얀 르쿤: LLM만으로는 AGI에 닿지 않는다
얀 르쿤 팟캐스트 요약입니다. 지도·강화 학습의 한계, 자기 지도 학습과 월드 모델(JEPA) 주장을 정리했습니다.
이전부터 LLM에 대해 비교적 비관적인 시선을 꾸준히 보여왔던 메타 수석 과학자 얀 르쿤이 최근 팟캐스트에서 앞으로의 AI 연구 방향에 대해 다시 한 번 분명한 입장을 밝혔습니다. 팟캐스트가 흥미로워서 공유드립니다.
얀르쿤의 핵심 주장은 현재의 대형언어모델 방식, 즉 지도 학습과 강화 학습만으로는 인공일반지능(AGI)에 절대 도달할 수 없다는 것입니다. 르쿤은 더 많은 데이터, 더 많은 컴퓨팅, 합성 데이터나 RLHF 같은 방식으로 LLM을 계속 확장해도 세상의 물리 법칙이나 상식에 대한 진짜 이해는 얻기 어렵다고 주장하며 지도 학습은 라벨링 비용과 한계가 명확하고, 강화 학습은 지나치게 많은 시행착오를 요구해 현실 세계를 배우는 방식과 거리가 있다고 설명합니다. 아이가 세상을 배울 때 수백만 번 실패를 반복하지 않아도 세상을 이해하는 것과는 근본적으로 다르다는 비유가 흥미로웠습니다.
그래서 얀르쿤이 제시한 대안은 자기 지도 학습(SSL)입니다. 인간처럼 관찰을 통해 세상을 예측하고 이해하는 내부 모델, 즉 월드 모델이 필요하며, 메타에서는 에너지 기반 모델을 활용한 JEPA 같은 접근을 연구하고 있다고 밝혔습니다. 보상이나 라벨이 아니라, 세계를 얼마나 잘 예측하느냐 자체를 학습 신호로 삼는 방식입니다. 또 AGI에 의식이나 감정이 필수라는 주장에는 선을 그었고, AI가 인류를 위협할 것이라는 공포론에도 회의적인 입장을 보였습니다. 결국 가장 중요한 문제는 단기 성과가 아니라, AI가 진짜 세계 상식을 갖도록 만드는 것이라는 점을 강조했습니다. 전반적으로 보면, LLM 중심의 스케일링 경쟁과는 다른 길을 오래전부터 주장해온 르쿤의 시각이 다시 한 번 정리된 발언으로 보입니다.
제 나름대로 요약정리를 해보긴 했는데 운전하실 때 한번 들어보시면 재밌을 거 같습니다!
팟캐스트: https://www.youtube.com/watch?v=7u-DXVADyhc
주제: 생각 글 · AI 연구
카톡방 공유 2025-12-24