지식을 쌓는 것과 진짜 지능은 다르다

François Chollet · Keras 창시자, ARC-AGI 벤치마크 설계자 — 추론은 패턴 매칭만으로는 불가능하다고 주장 · 2026.05.24 ~ 06.07 큐레이션

AI는 방대한 데이터를 학습하며 놀라운 능력을 보여주지만, 그것이 곧 지능일까요? François Chollet은 최근 일련의 글을 통해 지식 축적과 진정한 지능을 날카롭게 구분하며, AI 발전의 방향에 근본적인 질문을 던지고 있어요.

지식의 축적은 지능이 아니다

Scaling knowledge gives you static competence. Intelligence gives you adaptability.

^[1]

지식을 늘리면 고정된 능력(static competence)을 얻지만, 지능은 새로운 상황에 적응하는 힘이라는 뜻이에요. 이는 LLM(거대 언어 모델)이 방대한 텍스트를 학습해도 낯선 문제 앞에서 한계를 드러내는 이유를 정확히 짚는 발언이에요. 더 많은 데이터와 더 큰 모델이 곧 AGI(범용 인공지능)로 이어진다는 스케일링 가설에 대한 직접적인 반론이기도 해요.

같은 맥락에서 그는 아인슈타인의 말도 인용했어요.

Einstein on (not) using NL for invention: “The words or the language, as they are written or spoken, do not seem to play any role in my mechanism of thought”

^[2]

아인슈타인조차 발명의 순간에는 언어가 아닌 다른 방식으로 사고했다는 점을 상기시키는 인용이에요. 언어 처리에 특화된 현재의 AI 모델이 진정한 창의적 추론을 구현하기 어렵다는 주장을 뒷받침해요.

ARC-AGI-3 최고 성능, 그래도 1.5%

↻ 공유한 글

RT @arcprize: Anthropic Opus 4.8 is new SOTA on ARC-AGI-3

Score: 1.5%, ~$10K

ARC-AGI-3 analysis notes:
* Opus 4.8 read the environment an…

^[3]

Chollet이 설계에 참여한 ARC-AGI-3 벤치마크에서 Anthropic의 Opus 4.8이 최고 점수 1.5%를 기록했다는 소식을 공유했어요. 비용은 약 1만 달러, 점수는 고작 1.5%—이 숫자 자체가 현재 AI의 추론 능력이 얼마나 제한적인지를 보여줘요. Chollet이 이 글에 주목한 것은 스케일링으로도 풀리지 않는 문제가 여전히 존재한다는 점을 강조하기 위한 것으로 읽혀요.

Chollet의 시각은 일관돼요. 더 많은 지식보다 진정한 적응력이 지능의 핵심이며, 인류가 그 방향을 잃지 않아야 한다는 것이에요. ^[4]—AI 시대일수록 인간 중심의 기준이 더 중요하다는 경고로 읽혀요.

📚 출처 (Sources)

1. [1]@fchollet on 𝕏 · 2026-06-06 — “Scaling knowledge gives you static competence. Intelligence gives you adaptability.”
2. [2]@fchollet on 𝕏 · 2026-05-29 — “Einstein on (not) using NL for invention: “The words or the language, as they are written …”
3. [3]↻ RT@fchollet on 𝕏 · 2026-06-01 — “Anthropic Opus 4.8 is new SOTA on ARC-AGI-3

   Score: 1.5%, ~$10K

   ARC-AGI-3 analysis notes:…”

4. [4]@fchollet on 𝕏 · 2026-05-30 — “The end will begin when humanity turns away from humanity”

본 글은 François Chollet(@fchollet)이(가) 지난 14일간 X(트위터)에 올린 게시물 중 4건을 인용해
Claude(Anthropic)가 한국어로 큐레이션·해설한 것입니다. 원문 저작권은 작성자에게 있으며,
출처 목록의 [n] 번호 또는 본문 내 [n] 표시를 누르면 원문 트윗으로 이동합니다.