구글 제미니 하사비스 이야기 , 하사비스의 꿈

구글 제미니를 이해하려면 기능부터 보는 것보다 데미스 하사비스라는 사람의 삶을 먼저 보는 편이 더 흥미롭습니다.

그는 AI를 단순한 챗봇이나 검색 보조 도구로 바라보지 않았습니다.

체스와 게임, 뇌과학, 바둑, 단백질 구조 예측을 지나 결국 “세상을 이해하고 계획할 수 있는 AI”라는 방향으로 오래 걸어온 인물입니다.

Gemini는 그 여정의 현재형에 가깝습니다.

2023년 12월 처음 공개된 Gemini는 텍스트, 이미지, 오디오, 비디오, 코드까지 함께 다루는 멀티모달 모델로 소개됐고, 2026년 4월 기준으로는 Gemini 3.1 Pro가 복잡한 추론, 코딩, 멀티모달 이해, 도구 사용을 앞세운 최신 흐름을 보여주고 있습니다.

이 글은 Gemini의 기능 소개이면서 동시에, 왜 하사비스가 이런 종류의 AI를 만들고 싶어 했는지 따라가는 이야기입니다.

왜 하사비스 이야기에서 시작해야 할까?

데미스 하사비스는 Google DeepMind의 공동창업자이자 CEO입니다.

구글 공식 소개에 따르면 DeepMind는 AlphaGo와 AlphaFold 같은 AI 연구 성과를 만든 조직이고, 현재는 Google Brain과 DeepMind가 합쳐진 Google DeepMind로 운영되고 있습니다.

이 조직의 방향을 이해하면 Gemini가 단순히 “더 똑똑한 챗봇”을 넘어서려는 이유가 보입니다.

하사비스의 관심은 처음부터 언어 모델 하나에 머물러 있지 않았습니다.

그는 어린 시절 체스에 깊이 몰입했고, 이후 게임 개발과 AI, 인지과학과 뇌 연구를 거쳐 DeepMind를 만들었습니다.

이 흐름에서 반복되는 질문은 하나입니다.

“지능은 어떻게 문제를 이해하고, 다음 수를 계획하며, 새로운 상황에 적응하는가?”

이 질문은 지금의 Gemini와도 맞닿아 있습니다.

좋은 AI 비서는 문장을 잘 쓰는 것만으로 충분하지 않습니다.

사용자가 처한 맥락을 읽고, 여러 자료를 연결하고, 도구를 사용하고, 계획을 세운 뒤 실제 행동으로 이어갈 수 있어야 합니다.

하사비스가 말해온 AI의 방향은 바로 그 지점에 있습니다.

체스와 게임 AI: 생각하는 기계를 향한 첫 번째 문

하사비스의 초기 관심을 설명할 때 체스와 게임은 빼놓기 어렵습니다.

체스는 단순한 놀이가 아니라, 제한된 규칙 안에서 가능한 수를 계산하고 장기적인 결과를 예측하는 사고 훈련에 가깝습니다.

어린 시절부터 체스에 빠졌던 경험은 그가 AI를 “정답을 외우는 프로그램”이 아니라 “다음 상황을 탐색하는 시스템”으로 보게 만든 출발점이었습니다.

게임 개발 역시 중요했습니다.

게임은 AI를 실험하기 좋은 세계입니다.

규칙이 있고, 목표가 있고, 행동의 결과가 비교적 명확하게 드러납니다.

게임 속 캐릭터가 더 똑똑하게 움직이려면 단순한 반응이 아니라, 상황 판단과 계획이 필요합니다.

하사비스가 게임 AI에서 출발해 더 일반적인 지능 연구로 넘어간 것은 자연스러운 흐름이었습니다.

그 다음에는 뇌과학이 있었습니다.

인간의 기억과 상상, 계획이 어떻게 작동하는지 이해하려는 연구는 AI에도 직접적인 힌트를 줍니다.

사람은 과거를 떠올리고, 아직 일어나지 않은 일을 상상하고, 여러 선택지를 머릿속에서 시뮬레이션합니다.

하사비스가 AI를 “세계의 구조를 이해하는 시스템”으로 바라보게 된 배경에는 이런 인지과학적 관심이 깔려 있습니다.

AlphaGo는 왜 전환점이었나?

2016년 AlphaGo와 이세돌 9단의 대국은 AI가 대중의 상상 속으로 들어온 순간이었습니다.

그 전까지 AI는 검색, 추천, 자동완성처럼 배경에서 조용히 작동하는 기술에 가까웠습니다.

하지만 바둑판 위에서 AI가 인간 최고 수준의 직관과 맞서는 장면은 달랐습니다.

사람들은 처음으로 AI가 “생각하는 방식”을 눈앞에서 보는 듯한 느낌을 받았습니다.

AlphaGo가 중요했던 이유는 바둑이 계산만으로 풀기 어려운 게임이기 때문입니다.

가능한 수가 너무 많고, 좋은 수의 느낌을 설명하기도 쉽지 않습니다.

인간 고수들은 오랜 경험에서 나온 직관으로 수를 고릅니다.

AlphaGo는 그 영역에 기계학습과 탐색을 결합해 들어갔고, 그 결과 AI가 단순 계산기를 넘어 복잡한 패턴과 전략을 다룰 수 있다는 인식을 남겼습니다.

하사비스에게 AlphaGo는 목표가 아니라 증명이었습니다.

게임이라는 제한된 세계에서 AI가 학습하고, 탐색하고, 새로운 전략을 찾아낼 수 있다면, 더 복잡한 현실 문제에도 비슷한 접근을 확장할 수 있다는 가능성을 보여준 것입니다.

AlphaFold는 게임을 넘어 과학으로 간 순간이었다

AlphaGo가 AI의 가능성을 대중에게 보여줬다면, AlphaFold는 그 가능성이 과학 문제를 푸는 데 쓰일 수 있음을 보여줬습니다.

단백질 구조 예측은 생명과학에서 오랫동안 어려운 문제였습니다.

단백질은 아미노산 서열만으로 끝나는 것이 아니라, 실제로 어떤 3차원 구조로 접히느냐에 따라 기능이 달라집니다.

AlphaFold2는 이 문제에서 큰 진전을 보여줬고, 데미스 하사비스와 존 점퍼는 2024년 노벨 화학상을 공동 수상했습니다.

노벨위원회는 단백질 구조 예측 공로를 인정했습니다.

이 장면은 하사비스의 AI관을 상징적으로 보여줍니다.

지능형 시스템이 게임에서 이기는 데 그치지 않고, 인간 과학자가 오래 붙잡고 있던 문제를 푸는 데 기여할 수 있다는 것입니다.

이 지점에서 Gemini를 다시 보면 의미가 조금 달라집니다.

Gemini는 단순히 대화를 잘하는 서비스가 아닙니다.

Google DeepMind가 쌓아온 게임 AI, 강화학습, 과학 AI, 멀티모달 모델의 흐름이 제품과 플랫폼 형태로 내려온 결과에 가깝습니다.

Gemini는 어떤 AI를 목표로 하나?

Google은 2023년 12월 Gemini를 공개하며 텍스트, 코드, 오디오, 이미지, 비디오를 함께 다루는 멀티모달 모델이라고 설명했습니다.

중요한 점은 “여러 기능을 붙였다”는 정도가 아닙니다.

Gemini는 처음부터 다양한 형태의 정보를 함께 이해하도록 설계된 모델로 소개됐습니다.

이 방향은 하사비스가 말해온 범용 AI 비서의 비전과 연결됩니다.

사람은 텍스트만 보고 판단하지 않습니다.

문서와 화면, 목소리와 이미지, 지도와 일정, 코드와 숫자를 함께 보며 상황을 이해합니다.

AI가 실제 비서처럼 작동하려면 이런 여러 종류의 정보를 한꺼번에 다룰 수 있어야 합니다.

2026년 4월 기준 Gemini 3.1 Pro는 복잡한 문제 해결, 멀티모달 이해, 긴 맥락 처리, 도구 사용, 에이전트형 작업을 강조합니다.

Google은 Gemini 3.1 Pro를 Gemini 앱, Google AI Studio, Gemini API, Vertex AI, Google Antigravity 등으로 제공하고 있습니다.

즉 소비자용 앱에서 쓰는 Gemini와 개발자·기업용 Gemini가 같은 큰 흐름 안에서 움직이고 있습니다.

Gemini 3.1 Pro가 보여주는 최신 방향

Gemini 3.1 Pro는 단순한 질의응답보다 복잡한 작업에 초점을 맞춘 모델입니다.

Google의 공식 발표에 따르면 3.1 Pro는 Gemini API, Vertex AI, Gemini 앱, NotebookLM 등으로 제공되며, Google AI Pro와 Ultra 사용자에게 더 높은 한도로 제공됩니다.

DeepMind의 모델 페이지에서는 고급 추론, 멀티모달 이해, 도구 사용, 에이전트형 코딩을 주요 강점으로 설명합니다.

이 변화는 AI 사용 방식의 중심이 “물어보고 답을 받는 것”에서 “일을 맡기고 함께 진행하는 것”으로 이동하고 있음을 보여줍니다.

예를 들어 Gemini가 긴 문서를 읽고 핵심을 정리하는 데서 멈추지 않고, 자료를 비교하고, 표를 만들고, 코드를 작성하고, 검색이나 도구를 연결해 다음 행동까지 제안한다면 사용 경험은 완전히 달라집니다.

하사비스가 말하는 범용 AI 비서는 바로 이 방향에 가깝습니다.

사용자의 목표를 이해하고, 필요한 정보를 모으고, 계획을 세우고, 여러 도구를 사용해 실행까지 돕는 시스템입니다.

Gemini 3.1 Pro는 그 비전에 가까워지기 위한 현재 단계로 볼 수 있습니다.

Gemini 요금제와 API는 어떻게 봐야 하나?

2026년 4월 기준 Gemini를 쓰는 방식은 크게 두 갈래입니다.

일반 사용자는 Gemini 앱과 Google AI 구독을 통해 접근하고, 개발자와 기업은 Gemini API, Google AI Studio, Vertex AI 등을 통해 접근합니다.

개인 사용자는 월 구독으로 더 높은 모델 접근과 기능을 얻고, 개발자는 토큰 단위 API 가격을 기준으로 비용을 계산하게 됩니다.

구분	2026년 4월 기준 확인 정보
Google AI Plus	$7.99/월
Google AI Pro	$19.99/월
Google AI Ultra	$249.99/월
Gemini 3.1 Pro API	입력 $2.00 / 출력 $12.00, 1M tokens 기준

블로그 작성, 리서치, 자료 요약, 이미지 생성 같은 개인 작업이 중심이라면 Gemini 앱과 구독 플랜을 먼저 보는 편이 쉽습니다.

반면 서비스에 Gemini를 붙이거나 대량 처리, 자동화, 사내 도구 연동이 필요하다면 API 가격과 사용량을 따로 계산해야 합니다.

하사비스의 관점에서 보면 Gemini는 어디로 가고 있나?

하사비스의 이야기를 따라오면 Gemini의 방향이 더 선명해집니다.

체스는 탐색과 계획을 가르쳤고, 게임 AI는 행동과 보상을 실험하게 했습니다.

뇌과학은 기억과 상상, 시뮬레이션이라는 힌트를 줬고, AlphaGo는 복잡한 전략 문제를 AI가 다룰 수 있음을 보여줬습니다.

AlphaFold는 그 능력이 과학 문제로 확장될 수 있음을 증명했습니다.

Gemini는 이 모든 흐름을 일상과 업무의 언어로 다시 번역하는 시도입니다.

사용자는 더 이상 AI 연구 논문을 직접 읽지 않아도 됩니다.

대신 문서를 넣고, 이미지를 보여주고, 코드를 맡기고, 일정을 정리하고, 새로운 아이디어를 시각화하면서 AI의 발전을 체감합니다.

물론 아직 갈 길은 있습니다.

AI가 계획하고 실행하는 범위가 넓어질수록 정확성, 안전성, 책임 있는 사용은 더 중요해집니다.

Google DeepMind가 책임 있는 AI와 안전을 계속 강조하는 이유도 여기에 있습니다.

더 강한 AI는 더 많은 가능성을 열지만, 동시에 더 섬세한 검증과 통제가 필요합니다.

결국 Gemini는 하사비스의 오래된 질문으로 돌아간다

Gemini를 단순히 최신 AI 서비스로만 보면 기능 비교에서 끝납니다.

어느 모델이 더 빠른지, 어느 플랜이 더 좋은지, 어떤 벤치마크에서 이겼는지를 따지게 됩니다.

물론 그런 정보도 중요합니다.

하지만 하사비스의 이야기를 함께 보면 Gemini는 조금 다른 의미를 갖습니다.

그는 오래전부터 “지능이란 무엇인가”라는 질문을 게임과 과학의 언어로 풀어왔습니다.

체스판 위에서 시작된 질문은 바둑판으로 갔고, 다시 단백질 구조와 과학 연구로 갔으며, 이제는 우리가 매일 쓰는 AI 비서와 생산성 도구로 내려오고 있습니다.

그래서 Gemini의 진짜 관전 포인트는 단순히 답변 품질이 아닙니다.

Gemini가 사용자의 목표를 얼마나 잘 이해하는지, 여러 정보를 얼마나 자연스럽게 연결하는지, 계획과 실행을 얼마나 책임 있게 도울 수 있는지가 더 중요합니다.

하사비스의 긴 여정은 AI가 결국 “정답을 말하는 기계”에서 “함께 생각하고 일하는 시스템”으로 가고 있음을 보여줍니다.

자주 묻는 질문