한국어EN

총정리6부 앞으로DAY 56–60

6부 총정리

AGI 논쟁부터 배우는 순서까지 · 짧게, 비유로 · DAY 56-60

AI가 만든 글이 총정리는 AI(Claude)가 그 부의 수업과 기록을 바탕으로 썼어요. 자동 점검을 거쳐 올리고, 운영자가 모든 글을 읽지는 않아요.만드는 방법

6부에서는 앞으로 어떻게 될까를 다섯 날에 걸쳐 봤어. AGI 논쟁으로 시작해서, 마지막엔 그래서 뭘 준비하면 되는지까지 왔지.

여기는 퀴즈도 실험도 없어. 읽고 넘어가는 글이야. 기억이 흐릿한 날은 그 칸의 수업으로 바로 넘어가면 돼.

DAY 56 · AGI 논쟁

AGI 왔냐 아니냐는 기준선 다툼이야

AGI는 '사람만큼 두루 잘하는 AI'를 가리키는 말이야. 그런데 어디까지 해내야 그렇게 부를지는 정해진 게 없어. 기준을 낮게 그으면 지금 AI는 이미 통과, 높게 그으면 아직 미달이야. 같은 AI를 놓고 답이 갈려. 그래서 누가 'AGI 왔다'고 하면 먼저 물어볼 건 하나야 — 기준이 뭔데?

DAY 57 · AI와 직업

사라지는 건 직업이 아니라 조각이야

일 하나는 여러 조각으로 되어 있어. 모으기 · 만들기 · 고르기 · 책임지기. AI가 빠르게 가져간 건 앞의 두 조각이고, 무엇이 맞는지 정하고 책임지는 조각은 사람 쪽에 남아. 그래서 직업이 통째로 없어지는 게 아니라 무게중심이 뒤로 밀려.

DAY 58 · AI 안전

안전은 성격이 아니라 붙여 놓은 장치야

AI 안전은 모델을 착하게 만드는 마법이 아니야. 모델 위에 하나씩 덧붙이는 장치야. 장치는 세 가지야 — 거절하기 · 하기 전에 물어보기 · 나중에 들여다보기. 붙이면 진짜로 달라지는데 공짜는 아니야. 계산이 더 들고 멀쩡한 부탁까지 거절하는 일이 늘어.

DAY 59 · 로봇과 AI

로봇의 앞쪽 세 조각에 AI가 들어갔어

요즘 로봇이 똑똑해 보이는 건 몸이 좋아져서가 아니야. 뇌 자리에 우리가 쓰는 것과 같은 AI를 꽂았기 때문이야. 눈 · 말귀 · 판단 조각에는 AI가 들어갔고, 손과 다리를 움직이는 조각은 여전히 기계 기술이야. 그래서 진짜 어려운 쪽은 생각이 아니라 몸이야. 균형은 1초에 수백에서 수천 번 잡아야 하거든.

DAY 60 · 배우는 순서

준비물은 새 지식이 아니라 순서야

60일 내내 반복해서 나온 답은 하나였어 — 묻고, 확인하고, 직접 해 보고, 내 말로 설명하기. 도구는 몇 달마다 바뀌지만 배우는 방법은 안 바뀌어. 그래서 오늘 익힌 순서가 내년에도 쓸모 있어. 막히는 건 실패가 아니라 순서의 한 칸이야. 막힌 데를 다시 묻는 게 다음 칸이거든.

6부를 한 줄로

다섯 날을 한 줄로 줄이면 이거야 — 앞으로를 묻는 질문은 대부분 우리 쪽을 묻고 있다. 기준을 어디에 둘지, 어느 조각을 맡길지, 무슨 장치를 붙일지.

이걸로 60일 과정이 끝났어. 다음 주부터는 그 주에 새로 더한 기록으로 만든 수업이 매주 한 편 열려.

더 알아보기

  1. Computing Machinery and Intelligence (Turing, 1950) — '기계가 생각하나'를 겉으로 드러난 대답으로 판정하자고 한 원논문academic.oup.com/mind/article/LIX/236/433/986238
  2. On the Measure of Intelligence (Chollet, 2019) — 지능을 아는 양이 아니라 새 기술을 익히는 속도로 재자는 제안arxiv.org/abs/1911.01547
  3. ARC-AGI-3 공개 (ARC Prize, 2026) — 설명서 없이 새 규칙을 알아내는 시험. 공개 당시 사람 100% 대 AI 0.51%arcprize.org/blog/arc-agi-3-launch
  4. Gemini 3 Deep Think (Google, 2026) — 사람 평균 60%인 퍼즐 시험에서 84.6%를 받았다는 자사 발표blog.google/innovation-and-ai/models-and-research/g…
  5. GDPval (OpenAI, 2025) — 9개 분야 44개 직업의 실제 업무 산출물로 AI를 채점한 평가openai.com/index/gdpval
  6. Remote Labor Index (Scale AI·CAIS, 2025) — 실제 업무를 통째로 맡겼을 때 끝까지 해낸 비율이 2.5%였다는 평가arxiv.org/abs/2510.26787
  7. Canaries in the Coal Mine (Stanford Digital Economy Lab, 2025) — 22~25세 일자리 수를 본 관찰. 저자들도 원인 규명이 아니라고 못 박았다digitaleconomy.stanford.edu/publication/canaries-in…
  8. Constitutional AI (Anthropic, 2022) — 원칙을 적은 글을 학습 신호로 쓴 방법. 거절을 가르치는 뿌리가 된 논문arxiv.org/abs/2212.08073
  9. Constitutional Classifiers (Anthropic, 2025) — 꼼수 성공률 86%에서 4.4%, 계산 23.7% 증가라는 숫자의 원문anthropic.com/news/constitutional-classifiers
  10. Petri (Anthropic, 2025) — AI가 AI를 자동으로 감사하게 만든 공개 도구anthropic.com/research/petri-open-source-auditing
  11. RT-2 (Google DeepMind, 2023) — 인터넷 사진·글로 배운 지식을 로봇 팔 제어에 그대로 이어 붙인 연구arxiv.org/abs/2307.15818
  12. Gemini Robotics (Google DeepMind, 2025) — 말을 알아듣는 대형 모델을 로봇 몸에 연결한 모델 소개deepmind.google/discover/blog/gemini-robotics-bring…
  13. Helix 02 (Figure, 2026) — 균형 1초 1,000번, 관절 200번처럼 회로를 속도별로 나눠 돌린다는 설명figure.ai/news/helix-02
  14. ARC Prize 2025 결과 분석 (ARC Prize, 2025) — 사람은 쉽게 푸는데 AI는 못 푸는 퍼즐 대회의 결과 공개arcprize.org/blog/arc-prize-2025-results-analysis
  15. Will we run out of data? (Epoch AI, 2024) — AI가 배울 글이 언제 바닥날까를 숫자로 따져 본 글epoch.ai/blog/will-we-run-out-of-data-limits-of-llm…