2030년, AI는 어떻게 보일까.
Epoch AI가 Google DeepMind 의뢰로 발간한 보고서가 있다. 제목은 “What will AI look like in 2030?”. 현재 추세가 계속되면 어떤 일이 벌어질지 데이터로 추산한 보고서다.
스케일링은 계속될 것인가
결론부터 말하면: 계속될 가능성이 높다.
현재 추세대로라면 2030년 프론티어 AI 모델 훈련에는 1,000억 달러 이상의 투자가 필요하고, 전력 소비는 기가와트 단위에 달한다. 부담이 적지 않지만 감당 불가능은 아니다. AI 개발사 매출이 현재 추세대로 증가하면, 투자 대비 수익률 기준으로妥當하다고 저자들은 본다.
가능성을置疑하는 의견들에도 답이 있다.
데이터 고갈설: 2027년까지는 공개的人类生成 데이터가 있다고. 합성 데이터까지 활용하면 더 버틸 수 있고, 추론 모델의 등장이 그 효과를 입증했다.
전력 병목: 2028년 전까지는 큰 문제가 안 되고, 이후에도 태양광+배터리나 그리드 외 가스 발전 등으로 해결 가능하다. 멀티 데이터센터 분산 훈련도 도움이 된다.
비용 절망: 아직 투자收缩 조짐은 없다. AI가 수많은 일의 생산성을 끌어올릴 수 있다면, 수조 달러의 가치가 만들어질 수 있다.
2030년 AI 능력: 과학 연구개발 편
보고서가 주목하는 건 과학 연구개발领域的 AI 활용이다.
소프트웨어 공학
현재 AI 코딩 비서는 이미 실용적이다. 2030년까지 추세대로라면 AI가 자연어로 복잡한 과학 소프트웨어를 구현하고, 버그를 스스로 수정하며, 새로운 기능을 자동 구현하는 수준에 도달할 수 있다.
SWE-Bench 같은 코딩 벤치마크에서 AI 성능이 빠르게 오르고 있는 게 이 추이의 근거다.
수학
AI가 수학자의 증명 스케치 정리를 보완하는 수준은 이미可能出现하고 있다. 현재 수학 올림피아드 문제(AIME, USAMO) 벤치마크와 전문가급 난이도의 FrontierMath에서 이미 진전이 있다. 2030년까지 더 많은 문제가 AI로 풀릴 것으로 본다.
분자 생물학
단백질-리간드 상호작용 예측(Protain-Busters), 생물학 실험 프로토콜 질문 응답(Protocol-QA) 벤치마크가 향후 몇 년 내 해결될 수 있는 궤도에 있다. AI 기반 생물학 연구 도우미가 곧 나올 수 있다.
날씨 예측
이미 기존 방법을 능가하는 AI 날씨 예측이 존재한다. 비용 효율성도 높아서 데이터가 더 확보되면 더 나아질 여지가 있다.
10~20% 생산성 향상, 그러나 분야마다 속도差
보고서가 예측하는 핵심 수치 하나: 과학 연구개발에서 10~20% 생산성 향상.
소프트웨어 공학 기반 연구(실제 6건 중 5건에서 20~70% 속도 향상 확인)를 바탕으로 한 추산이다. 다만 약학처럼 규제승인이 필요한 분야는 다르다. 약물 발견에는 임상 시험이 필요하므로 2030년까지 AI로 개발된 약이 시장에 나올 가능성은 낮다. 다만 초기 단계 연구에서는 이미 큰 변화가 시작되고 있을 것이다.
반면 소프트웨어 공학은 다르다. 개발 사이클이 짧고, 실험실 검증이 필요 없으며, 정합성 확인이 비교적 쉽다. 2030년까지 software 개발 방식이 크게 변화할 것으로 본다.
결국 2030년엔
Epoch AI의 결론은 이렇다.
2030년, AI는 경제 전반의 핵심 기술이 된다. 사람과 컴퓨터, 모바일 기기 상호작용의 모든 측면에 AI가 스며들 것이다. 그런 미래가 온다면, _key decision maker들이 향후 5년 이상을 준비하는 것이 중요해진다.