이미지: @GoogleDeepMind (X) 영상 갈무리 · METAL LAB 편집
요약
- 구글 딥마인드 공식 X 계정이 VP 리서치 Zoubin Ghahramani와 Hannah Fry의 대화 영상을 공개했어요
- 핵심 주장은 AI가 확신 대신 확률적 사고와 자기의심을 갖춰야 안전한 실세계 의사결정이 가능하다는 것이에요
- 날씨 예보와 로봇공학을 예로 들며 불확실성을 계산에 포함하는 접근이 지금 AI의 환각 문제와 대비된다고 짚었어요
- 발표 주체
- Google DeepMind 공식 X 계정
- 발표 일시
- 2026-08-27(UTC)
- 참여자
- VP Research Zoubin Ghahramani, @fryrsquared(Hannah Fry로 알려짐)
- 핵심 주장
- AI에 확률적 사고와 자기의심을 가르치면 더 안전하고 신뢰할 수 있는 실세계 결정이 가능하다
- 언급 분야
- 날씨 예보, 로봇공학
무엇이 나왔나
구글 딥마인드가 공식 X 계정을 통해 VP 리서치 Zoubin Ghahramani와 방송인이자 수학자로 알려진 Hannah Fry(계정명 @fryrsquared)의 대화 영상을 공개했어요. 날씨 예보부터 로봇공학까지, 지능적인 의사결정은 결국 '모르는 것을 아는 능력'에 달려있다는 게 두 사람이 나눈 대화의 핵심이에요. 시스템에 확률적 사고와 자기 의심을 가르치면 실제 세계에서 더 안전하고 신뢰할 수 있는 결정을 내릴 수 있다는 주장을 폈어요.
이게 무슨 얘긴가
Zoubin Ghahramani는 케임브리지대에서 베이지안 머신러닝 연구를 이끌었고 우버 수석과학자를 거쳐 구글에 합류한 인물로, AI가 무엇을 확신하고 무엇을 모르는지 스스로 판단하는 확률적 추론 분야에서 오랫동안 이름을 알려온 연구자예요. 확률적 AI란 정답을 하나로 못박기보다 "이건 70% 확률로 맞다"처럼 불확실성 자체를 계산에 포함시키는 접근인데, 지금 대부분의 거대언어모델은 이와 반대로 움직여요. 모르는 질문에도 그럴듯한 답을 자신 있게 내놓는 이른바 환각 문제가 대표적이죠.
날씨 예보가 확률로 표현되는 것처럼("강수확률 70%") 로봇이 낯선 환경에서 물건을 옮기거나 자율주행차가 갑작스러운 장애물을 만났을 때도 "이 판단이 얼마나 확실한가"를 함께 계산해야 사고를 줄일 수 있다는 논리예요. 이런 문제의식은 로봇이 스스로 세계를 시뮬레이션하고 계획을 세우는 물리 AI 연구 흐름과도 맞닿아 있는데, 사카나AI, 로봇이 스스로 배우는 '물리 AI'에 재귀적 자기개선 도입 사례처럼 로봇이 실세계를 예측하고 행동하는 능력을 스스로 개선하려는 시도들이 잇따르고 있어요.
그래서 뭐가 달라지나
이번 대화는 새 모델이나 제품 출시가 아니라 구글 딥마인드가 AI 안전성을 바라보는 관점을 공개적으로 드러낸 자리예요. 확신에 찬 답보다 "모른다"고 말할 줄 아는 시스템이 실제 배치 환경에서 더 안전하다는 메시지는, 벤치마크 점수 경쟁에 몰두해 온 업계 전반에 던지는 질문이기도 해요. 구체적인 연구 결과물이나 제품 계획은 이번 발표에서 확인되지 않았지만, 딥마인드가 불확실성 정량화를 로봇공학·의료·기후 예측 등 실세계 의사결정 문제로 계속 연결 짓고 있다는 방향성만은 분명해 보여요.
댓글