[이슈] 4차 산업혁명이란 무엇인가?
한동안 4차 산업혁명에 대한 논의가 들끓더니 코로나 19 때문에 잠잠하다. 코로나 19 [1]라는 미증유의 감염병 Eo문에 일시적으로 논의가 멈춘 것이다. 그러나 “과거에 2년 걸리던 정보 혁신이 2달 만에 가능해졌다” 는 마이크로 소프트 사티아 나델라(Satya Narayana Nadella)[2] 회장의 말처럼 코로나 19로 인한 일시적인 정지 후의 세계, 즉 애프터 코로나(after corona) 시대에는 4차 산업 혁명이 우리에게 훨씬 많이 다가와 있을 것으로 예상된다. 그러므로 코로나 19 뒤에 숨겨진 4차 산업혁명에 대해 정확하게 이해하고 준비하는 것은 매우 중요한 일이다.
코로나 19가 발생하기 전 4차 산업혁명은 2016년 다보스 포럼(Davos Forum)[3]에서 논의되긴 했지만, 유독
우리나라에서 많은 관심의 대상이었다. 대통령 직속 4차산업혁명위원회도 만들어졌고, 4차 산업혁명 관련 서적이 수없이 출간되었다. 코로나 19의 영향으로 잠시 주춤하던 4차 산업혁명이 2020년 7월에 발표된 K-뉴딜 정책
[4]을 필두로 급 물살을 탈 것으로 예상된다. 이는 2016년부터 지능정보사회를 준비하기 위해 ICBM(IoT,
Cloud, Big data, Mobile)을 슬로건으로 내걸었던 미래창조과학부가 과학기술정보통신부로 거듭나면서 제시한 DNA(Data, Network, AI) 정책과 맥을 같이 한다.
그렇다면 4차 산업혁명이란 무엇인가? 이를 이해하기 위해서는 첫째, 각 차수 별 산업혁명에 대한 이해, 둘째 4차 산업혁명 시대의 핵심적인 기술에 대한 이해, 셋째 4차 산업혁명에 대한 준비 자세가 필요하다.
먼저 산업혁명의 발전과 각 산업혁명들의 특징을 살펴보면 다음과 같다. 1차 산업혁명은 증기기관과 같은 동력 기관의 발명으로 대량생산이 가능하게 된 혁명이다. 1차 산업혁명은 18세기와 19세기에 일어난 산업혁명으로 대량생산이 가능해지면서 잉여생산물이 생기고 자본주의를 발전시켰다. 농업 사회의 틀이 무너지고 시장과 공장이 경제의 중심이 되면서 저임금 노동자들이 다수 생겨나고 대규모의 착취 및 식민지 확대와 같은 부작용도 생겨났다. 2차 산업혁명은 전기가 핵심이다. 전기는 동력의 이동을 쉽게 만들어 대량생산 체계가 한층 더 확대되었다. 전기는 통신, 조명, 미디어, 가전 등을 통해 일상생활에 큰 변화를 일으켰다. 1차 산업혁명 시대에는 물리적인 ‘힘’의 원리에 따른 관계가 주를 이루었다면, 2차 산업혁명은 문화적·정신적으로도 연결되는 시대가 전개되었다. 3차 산업혁명은 컴퓨터의 광범위한 사용과 함께 시작된 혁명이다. 1차, 2차 산업혁명으로 통하여 지속적으로 발전되어 오던 동력과 소통의 잠재성은 컴퓨터의 연산 능력을 통하여 다시 한번 획기적인 발전을 이룬 것이다. 1980년 후반부터 널리 보급되기 시작한 개인용 컴퓨터(Personal Computer)는 자원의 효율적 사용을 극대화하는 계기가 되었다. 컴퓨터와 기계가 연결되면서 ‘자동화’가 진행되었고, 컴퓨터와 통신이 연결되면서 ‘정보의 소통’ 도 늘어나게 되었다. 4차 산업혁명은 컴퓨터의 능력이 연산 능력을 넘어 더욱 지능화되고 각종 사물이 인터넷과 연결되어 일어나는 혁명이다. 4차 산업혁명으로 인하여 인공지능(AI-Artificial ntelligence)[5], 로봇(Robot), 3D 프린팅, 사물인터넷(IoT-Internet of Thing), 빅데이터(Big data), 유전자 분석 등의 기술이 매우 빠르게 진행되고 있다. 이기술들의 특징은 일정 분야 특히, 연산과 데이터 처리 등에서는 이미 인간을
능가하고 있다. 4차 산업혁명은 2016년 이세돌 9단과 알파고(Alphago)[6] 간의 세기의 대결로 인한 충격이 채 가시기도 전에 사람보다 운전을 잘하는 자율 자동차의 모습으로, 의사보다 진단을 잘하는 진단 프로그램으로 우리의 일상에 파고들고 있다.
4차 산업혁명에서 활용되는 주요 기술들은 다음과 같다.
먼저 빅데이터(big data)이다. 컴퓨터 기술과 각종 전자기기들의 발전 및 고도화는 정보의 축적을 가져왔다. 그런데 정보통신기술(ICT-Information and Communication Technology)이 발전하면서 이와 같은 축적된 정보들이 서로 연결되고 융합되고 소통을 이루면서 데이터가 폭발적으로 증가하게 된 것이다. 빅데이터의 출현은 단지 정보가 많다는 것을 넘어 많은 데이터에서 일정한 패턴 즉, 알고리즘(algorithm)[7]을 찾게 되었고, 알고리즘이 발견되면 이를 인간보다 더 잘 처리할 수 있는 컴퓨터로 연결되어 인공지능(AI)으로 발전하게 된다.
두 번째는 5G 기술이다 [8]. 5G 기술은 미국의 Verizon 사업자가 5 GTF(5G Technology Forum)를 2015년 말에 설립하여 주도하고 있으며, 5 GTF에 한국에서는 KT와 SKT가 합류하였고, 일본은 Docomo 가 가세해 있다. 5G는 고화질 영상을 빠르게 내려받거나 스트리밍 하는 것은 물론, 현란한 모바일 게임을 버벅거림 없이 즐길 수 있게 해주는 네트워크 기술이다. 5G가 필요한 이유는 디지털이 일상의 곳곳에 접목되면서 속도가 중요 해졌기 때문이다. 전 세계 데이터 전송속도가 빨라지면서 사람들이 뉴스와 정보를 얻는 방법부터 제품과 서비스를 접하고 의료와 재정을 관리하는 방식까지 모두 바뀌고 있다. 그동안 4G LTE(Long Term Evolution)[9]는 수많은 데이터를 신속하게 전송해야 하는 사물 인터넷(IoT), 인공지능(AI), 실시간 분석과 같은 사람들의 삶을 바꿔놓은 기술을 가능케 했다. 그렇지만 4G LTE는 미래에도 지속적으로 데이터를 지금과 같은 전송 속도로 주고받을 수 없는 환경에 처하게 될 것이며, 그래서 탄생한 것이 5G 기술이다. 5G는 기존 4G 네트워크보다 최소 100배 빠른 속도로 지연시간을 1,000분의 1초 이하로 단축시키는 기술이다. 고속, 저지연(低遲延) 5G 네트워크 인프라는 사물 인터넷(IoT), 인공지능(AI), 온라인 게임 가상현실(VR-virtual reality)[10]과 증강현실(AR-Augmented reality)[11] 그리고 스마트 시티는 물론 양자 컴퓨팅(Quantum Computing)[12]과 같이 주류 시장 진출을 눈 앞에 둔 다양한 분야에 큰 도움이 될 것이다. 5G는 더 빠른 속도로 데이터를 제공하지만 넓은 영역을 커버할 수는 없다. 그러므로 도시와 외각 지역 모두에 새로운 소형 셀 인프라 구축이 필요하다. 이러한 지리적 한계는 네트워크 밀도화로 해결해야 하기 때문에 5G가 상용화되는 시점은 시간이 걸릴 수 있다. 이러한 한계에도 불구하고 미래의 4차 산업혁명 발전 속도를 해결하려면 5G는 필수 불가결한 기술 요소이다.
세 번째는 인공지능(AI) 기술이다. 인공지능(AI)은 1956년 미국의 다츠머스회의(Dartmouth Conference)[13]에서 처음 언급되었다. 이 회의를 개최한 존 매카시(John McCarthy) 교수는 인공지능을 인간의 지능으로 할 수 있는 학습, 사고, 행동, 자기 계발 등을 컴퓨터가 할 수 있도록 연구하는 것이라고 하였다. 인공지능은 이후 오늘날까지 획기적인 발전을 이루며 4차 산업혁명의 핵심적인 기술로 활용되고 있다. 인공지능은 1950년대부터 1980년대까지 인간의 모든 지능을 기계에 부여할 수 있다는 믿음을 바탕으로 전성기를 맞이하였다. 하지만 1980년대 이후 인간의 지능을 컴퓨터가 제대로 실현하기에는 무리가 있다는 의견이 제기되고, 범용성이 부족하다는 치명적인 약점 때문에 인공지능(AI)은 약 50여 년간 비주류로 취급되어 왔다. 그러던 중 캐나다 토론토 대학교의 제프리 힌튼(Geoffrey Hinton) 교수 연구팀이 딥 러닝(deep learning)[14] 기술을 활용해 인간의 뇌를 닮은 심층 신경망을 안정적으로 훈련하는 데 성공함으로써 다시 활발한 연구가 진행되고 있다. 근래에는 일상생활 곳곳에 인공지능을 기반으로 한 다양한 서비스와 제품들이 출시되고 있다. 인공지능 스피커와 자동번역기, 냉장고가 알려주는 요리 레시피 등이 그것이다.
인공지능은 약한 인공지능(Weak AI), 강한 인공지능(Strong AI), 초인공지능(Super AI)으로 분류된다. 약한 인공지능은 미리 정의된 규칙에 의해 인지능력을 필요로 하지 않는 정도의 문제를 푸는 기술이다. 강한 인공지능은 기계가 진짜 인간과 같은 지성과 감정, 자의식과 인지능력을 가지고 문제를 해결할 수 있는 인간형 인공지능을 말한다. 초인공지능은 모든 면에서 인간을 능가하는 능력을 가진 초인적(超人的) 존재를 말한다. 인공지능은 현재 특정 분야에서 인간보다 우수한 지능을 가진 약한 인공지능 단계에서 시작하여, 모든 분야에서 인간과 동일한 지능을 가진 강한 인공지능 단계를 지나고 있는 상태이다.
약한 인공지능의 대표적인 사례로는 구글의 알파고(AlphaGo)와 사진 검색 서비스, 기계 자동번역기, 스팸메일 필터링 등이 있다. 한편 강한 인공지능은 모든 분야에서 인간과 동등하거나 우월한 능력을 가진 인공지능이다. 공상 과학 소설(SF)이나 영화 속에 자주 등장하는 인공지능 로봇들이 대표적인 예다. 영화 ‘터미네이터’에 등장하는 스카이 넷과 같은 인공지능을 의미한다. 한편 초인공지능은 모든 면에서 인간의 능력을 훨씬 초월하는 인공지능이다. 그러므로 초인공지능이 구현될 경우, 인류는 초인공지능의 도움으로 영생을 누리거나 아니면, 열등한 종으로 분류되어 멸종될 가능성도 있다.
이와 같은 인공지능의 장점은 인간 개입 최소화와 비용절감 효과가 있고 단점으로는 인공지능이 학습하지 않은 것에 대해서는 인공지능이 내린 결론이 맞는지 틀린 지 판단할 수 없다는 점이다. 또한 인공지능의 법적 책임문제와 아직 완벽하지 못하기 때문에 내재된 위험성이 문제이다.
네 번째는 사물 인터넷(IoT-Internet of Things)이다. 사물 인터넷은 자동차, 기계, 가정용 어플라이언스 등 센서와 API를 사용하여 인터넷에서 데이터를 연결하고 교환하는 물리적 개체의 네트워크를 의미한다. 쉽게 설명하면 과거에는 사람을 통해서만 일정 정보가 발생하고 수집되었다면 사물 인터넷(IoT) 시대를 맞이하여 세상의 모든 인공적인 사물들과 소통하고 데이터를 측정 하는 시대를 맞이하게 된 것이다. '사물 인터넷'은 MIT의 Auto-ID Center 창립자 중 한 명인 기업가 케빈 애쉬튼(Kevin Ashton)[15]이 창안한 용어인데 오늘날 우리는 사람보다 사물 인터넷 연결 디바이스가 더 많이 존재하는 세상에 살고 있다. 웨어러블 디바이스, 각종 가전제품, B2G(Business to Government)와 B2B(Business to Business), 자율 자동차, 스마트 팩토리, 스마트 빌딩을 넘어 스마트 시티까지 발전하고 있으니 이제 우리 주변에 사물인터넷과 연결되지 않은 것을 찾아보기 힘들 정도다. 이와 같은 사물 인터넷의 발전으로 인한 문제점은 다양하게 나타나고 있다. 예를 들면, 보안상의 문제와 비용의 문제, 막대한 전력 소비의 문제와 각종 규격의 난립과 표준화 부재 등 다양한 문제 등이다. 특히 보안상의 문제 때문에 이를 해결하기 위한 블록체인(block chain)[16]
기술은 4차 산업혁명의 또 하나의 기술 분야이다. 이제 4차 산업혁명은 위와 같은 핵심 기술을 바탕으로 매우 빠르게 발전하고 있다. 그리고 2019년 말부터 발생하기 시작한 코로나 19는 이와 같은 발전 속도에 가속도를 붙이고 있다. 그렇다면 이런 발전 속도에 맞추어 어떻게 대비하고 어떤 비전을 가질 것인가?
I’ll be back!이라는 명대사를 남긴 터미네이터(Terminator)는 1984년 제임스 카메론(James Cameron) 감독[17]이 45년 후인 2029년을 예측하여 만든 SF영화다. 당시로 보면 2029년은
45년 후의 일이고, 먼 미래의 일이었다. 그러나 지금 시점에서 보면 10년도 채 남지 않은 눈 앞에 다가온 미래이다. 핵전쟁의 잿더미 속에서 지구를 지배하고 있는 기계들에게 강력하게 대항하는 인류 저항군의 이야기인 ‘터미네이터’가 먼 미래가 아니라 지금 우리에게 닥친 미래인 것이다.
4차 산업혁명이 점차 구체화되면서 인류 발전에 대한 기대와 불확실성이 동시에 교차하고 있다. 인간이 만든 기계가 다른 기계와 협력하는 초 연결, 초 지능, 초 융합의 시대를 맞이하면서, 4차 산업혁명을 어떻게 준비하느냐에 따라 미래는 확연하게 다른 모습으로 나타날 수 있다. 그러므로 제대로 된 준비를 해야 ‘터미네이터와 같은 재앙적인 미래가 아니라 더 편하고 발전된 미래를 도모할 수 있다.
그렇다면 4차 산업혁명을 어떻게 대비할 것인가? 어떻게 생각해야 하는가?
[1] 코로나바이러스 감염증-19(COVID-19)는 급성 바이러스성 호흡기 질환인 '코로나바이러스 감염증-19(COVID-19) 감염증'의 원인이 되는 바이러스이다. 코로나 19(COVID-19)는 2019년 12월 중국 후베이성 우한시에서 처음 발견된 사람 코로나바이러스 변종이다. 신종 코로나바이러스(2019-nCoV)로 불려 왔으나, 2020년 2월 12일 세계 보건기구(WHO)에서 공식 명칭을 COVID-19로 발표했다. 국내 질병관리본부는 COVID-19의 한글 표기를 코로나바이러스-19(약칭 코로나 19)로 명명하였고, 2020년 2월 13일 국제바이러스분류위원회는 바이러스명을 SARS-CoV-2로 공식 발표했다. 코로나바이러스는 감기 등 호흡기 질환을 유발하는 RNA 바이러스다. 외피가 돌기로 둘러싸인 왕관(Corona) 모양이라 코로나바이러스라는 이름이 붙었다. 사람을 포함한 다양한 동물에게 감염을 일으킨다.
[2] 사티아 나델라(Satya Narayana Nadella)는 인도 출신의 미국의 공학자이자 기업인이다. 현재 마이크로소프트의 3대 CEO(최고경영자)이다.
[3] 다보스포럼(Davos Forum)은 매년 스위스의 다보스에서 개최되는 '세계경제포럼' 연차 총회의를 통칭하는 말이다.
[4] 한국판 뉴딜 정책은 한국 정부가 2020년 7월 14일 확정·발표한 정책으로, 코로나 19 사태 이후 경기 회복을 위해 마련한 국가 프로젝트이다. 이는 2025년까지 디지털 뉴딜, 그린 뉴딜, 안전망 강화 등 세 개를 축으로 분야별 투자 및 일자리 창출이 이뤄진다.
[5] 인공지능(artificial Intelligence)은 인간의 학습능력, 추론 능력, 지각 능력, 자연언어의 이해능력 등을 컴퓨터 프로그램으로 실현한 기술이다. 하나의 인프라 기술이기도 하다. 지능을 갖고 있는 기능을 갖춘 컴퓨터 시스템이며, 인간의 지능을 기계 등에 인공적으로 시연(구현) 한 것이다. 일반적으로 범용 컴퓨터에 적용한다고 가정한다. 이 용어는 또한 그와 같은 지능을 만들 수 있는 방법론이나 실현 가능성 등을 연구하는 과학 분야를 지칭하기도 한다.
[6] 알파고(AlphaGo)는 구글의 딥마인드가 개발한 인공지능 바둑 프로그램이다.
[7] 알고리즘(algorithm)은 수학과 컴퓨터 과학, 언어학 또는 관련 분야에서 어떠한 문제를 해결하기 위해 정해진 일련의 절차나 방법을 공식화한 형태로 표현한 것이다. 계산을 실행하기 위한 단계적 절차를 의미한다. 알고리즘은 연산, 데이터 진행 또는 자동화된 추론을 수행한다. 산법(算法), 셈법, 계산 절차 등으로 번역되기도 한다.
[8] 5세대 이동 통신(5G-fifth-generation)은 2018년부터 채용되는 무선 네트워크 기술이다. 26, 28, 38, 60 GHz 등에서 작동하는 밀리미터파 주파수를 이용하는 통신이다.
[9] LTE(Long Term Evolution)는 4세대 이동 통신 방식이다.
[10] 가상현실(VR-virtual reality)은 어떤 특정한 환경이나 상황을 컴퓨터로 만들어서, 그것을 사용하는 사람이 마치 실제 주변 상황·환경과 상호작용을 하고 있는 것처럼 만들어 주는 인간-컴퓨터 사이의 인터페이스를 말한다.
[11] 증강현실(AR-Augmented reality)은 사용자가 눈으로 보는 현실세계에 가상 물체를 겹쳐 보여주는 기술이다. 현실세계에 실시간으로 부가정보를 갖는 가상세계를 합쳐 하나의 영상으로 보여주므로 혼합현실(Mixed Reality, MR)이라고도 한다.
[12] 양자 컴퓨터(quantum computer)는 얽힘(entanglement)이나 중첩(superposition) 같은 양자역학적인 현상을 활용하여 자료를 처리하는 계산 기계이다. 또한 그러한 방법을 '양자 컴퓨팅'(quantum computing)이라고도 한다. 전통적인 컴퓨터에서 자료의 양은 비트로 측정된다. 양자 컴퓨터에서 자료의 양은 큐비트로 측정된다. 양자 계산의 기본적인 원칙은 입자의 양자적 특성이 자료를 나타내고 구조화할 수 있다는 것과 양자적 메커니즘이 고안되어 이러한 자료들에 대한 연산을 수행할 수 있도록 만들어질 수 있다는 것에 기한다. 양자 컴퓨팅이 여전히 유아기에 있지만, 매우 작은 수의 큐비트를 가지고 양자 수치 계산이 수행되는지에 관한 실험들이 행해져 왔다.
[13] 다트머스 회의(Dartmouth Conference)는 인공지능이라는 분야를 확립한 학술회의다. 1956년에 열렸다. 당시 다트머스대학에 있던 존 매카시가 개최한 것으로, 마빈 민스키, 너대니얼 로체스터, 클로드 새넌 공동으로 제안했다. 그 제안서에 처음으로 인공지능 (Artificial Intelligence)라는 용어가 사용되었다. 회의는 한 달에 이르는 것으로, 기본적으로 브레인스토밍의 장이었다.
[14] 딥러닝(Deep Learning)은 사물이나 데이터를 군집화하거나 분류하는 데 사용하는 기술이다. 예를 들어 컴퓨터는 사진만으로 개와 고양이를 구분하지 못한다. 하지만 사람은 아주 쉽게 구분할 수 있다. 이를 위해 ‘기계학습(Machine Learning)’이라는 방법이 고안됐다. 많은 데이터를 컴퓨터에 입력하고 비슷한 것끼리 분류하도록 하는 기술이다. 저장된 개 사진과 비슷한 사진이 입력되면, 이를 개 사진이라고 컴퓨터가 분류하도록 한 것이다. 데이터를 어떻게 분류할 것인가를 놓고 이미 많은 기계학습 알고리즘이 등장했다. ‘의사결정 나무’나 ‘베이지안 망’, ‘서포트 벡터 머신(SVM)’, ‘인공신경망’ 등이 대표적이다. 이 중 딥러닝은 인공신경망의 후예다. 딥러닝은 인공신경망의 한계를 극복하기 위해 제안된 기계학습 방법이다. 딥러닝의 시작은 인공신경망 역사와 맞닿아 있기 때문이다. 1943년, 미국 일리노이 의대 정신과 부교수였던 워렌 맥컬록은 당시 의대 학생이었던 제리 레트 빈과 월터 피츠와 함께 ‘신경 활동에 내재한 개념들의 논리적 계산’이라는 제목의 논문을 발표한다. 이들은 이 논문에서 신경망을 ‘이진 스위칭’ 소자가 복잡하게 연결된 네트워크로 모형화했다. 인공신경망을 개념화한 최초의 논문이다. 딥러닝이 처음 제안된 때는 인공신경망이 탄생한 지 40여 년이 지난 1980년대다. 캘리포니아 대학 심리학자와 컴퓨터 관련 학자들의 신경망 연구를 요약한 <PDP>라는 저서가 등장하면서부터다. 딥러닝이 부활의 신호탄을 쏘아 올리게 된 건 2004년이다. 제프리 힌튼 교수가 RBM이라는 새로운 딥러닝 기반의 학습 알고리즘을 제안하면서 주목을 받기 시작했다. 곧바로 드롭아웃이라는 알고리즘도 등장해 고질적으로 비판받는 과적합 등을 해결할 수 있게 됐다.
[15] 케빈 에쉬튼 (Kevin Ashton)은 1968년 영국 출신의 Onnit, inc. 대표이다. "사물인터넷" (Internet of Things)이라는 용어를 처음으로 사용한 창시자이다
[16] 블록체인(block chain)은 관리 대상 데이터를 '블록'이라고 하는 소규모 데이터들이 P2P(peer to peer)
방식을 기반으로 생성된 체인 형태의 연결고리 기반 분산 데이터 저장 환경에 저장하여 누구라도 임의로 수정할 수 없고 누구나 변경의 결과를 열람할 수 있는 분산 컴퓨팅 기술 기반의 원장 관리 기술이다. 이는 근본적으로 분산 데이터 저장기술의 한 형태로, 지속적으로 변경되는 데이터를 모든 참여 노드에 기록한 변경 리스트로서 분산 노드의 운영자에 의한 임의 조작이 불가능하도록 고안되었다. 블록체인 기술은 비트코인을 비롯한 대부분의 암호화폐 거래에 사용된다. 암호화폐의 거래 과정은 탈중앙화 된 전자장부에 쓰이기 때문에 블록체인 소프트웨어를 실행하는 많은 사용자들의 각 컴퓨터에서 서버가 운영되어, 중앙에 존재하는 은행 없이 개인 간의 자유로운 거래가 가능하다.
[17] 제임스 카메론(James Cameron)은 캐나다의 영화감독으로 흔히 블록버스터 3대 거장 중 한 명으로 불린다. 역대 세계 흥행 순위 2위 영화인 아바타, 3위인 타이타닉 그리고 SF 시리즈물인 터미네이터를 만든 세계 최고 흥행 영화감독 중 한 명이다. 존 포드나 하워드 혹스처럼 이야기의 깊이를 추구하는 것은 아니지만, 새로운 기술과 SF적 상상력을 바탕으로 한 영상에 완성도 높은 고전적인 이야기를 합쳐, 자신만의 독자적인 영역을 개척하였다.
