AGI 선언과 0.37%의 현실, 이번 주 AI 핵심 5선

AGI를 선언한 날, 벤치마크는 0.37%를 기록했다

NVIDIA의 젠슨 황 CEO가 "우리는 AGI(범용 인공지능)를 달성했다"고 공식 발언했다. 그러나 같은 주에 공개된 ARC-AGI-3 벤치마크 결과는 정반대를 가리킨다. 이 테스트는 AI에게 규칙도 목표도 없는 인터랙티브 환경을 제시하고 "스스로 알아내라"고 요구한다. 인간 정답률 100%, 최고 성능 AI 모델 정답률 0.37%.

핵심은 패턴 매칭(pattern matching)과 적응(adaptation)의 차이다. 현재 AI 아키텍처는 훈련 데이터 안의 패턴을 재조합하는 데는 초인적이지만, 완전히 새로운 상황에서 스스로 규칙을 발견하는 능력은 사실상 없다. 이 격차가 오늘날 AI가 대체할 수 있는 업무와 대체할 수 없는 업무의 경계를 정의한다.

교육 시사점

학생들에게 이 결과는 중요한 메시지를 담고 있다. AI를 활용해 정형화된 문제를 빠르게 처리하는 능력은 이미 필수 역량이 되었지만, 비정형 문제 해결력·창의적 사고력은 AI가 대체할 수 없는 영역으로 남아 있다. 시험 대비형 학습만으로는 부족하고, 새로운 상황에서 스스로 프레임을 구성하는 훈련이 앞으로의 경쟁력이 된다.

학생 활용법: ARC-AGI 공식 사이트에서 퍼즐을 직접 풀어보면, AI와 인간의 추론 방식 차이를 체감할 수 있다.

GitHub Copilot CLI, /fleet으로 멀티 에이전트 병렬 실행 지원

GitHub이 Copilot CLI에 /fleet 명령어를 추가했다. 하나의 프롬프트로 여러 AI 에이전트를 동시에 실행해 파일 단위로 작업을 분할하고, 의존성을 선언하며, 결과를 병합할 수 있다.

기존에는 코딩 에이전트에게 순차적으로 지시해야 했다면, /fleet은 "이 파일은 A 에이전트, 저 파일은 B 에이전트"처럼 병렬 분배가 가능하다. 대규모 리팩터링이나 다중 파일 수정 작업에서 체감 속도가 크게 향상된다.

교육 시사점

이 기능은 **에이전트 기반 개발(Agent-driven Development)**이라는 새로운 패러다임의 구체적 구현이다. 코드를 한 줄씩 작성하는 기술만큼, AI 에이전트에게 작업을 효과적으로 분배하고 결과를 검증하는 오케스트레이션 능력이 개발자의 핵심 역량으로 부상하고 있다.

학생 활용법: GitHub Copilot CLI를 설치하고 소규모 프로젝트에서 /fleet을 실험해 보자. 프롬프트를 어떻게 구성하면 에이전트가 작업을 잘 분할하는지 감을 익히는 것이 중요하다.

정부, 국가 AI 사업 52개 과제 선정 — GPU 3천 장 지원

과학기술정보통신부가 제6회 과기 장관회의를 통해 국가 인공지능 사업 52개 과제를 심의·의결했다. 정부 보유 GPU(그래픽 처리 장치) 1만 장 중 약 3천 장이 이번 사업에 투입된다.

GPU는 AI 모델 훈련과 추론에 필수적인 연산 자원이다. 그동안 국내 스타트업과 연구기관은 클라우드 GPU 비용 부담을 호소해 왔는데, 이번 지원으로 연구 접근성이 개선될 것으로 기대된다.

교육 시사점

대학 연구실과 AI 관련 학과 학생들에게는 국가 컴퓨팅 자원을 활용한 프로젝트 기회가 열리는 신호다. 52개 과제의 세부 분야와 참여 조건이 발표되면, 대학원생이나 학부 연구팀도 간접 수혜를 받을 수 있는 경로가 있는지 확인해 볼 가치가 있다.

학생 활용법: 과기정통부 공고를 추적하고, 소속 대학의 AI 연구센터가 해당 과제에 참여하는지 확인해 보자.

논문: AI 리터러시 교육, 인식과 실천의 격차를 메워야

arXiv에 발표된 논문 *"Rethinking AI Literacy Education in Higher Education"*이 139명의 대학생을 대상으로 AI 위험 인식과 도입 의향을 분석했다. 주요 발견은 네 가지다.

1. 구체적 위험 > 추상적 위험: 명시적으로 제시된 위험에는 높은 경각심을 보이지만, 시나리오에 내포된 위험은 잘 인식하지 못한다.
2. 위험 인식 ↔ 도입 의향 역관계: 위험을 높게 인식할수록 AI 활용 의향이 낮아진다.
3. 전공별 역설: AI 관련 전공 학생이 위험 인식은 높으면서도 도입 의향도 높은 "위험 과소평가(risk underappreciation)" 현상을 보인다.
4. 성별 차이: 기술 교육이 성별 간 인식 격차를 줄이지만, 남학생의 도입 의향이 여전히 더 높다.

교육 시사점

이 연구는 AI 리터러시(AI literacy, AI 활용 능력) 교육이 단순한 도구 사용법을 넘어, 시나리오 기반 위험 판단력까지 포함해야 한다는 점을 보여준다. "AI를 쓸 줄 아는 것"과 "AI를 책임감 있게 쓸 줄 아는 것"은 다른 역량이다.

학생 활용법: AI 도구를 사용할 때 "이 결과가 틀릴 수 있는 시나리오는?"이라고 스스로 질문하는 습관을 들이자. 이것이 논문이 말하는 시나리오 기반 위험 판단력의 시작이다.

한·인도네시아, 글로벌 AI 기본사회 연대체 공동 선언

이재명 대통령과 프라보워 수비안토 인도네시아 대통령이 정상회담을 통해 **'글로벌 AI 기본사회 연대체 이니셔티브'**를 공동 발표했다. 양국은 디지털 개발 협력 MOU를 체결하고, 고성능 컴퓨팅 인프라(HPC) 구축 등 AI 기본사회 확산을 위한 구체적 협력 방안에 합의했다.

'AI 기본사회'란 AI 기술을 통해 국민의 기본권을 적극 실현하는 사회 비전을 뜻한다. 한국이 AI 인프라 수출국으로서 동남아시아와의 협력을 확대하는 흐름이다.

교육 시사점

AI가 단순 기술 이슈를 넘어 외교·지정학적 의제로 격상되고 있다. 글로벌 AI 거버넌스(governance, 거버넌스)에 대한 이해는 기술직뿐 아니라 정책·국제관계 분야 학생들에게도 필수 교양이 되고 있다. 한국의 AI 외교 전략이 어떤 방향으로 전개되는지 지켜볼 필요가 있다.

학생 활용법: AI 정책 동향을 정책브리핑(korea.kr)에서 주기적으로 확인하면, 기술 트렌드와 정책 방향을 함께 읽는 시각을 키울 수 있다.