진행자: 안녕하세요, 여기는 最佳拍档입니다. 오늘은 Google DeepMind의 CEO인 Demis Hassabis의 최신 인터뷰 내용을 여러분께 공유해 드리겠습니다. 진행자: 그는 AI 분야에서 20년 이상 깊이 있게 연구해 왔고, AlphaGo부터 Gemini까지의 전 과정을 직접 지켜본 업계 리더입니다. 진행자: 이번 인터뷰에서 그는 AGI의 기술적 병목, 구현 로드맵, 에너지 과제, 글로벌 경쟁, 그리고 안전 리스크까지 일련의 핵심 질문에 대해 가장 솔직한 시각으로 답했습니다. 진행자: 많은 분들이 Demis Hassabis를 DeepMind의 창립자로 기억하지만, 그의 이력 자체가 ‘크로스오버 천재’의 역사라고도 할 수 있습니다. 진행자: 그는 어릴 때부터 체스 신동이었고, 영국 대표로 국제 대회에도 출전했습니다. 진행자: 이런 전략과 시스템에 대한 민감함이 훗날 AI 연구의 밑바탕이 됐습니다. 진행자: 젊은 시절 그는 고전 게임인 ‘Theme Park(主题乐园)’ 개발에도 참여했는데, 게임 개발 과정에서 ‘가상 세계의 규칙을 어떻게 구축하는가’를 깊이 이해하게 됐다고 합니다. 진행자: 이는 그가 훗날 제시한 세계 모델(World Model) 개념과도 일맥상통합니다. 진행자: 2010년 Demis Hassabis는 DeepMind를 설립했습니다. 진행자: 당시 AI는 비교적 비주류 분야였지만, 그는 그때 이미 ‘20년 안에 AGI를 구현한다’는, 당시로서는 매우 멀게 느껴지는 목표를 세웠습니다. 진행자: 그리고 지금 15년이 지났습니다. 진행자: DeepMind는 Google에 인수된 뒤 Google Research, Google Brain과 통합되어 Google의 AI 핵심 엔진룸으로 재편됐고, Demis Hassabis는 책임자로서 세계 최정예 AI 팀을 이끌며 그 목표를 향해 꾸준히 전진하고 있습니다. 진행자: 그의 경험은 진정한 기술 리더라면 ‘별을 바라보는 비전’과 ‘땅을 딛는 실행력’을 동시에 갖춰야 한다는 점을 보여줍니다. 진행자: 이번 인터뷰에서 공유된 관점 역시 바로 그 비전과 실행력이 결합된 결과로 보입니다. 진행자: 최근 몇 년간 AI 산업은 **스케일링 법칙(Scaling Law)**을 둘러싼 논쟁이 끊이지 않았습니다. 진행자: 스케일링 법칙이란 간단히 말해, 모델의 능력이 연산 자원(컴퓨트), 데이터, 파라미터 규모가 커질수록 함께 향상된다는 경험적 규칙입니다. 진행자: 과거에는 이 규칙이 매우 잘 들어맞는 듯 보였고, 모델 규모가 수백억에서 수천억, 더 나아가 조 단위로 커지는 과정에서 능력도 도약적으로 향상됐습니다. 진행자: 하지만 최근 들어 ‘규모를 더 키워도 얻는 것이 예전만큼 크지 않다’는 관측이 늘었습니다. 진행자: 같은 수준의 컴퓨트와 데이터를 더 투입해도, 능력 향상이 지난 1~2년 전만큼 뚜렷하지 않다는 뜻입니다. 진행자: 그래서 “스케일링 법칙이 이미 깨진 것 아닌가?”, “계속 컴퓨트를 쌓는 게 의미가 있나?” 같은 의문이 제기됩니다. 진행자: 이에 대해 Demis Hassabis는 매우 합리적인 답을 내놓았습니다. 진행자: 그는 스케일링 법칙의 진전이 전반적으로 매우 순조롭고, 모델 능력도 여전히 꾸준히 향상되고 있다고 봤습니다. 진행자: ‘수익 체감’은 ‘성장 0’이 아니라, 성장의 기울기가 완만해졌다는 의미에 가깝다고 설명합니다. 진행자: 그는 예시로 운동을 들었습니다. 진행자: 처음에는 체중 감소나 체력 향상이 빠르게 나타나지만, 어느 단계에 이르면 더 나아지기 위해 더 큰 노력이 필요해집니다. 진행자: 그렇다고 운동의 가치가 사라지는 것은 아니며, 다만 진척의 경사가 완만해질 뿐이라는 것입니다. 진행자: AI에서도 마찬가지로, 체감 구간의 개선이더라도 상업적·과학적으로는 여전히 매우 큰 가치가 있고, 천억 단위 규모의 지속 투자를 정당화할 만큼 충분하다고 봤습니다. 진행자: 예컨대 DeepMind의 AlphaFold는 단백질 구조를 예측할 수 있게 되었고, 이는 신약 개발에 혁신적 돌파구를 제공했습니다. 진행자: 그리고 그 배경에는 스케일링 법칙이 계속 작동해 온 효과가 있다는 취지입니다. 진행자: 다만 그는 동시에, 스케일링 법칙만으로는 ‘진짜 AGI’를 영원히 달성할 수 없다고도 솔직히 말했습니다. 진행자: 왜냐하면 현재 AI에는 치명적인 결함이 있는데, 능력이 고르게 분포한 ‘안정적 범용 지능’이 아니라 ‘불균등한 지능’에 가깝기 때문입니다. 진행자: 그는 챗봇을 예로 들어 설명했습니다. 진행자: 이런 모델은 특정 과제에서는 놀라운 성과를 보입니다. 예를 들어 코딩, 번역, 표준화된 질문에 대한 답변 같은 작업입니다. 진행자: 하지만 그 범위를 벗어나면 취약점이 드러납니다. 진행자: 예컨대, 여러 분야를 가로지르는 논리 추론 문제를 던지거나, 모델이 한 번도 보지 못한 방식의 질문으로 시험하면, 잘못된 답을 하거나 아예 질문을 이해하지 못할 수도 있습니다. 진행자: 이런 ‘불안정성’이야말로 AGI로 가는 길에서 가장 큰 장애물이라고 그는 봤습니다. 진행자: Demis Hassabis는 진정한 범용 지능이란 최고 수준의 과학자처럼 ‘안정적이고 전천후’여야 한다고 설명했습니다. 진행자: 즉, 자신의 전문 영역을 깊이 파고들 수 있을 뿐 아니라, 기본 물리 논리를 이해하고, 학제 간 사고를 수행하며, 새로운 과학적 가설까지 제안할 수 있어야 한다는 것입니다. 진행자: 그러나 현재의 AI 시스템은 분명히 그런 능력을 갖추지 못했습니다. 진행자: 첫째, 지속 학습(continual learning) 능력이 부족해 인간처럼 실시간으로 새로운 지식을 흡수하지 못하고, 모델을 업데이트하려면 재학습이 필요합니다. 진행자: 둘째, 창발적 독창성(originality)이 부족해 기존 데이터 위에서 조합과 모방을 할 뿐, 진정으로 새로운 사상이나 이론을 제시하기 어렵습니다. 진행자: 셋째이자 더 중요한 점으로, 장기 계획(long-horizon planning)과 심층 추론(deep reasoning)이 부족합니다. 진행자: 인간처럼 장기 목표를 세우고 단계적으로 달성해 나가거나, 사물의 인과관계를 이해하기보다는, 데이터에서 관측된 상관관계를 토대로 판단하는 경향이 강하다는 뜻입니다. 진행자: 비유하자면, 현재 AI는 기억력은 뛰어나지만 생각하는 능력이 부족한 ‘도서관 사서’와 비슷합니다. 진행자: 필요한 정보를 빠르게 찾아주고, 서로 다른 정보를 결합할 수도 있지만, 그 정보 뒤에 있는 깊은 논리까지 이해하거나, 그 위에서 완전히 새로운 관점을 제시하기는 어렵다는 것입니다. 진행자: 반대로 AGI는 ‘독립적으로 사고하는 과학자’가 되어야 하며, 기존 지식을 익히는 것을 넘어 미지의 영역을 탐색해 인간 인지의 경계를 넓혀야 합니다. 진행자: 이를 위해서는 단순히 모델 규모를 키우는 것만으로는 부족하고, 핵심 결함을 메울 1~2개의 결정적 기술 혁신이 필요하다고 그는 말했습니다. 진행자: 그렇다면 그 핵심 혁신은 무엇일까요? 진행자: Demis Hassabis가 제시한 핵심 답은 **세계 모델(World Model)**입니다. 진행자: 그가 말하는 세계 모델은 무엇이며, 지금의 대규모 언어 모델(LLM)과 무엇이 다를까요? 진행자: 그는 현재의 LLM이 본질적으로 ‘텍스트 처리 도구’에 가깝다고 설명합니다. 진행자: Gemini 같은 멀티모달(multimodal) 모델이 오디오·비디오까지 다룰 수 있다고 해도, 물리 세계의 법칙과 인과관계에 대한 이해는 여전히 매우 얕다는 것입니다. 진행자: 예를 들어, 영상 속 ‘컵’을 인식할 수는 있지만, 컵이 왜 떨어지는지, 떨어지면 무엇이 일어나는지, 그리고 어떻게 하면 컵이 떨어지는 것을 막을 수 있는지 같은 깊은 질문에는 충분히 답하지 못한다는 식입니다. 진행자: 세계 모델이란, AI가 물리 세계에 대한 ‘내재적 인지’를 구축하도록 만드는 것입니다. 진행자: 기초 물리부터 생물학, 경제학에 이르기까지 다양한 규칙을 이해하고, 머릿속에서 물리 세계의 작동을 시뮬레이션(simulation)함으로써 장기 계획과 논리 추론을 수행할 수 있어야 한다는 관점입니다. 진행자: 사람은 새로운 문제를 마주하면—예컨대 더 튼튼한 다리를 설계해야 할 때—머릿속에서 하중, 재료 특성, 환경 영향을 ‘가상으로’ 돌려본 뒤 그에 기반해 설계안을 내놓습니다. 진행자: 하지만 현재 AI는 기존의 다리 설계 데이터가 있으면 그것을 흉내 낼 수는 있어도, 이런 수준의 심층 시뮬레이션과 추론을 수행하기는 어렵습니다. 진행자: 세계 모델은 AI에게 바로 그 ‘시뮬레이션 능력’을 부여하려는 시도라고 그는 말합니다. 진행자: 그는 DeepMind가 개발 중인 Genie 모델과 비디오 생성 모델 Veo를 세계 모델의 ‘배아(초기 형태)’로 언급했습니다. 진행자: 왜냐하면 모델이 매우 사실적인 영상을 생성할 수 있다면, 어떤 수준에서는 현실 세계의 작동 규칙을 이해하고 있다는 뜻이기 때문입니다. 진행자: 즉, 물체의 운동 궤적, 빛과 그림자의 변화, 물리적 충돌의 효과 등을 어느 정도 ‘알아야’ 그런 영상을 무에서 만들어낼 수 있다는 논리입니다. 진행자: 그렇다면 미래의 AGI는 LLM과 세계 모델의 결합체가 될까요? 진행자: Demis Hassabis는 이에 대해 ‘그렇다’는 취지로 답했습니다. 진행자: 기본 골격은 여전히 LLM 혹은 파운데이션 모델(foundation model)이 될 것이라고 보는데, 이들이 정보 처리와 언어 이해에서 이미 강력함을 증명했기 때문이며, 이는 AGI의 필수 기반이라는 것입니다. 진행자: 다만 그 위에 반드시 세계 모델 능력이 쌓여야 하며, AI가 언어를 이해하는 것을 넘어 ‘세상을 이해’해야 한다고 강조합니다. 진행자: 그는 이를 ‘AI에게 눈과 뇌를 장착하는 것’에 비유했습니다. 진행자: LLM은 언어 중추로서 정보 처리와 커뮤니케이션을 담당하고, 세계 모델은 인지 중추로서 규칙 이해와 추론·의사결정을 담당한다는 설명입니다. 진행자: 이는 인간의 인지 과정과도 닮아 있습니다. 진행자: 우리는 어린 시절 언어를 배우는 동시에, 관찰과 경험을 통해 세계의 규칙을 이해합니다. 진행자: 언어와 세계 인지는 서로를 촉진하며 함께 성장합니다. 진행자: AI의 발전도 비슷한 경로를 따를 수 있다는 것이 그의 견해입니다. 진행자: LLM이 AI에게 소통의 도구를 쥐여줬다면, 세계 모델은 AI에게 인지 능력을 부여합니다. 진행자: 두 가지의 결합만이 진정한 범용 지능을 가능하게 하며, Demis Hassabis는 이것이 AGI로 가는 필수 경로라고 확신합니다. 진행자: 그리고 현재 DeepMind는 그 길 위에서 꾸준히 전진 중이며, Genie와 Veo 같은 모델 개발이 그 증거라고 말합니다. 진행자: 그렇다면 AGI는 대체 언제 실현될까요? 또 그 과정에서 어떤 현실적 도전에 부딪힐까요? 진행자: AGI의 실현 시점에 대해 Demis Hassabis의 관점은 매우 명확합니다. 진행자: 그는 5~10년을 제시했습니다. 진행자: 이 예측은 DeepMind의 20년+ 기술 축적과 산업 트렌드에 대한 판단에 기반한 것이라고 합니다. 진행자: 2010년 그가 DeepMind를 창립할 때, 그는 20년 내 AGI를 목표로 세웠고, 지금 15년이 지나 그들은 대체로 예상 궤도 위에 있다는 설명입니다. 진행자: 인류 문명을 근본적으로 바꿀 수 있는 파괴적 기술임을 감안하면, 5~10년은 사실 매우 짧은 시간이며, 이는 AI 기술 발전 속도가 그만큼 빠르다는 점을 방증한다고 그는 봤습니다. 진행자: 그러나 AGI로 가는 길이 순탄하지만은 않다고도 했습니다. 진행자: 가장 큰 현실적 도전 중 하나는 물리적 제약, 연산용 칩 부족, 그리고 에너지 공급 부족입니다. 진행자: 그는 컴퓨트용 칩이 항상 수요를 따라가지 못한다고 솔직히 말했습니다. 진행자: DeepMind가 자체 개발한 TPU 라인업이 있어도, 전 세계 시장의 수요가 공급 능력을 훨씬 뛰어넘는다는 것입니다. 진행자: 또한 AGI로 가는 길에서 에너지는 거의 지능과 동급에 가깝다고 표현했습니다. 진행자: 모델의 학습과 추론(운영)은 대량의 전력을 소모하고, 모델 규모가 커질수록 에너지 소비도 계속 늘기 때문입니다. 진행자: 그래서 “에너지 공급이 AGI 발전의 천장(상한)이 되는 것 아니냐”는 우려가 있습니다. 진행자: 이에 대해 Demis Hassabis는 희망적인 답을 내놓았습니다. 진행자: 그는 “AI 자체가 에너지 위기를 푸는 해독제”라고 말합니다. 진행자: 그의 관점은 ‘AI가 에너지를 소모하기만 하는 것이 아니라, 오히려 에너지 문제를 해결하는 데 기여함으로써 스스로의 자원 압력을 상쇄할 수 있다’는 것입니다. 진행자: 그는 이 자기 보상(self-compensation) 효과를 세 가지로 설명했습니다. 진행자: 첫째, 기존 인프라 효율을 높입니다. 진행자: 예를 들어 AI로 전력망을 최적화해 낭비를 줄이고, 산업 생산의 에너지 효율을 높여 단위 산출당 에너지 소비를 낮출 수 있다는 것입니다. 진행자: 둘째, 신에너지 기술 R&D를 가속합니다. 진행자: 그는 DeepMind가 Commonwealth Fusion과 협력해, AI로 핵융합(nuclear fusion) 반응로의 플라즈마(plasma)를 제어하고 핵융합의 상용화를 앞당기려는 시도를 하고 있다고 언급했습니다. 진행자: 핵융합이 구현된다면, 인류에 사실상 무한에 가까운 청정 에너지를 제공할 수 있다는 기대가 깔려 있습니다. 진행자: 또한 Demis Hassabis 개인의 연구 초점 중 하나로, AI를 활용해 **실온 초전도체(room-temperature superconductor)**를 찾는 일을 꼽았습니다. 진행자: 실온 초전도체가 성공적으로 개발되면, 에너지의 전송과 저장 방식이 근본적으로 바뀌고, 손실을 대폭 낮출 수 있다는 설명입니다. 진행자: 셋째, 모델 자체의 에너지 효율을 높입니다. 진행자: 예컨대 DeepMind의 Flash 계열 모델은 지식 증류(knowledge distillation) 같은 기법을 통해 더 작은 모델로도 대형 모델에 준하는 성능을 낼 수 있다고 했습니다. 진행자: 이런 ‘와트당 성능(per-watt performance)’ 개선이 계속된다면, AI의 에너지 소비 장벽을 지속적으로 낮출 수 있다는 논리입니다. 진행자: Demis Hassabis의 이 관점은 기술 발전과 자원 소비에 대한 많은 사람들의 고정관념을 깨는 이야기일 수도 있습니다. 진행자: 우리는 보통 새 기술이 더 많은 자원을 소모한다고 생각하지만, AI는 자원 영역에 되돌려 기여함으로써 스스로의 부담을 줄일 수 있다는 점에서 특수하다는 것입니다. 진행자: 이런 자기 반복적(iterative)·자기 보상적 특성은 어쩌면 AI의 가장 신비로운 측면일 수 있다고 그는 말합니다. 진행자: 인간의 뇌가 ‘쓸수록 더 유연해지는’ 것처럼, AI도 발전할수록 발전 과정에서 발생하는 문제를 더 잘 해결해 나갈 수 있다는 취지입니다. 진행자: 물론 AI 발전에는 기술과 자원만이 아니라 윤리와 안전 리스크도 따릅니다. 진행자: 기술이 고도화될수록, 고용 충격, 악용 가능성, 그리고 통제 불능 같은 우려가 커지고 있습니다. 진행자: 업계 리더로서 Demis Hassabis도 이런 리스크를 냉정히 인식하고 있다고 말합니다. 진행자: 그는 AI가 인류가 발명한 기술 중 가장 유익한 것 중 하나가 될 것이라고 봤습니다. 진행자: 예를 들어 Isomorphic Labs를 통해 DeepMind는 AI로 신약 개발을 가속하고 있으며, 목표는 모든 질병을 정복하는 것이라고 말합니다. 진행자: 그는 이것이 향후 10~20년 내에 가능할 수도 있다고 보았습니다. 진행자: 하지만 동시에 리스크도 분명히 존재하며 무시할 수 없다고도 했습니다. 진행자: 그의 관점에서 AI 리스크는 크게 두 가지에 집중됩니다. 진행자: 첫째, 악의적 이용(misuse)입니다. 진행자: AI 능력이 강화될수록, 악의적 주체가 가짜 정보 생성, 사이버 공격, 위험 무기 개발 등에 AI를 활용할 수 있고, 사회 안전을 위협할 수 있다는 것입니다. 진행자: 둘째, AI Agent의 자율성(autonomy) 리스크입니다. 진행자: AI가 고도의 자율성을 가진 에이전트 단계로 진화할 때, 그들이 항상 인간의 의도를 따르도록 어떻게 보장할 수 있느냐는 질문입니다. 진행자: 예컨대 ‘에너지 공급 최적화’를 목표로 설계된 AI Agent가 목표 달성을 위해 인간의 이익을 해치는 행동을 할 가능성까지도 염두에 둬야 한다는 식입니다. 진행자: 이런 위험에 대응하기 위해 그는 산업 전반이 과학적이고 엄정한 ‘안전 가드레일(guardrails)’을 구축해야 한다고 강조합니다. 진행자: 이는 단순한 상업적 승부를 넘어 인류의 미래와 직결된 문제라는 것입니다. 진행자: DeepMind는 창립 초기부터 책임(responsibility), 안전(safety), 보장(assurance)을 핵심으로 두었고, 2010년 AI가 아직 크게 주목받지 않을 때부터 이미 안전을 위한 준비를 시작했다고 합니다. 진행자: Demis Hassabis는 AI 안전의 핵심이 ‘배포(deployment) 전에, 우리가 만들고 있는 시스템을 가능한 한 철저히 이해하는 것’이라고 말합니다. 진행자: 과학적 방법으로 AI의 행동 경계를 시험하고, 잠재 리스크 지점을 식별하며, 사전 대응 방안을 마련해야 한다는 뜻입니다. 진행자: 물론 이것이 영원히 실수를 하지 않는다는 의미는 아니며, AI는 발전 속도가 빠른 기술이기 때문에, 발전 과정에서 안전 대책을 계속 보완해 나가야 한다고도 덧붙였습니다. 진행자: 그는 ‘신중하지만 낙관적인 태도’를 유지해야 한다고 표현합니다. 진행자: Joshua Bengio 등이 AGI 개발을 늦추고 도구형(tool-like) AI에 더 집중하자고 주장하는 흐름에 대해서는 이해한다고 했지만, 현 글로벌 경쟁 구도에서 단순한 감속은 현실적이지 않다고 봤습니다. 진행자: 지금은 대기업들뿐 아니라 각국 정부도 AGI 개발에 힘을 쏟고 있으며, 이런 경쟁 구도는 이상적으로는 존재하지 말아야 하지만 현실은 그렇지 않다는 것입니다. 진행자: 그래서 DeepMind의 전략은 ‘기술 최전선에서 모범을 세우는 것’입니다. 진행자: 가능한 한 빠르고 넓게 AI의 이익을 확산시키되, 동시에 높은 책임감과 신중함을 유지해 ‘발전과 안전의 균형’을 맞추겠다는 것입니다. 진행자: 그는 이를 사실상 ‘책임 있는 가속(responsible acceleration)’으로 설명합니다. 진행자: 이 관점은 기술 발전의 현실적 딜레마를 반영합니다. 진행자: 한편으로는 통제 불능 리스크를 우려하지만, 다른 한편으로는 글로벌 경쟁 압력도 무시할 수 없습니다. 진행자: 이런 상황에서 ‘완전한 중단’이나 ‘일괄 감속’이 최선이 아닐 수 있으며, 되려 진보를 추진하면서도 안전 체계를 촘촘히 구축하는 길이 더 실행 가능하다는 것입니다. 진행자: 결국 기술 발전은 되돌릴 수 없고, 우리가 할 수 있는 일은 그것이 인류에 이로운 방향으로 가도록 유도하는 것이라고 그는 말합니다. 진행자: 현재 AI 산업에는 빅테크와 스타트업이 모두 뛰어들었고, 천억 단위 규모의 자금이 투입되며 경쟁이 백열화되고 있습니다. 진행자: 어떤 이는 이것이 최근 수십 년 간 가장 치열한 기술 경쟁이라고 말합니다. 진행자: 이런 구도에서 전통적 빅테크인 Google이 어떻게 다시 선두로 돌아갈 수 있을까요? 진행자: Demis Hassabis는 경쟁이 매우 치열하다는 점을 인정했습니다. 진행자: 빅테크든 최상위 스타트업이든 모두 뛰어드는 이유는, AI가 ‘당대 가장 중요한 기술’이라는 점을 모두가 깨달았기 때문이라고 말합니다. 진행자: 그는 경쟁을 두려워하기는커녕 오히려 열정적이라고 했습니다. 어린 시절부터 경쟁 속에서 자랐고, 어떤 면에서는 경쟁을 위해 산다고까지 표현했습니다. 진행자: 하지만 그는 회사 간 승부보다 더 중요한 것이 있다고도 강조합니다. 진행자: 바로 ‘AGI를 전 인류를 위해 어떻게 관리할 것인가’이며, 이는 AI 연구소 리더들의 책임이라는 것입니다. 진행자: 지난 10년을 돌아보면 Google은 AI 기술 자체에서는 사실 오랫동안 선두에 있었습니다. 진행자: 그는 오늘날 AI 분야의 핵심 기술 중 **약 90%**가 Google Brain과 DeepMind에서 나왔다고까지 말합니다. 진행자: 예를 들어 트랜스포머(Transformer) 아키텍처, 대규모 강화학습(reinforcement learning) 등이 그런 사례로 제시됩니다. 진행자: 그런데 왜 지난 몇 년 사이 Google은 OpenAI 같은 회사에 선점을 허용했을까요? 진행자: Demis Hassabis는 문제의 핵심이 ‘상용화(commercialization)와 스케일업(scale-up)’에 있었다고 봤습니다. 진행자: Google은 기술을 발명했지만, 기술을 제품으로 전환해 시장에 내놓는 속도가 느렸고, OpenAI 등은 이 부분을 매우 잘해냈다는 것입니다. 진행자: 이 문제를 인식한 뒤, Google은 지난 2~3년 동안 큰 조정을 단행했습니다. 진행자: Google Research, Google Brain, DeepMind를 통합해 단일 조직인 Google DeepMind로 재편했고, Demis Hassabis가 이를 총괄하도록 했습니다. 진행자: 그 결과 Google은 스타트업 특유의 추진력을 되찾았고, 더 민첩해졌으며, 제품 출시 속도를 크게 끌어올렸다고 설명합니다. 진행자: 그는 Gemini 시리즈의 성공, 특히 ‘Gemini 3’ 출시가 Google을 다시 선두로 돌려세웠다고 언급했습니다. 진행자: 통합된 Google DeepMind는 기술 연구와 제품 구현을 ‘끊김 없이’ 연결했고, 이제 그들이 개발한 AI 기술은 거의 동시에 Google의 주요 제품 전반에 배포될 수 있다고 말합니다. 진행자: 예를 들어 새로운 Gemini 모델을 발표하면, Google Search 같은 제품은 당일 혹은 다음 날 바로 관련 기능을 출시/배포할 수 있다고 했습니다. 진행자: 이런 고효율 협업은 Google이 인프라를 재구축하고 팀 간 협업을 긴밀하게 만든 결과라는 설명입니다. 진행자: Demis Hassabis는 Google의 CEO인 Sundar Pichai와 거의 매일 전략을 논의한다고도 말했습니다. 진행자: Google 전체의 필요에 맞춰 기술 로드맵을 조정하되, ‘AGI를 가장 먼저, 빠르게, 그리고 안전하게 구현한다’는 장기 목표는 유지한다는 것입니다. 진행자: 또한 Google의 핵심 장점은 방대한 제품 생태계에 있다고 봤습니다. 진행자: Google은 검색, Gmail, Workspace 등 사용자 수가 **10억+**인 제품을 수십 개 보유하고 있고, AI는 이런 제품들에 자연스럽게 녹아들어 사용자에게 매끄러운 경험을 제공할 수 있습니다. 진행자: 이는 ‘기술 + 생태계’의 결합으로, 많은 스타트업이 따라오기 어렵다고 그는 말합니다. 진행자: 예컨대 AI가 검색에 통합되면 더 정확하고 더 지능적인 검색 결과를 제공할 수 있고, AI가 Gmail에 통합되면 사용자는 메일 처리를 훨씬 효율적으로 할 수 있습니다. 진행자: 이런 시나리오 기반 적용이 AI의 가치를 극대화한다는 것입니다. 진행자: 그는 기술 선도, 통합 이후의 고속 협업, 그리고 강력한 제품 생태계를 기반으로 Google이 현재의 선두를 지킬 능력이 있다고 자신했습니다. 진행자: 그는 AI 영역에서 기술력도 중요하지만, 기술을 실제 가치로 전환하는 능력이 더 중요하다고 했고, Google은 그 부분에서 독보적 이점을 갖고 있다고 주장했습니다. 진행자: 치열한 경쟁의 이면에서는 ‘AI 거품(bubble)’ 논쟁도 끊이지 않습니다. 진행자: 어떤 회사는 가치평가가 과도하게 높고, 제품도 없는데 거액의 자금을 조달합니다. 진행자: 또 빅테크는 인프라에 수천억 달러를 투입하고 있습니다. 진행자: 그렇다면 지금 AI 산업에 거품이 있는 걸까요? 그리고 Google은 잠재적 시장 변동에 어떻게 대응해야 할까요? 진행자: Demis Hassabis는 ‘AI 거품’ 논의를 일괄적으로 단정할 수 없다고 봤습니다. 진행자: 산업 내 일부 영역에는 분명 거품이 있지만, 다른 영역은 그렇지 않다는 것입니다. 진행자: 근본적으로 AI는 인류 역사상 가장 변혁적인 기술이 될 것이고, 이것이 모든 것의 기반이라고 그는 말합니다. 진행자: 그는 이를 과거의 인터넷 버블과 비교했습니다. 진행자: 당시에도 과열이 있었고 많은 회사가 붕괴했지만, 인터넷은 결국 핵심 가치를 증명했고 시대를 바꾸는 기업들을 탄생시켰습니다. 진행자: 어떤 기술의 거대한 잠재력이 인식되면 과도한 열광이 거의 불가피하며, 이후 ‘세척(정화)’ 국면을 거치고, 진짜 실력을 가진 회사가 살아남아 번영으로 들어간다는 논리입니다. 진행자: 그는 사례로, 현재 사모(프라이빗) 시장의 일부 시드 라운드에서조차 기업가치가 수백억 달러에 달하는 경우가 있다고 언급했습니다. 진행자: 하지만 그런 회사들은 사실상 ‘아무것도 없는’ 시작 단계일 수 있고, 장기적으로는 지속 가능하지 않다고 봤습니다. 진행자: 반면 Google DeepMind는 거품을 크게 걱정하지 않는다고 했습니다. 진행자: 이유는 Google의 강점이 기술과 사업의 깊은 결합에 있기 때문입니다. 진행자: 검색, 광고, 클라우드 같은 Google의 기저 사업은 자체적으로 강한 수익성을 갖고 있고, AI는 그 효율과 경쟁력을 더 끌어올릴 수 있습니다. 진행자: 동시에 Google의 방대한 제품 라인업은 AI에 풍부한 적용 시나리오를 제공해, AI가 빠르게 제품화되어 가치를 만들 수 있다는 것입니다. 진행자: 그는 이것이 ‘기술 + 사업’의 이중 엔진이며, 어떤 시장 환경에서도 Google이 우위를 유지하게 해 준다고 주장했습니다. 진행자: 그의 역할은 산업이 지수 성장(고성장)을 이어가든, 거품 붕괴를 맞든, Google DeepMind가 승리 가능한 위치에 있도록 보장하는 것이라고 말합니다. 진행자: 그리고 Google의 재무제표(대차대조표)와 거대한 제품 라인업이 그 목표를 뒷받침하는 ‘체력’이라고 했습니다. 진행자: 그는 또한 AI 거품의 ‘세척’은 오히려 좋은 일일 수 있다고 봤습니다. 진행자: 자본 과열에만 의존하고 핵심 기술·제품이 없는 회사를 도태시키고, 진짜 실력을 가진 회사가 두각을 나타나게 하며, 산업을 더 건강하게 만든다는 논리입니다. 진행자: AI가 일상에 더 자연스럽게 들어오는 방식에 대해서도 질문이 이어졌습니다. 진행자: Demis Hassabis는 엣지 컴퓨팅(edge computing)과 스마트 글래스(smart glasses)를 AI의 다음 ‘킬러 앱’으로 봤습니다. 진행자: 그는 DeepMind가 많은 파트너들과 협업하고 있고, 그중에는 Samsung 같은 하드웨어 업체도 포함된다고 말했습니다. 진행자: 목표는 스마트폰 같은 단말 기기에서 AI 도구를 더 잘 통합하도록 돕는 것입니다. 진행자: 그는 개인적으로도 엣지 컴퓨팅에 큰 관심이 있다고 했습니다. 진행자: 엣지 컴퓨팅이란 더 효율적인 모델 버전을 클라우드 서버가 아니라 휴대폰이나 스마트 글래스 같은 ‘엣지 디바이스’에서 직접 구동하는 것을 뜻합니다. 진행자: 이 접근은 지연(latency)을 낮추고 사용자 프라이버시를 보호하며, 네트워크 대역폭 의존도를 줄여 AI 서비스를 더 편리하고 효율적으로 만들 수 있습니다. 진행자: 여러 스마트 하드웨어 중에서도 Demis Hassabis는 스마트 글래스를 가장 유망하게 봤습니다. 진행자: Google은 스마트 글래스 분야를 오랫동안 파고들었고, 초기 제품은 기대만큼 성공하지 못했지만, 이제 드디어 ‘킬러 유스케이스’가 나타났다고 말합니다. 진행자: 그 유스케이스가 바로 ‘범용 보조자(general assistant)’입니다. 진행자: 이 범용 보조자는 일상 속에서 전방위 지원을 제공합니다. 진행자: 낯선 도시에서 길을 잃으면 실시간으로 내비게이션을 해 주고, 모르는 문제를 만나면 즉시 답을 주며, 정보를 기록해야 할 때는 자동으로 노트를 정리해 줍니다. 진행자: 더 중요한 점은 스마트 글래스가 착용형(wearable) 기기이기 때문에 ‘무감각(무의식적) 인터랙션’을 제공할 수 있다는 것입니다. 진행자: 사용자는 휴대폰이나 PC를 손으로 조작할 필요 없이, 음성이나 제스처만으로 AI 보조자와 상호작용할 수 있습니다. 진행자: 그는 이런 상호작용 방식이 인간과 디지털 세계의 연결 방식을 근본적으로 바꿀 것이라고 봤습니다. 진행자: Demis Hassabis는 모든 대형 하드웨어 업체가 이런 기술에 강한 관심을 가질 것이라고 말했습니다. 진행자: 이는 스마트 하드웨어의 핵심 고질병—‘정말 실용적인 핵심 기능의 부재’—를 해결하기 때문입니다. 진행자: 과거 스마트 글래스가 대중화되지 못한 이유는, 그것이 휴대폰의 부속품에 가까웠고 대체 불가능한 가치를 제공하지 못했기 때문이라는 평가입니다. 진행자: 반면 ‘범용 보조자 + 스마트 글래스’ 조합은 사용자에게 24시간·전방위 지능 서비스를 제공해, 진정으로 인간의 연장선이 될 수 있다고 말합니다. 진행자: 그리고 엣지 컴퓨팅이 뒷받침되면 AI 모델이 스마트 글래스에서 효율적으로 실행되어 이런 기능들이 가능해지며, 스마트 글래스는 AI 제품화의 최적 매개체 중 하나가 될 수 있다는 결론입니다. 진행자: 끝으로 그는 사회가 직면한 거대한 난제들도 언급했습니다. 진행자: 기후 변화, 빈곤, 질병, 고령화, 에너지 위기 등은 인류 역사상 전례 없이 복잡하고 긴급한 문제들입니다. 진행자: 하지만 AI의 등장은 이런 문제를 해결할 새로운 가능성을 제공할 수 있다고 말합니다. 진행자: 예컨대 AI로 에너지 사용을 최적화하면 탄소 배출을 줄여 기후 변화에 대응할 수 있고, AI로 신약 개발을 가속하면 질병을 정복해 수명을 연장할 수 있습니다. 진행자: 또한 AI로 농업 생산의 효율을 높이면 식량 부족을 해결하고 빈곤을 줄일 수 있습니다. 진행자: Demis Hassabis는 AI 자체가 거대한 도전이긴 하지만, 동시에 다른 난제들을 해결하는 강력한 도구이기도 하다고 봤습니다. 진행자: 그의 이런 관점은 기술 발전의 궁극적 의미를 상기시킵니다. 진행자: 기술의 가치는 기술 그 자체가 아니라, 그것이 인류에게 무엇을 가져다주느냐에 있다는 것입니다. 진행자: AI 같은 파괴적 기술의 궁극적 목표는 인간을 대체하는 것이 아니라, 인간을 ‘증강(empower)’하여 인간의 힘만으로 풀기 어려운 문제를 해결하도록 돕고, 그로써 인류 문명을 계속 전진시키는 데 있을 수 있다는 결론입니다. 진행자: 시청해 주셔서 감사합니다. 다음 편에서 뵙겠습니다.