인터뷰 읽기 · 기술

"AI는 발명이 아니라 발견이다" — 차고에서 구글을 시작한 세르게이 브린

구글 공동창업자 세르게이 브린이 인공지능 작업에 복귀해 입을 열었다. 그는 인터넷과 돈은 사람들이 규칙을 약속한 발명이었지만, AI는 우주가 허락하는 지능의 한계를 시험하는 발견에 가깝다고 말한다. 봉우리가 어디인지조차 모르는 기술, 스스로의 다음 버전을 만들 제미나이, 그리고 눈물 나게 만든 소리 있는 영상 모델에 관하여.

2026년 6월 14일

인공지능을 둘러싼 모든 비교 중에서 가장 흔한 것이 "지금이 인터넷 초창기와 같다"는 말이다. 진행자도 거기서 시작한다. 2025년의 AI가 인터넷이라면, 지금은 인터넷 역사의 몇 년쯤에 해당하느냐고. 세르게이 브린(Sergey Brin)은 잠시 연표를 더듬는다. 1970년대의 아파넷(ARPANET), 1993년의 모자이크(Mosaic) 브라우저, 그리고 그 몇 년 뒤의 넷스케이프(Netscape). 그러나 그는 곧 그 비유 자체가 어긋난다고 말한다. 인터넷과 AI는 닮은 듯 보여도 근본이 다르다는 것이다.

01인터넷은 "기술 혁명"이 아니었다

브린이 인터넷과 AI를 가르는 첫 번째 기준은 "기술적으로 혁명적이었는가"다. 그는 인터넷을 깎아내리지 않는다. 다만 인터넷이 해낸 일의 성격을 분명히 한다. "웹을 보면 팀 버너스리(Tim Berners-Lee)와 세른(CERN)은 그저 과학자들이 자료를 정리하고 공유하도록 도왔을 뿐이다. 그들은 훌륭히 해냈고, 그것이 바이럴하게 퍼지며 현상이 됐다. 오해하지 말라, 정말 놀라운 일이었다."

그러나 결정적인 한마디가 이어진다. 인터넷은 물리적으로 가능한지조차 의심받지 않은 기술이었다. 누구도 그 5년 전에 "그게 정말 될까"를 묻지 않았다. 거기엔 진짜 한계라는 게 없었다. 1990년쯤이면 누구나 그려 볼 수 있었다 — 모두가 빠른 속도로 서로 소통하고, 회사마다 웹사이트를 갖는 세상을. 심지어 웹 이전에도 고퍼(Gopher) 같은 비슷한 것들이 있었다.

AI는 다르다. 브린은 같은 말을 반복해서 강조한다. "우리는 지능이 무엇인지조차 제대로 모른다. 이걸 얼마나 멀리 밀어붙일 수 있는지 모른다. 나를 포함해 많은 이가 이게 얼마나 빠르게, 얼마나 멀리 치솟았는지에 그저 놀랄 뿐이다." 인터넷은 도달할 정상이 보였지만, AI는 정상이 어디인지, 정상이 있기는 한지조차 알 수 없다는 것이다.

02발견인가 발명인가 — "우주의 한계를 시험하는가"

진행자가 핵심 질문을 던진다. 그렇다면 AI는 발명(invention)보다 발견(discovery)에 가까운가. 우주에 원래 있던 어떤 성질을 우리가 우연히 더듬어 찾아낸 것인가, 아니면 인간 창조의 궁극적 시험인가. 브린의 답은 망설임 없이 "발견 쪽"으로 기운다.

"우리는 지능의 한계가 어디인지 전혀 모른다. 아인슈타인보다 백 배 똑똑해질 수 있는가? 십억 배는? 구글의 수만큼 똑똑해질 수 있는가? 그걸 지배하는 법칙이 무엇인지 우리는 아무 짐작도 없다." 그는 양자컴퓨팅(quantum computing)을 비유로 든다. 양자역학의 기본 법칙은 우주에서 끌어낼 수 있는 계산량이 극도로 크다고 암시하지만, 실제로 어떤 알지 못하는 다른 한계가 있을지는 아무도 모른다. AI도 꼭 그렇다는 것이다.

그가 인터넷과 AI를 끝까지 갈라 세우는 잣대는 결국 하나로 모인다. 돈(money)이라는 발명은 수천 년 전 사람들이 거래할 수 있게 해 주었고, 인터넷은 TCP·IP·HTML 같은 약속을 다 같이 쓰기로 합의해 자라났다. 둘 다 위대하다. 그러나 "돈도 인터넷도 우주의 한계를 시험하지는 않는다. 그런데 AI는 시험한다." 뇌에는 천억 개의 뉴런과 백조 개의 시냅스가 있고 그것들이 그토록 빠르게 돈다. 그걸 컴퓨터로 흉내 낼 수 있는가, 넘어설 수 있는가, 넘어선다면 어디까지인가 — 우리는 그저 모른다.

브린이 인터넷·돈과 AI를 가르는 기준. 앞의 둘은 사람들이 규칙을 약속한 "발명"이지만, AI는 우주가 허락하는 지능의 한계를 시험하는 "발견"이라는 대비.

"돈도 인터넷도 우주의 한계를 시험하지는 않는다. 그런데 AI는 시험한다 — 지능이 얼마나 똑똑해질 수 있는지 우리는 모르기 때문이다."

031998년의 차고로 돌아가고 싶은가

진행자가 화제를 돌린다. 1998년 멘로파크(Menlo Park)의 차고에서 래리 페이지와 둘이서, 기회를 봤다는 이유 하나로 무언가를 만들기 시작했던 그 시절. 지금 구글은 거대한 인프라를 갖춘 회사가 되었다. 혹시 단 1퍼센트라도, 스탠퍼드를 막 졸업한 스무 살로 돌아가 다시 차고에서 두 사람이 시작하고 싶은 마음은 없는가.

브린은 먼저 작은 역사적 진실 하나를 바로잡는다. "우리가 시작했을 때 차고가 있었던 건 맞다. 다만 차고만 있었던 건 아니고 방도 몇 개 있었다. 가장 두려운 건 역사적 사실을 틀리게 말하는 것이었는데, 이제 정리됐으니 다행이다." 차고에서 시작한 이야기는 사실이되, 곁방 몇 개가 큰 도움이 되었다는 것이다.

그러나 그는 젊은 시절로의 "순간이동"을 지금은 택하지 않겠다고 답한다. 이유가 분명하다. 지금 최전선에서 요구되는 연산 자원의 규모와 들어가는 과학의 양을 생각하면, 적어도 기반 모델(foundation model) 쪽에서 차고의 두 사람이 큰 진전을 내기는 정말 어렵다는 것이다. "많은 차고의 사람들이 이 모델들을 가져다 새롭고 놀라운 것을 만들 수는 있다." 누군가 차고에서도 해낼 만큼 눈부신 아이디어를 낼 가능성을 깎아내리고 싶지는 않다면서도, 최전선은 구글 같은 큰 회사들이 밀어붙이고 있다고 그는 말한다. 그리고 지난 한 해 제품의 진전이 자랑스럽기에, 그 일부가 된 지금에 감사한다고 덧붙인다.

04제미나이가 제미나이를 만들 때

가장 공상과학 같으면서도 향후 10년 안에 현실이 될 법한 일이 무엇이냐는 질문에, 브린은 망설임 없이 답한다. "제미나이(Gemini)가 스스로에게 정말 의미 있는 기여를 하는 것이다. 머신러닝 아이디어를 스스로 떠올리고, 어쩌면 구현까지 해서, 자기 자신의 다음 버전을 개발하는 일."

그는 이것이 이미 부분적으로 일어나고 있다고 말한다. AI 연구자들은 코드를 디버깅하거나 수학 문제를 푸는 데 제미나이를 일상적으로 쓴다. 다만 그것은 단발성 도움이다. 그가 공상과학이라 부르는 것은 AI 스스로가 정말로 중대한 돌파구를 만들어 내는 순간이다. 언제쯤 제미나이가 제미나이의 다음 버전을 만들겠느냐는 물음에 그는 "이미 거들고 있다"면서도, 밑바닥부터 처음 다시 쓰는 수준이라면 어쩌면 3~4년쯤 걸릴지 모른다고 조심스럽게 답한다.

흥미로운 단서가 붙는다. 적어도 가까운 미래에는, AI가 자기 자신을 더 잘 만들어 내려면 사람이 높은 수준에서 방향을 잡아 주는 편이 낫다는 것이다. "언젠가는 백지 상태에서 아무 안내 없이 모든 걸 해낼 수도 있겠지만, 그건 아직 우리가 도달하지 못한 공상과학의 영역이다." 당분간은 구글 직원들이 AI를 거들어 제미나이의 다음 버전을 함께 만드는 세상이라는 것이다. 영상 생성 모델에 사람이 프롬프트(prompt)를 주지 않으면 무엇이 나올지 전혀 알 수 없는 것과 같은 이치다.

05소리가 들어온 순간 — 눈물 나게 한 영상 모델

브린이 가장 감정적으로 말하는 대목은 새 영상 모델 이야기다. "새 영상 모델은 나를 눈물 나게 만들었다. 좋은 의미로." 무엇이 그를 그렇게 움직였는가. 바로 소리였다. "소리라는 게 정말 엄청난 차이를 만든다. 그게 빠져 있었다는 걸 그전엔 깨닫지도 못했다. 그러다 소리가 다 들어와 있으니, 벽돌 한 무더기가 덮치듯 와닿았다."

그는 영상이 다른 어떤 방식(modality)보다 연산 비용이 비싸다는 비판을 잘 안다. 유튜브의 재미있는 영상이나 틱톡(TikTok) 말고, 도대체 실용적 쓸모가 무엇이냐는 물음 말이다. 브린의 답은 "장난감과 도구의 차이"다. 지금은 장난감에 가깝지만, 시간이 지나며 점점 쓸 만한 도구가 된다는 것이다. 이미 다렌 아로노프스키(Darren Aronofsky) 같은 영화 제작자들과 그의 친구 더스틴(Dustin)이 이 도구로 실제 영상을 만들고 있다.

물론 아직 초창기다. 두 시간짜리 장편 영화를 만들기에는 해상도도, 긴 시간에 걸친 등장인물의 일관성도 이상적이지 않다. 그러나 브린은 이 모든 것이 따라올 것이라 본다. 이미 산업광마술(Industrial Light & Magic)과 루카스필름(Lucasfilm)이 기술로 특수효과를 만들어 왔듯, 이것은 그 위에 더해진 새로운 차원이라는 것이다. 진행자가 자기 플랫폼에서 늘 하는 말을 옮기자, 브린도 동의한다. "오늘 당신이 그것을 어떻게 보든, 지금이 그것이 가장 못나 보일 마지막 순간이다. 정확히 맞는 말이다."

06최전선 밖의 사람들에게 — "지금이 영향을 줄 좋은 때다"

마지막 질문은 구글 직원도 최전선 연구소 소속도 아니지만 이 순간에 뛰어들고 싶은 모든 만드는 사람들을 향한다. 어디서 시작하라고, 혹은 어디로는 가지 말라고 짚어 줄 방향이 있는가. 브린은 누군가를 막아서기를 꺼린다. "훌륭한 아이디어가 너무 많아서, 나는 누구도 무엇을 못 하게 말리고 싶지 않다. 어떻게 될지는 정말 모르는 일이니까."

그러면서도 구체적인 길을 가리킨다. 큰 연구소 바깥에서도 흥미로운 학술 연구가 점점 늘고 있다는 것이다. 추론 모델(reasoning model)이 등장하면서, 그가 후속 훈련(post-training)이라 부르는 강화학습(reinforcement learning) 단계가 더 중요해졌는데, 이 단계는 대학이나 작은 회사가 가진 연산 자원으로도 다룰 만하다. 게다가 구글의 젬마(Gemma) 같은 공개 가중치(open weight) 모델들이 있어 실험에 쓸 수 있다.

그는 머지않아 상위 모델들로부터 강화학습 응용프로그래밍 인터페이스(API)가 나올 것이라 내다본다. 풀고 싶은 문제를, 정답이나 채점자(rater)와 함께 보내면, 그 분야에 모델이 강해지도록 기여할 수 있는 길이 열린다는 것이다. "기반 모델을 처음부터 훈련시키지 않고도 영향을 줄 수 있는, 꽤 좋은 때라고 생각한다." 거대 자본의 최전선이 따로 있더라도, 그 곁에서 의미 있는 일을 할 자리는 분명히 있다는 격려다.