AI Stage - Day 1 (Google I/O 2025)

🎤 알렉스 칸초위츠: 자, 오늘 정말 많은 분들이 와주셨네요. 이 행사는 라이브 스트리밍 될 예정이니, 여러분이 여기 계신다는 것을 모두가 알 수 있도록 함성 한번 부탁드립니다! 좋습니다! 나쁘지 않네요. 저는 빅테크놀로지 팟캐스트의 진행자 알렉스 칸초위츠입니다. 오늘 두 분의 엄청난 게스트를 모시고 AI의 새로운 지평에 대해 이야기 나눌 예정입니다. 딥마인드의 CEO, 데미스 하사비스 님 자리해주셨습니다. 구글 딥마인드죠. 만나서 반갑습니다, 데미스.

💡 데미스 하사비스: 만나서 반갑습니다.

🎤 알렉스 칸초위츠: 그리고 특별 게스트로 구글의 공동 창업자이신 세르게이 브린 님도 함께 하셨습니다. 네, 정말 재미있을 것 같네요. 프런티어 모델부터 시작하겠습니다. 데미스, 이 질문은 당신께 드리겠습니다. 오늘날 우리가 프런티어 모델에 대해 알고 있는 것을 바탕으로 볼 때, 앞으로 얼마나 더 많은 개선의 여지가 남아있다고 보십니까? 그리고 왜 그렇게 많은 똑똑한 사람들이 이제 곧 발전이 정체될 것이라고 말하는 걸까요?

💡 데미스 하사비스: 저는 우리가 엄청난 진전을 보고 있다고 생각합니다. 오늘 여러분도 보셨겠지만, 기조연설에서 보여드린 모든 놀라운 것들이 바로 그것이죠. 그래서 저는 기존 기술들을 한계까지 밀어붙이면서 엄청난 발전을 이루고 있다고 봅니다. 하지만 동시에 항상 새로운 것들을 발명해내고 있기도 하고요. 그리고 AGI(범용 인공지능) 같은 수준에 도달하기 위해서는 한두 가지 정도의 새로운 돌파구가 더 필요할 수도 있다고 생각합니다. 저희는 현재 준비 중인 유망한 아이디어들을 많이 가지고 있고, 이를 제미나이(Gemini) 브랜치의 메인 브랜치로 가져올 수 있기를 희망합니다.

📈 스케일과 혁신: AI 발전의 두 축

🎤 알렉스 칸초위츠: 좋습니다. 그래서 스케일에 대한 논의가 있어왔습니다. 스케일이 모든 문제를 해결할 수 있을까요, 아니면 그렇지 않을까요? 오늘날 가능한 개선의 측면에서, 여전히 스케일이 주역이라고 보십니까, 아니면 조연이라고 생각하시나요?

💡 데미스 하사비스: 저는 항상 둘 다 필요하다는 입장이었습니다. 이미 알고 있는 기술들을 최대한으로 확장해야 합니다. 데이터든 컴퓨팅 규모든, 그것들을 한계까지 활용해야 하죠. 그리고 동시에, 6개월이나 1년 후에 다가올 다음 혁신을 위해 많은 노력을 기울여야 합니다. 그렇게 해야 스케일과 교차하면서 어떤 면에서는 10배의 도약을 이룰 수 있는 다음 혁신을 맞이할 수 있습니다. 그래서 제 생각에는 둘 다 필요합니다. 하지만 세르게이, 당신 생각은 어떠신가요?

💬 세르게이 브린: 제 생각도 둘 다 필요하다는 데 동의합니다. 알고리즘 개선과 단순한 컴퓨팅 개선이 있을 수 있죠. 더 나은 칩, 더 많은 칩, 더 많은 전력, 더 큰 데이터 센터 같은 것들 말입니다. 역사적으로 볼 때, N체 문제(N-body problem)나 단순한 중력체 시뮬레이션 같은 것을 보면, 알고리즘 발전이 무어의 법칙에도 불구하고 실제로 컴퓨팅 발전을 능가해 왔습니다. 짐작건대, 알고리즘 발전이 아마도 컴퓨팅 발전보다 훨씬 더 중요할 것이라고 생각합니다. 하지만 지금은 두 가지 모두 발전하고 있어서, 우리는 두 가지 모두의 혜택을 누리고 있는 셈이죠.

🎤 알렉스 칸초위츠: 데미스, 당신은 개선의 대부분이 더 큰 데이터 센터를 짓고 더 많은 칩을 사용하는 것에서 온다고 생각하시나요? 세상이 데이터 센터로 도배될 것이라는 이야기도 있는데요. 그것이 당신의 비전인가요?

💡 데미스 하사비스: 아니요, 물론 우리는 확실히 훨씬 더 많은 데이터 센터가 필요할 겁니다. 과학적인 관점에서 볼 때, 우리가 모래를 생각하는 기계로 만든다는 것은 여전히 놀라운 일입니다. 정말 대단하죠. 하지만 사실 훈련만을 위한 것은 아닙니다. 이제 우리에게는 모두가 사용하고 싶어 하는 모델들이 있고, 실제로 제미나이 2.5 프로(Gemini 2.5 Pro)와 플래시(Flash) 모델에 대한 엄청난 수요를 목격하고 있습니다. 플래시 모델이 믿을 수 없을 정도로 저렴한 비용으로 얼마나 성능이 뛰어난지에 대해 정말 기대가 큽니다. 전 세계가 이런 것들을 사용하고 싶어 할 것이고, 그래서 우리는 서비스 제공과 추론 시간 컴퓨팅을 위해 많은 데이터 센터가 필요할 겁니다. 오늘 2.5 프로 딥씽크(DeepThink)를 보셨겠지만, 더 많은 시간을 줄수록 결과는 더 좋아질 겁니다. 그리고 특정 작업, 매우 가치가 높고 어려운 작업의 경우, 오랫동안 생각하게 하는 것이 그만한 가치가 있을 겁니다. 우리는 이것을 어떻게 더욱 발전시킬 수 있을지 고민하고 있고, 이는 다시 말해 런타임에 많은 칩을 필요로 할 것입니다.

🤔 추론 패러다임과 모델의 진화

🎤 알렉스 칸초위츠: 네, 테스트 시간 컴퓨팅에 대해 언급하셨는데요. 우리가 이 추론 패러다임을 사용한 지 약 1년이 되었습니다. 과거에 당신과 저는 이것이 기존 LLM(대규모 언어 모델)에 추가하여 성능을 향상시킬 수 있는 잠재적인 방법이라고 두 차례 이야기 나눈 적이 있습니다. 그래서 지금이 "무슨 일이 일어나고 있는 거죠? 추론을 통해 우리가 보고 있는 개선의 규모를 구체적으로 설명해주실 수 있나요?"라고 묻기에 아주 좋은 시점인 것 같습니다.

💬 세르게이 브린: 아니요. (농담조로)

💡 데미스 하사비스: 글쎄요, 우리는 항상 지금 우리가 '사고 패러다임'이라고 부르는 것을 강력하게 믿어왔습니다. 알파고(AlphaGo)나 알파제로(AlphaZero)와 같은 저희 초기 연구, 즉 게임을 하는 에이전트 연구로 거슬러 올라가 보면, 모두 모델 위에 사고 시스템이라는 유형의 속성을 가지고 있었습니다. 그리고 체스나 바둑 같은 게임을 보면 그 차이가 얼마나 큰지 정량화할 수 있습니다. 저희는 사고 기능을 끈 알파고와 알파제로 버전을 가지고 있었습니다. 그것은 단지 모델이 첫 번째 아이디어를 말해주는 것이었죠. 나쁘지는 않았습니다. 아마 마스터 레벨 정도였을 겁니다. 하지만 사고 기능을 켜면 세계 챔피언 수준을 훨씬 뛰어넘습니다. 두 버전 간에는 600 엘로(Elo) 포인트 이상의 차이가 나죠. 그러니 게임에서조차 그 정도인데, 훨씬 더 복잡한 현실 세계에서는 어떨지 상상해보십시오. 그리고 저는 이 사고 유형의 패러다임을 추가함으로써 얻을 수 있는 이점이 잠재적으로 훨씬 더 클 것이라고 생각합니다. 물론, 제가 강연 초반에 이야기했듯이, 문제는 당신의 모델이 일종의 '세계 모델(world model)'이어야 한다는 것입니다. 그리고 그것은 단순한 게임의 모델을 만드는 것보다 훨씬 어렵고, 오류도 포함하고 있으며, 그러한 오류는 장기적인 계획에서 복합적으로 작용할 수 있습니다. 하지만 저는 우리가 이 모든 면에서 정말 좋은 진전을 이루고 있다고 생각합니다.

💬 세르게이 브린: 네, 보세요, 데미스가 말했듯이 딥마인드는 이 강화 학습 연구의 상당 부분을 실제로 개척했습니다. 그리고 알파고와 알파제로로 그들이 해낸 일은, 당신이 언급했듯이, 제가 기억하기로는 바둑에서 했던 추론 시간 컴퓨팅과 여전히 많은 훈련을 통해 달성할 수 있었던 것에 필적하기 위해 5,000배나 많은 훈련이 필요했을 거라는 것을 보여주었습니다. 그러니 분명 엄청난 이점이죠. 그리고 우리 대부분처럼, 우리도 말하기 전에 생각함으로써 어느 정도 이점을 얻습니다. 항상 그렇게 하라고 상기시켜 주지만요. 하지만 AI는 분명히 그 능력을 추가하면 훨씬 더 강력해집니다. 그리고 제 생각에 우리는 이제 막 그 점에서 빙산의 일각을 보고 있는 것 같습니다. 이러한 모델들이 실제로 발견된 지 1년도 채 되지 않았습니다.

💡 데미스 하사비스: 특히 AI가 사고 과정에서 다양한 도구나 심지어 다른 AI를 사용하여 최종 결과물을 개선할 수 있다는 점을 생각하면 더욱 그렇습니다. 그래서 저는 이것이 엄청나게 강력한 패러다임이 될 것이라고 생각합니다.

🚀 AGI를 향한 여정: 현재와 미래

🎤 알렉스 칸초위츠: 딥씽크는 매우 흥미롭습니다. 제가 제대로 설명하고 있는지 모르겠지만, 기본적으로 여러 병렬적인 추론 과정이 작동하면서 서로를 확인하고, 그런 다음 마치 스테로이드를 맞은 것처럼 추론하는 것이죠. 데미스, 당신은 업계가 AGI에 도달하기 위해 몇 가지 발전이 더 필요하다고 언급하셨습니다. 이런 유형의 메커니즘은 어디에 위치한다고 보십니까? 이것이 업계를 AGI에 더 가깝게 만들 수 있는 것들 중 하나일까요?