https://youtu.be/-HzgcbRXUK8?si=JAd1kyYZ6ogCUSPo
데미스 하사비스와 렉스 프리드만의 팟캐스트 대담에서는 AI, 시뮬레이션, 현실, 자연의 패턴, 비디오 게임 등 다양한 주제를 깊이 있게 다뤘습니다. 전체적인 맥락은 데미스 하사비스의 연구와 철학, 그리고 그가 이끄는 딥마인드의 혁신적 접근을 중심으로 전개됩니다. 아래는 주요 내용을 중점적으로 구성한 매우 긴 요약입니다. 이 과정에서 인용 설명은 글 내용에 자연스럽게 포함하여 서술했습니다.
### 자연의 패턴과 AI의 역할
데미스 하사비스는 노벨상 강연에서 "자연에서 생성되거나 발견되는 모든 패턴은 고전적 학습 알고리즘으로도 효율적으로 발견되고 모델링될 수 있다"는 도발적인 가설을 내세웠습니다. 이 말은 AI가 단순히 데이터의 패턴만을 따라하는 것이 아니라, 자연이 가져온 구조적 특성을 효율적으로 학습하고 재현할 수 있다는 의미입니다. 하사비스는 알파고(바둑)와 알파폴드(단백질 구조 예측) 사례를 예로 들었습니다. 두 프로젝트 모두 수많은 조합적 경우의 수가 존재하는 매우 복잡한 문제를 다룹니다. 하지만 그 구조를 모델링하고, 똑똑한 탐색 전략을 추가함으로써 사람이 상상할 수 없는 영역까지도 AI가 효율적으로 다다를 수 있게 되었습니다. 여기서 하사비스는 실제 자연이 왜 이렇게 효율적으로 작동할 수 있는지, 그 근본 원인을 '진화적 과정이 만들어낸 구조'에서 찾고 있습니다. 이런 과정이 축적하면서 자연에는 학습 가능한 본질적인 패턴이 남게 되며, 이에 따라 신경망도 그런 패턴을 효율적으로 학습할 수 있습니다. 예를 들어, 단백질은 실제로 몇 밀리초만에 접히는데, 이는 물리법칙에 의해 자연스럽게 이루어지는 과정이고, AI도 이 원리를 모방할 수 있다는 이야기입니다.
### 정보 중심의 우주관과 P/NP 문제
하사비스는 우주가 '정보적 시스템'이라고 봅니다. 정보가 에너지나 물질보다 더 근본적인 존재라 여기며, 이 때문에 계산복잡도 이론의 대표적 난제인 P=NP 문제 역시 물리학의 근본적인 질문과 맞닿아 있다고 설명합니다. 하사비스는 이 질문—즉, 어떤 시스템이 고전적(비양자적) 학습 시스템으로 효율적으로 모델링 가능한가—이 물리학적 현실과 깊게 연결된 문제라고 생각합니다. 특히 알파고, 알파폴드 등은 복잡성을 극복해낸 대표적인 예로, "고전적 기계로도 상상 이상의 문제를 풀 수 있다"는 점을 실제 성과로 증명했다고 강조합니다.
### 비선형 동역학 시스템과 AI의 도전
비선형 동역학(예: 유체역학, Navier-Stokes 방정식)이 얼마나 어려운지는 수많은 수학자와 과학자들이 인정하는 사실입니다. 하지만 하사비스는 "AI, 특히 영상 생성 모델(Veo 3 등)이 실제로 이러한 현상을 놀라울 정도로 잘 시뮬레이션한다"고 말합니다. 본인이 과거 게임 개발자로서 물리 엔진을 직접 개발했을 때의 고통을 회상하며, 지금 AI가 유튜브 영상을 관찰만으로도 재현 가능하다는 점은 자연의 저차원 구조, 즉 본질적인 규칙성이 존재하기 때문이라고 분석합니다. 이는 AI가 인간보다 더욱 효율적으로, 혹은 직관적으로 자연 현상을 재모델링할 수 있는 잠재력을 보여줍니다.
### AI의 '이해'와 세계 모델
Veo 3 영상 생성 AI의 물리 시뮬레이션 능력은 "일종의 직관적 물리 이해(intuitive physics)"로 표현할 수 있습니다. 이는 인간 아이가 세계를 관찰하며 감을 익히는 방식과도 유사합니다. 하사비스는 원래 신경과학 이론에서 AI는 로봇처럼 물리적으로 세상과 상호작용해야만 진정한 이해에 가까워질 수 있다고 생각했지만, 실제로는 수동적 관찰(예: 동영상 데이터만 분석)만으로도 놀랄 만큼 많은 것을 학습할 수 있다는 점에 놀랐습니다. 이 현상은 현실 세계의 근본적 속성, 즉 패턴성과 예측 가능성에서 비롯된다고 봅니다.
### 비디오 게임, 상상력, 그리고 AI의 미래
하사비스는 "게임이야말로 AI의 진정한 융합의 장"이라고 말합니다. 게임은 시뮬레이션, AI, 예술적 디자인, 창의적 스토리텔링이 하나로 어우러지는 매체입니다. 특히 오픈월드 게임은 유저의 선택 하나하나에 따라 세계가 다르게 펼쳐지는 경험을 제공합니다. 하사비스는 미래의 AI는 단순히 사전 정의된 선택지를 넘어, 플레이어의 상상과 창의성을 실시간 반영하며 게임 세상을 ‘공동 창작’하는 수준까지 발전할 것이라 내다봅니다. 이러한 발전의 본질은 결국 "현실에 가까운 시뮬레이션"을 구현하는 것으로, 이는 현실과 가상 세계, 자연과 인공의 경계를 허물게 할 것입니다. 하사비스는 본인도 미래에는 자신이 꿈꾸던 게임을 직접 만들어보고 싶다는 바람을 밝혔습니다.
### AI 창의성, 진화, 그리고 알파이볼브(AlphaEvolve)
최신 AI 연구 중 하나인 알파이볼브(AlphaEvolve)는 LLM(대형 언어 모델)과 진화 알고리즘을 결합한 하이브리드 시스템입니다. 기존의 진화 알고리즘은 새로운 속성을 실제로 진화시켜 내기 어렵다는 한계가 있었지만, LLM과 결합하면서 새로운 영역, 새로운 해법을 찾는 능력이 크게 향상되고 있다고 설명합니다. 하사비스는 자연에서의 진화도 결국 단순한 규칙이 수십억 년에 걸쳐 엄청난 복잡성과 다양성을 만들어낸 '탐색 과정'이라고 봅니다. 이렇게 AI가 창의적으로 ‘모르는 영역’을 탐색하도록 만드는 것이 앞으로 과학, 의학, 기술 혁신의 판도를 뒤바꿀 것이라 강조합니다.
### 연구의 '미감'(Research Taste)과 AI
위대한 과학자와 평범한 과학자를 가르는 기준 중 하나는 열심히 탐구하는 기술적 능력 자체보다는 "올바른 질문, 올바른 방향을嗅(냄새) 맡는 직관" 즉 연구의 '미감'입니다. 하사비스는 AI가 정말로 인간과 동등하게, 혹은 그 이상으로 새로운 연구 주제를 찾아내는 능력을 갖추기 위해서는 이 미감, 즉 창의적 직관 영역이 무엇보다 중요하다고 봅니다. 이것은 현재 AI가 가진 가장 큰 한계점이자 앞으로 풀어나가야 할 과제입니다.
### 가상 세포 시뮬레이션의 꿈과 단계적 접근
하사비스는 "가상 세포(virtual cell) 모델링"이라는 오랜 꿈이 있다고 밝혔습니다. 즉, 단백질 단위의 구조 예측을 넘어서, 세포 전체의 복잡한 시스템을 시뮬레이션하는 AI를 만드는 것이 목표입니다. 그는 이런 대형 목표를 달성하는 방법론적 접근으로, 실현 가능한 중간 단계를 설정해 하나씩 의미 있는 성과를 내는 것의 중요성을 강조합니다. 알파폴드(단백질), 알파폴드3(프로틴-RNA-DNA 상호작용), 알파지놈(유전체-기능 매핑) 등의 성과도 이런 큰 그림 속의 작은 계단입니다.
종합적으로, 데미스 하사비스와의 대담은 AI의 한계와 가능성, 자연과 인공의 경계, 창의성과 연구의 본질, 미래 현실과 가상 세계의 융합까지 폭넓게 다룹니다. 하사비스의 관점에서 인용된 사례들(알파고, 알파폴드, Veo 3, 알파이볼브 등)은 모두 "자연과학, 정보이론, 컴퓨터 과학, 게임과 예술"이 하나의 연속선상에 있다는 비전을 보여줍니다. 실제로 인용된 주장과 사례는 하사비스 본인의 연구 경험, 철학적 성찰, 그리고 AI 연구자이자 게이머로서의 삶 전체가 스며들어 있습니다.
출처
[1] Demis Hassabis: Future of AI, Simulating Reality, Physics and Video Games | Lex Fridman Podcast #475 https://www.youtube.com/watch?v=-HzgcbRXUK8