AI 연구자가 노벨상을 받다
학문의 경계에 대한 이야기
올해 노벨물리학상을 수상한 학자는 AI 연구자이다.
또한 노벨화학상은 세 명이 받았고 그 한 명은 AI 기업 리더이다.
1. 존 홉필드: 물리학자이자 신경과학자로, 홉필드 네트워크라는 개념으로 유명하다. 이는 기억과 연관된 신경망 모델로, 신경망을 통해 정보가 저장되고 처리되는 방식을 설명하는 데 중요한 기여.
2. 제프리 힌튼: 딥러닝의 선구자 중 한 명으로, 인공지능 연구에 중요한 공헌을 한 컴퓨터 과학자이다. 힌튼은 인공신경망과 딥러닝의 발전에 크게 기여.
3. 데미스 하사비스: 단백질 구조를 예측하는 구글 딥마인드의 알파폴드 개발.
학문의 경계에 대하여
인공지능이 유용하고 쓸모 있다는 사실은 모두가 체감하고 있다. 그럼에도 이번 노벨상 수상이 놀라운 이유는 AI 분야의 영향력이 인식의 범위를 넘어가기 때문이다. 한편으로 대중에게 컴퓨터 공학이라는 인식이 강했던 Ai가 이제는 물리학이나 화학이라는 세부 분야에서 위대한 업적을 남긴 것이다. 과거부터 학문은 향상 경계가 있었다. 간혹 두 학문이 융합되어 큰 연구가 나타나기는 하지만, 학문들은 서로 닿지 않는 물줄기처럼 독립적인 흐름을 유지했다.
문학을 생각해 보자.
내가 글쓰기를 좋아한다면, 국어를 배우고, 소설을 쓰고,
나중에 브런치 작가상을 수상할 꿈을 가질 수 있다.
이 글을 Ai시대에 맞춰서 바꿔보자.
내가 AI와 국어를 좋아한다면, 만들어진 AI가 국어를 배우고, 소설을 쓰고,
나중에 브런치 작가상을 수상할 꿈을 가질 수 있다.
단지 앞부분을 바꿨다. (1) AI를 좋아한다 (2) AI가 무언가 한다. 뒤에서 글을 쓰고 수상을 하는 전개는 그대로이다. 따라서 학문의 규칙대로 Ai는 발전을 이루어 나가고 나중에 보상을 취득한다. 다만, 내가 하는 게 아니라 Ai가 대신해준다. 한편으로 나는 문학에 대해서 몰라도 된다.
노벨상을 받은 수상자들은 이를 위한 Ai를 만든 업적으로 물리학과 화학 분야에서 수상하였다. 물론, 이러한 Ai를 만들기 위해서는 그 분야에 대한 깊이 있는 이해가 필수적이었다. 그러므로 노벨상을 수상한 인물들은 단순히 Ai 기술을 만든 게 아니라 분야에 접목시켜서 기술을 만들었다.
두 명의 연구자를 고려해 보자.
1) 특정분야 지식 40 + Ai기술 60 = 100 기여
2) 특정분야 지식 90 = 90 기여
Ai 기술을 활용했는지와 별개로 (1) 번은 100 만큼 기여했다. 반면 (2) 번은 혼자서 90만큼 기여했다. 두 사람 중 노벨상을 수상해야 하는 사람은 (이번 노벨상 결과를 토대로 보면) 첫 번째 사람이다.
나는 노벨상을 받은 사람이 해당 분야에 대한 학문적 기여가 적다거나 이해력이 부족하다고 전혀 생각하지 않는다. Ai기술이 지닌 효용을 설명하기 위해서 "순수하게 해당 학문에서 연구한 사람"보다 지식이 적다는 표현을 사용하였다.
학문의 경계, 그 아래에 존재하는 Ai
Ai가 부족한 부분을 채워준다는 것은 일반인이 생각도 생각할 수 있는 부분이다. Ai 분야와 다른 분야의 차이를 해석한다. 그러나 나는 이 모델링이 옳지 않다는 것을 안다. Ai기술은 다른 분야와 다른 특성을 지닌다.
기억하자.
Ai의 본질은 학습 (learning)이라는 것이다. 학습이라는 것은 분야에 대한 이야기가 아니라, 분야를 정복하는 것에 대한 이야기다. 학문들, 물리학, 수학, 화학, 문학과 같은 다양한 분야에 대한 구분이 존재해서 영향을 끼치지 않는 독립적인 공간으로 존재하지 않는다. Ai 연구는 배움을 정복하는 방법을 연구하는 분야이다.
이 개념은 메타인지와 닮아있다. 생각이 아니라, 생각하는 법을 고려하는 메타인지처럼
AI도 학문이지만, 학문을 위한 학문에 가깝다.
사람의 입장에서 문학과 수학은 굉장히 다르다. 하지만, 놀랍게도 Ai에게 두 분야는 차이가 없다. 둘 다 배움의 대상이며 규칙과 패턴을 토대로 분야의 지식을 취득한다. 결론적으로 Ai 분야라는 것은 학문의 경계 입장에서 존재하지 않는다. 그러므로 Ai를 연구하면 어떤 분야에도 기여할 수 있고, 어떤 분야에서 상을 받더라도 놀랍지 않을 수 있다.
미래
혹시 칸트의 정언명령을 아는가? 그중 보편화 원칙이라는 게 있다. 거짓말을 하면 안 되는 이유는 모두가 거짓말을 하는 사회가 나쁘다는 것. 이 도덕적 원칙을 실제로 검증하는 것은 어렵다. 하지만 최근 연구에서는 Ai들로 이루어진 세계에서 정언명령의 유무에 따른 생태계 변화를 실험했다.
[보편화 원칙을 모를 때와 알 때의 차이]
초록색으로 성능이 향상된 것은 보편화 원칙이 추가되어 효용이 증가한 것을 나타낸다.
나는 매주 글을 쓰면서, 새로운 논문을 보면서 다양한 적용방식을 본다. 맨 처음 글을 연재하는 시점부터 지금까지 매주가 새로웠다. 이번에 Ai가 노벨상의 경계를 넘은 것도, 칸트의 정언명령을 실험적으로 증명한 것도 단 일주일 사이에 또다시 세계가 바뀌는 것이다.
미래가 어떻게 바뀔지 모른다. 왜냐하면 나는 "철학들을 Ai로 실험할 수 있을 거라는 현실을 예측"하지 못했다. 전혀 생각하지 못했다. 그러니까 앞으로 일어나는 일들에 대해서도 나는 예측할 자신이 없다. 다만 앞으로 더 많은 가능성이 존재한다는 것을 안다.
학문의 경계가 완전히 사라졌다.
모든 학문들이 서로 연결되고
학문이 생각하지 못한 방식으로 융합된다.
미래는 관찰할 틈을 주지 않고 바뀐다.
눈 깜빡할 틈이 없다.
