225. 4차산업혁명과 지속가능사회
수업 과제 때문에 지속가능성에 대한 주제를 다루고 있는 책을 읽게 되었습니다. "지속가능성" 이라는 개념을 참 많이 들었지만 언제 시작이 되었으며 어떤 목표를 갖고 있는지 등은 자세히 모르고 넘어가는 경우가 있는 것 같습니다. 저도 조금 더 공부하고 싶어서 이 책을 읽게 되었어요.
1987년 발간된 "우리 공동의 미래" 보고서에서 "지속가능한 발전" 이라는 공식적인 용어가 처음으로 널리 알려지면서 브룬트란트 보고서에서 지속가능발전을 "미래세대의 필요를 충족시킬 수 있는 능력을 훼손하지 않는 범위에서 현재세대의 필요를 충족시키는 개발" 로 정의하였습니다.
그 후 1992년 리우 유엔환경개발회의는 "환경적으로 건전하고 지속가능한 발전 " 개념을 주창하여 지속가능발전 개념을 전 세계로 확산하는 계기를 마련하였으며, 2002년 지속가능발전 세계정상회의는 지속가능발전의 세 가지 요소인 경제발전, 사회발전, 환경보호의 통합을 강조했습니다.
한편, 2015년 제 70차 유엔총회에서 각국은 2016~2030년까지 지속가능발전목표를 이행하는 데 결의하였습니다.
2030년 지속가능발전의제는 인간, 지구, 번영, 평화, 파트너십 등 5개 영역으로 구성되어 있으며 2030년까지 빈곤과 기아종식, 국내와 국가 간 불평등 해소, 평화롭고 공정하며 포용적인 사회 건설, 인권보호 및 성평등 촉진, 지구와 천연자원의 영구적 보호 보장을 추구하고 있습니다. 지속가능발전목표는 글로벌하고 보편적으로 적용가능한 17가지 목표 및 169가지 세부목표로 구성되어 있습니다.
17가지의 지속가능발전표는 다음과 같습니다.
Goal 1: No Poverty (빈곤퇴치)
Goal 2: Zero Hunger (기아종식)
Goal 3: Good Health and Well-Being (건강과 웰빙)
Goal 4: Quality Education (양질의 교육)
Goal 5: Gender Equality (성평등)
Goal 6: Clean Water and Sanitation (물과 위생)
Goal 7: Affordable and Clean Energy (깨끗한 에너지)
Goal 8: Decent Work and Economic Growth (양질의 일자리와 경제 성장 )
Goal 9: Industry, Innovation and Infrastructure (산업, 혁신과 사회기반시설)
Goal 10: Reduced Inequalities (불평등 완화)
Goal 11: Sustainable Cities and Communities (지속가능한 도시와 공동체)
Goal 12: Responsible Production and Consumption (책임감 있는 소비와 생산)
Goal 13: Climate Action (기후변화 대응)
Goal 14; Life Below Water (해양생태계)
Goal 15: Life of Land (육상생태계)
Goal 16: Peace, Justice and Strong Institutions (평화, 정의와 제도)
Goal 17: Partnerships for he Goals (SDGs 를 위한 파트너십)
이 책에서는 UN 의 17가지 지속가능발전목표를 하나하나 살펴봅니다. 또한 현황과 그 문제를 해결하기 위한 기존의 노력들 그리고 인공지능, 빅데이터, XR, 드론, 로봇, 디지털트윈 등 4차산업혁명기술을 활용하여 문제를 해결하려는 노력들에 대해서 살펴봅니다.
저는 첫번째 빈곤퇴치 중에서 인공지능 빈곤 편향 (AI Poor Bias) 에 대해서 조금 더 말씀 드리고 싶습니다. 도시 빈곤, 노인 빈곤, 여성 빈곤, 국제 빈곤도 있고 이런 문제도 심각하지만 불평등한 기술로 인한 빈곤의 파급도 일어나고 있습니다. 현재 세계는 인공지능에 대한 관심이 지속적으로 증가하고 있지만 빈국에 대한 고려가 부족한 상태에서 기술개발이 확발해지고 있습니다.
인공지능 빈곤 편향현상은 AI 예측 정확도가 빈곤지역에 대해서는 더 낮은 현상을 말합니다. AI 에게 사진 속의 사물을 식별하도록 지시했을 때, 선진국의 사물과 후진국의 사물 식별 정확도에는 차이가 있다는 사실을 알 수가 있습니다. 이는 후진국에서는 학습데이터가 부족하기 때문입니다. 또한 후진국에 대한 서비스의 니즈가 적기 때문에 후진국 역시 데이터를 수집하는 데 소극적입니다. 학습데이터의 경제적인 차이 때문에 AI 서비스의 질 차이가 나타납니다.
소득이 높을수록 AI 의 정확도가 거의 85%이고, 소득이 낮을수록 정확도가 70%정도로 약 15%의 정확도가 소득에 의해서 차이나 납니다. 소말리아 국가의 사물을 인식하는 것과 비교하여 미국의 사물을 인식하는 정확도의 절대적인 차이를 약 15~20%라고 전문가들은 밝힙니다. 이처럼 후진국의 물건을 식별하는 데 어려움을 겪고 있고 이것이 바로 인공지능 빈곤 편향 현상입니다.
빈곤 문제해결을 위하여 IT는 무엇을 하고 있는가? 무엇보다 빈곤문제 해결을 위해서는 전 세계에 빈곤 지역이 정확하게 어디에 있는지를 파악하는 것이 중요합니다. 이러한 지역을 정확히 파악해야 전 세계에서 가난한 지역들의 재정 상태를 지원할 수 있는 방법을 제공하는 등 수요자에 맞는 정책-사업-기술-인적-재정적 지원이 가능하기 때문입니다. 특히 빈곤의 정도를 측정하는 사회경제적인 데이터는 선진국에서는 수집이 쉬울지라도 후진국에서는 결코 쉽지 않습니다. 과거에는 어떤 곳이 빈곤한 지역인지 파악하기 위해서 밤에 위성사진을 이용하여 불빛이 있거나 많으면 선진국, 불빛이 없으면 후진국 이런 식으로 판단했었습니다. 최근에는 AI와 딥러닝을 이용하여 국별 지역별 빈곤의 수준을 더욱 정확하게 예측하는 기술이 개발되었습니다
미국 스탠포드 대학팀은 아프리카 지역의 빈곤 수준을 예측하는 딥러닝 기술을 개발하였는데 위성사진을 기반으로 단순히 밤의 불빛만 가지고 예측하지 않고, 농지, 물, 도시화 지역 외에 인간이 해석하기 어려운 다양한 이미지 특성분석을 딥러닝으로 학습함으로 국별 지역별 특정 지역이 얼마만큼 빈곤한지에 대하여 더욱 정확하게 측정할 수 있게 되었습니다.
모든 곳에서의 모든 형태의 빈곤 종식이라는 빈곤퇴치(SDG1)를 위한 AI, 빅데이터 등 다양한 4차산업혁명시대의 IT기술들이 지역과 국가의 사회문제해결을 통한 지속가능사회구축을 위하여 활용되고 있습니다.
과학기술, IT기술, 녹색기후기술를 활용한 사회문제해결중심의 연구개발과 기술실증 및 기술보급에 대한 공동체적인 민관협력 차원의 노력이 더욱 요구되는 시대를 살고 있습니다. 많은 사회 문제를 해결하는데는 기술과 법이 저는 답이라고 생각합니다.
