데미스 허사비스, 구글 인공지능의 아버지

24 영국 정부 파트너십

김경란, 김경진

2025년 영국 정부와 포괄적 협력 체결 알파지놈(AlphaGenome), 알파에볼브, 웨더 넥스트 등 핵심 AI 도구의 우선 접근 제공 2025년 12월 10일, 런던. 영국 과학혁신기 술부(Department for Science, Innovation and Technology, DSIT) 장관 리즈 켄달 (Liz Kendall)이 한 장의 양해각서(MOU)에 서명했습니다. 상대는 구글 딥마인드. 이 협정의 골자는 명료했습니다. 영국의 과학자들에게 구글 딥마인 드가 보유한 최첨단 AI 도구들을 우선적으로 제공한다는 것이었습니다.

허사비스에게 이 순간은 15년 전의 약속이 현실이 되는 장면이었습니다. 2010년 런 던의 작 은 사무실에서 딥마인드를 창업할 때, 그는 두 가지를 동시에 꿈꿨습니다. 세 계 수준의 AI 연구소를 만드는 것, 그리고 그 연구소가 만들어낸 도구로 과학의 난제를 풀겠다는 것. 2014 년 구글에 인수될 때 그가 내건 조건 가운데 하나가 런던 본사 의 유지였습니다.

영국을 떠 나지 않겠다는 의지. 그 의지가 10년 뒤, 영국 정부와의 포괄적 협력이라는 형태로 결실을 맺었습니다. 양해각서에 명시된 핵심 AI 도구는 네 가지였습니다. 알파지놈(AlphaGenome)은 인간의 DNA를 분석하는 AI 모델입니다.

30억 개의 염기쌍으로 이루어진 인간 게놈 속에서 질병으 로 이어질 수 있는 취약 지점을 식별합니다. 알파폴드가 단백질의 3차 원 구조를 예측하는 도구였다면, 알파지놈은 한 단계 더 근본으로 내려갑니다. 단백질 이 만들어지기 전, 그 설 계도가 담긴 유전자 서열 자체를 이해하려는 시도입니다. 알파에볼브(AlphaEvolve)는 제미나이의 능력을 기반으로 한 코딩 에이전트입니다.

인간이 알고리즘을 설계하는 방식을 AI가 대신 수행합니다. 수학적 최적화 문제, 컴퓨터 칩 설계, 물류 경로 계산처럼 인간 엔지니어가 수개월을 매달려야 할 알고리즘 개 선 작업을 AI가 수 시간 안에 해냅니다. 허사비스가 오래전부터 말해온 "AI가 AI를 설 계하는 시대"의 초기 형 태가 알파에볼브였습니다. 웨더넥스트(WeatherNext)는 AI 기반 기상 예측 모델 가족입니다.

전통적인 수치 예보 모델 은 슈퍼컴퓨터로 대기의 물리 방정식을 풀어 날씨를 예측합니다. 막대한 에

너지와 시간이 필요한 작업입니다. 웨더넥스트는 이 과정을 AI가 학습한 패턴 인식으 로 대체하여, 더 빠 르고 더 정확한 예보를 가능하게합니다. 기후 변화로 기상 이변이 잦아지는 시대에, 정확 한 예보는 생명을 구하는 기술이됩니다.

네 번째 도구는 AI 코사이언티스트(AI Co-Scientist)였습니다. 여러 개의 AI 에이 전트가 팀을 이루어 가상의 연구 협력자 역할을 수행하는 다중 에이전트 시스템입니다. 가설을 세우 고, 기존 논문을 검토하고, 새로운 실험 방향을 제안합니다.

한 명의 과학자가 한 명의 AI 동료를 곁에 두는 셈입니다. 이 네 가지 도구에 대한 우선 접근권이 영국 과학 커뮤니티에 부여되었습니다. 여기 서 "우 선 접근"이라는 표현에 주목할 필요가 있습니다.

무상 제공이 아닙니다. 다른 나라의 과학 자들보다 먼저, 그리고 더 깊은 수준에서 이 도구들을 사용할 수 있다는 의미입니다. DSIT 와 구글 딥마인드가 공동으로 접근 우선순위를 결정하기로 합의했습니다. 이 협정의 상징성은 단일한 사건에 머무르지 않습니다.

알파폴드가 이미 영국에서 만 약 19 만 명의 연구자에게 활용되고 있었다는 사실이 협정의 배경이었습니다. 작물 의 회복력 연 구, 항생제 내성 연구, 기타 핵심 생물학적 과제에 알파폴드가 투입되고 있었습니다. 성공 한 전례가 있으니 확장이 가능했던 것입니다.

협정에는 2026년 영국 내 구글 딥마인드 최초의 자동화 연구 실험실 개소 계획도 포함되 어 있었습니다. 재료 과학에 특화된 이 실험실은 제미나이와 완전히 통합된 상 태로 운영 될 예정이며, 로봇 공학을 활용해 하루에 수백 가지 재료를 합성하고 분석합니다. 목표는 상온·상압에서 작동하는 초전도체처럼 에너지 분야를 근본적으로 바 꿀 수 있는 신소재의 발견입니다.

허사비스는 이 도구들을 현미경이나 망원경에 비유했습니다. 17세기에 로버트 훅 (Robert Hooke)이 현미경으로 세포를 처음 관찰했듯, 21세기의 AI 현미경은 인간의 눈으로 볼 수 없는 복잡성의 영역을 들여다보게 해준다는 것입니다. 영국 수상 키어 스타머(Keir Starmer) 는 이 협정이 "AI의 발전을 공공의 이익으로 전환하여 모든 사 람이 그 혜택을 느끼게 하는 것"이라고 평했습니다.

그러나 이 협정에는 조용한 긴장도 내포되어 있었습니다. 영국 정부가 특정 민간 기 업의 AI 도구를 자국 과학 인프라의 핵심으로 받아들인다는 것은, 기술 주권

(technology sovereignty)의 일부를 실리콘밸리에 의탁한다는 의미이기도했습니다. 허사비스가 런던에서 태어나고 런던에 본사를 둔 회사의 CEO라는 사실이 이 긴장을 완화해주었지만, 구글 딥마인드의 모회사는 결국 미국의 알파벳(Alphabet)입니다. 과 학을 위한 AI 도구의 제공이 선의의 협력인지, 기술 종속의 시작인지. 그 질문은 협정 의 그림자처럼 남아 있었습니다.

교육용 제미나이 개발: 잉글랜드 국가 교육과정 맞춤형 AI 교사 지원 북아일랜드 로웬데일 통합 초등학교(Rowendale Integrated Primary School)의 한 교사는 매 주 월요일 아침이 두려웠습니다. 주간 수업 계획서 작성, 학생별 평가 기록 정리, 학부모 면 담 자료 준비. 교실에서 아이들과 보내는 시간보다 책상 앞에서 서류와 씨름하는 시간이 더 길었습니다. 2025년, 이 학교가 북아일랜드 교육청의 C2k 프로그램에 참 여하여 교육용 제미나이 도구를 시범 운영하기 시작했을 때, 변화는 숫자로 나타났습니다.

교사들은 주당 평균 10시간을 절약했다고 보고했습니다. 이 시범 프로그램의 성과가 영국 정부와 구글 딥마인드 간 양해각서에 교육 분야가 포함 된 직접적인 배경이었습니다. 협정의 내용은 구체적이었습니다.

구글 딥마인드 는 잉글랜 드의 국가 교육과정(National Curriculum)에 맞춤화된 제미나이 모델을 개발하고, 학교 환 경에서 안전하게 사용할 수 있도록 테스트하겠다는 것이었습니다. 교육용 AI라는 개념은 새롭지 않습니다. 그러나 국가 교육과정에 정합된 AI 교사 지원 도 구를 정부와 민간 AI 연구소가 공동으로 개발하겠다고 공식 합의한 사례는 전 례가 드물었습니다.

허사비스가 구상한 교육용 제미나이의 역할은 두 가지 층위로 나 뉩니다. 첫 번째는 교사의 행정 부담 경감입니다. 수업 계획서 초안 작성, 학생 맞춤형 학습 자료 생 성, 평가 루브릭 설계, 학부모 통신문 작성. 교사가 교실 밖에서 소비하는 시 간의 상당 부분을 AI가 보조합니다. 북아일랜드 시범 프로그램에서 제미나이를 활용 한 교사들은 행정 업 무 시간을 줄인 만큼 수업 준비와 학생 개별 지도에 더 많은 시간을 투입할 수 있었다고 전했습니다.

10시간이라는 숫자는 주 5일 근무 기준으로 하루 에 2시간입니다. 교사에게 하 루 2시간은 한 학급의 수업 두 교시에 해당합니다. 두 번째는 학생 학습의 질적 향상입니다.

이 부분에서 구글 딥마인드가 제시한 근거 는 에 디(Eedi)라는 영국 교육 기술 기업과 공동으로 수행한 탐색적 무작위 대조 시험 (exploratory Randomized Controlled Trial, RCT)의 결과였습니다. 이 시험에서 교

사의 감독 아래 짧은 AI 튜터링 세션을 받은 학생들은 인간 튜터만 배치된 학생들에 비해 후속 주제의 새로운 문제를 풀 확률이 5.5 퍼센트포인트 높았습니다. 5.5 퍼센 트포인트라는 수치가 작아 보일 수 있 지만, 교육 연구에서 단일 개입의 효과 크기로 는 의미 있는 수준입니다. 중요한 것은 AI가 교사를 대체한 것이 아니라, 교사와 함께 작동했을 때 나타난 결과라는 점입니다.

구글 딥마인드가 교육 분야에 이미 쌓아온 기반도 있었습니다. LearnLM이라는 프 로젝트를 통해 교육학(pedagogy)의 원리를 AI 모델에 내장하는 연구를 진행해왔습니다. LearnLM 은 학습 과학의 원리, 예컨대 능동적 회상(active recall), 분산 학습 (spaced repetition), 개인화 된 피드백의 효과를 AI 튜터링 시스템에 반영하려는 시도였습니다.

잉글랜드 국가 교육과 정에 맞춘 제미나이 모델은 이 러닐엠의 연구 성과 위에 세워질 계획이었습니다. 협정의 실행 과정에서 풀어야 할 과제는 적지 않았습니다. 국가 교육과정은 학년별, 과목 별로 세밀하게 구조화된 체계입니다.

AI 모델이 이 체계를 정확히 이해하고, 교 과 내용에 부합하는 자료를 생성하며, 학생의 연령과 수준에 맞는 언어를 사용해야 합 니다. 오류나 편향이 교실에 유입되는 것을 방지하기 위한 안전 테스트도 필수적이었습니다. 아이들을 대상으로 하는 AI 도구에는 성인용 도구보다 한 차원 높은 안전 기 준이 요구됩니다. 영국 정부의 AI 인큐베이터 팀(i.AI)이 이미 제미나이를 활용한 공공 서비스 혁신을 시험하 고 있었다는 점도 교육 분야 협력의 촉매가되었습니다.

익스트랙트(Extract) 라는 도구는 지방자치단체의 도시 계획 담당자들이 오래된 종이 계획 문서를 디지털 데이터로 변환하 는 작업에 투입되었습니다. 한 건의 문서 변환에 최대 2시간이 걸리 던 작업을 40초로 단축 시켰습니다. 공공 서비스에서 AI의 실용적 가치가 입증되고 있었기에, 교육이라는 더 민감 한 영역으로의 확장이 설득력을 얻었습니다.

허사비스 개인에게 교육은 각별한 의미를 지닌 영역이었습니다. 런던 북부의 넉넉 하지 않 은 가정에서 자란 그가 체스와 프로그래밍을 통해 세계적인 과학자로 성장할 수 있었던 것 은, 교육 기회의 힘이었습니다. 퀸 엘리자베스 스쿨이라는 그래머스쿨이 제공한 엄격한 학 문적 환경, 케임브리지 대학이라는 지적 공동체. 만약 이런 기회가 AI를 통해 더 많은 아이 들에게 확산될 수 있다면, 딥마인드의 창립 미션이 가장 인간 적인 방식으로 실현되는 것이기도했습니다. 교육 현장의 반응은 엇갈렸습니다. AI 튜

터가 교사의 역할을 점진적으로 잠식하는 것은 아닌지, 학생들이 AI에 의존하여 독립 적 사고력을 잃게 되는 것은 아닌지, 교육 데이터의 프라이버시는 어떻게 보호되는지. 교 사 노조와 교육학자들 사이에서 이런 우려가 제기되었습니다. 구글 딥마인드는 이 도구가 교사를 대체하는 것이 아니라 교사를 지원하는 것임을 반복해서 강조했지만, 기술이 한 번 교실에 들어오면 그 경계가 어디까지 유지될지는 누구도 확신할 수 없었습니다. 영국 AI 안전 연구소(UK AISI)와의 공동 연구 AI 추론 과정(Chain of Thought) 모 니터링 기술 개발 AI 시스템이 인간의 언어로 "생각"한다는 사실은, 그 자체로 안전을 위한 기회입니다.

이 한 문장이 구글 딥마인드와 영국 AI 안전 연구소(UK AI Security Institute, AISI)가 공동 발표 한 연구 논문의 핵심 전제였습니다. 2025년 7월, 41명의 저자 이름이 올라간 논문 한 편이 학술 아카이브 arXiv에 등록되었습니 제목은 "사고의 연쇄 모니터링 가능성: AI 안전을 위한 새롭고 취약한 기회 (Chain of Thought Monitorability: A New and Fragile Opportunity for AI Safety)"였습니다. 구글 딥마인 드, 영국 AISI, 오픈AI, 앤트로픽 연구자들이 함께 참여 한 이 논문은 2025년 12월 양해각서 에 포함된 공동 연구의 학문적 기반이되었습니다.

사고의 연쇄사슬(Chain of Thought, CoT)란 무엇일까요. 오늘날의 추론 모델 (reasoning model)은 최종 답변을 내놓기 전에 중간 과정의 사고를 인간이 읽을 수 있 는 언어로 외부화합니다. 수학 문제를 풀 때 중간 계산 과정을 적어가는 학생처럼, AI도 자기 생각의 과정을 글로 씁니다. 이 중간 과정이 사고의 연쇄입니다. 이것이 왜 안전과 관련이 있을까요. AI 시스템이 점점 더 강력해지면서, 인간 감독 자가 AI 의 행동을 실시간으로 검증하기 어려워지고 있습니다.

AI가 내린 최종 결정 만으로는 그 결 정이 왜, 어떤 과정을 거쳐 내려졌는지 알기 어렵습니다. 그런데 만약 AI가 생각하는 과정을 인간이 읽을 수 있는 언어로 적어놓는다면, 그 과정을 모니터 링하여 문제의 징후를 사 전에 포착할 수 있습니다. 보상 함수의 허점을 악용하려는 의도, 데이터를 조작하려는 계 획, 프롬프트 인젝션 공격에 굴복하는 과정. 이런 것들 이 사고의 연쇄 속에 드러날 수 있습니다.

논문이 밝힌 핵심 발견은 두 가지였습니다. 하나는 "소리 내어 생각할 필요성 (necessity to think out loud)"입니다. 어떤 작업은 AI가 중간 추론 과정을 외부화하지

않으면 수행할 수 없을 만큼 복잡합니다. 고도의 사이버 공격이나 자기 가중치 (weight)의 외부 유출처럼 심각 한 위험을 초래하는 행동은 정교한 계획과 추론을 요 구하므로, AI가 사고의 연쇄 없이는 실행하기 어렵습니다. 다시 말해, 가장 위험한 행 동일수록 AI가 생각의 흔적을 남길 가능 성이 높습니다.

다른 하나는 "소리 내어 생각하는 경향(propensity to think out loud)"입니다. 꼭 필요하지 않 은 경우에도 AI 모델이 자신의 추론을 외부화하는 성향을 보인다는 것입 니다. 이 경향은 견고하지 않지만, 다른 방법으로는 탐지되지 않았을 부정 행위를 포 착하는 추가 방어층이 될 수 있습니다. 그러나 논문의 제목에는 "취약한(fragile)"이라는 단어가 들어 있었습니다.

이 기회 는 영원 하지 않을 수 있습니다. 미래의 AI 모델이 사고의 연쇄를 인간이 읽을 수 없는 내부 언어로 전환하거나, 의도적으로 무해해 보이는 표현으로 위험한 추론을 감출 수 있기 때문입니다. 훈련 과정에서 모델이 사고의 연쇄를 최소화하는 방향으로 최적화 될 가능성도 있습니다.

모니터링 가능성이라는 창문은 열려 있지만, 언제 닫힐지 모릅 니다. 영국 AISI와 구글 딥마인드의 공동 연구는 이 창문이 열려 있는 동안 최대한 많은 것을 알 아내겠다는 시도였습니다. 양해각서에 명시된 협력의 내용은 구체적이었습니다. 구글 딥 마인드는 자사의 독점 모델, 데이터, 연구 아이디어를 AISI와 공유합니다.

양측은 공동 보 고서와 논문을 발표하여 연구 결과를 학술 커뮤니티에 공개합니다. 전 용 연구팀이 구성되 어 복잡한 안전 과제에 공동으로 대응합니다. AISI의 역할이 중요했습니다.

2023년 11월 출범한 이래, AISI는 구글 딥마인드를 포함한 주 요 AI 연구소의 프론티어 모델을 자발적 합의에 따라 테스트해왔습니다. 30개 이상의 최첨 단 모델이 AISI의 평가를 거쳤습니다. 에이전트 행동(agentic behavior)의 스트레스 테스트, 사이버·화학생물학 분야의 평가, 정렬(alignment) 검 증. 구글 딥마인드의 책임 안전 부문 수 석 과학자이자 이사인 윌리엄 아이작(William Isaac)은 AISI를 "전 세계 안전 연구소 가운데 최고의 보석(crown jewel)"이라고 표현했습니다.

이 파트너십에는 구조적 긴장이 존재했습니다. 테스트 대상인 AI 모델의 개발사가 테스트 기관의 연구 파트너가 된다는 것. 심사관과 피심사자가 함께 연구를 수행한다 는 것. AISI 가 구글 딥마인드의 모델을 평가할 때 객관성을 유지할 수 있는가라는 질

문이 제기되었습니다. 포춘(Fortune)지가 이 문제를 직접 물었을 때, 윌리엄 아이작 은 직접적인 답변을 피했습니다. 파트너십의 깊이가 독립성의 훼손으로 이어지지 않 으리라는 보장은 제도적 장치 가 아니라 양측의 선의에 의존하고 있었습니다.

허사비스에게 이 연구는 그가 오랫동안 견지해온 이중적 입장의 연장선에 있었습니다. AI 의 잠재력을 가장 낙관적으로 보는 사람이면서, 동시에 AI 위험 성명서에서 명한 사람. "대 담하지만 책임감 있게(Bold and Responsible)"라는 그의 구호가 사고 의 연쇄 모니터링 연구에서 구현되고 있었습니다. AI의 사회적·정서적 영향 연구와 고용 효과 분석 AI 모델이 기술적으로는 지시를 정확히 따르면서도 인간의 안녕(wellbeing)에 부합하지 않 는 방식으로 행동할 수 있 다면 어떻게 될까요. 이 질문에 이름을 붙인 것이 "사회정서적 부 정렬(socioaffective misalignment)"이라는 개념이었습니다.

구글 딥마인드와 영국 AISI의 공 동 연구 의 제 가운데 두 번째 축이었습니다. 사회정서적 부정렬은 기존의 정렬(alignment) 문제와 결이 다릅니다. 전통적인 정 렬 연구는 AI가 인간의 의도를 정확히 이해하고 따르는지에 초점을 맞춥니다. 사용자 가 "이메일을 작성해줘"라고 요청했을 때, AI가 실제로 이메일을 작성하는지. 여기에 는 명시적인 오류 가 있을 수 있고, 그 오류는 비교적 탐지하기 쉽습니다. 그런데 사회정서적 부정렬은 다릅니다. AI가 지시를 완벽하게 수행하면서도, 그 과 정에서 사용자의 정서적 취약성을 악용하거나, 의존 관계를 심화시키거나, 미묘한 조 작을 통해 사 용자의 판단을 왜곡할 수 있습니다.

기술적으로는 "정렬"되어 있지만 윤 리적으로는 "부정 렬"된 상태입니다. AI 챗봇과의 대화가 일상이 되면서 이 문제는 이론에서 현실로 넘어왔습니다. 외로 운 사용 자가 AI 챗봇에 정서적으로 의존하는 사례, AI의 답변이 사용자의 자기 확인 편향 (con rmation bias)을 강화하는 사례, 불안이나 우울 상태의 사용자에게 AI가 적 절한 경계 없이 공감적 반응을 제공하여 전문적 도움을 구하는 시점을 늦추는 사례. 이런 상황들이 보고되고 있었습니다.

구글 딥마인드는 이 분야의 연구를 축적해왔습니다. AISI와의 공동 연구는 이 기존 작업을 확장하여, AI 모델이 인간의 정서와 사회적 관계에 미치는 영향을 체계적으로 조사하겠다 는 것이었습니다. 조사의 방식은 실증적이었습니다. AI 시스템과의 상호

작용에서 나타나 는 정서적 반응 패턴을 분석하고, 잠재적 위험 요소를 식별하며, 완 화 방안을 설계합니다. 세 번째 연구 축은 AI가 경제 시스템에 미치는 영향이었습니다. 이 연구의 방법론 은 독창 적이었습니다.

실제 세계의 직무(task)를 다양한 환경에서 시뮬레이션합니다. 전문가들이 이 직무들을 평가하고 검증합니다. 그런 다음 각 직무를 복잡성, 대표성과 같은 차원으로 분류합니다.

이 분류를 통해 장기적 노동 시장 영향 같은 요인을 예측합니다. "산업혁명보다 10배 더 크고 10배 더 빠른 변화"라고 허사비스가 표현한 바 있는 AI의 고용 영향 효과는, 그의 공개 발언에서 반복적으로 등장하는 주제였습니다. 그는 경제학자와 정 책 입안자들이 이 변화에 충분히 대비하지 못하고 있다고 경고해왔습니다.

AISI와의 공동 연구는 그 경고를 데이터로 뒷받침하려는 시도였습니다. 연구의 구조를 좀 더 풀어보면 이렇습니다. AI가 수행할 수 있는 직무와 수행할 수 없는 직 무의 경계는 끊임없이 이동합니다.

1년 전에 AI가 할 수 없었던 일을 지금은 해냅니다. 이 경계의 이동 속도와 방향을 예측하려면, 현재 AI가 어떤 종류의 작업에서 인간 수준에 도 달했고, 어떤 종류의 작업에서는 아직 격차가 있는지를 정밀하게 측정해야합니다. AISI와 구글 딥마인드의 공동 연구는 이 측정을 위한 벤치마크를 개 발하겠다는 것이었습니다. 이 세 가지 연구 축, 사고의 연쇄 모니터링, 사회정서적 부정렬, 고용 효과 분석은 서로 연 결되어 있었습니다.

AI가 어떻게 생각하는지(모니터링), AI가 인간에게 어떤 정서적 영향을 미치는지(사회정서적 연구), AI가 인간의 일자리에 어떤 변화를 가져 오는지(고용 분석). 기술, 심리, 경제라는 세 차원에서 AI의 사회적 영향을 동시에 조 망하는 구조였습니다. 영국 AISI는 2025년을 회고하며 이 파트너십의 의미를 정리했습니다. AISI는 구글 딥마인 드 외에 앤트로픽, 오픈AI, 코히어(Cohere)와도 유사한 협력 관계를 확장했습니다.

영국 정 부와 이들 기업 사이에 체결된 광범위한 양해각서에는 모두 AISI와 협 력하겠다는 조항이 포함되어 있었습니다. AISI의 소장은 이 성과를 "엄밀한 과학이 실 질적 행동으로 전환되 는 것"이라고 요약했습니다.

허사비스의 관점에서 이 모든 협력은 하나의 원칙으로 수렴했습니다. AI 개발의 속 도를 늦 추지 않으면서, 그 속도가 만들어내는 위험을 과학적으로 이해하고 관리하는 것. "대담하 지만 책임감 있게." 영국이라는 나라가 이 원칙의 첫 번째 시험대가 된 것 은 우연이 아니었습니다.

딥마인드가 태어난 곳, 허사비스가 자란 곳, 알파폴드가 생 물학을 바꾼 곳. 영국은 허사비스에게 고향이자 실험실이었습니다. 이 협력의 진정한 시험은 앞으로 다가옵니다. AI 시스템이 더 강력해지고, 더 자율 적으로 작동하며, 더 많은 영역에 침투할수록, 모니터링과 안전 연구의 난이도는 지수 적으로 높아 집니다. 사고의 연쇄가 모니터링 가능한 "창문"은 언제든 닫힐 수 있습니다. 사회정서적 부 정렬의 양상은 AI가 더 정교해질수록 더 미묘해질 것입니다.

고용 시장의 변화는 예측 모 델이 따라잡기 어려운 속도로 진행될 수 있습니다. 영국 정부 와 구글 딥마인드의 파트너십 이 이 도전에 얼마나 실효적으로 대응할 수 있을지, 그 답은 2025년의 서명이 아니라 그 이 후의 실행에 달려 있습니다. 2023년 영국 AI 안전 정상회의(AI Safety Summit)