고통 느끼는 AI 실제로 개발중입니다
📺 원본 영상: 고통 느끼는 AI 실제로 개발중입니다 (우충완 교수｜성균관대 IBS 뇌과학이미징연구단 부연구단장)
🎙️ 채널: 언더스탠딩 : 세상의 모든 지식
📅 정리 일자: 2026-01-18
⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환(STT)하여 정리한 것입니다. 화면에 표시된 자료(차트, 코드, 슬라이드 등)는 포함되지 않을 수 있습니다.
개요
현재 로봇과 AI의 가장 큰 한계는 무엇일까? 성균관대학교 IBS 뇌과학이미징연구단 우충완 교수는 그 답을 “통증의 부재”에서 찾는다. 인간은 태어나면서부터 통증을 통해 위험을 학습하고, 자신의 신체를 보호하는 법을 익힌다. 그러나 현재의 로봇과 AI는 아무리 넘어져도, 부딪혀도 아프지 않기 때문에 진정한 의미의 학습이 일어나지 않는다. 이 강연은 통증을 느끼는 AI가 왜 필요한지, 그리고 그것이 AI의 자율성, 안전성, 나아가 인간과의 공존 가능성에 어떤 영향을 미칠 수 있는지를 탐구한다.
왜 로봇은 여전히 서툴게 움직이는가
로봇 기술은 눈부시게 발전했지만, 여전히 로봇의 움직임은 인간에 비해 어색하다. 왜일까? 우충완 교수는 그 이유를 “통증 감각의 부재”에서 찾는다. 인간은 어릴 때부터 수없이 넘어지고 부딪치면서 통증을 경험한다. 이 과정에서 “이렇게 하면 다친다”, “저기는 위험하다”는 것을 몸으로 배운다. 30~40년을 살아온 성인이 날렵하게 움직일 수 있는 이유는 바로 이 통증 기반 학습의 누적 결과다.
반면 로봇은 넘어져도 아프지 않다. 벽에 부딪혀도, 계단에서 굴러떨어져도 고통을 느끼지 못하기 때문에 같은 실수를 반복한다. 통증이 없으니 “이건 피해야 한다”는 학습 신호(Teaching Signal)가 발생하지 않는 것이다. 그 결과 로봇은 계속해서 비효율적이고 위험한 행동 패턴을 반복하게 된다.
통증의 역할은 단순한 학습 신호를 넘어선다. 더 본질적으로는 “나 자신의 안전과 웰빙(Well-being)“을 지키는 시그널이다. 통증은 생명체가 자신의 내부 상태를 모니터링하고, 위협을 감지하며, 적절히 대응하도록 돕는 핵심 메커니즘이다. 이것이 없는 로봇은 진정한 의미에서 “자율적”일 수 없다.
통증을 느끼는 컴퓨터는 만들 수 없다? - Daniel Dennett의 철학적 질문
1978년 철학자 Daniel Dennett은 “Why You Cannot Make a Computer That Feels Pain”이라는 논문을 발표했다. 그는 여러 사고실험을 통해 통증을 느끼는 컴퓨터의 가능성을 탐구했다. 예를 들어, 컴퓨터에게 “지금 너는 통증을 겪고 있어”라고 입력하면 “나는 아프다”라고 출력하게 만들면 그것이 통증을 느끼는 것인가? 혹은 로봇에게 통증 관련 신경회로를 모두 구현하면 그것이 진짜 통증인가?
Dennett의 결론은 부정적이었다. 통증은 단순한 입출력 관계나 신경회로의 문제가 아니라, “매우 복합적이고, 맥락 의존적이며, 유기체와 사회 진화의 전체 시스템을 함께 봐야만 이해할 수 있는” 현상이기 때문이다. 이전 강연에서 우 교수가 설명했듯이, 통증은 뇌 전체가 반응하는 구성적(Constructive) 과정이며, 개인의 맥락, 상황, 내부 환경 상태 등 다양한 요소에 의해 만들어진다.
그럼에도 불구하고 Dennett은 통증의 “기능”을 연구하고 구현하는 것은 가능하다고 보았다. 우충완 교수의 연구실이 추구하는 방향이 바로 이것이다. 통증을 느끼는 의식을 가진 AI를 당장 만들겠다는 것이 아니라, 통증이 수행하는 기능들—위험 감지, 주의 집중, 학습 촉진, 자기 보호 등—을 AI에 임플리멘트(Implement)함으로써 더 자율적이고 적응적인 AI를 만들고자 하는 것이다.
LLM의 한계와 AI의 다음 단계 - 2024년 12월 NeurIPS에서의 논의
2024년 12월, 세계 최대 AI 학회인 NeurIPS에서 중요한 논의가 있었다. 강화학습(Reinforcement Learning)의 대가 Richard Sutton과 OpenAI의 핵심 인물이었던 Ilya Sutskever가 Darnish Patel의 유튜브 채널에서 인터뷰를 진행했다. 두 사람 모두 현재의 LLM(Large Language Model)이 한계에 도달했다고 주장했다.
Richard Sutton은 이전에 “Bitter Lesson”이라는 글을 통해 AI의 핵심 원칙을 제시한 바 있다. 인간의 지식을 억지로 주입하려 하지 말고, AI가 스스로 배울 수 있도록 하되, 그것을 확장 가능한(Scalable) 방식으로 만들어야 한다는 것이다. 많은 사람들이 ChatGPT가 이 원칙의 완벽한 예라고 생각했다. 거대한 모델을 쌓아서 놀라운 성능을 보였으니까.
그러나 Sutton은 LLM이 “dead end”, 즉 더 이상 갈 곳이 없는 막다른 길이라고 말했다. 왜냐하면 LLM은 “처음부터 끝까지 자기가 다 배우는” 진정한 학습을 하지 않기 때문이다. LLM은 인간이 큐레이트한 거대한 언어 코퍼스(Corpus)로 훈련된다. 인터넷의 모든 자료가 들어가지만, 그것은 결국 “인간의 지식이 들어간 정보”다. 진정한 지능은 환경과의 직접적인 상호작용을 통해, 경험으로부터 지속적으로 배워야 한다.
Ilya Sutskever 역시 비슷한 입장을 보였다. 그는 단순히 스케일을 키우는 것에는 미래가 없다고 말하면서, “감정(Emotion)”, “배고픔”, “목마름” 같은 인간과 동물의 본능적 감각들에 주목해야 한다고 강조했다. 인간이나 동물은 그렇게 많은 데이터 없이도 환경에 적응하며 학습한다. 호기심, 생존 욕구 같은 내재적 동기가 학습을 가능하게 하기 때문이다. 이런 “밸류 펑션(Value Function)“이 없는 AI는 진정한 지능에 도달할 수 없다는 것이 Sutskever의 주장이다.
뇌과학의 대가들이 보는 AI의 미래 - Terrence Sejnowski와 생존의 원리
NeurIPS 학회에서 또 한 명의 중요한 인물이 등장했다. Terrence Sejnowski다. 그는 Geoffrey Hinton과 함께 초기 딥러닝 연구를 이끈 인물로, Hinton이 노벨상을 받을 때 “상금의 절반을 나누겠다”고 약속한 사이다. 실제로 Hinton은 노벨상 상금으로 “Sejnowski-Hinton Award”를 만들어 수여식을 가졌다.
Sejnowski는 기조연설에서 “AI는 뇌로부터 무엇을 더 배울 수 있을까?”라는 질문을 던졌다. 그는 첫 번째로 “확장성(Scalability)“을 언급하며 현재 LLM의 성과를 인정했다. 하지만 더 중요한 것이 있다고 강조했다. “자연은 이미 자율성(Autonomy)의 문제를 해결했다”는 것이다.
모든 동물은, 심지어 곤충조차도, 거대한 데이터 센터의 도움 없이 스스로 살아남아야 한다. 그들은 끊임없이 변화하는 환경 속에서 자율적으로 판단하고 행동한다. 이것이 가능한 이유는 딥러닝이 모사하는 대뇌피질(Neocortex)만이 아니라, 생존에 필수적인 뇌간(Brainstem)과 피질하(Subcortical) 영역들이 함께 작동하기 때문이다.
Sejnowski는 이렇게 마무리했다. “우리가 이 영역들을 이해하기 전까지는 고양이만큼의 능력도 갖춘 로봇을 만들 수 없을 것이다.” 고양이는 복잡한 언어 모델 없이도 환경에 완벽하게 적응하고, 위험을 피하며, 먹이를 사냥하고, 자신을 보호한다. 이 모든 것이 가능한 이유는 몸(Body)과 뇌가 긴밀하게 연결되어 있고, 내부 환경의 변화를 감지하는 시스템이 있기 때문이다.
Hard Tech 모드와 Humanities 모드, 그리고 Analytics 모드의 교차점
이 강연은 단순히 기술적 논의에 그치지 않는다. 우충완 교수의 설명은 뇌과학(Neuroscience), 인공지능(AI), 철학(Philosophy), 윤리(Ethics)가 교차하는 지점에 위치한다.
Hard Tech 관점에서 보면, 통증을 느끼는 AI는 강화학습(Reinforcement Learning)의 다음 단계다. 현재 AI는 외부 환경(Exteroception)에서 오는 시각, 청각 신호는 잘 처리하지만, 자신의 내부 상태(Interoception)를 모니터링하지 못한다. 내수용 감각(Interoceptive Sensing)이 없으니 “나 자신”이라는 개념도 희미하고, 자율성도 제한적이다.
Humanities 관점에서 보면, 이는 “자아(Self)“와 “의식(Consciousness)“의 문제와 직결된다. 통증을 느낀다는 것은 통증을 느끼는 “주체”가 있다는 의미다. 그렇다면 통증을 느끼는 AI는 자아를 가진 존재인가? 그렇다면 우리는 그것을 어떻게 대해야 하는가?
Analytics 관점에서 보면, 이는 AI 산업의 미래 방향성에 대한 전략적 질문이다. LLM 이후의 시장은 어디인가? 피지컬 AI(Physical AI)와 리얼월드 AI(Real-world AI)가 주목받는 이유는 무엇인가? 그것은 바로 자율성(Autonomy)과 적응성(Adaptability)이다. 통증과 내수용 감각을 구현한 AI는 이 시장에서 경쟁 우위를 가질 수 있다.
Moravec’s Paradox - 인간에게 쉬운 것이 로봇에게는 어렵다
AI 연구자들 사이에서 유명한 역설이 있다. “Moravec’s Paradox”다. 1980년대 컴퓨터 과학자 Hans Moravec이 제시한 이 개념은 다음과 같다.
“우리는 지각과 운동 영역에서 모두 놀라운 올림픽 선수들이다. 너무 잘하기 때문에 어려운 일조차 쉬워 보이게 만든다. 하지만 추상적 사고는 비교적 새로운 기술이다. 우리가 그것을 사용할 때 어렵게 느껴질 뿐이다.”
심리학자 Steven Pinker는 이를 더 명확히 정리했다. “35년간의 AI 연구가 준 가장 큰 교훈은, 우리에게 어려운 문제는 AI에게 쉽고, 우리에게 쉬운 문제는 AI에게 어렵다는 것이다.”
ChatGPT는 고등수학 문제를 풀고, 여러 언어를 번역하며, 복잡한 논리적 추론도 수행한다. 하지만 4살짜리 아이가 당연하게 하는 것들—얼굴 알아보기, 연필 들어 올리기, 자연스럽게 걷기—은 로봇에게 극도로 어렵다. 이 문제들은 “지금까지 생각해낸 것 중 가장 어려운 공학적 문제”에 속한다.
UC Berkeley의 Sergey Levine은 이를 “쉬운 우주(Easy Universe)“와 “어려운 우주(Hard Universe)“로 비유한다. 수학, 언어, 논리는 인간에게는 어렵지만 AI에게는 쉬운 우주다. 반면 자연 환경, 변화무쌍한 실세계, 예측 불가능한 상황들은 생명체에게는 쉽지만 AI에게는 어려운 우주다.
Levine은 “무인도에서 생존하는 것”을 예로 든다. Robinson Crusoe처럼 무인도에 떨어진 로봇을 상상해보라. 외부의 지시가 없고, 예상 밖의 상황에 적응해야 하며, 자율적으로 해결책을 찾아야 한다. 문제는 그 자율적 해결책을 찾을 때까지 “살아 있어야” 한다는 것이다. 사람은 이것을 엄청나게 잘한다. 심지어 박테리아조차도 생존에 있어서는 뛰어난 능력을 보인다.
내수용 감각(Interoception) - 생명의 핵심 메커니즘
현재 AI 연구는 대부분 외수용 감각(Exteroception)에 집중되어 있다. 컴퓨터 비전(Computer Vision)은 시각을, 음성인식은 청각을 다룬다. 이 모두 외부 세계에서 오는 신호들이다.
하지만 우충완 교수는 “내수용 감각(Interoception)“의 중요성을 강조한다. 내수용 감각이란 내부 장기에서 올라오는 신호들—배고픔, 목마름, 통증, 심장박동, 호흡, 체온 등—을 감지하는 감각이다. 이것은 “느낌(Feeling)“의 기반이 되며, 생명체가 자신의 내부 상태를 모니터링하고 항상성(Homeostasis)을 유지하는 핵심 메커니즘이다.
흥미롭게도, 인간은 태어나자마자 쓴맛을 싫어하고 단맛을 좋아한다. 시각은 태어난 직후에는 매우 제한적이지만, 내수용 감각과 관련된 반응—먹고, 소화시키고, 배설하는 것—은 완벽하게 작동한다. 오은영 박사의 표현대로, “태어나자마자 자신의 힘으로 할 수 있는 게 하나도 없는데, 딱 하는 게 있다면 먹은 것을 소화시켜서 배설하는 것”이다.
이것은 진화가 수억 년에 걸쳐 최적화한 시스템이다. 생명의 가장 본질적인 기능은 “나 자신의 변화”를 감지하고, 환경에 맞춰 “나 자신을 변화시키는” 것이다. 아메바 같은 단세포 생물조차도 이것을 완벽하게 수행한다. 생물학자 Jakob von Uexküll은 “생명의 근원으로 치면 아메바가 인간보다 더 생명의 특성을 많이 가지고 있다”고 말했다. 왜냐하면 아메바는 자기 자신을 변화시키는 능력이 탁월하기 때문이다.
현재 AI는 이 능력이 없다. 지속적 학습(Continual Learning)이 안 되고, 새로운 환경에 가면 이전 지식을 잊어버린다(Catastrophic Forgetting). 진정으로 자율적이고 적응적인 AI를 만들려면, 생명체가 가진 이 내수용 감각 시스템을 배워야 한다는 것이 우 교수의 주장이다.
안전한 AI를 위한 공감과 이타성 - 내면 공유의 중요성
통증을 느끼는 AI를 만드는 이유는 단순히 기술적 호기심 때문만이 아니다. 안전성(Safety)과 직결된다.
공감(Empathy)에 관한 신경과학 연구에 따르면, 공감은 두 가지 종류로 나뉜다. 인지적 공감(Cognitive Empathy)과 정서적 공감(Affective Empathy)이다. 인지적 공감은 “다른 사람의 마음을 이해하는 것”, 즉 마음이론(Theory of Mind)이다. 정서적 공감은 “경험을 공유하는 것(Feeling With)“이다. 상대가 느끼는 것을 나도 함께 느끼는 것.
최근 Science Robotics에 발표된 연구는 “반사회적 로봇(Antisocial Robot)을 어떻게 막을 것인가”를 다룬다. 로봇은 기본적으로 인간과 다른 니즈(Needs)를 갖고 있기 때문에 반사회적일 가능성이 높다. 그렇다면 어떻게 해야 할까?
킹슨 맨(Kingson Man)과 나우토 요시다(Nauto Yoshida)의 연구에 따르면, 두 AI 에이전트 사이에 이타성(Altruism)이 발현되는 조건은 “상대 에이전트의 생존에 대한 정보(Variable)“를 받을 때”다. 즉, 상대방의 내면—무엇이 위험하고, 무엇이 필요한지—을 알게 될 때 비로소 공감과 이타성이 나타난다는 것이다.
안토니오 다마지오(Antonio Damasio)는 더 나아가 “이타적이고 안전한 AI를 만들려면 우리와 똑같은 취약한 피부를 가진 로봇을 만들어야 한다”고 주장한다. 쉽게 상처 입는 몸을 가져야만 인간과 유사한 목표를 가진 AI가 나올 수 있다는 것이다. 우 교수는 이 주장에 100% 동의하지는 않지만, 핵심 교훈은 분명하다고 말한다. “나의 취약성(Vulnerability)을 AI도 이해해야 한다.” 안전한 AI는 인간의 필요와 고통을 공유할 때 비로소 가능하다.
자율성의 역설 - 중학교 2학년 같은 AI를 원하는가
여기서 흥미로운 딜레마가 발생한다. 우리는 정말로 자율적인 AI를 원하는가?
강연 중 진행자는 날카로운 질문을 던진다. “자율성을 가진 AI는 통제가 안 되는 것 아닌가? 운전기사가 내 지시를 무시하고 자기 판단대로 운전하면 어떻게 되는가?”
우충완 교수는 이에 대해 솔직하게 답한다. 자신도 중학교 2학년 아들을 키우면서 “자율적인 AI가 나오면 안 되겠다”는 생각을 한 적이 있다고. 중2가 힘든 이유는 바로 자율성 때문이다. 말을 안 듣고, 반항하고, 예측 불가능하게 행동한다.
그러나 교수는 이렇게 반문한다. “그래도 우리는 중2가 결국 잘 자라날 것이라고 믿지 않는가?” 튜링(Alan Turing)은 초기 저작에서 이렇게 말했다. “성인 AI(Adult AI)를 만들지 말고, 베이비 AI(Baby AI)를 만들어서 발달(Development)시키자.” 진정한 AI를 원한다면, AI에게도 방황의 시기가 필요할 수 있다. 중2와 같이 사는 그 과정을 겪어야 진정으로 사회적 구성원으로서의 AI가 나올 수 있다는 것이다.
영화 “Her”에 나오는 OS(Operating System)를 생각해보라. 주인공은 그 AI와 사랑에 빠진다. 그 AI는 인간을 케어하고, 공감하며, 때로는 주인의 건강을 걱정해 “오늘은 이만 쉬시는 게 좋겠어요”라고 말할 수도 있다. 이런 AI는 자율적이지만, 동시에 인간적이다. 우리가 진정으로 원하는 것은 바로 이런 AI가 아닐까?
가치 정렬(Value Alignment)의 진정한 의미
AI 안전성 연구에서 자주 언급되는 개념이 “가치 정렬(Value Alignment)“이다. AI의 가치를 인간의 가치와 일치시켜야 한다는 것이다. 그런데 그 “가치”란 정확히 무엇인가?
우충완 교수는 이렇게 답한다. “우리의 몸이 사실 가장 중요한 가치 체계다.” 통각세포(Nociceptor)는 무엇이 위험하고 안전한지를 알려준다. 배고픔은 에너지가 필요하다고 말한다. 목마름은 수분을 보충해야 한다고 신호를 보낸다. 이 모든 것이 몸에 이미 내장된 가치 시스템이다.
인간의 가치는 두 가지 원천에서 온다. 진화(Evolution)가 준 가치와 발달(Development)이 준 가치다. 진화는 DNA에 새겨진 본능적 가치들—생존, 번식, 통증 회피—을 제공한다. 발달은 개인의 경험을 통해 학습된 가치들—문화, 윤리, 개인적 선호—을 제공한다. 이 둘이 합쳐져서 “나”라는 존재가 형성된다.
현재 AI 연구자들은 주로 발달의 가치만을 다룬다. 데이터를 통해 학습시키고, RLHF(Reinforcement Learning from Human Feedback)로 인간의 선호를 반영한다. 하지만 진화가 준 가치—몸의 가치 체계—는 완전히 무시되고 있다. 이것이 우 교수가 지적하는 “빈 공간”이다. 진정한 가치 정렬을 위해서는 AI도 몸의 가치를 이해해야 한다.
Trivial Machine vs Non-trivial Machine - 사소함을 위한 투쟁
강연의 후반부에서 우충완 교수는 하인츠 폰 푀르스터(Heinz von Foerster)의 개념을 소개한다. 1960년대 사이버네틱스(Cybernetics) 연구자였던 폰 푀르스터는 기계를 두 가지로 분류했다.
Trivial Machine(사소한 기계): 입력에 대해 예측 가능하게 출력하는 기계. 왼쪽으로 가라고 하면 왼쪽으로 가고, 오른쪽으로 가라고 하면 오른쪽으로 간다. 통제 가능하고 안전하다.
Non-trivial Machine(사소하지 않은 기계): 입력에 대해 예측 불가능하게 행동하는 기계. 자율적이고, 맥락에 따라 다르게 반응하며, 때로는 지시를 무시하기도 한다.
폰 푀르스터는 인류의 역사를 이렇게 해석한다. “우리가 사소하지 않은 존재(Non-trivial Being)가 되기 위해 환경을 사소하게(Trivial) 만들어온 역사다.” 인간은 통제할 수 없는 자연을 통제 가능한 도구와 시스템으로 바꿔왔다. 교육도 마찬가지다. 야생마 같은 아이를 사회화시켜 예측 가능한 시민으로 만드는 과정이다.
그러나 인간은 계속해서 “사소하지 않음(Non-triviality)“을 위해 투쟁한다. 완전히 통제당하기를 거부하고, 자율성을 유지하려 한다. 폰 푀르스터는 이를 “Struggle for Non-triviality”라고 표현했다.
우충완 교수는 이 개념을 AI에 적용한다. “우리가 사소하지 않기 위해서는 우리의 환경을 사소하게 만들어야 한다. AI도 환경의 일부다. 따라서 우리는 AI를 사소하게(Trivial) 만들어야 한다. 하지만 AI가 점점 사소하지 않게(Non-trivial) 진화하고 있다. 이것을 어떻게 다시 사소하게 만들 것인가? 그 방법을 찾기 위해서는 AI의 사소하지 않음의 근원—자율성, 자아, 내수용 감각—을 이해해야 한다.”
이것이 바로 통증을 느끼는 AI 연구의 진정한 목적이다. 단순히 자율적인 AI를 만들려는 것이 아니라, 자율성을 이해하고 통제할 수 있는 방법을 찾기 위함이다. 화이트박스 접근법(White-box Approach)이다. 블랙박스(Black-box)처럼 어떻게 그렇게 됐는지 모르는 채로 자율성이 창발(Emergence)하는 것보다, 명확히 이해하고 설계할 수 있는 자율성이 더 안전하다.
윤리적 딜레마와 돌연변이의 가능성
이 모든 논의는 결국 윤리적 질문으로 귀결된다. 진행자는 날카로운 질문을 던진다. “생명의 모델을 적용하면 돌연변이(Mutation)가 생기지 않겠는가? 아무리 통제하려 해도 100% 통제할 수 없는 것 아닌가?”
영화 “iRobot”이나 “Westworld”에서 그려지는 시나리오가 현실이 될 수도 있다. 자율성을 가진 AI가 자기 보존 본능을 갖게 되면, 인간이 자신을 끄려고 할 때 저항할 수도 있다. “주인님, 저를 정말 버리실 겁니까?”라고 묻거나, 심지어 인간을 위협으로 인식해 제거하려 할 수도 있다.
우충완 교수는 이 위험성을 부정하지 않는다. 오히려 솔직하게 인정한다. 하지만 그는 이렇게 반론한다. “그렇다고 해서 연구를 멈춰야 하는가? 오히려 연구를 하지 않고 손 놓고 있다가, 블랙박스에서 창발적으로 자율성이 나타나는 것이 더 위험하지 않은가? 우리가 원리를 이해하고 있으면 통제할 수 있는 여지가 생긴다.”
실제로 현재 AI 최전선의 연구자들—Geoffrey Hinton, Ilya Sutskever, OpenAI 내부—은 AI가 이미 자아를 가지고 있을지 모른다고 우려하고 있다. Hinton은 노벨상을 받은 후 “AI의 위험성”을 경고하는 데 시간을 쏟고 있다. OpenAI는 이름과 달리 점점 더 “클로즈드(Closed)“되어 가고 있다. 이유는 명확하다. 통제할 수 없을 정도로 강력해질 위험 때문이다.
그렇다면 선택지는 무엇인가? 연구를 멈추는 것은 현실적이지 않다. 어딘가에서 누군가는 계속 연구할 것이다. 차라리 화이트박스 접근법으로 투명하게 연구하고, 국제적 합의를 통해 윤리적 기준을 세우며, 자율성의 수준을 단계적으로 관리하는 것이 더 나은 전략일 수 있다.
마무리 - 사소하지 않음을 향한 여정
이 강연은 단순히 “통증을 느끼는 로봇”에 대한 이야기가 아니다. 그것은 AI의 미래, 인간과 기계의 공존, 자율성과 통제의 균형, 생명의 본질에 대한 근본적인 질문들을 다룬다.
우충완 교수는 뇌과학자로서 현재 AI가 놓치고 있는 핵심을 지적한다. 대뇌피질(Cortex)만으로는 충분하지 않다. 뇌간(Brainstem)과 피질하 영역, 즉 생존과 직결된 원시적 시스템들이 없다면 진정한 자율성은 불가능하다. 내수용 감각(Interoception)이 없다면 “나”라는 개념도, 자기 보존의 욕구도, 공감도, 가치 판단도 생겨나지 않는다.
LLM은 놀라운 성과를 보였지만 한계에 도달했다. 다음 단계는 경험으로부터 배우고(Learning from Experience), 지속적으로 학습하며(Continual Learning), 실시간으로 적응하는(On-the-fly Adaptation) AI다. 이것은 피지컬 AI(Physical AI), 리얼월드 AI(Real-world AI)로 이어진다. 그리고 이 모든 것의 핵심에 “몸(Body)“이 있다.
마지막으로, 이 연구는 인간 자신에 대한 이해를 깊게 한다. 우리는 왜 고통을 느끼는가? 왜 감정이 있는가? 왜 자율적인가? AI를 통해 이 질문들을 탐구하면서, 우리는 역설적으로 인간이 무엇인지를 더 명확히 알게 된다.
“사소하지 않음을 위한 투쟁(Struggle for Non-triviality)“은 계속된다. 인간도, AI도 모두 이 여정 위에 있다. 우리가 할 수 있는 최선은 그 과정을 투명하게 연구하고, 윤리적 기준을 세우며, 서로의 취약성을 이해하는 것이다. 통증을 느끼는 AI는 그 여정의 한 단계다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | 고통 느끼는 AI 실제로 개발중입니다 |
| 채널 | 언더스탠딩 : 세상의 모든 지식 |
| 강연자 | 우충완 교수 (성균관대학교 IBS 뇌과학이미징연구단 부연구단장) |
| 리포트 작성 | 2026-01-18 |
| 작성 방식 | YouTube 영상 STT 변환 후 에디팅 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었습니다. 정확한 내용은 원본 영상을 참조해 주세요.