티스토리 뷰
AGI는 Artificial General Intelligence의 약자로, 우리말로는 범용 인공지능입니다. 배운 적 없는 유형의 문제를 만나도 사람이 다시 훈련시키지 않고 스스로 방법을 찾아 인간 수준으로 해결하는 인공지능을 가리키며, 아직 어떤 기관도 도달을 공인받지 못한 단계입니다. ASI(Artificial Super Intelligence, 초인공지능)는 그보다 한 층 위로, 사실상 모든 지적 영역에서 인간 최고 수준을 넘어선다고 가정한 미래의 상태를 말합니다.
여기서 가장 자주 어긋나는 지점이 하나 있습니다. AI는 이 셋과 나란히 놓이는 네 번째 항목이 아니라 셋을 전부 담는 가장 큰 그릇이고, 셋을 가르는 잣대는 성능의 높낮이가 아니라 능력이 통하는 범위라는 점입니다.
🔤 AGI는 정확히 무슨 뜻인가요?
General, 즉 '일반적·범용적'이라는 단어가 이 용어의 핵심입니다. 바둑만 두는 프로그램은 바둑판을 벗어나면 아무것도 못 하지만, AGI는 처음 보는 분야에 던져 넣어도 사람처럼 개념을 익히고 응용해 과업을 끝냅니다. 지능의 절대치보다 적용 범위의 넓이가 판별 기준이라는 뜻입니다.
이 표현이 널리 퍼진 계기는 벤 괴르첼 등이 엮어 2007년 출간한 논문집 『Artificial General Intelligence』입니다. 그 전에는 비슷한 뜻으로 '강인공지능(Strong AI)'이 쓰였는데, 두 단어는 요즘 혼용될 뿐 출발점이 다릅니다. 철학자 존 설이 1980년에 쓴 strong AI는 기계가 진짜로 '이해'하고 의식을 가지느냐를 따지는 개념이었고, 오늘날의 AGI는 의식 여부와 무관하게 과업 수행 범위를 묻습니다.
그래서 AGI에는 학계가 합의한 단일 정의가 없습니다. 회사와 연구팀마다 정의가 다르고, 그 차이가 뒤에서 볼 "이미 왔다 / 아직 멀었다" 논쟁의 진짜 원인이 됩니다.
📊 ANI·AGI·ASI, 어디에서 갈라지나요?
세 단계는 기술의 종류가 아니라 능력이 미치는 범위로 구분합니다. 아래 표의 세로축을 위에서 아래로 읽으면 구분선이 어디에 그어지는지가 보입니다.
| 구분 | ANI (좁은 인공지능) | AGI (범용 인공지능) | ASI (초인공지능) |
| 다른 이름 | 약인공지능, 특화형 AI | 강인공지능, 인간 수준 AI | 초지능 |
| 잘하는 범위 | 학습된 특정 과업 안 | 사람이 하는 지적 과업 전반 | 인간 전문가 집단을 넘어선 전 영역 |
| 처음 보는 문제 | 사람이 데이터를 모아 다시 학습시켜야 함 | 스스로 방법을 찾아 적응 | 인간이 착안하지 못한 해법까지 제시 |
| 현재 상태 | 상용화되어 일상에서 사용 중 | 미도달, 정의부터 논쟁 중 | 이론과 가정의 영역 |
| 예시 | 번역기, 추천 알고리즘, 얼굴 인식, 자율주행 인식 모듈 | 실물 없음 | 실물 없음 |
ASI의 표준 정의로 자주 인용되는 것은 닉 보스트롬이 2014년 저서 『Superintelligence』에서 쓴 문장으로, 사실상 모든 관심 영역에서 인간의 인지 능력을 크게 능가하는 지성을 뜻합니다. 여기서 중요한 것은 ASI가 AGI보다 그냥 성능이 좋은 상태가 아니라, AGI가 자신을 개선할 수 있게 된 뒤에야 논의가 시작되는 순서상 다음 단계라는 점입니다.
🤖 지금 쓰는 챗GPT와 제미나이는 AGI인가요?
다수 연구자의 평가는 "아직 아니다"이지만, 표의 ANI 칸에 그냥 밀어 넣기에도 애매합니다. 대화형 AI는 번역과 요약과 코딩과 상담을 한 모델로 처리하므로 이미 ANI의 정의를 벗어나 있기 때문입니다.
이 어중간한 위치를 정리한 대표적 시도가 구글 딥마인드가 2023년 11월 공개한 논문 「Levels of AGI」입니다. 이 프레임은 AI를 성능 6단계(0단계 없음, 신흥, 유능, 전문가, 거장, 초인간)와 범위 2축(좁음·범용)의 격자에 배치합니다. 논문은 당시의 대화형 모델들을 최하 단계인 '신흥 AGI(Emerging AGI)'로 분류하고, 그다음인 '유능한 AGI' 즉 광범위한 과업에서 숙련 성인 상위 50% 수준을 내는 단계는 아직 달성되지 않았다고 봤습니다.
⚠️ 벤치마크 점수는 AGI 인증서가 아닙니다. 시험명에 AGI가 들어간 ARC-AGI 계열조차 추상 추론이라는 특정 능력을 재는 도구일 뿐, 통과하면 AGI라고 선언하는 자격시험이 아닙니다. "AGI 벤치마크 신기록"이라는 헤드라인을 만나면 무엇을 측정한 시험인지부터 확인하는 편이 안전합니다.
"AGI가 이미 왔다"는 주장과 "수십 년 남았다"는 주장이 동시에 나오는 이유도 여기 있습니다. 경제적으로 가치 있는 업무 대부분을 처리하면 AGI라고 정의하면 판정 기준이 시장 성과가 되고, 새로운 기술을 사람처럼 배워 나가면 AGI라고 정의하면 지속 학습 능력이 기준이 됩니다. 상대가 어느 정의를 쓰는지 모르면 그 논쟁은 끝나지 않습니다.
🔍 이게 AGI인지, 다섯 가지로 직접 판별하기
전문 지식 없이도 홍보 문구와 실제 능력을 갈라 볼 수 있는 질문들입니다. 다섯 중 몇 개에서 걸리는지 세어 보면 충분합니다.
- 전이 — 학습 데이터에 없던 유형의 과제를, 추가 학습 없이 설명만 듣고 풀어내는가.
- 지속 학습 — 오늘 새로 알게 된 사실을 다음 주에도 기억하고 반영하는가. 현재 상용 모델 대부분은 대화가 끝나면 그 내용이 모델 자체에 남지 않습니다.
- 자율성 — 목표만 던져 주면 하위 작업으로 스스로 쪼개고 도구를 골라 끝까지 완수하는가, 아니면 매 단계 사람이 다음 지시를 넣어야 하는가.
- 양식 전환 — 글에서 보이던 실력이 이미지, 음성, 물리 환경으로 옮겨 가도 유지되는가.
- 자기 인식 — 자기 답의 확신도를 스스로 가늠하고, 모르는 것을 모른다고 말하는가.
2번과 3번이 현재 기술이 가장 크게 걸리는 지점입니다. 어떤 서비스가 스스로를 AGI라고 소개한다면 이 두 항목부터 물어보면 됩니다.
⚠️ '범용 AI'라는 말이 두 가지 뜻으로 쓰입니다
자료를 찾다 보면 반드시 부딪히는 함정입니다. 한국어 '범용 AI'는 AGI의 번역어이면서, 동시에 규제 문서에 나오는 general-purpose AI model(GPAI, 범용 AI 모델)의 번역어이기도 합니다. 두 단어가 가리키는 대상은 완전히 다릅니다.
- AGI: 인간 수준의 지능을 갖춘, 아직 존재하지 않는 시스템. 연구·담론의 용어.
- GPAI: 여러 용도에 두루 쓸 수 있는 대형 기반 모델. 지금 서비스 중인 언어 모델들이 여기 해당하며, EU 인공지능법이 2024년 채택되고 이 모델들에 대한 의무 조항이 2025년 8월부터 적용되면서 굳어진 규제 용어.
그래서 "범용 AI 규제가 시작됐다"는 기사는 AGI가 등장했다는 뜻이 전혀 아닙니다. 국내도 마찬가지여서, 2026년 1월 시행된 인공지능 기본법(정식 명칭 「인공지능 발전과 신뢰 기반 조성 등에 관한 기본법」)의 정의 조항에는 인공지능, 생성형 인공지능, 고영향 인공지능은 있어도 AGI를 규정한 항목은 없습니다. 조문 확인은 국가법령정보센터에서, 시행령과 고시 등 후속 행정 사항은 과학기술정보통신부 공지에서 볼 수 있습니다. 법률 문서에서 AGI의 정의를 찾는 일은 시간 낭비라는 뜻입니다.
⏳ AGI는 언제쯤 온다고 보나요?
전망의 폭이 몇 년 안부터 수십 년 뒤, 나아가 현재의 기술 경로로는 도달할 수 없다는 견해까지 벌어져 있습니다. 2026년 9월 기준으로 AGI 도달을 선언하고 이를 공인받은 기관은 없습니다.
이 격차는 예측 실력의 차이라기보다 두 가지에서 나옵니다. 하나는 앞서 본 정의의 불일치이고, 다른 하나는 발언자의 위치입니다. 투자를 유치해야 하는 쪽과 규제 필요성을 강조하는 쪽, 기술적 한계를 지적하는 연구자는 같은 현상을 보고도 다른 시점을 말하게 됩니다. 도착 연도를 맞히려 애쓰기보다, 내 업무의 어느 단계가 지금 기술로 이미 자동화되는지를 확인하는 편이 실질적으로 남는 것이 많습니다.
💬 이 대목에서 자주 나오는 질문
특이점(싱귤래리티)과 ASI는 같은 말인가요?
가리키는 품사가 다릅니다. 특이점은 AI가 스스로를 개선하면서 발전 속도가 인간의 예측 밖으로 가속되는 사건이자 시점이고, ASI는 그 결과로 상정되는 능력 수준입니다. 특이점을 통과해야 ASI에 닿는다는 서술이 일반적이지만, 둘 다 검증된 사실이 아니라 시나리오입니다.
AI, 머신러닝, 딥러닝, LLM은 어디에 들어가나요?
축이 다른 분류라 같은 줄에 세울 수 없습니다. AI가 가장 큰 우산이고 그 안에 머신러닝, 다시 그 안에 딥러닝, LLM은 딥러닝으로 만든 한 형태로 이어지는 기술 계보입니다. 반면 ANI·AGI·ASI는 그 기술로 만든 결과물이 어느 범위까지 통하느냐를 나눈 능력 등급입니다. LLM은 기술 이름이고 AGI는 도달 상태의 이름이라 서로를 대체할 수 없습니다.
튜링 테스트를 통과하면 AGI인가요?
아닙니다. 앨런 튜링이 1950년 논문에서 제안한 것은 대화만으로 사람과 구별되는지를 보는 시험이라, 대화를 그럴듯하게 흉내 내는 능력과 새로운 문제를 해결하는 능력을 구분하지 못합니다. 오늘날 AGI 논의에서 이 시험이 판정 기준으로 쓰이지 않는 이유입니다.
AGI가 되려면 로봇 몸이 필요한가요?
연구자들 사이에서도 갈리는 문제입니다. 물리 세계와 상호작용하며 배우는 체화 없이는 인간 수준 이해에 닿을 수 없다는 견해와, 충분한 데이터와 시뮬레이션이면 몸은 필수가 아니라는 견해가 함께 있습니다. 정답이 정해졌다고 말하는 자료가 있다면 한쪽 입장을 소개하는 것입니다.
정리하면 AI라는 큰 우산 아래에서 ANI는 학습된 과업 안에서만 통하는 현재의 실용 기술, AGI는 범위 제한이 사라진 인간 수준의 미도달 목표, ASI는 그 너머를 가정한 개념입니다. 세 단계는 성능 순서가 아니라 범위 순서로 읽어야 하고, "AGI가 왔다"는 주장을 만나면 그 사람이 쓰는 정의부터 확인하는 것이 가장 빠른 검증법입니다.
이 주제를 더 파고들 계획이라면 인공지능 종류를 약인공지능과 강인공지능으로 나누는 전통적 분류부터 살펴본 뒤, 생성형 AI가 무엇인지와 LLM의 작동 원리로 내려가는 순서가 이해에 유리합니다. 여기에 AI 특이점 논쟁의 배경과 국내 인공지능 기본법의 규제 범위를 곁들이면, 뉴스에 나오는 표현들이 어느 층위의 이야기인지 스스로 구분할 수 있게 됩니다.