최근 글로벌 AI 커뮤니티에서 리치 서튼의 ‘AI 창의성과 발견’에 대한 논의가 뜨겁게 달아오르고 있습니다. 단순히 대형 언어 모델이 얼마나 많은 데이터를 학습했는지에 대한 호기심을 넘어, 기계가 어떻게 진짜 새로운 것을 만들어낼 수 있는지에 대한 근본적인 질문이 던져진 탓입니다.
많은 전문가가 지적하듯, 현재 가장 성공적인 코딩이나 과학적 작업들은 순수한 생성 모델의 결과물이 아닙니다. 오히려 생성된 내용을 테스트하고, 피드백을 받아 선택적으로 수정하는 ‘폐쇄된 루프’ 구조가 핵심 역할을 하고 있습니다.
이는 마치 과학자가 가설을 세우고 실험을 통해 검증하는 과정과 유사하게 작동합니다.
리치 서튼의 관점은 이러한 메커니즘이 단순한 파라미터 조정을 넘어, AI가 스스로 목표를 공유하고 창의성을 발휘하며 발견을 주도할 수 있는 토대가 된다는 점에 있습니다. 특히 컴파일러나 터미널 실행 결과와 같은 검증 가능한 보상을 통해 학습이 이루어지는 방식은 과거 피셔-박스 피드백 루프를 현대적인 컴퓨팅 시스템에 구현한 것으로 볼 수 있습니다.
커뮤니티 반응은 이 새로운 패러다임에 대한 기대와 동시에 깊은 의문을 함께 담고 있습니다. 초기 가설이나 작동 모델이 어디서 비롯되는지, 그리고 업데이트가 어떻게 선택되는지에 대한 명확한 메커니즘이 아직 완전히 밝혀지지 않았기 때문입니다.
일부는 인공지능이 학습과 놀이까지 자동화할 수 있을지, 혹은 기계에 인간의 영혼을 이식해야만 진정한 창의성이 발현될지 궁금해합니다.
앞으로 주목해야 할 점은 단순한 생성 능력의 확장보다는, AI 시스템이 어떻게 독립적으로 가설을 세우고 검증하며 새로운 지식을 축적해 나가는가에 있습니다. 이 흐름이 정착된다면 AI는 단순한 도구를 넘어 과학적 발견의 동반자로 자리 잡을 것이며, 우리가 상상했던 창의성의 정의 자체가 바뀔지도 모릅니다.
작성자 소개
