김성현은 RL이 정답이라고 가정할 때, 남은 가장 큰 문제는 환경 스케일링이라고 분석한다. 에이전트 RL에서 환경(과제)을 계속 더 복잡하게 만드는 것은 비용과 시간이 증가하는 병목이다. 이 병목이 어떻게 해결되느냐에 따라 AI 발전은 점근적 정체(기술 혁신 부재), 지수적 가속(지속 학습 같은 패러다임 전환), 또는 선형적 점진(점진적 기술 개선)의 세 가지 궤적 중 하나를 따를 것이라고 예측한다. 그는 지속 학습이 해결될 가능성이 높다고 보지만, 현실적으로는 점진적 발전이 가장 가능성 있는 시나리오라고 본다.
근거
“환경 스케일링을 돌파할 수 있는 한 가지 방법은 모델의 일반화 능력을 확장하는 것… 지속 학습 문제 같은 게 풀리면 이런 비슷한 일이 일어날 수 있을 거라고 생각합니다. 그러면 환경을 스케일링하는 문제가 기술에 의해서 풀리는 것이 되는 거죠.”
“기술적인 발전의 차이는 굉장히 점진적인데 그 체감의 느낌은 어마어마하게 클 수는 있어요. … 이런 형태에 가깝지 않을까 하는 생각을 합니다. 조금씩 계속 발전해 나가다가 어떤 혁신에 의해서 발전해 나가다가 복잡성이 커져서 이 속도가 다시 느려지고, 그즈음에 다시 어떤 기술적인 발전이나 혁신 같은 걸 통해서 이 복잡성을 다시 낮추게 되어서 이런 형태가 좀 더 원거리에서 보면 직선처럼 보이겠죠.”
연결된 생각
- 20260607-rl-environment-scaling-bottleneck — 이 주제의 개념적 정의와 세부 속성을 다룬다.
- 20260607-rl-fundamentals-and-product-sense — 환경 스케일링의 병목 해결에 기본기와 제품 감각이 중요한 이유를 설명한다.
출처
- 📎 클리핑: 20260613-ep98-ko-transcript