시리즈 A 인터뷰: 데미스 하사비스(Demis Hassabis) — 정보는 우주의 본질이며, AI는 완전히 새로운 과학 분야를 열 것이다
TechFlow 선정TechFlow 추천
시리즈 A 인터뷰: 데미스 하사비스(Demis Hassabis) — 정보는 우주의 본질이며, AI는 완전히 새로운 과학 분야를 열 것이다
노벨상 수상자이자 딥마인드 CEO인 데미스 하사비스(Demis Hassabis)와의 최신 심층 인터뷰: 2030년까지 AGI 실현 예측, 신약 개발 기간을 며칠로 단축시키는 AI 기술 공개, 그리고 우주의 근본 본질을 해독하는 새로운 과학 체계의 탄생.
Web3 심층 보도에 집중하고 흐름을 통찰원문 정리: 과거 AI 신지식
본 글은 세쿼이아 캐피털(Sequoia Capital) 채널에서 진행된 데미스 하사비스(Demis Hassabis) 인터뷰를 바탕으로 정리한 내용으로, 2026년 4월 29일 공개되었다.
내용 요약: 레드우드 캐피털(Redwood Capital)의 AI Ascent 2026 행사에서 진행된 데미스 하사비스 인터뷰
- AI와 게임의 연원: 게임은 인공지능을 실험하기에 최적의 장이다. AI를 핵심 게임 메커니즘으로 도입함으로써 알고리즘 아이디어를 효과적으로 검증할 수 있을 뿐 아니라, 기술 개발 초기 단계에서 필요한 계산 능력도 조기에 확보할 수 있다.
- 창업의 ‘시기론’: 창업은 ‘50년이 아닌 5년 앞선 시점’에서 시작해야 한다. 기술적 돌파구와 실제 적용 수요 사이의 균형점을 민감하게 포착하는 것이 중요하며, 지나치게 초전방향적인 접근은 성공 가능성을 크게 낮춘다.
- AGI 진화 로드맵: 딥마인드(DeepMind)의 사명은 명확하고 단호하다—첫 번째 단계는 범용 인공지능(AGI) 구축이며, 두 번째 단계는 이 AGI를 이용해 과학, 의학 등 모든 복잡한 난제를 해결하는 것이다.
- ‘AI for Science’의 핵심 가치: AI는 생물학 및 복잡한 자연 시스템을 기술하는 완벽한 언어이다. AI 시뮬레이션을 활용하면 신약 개발 주기가 수 년에서 수 주로 급격히 단축될 수 있으며, 궁극적으로는 개인 맞춤형 의료까지 실현 가능하다.
- 신규 과학 분야의 탄생: AI 시스템 자체의 복잡성은 ‘기제 해석 가능성(Mechanistic Interpretability)’과 같은 새로운 공학 과학 분야를 창출할 것이다. 동시에 AI 기반 시뮬레이션 기술은 경제학 등 복잡한 사회 시스템에 대한 통제된 실험을 가능케 하여, 완전히 새로운 과학 분야를 열어갈 것이다.
- 정보는 우주의 본질이다: 물질, 에너지, 정보는 상호 전환 가능한 개념이다. 우주의 근본적 본질은 거대한 정보 처리 시스템일 수 있으며, 이는 AI가 우주의 근원적 작동 원리를 이해하는 데 깊은 함의를 부여한다.
- 튜링 기계의 계산 한계: 신경망 등 현대 AI 시스템은, 양자 컴퓨팅만이 해결할 수 있다고 여겨졌던 문제(예: 단백질 접힘)조차 고전적 튜링 기계로 충분히 시뮬레이션할 수 있음을 입증하였다. 인간의 뇌 역시 어떤 형태의 고도로 근사된 튜링 기계일 가능성이 매우 높다.
- 의식에 대한 철학적 성찰: 의식은 자기 인식, 시간적 연속성 등 여러 구성 요소로 이루어진 것일 수 있다. AGI 달성이라는 여정에서 우리는 이를 우선 강력한 도구로 간주하고, 그 도구의 보조를 받아 ‘의식’이라는 거대한 철학적 질문을 탐구해야 한다.
내용 소개
구글 딥마인드(Google DeepMind) 공동 창립자이자 CEO이며, 알파폴드(AlphaFold) 개발로 2024년 노벨 화학상을 수상한 데미스 하사비스(Demis Hassabis)가, 레드우드 캐피털(Redwood Capital) 파트너 콘스탄틴 부러(Konstantine Buhler)와 AI Ascent 2026 정상회담에서 폭넓고 심층적인 대화를 나누었다. 이 대화는 AGI 실현을 향한 여정뿐 아니라, AGI 이후의 미래 비전까지 아우른다.
인터뷰에서 하사비스는 2030년까지 AGI 실현이 가능하다고 확신하는 이유, 신약 개발 주기가 10년에서 며칠로 급격히 단축될 수 있는 이유, 그리고 우주의 근본적 본질을 물질이나 에너지가 아닌 ‘정보’로 보아야 하는 이유를 설명했다. 또한, 만약 아인슈타인이 살아 있었다면 현재 AI 모델의 한계를 어떻게 평가했을지, 그리고 향후 1~2년이 인류의 운명을 결정짓는 핵심 시기라는 이유도 논의하였다.
인터뷰 전문
사회자: 데미스, 오늘 오셔서 정말 감사합니다.
데미스 하사비스: 여기 오게 되어 정말 기쁩니다. 모두의 참석에 감사드리며, 이렇게 대화할 수 있어 정말 즐겁습니다.
사회자: 정말 영광입니다. 저희 초콜릿 공장에 초대해 드린 것을요.
데미스 하사비스: 방금 들었는데요. 곧 초콜릿도 맛볼 수 있을지 기대됩니다.
사회자: 멋집니다! 데미스, 바로 본론으로 들어가겠습니다. 오늘 저희는 진정한 업계 원로(OG)를 모셨습니다. 창의적인 사상가이자 창업가, 그리고 선견지명을 갖춘 비전가로서, AI 전 분야의 선구자이십니다. 데미스는 순수한 신앙인일 뿐 아니라 순수한 과학자이기도 합니다.
데미스의 초심과 내재적 주선
오늘 대화는 딥마인드 설립 초기 이야기로 시작하여, 과학기술에 대한 심층 논의를 거쳐 관객 질의응답으로 마무리할 예정입니다. 그럼 바로 시작하겠습니다.
데미스, 당신은 국제체스 신동이자 게임 회사 창업가, 신경과학자이기도 하며, 딥마인드의 창립자이자 현재 규모와 영향력 면에서 매우 중요한 기업을 이끄는 리더이기도 합니다. 겉보기에는 전혀 관련 없는 이 다양한 정체성들이 사실 하나의 내재적 주선으로 연결되어 있다고 말씀하신 적이 있습니다. 그 주선을 우리와 함께 나눠주실 수 있겠습니까?
데미스 하사비스: 그렇습니다. 물론 이는 약간의 후설적 추론(post hoc reasoning)이 섞일 수도 있습니다. 하지만 저는 아주 오래전부터 AI 분야에 몰두하고 싶다는 열망을 품어왔습니다. 이미 15~16세 때부터, 이것이 제가 평생 할 수 있는 가장 중요하면서도 흥미로운 일이 될 것이라고 확신했습니다. 이후 선택한 모든 학문 분야와 수행한 모든 활동은, 언젠가 딥마인드 같은 기업을 설립하기 위한 준비였습니다.
게임: 인공지능의 훈련장
저는 1990년대 당시 가장 첨단 기술이 집결했던 게임 산업을 통해 ‘비직선적 경로’로 AI 분야에 진입했습니다. 단순히 AI뿐 아니라 그래픽 렌더링 및 하드웨어 기술도 포함되었습니다. 우리가 지금 사용하는 GPU는 원래 그래픽 엔진을 위해 설계된 것이었으며, 저는 1990년대 말 이미 초기 버전의 GPU를 사용하고 있었습니다. 불프로그(Bullfrog) 스튜디오 또는 제 개인 회사 일릭서 스튜디오(Elixir Studios)에서 개발한 모든 게임은 AI를 핵심 게임 메커니즘으로 채택하였습니다.
제가 가장 유명하게 만든 작품은 약 17세 때 개발한 〈테마 파크〉(Theme Park)입니다. 이는 놀이공원 시뮬레이션 게임으로, 수천 명의 작은 캐릭터가 공원을 방문해 다양한 시설을 이용하고, 상점에서 무엇을 살지 스스로 결정합니다. 이 게임의 표면 아래에는 완전한 경제 AI 모델이 작동하고 있습니다. 〈심시티〉(SimCity)와 마찬가지로, 이 게임은 동종 장르의 개척작이었습니다. 판매량이 1,000만 부를 넘었고, 플레이어들이 AI와 상호작용하며 얼마나 즐거워하는지를 직접 목격한 후, 저는 평생을 AI 분야에 바치겠다는 결심을 더욱 굳혔습니다.
그 후 저는 신경과학 분야로 전향하여, 뇌의 작동 원리에서 영감을 얻고 이를 바탕으로 독특한 알고리즘 아이디어를 도출하고자 했습니다. 딥마인드를 설립하기에 가장 적절한 시기가 다가온 후, 이 모든 경험과 지식을 종합하여 자연스럽게 성사되었습니다. 이에 따라 우리는 이후에도 게임을 AI 아이디어 검증을 위한 초기 훈련장으로 활용하게 되었습니다.
일릭서 스튜디오(Elixir Studios)의 창업 경험
사회자: 오늘 현장에는 수많은 창업가들이 참석해 계십니다. 데미스님께서는 단순히 한 번의 창업이 아닌, 두 차례의 창업 경험을 가진 분이기에 이 자리에서 특히 공감하실 것입니다. 그럼 첫 번째 창업, 즉 일릭서 스튜디오에 대해 다시 돌아가보겠습니다. 그때의 경험은 어땠습니까? 이 회사는 여러분이 가장 널리 알려진 회사는 아니지만, 큰 성공을 거두기도 했습니다. 당시 회사를 어떻게 이끌었습니까? 또 ‘회사를 만드는 법’에 대해 어떤 교훈을 얻으셨습니까?
데미스 하사비스: 네, 저는 대학 졸업 직후 일릭서 스튜디오를 창립했습니다. 운 좋게도 그 이전에 불프로그 프로덕션스(Bullfrog Productions)에서 일할 기회를 얻었습니다. 게임을 아는 분들이라면, 이 스튜디오는 초기 게임 산업에서 전설적인 존재였고, 당시 영국은 물론 유럽 전체에서도 최고 수준의 게임 스튜디오 중 하나였다는 것을 잘 아실 것입니다.
당시 저는 AI의 경계를 확장하는 일을 하고 싶었습니다. 사실 그 시대에는 게임 개발이라는 ‘비직선적 경로’를 통해 AI 연구 자금을 확보하고, 기술의 최전선을 계속해서 도전하며, 이를 극도의 창의성과 결합하려 했습니다. 이러한 철학은 오늘날 우리가 수행하는 탐색적 연구(Blue-sky Research)에도 여전히 유효하다고 생각합니다.
그때 배운 가장 깊은 교훈은 아마도 ‘당신은 시대보다 5년 앞서야 하며, 50년은 너무 앞서는 것’이라는 점일 것입니다. 일릭서 스튜디오 시절, 우리는 국가 전체를 시뮬레이션하는 〈공화국〉(Republic)이라는 게임을 개발하려 했습니다. 이 게임에서는 플레이어가 다양한 방식으로 독재자를 타도할 수 있었고, 우리는 실제로 살아 숨 쉬는 도시들을 현실감 있게 시뮬레이션했습니다.
하지만 당시는 1990년대 말이었고, 컴퓨터는 펜티엄(Pentium) 프로세서를 사용하고 있었습니다. 우리는 당시 일반 가정용 컴퓨터에서 백만 명의 모든 그래픽 렌더링과 AI 논리를 실행해야 했습니다. 이것은 너무나도 야심 찬, 심지어 무모한 시도였고, 이로 인해 여러 가지 문제가 발생했습니다.
저는 이 교훈을 명심하고 있습니다: 당신은 시대를 앞서야 하지만, 50년 앞서면 거의 실패할 수밖에 없습니다. 물론 모든 사람이 그 아이디어를 당연히 알아차릴 정도로 명백해지면, 이제는 너무 늦습니다. 따라서 핵심은 이 미묘한 균형점을 찾아내는 데 있습니다.
2009년 딥마인드 창립
사회자: 그렇다면, 시대를 너무 앞서지 않으려는 노력에 대해 말씀하셨는데, 시간을 2009년으로 옮겨봅시다. 당시 데미스님께서는 범용 인공지능(AGI)이 반드시 실현될 것이라고 확신했습니다. 그때는 아마도 시대보다 10년 정도 앞선 시기였을 테고, 50년 앞선 것보다는 훨씬 낫습니다. 오늘 여기 계신 창업가 여러분께 2009년 당시 상황을 말씀해 주십시오. 어떻게 처음부터 최고 수준의 천재들을 설득하셨습니까? 실제로 데미스님은 매우 뛰어난 인재들과 초기 팀원들을 모셨습니다. 당시 AGI는 완전히 공상과학 소설처럼 들렸는데, 어떻게 그들이 이 모든 것을 믿게 하셨습니까?
데미스 하사비스: 당시 우리는 흥미로운 단서들을 민감하게 포착했습니다. 우리는 자신들이 단지 5년 앞섰다고 생각했지만, 실제로는 10년 앞섰을 수도 있었습니다. 제프 힌튼(Jeff Hinton)과 그의 학계 동료들이 방금 딥러닝(Deep Learning)을 발명했지만, 거의 아무도 그것이 얼마나 중대한 의미를 지니는지 인식하지 못했습니다. 반면 우리는 강화학습(Reinforcement Learning) 분야에서 오랜 경험과 깊은 역량을 쌓아왔고, 이 두 기술을 결합하면 혁신적인 진전을 이룰 수 있으리라 확신했습니다. 이전까지 이 두 기술은 거의 결합된 적 없었으며, 일부 경우에도 단지 학계의 ‘장난감 문제(toy problems)’에 국한되었을 뿐이었습니다. AI 분야에서는 이 둘이 완전히 고립된 두 개의 별개 영역이었습니다.
또한 우리는 계산 능력(Compute)의 잠재력을 눈여겨보았습니다. 당시 GPU는 큰 역할을 하게 될 것이 분명했습니다. 물론 지금은 TPU를 사용하지만, 당시에는 계산 가속 산업이 거대한 추진력을 제공할 것임을 예측했습니다. 동시에, 박사 및 박사후 과정 말미에 저는 계산 신경과학자들로 구성된 팀을 결성했는데, 이들은 뇌의 작동 메커니즘에서 충분히 유용한 아이디어와 법칙들을 추출해냈습니다. 그중 핵심 믿음은 바로 ‘강화학습은 결국 규모 확장(Scale)을 통해 AGI로 이어질 수 있다’는 것이었습니다.
우리는 이미 이러한 핵심 요소들을 모두 확보했다고 느꼈습니다. 오히려 우리는 어떤 놀라운 비밀의 수호자처럼 느껴졌습니다. 왜냐하면 학계나 산업계 어디에서도 AI가 중대한 돌파구를 이룰 수 있다고 믿는 이가 거의 없었기 때문입니다. 실제로 우리가 AGI—혹은 당시에는 ‘강한 인공지능(Strong AI)’이라고도 불렸던—개발을 목표로 한다고 발표했을 때, 많은 학계 인사들이 우리를 향해 고개를 돌리거나 눈을 굴렸습니다. 그들에게는 분명히 막다른 길이었고, 이미 1990년대에 실패한 전례가 있었기 때문입니다.
저는 MIT에서 박사후 과정을 밟았는데, 거기는 전문 시스템(Expert Systems)과 1차 논리 언어 시스템(First-order Logic Language Systems)의 중심지였습니다. 지금 돌이켜보면 믿기지 않지만, 당시 저는 이미 그런 방법론이 너무 고루하고 낡았다고 생각했습니다. 그런데 영국 케임브리지든 MIT든, 전통적인 AI 연구의 중심지에서는 여전히 그런 오래된 방식을 고수하고 있었습니다. 이는 오히려 우리가 올바른 방향을 택했다는 확신을 더해주었습니다. 설령 실패하더라도, 우리는 1990년대 AGI 개발 실패의 틀을 답습하지 않고, 완전히 새로운 방식으로 실패할 것이라는 점에서, 이 도전은 분명 가치 있는 일이었습니다. 비록 결과가 불확실한 연구일지라도, 실패하더라도 독창적으로 실패하는 것이 더 낫다고 생각했습니다.
딥마인드의 사명과 AGI에 대한 베팅
사회자: 초기 신념에 대해 일반적인 저항은 없었습니까? 초기 동료들을 끌어들이기 위해, 스스로나 그들에게 무엇인가를 증명해야 했습니까?
데미스 하사비스: 어떠한 상황이 오더라도 저는 인공지능 분야에 평생을 바칠 것입니다. 실제로 이 기술의 발전 속도는 우리가 가장 낙관적으로 예측했던 것보다 훨씬 빨랐습니다. 그러나 이는 여전히 우리가 2010년에 예측한 범위 안에 있습니다—당시 우리는 이 여정이 20년이 걸릴 것으로 전망했습니다.
저는 이 분야의 일원으로서, 우리의 진전이 예측과 완전히 일치한다고 생각하며, 우리가 이 여정에서 분명히 중요한 역할을 했다고 확신합니다.
한 걸음 물러서서 생각해보면, 비록 이처럼 빠르게 발전하지 않았더라도, AI는 여전히 소수 학문 분야일 테고, 저는 여전히 이 길을 걷고 있을 것입니다. 왜냐하면 이것이 제가 인류 역사상 가장 중요하고 매력적인 기술이라고 믿기 때문입니다. 제 목표는 매우 분명합니다. 딥마인드의 초기 사명 진술은 다음과 같습니다: 첫 번째 단계는 지능을 해독하는 것으로, 즉 범용 인공지능(AGI)을 구축하는 것이고, 두 번째 단계는 그것을 이용해 다른 모든 문제를 해결하는 것입니다. 저는 이것이 인류가 발명할 수 있는 가장 중요하고도 매력적인 기술이라고 항상 믿어왔습니다.
이는 과학 탐구의 도구일 뿐 아니라, 자체적으로도 매혹적인 창조물이며, 인간의 마음(의식, 꿈, 창의성의 본질 등)을 이해하는 데 있어서도 최고의 방법 중 하나입니다. 신경과학자로서, 저는 과거 이러한 질문들을 고민할 때, AI와 같은 분석 도구가 부재하다는 점을 늘 아쉬워했습니다. 이는 비교 실험처럼, 서로 다른 두 시스템을 심층적으로 연구하고 비교할 수 있는 대조 기제를 제공해 줍니다.
‘AI for Science’ 문화
사회자: 서로 다른 시스템을 비교한다는 점에 대해 말씀하셨습니다. 이제 ‘AI for Science’에 대해 이야기해 보겠습니다. 데미스님은 이 분야에 아주 일찍부터 진입하였고, 확고부동한 신봉자이자 순수한 이상주의자이기도 합니다. 이것이 여러분의 핵심 사명입니다. 딥마인드 창립 당시 구축한 모델과 문화는, 어떻게 ‘AI for Science’의 최전선에 서 있게 만들었습니까?
데미스 하사비스: 이것이 바로 우리의 궁극적 목표입니다. 저 개인에게는, 과학, 의학, 그리고 세계에 대한 우리의 인식을 진전시키기 위해 AI를 구축하는 것이 가장 근본적인 동기입니다. 이것이 제가 사명을 실천하는 방식입니다—즉, ‘메타 방식(Meta Way)’을 통해 먼저 궁극의 도구를 만들어내고, 그것이 성숙한 후에야 실제 과학적 돌파구를 이루는 것입니다. 우리는 이미 알파폴드(AlphaFold)와 같은 성과를 거두었고, 앞으로도 더 많은 성과가 나올 것이라 확신합니다.
딥마인드는 항상 이 목표를 최우선 과제로 삼아 왔습니다. 실제로 푸시밋 코흐리(Pushmeet Kohli)가 이끄는 ‘AI for Science’ 부서가 있으며, 이 부서는 이미 거의 10년의 역사를 가지고 있습니다. 서울에서 알파고(AlphaGo) 대국을 마친 직후 거의 바로 이 작업을 시작했고, 정확히 10년이 지났습니다.
저는 오랫동안 침묵을 지키며, 알고리즘이 충분히 강력해지고, 아이디어가 충분히 보편화될 때까지 기다려 왔습니다. 저에게는 바둑 정복이 역사적 전환점이었습니다. 그 순간, 우리가 드디어 시기가 왔다는 것을 깨달았고, 이제 이 아이디어들을 현실 세계의 중요한 문제에 적용할 때가 되었다는 것을 인식했습니다. 우리는 바로 이러한 중대한 과학적 도전 과제부터 시작했습니다.
우리는 항상 이 길이 AI의 가장 위대한 복지적 귀결이라고 믿어 왔습니다. 질병을 치유하고, 인간의 건강 수명을 연장하며, 의료 분야를 지원하는 것보다 더 아름다운 일이 또 있을까요? 그 다음으로는 재료 과학, 환경, 에너지 등 핵심 분야가 있을 것입니다. 저는 AI가 향후 몇 년 안에 이 분야들에서 빛을 발할 것이라고 확신합니다.
생물학 분야의 돌파구와 아이소모픽 랩스(Isomorphic Labs)
사회자: AI는 생물학 분야에서 어떻게 돌파구를 이뤘습니까? 데미스님께서는 아이소모픽 랩스(Isomorphic Labs)의 활동에 깊이 관여하시며, 이 분야에 열정을 쏟고 계십니다. 처음부터 AI가 질병을 치유할 수 있다는 가능성을 확고히 믿어 오셨습니다. 생물학 분야에서, 언어나 프로그래밍 분야에서와 같은 ‘고광(高光) 순간’은 언제쯤 올까요?
데미스 하사비스: 저는 알파폴드의 탄생이 이미 생물학 분야의 ‘고광 순간’을 가져왔다고 생각합니다. 단백질 접힘과 그 3차원 구조는 50년간 지속된 과학적 난제였습니다. 약물을 설계하거나 생물학의 기본 암호를 해독하려면 이 난제를 해결하는 것이 필수적입니다. 물론 이는 약물 발견 과정의 한 단계일 뿐이며, 매우 중요하지만 그것만으로는 충분하지 않습니다.
최근 분사된 우리 자회사 아이소모픽 랩스(Isomorphic Labs)—저 자신도 이 회사 운영에 큰 즐거움을 느끼고 있습니다—는 생화학 및 화학 분야에서 핵심 기술을 개발하는 데 집중하고 있습니다. 이 기술은 특정 단백질 부위에 완벽하게 결합하는 화합물을 자동 설계할 수 있습니다. 우리는 이제 단백질의 형상과 표면 구조를 모두 파악했기 때문에, 타깃을 정확히 ‘잠금’한 상태입니다. 이제 남은 것은 이 타깃에 강력하게 결합하는 맞춤형 화합물을 제조하는 일인데, 이상적으로는 부작용을 유발할 수 있는 타깃 외 결합(off-target binding)을 완전히 피하는 것이어야 합니다.
우리의 궁극적 꿈은 현재 약물 발견 과정의 99%를 차지하는 탐색 과정을 모두 컴퓨터 시뮬레이션(in silico)으로 전환하고, 실제 실험(wet lab)은 최종 검증 단계에만 남기는 것입니다. 이것이 가능해진다면—저는 향후 몇 년 안에 반드시 실현될 것이라고 확신합니다—평균 10년에 달하던 약물 발견 주기를 몇 달, 몇 주, 그리고 향후에는 며칠로 단축할 수 있습니다.
저는 이 임계점을 넘어서면 모든 질병을 정복하는 것이 실현 가능해질 것이라고 믿습니다. 개인 맞춤형 의료(예: 환자 개별 맞춤 약물 변이체)와 같은 개념도 현실이 될 것입니다. 저는 향후 몇 년 안에 전체 의료 및 약물 개발 지형이 완전히 재편될 것이라고 확신합니다.
시뮬레이터가 낳을 새로운 과학
사회자: 정말 훌륭합니다. ‘AI for Science’를 여러 차례 언급하셨습니다. 미래의 어느 시점에서 AI가 완전히 새로운 과학 체계를 창출할 것이라고 생각하십니까? 산업혁명이 열역학을 낳은 것처럼 말입니다. 우리의 교육 체계에 본질적으로 새로운 학문이 등장할 수 있을까요? 만약 그렇다면, 그것은 어떤 모습일까요?
데미스 하사비스: 이에 관해 저는 다음과 같은 변화가 일어날 것이라고 생각합니다.
첫째, AI 시스템 자체를 이해하고 분석하는 작업은 하나의 완전한 학문—즉 공학 과학(Engineering Science)으로 발전할 것입니다. 우리가 구축하는 이 창조물들은 매혹적이면서도 극도로 복잡합니다. 궁극적으로는 그 복잡성이 인간의 마음과 뇌에 필적할 것입니다. 따라서 우리는 이 시스템들이 어떻게 작동하는지를 완전히 파악하기 위해 이들을 심층적으로 연구해야 하며, 이는 현재 우리의 인지 수준으로는 도저히 불가능한 일입니다. 저는 반드시 새로운 분야가 탄생할 것이라고 믿습니다. ‘기제 해석 가능성(Mechanistic Interpretability)’은 그 단면일 뿐이며, 이 시스템들을 해석하는 데는 아직도 넓은 탐구 공간이 남아 있습니다.
둘째, 저는 AI 자체가 완전히 새로운 과학의 문을 열 것이라고도 믿습니다. 그중에서도 제가 가장 흥분되는 분야는 ‘AI for Simulations’입니다. 저는 시뮬레이션에 매료되어 있습니다. 제가 작성한 모든 게임은 단순히 AI를 포함하는 것이 아니라, 본질적으로 모두 시뮬레이터입니다. 저는 시뮬레이터가 경제학과 같은 사회과학 및 인문학 분야의 난제를 해결하기 위한 궁극의 경로라고 생각합니다.
이 분야들의 골치 아픈 점은, 생물학과 마찬가지로 ‘융기 시스템(Emergent Systems)’이라는 점입니다. 따라서 반복 가능한 통제 실험이 극도로 어렵습니다. 예를 들어, 금리를 0.5% 인상하려 한다면, 현실 세계에서 직접 시행해 보고 그 결과를 관찰해야 합니다. 이론은 얼마든지 세울 수 있지만, 이런 실험을 수천 번 반복해 보는 것은 불가능합니다. 그러나 만약 우리가 이러한 복잡한 시스템을 정확하게 시뮬레이션할 수 있다면, 고도로 정확한 시뮬레이터를 기반으로 엄격한 샘플링 추론을 수행함으로써 완전히 새로운 과학을 확립할 수 있을 것입니다. 저는 이것이 현재 높은 불확실성이 지배하는 분야에서 우리가 더 나은 의사결정을 내릴 수 있도록 해줄 것이라고 믿습니다.
사회자: 이러한 극도로 정확한 시뮬레이션을 실현하려면 어떤 조건이 필요할까요? 예를 들어 ‘세계 모델(World Models)’이 필요하다면, 이 단계에 도달하기 위해 어떤 과학적·공학적 돌파구가 필요한가요?
데미스 하사비스: 저는 이 문제를 오랫동안 깊이 생각해 왔습니다. 우리의 작업에서는 ‘학습형 시뮬레이터(Learning Simulators)’를 대량으로 활용하고 있습니다. 이 시뮬레이터는 우리가 수학적 원리를 충분히 이해하지 못하거나, 시스템이 지나치게 복잡한 분야에 적용됩니다. 특정 상황에 맞춰 직접 시뮬레이션 프로그램을 작성하는 방식은 부정확하고, 모든 변수를 포괄하지 못하기 때문에 해결책이 되지 못합니다.
우리는 이미 기상 예측 분야에서 이를 실천했습니다. 우리는 세계에서 가장 정확한 기상 시뮬레이터인 ‘웨더넥스트(WeatherNext)’를 보유하고 있으며, 이 시뮬레이터는 기상학자들이 현재 사용하는 도구보다 훨씬 빠른 속도로 작동합니다. 우리가 모든 것을 통찰할 수 있는지는 모르겠고, 그것이 좋은 일인지조차 확신하지 못하지만, 첫 단계는 이러한 복잡한 시스템을 더 잘 이해하는 것입니다.
생물학 분야에서도 우리는 ‘가상 세포(Virtual Cell)’라고 불리는 것을 연구하고 있습니다. 이는 극도로 역동적인 융기 시스템(Emergent System)입니다. 수학이 물리학을 설명하는 완벽한 언어라면, 머신러닝은 생물학을 설명하는 완벽한 언어가 될 것입니다. 생물학과 많은 자연 시스템에는 미약한 신호, 약한 상관관계, 그리고 방대한 데이터가 넘쳐나는데, 이는 인간의 뇌가 분석할 수 있는 범위를 훨씬 초월합니다. 그러나 이 방대한 데이터 속에는 분명한 내재적 연결, 상관관계, 그리고 흥미로운 인과관계가 존재합니다.
머신러닝은 이러한 시스템을 묘사하는 데 완벽한 도구입니다. 오늘날까지 수학은 이를 수행하지 못했습니다. 이유는 시스템이 너무 복잡해서 최고 수준의 수학자조차 다루기 어렵기 때문이거나, 혹은 수학의 표현력이 이러한 고도로 융기된 역동적 시스템을 이해하기에 부족하기 때문입니다—그 일부 이유는 이 시스템들이 극도로 혼란스럽고 확률적(Stochastic Nature)이기 때문입니다.
궁극적으로, 이러한 시뮬레이터를 확보한 후에는 새로운 과학 분야가 파생될 수도 있습니다. 우리는 이러한 암시적 또는 직관적인 시뮬레이터에서 명시적 방정식(Explicit Equations)을 추출해 보려고 시도할 수 있습니다. 시뮬레이터를 무한히 샘플링할 수 있다면, 언젠가는 맥스웰 방정식군과 같은 기초 과학 법칙을 발견할 수도 있습니다.
어쩌면 그렇게 될지도 모릅니다. 저는 이러한 융기 시스템에 그런 법칙이 존재하는지 확신하지는 않지만, 만약 존재한다면, 우리가 이 방법으로 그것을 발견하지 못할 이유는 전혀 없습니다.
사회자: 그것은 정말 놀라운 일이 될 것입니다. 데미스님께서는 우주의 모든 구성 요소의 근본적 구성 단위(Building Block)가 정보와 유사하다는 이론을 언급하신 적이 있는데, 이는 더욱 이론적인 차원의 논의입니다. 이에 대해 어떻게 생각하시며, 이는 전통적인 고전 튜링 컴퓨터에 어떤 의미를 가지는가요?
데미스 하사비스: 물론 유명한 E=mc²와 아인슈타인의 모든 연구 성과를 인용하여, 에너지와 물질이 본질적으로 동등하다는 점을 설명할 수 있습니다. 그러나 저는 정보 역시 동등한 지위를 가진다고 생각합니다. 특히 엔트로피 증가에 저항하는 생명체와 같은 시스템에서, 물질과 구조의 조직 방식을 본질적으로 정보 처리 시스템으로 볼 수 있습니다. 따라서 저는 이 세 가지를 상호 전환 가능하다고 봅니다.
그러나 저는 정보가 가장 근본적이라고 느낍니다. 이는 1920년대 고전 물리학자들의 관점과 정반대입니다. 당시 사람들은 에너지와 물질이 우선이라고 여겼습니다. 저는 오히려 우주를 정보로 구성된 것으로 보는 것이 세상을 이해하는 더 나은 방식이라고 생각합니다.
만약 이 주장이 타당하다면—저는 현재 이에 대한 많은 증거가 있다고 생각합니다—그렇다면 인공지능의 의미는 우리가 상상하는 것보다 훨씬 더 깊고 광범위합니다. 이미 인공지능은 그 자체로도 매우 중대한 의미를 지니는데, 그 핵심은 정보를 조직하고, 정보를 이해하며, 정보 객체(Informational Objects)를 구축하는 데 있기 때문입니다.
제가 보기엔, 인공지능의 핵심은 정보 처리입니다. 정보 처리를 세상을 이해하는 최우선 방식으로 삼으면, 이처럼 서로 다른 분야들 사이에 깊은 내재적 연관성이 존재한다는 것을 알 수 있습니다.
사회자: 그렇다면 고전적인 튜링 기계는 모든 것을 계산할 수 있다고 보십니까?
데미스 하사비스: 때때로 저는 우리 자신의 작업을 ‘튜링의 수호자’로 자각합니다. 앨런 튜링(Alan Turing)은 제가 평생 존경해 온 과학 영웅 중 한 명이기 때문입니다. 저는 그가 한 일이 단순히 컴퓨터와 컴퓨터 과학의 기반을 마련한 것뿐만 아니라, 인공지능의 기반까지 다져놓았다고 믿습니다. 튜링 기계 이론은 역사상 가장 심오한 성과 중 하나입니다. 즉, 계산 가능한 모든 것은 비교적 단순한 기계로도 계산 가능하다는 것입니다. 따라서 저는 우리 뇌 역시 어떤 형태의 근사 튜링 기계(Approximate Turing Machines)일 가능성이 매우 높다고 생각합니다.
튜링 기계와 양자 시스템 사이의 관계를 생각해 보는 것도 매우 흥미롭습니다. 그러나 우리는 알파고, 특히 알파폴드와 같은 시스템을 통해, 현대 신경망으로 덧씌워진 고전적 튜링 기계가 양자역학을 필요로 한다고 여겨졌던 문제들을 모델링할 수 있음을 보여주었습니다. 예를 들어, 단백질 접힘은 어떤 면에서 극도로 미세한 입자들 간의 양자 시스템이며, 수소 결합(Hydrogen Bonds)의 모든 양자 효과와 기타 복잡한 상호작용을 고려해야 한다고 여겨졌을 수 있습니다.
그러나 실제로는 고전적 시스템을 이용해 근사 최적해를 도출할 수 있었습니다. 따라서 우리는, 양자 시스템을 통해서만 시뮬레이션하거나 구동할 수 있다고 여겨졌던 많은 것들이, 적절한 방법을 사용하면 고전 시스템에서도 모델링 가능하다는 사실을 발견하게 될지도 모릅니다.
의식 철학(Consciousness Philosophy)
사회자: 당신은 인공지능을 과거 수 세기 동안의 망원경, 현미경, 혹은 천문의자(Astrolabe)와 같이 단순한 도구로만 보아 왔습니다. 그러나 만일 당신이 모든 것을 시뮬레이션할 수 있는 기계—예를 들어, 당신이 말한 것처럼 양자 시스템조차 시뮬레이션할 수 있는 기계—를 마주한다면, 그 기계는 도구의 범주를 넘어서는 순간이 올까요? 그런 날이 정말 올까요?
데미스 하사비스: 저는 AGI 구축이라는 사명과 여정에서, 우리 동료들—그리고 여기 계신 많은 분들—이 가장 좋은 방식은 먼저 매우 지능적이고 실용적이며 정확한 도구를 구축한 후, 그 다음 단계로 넘어가는 것이라고 강하게 느낍니다. 이 자체만으로도 이미 매우 심오한 의미를 지닙니다. 물론 이 도구는 점점 더 자율적이고, 에이전트(agency) 특성을 띠게 될 것이며, 이것이 바로 우리가 지금 목격하고 있는 바입니다. 우리는 바로 이러한 ‘에이전트 시대(Agent Era)’의 물결 속에 있습니다.
그러나 더 나아가, 이 도구가 ‘능동성(Agency)’을 갖추는가? 혹은 ‘의식’을 갖추는가? 이러한 질문은 우리가 반드시 직면해야 할 문제입니다. 그러나 저는 이를 두 번째 단계로 삼을 것을 제안합니다. 그리고 그 첫 번째 단계에서 구축한 도구를 이용해 이러한 심오한 질문들을 탐구하는 것이 좋을 것입니다.
이 과정을 통해 우리는 우리 자신의 뇌와 사고를 더 잘 이해하게 되고, 오늘날보다 훨씬 더 정확하게 ‘의식’과 같은 개념을 정의할 수 있을 것입니다.
사회자: 의식에 대한 미래의 정의에 대해, 어떤 대략적인 전망이 있으신가요?
데미스 하사비스: 저로서는 수천 년간 철학자들이 탐구해 온 내용 외에 추가로 말할 것이 많지 않습니다. 다만 저에게는 몇 가지 구성 요소가 분명히 필수적이라는 점이 명확합니다. 이들은 필요조건이긴 하나 충분조건은 아닐 수 있습니다. 예를 들어 자기 인식, 자기와 타자의 개념, 그리고 어떤 형태의 시간적 연속성은, 의식을 가진 것처럼 보이는 존재에게 분명히 필수적입니다.
그러나 완전한 정의가 무엇인지에 대해서는 여전히 열린 질문(Open Question)입니다. 저는 이 주제에 대해 많은 위대한 철학자들과 논의해 왔습니다. 몇 년 전, 최근 안타깝게 타계한 대니얼 데넷(Daniel Dennett)과도 이 주제로 깊이 있는 대화를 나눈 적이 있습니다. 핵심 질문 중 하나는 시스템의 행동 양식입니다. 즉, 그 시스템이 의식을 가진 시스템처럼 행동하는가? 어떤 관점에서는, 어떤 인공지능 시스템이 AGI에 점점 더 가까워짐에 따라, 결국 그러한 행동을 보일 수 있을 것이라고 생각할 수 있습니다.
그러나 이어지는 질문은, 왜 우리가 서로 의식을 가졌다고 믿는가? 그 이유 중 하나는 우리의 행동 방식 때문이며, 우리는 의식을 가진 생명체처럼 행동합니다. 그러나 또 다른 요인은, 우리가 모두 동일한 기저 기질(Substrate) 위에서 작동한다는 점입니다.
따라서 저는 이 두 가지가 모두 성립한다면, 당신과 제 체험이 동일하다고 가정하는 것이 논리적으로 가장 간결한(Parsimonious) 결론이며, 이것이 우리가 보통 서로의 의식 유무를 논쟁하지 않는 이유입니다. 그러나 분명한 사실은, 인공 시스템에서는 결코 동일한 기질 동등성(Substrate Equivalence)을 실현할 수 없다는 점입니다. 따라서 이 격차를 완전히 해소하는 것은 극도로 어려울 것이라고 생각합니다. 우리는 행동적 측면(Behaviorally)에서는 평가할 수 있지만, 체험적 측면(Experientially)에서는 어떻게 해야 할까요? AGI 실현 이후에는 이 문제를 다루는 몇 가지 방법이 있을 수 있겠지만, 이는 오늘의 논의 범위를 넘어서는 것이며, ‘AI와 과학’이라는 주제조차 넘어서는 영역일 수 있습니다.
사회자: 정말 훌륭합니다. 이제 관객 질의응답 시간을 열겠습니다. 질문을 준비해 주세요. 당신은 앞서 철학자들, 특히 칸트(Kant)와 스피노자(Spinoza)를 가장 좋아하는 철학자로 언급하셨습니다. 칸트는 의무론(Deontological) 철학의 대표자로서 책임 개념을 극도로 강조하는 반면, 스피노자는 거의 숙명론(Deterministic)적인 우주관을 지닌 철학자입니다. 당신은 어떻게 이 두 가지 극단적으로 다른 철학을 연결 지으시는지요? 당신이 세계의 작동 방식에 대해 갖는 근본적 인식은 무엇입니까?
데미스 하사비스: 제가 이 두 철학자를 좋아하고 깊은 인상을 받은 이유는, 칸트가 제시한 한 관점 때문입니다—제가 신경과학 박사 과정을 밟을 때 이 관점에 깊이 공감했습니다—즉 ‘마음이 현실을 창조한다(The mind creates reality)’는 주장입니다. 저는 이것이 기본적으로 옳다고 생각합니다. 이는 우리에게 마음과 뇌의 작동 방식을 연구하는 또 다른 훌륭한 이유를 제공합니다. 제가 궁극적으로 탐구하고자 하는 것은 현실의 본질이기 때문에, 먼저 마음이 현실을 어떻게 해석하는지를 이해해야 합니다. 이것이 제가 칸트로부터 얻은 영감입니다.
스피노자에 대해서는 정신적 차원에서 더 많이 생각합니다. 만약 당신이 과학을 도구로 삼아 우주를 이해하려 한다면, 이미 우주의 작동 방식 뒤에 숨은 심오한 비밀에 다가서고 있는 것입니다.
이것이 바로 제가 현재의 사업에 대해 느끼는 바입니다. 제가 과학 연구에 몰두하고, 인공지능을 깊이 탐구하며, 이러한 도구들을 구축할 때, 저는 어떤 방식으로든 우주의 언어를 읽고 있는 것처럼 느낍니다.
사회자: 정말 아름답습니다. 이것이 당신의 일상적 작업에 대한 가장 아름다운 해석입니다: 데미스, 당신은 과학자이자 연설가, 철학자까지 겸비한 인물입니다. 마지막으로 몇 가지 빠른 질문을 드리겠습니다. 그는 이 질문들을 전혀 보지 않았습니다. 범용 인공지능(AGI) 실현 시기를 예측해 보세요. 예측보다 빠를 것인지, 늦을 것인지, 혹은 답변을 거부할 수도 있습니다.
데미스 하사비스: 저는 2030년을 선택합니다. 이 예측에는 항상 확고한 믿음을 갖고 있습니다.
사회자: 좋습니다, 2030년입니다. 그렇다면 AGI가 실현되었을 때, 반드시 읽어야 할 책, 시, 혹은 논문은 무엇입니까?
데미스 하사비스: AGI 실현 이후의 세계에 대해 제가 가장 좋아하는 책은 데이비드 데위치(David Deutsch)의 〈현실의 구조(The Fabric of Reality)〉입니다. 저는 이 책의 사상이 여전히 유효하다고 생각합니다. 저는 AGI를 활용해 이 책에서 제기된 심오한 질문들에 대한 답을 찾고자 하며, 이것이 AGI 시대에 제가 수행할 후속 작업의 중심이 될 것입니다.
사회자: 정말 훌륭합니다. 지금까지 딥마인드에서 가장 자랑스러웠던 순간은 무엇입니까?
데미스 하사비스: 우리는 행운이 따르는 여러 최고의 순간을 경험했습니다. 그중 가장 자랑스러운 순간은 알파폴드의 탄생입니다.
사회자: 좋습니다. 마지막으로 게임 관련 질문 몇 가지입니다. 만약 당신이 〈시빌라이제이션〉(Civ), 〈폴리토피아〉(Polytopia)와 같은 하드코어 턴제 전략 게임에 참여하고 있으며, 역사 속 과학자 중 한 명을 팀원으로 초대할 수 있다면—예를 들어 아인슈타인(Einstein), 튜링(Turing), 뉴턴(Newton) 중 누구를 선택하시겠습니까?
데미스 하사비스: 저는 폰 노이만(von Neumann)을 선택하겠습니다. 이런 상황에서는 게임 이론(Game Theory) 전문가가 필요하기 때문이며, 저는 그가 최고라고 생각합니다.
사회자: 확실히 신급 팀원입니다. 데미스, 당신은 정말 전천후 인재입니다. 오늘 프로그램에 출연해 주셔서 진심으로 감사드립니다. 모두와 함께 데미스의 훌륭한 발표에 박수를 보내 주시기 바랍니다. 정말 감사합니다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
