AI 연구 스타트업 NeoCognition이 "인간처럼 학습하는 에이전트"를 만들겠다며 4,000만달러 시드 투자를 유치했다. 창업자 Yo Su는 현재 에이전트가 과업 수행에서 일관성이 낮고, 특정 분야의 "전문가"처럼 스스로 특화되지 못한다고 진단한다.1
이 뉴스가 흥미로운 이유는 투자 규모만이 아니다. 이름부터 떠올리게 하는 오래된 개념, 즉 네오코그니트론(Neocognitron)의 문제의식이 지금도 유효하기 때문이다. 오히려 이 1980년 전후의 비전 아키텍처를 이해하면, 오늘의 컴퓨터 비전 모델이 왜 강력한지, 왜 데이터와 연산을 많이 먹는지, 왜 현실에서 가끔 의외로 깨지는지 더 잘 보인다.
1980년대 아이디어가 아직도 휴대폰 카메라를 설명하는 이유
네오코그니트론의 핵심은 단순하다. 물체는 항상 같은 위치, 같은 크기, 같은 각도로 나타나지 않는다. 그런데도 시스템은 "같은 패턴"으로 인식해야 한다. 이 문제를 풀기 위해 초기 층은 단순한 특징을, 뒤층은 더 복합적인 형태를 잡도록 계층을 쌓는다. 오늘날 CNN의 기본 감각도 여기서 이어진다.23
이건 역사 trivia가 아니다. 실무적으로 중요한 설계 목표다. 카메라 앱의 얼굴 인식이든, 공장 라인의 불량 검출이든, 모델은 픽셀 하나하나를 외우는 게 아니라 위치가 조금 바뀌고, 노이즈가 끼고, 배경이 복잡해도 같은 대상을 잡아내야 한다.
CNN이 강했던 이유도 여기에 있다. 작은 필터를 이미지 전체에 공유해 적용하니, 완전연결층보다 파라미터 수가 크게 줄고, 같은 패턴을 여러 위치에서 재사용할 수 있다.2 이 "구조적 편향" 덕분에 데이터가 아주 많지 않아도 비교적 잘 학습했고, 모바일과 임베디드 환경까지 내려갈 수 있었다.
현대 비전 모델은 무엇을 남기고 무엇을 버렸나
현대 비전 모델은 네오코그니트론의 철학을 완전히 버리지 않았다. 계층적으로 특징을 쌓고, 지역적 패턴에서 시작해 더 큰 문맥으로 올라간다는 생각은 CNN에 강하게 남았다. 다만 중요한 차이가 있다. 예전 설계는 "어떤 구조가 필요할지"를 아키텍처에 많이 심어 넣었고, 현대 모델은 그 일부를 데이터와 연산으로 대체했다.
CNN은 지역 수용영역, 가중치 공유, 풀링 같은 장치로 효율을 얻었다.2 대신 강한 귀납 편향을 갖는다. 잘 맞는 문제에서는 빠르고 튼튼하지만, 구조가 맞지 않거나 더 넓은 문맥 이해가 중요해지면 한계가 드러난다. 반대로 최근 비전 트랜스포머 계열은 이런 제약을 줄이고 더 유연한 표현을 얻는 대신, 보통 더 많은 데이터와 연산 자원을 요구한다.
여기서 중요한 반론도 있다. "CNN은 이동 불변이라 현실에 강하다"는 설명은 절반만 맞다. 실제 CNN은 다운샘플링 방식 때문에 완전한 이동 불변성을 자동으로 보장하지 않는다.2 즉, 오래된 설명을 단순화해서 믿으면 안 된다. 강한 구조가 있더라도, 현실 강건성은 데이터 분포와 학습 방식에 크게 좌우된다.
이 점은 자율주행이나 얼굴 인식 사례에서도 드러났다. 이미지 분류 정확도가 높아도 맥락적 이해나 드문 상황에서는 쉽게 실패할 수 있다.3 "보인다"와 "이해한다"는 다르다. NeoCognition이 말하는 더 신뢰할 수 있는 에이전트도 결국 이 간극을 어떻게 메울지가 핵심이다. 다만 현재 공개된 정보만으로는 그들이 이를 어떤 기술적 방식으로 해결할지까지는 확인되지 않았다. 확인된 것은 문제의식과 자금 조달, 그리고 기업용 에이전트 시장을 겨냥한다는 점이다.1
실무적 결론: 항상 더 큰 모델이 답은 아니다
NeoCognition 뉴스를 볼 때 유용한 질문은 "이 회사가 성공할까" 하나만이 아니다. 더 중요한 질문은 "어떤 문제에선 구조가 많은 모델이, 어떤 문제에선 규모가 큰 모델이 유리한가"다.
판단 기준은 의외로 실용적이다.
데이터가 적고, 오류 비용이 크고, 지연시간과 전력 제약이 있는 환경이라면 네오코그니트론식 철학--즉 문제 구조를 아키텍처에 많이 반영하는 접근--이 여전히 강하다. 산업 비전, 의료 영상 일부, 엣지 디바이스가 여기에 가깝다. 반대로 문제 정의가 자주 바뀌고, 멀티모달 문맥과 범용성이 중요하며, 충분한 데이터와 GPU 예산이 있다면 더 큰 범용 모델이 유리할 수 있다.
지금 AI 투자 시장은 이런 스토리에 큰 프리미엄을 준다. 2024년 전 세계 AI 스타트업 투자액은 894억달러였고, 평균 딜 사이즈는 2,010만달러까지 올라갔다.4 2026년 들어서는 대형 시드 라운드가 AI에 집중되는 현상도 뚜렷하다.5 NeoCognition의 4,000만달러 시드도 그래서 놀랍지만, 완전히 예외적인 숫자는 아니다.
결국 이 뉴스를 봐야 할 사람은 두 부류다. 에이전트를 도입하려는 실무자는 "최신 모델인가"보다 "내 문제에 필요한 구조를 갖췄는가"를 먼저 봐야 한다. 그리고 AI 회사를 보는 투자자나 창업자는 "인간처럼 학습" 같은 큰 비전보다, 그 구조가 어떤 실패 비용을 줄이고 어떤 데이터 비용을 아끼는지 따져야 한다. 오래된 아이디어는 낡아서가 아니라, 아직도 트레이드오프를 가장 선명하게 보여주기 때문에 중요하다.
참고
1AI research lab NeoCognition lands $40M seed to build agents that learn like humans
2Convolutional neural network - Wikipedia
3How Machines Interpret Visual Data Using Neural Networks
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.