지식에 관한 강연

—

이 강연은 2026년 10월 3일 아라빈드 스리니바스가 케임브리지 유니언 소사이어티에서 진행했습니다. 케임브리지 유니언 소사이어티는 케임브리지 대학교 최대의 학생 단체이자, 세계에서 가장 오랫동안 쉬지 않고 운영되어 온 토론 단체입니다.

—

안녕하세요, 감사합니다. 이 자리에 서게 되어 영광입니다.

회사를 창업하면서 예상하지 못했던 것 중 하나는 대학에서 이렇게 많은 시간을 보내게 된다는 점입니다. 저는 그 시간이 즐겁습니다. CEO 입장에서 보면, 반론을 제기하는 청중은 대학에만 있는 편입니다. 그래서 오늘은 제가 이야기하는 시간보다 토론 시간을 더 넉넉히 남겨 두겠습니다.

시작하겠습니다.

보통 어딘가에서 강연 초청을 받으면, “AI의 미래” 같은 평범한 제목으로 미래를 예측하는 강연을 해 달라는 요청을 받습니다. 저는 AI의 미래에 대해 이야기하지 않겠습니다. 대신 여러분의 미래에 대해 이야기하겠습니다. 제게는 여러분의 미래가 더 흥미롭고, 아마 여러분에게도 더 흥미로울 것입니다.

먼저 과거에 대해 조금 이야기하겠습니다. 케임브리지는 과거와 여러분의 미래를 함께 이야기하기에 더없이 좋은 곳입니다. 이곳에는 둘 다 있으니까요.

전해지는 이야기에 따르면, 오늘날 우리가 동료 심사 제도라고 부르는 것은 이곳 케임브리지에서 고안되었습니다. 정확한 사실은, 케임브리지의 한 교수가 고안한 것일 뿐이며 그가 이를 제안한 곳도 이 대학이 아니라 런던 왕립학회였다는 것입니다. 1831년의 일이었습니다. 오늘날에는 매년 350만 편이 넘는 과학 논문이 동료 심사 제도를 거쳐 출판됩니다.

그로부터 약 160년 후, 스탠퍼드의 두 박사 과정생이 네트워크 구조와 데이터 마이닝을 연구하고 있었습니다. 1990년대 인터넷 붐이 막 시작되던 때였습니다. 모두가 월드 와이드 웹 이야기만 했습니다. 오늘날의 “AI”처럼 말이죠.

또 오늘날처럼, 당시 붐에 대해 이야기하던 사람들은 대부분 투자자와 언론이었습니다. 그 시절의 “기술 커뮤니티”는 통신 업계였습니다. 논의에 참여하는 학자는 많지 않았습니다(몇 명은 있었지만 많지는 않았습니다). 그리고 이 두 박사 과정생은 결코 인터넷 붐의 내부자라고 할 수 없었습니다.

하지만 그들은 대학 제도 밖의 사람들이 별로 신경 쓰지 않던 한 가지를 알고 있었습니다.

대부분의 학자들처럼 그들도 대학의 목적을 이해하고 있었습니다. 대학의 목적은 지식을 발전시키는 것입니다.

그래서 우리는 동료 심사를 활용합니다. 학술 논문에 인용이 그토록 많은 이유이기도 합니다. 그리고 이 두 학생은 세상의 지식 총량(동료 심사 수준의 논문 수로 가늠할 수 있음)이 늘어나기만 한다는 것을 알고 있었습니다. 그래서 웹 역시 인간의 지식과 함께 커지기만 할 것임을 쉽게 내다볼 수 있었습니다.

그들은 웹에는 “새로운” 오래된 문제를 다뤄 본 경험도 있었습니다. 지식이 끊임없이 확장된다면, 올바른 지식이나 가장 좋은 지식을 어떻게 찾을 것인가 하는 문제였습니다. 기존 모델에서 학자들은 연구가 인용된 횟수를 바탕으로 누군가의 연구가 유용한지, 신뢰할 만한지를 판단합니다.

그래서 그들은 인터넷의 모든 웹사이트를, 다른 웹사이트들이 그 사이트를 얼마나 많이 인용하거나 링크했는지를 해당 사이트들의 콘텐츠와 연관 지어 평가하는 알고리즘을 만들자는 아이디어를 떠올렸습니다.

그들은 이 시스템을 “페이지랭크(Page Rank)”라고 불렀습니다. 웹의 모든 페이지(page)에 순위를 매겼고, 박사 과정생 중 한 명의 이름이 래리 페이지였기 때문입니다.

래리와 그의 파트너(세르게이 브린)는 이 작은 학문적 원칙 하나를 가져다 대중이 쓸 수 있게 만들었습니다. Google이 역사상 가장 유용한 도구 중 하나이자 가장 성공한 기업 중 하나가 된 것은, 래리 페이지가 대학들이 이미 100년 동안 해 오던 일을 그저 응용했기 때문입니다.

말씀드렸듯이 대학의 목적은 지식을 발전시키는 것입니다. 오늘 강연에서는 지식에 관해 세 가지를 말씀드리겠습니다. 우리 자신의 지식에 대해 생각해 봄으로써 인공지능을 더 잘, 그리고 실질적으로 이해하게 되기를 바랍니다.

1.

첫째, 지식에는 생명이 있습니다. 지식은 태어나고, 쇠퇴하고, 죽습니다.

지식에는 생애 주기가 있습니다. 그리고 생애 주기가 있기 때문에 지식은 진화합니다.

우리가 아는 것이 진화함에 따라 우리 모두 더 똑똑해지고 있습니다. 이를 플린 효과라고 합니다. 플린 효과는 인류가 10년마다 IQ 약 3점씩 더 똑똑해져 왔다는 관찰 결과입니다.

IQ 검사는 평균이 100으로 유지되도록 꾸준히 재표준화되기 때문에, 플린 효과는 백분위로 생각하면 이해하기 쉽습니다. 1950년에 지능 백분위 92에 해당하던 사람은 오늘날에는 백분위 50에 그칠 것입니다. 우리 모두 더 똑똑해진 것입니다.

1950년은 튜링 테스트가 고안된 해이기도 합니다. 튜링 테스트는 기계가 사람보다 똑똑한지, 또는 언제 그렇게 되는지를 판단하는 최초의 테스트였습니다. 즉, 1950년의 튜링 테스트는 기계가 통과하기가 훨씬 쉬웠다는 뜻입니다. “인간” 지능의 기준이 더 낮았으니까요.

그리고 그것이 진화의 힘입니다. 지식은 언제나 더 많은 지식으로 이어집니다.

단점은 세상은 더 똑똑해질 수 있지만, 개인으로서의 여러분은 오히려 덜 똑똑해질 수 있다는 것입니다. 지식은 쇠퇴합니다. 반감기처럼 생각해 보세요. 방사성 원소의 반감기는 그 절반이 붕괴하는 데 걸리는 시간입니다. 지식의 반감기는 지식의 절반이 쓸모없어지는 데 걸리는 시간입니다.

바로 이곳 케임브리지의 몇 가지 사례를 들어 보겠습니다.

1978년, 로이 칸 경은 사이클로스포린을 장기 이식에 도입하는 데 기여했습니다. 이는 장기 거부 반응을 막는 데 중요한 역할을 했습니다. 최초의 임상 시험은 케임브리지에서 이루어졌습니다. 2001년에는 또 다른 약물인 타크로리무스가 미국 신장 이식 분야에서 같은 계열의 주된 치료제가 되었습니다. 그러니 사이클로스포린 치료에 관한 의학 지식의 반감기는 23년이었다고 할 수 있습니다.

불완전한 측정 방식이지만, 빠르게 발전하는 분야의 엔지니어를 평가하는 데 유용한 모델입니다. 기술 업계에서는 실제로 이렇게 합니다. 여기에 담긴 질문은 “이 엔지니어가 아는 것의 절반이 완전히 쓸모없어지는 시점은 경력의 어느 단계인가?”입니다.

여러분의 경력에서는 언제 그런 일이 일어날까요? 그 답은 여러분이 새로운 것을 배우는 데 얼마나 많은 시간을 쓰느냐에 달려 있습니다.

안타깝게도 드물게는 지식도 죽습니다. 더 이상 사용하는 사람이 남아 있지 않은 언어가 있습니다. 어르신이 세상을 떠날 때 함께 사라지는 지혜도 있습니다.

그래서 인류는 4,000년이 넘는 세월 동안 도서관을 지어 왔습니다. 그리고 웹이 등장하자, 우리가 아는 것을 비교할 수 없을 만큼 더 많이 그곳에 올렸습니다. 이처럼 지식은 죽지만, 꼭 죽어야 하는 것은 아닙니다. 어쩌면 인간 본성에 내재된 무언가 때문인지, 사람들은 지식을 보존해야 한다는 강한 충동을 느껴 왔습니다. 우리는 끊임없이 지식을 저장하고, 세상의 지식 총량을 늘려 가고 있습니다. 좋은 일입니다.

짚고 넘어가야 할 점이 있습니다. 지식은 살아 있는 존재와 비슷하지만, 살아 있지는 않습니다. 살아 있는 것은 오직 여러분뿐입니다. 다만 저는 여러분이 새로운 것을 배울 때 더 살아 있다고 생각합니다.

참고로 이것이 Perplexity가 존재하는 이유입니다. 하지만 저는 Perplexity에 대해 이야기하려고 이 자리에 선 것이 아닙니다. 여러분, 그리고 지식의 경제에 대해 이야기하려고 왔습니다. 이것이 제 두 번째 요점으로 이어집니다.

2.

둘째, 지식은 돈이 아닙니다. 하지만 돈처럼 작동합니다.

돈에는 시간 가치가 있습니다. 이자는 돈을 불리고, 인플레이션은 돈을 줄어들게 합니다. 시간이 충분히 흐르면 이자와 인플레이션 모두 복리로 작용합니다.

10만 파운드의 구매력이 4만 파운드 수준으로 떨어지면(아마 약 23년 후), 본전을 찾으려면 25만 파운드가 필요할 것입니다. 그로부터 23년이 더 지나면 62만 5,000파운드가 필요합니다.

무언가가 복리로 쌓이면, 이익이나 손실은 시간이 지날수록 기하급수적으로 커집니다.

그래서 가장 기본적인 금융 원칙은 언제나 인플레이션보다 높은 이율로 복리 이자를 불려야 한다는 것입니다. 성장하지 않으면 줄어들기 때문입니다. 지식도 마찬가지입니다.

파운드의 가치처럼, 오늘 여러분이 아는 것의 가치도 시간이 지나면서 떨어질 것입니다. 그리고 일반적인 가치 하락처럼, 매일 아주 조금씩만 떨어질 것입니다. 너무 미미해서 거의 알아차리지 못할 정도로요. 그러다 어느 날 눈을 떠 보면 아무것도 남아 있지 않을 것입니다. 여러분의 지식은 더 이상 같은 시장 가치를 갖지 못할 것입니다. 이는 피할 수 없습니다. 기억하세요. 피타고라스 정리도 한때는 엘리트만 알 수 있는 지식이었습니다. 하지만 이 자리에 있는 모든 분이 중학교 1학년 때 배웠습니다.

우리 모두는 영원히 더 똑똑해집니다. 말씀드렸듯이, 이것이 바로 대학의 존재 목적입니다. 운이 좋다면, 먼 훗날 여러분이 이곳 케임브리지에서 공부한 내용이 중학교 1학년 교육과정이 될지도 모릅니다.

그런 일이 일어난다면 좋은 일입니다. 진보를 뜻하니까요. 하지만 이는 경제적 목표를 이루려면 배움을 결코 멈춰서는 안 된다는 뜻이기도 합니다. 지식의 인플레이션율보다 높은 이자율로 배워야 합니다.

다시 말해, 여러분은 자기 지식의 반감기보다 빠른 속도로 아는 것을 두 배로 늘려야 합니다. 여기에는 시간이 걸립니다. 하지만 복리라는 렌즈로 세상을 바라본다면, 먼 미래까지 내다보아야 합니다.

그래서 부를 복리로 불리는 최고의 비결은 일찍 시작하는 것이고, 두 번째로 좋은 방법은 오래 사는 것입니다. 워런 버핏은 11살에 투자를 시작했지만, 그의 재산 중 99%는 65세 이후에 쌓였습니다.

이는 지식과 돈의 마지막 공통점을 암시합니다. 써야 한다는 것입니다.

자본이 있으면 그것을 투입해 일을 합니다. 지식이 있다면, 특히 뛰어난 지식이 있다면, 그것을 활용해야 합니다. 그것으로 무언가를 하세요. 그것이 발명과 혁신의 차이입니다. 발명은 “무언가를 만들었는가?”라고 묻습니다. 혁신은 “그것이 변화를 만들었는가?”라고 묻습니다.

그리고 변화를 만들고 싶다면, 지식을 바탕으로 행동해야 합니다. 행동만이 새로운 질문과 탐구, 그리고 새로운 지식을 불러옵니다. 여러분은 언제나 배우고, 언제나 실천해야 합니다.

바로 여기서 인공지능이 등장하며, 이것이 저의 세 번째이자 마지막 요점으로 이어집니다.

3.

AI의 목적은 인류의 지식과 번영을 가속하는 것입니다.

오늘 저녁 제가 말씀드린 처음 두 가지를 생각해 보세요. 저는 지식에 생명체와 같은 특성이 있으니 지식을 가꾸고 발전시켜야 한다고 말했습니다. 넓게 보면 사람들이 혜택을 받기 때문입니다. 그다음에는 지식에 경제적 특성이 있다고 말했습니다. 넓게 보면 모든 사람이 혜택을 받으므로 지식을 키워야 한다는 것이었습니다.

이 두 가지를 믿는다면, AI에 대해서도 조금 다르게 생각해야 합니다.

AGI 달성에 집착하거나 기술 자체를 위해 기술을 똑똑하게 만드는 대신, 더 낫고 더 정확한 AI를 만드는 이유는 사람들에게 도움이 되기 위해서라는 결론에 이를 것입니다.

AI의 가장 높고 가장 중요한 목적은 사람들을 더 똑똑하고 더 풍요롭게 만드는 것이라는 결론에 이를 것입니다.

이것이 대학의 목적과 무척 비슷하게 들린다면, 네, 그래서 우리가 지금 여기 있는 것입니다.

동료 심사를 다시 생각해 봅시다. 동료 심사는 1831년에 고안되었습니다. 올해 Perplexity는 OpenAI 창립 연구원 중 한 명이 제시한 아이디어를 바탕으로 Model Council이라는 아주 간단한 제품을 출시했습니다. 세 개의 AI 모델에게 같은 질문을 합니다. 각 모델이 조사하고 답변하면, “의장” 모델이 서로 다른 점과 일치하는 점을 평가하고 추론을 거쳐 최종 답변을 내놓습니다.

Model Council은 동료 심사를 대체하지 않습니다. 그 대신 학문적 탐구 정신을 더 많은 사람에게 전하는 것이 목적입니다. 우리는 대학의 정신을 이 담장 너머, 전 세계로 넓힐 수 있습니다.

우리는 더 많은 사람이 그저 옳다고 느끼거나 옳은 것처럼 들리는 데 그치지 않고 실제로 옳을 수 있도록 도울 수 있습니다. 과학적으로 진리와 지식을 추구하도록 말입니다. 우주의 흐름은 모든 사람이 더 많은 지식에 더 많이 접근할 수 있는 방향으로 나아갑니다. 사람들이 지식을 갖는 것은 좋은 일입니다. 그리고 그 혜택을 받는 것은 사람들입니다.

제 회사에 관한 짧은 이야기로 마무리하겠습니다.

처음 시작했을 때 우리는 비전보다 질문이 더 많은 AI 연구자 세 명에 불과했습니다. 그러다 네 번째 멤버를 맞이하면서 건강 보험에 가입할 때가 됐다고 판단했습니다. 미국의 건강 보험은 미국인에게도 복잡합니다. 저는 미국 출신이 아니어서 훨씬 더 혼란스러웠습니다.

Google 검색 결과는 전혀 도움이 되지 않았습니다. 이럴 때 창업자가 흔히 하는 일은 이미 그 일을 해 본 사람에게 전화하는 것입니다. 투자자나 다른 창업자 같은 사람들이죠. 하지만 늦은 밤이었습니다. 저는 그 일을 끝내고 싶었기 때문에 필요한 지식을 직접 찾아야 했습니다.

문제는 직접 조사하려면 SEO에 최적화된 보험 사이트들을 Google로 일일이 찾아봐야 한다는 것인데, 그 사이트들은 하나같이 가장 신뢰할 만해 보이려고 경쟁하는 엉터리 조언뿐이라는 점입니다.

그때 제가 Perplexity의 첫 번째 버전을 만들었습니다.

그것이 저 대신 조사를 해 주었습니다. 그리고 저는 답변에 출처를 인용하게 했습니다. 그래서 검증할 수 있었고, 계속 더 많은 질문을 할 수 있었습니다. 그리고 회사의 건강 보험을 마련했습니다. 문제가 해결됐습니다. 다음 문제로 넘어갔습니다. 또 다음 문제, 그리고 그다음 문제로요. 그렇게 오늘에 이르렀습니다.

이 이야기의 교훈은 이제 더 이상 “아는 사람”이 있을 필요가 없다는 것입니다. 그냥 배우고 실행하면 됩니다. AI의 약속은 여러분이 어떤 지식에든 접근할 수 있다는 것이라고 이미 말씀드렸습니다. 이 이야기의 교훈은 누구나 어떤 지식에든 접근할 수 있다는 것입니다.

이것이 AI의 궁극적인 약속입니다. 이제 누구나 호기심을 품을 수 있습니다. 누구나 무엇이든 만들 수 있습니다. 이제 누구나 지식의 전당에 들어설 수 있습니다. 이는 모두에게 이롭습니다.

그리고 이는 여러분에게 좋은 소식입니다. 여러분이 남은 평생 할 수 있는 가장 중요한 일은 호기심을 갖는 것이라는 뜻이니까요. 여러분 중 가장 성공하는 사람은 가장 많은 질문을 가진 사람일 것입니다. 그리고 가장 좋은 질문을 가진 사람이겠죠.

그래서 제가 드리고 싶은 조언은 최대한 호기심을 가지라는 것입니다. 휴대폰으로 소셜 미디어를 스크롤하는 데 만족하지 마세요. 저녁 식사 예약만 해 주는 AI 에이전트에 만족하지 말고, 그것으로 진짜 일을 해 보세요. 그리고 여러분이 이미 옳다고 말하는 챗봇은 절대 믿지 마세요.

탐구 정신을 믿으세요. AI와 함께 배울 수 있는 것을 믿으세요. 그렇게 배워서 여러분이 만들어 낼 것을 믿으세요. 그리고 우리 모두를 위해, 좋은 것을 만드세요.

감사합니다.