[Aibril 특집 제8화] "인공지능이 발전하면 일자리가 줄어든다?" AI를 둘러싼 5가지 궁금증

인간의 능력을 앞서는 인공지능(AI)은 공상과학 영화 속에서나 볼 수 있었다. 우리와는 별개의 먼 미래의 일이라고 생각했었다. 그러나 인공지능 알파고(AlphaGo)가 프로 바둑기사 이세돌 9단을 상대로 4대 1의 압승을 거두자 상황이 달라졌다. 기술의 놀라운 진보와 함께 인간의 자리를 대체할 AI가 현실세계에 등장한 것이다. 그러자 사람들은 불안감을 느끼고 있다. 사람처럼 감정을 가진 AI는 가능할 것인가? AI의 실체를 알아보고 이들과 함께해야 할 미래를 그려보자. 이런 문제들을 미리 고민했던 예지자들의 도움을 받아서…

 

Q1. AI도 인간과 같은 ‘감정’이 있나요?

인공지능이 인간의 감정을 가졌냐, 가질 수 있느냐는 문제는 아직도 논쟁 중인 주제입니다. 세계적인 베스트셀러 ‘사피엔스’의 저자 유발 노아 하라리 히브리대 역사학과 교수는 국내 언론사와의 인터뷰를 통해 “현재의 기술 수준으로는 인공지능에 감정이 있다고 보기는 어려우며 오히려 감정이 없는 인공지능이 머지않아 인간의 감정을 조종할 여지가 있다”고 언급한 바 있습니다. 인공지능이 인간의 감정을 조종할 수 있게 된다는 것은 인공지능이 감정을 인지하고 대응하는 데 인간 의사보다 더욱 더 정확해진다는 것을 의미합니다. 

이에 반해 인공지능이 감정을 포함하고 있다는 의견도 있습니다. 알파고가 대국을 위해 분석한 수많은 데이터들은 ‘사람 감정의 결과물’이라는 것입니다. 그간의 데이터들은 수많은 바둑기사들의 감정이 담긴 기보들이기 때문입니다. 마찬가지로 고객 맞춤형 추천 서비스 역시 개인이 감정에 이끌려 선택한 데이터들까지 분석해 추천해주므로 인간의 감정을 담고 있을 것이라는 의견입니다.

그보다 중요한 것은 앞으로 인공지능이 어떤 형태로 발전할 것이냐는 것입니다. IBM 로브 하이 최고기술책임자는 인간을 도울 목적으로 현재도 진화를 거듭하고 있는 왓슨 프로젝트를 이끌고 있습니다. 그는 “오히려 인공지능이 인간을 더 효율적으로 돕기 위해서는 인간의 감정뿐만 아니라 인간의 표정까지 읽어낼 수 있어야 한다”고 주장합니다. 이는 인간과 기계의 상호작용을 인간과 인간의 상호작용의 수준으로까지 업그레이드 해야 한다는 것입니다. 실제로 IBM은 왓슨에 인간의 감정, 욕망을 파악할 수 있는 능력을 탑재하기 위해 자체학습 시간을 8.5배나 빨라지게 하는 등 더욱 더 방대한 양의 데이터를 처리하려 노력 중입니다.

당장 인공지능에 인간의 감정이 ‘탑재’되진 않을지 몰라도 머지 않아 인공지능이 인간과 인간 사이보다 더 정확하고 효과적으로 인간의 감정을 파악하게 될 수도 있을 것으로 보입니다. 인공지능은 지금도 인간의 감정과 욕망 등의 복잡한 데이터마저 분석하고 학습하고 있을 테니까요.

 

Q2. AI의 등장을 4차 산업혁명이라고 말합니다. 사람들의 일자리가 줄어들지 않을까요? 

향후 10~20년 안에 라이프 스타일의 모든 것이 바뀌어 버릴 수 있는 변화가 다가오고 있습니다. 이것은 마치 1990년대까지 이전 아날로그 사회의 상징이었던 유선전화기, 필름카메라, 책이 2000년대에 들어 디지털 사회로 바뀌면서 핸드폰, 스마트폰, 디지털카메라, 인터넷이 그 자리를 대체하고 우리들의 삶을 완전히 바꿔 버린 것과 비슷한 상황입니다. 현재 디지털 사회는 앞으로 20년 안에 인공지능 로봇 사회로 완전히 탈바꿈 할 것 입니다.

질문하신 것처럼 인공지능이 사람의 일자리를 빼앗지 않을까 하는 막연한 두려움도 커지고 있습니다. 하지만 인류 역사상 기술과 산업의 발전이 일자리를 줄인 증거는 없다고 합니다. 성장의 시기에 양극화는 축소됐고 정체와 위기의 시기에 양극화는 확대됐습니다. 1차 산업혁명 당시 공장의 생산성 증가가 농업의 생산성 혁명을 촉진했고 의식주(衣食住) 관련 물자를 저렴한 가격에 제공했습니다.

3차 산업혁명인 정보혁명으로 타이피스트와 공장의 일부 일자리가 사라졌지만 정보 서비스업이 등장하면서 이를 대거 흡수했습니다. 미국의 통계를 보면, 1960년부터 50년간 제조업 일자리의 3분의 2가 서비스업종으로 이동했고, 노동시간당 생산성은 108%, 급여는 85%가 증가됐으며 노동시간은 단축되었다는 보고가 있었습니다. 이렇듯 지금까지의 산업혁명들은 일자리를 축소시키는 것이 아니라 생산성의 증가로 삶의 질을 끌어올려 새로운 수요를 창출했습니다.

산업혁명기 때마다 많은 전문가들이 직업의 축소를 주장했지만 결과적으로 일자리 수는 줄지 않고 일의 형태만 바뀌었습니다. 생산성 증대는 소득 증대로 이어져 새로운 소비 수요를 창출했습니다. 시대와 환경의 변화로 새로운 직업이 생겨나기도 하고 기존의 직업이 사라지기도 합니다. 인공지능의 도래로 사라지는 직업도 있겠지만, 기존의 노동력이나 기술 및 지식을 보다 효율적으로 활용하도록 보완하는 인공지능 기술이 우리의 삶에 더욱 깊숙이 자리잡을 것으로 전망됩니다.

에이브릴(Aibril)과 같은 인공지능과 ITC, 빅데이터 기술을 접목한 새로운 기술의 서비스가 의료분야와 헬스케어 분야, 금융 분야 등 우리 생활의 다양한 방면에서 인간의 더 나은 삶을 지원해 줄 것으로 기대해 봅니다.

 

Q3. AI 디스토피아(Dystopia)에 대한 걱정을 말하는 전문가들도 많던데요.

최근 언론 보도를 보면 다보스포럼은 2015 ‘직업의 미래’ 보고서를 통해 “2020년에는 AI가 인간의 일을 대체하기 시작할 것”이라고 했습니다. 하지만 많은 전문가들은 “단순 반복적인 과업(Task) 중심으로 대체되는 것일 뿐 여전히 중요한 의사결정과 감성에 기초한 직무는 인간이 맡게 될 것이므로 막연히 일자리의 소멸을 불안해 할 필요는 없다”고 말합니다. 또 인공지능과 로봇을 중심으로 제4차 산업혁명을 주도하려면 창의성과 감성, 사회적 협력을 강조하는 방향으로 교육 패러다임이 전환해야 한다고 강조합니다. 

아무리 인공지능이 뛰어나도, 인공지능은 인간이 될 수 없습니다. 따라서 고도로 발달된 과학기술의 산물인 인공지능의 시대가 다가오는 이 시점에서, 오히려 ‘인간’에 대한 집중이 더 필요하다고 할 수 있습니다. 인간만이 가진, 인간만이 할 수 있는 일에 대한 인간 스스로의 고민이 필요합니다.

우리나라 경제는 이제 저성장 국면으로 접어들고 있어 생산성, 경쟁력 향상과 국민소득을 높이는 것이 큰 숙제입니다. 경제 성장과 전반적 고용 증가, 국제적인 경쟁력 보유를 위해 자동화와 로봇에 더 많은 투자를 해야 합니다. 또 인터넷 등 정보매체를 잘 활용하는 계층은 소득이 증가하고 디지털 문맹은 그렇지 못하다는 ‘디지털 디바이드(digital divide)’처럼 로봇이 인간의 일자리를 빼앗는 것이 문제가 아니라 ‘로봇 디바이드(robot divide)’로 인해 로봇이 불평등을 심화시키지 않도록 미리 준비하는 것이 중요합니다.

 

Q4. IBM의 인공지능 왓슨이 다른 인공지능과 다른 점은 무엇인가요?

여러 글로벌 기업들이 앞장서서 인공지능 분야를 개척하고 있지만 아무래도 가장 많이 알려진 것은 IBM의 왓슨(Watson)과 구글의 알파고(AlphaGo)입니다. 페이스북이나 마이크로소프트 등도 인공지능 개발에 한창이지만 아무래도 인공지능 사업에 첫 깃발을 꽂은 IBM과 일찍이 R&D와 자사 서비스 개선을 통해 빠르게 성장하고 있는 구글이 돋보입니다.

가장 발전했다고 평가 받는 IBM의 왓슨과 구글의 알파고를 비교해봅시다. 이 둘은 기본적으로 지향하는 것이 다릅니다. 알파고는 ‘Super Human’을, 왓슨은 ‘Supporting Human’을 지향하죠. 즉 알파고는 최적화된 알고리즘을 활용해 특정 분야에서 인간을 뛰어 넘으려 한다면 왓슨은 사람의 언어를 통해 지식을 습득하고 인간의 인지나 사고 방식으로 인간을 돕는 것을 최종 목표로 삼는다는 것입니다. 지향점이 다르므로 왓슨 사업을 이끌고 있는 IBM 로브 하이 최고기술책임자는 “왓슨과 알파고를 단순 비교하는 것은 사과와 오렌지를 비교하는 것과 같다”고 언급한 바 있습니다.

우선 알파고를 볼까요? 구글은 네이처 논문에서 알파고의 특징을 딥러닝 기법(DCNN)과 확률적 트리 서치 알고리즘(MCTS)의 결합이라고 밝혔습니다. 쉽게 말해 알파고가 바둑 대결을 앞두고 있다면 빅 데이터에 기반해 그 간의 바둑 기보를 모두 자동 학습한 후 어마어마한 양의 데이터를 바탕으로 바둑 대결 당일 스스로 판단하고 결정하는 방식으로 작동합니다. 알파고가 어떤 방향으로 어떤 속도로 발전할지는 아직 모르는 일이지만 분명한 건 알파고는 한 분야의 데이터를 파악할 수 있다면 현존 최고의 문제 해결 시스템이라는 것입니다. 바둑이면 바둑, 치료법이면 치료법 특정 분야를 그야말로 마음 먹고(?) 분석한다면 학습 능력이 비교적 한정적인 인간이 이기기는 어려울 것입니다. 이런 의미에서 알파고의 지향점은 ‘Super Human’입니다.

그렇다면 왓슨이 지향하는 ‘Supporting Human’은 어떤 의미일까요? 이는 실제 일상생활에서 이용자의 의사결정을 돕도록 진화한다는 것을 의미합니다. 어떤 한 분야에 국한되지 않고 의료, 금융, 통신, 법률, 유통 등 다양한 분야에서 인간의 의사결정을 돕는 것을 목표로 하죠. 실제로 왓슨의 가장 큰 특징은 ‘인간의 자연어를 처리할 수 있는 능력’을 가졌다는 것입니다. IBM은 이를 ‘인지(Cognitive) 컴퓨팅’ 기술이라고 정의했습니다.

인간의 자연어를 처리한다는 것은 보다 정확하고 직관적으로 정보를 처리할 수 있음을 의미합니다. 인간에 의해 입력된 정보만을 처리하는 것이 아니라 우리가 다른 사람과 대화할 때와 마찬가지로 실시간으로 대화를 나누며 말을 이해하고 스스로 그 의미를 추론하고 답을 내리는 과정을 자연스럽게 처리할 수 있기 때문입니다. 그렇기에 이러한 자연어 처리 능력과 빅 데이터를 바탕으로 의료나 유통 등 한 분야에 적용된다면 그 잠재력은 무궁무진 할 것이라는 것이 전문가들의 의견입니다.

 

Q5. 구글의 알파고나 IBM의 왓슨이 자체학습(Self-Learning)을 한다고 들었는데 그 원리는 무엇인가요?

인공지능의 자체학습(Self-learning)은 인공지능 기술의 핵심입니다. 구글 딥마인드에 따르면 알파고는 ‘정책망(Policy network)’과 ‘가치망(Value network)’ 이라는 두 가지 신경망을 통해 결정을 내리며 ‘머신러닝’을 통해 스스로 학습하는 기능을 가지고 있습니다. 바둑의 예를 들자면 알파고는 정책망을 통해 바둑돌을 놓을 위치를 정하고 가치망을 통해 승자를 예측하는 것입니다.

이를 바탕으로 알파고의 자체학습은 세 가지 단계의 훈련으로 이루어집니다. 첫 번째는 ‘정책망 지도학습’으로 이는 바둑돌의 다음 위치를 예측하도록 훈련하는 과정을 의미합니다. 딥마인드에 다르면 이 과정에서 알파고는 3천만개 이상의 바둑돌 위치 정보를 익혔다고 합니다. 두 번째는 ‘정책망 강화학습’입니다. 이는 정책망의 성능을 개선하는 단계입니다. 전 단계의 데이터를 바탕으로 자체 반복 학습을 실시하는데 이 과정에서 약 3억 4천만번의 학습을 거쳤다고 합니다. 마지막 단계는 ‘가치망 강화학습’입니다. 이 단계에서 알파고는 자신과 똑 같은 알고리즘을 가진 알파고와 128만번의 대국을 치뤘다고 합니다. 이렇듯 천문학적인 횟수의 대국을 반복하면서 가치망의 분석 능력을 업그레이드 해 스스로 승률을 올릴 수 있었던 것입니다.

‘세기의 대결’로 이름 붙여진 바둑 대결에서 알파고가 승리를 가져왔다는 것에 의미는 바둑 자체가 갖는 복잡성을 이겨냈다는 것에 있습니다. 그간 천문학적인 경우의 수를 가졌다고 알려진 바둑에서의 승리를 감히(?) 넘볼 수 없었던 인공지능 기술이 자체학습을 통해 이를 이겨냈기 때문이죠. 구글 딥마인드 측은 알파고의 이러한 자체학습 능력을 기반으로 유전학부터 기후, 질병, 에너지, 물리학 등 다양한 분야의 데이터를 분석하고 그 해법을 찾는 데 사용할 것이라고 밝힌 바 있습니다. 

이에 비해 왓슨의 자체학습은 조금 다른 형태를 갖습니다. 왓슨은 ‘인지(Cognitive) 컴퓨팅’ 시스템을 기반으로 합니다. 즉 지각, 기억, 판단, 추리 등의 지적, 정신적 작용을 한다는 것입니다. 이는 데이터를 통해 나름의 통찰력을 얻는다는 것을 의미합니다. 왓슨의 자체학습 역시 세 가지 단계를 거칩니다. 이해와 추론, 학습입니다. 우선 센서를 통해 데이터를 수집하고 데이터간의 상호작용을 분석하는 ‘이해’의 과정을 갖습니다. 그리고 정형 데이터와 비정형 데이터를 연계해 나름의 가설과 통찰력 있는 주장을 제시하는 ‘추론’을 하게 됩니다.

비정형 데이터란 그림이나 영상, 문서처럼 형태와 구조가 복잡해 정형화되지 않은 데이터를 의미합니다. 비정형 데이터를 정형 데이터와 연계할 수 있는 것은 왓슨의 특징인 자연어 처리 능력과 인지 능력 덕분에 가능합니다. 비정형 데이터의 복잡한 정보나 숨은 의미를 파악할 수 있다는 것입니다. 그렇기에 나름의 가설이나 주장을 펼칠 수 있는 것이죠. 다음 단계는 ‘학습’입니다. 이해와 추론의 과정을 거쳐 자신이 주장한 것에 대해 스스로 질문을 던지고 해법을 찾는 방식으로 끊임없이 학습하는 것을 의미합니다.

이처럼 알파고와 왓슨의 자체학습은 의미가 다릅니다. 이는 앞서 두 인공지능의 지향점이 명확하게 다르기 때문일 것입니다. 하지만 인공지능은 지치지도 질리지도 않은 채 끊임없이 학습을 한다는 점에서 그 발전 속도와 발전 잠재력을 파악하기 쉽지 않습니다. 그러므로 인공지능의 자체학습 체계를 이해하고 인류에 도움이 되는 방향으로 발전해 나가게 하는 것이 중요한 문제가 될 것입니다.