🔄 Demis Hassabis 발언 추적 (AI/딥러닝)

💡 인터뷰는 Demis Hassabis가 Google DeepMind와 신약개발 스타트업 isomorphic을 동시에 이끌며, AI를 ‘과학과 인간 건강’에 적용해 AGI까지 가는 로드맵을 설명하는 내용입니다. 2026-02-11_Can_Googles_New_AI_S… 그는 2014년 DeepMind를 Google에 매각한 이유를 ‘돈’이 아니라

🗣️ Demis Hassabis는 AI 경쟁의 본질을 ‘최고 성능 모델 확보’와 ‘대규모 제품 표면으로의 빠른 제품화’로 규정하며, Gemini three를 분수령으로 보고 에이전트·스마트 글래스·로보틱스를 다음 단계로 제시합니다. 동시에 AI를 dual purpose 기술

💡 Demis Hassabis는 **스케일링 법칙(Scaling Law)**이 ‘깨진 것’이 아니라, 개선 속도가 완만해졌을 뿐이며 여전히 상업적·과학적 가치가 크다고 설명합니다. 그는 AlphaFold 같은 성과를 예로 들며, 체감 구간의 개선도 천억 단위급 투자와 연구를 정당화할 수 있다고 말합니다. 다만 스케일링만으로는 AGI에 도달할 수 없고, 현재 A

🗣️ Demis Hassabis는 스케일링 법칙이 여전히 유효하되, AGI에는 세계 모델(World Model) 같은 추가 혁신이 필요하다고 주장합니다. 또한 AGI는 5~10년 내 가능하다는 비교적 공격적 타임라인을 제시하면서도, 칩·에너지 제약과 안전 가드레일을 동시에

💡 Demis Hassabis는 Gemini 3를 통해 Google/DeepMind가 모델을 다시 **최첨단(state of the art)**으로 끌어올렸고, 빠른 출시(shipping) 문화로 전환했다고 말했습니다. 그는 Google이 TTPs·하드웨어·데이터센터·클라우드·프런티어 연구·제품까지 갖춘 ‘풀스택’ 조직이라며 구조적 우위를 강조했습니다. 경쟁

🗣️ Hassabis의 핵심 입장은 ‘연구가 출발점’이며, Gemini 3를 포함한 최첨단 모델 경쟁에서 Google/DeepMind의 풀스택 역량이 구조적 우위가 될 수 있다는 주장입니다. AGI는 2030년까지 50% 가능성을 유지하되, 창의적 문제 설정·지속 학습·일관

💡 CNBC 진행자 Arjun Kharpal은 Google DeepMind CEO Demis Hassabis와의 인터뷰에서 AI 스케일링 법칙(scaling laws)이 여전히 유효하며 “수익이 전혀 없는 단계가 아니라, 지수적 폭발과 무수익 사이의 중간에서 꽤 좋은 수익”이 있다고 전했습니다. Demis는 현 LLM이 “들쭉날쭉한 지능(jagged intel

🗣️ Demis Hassabis는 스케일링 법칙이 여전히 유효하되, AGI로 가려면 LLM만으로는 부족할 수 있으며 월드 모델·장기 계획·지속 학습·더 강한 추론 같은 추가 역량이 필요하다고 봅니다. 동시에 컴퓨트/에너지 병목을 인정하면서도, 효율 개선(증류·경량 모델)과

💡 Demis Hassabis는 AGI 달성을 위해 **스케일링(scaling) 50% + 혁신(innovation) 50%**의 병행이 필요하다고 강조하며, 현재 모델 발전이 ‘벽’에 부딪혔다는 주장에 대해 Gemini 3의 성과를 근거로 반박했습니다. 그는 국제수학올림피아드 수준 문제를 푸는 모델이 고등학교 수준 논리·수학에서 실수하는 ‘들쭉날쭉한 지능(j

🗣️ Demis Hassabis는 AGI를 위해 ‘스케일링만’이 아니라 스케일링(scaling)과 혁신(innovation)의 동시 추진이 필요하다고 보고, 현재 LLM의 핵심 결함을 ‘들쭉날쭉한 지능’과 신뢰성(일관성·자기검증·불확실성 처리)에서 찾습니다. 그는 에이전트