범용인공지능

범용인공지능은 인간과 유사한 지능을 기계에 구현하는 것을 목표로 한다. 이는 인공지능 연구 초기부터 활발히 논의되어 온 추상적인 목표이다. 학계에서는 무엇이 정확히 AGI인지, 그리고 이를 어떻게 달성할 수 있는지에 대한 완전한 합의가 이루어지지 않은 상태이다. 인간과 유사한 지능이라는 개념은 직관적이지만, 세부적인 정의는 주관적이고 미묘한 차이를 보인다.

AGI를 공식적으로 정의하고 구현하는 과정에는 철학적 과제와 기술적 과제가 공존한다.

• 철학적 관점: '지능' 자체에 대한 공식적인 정의가 필요하며, 그 지능이 인공지능 시스템에서 어떻게 나타날 수 있는지에 대한 일반적인 합의가 선행되어야 한다.
• 기술적 관점: 전례 없는 수준의 정교함과 다양성을 갖춘 인공지능 모델을 개발해야 한다. 이는 기계의 지능을 이해하는 프레임워크와 이를 충족하는 실제 모델의 개발을 모두 포함한다.

파운데이션 모델(Foundation Model)은 광범위한 데이터에 대해 훈련되어 다양한 사용 사례에 적용할 수 있는 기계 학습 모델이다. 이는 범용 기술의 성격을 띠며, 대형 언어 모델(LLM)과 같은 생성형 인공지능이 대표적인 예시이다. 이러한 모델을 구축하는 것은 리소스 집약적인 작업으로, 기본 데이터 확보와 컴퓨팅 비용에 수억 달러가 소요되기도 한다. 파운데이션 모델은 특정 용도에 맞게 조정하여 사용할 수 있어 AGI로 나아가는 기술적 토대로 평가받는다.

현대의 범용적인 인공지능 모델은 텍스트뿐만 아니라 오디오, 이미지, 비디오, 소프트웨어 코드 등 다양한 형태의 데이터를 처리하는 멀티모달(Multimodal) 능력을 갖추고 있다. 구글의 제미나이(Gemini)와 같은 모델이 대표적이며, 이러한 모델들은 다양한 양식의 정보를 동시에 이해하고 생성함으로써 인간의 복합적인 인지 능력을 모사하고자 한다.

생성형 인공지능과 대규모 언어 모델의 발전으로 인공지능의 범용성이 크게 향상되었으나, 현재의 기술은 여전히 초기 단계에 머물러 있다. 현재의 모델들은 개인 비서 역할을 수행하거나 특정 작업을 보조하는 수준에서 활용되고 있으며, 인간과 완전히 동등한 수준의 자율적 사고와 이해력을 갖춘 AGI의 실현 여부와 시기에 대해서는 여전히 논의가 진행 중이다.