OpenAIの共同創立者イリヤ・サツケバーは最近、「スケーリングの時代は終わり、また研究の時代が来た」と宣言した。データと演算資源を増やせば人工知能（AI）性能が改善するという、シリコンバレーを過去5年間ほど支配してきた定説に対する内部者の破棄宣言だ。彼は「AI以後のAI」を向けた「新研究時代」の開幕を知らせた。

スケーリングの限界は「ジャギドネス（jaggedness）」で表れる。高難度推論を遂行しながらも基礎概念では繰り返しミスをする性能不均衡だ。これは正確性と再現性が必須の産業現場でAIの活用を制約する構造的欠陥だ。データが増えるほど性能が改善するという期待とは違い、AIは依然として基本概念を安定的に連結して解釈するのに弱い。この不均衡は、AIが基礎概念を体系的に理解するよりも、統計的な確率に依存して答えを生成する構造的な限界によるものだ。データ総量がいくら大きくても世の中を理解する整合的知識構造が自動的に形成されるのではない。GPT系列モデルでは確率的にそれらしき答えが真実を隠すケースが繰り返される。

技術の進化経路も変わっている。フィジカルAIとワールドモデル、人間レベルの汎用人工知能（AGI）、人間を上回る超知能（ASI）の研究開発が並列に展開されている。サツケバーがいう「新しい研究時代」はこのうちASIに重点を置く。人間データを模倣する段階を超えて、自ら高品質知識を生産するAIに進むべきという主張だ。

後発走者の韓国は今になってGPUとインフラの確保に注力している。「スケーリングの終末」はトップ走者の米国の話だ。我々は好むかどうかに関係なく基礎スケーリング力量を高めなければいけない。問題はスケーリング追撃と同時にワールドモデル・AGI・ASIのような未来の軸まで並列対応するには官民の力量が絶対的に足りない点だ。

いま叫ぶソブリンAI、すなわち自国の言語・文化・データ基盤の独自AIが時代に遅れたスケーリングの踏襲なら主権でなく孤立だ。K－AIチャットボットや特定産業に特化したバーティカルAIも狭い範囲の活用水準にとどまっている。産業化時代のように圧縮成長で格差を埋めることができるだろうか。

スケーリングの終末で韓国は戦略と選択のジレンマに直面することになった。サツケバーの警告は解答でなくジレンマを直視するべきとの要請だ。スケーリング、ワールドモデル、AGI、ASIのうち何を優先してどんな順序と速度で進むのか。新政権の2年目はまさにこの選択を設計するべき地点だ。

パク・チョルワン／瑞靖大スマート自動車学科および未来自動車修士課程教授