우리는 암을 치료할 기회를 챗봇과 맞바꾼 것일지도 모릅니다.
이것은 음모론이 아니라 데미스 하사비스 자신의 말에 담긴 논리입니다.
챗GPT 출시 순간에 대한 질문을 받았을 때, 노벨상 수상자이자 구글 딥마인드의 CEO, 그리고 알파폴드의 창시자인 그는 업계의 일반적인 의견과는 정반대되는 답변을 내놓았습니다.
"만약 제게 결정권이 있다면, 인공지능을 연구실에 더 오래 머물게 하고 알파폴드 같은 프로젝트를 더 많이 진행할 겁니다. 어쩌면 암을 치료하는 데 도움이 될 수도 있잖아요."
하지만 ChatGPT와 같은 제품의 등장으로 인공지능 산업 전체가 초고속 경쟁에 돌입했다는 것이 현실입니다.
위 내용은 2026년 4월 7일 Huge Conversations에 게재된 인터뷰에서 발췌한 것입니다. 이 인터뷰에서 하사비스는 다음 네 가지 사항을 명확히 했습니다.
인공지능이 진정으로 세상을 바꾸는 곳
인공지능이 원래의 경로에서 벗어나는 방식
실제로 우려해야 할 리스크
인류는 어떻게 대응해야 할까요?
다음은 이 대화에서 가장 주목할 만한 부분들입니다.
01 인공지능이 진정으로 세상을 바꾸는 사례를 우리는 거의 보지 못합니다.
해당 분야의 전문가가 아니라면, 대부분의 사람들은 여전히 인공지능에 대해 챗봇, 글쓰기 도우미 또는 이미지 생성기와 같은 도구에 국한된 인식을 가지고 있을 것입니다.
이번 인터뷰에서 하사비스는 쉽게 간과되는 사실 하나를 언급했습니다. 바로 인공지능의 더욱 중요한 응용 분야는 이러한 제품들 외부에서 실제로 일어난다는 것입니다.
진정으로 중요한 변화는 일상생활과는 동떨어진, 연구실이나 데이터베이스, 그리고 대부분의 사람들이 접해보지 못한 과학적 질문들 속에서 일어나고 있습니다.
가장 대표적인 예는 알파폴드(AlphaFold)입니다. 이는 하사비스(Hassabis)와 딥마인드(DeepMind)가 개발한 시스템으로, 아미노산 서열만을 기반으로 단백질의 최종 3차원 구조를 예측하는 것을 목표로 합니다.
이렇게 생각해 보세요. 단백질의 구조가 인체 내에서의 기능을 결정하고, 그 기능은 질병의 발생 기전과 약물의 작용 방식을 결정합니다.
물론 실제 상황은 훨씬 더 복잡하기 때문에 여기서 자세히 설명하지는 않겠습니다.
과거에는 과학자들이 단백질의 구조를 알아내기 위해 수년간 실험실에서 반복적인 실험을 해야 했으며, 그 비용은 수십만 달러 또는 그 이상이 들기도 했습니다.
많은 단백질은 너무 복잡해서 그 구조를 해독하는 것이 사실상 불가능합니다. 농담이 아니라 정말입니다.
하지만 AlphaFold는 이를 계산 문제로 전환합니다. 주어진 염기서열을 이용하여 단 몇 초 만에 매우 신뢰할 수 있는 3D 구조 예측을 생성할 수 있습니다.
딥마인드는 업계에서 흔히 볼 수 있는 것처럼 온라인 서비스를 제공할 수도 있었습니다. 과학자들이 단백질 서열을 제출하면 시스템이 계산하여 결과를 반환하는 방식입니다.
하지만 하사비스는 내부 회의에서 갑자기 필요할 때마다 계산하는 것보다 자연에 존재하는 모든 단백질을 계산하는 것이 더 나을 것이라는 생각을 하게 되었습니다.
그의 리더십 아래 딥마인드는 약 2억 개의 단백질 구조를 일괄적으로 계산하여 전 세계에 무료로 공개했습니다.
어떤 의미에서는 이것을 공공재라고 볼 수 있는데, 이러한 관행 덕분에 구조생물학 분야는 언제든 접근할 수 있는 인프라를 갑자기 갖게 되었기 때문입니다.
하사비스는 현재 3백만 명이 넘는 과학자들이 알파폴드를 사용하고 있다고 설명했습니다. 많은 연구자들에게 알파폴드는 단순한 "도구" 이상의 의미를 지니며, 필수적인 기본 요소입니다.
신약 개발에 있어 알파폴드는 전체 과정의 출발점을 바꿔놓았습니다. 과거에는 실험실에서 반복적인 시행착오를 거치는 방식이었지만, 이제는 시행착오의 대량 사전에 컴퓨터로 옮겨 진행할 수 있게 되었습니다.
과거에는 연구자들이 먼저 잠재적인 표적을 확인한 다음, 그 단백질에 "결합"할 수 있는 분자를 설계해야 했습니다. 이 과정은 대량 실험에 의존했습니다. 분자를 만들고 한 번 테스트한 다음, 작동하지 않으면 약간 수정하고 다시 테스트하는 방식이었습니다.
하지만 인공지능이 도입된 이후 이러한 논리는 바뀌기 시작했습니다.
딥마인드에서 분사한 제약회사인 아이소모픽 랩스에서는 이 과정을 "계산 우선" 모델로 재구성했습니다. 인공지능이 먼저 컴퓨터에서 대량 후보 분자를 생성하고, 표적 단백질과의 결합 효과를 예측하는 동시에, 이러한 분자들이 체내의 다른 단백질을 손상시킬 가능성이 있는지, 그리고 어떤 부작용을 일으킬 수 있는지 신속하게 검사합니다.
그런 다음, 이러한 피드백을 바탕으로 분자 구조가 지속적으로 조정되어 다음 탐색 단계로 넘어갑니다.
전체 과정은 고빈도 반복 탐색으로 바뀌었는데, 원래 실험실에서 대량 시간과 자원을 소모했던 시행착오 방식이 컴퓨터를 이용한 여러 차례의 계산으로 압축된 것입니다.
습식 실험이 사라진 것은 아닙니다. 단지 과정의 마지막 단계로 밀려났을 뿐입니다. 가장 유망한 후보 분자 중 극소수만이 실제로 테스트될 것입니다.
기존 방식에서는 신약 개발에 약 10년이 걸리고 성공률은 약 10%에 불과합니다. 하지만 이 컴퓨터 기반 접근 방식은 적어도 이론상으로는 이 두 가지 수치를 동시에 바꿀 수 있는 잠재력을 가지고 있습니다.
하사비스 본인도 앞으로 거의 모든 신약 개발에 인공지능이 어느 정도 활용될 것이라고 믿고 있습니다.
그의 견해로는 이것이 인공지능이 세상을 바꿀 가장 유력한 방식입니다. 블록버스터급 제품의 형태로 등장하지도 않을 것이고, 스마트폰 화면에 끊임없이 존재를 알리지도 않을 것입니다.
이는 마치 미리 구축된 기반 시스템과 같습니다. 일단 구축되면, 조용히 해당 분야 전체의 운영 방식을 바꿔놓을 것입니다.
다시 말해, 챗봇만 본다면 인공지능의 가장 중요하지 않은 부분만 보게 될지도 모릅니다.
02 AI는 "강제로 추진되고" 있습니다.
하사비스의 비전을 따랐다면 인공지능의 발전 경로는 달랐을 것이고, 더 느리고, 더 "과학적"이었을 것입니다.
인터뷰에서 그는 다소 이례적인 발언을 했습니다. 만약 자신에게 결정권이 있다면, 인공지능을 향후 10년, 심지어 20년 동안 연구실에 머물게 하여 대규모 과학 프로젝트처럼 발전시켜 나가겠다는 것이었습니다.
그는 세계 최대 입자물리학 연구기관인 CERN(유럽 원자핵 연구기구)을 예로 들면서, CERN은 세계 최고의 과학자들을 모아 문제를 단계적으로 분석하고 각 핵심 연결 고리를 명확히 이해하는 방식으로 연구를 진행하며, 완전한 이해 없이 성급하게 나아가는 것을 지양한다고 설명했다.
이러한 방향에서 AI의 목표는 가능한 한 빨리 제품을 생산하는 것이 아니라 가장 근본적이고 중요한 과학적 문제를 해결하는 데 우선순위를 두는 것입니다. 알파폴드는 이러한 접근 방식의 대표적인 예입니다.
그의 비전에서 이러한 "느리고 심오한" 돌파구는 인공 일반 지능(AGI)으로 가는 길에 인류에게 지속적으로 혜택을 가져다줄 수 있습니다.
하지만 그것은 현실이 아닙니다.
하사비스의 설명은 매우 간단합니다. 기술 발전은 종종 예상했던 경로를 따르지 않는다는 것입니다.
주요 전환점 중 하나는 언어 모델의 획기적인 발전과 ChatGPT의 폭발적인 확산이었습니다.
언어 능력 문제는 많은 사람들이 예상하는 것보다 훨씬 쉽게 해결할 수 있습니다. 트랜스포머와 같은 아키텍처에 몇 가지 강화 학습 방법을 결합하면 모델이 언어, 개념 및 추상적 표현에서 놀라운 능력을 보여줄 수 있습니다.
ChatGPT는 처음에는 단순한 연구 실험이었지만, 출시되자마자 빠르게 전 세계적인 제품으로 자리 잡았습니다.
이는 산업 전반의 흐름을 바꿔놓았으며, 인공지능을 치열한 경쟁의 장으로 만들어 이미 경쟁이 시작되었다고 볼 수 있습니다.
대량 사용자들이 최첨단 AI 기능을 직접 이용하기 시작하면서 시장의 관심은 오랫동안 연구실에서 해결되지 못했던 문제에서 신속하게 구현할 수 있는 제품 형태로 옮겨갔습니다.
비즈니스 경쟁이 심화됨에 따라 기업들은 더욱 빈번하게 새로운 모델을 출시해야 하는 상황에 놓였습니다. 모델 기능의 발전은 사용자 증가 및 시장 피드백과도 밀접하게 연관되어 있습니다.
하사비스는 이러한 가속화를 완전히 부인하지는 않았습니다. 그는 이러한 개발 방식이 여러 가지 실질적인 이점을 가져왔다는 점을 인정했습니다. 이전에는 구현하는 데 더 오랜 시간이 걸렸을 기능들이 이제는 훨씬 더 빨리 현실 세계에 등장할 수 있게 되었다는 것입니다.
오늘날 대부분의 사람들이 사용하는 AI는 연구실에서 개발된 버전보다 불과 몇 달 정도 뒤처져 있을 뿐입니다. 이는 과거에는 상상도 할 수 없었던 일입니다. 대량 실제 사용을 통해 더욱 풍부한 데이터도 축적되었습니다. 아무리 철저한 내부 테스트라 할지라도 수백만 명의 사용자가 제시하는 복잡한 시나리오를 모두 포괄할 수는 없기 때문입니다.
하지만 이점이 있다고 해서 그 길이 이상적이라는 의미는 아닙니다. 오히려 그것은 현실에 의해 좌우되는 결과에 가깝습니다.
하사비스의 태도는 아주 분명합니다. 그는 과학자이면서 동시에 엔지니어이기도 합니다. 이는 이상주의자가 현실에 직면하여 타협한 모습으로 이해할 수 있습니다. 그는 더 이상적인 길이 무엇인지 알지만, 세상이 이상대로 돌아가지 않을 것이라는 사실 또한 받아들입니다.
기술 발전은 대체로 예측하기 어렵습니다. 특정 방향에서 획기적인 발전이 이루어지면 자원, 자본, 그리고 관심이 빠르게 집중됩니다.
그 결과, 제품화 용이성이 지속적으로 강화된 반면, 우선시되어야 할 과학적 문제들은 일시적으로 뒷전으로 밀려났습니다.
이러한 관점에서 볼 때, 오늘날의 인공지능은 "가장 가치 있는" 방향으로 나아가고 있는 것이 아니라, 여러 요인에 의해 더욱 빠르고 불확실한 경로로 나아가고 있습니다.
03 진짜 리스크 딥페이크가 아니라, 훨씬 더 큰 두 가지입니다.
인공지능에 대한 대부분의 논의는 딥페이크, 허위 정보, 콘텐츠 왜곡과 같은 한 가지 유형의 문제에 집중됩니다.
참고로 이는 전문가가 아닌 인공지능을 사용하는 대부분의 일반인에게 해당되는 사항입니다.
딥페이크는 분명 문제이지만, 하사비스의 견해로는 가장 우려스러운 유형은 아닙니다.
그는 인터뷰에서 매우 명확한 순서 내렸습니다.
첫 번째 범주는 "사람"에 관한 문제입니다. 개인부터 국가에 이르기까지, 원래 과학 연구, 의학 및 기반 시설 구축을 위해 개발된 이러한 기술들이 유해한 목적으로 사용될 것인가?
이러한 리스크 새로운 것이 아니지만, 인공지능은 그 규모와 효율성을 변화시켰습니다. 원래는 영향력이 미미했던 기능이 일단 증폭되면 완전히 다른 결과를 초래할 수 있습니다.
두 번째 범주는 인공지능 자체에 내재된 문제입니다. 더 정확히 말하면, 인공지능이 '도구'에서 독립적으로 작업을 완료할 수 있는 시스템으로 변모하면서 발생하는 불확실성입니다.
하사비스는 오늘날의 시스템은 아직 이러한 기능을 갖추고 있지 않지만, 인공지능이 소위 "에이전트" 단계(즉, 완전한 작업을 자율적으로 수행할 수 있는 단계)에 진입함에 따라 향후 몇 년 안에 이 문제가 더욱 심각해질 것이라고 지적했습니다.
핵심은 그것이 충분히 똑똑한지 여부가 아니라, 설정된 목표에 따라 항상 행동하고, 규칙을 어기지 않으며, 실행 과정에서 원래 의도에서 벗어나지 않도록 보장할 수 있는지 여부입니다 .
이는 기술적으로 매우 어려운 문제입니다. 시스템이 더 똑똑해질수록 더 많은 지름길을 찾을 수 있지만, 이러한 지름길이 설계자의 원래 기대치를 충족하지 못할 수도 있기 때문입니다.
하사비스는 이러한 두 가지 유형 리스크 이 향후 몇 년 동안 대면 해야 할 핵심 문제라고 생각합니다.
반면, 딥페이크나 허위 정보처럼 가장 자주 논의되는 문제들은 이미 발생한 문제에 가깝습니다. 이러한 문제들은 반드시 해결해야 하며, 인공지능이 생성 태그 콘텐츠에 워터마킹 시스템을 적용하는 것과 같이 비교적 명확한 기술적 해결책이 있습니다. 딥마인드는 생성된 콘텐츠의 출처를 식별하고 추적하는 유사한 기술(SynthID)을 개발했습니다.
리스크 구조 전체를 시간 순서대로 살펴보면, 단기적으로는 정보 혼란에 대면, 중기적으로는 역량에 대한 통제력 상실이라는 더 심각한 문제가 발생합니다.
이후 단계에 대해서는 지금 이야기하기엔 너무 이릅니다(사실은 그렇지 않지만요).
이러한 맥락에서 하사비스는 인공지능이 무엇을 말할 수 있는지가 아니라 무엇을 할 수 있는지에 진정으로 집중해야 한다고 지적합니다.
인공지능이 '질문에 답하는 것'에서 '작업을 수행하는 것'으로 나아가면서 리스크 의 성격 또한 변화할 것입니다.
다시 말해, 우리가 이야기하는 많은 리스크 단지 정보 수준에 불과하며, 우리가 진정으로 경계해야 할 것은 다가오는 "행동"입니다.
이것은 공상 과학 소설처럼 들리지만, 많은 사람들은 언젠가 초지능이 나타나 "자각"을 일깨우고 인류를 대체하거나 심지어 지배하게 될 것이라고 상상해 왔을지도 모릅니다.
하사비스 본인도 공상 과학 소설을 많이 읽었으며, 가장 좋아하는 작품은 이언 뱅크스의 컬처 시리즈라고 밝혔습니다. 이 시리즈는 인공 일반 지능이 등장한 이후의 세계를 배경으로 천 년 후의 미래를 그리고 있지만, 그는 일부 줄거리가 50년 안에 현실이 될 수도 있을 것 같다고 말했습니다.
하지만 그가 제시하는 비전은 다소 낙관적입니다. 리스크 해결되었고, 인류는 인공 일반 지능(AGI) 시대를 무사히 넘겼으며, AGI는 이미 모든 사람의 주머니 속에 있고 사회에 유익하며, 따라서 에너지, 의학, 재료와 같은 그가 "과학의 근본적인 문제"라고 부르는 것들을 해결하는 데 사용될 수 있다는 것입니다.
04 사용 가능한 모든 AI 도구를 적극적으로 활용하세요
이 논의를 계속하다 보면 다음과 같은 질문에 쉽게 도달하게 됩니다. 인공지능이 과학적 발견, 의사 결정, 심지어 작업 실행에까지 참여하게 되면 인류에게 남는 것은 무엇일까요?
다시 말해, "인간은 왜 특별한가?"라는 질문입니다.
인터뷰 후반부에 이 질문이 매우 솔직하게 제기되었습니다. 진행자는 자신이 인류 역사 전반에 걸쳐 반복적으로 해왔던 일, 즉 "우리가 특별하다"는 것을 증명할 이유를 찾으려 애쓰고 있다는 것을 깨달았다고 말했습니다.
우리는 한때 지구가 우주의 중심이라고 생각했지만, 그렇지 않다는 것을 알게 되었습니다. 인간만이 슬픔을 느낄 수 있다고 생각했지만, 코끼리도 슬픔을 느낄 수 있다는 것을 알게 되었습니다. 인간만이 예술을 창조할 수 있다고 생각했지만, 이제 인공지능도 그림을 그리고 글을 쓰고 음악을 작곡할 수 있습니다.
경계가 허물어질 때마다 인류는 다시 한번 이 질문을 던질 것이다. 우리는 왜 특별한가?
하사비스는 이 질문에 직접적인 답변을 하지 않았고, 간단하게 답하기는 어렵다고 생각합니다.
그는 고전적인 계산 이론 프레임 인 튜링 기계를 언급했습니다.
이론적으로 범용 컴퓨터는 모든 "계산 가능한" 문제를 해결할 수 있으며, 많은 신경과학자들은 인간의 뇌 자체도 근사적인 계산 시스템으로 간주할 수 있다고 생각합니다.
이 전제가 옳다면, 인간의 두뇌와 우리가 구축하고 있는 인공지능 시스템은 어떤 의미에서는 동일한 것이라고 할 수 있습니다. 바로 이러한 이유 때문에 인공지능은 특정 능력에서 인간의 수준에 지속적으로 근접하고 심지어 능가할 잠재력을 갖고 있는 것입니다.
지능 자체를 복제할 수 있다면, 진정으로 던져야 할 질문은 더 이상 "우리와 인공지능의 차이점은 무엇인가?"가 아니라 "우리가 이해하려고 하는 것은 무엇인가?" 일지도 모릅니다.
인터뷰에서 하사비스는 어렸을 때 가장 좋아했던 과목이 물리학이었다고 언급했습니다.
그를 매료시킨 것은 응용 분야가 아니라 가장 근본적인 질문들이었다. 시간은 무엇인가? 의식은 무엇인가? 우주는 어떻게 작동하는가?
하지만 이러한 질문들은 오늘날까지도 답을 찾지 못했습니다.
그가 인공지능 연구에 매진하는 핵심 동기는 인공지능을 인류가 이러한 문제들을 이해하는 데 도움이 되는 도구로 활용하는 것입니다.
이러한 관점에서 볼 때, AI는 단순히 인간의 능력을 대체하는 시스템이 아니라 인지 능력의 한계를 확장하는 데 사용되는 도구에 더 가깝습니다.
그가 미래에 대해 낙관적인 어조로 이야기했던 이유가 바로 여기에 있습니다. 리스크 관리할 수만 있다면, 인공지능은 근본적인 문제들을 해결하는 데 사용될 수 있으며, 이러한 문제들을 극복함으로써 시스템적인 변화를 가져올 수 있습니다. 인류는 궁극적으로 이러한 능력을 지구를 넘어 더 먼 곳까지 확장할 수 있을 것입니다.
하지만 이것들은 모두 장기적인 전망일 뿐입니다. 우리는 여전히 보다 현실적인 질문으로 돌아가야 합니다. 사람들은 오늘 무엇을 해야 할까요?
하사비스의 조언은 간단합니다. 그는 인터뷰에서 대학에서 강연할 때마다 똑같은 문장을 반복한다고 말했습니다.
"이 트렌드를 따라가세요."
하사비스는 인공지능의 미래에 참여하고 싶은 사람들에게 이러한 도구들에 몰입하고, 이해하고, 사용하며, "증폭된 사람"이 되라고 조언합니다.
이유는 간단합니다. 아무리 최첨단 연구실이라 하더라도, 대량 에너지는 모델 자체를 개선하는 데에만 집중될 수 있고, 이러한 모델이 실제로 활용될 수 있는 분야에는 아직 탐구되지 않은 거대한 영역이 존재하기 때문입니다.
즉, 그러한 능력은 이미 존재하지만, 그 활용 가능성은 아직 충분히 탐구되지 않았다는 뜻입니다.
이는 또한 이러한 도구를 이해하고 새로운 분야에 적용할 수 있는 사람들에게 기회가 빠르게 확대되고 있음을 의미합니다.
그는 매우 구체적인 평가를 내렸습니다. 오늘날 젊은이들은 이러한 도구들을 활용하여 아무도 생각지도 못한 방향으로 수십억 달러 규모의 회사를 건설할 수 있다는 것입니다. (그가 예로 든 것은 오픈클로(OpenClaw)입니다.)
전체적인 대화를 살펴보면, 모순적이지만 사실인 그림이 그려집니다. 한편으로는 AI가 가속화되고 있고 그에 따른 리스크 다가오고 있지만, 다른 한편으로는 AI가 전례 없는 기회의 창을 열어주었다는 것입니다.
우리는 제품화하기 더 쉬운 몇 가지 기능과 맞바꾸면서 일시적으로 더 중요한 가능성들을 희생했을지도 모릅니다.
하지만 이미 일어난 일은 인류가 이 길을 바로잡기 위해 할 수 있는 일이 아니라, 오히려 이 길을 최대한 이해하고 그 안에서 인류의 자리를 찾는 일에 관한 것입니다.
대화 말미에 진행자는 매우 감정적인 질문을 던졌습니다. "다른 사람들이 당신의 삶을 어떻게 평가해주길 바라십니까?"
하사비스는 이렇게 답했습니다. "제 삶이 인류에 도움이 되었다고 말해주기를 바랍니다."
이 글은 위챗 공식 계정 "Alphabet AI" 의 원신위에(Yuan Xinyue) 작성 글이며, 36Kr의 허가를 받아 게재되었습니다.
