튜링상 수상자 리처드 서튼: 순수 생성 AI는 진짜 과학을 할 수 없다
튜링상 수상자 리처드 서튼은 일반적인 생성 AI가 자체적인 '평가' 능력이 부재하여 진정한 과학적 발견을 이뤄낼 수 없다고 주장합니다. 모방이나 무작위 생성에 그치는 순수 생성 모델과 달리, 알파고나 알파폴드, 코딩 에이전트 등은 명확한 피드백과 평가 루프를 갖추고 있어 진정한 창의성과 발견이 가능하다고 설명했습니다.
튜링상 수상자 리처드 서튼(Richard Sutton)은 일반적인 생성 AI가 과학적 발견에 필수적인 핵심 능력, 즉 자신의 결과를 평가하고 발전시키는 능력이 부족하다고 주장합니다.
대규모 언어 모델, 이미지 생성기, 비디오 모델은 방대한 예시 데이터를 학습하고 이와 유사한 결과물을 만들어냅니다. 서튼에 따르면, 이러한 결과물이 우수할 때는 대개 모델이 학습한 원천 자료인 텍스트, 이미지 또는 데이터의 덕분입니다. 결과물이 진정으로 새로울 때는 그 원천 자료를 넘어서는 것입니다. 사실에 관한 질의의 경우, 이를 소위 '환각(Hallucination)'이라고 부릅니다.
서튼은 오래된 연구자들의 농담을 인용하며 자신의 비판을 설명합니다. "이 연구는 새롭기도 하고 훌륭하기도 합니다. 안타깝게도 훌륭한 부분은 새롭지 않고, 새로운 부분은 훌륭하지 않습니다." 서튼은 이 진단이 오늘날 생성 AI의 상당 부분에 들어맞는다고 말합니다. 생성 AI는 유용한 것을 모방하거나 무작위로 새로운 것을 만들어낼 수는 있지만, 스스로 어떤 새로운 아이디어가 진정으로 좋은 것인지 판단할 수는 없습니다.
서튼은 생성 AI가 요약, 연구, 비서 또는 엔터테인먼트 분야에서 유용할 수 있다는 사실을 부정하지 않습니다. 새로움(novelty)은 애초에 목표가 아닌 경우가 많습니다. 요약본은 새로운 사실을 지어내서는 안 되며, 연구 결과에 추가적인 주장을 슬쩍 끼워 넣어서도 안 됩니다. 서튼은 "생성 AI는 단지 모방하더라도, 모방 대상보다 더 빠르거나, 더 저렴하거나, 더 작거나, 더 맞춤화 가능하거나, 더 쉽게 복사될 수 있다면 매우 유용할 수 있다"고 말합니다.
과학에서 모방의 한계 서튼의 관점에서 이러한 한계는 과학 전반에 있어 가장 중요하게 작용합니다. 과학의 핵심 목적은 이미 알려진 것을 재현하는 것이 아니라 새로운 것을 발견하고 이를 테스트하여 지속 가능한 지식으로 전환하는 데 있기 때문입니다.
서튼은 진정한 발견을 '변이(Variation)', '평가(Evaluation)', '선택적 유지(Selective retention)'의 세 단계 과정으로 설명합니다. 시스템은 다양한 옵션을 생성하고 이를 테스트한 뒤, 효과가 입증된 접근 방식을 계속 사용해야 합니다. 서튼은 이 원리가 진화, 과학적 방법, 계획, 탐색 및 강화학습(Reinforcement Learning)에 모두 존재한다고 말합니다.
순수 생성 AI가 가장 결여된 부분은 바로 '평가' 능력입니다. 언어 및 이미지 모델은 다양한 변형을 생성해 냅니다. 하지만 테스트가 없다면 최적의 결과를 선택할 수 없고, 발견도 이뤄내지 못합니다. 서튼은 "새로움은 순간적으로 생겨났다가도 그 가치를 인정받지 못하면 곧 사라져 버린다"고 말합니다.
평가는 인간으로부터 올 수 있습니다. 예를 들어 사용자가 AI가 생성한 여러 이미지 중 최고의 결과를 직접 고르는 경우입니다. 하지만 평가는 명확한 목표에서도 비롯될 수 있습니다. 체스나 바둑의 체크메이트, 형식적으로 유효한 수학적 증명, 프로그램의 성공적인 실행, 시뮬레이션 환경에서의 높은 보상 등이 그 예입니다. 오직 이러한 종류의 피드백만이 단순한 생성을 탐색 및 발견의 과정으로 바꿔놓을 수 있습니다.
알파고, 알파폴드, 클로드 코드(Claude Code)가 보여주는 차이점 서튼은 순수 생성 AI의 한계를 넘어선 일부 AI 시스템이 이미 "진정한 창의성과 진정한 발견을 할 수 있다"고 말합니다. 그는 famously 기발한 수로 알려진 알파고(AlphaGo)의 37수, 알파제로(AlphaZero)의 독창적인 체스 스타일, 단백질 구조 예측의 알파폴드(AlphaFold), 수학 분야의 알파프루프(AlphaProof), 프로그래밍 분야의 클로드 코드(Claude Code), 시뮬레이션 레이싱의 GT-Sophy 등을 그 예로 듭니다.
이러한 시스템들의 공통점은 순수한 텍스트나 이미지 생성을 넘어선 '평가 루프(Evaluation loop)'를 갖추고 있다는 것입니다. 바둑의 수는 승리할 확률을 높이거나 그렇지 않거나 둘 중 하나입니다. 수학적 단계는 형식적으로 검증되거나 그렇지 않습니다. 코드는 테스트를 통과하고 올바르게 실행되거나 실패합니다. 이를 통해 더 나은 솔루션을 선택하고 추구하는 것이 가능해집니다.
서튼은 "이 모든 시스템들은 진정한 창의성과 발견을 가능하게 하는 몇 가지 추가적인 기능을 갖추고 있다"고 밝혔습니다.
서튼의 비판은 명시적으로 런타임 시 자체 출력을 평가하지 않는 '일반적인(ordinary)' 생성 AI를 겨냥합니다. 검색, 검증자(Verifiers), 도구, 강화학습 또는 형식적 검증자(Formal validators)가 확장된 언어 모델은 진정한 발견 시스템의 일부가 될 수 있습니다. 하지만 이러한 구조가 프로그래밍, 게임 및 명확하게 테스트 가능한 작업을 넘어 어디까지 확장될 수 있는지는 여전히 미해결 과제로 남아있습니다.