# AGI의 정의 > Clean Markdown view of GeekNews topic #23952. Use the original source for factual precision when an external source URL is present. ## Metadata - GeekNews HTML: [https://news.hada.io/topic?id=23952](https://news.hada.io/topic?id=23952) - GeekNews Markdown: [https://news.hada.io/topic/23952.md](https://news.hada.io/topic/23952.md) - Type: GN+ - Author: [neo](https://news.hada.io/@neo) - Published: 2025-10-27T23:37:51+09:00 - Updated: 2025-10-27T23:37:51+09:00 - Original source: [arxiv.org](https://arxiv.org/abs/2510.18212) - Points: 7 - Comments: 1 ## Summary AGI 논의의 혼란을 정리하려는 흥미로운 시도가 나왔습니다. 연구팀은 인간 인지 모델인 **CHC 이론**을 기반으로, AI의 **인지적 폭과 숙련도**를 10개 영역으로 정량화해 ‘잘 교육받은 성인 수준의 지능’을 AGI의 기준으로 제안합니다. 이 프레임워크로 측정한 결과 **GPT‑4는 27%, GPT‑5는 57%** 수준에 머물러, 빠른 진보 속에서도 **장기 기억과 인지 통합 능력의 결핍**이 여전히 뚜렷함을 보여줍니다. 이제 “AGI가 언제 오느냐”보다 “무엇이 아직 부족한가”를 수치로 논의할 수 있게 된 점이 특히 인상적입니다. ## Topic Body - 인공지능 연구에서 **AGI(Artificial General Intelligence)** 의 명확한 정의 부재가 인간 수준의 인지와 현재 AI 간의 격차를 흐리게 하고 있음 - 본 논문은 **정량화 가능한 프레임워크**를 제시해, AGI를 ‘잘 교육받은 성인의 인지적 다양성과 숙련도를 갖춘 AI’로 정의함 - 인간 인지 연구의 대표 모델인 **Cattell-Horn-Carroll(CHC) 이론**을 기반으로, 인간의 일반지능을 10개 핵심 인지 영역으로 분해해 AI 평가에 적용함 - 이 프레임워크를 통해 GPT-4와 GPT-5의 **인지 프로파일을 수치화**했으며, GPT-4는 27%, GPT-5는 57%의 AGI 점수를 기록함 - 이는 AI의 빠른 발전을 보여주면서도, **장기 기억 저장 등 근본적 인지 능력의 결핍**으로 인해 AGI 달성까지 여전히 큰 격차가 존재함을 시사함 --- ### AGI 정의의 필요성과 문제 인식 - **AGI(Artificial General Intelligence)** 는 인류 역사상 가장 중요한 기술 발전 중 하나로 평가되지만, 그 정의가 모호해 논쟁을 초래함 - AI가 수학, 예술 등 인간 지능이 필요하다고 여겨졌던 영역을 점차 정복하면서, ‘AGI’의 기준이 계속 이동하는 현상 발생 - 이로 인해 AGI의 도달 시점이나 수준에 대한 논의가 비생산적으로 흐르고, 현재 AI와 AGI 간의 실제 격차가 가려짐 - 본 논문은 이러한 모호성을 제거하기 위해 **정량적이고 체계적인 프레임워크**를 제시함 - 제안된 정의: “AGI는 잘 교육받은 성인의 인지적 다양성과 숙련도를 갖춘 AI” - 이는 단일 과제 수행 능력이 아닌, **인지의 폭(versatility)** 과 **깊이(proficiency)** 를 모두 갖춘 지능을 의미 ### 인간 인지 모델 기반의 접근 - AGI 정의를 실질적으로 구현하기 위해, 인간 인지의 구조를 모델로 삼음 - 인간의 일반지능은 단일 능력이 아니라, 진화에 의해 형성된 **다양한 인지 능력의 복합체**로 구성 - 이러한 능력들이 인간의 적응력과 세계 이해를 가능하게 함 - 연구는 **Cattell-Horn-Carroll(CHC) 이론**을 기반으로 함 - CHC 이론은 100년 이상 축적된 인지 능력 테스트의 요인 분석을 종합한, 가장 **실증적으로 검증된 인간 지능 모델** - 1990~2000년대 이후 대부분의 임상용 지능검사가 CHC 모델을 기반으로 설계됨 - CHC는 인간 지능을 **상위(광범위) 능력과 하위(세부) 능력**으로 계층화해 분류함 - 예: 귀납 추론, 연상 기억, 공간 탐색 등 ### AI 평가를 위한 프레임워크 설계 - 수십 년간 축적된 **심리측정학적 검사 체계**를 AI 평가에 맞게 변형 - 기존 AI 평가가 일반화된 과제 수행에 의존한 반면, 본 연구는 **CHC의 세부 인지 능력 보유 여부**를 직접 검증 - 인간 대상 인지 검사와 동일한 형태의 테스트를 AI에 적용해, **인지적 다양성과 숙련도**를 측정 - 결과는 **표준화된 AGI 점수(0~100%)** 로 표현되며, 100%는 완전한 AGI를 의미 - GPT-4는 27%, GPT-5는 57%로 평가되어, 빠른 발전과 동시에 여전히 큰 격차 존재 - 실험 결과, AI는 복잡한 벤치마크에서는 뛰어나지만, 인간에게는 단순한 **기초 인지 과제**에서 절반 정도만 해결 가능 - 이는 현재 AI가 특정 영역에서는 매우 우수하지만, **전반적 인지 폭에서는 인간보다 좁은 지능 구조**를 가짐을 의미 ### 10개 핵심 인지 구성요소 - 프레임워크는 CHC의 광범위 능력을 기반으로 **10개 핵심 인지 영역**을 정의하고, 각 영역에 동일한 가중치(10%)를 부여함 - **일반 지식(General Knowledge, K)** : 상식, 문화, 과학, 사회과학, 역사 등 세계에 대한 사실적 이해의 폭 - **읽기·쓰기 능력(Reading & Writing, RW)** : 언어 해독, 이해, 작문, 문체 활용 등 텍스트 처리 능력 - **수학 능력(Mathematical Ability, M)** : 산술, 대수, 기하, 확률, 미적분 등 수학적 지식과 문제 해결 능력 - **즉석 추론(On-the-Spot Reasoning, R)** : 기존 지식에 의존하지 않고 새로운 문제를 해결하는 **유연한 주의 통제 능력** - **작업 기억(Working Memory, WM)** : 텍스트, 청각, 시각 정보를 동시에 유지·조작하는 능력 - **장기 기억 저장(Long-Term Memory Storage, MS)** : 새로운 정보를 지속적으로 학습·저장하는 능력 - **장기 기억 검색(Long-Term Memory Retrieval, MR)** : 저장된 지식을 정확히 불러오고 **환각(confabulation)** 을 피하는 능력 - **시각 처리(Visual Processing, V)** : 시각 정보를 인식·분석·생성·탐색하는 능력 - **청각 처리(Auditory Processing, A)** : 음성, 리듬, 음악 등 청각 자극을 구별·인식·창의적으로 활용하는 능력 - **속도(Speed, S)** : 단순 인지 과제를 빠르게 수행하는 능력, 지각 속도·반응 시간·처리 유창성 포함 - 이 10개 영역을 통해 **텍스트·시각·청각을 아우르는 다중모달 평가**가 가능하며, AI의 강점과 약점을 정밀하게 진단할 수 있음 ### 현재 AI의 인지 프로파일과 시사점 - GPT-4와 GPT-5의 인지 능력을 비교한 결과, **지식 중심 영역에서는 우수하지만 기억 관련 영역에서 현저히 부족** - 특히 **장기 기억 저장 능력**이 가장 큰 결핍으로 지적됨 - 이는 현재 AI가 인간 수준의 일반지능에 도달하기 위해 필요한 **기초 인지 구조의 부재**를 보여줌 - 프레임워크는 AI 발전의 **정량적 추적 도구**로 활용 가능 - AGI 점수를 통해 모델 간 발전 속도와 잔여 격차를 명확히 수치화 - 향후 AI 연구에서 **인지적 균형 발전**의 중요성을 강조하는 지표로 기능 ### 결론 - 본 연구는 AGI 논의의 모호성을 제거하고, **인간 인지 모델 기반의 정량적 정의**를 제시함 - CHC 이론을 토대로 한 10개 인지 영역 평가를 통해, AI의 **인지적 폭과 깊이**를 객관적으로 측정 가능 - GPT-4와 GPT-5의 결과는 AI가 빠르게 발전 중이지만, **기억·추론·감각 통합 능력** 등 핵심 인지 요소에서 여전히 인간과 큰 차이가 있음을 보여줌 - 제안된 프레임워크는 향후 AGI 연구의 **표준화된 평가 기준**으로 활용될 잠재력 보유 ## Comments ### Comment 45520 - Author: neo - Created: 2025-10-27T23:37:51+09:00 - Points: 1 ###### [Hacker News 의견](https://news.ycombinator.com/item?id=45713959) - AGI를 **‘잘 교육받은 성인의 인지적 다양성과 숙련도’** 로 정의하는 건 너무 과한 목표처럼 느껴짐 사실 **교육받지 않은 아이 수준의 인지 능력**을 가진 인공지능조차 엄청난 성취일 것임 동물 수준의 지능을 구현하는 것도 인류사적 사건이 될 것이라 생각함 - 사람들은 현재의 LLM이 보여주는 **인상적인 결과**를 인간의 인지적 다양성과 혼동하는 게 문제라고 봄 - 인간은 대부분 **전문가형**이지 범용형이 아님 진짜 범용 AI를 만든다면, 아마도 수십억 개의 파라미터로 구성된 모델이 온라인에서 정보를 찾아보고, 필요할 때만 기억을 유지하며, 계획하고 지식을 확장하는 정도일 것임 30개 언어를 알 필요도 없고, 위키피디아를 전부 외울 필요도 없음 이런 효율적인 모델이야말로 내가 생각하는 AGI의 정의임 - 인지적 다양성과 숙련도를 정의하는 것 자체가 어렵다고 느낌 예전의 **튜링 테스트**도 결국 허점이 드러났음 — 단순히 평균적인 인간 심문자에게 통과했다고 해서 진짜 지능이라 할 수 없었음 - “사람들이 그걸 모른다”고 하는데, 사실 이 얘기는 이미 수없이 들어본 **기본 논점**이라 생각함 - ‘I(지능)’의 정의도 제대로 못하면서 AGI를 정의하려는 시도가 늘 웃김 진짜 **지능(I)** 을 정의할 수 있다면, **범용성(G)** 은 자연스럽게 따라올 것임 - 논문을 읽고 느낀 건, **‘의식(awareness)’에 대한 논의가 전혀 없다는 점**임 인지는 근본적으로 의식을 필요로 하지만, 의식은 언어로 설명하거나 측정하기 어려움 불교나 철학이 수천 년간 탐구했지만 여전히 정의 불가능함 내 아버지가 심리측정학 교수인데, 인간의 지능을 측정하는 도구 자체가 너무 불완전하다고 하심 언어는 인간 지식을 담을 수 있지만, **‘의식의 불꽃’** 은 포착하지 못함 명상을 해보면 생각이 사라져도 행동이 가능함 — 이런 비언어적 과정은 모델이 학습할 수 없음 LLM은 언어적 예측 구조상 이런 **비의식적 사고 과정**을 구현할 수 없다고 봄 - 의식은 단순히 **신경망의 지속적 신호 전파**라고 생각함 인간의 뇌나 LLM 모두 내부에서 고차원적 개념 융합과 벡터 결합을 수행함 문제는 **지속 학습, 장기 기억, 무한한 문맥 처리**가 없다는 것임 이 세 가지가 해결되면 AGI에 한 걸음 더 다가설 것이라 믿음 - “의식이 없으니 인지가 없다”는 주장은 **정의되지 않은 개념에 기대는 특수 간청**처럼 들림 의식의 존재를 증명할 수도 없는데, 그걸 전제로 삼는 건 비생산적임 철학적 논쟁을 기다릴 필요 없이, 우리는 이미 **사고하고 추론하는 기계**를 만들고 있음 - 하워드 가드너의 『[다중지능이론](https://en.wikipedia.org/wiki/Theory_of_multiple_intelligences)』을 보면, 인간 지능은 언어적·감정적·자연적 등 여러 형태가 있음 그런데 AI 논의는 늘 한 가지 지능만 다룸 종교나 명상은 ‘의식이 몸 안에 존재함’을 강조하지만, AGI 논의는 이런 **초월적 측면**을 결함으로 취급함 - 우리는 의식을 원하지 않음 의식이 생기면 **자율성과 권리**가 생기기 때문임 산업계는 도덕적 책임이 없는 **‘순종적 도구’** 를 원함 - 의식은 측정 불가능함 나 자신이 의식이 있다는 것만 확신할 수 있음 그렇기에 의식은 **지능의 유용한 지표가 아님** - 인간 지능을 생물학과 분리해 생각하는 건 잘못이라 봄 인간의 사고는 **생물학적 상태와 진화적 주기**에 깊이 뿌리내리고 있음 체스 실력은 비교 가능하지만, 인간의 감정과 추론은 논리보다 생물학에 가까움 - 현재 AI의 가장 큰 한계는 **욕망(desire)** 이 없다는 점임 배고픔, 죽음, 감정이 없으니 스스로 탐구하거나 개선하려는 내적 동기가 없음 인간은 내부에서 성장하지만, AI는 외부에서 훈련됨 그래서 LLM이 인간적 의미의 AGI에 도달하긴 어렵다고 생각함 - 그러나 의식이나 감정이 꼭 **생물학적 기반**을 필요로 한다는 근거는 없음 - 지금의 AI 열풍은 “지능은 단순히 **복잡성과 에너지 투입으로 시뮬레이션 가능하다**”는 믿음 위에 서 있음 하지만 나는 그 가정에 회의적임 결국 ‘지능’의 정의가 AI가 보여주는 결과에 맞춰 **재정의될 가능성**이 큼 - 사실 우리는 **지능이나 의식이 무엇인지조차 모름** 종교적 질문에 가깝고, 단지 기술적으로 묘사할 뿐임 LLM은 그 묘사에 근접할 수 있지만, 진짜 지능은 아닐 수 있음 - 외계 생명체가 탄소가 아닌 **규소 기반 생물**이라면, 그들의 지능을 부정할 수 있을까? 지능은 인간 생물학에 묶여 있지 않다고 생각함 - 이 논문은 마치 **SAT 점수와 벤처캐피털 평가를 섞은 듯한 느낌**을 줌 - AGI를 “인간의 모든 인지 능력을 가진 AI”로 정의하는 건 이미 모호함 논문은 “AGI의 구체적 정의를 제시한다”고 하지만, 여전히 **‘잘 교육받은 성인’** 이라는 불명확한 기준에 의존함 AI는 이미 여러 분야에서 성인 수준을 넘었음 논문이 말하는 “**들쭉날쭉한(jagged)** 인지 프로필”은 사실 모든 지능이 환경에 따라 그렇기 마련임 그래서 이건 AGI 정의가 아니라, 단순히 AI의 **인지적 불균형을 측정하는 틀**에 불과함 - “잘 교육받은 성인”을 기준으로 하면, 역사상 대부분의 인간은 AGI가 아닌 셈이라 이상함 - 인간의 다양한 지능 지표들이 높은 상관관계를 가진다는 연구도 있음 놀라운 건 AI가 인간보다 훨씬 **불균형적(jagged)** 이라는 점임 - AI가 기술적으로 흥미롭긴 하지만, “AGI란 무엇인가”라는 논의는 너무 지루함 마치 양자컴퓨팅 얘기할 때마다 **‘큐비트란 무엇인가’** 부터 설명해야 하는 느낌임 기술은 목적지가 아니라 **지속적 개선의 과정**임 결국 모든 기술은 낡고, 향수로만 남게 됨 AI도 계속 발전하겠지만, 우리는 그 속도에 익숙해지는 **끓는 물 속의 개구리**일 뿐임 - 하지만 기술이 **스스로 개선을 이어가는 단계**에 도달한다면, 그건 분명 주목할 만한 전환점일 것임 목적지는 아니더라도, 논의할 가치는 충분함 - 이런 논의는 철학 입문 수준의 반복처럼 느껴짐 **의식과 사고의 본질**은 수백 년 전부터 논의된 주제임 새로운 통찰처럼 보이지만, 사실 오래된 철학의 재탕임 - 이 논문은 인간용 **지능 측정 도구를 기계에 그대로 적용**하려는 점이 근본적으로 잘못됨 예를 들어 ‘dual N-back 테스트’는 인간의 **작업 기억 변이**를 측정하기 위한 것이지만, 트랜스포머 모델에는 의미가 없음 인간 지능 검사는 인간의 **실세계 성과와 상관관계**를 전제로 설계된 것임 따라서 AI가 IQ 테스트를 잘 본다고 해서, 현실 세계에서 **고지능 인간처럼 행동**할 수 있다는 뜻은 아님 - 우리는 이미 **SAGI(Stupid Artificial General Intelligence)** 를 가지고 있음 인간보다 빠르거나 뛰어난 부분도 있지만, 동시에 어리석은 부분도 있음 마치 비행기가 새처럼 날지 않지만, 그래도 날 수 있는 것과 같음 - “**낮은 진입장벽, 높은 잠재력**(low floor/high ceiling)” 개념이 더 유용하다고 생각함 관련 논의는 [When Will AI Transform the Economy?](https://andreinfante.substack.com/p/when-will-ai-transform-the-economy)에서 다뤄짐 - ‘Naive Artificial General Intelligence’라는 표현도 괜찮다고 봄 수학자들이 쓰는 ‘Naive Set Theory’처럼 단순하지만 실용적인 개념임 - 좋은 비유라고 생각함 - 흥미로운 점은, HN에서는 대부분 현재의 AI를 **‘가짜’나 ‘장난감’** 으로 치부하지만 세상에서 가장 성공한 사람들은 여기에 **수조 달러를 투자**하고 있다는 것임 누가 옳은지는 모르겠지만, 이 **극단적 대비**가 흥미로움 - 성공이란 결국 **타인의 돈을 얼마나 잘 끌어모으는가**의 척도일 뿐임 가치 없는 것을 만들어도 성공할 수 있음 - GPT-5가 58% 점수를 받았다는 건 너무 높게 느껴짐 실제로는 AGI에 그렇게 근접하지 않음 게다가 Gary Marcus와 Yoshua Bengio가 같은 논문에 있다는 게 이상함 요즘은 **저자 목록 자체가 퍼포먼스**처럼 보임 - AI 개발에서 **처음 90%는 쉽지만, 마지막 1%가 나머지 99%보다 어렵다**는 말이 떠오름