"10년도 안 남았다." 앞으로 세상을 지배할 충격적인 기술ㅣ지식인초대석 EP.70 (김대식 교수 1부)

https://youtu.be/UIBLOK6XCCA

 

* 애플이 AI 경쟁에서 뒤처진 이유와 그 결과는?

애플은 퍼스트 무버가 아닌 완벽함을 추구하는 회사 문화, 폐쇄적인 기업 문화로 인해 AI 인재 유치에 실패하고 있으며, 이로 인해 애플은 노키아의 길을 갈 것이며, 10년 안에 아이폰이 사라질 수도 있다고 예측됩니다

​

* 애플이 AI 경쟁에서 뒤처진 구체적인 이유는 무엇인가요?

• 완벽함 추구 문화: AI는 베타 테스팅을 통해 빠르게 발전하는 분야인데, 애플은 완벽하지 않으면 출시하지 않는 문화로 인해 AI 시대의 빠른 변화에 적응하기 어렵습니다.
• 폐쇄적인 기업 문화: 애플은 연구원들의 논문 발표를 금지하고 특허를 독점하는 폐쇄적인 문화를 가지고 있어, 오픈 소스 기반으로 발전하는 AI 분야의 인재들이 애플을 기피합니다.
• 리더십 부재: 팀 쿡 CEO는 비전 제시보다는 로지스틱스 전문가에 가까워, AI와 같은 새로운 시장에 대한 강력한 리더십을 발휘하기 어렵습니다.
• 과감한 투자 부족: 메타와 같은 경쟁사들이 AI 인재 유치에 수천억 원을 투자하는 반면, 애플은 이러한 과감한 투자를 하지 못하고 있습니다.

 

김대식 교수와 함께하는 이번 콘텐츠는 AI의 70년 역사를 압축적으로 살펴보며, 단순한 기술을 넘어 사회 전반을 뒤흔들 범용 인공지능(AGI) 시대의 도래를 통찰합니다. 특히 애플이 AI 시대에 노키아의 전철을 밟을 수 있는 이유와 같은 기업 문화의 한계부터, AGI가 가져올 자본주의와 민주주의의 근본적인 변화까지, 우리 앞에 놓인 충격적인 미래를 구체적으로 제시합니다. 이 콘텐츠를 통해 다가올 미래 사회의 구조적 변화를 예측하고, 개인으로서 지금 무엇을 준비해야 할지 실질적인 인사이트를 얻을 수 있을 것입니다.

 

1. AI와 뇌과학의 관계 및 AI 70년 역사

 

1.1. 뇌과학과 AI의 연관성

1. 뇌과학의 세 가지 분류: 뇌과학은 크게 세 가지 분야로 나뉜다.
   1. 뇌를 생물학적/의학적으로 이해하는 뇌과학
   2. 뇌를 인지과학적/심리학적으로 이해하는 분야
   3. 뇌를 계산적/알고리즘적으로 이해하는 계산 뇌과학: 이 분야가 김대식 교수의 전문 분야이다.
2. AI의 기원: 뇌를 알고리즘적으로 이해하는 지식을 기반으로 인공지능이 만들어졌으며, 이로 인해 두 분야는 거의 하나의 학문이 되었다.
3. 모방 관계: AI는 뇌과학의 알고리즘적 이해 방법을 모방하여 작동한다.

 

1.2. AI의 초기 목표와 실패 (1956년~2000년대 초)

1. 인공지능 개념 도입: 1956년 다트머스 칼리지에서 '인공지능'이라는 개념이 처음 도입되었다.
2. 초기 목표 (두 가지 문제):
   1. 세상을 알아보는 기계: 미국-소련 냉전 시대에 미국 탱크와 소련 탱크를 자동으로 구분할 필요성이 제기되었다.
   2. 인간 언어를 이해하는 기계: 구소련의 뛰어난 기초 과학 및 수학 수준으로 인해 생성된 러시아어 보고서를 신속하게 번역할 필요가 있었고, 이를 위해 자동 번역 기술(자연어 처리)이 제시되었다.
3. 초기 해결 예상과 실제: 1956년에는 이 문제가 6개월 안에 풀릴 것이라 예상했지만, 실제로는 60년이 걸렸다.
4. 설명 기반 인공지능 방식의 한계:
   1. 접근 방식: 고양이와 같은 대상을 인식하기 위해 고양이의 특징을 수식화하고 정량화하여 프로그램으로 코딩하는 방식('설명 기반 인공지능')을 사용했다.
   2. 실패 원인: 고양이의 다리, 포유류 등의 특징을 수천, 수만 줄의 코드로 설명했으나, 고양이가 앉거나 뒤돌아보는 등 현실의 무한한 다양성을 완벽하게 설명할 수 없었기 때문에 실패했다.
5. 인공신경망으로의 전환:
   1. 인간 뇌 모방: 인간은 무한한 다양성을 이해하므로, 규칙이나 설명 대신 100조 개의 신경 세포와 연결고리, 경험을 통해 가중치가 바뀌는 인간 뇌를 모방하기 시작했다.
   2. 인공신경망 구조: 인간 뇌의 힌트를 기반으로 '인공신경망' 구조가 만들어졌다.
6. 인공신경망의 초기 실패 (1980년대~1990년대 초):
   1. 실패: 인공신경망은 이론적으로 가능해 보였지만, 복잡한 문제를 풀지 못하고 실패하여 인공지능 연구는 미국, 유럽, 일본에서 거의 포기되었다.
   2. 유일한 연구자: 캐나다 토론토 대학교의 제프리 힌튼 교수만이 인공지능 연구를 포기하지 않고 이어갔다.

 

1.3. AI 발전의 전환점: GPU와 딥러닝의 등장 (2000년대 중반~2010년대)

1. 천재 수학자들의 합류: 구소련 붕괴 후 러시아의 천재 수학자 두 명(알렉스 크리젠스키, 일야 서스케바)이 토론토 대학교에 합류했다.
2. GPU의 활용: 엔비디아가 개발한 GPU(그래픽 처리 장치)는 화면 픽셀처럼 독립적인 계산을 병렬 처리하는 데 특화되어 있었다.
3. 인공신경망과 GPU의 결합:
   1. 일야 서스케바와 알렉스 크리젠스키는 인공신경망의 신경 세포도 독립적으로 계산할 수 있다는 점에 착안하여, GPU를 활용해 인공신경망 모델을 구동했다.
   2. 인공신경망의 신경 세포 계산은 단순한 곱하기와 더하기이며, 뇌과학 연구에 따르면 인간 기억은 신경 세포 연결의 가중치 값에 저장된다.
   3. GPU 두 개로 모델을 돌려본 결과, 학습 속도가 상상을 초월할 정도로 빨라졌다.
4. 모델 규모 확장과 성공:
   1. 기존 100개 신경 세포 계산에 6시간 걸리던 것이 10분으로 단축되면서 신경 세포 수를 만 개, 백만 개로 늘릴 수 있게 되었다.
   2. 2010년대 인터넷 보편화로 고양이 사진 100만 장과 같은 대규모 데이터를 확보할 수 있었고, 이를 통해 모델을 키우자 물체 인식이 갑자기 해결되기 시작했다.
   3. 알고리즘은 1980년대와 동일했지만, 모델 규모 확장으로 안 되던 문제가 해결된 것이다.
5. '딥러닝'으로의 리브랜딩:
   1. 오랜 실패로 'AI'라는 단어가 금기시되었기 때문에, 힌튼 교수는 이 논문을 발표할 때 'AI'나 '인공신경망' 대신 새로운 이름인 '딥러닝'으로 리브랜딩하여 소개했다.
6. 생성형 AI의 등장과 AGI의 가능성:
   1. 생성형 인공지능: 챗GPT가 첫 번째 예시이며, 기계가 인간의 언어를 이해하기 시작하면서 예상치 못한 다른 문제들도 해결되기 시작했다.
   2. 범용 인공지능(AGI): 이로 인해 인공지능을 넘어서 잠재적으로 인간의 모든 능력을 대체할 수 있는 '범용 인공지능(AGI)'의 가능성이 제기되었다.

 

2. AI 시대의 기업 환경 변화: 애플의 위기와 새로운 디바이스

 

2.1. AI 시대의 애플 위기론

1. 애플의 현재 위치: 스마트폰 시장의 독보적인 강자였던 애플은 AI 시대에 접어들면서 시장 지배적 지위를 잃을 위기에 놓여 있다.
2. 애플은 기술 회사가 아닌 디자인 회사: 김대식 교수는 애플이 더 이상 기술 회사가 아니며, 노키아의 전철을 밟을 것이라고 예측한다.
3. 애플의 AI 부족: 애플은 자체 AI가 없으며, 다른 회사의 AI를 탑재하는 것도 쉽지 않다.
4. 애플의 기업 문화적 한계:
   1. 혁신에 대한 소극성: 애플은 퍼스트 무버(First Mover)가 아닌, 이미 만들어진 기술에 늦게 진입하여 완벽함을 추구하는 회사이다.
      • 스마트폰 사례: 2007년 아이폰 출시 전 LG전자의 프라다폰과 삼성의 옴니아폰이 먼저 나왔지만, 터치 기능 미흡과 경험할 수 있는 앱 부족으로 실패했다.
      • 아이폰의 성공 요인: 애플은 완벽한 터치 경험과 수천만 개의 앱을 제공하는 앱스토어를 통해 소프트웨어 생태계를 구축하여 성공했다.
      • 하드웨어 전략: 애플은 하드웨어를 혁신적으로 바꾸기보다 완벽하게 만드는 것을 추구한다.
   2. AI 시대와의 불일치: 이러한 애플의 전략은 휴대폰 시대에는 효과적이었으나, AI 시대에는 적합하지 않다.
      • AI 문화: AI는 우선 빠르게 출시하고 베타 테스팅을 통해 개선하는 문화가 강하다.
      • 애플의 거부감: 애플은 완성되지 않은 제품을 출시하는 것에 거부감이 강하다.
      • 실시간 엔진 교체 비유: AI 알고리즘은 완성되지 않은 상태에서 지속적으로 개선되어야 하는데, 애플은 이러한 '비행 중 엔진 교체'를 싫어한다.
   3. 폐쇄적인 기업 문화: 애플은 연구원들의 논문 발표를 금지하고 특허를 독점하는 등 폐쇄적이다.
      • 오픈 소스 문화: AI 분야는 개발된 소스 코드를 기트허브(GitHub)에 공개하여 전 세계 개발자들이 활용하고 빠르게 발전시키는 오픈 소스 문화가 지배적이다.
5. AI 인재 유출:
   1. AI 분야가 발전하면서 AI 전문가들이 갈 수 있는 회사는 넘쳐난다.
   2. 애플의 폐쇄적인 문화는 AI 과학자들에게 '블랙홀'과 같아, A+급 AI 전문가는 더 이상 애플에 남아있지 않다.
   3. 애플 최고의 AI 전문가였던 중국 출신 과학자조차 한 달 전 메타로 이직했다.
6. 리더십의 부재:
   1. 애플이 AI 분야에서 기업 문화를 바꾸려면 강력한 리더십이 필요하지만, 팀 쿡 CEO는 로지스틱스 전문가이지 비저너리(Visionary)가 아니다.
   2. 스티브 잡스는 필요할 때 모든 것을 팽개치고 다시 시작할 수 있는 카리스마와 리더십을 가졌었지만, 팀 쿡에게는 그런 능력이 없다.
   3. AI는 상상을 초월하는 투자가 필요하며, 저커버그처럼 AI 전문가 한 명에게 수천억의 연봉과 보너스를 지급하는 결정을 팀 쿡은 할 수 없다.
7. 노키아의 사례:
   1. 한때 전 세계 휴대폰 시장의 80%를 차지했던 노키아는 스마트폰 시대에 적응하지 못하고 하루아침에 사라졌다.
   2. 노키아는 '전화 회사'였기 때문에 전화에 인터넷을 탑재하려 했지만, 애플은 'IT 회사'로서 처음부터 스마트폰을 '작은 컴퓨터'로 접근했다.
   3. 기업의 DNA가 중요하며, 애플은 '인터넷 디바이스' 회사라는 오리진 때문에 AI 디바이스를 인터넷 디바이스로만 접근할 수밖에 없는 한계가 있다.

 

2.2. AI 시대의 새로운 디바이스

1. AI 디바이스의 필요성: 인터넷 디바이스가 스마트폰이었다면, 이제는 AI 위주로 설계된 완전히 새로운 디바이스가 필요하다.
2. 메타의 '레이앤 스마트 글라스 디스플레이':
   1. 메타가 출시한 스마트 글라스는 아직 완벽하진 않지만, 두 번 정도의 개선을 거치면 성공할 가능성이 높다고 평가된다.
   2. 혁신적인 디스플레이: 상대방에게 보이지 않고, 해를 봐도 선명하게 보일 정도로 밝은 광학계 혁신을 이루었다.
   3. AI 성능의 한계: 디바이스는 좋지만, AI 기능(예: "하이 메타" 호출에 대한 응답)이 아직 미흡하다는 평가를 받았다.
   4. 잠재적 가치: 이 디바이스에 ChatGPT나 제미나이 같은 AI가 탑재되면 '천재 비서'처럼 일상생활에 혁신을 가져올 수 있다.
3. 인간의 상상력과 선호도의 한계:
   1. 경험의 중요성: 인간의 상상력은 경험하지 못한 것에 대한 선호도를 형성하기 어렵다.
   2. 미래 디바이스의 불확실성: 스마트폰 다음의 AI 디바이스는 아직 아무도 경험하지 못했기에, 5년 동안 수많은 형태(안경, 목걸이, 팔찌 등)가 출시될 것이며 대부분은 소비자의 외면을 받을 것이다.
4. 안경 형태의 가능성:
   1. 익숙한 형태: 안경은 800년간 사용되어 온 익숙한 형태이다.
   2. 카메라의 장점: 안경에 달린 카메라는 사용자의 1인칭 시선을 AI가 실시간으로 보게 하여, 과거, 현재, 미래의 니즈를 정확하게 추천해 줄 수 있다.
      • 기존 추천 알고리즘은 검색 기반이었으나, 인간의 니즈 70~80%는 현재 보고 경험하는 것에서 생긴다.
      • 이를 통해 5년 후에는 AI가 사용자의 취향을 상상을 초월할 정도로 정확하게 예측할 수 있게 될 것이다.

 

3. AGI 시대의 사회 및 경제 변화

 

3.1. AGI 시대의 새로운 세대와 오픈 소스 모델의 위기

1. 전화의 소멸과 세대 간의 차이:
   1. 전화 통화의 감소: 어린 세대는 전화 통화를 싫어하며, '스마트폰'이라는 단어는 더 이상 '전화'의 의미가 아니다.
   2. 역사적 변화: 19세기 성인 남성이 말을 타고 활을 쏘는 것이 당연했지만 지금은 아무도 못 하듯, 기술 변화는 세상을 바꾸며 과거의 가치를 무의미하게 만든다.
   3. 가속화된 세대 차이: 기술 발전 속도가 빨라지면서 5년 단위로 세대 차이가 생겨났고, 모두가 같은 시대에 살며 그 차이를 경험한다.
   4. AI 세대의 세계관: 10세 미만 친구들은 10~30년 후 사회 주류가 될 것이며, 이들은 AI 없는 세상에서 교육받은 기성세대를 '아날로그 꼰대'로 여길 것이다.
2. 오픈 소스 모델의 변화와 위기:
   1. 오리지널 오픈 소스: 과거에는 프로그램 코드를 공개하여 누구나 수정할 수 있었지만, 이제는 경쟁 심화로 AI 회사들이 그렇게 하지 않는다.
   2. '오픈 웨이트' 모델: 오픈AI는 GPT-2까지 코드와 함께 학습 결과물인 '가중치 값'을 공개했다. 이 가중치 값은 인공신경망 학습에 필요한 수천억 원의 계산량으로 얻어진 1조 개의 숫자이다.
   3. 활용과 한계: 이 가중치 값을 받으면 학습된 모델을 활용할 수 있지만, 코드는 없으므로 완전히 자유롭게 사용할 수는 없다.
   4. 오픈 소스 정책의 변화 가능성: 메타의 라마(LLaMA) 모델 또한 '오픈 웨이트' 정책을 유지했지만, 영원히 오픈 소스로 남을지는 불확실하다. 2026년 연말쯤에는 라마도 오픈 소스 정책을 중단할 가능성이 높다.
   5. 국내 기업의 의존성: 국내 기업들은 라마 같은 오픈 소스 모델을 기반으로 한국어 학습이나 특정 기업 지식을 추가 학습(RAG, Retrieval Augmented Generation)시켜 AI를 만들고 있다.
      • 파운데이션 모델: 인터넷의 모든 정보를 학습한 거대 모델(라마, 챗GPT, 제미나이 등)을 '파운데이션 모델'이라고 부른다.
      • RAG 활용: 챗GPT는 한국어를 잘하는 초등학생과 같아 전문 지식이 부족하므로, 특정 기업 지식을 추가 학습시키는 사후 트레이닝(Post-training) 방법인 RAG가 필요하다.
      • 오픈 소스 의존: 국내 기업들은 이러한 오픈 소스 모델에 절대적으로 의존하고 있다.
   6. 국내 AI 주권(Sovereign AI)의 필요성:
      • 중국 모델의 위험: 중국의 딥리크(DeepSeek)나 알리바바의 큐벤 2.5(Qwen 2.5) 같은 오픈 소스 모델은 한국어를 잘 이해하지만, 백도어(Backdoor) 가능성이 있어 사용하지 않는 것이 좋다.
      • 한국형 파운데이션 모델 개발: 따라서 한국도 자체적인 파운데이션 모델을 만들어야 한다는 '서버린 AI' 논의가 시작되었다.
      • 투자 문제: 한국이 인공지능에 투자할 수 있는 비용은 10년에 50~100조 원 수준으로 제한적이다. 이는 실리콘밸리 기업들이 연간 1천조 원을 투자하는 것에 비하면 매우 적은 금액이다.
      • 선택의 기로: 이 제한된 자원을 '파운데이션 모델' 개발에 쓸지, 아니면 '버티컬 AI'(제조업, 금융, 콘텐츠 등 특정 분야 AI) 개발에 쓸지 현명하게 결정해야 한다.
      • 국가 경쟁의 무기: AI는 이제 국가 간 경쟁의 가장 큰 무기가 되었으므로, 미국 정부가 자국 기업의 AI 모델 공개를 금지시킬 가능성도 염두에 두고 미래를 준비해야 한다.

 

4. AGI 시대의 사회경제적 변화와 미래 예측

 

4.1. AGI의 개념과 도래 시점

1. AI와 AGI의 차이:
   1. AI(인공지능): 인간의 특정 능력(바둑, 대화 등)을 대체하는 기계이다.
   2. AGI(범용 인공지능): 잠재적으로 인간의 모든 또는 사회 경제적으로 의미 있는 대부분의 지적 능력을 대체하는 기계이다.
2. AGI의 가능성 변화:
   1. 과거의 인식: 챗GPT 등장 전까지는 AGI가 개념적으로 불가능하다고 여겨졌다. 인간은 데이터가 없는 새로운 환경에서도 학습하고 적응할 수 있기 때문이다.
   2. 현재의 인식: 이제는 AGI가 영원히 불가능하다고 생각하는 전문가는 거의 없으며, 도래 시점이 5년, 10년, 20년 중 언제일지에 대한 논의만 있다.
3. AGI의 현실화: 샘 알트만은 5년 안에 AGI가 가능하다고 주장하며, 김대식 교수는 개인적으로 10년 정도를 예상한다.
4. 우리 시대의 경험: 10~20년은 금방 지나가므로, AGI는 막연한 공상 과학이 아닌 이 프로그램을 시청하는 우리가 살아있을 동안 경험할 미래이다.

 

4.2. AGI의 잠재적 영향: 일자리, 자율성, 유토피아론

1. 일자리 문제: AGI가 모든 능력을 대체하기 시작하면 실질적인 일자리 문제가 발생한다.
2. 스스로 개선하는 AGI: AGI는 스스로를 개선할 수 있는 '셀프 학습' 능력을 가질 수 있다.
   1. 기존 기계와의 차이: 기차, 자동차, 우주선 등 인간이 만든 모든 기계는 처음 만들 때뿐 아니라 개선하는 데에도 인간의 노동이 필요했다.
   2. AGI의 독특성: AGI는 한 번 만들어지면 인간의 개입 없이 스스로 개선할 수 있을 것이라는 예측이 가능하다.
3. AGI의 자율성과 위험성:
   1. 자율성 학습: AGI는 모든 것을 할 수 있다는 점에서 '자율성'도 학습할 수 있다.
   2. 인간 도구의 한계 초월: 인간이 만든 도구는 인간의 능력을 뛰어넘기 위해 만들어진다(자동차는 사람보다 빠르고, 망치는 주먹보다 세다).
   3. 자율 도구의 위협: 그러나 '자율 망치'처럼 스스로 판단하여 행동하는 도구는 예측 불가능하고 위협적일 수 있다.
   4. AGI의 위험: AGI도 자율성이 생기는 순간 예측 불가능해지고, 인간보다 훨씬 똑똑하기 때문에 매우 무서운 상황을 초래할 수 있다.
4. AI 유토피아론:
   1. 실리콘밸리 파운더들의 주장: AGI가 등장하면 지구가 천국이 되고, 인간이 풀지 못했던 문제들을 AGI가 해결해 줄 것이라고 주장한다.
   2. 핵심 문제 해결:
      • 에너지 문제: 핵융합 에너지 문제를 해결하여 무한한 에너지를 제공함으로써 모든 사회, 경제, 정치적 문제의 근원인 에너지 부족을 해소할 것이다.
      • 질병 치료: 모든 암과 '죽음'이라는 질병까지 치료해 줄 것이다.
      • 우주의 비밀 해명: 양자 역학과 상대성 이론을 통합하여 우주의 비밀을 밝힐 것이다.
   3. 물질적 풍요: AGI와 로봇이 생산적인 일을 맡아 물질적인 제품 가격이 대부분 0이 되고, 연간 GDP 성장률이 20~30%까지 상승할 것이라고 예측한다.

 

4.3. AGI 시대의 자본주의와 민주주의 변화

1. AGI 경제학의 등장:
   1. 아이디어의 생산: AGI는 사람 수 증가 없이도 좋은 아이디어를 끊임없이 만들어낼 수 있다.
   2. GDP 성장률: AGI가 가능해지면 매년 GDP 성장이 20%에 달하여 5년에 한 번씩 GDP가 두 배가 될 것이라고 예측한다.
2. 새로운 자본주의:
   1. 샘 알트만의 주장: AI는 도구이지만, AGI는 '새로운 자본주의'이다.
   2. 생산 함수 변화: 사회 생산성은 '노동 투입량 x 자본 투입량'으로 설명되지만, AGI 시대에는 노동의 가치가 떨어지고 노동 공급량이 무한대가 된다.
   3. 자본의 가치 상승: 데이터 센터 구축 등으로 자본의 가치는 올라갈 수밖에 없으며, 추가 노동 없이 추가 자본만으로 생산성을 높이는 세상이 될 것이다.
   4. 시장 지배력: AGI를 가장 먼저 달성하는 기업이나 국가가 글로벌 독점 기업(모노폴리)이 될 수 있다.
3. 개인의 준비와 '자본 모으기':
   1. 노동 가치 하락: 노동 가치가 떨어지는 AGI 시대에는 노동력을 제공하여 돈을 버는 사람들의 역할에 대한 의문이 생긴다.
   2. 유일한 결론: AGI 시대에 대비하여 앞으로 10년 동안 미친 듯이 돈을 벌어 자본을 모으는 것이 유일한 논리적 결론이다.
   3. 무서운 세상: 이는 매우 무서운 세상이 될 수 있다.
4. 기본 소득(Universal Basic Income, UBI) 논의:
   1. 대안 제시: 노동 가치가 하락하면 '기본 소득'을 지급해야 한다는 주장이 나온다.
   2. 현금 기본 소득의 문제점: 현금 기본 소득은 술, 마약 등 부정적인 용도로 사용될 수 있다는 비판이 있다.
   3. GPU 지분 지급 (UBC: Universal Basic Compute): 대안으로 'UBC'를 제안한다. 이는 앞으로 10년 동안 만들어질 AI 데이터 센터의 GPU 몇 장을 개인에게 배정하여 지분 형태로 주는 것이다.
   4. 활용 방안: 개인은 이 계산량을 활용하여 다른 일을 하거나, 옥션에서 팔거나, 음식 쿠폰과 교환하는 등 다양하게 사용할 수 있다.
5. 소수 엘리트가 다수를 먹여 살리는 사회:
   1. AGI 기업의 능력: AI 회사가 아무리 크더라도 한 국가의 국민을 모두 먹여 살릴 수 있을지에 대한 의문이 제기된다.
   2. 역사적 레버리지 증가:
      • 사냥/채집 시대: 29만 년간 인류는 가족 단위(10~20명)로 생활하며 가장 뛰어난 사냥꾼이 가족을 먹여 살렸다.
      • 19세기 대기업 시대: 앤드루 카네기, 헨리 포드, 정주영 회장과 같은 뛰어난 인물들이 도시나 지역 사회를 먹여 살렸다. 이들은 사냥꾼보다 더 똑똑한 것이 아니라, 기술 발달로 인해 '레버리지'가 커진 것이다.
   3. AGI 시대의 레버리지: 실리콘밸리 전문가들은 AGI 시대에 레버리지가 더욱 커져, 가장 능력 있는 한 사람이 국가 전체를 먹여 살릴 수 있을 것이라고 예측한다.
6. 보편 민주주의의 위기 및 기술 봉건주의 도래:
   1. 세금과 정치적 대변: 대부분의 사람이 기본 소득을 받아 세금을 내지 않게 되면, 세금을 내지 않는 사람들은 정치적 대변이 필요 없다는 논리가 생길 수 있다.
   2. 민주주의의 붕괴: AGI가 보편화된 미래에는 우리가 알고 있는 보편 민주주의가 대부분 국가에서 무너지고 '기술 봉건주의'로 바뀔 것이라고 예측한다.
   3. 중세 시대와의 유사성: 기술은 어마어마하게 발전했지만, 사회 구조는 중세 시대와 유사하게 변할 것이다.
      • 1%의 지배층: 자본이나 기술을 가진 소수의 왕족/귀족(몇 천 명)이 지배층을 이룰 것이다.
      • 중간 계층: 인플루언서와 같은 슈퍼스타/메가스타가 중간 단계에 존재할 것이다.
      • 95%의 피지배층: 나머지 95%는 '인공지능 시대의 농부'가 될 것이다.