이제 우리에게 중요한 것은 AI 리터러시
우리에게는 AI 리터러시가 정말 중요해.
우리에게는 AI 리터러시가 정말 중요해.
“AI AI AI! “
2019년 소프트뱅크 손정의 회장이 했던 말이다.
b 따봉요즘은 AI라고 하면 LLM(거대언어모델)에 기반한 생성형 AI(GPT)를 먼저 떠올릴 것이다.
당시는 바둑기사 이세돌과 알파고의 충격이 너무 컸기에 많은 사람들이 AI가 단지 바둑을 잘 두는 수준일 것으로 생각했지만.
이미 “Attention is All You Need”이라는 트랜스포머 모델에 대한 논문이 게시되었기 때문에 기술발전에 관심이 많은 사람들은 어느 정도 직감했을 것이다.
머지않아 평범한 사람들의 일상생활에도 AI가 큰 부분을 차지할 것이라는 것을.
아마도 현재 최소 고등학생부터 직장인 그리고 그 이상으로 전 연령대가 ChatGPT를 통해서 과제나 직무에 도움을 받을 것이다.
그만큼 AI를 이용하는 것이 이미 우리 일상에서 많은 부분으로 스며들었다.
심지어 요즘은 자신을 표현하는 자기소개서도 전부 ChatGPT를 이용해서 쓴다더라.
근데 자기소개를 하는 것인데 AI한테 그냥 다 맡겨도 되는 건가?
아무튼
나도 AI를 쓰는 걸 좋아하고 직접 파인튜닝 해서 로컬로 사용할 정도로 관심이 많은 사람이지만.
그래도 생성형 AI가 만들어 주는 답변에 대해서는 최대한 주의 깊게 판단하도록 집중하는 편이다.
또한 AI를 쓸 때는 정보검색과 같이 물질적이고 정량적인 요소들에 대해서만 이용하지 그 안에서 인사이트를 찾으려고 하지 않는다.
그리고 정보를 알아낸다고 해도 꼭 의구심이 들거나 중요한 사항이라면 직접 교차검증을 하려 한다.
여러 가지 이유가 있는데 일단 편향된 사고를 할 가능성이 높아지며
그 유명한 AI 할루시네이션 현상(AI가 생성한 정보에 허위 또는 날조된 정보가 포함되는 현상) 이 아직도 심심치 않게 뱉어내는 편이다.
세종대왕 맥북 투척 사건
당연히 요즘은 안 그런다특히 전문적이고 복잡한 사항에 관해서는 사용자도 혹하고 넘어갈 수 있기 때문이다.
그래서 우리는 이제 기존의 디지털/데이터 리터러시(문해력)를 넘어
AI가 뱉어내는 답변에 대해서도 옳고 그름을 판단하고 그것을 최적의 효율로 이용하는 능력을 갖추어야 한다.
이것이 AI 리터러시 능력이다.
나는 AI 리터러시가 확고한 사람이 AI를 더 빠르고 퀄리티 있게 사용할 수 있을 것이라 본다.
그럼 AI 리터러시를 어떻게 높일 수 있는데?
아직 이 부분에서 명쾌한 답이 정해져 있는 것은 아니지만
그래도 내가 지금 다른 사람들에 비해 AI를 잘 만지고 활용하는 사람이라고 자부할 수 있기 때문에 중요하다고 생각되는 몇 가지가 있다.
사실 많은 것들이 중요하다 생각하지만 3가지만 뽑자면.
첫 번째는
다양한 분야에 대해서 전문가 까지는 아니어도 어느 정도 깊이 있게 알아보는 호기심과 탐구적인 성향이다.
굳이 선천적으로 타고난 성향을 말하는 것이 아니다.
모든 사람은 자유와 호기심을 갈망하는 본능이 있기 때문에 새로운 사실을 갈망한다.
단지 요즘 우리가 일상에서 너무 많은 정보를 받아들이는 중이기에 이를 망각하는 것이다.
내가 이 탐구적인 성향을 기르기 위한 가장 좋은 방법이라고 생각하는 것은 독서이다.
요즘은 사람들이 웹상에서의 글이나 영상 사진을 너무 많이 본다.
긍정적으로 보자면 폭넓게 보는 것이지만 이는 개인의 디지털 리터러시에 많은 영향을 받는다.
누군가는 정말 좋은 정보들을 접근하겠지만 대부분이 단지 유희에 지나지 않는 정보만을 탐색한다.
그리고 좋은 정보라고 하더라도 나는 아티클을 읽는 것에는 한계가 있다고 본다.
웹의 아티클들을 읽는 것은 넓은 바다의 경치를 구경하는 것과 같지만.
책을 읽는 것은 깊은 바닷속을 탐험하는 것과 같다.
한 권의 책을 읽다 보면 작가의 문장 문단 챕터 사이의 유기적 연결들을 체감하고 이해하는 경우가 있다.
이는 단순히 웹에 기재된 글들을 읽는 것과는 다른 경험과 인사이트를 선사해 준다.
또한 그 깊이가 보장된 것이 출판된 책이기 때문에 깊이 있으며 폭넓은 분야를 알아가기엔 책을 넘는 것은 없다고 본다.
그리고 현재 많은 사람들이 이용하는 AI는 무차별 웹 크롤링 을 이용해 수집한 정보를 기반으로 하므로, 깊이성과 전문성이 결여된 경우가 많고 이를 사람이 직접 판단해야 한다.
그래서 AI의 답변을 판단하는 측면에서도 책을 읽어야 할 필요성이 있는 것이다.
두 번째는 감각적인 능력을 키우는 것이다.
흔히 말하는 오감이다.
시각 촉각 후각 미각 청각에 관련된 활동들에 집중해서 탐구해 보는 것이다.
다양한 사진을 찍어보거나, 미술관에 가서 그림을 감상하고, 다양한 향을 맡아보고, 음악에서의 화음과 조합을 잘 느껴보는 것이다.
단순히 즐기는 것을 넘어서 그 감각적인 부분에서 사소한 차이와 의미를 발견할 때 정말 큰 재미를 알게 된다.
나도 평소에 Midjourney나 Suno 같은 이미지 생성과 음악 AI를 가지고 노는 편이지만
아직까지는 AI가 사람이 만들어낸 그 감각적인 영역은 절대 구현하지 못한다는 것을 알게 되었다.
내 개인적인 생각이지만 가수 비의 깡은 아무런 맥락이 없어서 AI가 학습하지 못할 거 같다.누군가 정말 프롬프트 엔지니어링을 잘하는 사람이 와서 구현할 수도 있겠지만
공돌이들이 예술적 성향을 가지기엔 쉽지 않다.
아직은 멀다고 본다.
나는 이러한 감각적인 능력을 최대한 키우기 위해 주기적으로 전시회에 가서 작품들을 구경하러 간다.
뿐만 아니라 교보문고에서 저렴한 향수들 몇 개 사서 여러 책마다 각기 다른 향을 뿌리거나
공부 업무 등 여러 환경과 상황에 맞는 향수를 뿌려서 그 향을 느끼면서 작업한다.
감각을 지성으로 가공할 수 있는 능력을 키워야 한다.
마지막으로는 Attention이다.
Attention이라 함은 간단히 말해서 관심과 집중이라 할 수 있겠지만 살짝 그 의미가 다르다.
Attention의 어원은 라틴어 “Adtendere”에서 파생되어 왔다.
Adtendere는 두루마리로 된 그림을 한쪽으로 펼치는 것을 의미한다.
아마 시기적으로 보면 태피스트리를 벽이나 바닥에 활짝 펴는 것을 뜻하는 것 같다.
태피스트리그래서 우리가 Attention을 한다는 것은 단순히 기계적인 투입에서의 집중인 True/False를 넘어서 새로운 관점과 차원을 끊임없이 확장하고 보여주려는 집중과 집착에 가깝다고 본다.
Attention이라는 용어는 사실 지금 생성형 AI의 기반이 된 Attention is All You Need의
트랜스포머 모델 논문에서 나온 언어 메커니즘을 뜻하기도 하다.
하지만 내가 직접 여러 Ai 트랜스포머 모델을 만져보았을 때 단지 메커니즘이 중요하다는 의미가 아님을 깨달았다.
AI를 제대로 만들고 활용하고 싶다면 원하는 답이 나오지 않아도 그 과정을 과감하게 포기하고 처음부터 다시 시작할 수 있는 집착과 집중이 필요하다는 것을 의미한다고 본다.
적어도 나는 그렇게 생각하고
트랜스포머 모델에 대해서 처음 알아보기 시작했을 때도 그랬었다.
따라서 우리는 자신이 기존에 당연하다고 생각했던 관점들을 과감히 폐기하고, 새로운 변화 앞에서 처음부터 다시 시작하며 끊임없이 집중하는 Attention이 필요하다.
요약하자면,
AI 리터리시를 기르기 위해 우리는
감각을 지성으로 가공하고 Attention을 한 방울 떨어트리면 된다.
그림 보러 다니는 거 재밌어요