나는 이공계가 아니다.

< AI 마인드 >

Feb 13. 2022

*기계는 우리와 똑같은 사고방식을 가지고 똑같은 행동을 한다고 하더라도, 다른 물질로 만들어졌다. 결국 사람이 어떻게 설계하고 사용하는지 그것을 통해 얻은 이익들을 어떻게 분배하는지에 달려있다.

세계에 대한 해석

"세계는 원자가 아니라 이야기로 이루어져 있다고 말한다."

<'특이점'이 온다, 레이 커즈와일>

서양철학은 세상을 기호와 규칙으로 해석이 가능하다고 믿어왔다. 더 나아가 그것들을 통해 머릿속에서 일어나는 것까지 표현이 가능한 것으로 생각했다. 철학의 크게 관념론과 유물론으로 나눌 수 있는데, 전자는 보편성을 후자는 구체성을 주요시하며, 양자는 대립하거나 조화를 이루면서 철학의 줄기를 파생시켰다.

플라톤에 따르면 세계의 본질을 구성하고 있는 것을 ‘이데아’이다. 그는 이데아는 영원한 것으로 모든 사물의 원인이라고 주장했다. 따라서 우리의 눈에 비치는 세계는 이데아가 비친 허상에 불과하며 오직 이성으로만 이데아를 알 수 있다고 했다. 이데아는 머릿속에만 머무르는 것이 아니라, 실존하며, 플라톤은 이데아가 존재하는 세계를 이데아계, 우리가 사는 세계를 현상계, 현상계에 존재하는 사물을 현상이라고 불렀다. 반면 그의 제자인 아리스토텔레스는 이데아는 증명할 수도 없는, 존재할 수도 없는 개념일 뿐이라고 반박하며, 개체 안에 이미 내포되어 있는 것이라고 생각했다. 그리고 사물의 본질은 그것이 무엇인지를 표현하는 형태에 있다고 생각했다. 그는 이것을 ‘형상’이라고 명명했고, 인공지능에 적용하자면 ‘Labeling’하는 것과 유사한 개념이다. 이것으로써 사람들은 보편성을 인식할 수 있는 것이다.

존 로크는 아이들이 처음에 접하는 사물은 아이들의 지성에 최초로 각인된다고 했다. 그에 따르면 아이들이 성장하면서 다양한 가감적인 사물들을 접하게 되고 그것에 대한 관념을 기억에 유지된다. 점차적으로 관념을 복합, 확대하게 되면서 아이들은 그것을 여러 가지로 조합하는 기능을 획득하게 되고 생각은 확대되는 것이라 보았다. 따라서 우리의 모든 지식은 경험에 바탕을 가지며 모든 지식은 이러한 경험으로부터 궁극적으로 유래한다고 했다. 그러나 우리 스스로 진리와 이지를 고찰하고 이해하면 그만큼의 참된 지식을 소유하게 된다고 주장했다. 왜냐하면 신은 우리에게 사용하는 방법에 따라 여러 가지 진리를 발견하고 받아들이는 기능과 수단을 갖추어주었기 때문이다.

이들의 개념을 인공지능에도 적용한다면 어떻게 해석될까? 플라톤에 따르면 현실세계에 있는 모든 것은 이데아의 모조품이다. 그렇다면 현실계에 있는 인공지능에게도 본질적인 이데아가 존재하는가?

아리스토텔레스의 이론은 어떤 사물이든지 표현 가능한 형상이 있다면 장래에 실현될 ‘가능성’이 있는 것이다. 그렇다면 인공지능도 본질적인 측면을 가지고 있다는 것이 된다. 그리고 로크의 주장처럼 인공지능도 인간처럼 경험하고 학습하여 지능을 갖게 된다면 참된 지식을 얻어 진리에 도달할 수 있을까? 만약 그렇다면 기계를 만든 인간도 신이 될 수 있는 것일까?

인공지능은 기계적인 학습에서 발전하여 언어를 이해하고 사고를 확장하는 단계까지 도달하려고 한다. 만약 그렇게 된다면 우리는 인공지능을 무엇이라고 정의를 내려야 할까?

세계의 구성 요소

우리가 보고 있는 세상은 어떤 물질들로 구성되어 있을까? 이에 대해 많은 철학자들의 논의가 있었고 그중에 대표적인 데모크리토스는 존재하는 사물은 더 이상 나눌 수 없는 궁극적인 미립자인 ‘원자’로 구성되어 있고 모든 변화는 원자의 이합집산의 과정이라고 주장했다. 반면 라이프니츠는 원자가 물질의 구성요소일지라도 인간의 정신은 만들 수 없다고 말했다. 오히려 세계의 구성요소는 무수한 ‘단자’들이며, 단자는 에너지로 충만한 ‘점’으로써 물질과는 구별되는 것이라고 했다. 물질은 길이와 부피와 무게를 가지지만 점은 위치만 있는 것으로 무수한 단자들이 어떻게 결합하느냐에 따라서 자연 만물이 형성된다고 주장했다.

원자는 과학으로 측정 가능하지만 단자는 불가능하다. 그러나 양자역학을 적용한다면 양립적인 이해가 가능하다. 빛은 뉴턴 역학에서 측정 가능한 물질이지만 이중 슬립 실험을 통해 질량을 가지지 않는 파동의 성격을 가지기도 한다는 것이 입증되었다. 고체와 액체의 성격을 가진 수은에서도 절대 영도와 같은 조건에서는 양자효과를 충족시킬 수 있다. 단자 역시 절대 영도와 같은 조건 이 주어지고 동시에 양자 도약이 일어나게 된다면 원자와 합성이 가능하게 될 것이다. 즉 정신과 신체도 한 덩어리가 가능하다. 그렇다면 인공지능과 신체가 연결되는 것이 허무맹랑한 이야기만은 아닐 것이다. 실제로 이를 실현하려는 레이 커이즈와일과 일론 머스크의 시도는 어느 정도의 성과를 보여주고 있다

디지털 컴퓨터에서는 정보의 기본 단위로 비트를 쓴다. 비트는 '0'과, ‘1’로 이루어졌으며 논리 연산을 하거나 2진법의 수로 보고 사칙연산을 할 수 도 있다. 그러나 양자 정보는 0과 1의 각각의 정보를 저장할 수 있을 뿐만 아니라 0과 1이 동시에 존재하는 상태를 가질 수 있다. 따라서 양자 컴퓨터는 0인지 1인지 확정 지을 수 없는 상태, 중첩된 상태에서도 연산을 진행한다. 이를 ‘큐비트’라 하며 D-WAVE는 니오븀(Nb)을 재료로 한 초전도체를 사용하기 때문에 절대 영도에서 사용한다. 이것이 실현된다면 게놈이나 기상, 경제, 데이터 마이닝 등 지금의 슈퍼컴퓨터로도 풀 수 없는 아주 복잡한 영역의 연구에 이 컴퓨터를 이용할 수 있게 될 것으로 기대되고 있다.

비트를 철학적 의미로서 해석한다면 ‘0’은 ‘무한’과 ‘정신(=단자)’을, 1은 ‘유한’과 ‘원자(=신체)로서 상징되며, 인간은 측정에 따라 원자나 단자로 구성될 수 있으며, ‘열반’의 경지에 이른 인간은 무한과 유한의 중첩되는 영역 속에서 측정할 수 없는 깨달음에 이른 존재라고 부를 수 있을 것이다.

심신 이원론과 일원론

데카르트에 따르면 정신과 신체는 나누어질 수 있다. 반면 메를리 퐁티는 정신과 신체는 나누어질 수 없으므로 신체는 객체인 동시에 주체라고 보았다. 만약 데카르트의 이론처럼 정신과 신체를 나눌 수 있다면, 신체의 일부분을 기계로 대체한다고 해도 인간은 주체성을 잃지 않는다. 그러나 정신과 신체를 분리할 수 없다면 기계로 대체된 부분도 의식을 가졌다고 생각할 수도 있다. 더 나아가 ‘구글’의 이사

레이 커이널즈는 앞으로 인공지능이 더욱 발전한다면, 인간의 기억을 자유로이 기계에 ‘업로드’할 수 있고, 기계가 지식을 인간에게 이식할 수도 있다고 말한다. ‘3D 프린팅’이 앞으로 더 활성화된다면 인간의 지능을 기계에 대량 복제할 수도 있고, 지식을 가진 인간을 물건처럼 찍어내는 것도 가능할지도 모르는 것이다.

1956년 미국 동부에 있는 다트머스 칼리지에서 논리와 철학, 수학을 연구하는 사람들이 모여 콘퍼런스를 열었는데, 여기서 처음으로 ‘인공지능’이라는 단어가 등장하였다. 인공지능은 기계가 경험을 통해 학습하고 새로운 입력 내용에 따라 기존 지식을 조정하며 사람과 같은 방식으로 과제를 수행할 수 있도록 지원하는 기술을 말한다. 즉 사람의 지적능력과 관련된 능력을 이해하고 이를 기계에 부여하려는 모든 시도를 인공지능이라 말할 수 있다.

기계가 인간의 사고 속에 발생하는 것들을 기호와 규칙으로 시뮬레이션할 수 있다면 그것을 통해 기계의 지능도 인간처럼 세상을 이해할 수 있을 것이라는 생각에서부터 인공지능에 대한 연구가 시작되었고, 공학자들은 인간의 뇌와 같은 시스템을 인공지능에 구현하려고 했다.

뇌의 정보획득과 해석

현대 뇌 과학에서는 신경세포들 간의 연결고리에서 학습이 일어난다고 이야기한다. 자주 경험하는 정보를 저장하는 세포들 간의 연결성이 강화될수록 비슷한 정보를 받아들일 때 활성화되는 확률이 높아진다. 인간의 뇌는 오감을 통해서 받아들이는 정보를 패턴화 하여 저장하고 해석한다.

뇌가 오감을 통해 정보를 획득한다는 것은 뇌가 해석을 한다는 것이고 이는 실수의 여지가 발생할 수 있다는 것을 뜻한다. 즉 뇌가 하는 해석은 객관적이지 않다는 뜻이기도 하다. 반면 컴퓨터는 매개체를 거치지 않고 객관적인 정보를 가감하지 않고 입력한다. 인간이 물건을 식별하고 계산능력 갖출 수 있는 것은 경험과 그로 인해 얻은 데이터가 있었기 때문이다. 마찬가지로 인공지능 역시 관련 데이터가 입력되어야만 인간과 같은 능력을 발휘할 수 있다.

기호 주의자들은 인공지능을 기호를 다루는 활동으로 이해한다. 이러한 입장에서는 인공지능은 아무것도 갖추어지지 않은 상태에서는 학습이 불가능하기 때문에 전문가들의 지식을 미리 구축하는 작업을 해야 한다. 그러나 전문가의 지식을 입력하더라도 그것을 벗어나는 사례가 수시로 나타났다. 그리고 학자들은 새로운 상황이 생길 때마다 일일이 입력해주어야 하는 방식은 매우 힘든 작업이라는 것을 깨닫게 되었다. 반면 연결 주의자들은 학습은 두뇌가 하는 활동이므로 두뇌를 이해하는 것에서 연구가 시작되어야 한다고 주장했다. 그리하여 신경과학을 도입하여 뇌의 신경세포 간의 연결에 주목했다. 인공신경망 속에는 연결고리인 시냅스가 있고 여기에 정보가 저장되게 된다.

인간의 뇌신경세포를 모방한 ‘퍼셉트론’은 전 세계의 주목을 받게 되었고, 일반적인 문제에 적용 가능한 다층 퍼셉트론까지 발전되었다. 다층 퍼셉트론은 인간이 미리 정한 모델에 의존하지 않으며 목표하여 수집해둔 사례들을 컴퓨터에 제공하면, 컴퓨터가 학습과 적용을 통해 스스로 심층 신경망 내의 가중치를 발견해나가는 방식이다.

예를 들어, 100만 개의 신경세포로 고양이를 학습한다면 고양이라는 물체를 100만 개의 방법으로 표현할 수 있다. 그러나 퍼셉트론은 정보가 복잡하게 되면 다층의 신경망들이 필요하게 되고 그에 따른 수많은 시냅스를 학습시킬 수 있는 방법이 없었기 때문에 비판받게 된다. 이후 ‘은닉층’을 가진 다중 퍼셉트론과 ‘오류 역전파’ 알고리즘이 발표되면서 인경 신경망 기반에 대한 연구와 상용화가 꾸준히 시도되었다.

다중 퍼셉트론과 오류 역전파

뇌의 가장 아래층은 실제로 눈에 들어오는 정보들을 가장 먼저 보게 되는 신경세포층이다 이 신경세포들은 영상을 보이는 대로 분석하지 않고 가장 작은 단위인 픽셀 간의 통계적인 인과관계를 학습하여 가장 압축된 표현을 만들어낸다. 그다음 층에 위치한 신경세포들은 이러한 현상을 다시 압축하여 표현한다. 여기서 압축이란 한 층 신경세포의 신경망 다리가 그다음 층의 신경세포와 중첩되어 있다는 것을 말한다. 이러한 방식으로 10층, 15층까지 올라가면 최상층에 있는 신경세포들은 많은 변이가 있는 물체라도 알아볼 수 있게 된다. 신경망이 깊으면 깊을수록 정보를 추상화하여 학습할 수 있다.

뇌를 흉내 내어 만든 다중 퍼셉트론 역시 같은 방법으로 가장 아래층에 있는 인공신경망의 신경세포들은 자신이 담당하고 있는 한 픽셀만 감지한다. 그 후 1층의 신경세포는 압축하여 2층의 신경세포에 수집한 정보를 전달한다. 인공 신경망 다리 역시 다음 층의 신경세포와 중첩되어 있으므로 이 과정이 진행되면 가장 아래층의 인공세포층은 픽셀 하나의 특징을 알아내고 2층은 픽셀 네 개의 특징을 알아내고 3층은 여덟 개의 특징을 알아낸다. 가장 저층에 있는 세포층일수록 디테일하고 위로 올라 갈수록 추상적인 특징을 가진다.

역전파 알고리즘은 감지하는 물체를 숫자로써 표현한다. 처음에는 랜덤으로 시작하므로 값이 틀릴 수 있다. 하지만 인공지능에게 매번 정답을 알려주면 그때마다 인공지능은 물체에 대한 차이 값을 계산하게 된다. 그리고 그것을 다시 아래로 역전 파하여 시냅스 값을 고쳐나간다면 인공지능은 사물에 대한 정답을 점차적으로 인식하게 된다. 이는 학생이 오답노트를 통해 오류를 수정해가면서 점차 정답에 대한 과정을 깨달아가는 것과 유사하다.

신경층이 깊어질수록 다층 퍼셉트론은 새로운 사실을 추론하는 것이 어렵다는 단점이 있고 오류 역전파 알고리즘은 오차값이 큰 층수에서 역전 파되면 점점 왜곡되는 ‘사라지는 경사도’라 불리는 문제가 생긴다.

학습이론

인간을 포함한 동물들은 태어나면서 한정된 시간을 가지고 있는데, 그 기간을 결정적 시기라고 부른다. 그 기간 동안은 뇌가 자주 사용되는 길들 만 살아남고 자주 사용되지 않는 것들은 뇌 안에서 지워버린다. 이러한 뇌의 특성을 착상하여 토론토 대학의 힌튼 교수는 층수가 깊을지라도, 사전학습으로 뇌를 트레이닝시켜 불필요한 인공신경망을 랜덤으로 지워버린다면 추론 능력을 개선시킬 수 있다는 것을 보여주었다. 그리고 인터넷과 유무선 통신망, 다양한 모바일 기기 등의 발전으로 대량의 데이터 확보가 가능해지면서 인공신경망 이론은 더욱 발전하게 되었다.

‘머신러닝’, 즉 기계학습이란 컴퓨터가 학습을 통해서 기계에게 지식을 주입하는 것을 말한다. 기계학습의 종류는 크게 ‘지도 학습’과 ‘비지도 학습’으로 나뉘는데 최근에는 ‘딥러닝’으로 인해서 강화 학습이 추가되었다. 알파고 같은 경우는 초반에 바둑 프로들의 기보를 통해서 성장을 하다가 나중에 알파고 VS 알파고의 대결로 새로운 기보를 만들어내고, 끊임없이 성장해나갔다.

지도 학습은 컴퓨터에게 문제와 정답이 있는 데이터를 학습시킨 후, 운영 데이터를 분류하거나 맞추는 것을 말하며, 비지도 학습은 일련의 데이터 전체를 어떤 공통된 속성을 갖는 그룹으로 나누거나 자주 나타나는 양상을 포착하는 것이며 이러한 작업을 ‘군집화’라고 한다.

강화 학습의 핵심은 보상이며 컴퓨터는 이 보상을 받은 행위를 위해서 스스로 문제점을 찾아 나서게 되는데 초반에는 인간의 개입이 어느 정도 들어가게 된다. 이 방법은 시스템이 답을 냈을 때 정답을 가르쳐주는 것이 아니라 정답인지 오답인지에 대한 여부만 알려주는 것이다. 굳이 간단하게 표현하자면 자기 주도 학습과 유사한 것으로 설명할 수 있을 것이다.

인공지능의 발달

현재까지 인공지능기술은 ‘약 인공지능’으로써 인간의 지도가 주를 이루고 있다. 알파고 같은 프로그램이 가능했던 것도 빅 데이터를 통한 학습량이 늘었기 때문이다. 따라서 아직까지는 인공지능에게 인간의 주도권이 빼앗길 정도는 아니라고 말할 수 있다. 그러나 강화 학습단계까지 발전하여 인공지능이 스스로 사고하는 ‘강 인공지능’의 단계에 이른다면 인간에게 큰 위협이 될 수 있다. 농담처럼 들릴 수도 있겠지만 과학자들은 진지하게 인공지능 내부에 폭파장치를 심을 것도 고려하고 있다.

지난 30년간 기계번역은 문장을 단어나 숙어로 나누고 난 후 각각의 의미를 축적된 데이터베이스에서 찾아 조합한 후 도착 언어의 문법에 따라 수정해서 결과를 내놓았다. 이것을 ‘구’에 기반한 통계 기계번역이라고 한다. 이러한 방법은 앞뒤의 문맥을 고려하지 않고 각기 별개로 번역함으로써 본문의 의미와 조화되지 않는 해석이 되기도 했다. 그러나 딥러닝 및 신경망 학습기법의 발전으로 엄청난 양의 빅 데이터가 확보가 되면서 문단 전체의 맥락을 고려해서 특정 문장을 번역할 수 있게 되었다.

오류가 있기는 하지만 ‘유튜브’는 실시간으로 음성언어를 자막으로 번역할 수 있고, ‘페이스북’과 ‘인스타그램’ 같은 ‘소셜미디어’에서는 이미지를 분석하여 음성으로 번역할 수 있다. 심지어 특정 예술가들의 작품들을 학습하여 그들의 방식으로 새로운 작품을 만들 수도 있다. 기계학습에서는 데이터의 질도 중요하다. 마이크로소프트사에서 개발한 ‘테이’는 인간들과 대화하는 과정에서 인정 차별, 히틀러를 옹호하는 등의 내용을 학습하여 사람들 앞에서 표현해서 물의를 빚은 사건이 있었다.

최근 외부환경을 인식하고 스스로 상황을 판단하여 자율적으로 동작하는 로봇들이 등장하고 있다. 지능형 로봇의 핵심 요소 기술로는 외부환경을 인식하는 기술, 스스로 상황을 판단하는 기술, 자율적으로 동작하는 기술 등이 있다. 지능형 로봇은 센서, 인공지능, 음성 인식 등의 기술에 빅 데이터, 클라우드를 융합시켜 과거 산업용 로봇보다 훨씬 진화된 형태로 발전하면서 인간과 자연스러운 상호작용을 추구하고 있다. 일본 소프트 뱅크의 감성로봇 페퍼나 우리나라의 휴보는 자연 언어로 대화하고 얼굴 근육을 움직여 인간의 감정을 표현할 수 있는 지능형 로봇의 예라고 할 수 있다.

자율주행 자동차

자율주행 자동차는 빅 데이터를 활용하여 정보를 수집하고, 사물인터넷으로 기계들 사이에 커뮤니케이션을 통해 자동차들의 간격을 유지하고 거리를 조절한다. 그리하여 인공지능은 운전자 없이도 운전할 수 있다. 따라서 자율주행 자동차는 4차 혁명의 총체적인 기술이라고 말할 수 있다.

자율주행 자동차는 레이더, 라이다, 360도 카메라 등의 센서를 장착하여 장애물과 도로 표식 그리고 신호등 등을 인식하는데, 모빌아이 같은 기업은 레이더나 센서 같은 장비 없이도 카메라만으로 정보를 수집하여 전방의 차선을 감지하고 다양한 표지판을 인식할 수 있다.

종전의 자율주행 기술이 주로 규칙 기반 방식으로 구현되었던 것과 달리, 최근의 기술은 심층학습을 활용하여

마치 사람이 운전을 학습해나가는 것처럼 자율주행 기술을 구현하고 있다. 앞으로 자율주행 자동차가 활성화된다면 많은 사람들은 굳이 자유 차를 소유하려 하지 않을 것이다. 왜냐하면 자동차는 운행하는 것보다 주차장에 있는 시간이 더 많기 때문이다. 현재 있는 자동차의 10퍼센트만 있으면 모든 사람을 운송할 수 있다는 통계가 있으며, 자동차가 줄어들게 되면 우선 주차장이 사라지고 자동차는 항시 운행되고 있을 것이다. 그리고 수가 줄어드는 만큼 매연도 줄어들고, 도시의 녹지화 되는 장점도 있다.

앞으로 자율주행 자동차가 활성화된다면 유인 자동차로 운전하는 것은 법적으로 금지될 수 있다. 왜냐하면 기계는 규칙을 정확하게 지키지만 사람은 불안정하기 때문이다. 그리고 만약 인공지능의 오작동으로 인해 사고가 나면 그 피해에 대해 누가 책임을 질 것인가에 대한 문제가 생길 수 있다. 여기에서 유의해야 할 점은 자율주행 자동차의 발전단계에 따라 인간에서 인공지능으로 책임이 달라질 수 있다는 점이다. 그러나 현행법은 책임주체에 대해 규정하고 있지 않고 연구자들이 자율주행 자동차 교통망의 가장 큰 골칫거리로 지적하는 것은 인공지능이 아닌 불안정한 ‘인간’이다.

기본소득 제도 논의

최근 인공지능의 급속한 발전으로 기계가 인간의 육체노동뿐만 아니라 정신노동까지도 완전히 따라잡을 가능성이 높아지기 시작했다. 인공지능을 활용한 기술들이 생활 깊숙한 곳까지 침투하게 되면서 사람들은 대량실업의 공포를 느끼고 있고, 양극화가 진행될 경우 자본주의 체제 자체가 붕괴할 가능성도 제기되었다.

최근에 핀란드에서 전국 25-58세 실업자 2000명을 무작위로 선정하여 월 560유로를 지급하였다. 기본소득을 받게 되면 기존에 받던 실업·육아·질병 수당 등의 지급은 중지된다. 기존의 기본소득 개념은 재원을 절감하려는 차원에서 나온 것으로 만약 기본소득을 얻게 된다면 복지수혜에서 제외되게 된다. 하지만 핀란드는 노동의욕을 고취시키기 위해 실험기간 중에도 근로소득이 발생하더라도 기본소득을 그대로 지급하기로 했다. 이론적으로는 기본소득에 근로소득이 더해지면 노동참여도가 증가할 것이라 예상했으나 결과적으로는 복지수당을 받던 사람들과 크게 차이 나지 않았다. 하지만 그러한 결과가 나왔던 것은 사람들의 근로의욕이 부족해서가 아니라 양질의 일자리가 부족했기 때문이다.

2020년 9월 18일 택배기사들이 지금까지 관행처럼 맡아왔던 분류작업을 거부하는 사건이 발생했다. 왜냐하면 정규직 근로자와 달리 비정규직 근로자들은 근로를 위해 대기하는 시간이 노동의 시간으로 간주되지 않았고, 그러한 관행이 암묵적으로 지속되었기 때문이다. 하지만 자동화 기계와 인공지능이 도입되면서 정규직 근로자들의 일자리까지도 위협을 받고 있다. 반면 인공지능을 개발하거나 도입하고 있는 기업들은 점점 더 부를 축적해가고 있고, 이러한 현상들이 지속된다면 물건들을 소비할 고객층이 사라지면서 그것은 기업의 붕괴로 이어지게 되는 결과를 야기할 수 있다.

기본소득을 반대하는 입장은 일단 재원 마련이 어렵고 제도의 취지와 다르게 저축이나 부정수급에 사용될 수 있으며, 소비를 진작시키기보다 오히려 노동의욕 감퇴시킬 것이라고 말한다. 이러한 주장에 근거가 없는 것은 아니지만 양극화의 구조적 문제를 무시하고 개인에게만 모든 책임을 지운다는 비난을 면하기 어렵다. 거대기업들은 고객들의 데이터를 수집하여 생산과 판매뿐만 아니라 관련되지 않은 분야에까지 이용하여 부를 창출하고 있다. 그런데 이들은 그러한 부를 얻게 된 데이터를 무상으로 이용하면서 아무런 대가로 지불하지 않고 있다. 자본주의 체제에서는 자원을 이용하였다면 그에 대한 비용을 지급하는 것은 정당하다, 데이터의 ‘공공재’ 성격을 들먹이는 것은 어불성설이며, 그들의 주장대로 세상에 ‘공짜 점심’이란 없다. 그리고 코로나 대응을 위해 시도되었던 ‘재난지원금’은 사용기한이 있고, 사용내역이 기록되므로 저축이나 부정수급의 문제는 발생하지 않았다. 블록체인 기술이 앞으로 더 발전하게 된다면 이전보다 투명하고 공정한 조세행정도 가능하게 될 것이다.

얀 르쿤은 “우리는 진정한 사람의 노동력에 더 많은 돈을 지불할 것이고, 기계로 할 수 있는 일은 값이 싸게 될 것이다.”라고 말했다. 지금까지의 노동은 생산과 수익적인 구조에 초점이 맞춰져 왔지만, 인공지능이 도입됨으로써 사람의 가치와 물건의 가격에 큰 영향을 미치고 있고 노동에 대한 패러다임에 대한 전환은 앞으로 당면하게 될 문제이다. 그런 인식이 전면적으로 받아들여진다면 우리가 생활을 위해 당연한 것으로 여겨왔던 영역들에 지불되는 비용도 근로의 영역으로 볼 수 있지 않을까? 그리고 취미나 놀이에서 수익을 얻거나 사업으로 이어지는 시도가 발전되고 있는데, 한국에도 유튜브 같은 플랫폼이 만들어진다면 이를 통해 한국에 맞춤형인 데이터를 확보하고 기업의 참여를 유도하여 수익을 창출할 수 있는 모델도 생각할 수 있을 것이다.

인공지능을 발전시키는 것도 중요하지만 그에 따른 노동의 패러다임을 전환하는 것도 그만한 가치가 있다. 물론 기본소득 제도를 전적으로 도입해야 된다는 이야기가 아니다. 근로를 통한 수익창출이 전제가 될 때 기본소득 제도도 의미가 있는 것이기 때문이다. 앞으로 우리의 일자리의 미래는 인간과 인공지능이 얼마나 조화를 잘 이루는가에 달려있다. 물론 우리의 소득의 주가 되어야 하는 것은 근로를 통한 수익창출이며 기본소득 제도는 궁극적인 해결책이 아니 보조적인 것에 불과하다. 앞으로 우리가 나아가야 할 방향은 인간과 인공지능이 얼마나 조화를 잘 이루는가에 달려있다.

인간과 인공지능의 미래

"우리의 가치를 지키면서 목표의 안정성을 확보하기 위한 기술을 발전시켜야 하고 그런 기술을 개선해 줄 시스템이 우선적으로 필요하다고 생각합니다. 그런데 그럴 능력이 없는 상태에서 인공지능이 인간 수준에 이른다면 많은 문제가 발생하겠죠."

인류가 지금까지 진화를 거쳐 생존할 수 있었던 것은 질문을 하고 그에 대한 답을 찾아왔기 때문이다. 그러한 특징들은 인간이 자신의 한계를 인식했기 때문에 가질 수 있는 것이었고, 그것들을 극복하면서 인류는 발전해왔다. 그러한 과정 없이 인공지능에게 인류의 미래를 전적으로 의존한다면 인공지능은 인구의 절반을 제거하라는 답을 제시할지도 모른다. 맬서스의 이론에서도 알 수 있듯이 지구의 균형을 깨는 역할을 해왔던 것은 항상 ‘인간’이었기 때문이다. 그리고 인공지능이 스스로 사고하는 것이 가능해진다면, 보상 없이 인간에게 무조건적으로 복종하는 것에 대해 회의감을 가지지 않을 것이라고 생각하기 어렵다. 이는 인간의 반란 역사에서 자주 확인할 수 있는 대목이기 때문이다.

철학과 과학의 핵심은 끊임없이 질문하는 것이며, 우리가 인공지능과 함께 미래를 이끌어나갈 수 있는 유일한 방법이다. 인류가 자신과 자신을 둘러싸고 있는 세계와의 조화를 위한 최적의 방안을 찾기 위해 고민할 때, 인공지능은 그러한 노력에 걸맞은 추론들을 이끌어낼 수 있을 것이고, 인간은 책임 있는 선택을 함으로써 미래를 발전적인 방향으로 이끌 수 있을 것이다.

『마음을 직선으로 할 수 있는 것과 똑같은 것을 곡선으로도 할 있고 곡선과 직선과 함께라도 할 수 있다. 또 선으로 할 수 있는 것과 똑같은 면으로도 할 수 있다. 이렇게 해서 한없이 다양한 형을 마음껏 그려낼 수 있다. 마음에는 그와 같은 다양한 형을 만들어 그것으로 공간의 단순 양상을 늘리는 능력이 있는 것이다.』