2026년 11월 8일, The Decoder는 튜링상 수상자이자 현대 강화학습의 창시자인 리처드 서튼이 최근 연산력을 쌓는 것만으로는 진정한 지능에 도달할 수 없으며, AI 과학에는 더 똑똑한 새로운 방법이 필요하고, 게다가 "아직 한참 멀었다"고 말했다고 보도했다. 이 발언은 AI 커뮤니티에서 광범위한 논쟁을 불렀고, 논쟁의 맞은편에는 OpenAI와 Anthropic의 수장이 서 있다.
서튼은 무슨 말을 했나
이 발언을 이해하려면 서튼의 2019년 유명 에세이 '쓰라린 교훈'으로 거슬러 올라가야 한다. 그 글은 연산력과 함께 강해지는 방법이 결국 승리하며, 탐색과 학습이 그 대표적인 예라고 주장했다. 대규모 언어 모델은 오랫동안 최고의 실증 사례였다. 인터넷 텍스트를 많이 먹일수록 능력이 강해졌기 때문이다. 하지만 서튼은 이제 대규모 언어 모델이야말로 이 길의 한계를 드러낸다고 본다. 학습이 끝나면 더 이상 배우지 않고, 가중치는 출시된 날부터 고정되기 때문이다. 올해 8월 그는 합성 데이터로 병목을 돌파하는 것은 "큰 실수"라고까지 직언했다. 현실 세계는 무한히 복잡하고, 어떤 시뮬레이션도 그중 극히 일부에 불과하기 때문이다. 그가 제시하는 방향은 월드 모델을 갖추고 스스로 경험을 쌓는 에이전트다. 환경과의 상호작용 속에서 계속 배우되, 오래된 지식을 잃지 않는 것이다. 이 논쟁의 잣대는 스케일링 법칙이다. 매개변수, 데이터, 연산력이 커질수록 효과의 증가폭은 둔화되고, 문제는 누가 먼저 천장에 부딪히느냐다.
연구계에서 고개를 끄덕이는 사람은
이 견해에 동조하는 연구자는 적지 않다. 전 OpenAI 연구원 제리 트워렉은 쓰라린 교훈 자체는 여전히 옳지만, 연산력을 투입할수록 알고리즘이 더 중요해진다고 본다. 규모와 함께 강해지는 알고리즘도 있고, 막다른 길에 이르는 알고리즘도 있다. 트랜스포머 노선의 일시적 성공과 오래된 에세이에 대한 오독이 겹치면서 "한 세대 과학자들의 뇌를 보상 해킹해 버렸다"는 것이다. 연구원 제이든 테오는 오독 탓에 유망한 아이디어들이 검증받기도 전에 학계에서 기각돼 왔다고 덧붙였다. "어떤 아이디어가 AI 발전에 기여하려면 반드시 영원히 스케일링을 견뎌야 하는 것은 아니다." The Decoder의 집계에 따르면 Frontier Radar 최신호는 이러한 빈틈에 베팅하는 45개의 새로운 AI 연구소를 추적하고 있으며, 트워렉 자신의 Core Automation과 서튼이 제자와 함께 설립한 Oak Lab도 포함된다.
맞은편은 왜 납득하지 않나
하지만 맞은편의 목소리도 만만치 않다. OpenAI의 샘 올트먼 CEO는 대규모 언어 모델의 확장이 아직 한참 남았다고 보며, 확장에 회의적인 사람들이 한 세대 연구자들을 늦추고 있다고 비판한다. 그가 드는 증거는 OpenAI 모델이 최근 18년 된 양자 가설을 뒤집은 일로, Lean 검증도 통과했다. Anthropic의 다리오 아모데이 CEO 역시 확장에 마찬가지로 강세론을 펴며, 진전을 "끝이 없는 무지개"에 비유한다. 의견이 갈리는 지점은 연산력이 유용한지가 아니라 천장이 어디에 있느냐다. 한쪽은 새로운 학습법이 다음 문을 열 것이라고 걸고, 다른 쪽은 기존 방식을 극한까지 밀어붙이면 아직 갈 길이 멀다고 건다.
일반 독자에게 이 논쟁이 결정하는 것은 향후 몇 년간 AI 발전의 모습이다. 더 크고 비싼 모델이 될 것인가, 아니면 스스로 똑똑해지는 에이전트가 될 것인가. 아직 결론은 나지 않았다. 서튼의 Oak Lab을 비롯한 새로운 연구소들은 논쟁하는 대신 답을 만들고 있다. 주목할 점은 어느 쪽도 상대의 전제를 부정하지 않는다는 것이다. 서튼은 연산력이 쓸모없다고 말한 적이 없고, 올트먼도 월드 모델의 가치를 부인하지 않았다. 갈리는 것은 다음 판돈을 어디에 걸 것인가뿐이다.
