Yao Shunyu의 ‘The Second Half’ 선언 이후, AI 업계는 RL이라는 답지를 손에 쥐었다. 하지만 이 답지를 펼칠 ‘문제(환경)‘가 부족하다는 역설이 드러났다. RL은 그 자체로 완결된 방법이 아니라, 적용 가능한 환경이 있어야만 작동하는 엔진과 같다. 이 엔진을 돌릴 연료인 환경을 확장하는 일이 오히려 더 큰 난관으로 떠올랐다.
근거
대담에서 김성현은 환경 스케일링의 세 가지 가능한 궤적을 제시했다: 지속 학습으로 인한 지수적 발전, 복잡성 증가로 인한 정체, 그리고 작은 혁신들이 쌓여 선형처럼 보이는 점진적 발전. 그는 가장 현실적인 시나리오로 점진적 발전을 꼽았지만, 동시에 지속 학습 문제가 풀릴 경우 지수적 발전도 가능하다고 보았다. 이는 RL 방법론이 더 이상 차별화 요소가 아니라, 환경을 어떻게 효율적으로 만들어내느냐가 진정한 경쟁력의 원천임을 시사한다.
“지금의 시점이 어떤 놀라운 혁신, 그리고 놀라운 새로운 접근 방법이라기보다는… 기본에 충실한 것인 것 같습니다. 좋은 데이터를 만들고, 안정적인 인프라를 갖춰서, 그리고 많은 연산을 사용해서 모델을 만들어 나가는, 이 가장 기본적인 것.”
연결된 생각
- 20260607-rl-environment-scaling — RL 환경 스케일링의 개념적 틀
- 20260607-basics-era — 기본기의 중요성은 환경 스케일링의 어려움과 직접 연결됨