인공일반지능(AGI)이란 무엇입니까?

[힘힘]

인공일반지능(AGI)이란 무엇입니까?

2024년 3월 21일| 기사

공유하다

인쇄

다운로드

구하다

AGI(Artificial General Intelligence)는 인간과 동등한 능력을 갖춘 이론적인 AI 시스템입니다. 많은 연구자들은 AGI를 달성하려면 수백 년은 아니더라도 아직 수십 년이 남았다고 믿습니다.

두 개의 별도 부품을 생성하는 반으로 잘라진 콘크리트로 만들어진 3D 머리의 프로필입니다. 핑크 네온 이진수는 두 부분을 연결하는 돌 다리를 통해 머리의 한쪽 절반에서 다른 쪽 머리로 이동합니다.

다운로드

기사(7페이지)

당신은 생각 조각을 읽었습니다. AI, 특히 지난 1년여 동안 달성한 생성적 AI(gen AI)의 혁신은 우리가 콘텐츠를 만드는 방식뿐만 아니라 경제와 사회 전체의 구성 자체에 혁명을 일으킬 준비가 되어 있습니다. 그러나 ChatGPT와 같은 세대 AI 도구는 큰 도약처럼 보일 수 있지만 실제로는 훨씬 더 큰 혁신인 인공일반지능(AGI)을 향한 한 단계일 뿐입니다.

AGI에 대해 McKinsey 선임 전문가를 알아보고 직접 참여해 보세요.

Aamer Baig 는 McKinsey 시카고 사무소의 수석 파트너입니다. Federico Berruti 는 토론토 사무실의 파트너입니다. Ben Ellencweig 는 코네티컷 주 스탬포드 사무실의 수석 파트너입니다. Damian Lewandowski 는 마이애미 사무실의 컨설턴트입니다. Roger Roberts 는 Bay Area 사무실의 파트너이며 Lareina Yee 는 수석 파트너입니다.  Alex Singla  는 시카고 사무소의 수석 파트너이자 McKinsey의 AI인 QuantumBlack의 글로벌 리더입니다.  Kate Smaje  와 Alex Sukharevsky  는 런던 사무소의 수석 파트너입니다.   Jonathan Tilley 는 남부 캘리포니아 사무소의 파트너입니다. Rodney Zemmel 은뉴욕 사무소의 수석 파트너입니다.

우리는 장애가 있는 개인에게도 웹사이트에 대한 동등한 접근권을 제공하기 위해 노력하고 있습니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주세요.

AGI는 인간과 맞먹는 능력을 갖춘 AI다 . 이 단계에서는 순전히 이론적이지만 언젠가 AGI는 추론, 문제 해결, 인식, 학습 및 언어 이해를 포함하여 인간과 유사한 인지 능력을 복제할 수 있습니다. AI의 능력이 인간의 능력과 구별할 수 없게 되면 20세기 컴퓨터 과학자 앨런 튜링(Alan Turing)이 처음 제안한 튜링 테스트(Turing test)를 통과한 것입니다.

하지만 너무 앞서가지 말자. AI는 최근 몇 년 동안 상당한 발전을 이루었지만 현재까지 Turing 테스트를 통과한 AI 도구는 없습니다. 우리는 AI 도구가 인간과 동일한 뉘앙스와 민감성을 가지고 이해하고, 소통하고, 행동할 수 있고, 결정적으로 그 이면의 의미를 이해할 수 있는 지점에 도달하려면 아직 멀었습니다. 대부분의 연구자와 학자들은 AGI를 실현하려면 수십 년이 걸릴 것이라고 믿습니다. 몇몇 사람들은 금세기(또는 앞으로도) AGI를 볼 수 없을 것이라고 예측하기도 합니다. MIT의 로봇공학자이자 iRobot의 공동 창업자인 로드니 브룩스(Rodney Brooks)는 AGI가 2300년 까지는 도착하지 않을 것이라고 믿고 있습니다 .

AI가 이미 꽤 똑똑해 보인다고 생각한다면 이해할 수 있습니다. 우리는  최근 몇 년 동안 Gen AI가 코드 작성부터 소네트 작성에 이르기까지 몇 초 만에 놀라운 일을 하는 것을 보았습니다 . 그러나 AI와 AGI에는 결정적인 차이가 있습니다. ChatGPT, DALL-E 등을 포함한 최신 AI 기술이 헤드라인을 장식하고 있지만 본질적으로 매우 훌륭하기는 하지만 예측 기계입니다. 즉, 그들은 엄청난 양의 데이터에 대해 훈련을 받았기 때문에 특정 프롬프트에 대한 대답을 높은 정확도로 예측할 수 있습니다. 이는 인상적이지만 창의성, 논리적 추론, 감각 지각 및 기타 능력 측면에서 인간 수준의 성능은 아닙니다 . 이와 대조적으로 AGI 도구는 인간과 구별할 수 없는 인지적, 정서적 능력(예: 공감)을 특징으로 할 수 있습니다. AGI에 대한 정의에 따라 그들은 자신이 하고 있는 일 뒤에 숨은 의미를 의식적으로 파악할 수도 있습니다.

AGI의 등장 시기는 불확실하다. 그러나 그것이 실제로 도래한다면, 그리고 언젠가는 그렇게 될 것입니다. 그것은 우리 삶, 사업, 사회의 모든 측면에 매우 큰 문제가 될 것입니다. 경영진은 기계가 인간 수준의 지능을 달성하고 보다 자동화된 세계로 전환하는 경로를 더 잘 이해하기 위해 지금부터 작업을 시작할 수 있습니다.

McKinsey의 AI인 QuantumBlack 에 대해 자세히 알아보세요 .

AI가 AGI가 되려면 무엇이 필요할까?

AGI를 달성하기 전에 AI가 마스터해야 할 8가지 기능은 다음과 같습니다. 자세히 알아보려면 각 카드를 클릭하세요.

시각적 인식

오디오 인식

훌륭한 운동 능력

자연어 처리

문제 해결

항해

창의성

사회적, 정서적 참여

사람들은 AGI 도구에 어떻게 접근하게 될까요?

가장 인기 있는 통찰력

1. 생성 AI의 인간적 측면: 생산성을 향한 길 만들기
2. 세계 최고의 호텔이 탁월한 고객 경험을 제공하는 방법
3. 성공적인 리더십을 위한 CEO의 비결: CEO Excellence 에 대한 재검토
4. 속도와 안전성을 갖춘 생성 AI 구현
5. 번영을 위해 9일을 일하라

오늘날 대부분의 사람들은 노트북, 스마트폰, TV와 같은 2D 화면을 통해 수년간 디지털 파워에 접근해왔던 것과 동일한 방식으로 AI에 참여합니다. 미래는 아마도 많이 달라 보일 것입니다. 기술 분야에서 가장 뛰어난 인재(그리고 가장 큰 예산) 중 일부는 미래에 AI(및 AGI)에 어떻게 접근할 것인지 알아내는 데 전념하고 있습니다. 여러분에게 친숙할 수 있는 한 가지 예는 사용자가 몰입형 가상 세계를 경험하는 증강 현실 및 가상 현실 헤드셋 입니다 . 또 다른 예는 인간이 뇌에 이식된 뉴런을 통해 AI 세계에 접근하는 것입니다. SF 소설에서나 나올 법한 이야기처럼 들리겠지만, 그렇지 않습니다. 2024년 1월, Neuralink는 인간이 순전히 생각만으로 전화나 컴퓨터를 제어할 수 있도록 하는 것을 목표로 인간의 두뇌에 칩을 이식했습니다 .

AI와의 상호작용의 최종 모드는 공상과학에서도 따온 것 같습니다. 바로 로봇입니다. 이는 인간이나 기계 베이스, 심지어 프로그래밍된 휴머노이드 로봇에 연결된 기계화된 팔다리의 형태를 취할 수 있습니다.

로봇이란 무엇이고 어떤 종류의 로봇이 있나요?

로봇의 가장 간단한 정의는 스스로 작업을 수행하거나 인간의 도움을 최소화하여 작업을 수행할 수 있는 기계입니다. 가장 정교한 로봇도 주변 환경과 상호 작용할 수 있습니다.

프로그래밍 가능한 로봇은 1950년대부터 작동해 왔습니다. McKinsey는 현재 350만 대의 로봇이 사용되고 있으며 매년 550,000대가 더 배치되는 것으로 추산합니다. 그러나 프로그래밍 가능한 로봇은 그 어느 때보다 직장에서 흔하게 사용되고 있지만, 그 수가 인간보다 많아지려면 아직 갈 길이 멀습니다. 세계에서 가장 높은 로봇 밀도를 보유한 대한민국은 여전히 ​​로봇보다 100배나 많은 인간을 고용하고 있습니다.

그러나 하드웨어 및 소프트웨어의 한계를 극복할 수 있게 됨에 따라 로봇을 제조하는 회사는 새로운 AI 도구 및 기술을 사용하여 장치를 프로그래밍하기 시작했습니다. 이는 걷기, 감지, 통신, 물체 조작 등 인간이 일반적으로 처리하는 작업을 수행하는 로봇의 능력을 획기적으로 향상시킵니다. 예를 들어 2023년 5월 Sanctuary AI는 키가 5피트 7인치이고 무게가 55파운드에 달하는 물체를 들어올리고 시속 3마일을 이동하는 이족 보행 휴머노이드 로봇인 Phoenix를 출시했습니다 . 또한 옷과 주식을 접는 것도 가능합니다. 선반과 레지스터를 작동합니다.

AGI에 가까워질수록 점점 더 정교한 AI 도구와 기술이 모든 종류의 로봇에 프로그래밍될 것으로 기대할 수 있습니다. 현재 작동 중인 로봇의 몇 가지 범주는 다음과 같습니다.

• 독립형 자율 산업용 로봇 : 센서와 컴퓨터 시스템을 갖추고 주변을 탐색하고 다른 기계와 상호 작용하는 이러한 로봇은 현대 자동화 제조 산업의 중요한 구성 요소입니다.
• 협동 로봇 : 코봇이라고도 알려진 이 로봇은 공유 환경에서 인간과 협력하여 작동하도록 특별히 설계되었습니다. 주요 목적은 반복적이거나 위험한 작업을 완화하는 것입니다. 이러한 유형의 로봇은 이미 식당 주방 등 의 환경에서 사용되고 있습니다 .
• 모바일 로봇 : 바퀴를 주요 이동 수단으로 활용하는 모바일 로봇은 일반적으로 창고 및 공장에서 자재 취급에 사용됩니다. 군대에서는 정찰이나 폭탄 처리 등 다양한 목적으로 이 기계를 사용하기도 합니다.
• 인간-하이브리드 로봇 : 인간과 로봇의 특징을 모두 갖춘 로봇입니다. 여기에는 인간과 유사한 외모, 운동 능력, 인지 기능을 갖춘 로봇이나 로봇 팔다리 또는 뇌 이식 장치를 갖춘 인간이 포함될 수 있습니다.
• 휴머노이드 또는 안드로이드 : 이러한 로봇은 인간의 외모, 움직임, 의사소통 능력, 감정을 모방하면서 딥러닝 모델을 통해 인지 능력을 지속적으로 향상시키도록 설계되었습니다. 즉, 휴머노이드 로봇은 인간처럼 생각하고, 인간처럼 움직이며, 인간처럼 보입니다.

McKinsey의 AI인 QuantumBlack 에 대해 자세히 알아보세요 .

어떤 발전이 AGI 개발 속도를 높일 수 있습니까?

최근에는 알고리즘, 컴퓨팅, 데이터 의 발전  으로 AI가 가속화되고 있습니다. 우리는 다음 세 가지 기능을 살펴보면 미래가 어떻게 될지 예측할 수 있습니다.

• 알고리즘의 발전과 새로운 로봇공학 접근 방식 . AGI를 달성하려면 알고리즘과 로봇에 대한 완전히 새로운 접근 방식이 필요할 수 있습니다. 연구자들이 이에 대해 생각하는 한 가지 방법은 체화된 인지의 개념을 탐구하는 것입니다. 인간이 아주 어릴 때 그러는 것처럼 로봇도 다양한 감각을 통해 주변 환경에서 매우 빠르게 학습해야 한다는 생각입니다. 마찬가지로, 인간과 같은 방식으로 인지 능력을 개발하려면 로봇이 우리처럼 물리적 세계를 경험해야 합니다(왜냐하면 우리는 우리 몸과 마음이 작동하는 방식에 따라 공간을 설계했기 때문입니다).

  최신 AI 기반 로봇 시스템은 LLM(대형 언어 모델) 및 LBM(대형 행동 모델)을 포함한 Gen AI 기술을 사용하고 있습니다. LLM은 생성 AI 모델 및 기타 LLM 지원 도구에서 본 것과 같은 고급 자연어 처리 기능을 로봇에 제공합니다. LBM을 사용하면 로봇이 인간의 행동과 움직임을 모방할 수 있습니다. 이러한 모델은 관찰된 인간 행동과 움직임에 대한 대규모 데이터 세트에 대해 AI를 훈련하여 생성됩니다. 궁극적으로 이러한 모델을 통해 로봇은 제한된 작업별 교육을 통해 광범위한 활동을 수행할 수 있습니다.

  진정한 발전은 새끼 사슴이 배우지 않고도 서서 먹이를 먹는 방법을 아는 것과 마찬가지로 일정 수준의 내장된 지식을 가지고 시작하는 새로운 AI 시스템을 개발하는 것입니다. 최근 딥러닝 기반 AI 시스템의 성공으로 인해 AGI로 발전하는 데 필요한 보다 근본적인 인지 작업에서 연구 관심이 멀어졌을 가능성이 있습니다.

• 컴퓨팅 발전. 그래픽 처리 장치(GPU)는 지난 몇 년 동안 AI의 주요 발전을 가능하게 했습니다 . 이유는 다음과 같습니다. 우선, GPU는 이미지, 비디오 렌더링 및 그래픽 관련 계산을 포함하여 시각적 데이터와 관련된 여러 작업을 동시에 처리하도록 설계되었습니다. 엄청난 양의 시각적 데이터를 효율적으로 처리하므로 복잡한 신경망을 훈련하는 데 유용합니다. 또한 메모리 대역폭이 높기 때문에 데이터 전송 속도가 더 빠릅니다. AGI를 달성하려면 컴퓨팅 인프라에서도 이와 유사한 상당한 발전이 이루어져야 합니다. 양자 컴퓨팅은  이를 달성하는 한 가지 방법으로 선전됩니다. 그러나 오늘날의 양자 컴퓨터는 강력하기는 하지만 아직 일상적인 응용 분야에 사용할 준비가 되어 있지 않습니다. 그러나 일단 그렇게 되면 AGI 달성에 중요한 역할을 할 수 있습니다.

• 데이터 양의 증가 및 새로운 데이터 소스 . 일부 전문가들은 5G  모바일 인프라가 데이터의 상당한 증가를 가져올 수 있다고 믿고 있습니다. 그 이유는 이 기술이 연결된 장치 또는 사물 인터넷의 급증을 촉진할 수 있기 때문입니다 . 하지만 여러 가지 이유로 5G의 이점은 이미 대부분 나타났다고 생각합니다 . AGI를 달성하려면 데이터 양이 엄청나게 늘어나는 또 다른 촉매제가 필요합니다.

  새로운 로봇 공학 접근 방식은 훈련 데이터의 새로운 소스를 생성할 수 있습니다. 인간과 유사한 로봇을 우리 주변에 배치하면 회사는 로봇이 스스로 훈련하도록 돕기 위해 우리 자신의 감각을 모방하는 대규모 데이터 세트를 마이닝할 수 있습니다. 첨단 자율주행차가 한 예입니다. 이미 도로에 운행 중인 자동차로부터 데이터가 수집되므로 이러한 차량은 미래의 자율주행차를 위한 훈련 세트 역할을 합니다.

경영진은 AGI에 대해 무엇을 할 수 있나요?

AGI는 적어도 수십 년은 아직 멀었습니다. 그러나 AI는 여기에 있으며 매우 빠르게 발전하고 있습니다. 현명한 리더는 자동화된 미래를 준비하는 방법뿐만 아니라 현재 일어나고 있는 실제 진행 상황에 대응하는 방법에 대해 생각할 수 있습니다. 고려해야 할 몇 가지 사항은 다음과 같습니다.

• AI 및 AGI 개발에 대한 최신 정보를 받아보세요 . 스타트업과 연결하고 귀하의 비즈니스와 관련된 AGI 진행 상황을 추적하기 위한 프레임워크를 개발하세요. 또한 비즈니스와 커뮤니티 내에서 성공을 위한 올바른 거버넌스, 조건 및 경계에 대해 생각해 보세요.
• 지금 AI에 투자하세요 . McKinsey 수석 파트너인 Nicolai Müller 는 “아무 것도 하지 않는 데 드는 비용은 너무 높습니다 .  모든 사람이 이를 최우선 과제로 삼기 때문입니다. 저는 이것이 모든 경영진이  검토하고 모든 지역과 산업에 걸쳐 모든 CEO가 탐구해 본 유일한 주제라고 생각합니다  .” 지금 당장 그것을 얻는 조직은 다가오는 시대에 승리할 준비가 되어 있을 것입니다.
• 계속해서 사람을 중심에 두세요 . 인간-기계 인터페이스, 즉 인간 지능을 강화하는 "인간 루프" 기술에 투자하십시오. 점점 더 자동화되는 세상에서 성공하려면 조직의 모든 수준의 사람들이 교육과 지원이 필요합니다. AI는 개인과 기업 모두의 효율성을 높이는 데 도움이 되는 최신 도구일 뿐입니다.
• 윤리적 및 보안적 영향을 고려하십시오 . 여기에는 사이버 보안 , 데이터 개인 정보 보호 및 알고리즘 편견을 해결하는 것이 포함되어야 합니다 .
• 데이터, 인재, 역량의 강력한 기반을 구축하세요 . AI는 데이터를 기반으로 실행됩니다. 고품질 데이터의 강력한 기반을 갖추는 것이 성공에 매우 중요합니다.
• 규모와 기술의 새로운 경제를 위해 직원을 조직하십시오 . 과거의 경직된 조직 구조와 운영 모델은 빠르게 발전하는 AI의 현실에 적합하지 않습니다. 이 문제를 해결하는 한 가지 방법은 사람들이 이니셔티브와 그룹 간에 원활하게 이동할 수 있는 업무 흐름 모델을 도입하는 것입니다.
• AI 개발에 노출되는 비즈니스 영역에서 전략적 옵션을 유지하려면 작은 규모의 투자를 하십시오 . 예를 들어, 업계에서 야심찬 AI 연구 및 개발 프로젝트를 추진하는 기술 회사에 투자하는 것을 고려해 보세요. 이러한 모든 투자가 반드시 성과를 거두는 것은 아니지만 향후 귀하의 비즈니스가 직면할 수 있는 실존적 위험을 일부 방지하는 데 도움이 될 수 있습니다.

McKinsey의 AI인 QuantumBlack 에 대해 자세히 알아보세요 . 그리고 McKinsey에서 일하는 데 관심이 있다면 AI 관련 채용 기회를 확인해 보세요 .

참조된 기사:

• " 운영 중인 생성적 AI: 가치 포착 ", 2024년 1월 3일, Marie El Hoyek 및  Nicolai Müller
• " 생성 AI의 경제적 잠재력: 차세대 생산성 개척지 " 2023년 6월 14일, Michael Chui , Eric Hazan , Roger Roberts , Alex Singla , Kate Smaje , Alex Sukharevsky , Lareina Yee 및 Rodney Zemmel
• " 모든 CEO가 생성 AI에 대해 알아야 할 사항 ", 2023년 5월 12일, Michael Chui , Roger Roberts , Tanya Rodchenko, Alex Singla , Alex Sukharevsky , Lareina Yee 및 Delphine Zurkiya
• " 일반 인공 지능에 대한 실무 입문서 " 2020년 4월 29일, Federico Berruti , Pieter Nel 및 Rob Whiteman
• " AI 개척지의 메모: 딥 러닝의 응용 및 가치 ", 2018년 4월 17일, Michael Chui , James Manyika , Mehdi Miremadi, Nicolaus Henke, Rita Chung, Pieter Nel 및 Sankalp Malhotra
• " 증강 및 가상 현실: 몰입형 기술의 약속과 위험 ", 2017년 10월 3일, Stefan Hall 및 Ryo Takahashi