인간을 초월하는 슈퍼인텔리전스, 어디까지 왔나? [AI와 함께하는 세상]

슈퍼인텔리전스

슈퍼맨, 슈퍼스타, 슈퍼 파워 등 ‘슈퍼(super)’라는 말에는 초월적인 힘에 대한 경탄과 놀라움이 깃들어 있다. 이는 근래 AI의 슈퍼인텔리전스(superintelligence) 이슈에도 적용된다. 슈퍼인텔리전스는 단순한 연산 능력을 초월하여, 학습, 계획, 의사결정, 문제 해결, 창의성 등 거의 모든 영역에서 인간의 인지능력을 능가하는 지능을 의미한다.

의사 진단 정확도 vs. 멀티 에이전트 AI 진단 정확도(필자가 코파일럿에서 생성)

현재의 발전 속도라면, 기계지능이 인간 지능을 뛰어넘는 특이점의 싱귤래리티(Singularity) 도달 시점도 크게 앞당겨질 전망이다. 유발 하라리는 『호모데우스』에서 AI와 생명공학이 결합된 미래를 예견하며, 수정란 단계에서 유전자를 조작해 질병이나 장애를 예방하고, 외모나 지능까지 선택할 수 있는 시대가 올 것으로 전망했다. 이는 유전적으로 뛰어난 과학자, 예술가, 운동선수를 만들어 낼 수 있다는 의미다. 오늘날 AI는 암을 무증상 단계에서 발견하고 세포의 비밀을 규명하는 등 질병 단서를 밝혀내므로, ‘호모데우스(Homo+Deus)’보다는 ‘아이데우스(AI+Deus)’ 시대라는 표현이 더 적절할지도 모른다.

신의 능력에 이르려는 인간과 스스로 인간을 넘어서려는 AI(필자가 소라에서 생성)

AI의 핵심 능력 : 스스로를 개선하는 능력

인공지능은 스스로를 개선하면서 더 똑똑해질 수 있다는 점에서 ‘재귀적 자기 개선 능력(recursive self-improvement)’을 가졌다. 바로 이점이 다른 기술과 차원을 달리한다. 자동차가 아무리 최첨단이어도 스스로 엔진을 개량할 수 없고, 스마트폰이 아무리 똑똑해도 스스로 카메라 성능을 업그레이드할 수는 없다. 그러나 AI는 자기 코드를 분석·수정하여 더 나은 버전의 자신을 만들어 내는 마법 같은 비밀을 숨기고 있다. 이러한 자기 개선 과정이 반복·누적되면 지능은 기하급수적으로 성장하며, 지능 폭발(intelligence explosion)에 이를 수 있다. 나아가 AI는 메타러닝(meta-learning) 요소를 가지고 있기에, 스스로 최적의 전략을 찾아 더 효율적인 학습법을 터득하는 자동화된 진화 과정을 밟는다. 인간의 개입 없이도 데이터를 학습하고 해석하여 통찰할 수 있다는 점은 인공지능이 진화하는 생물을 넘어 만물의 영장 인간을 초월할 수 있다는 점을 말해준다.

진정한 슈퍼인텔리전스가 되기 위해서는 자기 개선을 통해 ‘모든 영역’에서 인간을 초월해야 한다. 여기에는 창의성, 감정 이해, 윤리적 판단 등 고차원 인지가 포함된다. 현재 AI는 복잡한 과학·수학 문제를 신속히 분석하고, 방대한 데이터를 바탕으로 보고서를 작성하는 등 일부 작업에서 이미 인간을 초월한다. 특히 의료 분야에서는 AI 멀티 모달(multimodal)·멀티 에이전트(multi-agent) 기법을 적용해 진단과 정밀 의료에서 탁월한 성능을 보이며, 인간 의사의 정확도를 넘어서는 사례도 늘고 있다.

의료 분야 슈퍼지능의 사례

마이크로소프트가 최근 선보인 MAI-DxO(Microsoft AI Diagnostic Orchestrator)는 슈퍼 인텔리전스의 좋은 사례다. 이 시스템은 아래와 같이 5개의 전문 AI 에이전트로 구성되어 있으며, 각각이 역할을 분담하여 협력한다.

Dr. Hypothesis(가설 박사): 주요 진단 가설 도출

Dr. Test Chooser(검사 박사): 필요한 검사 선택

Dr. Challenger(검증 박사): 기존 가설 반박 및 검증

Dr. Stewardship(자원관리 박사): 진단 과정의 비용과 자원 효율 관리

Gatekeeper(게이트키퍼): 환자 정보 및 검사 결과의 흐름 조율

필자가 소라에서 생성한 5개의 전문 AI 에이전트(가설, 검사, 검증, 자원관리, 전반적 조율)

여기에 모든 정보와 데이터를 조율하는 ‘문고리 권력자’가 오케스트라의 지휘자처럼 등장해, 이를 중심으로 전문의들의 역할, 환자 정보, 검사 결과의 흐름을 통합적으로 조율한다. 이는 마치 5명의 의사가 각자의 전문성을 바탕으로 팀 진료를 수행하고, 그 위에 디렉터가 있어 전체를 조율하는 구조와 유사하다.

단일 AI 에이전트로는 하나의 문제에 대해 서로 다른 관점을 제시하고 이를 종합적으로 판단하기가 어렵겠지만, 다중 AI의 팀 작업을 조율하는 오케스트레이터(orchestrator)가 영역 간의 역할을 조율하고 종합한다. 이는 AI가 인간 사회의 리더십 구조를 모방할 수 있음을 보여주는 것이다.

아울러 오픈AI GPT, 구글 제미나이, 앤스로픽 클로드, 메타 라마, xAI 그록 등 여러 LLM을 연쇄 토론 방식(chain-of-debate)으로 운영해, 다중 AI 에이전트의 협동 진단이 가능해졌다.

여러 LLM이 연쇄 토론(chain-of-debate)하는 장면(필자가 소라에서 생성)

MAI-DxO의 성과는 주목할 만하다. 304건의 실제 의료 사례에서 진단 정확도 85.5%를 기록했으며, 이는 인간 의사의 평균 정확도(20%)보다 4배 이상 높은 수치다. 또한 진단 비용을 크게 절감해 자원 효율성도 높였다.

MAI-DxO는 의료 분야에서 슈퍼지능에 다가서는 첫걸음으로 평가된다. 다차원의 모달 융합과 멀티에이전트의 결합은 슈퍼인텔리전스로 가는 중요한 경로가 될 수 있다. 그럼에도 마이크로소프트는 이를 ‘의료 슈퍼인텔리전스(medical superintelligence)’라는 특정 도메인에 한정된 개념으로 정의한다. 이는 감정 이해나 창의성 등 인간의 보편적 능력을 포함하지 않는, 특정 분야에 특화된 ‘좁은(narrow)’ 지능이다. 따라서 ‘모든 영역’에서 인간을 초월한 보편적 슈퍼인텔리전스로 보기는 어렵다. 현재의 AI는 전 분야에서 보편적으로 뛰어난 존재가 아니라, 특정 분야에서만 탁월한 ‘뾰족한(narrow, domain-specific)’ 지능이라는 뜻이다.

현 단계의 AI 초지능은 모든 영역을 포괄하는 범용 지능이 아니라, 특정 기능에 특화된 형태에 가깝다. 의료·연구·행정 등 일부 분야에서 멀티에이전트 기반 AI가 맞춤형 진료, 실시간 모니터링, 행정 자동화 등 혁신을 이끌고 있지만, 이는 ‘일반지능(AGI)’이나 ‘범용 슈퍼인텔리전스’라기보다는 ‘특정 영역에 한정된 초지능’에 가깝다는 평이다. 메타의 스마트 안경(예: Ray-Ban Meta)과 같은 웨어러블 AI 기기는 새로운 인간-기계 인터페이스를 제시하지만, 감정 이해나 사회적 상호작용 등 인간 고유의 능력을 완전히 대체하기에는 아직 한계가 있다.

범용 슈퍼인텔리전스로의 길

AI를 스포츠에 비유하면, 지금의 부분적 초지능은 ‘동네 축구왕’과 비슷하다. 드리블과 슛은 세계 최고지만, 농구·배구·탁구는 전혀 못 한다. ‘올림픽 제왕’ 같은 범용 초지능으로 발전하려면, 단순한 능력 향상이 아니라 근본적인 능력 재구성과 새로운 훈련 모듈이 필요하다. 구체적으로 설명하면 다음과 같다.

⓵멀티도메인 학습은 한 분야에서 익힌 지식과 기술을 다른 분야에 전이하고, 인과 추론 능력까지 키우는 것이다. ②메타러닝은 새로운 종목을 빠르게 배우는 비법으로, 상황에 맞는 최적의 학습 전략을 자동으로 찾아낸다. ③자기 개선 능력은 AI가 스스로 코드를 수정하고 구조를 발전시켜 훈련 방식 자체를 업그레이드하는 것이다. ④멀티모달 통합은 경기에서 눈·귀·촉각·청각을 모두 활용하는 오감 전략에 비유할 수 있다. ⑤고차원 인지는 창의성, 감정 이해, 사회적 맥락 해석, 윤리적 판단 등 복합적 사고 능력을 의미하며, ⑥지식 통합과 관리는 모든 영역의 정보를 체계적으로 저장하고 지속적으로 업데이트하는 역할을 한다. 다양한 입력을 한 곳에서 통합·조율(orchestration)하여 상황을 종합적으로 이해하고 의사결정을 내리는 AI 모듈을 의미한다.

텍스트·이미지·음성 등 멀티모달 AI의 작동 방식(필자가 코파일럿에서 생성)

요컨대, AI가 특화 초지능에서 범용 초지능으로 진화하려면 위와 같이 최소한 6가지의 종합적인 능력을 전부 갖춰야 ‘모든 종목의 챔피언’, 즉 보편적 슈퍼인텔리전스로 성장할 수 있을 것이다. 부분적 초지능에서 범용 초지능으로 가는 길은 단순한 확장이 아니라, 능력의 근본적 재구성과 통합을 통해서만 가능하다.

[여현덕 카이스트 G-School 원장/기술경영대학원 교수]