Hacker News • 26일 전

AI는 '사실 똑똑하지 않다'… 인공지능의 다음 단계는?

IMP

8/10

핵심 요약

양 르쿤(AI 석학)은 현재의 LLM(대형 언어 모델)이 물리적 현실을 이해하지 못해 진정한 지능이나 로봇 제어에 한계가 있다고 지적했습니다. 그는 훨씬 적은 자본으로 10억 달러를 유치하며 물리적 세계를 추상화하고 이해하는 새로운 AI 아키텍처(JEPA)를 개발하는 스타트업을 설립했습니다. 이는 LLM 확장만으로는 초지능(AGI)에 도달할 수 없다는 업계의 반성과 차세대 AI 패러다임으로의 전환을 시사합니다.

번역된 본문

인공지능(AI)은 '똑똑하지 않다', 그렇다면 AI의 다음 단계는 무엇일까?

"우리는 아직 물리적 세계를 이해하는 데 있어 쥐만큼 뛰어난 로봇을 갖지 못했습니다." 세계적인 AI 석학 중 한 명인 얀 르쿤(Yann LeCun)의 말입니다. 그는 페이스북의 모회사인 메타(Meta)에서 10년간 수석 AI 과학자로 재직하다가 2025년 퇴사하여 고급 머신 인텔리전스 연구소(AMI Labs)를 설립했습니다. 그의 목표는 챗GPT(ChatGPT), 클로드(Claude), 제미나이(Gemini)와 같은 현재의 AI 시스템을 한 차원 넘어서는 것입니다.

그는 이들이 각자 쓸모는 있지만, 로봇이 집안일을 하게 하는 것과 같은 실제 세계의 복잡한 상황은 결코 해결할 수 없을 것이라고 말합니다. "그들은 인간 수준의 지능이나 동물과 같은 지능을 향한 길이 아닙니다. 실제 세계의 데이터를 처리할 수 없기 때문이죠. 애초에 그렇게 설계되지 않았습니다." 프랑스의 대표적인 기술 컨퍼런스인 비바테크(VivaTech)의 행사장 외곽에서 그가 전한 말입니다.

따라서 파리에 본사를 둔 AMI 연구소는 챗GPT와 그 경쟁작들의 기반이 되는 기술에 의존하지 않는 새로운 유형의 인공지능을 개발하느라 바쁩니다. 투자자들은 이 잠재력을 높게 평가했습니다. 올해 초, AMI 연구소는 미국의 컴퓨터 칩 거대 기업 엔비디아(Nvidia)와 아마존 창립자 제프 베조스의 사모 재산을 관리하는 펀드 등을 투자자로 끌어들이며 10억 달러(약 7억 6천만 파운드) 이상의 자금을 조달했다고 발표했습니다. 스타트업 자금 조달의 가장 초기 단계인 이른바 시드 펀딩 라운드 규모로는 유럽에서 가장 큰 규모 중 하나였습니다.

르쿤에 따르면, 챗GPT와 같은 대형 언어 모델(LLM, Large Language Models)은 코딩, 수학 문제 해결, 텍스트 생성 등 특정 분야에서는 매우 뛰어납니다. 하지만 그는 이들이 잘 정의되고 예측 가능한 문제일 뿐이라고 주장합니다. "그들(LLM)은 기본적으로 지식을 축적할 뿐입니다... 무언가를 그대로 다시 게워내듯 출력하도록 훈련받았지만, 그들이 특별히 똑똑한 것은 아닙니다. 그들은 근본적인 이해가 없습니다."

실제 세계에서는 어떤 행동에 대해서도 무수히 많고 다양한 결과가 뒤따르므로, 훨씬 더 유연한 유형의 인공지능이 필요합니다. 르쿤은 펜 끝이 바닥에 닿도록 똑바로 세웠습니다. 손을 놓으면 어떻게 될까요? 아장아장 걷는 유아라도 펜이 쓰러질 것이라는 사실을 압니다. 하지만 어느 방향으로 쓰러질지 특정해서 짐작하려는 사람은 아무도 없습니다. 알 수 없기 때문입니다. 하지만 LLM은 훈련 데이터의 통계적 패턴을 바탕으로 펜의 다음 움직임에 대해 단일 예측을 생성하려고 시도할 수 있습니다. 이 시스템은 상황의 물리적 현실을 추론하는 것이 아니라 통계적으로 그럴듯해 보이는 것을 만들어낼 뿐이므로, 그 예측은 거의 틀릴 것입니다.

르쿤은 그의 회사가 개발 중인 'JEPA(통합 임베딩 예측 아키텍처, Joint Embedding Predictive Architecture)'라는 시스템이 바로 이러한 문제를 처리하도록 고안되었다고 말합니다. 이는 행동의 결과를 평가할 수 있게 해주는 실제 세계의 '추상화'를 만들어냅니다. 이러한 추상화를 만드는 과정에는 복잡한 수학이 포함되지만, 본질적으로 쓸모없는 정보를 걸러내고 세상에 대한 유용한 그림만 AI에 남겨둡니다. 펜의 경우, 이 AI는 펜이 어느 방향으로 떨어질지 예측하려고 시도하는 것은 의미가 없다는 것을 알게 될 것입니다.

더 유연한 인공지능을 구축하는 것은 로봇 산업의 최우선 과제입니다. 휴머노이드 로봇을 구축하는 데 수십억 달러가 투자되었으며, 그들의 기술은 매년 더욱 인상적으로 발전하고 있습니다. 하지만 다림질이나 식기세척기 정리와 같은 가사 노동을 안전하게 수행하도록 훈련시키는 것은 어렵고 비용이 많이 드는 것으로 드러나고 있습니다. 르쿤에 따르면, 현재의 AI 모델은 그러한 환경에서는 결코 좋은 성능을 낼 수 없을 것입니다.

"LLM은 로봇 공학에 대해 거의 희망이 없습니다."라고 그는 말합니다. "단순히 LLM의 규모를 확장함으로써 우리가 초인적인 지능(Super-human intelligence)에 도달할 것이라는 주장은 결코 일어나지 않을 것입니다."

AI 업계의 많은 사람들이 르쿤의 의견에 동의합니다. 영국 옥스퍼드 대학교 응용 인공지능 교수이자 옥스퍼드 응용 AI 연구소所长이며 아마존 스칼라이기도 한 잉마 포스너(Ingmar Posner) 역시 그중 한 명입니다. "M

원문 보기

원문 보기 (영어)

AI is 'not smart' so what's next in artificial intelligence? 9 hours ago Share Save Add as preferred on Google Ben Morris Technology of Business Editor "We don't have robots that are nearly as good at understanding the physical world as a rat," says Yann LeCun, one of the leading figures in the world of artificial intelligence. He worked at Facebook-owner, Meta, for a decade, where he was chief AI scientist, but left in 2025 and founded Advanced Machine Intelligence Labs (AMI Labs). His goal is to move AI beyond current systems like ChatGPT, Claude and Gemini. They have their uses, he says, but will never be able to tackle complicated situations in the real world, like getting a robot to do household chores. "They're not a path towards human level or human-like intelligence, or even animal-like intelligence, because they cannot deal with real world data, they just are not built for that," he tells me on the sidelines of VivaTech, France's leading technology conference. So, Paris-based AMI Labs is busy developing a new type of artificial intelligence not based on the tech behind ChatGPT and its rivals. Investors think it has potential. Earlier this year AMI Labs announced that it had raised more than $1bn (£760m), with investors including US computer chip giant Nvidia and the fund that manages the private wealth of Amazon-founder Jeff Bezos. That so-called seed funding round - the earliest round of start-up fundraising - was one of the biggest of its kind in Europe. Large Language Models (LLMs) like ChatGPT are extremely good at some things like coding, mathematical problems and generating text, LeCun says. But he argues that these are well defined and predictable problems. "They [LLMs] basically just accumulate knowledge... They can regurgitate something, you train them to regurgitate, but they're not particularly smart. They don't have an underlying understanding," he says. In the real world there is a bewildering array of outcomes to any action, which requires a more flexible type of artificial intelligence. LeCun holds a pen upright on its tip. What happens when you let go, he asks? Even a toddler would know that the pen would topple over. But no human would bother to guess in which direction the pen might fall, there's no way to tell. But an LLM might try to generate a single prediction about the pen's next move based on statistical patterns from its training data. The prediction would almost certainly be wrong, because the system is not reasoning about the physical reality of the situation - it is generating what appears to be statistically plausible. LeCun says the system his company is developing, called Joint Embedding Predictive Architecture (JEPA), is set up to deal with problems like that. It creates abstractions of the real world that allow it to assess the outcomes of actions. Creating these abstractions involves difficult maths, but essentially they filter out useless information, just leaving the AI with useful pictures of the world. In the case of the pen, the AI would know that there's no point in trying to predict which way the pen would fall. Building a more flexible artificial intelligence is a priority for the robotics industry. Billions of dollars have been invested in building humanoid robots and their feats get more impressive every year . But training them to safely perform household tasks like ironing or stacking the dishwasher is proving difficult and costly. And, according to LeCun, current AI models are unlikely to ever be any good in that environment. "LLMs are largely hopeless for robotics," he says. "The claims that somehow by just scaling up LLMs, we're going to reach super human intelligence, that is simply not going to happen." Many in the AI industry agree with LeCun. Ingmar Posner is one of them. He is professor of Applied Artificial Intelligence at Oxford University and directs its Applied AI Lab. He is also an Amazon Scholar . "My view is that the next decade will really be about systems that can explain... You need models that can answer questions like: What matters? What causes what? What would happen if I did something else - like if I took a different action?" Posner and his team of around 10 researchers have been working for four years on an alternative form of AI, which falls into a loose category called World Models. While World Models have conceptually been around for decades, one inspiration for this work was an influential paper published in 2018 by David Ha and Jurgen Schmidhuber . Their insight was that, given advances in machine learning and compute power, an AI can learn how to do something purely from a learnt, "mental" simulation of what the world looks like. Since 2018 that idea has catalysed a significant amount of research into world models, including the Dreamer World Model from Google. Last year a Dreamer variant worked out how to collect diamonds in the video game Minecraft, by imagining future scenarios to help it with decision making. Posner hopes the AI system his team are working on will be another step forward. He calls it a "mechanistic world model", which will structure knowledge in a way the AI can use efficiently. "You need systems that are able to compartmentalise and organise knowledge in such a way that it can be recalled, combined and modified when it matters," Posner says. It's very difficult to say how long it will take to develop these new models, he adds. "If you asked anyone in 2017 or 2018, how long it would be until you can have a ChatGPT sort of thing, they would go: 'Decades, decades of work'." The original version of ChatGPT was launched in November 2022 . Other work on World Models is being done by DeepMind (part of Google-owner, Alphabet) with its Genie model and London-based Wayve has a system called Gaia. Meanwhile, AI pioneer Fei-Fei Li founded World Labs in San Francisco in 2023 to develop a new AI model. LeCun says that AMI Labs will spend the rest of this year refining their AI model and next year hopes that it will be put to use, at first in industrial settings. If that's successful, then it will be time to think big. "Eventually down the line we'll have sort of general generic intelligence systems that can be applied to just about anything in the world with minimal training or fine tuning." What will happen to humans in a world where robots can operate independently? "We're still going to need humans to figure out what questions to ask, what to build, what to create, which is really the properly human aspect," he says. The AI will work for us he adds. "Our interaction with future AI systems - even if they are smarter than us - is going to be like the interaction between a captain of industry or a political leader with their staff of assistants - many of whom are smarter than they are." Technology of Business India's 'blue gold' starts a new drinks industry The ancient trick making food waste useful and tasty What is Helium-3 and could we get it from the moon? International Business Technology of Business Artificial intelligence Robotics

LLM 인공지능 로봇공학 메타 양 르쿤