오픈AI(OpenAI)의 샘 올트먼(Sam Altman) 최고경영자(CEO)가 최근 AI 연구 커뮤니티에 대한 날카로운 비판을 제기했습니다. 그는 지난 수십 년간 많은 AI 연구자들이 컴퓨팅 스케일링(scaling)이 가져올 잠재적 효과를 제대로 이해하지 못해 인공지능 발전이 지연되었다고 주장했습니다. 이는 대규모 언어모델(LLM)과 같은 혁신이 더 일찍 등장할 수 있었음에도 불구하고, 연구 방향의 오류로 인해 기회를 놓쳤다는 의미로 해석됩니다.
올트먼 CEO는 특히 딥러닝(deep learning) 분야에서 모델 크기와 데이터셋 규모를 키우는 것이 단순히 성능 향상을 넘어, 질적으로 다른 새로운 능력을 발현시킬 수 있다는 점을 많은 연구자들이 간과했다고 지적했습니다. 그는 컴퓨팅 자원을 대규모로 투입하여 모델을 훈련하는 '스케일링 법칙(scaling laws)'이 AI 발전에 핵심적인 역할을 했으며, 이를 일찍이 인지하고 적극적으로 적용했더라면 현재의 AI 기술 발전 속도가 훨씬 빨랐을 것이라고 강조했습니다. 이러한 관점은 오픈AI가 GPT 시리즈를 통해 보여준 대규모 모델 중심의 개발 철학과 일맥상통합니다.
이번 올트먼의 발언은 AI 연구의 미래 방향성에 중요한 시사점을 던집니다. 단순히 새로운 알고리즘이나 이론적 진보만을 추구하는 것을 넘어, 막대한 컴퓨팅 자원과 데이터셋을 활용한 스케일링의 중요성을 다시 한번 상기시키는 계기가 될 수 있습니다. 이는 특히 자원 제약이 있는 연구 그룹이나 스타트업들에게는 도전 과제일 수 있지만, 동시에 효율적인 스케일링 전략과 최적화 기술 개발의 중요성을 부각하며 새로운 연구 및 비즈니스 기회를 창출할 수도 있습니다.