[쫌아는기자들] 데미스 허사비스 "AI 통한 다음 목표는 상온초전도체 개발"

@주3회 발행하는 뉴스레터 [쫌아는기자들] 입니다. 전문은 유료 구독자에게 공개. 유료 가입(https://page.stibee.com/subscriptions/158656). 일부 보는 무료 가입(https://page.stibee.com/subscriptions/143087)

인공지능 업계의 가장 뜨거운 인물은 누구일까요. 챗GPT의 아버지로 불리는 샘 올트먼입니다. 그 다음으로, 혹은 그에 필적하게 유명한 인물을 누구일까요. 알파고의 아버지로 불리는 데미스 허사비스입니다. 올트먼이 AI의 잠재성을 알아본 사업가이자 투자자라면, 데미스 허사비스는 실제 AI 개발에 참여하고 진두지휘하는 천재 개발자입니다.

오픈AI의 설립 이면엔 데미스 허사비스가 있기도 합니다. 일론 머스크는 허사비스와 AI의 잠재력을 일찍 알아봤으나 구글이 딥마인드를 인수했고, 머스크는 절친인 래리 페이지에게 AI의 위험성을 경고합니다. 하지만 급진적인 AI 찬성론자 래리 페이지를 이를 무시했고, 머스크는 올트먼과 함께 오픈AI를 세웁니다. 이제 데미스 허사비스는 구글의 AI 개발 전체를 사실상 진두지휘합니다. 바둑으로 시작한 알파 시리즈는 이제 단백질을 분석하고 신약 설계에 참여하는 수준까지 도약했습니다. AI에 미래, 구글의 AI 비즈니스에 대한 허사비스의 생각을 어떨까요. 이번 MWC 기조연설자로 오른 허사비스와 IT매체 와이어드 편집장 스티븐 레비의 대화 전문을 번역했습니다. 구글의 제미나이로 번역을 해보려 했으나, 성능이 만족스럽지 않아 챗GPT의 도움을 받았습니다.

데미스 허사비스. /MWC 유튜브

◇허사비스가 비디오 게임에서 AI를 시작한 이유

스티븐(사회자) : 딥마인드는 알파고와 같은 돌파구로 세계를 뒤흔들었어요, 이 프로그램은 바둑 세계 챔피언을 최초로 이겼고, 알파 폴드는 단백질 접힘의 50년 대도전을 기적적으로 해결했죠. 지난해 알파벳은 딥마인드를 그들의 AI 연구 허브인 구글 브레인과 합병하여 데미스를 세계에서 가장 중요한 AI 연구실 중 하나의 책임자로 만들었습니다. 그의 작업은 100,000회 이상 인용되었고, 많은 영예 중 하나로 2018년에는 아이작 뉴턴, 찰스 배비지, 스티븐 호킹과 같은 빛나는 인물들과 함께 왕립학회의 펠로우로 이름을 올렸습니다. 하지만 그 분들과는 달리, 그는 지금 우리와 함께 있습니다. 환영합니다.

데미스: AI는 사실상 제 전 생애의 임무였어요, 기억나는 가장 이른 시기부터 시작되었죠. 저에게는 게임으로 시작되었습니다. 매우 어린 나이에 체스를 하면서 영국 주니어 체스 팀을 이끌었어요. 제 첫 번째 커리어는 세계 체스 챔피언이 되려고 했던 것이었습니다. 그리고 그것이 저를 생각 자체에 대해 생각하게 만들었죠, 왜냐하면 체스를 개선하려고 할 때, 당신은 자신의 사고 과정에 대해 생각하기 시작하니까요. 그것이 저를 마음, 뇌, 그리고 지능이 무엇인지에 대해 매혹시켰습니다. 그리고 나중에 조금 더 나이가 들어서 제 첫 컴퓨터를 얻고 프로그래밍에 빠졌을 때, 이 기계들이 마음을 위한 놀라운 수단이라는 생각을 했습니다. 예를 들어, 당신이 잠들어 있을 때도 당신을 위해 일을 계속 할 수 있다는 사실이 저에게는 매혹적이었습니다. 그리고 그것의 자연스러운 결과는 AI였고, 이 기계들을 똑똑하고 지능적으로 만들려고 노력하는 것이었습니다.

스티븐: 비디오 게임 업계에 발을 들여놓았을 때, AI를 그 안에 구축하며 꽤 성공적이었습니다. 그리고 제가 매우 흥미롭다고 생각하는 부분이 있습니다. 당신의 전기를 보면, 모든 것을 내려놓고 학교로 돌아가 뇌과학을 배우기로 했습니다. 그 이유는 무엇인가요?

데미스: 만약 당신이 처음부터 저가 DeepMind를 만들 계획을 가지고 있었다고 생각한다면, 그것은 의미가 있을 겁니다. DeepMind가 되었던 것, 즉 진정한 인간 수준의 AI나 인공 일반 지능을 탐구하는 것이었습니다. 제 커리어 초기인 90년대 게임 산업은 사실 가장 진보된 AI가 일어나고 있던 곳이었습니다. 그래서 저는 게임용 AI를 만들고 있었고, 그 게임은 수백만 복사본이 팔렸습니다. 그리고 2000년대에는 뇌과학이 급성장하면서, fMRI 기계와 같은 놀라운 새로운 기록 장치들이 나왔습니다. 저는 학교로 돌아가 박사 학위를 받고 뇌와 그 작동 방식을 배우기로 결정했습니다. 물론, 뇌는 우리가 알고 있는 유일한 증거입니다, 우주 어디에도 일반 지능이 가능하다는 것을 보여주는. 그래서 새로운 아이디어와 영감을 얻기 위해 공부할 가치가 있는 것입니다. 그래서 저는 이러한 아이디어들을 연결하려고 노력해 왔고, 결국 2010년에 DeepMind를 창립했습니다.

◇허사비스가 세운 AI 개발의 두가지 원칙

스티븐: AI 혁명은 뇌와 같은 신경망에서 왔습니다. 우리는 그것(뇌의 신경망에 대한 지식)들을 디지털로 만들었고, 많은 다른 것들뿐만 아니라 과정을 기계화하는 데 놀라울 정도로 효과적임이 증명되었습니다. 우리가 아직 AI를 더욱 발전시키기 위해 인간의 뇌에서 배울 것이 많이 남아 있습니까?

데미스: 예, 거의 15년 전 DeepMind를 시작할 때, 우리는 AGI와 일반 수준 지능을 구축하는 방법에 대한 아이디어를 가지고 있었습니다. 하지만 올바른 기술이 무엇인지는 알려져 있지 않았습니다. 우리는 두 가지에 베팅했습니다. 하나는 처음 원칙에서 배우고 스스로 학습할 수 있는 시스템을 구축하는 것이고, 다른 하나는 일반성입니다. 즉, 상자 밖에서 여러 가지를 배울 수 있는 한 시스템의 아이디어입니다. 이것들은 우리의 의견으로는 지능의 특징이며, 이것이 사실로 드러났습니다. 지난 십 년 동안, 이러한 시스템은 오늘날 우리가 보는 엄청난 규모로 확장되었습니다. 그리고 지금 저는 신경 과학에서 얻은 많은 학습들이 초기 아이디어들, 신경망과 강화 학습 등에 영감을 준 느슨한 아이디어들에 영감을 주었다고 생각합니다. 이제 우리는 지난 2, 3년 동안 새로운 시대에 접어들었으며, 엔지니어링이 규모에서 이루어지고 있으며, 많은 창의적인 엔지니어링이 이제 우리가 구축해야 할 지배적인 기술이 되었습니다.

스티븐: 맞아요. 그래서 (당신이) AGI를 추구한다고 조금 폭탄을 던졌네요. AGI는 인공 일반 지능을 의미합니다. 그게 무엇인가요?

데미스: 우리가 정의하는 방식은, 여러 다양한 정의가 있지만, 우리는 간단히 인간이 할 수 있는 거의 모든 인지 과제를 수행할 수 있는 시스템으로 정의합니다. 그리고 그 인간 참조점이 중요한 이유는 다시 한번, 뇌는 우리가 알고 있는 일반 지능 시스템의 유일한 존재 증거이기 때문입니다. 그래서 우리는 인간이 가진 모든 인지 능력을 모방할 수 있고, 우리가 일반 시스템을 가지고 있다는 것을 알게 됩니다. AGI가 열띤 토론의 대상이라는 것, 업계와 필드에서요. AGI는 명백할 수도 있고, 다른 한편으로는 테스트해야 할 수도 있습니다. 그것을 하는 한 가지 방법은 시스템을 인간이 하는 수천 가지의 과제에 대해 테스트하고 모든 과제에서 특정 임계값을 통과하는지 보는 것입니다. 그리고 테스트 세트에 더 많은 과제를 넣을수록 일반적인 범위를 커버했다고 확신할 수 있습니다.

스티븐: 어떤 사람들은 AGI 개발의 전과 후가 크게 다를 것처럼 말합니다. 그래서 우리가 그것을 얻는다면, 모든 것이 달라질 것입니다. 그렇게 생각하나요?

데미스: 그것이 점진적인 과정으로 보이는 것처럼 보이기 시작했다고 생각합니다, 단계 함수보다는. 현재의 시스템들을 보면, 그들은 빠르게 훨씬 더 강력해지고 있지만, 점진적으로 더 강력해지고 있습니다. 우리가 기술, 컴퓨팅 파워, 그리고 그들이 사용하는 데이터를 확장함에 따라. 몇 년 안에 어떤 큰 새로운 혁신이 들어올 가능성이 있고, 내 베팅은 그것이 오늘날의 시스템에서 빠진 것들, 예를 들어 계획과 메모리 같은 것들에 있을 것입니다. 그리고 그것이 우리에게 단계적인 변화를 줄 수 있습니다. 하지만 이 기술들, 그리고 이것이 우리가 2010년에 시작할 때의 우리의 베팅이었는데, 이 기술들이 AGI를 기다릴 필요 없이 우리의 일상 생활과 과학을 하는 데 엄청나게 유용하고 가치가 있을 것입니다. 그래서 우리는 이미, 매일 매일 이러한 AI 시스템과 상호작용하고 있습니다. 그리고 이것은 향후 몇 년 안에 나올 것들의 표면을 긁고 있는 것일 뿐입니다. AGI 같은 것을 얻기 훨씬 전에 말이죠.

허사비스와 이세돌. 알파고 대국 당시. /조선DB

◇바둑(알파고)에서 단백질 연구(알파폴드)로, 다음은 “몇 달 만에 신약 개발”

스티븐: 2010년대를 거치면서 딥마인드의 방식은, 내가 보기에, 문제를 선택하고, 그것이 파티 게임을 하는 것이든, 그다음에는 좀 더 복잡한 단백질 접힘(딥마인드의 알파폴드의 단백질 구조 분석을 의미)을 연구하는 것이든, 그 문제들을 해결하는 것이었습니다. 그리고 지난 몇 년 동안, 우리는 이 대규모 언어 모델에 익숙해졌습니다, 검색 필드에 프롬프트를 주는 것처럼 운영되는 것 같습니다. 예를 들어, 단백질 접힘을 멈추게 하는 것, 그리고 당신이 답을 찾는다는 것입니다.

데미스: 우리가 처음에 (AI개발을) 게임으로 시작한 이유는 2010년에 누구도 이러한 학습 시스템들을 어떤 상당한 규모로도 구축하는 방법을 정말로 알지 못했기 때문입니다. 그래서 일부 기술들은 학계에서 방금 발명되었죠. 2000년대 중반에요. 업계에서는 아무도 그것들에 대해 들어본 적이 없었습니다. 딥러닝 같은 것들이죠. 그래서 우리가 DeepMind라고 부른 이유는 부분적으로 딥러닝에 일찍이 베팅했기 때문입니다. 그리고 우리는 게임을 사용했습니다. 왜냐하면 우리는 오늘날에 보는 것처럼 일반 학습 시스템을 구축하려고 했지만, 2010년에는 그럴 방법이 없었습니다. 그래서 우리는 그것에 이르기까지 구축해야 했고, 게임을 선택했습니다. 왜냐하면 그것들은 AI 아이디어, 알고리즘 아이디어를 빠르게 테스트하는 데 매우 훌륭하고 편리한 실험대였기 때문입니다.

우리는 특히 바둑을 선택했습니다. 왜냐하면 그것은 전통적인 논리 시스템에 의해 해결되지 않았기 때문입니다. 체스와는 달리, 체스는 90년대 중반 IBM의 Deep Blue 기계에 의해 해결되었습니다. 바둑은 훨씬 더 복잡하고, 훨씬 더 심오한 게임이며, 패턴과 직관에 훨씬 더 많이 관련되어 있습니다. 이러한 종류의 무차별 대입 검색 방법으로 해결할 수 없습니다. 그래서 우리가 바둑을 깨고 실제로 세계 챔피언 수준에 도달한다면, 우리는 아마도 학습 알고리즘 측면에서 상당히 중요한 것을 해냈을 것입니다. 그리고 그것이 AlphaGo와 함께 2015년에 한 일이었습니다. 전체 AI 산업에 대해 실제로 분수령이었다고 말할 수 있습니다. 아마도 부분적으로 이러한 학습 방법이 정말 중요하고 인상적인 것을 할 수 있다는 것을 보여준 붐을 일으켰습니다. 우리가 알파고를 만든 기술들이 언어와 같은 다른 도메인으로 일반화될 것이라고 생각했기 때문입니다, 과학에 이르기까지요.

스티븐: 단백질 접힘에 대한 연구는 모든 사람이 그것이 무엇인지 정말로 이해하지 못합니다. 몇 문장으로 설명해주세요.

데미스: 단백질은 모든 생명에 필수적입니다. 모든 생명체의 모든 것은 단백질에 의존하며, 몸의 모든 기능이 그렇습니다. 단백질은 아미노산 순서라고 불리는데, 단백질을 설명하는 유전자 순서로 생각할 수 있습니다. 그리고 당신은 그것이 문자의 일차원 문자열이라고 상상할 수 있죠. 하지만 단백질이 몸 안에서 만들어질 때, 그것은 3차원 구조로 접힙니다. 그리고 3차원 구조가 몸 안에서 하는 기능, 즉 그것이 하는 일을 결정합니다. 그래서 우리가 하고 싶은 단백질 접힘 문제는, 당신이 유전자 순서만으로 3차원 구조가 어떻게 될지를 예측할 수 있는가 하는 것입니다. 이것이 가능하다면, 그것은 약물 발견, 질병 이해, 생명 이해에 엄청나게 유용할 것입니다. 그리고 50년 동안 전체 생물학 분야가 이 문제를 해결하려고 시도했지만 크게 진전되지 않았습니다. 그리고 2016년부터 시작해서 2018년, 2020년에, 우리는 이 문제를 해결했습니다. 우리는 유전자 순서에서 몇 초 만에 직접 단백질의 3차원 구조를 예측할 수 있었습니다. 그리고 이것은 매우 빠르기 때문에, 평소라면 이 작업을 하려면 5년 동안 고생스럽게 할 필요가 있었습니다. 그리고 세상에는 2억 개의 알려진 단백질이 있습니다. 우리는 이제 그 모든 것을 접었습니다. 이 작업을 사람이 한다면 10억 년이 걸렸을 것입니다. 우리는 기본적으로 알파 폴드를 사용하여 1년 만에 이것을 했습니다.

스티븐: 그래요. 자, 이제 알파벳은요? 모회사가 이제 별도의 회사(이소모픽, 구글의 AI 기반 생명공학 자회사)를 시작했습니다. 당신이 CEO입니다. 새로운 약이나 무엇이든 나올까요? 오래 기다려야 하나요?

데미스: 알파 폴드가 존재한 대략 세 해 동안 구조 생물학과 생명 과학을 혁명적으로 변화시켰습니다. 전 세계 백만 명 이상의 연구원들이 알파 폴드를 사용했으며, 사실상 모든 전문 생물학자가 그렇게 했다고 생각합니다. 이는 근본적인 과학을 크게 진전시켰습니다. 그러나 이소모픽을 시작한 이유는, 알파 폴드를 만든 것이 약물 발견에 사용하고 싶었기 때문입니다. 단백질의 구조를 알면, 약물 화합물을 단백질 구조의 관련 부위에 결합시켜 특정 행동을 차단하거나 변경할 수 있습니다. 이소모픽은 이제 화학 공간으로 이를 확장하고 있으며, AI를 다시 사용하여 특정 단백질 부위에만 결합하고 다른 단백질에는 영향을 미치지 않는 새로운 화학 화합물을 생성하고 있습니다. 이를 통해 몸에서의 부작용을 최소화합니다. 향후 몇 년 안에, 우리는 AI가 설계한 약물이 임상에 등장하기 시작할 것입니다. 이소모픽은 올해 초 엘리 릴리와 노바티스와 같은 세계 최대 제약 회사들과 실제 약물 설계 프로그램에 대해 협력하기로 한 것을 발표했습니다. 이는 약물 발견에 실제적인 영향을 미치고 있으며, 약물 발견 시간을 평균 10년에서 몇 달로 단축되기를 희망합니다.

알파폴드가 예측한 단백질 3D 구조. /딥마인드

쫌아는기자들이 만드는, 뉴스레터 [스타트업]은 주 3회 발행하는 유료레터입니다. 오늘의 무료 콘텐츠는 여기까지 입니다. 쫌아는기자들은 네이버나 구글에선 못보는 스타트업 속내와 스토리를 전달합니다. 순수하게 유료 구독자들의 구독료로만 운영합니다. 좋은 콘텐츠 만들겠습니다, 많은 응원 바랍니다. 감사합니다.
@아래는 전문에 있는 ‘질문’과 ‘답변 일부’ ‘그래픽’ ‘사진’ 입니다. 유료 구독하면 전문은 물론이고 과거 3년간 모든 콘텐츠를 볼 수 있습니다.

◇“AI 이용한 소재 과학 관심, 내 꿈은 AI로 상온 초전도체 발견”

스티븐: AGI를 구축하려는 많은 사람들이 있습니다만, 인류가 해결할 수 없는 해결할 수 없는 문제나 미스터리를 해결할 가장 큰 이점을 가져다줄 것이라고 말하는 사람들 중 하나인 것 같습니다. 다음 목표는 무엇인가요?

데미스: 실제로 우리가 이미 작업 중인 몇 가지 다음 목표가 있습니다. 소재 과학은 큰 분야 중 하나로, 새로운 종류의 소재를 발견하는 것입니다.....

스티븐: 어느 시점에, AI가 답을 내놓을 것이라고 생각했지만, 인간이 AI를 이해하기에 충분히 똑똑하지 않을 수도 있다고 생각했습니다.

데미스: 그럴 수도 있고요. 알다시피, 그래서 저는 앞으로 몇 년 동안 인간 전문가들이 이 놀라운 도구들, 알파폴드와 같은 놀라운 AI 도구들을 사용하여 지식을 더 발전시키는 것을 보게 될 것이라고 생각합니다.....거의 새로운 과학 분야가 필요하다고 생각합니다. AI를 공학 과학이라고 종종 부릅니다.....

◇오픈AI 성장 보니... “대중은 불완전한 AI에서도 쓰임을 찾더라”

구글이 추격자인 것은 인정, “미래의 모바일? 과연 휴대폰이 정말 완벽한 형태일까?”

스티븐: 연구에서 조금 벗어나 AI의 비즈니스에 대해 이야기해보겠습니다. 구글을 특히 언급해보겠습니다. 2010년대에, 구글은 당신의 딥마인드를 사서 단백질 접힘 문제를 해결하고 있었고, 구글 본사는 구글 브레인을 가지고 있습니다. 당신은 제품에 기여했고, 구글은 이메일 자동완성과 같은 제품들을 만들고 있었습니다. 그러다가 오픈AI가 나타나서 2017년 구글에서 발전시킨 변환기를 기반으로 대규모 언어 모델을 만들었습니다. 갑자기 오픈AI가 GPT와 같은 것을 내놓으면서, 갑자기 모두가 미쳐갑니다. 그리고 아주 신중한 접근 방식을 가졌던 구글은 갑자기 뒤처졌다고 생각하고 제품을 서두르기 시작합니다. 그리고 나서 당신의 작업을 브레인 작업과 합치고, 이제 따라잡고 있습니다. 이 내러티브가 당신에게 맞나요?

데미스: 그 내러티브의 일부는 맞습니다.....그래서 그것이 오픈AI를 포함한 전체 업계에게 놀라운 것이었습니다. 일반 대중이 우리가 예상했던 것보다 몇 년 앞서 이러한 것들을 사용할 준비가 되어 있었다는 것입니다.....

스티븐: 제미나이는 어떤 면에서는 GPT보다 측정 가능하게 우수하다고 합니다. 하지만 최근 제미나이에서도 미국 건국의 아버지를 흑인으로 표현하는 등 오류가 발견됐습니다.

데미스: 제미나이는 멀티모달 모델이라는 상대적으로 새로운 기능인데....

스티븐: 시스템에 대해 약간 불안한 부분이 있고, 당신이 대규모 언어 모델로 인간의 편견을 옮기지 않으려고 노력하는 것을 인정합니다. 왜냐하면 인간은 매우 결함이 많고, 우리가 단백질 접힘과 같은 정답이 있는 문제를 다루는 것이 아니기 때문입니다. 그것은 더 복잡한 문제입니다. 하지만 AI의 결과물이 권위주위 정권이 활용하거나, 특정 집단을 억압하는 방식으로도 쓰일 수 있습니다.

데미스: 이건 모든 산업이 씨름하고 있는 문제입니다. 우리는 딥마인드의 시작부터 이러한 종류의 문제들을 걱정해왔습니다....

스티븐: 마지막 질문입니다. 우리는 여기 모바일 월드 콩그레스에 있습니다. 5년 후 AI 모바일 기기는 어떤 모습일까요? 새로운 기기는 무엇일까요?

데미스: AI의 등장으로 모바일 및 통신 회사에 대한 놀라운 기회가 있다고 생각합니다......