그 비서가 알파고 수준의 체스 실력을 가지거나 단백질 접힘 문제도 해결할 수 있을까요?


Demis Hassabis: 네, 그렇습니다. 매우 흥미로운 부분은 이것을 두 가지 방식으로 구현할 수 있다는 것입니다. 내부적으로 우리는 현재 이 문제에 대해 많은 논의를 하고 있습니다. 중요한 점은 AI 시스템이 도구를 사용할 수 있는 능력을 갖추는 것입니다. 이 도구들은 하드웨어일 수도 있고, 예를 들어 로봇과 같은 물리적 장치일 수도 있으며, 소프트웨어일 수도 있습니다. 계산기처럼 간단한 프로그램부터 시작해서, 다른 AI 시스템 같은 것들도 포함될 수 있습니다.


예를 들어, 범용 AI 시스템이 AlphaFold나 AlphaGo 같은 AI를 호출해 특정 작업을 수행하도록 하는 것을 상상해보세요. 모든 것이 디지털 환경에서 이루어지기 때문에 그 기능을 범용 AI의 '뇌' 안에 통합하는 것도 가능합니다. 그러나 그것은 특정 문제를 불러일으킬 수 있습니다. 너무 많은 특화된 정보를 범용 시스템에 통합하면, 예를 들어 체스와 관련된 데이터를 너무 많이 포함하게 되면 언어 처리 능력이 저하될 수도 있습니다.


그래서 우리는 이러한 도구들을 독립적으로 사용하는 것이 더 나은지, 아니면 주 시스템 안에 통합하는 것이 더 나은지에 대해 연구하고 있습니다. 일부 기능들은 주 시스템에 포함하는 것이 좋을 수 있습니다. 예를 들어, 코딩이나 수학 같은 것은 범용 시스템에 포함하면 시스템 전체가 더 나아질 수 있기 때문이죠. 연구자들이 이러한 문제를 고민하고 있으며, 학습 이론이나 아동 발달을 통해 어떤 것들이 범용적이고 주 시스템에 포함되는 것이 더 좋은지에 대해 연구하고 있습니다.


최초의 AGI는 하나의 범용 모델이 아니라 다수의 특화된 모델들을 에이전트가 다루도록 학습한 형태가 될거라는게 하사비스의 의견인듯