AGI 논쟁의 새 기준, '아인슈타인 테스트'

AGI 논쟁에서 중요한 질문은 “언제 오느냐”만이 아닙니다. 더 실용적인 질문은 “무엇을 보면 AGI라고 판단할 수 있느냐”입니다.

데미스 하사비스 Google DeepMind CEO가 제안한 ‘아인슈타인 테스트’는 이 판단 기준을 설명하는 개념입니다. 그는 AGI를 “인간이 가진 인지 능력의 전체 범위를 사용할 수 있는 시스템”으로 정의했습니다.¹ 즉, 특정 작업을 잘하는 AI가 아니라 여러 영역에서 일반적인 사고 능력을 안정적으로 발휘하는 시스템을 말합니다.

아인슈타인 테스트란 무엇인가

아인슈타인 테스트의 핵심은 AI가 정답을 미리 학습하지 않은 상태에서 새로운 이론적 돌파를 만들 수 있는지 확인하는 것입니다.

예를 들어 AI의 지식 컷오프를 1911년으로 설정한 뒤, 1915년 아인슈타인의 일반상대성이론에 해당하는 수준의 이론을 독립적으로 도출할 수 있는지 평가합니다.¹ 다른 설명에서는 1901년까지의 데이터만 제공하고, 1905년 특수상대성이론을 발견할 수 있는지를 사례로 들었습니다.²

연도와 사례는 조금 다르지만 기준은 같습니다. 이미 존재하는 답을 찾아내는 능력이 아니라, 아직 주어지지 않은 답을 향해 나아가는 능력을 보자는 것입니다.

왜 기존 AI 평가와 다른가

현재 AI는 이미 있는 데이터 사이의 빈틈을 메우는 데 강합니다. 하사비스는 이를 두고 AI가 ‘내삽’ 능력은 뛰어나다고 봤습니다.² 글쓰기, 요약, 번역, 코딩처럼 기존 패턴을 활용하는 작업에서 높은 성능을 보이는 이유도 여기에 있습니다.

하지만 이것만으로 AGI라고 보기는 어렵습니다. 하사비스는 현재 AI가 모든 영역에서 일관된 일반성을 보이지 못한다고 지적했습니다. 어떤 문제에서는 매우 뛰어나지만, 간단한 수학 문제조차 틀리는 경우도 있다는 것입니다.¹

아인슈타인 테스트가 요구하는 것은 한 단계 더 나아간 능력입니다. 기존 데이터를 조합하는 수준을 넘어, 과거 정보만으로 새로운 패러다임을 세울 수 있는지 보려는 기준입니다.² 이는 단순한 유창함이나 검색 능력이 아니라 창의성, 추론, 통찰의 도약을 평가하려는 시도입니다.

우리가 AI를 볼 때 달라져야 할 질문

아인슈타인 테스트는 AI 성능을 판단할 때 무엇을 봐야 하는지 분명하게 해줍니다. 앞으로는 “답변이 얼마나 자연스러운가”만으로는 부족합니다.

더 중요한 질문은 다음과 같습니다.

1. AI가 학습하지 않은 문제에서 새로운 설명을 만들 수 있는가

2. 그 설명을 검증 가능한 형태로 제시할 수 있는가

3. 한 영역에서 얻은 이해를 다른 영역으로 옮겨 적용할 수 있는가

4. 조건이 바뀌어도 일관된 추론 능력을 유지하는가

이 기준으로 보면 AGI는 단순히 더 큰 챗봇이나 더 빠른 검색기가 아닙니다. 인간이 아직 정리하지 못한 지식의 빈 공간에서 새 가설을 만들고, 그것을 검증 가능한 방식으로 세계와 연결할 수 있는 시스템에 가깝습니다.

결론: AGI 논쟁의 초점은 ‘정답’이 아니라 ‘발견’이다

하사비스는 AGI가 2029년까지 도래할 수 있다고 말한 바 있습니다. 하지만 시점보다 중요한 것은 검증 기준입니다. 아인슈타인 테스트가 던지는 메시지는 명확합니다.

진정한 AGI라면 이미 배운 지식을 잘 재현하는 데 그쳐서는 안 됩니다. 과거의 정보만으로 미래의 이론을 향해 나아갈 수 있어야 합니다. 결국 AGI 논쟁의 핵심은 “AI가 얼마나 많이 알고 있는가”가 아니라 “AI가 새로운 것을 발견할 수 있는가”입니다.

¹DeepMind CEO: "AGI Must Surpass Human Intelligence"...Proposes "Einstein Test"

²허사비스 "진정한 AGI는 '아인슈타인 테스트' 통과해야"