데미스 허사비스, 구글 인공지능의 아버지

제9부 AGI를 향한 마지막 관문

25 AGI란 무엇인가?

김경란, 김경진

정의 허사비스의 정의와 다리오 아모데이의 정의 비교 2026년 1월, 다보스 세계경 제포럼의 한 무대에 두 사람이 나란히 앉았습니다. 구글 딥마인 드의 데미스 허사비스 와 앤트로픽의 다리오 아모데이. 사회자가 물었습니다. "AGI가 무엇 이라고 생각합니 까? 그리고 언제 올까요?"

이 질문에 대한 두 사람의 답은 같은 방향을 가 리키면서도 미묘하게 갈라졌습니다. 그 차이 안에 AI 산업의 가장 본질적인 논쟁이 담겨 있습니다. 허사비스는 이렇게 답했습니다.

"AGI란 인간이 보여줄 수 있는 모든 인지적 능력 (all the cognitive capabilities humans can exhibit)을 구현하는 시스템입니다." 이 정 의에서 핵심 단어 는 '모든'과 '인지적'입니다. 추론, 창의성, 계획 수립, 문제 해결, 그 리고 물리적 세계에 대한 이해까지 포괄합니다.

허사비스는 2025년 렉스 프리드먼과 의 대화에서 이 정의를 더 구체 화했습니다. AGI는 어떤 한 분야에서 뛰어난 시스템 이 아닙니다. 모든 인지 영역에서 일관 되게 인간 수준 이상의 성능을 보여야합니다. 그는 "전문가 팀이 두어 달 동안 테스트해도 허점을 찾기 어려운" 수준이어야 한다고 말했습니다.

허사비스가 강조하는 것은 '일관성(consistency)'입니다. 현재의 AI 시스템은 수학 올림피아 드 금메달 수준의 문제를 풀면서도 다섯 살짜리 아이가 쉽게 해내는 일상적 판단에서 실패합니다. 그는 이것을 "들쭉날쭉한 지능(jagged intelligence)"이라 불렀습니다.

AGI라면 이 들쭉날쭉함이 사라져야합니다. 체스도 두고, 시를 쓰고, 새로운 물리학 가설을 세우고, 처 음 보는 주방에서 요리를 할 수 있어야합니다. 나아가 허사비스는 AGI의 시금석으로 독특 한 사고 실험을 제안했습니다.

"그 시스템을 1900년 에 데려다 놓고 당시의 물리학 지식만 줬을 때, 스스로 상대성이론을 발견할 수 있는 가?" 혹은 "바둑만큼 깊고 우아한 게임을 스 스로 발명할 수 있는가?" 이것이 허사비 스가 생각하는 진정한 범용 지능의 기준입니다.

다리오 아모데이의 접근은 다릅니다. 그는 AGI라는 용어 자체를 좋아하지 않습니다. 2024 년 10월에 발표한 1만 5천 단어짜리 에세이 "사랑의 은총의 기계들

(Machines of Loving Grace)"에서 그는 의도적으로 "강력한 AI(powerful AI)"라는 표현을 대신 사용했습니다. 아 모데이의 정의는 이렇습니다. "거의 모든 관련 분야에 서, 노벨상 수상자보다 더 똑똑한 AI."

생물학, 프로그래밍, 수학, 공학, 글쓰기 등 분 야를 가리지 않고 최고 수준의 전문가를 능가하는 시스템입니다. 그는 이것을 "데이터 센터 안에 사는 천재들의 국가"라고 비유했습니다. 두 사람의 차이는 어디에 있을까 요. 허사비스는 인간 두뇌의 아키텍처, 즉 범용 학습 기계로서의 뇌가 수행할 수 있는 모든 기 능을 기준점으로 삼습니다.

이론적이고 구조적인 정의입니다. 아모데이는 성과와 결과를 기준으로합니다. 특정 분야에서 인간 최고 전문가를 능 가하는 실질적 성능이 기준입니다.

허사비스의 정의가 "무엇을 할 수 있어야 하는 가"에 대한 답이 라면, 아모데이의 정의는 "얼마나 잘 해야 하는가"에 대한 답입니다. 이 차이는 타임라인에도 영향을 미칩니다. 아모데이는 2026년 또는 2027년에 자신 의 기준을 충족하는 AI가 등장할 수 있다고봅니다. 허사비스는 더 신중합니다.

2030 년까지 50퍼 센트 확률이라는 것이 그의 추정입니다. 이 격차는 정의의 차이에서 비롯됩니다. 아모데이 의 기준은 특정 과제에서의 초인적 성능에 초점을 맞추기에, 현재의 스케일링 궤도만으로 도 도달 가능해 보입니다.

허사비스의 기준은 모든 인지 영역에 서의 일관된 범용성을 요구 하기에, 현재 기술의 근본적 한계를 넘어서는 새로운 돌파 구가 필요합니다. 흥미로운 것은 두 사람 모두 상대방의 관점을 완전히 부정하지는 않는다는 점입니다. 다보 스 무대에서 허사비스는 "우리의 의견이 크게 다르지는 않다"고 말했습니다.

아모데이 역 시 2026년의 에세이 "기술의 사춘기(The Adolescence of Technology)"에서 "강력한 AI가 1~2 년 내에 올 수도 있지만, 상당히 더 멀 수도 있 다"고 인정했습니다. 궁극적인 목표 지점에 대해서는 합의가 있습니다. 그곳에 이르는 경로와 속도에 대한 해석이 다를 뿐입니다.

이 논쟁이 중요한 이유가 있습니다. AGI를 어떻게 정의하느냐에 따라 안전 연구의 우선순 위가 달라지고, 규제의 시점이 바뀌고, 수십조 달러 규모의 투자 결정이 영향을 받습니다. 허사비스처럼 높은 기준을 세우면 "아직 갈 길이 멀다"는 메시지가됩니다.

아모데이처럼 성능 중심의 기준을 세우면 "곧 도래한다"는 경고가됩니다. 어느 쪽 이 옳든, 두 정의 모두 한 가지 사실을 전제합니다. 우리가 지금 만들고 있는 것은 인

류 역사상 유례없는 무엇이 며, 그것의 의미를 이해하는 데 정확한 언어가 필요하다는 것입니다. 코딩, 수학, 자연과학, 물리적 AI(로보틱스) 2025년 5월, 구글 I/O 컨퍼런스의 파이 어사이드 챗. 허사비스 옆에는 구글 공동 창립자 세 르게이 브린이 앉아 있었습니다. 사회자가 현재 AI 시스템의 한계를 물었을 때, 허사비스 는 명확한 구분선을 그었습니다.

"90퍼센트의 사람이 하지 못하는 일을 AI가 해낸다면, 그 것은 경제적으로 중요하 고 제품 관점에서도 중요한 이정표입니다. 하지만 그것을 AGI라 고 부르지는 맙시다. 그것은 '일반적 인간 지능(typical human intelligence)' 수준이라고 해야합니다." 이 발언은 AGI의 범위가 얼마나 넓은지를 보여줍니다. 허사비스가 구상하는 AGI는 여러 인지 영역을 관통합니다.

코딩은 그중에서 가장 빠르게 진전되고 있는 분야입니다. 2025년 현재, AI는 이미 앤트로픽 자체 제품을 만 드는 프로그 래밍 작업의 대부분을 수행하고 있으며, 구글 딥마인드 내부에서도 코드 생성과 디버깅에 AI가 광범위하게 활용됩니다. 허사비스는 코딩과 수학 영역에서 AI의 "자기 개선 루프(selfimprovement loop)"가 작동할 가능성을 인정합니다.

AI가 더 나은 코드를 작성하고, 그 코드 가 더 나은 AI를 만드는 순환이 이미 시작되었기 때 문입니다. 그러나 그는 이것만으로 AGI 라 부를 수 없다고 못 박습니다. 수학은 두 번째 전선입니다.

딥마인드의 알파프루프(AlphaProof)와 알파지오메트 리 (AlphaGeometry)는 국제수학올림피아드(IMO) 수준의 문제를 풀어냈습니다. 알 파에볼브 (AlphaEvolve)는 한 걸음 더 나아가 AI가 알고리즘 자체를 설계하는 시대를 열었습니다. 허 사비스는 이 성과에 자부심을 느끼면서도 한계를 분명히 인식합니다.

현재의 시스템은 기 존 추측을 증명하는 데는 뛰어나지만, 새로운 추측을 스스로 제안 하는 능력은 갖추지 못했습니다. 바둑을 세계 챔피언 수준으로 두는 것과, 바둑이라는 게임 자체를 발명하는 것은 전 혀 다 른 차원의 지능입니다. 허사비스는 후자의 능력, 즉 창조적 발명 능력을 AGI의 핵심 벤치 마크로봅니다.

자연과학은 세 번째이자 허사비스의 심장에 가장 가까운 영역입니다. 알파폴드가 50년간 풀리지 않던 단백질 접힘 문제를 해결한 것은 AI가 과학적 발견의 도구가 될 수 있음을 증 명한 사건이었습니다. 알파게놈(AlphaGenome)은 유전자 코드와 기능 의 관계를 매핑하기 시작했고, GNoME는 220만 개 이상의 신소재 결정 구조를 발견했습니다.

그러나 이 모든 성취에도 불구하고, 현재의 AI는 과학자를 '돕는' 도구이지, 스스로 가설을 세우고 검증하 는 '과학자'는 아닙니다. 허사비스가 2025년 12월 구글 딥마인드 팟캐스트에서 밝힌 AGI의 두 가지 전제 조건 중 하나가 바로 "자동화된 실 험(automated experimentation)"인 이유가 여 기에 있습니다. AI가 질문을 던지고, 실험을 설계하고, 결과를 해석하고, 다시 새로운 가설을 수정하는 완전한 과학 연구 의 순환 고리를 닫아야합니다. 딥마인드가 2026년 영국에 최초의 완전 자동화 연구 실험실을 개소하겠다고 발표한 것은 이 비전의 구현입니다.

네 번째 영역이 가장 도전적입니다. 물리적 AI, 즉 로보틱스입니다. 허사비스는 다 보스 무 대에서 "저는 AGI의 정의에 물리적 AI, 로보틱스, 이 모든 것을 포함합니다"라고 말했습니 현재의 대형 언어 모델은 디지털 세계 안에서 작동합니다.

텍스트를 읽고, 이미지를 분 석하고, 코드를 생성합니다. 그러나 실제 세계에서 컵을 집어 올리 거나, 처음 방문한 부엌에서 요리를 하거나, 울퉁불퉁한 지형을 걸어가는 것은 전혀 다른 종류의 지능을 요구합니 중력, 마찰, 관성, 유연한 물체의 변형 같은 물리적 현상을 실시간으로 이해하고 반응해 야합니다. 이것이 허사비스가 "월드 모델(World Model)"을 AGI의 또 다른 전제 조건으로 꼽 는 이유입 니다. 딥마인드의 제니(Genie)는 텍스트 프롬프트로부터 상호작용 가능한 3D 환경을 생성 하고, 시마(SIMA)는 그 환경 안에서 물체를 옮기고 장애물을 피하며 목표를 찾는 과제를 수행합니다.

비오(Veo) 비디오 모델은 유체의 움직임, 빛의 반사, 소재의 질감을 놀라울 정 도로 정확하게 재현하면서, AI가 유튜브 영상 같은 수동적 관찰만으로도 물리학에 대한 " 직관적 이해(intuitive physics)"를 발전시킬 수 있음을 시사합니다. 이 발견은 오랫동안 AI 연구에서 지배적이었던 가정, 즉 물리적 세계를 이해하려면 반드시 로봇처럼 몸을 가진 행 위자(embodied agent)가 필요하다는 믿음 에 도전합니다. 허사비스의 표현을 빌리면, "AGI의 전제 조건은 더 똑똑해지는 것이 아니라 더 많 은 행동을 할 수 있게 되는 것"입니다.

챗봇이 아무리 유창하게 대화하더라도, 세상을 관찰하고 이 해하고 실제로 변화시킬 수 없다면 그것은 범용 지능이 아닙니다. 코딩에서 수학으로, 자 연과학에서 물리적 세계로, 이 모든 영역을 관통하는 일관된 능력. 그 것이 허사비스가 그 리는 AGI의 전체 그림입니다. 이 그림이 완성되려면 아직 채워야 할 빈 공간이 남아 있습니다.

허사비스 : "5~10년 이내" AGI 도래 가능성 2030년까지 AGI 도달 가능성 50퍼센 트라는 예측 허사비스는 신경과학 박사학위를 가진 연구자답게, 그는 확률적 언어를 선호합니다. "50퍼 센트." 2025년 7월, 렉스 프리드먼 팟캐스트에 출연한 허사비스는 AGI가 향후 5년 이내, 즉 2030년경까지 등장할 확률을 50퍼센트로 제시했습니다.

반 반의 확률입니다. 그리고 2025 년 12월 악시오스 AI+ 서밋에서 그는 이 예측을 재확 인했습니다. "AGI, 아마도 인류 역사 상 가장 변혁적인 순간이 지평선 위에 있습니다.”

이 예측의 무게를 이해하려면 맥락이 필요합니다. AI 업계에서 타임라인 예측은 일종의 전 략적 발언입니다. 너무 가깝다고 말하면 투자를 끌어들이지만 실현하지 못 했을 때 신뢰를 잃습니다.

너무 멀다고 말하면 안전하지만 시장의 관심이 식습니다. 허사비스의 "50퍼센 트, 5~10년"은 이 스펙트럼의 정확히 가운데에 놓입니다. 그리고 그것이 의도적입니다.

비교해 봅시다. 앤트로픽의 다리오 아모데이는 2026년 또는 2027년을 제시합니다. 테슬라 의 일론 머스크는 2025년에 이미 개별 인간을 능가하는 AI가 등장하고, 2030 년경에는 모든 인간을 합친 것보다 뛰어난 AI가 올 것이라고 예측했습니다. 오픈AI의 샘 올트먼은 "합리 적으로 가까운 미래"라는 모호한 표현을 씁니다. 메타의 마크 저커 버그는 12~18개월 내에 대부분의 코드를 AI가 작성할 것이라고 말합니다.

반대편에는 바이두의 로빈 리처럼 "10년 이상"을 예측하는 목소리가 있고, 메타의 얀 르쿤 (Yann LeCun)은 "최소 10년, 아마 그보다 훨씬 더 오래"라며 새로운 과학적 발견이 필요하 다고 주장합니다. 허사비스는 중간 정도. 그가 다른 CEO들과 구별되는 점은 예측에 조건을 붙인다는 것입니 50퍼센트라는 숫자는 "현재의 궤도가 유지된다면"이라는 전제를 깔고 있습니다. 동시 에 "우리가 아직 모르는 장애물이 있을 수 있다"는 불확실성을 남겨둡니다. 이것은 과학자 의 언어입니다.

확신이 아니라 확률로 말하는 습관입니다. 허사비스가 이 예측에 도달한 근거는 무엇일까요. 그는 몇 가지 구체적인 진전을 언 급합니 제미나이 시리즈의 빠른 발전이 그중 하나입니다. 2025년 7월 렉스 프리드먼 과의 대화에서 허사비스는 "제미나이 3은 절대적으로 놀라운 모델이며, 내가 기대했 던 것 그리고 지 난 몇 년간 우리가 걸어온 궤도와 정확히 일치합니다"라고 말했습니다.

추론 능력의 개선, 멀티모달 이해의 확장, 그리고 에이전트 시스템의 발전이 그가 지목한 구체적인 진보들입 니다.

딥마인드의 딥씽크(DeepThink)는 여러 추론 과정을 병렬로 실행한 뒤 서로 교차 검증하는 방식으로 작동합니다. 허사비스는 이것을 "스테로이드를 맞은 추론 (reasoning on steroids)" 이라고 표현했습니다. 테스트 타임 컴퓨트(test-time compute), 즉 AI가 답을 생성하는 시점에서 추가적인 연산을 투입하는 접근법은 알 파고 시절부터 딥마인드가 개척해온 방법론입니다.

바둑에서 수를 두기 전에 수천 가 지 시나리오를 시뮬레이션했던 것과 같은 원리 가 이제 언어 모델에도 적용되고 있습니다. 허사비스의 50퍼센트 예측에는 중요한 유보가 있습니다. 나머지 50퍼센트, 즉 2030년까지 AGI가 도래하지 않을 확률이 같다는 것입니다.

그 이유도 분명합니다. 현재의 시스템에는 추론, 기억, 물리적 세계 이해, 그리고 창의적 발명이라는 근본적 능력이 결여되어 있기 때 문입니다. 2025년 1월 알렉스 칸트로위츠와의 인터뷰에서 허사비스는 "올해 어떤 연구소 도 AGI에 도달하지 못할 것"이라고 단언하면서, 기술을 과대 포장하는 이들을 비판했습니 노벨상 수상자이자 업계 최전선의 연구자인 그 의 이 발언은, 과열된 AGI 논쟁에서 드 문 절제의 목소리입니다.

2025년 12월, 허사비스의 예측은 한 가지 점에서 업데이트되었습니다. 다보스의 무 대에서 아모데이가 "2026~2027년"을 제시했을 때, 허사비스는 "우리의 의견 차이가 크지 않다"고 응답했습니다. 그러면서 "나의 타임라인이 약간 더 길다"고 덧붙였습니다.

이 미묘한 접근 은 경쟁의 압력과 과학적 신중함 사이에서 균형을 잡으려는 시도입니다. 시장은 빠른 타임 라인을 원하고, 투자자들은 확신을 원하지만, 연구의 현실 은 예측을 배반할 수 있습니다. 결국 허사비스의 50퍼센트 예측이 말하는 것은 이것입니다.

AGI는 올 것입니다. 문 제는 " 만약(if)"이 아니라 "언제(when)"입니다. 그 '언제'가 5년 뒤일 수도, 10년 뒤일 수도, 혹은 그보다 더 오래 걸릴 수도 있습니다.

"트랜스포머 수준 또는 알파고 수준의 돌파구가 한두 개 더 필요하다" 2025년 5월 구글 I/O에서 허사비스는 한 문장으로 AGI까지의 거리를 요약했습니다. "AGI 에 도 달하려면 한두 개의 새로운 돌파구가 더 필요할 수 있습니다(to get all the way to something like AGI may require one or two more new breakthroughs)." 7월 렉스 프리드먼 팟캐 스트에서 이 생각을 반복했습니다.

"범용 지능에서 기대할 수 있는 전 분야에 걸친 일관성을 얻으려면, 추론, 기억, 그리고 아마도 월드 모델 같은 아이디어에서 한두 가지가 더 필요합니다." 이 발언은 겸손한 듯 보이지만, 그 안에 담긴 함의 는 거대합니다. 허사비스가 참조하는 두 가지 역사적 선례가 있습니다.

하나는 2017년 구글 브레인 팀이 발표한 트랜스포머(Transformer) 아키텍처입니다. "Attention Is All You Need"라는 논문 한 편이 자연어 처리를 완전히 뒤바꿨고, GPT 시리즈와 제미나이를 포함한 현대 AI 모델의 기 초가되었습니다. 다른 하나는 2016년의 알파고입니다.

심 층 신경망과 강화학습과 몬테카 를로 트리 탐색의 결합이라는, 기존에 없던 조합이 바 둑이라는 난공불락의 게임을 정복했습니다. 두 경우 모두 점진적 개선이 아니라, 기 존 패러다임을 뛰어넘는 질적 도약이었습니다. 허사비스가 "한두 개 더 필요하다"고 말할 때, 그 돌파구의 후보는 어디에 있을까요. 그가 반복적으로 언급하는 영역이 세 가지 있습니다.

첫 번째는 추론(reasoning)입니다. 현재의 대형 언어 모델은 패턴 인식에 기반한 응 답을 생 성합니다. 수학 문제를 풀고 논리적 추론을 수행하는 것처럼 보이지만, 그 과 정이 인간의 논리적 사고와 같은 방식으로 작동하는지는 불분명합니다.

딥마인드의 딥씽크는 이 문제 에 대한 한 가지 접근법입니다. 여러 추론 경로를 병렬로 탐색하고 상호 검증하는 방식은 알파고가 바둑 수를 탐색하던 방법의 확장입니다. 허사비스는 이것을 "돌파구의 일부"라 고 표현했습니다.

전체는 아니라는 뜻입니다. 추론의 다음 단계, 즉 새로운 가설을 스스로 생성하고 검증하는 능력은 아직 도달하지 못한 영역입 니다. 두 번째는 기억(memory)입니다. 현재의 AI 모델은 대화가 끝나면 그 내용을 잊습니다.

모 든 상호작용이 백지 상태에서 시작됩니다. 인간의 지능은 경험을 축적하고, 과거의 학습을 새로운 상황에 적용하는 지속적 학습(continual learning) 위에 세워져 있습니다. 이 격차를 메우려면 에피소드 기억, 시맨틱 기억, 절차적 기억을 통합하는 새로운 아키텍처가 필요할 수 있습니다.

허사비스의 신경과학 배경이 바로 이 지점에서 빛납니다. 그의 박사 논문 주 제였던 해마(hippocampus)와 에피소드 기억은 AI가 아직 재현하지 못한 뇌의 핵심 기능입 니다. 세 번째는 월드 모델(world model)입니다. 2025년 12월 구글 딥마인드 팟캐스트에서 허사비스는 AGI를 위한 두 가지 전제 조건을 명시했습니다. 그 첫 번째가 월드 모 델, 즉 AI가 물 리학과 공간을 진정으로 이해하는 능력입니다. 언어 모델이 이야기를

들려줄 수 있다면, 월드 모델은 환경을 구축할 수 있습니다. 그러나 AI가 현실에 참여 하게 하는 결정적 단계 는 실험입니다. 제니(Genie)가 상황에 따라 실시간으로 시나리 오를 생성하고, 시마(SIMA) 가 그 안에서 과제를 수행하며, 성공이든 실패든 그 결과 가 AI 스스로의 학습 재료가 되는 순환. 이것이 허사비스가 구상하는 인지적 폐쇄 루 프(cognitive closed loop)입니다.

허사비스의 이 진단에 대해 회의적인 시선도 존재합니다. 이펙티브 알트루이즘 (Effective Altruism) 포럼의 2025년 12월 분석은 날카로운 질문을 던집니다. "허사비스가 나열한 미해결 연구 과제들, 계층적 강화학습, 월드 모델, 지속적 학습, 창의적 아이디어 생성 같은 것들은 사실 수십 년 된 문제들입니다. 학술 데이터베이스를 검색하 면 1990년대 초반부터 계층적 강화학습 논문을 찾을 수 있습니다.

이 오래 된 문제들이 정 말 3~5년 안에 풀릴 것이라는 확신의 근거가 무엇인가요?" 이 비판은 중요한 지점을 짚습니다. 현재 AI 산업의 투자 대부분은 대형 언어 모델의 스케일링에 집중되어 있으며, 허 사비스가 필요하다고 말하는 새로운 과학을 발견하는 데는 상대적으로 적은 자원이 투입되고 있습니다.

허사비스는 이 긴장을 "두 가지를 동시에 한다"는 원칙으로 풀어갑니다. 지금 가진 기술을 최대한 키우면서도, 6개월~1년 뒤에 올 다음 혁신을 함께 준비하는 것입니다. 이것은 체스 선수의 사고방식과 같습니다. 당장 눈앞의 한 수를 최선으로 두면서도, 열 수 앞의 판세를 미리 그려두는 것입니다.

알파고에서도 같은 전략이 통했습니다. 이미 아는 수를 끝까지 파고들면서도, 아무도 생각 못한 새로운 수를 과감하게 던져보 는 것입니다. 세르게이 브린은 여기서 흥미로운 역사적 비유를 꺼냈습니다.

"N체 문제 시뮬레이 션의 역 사를 보면, 컴퓨터 성능이 좋아진 것보다 알고리즘이 똑똑해진 것이 더 큰 변 화를 만들었 을겁니다. 그런데 지금은 둘 다 동시에 좋아지고 있죠." 허사비스가 꼭 필요하다고 말하는 돌파구도 바로 이 알고리즘 쪽입니다. 데이터센터를 더 크게 짓거 나 GPU를 더 많이 쌓는 게 아니라, 지능이 어떻게 작동하는지에 대한 근본적으로 새 로운 깨달음 말입니다.

이 "한두 개의 돌파구"가 언제, 어디서, 어떤 모습으로 나타날지는 아무도 모릅니다. 트랜 스포머 논문이 2017년에 나올 줄 2015년에 안 사람은 없었습니다. 알파고의 37 수를 미리 떠올린 사람도 없었습니다. 허사비스도 이런 예측 불가능성을 인정합니다.

그러면서도 자신의 팀이 "유망한 아이디어를 여럿 준비하고 있고, 이것들을 제미나 이의 본 류에 합류시키고 싶다"고 말합니다. 과학의 역사를 보면, 돌파구는 늘 준비된 사람에게 찾아왔습니다. 허사비스는 그 준 비를 40 년째 해오고 있습니다.

체스판 앞에서 품었던 질문, "이 지능을 더 나은 데 쓸 수는 없을까?" 가 이제 마지막 고비 앞에 와 있습니다. AGI를 향한 로드맵