수학 난제를 풀었다는 이야기가 왜 일상용 AI 이야기로 바로 이어질까요?

요약 보기

이 대화의 출발점은 한 가지 발표예요. 그렉 브록먼은 자사 모델이 나비에-스토크스 문제를 풀었다고 발표하면서, 어떤 조건에서는 이 방정식에 특이점이 생겨 식이 깨지는 쪽의 반례나 증명을 찾았다고 설명해요. 여기서 특이점이라는 말은, 방정식이 계속 매끈하게 설명해 줄 것 같다가 어느 순간 그런 설명이 더는 성립하지 않는 지점을 뜻한다고 이해하면 돼요. 왜 이 얘기가 크게 들리냐면, 그는 이것을 오래 열려 있던 밀레니엄 문제 가운데 하나라고 소개하기 때문이에요. 다만 중요한 건, 이 인터뷰는 그 발표 내용을 설명하는 자리라는 점이에요. 그러니 우리는 우선 ‘그가 무엇을 주장하는가’를 이해해야지, 검증이 끝난 확정 사실처럼 받아들이면 안 돼요.

그가 이 수학 결과를 중요하게 보는 이유는 두 층으로 나뉘어요. 하나는 문제 자체예요. 그는 이 결과가 인류에게 새로운 지식일 수 있고, 증명도 우아하고 배울 점이 많다고 말해요. 또 이 방정식이 유체역학 같은 분야와 연결되니, 내용 자체도 의미가 있다고 봐요. 그런데 그보다 더 강조하는 건 ‘이 정도 문제를 모델이 도왔다는 사실’이에요. 다시 말해, 중요한 건 답 하나보다도 이제 모델이 사람이 오래 붙잡아야 하던 문제에서 새 지식을 만드는 쪽으로 들어오고 있다는 신호라는 거예요. 그래서 항공 흐름이나 난류 같은 직접 응용보다도, 앞으로 다른 과학 문제를 더 빨리 푸는 연구 방법이 생길 수 있다는 기대를 얹고 있어요.

여기서 진행자가 바로 던지는 질문이 재밌어요. ‘그래서 이게 내 비행기 예약이나 암 치료랑 무슨 상관이냐’는 거예요. 브록먼의 답은, 지금 당장 이 수학 결과 하나가 생활 문제를 바로 해결해 준다는 뜻은 아니라는 쪽에 가까워요. 오히려 그는 이런 수준의 문제를 다루는 모델이 생기면, 더 즉시 쓸모 있는 문제들에도 같은 종류의 도움이 퍼질 수 있다고 봐요. 질병 치료나 신약 개발 이야기도 그래서 나오는데, 그건 이미 이뤄졌다는 선언이 아니라 ‘이제 그런 기대가 전보다 훨씬 현실적으로 보인다’는 전망이에요. 이 차이를 놓치면, 인터뷰 전체가 과장처럼 들릴 수 있어요. 그는 미래 가능성을 말하고 있지, 결과를 확정 보고하는 건 아니에요.

그다음 화제가 아스트라로 넘어가면, 핵심 표현은 ‘컴퓨터 사용의 새로운 문턱’이에요. 이 말은 챗창 안에서 말만 번지르르하게 하는 수준이 아니라, 여러 애플리케이션을 실제로 다루는 능력이 눈에 띄게 올라왔다는 뜻으로 쓰여요. 그래서 사람들이 블렌더로 3D 모델을 만들고, 실제 공간을 스캔해 구조를 바꿔 보고, 샤워 배수구 부품처럼 아주 생활적인 물건까지 설계하는 사례가 나와요. 이 대목이 중요한 이유는, AI의 가치를 거창한 과학 문제에만 두지 않기 때문이에요. 브록먼은 오히려 ‘평범하지만 내가 당장 해결하고 싶은 문제’가 많고, 이런 도구가 개인에게 그런 문제를 풀 힘을 준다고 강조해요. 그러니까 아스트라의 의미는 전문가용 묘기가 아니라, 디지털 도구를 다루는 문턱을 낮추는 데 있다는 거예요.

브록먼이 그리고 있는 방향은, 사용자가 복잡한 도구 조작을 직접 떠안는 방식에서 목표만 말하면 되는 방식으로 옮겨가는 거예요. 그는 인간이 세부에 들어가 감독할 수는 있어야 하지만, 기본적으로는 AI가 목표를 받아 일을 대신 굴려 주는 쪽을 원한다고 설명해요. 그래서 올해의 변화를 ‘대화형 사용에서 에이전트형 사용으로의 이동’이라고 부르면서도, 채팅이 사라지는 건 아니라고 말해요. 교육, 건강 같은 분야에서는 여전히 대화형 사용이 크고, 깊은 생산성 작업에서는 에이전트형 사용이 급증한다는 식이에요. 중요한 포인트는, 이 둘을 서로 다른 제품으로 영원히 나눠 두겠다는 게 아니라 점점 합치려 한다는 점이에요. 결국 사용자는 모델 종류, 컨텍스트 창, 사고 강도 같은 내부 설정을 고르는 사람이 아니라, 목표를 제시하고 결과를 감독하는 사람이 되어야 한다는 그림이죠.

이걸 가상의 비교로 생각해 보면 조금 쉬워져요. 지금의 AI 사용이 마치 기능이 많은 작업실에 처음 들어가서, 어떤 공구를 고를지부터 매번 고민해야 하는 상태에 가깝다면, 브록먼이 말하는 미래는 ‘무엇을 만들고 싶은지만 말하면 뒤에서 필요한 공구를 알아서 챙겨 주는 작업실’에 가까워요. 사용자는 여전히 결과를 확인하고 책임져야 하지만, 블렌더를 직접 열지, 다른 모델을 고를지, 연결 권한을 어디에 줄지를 일일이 판단하는 부담은 뒤로 물러나는 거예요. 그래서 그가 말하는 통합은 단순히 앱을 한곳에 모은다는 뜻이 아니라, 사용자가 내부 구조를 덜 의식해도 되게 만드는 방향이라고 보면 돼요.

그런데 이렇게 강한 기능이 생겨도 사람들이 모르면 소용이 없어요. 그래서 인터뷰 중간에는 ‘발견 문제’가 따로 등장해요. 같은 텍스트 상자처럼 보여도 새 기능이 훨씬 강력해졌다면, 사용자는 무엇이 달라졌는지 알기 어렵죠. 브록먼은 이 문제를 아직 충분히 풀지 못했다고 인정하면서, 오히려 AI가 사용자의 의도를 이미 어느 정도 이해하니 스스로 더 나은 사용법을 안내할 수 있다고 봐요. 예를 들어, 지금 요청을 이런 방식으로 바꾸면 더 잘 되고, 어떤 연결을 추가하면 대신 처리할 수 있다고 먼저 제안하는 식이죠. 또 회사가 기능을 알릴 때도 너무 특이한 사례보다, 사람들이 ‘나도 저건 당장 원해’라고 느끼는 구체적인 사례가 더 중요하다고 말해요. 요지는 성능 향상만으로는 부족하고, 사용자가 그 성능을 자기 일로 번역하게 만드는 단계가 필요하다는 거예요.

이미지 모델에 대한 설명도 같은 구조예요. 브록먼은 이미지가 재미있는 장난감으로 끝나지 않으려면 일정 품질 문턱을 넘어야 한다고 봐요. 품질이 모자라면 ‘개념은 멋지지만 최종 결과물로는 못 쓴다’는 거예요. 그래서 그는 정밀한 수정 제어, 속도, 다양한 결과, 사람과 주고받는 상호작용이 중요하다고 말해요. 이 조건이 갖춰지면 마케팅, 지식노동, 슬라이드 제작, 웹사이트 제작처럼 예상보다 실용적인 영역이 열린다고 설명하죠. 여기서 포인트는 이미지가 따로 노는 기능이 아니라는 거예요. 그는 이미지, 음성, 코딩이 한 패키지처럼 합쳐져야 사용자를 진짜로 강화하는 AI가 된다고 봐요. 즉, 예쁜 그림 생성보다 ‘내가 머릿속에 그린 것을 실제 산출물로 이어 주는 중간 엔진’으로 보는 시각이에요.

건강 분야에 대해서는 훨씬 더 구조적인 그림을 내놔요. 브록먼은 건강 사업을 세 축으로 나눠 설명해요. 첫째는 일반 소비자가 건강 질문을 하는 쪽이고, 둘째는 의료 문헌 인용 등을 제공하도록 임상의에게 맞춘 쪽이며, 셋째는 병원에 직접 판매해 시스템 안으로 넣는 기업용 쪽이에요. 이 셋을 따로 잘 만드는 것도 중요하지만, 그는 시간이 지나면 서로 시너지가 생긴다고 봐요. 왜냐하면 실제 의료 경험은 원래 하나로 이어져 있기 때문이에요. 환자는 여러 전문의를 돌며 같은 설명을 반복하고 기록을 직접 옮기기도 하잖아요. 브록먼은 하나의 플랫폼 위에서 정보 공유가 좋아지면 이런 마찰이 줄고, 임상시험 참여자 찾기 같은 병목도 나아질 수 있다고 말해요. 다시 말해, 챗봇 한 번 잘 답하는 문제가 아니라 의료 정보 흐름 전체를 다시 짜는 플랫폼 구상을 말하고 있는 거예요.

다만 이 건강 비전은 조건과 한계를 같이 봐야 해요. 우선 그는 사람들이 자신의 데이터를 맡길 의사가 있을 때 이런 연결이 가능하다고 말해요. 즉, 데이터 접근과 신뢰가 전제예요. 또 인터뷰에 나오는 사례들, 이를테면 AI가 의사의 설명을 다시 이해하게 도와 좋은 결과로 이어졌다는 이야기는 가능성을 보여 주는 개인 경험이지, 모든 상황에서 그렇게 된다는 보장은 아니에요. 메모리 기능이 여러 증상을 묶어 패턴을 찾아낼 수 있다는 기대도 마찬가지예요. 브록먼은 실제로 그런 가능성을 본다고 하고, 아내의 사례를 들어 여러 전문과 진료가 따로 놀다가 한 의사가 전체를 연결해 본 경험을 설명해요. 이 비유가 말하는 핵심은 분절된 정보를 한곳에서 이어 보는 힘이지, AI가 의사를 대체한다는 선언은 아니에요. 오히려 이 대목은 ‘전문 분화 때문에 놓치기 쉬운 연결’을 AI가 보조할 수 있다는 주장으로 읽는 게 안전해요.

마지막으로 오퍼레이터에서 아스트라로 이어지는 계보를 보면, 이 회사가 무엇을 성공의 조건으로 보는지 드러나요. 브록먼은 오퍼레이터를 실패작이라고 단정하지 않고, 현실 배치를 통해 배우는 반복 과정의 일부로 설명해요. 다만 당시에는 모델 능력이 문턱 아래에 있어서 느리고, 정확하지 않고, 쓰기 고통스러웠다고 인정해요. 여기서 문턱 아래라는 표현이 중요해요. 아이디어가 틀린 게 아니라, 사람들이 참을 만큼 좋지 않았다는 뜻이거든요. 이후 팀이 긴 문제 목록을 하나씩 줄이며 컴퓨터 사용을 집중적으로 개선했고, 그 결과가 아스트라라고 보는 거예요. 또 기존 에이전트가 커넥터와 손코딩된 연결에 많이 의존했다면, 그가 말하는 컴퓨터 사용은 사람처럼 이미 사람용으로 설계된 인터페이스를 다룰 수 있게 되는 방향이에요. 그래서 그는 이것을 장기 투자, 실제 배치, 안전한 개발이 합쳐진 이정표처럼 말해요.