인공지능의 발전과 사회 변화

70년 동안의 주요 장면

여기서는 개별 사건보다 어떤 흐름으로 이어졌는지를 봅니다. 연도를 외울 필요는 없습니다.

2000년대에 흐름이 크게 바뀐 데에는 세 가지가 겹쳤습니다. 컴퓨터의 계산 속도가 빨라졌고, 인터넷과 스마트폰이 퍼지면서 학습에 쓸 데이터가 쌓였으며, 층을 깊게 쌓은 신경망을 실제로 학습시키는 방법이 마련되었습니다. 셋 가운데 하나만으로는 부족했고, 셋이 한꺼번에 갖추어지기 시작한 때가 2000년대였고, 그 성과가 눈에 띄게 드러난 것은 2010년대에 들어서였습니다.

자동화 단계에서 지능화 단계로

기술이 사회를 바꾸는 방식도 함께 달라졌습니다. 두 단계의 차이는 기계가 절차를 대신하느냐, 상황을 보고 무엇을 할지 고르는 일까지 맡느냐입니다.

셋을 나누는 기준은 성능이 얼마나 좋은가가 아니라 다룰 수 있는 일의 범위가 얼마나 넓은가입니다. 그래서 바둑에서 사람을 이긴 프로그램도 여전히 약인공지능입니다. 바둑판을 벗어나면 아무것도 할 수 없기 때문입니다.

AI가 바꾸는 산업 현장

공장이라면 컨베이어 위 제품 사진을 보고 불량품을 골라내는 식입니다. 사람이 하던 확인 작업 하나를 기계가 맡는 모습이 분야마다 다르게 나타납니다.

AI 의료 진단의 작동 원리

폐 엑스선 사진을 판독하는 인공지능은 사진 한 장을 받으면 병이 있을 가능성을 0과 1 사이의 수로 내놓습니다. 아래는 그 흐름을 적은 의사코드입니다.

# 의료 AI 진단 프로그램 (의사코드)
def analyze_xray_image(patient_xray):

    model = load_model("lung_disease_data")
    disease_probability = model.predict(patient_xray)

    if disease_probability > 0.8:
        print("위험 징후 발견! 의사 확인 필요")
    else:
        print("정상 패턴")

여기서 0.8이라는 기준선은 사람이 정한 값입니다. 낮추면 놓치는 환자는 줄지만 괜찮은 사람까지 다시 검사하게 되고, 높이면 그 반대가 됩니다. 인공지능이 내놓는 것은 가능성일 뿐이고, 기준을 어디에 둘지와 최종 판단은 사람의 몫입니다.

좋아지기만 하는 변화는 없다

네 갈래는 모두 「좋아졌다」는 쪽으로 읽히기 쉽습니다. 그런데 같은 변화가 누구에게는 이익이고 누구에게는 부담이 되기도 합니다. 아래처럼 짝을 지어 놓고 보아야 판단할 거리가 생깁니다.

인공지능이 몸을 얻으면 — 지능형 로봇

지능형 로봇은 주변을 감지해 상황을 판단하고 스스로 움직이는 로봇을 말합니다. 정해진 동작만 반복하는 로봇과 달리 상황에 따라 다르게 움직입니다. 쓰이는 곳에 따라 크게 둘로 나눕니다.

사람과 같은 공간에서 함께 일하도록 만든 로봇을 협동 로봇이라고 부릅니다. 사람을 밀어내는 대신 무거운 것을 들어 주거나 위험한 일을 대신 맡는 쪽으로 설계된 로봇입니다.

직업이 통째로 사라지는 것이 아니다

하나의 직업은 여러 가지 업무가 모여 이루어집니다. 인공지능이 맡을 수 있는 것은 보통 직업 전체가 아니라 그 안의 몇몇 업무입니다. 그래서 같은 직업이라도 사람이 하던 일의 구성이 바뀌는 쪽이 더 흔합니다.

한 산업 현장이 바뀌는 모습: 택배 물류 창고

업무가 기계로 넘어가는 길은 두 가지입니다. 절차를 규칙으로 다 적을 수 있는 업무는 학습 없이 프로그램으로 넘어갑니다. 계산하고 영수증을 발행하는 일이 그렇습니다. 규칙은 못 적어도 사례를 많이 모을 수 있는 업무는 그 사례로 학습한 모델이 맡습니다.

창고에서 일하는 사람의 수와 하는 일은 달라졌지만 창고 일이 통째로 사라지지는 않았습니다. 이 표의 업무 구성은 수업에서 원리를 확인하려고 꾸민 예입니다.

확인하는 힘이 먼저다

글을 지어내는 인공지능은 그럴듯한 거짓을 자신 있게 말할 수 있습니다. 그래서 「인공지능을 잘 쓴다」는 말은 빠르게 답을 받아 낸다는 뜻이 아니라, 받은 답이 맞는지 내가 판단할 수 있다는 뜻에 가깝습니다.