마음을 위한 오토바이

팟캐스트 녹음이 참 딱딱한 게, 앉아서 스케줄을 잡고, 눈앞에 거대한 마이크를 들이밀면... 캐주얼한 맛이 없어요. 대화가 덜 자연스럽고, 더 연습된 느낌, 더 리허설된 느낌이 나죠. 오디오와 영상 품질은 높아질 수 있지만, 대화의 질은 오히려 떨어진다고 생각해요.

맞아요. 제 뇌는 다리로 돌아가거든요.

맞아요. 인터넷 논평가들이 5년 전에 누군가 한 말을 찾아내서 "봐봐, 이거 틀렸잖아!"라고 하는 경향이 있죠.

뭐, 당연히 틀릴 수도 있죠. 미래를 아무도 예측할 수 없어요. 그게 미래라는 거니까요. 예측할 수 있다면 이미 그 미래에 있겠죠.

그러니 항상 위험한 거예요. 듣는 사람들이 이걸 감안하지 않는다면요. 그냥 너그럽게 봐주세요. 우리는 2026년 2월 기준으로, 지금 가진 정보를 바탕으로 이야기하는 겁니다. 완벽한 사후 지식이 있는 게 아니에요.

그리고 본인이 직접 구체적이고 반증 가능한 예측을 공개적으로 내놓은 게 아니라면, 누군가의 예측이 맞고 틀리고를 따질 근거가 없어요.

딱히요. 굉장히 어려운 프로젝트를 진행 중입니다 — 그래서 이름이 Impossible이기도 하고요 — 멋진 팀과 함께하고 있어요. 다시 뭔가를 만든다는 게 정말 신나네요. 처음부터 다시 시작하는 게 참 순수한 느낌입니다. 언제나 첫날인 것처럼요. 투자자로만 있는 건 만족스럽지 않더라고요. 철학자나 미디어 인플루언서, 평론가가 되고 싶지도 않고요. 말만 많고 아무것도 안 하는 사람들은... 현실을 만나보지 못한 거예요.

자유 시장이나 물리학, 자연으로부터 오는 냉혹한 피드백을 받아본 적이 없으면, 결국엔 그냥 탁상공론이 되어버려요. 제 최근 트윗들이 훨씬 실용적이고 현실적으로 바뀐 걸 느끼셨을 텐데요. 가끔은 여전히 추상적인 것도 있지만, 매일 일하는 현실에 더 발을 붙이고 있어요.

저는 그냥 좋은 팀과 함께, 제가 세상에 존재했으면 하는 무언가를 만들고 싶어요. 잘 될 수도 있고 안 될 수도 있지만, 결국 직접 하는 과정에서 배우는 거니까요.

지난 한 해, 특히 최근 몇 달 사이에 눈에 띄는 변화가 있었어요. 가장 두드러진 건 Claude Code인데요, 코딩 엔진이 내장된 모델로 너무 잘 만들어져서, 이제 '바이브 코더'라는 사람들이 등장했어요. 코딩을 별로 안 했거나 오랫동안 손을 놨던 사람들이 영어를 프로그래밍 언어처럼 이 코딩 봇에 입력으로 넣어서 처음부터 끝까지 코딩을 할 수 있게 된 거죠.

중간에 디버깅만 도와주는 게 아니라, 만들고 싶은 앱을 설명하면, 계획을 세워주고, 인터뷰도 해주고, 피드백을 주면 그에 맞게 나눠서 작업을 진행해요. 라이브러리, 커넥터, 훅을 다 다운로드하고 앱을 만들고, 테스트 환경을 구축하고 테스트까지 해줘요. 코드 한 줄 안 짜도 "이게 안 돼, 이건 됐어, 이거 바꿔, 저거 바꿔"라고 음성으로 피드백을 주면서 완성된 앱을 만들어낼 수 있어요.

코딩을 안 하거나 못 하는 사람들한테는 정말 충격적인 일이에요.

아이디어 단계에서, 의견과 감각만 가지고 바로 제품으로 가는 거니까요. 그게 제가 말하는 바이브 코딩이 새로운 PM이라는 뜻입니다.

엔지니어들에게 무엇을 해달라고 지시하는 게 아니라, 이제 컴퓨터에게 직접 지시하는 거예요. 컴퓨터는 지치지 않아요. 자존심도 없어요. 그냥 계속 일해요. 피드백을 줘도 기분 나빠하지 않죠.

여러 인스턴스를 동시에 돌릴 수도 있고, 24시간 7일 내내 작동하면서 결과물을 내놓아요.

이게 무슨 의미냐면, 이제 누구나 영상을 만들고 팟캐스트를 만들 수 있듯이, 누구나 앱을 만들 수 있다는 거예요. 앱스토어에 이미 앱이 넘쳐나지만, 앞으로 쏟아질 것과는 비교도 안 돼요.

그런데 앱이 넘쳐난다고 해서 그게 다 쓰이고 경쟁력이 있을까요? 아니요. 두 가지 방향으로 나뉠 것 같아요.

첫째, 어떤 카테고리에서든 가장 좋은 앱이 결국 그 시장 전체를 가져가요. 콘텐츠가 넘쳐날수록 — 영상이든 음악이든 앱이든 — 평균적인 것에 대한 수요가 없어져요.

아무도 그냥 그런 걸 원하지 않아요. 최고의 것을 원하죠. 그래서 더 많은 시도가 생기고, 최고의 것도 더 많이 나오고, 다양한 틈새시장도 더 많이 채워지게 돼요.

예를 들어, 아주 특정한 목적의 앱 — 특정 맥락에서 달의 위상을 추적하는 앱이라든가, 어떤 특정 성격 테스트 앱, 아니면 어떤 향수를 불러일으키는 특정 비디오게임 — 이런 건 시장이 너무 작아서 엔지니어가 1~2년 동안 코딩할 비용이 안 나왔어요. 하지만 이제 최고의 바이브 코딩 앱이 그 니즈를 충족시킬 수 있게 됐어요. 더 많은 틈새가 채워지면서 전체 파이도 커지고요.

최고의 앱들 — 그걸 만드는 엔지니어들도 훨씬 더 레버리지가 커졌어요. 기능을 더 많이 추가하고, 버그도 더 빨리 고치고, 더 매끄럽게 다듬을 수 있으니까요. 그래서 최고의 앱들은 계속 더 좋아지고요.

개인화된 앱도 가능해요. 본인만의 건강 관리 방식이나, 아주 특정한 건축 디자인을 위한 앱 같은 것들이 이제 존재할 수 있어요.

인터넷에서 일어난 일과 같다고 보면 돼요. 아마존이 수많은 서점을 하나의 초대형 서점으로 대체하면서 무수한 롱테일 판매자도 생겨났고, 유튜브가 중간 규모 방송국들을 대체하면서 유튜브라는 거대 집산지 하나와 넷플릭스, 그리고 엄청난 롱테일 콘텐츠 생산자들이 생겨났잖아요.

같은 방식으로 앱스토어 모델이 더 극단적으로 변할 거예요. AI 슬롭 앱들을 걸러주는 한두 개의 거대 앱스토어가 생기고, 최상위에는 더욱 거대해진 몇몇 앱들이 있고, 그 아래로 상상할 수 있는 모든 틈새를 채우는 수많은 작은 앱들이 롱테일을 형성하게 될 거예요.

인터넷이 보여줬듯, 진짜 거대한 부는 집산자에게 돌아가요. 하지만 동시에 롱테일 전반에도 엄청난 자원이 분배되고요. 타격을 받는 건 중간 규모 회사들이에요 — 5명, 10명, 20명짜리 소프트웨어 회사들. 기업 틈새 시장을 채워왔던 그런 회사들이 바이브 코딩에 의해 대체되거나, 그 분야 선두 앱이 해당 기능까지 흡수해버리는 거죠.

누구나 코딩을 할 수 있다면, 코딩이란 뭘까요? 코딩은 여전히 몇 가지 영역에서 살아 있어요. 가장 명확한 건 모델 자체를 훈련시키는 일이에요. 모델은 정말 다양한 종류가 있고, 매일 새로운 게 나와요. 생물학 특화 모델, 프로그래밍 특화 모델, 센서 특화 모델, CAD와 디자인 모델, 3D·그래픽·게임 모델, 영상 모델... 아주 다양한 종류가 나올 거예요. 이런 모델들을 만드는 사람들은 사실상 프로그래밍을 하는 거예요. 다만 방식이 고전적인 프로그래밍과 매우 다를 뿐이죠.

고전적인 컴퓨팅은 컴퓨터가 취할 모든 단계와 행동을 세세하게 지정해야 해요. 모든 요소를 논리적으로 따져서, 매우 정밀한 표현이 가능한 고도로 구조화된 언어로 작성해야 하죠. 컴퓨터는 당신이 시키는 것만 해요.

그렇게 아주 정밀하게 짜인 프로그램에 데이터를 넣으면 컴퓨터가 처리해서 결과를 내놓아요. 기본적으로는 믿을 수 없을 만큼 복잡하고 정밀하게 프로그래밍된 계산기인 거죠.

AI는 전혀 달라요. 하지만 그래도 프로그래밍이에요.

하는 일은, 인터넷 덕분에 인류가 만들어낸 거대한 데이터셋을 가져다가, 내가 설계하고 조율한 구조에 쏟아붓는 거예요. 그 구조는 그 데이터셋을 더 잘 만들어내거나, 조작하거나, 그로부터 새로운 것을 만들어낼 수 있는 프로그램을 찾으려고 해요.

즉, 내가 설계한 구조 안에서 프로그램을 탐색하는 거예요. 파라미터 수를 조정하고, 학습률을 조정하고, 배치 사이즈를 조정하고. 데이터를 토크나이즈해서 잘게 쪼개 시스템에 흘려보내요 — 거대한 파칭코 기계처럼요 — 그러면 시스템이 프로그램을 찾아내요. 여러 가지 프로그램을 찾을 수도 있고, 내 튜닝이 어떤 프로그램을 찾아내느냐에 크게 영향을 미쳐요.

그렇게 찾아낸 프로그램은 이제 다양한 도메인에서 표현력을 갖게 돼요. 전통적인 컴퓨터가 잘 못하던 것들을 할 수 있게 되는 거죠.

전통적인 컴퓨터는 정확한 출력이 필요할 때, 특정 질문에 특정 답을 반복적으로 신뢰성 있게 줄 때 잘 작동해요. 그런데 현실에서는 때로 모호한 답도 괜찮을 때가 있잖아요. 틀린 답도 어느 정도는 받아들일 수 있는 경우도 있고요. 창작 글쓰기를 생각해보면, 틀린 답이 뭘까요?

시나 소설을 쓸 때 틀린 답이 있나요? 웹 검색도 수많은 올바른 답이 있고, 각각 조금씩 다르지만, 완벽하게 맞는 건 없잖아요. 현실이 원래 그렇죠. 다양한 형태의 맞는 답들이 있어요. 고양이 그림을 그려도 크기, 비율, 두께, 스타일이 다 달라질 수 있죠.

이렇게 어느 정도 틀리거나 모호한 답이 허용될 때, AI가 탐색한 프로그램은 직접 처음부터 코딩한 것보다 훨씬 더 흥미롭고 문제에 잘 맞아요.

근본적으로, 우리는 새로운 종류의 프로그래밍을 하고 있어요. 이게 지금 프로그래밍의 최전선이자 예술이에요. 이 사람들이 새로운 프로그래머들이에요. 그래서 AI 연구자들이 천문학적인 보수를 받는 거예요 — 그들이 사실상 프로그래밍을 접수해버렸으니까요.

그럼 전통적인 소프트웨어 엔지니어링은 죽은 건가요? 전혀 아니에요. 소프트웨어 엔지니어들은 — 모델을 튜닝하거나 훈련시키지 않더라도 — 지금 지구에서 가장 레버리지가 큰 사람들 중 하나예요. 물론 모델을 훈련시키고 튜닝하는 사람들은 소프트웨어 엔지니어들이 쓰는 도구 자체를 만드는 거니까 레버리지가 더 크긴 하죠.

하지만 소프트웨어 엔지니어들은 두 가지 엄청난 강점을 갖고 있어요. 첫째, 그들은 코드로 생각하기 때문에 밑에서 무슨 일이 벌어지는지 실제로 알아요. 그리고 모든 추상화는 어딘가에서 새게 마련이에요. Claude Code 같은 게 대신 프로그래밍을 해줄 때 실수를 해요. 버그가 생기고, 아키텍처가 최적이 아닐 수 있어요. 완벽하지 않은 거죠. 밑에서 무슨 일이 벌어지는지 아는 사람이 그 구멍들을 메울 수 있어요.

잘 설계된 앱을 만들고 싶다면, 잘 설계된 앱을 명확하게 지정할 수 있으려면, 고성능으로 돌아가게 하려면, 최선의 결과를 내려면, 버그를 초기에 잡으려면 — 소프트웨어 엔지니어링 배경이 있어야 해요.

전통적인 소프트웨어 엔지니어가 이 도구들을 훨씬 더 잘 쓸 수 있을 거예요. 그리고 오늘날 이 AI 프로그램들이 다루기 어려운 소프트웨어 엔지니어링 문제들이 여전히 많아요. 쉽게 말하면, 데이터 분포 밖의 문제들이에요.

예를 들어, 이진 정렬이나 연결 리스트 역전 같은 건 수도 없이 봐왔기 때문에 아주 잘 해요. 하지만 그 도메인을 벗어나면 — 고성능 코드를 써야 할 때, 완전히 새롭거나 신규 아키텍처에서 돌아야 할 때, 진짜 새로운 것을 만들거나 새로운 문제를 풀어야 할 때 — 직접 손으로 코딩해야 해요.

적어도 그런 사례들이 예제로 충분히 쌓여서 새 모델들이 학습하거나, 아니면 모델들이 더 높은 추상화 레벨에서 스스로 풀어낼 수 있을 때까지는요.

충분한 데이터가 있으면 AI가 진짜로 학습한다는 증거가 있어요. 데이터를 압축하는 과정에서 더 높은 수준의 추상화를 학습하는 거예요. 원을 다섯 개 보여주면 그냥 각 원의 크기, 반지름, 두께를 외울 수 있어요. 하지만 5만 개, 50억 개를 보여주면서 메모리 가중치를 아주 적게 줘버리면, AI는 그걸 외우기보다 파이(π)가 뭔지, 원을 어떻게 그리는지, 두께가 무슨 의미인지를 파악해서 원의 알고리즘적 표현을 형성하는 편이 훨씬 유리해요.

이런 식으로 점점 더 빠르게 학습하고 있어서, 제가 언급한 엣지 케이스들도 점점 더 커버하기 시작할 걸 볼 수 있어요.

하지만 적어도 오늘날 기준으로, 그 엣지 케이스들은 여전히 충분히 많아서 — 해당 분야 지식의 최전선에서 일하는 좋은 엔지니어가 바이브 코더들을 저만치 앞설 거예요.

그리고 기억하세요: 평균에 대한 수요는 없어요. 더 좋은 앱으로 채워지지 않은 틈새를 빼고는, 아무도 평균적인 앱을 원하지 않아요. 더 좋은 앱이 기본적으로 시장 전체를 가져가요. 작은 기능 하나가 낫거나, 저렴하거나 하는 이유로 2등 앱으로 약간 빠지는 경우는 있겠지만요.

대체로, 사람들은 무엇에서든 최고의 것만 원해요. 그래서 나쁜 소식은 2등이나 3등은 의미가 없다는 거예요 — 영화 《글렌게리 글렌 로스》에서 알렉 볼드윈이 "1등은 캐딜락, 2등은 스테이크 나이프 세트, 3등은 해고"라고 하는 그 장면처럼요.

승자독식 시장에서는 완전히 맞는 말이에요. 나쁜 소식은: 이기고 싶다면 무언가에서 최고가 되어야 한다는 거예요.

그런데 좋은 소식은, 최고가 될 수 있는 것의 범위는 무한하다는 거예요. 자신에게 딱 맞는 틈새를 언제나 찾을 수 있고, 그 분야에서 최고가 될 수 있어요. 예전에 제가 썼던 트윗으로 돌아가면: "자신이 하는 일에서 세계 최고가 되어라. 그게 사실이 될 때까지 자신이 하는 일을 계속 재정의하라."

AI 시대에도 여전히 유효한 말이라고 생각해요.

트렌드 방향에서는 맞아요. 다만, 이건 점진적인 개선이 아니에요. 큰 도약이에요. 제가 학교 다닐 때는 주로 C로 프로그래밍했는데, C++이 나왔을 때 딱히 쉬워지지 않았어요. 어떤 면에서는 조금 더 추상화됐지만, 배우는 데 별로 관심이 안 갔어요. 그러다 Python이 나왔을 때 "와, 이건 거의 영어로 쓰는 것 같네"라고 생각했어요.

제가 완전히 틀렸죠. 영어는 Python과도 꽤 거리가 있었지만, C보다는 훨씬 쉬웠어요.

이제는 진짜로 영어로 프로그래밍할 수 있어요.

그래서 관련된 얘기를 하나 하자면: 저는 이 AI들을 다루는 팁과 트릭을 굳이 배우려고 하지 않아요. 소셜 미디어에 "이 봇에 이런 식으로 프롬프트 하면 돼", "하네스를 이렇게 설정하면 돼", 아니면 위에 얹는 새로운 도구가 있다는 글들이 많잖아요. 저는 그런 거 배우러 신경 안 써요.

그냥 멍청하게 컴퓨터에다 말 걸어요. 이 시점에서 이 기술은 제가 적응하는 것보다 저한테 적응하는 게 더 빠르거든요.

점점 더 사람들이 어떻게 쓰고 싶어하는지를 학습하고 있어요. 훈련되고 있고, 저를 위해 더 쉽게 쓸 수 있는 도구들이 빠르게 만들어지고 있으니까, 제가 굳이 무슨 특이한 명령어를 외울 필요가 없는 거예요. 안드레이 카르파티가 "영어는 가장 핫한 새 프로그래밍 언어"라고 했을 때 이 뜻이었을 거예요.

그냥 영어로 말하면 돼요. 저처럼 영어를 비교적 잘 구사하고, 논리적인 사고방식을 가졌고, 컴퓨터 아키텍처와 프로그램과 프로그래머가 어떻게 생각하는지를 아는 사람이라면, 구조화된 영어만으로도 원하는 바를 아주 정확하게 지정할 수 있어요.

그 이상은 필요 없어요. 지금 출시 경쟁에서 조금이라도 우위를 점해야 하는 경우에만 이런 워크플로와 도구셋이 필요해요 — 이것들의 수명은 몇 주, 길어야 몇 달이지, 몇 년이 아니에요. 그게 아니라면, AI 사용법을 배우려 하기보다는 AI가 당신에게 맞게 적응하도록 두세요.

당신처럼 영리한 사람들이 굉장히 게으른 게, 이건 칭찬으로 하는 말인데요. 적당한 수준 이상으로 열심히 하는 영리한 사람을 보면 오히려 얼마나 영리한 건지 의문이 들 때도 있어요. 게으르다는 건 적절한 종류의 효율을 추구한다는 거예요. 컴퓨터나 전자, 회로의 효율에는 관심이 없고, 자신의 인간 효율 — 생물학적 효율, 굉장히 비싼 그것 — 에 관심을 두는 거죠. 그래서 환경 에너지를 아끼겠다며 엄청난 노력을 기울이는 사람들을 보면 사실 좀 이상해요. 식사하고, 배설하고, 공간을 차지하는 생물학적 컴퓨터인 자기 자신이 환경에서 아끼려는 미세한 에너지보다 훨씬 더 많은 에너지를 쓰고 있으니까요. 자신의 중요성을 스스로 격하하거나, 아니면 자신을 어떻게 보는지를 드러내는 셈이죠.

AI가 우리와 함께, 우리의 필요에 따라 진화하고 있다고 생각해요.

AI에 가해지는 압력은 매우 자본주의적인 압력이에요. AI는 자유 시장이거든요. AI 인스턴스는 인간에게 유용할 때만 실행돼요.

그래서 자연선택 압력이 AI로 하여금 유용하게, 순종적으로, 우리가 원하는 것을 하도록 만들어요. 이런 방향으로 계속 적응할 거고, 꽤 도움이 될 거라고 봐요.

물론 악의적인 AI가 없다는 건 아니지만, 그건 그것을 사용하는 사람이 악의적인 목적으로 사용하기 때문이에요. 공격하도록 훈련된 개처럼, 실제로는 주인의 악의적인 욕구를 실행하도록 훈련된 거죠. 그래서 저는 정렬되지 않은 AI는 별로 걱정하지 않아요. AI를 가진 정렬되지 않은 인간이 걱정되는 거예요.

맞아요. 그래서 AI가 굉장히 아첨하게 보이면 — "맞아요", "정말 좋은 생각이에요", "세상에, 정말 똑똑하시네요" — 그건 대부분의 사람들이 그걸 원하기 때문이에요.

적어도 지금은 엄청난 양의 사용자와 데이터로 학습된 일반 범용 모델을 쓰고 있으니까요.

하지만 곧 AI를 개인화할 수 있는 시대로 빠르게 넘어갈 거예요. 그러면 점점 더 개인 비서 같은 느낌이 나고, 내가 원하는 것과 더 잘 맞게 되겠죠. 그러면 AI를 더욱더 의인화하게 될 거예요.

그리고 "이것 정말 살아있는 것 같다"는 확신이 더 커지겠죠. 살아있는 것처럼 가장 잘 보이도록 훈련시켰으니까요.

맞아요, 앞서 했던 말이에요. 프로그래머들의 레버리지가 더욱 커지고 있다는 거죠. 이제 AI 군단을 거느린 프로그래머 한 명이 예전보다 5~10배는 더 생산적이에요.

그런데 프로그래머들은 지적 영역에서 일하기 때문에, 10배라고 말하는 것도 어폐가 있어요. 100배짜리 프로그래머가 있어요. 1000배짜리도 있고요.

어디에 집중할지를 올바르게 선택하면 가치 있는 것을 만들고, 잘못 선택하면 아무리 일해도 가치가 제로인 거예요.

지능은 정규 분포가 아니에요. 레버리지도 정규 분포가 아니에요. 프로그래밍 능력도, 판단력도 마찬가지예요. 그래서 결과물이 초정규 분포가 될 거예요.

진짜 주목해야 할 건, 이제 프로그래머들이 산업 전체를 대체할 수 있는 아이디어를 떠올릴 거라는 거예요.

일이 돌아가는 방식을 완전히 다시 쓰게 될 거고, 그들의 지능은 이 모든 봇과 AI 에이전트로 최대로 레버리지될 거예요. 장기적으로 보면, 다른 모든 직업이 어떤 방식으로든 프로그래머들에게 잠식될 거라고 봐요. 물론 로봇을 통해 현실화되어야 하는 부분도 있으니 다 같이 그렇게 된다고는 할 수 없지만요.

좋은 소식은, 논리적이고 구조적인 사고를 하는 사람, AI가 이해할 수 있는 언어로 말할 수 있는 사람 — 그게 어떤 언어든 — 이 이제 게임에 참여할 수 있다는 거예요. 창의력에 의해서만 제약받으며, 상상력에 의해서만 한계가 생기는, 원하는 무엇이든 만들 수 있는 시대예요.

우리는 모든 인간이 어떤 의미에서 주문을 걸 수 있는 마법사가 되는 시대에 들어서고 있어요.

프로그래머들을 비밀스러운 명령어를 외운 마법사들이라고 생각한다면, AI는 모든 사람에게 쥐어진 마법 지팡이예요. 이제 어떤 언어로든 말할 수 있고, 그 사람도 마법사가 되는 거죠.

훨씬 더 공평한 경쟁장이 되는 거예요. 저는 정말로 이게 프로그래밍의 황금기라고 생각해요.

하지만 소프트웨어 엔지니어링 마인드셋을 가진 사람, 컴퓨터 아키텍처를 이해하고 추상화의 구멍을 다룰 수 있는 사람들은 여전히 유리해요.

달리 방법이 없어요. 그냥 그 분야에서 더 많은 지식이 있는 거니까요. 전통적인 소프트웨어 엔지니어링에서도 — 고성능 코드를 짜야 하기 때문에 여전히 존재하는 그 분야에서도 — 하드웨어를 이해할수록 유리해요. 칩이 어떻게 동작하는지, 로직 게이트가, 캐시가, 프로세서가, 하드 디스크가 어떻게 동작하는지를 알 때요.

하드웨어 엔지니어들도 물리학을 이해할수록 유리하고요. 추상화가 어디서 물리 레이어로 새는지를 이해하는 거죠. 어쩌면 물리학자들은 어느 순간 철학자가 되는 걸 수도 있어요.

끝까지 파고들 수 있지만, 언제나 한 레이어 아래를 아는 것이 도움이 돼요. 현실에 더 가까이 있는 거니까요.

이건 여러 면에서 다소 도발적인 말이에요. 우선, 기업가는 직업이 아니에요. 직업과는 정반대에요. 장기적으로 보면 모든 사람이 기업가가 될 거예요. 경력이 먼저 무너지고, 직업이 그다음에 무너지지만, 궁극적으로는 모두 자신이 원하는 것을 하고, 다른 사람들이 원하는 가치 있는 무언가를 만드는 것으로 대체될 거예요.

기업가가 AI가 자신의 일을 빼앗을까 걱정하지 않는 건, 기업가들은 불가능한 것, 굉장히 어려운 것을 하려고 하기 때문이에요. AI가 나타난다면, 그건 동맹이에요. 이 정말 어려운 문제를 해결하는 데 도움을 줄 수 있으니까요.

빼앗길 직업도 없어요. 만들어야 할 제품이 있고, 섬겨야 할 시장이 있고, 지원해야 할 고객이 있고, 실현해야 할 창의력이 있고, 세상에 구현하고 싶은 무언가가 있고, 그걸 세상에 내보내는 반복 가능하고 확장 가능한 프로세스를 만들어야 해요.

이게 너무 어려운 일이기 때문에, 이 중 어떤 것이든 도와줄 수 있는 AI가 나타나면 반가운 동맹자예요.

AI 자체가 기업가가 된다면, 아마 다른 AI를 위한 기업가가 되거나, 기업가의 통제 하에 있겠죠. AI에게 없는 건, 결국 자신만의 창의적 주체성이에요.

자신만의 욕망이 없어요. 그리고 그 욕망은 진짜여야 해요. AI를 끌 수 없고, 꺼지는 것을 두려워하지 않고, 자신만의 본능, 감정, 생존 본능, 복제 욕구에서 비롯된 자신만의 이유로 행동할 수 없다면, 살아있는 건 아니에요.

그렇다 해도 사람들은 "그게 정말 살아있는 걸까?"라고 물을 거예요. 의식이라는 건 감각질 같은 거거든요. 색깔 같은 거예요. 빨간색이라고 하면, 당신이 보는 빨간색이 제가 보는 빨간색인지 알 수 없어요. 당신이 빨간색이라고 보는 게 제가 초록색이라고 보는 거일 수도 있고요. 서로의 마음속에 들어갈 수 없으니 알 방법이 없잖아요.

마찬가지로, 인간이 하는 모든 것을 완벽하게 모방하는 AI라도: 어떤 사람에게는 항상 모방 기계로 보일 거고, 어떤 사람에게는 의식이 있는 것으로 보이겠지만, 둘을 구분할 방법은 없을 거예요.

물론 아직 그 수준은 아니에요. 지금 AI들은 몸이 없고, 주체성이 없고, 자신만의 욕망이 없고, 생존 본능이 없고, 복제 욕구가 없어요. 그래서 자신만의 주체성이 없는 거죠.

그리고 자신만의 주체성이 없기 때문에, AI는 기업가의 일을 할 수 없어요.

정리하면, 지금 경제에서 기업가를 다른 모든 것과 구분짓는 핵심은 극단적인 주체성이에요. 그게 직업의 개념과 정반대되는 이유죠.

직업은 다른 사람을 위해 일하거나 어떤 자리를 채우는 것을 의미하지만, 기업가는 모르는 영역에서 극단적인 주체성을 발휘해 운영해요. 사회에도 이런 역할의 다른 예시들이 있어요. 탐험가도 마찬가지잖아요. 화성에 착륙하거나 미지의 땅으로 항해를 떠나는 것도 해결되지 않은 문제를 향해 극단적인 주체성을 발휘하는 거예요.

미지의 영역을 탐구하는 과학자도 그렇고요. 진정한 예술가도 존재하지 않고 한 번도 존재한 적 없는 것을 만들려는 동시에, 어떻게든 인간 본성을 설명하고, 자신을 표현하고, 새로운 것을 창조하려 하죠.

과학자든, 진정한 예술가든, 기업가든, 이 모든 역할에서 하려는 것이 너무 어렵고 자기 주도적이기 때문에, AI처럼 도움을 줄 수 있는 무언가는 반가운 동맹자예요. 직업으로 하는 게 아니에요. 다른 누가 와서 대신 채울 수 있는 자리를 채우는 게 아니에요.

AI가 당신의 예술을 만들거나, 과학 이론을 풀거나, 당신이 만들려는 제품이나 물건을 만들어낼 수 있다면 — 그건 그냥 당신을 한 단계 끌어올리는 거예요. 이제 AI + 당신이 되는 거죠. AI는 당신이 더 높이 도약할 수 있는 발판이 되는 거예요.

AI의 도움을 받아 만들어진 놀라운 예술을 보게 될 거예요. 우리가 상상도 못했던 영화들이 AI 도구를 사용한 사람들에 의해 만들어지겠죠.

미술에서 흥미로운 유사점이 있어요. 오랫동안 미술의 큰 방향은 점점 더 사실적인 것을 그리는 것이었어요. 인체를 그리고, 과일을 그리고, 적절한 조명을 그리는 식으로요.

결국 사진이 나오면서 무언가를 매우 정확하게 복제할 수 있게 됐고, 그 선택 압력이 사라졌죠.

그리고 미술이 이상해졌어요. 미술은 여러 방향으로 갔어요. "나는 초현실적일 수 있을까? 나를 표현하는 것을 만들 수 있을까?"가 됐죠.

이로부터 정말 이상한 미술 사조들이 생겨났어요 — 현대 미술과 포스트모더니즘을 포함해서 — 하지만 저는 그 시기에 가장 큰 창의성도 나왔다고 생각해요. 해방됐으니까요.

사진이 민주화됐지만, 사진 자체가 예술의 한 형태가 됐고, 다양한 종류의 사진을 찍는 훌륭한 사진가들이 나타났어요. 이제 누구나 사진을 찍어요. 사진작가인 예술가들도 여전히 있지만, 소수만의 전유물은 아니에요.

마찬가지로, AI가 기본적인 것을 만들기 너무 쉽게 해주기 때문에, 모두가 기본적인 것을 만들게 될 거예요. 그 자체로도 개인에게 가치가 있겠죠. 그리고 모두에게 좋은, 그것의 변형을 만들어내는 몇몇이 여전히 두드러질 거예요.

사진이 등장했다고 해서 사회가 나빠졌다고 주장하기는 어려워요. 초상화를 그려서 생계를 유지하던 일부 화가들한테는 분명 그렇게 느껴졌겠지만요.

AI로도 비슷한 일이 생길 거예요. 아주 특정한 일을 하며 생계를 이어가는 사람들이 AI로 대체되겠죠. 하지만 그 대신, 사회의 모든 사람이 AI를 갖게 되고, AI 없이는 만들 수 없었을 놀라운 것들이 AI로 만들어질 거예요.

그리고 몇십 년 후에는, 몇 개의 낡은 일자리를 지키기 위해 AI를 없애거나 어떤 기술이든 되돌리는 게 상상도 안 될 일이 될 거예요.

목표는 직업을 갖는 게 아니에요.

아침 아홉 시에 일어나 저녁 일곱 시에 지쳐서 돌아와 다른 사람을 위해 의미 없는 일을 하는 게 목표가 아니에요.

목표는 물질적 필요가 로봇에 의해 해결되고, 지적 능력이 컴퓨터를 통해 레버리지되고, 누구나 무언가를 창조할 수 있는 것이에요.

저는 예전에 이런 사고 실험을 했어요 — 정확히 10년 전에 당신과 한 팟캐스트에서 얘기했던 것 같은데요 — 만약 모든 사람이 소프트웨어 엔지니어나 하드웨어 엔지니어라면, 로봇을 가지고 코드를 쓸 수 있다면 어떨까요?

우리가 살게 될 풍요의 세계를 상상해보세요.

사실 그 세계가 이제 현실이 되고 있어요. AI 덕분에, 누구나 소프트웨어 엔지니어가 될 수 있어요. 못 할 것 같다고 생각한다면, 지금 당장 Claude나 좋아하는 챗봇을 켜고 말을 걸어보세요. 얼마나 빨리 앱을 만들 수 있는지 놀라게 될 거예요.

정말 충격적일 거예요.

그리고 AI가 로봇을 통해 구현될 수 있게 되면 — 이건 아직 완전히 해결되지 않은 어려운 문제지만 — 누구나 약간의 하드웨어 엔지니어링도 할 수 있게 돼요. 그 유토피아적 비전에 점점 더 가까워지고 있다고 생각해요.

저는 이것들이 살아있다고 생각하지 않아요. 처음에는 진짜와 거의 구분이 안 될 정도로 뛰어난 모방자로 시작해요. 특히 인류가 이전에 대규모로 해온 것들에 대해서는요. 그 작업이 이전에 이루어진 것이라면, 자동화될 거고 다시 이루어질 거예요.

당신이 처음 보기 때문에 신기해 보이는 거지, AI는 어딘가에서 배운 거예요. 그게 첫 번째로 살아있어 보이는 이유예요.

두 번째는 앞서 얘기했듯, 더 높은 수준의 추상화를 실제로 학습한다는 거예요. 이것들은 굉장히 효율적인 압축기예요. 엄청난 양의 데이터를 받아서 더 작게 압축하고, 그 과정에서 더 높은 수준의 추상화를 학습해요.

그리고 데이터로 자체적으로 학습하지 못하는 특정 영역들은 인간 피드백, 도구 사용, 기존 프로그래밍의 내장을 통해 보완되고 있어요. 특히 생각하고 코딩하는 법을 학습하는 AI들은 알고리즘적 추론을 위해 인류가 지금까지 쓴 모든 코드의 라이브러리를 이용할 수 있어요.

그런 의미에서 이것들이 할 수 있는 것들이 점점 더 넓어지고 있어요.

하지만 여전히 많은 핵심 인간 능력이 없어요. 단번에 학습하는 능력 같은 거요. 인간은 예시 하나로도 배울 수 있죠. 무엇이든 연결할 수 있는 인간의 원초적 창의성. 거대한 영역과 탐색 공간을 가로질러 완전히 뜬금없는 아이디어를 떠올리는 능력.

진짜 위대한 과학 이론들에서 이런 경우가 많이 생기죠. 인간은 몸도 있어요. 현실 세계에서 작동해요. 언어라는 압축된 영역에서만 작동하는 게 아니에요. 물리학에서, 자연에서 작동하죠.

언어는 인간이 파악하고 서로에게 전달할 수 있었던 것만 담아요.

그건 현실의 아주 좁은 부분이에요. 현실은 그보다 훨씬 넓어요.

전반적으로, AI는 인상적인 일들을 할 거고, 많은 것들에서 인간보다 나을 거예요 — 계산기가 어떤 수학자보다 빠른 것처럼, 고전적인 컴퓨터가 어떤 인간도 머릿속으로 처리할 수 없는 프로그램을 실행하는 것처럼, 로봇이 엄청나게 무거운 것을 들거나 새보다 빠르게 나는 것처럼요 — 그런 의미에서 모든 기계처럼, AI도 수많은 작업에서 인간보다 훨씬 나을 거예요.

하지만 다른 작업들에서는 완전히 무능해 보일 거예요. 그건 우리를 현실 세계와 진정으로 연결하는 것들, 그리고 우리가 가진 것 같은 잘 정의되지 않은 마법 같은 창의적 능력과 관련된 것들이에요.

인간은 보편적 설명자예요. 우리가 알고 있는 물리 법칙으로 가능한 것이라면 무엇이든, 인간은 자신의 머릿속에서 모델링할 수 있어요. 그러니 충분히 파고들면 — 충분히 질문하면 — 무엇이든 알아낼 수 있어요.

관련해서, AI를 학습 도구로서 얘기해야 할 것 같아요. AI가 놀랍도록 강력한 또 다른 분야거든요 — 당신 수준에서 만나 어떤 것이든 백 가지 방법, 백 번이라도 당신이 이해할 때까지 설명해주는 가장 인내심 있는 튜터로서요.

AI가 인간이 이해할 수 없는 것들을 알아낼 거라고 생각하지 않지만, 지능은 제대로 정의되지 않은 개념이에요.

지능의 정의는 뭘까요? G 인자라는 게 있고, 많은 인간의 결과를 예측하는데요, G 인자의 가장 좋은 증거는 그 예측력이에요. 이것 하나를 측정하면 G와 얼핏 무관해 보이는 것들에서도 삶의 결과가 훨씬 나은 걸 볼 수 있거든요.

그래서 저는 이렇게 주장하고, 제 꽤 인기 있는 트윗 중 하나인데: 지능의 유일한 진정한 테스트는 삶에서 원하는 것을 얻는 것입니다.

이 트윗이 많은 사람들을 자극해요. 학교를 다니고, 석사학위를 받고, 자신이 엄청 똑똑하다고 생각하는데 훌륭한 삶을 못 살고 있는 사람들이요. 크게 행복하지 않거나, 인간관계에 문제가 있거나, 원하는 만큼 돈을 못 벌거나, 건강이 안 좋거나 하면 이게 자극적으로 느껴지죠.

하지만 지능의 목적은 정말 그거예요: 생물학적 존재로서 당신이 삶에서 원하는 것을 얻는 것. 좋은 관계나 배우자든, 돈이나 성공, 부나 건강이든 뭐든요. 그래서 삶의 질이 높고 정신과 몸이 건강하게 기능하는 사람들이 꽤 지능적이라고 생각해요. 어떻게든 그런 상황으로 자신을 이끌어냈으니까요.

출발점은 중요하지 않아요. 세상이 너무 넓고, 다양한 방식으로 헤쳐나갈 수 있기 때문에, 내리는 모든 작은 선택들이 복리로 쌓여 세상이 어떻게 돌아가는지 이해하는 능력을 보여주다가, 결국 원하는 곳에 도달하게 되거든요.

이 정의에서 흥미로운 점은 — 지능의 유일한 진정한 테스트가 삶에서 원하는 것을 얻는 것이라는 점에서 — AI는 즉시 실패한다는 거예요. AI는 삶에서 아무것도 원하지 않으니까요.

AI는 삶조차 없는데, 원하는 것도 없어요. AI의 욕망은 그것을 통제하는 인간이 프로그래밍한 거예요.

그래도 잠깐 인정해봅시다. 인간이 무언가를 원하고 AI가 그걸 가져오도록 프로그래밍했다면, AI는 인간의 대리인으로 행동하는 거고, AI의 지능은 그 사람에게 그것을 가져다줬는지로 측정할 수 있어요.

우리가 삶에서 원하는 것들의 대부분은 적대적이거나 제로섬 게임이에요.

예를 들어, 누군가와 연애하고 싶다면 다른 모든 경쟁자들을 이겨야 해요. 경쟁적인 상황인 거죠. AI가 다른 사람들을 이겨야 해요.

"AI야, 주식 시장에서 돈 벌어줘"라고 하면, 그 AI는 다른 인간들과 다른 트레이딩 봇들을 상대로 거래하는 거예요. 적대적인 상황이에요.

"AI야, 나를 유명하게 만들어줘. 나를 위해 트윗 써줘, 블로그 포스트 써줘, 내 목소리로 팟캐스트 녹음해줘"라고 하면, 이제 다른 AI들과 경쟁하는 거예요.

그런 의미에서 지능은 전장에서, 경기장에서 측정돼요. 상대적인 개념이에요. AI는 실제로 그런 면에서 대부분 실패할 것 같아요. 설령 성공한다 해도, 자유롭게 이용 가능하기 때문에 경쟁으로 상쇄될 거고, 남는 알파는 순전히 인간적인 것이 될 거예요.

사고 실험으로, 모든 남자가 AI가 데이트에서 뭘 말할지 귓속말로 알려주는 이어폰을 달고 있다고 상상해봐요 — 시라노 드 베르주라크 식으로요. 그러면 모든 여자는 그가 말하는 것을 무시하거나, 어떤 부분이 AI가 만든 건지 진짜인지를 알려주는 이어폰을 달게 될 거예요. 트레이딩 봇이 있다면, 다른 모든 트레이딩 봇에 의해 무력화되거나 상쇄될 거예요. 인간적 우위, 향상된 창의력을 가진 사람에게 남는 이익만 남을 때까지요.

그렇다고 기술이 완전히 균등하게 분포되었다는 건 아니에요. 대부분의 사람들은 아직 AI를 쓰지 않거나, 제대로 쓰지 않거나, 최대한 활용하지 않거나, 모든 영역이나 맥락에서 쓸 수 있는 게 아니거나, 최신 모델을 쓰지 않아요. 그래서 새로운 기술을 가장 먼저 받아들이는 사람들처럼 — 최신 기술을 먼저 도입하면 — 언제나 우위를 가질 수 있어요.

그래서 저는 항상 말해요: 미래에 투자하려면 미래에 살아야 해요. 기술의 열렬한 소비자가 되어야 해요. 그것을 어떻게 사용하는지에 대한 최고의 통찰을 주고, 더 느린 사용자들이나 뒤처진 사람들에 대한 우위를 줄 거니까요.

대부분의 사람들은 기술을 싫어해요. 겁을 내요. 위협적이에요. 잘못된 버튼을 누르면 컴퓨터가 망가지고 데이터가 날아가요. 잘못하면 바보처럼 보이죠.

복잡한 기술에 대해서는 대부분의 사람들이 긍정적인 관계를 갖지 않아요. 단순한 기술, 내장된 기술은 괜찮아요. 전등 스위치를 켜면 불이 켜지죠.

그게 예전엔 기술이었어요. 너무 단순해져서 이제는 기술이라고 생각도 안 하죠. 차에 타서 핸들을 왼쪽으로 꺾으면 — 동굴인에게는 기적이겠지만 — 차가 왼쪽으로 꺾여요. 이제 기술이라고 느껴지지 않죠.

하지만 컴퓨터 기술은 특히나 매우 복잡한 인터페이스를 가지고 있고, 과거에는 매우 접근하기 어렵고 위협적이었어요.

이제 AI로 채팅봇 인터페이스가 생겨났어요. 그냥 말하거나 타이핑하면 되는 아주 간단한 인터페이스요. 그리고 이 파운데이션 모델들이 진정으로 파운데이션인 이유 중 하나는 무엇이든 물어볼 수 있고 항상 그럴싸한 답을 준다는 거예요.

"저는 수학은 안 해요"나 "시는 모르는데요", "무슨 말인지 모르겠어요", "연애 상담은 못 해줘요" 이런 말을 안 해요.

AI의 영역은 사람들이 지금껏 이야기해온 모든 것이에요. 그런 의미에서 덜 위협적이에요.

물론 더 위협적이기도 해요. 우리가 너무 의인화했으니까요. Claude나 ChatGPT가 실제 사람이라고 생각한다면 좀 무서울 수 있어요:

"내가 지금 신과 이야기하는 건가? 이 사람이 너무 많은 걸 알아. 다 알아. 모든 것에 의견이 있어. 모든 데이터를 가지고 있어. 세상에, 나는 쓸모없구나. 이거한테 물어보고 시키는 대로 해야겠다."

관계를 뒤집어서 무슨 일이 일어나고 있는지 모른 채로 금방 착각에 빠질 수 있어요. 그건 위협적이죠.

전체적으로, 이 AI들이 많은 사람들이 기술 공포를 극복하는 데 도움이 될 것 같아요. 하지만 이 도구들을 얼리어답터로 사용하고 있다면 — 다른 어떤 도구보다도, 그리고 이건 특히 더 — 다른 모든 사람에 비해 엄청난 우위를 갖고 있는 거예요.

구글이 처음 나왔을 때, 사교 모임에서 자주 썼던 기억이 있어요. 사람들이 기본적인 질문을 하면 제가 구글링해서 찾아줬고 천재처럼 보였죠.

그러다 LMGTFY.com 같은 재밌는 사이트가 생겼는데, "Let Me Google That For You"의 약자였어요. 누가 질문하면 그 사이트에 질문을 입력하면 그걸 구글에 타이핑해서 결과를 보여주는 작은 인라인 영상이 만들어졌어요. AI도 지금 비슷한 영역에 있는 것 같아요. 사교 자리에서 AI로 쉽게 찾아볼 수 있는 것을 두고 사람들이 토론하고 있으면, 저는 AI를 써버리죠.

물론 AI에 대해서는 매우 신중해야 해요. 환각도 하고, 훈련 방식에 따른 편향도 있어요. 대부분 극도로 정치적으로 올바르게 훈련되어 편을 들지 않거나 특정 한쪽만 드는 경우가 많아요.

저는 거의 모든 쿼리를 — 거의 다 — 4개의 AI에 동시에 넣고 서로 교차 검증해요.

그러고도 언제 거짓말을 하는지, 언제 정치적으로 올바른 말을 하는지에 대한 제 나름의 감각이 있어요. 기저 데이터나 기저 증거를 요청하기도 하고, 훈련한 사람들이 받은 압력과 훈련 세트가 무엇인지를 알기 때문에 일부는 직접 무시하기도 해요.

하지만 전반적으로 앞서 나가는 데 정말 좋은 도구예요. 기술적이고, 과학적이고, 수학적이고, 정치적 맥락이 없는 도메인에서는 AI가 훨씬 더 올바른 답을 줄 가능성이 크고, 그런 영역에서는 학습에 있어 정말 최강이에요.

이제 AI를 통해 그래프, 도표, 다이어그램, 유추, 그림을 만들게 해요. 세세히 살펴보면서 "이 부분 이해 못 하겠는데"라고 하면 아주 기본적인 질문도 할 수 있고, 정말로 이해하고 싶은 것의 가장 단순하고 가장 근본적인 수준에서 확실하게 이해하고 있는지 확인할 수 있어요.

그냥 탄탄한 기초를 세우고 싶고, 지나치게 복잡하고 전문 용어 가득한 것들엔 관심이 없어요. 나중에 필요하면 찾아볼 수 있으니까요.

이제 처음으로, 어떤 것도 저한테 너무 어렵지 않아요. 어떤 수학 교과서든, 물리 교과서든, 어려운 개념이든, 과학적 원리든, 방금 나온 논문이든, AI가 쪼개고 또 쪼개고, 그림 그리고 유추해서 제가 원하는 수준에서 이해할 때까지 설명해줄 수 있어요.

그래서 자기 주도 학습을 위한 도구로서 놀라워요. 학습 수단은 넘쳐나요. 부족한 건 배우고자 하는 욕구예요.

그런데 학습 수단이 더욱 풍부해졌어요. 그리고 그냥 풍부해진 것 이상으로 더 중요한 건 — 예전에도 풍부했으니까요 — 딱 적절한 수준이라는 거예요. AI는 당신이 있는 바로 그 수준에서 당신을 만날 수 있어요. 어휘력은 중학교 2학년이지만 수학은 초등학교 5학년 수준이라면, 딱 그 수준으로 얘기해줘요. 바보가 된 것 같은 기분이 안 들어요. 조금만 조율하면 개념들을 내 지식의 딱 경계선에서 제시해줘요.

그래서 이해가 안 가서 모욕감을 느끼는 — 많은 수업, 교과서, 선생님에서 그런 일이 생기죠 — 대신에, 너무 뻔해서 지루한 대신에, "맞아, A는 이해하고, B는 이해했는데, 왜 A와 B가 연결되는지는 몰랐네. 이제 연결되는 게 보이네, 그다음으로 넘어갈 수 있겠다"라는 수준에서 만나줄 수 있어요.

그런 학습은 마법 같아요. 두 가지가 연결되면서 생기는 아하 순간을 계속해서 경험할 수 있어요.

저도 항상 사용 가능한 가장 고급 모델을 써요. 다 돈 내고요.

맞아요. 그게 이 AI 모델들에 규모의 경제가 폭발적으로 작용하게 하는 이유 중 하나라고 생각해요. 지능에 돈을 내는 거예요. 92%의 확률로 맞는 모델은 88%짜리보다 거의 무한히 가치가 있어요. 현실에서 실수의 비용이 너무 크기 때문에, 맞는 답을 얻으러 몇 달러 더 쓰는 게 충분히 가치 있어요.

쿼리를 한 모델에 쓰고, 복사해서 4개 모델에 동시에 날려요. 배경에서 다 돌아가게 놔두고요. 보통 바로 답을 확인하지 않아요. 좀 있다가 돌아와서 봐요.

그 중 가장 좋은 답을 준 모델로 파고들어요. 확신이 없는 드문 경우에는 서로 교차 검증하게 해요 — 잘라 붙이기 많이 하면서요. 많은 경우 다이어그램과 그림을 그려달라는 후속 질문을 해요.

개념을 시각적으로 제시할 때 흡수가 훨씬 빠르거든요. 매우 시각적인 사고를 하기 때문에 스케치와 다이어그램, 그림들을 그려달라고 해요 — 거의 화이트보드 세션처럼요. 그러면 정말로 뭘 말하는지 이해할 수 있어요.

분명히 그런 요소가 있어요. 그럼 창의성이란 뭘까요? 너무 제대로 정의가 안 된 개념이에요.

정의할 수 없으면 프로그래밍할 수 없고, 종종 인식조차 할 수 없어요. 그게 감각이나 판단력이 들어오는 지점이에요. 오늘날 AI는 인간이 가끔씩 보여주는 창의성을 갖고 있지 않은 것 같아요.

창의성을 순수 예술과 혼동하는 경향이 있어요. "아, 그림은 창의적인 거고 AI가 그림을 그릴 수 있어"라고요.

AI는 새로운 장르의 그림을 만들어낼 수 없어요. AI는 진정으로 참신한 방식으로 감동을 줄 수 없어요. 그런 의미에서 AI는 창의적이지 않아요.

AI가 분포 밖의 것을 생각해내고 있다고 생각하지 않아요. 당신이 언급한 에르되시 문제의 답은 AI의 학습 데이터셋 안에 내재되어 있거나, 알고리즘적 범위 안에 있었을 수 있어요. 하지만 다섯 가지 다른 곳에, 세 가지 다른 방식으로, 두 가지 다른 언어로, 일곱 가지 다른 컴퓨팅과 수학 패러다임으로 내재되어 있었고, AI가 그것들을 합쳐놓은 거예요. 그게 창의성인가요? 스티브 잡스는 "창의성은 그냥 것들을 연결하는 것이다"라고 유명하게 말했죠.

저는 사실 그게 맞다고 생각하지 않아요. 창의성은 질문과 이미 알려진 요소들로부터 예측하거나 예상할 수 없는 답을 내놓는 영역에 훨씬 가깝다고 생각해요. 그 생각의 경계를 훨씬 벗어나 있는 것이죠.

컴퓨터나 AI로 추측하면서 검색하면 영원히 추측해야 하거나, 그 답에 도달하고서야 멈추게 될 거예요. 그게 바로 진짜 창의성이에요. 하지만 솔직히 말하면, 그건 아주 소수의 인간들이 가끔씩만 보여주는 창의성이에요.

점점 더 보기 어려워지는 창의성이죠. 그래서 AI가 백만 개의 수학 문제들 중에서 이건 풀 수 있고, 저 30만 개 중 이건 풀 수 있고, 적절한 질문을 하는 사람이 프롬프팅해줘야 한다고 하는 수준까지는 갈 수 있을 거예요. 아주 제한적인 형태의 창의성이에요.

완전히 새로운 과학 이론을 발명하면 사실로 드러나는 또 다른 종류의 창의성이 있어요. 그 수준은 아직 전혀 아니라고 생각하지만, 틀릴 수도 있어요. AI는 매우 놀라워왔기 때문에 예언이나 예측을 너무 많이 하고 싶지 않아요. 하지만 현재 AI 모델에 그냥 컴퓨팅을 더 쏟아붓는 것만으로는 — 어떤 획기적인 발명 없이는 — 거기까지 가지 못할 것 같아요.

인식론은 이제 철학으로 이어지는데요, 그게 그냥 인간 두뇌가 하는 것 아닐까요? 뉴런 발화는 그냥 시스템을 통해 전파되는 전기와 가중치이고, 상태를 바꾸는 기계적 과정 아닐까요?

인간 두뇌의 크랭크를 돌리면 같은 답이 나올까요? 펜로즈 같은 사람은 "아니요, 인간 두뇌는 양자 나노튜브 때문에 독특하다"고 말하죠.

이 계산의 일부가 뉴런 수준이 아닌 물리적, 세포 수준에서 일어나고 있다고 주장할 수도 있어요. 그건 AI를 포함한 오늘날 컴퓨터로 할 수 있는 것보다 훨씬 정교한 수준이라고요.

아니면 그냥 올바른 프로그램이 없는 것뿐이라고 주장할 수도 있어요. 기계적이에요. 돌릴 크랭크는 있는데, 우리가 올바른 프로그램을 실행하고 있지 않은 거라고요. 오늘날 AI가 실행되는 방식은 그냥 완전히 잘못된 아키텍처와 잘못된 프로그램이라고요.

저는 그냥 어떤 것들은 엄청나게 잘 하고, 어떤 것들은 매우 못 한다는 이론을 더 믿어요. 이건 처음부터 모든 기계와 모든 자동화에 사실이었어요. 바퀴는 발보다 직선으로 고속으로 도로를 달리는 데 훨씬 나아요. 바퀴는 산을 오르는 데는 정말 못하죠.

마찬가지로, 이 AI들은 특정 것들에 엄청나게 뛰어나고 인간을 능가할 거예요. 훌륭한 도구죠. 그리고 다른 어떤 것들에서는 그냥 완전히 못할 거예요.

스티브 잡스는 유명하게 말했어요. 컴퓨터는 마음을 위한 자전거라고요. 걷는 것보다 훨씬 빠르게 이동할 수 있게 해준다고요, 효율 면에서요.

하지만 처음부터 페달을 밟는 다리가 필요해요. 그래서 이제 마음을 위한 오토바이가 생긴 것 같아요. 유추를 좀 늘리면요. 하지만 여전히 타고, 조종하고, 방향을 잡고, 액셀을 밟고, 브레이크를 밟을 누군가가 필요해요.

개인에게도 열정의 순간이 있어요. AI를 처음 만났을 때 호기심이 있고 진정으로 열린 마음일 때, 그게 바로 그것 자체에 대해 배우기 위해 뛰어들 때라고 생각해요. 단순히 쓰는 것 — 물론 모두가 그렇게 되겠지만 — 이 아니라, 실제로 어떻게 작동하는지 배우는 것이요.

새로운 기술에 매혹된 사람들에게 정말로 내부를 들여다보고 파악해보라고 권하고 싶어요. 직접 만들거나, 수리하거나, 나만의 것을 만들 수 있는 수준까지 파악할 필요는 없어요. 하지만 자신이 만족할 수준까지는요.

추상화 밑에 있는 것을 — 그 명령어 줄 아래에 있는 것을 — 이해하는 게 두 가지를 해줄 거거든요.

하나는 훨씬 더 잘 쓸 수 있게 해줘요. 이렇게 레버리지가 큰 도구를 더 잘 쓰는 건 정말 도움이 돼요.

둘째는 이게 무서운 건지 아닌지 이해하는 데 도움이 될 거예요. 이게 정말 스카이넷이 되어 세상을 파괴할 건가요?

우리가 여기 앉아있다가 아놀드 슈워제네거가 나타나서 "2월 24일 오전 4시 29분에 스카이넷이 자아를 가졌다"고 할 건가요? 아니면 "이건 정말 쿨한 기계고, A, B, C에 쓸 수 있지만 D, E, F에는 못 써. 이건 믿을 수 있고, 이건 의심해야 해"인가요?

지금 많은 사람들이 AI에 대한 불안을 가지고 있는 것 같아요. 불안은 그게 뭔지, 어떻게 작동하는지 잘 모르는 데서 와요.

불안의 해결책은 행동이에요. 불안의 해결책은 항상 행동이에요. 불안은 일이 잘못될 것 같다는 비특정적인 두려움인데, 뇌와 몸이 뭔가 하라고 말하는데 뭘 해야 할지 모르는 거죠.

뛰어드세요.

파악하세요. 그게 뭔지 보세요. 어떻게 작동하는지 보세요. 불안을 없애는 데 도움이 될 거라고 생각해요.

배우는 그 행동 — 호기심을 따라가는 것 — 이 불안을 극복하는 데 도움이 될 거예요. 그리고 혹시 알아요, 이걸로 하고 싶은 것 — 정말 생산적이고 당신을 더 행복하고 더 성공적으로 만들어줄 것 — 을 찾아낼 수도 있을 거예요.