인공일반지능(AGI)은 AI 업계에서 많이 악용되는 전문 용어가 되었다. 이제 Google DeepMind는 아이디어를 더욱 확고한 기반으로 삼기를 원한다.

AGI라는 용어의 핵심 개념은 인간 지능의 특징이 일반성이라는 것이다. 전문적인 컴퓨터 프로그램이 주식을 고르거나 프랑스어를 독일어로 번역하는 데 있어서 쉽게 우리를 능가할 수 있지만, 우리의 초능력은 우리가 이 두 가지를 모두 배울 수 있다는 사실이다.

기계에서 이러한 종류의 유연성을 재현하는 것은 많은 AI 연구자들에게 성배이며 종종 인공 초지능을 향한 첫 번째 단계로 추측된다. 그러나 사람들이 AGI가 정확히 무엇을 의미하는지 명시하는 경우는 거의 없으며 아이디어는 이진 용어로 자주 설명된다. 여기서 AGI는 신화적인 경계를 넘은 소프트웨어 조각을 나타내며 다른 측면에서는 인간과 동등하다.

Google DeepMind 연구원들은 이제 용어를 구체적으로 정의하여 논의를 더욱 정확하게 만들려고 시도하고 있다. 결정적으로 그들은 AGI를 최종 목표로 접근하기보다는 오늘날 최고의 챗봇이 사다리의 첫 번째 단계를 대표하는 다양한 수준의 AGI에 대해 생각해야 한다고 제안한다.

"우리는 AI 연구 커뮤니티가 AGI의 의미를 명시적으로 반영하고 AI 시스템의 성능, 일반성, 자율성과 같은 속성을 정량화 하기를 열망하는 것이 중요하다고 주장한다."라고 팀은 arXiv에 게시된 사전 인쇄에서 썼다.

연구원들은 기능이 6가지 수준의 자율성으로 분할되는 자율 주행에서 영감을 얻었으며 이를 통해 해당 분야의 발전을 명확하게 논의할 수 있다고 말한다.

자신의 프레임워크에 무엇을 포함해야 하는지 알아내기 위해 그들은 다른 사람들이 제안한 AGI의 주요 정의 중 일부를 연구했다. 이러한 정의 전반에 걸쳐 공유된 핵심 아이디어 중 일부를 검토함으로써 그들은 AGI 정의가 준수해야 하는 6가지 원칙을 식별했다.

우선, 정의는 AI가 이를 달성하기 위해 사용하는 특정 메커니즘보다는 기능에 초점을 맞춰야 한다. 이는 AI가 인간처럼 생각하거나 AGI 자격을 갖추기 위해 의식할 필요성을 제거한다.

그들은 또한 AGI에 일반성만으로는 충분하지 않으며 모델이 수행하는 작업에서 특정 성능 임계 값에 도달해야 한다고 제안한다. 이러한 성능은 현실 세계에서 입증될 필요가 없으며 모델이 작업에서 인간보다 뛰어난 성능을 발휘할 수 있는 잠재력을 가지고 있음을 보여주는 것만으로도 충분하다고 그들은 말한다.

AI가 물리적 로봇 기계에 구현되지 않으면 진정한 AGI가 불가능하다고 믿는 사람들도 있지만 DeepMind 팀은 이것이 AGI의 전제 조건은 아니라고 말한다. 그들은 인지 및 메타인지 영역에 속하는 작업(예: 학습을 위한 학습)에 초점을 맞춰야 한다고 말한다.

또 다른 요구 사항은 진보에 대한 벤치마크가 "생태학적 타당성"을 가져야 한다는 것이다. 이는 AI가 인간이 가치 있게 여기는 실제 작업을 기준으로 측정된다는 의미이다. 그리고 마지막으로 연구원들은 단일 종료점에 집착하기보다는 AGI 개발의 진행 상황을 차트로 작성하는 데 초점을 맞춰야 한다고 말한다.

이러한 원칙을 바탕으로 팀은 성능과 일반성을 기준으로 알고리즘을 분류하는 방법을 설명하는 "AGI 수준"이라는 프레임워크를 제안한다. 수준은 미숙련 인간과 동등하거나 약간 더 나은 모델을 의미하는 '신흥'부터 모든 인간을 능가하는 모델을 의미하는 '유능함', '전문가', '거장', '초인적'까지 다양하다. 이러한 수준은 좁은 AI 또는 일반 AI에 적용될 수 있으며, 이는 고도로 전문화된 프로그램과 광범위한 작업을 해결하도록 설계된 프로그램을 구별하는 데 도움이 된다.

연구원들은 예를 들어 DeepMind의 단백질 접힘 알고리즘 AlphaFold와 같은 일부 좁은 AI 알고리즘이 이미 초인적 수준에 도달했다고 말한다. 더 논란의 여지가 있는 것은 OpenAI의 ChatGPT 및 Google의 Bard와 같은 선도적인 AI 챗봇이 신흥 AGI의 예라고 제안한다.

뉴욕 대학의 AI 연구원인 줄리안 토겔리우스(Julian Togelius)는 MIT Technology Review에 성능과 일반성을 분리하는 것이 이전 AI 발전과 AGI로의 발전을 구별하는 유용한 방법이라고 말했다. 그리고 더 광범위하게는 이러한 노력이 AGI 논의에 어느 정도 정확성을 가져오는 데 도움이 된다. "이것은 주제에 대해 절실히 필요한 명확성을 제공한다"라고 그는 말한다. "너무 많은 사람들이 AGI라는 용어가 의미하는 바에 대해 깊이 생각하지 않은 채 이 단어만 사용한다."

DeepMind 팀이 설명하는 프레임워크가 모든 사람의 마음을 사로잡을 가능성은 낮으며, 다양한 모델의 순위를 매기는 방식에 대해 의견 차이가 있을 수 있다. 그러나 운이 좋다면 사람들이 해당 분야의 핵심인 중요한 개념에 대해 더 깊이 생각하게 될 것이다.

이미지 출처: 리소스 데이터베이스 / Unsplash