대런 애쓰모글루, AI는 과연 효과적인가

대런 애쓰모글루 골드만삭스 인터뷰

 

대런 애쓰모글루 : MIT 경제학과 교수, 국가는 왜 실패하는가 저자

 

Allison Nathan: 최근 논문에서 당신은 생성형 AI로 인한 미국의 생산성 향상과 그에 따른 GDP 성장이 Goldman Sachs를 포함한 많은 예측가들의 기대보다 훨씬 더 제한적일 것이라고 주장했다. 구체적으로, 당신은 향후 10년간 생산성이 약 0.5%, GDP가 약 1% 증가할 것으로 예측했다. 이는 GS 경제학자들의 생산성 9% 증가, GDP 6.1% 증가 추정치와 대비된다. AI의 잠재적 경제적 영향에 대해 왜 덜 낙관적인가?

Daron Acemoglu: 예측의 차이는 AI의 궁극적인 기술적 가능성보다는 경제적 영향의 시기에 더 초점이 맞춰져 있는 것 같다. 생성형 AI는 과학적 발견, 연구 개발, 혁신, 새로운 제품 및 재료 테스트 등의 과정을 근본적으로 변화시키고 새로운 제품과 플랫폼을 만들 잠재력이 있다. 그러나 오늘날 생성형 AI 기술의 초점과 구조를 고려할 때, 이러한 진정한 변혁적 변화는 빠르게 일어나지 않을 것이며, 향후 10년 내에 일어날 가능성은 거의 없다. 

 

이 기간 동안 AI 기술은 주로 특정 작업을 자동화하거나 이러한 작업을 수행하는 작업자의 생산성을 높임으로써 기존 생산 프로세스의 효율성을 증가시킬 것이다. 따라서 단기적으로 AI 기술로 인한 생산성과 성장의 효과을 추정하는 것은 전적으로 이 기술이 영향을 미칠 생산 프로세스의 수와 이 기간 동안 이 기술이 생산성을 얼마나 증가시키고 비용을 줄일 수 있는지에 달려 있다.

데이터를 보기 전에도 내 사전 추측은 단기적으로 AI가 영향을 미칠 작업의 수가 막대하지 않을 것이라는 것이었다. 예를 들어 운송, 제조, 광업 등의 분야에서 인간이 현재 수행하는 많은 작업들은 다면적이고 실제 세계와의 상호작용을 필요로 하는데, AI는 가까운 시일 내에 이를 실질적으로 개선할 수 없을 것이다. 

 

따라서 앞으로 몇 년간 이 기술의 가장 큰 영향은 순수한 정신적 작업 pure mental task에 집중될 가능성이 높다. 이는 수와 규모 면에서 사소하지 않지만 그렇다고 엄청나게 큰 것도 아니다.

내가 연구한 바로는 향후 10년 내 총요소생산성 효과는 0.66%를 넘지 않을 것이며, 학습하기 어려운 작업의 복잡성을 고려하면 더 낮은 0.53%가 된다. 그리고 이 수치는 대략 10년 동안 0.9%의 GDP 영향으로 해석된다.

 

 

Allison Nathan: AI 기술이 오늘날 많은 복잡한 작업을 잘 수행하지 못하는 것은 차치하고라도, 역사적 기록을 보면 기술이 발전함에 따라 개선되고 비용이 줄어든다. AI 기술도 비슷한 패턴을 따르지 않을까?

Daron Acemoglu: 물론이다. 하지만 AI 모델에 더 많은 데이터와 GPU 용량을 투입하는 것이 이러한 개선을 더 빨리 달성할 것이라는 점에 대한 나의 확신은 낮다. 업계의 많은 사람들이 일종의 스케일링 법칙, 즉 데이터와 컴퓨팅 용량을 두 배로 늘리면 AI 모델의 능력도 두 배가 될 것이라고 믿는 것 같다. 하지만 나는 이 견해에 여러 가지 면에서 이의를 제기하고 싶다. 

 

AI의 능력을 두 배로 늘린다는 것은 무엇을 의미하는가? 고객 서비스나 텍스트 이해 및 요약과 같은 open-ended 작업의 경우, 출력이 두 배 더 좋다는 것을 보여줄 명확한 지표가 없다. 마찬가지로, 데이터를 두 배로 늘린다는 것은 무엇을 의미하며, 무엇을 달성할 수 있는가? GPT의 다음 버전에 Reddit의 데이터를 두 배로 포함시키면 비공식적인 대화에서 다음 단어를 예측하는 능력은 향상될 수 있지만, 고객 서비스 담당자가 고객의 비디오 서비스 문제를 해결하는 능력이 반드시 향상되는 것은 아니다. 데이터의 질도 중요하며, 더 높은 품질의 데이터가 어디서 올 것인지, 그리고 그것이 AI 모델에 쉽고 저렴하게 제공될 수 있을지는 불분명하다. 

 

마지막으로, 현재 AI 기술의 구조 자체에 한계가 있을 수 있다. 인간의 인지는 많은 종류의 인지 과정, 감각 입력, 추론 능력을 포함한다. 오늘날의 대규모 언어 모델(LLM)은 많은 사람들이 예측했던 것보다 더 인상적인 것으로 판명되었지만, 문장의 다음 단어를 예측하는 구조가 2001년 스페이스 오디세이의 HAL 9000만큼 똑똑한 능력을 달성할 것이라고 믿기 위해서는 여전히 큰 믿음의 도약이 필요하다. 현재의 AI 모델이 향후 10년 내에 그러한 업적에 근접한 것을 달성하지 못할 것은 거의 확실하다.

 

Allison Nathan: 장기적으로 볼 때, AI 기술이 초지능을 달성할 가능성을 어느 정도로 보는가?

Daron Acemoglu: 나는 AI 기술이 더 긴 시간 동안에도 초지능을 달성할 수 있을지 의문이다. 앞서 말했듯이, LLM이 질문을 제기하고, 해결책을 개발한 다음, 그 해결책을 테스트하고 새로운 상황에 적용하는 인간과 같은 인지 능력을 가질 것이라고 상상하기는 매우 어렵기 때문이다. 

 

나는 AI 도구가 예를 들어 20-30년의 시간 동안 과학적 프로세스를 혁명화할 가능성에 대해 완전히 열려 있지만, 여전히 인간이 주도권을 잡고 있을 것이다. 따라서 예를 들어, 인간은 AI가 해결할 수 있는 문제를 식별할 수 있고, 그 다음 인간이 AI 모델이 제공하는 해결책을 테스트하고 상황이 변함에 따라 반복적인 변화를 만들 수 있을 것이다. 진정으로 초지능적인 AI 모델은 인간의 개입 없이 이 모든 것을 달성할 수 있을 것이다. 그러나 나는 30년의 시간 동안에도, 그리고 아마도 그 이상으로도 그것이 가능할 것 같지 않다고 본다.

 

Allison Nathan: 오늘날 AI 기술에 대한 상당한 지출 중 일부 - 또는 아마도 대부분 - 가 결국 낭비될 것인가?

Daron Acemoglu: 그것은 흥미로운 질문이다. 기본적인 경제 분석에 따르면 투자 붐이 일어날 것이다. 왜냐하면 오늘날 AI 기술은 주로 자동화에 사용되고 있는데, 이는 알고리즘과 자본이 인간 노동을 대체한다는 것을 의미하며, 이는 투자로 이어져야 하기 때문이다. 이는 내가 GDP 증가에 대한 추정치가 생산성 증가에 대한 추정치의 거의 두 배에 달하는 이유를 설명한다. 

 

하지만 현실은 일부 지출이 낭비될 것이라고 말한다. 일부 프로젝트가 실패할 것이고, 일부 기업들은 자신들이 달성할 수 있는 효율성 향상과 비용 절감의 정도나 AI를 조직에 통합할 수 있는 능력에 대해 너무 낙관적일 것이기 때문이다. 반면에, 일부 지출은 다음 단계의, 그리고 더 유망한 기술의 씨앗을 심을 것이다. 결국 악마는 디테일에 있다  The devil is ultimately in the details. 따라서 현재의 투자 붐 중 얼마나 많은 부분이 낭비되거나 생산적일지에 대해 강한 사전 견해는 없다. 하지만 둘 다 일어날 것으로 예상한다.