정의
Pre-training 스케일링 법칙(Scaling Law)이 지속적 성능 향상을 제공하지만, AGI/ASI 도달을 위해서는 추가적인 연구적 돌파구(예: continual learning, 샘플 효율, 일반화, 내적 동기 등)가 필수적이라는 패러다임 전환을 지칭한다. Ilya Sutskever의 2025년 11월 Dwarkesh Patel 인터뷰에서 ‘연구의 시대’ 선언으로 촉발되었으며, 이후 Noam Brown이 연구자 간 합의 영역을 정리하며 논쟁을 냉각시켰다.
핵심 속성
- 스케일링 지속성: 더 큰 데이터와 연산으로 점진적 성능 향상은 유지되나, 지수적 도약은 아님.
- 연구 돌파구 필요성: o1/RL 스타일의 패러다임 발견, continual learning, 일반화 문제 해결, 감정/가치 함수 도입 등이 추가로 필요.
- 합의 영역: 주요 연구자들(Hassabis, Chollet, Altman, LeCun, Sutskever, Amodei) 모두 추가 돌파구가 필요하다는 점에 동의, 100년 이상 걸릴 것이라는 주장은 없음.
- 경제·안보 함의: 스케일링 논쟁이 데이터센터 투자, 전력 인프라, 주식 시장, 미중 갈등 등으로 확장되어 단순 학문적 문제를 넘어섬.
관계
- 20260607-scaling-alone-not-enough — 구체적 인사이트: 스케일링만으로는 부족함.
- 20260607-emotion-value-function — 감정과 가치 함수의 유비를 통한 연구 방향.
인용
“스케일링은 계속해서 성능 향상을 끌어낼 것이지만, 뭔가가 부족할 것이고, 그 부족한 것에 대해서 돌파구를 찾고 더 커다란 성능 향상 폭을 얻기 위해서는 추론과 같은 새로운 패러다임 같은 게 필요할 것.” — 김성현 (clip 대사)
출처
- 📎 클리핑: 20260613-ep98-ko-transcript