지난 포스팅에서 AGI 즉, 범용 인공지능에 대해 소개해드렸는데요. 전세계 IT 분야를 선도하는 구글, 아마존, 메타 등의 글로벌 테크 기업들은 이미 AGI 개발에 한창입니다. 지난 포스팅에서 알아본 것과 같이 AGI는 특정 분야에 국한되지 않는 범용 인공지능이기 때문에 다양한 기술이 요구되는데요. AGI 개발에 어떤 기술이 필요한지 자세히 알아보겠습니다 

💻 딥러닝(Deep Learning)과 머신러닝(Machine Learning)

인간과 유사한 수준의 인지 능력을 가진 AGI를 개발하는 과정에서 딥러닝과 머신러닝은 필수적인 기술입니다. 인간의 행동 방식, 행동 원리 등을 구현할 수 있는 핵심 기술이기 때문입니다. 머신러닝은 데이터가 존재하지 않는 미래를 예측할 수 있도록 기계를 사람처럼 학습시키는 것을 의미합니다. 딥러닝은 머신러닝의 한 분야로, 사람의 뇌에서 구현되는 지능을 구현한 '인공신경망'을 이용하는 보다 특화된 학습방법을 의미합니다. 이들 기술은 데이터로부터 복잡한 패턴을 학습해 낮은 에러의 의사 결정을 내리는 인공지능 시스템의 기반을 형성합니다.​

🆗 자연어 처리(Natural Language Processing, NLP)

AGI는 인간과 유사한 학습, 이해, 추론 능력을 지닌 지능의 형태를 지향합니다. 이를 위해 자연어 처리 기술이 필요합니다​. 자연어 처리(NLP)는 기계가 인간의 언어를 이해하고 생성하는 능력을 개발하는 데 중요한 기술입니다. NLP 시스템은 계산 언어학 및 기계 학습 기술을 사용하여 언어 데이터를 토큰이라는 단순한 표현으로 변환하고 컨텍스트 관계를 이해합니다. 대표적으로 OpenAI의 GPT 시리즈는 인간과 유사한 자연어 생성 능력을 보여주며, 이는 AGI 개발에 있어 중요한 진전으로 평가되고 있습니다.

🖥️ 컴퓨터 비전(Computer Vision)

컴퓨터 비전은 이미지, 비디오, 실시간 환경과 같은 시각적 데이터를 처리하고 이해하는 능력을 개발하는 기술로, AGI가 인간과 유사한 지능을 갖춘 시스템이 되기 위해서는 시각적 정보를 이해하는 능력이 필수적입니다. 이 기술은 컴퓨터가 사진, 비디오, 실시간 환경을 보고 이해할 수 있게 함으로써, 인간과 유사한 방식으로 시각적 정보를 처리할 수 있도록 합니다. 자율주행차는 컴퓨터 비전 모델을 사용하여 카메라의 실시간 피드를 분석하고 장애물을 피해 안전하게 주행합니다. 딥러 기술을 통해 컴퓨터 비전 시스템은 대규모 객체 인식, 분류, 모니터링 및 기타 이미지 처리 작업을 자동화할 수 있습니다.​

🤖​ 로보틱스

로보틱스는 AGI를 물리적 세계와 상호 작용하게 하는 데 필수적인 기술입니다. 로봇은 AGI가 실제 환경에서 작업을 수행하고, 사람과 같은 방식으로 객체를 조작하고, 이동할 수 있게 해 줍니다. 로봇은 기본적으로 사람의 개입 없이도 다양한 작업을 수행할 수 있는 기계적 장치입니다. 이제 인공지능 기술의 발전을 통해 스스로 학습하고 주변 환경에 적응하는 능력을 갖추게 되었습니다. 예를 들어 Amazon은 자신들의 첫 자율주행 로봇인 Proteus와 휴머노이드 Digit을 실전 배치해 물류 센터에서 인간 작업자가 빠르고 안전하게 작업할 수 있도록 돕고 있습니다. Boston Dynamics의 로봇들은 복잡한 환경에서의 이동 능력과 물체 조작 능력을 보여주며, AGI가 실제 세계에서 유용하게 활용될 수 있는 가능성을 보여줍니다.

♾️​ 기호적 추론 vs. 확률적 추론

AGI는 단순한 데이터 처리를 넘어서 복잡한 추론과 결정을 내릴 수 있어야 합니다. 이를 위해 기호적 추론(symbolic reasoning)과 확률적 추론(probabilistic reasoning) 같은 방법이 연구되고 있습니다. 이러한 추론 기술은 AGI가 불확실성을 관리하고, 복잡한 문제 해결 과정에서 합리적인 결정을 내릴 수 있게 해 줍니다. 기호적 추론은 데이터와 규칙을 명확한 기호로 표현하고, 이러한 기호들 간의 관계를 바탕으로 결론을 도출하는 접근 방법입니다. 반면 확률적 추론은 불확실성을 다루는 데 쓰입니다. 이 방식은 가능한 여러 결과에 대한 확률을 기반으로 추론을 수행하여, 불확실한 정보를 가지고 결정을 내리는 접근 방식입니다. 따라서 AGI가 이 두 가지 방식의 추론을 모두 통합하여 사용할 수 있다면, 불확실성이 크고 복잡한 실세계 문제를 해결하는 데 있어 인간과 유사한 또는 그 이상의 추론 능력을 발휘할 수 있을 것입니다.​

🧑‍🤝‍🧑 심리 인식과 사회적 지능

AGI가 진정으로 인간과 같은 지능을 갖추려면, 심리적 인식과 사회적 지능도 중요합니다. 즉 인간의 감정에 공감하고, 사회적으로 상호 소통할 수 있는 기능이 필요합니다. 이는 심리 인식 기술과 사회적 지능 연구를 통해 가능해질 것입니다. 즉 AGI가 인간의 감정 상태를 인식하고 커뮤니케이션하며, 사회적 상황에서 적절한 반응을 할 수 있도록 합니다.

AGI 개발에 필요한 것은 기술 뿐만이 아닙니다.

👨‍💻 AI칩

AGI 개발을 위해서는 상당한 양의 AI칩이 필요한데요, 마이크로소프트와 오픈AI 같은 기업들이 대규모 데이터 센터 구축을 위해 나섰습니다. 발표에 따르면 수백만개의 AI 칩을 갖춘 슈퍼컴퓨터를 구축한다고 하는데요, 여기에 들어가는 비용은 1000억달러(약 134조7000억원)에 달합니다. 비용도 비용이지만 물량 확보가 가능할지 주목됩니다.

⚡ 전력 인프라

전력 및 환경 문제도 부각되고 있습니다. 데이터 센터의 규모가 점점 커지며 기존 전력 수급으로는 이를 감당하기 어려울 것이라는 지적인데요. 수천개의 하드 디스크 드라이브(HDD)와 프로세서 등이 데이터를 처리하고 저장하는데 발생하는 엄청난 양의 열이 발생하고 이를 위한 특수 냉각 시스템이 필수입니다. 이 때문에 데이터센터에서는 서버 구동 전력외에도 ​막대한 양의 에너지가 소요됩니다. 때문에 클라우드 업체들은 재생 에너지나 핵발전 등 다양한 방법을 강구하고 있습니다.

🎞️ 데이터

인공지능(AI) 모델이 급속도로 성장하는 만큼 AI 학습과 성장에 막대한 양의 데이터가 필요한데요, 업계에서는 향후 2년 이내에 고품질 텍스트에 대한 수요가 공급을 초과하여 잠재적으로 AI 발전을 방해할 수 있다는 의견을 내놓고 있습니다. 오픈AI의 'GPT-4'나 구글의 '제미나이' 같은 대형언어모델(LLM)의 규모가 커지면서 전례 없는 데이터 수요가 발생하고 있는 것입니다. 인터넷에 있는 방대한 데이터 중 대부분은 품질이 낮거나 저작권 문제로 접근이 제한돼 쓸만한 데이터가 많지 않다는 것이 문제입니다. 

 ​

[참고자료]

AGI(범용인공지능)란? : AI의 한계를 넘는 AGI (Clunix)

인공 일반 지능(AGI)이란? 개념, 적용 기술, 그리고 인간 삶에 미칠 영향 (SAMSUNG SDS)

인공지능(AI), 머신러닝, 딥러닝의 차이 (kt Enterprise)

2024년: 로봇공학과 AGI가 열어갈 미래 기술의 새 지평 (DEV LIVES의 미래이야기)

전력·환경 문제에 등 떠밀리는 데이터센터...AI 혁신 차질 빚나(AI TIMES) 

2년 내 LLM 학습 데이터 고갈... 데이터 문제로 AI 발전 중단될 것 (AI TIMES)