2026. 1. 22. Why One of OpenAI’s Top Researchers Walked Away - EP 53 Jerry Tworek

1. 제리 트워렉(Jerry Tworek) 배경 및 OpenAI 경력

• 출신 및 배경: 폴란드 출신으로 AI 분야 합류 전 고빈도 매매 업계에서 근무함. 수학적 역량이 뛰어난 '폴란드 마피아' 그룹의 일원임.
• OpenAI 활동: 2019년 당시 직원이 약 30명일 때 합류하여 7년간 근무함. 최근 '스트로베리(o1)'로 알려진 추론(Reasoning) 모델 개발을 주도하거나 핵심적인 역할을 수행함.
• 퇴사 시점: 인터뷰 기준 실업 8일 차이며, 자신의 연구 방향과 OpenAI의 현재 경로가 일치하지 않아 퇴사를 결정함.

2. OpenAI 퇴사 이유와 내부 조직의 한계

• 리스크 기피 현상: 현재 AI 기업 간의 경쟁이 극도로 치열해짐에 따라, 사용자 지표와 성능 유지를 위해 리스크가 큰 연구보다 안정적인 성능 향상에 집중하는 경향이 생김.
• 조직 구조의 제약: 거대해진 조직 내에서 각 팀의 정체성과 범위가 정해져 있어, 조직 간 경계를 넘나드는 창의적이거나 파괴적인 연구를 수행하기 어려워짐.
• 자율성 갈망: 메인스트림 방식에서 벗어난 '제로 투 원(0 to 1)' 수준의 혁신적인 연구를 위해 독립적인 길을 선택함.

3. 현재 AI 산업에 대한 비판적 시각

• 획일화된 레시피: OpenAI, 구글, 앤스로픽, 메타 등 주요 랩들이 모두 트랜스포머(Transformer) 아키텍처 스케일링이라는 동일한 방식을 추구함.
• 모델 차별성 부재: 블라인드 테스트 시 일반 사용자는 각 사 모델의 차이를 거의 느끼지 못할 정도로 결과물이 비슷해짐.
• 구글의 반격과 OpenAI의 실수: 구글이 격차를 좁힌 것은 구글의 실행력이 좋았던 점도 있지만, OpenAI가 앞서 나갈 기회에서 의사결정이 느려지거나 기술적 실수를 범하며 주춤했기 때문으로 분석함.
• 앤스로픽(Anthropic) 평가: 코딩 에이전트와 모델 개발에서 뛰어난 실행력을 보여주었으며, 개발자들 사이에서 강력한 팬덤을 형성한 점을 높게 평가함.

4. 차세대 AI 기술의 핵심 방향 (Jerry의 관심사)

• 아키텍처 혁신: 지난 6~7년간 트랜스포머가 시장을 지배했으나, 이것이 마지막 아키텍처는 아님. 트랜스포머를 대체하거나 근본적으로 개선할 새로운 구조가 필요함.
• 지속적 학습(Continual Learning): 현재 모델은 학습 모드와 추론 모드가 분리되어 있음. 인간처럼 실시간 데이터를 보며 끊임없이 학습하고 업데이트되는 능력이 AGI로 가는 필수 관문임.
• 강화학습(RL)의 결합: 단순히 사전 학습(Pre-training)을 늘리는 방식은 데이터 한계에 부딪힘. 강력한 세계 모델(World Model) 위에 강화학습을 결합하여 모델에게 '기술'과 '목표 달성 능력'을 가르쳐야 함.
• 비디오 게임 환경: 게임은 인간 지능에 맞게 설계된 복잡한 환경이므로, 여기서 에이전트를 학습시키는 것이 지능 발달에 매우 유용함.

5. AGI(인공일반지능) 전망 및 타임라인

• AGI 도달 시기: 2026년에서 2029년 사이로 예상함. 기술 발전 속도와 자본 투입 규모를 고려할 때 허황된 수치는 아님.
• 판단 기준: 코딩 능력은 이미 비약적으로 발전했으나, 진정한 AGI가 되려면 '지속적 학습'과 '멀티모달 인지(비디오 이해 등)' 능력이 완벽히 통합되어야 함.
• Q (큐스타)와 공포:새로운 기술(Q*)이 처음 작동하는 것을 목격했을 때, 연구자로서 세상에 미칠 파급력에 대해 두려움을 느끼는 것은 책임감 있는 태도라고 언급함.

6. 연구 철학 및 조언

• 집중과 확신: 많은 실험을 무작위로 돌리기보다, 데이터를 깊게 분석하고 '더 적은 수의 실험을 더 깊게 생각하며(Run fewer experiments, think harder)' 진행해야 함.
• 리스크 감수: 거액의 연봉이나 보상 체계가 연구자들을 단기적 성과에 매몰되게 만들 수 있음. 시스템적으로 연구자들이 대담한 베팅을 할 수 있도록 장려해야 함.
• 연구의 확장(1 to 100): 학계의 개념 증명(PoC) 수준 연구를 실제 세계에서 가장 유능한 모델로 확장하는 '1에서 100을 만드는 과정'이 매우 전문적이고 어려운 영역임.

7. 기타 사항

• 폴란드 교육 시스템: 공산주의에서 자유시장경제로 전환되는 시기에 형성된 근면함과 기업가 정신이 연구자들의 밑바탕이 됨.
• 향후 계획: 대규모 컴퓨팅 자원(GPU) 확보와 독립적 연구 사이에서 최적의 경로를 고민 중임. 폴란드 국가 차원의 데이터 센터 구축 가능성도 농담 섞인 어조로 언급됨.