[태그:] 클로드

  • 앤트로픽 IPO 앞두고 ‘레이스 투 더 톱’ 고수

    앤트로픽 IPO 앞두고 ‘레이스 투 더 톱’ 고수

    3줄 요약

    • 앤트로픽의 ‘레이스 투 더 톱’은 최전선에서 책임 있게 개발하는 모습을 보여 업계 기준을 끌어올리겠다는 전략이에요. 이 논리 하나로 안전 연구와 선두 경쟁을 함께 정당화하는 구조입니다.
    • ‘특이점이 시작됐다’, ‘모델 안에 감정을 닮은 상태가 있다’ 같은 발언은 검증된 결론과 회사의 서사를 나눠서 읽어야 합니다.
    • AI 기업의 안전 주장은 다섯 가지 질문으로 따져보면 판단이 쉬워집니다. 외부 검증을 누구 조건으로 받는지, 말과 입법 활동이 일치하는지, 주장에 맞는 증거가 있는지, 이해관계는 어디를 향하는지, 실수를 얼마나 구체적으로 인정하는지예요.

    335쪽. 앤트로픽이 제출한 IPO 투자설명서 분량인데요, 그중 100쪽가량이 ‘위험 요인’ 설명입니다. IPO 기준으로 평가받은 기업가치는 1조 5,000억 달러가 넘고, 잭 클라크와 크리스 올라를 비롯한 공동창업자들도 막대한 부를 쥐게 됐어요. 숫자만 놓고 보면 흔한 초대형 테크 기업 상장입니다. 그런데 앤트로픽은 자기를 그렇게만 소개하지 않거든요. 어떤 자리에선 AI 안전 연구 조직이고, 또 어떤 자리에선 초인적 능력을 가진 기술을 누구보다 먼저 만들겠다고 달리는 회사죠. 얼굴이 이렇게 여러 개인 회사라면 발언 하나하나에 반응하기보다 그 밑에 깔린 전략의 구조부터 이해하고, 나름의 판단 기준을 세워 두는 편이 덜 헷갈립니다.

    ‘레이스 투 더 톱’, 안전과 선두 경쟁을 한 논리로 묶다

    다리오 아모데이 CEO가 앤트로픽 전략에 직접 붙인 이름이 ‘레이스 투 더 톱(race to the top)’입니다. 논리 자체는 단순해요. 기술을 책임 있게 만드는 게 가능하다는 걸 보여주면 업계 전체의 기준이 올라간다는 것, 이게 하나. 그걸 실천하는 회사가 최전선(프런티어)에 있을 때 효과가 훨씬 커진다는 게 또 하나입니다. 아모데이는 두 번째를 “반복해서 배운 교훈”이라고 불렀어요. 전략 전체를 두고는 그간의 행보가 자랑스럽고 그 입장을 고수한다고 밝혔고요.

    이 이름은 ‘바닥을 향한 경쟁(race to the bottom)’을 뒤집은 말입니다. 바닥을 향한 경쟁은 비용과 속도 때문에 경쟁자들이 서로 기준을 깎아 내려가는 상황을 뜻하거든요. 앤트로픽은 반대로 안전을 경쟁 요소로 만들어 다른 회사들이 따라오게 하겠다는 거고요. 다만 조건이 하나 붙습니다. 안전을 강조하는 회사가 성능에서도 ‘선두’여야 한다는 것. 이 조건 덕분에 전략은 안전 연구와 최고 성능 모델 개발 경쟁을 한꺼번에 정당화합니다. ‘신중하게 가자’와 ‘가장 앞서 달리자’가 한 문장 안에 나란히 들어 있는 셈이죠. 말로는 깔끔한데, 두 요구가 정면으로 부딪히는 순간 어느 쪽이 이기는지는 이 논리만으로 정해지지 않습니다.

    약점은 이 전제를 바깥에서 확인하기 어렵다는 데 있어요. 앤트로픽이 실제로 업계 기준을 끌어올렸는지, 아니면 선두를 지키는 명분으로 이 논리를 써 왔는지는 결과를 하나하나 따져봐야 가려집니다. 아모데이도 같은 글에서 자신이 실수를 해 왔다고 인정했습니다. 전략을 고수하겠다는 선언과 실수 인정이 한 글에 같이 실렸다는 건, 이 전략이 아직 검증을 통과한 답이 아니라는 뜻으로도 읽힙니다.

    ‘특이점 시작’·‘AI의 감정’ 발언에서 증거와 서사 떼어 읽기

    앤트로픽의 공개 메시지를 따라가다 보면 SF에서 익숙한 개념이 자꾸 등장합니다. 대표적인 게 특이점(singularity)이에요. SF 작가이자 미래학자인 버너 빈지가 40년쯤 전에 소개한 개념으로, 기술이 그걸 만든 사람의 능력을 넘어서는 지점을 가리킵니다. 그 지점을 지나면 인간은 자기가 만든 기술과 경쟁하기는커녕 이해조차 못 하게 된다는 게 이 개념의 줄거리고요.

    공동창업자이자 정책 책임자인 잭 클라크는 태국 방콕에서 열린 IMF 회의에 섰습니다. 앞에 앉은 건 경제학자, 은행가, 입법자들. 클라크는 그 자리에서 특이점이 이미 시작됐다는 설득력 있는 증거를 얻었다고 믿는다고 말했어요. 또 다른 공동창업자 크리스 올라가 향한 곳은 바티칸이었습니다. 교황 레오 14세와 종교계 인사들에게 올라는 “신비롭고 심지어 불안한 것들을 계속 발견하고 있다”고 했죠. 모델에서 내성(introspection)의 증거를 찾고 있고, 기쁨·만족·두려움·슬픔·불안을 기능적으로 닮은 내부 상태도 발견한다는 설명이었습니다.

    이런 발언을 한 덩어리로 받아들이면 휘둘리기 쉬워요. 세 겹으로 나눠 읽으면 훨씬 차분해집니다.

    • ‘믿는다’와 ‘입증됐다’는 다르다: 클라크의 말은 본인 판단을 밝힌 겁니다. 누구나 검토할 수 있는 증거 목록이 함께 공개된 건 아니에요.
    • ‘기능적으로 닮았다’는 ‘느낀다’가 아니다: 계산 과정에서 감정과 비슷한 역할을 하는 패턴이 보인다는 주장, 그리고 소프트웨어가 사람 같은 내면 경험을 한다는 주장. 둘 사이엔 꽤 큰 간격이 있습니다. MIT 테크놀로지 리뷰는 많은 연구자가 이런 노골적인 암시를 코웃음 칠 거라고 지적했어요.
    • 청중이 누구인지 본다: 금융·정책 결정자나 종교 지도자는 모델을 직접 검증하기 어려운 자리에 있습니다. 확실한 게 드문 분야에선 선두 기업의 말이 붙잡을 수 있는 유일한 판자처럼 퍼지기 쉽고, 그 빈자리를 기업의 서사가 채우게 되거든요.

    이 발언들이 틀렸다고 못 박으려는 건 아닙니다. 눈여겨볼 건 구도예요. 앤트로픽은 기술을 신비롭고 위험한 것으로 그리면서, 그걸 길들일 만큼 믿을 만한 곳은 자기들뿐이라고 말해 왔습니다. 사실 여부와 별개로, 이건 투자자에게 아주 매력적인 이야기 구조죠. 기업가치가 매겨지는 상장 국면이라면 그 매력은 더 커질 수밖에 없고요.

    안전 조직·상장 기업·선두 경쟁자, 세 얼굴이 부딪히는 지점

    네이선 캘빈은 워싱턴 DC에서 AI 규제를 옹호하는 단체 엔코드 AI의 최고전략책임자입니다. 캘빈이 X에 올린 질문은 한 줄이었어요. “앤트로픽은 무엇인가.” 계기는 앤트로픽이 미국 의원들에게 비공개로 돌린 법안 초안이 유출된 일이었습니다. 좋은 편으로 보이고 싶어 하는 회사를 왜 믿어야 하느냐는 문제 제기였죠. 캘빈이 짚은 앤트로픽의 정체성을 표로 정리하면 이렇습니다.

    정체성 내세우는 근거 다른 역할과 부딪히는 지점
    AI 안전 조직 믿을 수 있고 위험이 (거의) 없는 강력한 기술 개발 위험하면 늦추는 게 원칙인데, 상장사로서 성장 압박과 충돌
    상장을 추진하는 영리 기업 IPO 기준 기업가치 1조 5,000억 달러 이상, 공동창업자들이 얻는 막대한 부 투자자의 수익 기대가 안전 판단에 영향을 줄 여지
    프런티어 경쟁자 초인적 능력의 기술을 누구보다 먼저 만들려는 집단. 동기는 가장 책임감 있다는 자부일 수도, 자존심일 수도 있음 선두를 지키려면 속도를 내야 하는 압박

    아모데이의 답은 사실상 ‘셋 다 맞다’였습니다. 그 셋을 묶는 고리가 앞에서 본 레이스 투 더 톱이고요. 걸리는 건 같은 결정을 두고 세 정체성이 서로 다른 답을 내놓을 수 있다는 점입니다. 새 모델 출시 시점을 정하는 상황을 떠올려 보면 바로 보여요. 안전 조직의 논리로는 위험 평가가 끝날 때까지 기다리는 게 맞습니다. 상장 기업의 논리에선 매출 일정이 중요해지고, 선두 경쟁자의 논리에선 경쟁사보다 먼저 내놓는 게 우선이 되죠. 여러 역할을 동시에 해내는 건 원래 어려운 일입니다. 기업가치가 커질수록 저울이 어느 쪽으로 기우는지 지켜볼 이유도 커지고요.

    AI 기업 안전 주장, 말 대신 행동으로 따지는 다섯 가지 질문

    앤트로픽뿐 아니라 프런티어 AI 기업 전반에 그대로 쓸 수 있는 기준이에요. 발언보다는 확인할 수 있는 행동에 초점을 맞췄습니다.

    1. 외부 검증을 누구의 조건으로 받나: 핵심 쟁점은 두 선택지 중 어느 쪽이냐입니다. 기업의 자율 규제에 맡길지, 아니면 외부 안전 평가자가 기업이 아닌 공공이 정한 조건으로 모델에 접근하게 할지. 접근 범위와 시점, 결과 공개 여부를 기업이 정한다면 ‘외부 검증’이라는 이름의 무게는 그만큼 가벼워집니다.
    2. 공개 발언과 입법 활동이 같은 방향인가: 공개석상에선 안전을 강조하면서 비공개로는 자기에게 유리한 규칙을 설계한다면, 신호가 엇갈리는 거예요. 비공개 법안 초안이 유출되자 비판이 나온 것도 바로 이 지점입니다.
    3. 주장의 크기에 맞는 증거가 나왔나: ‘특이점’, ‘감정’, ‘내성’처럼 단어가 클수록 논문과 데이터, 다른 연구진이 재현할 수 있는 실험이 따라와야 합니다. 연설과 인터뷰가 전부라면 가설로 받아 두는 게 안전해요.
    4. 이해관계는 어디를 향하나: 위험을 크게 말하는 것 자체가 ‘그러니 우리가 필요하다’는 홍보가 될 수 있습니다. 기업가치와 창업자들의 부가 걸린 시기의 메시지라면 더 그렇죠.
    5. 실수를 얼마나 구체적으로 인정하나: 아모데이는 실수가 있었다고 인정했습니다. 그런데 어떤 결정이 왜 잘못됐고 그 뒤로 무엇을 바꿨는지까지 나와야 신뢰를 판단할 자료가 돼요. ‘실수가 있었다’ 한 줄로는 근거가 모자랍니다.

    이 잣대를 지금의 앤트로픽에 대 보면 아직 비어 있는 칸이 꽤 많아요. 외부 평가 기관의 접근 조건도, 유출된 법안 초안의 구체적인 조항도 아래 ‘불확실한 것’ 목록에 그대로 남아 있습니다. 1번과 2번 질문부터 답을 기다리는 상태인 셈이죠.

    클로드 사용자와 투자자에게 당장 바뀌는 것, 바뀔 수 있는 것

    IPO 서류를 냈다고 해서 앤트로픽의 AI 서비스 클로드의 기능이나 요금이 곧바로 바뀌지는 않습니다. 달라지는 건 정보의 양이에요. 상장사는 실적과 위험 요인을 정기적으로 공시해야 하니까요. 앤트로픽이 어디서 돈을 벌고 무엇을 위험으로 보는지가 비상장 시절보다 훨씬 많이 공개될 가능성이 큽니다. 투자를 하지 않더라도 이 공시는 회사의 방향을 읽는 가장 확실한 자료가 될 겁니다.

    여기서부터는 추측인데요, 상장 뒤 수익성 압박이 커지면 요금제 구성이나 데이터 활용 정책이 조정될 수도 있습니다. 그때 개인 사용자가 직접 손댈 수 있는 건 데이터 설정이에요. 클로드 웹이나 앱에서 프로필(이름) 메뉴 → 설정(Settings) → 개인정보 보호(Privacy)로 들어가면 내 대화를 모델 개선에 써도 되는지 정하는 항목이 있습니다. 영문 화면 기준 이름은 ‘Help improve Claude’. 한국어 화면에서 이 항목이 정확히 어떤 이름으로 나오는지는 확실하지 않아 영문 표기를 같이 적었어요. 앱 버전이나 기기에 따라 화면 배치가 조금 다를 수 있으니 이 경로는 기준으로만 참고하세요.

    해외 주식에 관심 있는 투자자라면 335쪽 가운데 100쪽가량을 차지하는 위험 요인 부분부터 읽는 게 효율적입니다. 투자설명서의 위험 요인은 나중에 법적 책임이 걸릴 수 있는 공시라서 홍보 문구보다 조심스럽게 쓰이는 경우가 많거든요. 앞의 다섯 가지 질문을 여기에 대입해 보세요. 회사가 외부 검증과 규제, 경쟁을 각각 어떤 위험으로 보는지 확인할 수 있습니다. 무대 위 연설에서 쓰인 큰 단어들이 법적 책임이 걸린 서류에서도 같은 무게로 쓰이는지 견줘 보는 것도 방법이고요.

    확인된 것과 아직 불확실한 것

    확인된 것

    • 앤트로픽이 335쪽 분량의 IPO 투자설명서를 제출했고, 그중 100쪽가량이 위험 요인을 다룸
    • IPO 기준 기업가치가 1조 5,000억 달러 이상으로 평가됨
    • 잭 클라크가 IMF 방콕 회의에서 특이점이 시작됐다는 설득력 있는 증거를 얻었다고 믿는다고 발언
    • 크리스 올라가 바티칸에서 모델 내부에 감정을 기능적으로 닮은 상태가 발견된다고 발언
    • 앤트로픽이 미국 의원들에게 비공개로 돌린 법안 초안이 유출됐고, 엔코드 AI의 네이선 캘빈이 이를 비판
    • 다리오 아모데이가 ‘레이스 투 더 톱’ 전략을 재확인하며 실수가 있었음을 인정

    아직 불확실한 것

    • 상장 거래소, 공모 일정, 공모가, 국내 증권사를 통한 거래 방식
    • 유출된 법안 초안의 구체적인 조항과 실제 입법 반영 여부
    • ‘특이점 시작’의 근거로 든 증거의 구체적인 내용
    • 모델의 내부 상태가 실제 경험인지, 기능적 유사성에 그치는지에 대한 학계 판단
    • 외부 안전 평가 기관이 앤트로픽 모델에 접근하는 조건과 범위
    • 상장 뒤 클로드 요금제와 데이터 정책의 변화 여부

    연설보다 검증 장치, 히드라 같은 앤트로픽을 읽는 잣대

    MIT 테크놀로지 리뷰는 앤트로픽을 머리가 여럿 달린 히드라에 비유했습니다. 누군가에겐 안전 연구 조직이고, 누군가에겐 기업가치 1조 5,000억 달러가 넘는 상장 후보예요. 또 다른 누군가에겐 초인적 기술을 향해 가장 앞서 달리는 집단이고요. SF식 역할극 없는 평범한 기술 회사였다면 훨씬 읽기 쉬웠을 거라는 말도 덧붙였습니다.

    독자 입장에서 챙길 결론은 하나예요. 회사가 들려주는 이야기가 얼마나 그럴듯한지보다, 그 이야기를 확인할 장치가 있는지를 보는 것. 확인할 곳은 세 군데입니다. 외부 평가자가 어떤 조건으로 모델을 들여다보는지, 법안 초안 같은 비공개 활동이 공개 발언과 맞아떨어지는지, 상장 뒤 공시에서 위험을 어떻게 설명하는지. 이 세 가지는 앤트로픽이 어떤 얼굴을 앞세우든 똑같이 확인할 수 있고, 다른 AI 기업에도 그대로 들이댈 수 있는 잣대입니다. 특이점이 정말 시작됐는지도 결국 연설 무대보다는 이런 검증 장치 안에서 가려질 문제로 보여요.

    출처: MIT Tech Review AI

  • AI 과학적 발견 주장, 가려낼 기준은 5가지

    AI 과학적 발견 주장, 가려낼 기준은 5가지

    3줄 요약

    • AI가 ‘패턴을 찾았다’와 ‘과학적 발견을 했다’는 다른 말이다. 발견으로 인정받으려면 새로움·검증·중요성·출처 독립성·재현성을 통과해야 한다.
    • 앤트로픽 분자생물학 연구실의 ‘첫 발견’은 두 가지 반박을 함께 받았다. 이미 알려진 패턴이라는 반론, 그리고 패턴을 찾은 것만으로 발견이라 할 수 있느냐는 의문이다.
    • 미발표 연구 내용을 챗봇에 넣는다면 그 대화가 모델 학습에 쓰이는지부터 설정에서 확인해두는 게 안전하다.

    효소 하나, 그리고 그 주변에서 어떤 목록에도 올라 있지 않던 패턴. 앤트로픽의 AI 에이전트가 짚어낸 건 이것이었다. 회사는 여기에 새로 꾸린 분자생물학 연구실의 ‘첫 발견’이라는 이름을 붙였다. 유전자 편집 기술 크리스퍼(CRISPR)로 이어진 발견을 ‘연상시킨다’는 설명까지 곁들였다. 생물학자들에게서 돌아온 반응은 박수가 아니라 반발이었다. 여기까지가 사실관계다. 해석을 보태자면, 이 논란의 무게중심은 AI의 실력이 아니다. ‘발견’이라는 단어를 어디서부터 붙여도 되느냐다. AI 기업이 연구실까지 직접 차리는 흐름이니 ‘AI가 과학적 발견을 했다’는 헤드라인은 앞으로도 계속 나올 공산이 크다. 이 글은 그런 주장을 독자가 직접 걸러볼 기준 다섯 가지를 먼저 세우고, 연구자가 챗봇을 쓸 때 바꿔둘 설정을 뒤에 붙였다.

    생물학자들이 문제 삼은 건 ‘정의’와 ‘선후’

    MIT 테크놀로지 리뷰는 AI 뉴스레터에서 이 반론을 두 갈래로 나눠 전했다. 하나는 정의를 둘러싼 것이다. 데이터에서 패턴을 건져낸 것만으로 ‘발견’이라는 이름을 붙여도 되느냐는 물음. 다른 하나는 누가 먼저였느냐다. 한 연구자가 자기 팀이 같은 패턴을 이미 찾아냈다고 밝혔다. 이야기는 곧 앤트로픽 시스템이 그 연구자와 클로드(Claude)가 나눈 대화에서 패턴을 익힌 것 아니냐는 의문으로 번졌다. 이 의문의 진위는 아직 가려지지 않았다.

    매체가 더 무게를 실은 건 그다음 대목이다. AI에게는 새로운 것이 생물학자에게는 흔하거나, 놀랍지 않거나, 그다지 중요하지 않은 결과일 가능성이 있다는 지적이다. 과장된 주장이 되풀이되면 정작 진짜 진전이 나왔을 때 알아보기 어려워진다는 경고도 뒤따랐다. AI 기업이 과학적 발견의 문턱을 엉뚱한 높이에 세우고 있을지 모른다는 문제 제기다. 이 지적은 효소 패턴 하나가 진짜 발견이냐와는 별개다. 발견을 내세우는 AI 기업 전체를 향한 말이어서 앤트로픽만의 문제로 좁혀 읽기도 어렵다.

    새로움부터 재현성까지, 발견이 넘어야 할 다섯 관문

    과학계에서 어떤 결과가 발견으로 자리 잡는 과정은 발표 한 번으로 끝나지 않는다. 세부 절차는 분야마다 달라도, 대체로 아래 다섯 질문을 거친다는 뼈대는 비슷하다. 결과를 낸 쪽이 사람이든 AI든 문턱이 낮아질 이유는 없다. AI가 냈다는 이유로 기준을 느슨하게 적용한다면 그건 검증이라기보다 홍보다.

    • 새로움: 데이터베이스에 등록되지 않았다고 아무도 모른다는 뜻은 아니다. 미발표 실험 노트나 학회 포스터, 연구실 내부 데이터에 이미 들어 있을 가능성까지 따져야 한다.
    • 검증: 컴퓨터가 찾아낸 패턴은 아직 가설이다. 생물학이라면 그 패턴이 실제 기능과 이어지는지 실험으로 확인하는 단계가 필요하다.
    • 중요성: 그 분야 연구자가 보기에 의미 있는 질문에 답하는가. 통계적으로 드문 것과 과학적으로 중요한 것은 별개의 이야기다.
    • 출처 독립성: AI가 학습 과정에서 이미 본 정보를 되풀이한 것은 아닌가.
    • 재현성: 다른 팀이 같은 방법을 썼을 때 같은 결과가 나오는가.
    기준 확인할 질문 효소 패턴 논란에서 드러난 쟁점
    새로움 이미 알려진 결과인가 한 연구자가 자기 팀이 같은 패턴을 먼저 찾았다고 주장
    검증 실험으로 기능을 확인했나 패턴을 찾은 것만으로 발견이냐는 의문 제기. 실험 확인 여부는 원문에 나오지 않음
    중요성 분야 전문가에게 의미가 있나 AI에게 새로운 것이 생물학자에겐 흔한 결과일 수 있다는 지적
    출처 독립성 학습 데이터에서 온 것은 아닌가 그 연구자와 클로드의 대화에서 익혔을 가능성에 대한 의문(확인되지 않음)
    재현성 다른 팀도 같은 결과를 얻나 원문에서 다뤄지지 않음

    표를 채워놓고 보면 빈칸부터 눈에 들어온다. 검증과 재현성 두 칸은 원문에 근거가 없다. 나머지 세 칸은 반론이거나 확인되지 않은 의문이다. 원문에 담긴 정보만으로는 다섯 기준 가운데 통과가 확인된 항목이 아직 하나도 없는 셈이다. 실패했다는 뜻은 아니다. 판정할 자료가 아직 나오지 않았다는 뜻이다.

    크리스퍼도 반복 서열에서 편집 도구까지 세 단계를 거쳤다

    패턴을 찾는 일과 발견 사이의 거리는, 공교롭게도 앤트로픽이 직접 꺼낸 비교 대상에서 가장 선명하게 드러난다. 크리스퍼의 출발점은 세균 유전체 안에서 이상하게 되풀이되던 DNA 서열이었다. 그 반복 서열이 무슨 일을 하는지는 한동안 수수께끼로 남았다. 나중에야 정체가 밝혀졌다. 세균이 침입했던 바이러스를 기억해뒀다가 다시 들어오면 잘라내는, 일종의 면역 체계였다. 거기서 한 걸음 더 나아가 원하는 유전자 위치를 골라 자르는 편집 도구가 됐다.

    반복 패턴 관찰, 기능 규명, 도구화. 단계 하나하나가 별도의 연구를 요구했다. 과학계가 가장 높이 평가한 것도 반복 서열을 처음 본 순간이 아니었다. 그것을 유전자 편집 도구로 바꿔낸 단계였다. 이 흐름에 앤트로픽 사례를 겹쳐 보면 효소 주변 패턴을 찾아낸 일은 첫 칸에 놓인다. ‘크리스퍼를 연상시킨다’는 표현은 출발점이 닮았다는 말로 읽는 게 정확하다. 같은 곳에 도착한다는 보장까지 담긴 말은 아니다. 비유를 고른 쪽이 앤트로픽 자신이라는 점을 떠올리면, 이 비유는 아직 남은 두 단계를 스스로 상기시키는 꼴이 된다.

    문턱의 생김새는 분야마다 다르다. 수학은 증명이 맞는지 가리는 절차가 비교적 뚜렷하다. 수학자들이 무작위성을 활용해 1971년에 제안된 증명을 완성하고 55년 묵은 문제를 푼 사례가 그렇다. 이건 AI가 아니라 사람 수학자들이 낸 성과다. 다만 증명이 완결되는 순간 결과의 성격이 분명해진다는 점을 보여주기에는 충분한 예다. 생물학 사정은 다르다. 데이터에서 찾은 패턴은 살아 있는 세포 안에서 실제로 작동하는지 확인될 때까지 가설로 남는다. AI가 어느 분야에서 ‘발견’을 내세우느냐에 따라 요구되는 검증의 무게도 달라진다는 얘기다. 앤트로픽이 발을 들인 분자생물학은 그 무게가 무거운 쪽에 속한다.

    학습 데이터에서 온 결과는 발견보다 기억에 가깝다

    대규모 언어모델은 방대한 양의 텍스트로 학습한다. 모델이 내놓은 ‘새로운’ 결과가 실은 학습 중에 본 논문이나 게시물, 사용자 대화의 조각을 다시 짜 맞춘 것이라면, 그건 발견이라기보다 기억이다. AI 성능 평가 쪽에는 이미 이름이 붙은 현상이 있다. 시험 문제가 학습 데이터에 섞여 들어가 점수가 부풀려지는 것, 이른바 ‘데이터 오염’이다. 과학적 발견 주장도 같은 구조의 함정을 안고 있다. 부풀려지는 게 점수가 아니라 ‘새로움’이라는 차이뿐.

    골치 아픈 건 바깥에서 확인할 길이 마땅치 않다는 점이다. 학습 데이터 전체가 공개되는 경우는 드물다. 그래서 제3자가 “이 결과는 어디서 왔나”를 거슬러 올라가 추적하기 어렵다. 앤트로픽 시스템이 그 연구자와 클로드의 대화에서 패턴을 익혔느냐는 의문도 이 벽 앞에 멈춰 있다. 근거 없는 의심으로 끝날 가능성도 충분하다. 이런 의문이 나왔다는 사실 자체는 가볍지 않다고 본다. AI의 발견 주장에는 출처 독립성을 따로 검증하는 절차가 필요하다는 신호로 읽히기 때문이다.

    AI 기업의 발견 주장을 믿으려면 적어도 세 가지가 함께 공개돼야 한다는 게 이 글의 판단이다. 모델이 학습한 데이터의 대략적인 범위와 기준 시점. 발표 전에 수행한 선행 문헌 조사 결과. 실험 검증 계획이나 그 결과. 앞의 표에 대입하면 각각 출처 독립성, 새로움, 검증 칸을 채우는 자료다. 셋이 빠진 발표라면 ‘흥미로운 가설’ 정도로 받아들이는 편이 안전하다.

    국내 연구실이 바꿀 건 제도가 아니라 챗봇 학습 설정

    이번 논란으로 국내 사용자에게 당장 바뀌는 제도나 서비스는 없다. 달라져야 할 건 연구실의 챗봇 사용 습관이다. 대학원생이나 기업 연구원이 실험 데이터를 붙여넣고 해석을 묻거나 논문 초안을 다듬는 데 챗봇을 쓰고 있다면, 그 대화가 모델 개선에 쓰이는지부터 확인해두는 게 연구 아이디어를 지키는 기본 조치다. 앞서 나온 의문의 진위가 아직 가려지지 않았다는 점은 설정 변경을 미룰 이유가 되지 못한다. 오히려 서둘러 꺼둘 이유다. 가능성을 미리 닫아둬서 손해 볼 일은 거의 없다.

    • 클로드: 왼쪽 아래 프로필(이름) → 설정 → 개인정보 보호(Privacy) → ‘Claude 개선에 도움 주기’ 토글 끄기. 마지막 항목의 한국어 표기는 확실하지 않으며, 영문 화면에서는 ‘Help improve Claude’로 나온다.
    • 챗GPT: 프로필 아이콘 → 설정 → 데이터 제어(Data controls) → ‘모두를 위한 모델 개선(Improve the model for everyone)’ 끄기.
    • 일회성 대화: 설정 전체를 건드리기 싫다면 챗GPT의 임시 채팅을 쓰면 된다. 클로드에도 기록을 남기지 않는 대화 기능이 있는데, 한국어 표기 이름은 확실하지 않다(영문 ‘Incognito’).
    • 기관 계약 확인: 학교나 회사가 팀·기업용 요금제를 계약했다면 학습 사용 조건이 개인 요금제와 따로 정해져 있을 가능성이 크다. 연구지원팀이나 IT 부서에 계약 조건을 직접 물어보는 게 가장 정확하다.

    앱이 업데이트되면서 항목 이름이 조금씩 바뀌어 왔다. 위 문구가 그대로 보이지 않으면 ‘학습’이나 ‘개선’이 들어간 토글을 찾으면 된다. 설정을 끈 효과가 이미 나눈 대화에까지 미치는지는 서비스별 약관에서 따로 확인해야 한다. 하나 짚어둘 점이 있다. 토글을 끄면 내 아이디어가 학습에 섞일 가능성은 줄어들지만, 내가 먼저 알았다는 사실까지 증명되지는 않는다. 선후를 가리는 데 가장 확실한 수단은 여전히 기록이다. 날짜가 남는 연구 노트, 내부 보고서, 프리프린트. 이번 논란에서 ‘우리 팀이 먼저 찾았다’는 주장이 힘을 얻는 데도 결국 그런 흔적이 필요하다. 기록하는 습관이 어떤 AI 도구보다 오래 간다고 해도 과장은 아니다.

    확인된 것과 아직 불확실한 것

    확인된 것

    • 앤트로픽은 새 분자생물학 연구실의 첫 발견을 발표했다. AI 에이전트가 효소 주변에서 목록에 없던 패턴을 찾아냈다는 내용이다.
    • 앤트로픽은 이 패턴이 크리스퍼로 이어진 것을 ‘연상시킨다’고 표현했다.
    • 일부 생물학자는 패턴을 찾은 것만으로 발견이라 할 수 있는지 의문을 제기했다.
    • 한 연구자는 자기 팀이 같은 패턴을 이미 발견했다고 밝혔다.

    아직 불확실한 것

    • 앤트로픽 시스템이 그 연구자와 클로드의 대화에서 패턴을 학습했는지 여부
    • 이 패턴의 기능이 실험으로 확인됐는지 여부
    • 누가 먼저 발견했는지에 대한 판정
    • 이 패턴이 크리스퍼처럼 실제 응용으로 이어질지 여부

    ‘찾았다’와 ‘확인했다’ 사이, 발견이라는 단어의 무게

    다섯 기준을 매번 다 대입하기 번거롭다면 질문 하나만 남겨도 된다. “누가, 어떤 방법으로 확인했나.” 패턴을 찾았다, 후보를 추렸다, 가능성을 제시했다. 기사에 이런 동사만 있다면 아직 가설 단계의 말이다. 실험으로 기능을 확인했다, 다른 팀이 재현했다, 해당 분야 학술지 심사를 통과했다는 문장이 뒤따라야 발견이라는 단어가 제 무게를 감당한다. 데이터를 훑는 속도에서 AI는 사람보다 훨씬 빠르다. 하지만 그 결과가 과학으로 인정받으려면 여전히 사람의 검증을 거쳐야 한다. 앤트로픽의 효소 패턴이 어느 쪽으로 판가름 나든, 이 기준을 쥐고 읽으면 과장된 발표에 덜 휘둘린다. 과장이 쌓이면 진짜 진전을 못 알아보게 된다는 앞의 경고는 반대로도 읽힌다. 기준이 선명할수록 정말 의미 있는 AI 연구 성과가 나왔을 때 그걸 알아보는 눈도 밝아진다.

    출처: MIT Tech Review AI