언어, 이미지, 음성, 영상 등 다양한 형태의 데이터를 처리하며, 인간처럼 폭넓고 유연한 지적 활동을 수행할 수 있는 인공지능을 의미한다. 인간의 직접적인 명령 없이도 주어진 환경에서 문제를 해결하고 스스로 학습한다는 점에서, 이론적으로는 ‘강한 AI’ 또는 ‘완전 AI’로 불린다.
이와 반대로 특정 작업에만 최적화된 인공지능은 ‘약한 AI’ 또는 ‘좁은 AI’로 불리며, 현재 대부분의 AI 기술이 이 범주에 속한다. 알파고, 딥블루처럼 특정 게임에서 인간을 능가하는 AI가 대표적인 예다. 이들은 데이터, 알고리즘, 명시된 규칙 등을 기반으로 특정 과제를 해결하는 데 집중된다.
AGI는 기존 AI와 달리 다양한 작업을 수행하며, 그 결과로부터 스스로 학습하는 특성을 지향한다. 예컨대 별도의 입력값 없이도 프로그램 자체가 환경과 상호작용하며 경험을 축적하고 개선하는 방식이다. AGI는 여전히 실험적 단계에 있으며, 궁극적으로는 인간과 같은 수준의 사고와 창의력을 갖는 AI 구현을 목표로 한다.
이러한 AGI 개발에는 머신러닝, 특히 ‘신경망 구조 검색(NAS)’ 기술이 핵심이다. 구글의 AutoML Zero는 기본 수학 개념만 입력한 상태에서 스스로 신경망을 설계해 AI 시스템을 만드는 실험적 사례로 주목받았다. 이처럼 AI가 인간이 설계하지 않은 방법으로 문제를 해결해나가는 것은 AGI 실현의 가능성을 보여준다.
AI가 급속도로 발전하면서 AGI에 대한 기대와 우려가 공존한다. 자가 지도 학습, 전이 학습, 인과 추론 등의 기술은 인간처럼 경험을 기반으로 사고하는 AI를 가능하게 한다. 전문가들은 AGI가 스스로 인과관계를 학습하고 복잡한 상황을 판단할 수 있어야 진정한 AGI로 평가받을 수 있다고 본다.
일각에서는 AGI가 인간의 노동을 보조하고 반복 업무를 대신할 것이라 보지만, 고도화된 AGI가 실제로 등장하면 사람을 대체할 가능성도 제기된다. 이는 기술의 활용 방향과 사회적 합의에 따라 달라질 문제다.
AGI는 아직 이상에 가까운 목표다. 그러나 딥마인드의 Gato처럼 하나의 모델이 다양한 작업을 수행하려는 시도는 현실화되고 있다. Gato는 텍스트 생성, 이미지 설명, 게임 플레이, 로봇 제어 등 수백 가지 작업을 처리할 수 있지만, 각 작업의 성능은 전문 AI에 비해 다소 떨어진다. 그럼에도 하나의 신경망으로 다양한 일을 수행한다는 점은 의미 있는 진전이다.
테슬라가 공개한 휴머노이드 로봇 옵티머스는 인간을 돕는 로봇으로, 자율 판단과 기본적인 작업 수행 능력을 갖추려는 시도가 이루어지고 있다. 하지만 인간 수준의 사고 능력을 갖췄다고 보긴 어렵다.
AGI 개발에 대한 기대는 크지만, 아직 갈 길이 멀다는 것이 전문가들의 공통된 견해다. AGI가 자율성을 갖고 인간과 협력하는 방향으로 개발되어야 한다는 논의는 점점 더 중요해지고 있다. AGI가 인류 문제 해결에 기여할 수 있다는 기대가 있는 만큼, 기술적 진보와 윤리적 고려가 균형 있게 발전해야 한다.
