AI가 아무리 발전해도 고양이만큼 똑똑하지 못해요

안녕하세요, 앤소장입니다.

이번호는 현재 AI 분야에서 가장 영향력이 있는 인물 중 한 명인 얀 르쿤(Yann LeCun) 메타 수석과학자와의 특별 인터뷰를 준비했습니다.

얀 르쿤은 프랑스 컴퓨터 과학자로 현재 메타(Meta)의 최고 AI 과학자이자 뉴욕대학교 교수로, 우리가 지금 쓰는 얼굴인식, 의료영상, 자율주행차의 기초가 되는 기술을 만든 사람입니다. 2018년에는 '컴퓨터과학의 노벨상'이라 불리는 튜링상을 받았어요.

그런데 이 'AI의 아버지'라 불리는 교육 전문가가 지금 부모들에게 "현재 AI는 고양이보다도 못하다"며 "아이들을 AI가 못하는 영역으로 키워야 한다"고 조언하고 있습니다. 더 놀라운 것은 "요즘 유행하는 AI 연구는 피하라"며 기존 교육 상식을 뒤집는 말을 한다는 점입니다.

64세인 지금도 새로운 AI 연구에 대한 열정이 넘치는 그를 만나 AI 시대 자녀교육에 대한 이야기를 들어보았습니다.

본 뉴스레터는 유튜브 채널 'This Is World'의 《Father of AI: AI Needs PHYSICS to EVOLVE | prof. Yann LeCun》을 바탕으로, 학부모 관점에서 인터뷰 형식으로 재구성한 콘텐츠입니다.

Q: 교수님께서 "현재 가장 뛰어난 AI도 집 고양이보다 똑똑하지 못하다"고 하셨는데, 이것이 우리 아이들 교육에 주는 의미는 무엇인가요?

이 질문은 정말 중요해요. 많은 부모님들이 ChatGPT 같은 AI가 나오니까 '우리 아이가 공부할 필요가 있을까?'라고 걱정하시거든요. 하지만 현실은 전혀 다릅니다.

집 고양이를 한번 관찰해보세요. 고양이는 주변 환경을 완벽하게 이해해요. 높은 곳에서 뛰어내릴 때 어떻게 착지해야 하는지, 문이 열려있는지 닫혀있는지, 움직이는 물체를 어떻게 잡아야 하는지 모두 알죠. 그리고 계획을 세울 수 있어요. '저 의자에 올라가서 테이블로 점프한 다음 음식을 먹어야지'라고 말이에요.

하지만 현재 AI는 이런 기본적인 것들을 전혀 못해요. 우리가 수백만 시간의 운전 영상을 줘도 완전 자율주행차를 만들지 못하는 이유가 바로 이거예요. AI가 실제 세상이 어떻게 돌아가는지 이해하지 못하기 때문입니다.

그렇다면 우리 아이들은 무엇을 배워야 할까요? 바로 AI가 못하는 것들이에요. 물리적 세계에 대한 직관적 이해, 창의적 문제해결, 인간과의 협력, 그리고 무엇보다 지속적인 학습 능력이죠. 이런 능력들은 앞으로 더욱 중요해질 거예요.

Q: 현재 많은 학생들이 AI 분야에 관심을 보이는데, "LLM(Large Language Mode, ChatGPT 같은 대형언어모델) 연구는 하지 말라"고 조언하신 이유가 궁금합니다. 그렇다면 우리 아이들은 어떤 분야에 집중해야 할까요?

이건 정말 현실적인 조언이에요. 지금 LLM 연구는 구글, 메타, 오픈AI 같은 거대 기업들이 수십만 개의 GPU와 엄청난 자본으로 하고 있거든요. 대학에서 연구하는 학생이 이런 자원과 경쟁할 수는 없어요.

더 중요한 건, LLM은 현재 AI의 정점이 아니라는 점이에요. LLM은 단어나 토큰을 예측하는 방식으로 동작해요. 하지만 진짜 지능은 물리적 세계를 이해하고, 지속적인 기억을 갖고, 고양이 수준의 추론과 계획을 할 수 있어야 해요.

제가 추천하는 건 차세대 AI 연구예요. 구체적으로는 JEPA(Joint Embedding Predictive Architecture)라는 새로운 접근법이에요. 이건 비디오의 모든 픽셀을 예측하려 하지 않고, 추상적 표현 공간에서 예측을 해요. 마치 아기가 세상을 관찰하면서 학습하는 것처럼 말이죠.

우리 아이들에게는 이런 메시지를 줘야 해요. "지금 유행하는 것만 따라하지 말고, 아직 아무도 해결하지 못한 근본적인 문제들을 찾아보라." 그런 문제들이 바로 미래의 기회거든요.

출처 : 튜링상 홈페이지

Q: 1990년대에 신경망이 무시받던 시절을 경험하셨는데, 긴 호흡으로 연구를 지속할 수 있었던 비결은 무엇인가요? 이것이 우리 아이들의 진로 선택에 주는 교훈은?

정말 힘든 시기였어요. 1990년대 중반부터 2000년대 초반까지 신경망은 학계에서 거의 조롱거리였거든요. 이론 전문가들은 "신경망은 절대 작동할 수 없다. 복잡한 계산 때문에 엉뚱한 답에 빠질 것이고, 설정값이 데이터보다 많으면 새로운 데이터에 제대로 적용되지 않을 것"이라고 했어요.

하지만 실제로 실험해보니 잘 되더라고요. 학자들이 '안 된다'고 하는 이유들이 실제로는 틀렸어요. 신경망을 크게 만들면 가능하거든요.

핵심은 "이론이 실험과 맞지 않을 때는 이론이 틀린 것"이라는 마음가짐이었어요. 교과서에 나온 내용이라고 해서 무조건 맞는 건 아니거든요.

우리 아이들에게 주는 교훈은 명확해요. 첫째, 많은 사람이 하는 말이 항상 옳은 건 아니라는 것. 둘째, 긴 안목을 가져야 한다는 것. 셋째, 자신만의 믿음과 경험을 신뢰해야 한다는 것이에요.

특히 요즘 아이들은 빠른 결과를 원하는 경향이 있는데, 정말 중요한 일들은 10년, 20년이 걸려요. 제가 이미지를 인식하는 기술(합성곱 신경망)을 개발한 게 1989년인데, 그것이 진짜 주목받기 시작한 건 2012년 ImageNet 대회에서였거든요. 23년이 걸린 거죠.

Q: "기계가 배우는 건 모든 문제의 두 번째 해결책"이라는 말씀이 인상적이었는데, 이 관점이 아이들의 문제해결 능력 개발에 어떤 의미를 주나요?

이 말은 1990년대에 제가 우체국에서 손글씨 인식 연구를 할 때 자주 했던 얘기예요. 예전에는 문제가 있으면 사람이 직접 프로그램을 짜는 게 제일 좋았어요. 기계에게 배우게 하면 괜찮긴 한데 최고는 아니었죠. 그래서 '두 번째'라고 했어요.

그런데 지금은 상황이 완전히 바뀌었어요. 거대한 AI 모델 시대가 되면서 말이에요. 우리는 더 이상 특정 작업만을 위해 시스템을 훈련시키지 않아요. 대신 기계에게 엄청난 데이터로 일반적인 능력을 먼저 배우게 하고, 그 다음에 특정 일에 맞게 조정해요. 마치 아이가 말을 먼저 배운 다음 수학을 배우는 것처럼요.

이게 아이들 교육에 주는 의미는 엄청나게 커요. 예전에는 "수학은 수학, 과학은 과학, 언어는 언어"로 따로따로 가르쳤잖아요. 하지만 지금은 통합적 사고가 중요해요.

아이들에게 문제를 줄 때도 "이 문제만을 위한 완벽한 답"을 찾으라고 하지 말고, "여러 문제에 적용할 수 있는 일반적인 원리"를 찾게 해야 해요. 예를 들어 수학 문제를 풀 때도 공식만 외우는 게 아니라 "이 원리가 다른 어떤 상황에도 쓰일 수 있을까?"를 항상 생각하게 하는 거죠.

그리고 실패를 두려워하지 않게 해야 해요. 두 번째 해결책도 충분히 가치 있다는 걸 알려주세요. 완벽하지 않아도 작동하는 방법이 때로는 더 유용할 수 있거든요.

출처 : 제미나이

Q: 교수님께서 강조하신 "자기지도학습"이 케이크의 제일 큰 부분이라고 하셨는데, 이것이 우리 아이들의 학습 방식에 어떤 변화를 가져와야 할까요?

정말 좋은 질문이에요. 제가 항상 하는 비유가 있어요. 지능이 케이크라면, 자기지도학습이 케이크의 몸통이고, 누군가 가르쳐주는 학습이 아이싱이고, 시행착오를 통한 학습이 체리라고 하거든요.

자기지도학습이란 아무도 가르쳐주지 않아도 혼자서 규칙을 찾아내는 학습이에요. 예를 들어 아기가 말을 배울 때를 보세요. 아무도 "이건 명사고 저건 동사야"라고 안 가르치잖아요. 그냥 주변에서 들리는 말들을 통해 자연스럽게 언어의 구조를 깨달아요.

현재 우리 교육은 너무 "가르쳐주는 학습"에 치우쳐 있어요. "이것이 정답이다"를 계속 알려주죠. 하지만 실제 세상에서는 정답이 없는 문제가 훨씬 많아요.

그래서 아이들에게는 이런 경험을 많이 줘야 해요. 예를 들어 아이에게 "왜 새는 날 수 있을까?"라고 물어보세요. 정답을 바로 알려주지 말고, 아이가 스스로 관찰하고 추측하게 하는 거예요. 새의 날개 모양을 보고, 깃털을 만져보고, 다른 동물들과 비교해보게 하면서 말이죠.

중요한 건 틀려도 괜찮다는 분위기를 만드는 거예요. 자기지도학습의 핵심은 시행착오를 통한 규칙 발견이거든요. 아이가 "새가 날 수 있는 건 가벼워서야"라고 하면, "그럼 왜 기구는 뜰 수 있을까?"라고 다시 질문하는 식으로요.

이런 식으로 키워진 아이들은 나중에 AI로 대체되기 어려운 창의적 사고력을 갖게 될 거예요.

Q: 로봇이 서 있는 상태에서만 걸음마를 배울 수 있다는 말씀이 흥미로웠습니다. 반면 인간 아기는 누워있는 상태에서도 학습하는데, 이 차이점이 자녀교육에 주는 의미는 무엇일까요?

아주 날카로운 관찰이에요. 휴머노이드 로봇을 훈련시킬 때, 로봇을 바닥에 눕혀놓으면 절대 일어서는 법을 배우지 못해요. 반드시 서 있는 상태에서 시작해야 해요. 그래야 넘어지면서도 '서 있기'라는 목표에 조금씩 가까워질 수 있거든요.

하지만 인간 아기는 완전히 달라요. 누워있을 때부터 이미 배우고 있어요. 손을 흔들면서 공간 감각을 익히고, 발로 차면서 근육을 키우고, 뒤집기를 하면서 균형감각을 기르죠. 아기에게는 내부적인 동기가 있어요. 서고 싶어하는 자연스러운 욕구 말이에요.

이게 교육에 주는 의미는 엄청나게 커요. 첫째, 아이들에게는 내부적인 동기가 있다는 걸 인정해야 해요. 억지로 시키는 게 아니라 아이 안에 있는 호기심과 욕구를 끌어내는 거죠.

둘째, 작은 성취를 통해 점점 발전할 수 있는 환경을 만들어야 해요. 로봇처럼 "완전히 실패하거나 완전히 성공하거나"가 아니라, 작은 시도에도 의미를 부여하는 거예요.

셋째, 실패를 배움의 기회로 봐야 해요. 아기가 넘어지는 건 실패가 아니라 균형감각을 기르는 과정이거든요. 우리 아이들도 마찬가지예요. 수학 문제를 틀리는 것, 영어 발음이 어색한 것, 모두 학습 과정의 일부라고 받아들여야 해요.

실제로 제가 AI 연구를 하면서 느끼는 건, 가장 큰 발전은 "스스로 원하는 목표"를 찾는 거예요. 시스템이 혼자서 하고 싶은 목표를 갖게 하는 것이죠. 아이들도 마찬가지예요. 밖에서 주입하는 목표보다는 아이 스스로 갖는 목표가 훨씬 강력해요.

출처 : 제미나이

Q: 언어 없이도 사고할 수 있다는 점을 강조하셨는데, 요즘 ChatGPT 등으로 언어 능력이 과도하게 중시되는 상황에서 이것이 자녀교육에 주는 메시지는 무엇인가요?

이건 정말 중요한 포인트예요. 많은 부모님들이 ChatGPT가 나오니까 "우리 아이도 말을 잘해야 한다"고 생각하시는데, 사실은 반대일 수도 있어요.

한번 실험해보세요. 머릿속으로 정육면체를 떠올린 다음 90도 돌려보세요. 누구나 할 수 있죠? 이건 말과 전혀 상관없는 생각이에요. 또 다른 예로, "평면에서 일직선상에 있지 않은 벡터 3개를 찾을 수 있나요?"라고 물어보면, 대부분 머릿속으로 그림을 그려보고 "불가능하다"는 걸 깨달아요. 이것도 말이 아닌 시각적 직관으로 푸는 문제예요.

동물들을 보세요. 말이 없어도 복잡한 문제를 해결하잖아요. 고양이가 높은 곳에서 뛰어내리기 전에 계산하는 것, 새가 멀리 이동할 때 방향을 찾는 것, 모두 언어 없는 지능이에요.

그런데 현재 AI는 언어에만 의존해요. 그래서 한계가 있는 거고요. 우리 아이들은 AI가 못하는 영역, 즉 언어 없는 사고력을 기를 필요가 있어요.

구체적인 방법을 제안하면, 아이들에게 설명하지 말고 직접 만져보게 하고, 그려보게 하고, 조립해보게 하세요. 레고 조립을 할 때도 설명서를 보지 말고 완성품 사진만 보고 만들어보게 하는 거예요. 요리를 할 때도 레시피를 읽어주지 말고 함께 냄새를 맡고 색깔 변화를 보면서 직감으로 요리하게 하고요.

언어은 소통의 도구일 뿐이에요. 진짜 생각은 그 이전에 일어나는 거거든요. 언어로 표현하기 전의 직관적 이해, 그것이 AI 시대에 더욱 중요해질 거예요.

Q: 마지막으로, 64세인 지금도 20대처럼 새로운 연구에 열정을 갖고 계시는데, 평생 배움의 비결과 우리 아이들이 가져야 할 자세에 대해 조언해주세요.

사실 저는 아직도 제가 컴퓨터과학자라고 생각하지 않아요. 전공도 전기공학이었고, 알고리즘이나 복잡도 이론 같은 전통적인 컴퓨터과학은 배운 적이 없거든요. 어떻게 보면 평생 아마추어였던 셈이죠.

하지만 그게 오히려 장점이었어요. 기존 틀에 갇히지 않았거든요. 1980년대에 신경망을 연구할 때도, 모든 사람이 "그건 불가능해"라고 했지만 저는 "왜 불가능한지 모르겠는데?"라고 생각했어요.

지금도 흥미로운 이유는 여전히 해결하지 못한 기본적인 질문들이 있기 때문이에요. "지능이란 무엇인가? 어떻게 만들 수 있는가?" 이 질문들은 제가 대학생일 때부터 갖고 있던 질문이고, 아직도 완전히 답하지 못했어요.

우리 아이들에게 주고 싶은 조언은 이거예요. 첫째, 큰 질문을 가지세요. "우주는 무엇으로 이루어져 있는가? 생명이란 무엇인가? 뇌는 어떻게 작동하는가?" 같은 기본적인 질문들 말이에요.

둘째, 호기심을 유지하세요. 저는 지금도 논문을 읽을 때 "어? 이게 왜 이렇게 되지?"라고 의문을 가져요. 당연하게 여겨지는 것들에 의문을 제기하는 습관이 중요해요.

셋째, 실패를 두려워하지 마세요. 제가 20년간 영상 예측 연구를 했는데 계속 실패했어요. 하지만 그 실패들이 쌓여서 지금의  JEPA라는 새로운 접근법을 만들어낸 거거든요.

넷째, 학제간 연구를 하세요. 저도 신경과학에서 영감을 받아서 합성곱 신경망을 만들었거든요. 서로 다른 분야의 아이디어를 결합할 때 혁신이 나와요.

마지막으로, 긴 호흡을 가지세요. 정말 중요한 일들은 10년, 20년이 걸려요. 요즘 아이들은 빠른 결과를 원하는데, 진짜 의미 있는 일은 시간이 필요해요.

출처 : Harvard Magazine

배운 점을 정리합니다

1. AI의 한계를 정확히 파악하고 차별화된 역량 개발하기

현재 AI는 고양이만큼도 똑똑하지 못하며, 물리적 세계 이해, 지속적 기억, 추론과 계획 능력이 부족합니다. 아이들은 AI가 약한 이 영역들에서 강점을 기를 필요가 있습니다.

2. 유행을 따르지 말고 근본적 문제에 집중하기

LLM처럼 이미 포화된 분야보다는 아직 해결되지 않은 차세대 AI 문제들에 관심을 가져야 합니다. 로봇 지능, 물리적 세계 이해 등이 미래의 기회입니다.

3. 자기주도적 학습 능력과 장기적 관점 기르기

정답을 외우는 지도학습보다는 스스로 패턴을 발견하는 자기지도학습이 중요합니다. 또한 즉각적 결과보다는 10~20년의 긴 호흡으로 접근하는 자세가 필요합니다.

4. 언어를 넘어선 직관적 사고력 개발하기

언어에 의존하지 않는 시각적, 공간적, 직관적 사고력이 AI 시대에 더욱 중요해집니다. 체험과 관찰을 통한 학습을 늘려야 합니다.

AI 시대, 불안 대신 확신을!

우리 아이의 미래, 어떻게 준비하고 계신가요?

빠르게 변하는 세상 속에서 정보는 넘치지만, 막상 집에서 실천하려면 막막할 때가 많죠.

그래서 준비했습니다.

매주 화요일 오전 10~12시, ‘초록지붕 하브루타 살롱’에서 최신 AI 교육 흐름과 실천 팁을 부모와 부모가 함께 묻고, 답하고, 배우며 나누는 시간을 가져요.

초록지붕 하브루타 살롱

: AI 시대, 자녀교육의 길을 함께 찾는 부모 수업

📌 무엇을 하나요?

📅 9월 일정

💳 참가비

① 단일 수강

② 월 패키지 (4회)

③ 혜택 

🌿 앤소장 소개

안녕하세요, 앤소장입니다.

저는 두 아이의 엄마이자, AI 시대 자녀교육과 부모 역량 개발에 관심을 가진 교육 실천가입니다.

매주 AI 교육 뉴스레터를 발행하며, 부모님들이 현실에서 바로 활용할 수 있는 정보를 나누고 있어요.

또한 축제 기획자로서의 경험과 부모 교육 연구를 바탕으로, 가정에서 바로 적용할 수 있는 AI 교육 실천법을 전하고 있습니다.

초록지붕 하브루타 살롱에서는 부모님들이 서로 배우고, 질문하고, 함께 성장하며, 같은 길을 걷는 동료 부모들과 네트워크를 만들어가는 공간입니다.

9월, 초록지붕 아래에서 만나 이야기 나눠요! 🌿

🎯 신청 방법

블로그 참조 

https://blog.naver.com/annesojang/223971423240

앤소장의 AI교육 뉴스레터 '초록지붕'을 구독해주세요.

퀄리티 높은 기사를 1주일에 1번씩 받을 수 있습니다.

앤소장과 지속적인 소통을 원하시면 스레드에서 만나요.

https://www.threads.com/@annesojang