🌁FOD#143: SAI (Superhuman Adaptable Intelligence)란 무엇인가?

In partnership with

1,000+ Proven ChatGPT Prompts That Help You Work 10X Faster

ChatGPT is insanely powerful.

But most people waste 90% of its potential by using it like Google.

These 1,000+ proven ChatGPT prompts fix that and help you work 10X faster.

Sign up for Superhuman AI and get:

• 1,000+ ready-to-use prompts to solve problems in minutes instead of hours—tested & used by 1M+ professionals

• Superhuman AI newsletter (3 min daily) so you keep learning new AI tools & tutorials to stay ahead in your career—the prompts are just the beginning

Claim your free prompts

시작하기 전에, 먼저 개인적으로는 AI 씬에서 끝없이 쏟아지는 '전문 용어 (Jargon)’의 홍수에 약간 지쳐 있다(?)는 고백을 해야겠습니다. 특히, 그런 용어들이 아주 실용적인, 당장의 의미를 가지기가 힘들다거나, 아주 구체적인 논의를 이끌어내지 못하는 경우에는요. 제게는, AGI 같은 용어가 그렇습니다. (물론, AGI라는 용어의 함의나 그와 관련된 논의를 무시해도 된다는 뜻은 아니라는 점을 명확히 해 둡니다)

하지만, 제가 개인적으로 나름대로 계속 팔로우하면서 그 근황과 연구 방향을 따라가 보고 있는 ‘얀 르쿤 (Yann LeCun)’의 논문에서 등장한 새로운 용어가 주목을 받으니, 이건 또 한 번 이야기하지 않을 수 없네요 - 특히, 최근 메타를 떠나 AMI Labs라는 새로운 도전을 시작한 만큼요.

월드 모델(World Model)에 베팅하다

2022년, 얀 르쿤(Yann LeCun)은 자율적 기계 지능을 향한 경로(A Path Towards Autonomous Machine Intelligence) 라는 논문을 발표했습니다. 이 논문은 월드 모델(World Model)—AI가 세계의 작동 방식을 내부적으로 시뮬레이션하는 모델—과 계획 수립(Planning), 환경과의 상호작용을 기반으로 자율 에이전트를 구축하는 연구 프로그램을 제시했습니다.

2024년 컬럼비아대학교에서 했던 강연에서, 얀 르쿤은 'AGI'라는 용어를 별로 좋아하지 않는다면서, 대신 '고급 기계 지능(Advanced Machine Intelligence)'이라는 표현을 선호한다고 밝혔습니다—공교롭게도 역시 AMI라는 약어가 되구요. 2025년 내내 메타의 연구 메시지도 이 방향을 이어갔고, V-JEPA 2—메타가 발표한 월드 모델 기반의 비디오 이해 AI—를 그 경로의 한 단계로서 제시하기도 했습니다.

2026년 초에는 얀 르쿤이 공동 저자로 참여한 새 논문에서 또 다른 약어가 등장했는데요. 바로 SAI, '초인적 적응형 지능(Superhuman Adaptable Intelligence)'입니다. 이어서 AMI Labs(Advanced Machine Intelligence Labs)—메타를 떠난 얀 르쿤이 2025년 말 공동 창업한 스타트업—는 월드 모델 구축을 위해 10억 3천만 달러 규모의 투자를 유치했다고 발표하기도 했습니다. 회사 이름 자체가 그의 연구 개념에서 비롯된 것이니, AMI라는 약어가 논문에서 강연으로, 다시 스타트업 이름으로 이어져온 셈입니다.

그렇다면 그는 왜 두 개의 개념이 모두 필요한 걸까요?

SAI란 무엇인가?

공식적인 정의로 보자면, SAI, 즉 초인적 적응형 지능(Superhuman Adaptable Intelligence)은 인간이 할 수 있는 모든 과제에서 인간을 능가하도록 적응할 수 있을 뿐 아니라, 인간의 영역을 벗어나지만 실용적 가치가 있는 과제에도 적응할 수 있는 능력을 의미한다고 합니다.

이 정의를 조금 더 풀어봐야겠죠?

SAI를 이해하는 핵심적인 열쇠는 "AGI가 틀린 질문을 하고 있다"는 주장에서 시작됩니다. 논문은 인간의 지능이 '범용'의 기준이 된다는 가정을 체계적으로 해체합니다. 실제로 인간은 진화에 의해 생존에 최적화된, 고도로 특화된 생물학적 기계에 가깝다는 겁니다.

예를 들어볼까요? 논문에서는 체스 세계 챔피언 마그누스 칼슨을 사례로 듭니다. 칼슨은 '객관적으로' 체스를 잘하는 게 아니라, '인간 기준에서' 체스를 잘하는 것이라고 할 수 있죠. 컴퓨터와 비교하면 칼슨의 능력은 인간 퍼포먼스의 한계를 반영할 뿐이라는 겁니다. 다시 바꿔 말하면, 딥블루나 알파제로는 이미 체스에서 인간을 뛰어넘었는데, 그게 AGI라서가 아니라 체스라는 특정 과제에 특화되었기 때문이라는 겁니다. SAI는 이것을 문제라고 보지 않고, 오히려 그게 맞는 방향이라고 말합니다.

AGI와 SAI의 차이를 직접적으로 비교하면 이렇습니다:

위 표에도 나타나 있지만, SAI의 핵심 지표는 '적응 속도(Adaptation Speed)'입니다. 시스템이 새로운 기술을 얼마나 빠르게 습득하고, 새로운 환경에 얼마나 넓게 계속 적응할 수 있느냐가 관건입니다. 이런 접근 방식을 취하면, 문제를 더 공학적으로 다루기 쉬운 방식으로 재정의할 수 있게 됩니다.

기존 AI 개발의 논리는 "인간을 지능의 기준으로 삼고, 기계가 인간 수준에 도달하면 성공"이라는 것이었습니다. 그러나 얀 르쿤 팀은 이 사고방식에 문제가 있다고 보는 겁니다. 논문을 살펴보면, "지능을 인간이라는 기준점에 고정하는 것은 초인적 능력으로 가는 경로와 수직을 이룬다”는 표현이 나오는데, 말인 즉슨, 인간 수준을 목표로 삼으면 오히려 AI 발전을 제한할 수 있다는 겁니다.

기술적인 경로도 명확합니다. SAI로 가기 위해서 얀 르쿤 팀이 제시한 기술적 경로는 세 가지 키워드로 요약됩니다: 자기지도학습(SSL) + 월드 모델 + 모듈식 시스템이 바로 그 세 가지예요. 자기지도학습은 사람의 레이블 없이 실세계 데이터에서 기저 구조를 스스로 학습하고, 월드 모델은 AI가 내부에 '세계 시뮬레이터'를 구축해서 미래를 예측하고 행동 결과를 머릿속에서 시뮬레이션할 수 있게 합니다. 그리고 모듈식 아키텍처는 '만능 모델' 하나가 모든 것을 해결한다는 시각을 명확히 반대하는 것이구요.

AMI와 SAI

AMI—자율적 기계 지능(Autonomous Machine Intelligence)—는, 앞서도 언급된 것처럼, 단순히 텍스트나 이미지를 생성하는 데 그치지 않고, 세계를 이해하고 행동을 계획하며 자율적으로 작동하는 AI 시스템을 구축하기 위한 연구 프로그램입니다. 얀 르쿤이 2022년 논문에서 처음 제시한 이 개념은, 이후 그의 강연과 메타의 연구 방향을 거쳐 결국 스타트업 AMI Labs(Advanced Machine Intelligence Labs)의 이름으로까지 이어졌구요.

AMI와 SAI는 동일한 개념은 아니지만, 그 사이에는 분명한 연속성이 있습니다. AMI는 경로를 제시합니다. 즉, 월드 모델·메모리·계획 수립·환경과의 상호작용을 중심으로 구축된 자율 에이전트가 나아가야 할 방향이죠. SAI는 그런 시스템이 궁극적으로 갖출 수 있는 능력의 속성을 설명하는 것이구요 - 인간의 영역을 넘어서는 과제를 포함해서 어떤 과제에도 적응할 수 있는 능력 말이죠. 그런 의미에서 SAI는 AMI를 대체하는 개념이라기보다, 동일한 연구 의제 위에 얹힌 더 넓은 프레이밍에 가깝다고 하는 게 좋을 것 같습니다.

이렇게 보면, 이번 변화가 기술적인 전환보다는 수사적인 전환에 가까워 보이기도 해요. 핵심 프로그램은 그대로인 채, 강조점만 '자율성(Autonomy)'에서 '발전(Advancement)'으로, 다시 '적응성(Adaptability)'으로 옮겨간 거라고 볼 수도 있다는 겁니다.

강화학습(RL, Reinforcement Learning)은 여전히 중요하고, 자기지도학습(SSL, Self-Supervised Learning)은 여전히 모든 것의 기초이구요, 월드 모델은 여전히 진지한 베팅의 대상입니다. 다만 그 어느 것도 단독으로는 충분하지 않은 겁니다.

그런 의미에서, 지금의 새로운(?) 방향은 어쩌면 훨씬 더 실용적인 것일지도 모르겠습니다. 자기지도를 통해서 넓은 구조를 학습하고, 강화학습으로 행동을 다듬고, 월드 모델로 계획을 세우고, 장기적인 적응을 위해 메모리를 활용하고, 단순한 상관관계가 아닌 개입(Intervention)을 위해서 인과 학습을 도입하고, 정확성과 엄밀함이 여전히 중요한 곳에서는 상징적(Symbolic) 방법을 사용하는 것. 이건 논문에서 제시된 내용은 아니고 제 해석이기는 합니다만, 어쨌든 그 결과는 단 하나의 만능 레시피가 아니라, 특화되고, 전이되고, 재조합되는 방법들의 스택입니다. 어쩌면 그 편이 나을지도 모르죠 - 논문이 지적하다시피, "단백질을 접는 AI와 빨래를 개는 AI가 꼭 같을 필요는 없으니까요."

시장과 학계는 어떻게 반응하고 있나?

SAI와 AMI Labs를 둘러싼 반응은 크게 세 갈래로 나뉘고 있는 것 같네요.

💰 시장: 조심스러운 낙관론

AMI Labs의 CEO 알렉상드르 르브룅(Alexandre LeBrun)은 "월드 모델이 다음 버즈워드가 될 것"이라고 말했습니다. "6개월 후면 모든 회사가 자신을 월드 모델 회사라고 부를 것"이라고도 했죠. 이미 그 징조는 충분히 보입니다. AMI Labs의 경쟁자로는 페이페이 리(Fei-Fei Li)가 창업한 World Labs(2026년 2월 10억 달러 추가 유치), 구글 딥마인드의 Genie 3, 엔비디아의 Cosmos(2026년 초 다운로드 200만 건 돌파) 등이 있구요.

AMI Labs 자체는 12명 남짓한 직원, 제품도 매출도 없는 상태에서 10억 달러 이상을 유치했습니다. 누가 봐도 기술적 신뢰성보다는 얀 르쿤의 연구 이력에 대한 베팅에 가깝죠. LLM에 근본적인 구조적 한계가 있다는 얀 르쿤의 주장이 충분히 일관되게 오랜 시간 이어져왔기 때문에, 이제 이 흐름을 무시하는 것이 더 이상 안전한 선택이 아닌 시점이 됐다고 봅니다.

🎓 학계: "새로운 개념인가, 재포장인가?"

학계의 반응은 좀 더 복잡합니다. 2005년 '인공 일반 지능(AGI)'이라는 용어를 공식화하는 데 기여하고 AGI 학회를 이끌어온 벤 괴르첼(Ben Goertzel)은 이 아이디어에 정면으로 반박했습니다. SAI가 AGI의 대안이 아니라, 자기가 수십 년 전 정립한 'EPGI(효율적 실용적 일반 지능)' 프레임웍의 특수한 사례에 불과하다고 주장하고 있거든요. "개념을 기각하고, 관련 문헌을 무시하고, 기각했던 것을 재발명해서 새로운 통찰인 양 제시하는" 패턴이라는 겁니다. 다만, 그렇더라도 SAI의 공학적 직관은 건전하다고 말하면서, 얀 르쿤에 대한 개인적 존중과 함께 이를 "그의 매력의 일부"라고 애둘러 표현했습니다. (^.^)

또 다른 비판은 ‘정의의 모호함’이라는 측면에서 옵니다. SAI는 "인간 영역의 밖이지만 유용한 과제"에 적응할 수 있어야 한다고 정의하는데, 논문은 '유용함(Utility)'에 대한 엄밀한 수학적·경제학적 정의를 ‘아주 명확하게 유보’합니다. 결국 어떤 시스템이 진정한 SAI에 도달했는지 평가하는 게 부분적으로 주관적으로 남을 수밖에 없다는 관점인 거죠.

반면, 논문의 실용적 방향성은 긍정적인 평가를 받는 듯 합니다. 동질적인 GPT식 아키텍처가 연구의 다양성을 저해한다는 지적—"동질성은 연구를 죽인다(Homogeneity kills research)"—이나, AI 발전을 "인간 행동을 얼마나 모방하느냐"가 아닌 "얼마나 빠르고 안정적으로 새로운 역량을 만들어내느냐"로 평가하자는 제안은 폭넓은 공감을 얻고 있습니다.

요컨대, SAI는 지금의 AI 논의를 재정의하려는 진지한 시도이기는 하지만, 학계 일각에서는 그 혁신성보다 연속성이 더 크다고 봅니다. 시장은 개념보다 얀 르쿤이라는 인물에 먼저 베팅하고 있구요. 그리고 어쩌면, 그것이 지금 이 논쟁에서 가장 솔직한 신호일지도 모르겠습니다.