YouTube안될공학 - IT 테크 신기술·2026년 11월 19일·0

구글 딥마인드의 숨겨진 이야기…AI 미래는 이렇습니다

Quick Summary

알파고를 만든 데미스 허사비스는 장기 연구를 이어가려고 딥마인드를 구글에 팔았고, 챗GPT 등장 뒤 구글이 연구 성과를 제품에 더 빨리 담기로 하면서 그 경쟁까지 이끌게 됐다.

영상 보기

클릭 전까지는 가벼운 미리보기만 먼저 불러옵니다.

원본 열기

🖼️ 인포그래픽

구글 딥마인드의 숨겨진 이야기…AI 미래는 이렇습니다 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

구글 딥마인드의 숨겨진 이야기…AI 미래는 이렇습니다의 핵심 내용을 4단계로 요약한 인포그래픽
구글 딥마인드의 숨겨진 이야기…AI 미래는 이렇습니다 핵심 내용을 4단계로 압축한 4컷 인포그래픽

💡 한 줄 결론

알파고를 만든 데미스 허사비스는 장기 연구를 이어가려고 딥마인드를 구글에 팔았고, 챗GPT 등장 뒤 구글이 연구 성과를 제품에 더 빨리 담기로 하면서 그 경쟁까지 이끌게 됐다.

📌 핵심 요점

  1. 세바스티안 말라비의 『인피니티 머신』에 따르면, 래리 페이지가 허사비스에게 제시한 인수의 이점은 시간이었다. 회사를 키우는 데 쓸 시간을 인간처럼 여러 일을 배우는 AI 연구에 쓸 수 있다는 제안이었다.
  2. 딥마인드는 범용 지능이라는 목표를 점수로 검증할 수 있는 게임부터 시험했다. 게임마다 따로 훈련했지만 같은 학습 방법으로 서로 다른 공략법을 익혔다. 성과를 공개하자 핵심 연구원에게 영입 제안도 들어왔다고 책은 전한다.
  3. 2014년 구글 합류 후 런던 연구팀은 알파고로 이세돌에게 4승 1패를 거뒀다. 단백질 구조 예측에는 문제에 맞는 학습법을 새로 찾았고, 2020년 알파폴드 2는 정답을 미리 공개하지 않은 평가에서 여러 단백질의 구조를 실험 결과에 가깝게 예측했다.
  4. 연구를 계속할 여건을 확보한 뒤에도 AI의 용도를 누가 정할지는 협상 대상으로 남았다. ‘프로젝트 마리오’에서는 딥마인드·알파벳·외부 인사가 세 자리씩 맡는 이사회가 논의됐지만 실현되지 않았다.
  5. 딥마인드가 대화형 AI 스패로우를 다듬는 동안 오픈AI는 챗GPT를 무료로 공개해 실제 이용자를 먼저 만났다. 2023년 구글은 딥마인드와 구글 브레인을 합쳐 허사비스에게 맡겼고, 그해 제미나이를 챗봇과 스마트폰에 적용했다.

🧩 배경과 문제 정의

세바스티안 말라비의 『인피니티 머신』을 다룬 북리뷰다. 영상에 따르면 저자는 허사비스와 30시간 넘게 대화하고 동료·경쟁자·비판자를 포함해 100명 넘게 취재했다. 리뷰는 연구에 전념하려고 회사를 매각한 허사비스가 어떻게 구글의 AI 제품까지 책임지게 됐는지 묻는다. 그 답을 따라가려면 기술이 무엇을 해냈는지와 더불어 연구할 시간을 누가 제공했고 그 성과를 어디에 쓸 권한을 누가 가졌는지 살펴봐야 한다.

🕒 시간순 섹션별 상세정리

1. 래리 페이지가 제안한 연구 시간

  • 책이 전하는 2013년 여름의 대화에서 페이지는 구글 규모의 회사를 직접 키우는 데 걸릴 시간을 짚었다. 이미 갖춰진 자원을 쓰면 허사비스는 그 시간을 지능 연구에 돌릴 수 있었다. [00:37]
  • 이듬해 딥마인드는 구글에 인수됐다. 영상은 당시의 선택을 챗GPT 등장 뒤 허사비스가 맡게 된 제품 경쟁과 연결하며 책의 질문을 보여준다. [01:26]

2. 범용 지능을 게임 점수로 시험하다

  • 첫 게임 회사가 문을 닫은 뒤, 훗날 알파고 연구를 이끈 데이비드 실버는 초기 게임의 복잡성이 팀의 역량을 넘어섰다고 회고했다. 허사비스는 신경과학을 공부하고 2010년 셰인 레그, 무스타파 슬레이만과 딥마인드를 세웠다. [02:54]
  • 2013년 벽돌깨기 시연에서 AI는 플레이 뒤 받은 점수를 바탕으로 높은 보상으로 이어지는 요령을 익혔다. 다른 게임에서도 같은 학습 방법을 쓸 수 있었고, 훈련은 게임별로 진행했다. [03:45]

3. 인수로 지킨 팀이 서울 대국에 서다

  • 책에 따르면 구글과의 인수 협상 중 페이스북이 핵심 연구원에게 더 높은 연봉을 제안했다. 후속 투자 지연으로 급여까지 걱정했던 사정을 들어, 진행자는 매각을 팀과 장기 자금을 함께 확보한 선택으로 해석한다. [04:47]
  • 알파고는 사람의 기보와 스스로 둔 대국에서 배운 신경망으로 후보 수를 추린 뒤 유망한 갈래를 더 살폈다. 2016년 서울에서 이세돌에게 4승 1패를 거뒀고, 책은 승부가 결정된 뒤 허사비스가 실버에게 단백질 구조 예측을 다음 목표로 꺼냈다고 전해진다. [05:23]

4. 알파폴드가 과학 연구의 출발점을 넓히다

  • 알파폴드는 실험으로 알려진 단백질 구조와 아미노산 서열에서 둘 사이의 관계를 배웠다. 2020년 알파폴드 2는 정답 구조를 가린 평가에서 여러 단백질의 모양을 실험 결과에 가깝게 예측했다. [05:58]
  • 2022년 공개 데이터베이스가 2억 개 이상의 예측 구조로 확대되면서 연구자들은 실험을 시작할 단서를 검색할 수 있게 됐다. 2024년 허사비스와 존 점퍼는 단백질 구조 예측의 공로로 노벨 화학상을 공동 수상했다. [06:37]

5. 프로젝트 마리오에서 갈린 결정권

  • 영상은 서울 대국 무렵으로 돌아간다. 창업자들은 딥마인드를 알파벳 산하의 별도 회사로 두고, 딥마인드·알파벳·외부 인사가 이사회를 3석씩 나눠 AI 활용 결정에 참여하는 방안을 논의했다. [07:43]
  • 말라비가 재구성한 통화에서 피차이는 AI가 검색과 클라우드 같은 핵심 사업에 깊이 들어갈 기술이라고 봤다. 여러 방안을 두고 수년간 협상했지만 아홉 자리 이사회는 구성되지 않았다. [08:10]

6. 챗GPT 공개가 바꾼 구글의 제품 경쟁

  • 딥마인드는 2022년 9월 검색 근거와 사람의 평가를 활용한 스패로우를 연구 성과로 소개했다. 제품 화면과 오답 문제를 다듬는 사이, 오픈AI는 11월 30일 오류 가능성을 밝히고 챗GPT를 무료 프리뷰로 공개했다. [09:26]
  • 공개 뒤에는 이용자가 어떤 일을 맡기고 어디서 막히는지, 요청을 처리하는 데 얼마나 많은 컴퓨터가 필요한지가 드러났다. 말라비는 구글의 출시 판단에는 검색 광고와 기존 이용자의 신뢰도 걸려 있었다고 해석한다. [10:43]
  • 2023년 4월 피차이는 딥마인드와 구글 브레인을 합쳐 허사비스에게 맡겼다. 구글은 그해 12월 제미나이를 챗봇과 스마트폰에 적용했고, 2024년에는 미국 검색에 AI 요약을 본격 도입했다. [11:35]

7. 현재 서비스를 운영하며 다음 연구를 고르는 일

  • 마이크로소프트는 애저 인프라와 투자로 오픈AI를 지원하고 그 모델을 자사 제품과 클라우드에 연결했다. 2024년 딥마인드 공동 창업자 슬레이만은 마이크로소프트의 소비자 AI 조직을 맡았다. [12:43]
  • 모델은 훈련할 때도, 공개 후 질문에 답할 때도 계산 자원을 쓴다. 구글은 2024년 대규모 모델 개발을 딥마인드에 더 모으겠다고 발표하며 컴퓨팅 자원의 효율적 사용을 이유로 들었다. [13:19]
  • 진행자는 책 8장의 인수 협상과 14장의 이사회 협상을 이어 읽기를 권한다. AI 투자·제휴 소식에서도 지원 규모와 함께 어떤 연구를 계속하고 완성한 AI를 언제 어디에 내놓을지 누가 정하는지 보자는 제안으로 마무리한다. [14:44]

🧾 결론

  • 알파고에서 알파폴드로 이어진 것은 어려운 문제를 학습으로 풀겠다는 연구 방향이었다. 바둑에서 성공한 팀에도 단백질에 맞는 방법을 찾고 검증할 시간이 필요했다.
  • 런던에서 연구를 이어갈 자유와 완성한 AI의 사용처를 결정할 권한은 서로 다른 사안이었다. 인수는 연구 자원 문제를 풀었지만, 활용 권한을 둘러싼 협상은 수년간 이어졌다.
  • 허사비스가 제품 경쟁을 맡게 된 배경에는 검색을 둘러싼 구글의 이해관계가 있었다. 대화형 AI가 이용자의 첫 질문을 받는 서비스가 되자, 구글에도 연구 성과를 기존 제품에 적용하는 속도가 중요해졌다.

📈 투자·시사 포인트

  • AI 투자와 제휴를 볼 때는 투자액과 함께 연구 주제, 출시 시점, 제품 적용을 누가 결정하는지 살펴볼 만하다. 구글은 연구팀을 내부에 통합했고, 마이크로소프트는 오픈AI와의 제휴로 모델을 제품과 클라우드에 연결했다.
  • 기존 검색 사업은 출시 판단과 배포에 서로 다른 영향을 줬다. 영상이 소개한 말라비의 해석에 따르면 광고 수익과 정보 신뢰에 대한 부담은 출시를 신중하게 만들었다. 출시 후에는 이용자가 이미 쓰는 검색창이 배포 통로가 됐다.
  • 이용자가 질문할 때마다 계산 자원이 든다. 모델 성능을 평가할 때는 현재 서비스를 운영하면서 다음 모델과 성과가 늦게 나오는 과학 연구에 얼마만큼의 자원과 시간을 남길 수 있는지도 함께 볼 필요가 있다.

⚠️ 불확실하거나 확인이 필요한 부분

  • 페이지와 허사비스의 산책 대화, 핵심 연구원의 영입 제안, 피차이와의 통화 내용은 영상이 말라비의 취재를 바탕으로 전한 일화다. 영상에서 당사자의 정확한 발언이나 각 동기의 상대적 비중까지 확인되지는 않는다.
  • 검색 광고와 평판 부담이 구글의 출시 판단에 영향을 줬다는 설명은 말라비의 해석이다. 스패로우의 연구 발표일만으로 당시 제품 완성도나 더 일찍 출시했을 때의 결과를 판단하기는 어렵다.
  • 알파폴드 데이터베이스의 2억 개 이상은 예측 구조의 수다. 개별 구조의 실험 검증 여부나 해당 단백질과 관련된 약효·안전성은 별도의 근거가 필요하다.
  • 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
  • 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
  • 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

  • 책 8장 ‘구글을 잡아라’와 14장 ‘프로젝트 마리오’를 이어 읽고, 인수로 확보한 자원과 인수 뒤에도 협상해야 했던 권한을 나란히 적어 본다.
  • 스패로우의 연구 발표, 챗GPT의 공개 프리뷰, 제미나이의 제품 적용을 시간순으로 놓고 각 시점에 이용자가 실제로 무엇을 해볼 수 있었는지 확인한다.
  • AI 기업의 투자·제휴 발표를 읽을 때 자금과 컴퓨팅 제공 주체, 모델을 제품에 쓸 수 있는 주체, 연구와 출시를 결정하는 주체를 구분해 기록한다.

❓ 열린 질문

  • 기존 검색창에 AI 답변을 배포한 뒤, 이용자가 답을 신뢰해 계속 쓰는지는 무엇으로 확인할 수 있을까?
  • 서비스 수요가 커져 계산 자원이 부족해질 때, 당장 검색을 개선하는 연구와 다음 알파폴드처럼 오래 기다려야 하는 연구 사이의 우선순위는 누가 정할까?

관련 문서

공통 태그와 주제 흐름을 기준으로 같이 보면 좋은 문서를 이어서 제안합니다.