인공 일반 지능
더 많은 작업
- Artificial general intelligence, AGI; 인공 일반 지능
- 특정 과제에 한정되지 않고 사람이 할 수 있는 폭넓은 지적 과제를 사람 수준 이상으로 해내는 인공지능
인공 일반 지능(人工一般知能, artificial general intelligence, AGI)은 바둑, 번역, 이미지 분류처럼 정해진 일만 하는 '좁은 AI'와 달리, 처음 보는 과제를 포함해 사람이 할 수 있는 폭넓은 지적 과제를 사람 수준 이상으로 해내는 AI를 가리킨다. '범용 인공지능'이라고도 하며, 대중적으로는 강인공지능과 같은 뜻으로 쓰이기도 한다.
AGI는 구글 딥마인드, OpenAI, 앤트로픽 등 주요 AI 기업이 공개적으로 내건 목표이지만, 합의된 정의도 판정 기준도 없다. 같은 모델을 두고 "이미 AGI의 초기 형태"라는 주장과 "아직 멀었다"는 주장이 동시에 나오는 것은 대개 정의가 다르기 때문이다. 이 문서는 정의, 측정 방법, 수준 구분, 전망 논쟁과 기업의 선언을 정리한다. 사람을 크게 넘어서는 단계는 초지능, 그 이후의 사회 변화 가설은 기술적 특이점 문서에서 다룬다.
'인공 일반 지능'이라는 표현은 1997년 물리학자 마크 구브러드(Mark Gubrud)가 자동화된 군사 생산의 영향을 논하며 처음 썼고, 2002년 무렵 셰인 레그(Shane Legg)가 독립적으로 같은 표현을 떠올려 벤 거츨(Ben Goertzel)과 함께 퍼뜨렸다.[1] 거츨과 카시오 페나킨이 엮어 2007년 무렵 낸 책 《Artificial General Intelligence》는 이 말을 연구 분야의 이름으로 자리 잡게 했다. 레그는 2010년 데미스 허사비스, 무스타파 술레이만과 함께 딥마인드를 세웠다.[1]
'일반'(general)은 '보통'이 아니라 '특정 영역에 한정되지 않는다'는 뜻이다. 그래서 일본 등에서는 '범용 인공지능'이라는 번역을 쓴다.
| 출처 | 정의 (요약) | 특징 |
|---|---|---|
| OpenAI 헌장 (2018) | 경제적으로 가치 있는 일 대부분에서 사람보다 뛰어난, 고도로 자율적인 시스템[2] | 경제적 노동을 기준으로 삼는다 |
| 레그·후터 (2007) | 지능은 '넓은 범위의 환경에서 목표를 달성하는 에이전트의 능력'이며, 이를 모든 계산 가능한 환경에 대한 가중 평균 성과로 형식화(보편 지능)[3] | 수학적 정의이지만 직접 계산할 수 없다 |
| 숄레 (2019) | 지능은 '기술 습득 효율', 곧 적은 사전 지식과 경험으로 새로운 기술을 얼마나 빨리 익히는가[4] | 이미 가진 기술의 양이 아니라 일반화 능력을 본다 |
| 구글 딥마인드 '수준 구분' (2023) | 능력의 깊이(성능)와 폭(일반성)을 따로 매긴 단계적 정의[5] | AGI를 하나의 문턱이 아니라 경로로 본다 |
| IBM | 강한 AI와 같은 말로, 사람과 같은 지능과 자기 인식을 갖춘 가상의 AI[6] | 의식 요소가 섞여 있다 |
| 리처드 응오의 t-AGI (2023) | 인지 과제 대부분에서, 시간 t를 받은 인간 전문가 대부분을 이기는 시스템[7] | 과제에 걸리는 시간으로 연속적 척도를 만든다 |
| 다리오 아모데이의 '강력한 AI' (2024) | 대부분의 분야에서 노벨상 수상자보다 똑똑하고, 사람처럼 컴퓨터를 다루며 수일~수주짜리 과제를 자율적으로 하는 모델이 수백만 개 동시에 돌아가는 상태. 그는 이를 '데이터센터 안의 천재들의 나라'라고 불렀다[8] | 아모데이는 AGI라는 말을 싫어한다며 이 용어를 썼다 |
정의는 크게 세 방향으로 나뉜다. 과제를 얼마나 많이·잘 하느냐(능력 목록), 새것을 얼마나 빨리 배우느냐(일반화 효율), 사람의 노동을 얼마나 대체하느냐(경제적 기준)다. 의식이나 자기 인식을 요구하는지 여부도 정의마다 다르며, 2023년 딥마인드 논문은 AGI 정의에서 의식 같은 '과정'은 빼고 '능력'에 집중해야 한다는 원칙을 제시했다.[5]
응오는 AGI를 이진 문턱이 아닌 연속 스펙트럼으로 보자며 다음 예를 들었다.[7]
- 1초 AGI: 퀴즈에 빨리 답하기, 기초 물리 직관, 이미지 속 물체 인식에서 사람을 이긴다.
- 1분 AGI: 짧은 글이나 영상에 관한 질문, 상식 추론, 간단한 컴퓨터 작업.
- 1시간 AGI: 시험 문제, 짧은 기사 작성, 사무직 업무 대부분, 새 게임 규칙 익히기.
- 1일 AGI: 통찰력 있는 에세이, 협상, 새 소프트웨어에 익숙해지기, 앱 개발, 과학 실험.
- 1개월 AGI: 스타트업 설립 같은 중기 계획 수행, 대형 프로젝트 감독, 새로운 과학적 발견.
- 1년 AGI: 사실상 모든 분야.
구글 딥마인드 연구진(셰인 레그 등)은 2023년 11월 자율주행 단계처럼 AGI 진척을 재는 틀을 제안했다. 성능(깊이)과 일반성(폭)을 두 축으로 하고, 각 단계에 좁은 AI와 일반 AI의 예를 붙였다. 2025년 개정판에서 4단계 이름이 'Virtuoso'에서 'Exceptional'로 바뀌었다.[5]
| 단계 | 성능 기준 | 좁은 AI의 예 | 일반 AI의 예 |
|---|---|---|---|
| 0: AI 없음 | 해당 없음 | 계산기, 컴파일러 | 사람이 개입하는 컴퓨팅(아마존 메커니컬 터크) |
| 1: 초기(Emerging) | 숙련되지 않은 사람과 같거나 조금 나음 | 규칙 기반 시스템(SHRDLU) | ChatGPT, 바드, 라마 2, 제미나이 |
| 2: 유능(Competent) | 숙련된 성인의 상위 50% 이상 | 시리, 알렉사, 일부 과제의 최신 LLM | 아직 없음 |
| 3: 전문가(Expert) | 숙련된 성인의 상위 10% 이상 | 문법 교정기, 이미지 생성기(Imagen, DALL-E 2) | 아직 없음 |
| 4: 탁월(Exceptional) | 숙련된 성인의 상위 1% 이상 | 딥 블루, 알파고 | 아직 없음 |
| 5: 초인(Superhuman) | 모든 사람을 능가 | 알파폴드, 알파제로, 스톡피시 | 인공 초지능(ASI), 아직 없음 |
같은 논문은 자율성도 6단계(0 AI 없음, 1 도구, 2 상담자, 3 협력자, 4 전문가, 5 에이전트)로 나누고, 능력 단계가 높아도 어느 수준의 자율성을 줄지는 별도로 정해야 한다고 보았다. 논문이 제시한 6원칙은 과정보다 능력, 일반성과 성능 함께 보기, 신체 과제보다 인지·메타인지 과제, 실제 배포보다 잠재력, 생태적 타당성, 단일 종착점보다 경로에 집중하기다.[5]
AGI를 직접 재는 표준 시험은 없다. 대신 다음과 같은 시도가 쓰인다.
- 튜링 테스트: 사람과 구별되지 않는 대화를 기준으로 삼는다. 2025년 3자 대화 실험에서 GPT-4.5가 73%의 확률로 사람으로 판정되었지만, 흉내와 지능은 다르다는 이유로 AGI 판정 기준으로는 잘 쓰이지 않는다.
- 지식·시험 벤치마크: MMLU 같은 다분야 시험, 수학 올림피아드 문제, 코딩 과제. 모델이 빠르게 만점에 가까워져(포화) 변별력을 잃는 문제가 반복되었다. 벤치마크 데이터셋 참고.
- ARC-AGI: 프랑수아 숄레가 2019년 제안한 추상화·추론 코퍼스(ARC)다. 색칠된 격자 퍼즐 몇 개의 예시를 보고 규칙을 찾아 새 격자에 적용해야 하며, 사람이 타고나는 기초 지식만 전제하도록 설계해 암기로 풀기 어렵게 했다.[4]
| 시기 | 내용 |
|---|---|
| 2019년 | 숄레가 ARC 발표[4] |
| 2020~2024년 | ARC-AGI-1에서 GPT-3는 0%, GPT-4o는 약 5%에 그쳤다[9] |
| 2024년 12월 | OpenAI의 o3 시험판이 비공개 준평가 세트에서 75.7%(과제당 약 26달러), 연산을 약 172배 더 쓴 설정에서 87.5%를 기록했다. ARC 측은 큰 진전으로 평가하면서도 o3가 아직 AGI는 아니며 매우 쉬운 과제 일부에서 여전히 실패한다고 밝혔다[9] |
| 2025년 | ARC-AGI-2 공개. 모든 과제를 일반인 2명 이상이 2번 이내 시도로 풀 수 있게 검증하고, 비용(효율)을 함께 보고하도록 했다[10] |
| 2026년 | ARC-AGI-3 도입. 정적 퍼즐 대신 에이전트가 처음 보는 게임 환경을 탐색하며 목표를 스스로 알아내야 하는 상호작용형 시험이며, 사람만큼 효율적으로 모든 게임을 끝내면 100%가 된다[11] |
- GPT-4와 'AGI의 불꽃'(2023): 마이크로소프트 리서치 연구진은 2023년 3월 논문에서 GPT-4가 수학, 코딩, 의학, 법률 등 넓은 영역에서 보인 능력을 근거로, 이를 아직 불완전하지만 AGI 시스템의 초기 형태로 볼 수 있다고 주장했다.[12] 논문 스스로 엄밀한 AGI 정의로 평가한 것은 아니며 그런 능력이 생기는 원리도 모른다고 인정했고, 내부 비공개 모델을 대상으로 한 관찰이라 재현이 어렵다는 비판도 받았다.
- 규모 확장 대 새 구조: 모델 크기, 데이터, 연산을 늘리면 능력이 계속 오른다는 스케일링 법칙과 추론 모델의 성과를 근거로 현재 방식의 연장선에서 AGI에 이를 수 있다는 쪽과, 지속 학습, 장기 기억, 물리 세계 이해가 빠진 LLM만으로는 부족하다는 쪽이 갈린다. 얀 르쿤은 2022년 제안서에서 다음 토큰 예측 대신 세계의 표현을 예측하는 구조(JEPA)와 월드 모델을 중심으로 한 자율 지능을 대안으로 내놓았다.[13]
- 모라벡의 역설: 시험 문제와 코딩은 빠르게 풀리지만 물리적 조작과 일상 상식은 더디다는 관찰이 다시 거론된다.
- 안전 문제: AGI 이후 짧은 시간 안에 초지능으로 갈 수 있다는 우려 때문에 인공지능 정렬과 통제 문제가 AGI 논의와 함께 다뤄진다. AI 종말론 참고.
AGI가 언제 오는가에 대한 전망은 사람마다 크게 다르고 시간이 지나며 자주 바뀌었다. 아래는 원문이나 인터뷰로 확인되는 발언만 모은 것이다.
| 시점 | 인물 | 발언 (요약) |
|---|---|---|
| 2005년, 2024년 재확인 | 레이 커즈와일 | 2029년에 사람 수준의 지능(AGI)에 이른다. 2024년 《특이점이 더 가까이 왔다》 출간 인터뷰에서도 2029년을 유지했다[14] |
| 2023년 5월 | 데미스 허사비스(구글 딥마인드) | 사람 수준의 AI가 '몇 년', 길어도 10년 안에 올 수 있다[15] |
| 2024년 10월 | 다리오 아모데이(앤트로픽) | '강력한 AI'가 이르면 2026년에 올 수 있지만 훨씬 오래 걸릴 수도 있다[8] |
| 2024년 12월 | 제프리 힌턴 | 이 분야 전문가 대부분은 아마 20년 안에 사람보다 똑똑한 AI가 나온다고 본다[16] |
| 2025년 1월 | 샘 올트먼(OpenAI) | 전통적으로 이해해 온 AGI를 만드는 방법을 이제 안다고 확신하며, 목표를 초지능으로 돌리기 시작했다[17] |
반대쪽에서는 LLM이 데이터 패턴에 기대고 있어 새로운 상황에 대한 일반화, 지속 학습, 장기 계획이 부족하다는 비판이 꾸준하다. 2025년에 공개된 시나리오 보고서 〈AI 2027〉은 2027년 무렵 AI 연구 자체가 자동화되어 초지능으로 빠르게 넘어가는 경로를 그렸는데,[18] 이는 예측이라기보다 정책 논의를 위한 시나리오로 제시되었다.
- OpenAI: 헌장에서 AGI가 인류 전체에 이익이 되도록 하는 것을 사명으로 정했다.[2] 2025년 10월 마이크로소프트와 맺은 새 계약에서는 OpenAI가 AGI 도달을 선언하면 독립 전문가 패널이 이를 검증하도록 했고, 마이크로소프트의 일부 권리와 수익 배분이 이 검증 시점에 연동되었다.[19] 2026년 9월 3일 GPT-6 Astra를 공개하는 발표 자리에서 사장 그레그 브록먼은 "AGI 시대에 온 것을 환영한다"고 말했지만, 사람마다 AGI 정의가 다르고 개인적으로는 도달했다고 본다는 수준의 발언이었으며 공식적인 기술 기준 충족을 주장한 것은 아니었다.[20][21]
- 구글 딥마인드: 창업 때 '지능을 풀고, 그것으로 인류의 문제를 푼다'는 사명을 내걸었고 AGI 개발을 목표로 삼았다.[1] 앞의 수준 구분 논문도 이 회사 연구진이 썼다.
- 앤트로픽: 최고경영자 아모데이는 AGI라는 말 대신 '강력한 AI'를 쓰며, 그것이 가져올 이익과 위험을 함께 강조한다.[8]
- 2024년 이후에는 목표를 AGI 너머 초지능으로 표현하는 기업과 연구소가 늘었다. 일리야 수츠케버가 세운 세이프 슈퍼인텔리전스(SSI)가 대표적이다. 자세한 내용은 초지능 문서 참고.
- ↑ 1.0 1.1 1.2 Shane Legg: The 100 Most Influential People in AI 2023, TIME, 2023-09-07.
- ↑ 2.0 2.1 OpenAI Charter, OpenAI.
- ↑ S. Legg, M. Hutter, 〈Universal Intelligence: A Definition of Machine Intelligence〉, 2007. arXiv:0712.3329
- ↑ 4.0 4.1 4.2 F. Chollet, 〈On the Measure of Intelligence〉, 2019. arXiv:1911.01547
- ↑ 5.0 5.1 5.2 5.3 M. R. Morris 외, 〈Levels of AGI for Operationalizing Progress on the Path to AGI〉, ICML 2024. arXiv:2311.02462
- ↑ What is strong AI?, IBM, 2021.
- ↑ 7.0 7.1 R. Ngo, Clarifying and predicting AGI, AI Alignment Forum, 2023-05-04.
- ↑ 8.0 8.1 8.2 D. Amodei, Machines of Loving Grace, 2024년 10월.
- ↑ 9.0 9.1 OpenAI o3 Breakthrough High Score on ARC-AGI-Pub, ARC Prize, 2024-12-20.
- ↑ ARC-AGI-2, ARC Prize.
- ↑ ARC-AGI-3, ARC Prize.
- ↑ S. Bubeck 외, 〈Sparks of Artificial General Intelligence: Early experiments with GPT-4〉, 2023. arXiv:2303.12712
- ↑ Y. LeCun, 〈A Path Towards Autonomous Machine Intelligence〉, OpenReview, 2022. [1]
- ↑ AI scientist Ray Kurzweil: 'We are going to expand intelligence a millionfold by 2045', The Guardian, 2024-06-29.
- ↑ AGI is 'just a few years' away, says Google's DeepMind CEO, Fortune, 2023-05-03.
- ↑ 'Godfather of AI' shortens odds of the technology wiping out humanity over next 30 years, The Guardian, 2024-12-27.
- ↑ S. Altman, Reflections, 2025년 1월.
- ↑ D. Kokotajlo, S. Alexander, T. Larsen, E. Lifland, R. Dean, AI 2027, 2025.
- ↑ The next chapter of the Microsoft-OpenAI partnership, Microsoft, 2025-10-28.
- ↑ GPT-6 Astra: A new generation of intelligence, OpenAI, 2026-09-03.
- ↑ 'Welcome to the AGI era': OpenAI launches GPT-6 Astra, VentureBeat, 2026-09-03.