토큰을 넘어서: 뇌에서 영감을 받은 지능에서 인공 일반 지능의 인지적 기초와 그 사회적 영향까지

기계가 인간처럼 진정으로 생각하고, 추론하며, 행동할 수 있을까요? 이 지속적인 질문은 인공일반지능(AGI, Artificial General Intelligence)의 추구를 계속해서 형성하고 있습니다. GPT-4.5, DeepSeek, Claude 3.5 Sonnet, Phi-4, Grok 3와 같은 모델들의 능력이 점점 커지고 있지만, 이들 시스템은 토큰 단위 예측에 의존하고 실제 환경에서 작동하는 에이전시(agent)가 부족하여 근본적으로 제한적입니다. 본 논문은 인공지능, 인지신경과학, 심리학, 생성모델, 에이전트 기반 시스템을 아우르는 AGI 개발의 다학제적 종합을 제공합니다. 우리는 일반 지능의 구조적 및 인지적 기초를 분석하며, 모듈화된 추론, 지속적인 기억력, 그리고 다중 에이전트 조정의 역할을 강조합니다. 특히, 검색(Retrieval), 계획(Planning), 동적 도구 사용(Dynamic Tool Use)을 결합하여 더 적응적인 행동을 가능하게 하는 에이전틱 RAG(Agentic RAG) 프레임워크의 등장을 중점적으로 다룹니다. 우리는 정보 압축(information compression), 테스트 시간 적응(test-time adaptation), 무훈련 방법(training-free methods)과 같은 일반화 전략들을 유연하고 영역에 구애받지 않는 지능으로 나아가는 중요한 경로로 논의합니다.비주얼-언어 모델(VLMs, Vision-Language Models)은 단순히 감각 모듈로서만 아니라 체화된 이해와 협동 작업 완료를 위한 진화하는 인터페이스로서 재검토됩니다. 또한 우리는 진정한 지능이 규모만으로부터가 아니라 기억력과 추론의 통합에서 비롯된다고 주장합니다: 압축이 적응적인 행동을 가능하게 하는 모듈화되고 상호작용하며 스스로 개선되는 구성요소들의 조율입니다. 신경심볼릭 시스템(neurosymbolic systems), 강화학습(reinforcement learning), 인지적 보조(cognitive scaffolding) 등의 발전을 바탕으로 최근 아키텍처들이 통계적 학습과 목표 지향적 인식 사이의 간극을 메우기 시작하는 방식을 탐구합니다. 마지막으로 AGI 달성을 위한 과학적, 기술적, 윤리적 주요 도전 과제들을 파악합니다.