brunch

라이킷 댓글 공유 212 브런치 글을 SNS에 공유해보세요

You can make anything
by writing

- C.S.Lewis -

AI
by 카카오 정책지원파트 Apr 14. 2017

[카카오AI리포트]앤드류 응이 말하는 AI, 경영전략

카카오는 AI에 대한 사회적 관심을 높이는 동시에, 다양한 논의의 재료로 AI가 쓰일 수 있기를 소망하며 매달 리포트를 내고 있습니다. 카카오도 AI 기반 서비스와 비즈니스를 준비하지만, 기술 생태계를 키우고 사회를 바꾸는 것은 모두의 몫이라 믿어요. 현안을 나누고 지혜를 모으는데 조금이라도 거들겠습니다. 

 

[카카오 AI 리포트] Vol 2'는 다음 내용으로 구성되어 있습니다.


01. 앤드류 응이 말하는 AI, 그리고 경영전략 (이번글)

02. 세상을 바꾸고 싶다면, 딥러닝

03. AI, 지능정보기술 개발 및 활용의 바람직한 방향

04. 인간의 길, AI 로봇의 길

05. AI 온라인 강의 모음


[카카오 AI 리포트] Vol. 2 전체글 다운받기 


내용 중간의 [ ] 는 뒷부분에 설명 및 관련 문헌의 소개 내용이 있음을 알리는 부호입니다. 예를 들어, [1]에 대한 설명은 '설명 및 참고문헌'의 첫 번째에 해당합니다. 





1,300명이 넘는 바이두(百度, Baidu)의 연구 조직을 이끌어온 연구자이자, 전 세계 10만 여명에게 오픈 플랫폼으로 머신러닝(machine learning)을 무상으로 강의한 선생님[1]. 앤드류 응(Andrew Ng, 吳恩達) 박사는 인공지능(artificial intelligence, AI) 분야에서 이른바 ‘AI 사대천왕’ 중 한 명으로 꼽힌다. 평소에도 많은 기업 현장과 학계에서 러브콜을 받아왔던[2] 응 박사가 최근 바이두를 떠난다고 밝히면서 그의 다음 행보에 우리 사회의 관심이 쏠리고 있다. 응 박사가 바이두를 떠나는 소회를 밝힌 글도 세계 주요 매체들이 보도하며 화제가 됐다. 응 박사는 그 글에서  “AI는 새로운 전기(AI is the new electricity)”라며 AI의 미래 가치를 강조했다. 사실, 이 말은 지난 1월 미국 스탠포드대 경영대학원생을 대상으로 한 그의 특강 제목이기도 했다[3]. 세계 AI 연구자와 기업들이 스승이자 진정한 리더로 여기는 응 박사는 AI를 어떻게 바라보고 있을까. 그가 생각하는 AI의 가치와 AI의 발전 방향성 등을 그의 각종 인터뷰, 기고, 강연을 중심으로 살펴보았다.



1. 앤드류 응 그리고 AI


1.1. “AI가 단조로운 일로 부터 인간을 해방시키길 기대한다”


응 박사는 개인 홈페이지(http://www.andrewng.org/)에 간단한 자기 소개부터, 특정 연구 주제에 대한 강연 영상, 그리고 논문 목록까지 모두 공개하고 있다. 바이두를 떠난다는 결정 역시 예외는 아니었다. 2017년 3월 22일,  앤드류 응 박사는 “친애하는 친구들께”로 시작하는 770자의 글을 온라인에 올렸다[4]. “인공지능에서 나의 새로운 장(chapter)을 열기”란 제목의 글에서 응 박사는 “바이두를 곧 떠난다”고 깜짝 발표를 했다.  응 박사는 바이두에서 수석 부사장이자, 수석 연구원 자리를 역임하고 있었다. 응 박사는 “AI와 관련된 임무를 발전시키는 데 최적의 장소가 바이두라고 생각한다”라며 2014년 구글에서 둥지를 바이두로 옮겼던 터라[5], 응 박사와 바이두와의 결별 소식은 모두를 놀라게 했다. 2011년 제프 딘(Jeff Dean), 그렉 코라도(Greg S. Corrado)와 함께 구글 브레인 프로젝트(Google Brain Project)를 시작한 응 박사가 사회에 준 또 한 번의 충격이었던 것이다. 


구글에서 바이두로 응 박사가 이적한 일은 중국이 AI를 강화하려는 움직임의 상징으로  해석됐다[6]. 그가 이끈 1,300여명에 이르는 AI 조직 덕분에 바이두는 AI분야에서 세계적으로 손꼽히는 기업이 됐다[7]. 바이두는 자사의 트윗 계정을 통해[8] 응 박사가 회사를 떠난다는 글을 연결한 트윗을 리트윗하며, “앤드류 응 박사는 AI를 통해 삶을 발전시키고자 하는 목표를 함께 달성하기 위해 바이두에 합류했다. 지금도, 그 목표는 남아있다. (응 박사에) 감사하며, 행운을 빈다”는 메시지를 남겼다. 응 박사가 4월에 떠나면서 생기게 되는  빈 자리는 마이크로소프트(MS)에서 영입된 루치(Lu Qi, 陸奇) 박사가 이어나갈 전망이다[9]. 루치 박사는 올 1월 MS 응용프로그램 및 서비스 담당 수석부사장에서 바이두의 최고운영책임자(COO)로 자리를 옮긴 인물이다. 응 박사는 다음 행보에 대해 구체적으로 언급하지 않았다. 다만, 그는 “사회적 변화를 이끄는 이 중요한 일(AI 개발)을 지속하겠다”며, “우리 모두가 자율주행차, 의사소통을 할 수 있는 컴퓨터, 그리고 우리에게 고통을 주는 것이 무엇인지 파악하는 의료 로봇을 갖기를 희망한다”는 말로 자신의 미래 행보를 암시했다. 특히, 그는 “나는 AI가 운전과 같이 정신적으로 단조로운 일로부터 인류가 벗어날 수 있도록 해주기를 원한다”며 “이러한 일은 어느 한 기업 단위가 아닌 전 세계적 차원에서 수행될 수 있는 과제”라고 덧붙였다.  응 박사가 2017년 AI의 화두로 꼽은 것은 대화형 AI 였다[10]. 이는 인공지능 스피커와 챗봇(chat-bot)에 무게를 둔 전망으로 풀이된다. 


출처 | Andrew Ng 박사의 Facebook



1.2. “AI가 당장 할 수 있는 것과 그렇지 않은 것을 명확하게 구분해야”


응 박사는 AI의 미래를 낙관하는 편이다. 그는 100여년 전 전기에 의해 산업 혁명이 일어났듯, AI에 의해 모든 산업이 바뀔 것으로 전망하며[11], ‘사악한(evil) AI’가 단기간 내에 출현할 가능성을 높게 보지 않는다[12]. 인간의 지능을 뛰어넘는 초지능(superintelligence)의 출현 가능성에 대해, 응 박사는 “사악한 초지능의 등장을 현 시점에서 걱정하는 것은  화성의 인구 과잉 상태를 우려하는 것과 같다”고 말했다. AI가 그릴 미래를 낙관하지만, 산업적 도구로서 AI를 바라보는 응 박사의 관점은 현실적이다. 응 박사는 “당신의 비즈니스와 관련된 AI의 시사점을 찾고자 한다면, 과대 망상(hype)을 경계하고 AI가 현 시점에서 진정 무엇을 할 수 있는 지를 주시해야 한다”고 조언했다[13].


 기계 학습이 할 수 있는 것: 지도 학습에 바탕을 둔 간단한 생각[14]


응 박사는 AI의 노동 대체 문제에 대해서는 마냥 낙관론을 펴지 않는다. 그 보다는 AI의 노동 대체 가능성에 무게를 두고, 관련 주체들의 책임 의식을 강조한다. 응 박사는 “실질적인 문제는 (AI가) 인간의 직업을 대체하는 것”이라며 “인공지능이 사회를 개선하기 위해 기여하는 과정에서 발생되는 실업 문제는, 인공지능 개발자로서 책임을 가지고 해결해야 한다”고 강조했다[15]. 실업과 더불어, AI 연구에서 확보되어야 할 것으로 응 박사가 꼽는 것은 투명성이다. 이따금 세부적인 부분을 설명하지 않은 채 발표되는 AI 논문을 언급하며, 응 박사는 “(이같은 행위는) 투명성의 정의에 어긋나는 행동”이며 “(연구) 자료의 발표는 지식을 공유하는 행위”라고 평가했다[16].



1.3. AI 개발을 위한 최선의 길은 ‘많은 논문 읽고, 스스로 검증하기’[17]


응 박사는 AI 개발자들에게 “논문을 많이 읽고, 스스로 검증하라”고 당부하고 있다. 그는 스탠포드 대학에서 박사 과정을 밟고 있는 학생들을 살펴본 결과, 개발자들을 위한 최고의 교육 자료는 다양한 논문이라고 강조했다. 응 박사는 “읽은 논문을 토대로 똑같이 따라해서, 똑같은 결과를 스스로 확인하라”고 조언했다. 그는 “이러한 방식에 대해 많은 사람들이 과소 평가하기도 하지만, (앞에서 설명한 방식은) 신입 연구원들에게는 효율적인 방법”이라고 말했다. 응 박사는 “여러 논문을 충분히 읽고, 연구하고, 이해하고, 똑같은 결과를 모사할 수 있는 단계에 이르면 자신의 아이디어를 만들 수 있을 것”이라고 덧붙였다. 



2. 경영전략 관점에서 바라본 AI


다음은 앤드류 응 박사의 스탠포드대 경영대학원 특강의 요약본이다[18]. 응 박사를 화자(話者)로 설정하여, 아래 내용을 기술했다. 본문 중간에 삽입된 괄호 안의 내용은 필자가 이해를 돕기 위해 넣은 것이다. 특강의 내용을 주제별로 재구성했다. 


출처 | https://www.youtube.com/watch?v=21EiKfQYZXc




2.1. AI는 인간이 할 수 있는 것을 잘한다


약 100년 전, 미국에서 전기가 공급되기 시작했다. 기존 증기력(steam power)은 전력(electric power)으로 대체됐고, 이는 제조업, 농업 및 의료업의 혁신으로 이어졌다. AI는 산업혁명을 일으킨 전기와 같은 잠재력을 갖고 있다고 생각한다. 제가 속해 있는 IT업계는 이미 AI에 의해 변했다. 바이두의 웹 검색, 광고, 온디맨드(on-demand) 형태의 음식 배달 서비스도 인공지능으로 작동된다[19]. 핀테크 산업은 인공지능에 따른 변화가 가장 두드러지는 분야이다. 

AI는 향후 엄청난 경제적 가치를 창출할 것이다. 수십억 달러의 경제적 가치 창출은 AI에게는 어려운 일도 아니다. 그러나, AI가 무엇을 할 수 있을까에 대해 정확하게 알아야 한다. AI의 폭넓은 가능성에도 불구하고, AI는 인간의 지능에 비해 여전히 제한적이다. 

바이두의 프로덕트 매니저(product manager, PM)들이 AI를 업무에 접목시키기 위해 무엇을 하고 있는지 아는가? 그들은 자신들의 업무 중 AI로 대체될 수 있는 단순 업무를 찾으려고 노력한다. 이것은 바이두의 정책 하에 진행되고 있다. 그렇다면, AI가 할 수 없는 일에 대해 알아보자. 우선, 인간이 할 수 있는 일이라면, AI가 할 수 있는 최소한의 가능성은 존재한다. 그러나, 인간이 할 수 없는 것은 AI 역시 할 수 없다. 예를 들어, 주식 시장을 예측할 수 있는 것은 사실 인간의 영역 밖의 일이다. 그렇다면, 주식 시장을 예측할 수 있는 AI의 등장은 불가능하다.  인간의 능력으로 수행한 일에서는 AI는 빠르게 인간을 대체, 보완할 수 있다. 인간 방사선 전문의를 예로 들어보자. 이들은 축적한 데이터에 자신의 경험과 통찰력을 더해 진단을 내린다. 이 과정을 AI가 보완할 수 있다. 인간의 영역 내 산업에서 AI는 빠르게 발전하고 있다. 예외는 존재하지만, 80%~90%는 앞의 사례와 같은 경향을 나타낸다. 의료 영상 분야는 인공지능의 영향을 많이 받을 것이다. 앞으로 40년 정도 의료 영상 분야에서 직업을 찾고자 하는 사람들이 있다면, 그 직업을 추천하지 않을 것이다. 인간이 할 수 있는 일에 AI 역시 능숙하고, 인간이 할 수 없는 일에 자동화는 더디게 진행된다. 이로 인해, AI와 인간 간의 일자리 경쟁 구도가 형성된다. 



2.2. 5년 전 부터 갑자기 성공한 AI 역사 그리고 바이두로 본 현재 AI의 수준


AI에 대한 아이디어는 수 십년 동안 이어져 왔다. 그러나 눈에 띄는 AI의 발전은 5년 전 부터(2017년 1월 기준) 진행됐다. 비결은 데이터를 처리할 수 있는 기술이다. 데이터 처리 기술은 AI를 빠른 속도로 발전시켰다. 일반적으로 선도적인 AI 연구실은 기계학습을 연구하는 연구원과 슈퍼 컴퓨터를 연구하는 전문 인력으로 이뤄진다. 일부 연구실은 전통적인 기계학습 구조에 의존하고 있는데, 그들이 이러한 방향을 선택하는 이유는 기계학습과 슈퍼컴퓨터, 이 두 분야 모두에 능통한 사람이 드물기 때문이다. 

AI에는 두 번의 겨울이 있었다. 많은 기술들이 대개 몇 번의 겨울을 경험한 후, 영원한 봄을 맞이했다. 오늘날, AI는 영원한 봄의 시대에 진입했다고 생각한다. AI가 인류와 긴 시간 동안 함께 하는 시대가 도래했다고 생각한다. 이는 AI와 관련된 기술로도 7개 산업혁명을 위한 명확한 로드맵(roadmap)이 존재할 뿐만 아니라, AI가 이미 어머어마한 가치를 창출하고 있는 현실로 방증된다. 

(바이두의 사례로) 현재 AI가 이룬 단기적 성과에 대해 구체적으로 공유하고자 한다. 우선, 음성 인식 기술이다. 영어와 중국 등의 언어 음성 인식 기술은 인식률의 한계점을 넘었다. 음성 인식 기술이 가장 높은 인식률에 도달한 것은 불과 1~2년 전 일이다. 약 4~5개월 전(강연은 2017년 1월에 진행됨), 스마트폰에서 문자를 손으로 입력하는 것보다 음성 인식을 이용하면 3배 정도 빠르다는 결과가 도출됐다. 바이두의 음성 인식 사용자 수는 전년 동기 대비 100% 증가했다. 바이두 외 미국의 IT기업들도 AI 기반의 음성 인식 스피커를 개발하고 있다. 

컴퓨터 비전(computer vision)은 음성 인식보다는 더디게 발전하고 있는 데 반해, 안면 인식 기술 역시은 빠른 발전을 보이고 있다. 중국에서의 안면 인식 기술의 빠른 발전은 금융 거래의 필요에 따른 결과다. 미국이 노트북과 데스크탑 소비를 우선시 하는 데 반해, 중국 사람들은 스마트폰 소비를 중시한다. 스마트폰을 우선적으로 구매하는 것이다. (상거래 그리고 금융 거래 역시도 스마트폰을 중심으로 빠르게 발전하고 있다.) 중국의 학생들은 스마트폰을 이용하여, 학자금 대출을 신청하고, 수령한다. 이렇듯 일상화 된 스마트폰 중심의 금융 거래에서 신원 확인 절차의 중요성은 높아졌으며, 자연스럽게 중국에서 안면 인식 기술이 많이 연구되고 있다. 바이두에서는 별도의 사원증 대신, 안면 인식 기술로 출입 관리를 한다. 안면 인식 기술은 보안 시스템의 일종으로 활용할 수 있을 정도로 발전한 것이다. 



2.3. 신경망은 사실 인간의 뇌 구조와는 다르다[20].


(AI 연구에 활용되는) 신경망과 인간의 뇌 구조가 유사하다는 비유(analogy)는 마치 (AI 연구자들이) 인공 뇌를 개발하고 있는 것으로 믿게 한다. 그러나 인간의 두뇌가 어떻게 움직이는 지에 대한 정보는 없다. 인간의 뇌와 똑같이 작용하는 컴퓨터를 만드는 방법에 대한 정보는 더더욱 없다. 신경망이 인간의 뇌 구조와 유사하다고 하지만, 사실 ‘신경망’과 ‘뇌’ 구조는 너무나 다르다. 

신경망은 너무나 간단한 개념이다. 단순한 기계학습 예를 토대로 설명하겠다. 주택 거래에 필요한 데이터로 가로 축을 주택의 크기, 세로 축을 매매 가격으로 구성한 데이터 세트가 있다고 치자. 그리고 주택의 크기를 입력하면, 매매 가격이 출력되도록 구조를 만들자. 그리고 이 두 변인 간의 관계를 나타내는 함수를 뉴런(neuron, 신경 단위)로 가정하자. 신경망은 여러가지 뉴런을 연결해 놓은 것이다. 가격 외, 침실의 개수, 주택의 장소 등이 추가적으로 신경망의 입력 변인이 될 수 있을 것이다. 학습된 신경망은 특정 입력 변인 값을  넣으며, 망 스스로가 결과값을 제시한다. 대량의 데이터로 학습을 시키면 이 수준은 달성될 수 있다. 

앞서의 구조는 너무나 간단해 보인다. 그래서, 대학에서 신경망을 수학적으로 풀 때마다 ‘정말 이렇게 간단한 것인가?’라는 약간의 실망감을 얻기도 한다.  그리고 ‘뭔가 속이고 있는 것 같은데’라는 생각이 들기도 한다. 그런데 데이터를 입력해 보면, 무리 없이 작동한다. 신경망 네트워크에서 소프트웨어는 일부이며, 실제 수행 능력은 대량의 데이터에 의해 좌우된다. 물론, 데이터를 처리하는 컴퓨터의 처리 속도도 중요하다. 충분한 양의 데이터를 취합해도, AI연구자는 어마어마한 처리 비용을 감당하지 못하는 상황을 맞기도 한다. 고성능 컴퓨터(high performance computer)의 발전도 로드맵 하에서 진행되고 있다. 



2.4. 독보적인 AI 사업체가 되기 위해 필요한 요소(1): 데이터


오늘날 대부분의 인공지능 커뮤니티, 연구소는 상당히 개방적이다. 주요 기관들은 거의 대부분 연구 결과를 공개하고 있다. 바이두 역시 연구 논문을 공개하고 있다. 바이두는 논문의 내용을 구체적으로, 최대한 모든 것을 공개하려고 한다. 바이두 외, 다른 선도적인 기업들도 연구 결과를 투명하게 공개하고 있기에, 현재 ‘비밀 알고리즘’은 존재하지 않는다. 

(알고리즘의 투명성이 높아진 환경에서) 독보적인 AI 구축에 필요한 것은 두 가지다. 첫 번째는 데이터이다. 데이터를 수집하는 일은 쉬운 일이 아니다. 몇 가지 예를 들어 보자. 음성인식 기술을 위해서, (바이두는) 5만 시간에 달하는 (음성) 데이터를 활용하여 (AI를) 학습시켰다. 올해 10만 시간의 (음성) 데이터를 학습 시킬 예정이다. 이는 10년 치 음성 데이터로서, 노트북을 활용한다면, 2027년까지 프로그램을 돌려야 모든 음성 데이터의 재생을 완료할 수 있다. 또,  AI에서 많이 연구되는 안면 인식 기술을 살펴보자.  유명 컴퓨터 비전 논문에는 약 1,500만 개의 이미지가 사용된다. 바이두는 2억 개의 이미지를 최첨단 안면 인식 기술에 학습시키고 있다. 이 정도의 데이터는 수집하기도 어려울 뿐만 아니라, 대기업이 아니고 5~10명으로 구성된 팀은 분석하기도 쉽지 않은 규모다.  

AI를 준비하는 기업은 때로는 수익이 아닌 데이터 확보를 위해 사업을 전개하기도 한다. 관련 사례를 알려달라는 요청을 많이 받지만, 그에 대한 답변은 할 수 없다. 분명한 것은 기업이 데이터만을 위해 사업을 벌이기도 한다는 것은 자주 활용되는 전략이라는 것이다. 기업은 수집된 데이터를 기반으로 별도의 사업을 일으켜 수익화한다. 


[ AI 기술 별 학습에 소요되는 데이터의 규모 (바이두 사례) ]

AI 기술 - 기계 학습을 위한 소요 데이터

음성 인식 - 10년 치의 음성 데이터

안면 인식 - 2억 개의 이미지




2.5. 독보적인 AI사업체가 되기 위해 필요한 요소(2): 기획력, 기획자와 개발자 간의 소통, 그리고 가치 사슬 후속 과정에 대한 세밀한 관리


AI 분야에서 성공하기 위해 필요한 두 번째 요소는 ‘기획력’(앤드류 응은 ‘재능(talent)’이란 말로 표현했으나, 문맥을 고려해 필자는 ‘기획력’으로 의역했다)이다.  AI는 비즈니스의 특색에 맞게 적용되어야 한다. 공개된 소스 패키지를 무작위로 적용해서는 안된다. 인공지능 분야에서 독보적인 서비스를 만들기 위해서는 긍정적인 피드백 고리(positive feedback loop)를 만들 줄 알아야 한다. 바이두의 예를 들어보자. 바이두는 음성 검색 기능을 가능하게 하는 음성 인식 체계를 개발했다. 이 서비스는 많은 이용자를 불러 모았다. 이용자의 사용 이력은 자연스럽게 데이터로 변환된다. 기계학습 체계는 시스템 개선을 위해 이 데이터를 활용한다. 이것이 바로 긍정적 피드백이다. 새로운 제품 혹은 서비스를 기획할 때, 이러한 순환 구조를 어떻게 기획할 지를 계획해야 한다. 

기획 과정에서 주의해야 할 점은 AI 기술에 일반적인 규칙은 없다는 것이다. AI가 적용되는 상품 혹은 서비스마다 최적의 적용 조건이 존재한다. 특정 상품이나 서비스에 최적의 효율을 가져온 방식을 보편화 하는 것은 무리가 있다. 

긍정적 피드백의 구축을 위해 필요한 것이 기획자인 PM과 개발자 간의 협업이다. PM과 개발자 간의 효과적인 소통이 이뤄지는 AI 연구팀은 전 세계에서 소수에 불과하다. PM이 자신의 기획 의도대로 데이터를 개발자에게 전달해도, 개발자가 이를 중시 여기지 않고 자신만의 생각대로 일 처리 하는 경우가 다반사다. PM과 개발자는 같은 자리에서 서로의 의도를 설명하며, 대화를 나눠야 한다. 동일한 맥락에서, AI 제품 혹은 서비스는 화려하지만, 실용성을 갖추지 못한 경우가 많다. 현재의 AI 상품 혹은 서비스는 가치 사슬(value chain)의 후속 과정(downstream)을 도외시하는 경향을 보이고 있다. 


[ 앤드류 응 박사가 말하는 AI 사업의 성공을 위한 네 가지 요소 ]

1. 데이터
2. 기획력
3. 기획자와 개발자 간의 소통
4. 가치 사슬 후속 과정에 대한 세밀한 관리



2.6. AI에 대한 과장된 우려는 경계하되, AI의 일자리 대체 현상엔 주목해야 한다


불행하게도 AI가 인류를 해칠 수 있다는 가능성과 두려움은 그 분야에 대한 연구비 지원을 늘리고 있다. 그리고 이같은 연구는 과장된 정보를 더 생산하는 구조로 이어지고 있다. 이는 AI를 중심으로 한 또 하나의 순환 구조이다. 이 구조에 대해서는 개인적으로 마음이 불편하다. AI가 완벽한 지각을 갖출 수 있는 방법도 없을 뿐더러, 그러한 결과는 (현재로서는) 상상이 되지 않는다. 몇 십 년, 몇 천 년 후에는 가능할 지 모르지만, 현재로서는 상상이 되지 않는다. AI가 탑재된 로봇이 인간을 죽이는 일에 대한 걱정은 화성의 과잉 인구 현상을 걱정하는 것과 같다고 생각한다(앞서도 보았듯이, 응 박사는 AI에 대한 비관론을 비판하는 비유로서 이 표현을 반복적으로 활용하고 있다). AI가 작곡도 하고, 그림도 그리지만, 복잡성을 지닌 발명품 혹은 완전히 새로운 창작물을 개발한다는 것은 아직 먼 미래의 일이다. 

윤리적인 문제가 일어날 가능성을 AI와 엮곤 한다. 자율주행차의 예를 들어보자[21]. 트롤리 딜레마(trolley problem)의 상황은 철학자들에게 중요한 주제이지만, 자율주행차 개발자에게는 관심 영역 밖의 사안이다. 이런 문제가 발생한다면, 그것은 자율주행차에 결함이 있어 발생하는 것이다. 그런데, 운전하는 과정에서 트롤리 딜레마와 같은 일이 벌어질 가능성은 희박하다. 이 보다는 바로 앞의 차를 추돌하는 가능성을 걱정하는 게 현실적이다.

과장된 유언비어 혹은 우려로 인해, AI로 인한 일자리 대체 현상이라는 더 심각한 문제가 희석(whitewash)되고 있다. 기계학습 전문가들과 그들이 진행하고 있는 프로젝트에 대한 이야기를 들어보면, 그들의 프로젝트가 상당수 인간의 일자리를 위협하고 있음을 알 수 있다. 그러나 정작 위협 받고 있는 직업의 종사자들은 그러한 위협을 인지하지 못하고 있다. 실리콘밸리의 기업들은 막대한 부를 창출해야 하는 문제 외, 그들 스스로가 초래한 문제에도 책임있는 자세를 가져야 한다. AI로 인한 일자리 대체가 그 중 하나다. 

AI로 인해 발생할 실업난을 겪을 사람들이 새로운 직업에 필요한 재능과 기술을 배울 수 있는 시스템이 도입되어야 한다. 정부는 새로운 기본소득(basic income) 모델을 도입해야 한다. 이 두 가지는 AI로 인해 발생되는 실업자가 다시 노동사회로 돌아가기 위해 필요한 교육 및 기술을 제공되기 위해 갖춰져야 하는 조건이다. AI로 인한 실업난과 AI 때문에 생길 새로운 직업을 마주해야 하는 세대를 위한 사회적 변화가 필요하다. 



글 | 김대원 ive.kim@kakaocorp.com
로봇저널리즘을 비롯해 로봇 그리고 인공지능이 사회에 어떻게 확산될 지, 그리고 앞선 새로운 기술이 확산되기 위한 조건이 무엇인지를 살펴보고 있다. 로봇 그리고 인공지능의 건전한 발전을 위해서는, 사회과학도 공학에 버금가는 날개를 확보해야 함을 강조한다. 두 날개로 날아야 새는 멀리 갈 수 있기에.





[1] 설명 | 앤드류 응 박사는 온라인을 통한 무료 강의에 스스로가 기여한 사실에 큰 의미를 부여한다. 응 박사는 홈페이지에서 자신에 대한 소개(http://www.andrewng.org/about/)에 현 직함 및 직책 외에 스탠포드대학에서 그가 온라인 공개강좌의 개발을 이끈 사실을 가장 우선적인 업적으로 기술하고 있다.

[2] 참고 | 그는 주 단위로 기업들로 부터 2~3개의 기계학습 컨설팅 제안을 받고, 기계학습 전공 학생들을 스카웃하겠다는 이메일을 5~6통 받는다고 한다. 응 박사의 연구실 내 1~2명의 학생이 투입되는 연구 용역비는 한 해 단위로 8만 달러(8,980만 원)에서 20만 달러(22억4,5000만 원)에 이른다. 연구비의 원화 환산 기준 환율은 1달러에 1,122.5원이다.  URL: http://www.andrewng.org/faq/, 앤드류 응 박사의 한국인 제자로는 미시간 대학(University of Michigan)의 이홍락 교수(컴퓨터 과학 및 엔지니어링 학부)가 있다. 이 교수의 홈페이지 URL: http://web.eecs.umich.edu/~honglak/

[3] 참고 | URL: https://www.youtube.com/watch?v=21EiKfQYZXc, 앤드류 응 박사가 화이트 보드를 활용해 판서를 하면서 열정적인 강연 그리고 학생의 질의에 대한 응 박사의 답변 내용을 직접 보고자 하는 이들은 유투브 동영상을 직접 보기를 권한다. 유투브 동영상은 1시간 27분 43초 분량이다.

[4] 참고 | https://medium.com/@andrewng/opening-a-new-chapter-of-my-work-in-ai-c6a4d1595d7b#.pwlongeri

[5] 참고 | http://venturebeat.com/2014/07/30/andrew-ng-baidu/

[6] 참고 | http://v.media.daum.net/v/20160417080009440

[7] 설명 | 응 박사가 지목한 분야는 음성인식(speech recognition), 자연어 처리, 컴퓨터 비전, 기계학습, 지식 그래프이다. 

[8] 참고 | https://twitter.com/Baidu_Inc/status/844404195792998401

[9] 참고 | https://www.ft.com/content/4d23755c-0ead-11e7-b030-768954394623

[10] 참고 | http://time.com/4631730/andrew-ng-artificial-intelligence-2017/

[11] 참고 | https://medium.com/@TMTpost/baidu-opens-access-to-its-speech-recognition-technology-but-dreams-elsewhere-tmtpost-17ee8637b95c#.bjpnfvttg

[12] 참고 | http://www.huffingtonpost.com/quora/chief-scientist-at-baidua_b_9187572.html

[13] [14] 설명 | 앤드류 응 박사는 2016년 11월 9일 <하버드비즈니스 리뷰>에 “바로 지금, AI가 할 수 있는 것과 할 수 없는 것”이란 글을 썼다. 원문 URL: https://hbr.org/2016/11/what-artificial-intelligence-can-and-cant-do-right-now?utm_source=twitter&utm_medium=social&utm_campaign=harvardbiz#sthash.wksQXstG.dpuf

[15] 참고 | http://www.huffingtonpost.com/quora/chief-scientist-at-baidua_b_9187572.html

[16] 참고 | http://time.com/4631730/andrew-ng-artificial-intelligence-2017/

[17] 설명 | 후술할 스탠포드대 경영대학원 강연의 질의 응답에 나온 내용이다. 뒷부분의 내용과 이질적인 특성 때문에, 관련 내용을 이 곳에 서술한다. 

[18] 참고 | 요약 과정에서 일부 의역이 있다. 오역을 발견하시면, 카카오 AI리포트 편집진 이메일(kakaoaireport@kakaocorp.com)로 의견을 부탁드린다.

[19] 설명 | 이 강연은 응 박사가 바이두에 속해 있는 2017년 1월에 이뤄졌다.

[20] 설명 | ‘how it works’를 ‘구조’로 의역했다. 

[21] 설명 | 제어 불능인 트롤리(공사 현장에서 선로로 짐을 운반하는 차)가 선로의 다섯 사람을 향해 달려 가고 있고, 이 때 다섯 사람을 구할 수 있는 방법은 선로 밖 한 명을 선로 위로 밀쳐서 희생시켜 트롤리의 이동 경로를 바꾸는 방법만이 존재한다고 가정할 때, 어떤 결정을 내려야 하는 지 묻는 윤리적 사고 실험. 특강 중, 한 학생이 “특강 중 자율주행차량이 추돌 상황에서, 운전자와 보행자 중 누구를 위한 설계를 해야 하는 지”를 물었다. 본문의 내용은 그에 대한 응 박사의 답을 활용한 것이다.



keyword
magazine AI
카카오 정책지원파트의 브런치입니다.
댓글

    매거진 선택

    키워드 선택 0 / 3 0
    브런치는 최신 브라우저에서 최적화 되어있습니다. IE chrome safari