[📪정보] 프랑수아 숄레 agi 5년 예상함, 특이점은 회의적임

[익명(222.103)]

https://youtube.com/v/1if6XbzD5Yg

"I've updated my AGI timeline" | Francois Chollet   Dwarkesh Patel

이 인터뷰에서 프랑수아 숄레(Francois Chollet)와 드와르케시 파텔(Dwarkesh Patel)은 AGI(범용 인공지능) 도달 시점과 기술적 병목, 그리고 “지능”의 정의에 대해 꽤 깊이 있는 논의를 했습니다. 핵심을 구조적으로 정리하면 다음과 같습니다.

⸻

1. AGI 도달 예상 시점 변화

• 2024년 중반까지는 약 10년 후를 예상했으나, 현재는 약 5년 정도로 단축.

• 이유: 테스트 시점 적응 능력(Test-time adaptation) 진전.

과거 AI는 학습 시점에 기억한 템플릿만 재적용 → 새로운 문제에 취약.

최근에는 O3(OpenAI) 같은 모델들이 새로운 문제를 보고도 그 자리에서 모델·프로그램·추론 체인을 합성해 해결 가능.

• AGI 도달까지 3단계 구분:

1. 아이디어 단계: 올바른 아이디어를 연구 시작.

2. 첫 구현 단계: AGI 비슷한 시스템 첫 빌드·테스트.

3. 배포·확산 단계: 실제 사회·경제에 대규모 적용.

→ 각 단계 사이에 수년의 시차 가능.

⸻

2. 여전히 남은 과제 — ‘온더잡 학습(Continual Learning)’

• Test-time adaptation과 다른 점:

• Test-time adaptation = 즉석에서 새로운 문제 해결 능력.

• On-the-job learning = 장기간 맥락·경험 축적 능력.

• 인간 직원은 첫 3~6개월간 경험 축적, 효율 향상, 실수 교정 → 장기 기억.

현재 LLM의 ‘메모리 기능’은 제한적·컨텍스트 소실(context rot) 발생.

• 솔루션 가설:

• 짧은 데이터로도 사람 수준으로 빠르게 학습.

• 학습된 모델을 전역 데이터베이스에 저장·공유 → 모든 AGI 인스턴스가 재활용 가능.

• 프로그래머가 GitHub 라이브러리 재활용하듯, AGI도 추상화된 빌딩블록으로 문제 재해결.

⸻

3. ‘슈퍼휴먼’ 조건

• 인간은 자기 경험에서만 학습, AGI는 모든 사본이 본 경험을 공유.

• 병렬로 수백만 인스턴스가 상호 시너지를 내며 학습 → 순수한 속도·효율에서 이미 초인간 가능.

• 그러나 이는 ‘싱귤래리티’와 동일 개념은 아님.

⸻

4. 싱귤래리티(기술특이점) 논의

• 숄레: 기존 ‘모든 것이 기하급수적으로 가속’ 서사는 회의적.

• 시스템의 한 병목을 없애면 곧 다른 병목이 등장.

• AGI가 지능 병목을 제거해도, 데이터 수집·실험 실행 등 다른 병목이 남음.

• 세상은 인간 중심 → 인간 자체의 병목이 커서 전체 속도는 무한 가속 불가.

• 파텔: 병목이 있어도 장기간 2~3% 성장률 유지 가능, AI는 인구 제약 없이 생산성 증가 가능 → 장기 성장률 대폭 상승 가능성.

⸻

5. 지능의 정의와 효율성

• 숄레: 지능 = 더 적은 자원으로 더 많은 성과(데이터·연산 효율성).

단순한 막대한 연산(브루트포스)은 지능이 아님.

• 예: 체스 마스터처럼 몇 수만 보고 최적 수를 찾는 것, 모든 수를 계산하는 것과는 질적으로 다름.

• ARC 대회 관찰:

• 일부 문제는 탐색 공간 깊은 곳에 해답 존재 → 연산 늘리면 점진적 향상.

• 그러나 인간이 쉽게 푸는 문제에 과도한 연산 필요하면 AGI로 보기 어려움.

[익명(sky0204)]

특갤에서 유명하지는 않지만 숄레가 대표적 선형충인데 5년으로 단축 된거면 호재네

[바다기린(hancomputer)]

병목이 있어도 장기간 2~3% 성장률 유지 가능, AI는 인구 제약 없이 생산성 증가 가능 → 장기 성장률 대폭 상승 가능성. 여름이다

[ㅇㅇ 1(14.4)]

무난하내

[인안나(medieval6777)]

[익명(211.189)]

병목은 시뮬레이션 만들어서 해결하는걸 모르네