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.
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.
Keep reading with a 7-day free trial
Subscribe to The Pickool to keep reading this post and get 7 days of free access to the full post archives.