지극히 보통의 인간을 위한 AI 안내서
공부하며 공유하는 AI 노트 - 누가 물어보면 이렇게 대답하세요
흔히 'AI'로 통용되는 인공지능은 현재 전 세계적으로 가장 주목받는 기술입니다. 모든 회사가 AI를 시스템에 적용하거나 개발하면서 마치 AI가 들어가지 않으면 뒤처진 기업처럼 느껴지기도 합니다.
아쉽게도, AI 분야는 온통 전문 용어로 가득 차 있죠. 게다가 영어라니..
뼛속, 핏속까지 반이과적 DNA로 점철된 문과형 인간이 저말고 또 있을 것 같아서..하나씩 공부하며 공유해보기로 했습니다.
공부하기 바쁜 어린 학생들, 기술 속도를 따라잡기 어려운 분들, 회사업무 처리하느라 뉴스 챙겨볼 시간조차 빠듯한 직장인들은 인공지능이 뭔지, 알듯 말 듯 알 것 같지만 설명하라 하면 '그거 있잖아, 그거~ chatGPT'라는 답에 그치곤 합니다. (이거라도 대단한 거예요.!!)
AI 기술은 하루가 다르게 급변하는데, 하루하루 중요하고 급한 일들을 쳐내다보면, 세상이 어떻게 변하는지 놓치기 쉽습니다. 내가 처한 상황에서 주어진 역할을 해내느라, 실제로 내 업무와 매우 연관이 있는 AI인데도, 이와 관련해 무슨 일이 어디에서 어떻게 일어나고 있는지조차 이해하기 어려울 수 있습니다.
그래서!! AI 관련 뉴스가 나오고, 회사 시스템에 AI가 제대로 도입되기 전에!! AI에게 대체되지 않도록 가장 일반적인 AI 용어부터 정리해 봅니다. 업무나 일상에 유용한 AI툴도 함께 전해드릴게요.
AI는 대체 무엇인가요?
누가 물어보면 이렇게 답하세요.
인공지능(Artificial Intelligence, AI)
1.뭔데?
인공 지능은, 인간의 지능을 모방해 인간처럼 생각하고 문제를 해결할 수 있도록 설계된 컴퓨터 프로그램이야. 데이터를 학습하고 패턴을 인식해 판단하고 결정을 내릴 수 있지.
2.어떻게?
인공지능은 머신러닝*, 딥러닝* 등의 기술을 사용해 방대한 데이터를 분석, 학습하고 알고리즘에 기반해 인간과 유사한 사고 능력을 보여줘. 이 과정에서 신경망 구조를 모방한 알고리즘이 사용되기도 해.
3. 그래서 뭘 하는데?
패턴을 인식하고 예측해 인간처럼 문제를 해결하는 것 외에도, 자연어 처리*, 이미지 인식, 음성 인식, 자율 주행 등 다양한 분야에서 활용되고 있어.
4. 이게 왜 중요한데?
지금까지 인간의 지적 능력이 필요하다고 여겨지던 업무를 컴퓨터로 대변되는 머신(machine)이, 수행할 수 있게 됐다는 거야. 이로 인해 많은 부분에서 자동화가 가능해지고, 경제/사회/산업/교육 등 모든 분야에서 엄청난 변화가 예상돼. 실제로 그 변화는 이미 시작됐고, 우리 일상생활과 직업 세계에 큰 영향을 미치고 있어.
5. 그래? 얼마나 대단한데?
최근 openAI는 챗GPT에 추론 기능까지 탑재했어. 이는 단순한 패턴 인식을 넘어 논리적 사고와 추론이 가능해졌다는 것을 의미해.
6. 이게 왜 대단한데?
이는 AI가 더 복잡한 문제 해결과 의사 결정에 활용될 수 있음을 시사하지. 아직은 한계가 있다는 평가도 있지만, 많은 전문가들은 이러한 한계가 곧 극복될 시간문제라고 예측하고 있어. 향후 AI 발전 방향을 보여주는 중요한 이정표라고 할 수 있어.
머신러닝(Machine Learning)은 대체 무엇인가요?
1. 뭔데?
머신러닝은 인공지능의 한 분야야. 컴퓨터가 명시적인 프로그래밍 없이 데이터를 기반으로 스스로 학습해 성능을 향상하는 기술이야.
예를 들어, 어린아이에게 사과를 가리키면서 "이게 사과야"라고 수없이 말해주다 보면, 어느 순간 아이는 스스로 사과를 알아볼 수 있게 되잖아? 머신러닝은 바로 이런 과정을 컴퓨터에 적용한 거야. 데이터라는 먹이를 주면서 컴퓨터를 '학습'시킨 거지.
2. 어떻게?
대량의 데이터를 입력받아 통계적 기법과 알고리즘을 사용해 패턴을 찾고, 이를 바탕으로 예측이나 의사결정을 수행해. 셰프가 자기만의 레시피로 근사한 요리를 만드는 과정과 비슷해. 여기서 요리 재료는 '데이터', 조리법은 '알고리즘'이야. 이를 통해 '지능'이라는 요리를 만들어 내는 거지. 이 과정에서 통계, 확률, 최적화 같은 수학적 도구들이 총동원돼. 주요 방식으로는 지도 학습, 비지도 학습, 강화 학습 등이 있어요. (*이건 또 나중에 설명할게~)
3. 그래서 뭘 하는데?
머신러닝은 이미지나 얼굴 인식, 스팸 메일 필터링, 음성 인식, 자연어 처리, 추천 시스템, 이상 탐지 등 다양한 분야에서 활용돼. 이렇게 말하면 좀 쉬울까?
넷플릭스나 디즈니 들어가면 추천 영화 뜬 적 있지? 그런 콘텐츠 추천부터 인스타그램에서 보는 맞춤형 광고, 심지어 자율주행 자동차의 판단까지, 우리 일상 곳곳에 머신러닝은 이미 스며들어가 있어. 최근에는 의료 분야에서도 큰 활약을 보이고 있지. 인간 의사가 놓치기 쉬운 암 등을 AI가 더 정확하게 진단해내기도 해.
4. 이게 왜 중요한데?
음..머신러닝은 빅데이터 시대에 일종의 '망원경' 같달까? 머신러닝은 빅데이터 시대에 복잡한 패턴을 발견하고 예측을 수행할 수 있어 매우 중요해. 머신러닝으로 수십억 개의 데이터 속에서 육안으로는 볼 수 없는 패턴을 발견하거든.
이를 통해 기업은 더 나은 의사결정을 내릴 수 있고, 개인화된 서비스 제공이 가능해져. 또한 기존에 해결하기 어려웠던 문제들을 새로운 방식으로 접근할 수 있게 해 주지. 이는 비즈니스, 과학, 의료 등 모든 분야에서 혁명적인 변화를 가져오고 있어.
5. 그래? 얼마나 대단한데?
다음 글에 나올 딥러닝이라고 있어. 고급 머신러닝 기술인 딥러닝의 발전으로 인공지능의 성능이 비약적으로 향상됐어. 예를 들어, 2016년 알파고가 세계 최고의 바둑 기사를 이겼고, 단백질 구조 예측까지 다양한 분야에서 인간을 능가하고 있지. 또 앞서 얘기했던 챗GPT 추론 기능 탑재로 인간의 사고방식과 유사한 텍스트 생성이 가능해졌어.
6. 마냥 좋기만 해? 주의할 점은?
이 같은 머신러닝 기술의 발전에는 장밋빛 전망만 있는 건 아니야. 머신러닝에도 한계와 도전 과제가 있지. 머신러닝 모델은 학습 데이터의 품질과 양에 크게 의존하기 때문에, 학습 데이터에 편향이 있으면 AI도 편향된 결론을 내리면서 결과의 왜곡 가능성이 있어.
또, '블랙박스' 문제라고 해서, AI가 어떤 결정을 내렸는지만 알고, 왜 그런 결정을 내렸는지 과정을 설명하기 어려운 경우도 많아. 윤리적 사용과 결과 해석에 주의가 필요해.
이렇게 머신러닝은 AI의 핵심 기술이자, '21세기의 전기'로 비유되기도 해. 이미 우리 삶의 많은 부분에 영향을 미치고 있아. 앞으로도 그 중요성은 더욱 커지겠지. 이 기술을 어떻게 사용하느냐에 따라 우리 사회가 크게 발전할 수도, 아니면 새로운 문제에 직면할지도 몰라. 그래서 우리 모두가 이 기술에 대해 관심을 가지고 이해하기 위해 노력하는 것도 중요해!
어때? 이제 넷플릭스에서 영화 고를 때, 유튜브 추천받을 때, '아니 어떻게?!'라고 놀라지만 말고, 그 뒤에 숨은 '머신러닝' 기술을 떠올릴 수 있겠지?
아마존 채용 AI 사례, 조금 깊이 들여다볼까요?
[참고] "이력서에 '여성' 들어가면 감점" 아마존 AI 채용, 도입 취소
2018년 이슈가 됐던, [아마존의 채용 AI]는 인공지능의 편향성 문제를 여실히 보여주는 대표적인 사례로 꼽혀. AI가 학습한 데이터에 내재된 편견이 알고리즘에 반영되면서 특정 성별이나 인종을 차별하는 결과를 초래했던 것이지. 이 사건은 우리에게 다음과 같은 중요한 시사점을 던져.
데이터의 중요성: AI는 학습한 데이터를 기반으로 판단하기 때문에, 데이터에 편향이 존재하면 AI 역시 편향된 결과를 내놓을 수 있습니다.
알고리즘의 투명성: AI가 어떤 과정을 통해 결정을 내리는지 이해하기 어렵다면, 편향을 발견하고 수정하기도 매우 어렵습니다.
인간의 개입 필요성: AI는 인간이 만든 도구이므로, AI가 내놓은 결과를 끊임없이 감시하고 평가해 문제가 발생할 경우 적절한 조치를 취해야 합니다.
아마존 사례의 구체적인 문제점은 무엇이었을까요?
남성 중심의 데이터: AI는 2015년까지의 자료를 바탕으로, 과거 성공적인 남성 엔지니어들의 이력서를 기준으로 학습했습니다. {당시 아마존의 개발 부서는 남성 비율이 높았(겠)죠}
성별 고정관념 반영: '여성'이라는 단어가 포함된 이력서를 낮게 평가하는 등 성별 고정관념이 알고리즘에 반영되었습니다.
다양성 부족: AI가 학습한 데이터에 다양한 배경과 경험을 가진 사람들의 정보가 충분히 포함되지 않았습니다.
이러한 문제를 해결하기 위해서는 어떤 노력이 필요할까요?
데이터 편향 해소: 다양한 배경과 경험을 가진 사람들의 데이터를 충분히 확보하고, 데이터 전처리 과정에서 편향을 제거해야 합니다.
알고리즘 투명성 확보: AI의 의사결정 과정을 명확하게 설명할 수 있는 해석 가능한 모델을 개발해야 합니다.
지속적인 모니터링: AI가 내놓는 결과를 꾸준히 모니터링하고, 문제가 발생할 경우 즉시 수정해야 합니다.
윤리적 가이드라인 마련: AI 개발 및 활용에 대한 윤리적 가이드라인을 마련하고, 이를 준수해야 합니다.
아마존의 채용 AI 사례는 인간에게 인공지능의 편향성 문제가 심각한 사회적 문제로 이어질 수 있음을 경고합니다. 앞으로 인공지능을 개발하고 활용할 때는 윤리적 문제를 항상 염두에 두고, 공정하고 투명한 AI 시스템을 구축하기 위한 노력을 지속해야 할 것입니다.
인공지능은 강력한 도구이지만, 우리 인간은 그만큼 책임감 있게 사용해야 한다는 것을 기억해주세요!!
제 브런치를 클릭해주시고
끝까지 읽어주셔서 감사합니다.
다음 글에서 공유될 AI 노트 정리도 함께 읽고 싶으시다면
구독&Like it 부탁드립니다 :)
꾸준한 콘텐츠 발행에 매우 큰 힘이 됩니다.
