain(연구 조직)과 DeepMind는 꽤 독립적으로 움직였습니다. Demis Hassabis: 우리는 오늘날 모두가 쓰는 기술의 90% 정도를 발명했다고 저는 봅니다. 예컨대 Transformer—모든 LLM의 핵심 아키텍처—가 대표적이죠. Demis Hassabis: AlphaGo는 아주 어려운 문제에서 강화학습(reinforcement learning)을 대규모로 적용하는 걸 보여줬고요. Demis Hassabis: 우리는 기술을 많이 발명했지만, hindsight로 보면 ‘상용화(commercialize)와 스케일(scale)’이 조금 느렸을 수 있습니다. Demis Hassabis: 그 부분을 OpenAI 등이 아주 잘했죠. Demis Hassabis: 그래서 지난 2~3년은 스타트업·기업가적(entrepreneurial) 뿌리로 돌아가 더 ‘스크래피(scrappier)’하고, 더 빠르게 만들고, 더 빨리 출시(ship)해야 했습니다. Demis Hassabis: 그 결과가 최근 몇 년, 그리고 Gemini 시리즈로 이어졌고, Gemini 3가 최신 버전으로서 리더보드 상단에 다시 올려놓았다고 봅니다. 진행자(Arjun): 그 자리를 유지할 수 있다고 보나요? Demis Hassabis: 네, 유지할 수 있다고 봅니다. 진행자(Arjun): 경쟁 속에서 AI 버블 얘기도 큽니다. 밸류에이션, 엄청난 자금 조달, 빅테크의 수백억~수천억 단위 인프라 투자, 제품이나 수익이 거의 없는 회사가 큰 돈을 받는 현상 등요. 진행자(Arjun): 지금 AI 산업은 금융 버블이라고 보나요? Demis Hassabis: 버블은 이분법이 아니라고 봅니다. 산업의 일부는 버블일 수 있고, 일부는 아닐 수 있습니다. Demis Hassabis: 근본적으로 AI는 가장 변혁적인 기술이 될 겁니다. 그게 바탕이죠. Demis Hassabis: 인터넷 버블과 비슷합니다. 결국 인터넷은 결정적으로 중요했고, 그 시기에 세대적(generational) 기업들도 나왔죠. Demis Hassabis: 그래서 변혁적 기술이란 걸 모두가 깨달으면 과열(exuberance)이 생기고, 이후 현실이 남는 ‘조정(reckoning)’이 올 수 있습니다. Demis Hassabis: 제게 더 지속 가능하지 않아 보이는 부분은, 예를 들어 프라이빗 마켓에서 아직 실체가 거의 없는데도 수십억 달러(10s of billions) 규모로 투자받는 경우입니다. Demis Hassabis: 하지만 저는 버블을 크게 걱정하지 않습니다. Google DeepMind를 이끄는 입장에서는, 낙관적으로 계속 성장하든, 버블이 꺼지든, 어느 쪽이든 이길 수 있는 위치에 있어야 합니다. Demis Hassabis: 우리는 Google의 본업과 그 위에 AI가 어떻게 맞물리는지 덕분에, 어떤 시나리오든 좋은 포지션을 갖고 있다고 봅니다. 진행자(Arjun): 경쟁사 중엔 프라이빗 시장에서 엄청난 자금을 조달한 곳들이 있습니다. 조정이 오면 그들도 버틸 수 있을까요? 당신은 자신 있나요? Demis Hassabis: Google의 대차대조표(balance sheet), 그리고 엄청난 제품 표면(surfaces)들이 핵심입니다. Demis Hassabis: 수십 개의 ‘수십억 사용자’ 제품이 있고, AI는 이메일(Workspace)부터 Gemini 앱 같은 새로운 것까지 모든 제품에 자연스럽게 들어맞습니다. 진행자(Arjun): 또 다른 축은 지정학입니다. 중국과 미국의 경쟁이요. 진행자(Arjun): 한때 중국이 강한 AI 모델을 만들기 어렵다는 관측도 있었지만, DeepSeek가 ‘충격’을 줬고, Alibaba 같은 곳도 경쟁력 있는 오픈소스 모델을 내고 있습니다. 진행자(Arjun): 중국은 게임에서 빠진 게 아니죠? Demis Hassabis: 전혀 아닙니다. 오히려 미국·서구의 프런티어 모델에 우리가 1~2년 전 생각했던 것보다 더 가까이 와 있다고 봅니다. Demis Hassabis: 어쩌면 지금은 몇 달(months) 뒤처진 정도일 수 있습니다. Demis Hassabis: DeepSeek 팀, Alibaba 같은 팀들은 매우 유능합니다. Demis Hassabis: 질문은 “프런티어를 따라잡는 것”을 넘어 “프런티어 너머로 혁신할 수 있느냐”입니다. Demis Hassabis: 그들은 따라잡는 것을 보여줬습니다. 매우 빠르게요. Demis Hassabis: 하지만 새로운 Transformer처럼, 프런티어를 넘어서는 ‘새 발명’을 할 수 있는지는 아직 증명되지 않았다고 봅니다. 진행자(Arjun): 그게 어려운 이유가 최첨단 칩 접근 제한 같은 기술 제약 때문이라고 보나요? Demis Hassabis: 저는 오히려 ‘멘탈리티(mentality)’ 문제라고 봅니다. Demis Hassabis: 서구의 선도 연구소들은 Bell Labs 같은 현대판 연구소가 되려는 문화를 키워왔고, 탐색적(exploratory) 혁신을 장려해왔습니다. Demis Hassabis: 물론 알려진 것을 스케일하는 것만 해도 이미 세계적 엔지니어링이 필요할 만큼 어렵습니다. 중국도 그 역량은 있습니다. Demis Hassabis: 하지만 과학적 혁신은 더 어렵습니다. 발명(invent)은 복제(copy)보다 100배 어렵다고 할 수 있죠. Demis Hassabis: 그래서 그 증거는 아직 못 봤습니다. 다만 그 자체가 매우 어려운 일이기도 합니다. 진행자(Arjun): Steve, 저에게 그 대목에서 가장 인상적이었던 건 중국에 대한 뉘앙스였습니다. 진행자(Arjun): 저는 중국에서 3년+ 살며 CNBC로 테크를 취재했는데, 최근엔 중국이 AI에서 미국보다 훨씬 뒤처졌다는 시각이 커졌습니다. 진행자(Arjun): 이유로는 최첨단 칩 접근이 어렵다, 혁신이 부족하다, 미국처럼 자본이 없다 같은 얘기가 있었죠. 진행자(Arjun): 그런데 Demis는 중국 모델이 미국 대비 “몇 달 차이”라고 했습니다. 즉 생각보다 멀지 않다는 뜻이죠. 진행자(Arjun): 그리고 작년에 DeepSeek가 세계와 시장을 놀라게 했던 걸 기억하실 겁니다. 중국이 게임에 있다는 신호였어요. 진행자(Arjun): 이후 DeepSeek의 파급이 초기만큼은 아니었지만, Alibaba는 강력합니다. 오픈소스 커뮤니티—Hugging Face 같은 곳—를 보면, Alibaba 모델이 매우 인기 있고, 전문가들은 세계 최상위권이라고 말합니다. 진행자(Arjun): 제가 중국에서 느낀 것도 있습니다. 중국 기업은 정말 빠르게 움직이고, 역량도 있습니다. 그래서 AI 레이스에서 과소평가하면 안 됩니다. 진행자(Arjun): 다만 Demis의 포인트처럼, “따라잡기”는 보여줬지만 “대형 혁신”을 보여줬는지는 별개죠. 그게 정말 미묘하고 중요한 구분입니다. Steve Kovach: 그리고 그 “몇 달 차이” 얘기는 DeepSeek을 떠올리게 합니다. Steve Kovach: 그건 중국이 좋은 LLM/챗봇을 만들 수 있다는 것뿐 아니라, “가장 강력한 NVIDIA 칩 없이도” 만들었다는 점이 시장을 흔들었습니다. Steve Kovach: 미국은 중국의 NVIDIA 칩 접근을 제한하려 하고, H200 같은 덜 강한 칩, 밀수(smuggling) 같은 얘기도 나옵니다. Steve Kovach: 만약 정말로 그들이 칩 접근 제한 속에서도 몇 달 뒤처진 수준이라면, 이는 NVIDIA의 칩 지배력(dominance)에 대한 시장 인식에도 질문을 던집니다. Steve Kovach: 그리고 버블 얘기로 돌아가서, Demis의 답은 흥미로웠어요. Steve Kovach: 그는 사실상 “우린 Google이다. 돈이 많다. 상관 없다. 현금흐름과 대차대조표가 슈퍼파워다”라고 말한 셈이죠. Steve Kovach: 상황에 따라 지출을 줄일 수도 있고, 그래도 괜찮다는 자신감입니다. Steve Kovach: 하지만 누가 그걸 못하죠? OpenAI와 Anthropic입니다. xAI까지 포함할 수 있겠죠. Steve Kovach: 그들은 계속 자금을 조달해야만 하고, 결국 지속 가능한 수익을 보여줘야 합니다. Steve Kovach: 만약 자금조달이 마르면 OpenAI와 Anthropic은 큰 위험에 놓입니다. Steve Kovach: 반면 Google, Microsoft, Meta는 현금흐름이 있고, Meta는 메타버스처럼 ‘다른 프로젝트로 이동’도 할 수 있죠. Steve Kovach: 즉 이런 회사들은 기존 고마진 사업이 있어서 쉽게 피벗(pivot)할 수 있습니다. 진행자(Arjun): Demis, 많은 사람이 Google의 AI 역량 상당 부분이 DeepMind와 당신의 팀에서 나온다는 걸 잊기도 합니다. 진행자(Arjun): Google과는 어떻게 일하나요? Sundar Pichai가 전화해서 “Demis, Gemini 아이디어가 있는데 만들어줘” 이런 식인가요? 진행자(Arjun): 관계가 어떻게 구성돼 있나요? Demis Hassabis: 지난 3년 동안 우리는 모든 걸 하나로 묶었습니다. 이제 Google DeepMind라는 단일 조직 안에 Google의 AI 연구가 모두 들어와 있습니다. Demis Hassabis: Google Research, Google Brain, DeepMind가 결합됐고, 저는 그 그룹을 이끕니다. Demis Hassabis: 이 조직은 Google의 ‘엔진룸(engine room)’이라고 생각하시면 됩니다. Demis Hassabis: 모든 AI 기술은 우리 그룹에서 만들고, 이후 Google의 다양한 제품으로 퍼져나갑니다. Demis Hassabis: 지난 몇 년은 모델뿐 아니라, Google 전체 인프라를 사실상 다시 아키텍처링(architecting)해 “아주 빠르게 출시”할 수 있는 백본(backbone)을 만드는 데 집중했습니다. Demis Hassabis: 그래서 새로운 Gemini 모델을 내면, 같은 날 혹은 다음 날 검색(Search) 같은 주요 표면(surfaces)에 바로 들어갑니다. Demis Hassabis: 이 과정은 매우 잘 되고 있습니다. 특히 Gemini 2.5 모델부터 ‘우리의 리듬(groove)’이 잡혔다고 느낍니다. Demis Hassabis: 지난 1년 동안 점점 더 매끄러운 프로세스가 됐고, 앞으로 12개월에 더 많이 보실 겁니다. Demis Hassabis: Sundar와 저는 거의 매일 전략을 논의합니다. 기술이 어디로 가야 하는지, Google 전체가 뭘 필요로 하는지요. Demis Hassabis: 그리고 장기 목표—AGI를 먼저, 빠르게, 그리고 안전하게—를 염두에 두고 로드맵과 계획을 사실상 매일 조정합니다. 진행자(Arjun): 그러면 앞으로도 새로운 AI 도구들이 더 빨리 나오고, Google 포트폴리오 전반에 배포되는 걸 더 많이 보게 되겠네요? Demis Hassabis: 네, 맞습니다. 반복(iteration) 루프가 매우 촘촘하고, 같은 테크 스택 위에서 움직이니까요. 진행자(Arjun): 당신이 만드는 건 Google 제품에 들어가지만, Samsung 같은 회사도 스마트폰 AI 도구에 Google 기술을 쓰죠. 진행자(Arjun): 그런 파트너십도요. Demis Hassabis: 네, 우리는 많은 파트너와 일합니다. 그들이 우리 기술을 선택한 걸 자랑스럽게 생각합니다. 역량을 인정한 거니까요. Demis Hassabis: Samsung 같은 디바이스에서는 ‘엣지 컴퓨팅(edge compute)’과, 폰이나 우리가 개발 중인 안경(glasses) 같은 엣지 디바이스에서 돌아가는 더 빠른 모델에 관심이 큽니다. Demis Hassabis: Warby Parker 같은 파트너와 스마트 글래스도 논의하고 있습니다. Demis Hassabis: Google은 스마트 글래스를 오래 해왔지만, 이제는 ‘킬러 앱(killer app)’이 생겼다고 봅니다. Demis Hassabis: 그건 ‘범용 어시스턴트(universal assistant)’—일상에서 도움을 주는—라는 아이디어입니다. Demis Hassabis: 그래서 주요 디바이스 플레이어들이 이런 기술에 관심을 가질 거라고 봅니다. 진행자(Arjun): 시간이 얼마 남지 않았지만, 하나 묻고 싶습니다. 진행자(Arjun): 저는 2014년 Google이 DeepMind를 인수했을 때 막 신참 테크 기자였습니다. 진행자(Arjun): 당시엔 많은 사람이 “왜 Google이 이 영국 회사를 사지?”라고 했죠. 진행자(Arjun): 뒤돌아보며 “독립을 유지했어야 했나” 생각한 적 있나요? 아니면 결과에 만족하나요? Demis Hassabis: 당시 검색(Search) 책임자였던 Alan Eustace가 거래를 마무리하는 역할을 맡았고, Larry Page가 CEO로서 딜을 후원(sponsoring)했습니다. Demis Hassabis: 저는 Alan에게 “이건 Google이 한 인수 중 가장 중요한 인수가 될 것”이라고 말했습니다. Demis Hassabis: YouTube나 AdWords 같은 인수들이 있었던 걸 생각하면 꽤 큰 말이죠. Demis Hassabis: 하지만 저는 이 기술이 얼마나 중요해질지, 그리고 Google의 미션—세상의 정보를 정리(organize)—와 얼마나 잘 맞는지 알고 있었습니다. Demis Hassabis: 정보를 정리하고 이해하는 데 AI만큼 좋은 도구가 또 있을까요? Demis Hassabis: 지금 보면 우리가 판 가격의 100배, 1,000배 가치일 수도 있겠지만, 당시 저는 과학으로 돌아가 연구를 밀어붙이고 싶었습니다. Demis Hassabis: 2014년은 연구가 아직 매우 초기(nascent)였고요. Demis Hassabis: 공정하게 말해 Google—특히 당시 Larry—는 이 기술이 얼마나 중요해질지, 무엇이 될 수 있는지 알아본 몇 안 되는 곳이었습니다. Demis Hassabis: 그리고 Google의 지원과 엄청난 컴퓨트가 없었다면, AlphaGo, AlphaFold, 그리고 우리가 해온 과학 작업을 그렇게까지 하긴 어려웠을 겁니다. Demis Hassabis: 그래서 전혀 후회가 없습니다. 진행자(Arjun): 요즘 테크 CEO, AI CEO는 ‘록스타’가 된 느낌입니다. 진행자(Arjun): 유럽에서도 Jensen Huang—NVIDIA CEO—가 사람들에게 둘러싸여 있는 걸 봤습니다. 진행자(Arjun): Jensen은 당신과 대화한다고 했고, 새로운 이미지 생성 도구 ‘nano banana’에 대해서도 좋은 얘기를 했습니다. 진행자(Arjun): 두 분은 어떤 얘길 하나요? Demis Hassabis: Jensen은 훌륭합니다. 그는 놀라운 개척자(pioneer)이고, 20~30년 동안 비전을 지켜온 것도 존경합니다. Demis Hassabis: 저는 90년대에 게임을 위해 GPU를 쓰기 시작했습니다. 그래픽 엔진과 물리 엔진을 만들었죠. Demis Hassabis: 그래서 제 게임 시절에 쓰이던 하드웨어가 이제 AI에 쓰이는 걸 보면, 참 ‘한 바퀴 돌아’ 온 느낌입니다. Demis Hassabis: 우리는 주로 과학을 위한 AI—AI for science—를 얘기합니다. Demis Hassabis: AlphaFold는 GPU로 학습됐고, Jensen은 AlphaFold를 매우 좋아합니다. Demis Hassabis: 그리고 신약 개발에서 우리가 하는 일도요. 그래서 대부분 AI for science를 이야기합니다. 진행자(Arjun): 많은 데이터센터는 NVIDIA 시스템 기반으로 구축되지만, Google은 TPU(Tensor Processing Units)도 있습니다. 진행자(Arjun): 경쟁적 긴장감 같은 게 있나요? Demis Hassabis: 우리는 운이 좋습니다. TPU를 갖고 있고, 좋아합니다. Demis Hassabis: 내부적으로 최고의 모델을 학습할 때는 보통 TPU를 씁니다. Demis Hassabis: 그리고 매우 큰 모델을 만들거나 서빙(serving)하려는 최상위 AI 팀들이 TPU를 원합니다. 그런 목적에 맞게 설계됐기 때문이죠. Demis Hassabis: GPU는 더 범용적(general)이고, 새로운 아키텍처나 새로운 적용을 탐색할 땐 GPU를 쓸 수 있습니다. AlphaFold도 그랬고요. Demis Hassabis: 하지만 최대한 스케일할 때, 이미 검증된 것들을 밀어붙일 때는 커스텀 실리콘(custom silicon)이 훨씬 효율적일 수 있습니다. Demis Hassabis: 그래서 우리는 둘 다 쓸 수 있다는 게 큰 장점입니다. 진행자(Arjun): 미래를 보죠. 당신은 과학과 AI가 신약·질병 발견 같은 돌파를 만들 수 있다고 봅니다. 진행자(Arjun): Isomorphic Labs도 있고요. 지금 그 비전은 어디까지 와 있나요? Demis Hassabis: 저는 AlphaFold를 AI의 과학 적용 사례 중 최고로 꼽습니다. Demis Hassabis: 단백질 접힘(protein folding)—단백질 구조가 어떻게 결정되는지—이라는 과학의 50년 난제를 해결했습니다. Demis Hassabis: 지금 전 세계 3 million(300만) 이상의 연구자가 핵심 연구에 이를 쓰고 있습니다. Demis Hassabis: 이보다 더 변혁적인 기술을 상상하기 어렵습니다. Demis Hassabis: 제가 바라는 건 “AlphaFold 같은 것”을 열두 개쯤 더 만드는 겁니다. Demis Hassabis: 각자가 과학이나 수학의 한 분야를 혁명적으로 바꾸는 거죠. Demis Hassabis: 우리는 이미 그런 프로젝트를 반다스(bunch) 정도—물질과학, 물리, 수학, 날씨 예측(weather prediction) 등—에서 하고 있습니다. Demis Hassabis: AI가 잘 발전하고, 우리가 올바르게 사용한다면, 앞으로 10년은 과학 발견의 새로운 황금기(golden age)를 열 수도 있습니다. 진행자(Arjun): 그렇다면 2026년 AI에서 어떤 큰 것들이 일어날까요? 돌파구나 큰 진전이 있을까요? Demis Hassabis: 에이전틱 시스템(agentic systems)—더 자율적으로 일을 하는 시스템—이 “유용할 만큼 신뢰할 수 있는(reliable)” 수준에 도달하기 시작할 겁니다. Demis Hassabis: 그리고 향후 12~18개월 안에 로보틱스에서 정말 흥미로운 것들이 나올 거라고 봅니다. Demis Hassabis: 우리는 Gemini Robotics로 매우 야심 찬 프로젝트를 하고 있습니다. Demis Hassabis: 또 디바이스에서 돌아가는 AI도 실제 세계에서 정말 유용해지는 모습을 보기 시작할 겁니다. Demis Hassabis: 마지막으로, 제가 가장 기대하는 건 월드 모델(world models)을 더 발전시키는 겁니다. 더 효율적으로 만들어서, 일반 모델에서 계획(planning) 같은 데 실제로 쓰이게 하는 거죠. 진행자(Arjun): 좋습니다. 방금 마지막 답변은, 올해 안에 다시 만날 때를 위한 예고편으로 받아들이겠습니다. 오늘 함께해주셔서 감사합니다. Demis Hassabis: 감사합니다. 진행자(Arjun): 좋아요. 이제 다시 우리 대화로 돌아가 보죠. 진행자(Arjun): Steve, 마지막 파트에서 흥미로웠던 건 DeepMind라는 엔티티와 Google 사업 전체의 관계였습니다. 진행자(Arjun): Demis는 Sundar Pichai와 매일 얘기한다고 했고, DeepMind와 Google이 더 통합(integrated)됐다고 했죠. 진행자(Arjun): 이게 AI 레이스에서 의미하는 건, Google이 AI 제품을 시장에 빠르게 내는 방법을 ‘이제는’ 정리했다는 신호 같습니다. 진행자(Arjun): 그리고 Chrome, Gmail 등 Google의 수많은 제품을 생각해보면, DeepMind가 만든 AI가 그 전 제품에 퍼질 수 있습니다. 진행자(Arjun): 그럼 엄청난 사용자 기반을 거의 즉시 활용할 수 있죠. 진행자(Arjun): 저는 Android도 큰 강점이라고 봅니다. 글로벌에서 70%+ 수준의 점유율을 가진 OS이고, 그만큼 많은 디바이스에 Google AI가 사실상 ‘기본 설치’처럼 들어갈 수 있으니까요. Steve Kovach: Android만으로도, Samsung이 이미 Gemini를 메인 챗봇/메인 AI로 넣고 있다는 점이 큽니다. Steve Kovach: Samsung이 자체 모델을 만들지 않았다는 게 조금 놀라웠지만, 완전히 Gemini로 갔어요. Steve Kovach: 혼합현실(mixed reality) 헤드셋도 Google과 파트너십이고, Warby Parker 같은 회사와 함께 안경도 준비 중이라고 했죠. Steve Kovach: 그래서 Samsung만으로도 Gemini에 엄청난 플랫폼이 생깁니다. Steve Kovach: 그리고 Apple도요. Gemini가 몇 달 뒤 나올 새 Siri 버전을 구동할 엔진이 될 거라고 말했습니다. Steve Kovach: Demis는 더 많은 디바이스로 Gemini가 퍼지는 걸 기대한다고 했고요. Steve Kovach: Apple이 “혼자 못 만든다”는 걸 인정하고, 검증된 기술을 통합하는 건 똑똑한 선택입니다. Steve Kovach: 그리고 Google 내부도 달라졌습니다. Steve Kovach: 예전엔 여러 팀이 AI를 동시에 하며 서로 부딪히는 느낌이었는데, 이번 큰 리오그(reorg) 이후 Demis에게 AI를 다 접어서 DeepMind로 만들었죠. Steve Kovach: 그게 2025년에 Gemini 3로 큰 성과를 냈다고 봅니다. 진행자(Arjun): 소비자 영역 경쟁도 더 치열해질 겁니다. 진행자(Arjun): Google은 현금흐름, 사용자 기반, 그리고 출시 속도를 갖췄고, 이것이 2026년 OpenAI에 특히 소비자 측면에서 큰 압박이 될 수 있습니다. Steve Kovach: 맞아요. OpenAI는 올해 엄청 많은 걸 던질 겁니다. 어떤 게 붙는지 보려고요. Steve Kovach: 그들은 Oracle과 데이터센터를 짓는 등 거대한 자본지출 약속을 해놨고, 그걸 유지하려면 더 잘 ‘제품화(productize)’하고 수익을 만들어야 합니다. Steve Kovach: 그리고 Meta도 큰 사용자 기반을 활용할 기회가 있지만, Google만큼 잘 못하고 있어요. Steve Kovach: 그래서 지금은 Google이 ‘상단’에 있는 느낌입니다. 진행자(Arjun): 다음 주에는 이 미니시리즈 파트 2가 나옵니다. DeepMind COO인 Lila Ibrahim과 대화할 예정이니 기대해 주세요. 진행자(Arjun): 의견이나 생각이 있으면 저희에게 연락해 주세요. 여러 플랫폼에서 가능합니다. Steve Kovach: 저는 블루스카이(Bluesky) 쪽 사람이에요. 블루스카이요. 진행자(Arjun): 네, 우리는 여기저기 있습니다. Steve Kovach: 저는 7년 반 전에 Instagram을 끊었는데, 전혀 후회하지 않습니다. 진행자(Arjun): 와, 대단하네요. Steve Kovach: 네, 이제 ‘둠 스크롤링(doom scrolling)’은 없습니다. 진행자(Arjun): 좋네요. Steve Kovach: 둠 스크롤링 없는 남자입니다. 시청해주셔서 감사합니다. 다음에 뵙겠습니다. 2026-01-15_The_Man_Behind_Googl…