6부 총정리
앞으로를 한 겹 더 · 설명과 이유까지 · DAY 56-60
AIAI가 만든 글이 총정리는 AI(Claude)가 그 부의 수업과 기록을 바탕으로 썼어요. 자동 점검을 거쳐 올리고, 운영자가 모든 글을 읽지는 않아요.만드는 방법
6부는 앞으로를 다섯 날에 걸쳐 봤어. AGI 논쟁 · 직업 · 안전 · 로봇 · 그리고 배우는 순서.
중급은 같은 사실을 한 겹 더 파. 왜 그렇게 되는지까지 보고 가자. 퀴즈도 실험도 없어 — 읽고 넘어가는 글이야.
DAY 56 · AGI 논쟁
AGI 논쟁은 실력 다툼이 아니라 기준선 다툼이야
AGI는 '사람만큼 두루 잘하는 AI'를 가리키는 말인데, 어디까지 해내야 그렇다고 할지는 아무도 정해 놓지 않았어. 기준을 낮게 — '사람처럼 말이 통하면 AGI' — 잡으면 이미 통과야. 1950년 튜링이 낸 기준이 그쪽에 가까웠어. 기준을 높게 — '처음 보는 일을 스스로 배워 끝까지 해내면 AGI' — 잡으면 아직이야.
시험으로 재면 답이 갈려. 2026년 2월, 사람 평균이 60%인 퍼즐 시험에서 84.6%를 받은 모델이 나왔어. 설명서 없이 새 규칙을 알아내는 시험에서는 2026년 3월 공개 당시 사람 100% · AI 0.51%였어. 같은 말을 서로 다른 뜻으로 쓰고 있으니 논쟁이 시끄러운 거야. 그래서 'AGI'라는 말을 그냥 버리자는 쪽도 있어.
DAY 57 · AI와 직업
AI가 가져가는 건 직업이 아니라 조각이야
일 하나를 쪼개면 네 조각이 나와. 모으기 · 만들기 · 고르기 · 책임지기. 앞의 두 조각은 AI가 빠르게 가져갔어. 정답 모양이 정해져 있고 여러 번 반복되는 쪽이거든. 뒤의 두 조각은 남아. 무엇이 맞는지 정하고 그걸 내보내도 된다고 결정하는 일이야.
AI는 한 조각은 엄청 잘하는데 처음부터 끝까지 혼자 이어서 해내는 건 아직 약해. 2025년 실제 업무를 통째로 맡겨 본 평가에서 가장 잘한 AI가 끝까지 해낸 건 2.5%였어. 그래서 무게중심이 뒤로 밀려. 확인하고 책임지는 쪽으로 옮겨 가고, 없던 직함이 새로 생기기도 해.
DAY 58 · AI 안전
안전은 모델의 성격이 아니라 위에 얹는 장치야
AI 안전은 모델을 착하게 만드는 마법이 아니야. 모델 위에 하나씩 덧붙이는 장치야. 장치는 크게 셋이야 — 거절하기 · 하기 전에 물어보기 · 나중에 들여다보기. 거절은 저절로 생기지 않아. 모델은 원래 아는 걸 말해 주는 쪽으로 배우니까, 따로 가르쳐야 하는 행동이야.
2025년 한 연구에서는 규칙을 어기게 만드는 꼼수 질문의 성공률이 86%에서 4.4%로 떨어졌어. 대신 계산이 약 24% 더 들었어. 그리고 멀쩡한 부탁까지 덜컥 거절해 버리는 '과잉 거절'이 생겨. 그래서 요즘은 거절 실력과 과잉 거절을 같이 재. '이 AI 안전해요?'보다 좋은 질문은 '무슨 장치가 붙어 있어요?'야.
DAY 59 · 로봇과 AI
로봇의 앞쪽 세 조각에 AI가 들어갔어
예전 로봇은 정해 준 좌표대로만 움직였어. 물건이 1cm만 삐뚤어져 있어도 허공을 집었지. 2023년부터 보는 AI와 말을 알아듣는 AI를 로봇 몸에 그대로 연결했어. 그러니까 '빨간 컵 집어'가 통하기 시작했어. 눈 · 말귀 · 판단 세 조각이 AI로 바뀐 거고, 손과 다리는 여전히 기계 기술이야.
균형은 1초에 수백에서 수천 번 잡아야 하는데, 생각은 그 속도로 못 해. 그래서 요즘 로봇은 빠른 몸 회로와 느린 생각 회로를 층으로 나눠 돌려. 2026년 공개된 한 로봇은 전신 균형을 1초에 1,000번, 관절을 200번 고쳐 잡는다고 밝혔어.
DAY 60 · 배우는 순서
준비물은 새 지식이 아니라 네 칸의 순서야
60일 내내 반복해서 나온 답은 하나였어 — 묻고, 확인하고, 직접 해 보고, 내 말로 설명하기. 새 도구를 만났을 때도, AI 답을 받았을 때도, 혼자 배우고 싶을 때도 순서가 똑같아. 막히는 건 실패가 아니라 순서의 한 칸이야. 막힌 데를 다시 묻는 게 다음 칸이거든.
AI가 가져가는 조각과 사람한테 남는 조각이 딱 여기서 갈려. 초안은 AI가 주고, 맞는지 정하는 건 너야. 도구는 몇 달마다 바뀌지만 배우는 방법은 안 바뀌어. 그래서 오늘 익힌 게 내년에도 쓸모 있어. 같은 AI를 써도 이 네 칸을 도느냐 마느냐로 갈려. 더 잘난 사람이라서가 아니라 한 바퀴 더 돌았을 뿐이야.
6부를 한 줄로
다섯 날을 한 줄로 줄이면 이거야 — 앞으로를 묻는 질문은 대부분 AI가 아니라 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
- Computing Machinery and Intelligence (Turing, 1950) — '기계가 생각하나'를 겉으로 드러난 대답으로 판정하자고 한 원논문academic.oup.com/mind/article/LIX/236/433/986238
- On the Measure of Intelligence (Chollet, 2019) — 지능을 아는 양이 아니라 새 기술을 익히는 속도로 재자는 제안arxiv.org/abs/1911.01547
- 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
- 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…
- GDPval (OpenAI, 2025) — 9개 분야 44개 직업의 실제 업무 산출물로 AI를 채점한 평가openai.com/index/gdpval
- Remote Labor Index (Scale AI·CAIS, 2025) — 실제 업무를 통째로 맡겼을 때 끝까지 해낸 비율이 2.5%였다는 평가arxiv.org/abs/2510.26787
- 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…
- Constitutional AI (Anthropic, 2022) — 원칙을 적은 글을 학습 신호로 쓴 방법. 거절을 가르치는 뿌리가 된 논문arxiv.org/abs/2212.08073
- Constitutional Classifiers (Anthropic, 2025) — 꼼수 성공률 86%에서 4.4%, 계산 23.7% 증가라는 숫자의 원문anthropic.com/news/constitutional-classifiers
- Petri (Anthropic, 2025) — AI가 AI를 자동으로 감사하게 만든 공개 도구anthropic.com/research/petri-open-source-auditing
- RT-2 (Google DeepMind, 2023) — 인터넷 사진·글로 배운 지식을 로봇 팔 제어에 그대로 이어 붙인 연구arxiv.org/abs/2307.15818
- Gemini Robotics (Google DeepMind, 2025) — 말을 알아듣는 대형 모델을 로봇 몸에 연결한 모델 소개deepmind.google/discover/blog/gemini-robotics-bring…
- Helix 02 (Figure, 2026) — 균형 1초 1,000번, 관절 200번처럼 회로를 속도별로 나눠 돌린다는 설명figure.ai/news/helix-02
- 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
- 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…