Meta의 AI 총괄 얀 르쿤과의 대담: AI의 미래, 개방의 중요성, 그리고 중국/프랑스의 AI

올해 Viva Technology 행사부터 저희 취재팀은 주요 테크 행사의 취재 및 보도 방식을 일부 변경했습니다.

Source: Viva Technology

올해 Viva Technology 행사부터 저희 취재팀은 주요 테크 행사의 취재 및 보도 방식을 일부 변경했습니다.

• 일론 머스크나 Jensen Huang 등 글로벌 인지도가 있는 연사의 세션

• 세션의 길이가 40분이 넘어가면서, 3~4가지 주제로 정리하기에는 내용이 누락되는 세션

• 주요 연사의 발언 자체가 큰 의미가 있는 경우 전문으로 공개하기로 한 것입니다.

이 기준에 따라 최근 발행한 아래 세션은 전문 형태로 공개한 바 있습니다.

일론 머스크의 Viva Technology 세션

---

젠슨 황의 기조 연설

---

젠슨 황의 기자 회견은 전문 형태로 공개했습니다.

---

프랑스가 낳은 세계적인 컴퓨터 과학자 얀 르쿤이 자국에서 8번째로 열린 비바 테크놀로지에 연사로 등장했습니다. 파이낸셜 타임즈의 AI 총괄 에디터 마드후미타 무르기아의 사회로 진행된 이 날 세션을 그대로 전해드리고자 합니다.

생성형 AI와 관련하여 오픈 소스 진영을 주도하는 메타의 수석 인공지능 과학자 겸 부사장으로써

그는 "Open Science"라는 주제로 45분간 강연을 진행했습니다.

이 날 주요 질문은 아래와 같았습니다.

• Q1. 인간 지능의 본질과 현재 AI의 발전 단계는 어떠한가?

• Q2. LLM(Large Language Model)의 한계와 그 존재 이유는 무엇인가?

• Q3. 차세대 AI 시스템으로 가는 접근 방식과 아이디어는 무엇인가?

• Q4. 초지능 AI에 대한 우려와 안전한 시스템 구축 가능성은 어떠한가?

• Q5. 람다(LLaMa, Meta AI에서 개발한 대규모 언어 모델) 언어 모델의 내외부 활용 사례와 혜택은 무엇인가?

• Q6. AI 연구 공유의 감소가 혁신 속도에 미치는 영향은 어떠한가?

• Q7. 중국의 AI 혁신과 개방적 협력에 대한 입장은 무엇인가?

• Q8. 유럽의 AI 인재 유치와 생태계 활성화를 위해 필요한 것은 무엇인가?

이 내용을 중심으로 전문을 전해드리겠습니다.

---

파이낸셜 타임즈 AI 편집장

안녕하세요, 여러분. 오늘 여기 계신 분들 중 아마도 가장 큰 유명인사 옆에 앉게 되어 영광입니다.

제 앞에 계신 이 분은 프랑스 과학과 기술 생태계가 낳은 거물이기도 하지만, AI의 창시자 중 한 분이기도 합니다. 오늘 우리가 나누고자 하는 대화의 주제이기도 하죠.

전통적으로 이런 대담에서는 간단한 것부터 시작해서 큰 질문으로 나아가야 한다는 걸 압니다. 하지만 우리에게는 35분밖에 없고, 세계 최고의 AI 과학자 한 분과 함께 있습니다.

그래서 간단 질문으로 오늘 세션을 시작하지는 않겠습니다.

좀 큰 질문부터 시작하겠습니다. 인텔리전스의 본질은 무엇이며, 기계에서 그것을 어떻게 재현할 수 있는지, 그리고 기계 버전을 만드는 것이 가능한 것인지에 대해 교수님이 하신 말씀을 들었습니다.

교수님께서는 오랫동안 이 분야에서 일하시면서 탁월한 견해를 가지고 계십니다.

교수님의 연구를 통해 배운 것과 오늘날 우리가 지능의 본질을 이해하는 데 있어 어디에 와 있는지에 대해 좀 말씀해 주시겠습니까?

얀 르쿤

AI의 발전 역사를 살펴보면 그에 대한 아이디어를 얻을 수 있습니다.

예를 들어, 지능이 서로 연결된 매우 단순한 요소들의 큰 집합에서 나온다는 생각, 그 기능이 기본적으로 연결에서 비롯된다는 생각은 1950년대에 신경과학과 시스템 이론 등에서 등장했습니다. 당시에는 우리가 이것을 기계로 재현할 수 있을 것이라는 사실 자체가 명확하지 않았습니다.

1950년대 어느 시점에는 자기조직화라고 불렸습니다. 아마도 생명이 출현하는 이유일 뿐만 아니라 지능도 설명할 수 있는 원리로서 말이죠. 그래서 이것을 기계로 재현하는 방법이 큰 의문이었습니다.

잠시 동안 50년대와 60년대에 이 분야에서 일하는 사람들이 있었고, 그 후 이와 전혀 관련이 없는 AI의 또 다른 흐름이 있었습니다. 그 흐름은 고전적인 컴퓨터 과학으로 이어졌습니다.

알고리즘과 복잡성 이론, 전문가 시스템, 고전적 AI 등이 있죠. 하지만 오늘날 우리가 사용하는 방식의 학습 알고리즘, 즉 1980년대부터 존재해 온 딥러닝 기술은 인간 엔지니어보다 지능형 시스템을 설계하는 데 훨씬 더 뛰어난 부분이 있었습니다.

이는 엔지니어들에게 더 존경심을 표할 수 밖에 없는 부분이기도 합니다.

손으로 이미지를 인식할 수 있는 시스템을 설계하는 것은 불가능합니다.

하지만 시스템이 스스로 학습하도록 하면 작동합니다. 과학자와 엔지니어들이 이것이 사실이라는 것을 깨닫고 생각을 바꾸는 데는 많은 시간이 걸렸습니다. 그것이 머신러닝과 딥러닝의 등장을 가능하게 한 이유입니다.

파이낸셜 타임즈 AI 편집장

오늘날 우리가 가진 것들을 살펴보면, 일반인들이 가장 발전된 AI로 여기는 것은 대형 언어 모델(LLM)입니다.

교수님께서는 오늘날 우리가 가진 것 중 가장 발전된 형태가 무엇이라고 생각하시나요?

그리고 그것이 인간의 지능을 재현하는 길로 가는 길이라고 보시나요?

얀 르쿤

AI 발전에 대한 제 견해를 말씀드리자면, 이것을 인간 수준의 지능 또는 그 이상을 재현하는 방향으로 가는 일종의 고속도로로 생각해 봅시다.

AI가 지난 60~70년 동안 따라온 그 길에는 많은 갈래길이 있었습니다.

• 그 중 일부는 고전적인 컴퓨터 과학으로 이어졌고,

• 일부는 패턴 인식, 컴퓨터 비전, 음성 인식 등으로 이어졌죠.

• 모든 것들은 과거 어느 시점에 실용적인 중요성을 가졌지만, 궁극적인 지능으로 가는 본류는 아니었습니다.

저는 LLM을 또 다른 갈림길로 봅니다. 매우 유용하고, 그 주변으로 전체 산업이 형성되고 있습니다.

이는 멋진 일이죠. 메타에서도 당연히 이 분야에서 일하고 있습니다. 하지만 차세대 AI 시스템에 관심 있는 제 같은 사람들에게는 다음 출구, 아니 어쩌면 다음 출구가 아니라 이 고속도로에서 어떻게 진전을 이룰 수 있을지가 관심사입니다. 이는 결국 하나의 갈래길에 불과하다는 것입니다.

그래서 저는 차세대 AI 시스템 연구에 관심 있는 젊은 학생들에게 LLM 연구를 하지 말라고 조언합니다. 이 분야에서 일할 이유가 없습니다. 이는 대기업 제품 부서의 손에 달려 있는 문제입니다.

여러분이 기여할 수 있는 것은 아무것도 없습니다. 여러분은 LLM의 한계를 극복하는 차세대 AI 시스템, 우리 모두가 그 한계가 어디에 있을지 어느 정도 알고 있는 그런 시스템 연구에 매진해야 합니다.

파이낸셜 타임즈 AI 편집장

하지만 교수님께서는 왜 LLM이 오프램프(갈림길)라고 생각하시나요? 왜 그것이 오픈AI와 같은 일부 사람들이 믿는 것처럼 해결책이 아니라고 보시는지 설명해 주시겠어요?

얀 르쿤 (메타 AI)

약 1년 전인 2023년 초, 메타는 제트AI라는 제품 부서를 만들었습니다.