서비스 업계의 인공지능 (6/8)
"서비스 업계의 인공지능(Artificial Intelligence in Service)은 Ming-Hui Huang과 Roland T. Rust 가 쓴 글입니다.
A Theory of AI Job Replaceme
인공지능 일자리 대체 이론
<그림 3> 일자리에 관한 지능의 상대적 중요도
Stage 4: AI Replaces Mechanical, Analytical, Intuitive, and Empathetic Jobs
4 단계: 인공지능은 기계적, 분석적, 직관적, 공감적 일자리를 대체한다
Proposition 4: In Stage 4, all human jobs decrease, with empathetic intelligence still being the most important (proof in the Appendix).
제안 4: 4 단계에서 모든 인간의 인자리는 감소하고, 여전히 공감 지능이 가장 중요하다.
Empathetic AI is currently being developed for all aspects of service, both in the front end and back end. For front-end interaction, for difficult or communication intensive customer service, emotional bots can lighten the load of customer service reps and alleviate consumer irritation (Poggi 2017). The chatbot, Replika, doesn’t just talk to people but also learns and mimics their texting styles, which can further personalize frontline communications (Huet 2016). Affectiva’s emotion recognition software development kit has been embedded into games, via a Unity3D plugin and other platforms, so gameplay can morph to address a player’s psychological responses. Stuart (2017) reports that emotion-aware digital devices can detect that a consumer is sad, and zoom off to the kitchen to make coffee, or at least instruct the IoT system to open the blinds and let the sunshine in, and Hollywood is also using it to tweak trailers to ensure sold-out crowds on movies’ opening weekends.
공감 인공지능은 영업 및 영업 지원 부서 모두에서 발전하고 있습니다. 영업 업무 중에 어렵거나 커뮤니케이션 집약적인 고객 서비스의 경우 감정 봇들은 고객 서비스 담당자의 부담을 줄이고 소비자의 짜증을 완화시킬 수 있습니다. 리플리카의 챗봇은 사람들과 대화하는 것뿐만 아니라 그들의 채팅 스타일을 배우고 모방합니다. 챗봇은 시간이 흐를수록 학습을 통해 더욱 개인화된 채팅 서비스를 제공할 수 있습니다. Affectiva의 감성 인식 소프트웨어 개발 키트는 Unity3D 플러그인과 다른 플랫폼을 통해 게임 스토리는 플레이어의 심리적 반응에 따라 달라질 수 있습니다. 스튜어트는 감성 인식 디지털 기기가 소비자가 슬프다는 것을 감지할 수 있고, 주방에 접근하여 커피를 끓이고, IoT 시스템에 접속하여 블라인드를 열어 햇볕이 들어오도록 할 수 있으며, 할리우드는 영화 개봉 첫 주말에 영화표가 매진되도록 예고편을 편성하는 데 사용한다고 발표하였습니다.
For back-end support, empathetic AI applications can provide emotional analytics for customer experience and engagement. For example, Affectiva measures and analyzes human expressions and categorizes them into emotions (sadness, happiness, anxiety, joy, etc.). Those then can be used to track not just what customers say but how customers really feel (Stuart 2017). Such AI can identify customer emotions, so that employees can figure out the right responses or the firm can deliver the right service at the right time. Based on a similar concept, Xiao and Ding (2014) consider artificial empathy as a model-based approach to infer a consumer’s internal states (cognitive, affective, physical) based on the information he or she emits (audio, video, or other formats) as well as to infer a consumer’s reaction given a particular set of stimuli. They use face recognition to recommend faces to be used in ads. Kmart Australia uses machine learning to decide the way emotions should be incorporated into its TV commercials to increase likelihood to choose its store and increase its earnings (Roberts et al. 2015).
영업 지원을 위해, 공감 인공지능 애플리케이션은 고객 경험과 참여를 위한 감정 분석을 제공할 수 있습니다. 예를 들어, Affectiva는 인간의 감정 표현을 측정 및 분석하고, 감정(슬픔, 행복, 불안, 기쁨 등)을 분류합니다. 공감 인공지능은 고객이 말하는 것뿐만 아니라 실제로 고객이 느끼는 것을 추적합니다. 공감 인공지능은 고객의 감정을 식별하여 직원들이 적절한 대응책을 강구하거나 회사가 적절한 서비스를 적시에 제공할 수 있도록 합니다. 비슷한 개념에 근거하여, 샤오와 딩은 인공 공감을 자신이 방출하는 정보(오디오, 비디오 또는 기타 형식)와 특정 자극 집합에 따른 소비자의 반응을 추론하는 모델 기반 접근법으로 간주합니다. 인공지능은 광고에 사용될 얼굴을 추천하기 위해 얼굴 인식을 사용합니다. Kmart Australia는 매장의 선택 가능과 수익을 늘리기 위해 자사의 TV 광고에 감정이 반영되는 법을 결정하기 위해 기계 학습을 사용합니다.
In this stage, it should be clear that all human jobs are under threat from AI. All intelligences are in decline, but empathetic skills remain the most important. Service workers thus need to develop empathetic skills to cope. Upgrading intuitive skills to empathetic skills is a more natural extension than upgrading analytical skills to intuitive or empathetic skills because analytical thinking, to a great degree, takes place in a different part of the brain (mostly the left cerebral cortex) than the kind of holistic thinking that is necessary for intuition and empathy (mostly the right cerebral cortex). At the risk of oversimplifying, right brainers are more intuitive and creative (making decisions with incomplete information), whereas left brainers are good at calculation and analysis skills (making decision with compete information). Bianchi (2016) argues that in this big data analytic world, to stand out, marketers need to have the ability to balance right brain and left brain and to look beyond the numbers and tools and focus on how to connect with people.
3 단계에서, 인공 지능이 모든 인간의 일자리를 위협한다는 것은 분명합니다. 모든 지능은 쇠퇴하고 있지만 공감 기술은 여전히 가장 중요합니다. 그러므로 서비스 근로자들은 대처할 수 있는 공감 능력을 개발할 필요가 있습니다. 직관 기술을 공감 기술로 업그레이드하는 것은 분석적 기술을 직관적 또는 공감적 기술로 업그레이드하는 것보다 자연스러운 과정입니다. 왜냐하면 분석적 사고는 직관과 공감에 필요한 전체론적 사고와 달리 뇌의 다른 부분(대부분 왼쪽 대뇌피질)에서 발생하기 때문이다. (대부분 오른쪽 대뇌피질) 우뇌는 직관적이고 창의적인지만 불완전한 정보로 의사결정을 내리는 단순화의 위험이 빠질 수 있습니다. 반면에 좌뇌는 경쟁 정보로 의사결정을 내리는 것과 같이 계산과 분석 능력이 뛰어납니다. 비앙치(2016년)는 이 빅데이터 분석 세계에서 두각을 나타내기 위해서는 마케팅 담당자들이 우뇌와 좌뇌의 균형을 맞추고 숫자와 도구를 넘어 사람들과 어떻게 연결될 것인가에 초점을 맞출 수 있는 능력을 갖추어야 한다고 주장합니다.
Stage 5: Human Replacement or Integration
5 단계: 인간을 대체하거나 인간과의 통합하는 것
Proposition 5: In Stage 5, AI either replaces all human jobs or completely integrates with human workers (proof in the Appendix).
제안 5: 5 단계에서 인공지능은 모든 인간의 일자리를 대체하거나 인간 노동자와 완벽하게 통합한다.
The ultimate path for AI can be replacement or complete integration with human workers. In Stage 5, AI has become at least as intelligent as humans in all four intelligences. Since AI can think and feel like humans, it has the ability to take over all tasks/jobs. Therefore, the best case scenario between humans and machines is that they work together seamlessly. There are multiple possibilities for this integration:
인공지능의 궁극적인 경로는 인간을 대체하거나 인간 노동자와의 완벽한 통합입니다. 5 단계에서 인공지능은 적어도 4가지 지능에서 인간만큼 지능이 높아집니다. 인공지능은 인간처럼 생각하고 느낄 수 있기 때문에 모든 업무/직무를 맡을 수 있는 능력을 갖고 있습니다. 그러므로 인간과 기계의 가장 좋은 시나리오는 끊임없이 함께 일하는 것입니다. 이러한 통합에는 여러 가지 가능성이 있다.
Dual service provision. 이중 서비스 제공 (인간과 기계가 같은 서비스를 제공)
This reflects a segmentation view that some customers may want to pay a premium for human interaction or human touch. Just as the emergence of TV watching replaced movie going, but there are still some people who enjoy going to movie theaters, it is possible that some people will still prefer knowing that they are being served by humans, even though the service may be inferior in every other way. In this possibility, both humans and machines end up providing service, but each serving its own target segment. In other words, human jobs still exist but as a niche preference.
어떤 고객들은 사람과의 접촉과 교감을 위해 프리미엄 비용을 지불하기를 원할 수도 있다는 세분화된 관점을 반영한 것입니다. TV가 등장하면서 영화 관람을 대체했지만, 여전히 일부 사람들은 영화관에 가기를 즐깁니다. 어떤 고객들은 서비스가 좋지 않을지라도 사람이 제공하는 서비스를 선호할 것입니다. 이런 가능성에서, 인간과 기계는 결국 서비스를 제공하지만 각각의 목표 시장은 다릅니다. 다시 말해서 인간의 일자리는 니치 마켓에서 여전히 존재합니다.
Human–machine division of labor. 인간과 기계의 분업 (인간과 기계가 서로 다른 역할을 담당)
In this possibility, humans and machines work together to provide service. It may stimulate insights for high-touch service because some believe that the human brain (feel in a holistic way) and empathetic AI (feel in a logical way) experience emotions in different ways. This view considers that HI is biological and can’t be fully described by computational methods (Winkler 2017). In this view, better AI can only make humans more powerful. Russell, a computer scientist and founder of the Center for Intelligent Systems at the University of California and the coauthor of Artificial Intelligence: A Modern Approach (Russell and Norvig 2010), concluded in an interview with Tech Insider (Del Prado 2015) that “the way I think about it is everything we have of value as human beings—as a civilization—is the result of our intelligence. What AI could do is essentially be a power tool that magnifies human intelligence and gives us the ability to move our civilization forward.”
인간과 기계는 서비스를 제공하기 위해 함께 협력합니다. 이것은 하이 터치 서비스를 위한 통찰력을 제시할 수도 있습니다. 왜냐하면 어떤 사람들은 인간의 뇌(총체적인 방법)와 공감 인공지능(논리적인 방법)은 서로 다른 방식으로 감정을 표현한다고 믿기 때문입니다. 이런 관점은 인간 지능은 생물학적이어서 컴퓨터적인 이진법으로 충분히 설명될 수 없다는 것을 고려한 것입니다. 더 나은 인공지능은 단지 인간을 더욱 강력하게 만들 뿐입니다. 컴퓨터 과학자 겸 캘리포니아 대학의 지능형 시스템 센터 설립자 겸 "인공지능: 현대적 접근법"의 공동저자인 러셀은 테크 인사이더와의 인터뷰에서 "인공지능에 대해 내가 생각하는 방식은 문명과 인류로서 우리가 가지고 있는 가치 있는 모든 것은 우리의 지능의 산물입니다. 인공지능이 할 수 있는 것은 본질적으로 인간의 지능을 확장하고 우리 문명을 발전시킬 수 있는 동력을 인간에 주는 것입니다"라고 결론 지었습니다.
Machines serving humans. 인간에게 서비스하는 기계
In this possibility, AI does the tasks/jobs that humans don’t want to do, while humans can cherry pick the tasks/jobs they want to keep and have a better quality of life. This is a human-centric view such that AI continues to serve humans’ needs, even if it can be smarter than humans. To the extreme when all tasks can be done by AI, it may mean that it is a world in which humans no longer need to do any work but may focus on just enjoying their lives. It is a humanity achieved with machines doing all the work and humans enjoying recreation. The concern is that an economy run by AI for machines may not find value in letting this happen.
인공지능은 인간이 하기 싫어하는 업무나 일자리를 하는 반면, 인간은 자신이 지키고 싶은 업무나 일자리를 고를 수 있고 더 나은 삶의 질을 누릴 수 있습니다. 인간 중심적 시각으로 인공지능이 인간보다 똑똑할 수 있어도 인간의 필요를 계속 충족시킵니다. 인공지능이 극단적으로 모든 업무를 수행할 때 인간은 더 이상 어떤 일도 할 필요가 없고 그저 인생을 즐기는 데만 몰두할 수 있는 세상이라는 의미일 수도 있습니다. 기계가 모든 일을 하고 인간이 휴양을 즐깁니다. 염려스러운 점은 인공지능이 운영하는 경제에 대한 가치를 찾지 못할 수 있습니다는 점입니다.
Machine-enhanced humans. 기계로 강화된 인간
In this possibility, humans are physically or biologically integrated with machines, and AI becomes a technological extension of humans. We have seen some experimental use for medical service, for example, connecting paralyzed people’s brains with mechanical devices by implants or brain monitors to help them write and move, using only their thoughts (Winkler 2017). Elon Musk, SpaceX and Tesla CEO, launched Neuralink, a venture to merge human brains with AI to help people keep up with machines. The purpose is to implant tiny electrodes in human brains to improve memory or allow for more direct interfacing with computing devices. Musk considers this is a merger of biological intelligence (HI) and digital intelligence (Winkler 2017). A more dramatic application is human augmentation. Meabh Quoirin, co-owner and CEO of the Foresight Factory & Future Foundation, says that one possibility for AI is “beyond human,” which adds human bio-enhancements, prosthetics, or implants. It may also work from a shorter term customer experience perspective to enhance customer experience.
인간은 물리적으로나 생물학적으로 기계와 통합되어 있습니다. 인공지능은 인간의 기술적인 확장이 됩니다. 예를 들어 마비된 사람들의 뇌를 임플란트나 뇌 모니터에 의해 기계적인 장치와 연결시켜 그들의 생각만을 활용하여 글을 쓰고 움직일 수 있도록 돕는 것을 의료 서비스에 실험적으로 사용해 왔습니다. 스페이스 X와 테슬라의 CEO인 엘론 머스크는 사람들이 기계를 따라잡을 수 있도록 돕는 인공지능과 인간의 두뇌를 통합하는 벤처 기업인 Neuralink를 설립했습니다. 목적은 기억력을 향상하거나 컴퓨터 장치와 보다 직접적인 인터페이스가 가능하도록 하기 위해 인간의 뇌에 작은 전극을 이식하는 것이다. 머스크는 이를 생물학적 지능(HI)과 디지털 지능의 합병으로 보고 있다. 더 극적인 사례는 인간의 증가입니다. Foreign Factory & Future Foundation의 공동 소유주 겸 CEO인 Meabh Quoirin는 인공지능의 한 가지 가능성은 "인간 이상의 것"으로 인간의 생체 강화, 보철물 또는 임플란트를 첨가한 것이라고 말한다. 그것은 또한 고객 경험을 향상하기 위해 단기적인 고객 경험 관점에서 작동할 수 있다.
Internet of brains. 두뇌 인터넷
Researchers have recently demonstrated a connection of the human brain to the Internet (Andrews 2017). From there, it is a short leap to humans connecting together with each other in a big AI network, like the IoT, only connected to people’s brains as well. This scenario mimics AI’s connectivity for collective intelligence and can be viewed as the “Internet of brains.” Such connectedness will greatly accelerate learning in the service environment—expanding service capability just as the beehive expands the capability of individual bees.
연구자들은 최근에 인간의 두뇌와 인터넷 사이의 연관성을 입증했습니다. 그것은 대형 인공지능 네트워크에서 IoT와 같이 사람의 뇌가 연결되는 것입니다. 이 시나리오는 인공지능의 집단지능 연결성을 모방한 것으로 '뇌의 인터넷'으로 볼 수 있습니다. 이것은 서비스 환경에서 학습을 크게 가속화할 것입니다. 벌통이 각각의 벌의 능력을 확장하는 것처럼.
Alternatively, the worst case scenario is that AI completely replaces humans (i.e., all service labor, customers, as well as employees). This is the singularity concern about technology becoming completely dominant in all forms of intelligence over humans (Kurzweil 2005). Both Stephen Hawking and Bill Gates share this pessimistic concern (Azarian 2016; Briggs and Scheutz 2017; Rometty 2016). Neuroscientist and author Sam Harris, who presented a TED Talk on humanity’s potential to lose control of AI, said on his podcast Waking Up that AI’s growth will keep advancing unless something much worse happens to society first. The biggest threat is not the intelligence of individual machines but is the connectivity of all machines that amplifies the aggregate machine intelligence (Vinge 1993).
대안으로 최악의 시나리오는 인공지능이 인간을 완전히 대체하는 것이다(예를 들어, 모든 서비스 노동자들, 고객들, 그리고 직원들까지). 이것은 인간에 대한 모든 형태의 지능에서 완전히 우세한 기술에 대한 특이점입니다. 스티븐 호킹과 빌 게이츠는 모두 이러한 비관적인 우려를 공유하고 있다. 인공지능에 대한 인간의 통제력을 상실할 수 있는 잠재력에 대한 TED 강연을 한 신경과학자 겸 작가 샘 해리스 씨는 팟캐스트 웨이크업에서 "우선 사회적으로 더 나쁜 일이 일어나지 않는 한 인공지능은 계속 성장할 것"이라고 말했습니다. 가장 큰 위협은 개별 기계의 지능이 아니라 집합된 기계 지능을 증폭시키는 모든 기계의 연결성입니다.
One key argument for machines to win is that humans are more likely to make mistakes. Briggs and Scheutz (2017) in their Human Robot Interaction Laboratory set out to program robots that have reasoning ability to reject human command when carrying out these orders may hurt humans. They argue that humans make mistakes in creating or mastering robots, which could result in disobedient machines. In this thinking, we are programming computers to evolve in the same manner as human brains, due to natural selection, but in a much faster manner. It means that the evolution rate can be very fast, and thus computers will become smarter at a faster rate. The result of the evolution of AI may be an unpredictably complex form that goes beyond the programming rules that produced it. Figure 4 illustrates the idea that the ultimate state is either integration or replacement.
기계가 승리할 수 있는 단 한 가지 주장은 인간이 실수할 가능성이 높다는 것입니다. 명령을 수행할 때 인간의 명령을 거부할 수 있는 추론 능력을 가진 로봇을 프로그래밍하기 위해 설립된 인간 로봇 상호작용 연구소의 Briggs와 Scheutz는 인간에게 해를 끼칠지도 모릅니다. 인간이 로봇을 만들거나 훈련시키면서 실수를 저지릅니다. 실수가 복종하지 않는 기계를 만들 수 있습니다. 이런 생각에서, 우리는 자연선택과 같은 인간의 뇌와 같은 방식으로 진화하도록 컴퓨터를 프로그래밍하고 있습니다. 그것은 매우 빠른 방법으로 컴퓨터는 더 빠른 속도로 더 똑똑해질 것입니다. 인공지능의 진화는 계획한 프로그래밍 규칙을 뛰어넘는 예측 불가능할 정도로 복잡할 수 있습니다. <그림 4>는 최종 형태가 통합 또는 대체라는 생각을 보여 줍니다.
<그림 4> 인공지능 일자리 대체의 단계
정리 - Briggs and Scheutz 가 연구하는 것
브릭스와 스웨츠는 로봇이 인간의 명령을 거부하는 메커니즘을 개발하고 있습니다. 인간이 절벽 위에서 앞으로 전진하라는 명령을 했을 때 로봇은 자신의 안전을 위해 명령을 거부해야 합니다.
또한, 인간과 로봇이 하나의 업무를 함께 수행하는 과정에서 인간이 다칠 우려가 있을 경우 명령 수행을 거부해야 합니다.
인간의 명령을 거부하는 메커니즘을 만드는 과정에서 실수를 저지를 경우 인간에게 불복종하는 인공지능이 만들어질 수 있습니다. 따라서, 인간이 모든 것을 통제하고 프로그래밍하는 방법이 아니라 신경망 알고리즘인 딥러닝 기법을 이용하여 스스로 학습하고 진화하도록 프로그래밍합니다. 딥러닝은 통계적 진실을 찾아가므로 가장 일반적인 명령 거부 메커니즘을 만들 수 있습니다. 물론, 통계적 진실이 완벽하지 않기 때문에 새로운 대처 방안은 필요합니다.
