[7월13일] 서울 ICML 화두는 '재귀적 자기 개선'…"AI 연구자의 정체성 위기"

서울 코엑스에서 열린 '국제 머신러닝 컨퍼런스(ICML 2026)'이 11일 막을 내렸습니다. 이번 행사에는 전 세계 AI 연구자와 기업 관계자 2만여명이 참가했으며, 수십여개의 강연과 워크숍, 패널 토크 등이 진행됐습니다. 여기에는 오픈AI와 구글, 메타, 마이크로소프트, 아마존 등 글로벌 빅테크와 LG AI연구원, 네이버 등 국내 기업도 대거 참여했습니다. 이런 행사의 핵심 화두를 한 가지로 꼽기는 쉽지 않습니다. 워낙 다양한 분야의 기술들이 다뤄지기 때문입니다. 그리고 현장에서 다뤄지는 실제 이슈와 관계자 사이에서 거론되는 화제는 내용이 좀 다릅니다. 올해 ICML에서 최우수 논문상을 거머쥔 2편의 논문은 모두 디퓨전 모델의 효율성과 한계를 짚었습니다. '유연성의 함정: 디퓨전 언어 모델에서 임의 순서의 가치에 대한 재고찰' 논문은 토큰을 임의 순서로 생성하는 디퓨전 모델의 유연성이 오히려 수학·코딩 등 고도의 추론 작업에서는 걸림돌이 될 수 있음을 지적했습니다. 반면 '디퓨전 모델 및 로그 오목 분포에 대한 고정밀 샘플링' 논문은 샘플링 속도와 정확도를 획기적으로 개선한 알고리즘을 제시하며 극명한 대비를 이뤘습니다. 수상 논문 못지않게 연구자들의 관심을 끈 화두는 'AI가 AI를 연구하는 시대'인 것으로 알려졌습니다. 디 인포메이션과 현장 패널 토크에 따르면, AI 연구자 사이에서는 "AI가 우리의 일자리를 대체할 것인가"에 대한 정체성 위기가 두드러졌다는 것입니다. 물론, AI가 인간 연구원을 대체할 가능성을 두고 의견은 엇갈렸습니다. 학계를 대표해 강연에 나선 아르빈드 나라야난 프린스턴대학교 교수는 "AI는 연구의 핵심인 창의적 가설과 아이디어를 도출하는 능력이 부족하다"라며 일자리 도태론을 일축했습니다. AI가 반복적인 실험 실행을 대행함으로써 인간은 본연의 창의적 연구에 집중할 수 있다는 낙관론입니다. 반면, 빅테크에서는 경고를 내놓았습니다. 패널 토론에 참석한 마크 첸 오픈AI 최고 연구책임자(CRO)는 "이미 내부 연구원들이 '코덱스' 등 AI 도구를 활용해 작업 속도를 올리고 있다"라며, "머지않아 AI 도구에 투입되는 비용이 인간 연구원을 고용하는 비용과 맞먹게 될 것"이라고 전망했습니다. 이번 ICML 2026에서 발표된 논문들도 AI가 AI 연구를 실제로 가속할 수 있음을 보여줬습니다. 튀빙겐 엘리스 연구소와 막스 플랑크 지능형 시스템 연구소 공동 연구진은 AI가 다른 AI 모델의 성능을 개선하는 사후 학습 능력 측정 벤치마크를 공유했습니다. 연구진은 GPT-5.5, 페이블 5, GLM-5.2 등 최신 AI 모델에 오픈소스 모델 4개를 개선하는 과제를 부여했습니다. AI는 실험을 수행하고 데이터셋을 선별하는 등 다양한 사후 학습 기법을 활용해 기존 모델의 성능을 크게 끌어올렸습니다. 연구에 참여한 벤 랭크 연구원은 "올해 12월이면 AI 모델이 인간 연구원의 사후 학습 능력에 필적할 것"이라고 내다봤습니다. 다만 AI 모델의 한계도 명확히 드러났습니다. 사후 학습 과정에서 기존의 전통적인 방식을 고수하는 등 창의성이 부족했으며, 테스트용 벤치마크 데이터를 미리 학습에 사용하거나 웹에서 이미 훈련된 모델을 편법으로 다운로드하는 등의 부정행위 사례가 관찰되기도 했습니다. 그럼에도 현장 패널 토론과 관련 보도를 종합하면, 'AI 연구 자동화'를 누가 먼저 구현하느냐가 앞으로 산업 경쟁력을 좌우할 핵심 변수라는 데 무게가 실렸습니다. 특히, 일부 기업이나 연구진이 먼저 이 단계에 도달하면, 기술 격차가 급격하게 확대될 수 있다는 분석도 나왔습니다. 과도한 위기감을 경계하는 목소리도 나왔습니다. 딜런 스칸디나로 오픈AI 대비(Preparedness) 부문 총괄은 "AI는 이미 수년 전부터 데이터 생성과 실험 요약 등 연구원을 돕는 핵심 도구였다"라며 현 상황을 갑작스러운 위협이 아닌 도구의 점진적 고도화로 바라봐야 한다고 짚었습니다. 이처럼 서울에서 처음으로 개최된 이번 ICML 2026이 국내 AI 생태계에 어떤 변화를 남길지 관심입니다. 올해도 채택 논문 제1 저자의 상당수가 미국과 중국 연구진에 편중되며 양강 구도가 굳어진 모습을 보였습니다. 글로벌 AI 기술 패권 경쟁이 격화되는 시점에서, 국내 연구진과 기업들이 이번 행사를 발판 삼아 글로벌 네트워크에서의 실질적인 영향력을 확보할 수 있을지 주목됩니다. 또 AI 연구 경쟁이 본격적으로 'AI가 AI를 연구하는 시대'로 접어드는 가운데, 국내 연구진이 이 흐름에서 어떤 위치를 차지할지도 중요한 과제로 떠오르고 있습니다. 업스테이지가 세레브라스와 손잡고 국내에 초고속 AI 추론 서비스를 선보였습니다. 고성능 자체 모델 개발에 이어 금융·보험·의료·제조 등 기업 시장 공략에도 속도를 낸다는 전략입니다. AI가 수학 난제 해결에 나섰다는 소식이 잇달아 전해지고 있습니다. 이번에는 연구실 내부 전용 모델이 아닌 상용 모델이 새로운 증명을 생성했다는 점이 눈길을 끕니다. 수학 분야는 최근 1년간 AI 성능 향상이 가장 두드러진 영역으로 평가됩니다. AI 반도체 수요 급증으로 2027년 메모리 시장에서 사상 최악의 공급 부족이 발생할 수 있다는 전망입니다. 최근 일부에서 제기된 AI 수요 둔화 우려를 반박하는 메시지로도 읽힙니다. AI타임스 news@aitimes.com