인공지능이란
말로 물으면 답을 해 주는 프로그램, 사진 속에서 사람 얼굴만 골라내는 카메라, 외국어 문장을 우리말로 바꿔 주는 앱. 몇 해 사이에 이런 것들이 흔해졌습니다. 이들에게는 공통점이 하나 있습니다. 예전에는 사람만 할 수 있다고 여겨졌던 일을 기계가 하고 있다는 점입니다.
인공지능(artificial intelligence)
사람의 지능으로 하던 학습 · 추론 · 지각 같은 일을 기계가 대신할 수 있도록 컴퓨터 프로그램으로 만든 기술을 말합니다.
정의 안에 든 세 낱말은 인공지능이 대신하려는 세 가지 일을 가리킵니다.
지각
감각 기관으로 무언가를 알아채는 일입니다. 사람이 눈과 귀로 하는 일을 기계는 카메라 · 마이크 · 센서로 합니다.
학습
겪은 것에서 규칙을 얻어 내는 일입니다. 사람이 여러 번 겪어 감을 잡듯이, 기계는 쌓인 데이터에서 규칙을 찾습니다.
추론
이미 아는 것을 근거로 새 판단을 이끌어 내는 일입니다. 처음 보는 상황에서도 아는 것에 비추어 판단하는 것이 여기에 포함됩니다.
「대신한다」는 것은 「같은 방식으로 한다」는 뜻이 아닙니다. 비행기가 새처럼 날갯짓하지 않고도 나는 것처럼, 인공지능도 사람과 같은 방식으로 생각해서 같은 일을 해내는 것은 아닙니다. 결과가 비슷해도 속에서 일을 처리하는 방식은 사람과 크게 다를 수 있습니다.
이미 우리 곁에 있습니다
인공지능이라고 이름 붙어 있지 않아도 이미 쓰이고 있는 곳이 많습니다. 사례마다 사람이 하던 어떤 일을 대신하고 있는지에 눈을 두세요.
영상에 자막을 붙이는 일
말소리를 알아듣고 글자로 옮깁니다. 사람이 듣고 받아 적던 일입니다. 지각 + 학습
사진첩이 저절로 묶이는 일
같은 사람이 찍힌 사진끼리 모입니다. 사람이 하나씩 보며 분류하던 일입니다. 지각 + 학습
농작물의 병을 알아보는 일
잎 사진에서 병든 자리를 찾아 표시합니다. 오래 일한 사람의 눈이 하던 일입니다. 지각 + 추론
다음 문장을 이어 쓰는 일
앞말에 이어질 법한 말을 내놓습니다. 사람이 문장을 짓던 일입니다. 학습 + 추론
네 가지를 늘어놓고 보면 어느 것이든 사람이 결과를 확인하는 일이 뒤따르기 쉽다는 것이 보입니다. 자막은 틀린 곳을 사람이 고쳐야 하고, 병든 잎이라는 판단은 사람이 다시 확인합니다. 인공지능이 들어온 곳에서 일은 사라지기보다 모양이 바뀝니다.
오늘 하루 동안 쓴 것 가운데 인공지능이 들어 있을 법한 것을 하나 떠올려 보세요. 그것은 사람이 하던 어떤 일을 대신하고 있나요?
잘하는 것이 서로 다릅니다
「인공지능이 사람보다 똑똑한가」는 답하기 어려운 물음입니다. 경쟁하는 종목이 무엇이냐에 따라 답이 뒤집히기 때문입니다. 그래서 「누가 더 낫냐」가 아니라 「무엇을 잘하냐」로 물어야 합니다.
| 이런 일에서는 | 사람 | 인공지능 |
|---|---|---|
| 양이 아주 많을 때 | 오래 보면 지치고 놓친다 | 지치지 않고 끝까지 살펴본다 |
| 같은 일을 반복할 때 | 할 수는 있지만 편차가 생긴다 | 정해진 기준대로 같은 답을 낸다 |
| 기억해 두어야 할 때 | 시간이 지나면 잊는다 | 많은 양을 그대로 담아 둔다 |
| 처음 겪는 상황일 때 | 겪어 본 다른 일에 비추어 대처한다 | 배운 적 없는 상황에서 크게 흔들리기 쉽다 |
| 무엇이 옳은지 의견이 나뉠 때 | 검토하고 책임을 진다 | 배운 대로 답할 뿐 책임을 질 수 없다 |
| 새것을 지어낼 때 | 겪은 것 밖으로 건너뛴다 | 배운 것을 섞고 이어 붙인다 |
「같은 답」은 「옳은 답」과 다릅니다
표의 「같은 일을 반복할 때」 줄은 좋은 점처럼 보이지만 뒤집으면 위험이기도 합니다. 한쪽으로 치우친 데이터로 배운 인공지능은 치우친 판단도 흔들림 없이 반복하기 쉽습니다. 사람이라면 「이번 건은 좀 이상한데」 하고 멈출 상황에서도 멈추지 않습니다.
표에서 학교 시험을 채점하는 일은 어느 줄에 가까울까요? 그리고 수행평가에서 무엇을 잘했다고 볼지 정하는 일은 어느 줄에 가까울까요?
그래서 역할을 나눕니다
잘하는 것이 다르다는 것은 일을 나누어 맡길 수 있다는 뜻입니다. 한쪽이 다른 쪽을 통째로 밀어내는 것이 아니라, 같은 일 안에서 서로 다른 대목을 맡는 모양이 됩니다.
인공지능이 맡기 좋은 대목
- 많은 것을 살펴 후보를 좁히기
- 정해진 기준으로 갈래를 나누기
- 쌓인 값에서 다음 값을 가늠하기
- 평소와 다른 것을 먼저 표시하기
사람이 놓지 말아야 할 대목
- 무엇을 물을지 정하기
- 어떤 데이터를 쓸지 고르고 치우침을 살피기
- 나온 답을 받아들일지 판단하기
- 그 판단에 책임지기
학교 앞 사고 위험 구간 찾기를 나누어 보면
| 대목 | 누가 | 무엇을 |
|---|---|---|
| 물음 정하기 | 사람 | 「어느 길목에서 아슬아슬한 일이 잦은가」를 묻기로 정한다 |
| 살펴보기 | 인공지능 | 여러 날치 통행 기록을 살펴 사람과 차가 겹치는 때를 표시한다 |
| 읽기 | 사람 | 표시된 곳을 직접 가 보고, 왜 그런지 살핀다 |
| 정하기 | 사람 | 어디에 무엇을 놓을지 결정하고, 그 결정을 설명한다 |
「살펴보기」 한 대목만 인공지능이 맡아도 일 전체가 훨씬 빨라질 수 있습니다. 그러나 처음과 끝은 여전히 사람이 맡습니다.
쉽게 답할 수 없는 물음
「역할을 나누면 된다」로 끝나면 좋겠지만, 현실에서는 그렇게 깔끔하지 않습니다. 어디까지 맡길지를 두고 사람마다 생각이 나뉩니다.
더 맡기자는 쪽
사람은 지치고 기분에 흔들립니다. 오래 걸리기도 합니다. 기계에 맡기면 더 빠르고 고르게 처리되고, 사람은 그만큼 다른 일에 손을 쓸 수 있습니다.
덜 맡기자는 쪽
기계는 왜 그렇게 판단했는지 설명하지 못할 때가 많습니다. 결과를 받는 사람이 까닭을 물었을 때 답할 수 없다면, 빠른 것이 이유가 되지 못합니다.
이렇게 물으면 조금 나아집니다
- 틀리면 누가 그 대가를 치르는가? 만든 사람이 아니라 다른 누군가라면 조심해야 합니다.
- 결과를 받는 사람이 까닭을 물을 수 있는 일인가? 합격 · 불합격처럼 설명이 꼭 필요한 결정이 있습니다.
- 되돌릴 수 있는가? 잘못을 알아채고 고칠 길이 있는지 봅니다.
이 세 물음에도 정해진 답은 없습니다. 다만 「맡길까 말까」로 다투는 것보다는 무엇을 얻고 무엇을 내려놓는지를 나란히 놓고 이야기하는 편이 낫습니다. 많은 사람이 그렇게 하고 있다는 것도, 그것이 옳다는 근거가 되지는 않습니다.
동아리 신입 부원을 뽑는 일을 인공지능에게 맡긴다고 해 봅시다. 대가 · 까닭 · 되돌림을 묻는 세 물음에 각각 어떻게 답하게 될까요? 답해 보고 나서 맡길지 말지를 정해 보세요.
핵심 정리
인공지능
artificial intelligence
- 사람의 학습 · 추론 · 지각을 기계가 대신하도록 만든 기술
- 지각은 알아채기, 학습은 규칙 얻기, 추론은 아는 것에서 새 판단
- 대신한다고 해서 같은 방식으로 하는 것은 아니다
잘하는 것이 다르다
different strengths
- 기계는 많이 · 오래 · 고르게 하는 일에 강하다
- 사람은 처음 겪는 일 · 옳고 그름 · 책임에 강하다
- 「누가 더 낫냐」가 아니라 「무엇을 잘하냐」로 묻는다
역할 나누기
dividing the work
- 인공지능은 살펴보기 · 나누기 · 가늠하기를 맡는다
- 사람은 물음 정하기 · 데이터 살피기 · 판단과 책임을 놓지 않는다
- 일이 사라지는 것이 아니라 일의 모양이 바뀐다
어디까지 맡길까
how far to delegate
- 틀리면 누가 대가를 치르는가
- 까닭을 물을 수 있는 일인가
- 되돌릴 수 있는가. 세 물음에도 정답은 없다
확인 퀴즈
배운 내용을 확인해 봅시다.
인공지능의 정의에 들어 있는 세 가지 일로 알맞게 묶인 것은?
「인공지능은 정해진 기준대로 같은 답을 낸다」는 성질에 대한 설명으로 알맞은 것은?
학교 앞 사고 위험 구간을 찾는 일에서 사람이 놓지 말아야 할 대목은?