인공지능 · 해설 기사
데미스 하사비스, AGI가 2~3년 내에 도래할 수 있다고 밝혀
게시:

요약
Google DeepMind의 공동 설립자이자 최고경영자인 데미스 하사비스가 WSJ 매거진에 인공일반지능(AGI)이 2~3년 이내에 도래할 것으로 예상한다고 밝혔으며, 이는 2026년 초반에 언급한 3~5년 기간에서 단축된 것이다. 그는 AGI를 "아인슈타인 테스트"를 통해 정의하고 있으며, 자신의 예상이 현재에 가까워지고 있다고 밝혔다.
이 버전은 원문(English)의 기계 번역입니다. 원문 읽기
Google DeepMind의 공동 설립자이자 최고경영자인 데미스 하사비스는 월스트리트 저널 매거진과의 인터뷰에서 인공일반지능(AGI)이 2~3년 이내에 도래할 것으로 예상한다고 밝혔다. 이 인터뷰는 2026년 10월 21일에 발행되었으며, 매거진의 '기술 혁신가' 상 패키지의 일부로 진행되었고, 하사비스는 2026년 기술 부문의 수상자로 선정되었다.
타임라인에 대해 질문받은 하사비스는 그것이 곧 올 것이라고 밝히고, 자신의 예상이 현재에 점점 더 가까워지고 있다고 했다. 새로운 기간은 2026년 초반에 공개적으로 언급한 3~5년의 범위에서 축소되었음을 보여준다.
아인슈타인 테스트를 통한 하사비스의 AGI 정의
하사비스는 AGI를 인간 수준의 인지로 정의하며 '아인슈타인 테스트'라고 불리는 구체적인 벤치마크를 제시했다. 이 테스트에 따르면, 1901년까지 이용 가능한 인간의 지식으로만 학습한 시스템이 앨버트 아인슈타인이 1905년 '기적의 해(annus mirabilis)' 논문에서 이룬 종류의 혁신을 독립적으로 창출할 수 있다면, 그 시스템은 AGI로 적격이 된다——광전효과, 브라운 운동, 특수상대성이론, 질량-에너지 동등성을 다룬다.
WSJ 매거진 프로필에서 하사비스는 또한 자신의 더 넓은 미션을 두 가지 단계로 설명했다: 먼저 지능 자체를 해결하고, 그 다음 그 지능을 다른 주요 과학 문제를 해결하기 위해 사용하는 것이다. 그는 더 발전된 AI 시스템이 이용 가능해진 후 추구하고자 하는 초기 응용으로 물리 연구와 암 치료를 언급했다.
2026년 동안 변화한 타임라인
하사비스의 AGI 도래에 관한 공개 성명은 2026년 동안 변화했다. 2026년 5월 20일 구글의 I/O 개발자 컨퍼런스에서 그는 AI가 자신이 '특이점의 언덕'이라고 부르는 것에 도달했다고 밝혔으며, 이것이 변환의 단일 순간이 아닌 현재의 시대를 의미한다고 명확히 했다. 그 이벤트에서 그는 또한 에이전트와 코딩 도구가 연중 효과적으로 작동하기 시작했다고 말했으며, 이를 실용적 AI 사용의 초기 단계로 설명했다.
| 언제 | 언급한 타임라인/표현 | 문맥 |
|---|---|---|
| 2026년 초반 | 3~5년 | WSJ 매거진 인터뷰 이전에 언급한 공개 예상 |
| 2026년 5월 20일 | "특이점의 언덕" | 구글 I/O 종료 시 발언 |
| 2026년 10월 21일 | 2~3년 | WSJ 매거진 '기술 혁신가' 프로필 |
Isomorphic Labs와 규제 논쟁
WSJ 매거진 프로필은 또한 하사비스가 설립한 의약품 발견 회사인 Isomorphic Labs에 대해서도 다루었다. 이 회사는 AlphaFold 스타일의 AI 모델을 의약품 발견에 적용한다. 이 회사는 약 40억 달러에서 50억 달러의 평가로 20억 달러 이상의 자금 조달에 대해 논의 중인 것으로 보도되었다.
AI 감시 문제에 관해 프로필은 하사비스가 기술의 시기상조적 규제에 반대하는 주장을 했다고 설명했으며, 이는 2026년 동안 거버넌스 프레임워크가 동시에 개발되는 동안 업계 개발이 계속되도록 하는 그의 입장과 일치한다.
왜 하사비스의 견해가 중요한가
하사비스는 Google DeepMind의 AI 연구를 이끌고 있다. 2024년 10월에 그는 DeepMind 동료 존 점퍼와 함께 유전자 서열로부터 3차원 단백질 구조를 예측하는 AI 모델인 AlphaFold로 노벨 화학상의 절반을 공유했다. 그 상의 나머지 절반은 데이비드 베이커에게 돌아갔다. 노벨 위원회는 당시 이 성과를 단백질 과학에서 오랫동안 추구되어 온 목표를 달성한 것으로 설명했다.
더 가까워지고 또 더 가까워지고 있다.
AGI가 합의된 단일 과학적 정의를 가지지 않기 때문에, 하사비스의 타임라인은 업계 전체 기준이 아닌 자신의 벤치마크인 '아인슈타인 테스트'를 반영한다. 다른 AI 리더들은 서로 다른 정의와 타임라인을 제시했으며, 이 기사를 위해 검토한 출처들은 이를 비교 가능한 용어로 자세히 설명하지 않았다.
자주 묻는 질문
- 데미스 하사비스가 AGI의 도래에 대해 무엇이라고 말했는가?
- 그는 2026년 10월 21일에 발행된 WSJ 매거진에 인공일반지능이 2~3년 이내에 도래할 것으로 예상한다고 말했으며, 자신의 예상이 현재에 계속 가까워지고 있다고 했다.
- 하사비스는 어떻게 AGI를 정의하는가?
- 그는 '아인슈타인 테스트'를 사용한다: 1901년 이전에 이용 가능한 지식으로만 학습한 시스템이 특수상대성이론과 광전효과를 포함하여 아인슈타인의 1905년 혁신을 독립적으로 창출할 수 있는지 여부를 테스트한다.
- 하사비스의 AGI 타임라인이 2026년 동안 변했는가?
- 그렇다. 2026년 초반에 그는 3~5년의 기간을 언급했고, 2026년 5월까지는 AI가 '특이점의 언덕'에 있다고 말했으며, 2026년 10월까지는 예상을 2~3년으로 좁혔다.
- Isomorphic Labs란 무엇이며 왜 언급되었는가?
- Isomorphic Labs는 하사비스가 설립한 의약품 발견 회사로 AlphaFold 스타일의 AI를 의약품 발견에 적용한다. WSJ 매거진 프로필은 약 40억~50억 달러의 평가로 20억 달러 이상의 자금 조달을 추구 중이라고 보도했다.
- 하사비스는 이 예측 외에 무엇으로 알려져 있는가?
- 그는 Google DeepMind의 AI 연구를 이끌고 있으며, 2024년에 단백질 구조를 예측하는 AI 시스템인 AlphaFold로 존 점퍼와 함께 노벨 화학상을 공유했다.
출처
- t2online — Demis Hassabis expects AGI within two to three years
- AIWeekly — Hassabis trims AGI window to two-to-three years in WSJ profile
- Semafor — Google exec Demis Hassabis predicts we're 'at the foothills of the singularity'
- TechCrunch — DeepMind's Demis Hassabis and John Jumper scoop Nobel Prize in Chemistry for AlphaFold
이 글은 인공지능으로 작성되었고 게시 전에 자동 출처 검증을 거쳤습니다. 오류를 발견하면 정정을 요청해 주세요. 정정 또는 반론 요청 · 제작 원칙
관련 기사

인공지능해설 기사
ChatGPT, Claude 같은 AI 챗봇이 실제로 어떻게 작동하는지 설명
ChatGPT, Claude, Gemini 등 수억 명의 사용자가 매일 이용하는 AI 챗봇의 작동 원리는 일견 복잡해 보이지만 실제로는 비교적 단순합니다. 이러한 시스템은 텍스트의 다음 부분을 예측하는 신경망인 대규모 언어 모델을 기반으로 하며, 토큰화, 임베딩, 주의 메커니즘, 사전 훈련, 그리고 인간 피드백에 의한 미세 조정의 단계를 거쳐 개발됩니다.
인공지능해설 기사
AI 추천 알고리즘이 온라인에서 무엇을 보고 무엇을 구매할지를 어떻게 결정하는가
AI 추천 시스템은 사용자가 클릭, 시청, 평가 및 구매하는 내용을 분석한 다음 해당 행동을 유사한 사용자의 패턴과 매칭하여 피드 및 상품 제안을 개인화합니다. Netflix, YouTube 및 Amazon과 같은 플랫폼은 참여도 및 맥락 신호를 사용하고 있다고 말하며, 일부의 경우 인구통계 데이터를 사용하지 않는다고 말합니다. 한편, 미국 및 EU의 규제 당국은 이러한 시스템의 투명성 및 데이터 수집에 대한 우려를 제기했습니다.
인공지능해설 기사
AI 언어 모델이 환각을 보는 이유: 거짓 답변 뒤의 연구
AI '환각'이 발생하는 이유는 언어 모델이 진실을 검증하는 대신 다음에 타당한 단어를 예측하도록 훈련되었기 때문이며, 또한 이들을 채점하는 데 사용되는 테스트가 불확실성을 인정하는 것보다 자신 있는 추측을 보상하기 때문입니다. OpenAI 연구원들은 이 문제가 부분적으로는 모델의 훈련 방식의 수학적 결과이며 부분적으로는 AI 산업이 이들을 점수 매기는 방식의 결과라고 주장합니다.
인공지능가이드
딥페이크 및 AI 생성 이미지를 식별하는 방법: 단계별 가이드
딥페이크 또는 AI 생성 이미지를 안정적으로 식별하려면 시각적 검사, Content Credentials 또는 SynthID와 같은 출처 도구, 역이미지 검색을 결합해야 합니다. 단일 방법으로는 모든 가짜를 감지할 수 없습니다. 탐지 연구자들은 자동화된 도구가 자르기나 압축과 같은 간단한 편집으로 속을 수 있으며, 따라서 컨텍스트 검증이 필수적으로 남아 있다고 경고합니다.