교육혁명 2030

교육혁명 2030 - 지금 우리가 아는 학교는 없다
이지은 외 지음 / 교보문고(단행본) / 2023년 8월

4차 산업혁명은 기존의 사회, 경제, 기술 그리고 교육을 포함한 모든 산업에 대한 새로운 정의를 시도하고 있습니다. 이 변화의 중심에는 전략적 접근방식의 변화가 있습니다.

과거에는 '패스트 팔로우(fast follower)' 전략이 주를 이루었으며, 선도 기업이나 선진 국가의 발전을 주시하고 빠르게 이를 내 것으로 만드는(내재화하는) 방식으로 경쟁력을 확보했습니다.

그러나 2010년대에 접어들며 4차 산업혁명시대에는 '퍼스트무버(first mover)' 즉, 남들보다 한 발 앞서 기술이나 산업 혹은 시장을 선점함으로서 경쟁력을 최대치로 끌어올리는 전략이 더욱 중요해지고 있으며, 이것은 미래 교육에 대한 접근 방식의 근본적인 변화를 요구하고 있습니다.

이는 어느 정도 미래 예측이 가능했던 과거와는 달리, 예측 불가능한 미래에 대비하는 교육으로의 패러다임 전환이 가속화되고 있기 때문입니다.

오늘 소개해드리는 <교육혁명 2030>에서 저자들은 다음과 같이 이야기 합니다.

"지식의 2배 증가 곡선에 의하면 지식의 총량이 2배로 증가하는데 걸리는 시간을 보면 1990년 이전에는 100년이었던 것이 1990년대부터는 25년, 현재는 1년, 2030년이면 3일이 걸린다고 한다. 그 어떤 선생님이 기하급수적으로 늘어나는 수많은 지식을 다 공부하면서 가르칠 수 있을까? 10년전에는 없던 직업이 지금은 가장 떠 오르는 직업이 되고 있으며, 앞으로 어떤 직업이 나오고 어떤 직업이 사라질지 그 누구도 모른다."

과거의 지식을 토대로 미래에 대응할 수 없음은 자명한 일입니다. 스스로 문제를 찾아서 해결하되, 동료와 협력 및 소통해야 하고, 새로운 기술을 잘 활용하는 방법을 익히면서 대응해나가야 할 시점입니다.

교육 특히 공교육은 바로 이러한 교육의 시대적 패러다임을 뒷받침해야할 필요가 있습니다. 이를 위해서는 개인 각자의 능력에 맞는 교육체계를 바로 세워야 합니다. 기존 암기식의 교육으로는 시대의 요구를 따라잡을 수 없습니다. 저자들의 주장처럼 가르치는 방법, 배우는 방법, 배우는 내용까지 싹 갈아엎어야 한다는 이유가 바로 여기 있습니다.

초중등학교에서는 2025년 부터 AI 디지털 교과서를 도입해 수업 중에도 맞춤형 교육을 할 수 있도록 추진하고 있습니다. 이미 교육환경에서 증강현실(AR) 및 가상현실(VR) 콘텐츠의 활용이 증가하고 있으며, 3D화면 또는 HMD를 이용한 시뮬레이터로 실험 실습을 하고 있는 학교도 늘고 있습니다.

기존 온라인 학습 중심의 이러닝에서 맞춤형, 실감형 교육, 훈련을 지원하는 이러한 에듀테크로의 진화는 코로나 팬데믹을 통해 가속화되었으며, 교육의 미래 비전을 제시한다 하겠습니다.

창의력 향상, 문제 해결 교육, 맞춤형 교육, 개별화된 지도, 체험 실습, 졸업장 및 인증서의 디지털화, 개인 이력의 종합 관리등 미래 교육을 고려하면 기술의 활용 즉, '에듀테크'는 필수라 할 수 있습니다.

특히 현재 개발되고 있는 자동 번역, 정보 탐색, 생성형 인공지능, 빅데이터, 블록체인, 메타버스를 활용한 몰입형 콘텐츠 등을 고려하면 앞으로 교육에서 기술의 활용은 더 늘어날 전망입니다.

4차 산업혁명과 디지털 전환은 사회 구조와 미래 직업을 전환시켰고, 코로나 팬데믹은 교육 방식과 학습 방식을 근본부터 새롭게 변화시켰습니다. 많은 학습자, 관리자, 학부모가 전통적인 교육 방식의 폐해를 보완해 줄 새로운 대안적 교육방식을 경험함에 따라 기존 교육의 효과성에 대해 의구심을 갖게 된 바로 지금이야말로 교육 혁명의 최적기가 아닌가 생각합니다.

책에서는 책GPT를 필두로 미래 교육의 기반인 인공지능과 초거대 인공지능 시대의 교육의 방향을 자세히 분석합니다. 학생들의 학습 수준과 상황을 분석해 개별 맞춤형 학습 계획을 제공할 수 있고, 대화형 인터페이스를 통해 자연스러운 학습 경험으로 발전할 수 있습니다.

더 나아가 인공지능과 메타버스 기술의 결합을 통한 체험형 학습의 혁심사례가 등장하고 있으며, 평가 측면에서도 정교한 학습상황 모니터링과 개인화된 피드백을 제공할 수 있습니다. 이를 통해 학생들은 더 효과적으로 학습에 참여하고 학습 결과를 개선할 수 있으리라 예상됩니다.

인공지능 기술 이외에도 책에서는 '교육의 틀을 확장하는 메타버스', '마이크로 크리덴셜이라고 하는 학위의 새로운 트렌드' 그리고 교육과 기술이 결합할 때 더 중요한 'DEI(다양성(Diversity), 형평성(Equity), 포용성(inclusion))'와 DEI를 지원하는 에듀테크의 다양한 사례를 소개하고 있어 미래 교육 패러다임의 향방을 확인하는데 큰 도움이 되고 있습니다.

여러번 지적하고 있습니다만, 이제는 단순한 지식 전달을 넘어 학습자의 창의적 사고, 문제 해결 능력, 디지털 역량을 키울 수 있는 교육이 요구됩니다. 책에서는 인공지능을 포함한 혁신적인 교육 기술의 도입, 실무 중심의 학습, 창의성과 문제해결 능력 강화, 디지털 리터러시의 강화 등을 미래 교육의 핵심 키워드로 제시하고 있습니다.

혁신적인 지식과 역량을 갖추고 미래를 주도할 다음 세대를 교육하고 양성해야 하는 미래 교육 혁명에 관심있는 분들의 일독을 기대합니다.

* 출판사로부터 도서를 제공받아 주관적으로 작성한 리뷰입니다.

[100자평] 데이터 라벨링으로 돈 잘 버는 N잡러 되기

데이터 라벨링으로 돈 잘 버는 N잡러 되기 - 입문에서 고수입까지, 데이터 라벨링 한 권으로 끝내기
심정우.박민영 지음 / 라디오북(Radio book) / 2023년 8월

데이터를 이용해 가치를 만드는 시대! ‘데이터 라벨러‘가 되기를 꿈꾸는 분들께 추천합니다.

데이터 라벨링으로 돈 잘 버는 N잡러 되기

데이터 라벨링으로 돈 잘 버는 N잡러 되기 - 입문에서 고수입까지, 데이터 라벨링 한 권으로 끝내기
심정우.박민영 지음 / 라디오북(Radio book) / 2023년 8월

4차 산업혁명의 기술적 인프라를 이야기할 때 2000년대 이후 급속한 발전을 거듭하고 있는 '인공지능(AI)'을 그 중심에 두게 됩니다. 특히 인공지능은 딥러닝의 등장으로 발전 속도가 가속화되고 있으며, 전 산업에 두루 영향을 미치고 있습니다.

최근에는 생성형 AI의 하나인 '챗GPT'의 등장으로 전문가가 아닌 일반인도 단순하고 쉬운 인터페이스 덕분에 인공지능을 쉽게 활용하게 되었습니다. 이러한 인공지능 개발에서 가장 많은 시간과 자원이 소모되는 과정은 인공지능 학습을 위한 데이터를 가공하는 작업입니다.

인공지능 모델을 학습시키기 위해 필요한 정확하고 품질 높은 데이터를 생성하는 주요 업무를 수행하는 사람들을 우리는 '데이터 라벨러(Data Labeller)'라 부릅니다. 또한 그들이 진행하는 '데이터 라벨링(Data Labelling)' 작업은 인공지능이 인식 가능한 형태로 데이터를 정리해 컵퓨터에 입력하는 작업을 지칭합니다.

말 그대로 "데이터에 이름표를 붙이는 (Data Labeling) 작업" 입니다.

오늘 소개해 드리는 <데이터 라벨링으로 돈 잘 버는 N잡러 되기>에서는 새로운 온라인 유망 일자리로 각광 받고 있는 '데이터 라벨링'의 의미와 데이터 라벨링을 수행하는 데이터 라벨러라고 하는 새로운 유망 일자리를 소개하고 있습니다.

인공지능의 중요성이 커짐에 따라 데이터 처리량 또한 방대해지고 있지만 개발사가 자체적으로 데이터 라벨링을 소화하기엔 한계가 있답니다. 당연히 인공지능이 처리한 전처리 공정을 여러 작업자들이 검수하게 됩니다. 또한 양질의 데이터 확보를 위해서는 반드시 자격을 갖춘 데이터 라벨러의 손을 거쳐야 합니다.

해서 2020년 이후 정부의 적극적 육성에 따라 데이터 라벨러가 빠르게 증가하고 있지만 전문성을 갖춘 라벨러는 아직 많지 않다고 합니다. 바로 이점에서 데이터 라벨러를 꿈꾸고 계신 분들에게 큰 기회가 되리라 봅니다.

데이터 라벨링에 대한 기본적인 지식과 함께 정확하게 데이터를 가공하고, 기업과 원활한 소통을 할 수 있는 전문성을 확보한다면 경쟁력있는 나아가 고소득을 올릴 수 있는 라벨러로 성장할 수 있다는 이야기 입니다.

특히 2022년 국가직무능력표준(NCS)에 데이터 라벨러가 정식 직업으로 등재되고, 국가 차원에서도 인공지능의 중요성을 인식하고 관련 예산을 꾸준히 편성하고 있으며, 기업의 디지털 전환의 핵심으로 인공지능이 부각됨에 따라 데이터 라벨러의 수요는 앞으로 꾸준히 증가할 것으로 보입니다.

2020년 에딘버러 대학의 연구결과에 따르면, 인공지능 서비스 개발에 투입되는 비용의 80%가량이 데이터를 확보하는데 쓰이며, 인공지능 개발에 필요한 데이터는 규모가 크고 구축 비용도 많이 들기에 일반 기업이 아닌 국책 사업으로 진행되는 경우가 허다합니다.

우리나라의 경우, 한국지능정보사회진흥원(NIA)에서 진행하는 국책사업으로 학습용 데이터 구축 지원 사업을 진행하고 있으며, 이에 대한 자세한 내용을 인공지능 통합 플랫폼인 'AI허브'에 공개하고 있답니다.

데이터 라벨러들의 경우 'AI허브' 사이트를 통해 데이터 구축사업과 관련된 공고를 확인할 수 있으며, 관련 크라우드 소싱 정보 및 전문 교육 정보를 확인할 수 있어 특히 입문 라벨러들의 경우, 반드시 확인해야할 리소스라 하겠습니다.

이러한 크라우드 소싱 플랫폼 뿐 아니라 각 기업의 라벨러 채용공고, 관련 커뮤니티 탐색 등을 통해 첫 발을 내딛을 수 있을 듯 합니다. 책에서는 레벨업을 위한 NIA의 인공지능 학습용 데이터 라벨링 전문 교육을 포함한 다양한 교육 방법과 필수 작업 도구를 세팅하는 가장 효율적인 방법에 대해서도 따로 장을 마련하여 자세히 설명하고 있어 처음 입문한 라벨러들에게 큰 도움이 되리라 생각합니다.

전문지식없이 컴퓨터나 스마트 기기를 다룰 수 있는 능력만 된다면 누구나 쉽게 입문할 수 있으며, 시공간 제약없는 온라인 에서 일하며, 능력에 따라 고수입을 올릴 수 있으며, 자신의 적성을 제약없이 시험해 볼 수 있다는 점에서 큰 메리트가 있습니다.

특히 데이터 라벨러로 근무하다 해당 기업의 전문 검수자 혹은 PM으로 정식 스카우터 되는 등 새로운 커리어를 쌓을 수 있다는 점은 본 직업을 통해 다양한 경력쌓기가 가능하다는 점을 잘 보여줍니다.

사실 고수익을 위해서는 작업 시간 확보를 위해 노력해야 하며, 프로젝트를 보는 눈도 길러야 합니다. 이러한 경험을 쌓기 위해서는 일정 시간을 투자해야 함은 물론입니다. 더 효율적인 방식으로 작업하기 위해 아이디어를 짜내는 것도 중요하겠죠.

책에서는 입문자가 알아야할 데이터 라벨링 작업 방식을 아래의 3가지로 나눠 자세히 설명하고 있습니다. 우리가 잘 알고 있는 인공지능 지능 학습을 위한 원천 데이터 유형과도 관련이 있습니다.

1.인공지능에 눈을 부여하는 작업 : 컴퓨터 비전(Computer Vision)

인공지능으로 하여금 시각적으로 보이는 것들에 대해 해석 및 이해할 수 있도록 학습시키는 위한 이미지 데이터 가공 과정

2. 사람 목소리를 이해시키기 위한 작업 : 음성 분야

인공지능으로 하여금 음성 인식, 자연어 처리, 음성 합성이 가능하도록 학습시키기 위한 음성 데이터 가공 과정

3. 글에 대한 독해력과 이해력을 불어넣는 작업 : 자연어 처리(NLP)

인공지능이 사람의 언어를 이해하고 생성할 수 있도록 학습시키기 위한 텍스트 데이터를 가공 과정

인공지능 모델의 성능은 그 모델이 학습한 데이터의 품질에 크게 의존합니다. 인공지능 모델을 학습시키기 위해 필요한 정확하고 품질높은 데이터를 생성하는 중요한 역할을 수행하는 데이터 라벨러의 작업은 당연히 모델의 정확도와 신뢰도에 직접적인 영향을 미치게 됩니다.

따라서 관련 기업들에서는 좀 더 전문적이고 숙련된 경험 많은 라벨러를 원하는 경향이 있으며, 가급적이면 인공지능 전체 프로세스 뿐 아니라 프로젝트 전체를 이해하고 원활하게 대화가 가능한 경험자를 원하는 것이 사실입니다. 당연히 경험많은 전문가는 어느 분야에서든 고수익을 올릴 수 있음은 당연한 이야기 입니다.

특히 인공지능 모델의 성능을 지속적으로 평가하고, 모델이 실수한 경우에 수정을 하거나 추가 학습 데이터를 생성함으로써 모델을 개선하는데도 기여하게 되며, 라벨링 작업 과정에서 개인 정보 보호, 편견없는 데이터 처리 및 다양성 및 포용성 등에도 신경을 써야 한다는 사실을 책을 통해 다시금 깨닫게 됩니다.

입문에서 고수입을 올리기까지 데이터 라벨링 입문자들을 위한 친절한 가이드가 되기에 충분한 책이라 생각합니다.

데이터를 이용해 가치를 만드는 시대의 중심에 서 있는 '데이터 라벨러'가 되기를 꿈꾸는 분들의 일독을 권합니다.

* 출판사로부터 도서를 제공받아 주관적으로 작성한 리뷰입니다.

기술전쟁

기술전쟁 - 국익 최우선 시대, 한국의 운명을 바꿀 6개의 전장
윤태성 지음 / 위즈덤하우스 / 2023년 6월

21세기는 다양한 기술의 눈부신 발전으로 인해 국가 간 경쟁이 더욱 치열해지는 시대로 변화했습니다. 특히 코로나 팬데믹을 거치면서 비대면 온라인 환경을 근본적으로 개선해준 디지털 기술과 이를 뒷받침해주는 반도체, 배터리와 같은 인프라 기술들의 발전이 두드러집니다.

이러한 기술들의 발전에 힘입어 시장에서는 관련 글로벌 기업들의 치열한 경쟁이 진행되고 있으며, 이는 결국 국가의 운명을 결정짓는 중요한 요인으로 부상하고 있습니다. 이러한 기술 경쟁에서 선도적인 우위를 점하는 국가야 말로 경제, 국방, 사회 발전 등 다양한 영역에서 큰 영향력을 행사하며, 미래사회를 선도해 나가리라 믿습니다.

오늘 소개해 드리는 <기술전쟁>에서 저자는 지금까지 30년을 주기로 '총 3번의 기술전쟁'(1960년대, 90년대, 2020년)을 겪는 동안 회를 거듭할 수록 대립 구도가 점점 확대되고 있음을 지적하고 있습니다.

1960년대에는 자동차 로터리 엔진 개발을 둘러싼 글로벌 기업대 기업의 대립 양상으로 전개되던 기술전쟁이 1990년대에는 미국과 일본 등의 국가대 국가의 대립으로 그리고 2020년을 기점으로 해서는 미국과 중국을 대표로 하는 진영 대 진영의 대립으로 확대되는 모양새를 보이고 있습니다.

기술 전쟁이 진영 대 진영의 대립으로 흐르면서 결국 미국이냐 중국이냐의 기로에선 중간 국가로서 대한민국의 결정은 쉽지 않습니다. 최근의 정부기조로 보면 미국 쪽으로 방향을 잡는 모양새이지만 어디까지나 국방 외교적 차원의 행보로 보이며, 실질적인 경제, 무역이라는 변수를 고려해 본다면 역시 대답은 아직까지는 요원해 보입니다.

저자는 대한민국의 행보에 대한 대답을 찾기 위해 기술 전쟁이 벌어지고 있는 '6가지 전장(Battle field)' 즉, 피지컬, 사이버, 스페이스, 글로벌 특허, 글로벌 스탠다드 그리고 글로벌 인재 전장을 꼽고 있으며, 3곳에서는 반드시 승리를 거둬야 하며, 다른 3곳에서는 절대로 패배하면 안된다고 강조하고 있습니다.

6곳의 전장에 대한 우리나라의 관점에는 공통점이 있습니다. '퍼스트 무버는 못되더라도 최소 퍼스트 그룹에서 벗어나면 안된다'는 겁니다. 우리나라는 살아남기 위한 생존에 방점을 찍어야 하며, 이를 위해 퍼스트 그룹에 속해야 한다는 것이죠. 이 그룹에서 한 번 탈락하면 다시 끼어들기 어렵다는 사실을 우리는 역사를 통해 잘 알고 있습니다. 많은 것을 생각하게 하는 대목이 아닌가 합니다.

반드시 승리해야하는 전장으로 저자가 우선 꼽고 있는 영역은 반도체 기설계, 소재 및 제조 기술 등을 포함하는 피지컬 전장입니다. 이 영역에는 미국과 중국, 한국, 대만 그리고 일본이 등장합니다.

반도체 글로벌 공급망에서 중국을 분리하는 디커플링 전략을 시도하는 미국(설계기술)과 소재를 무기로 사용하는 중국과 일본, 그리고 제조기술로 맞서는 한국과 대만의 일전을 생생하게 묘사하고 있습니다. 역시 큰 그림은 자국 진영을 중심으로 기술과 시장을 유지하려는 미국과 중국의 대립구도의 확대라 하겠습니다.

데이터를 기반으로 벌어지는 디지털 전장에서도 역시 미국은 네트워크에서 중국을 배제합니다. 그러다 보니 미국식 인터넷과 중국식 인터넷으로 양분, 분열되어 전혀 다른 인터넷 생태계가 전개 되고 있음이 핵심입니다. 기업이 주도하는 미국식에 반해 정부 주도의 중국식 인터넷 하에서는 디지털 감시국가로의 퇴행이 예상됩니다.

결국 인터넷 분열로 인해 '우리' 아니면 '너희'라는 대립 구조가 생기게 될 것이며, 상대 그룹에 대한 반목과 편견 그리고 진영싸움으로 번질 수 밖에 없는 태생적 원인이 존재한다 하겠습니다.

무서운 사실은...

시간이 지날수록 보고 싶은 내용만 인터넷에서 찾아보니 확증편향이 심해지고, 상대 진영에 속한 사람에 대한 미움이 커져 결국 모든 주제에 대해 각각 두개로 분열되는 '세계 분열 양상'으로 전개될 조짐이 보인다는 점입니다.

이외에도 인공위성 전성시대를 맞아 한국 발사체에 찾아온 행운과 글로벌 기업의 화성 탐사 및 이주 계획을 다룬 스페이스 전장 또한 반드시 승리해야하는 전장으로 기록하고 있습니다.

절대 패배해선 안 되는 전장으로 저자가 꼽고 있는 '글로벌 특허 전장', '글로벌 스탠다드 전장' 그리고 '글로벌 인재 전장'은 기술 자체 보다는 기술을 둘러싼 법, 제도적인 성격이 강하며, 기술을 실제 개발, 운영할 인재 확보라는 측면에서 좀 더 관심을 기울여야할 영역이라 생각합니다.

아시다시피 기술 혁신을 위해서는 '특허 보호'와 '글로벌 스탠더드 제정'이 필수입니다. 기술의 창출과 보호는 경쟁력 유지와 혁신의 핵심요소로 작용합니다. 선제적으로 기술 특허를 보유하고 글로벌 스탠더드를 주도하는 국가는 기술 생태계에서의 주도권을 확보하며 경쟁에서 우위를 점할 수 있을 겁니다.

또한 기술 전쟁시대에는 우수한 인재가 핵심 자원이 됩니다. 첨단 기술 분야의 전문가와 연구자, 창업가들은 혁신의 중심에 서 있으며, 국가의 기술 경쟁력을 결정합니다. 인재육성과 유치를 통해 국가는 글로벌 기술 시장에서의 경쟁을 이끌어 나갈 수 있게 됨을 기억할 필요가 있습니다.

마지막으로 저자가 주장하는 한국이 지켜야할 원칙인 'SIT 3A'를 그대로 옮겨 봅니다.

과학(S) : 한국인은 왜 과학 기술의 힘을 믿지 않을까?

혁신(I) : 미국의 최고 기술은 97개, 한국은 0개

인재(T) : 최고 인재를 우리 품에 품는다

기술의 제3축(3) : 네트워크 형 기술 강소국 세력을 주도한다

적응(A) : 미래 시나리오를 만들고 환경에 적응한다

이익 앞에선 모든 적이 달라지는 국익 최우선의 시대 ! 책에서 제시하는 인공지능, 반도체, 배터리, 특허, 표준, 인재의 6가지 핵심 분야의 기술 전쟁이야말로 국가의 운명을 결정짓는 중요한 요인으로 작용할 것입니다.

대한민국이 반드시 승리해야 하는 피지컬, 사이버, 스페이스 전장에서의 승전보와 글로벌 특허, 글로벌 스탠다드 그리고 글로벌 인재 전장에서의 선전을 기원합니다.

관심있는 분들의 일독을 권합니다.

챗GPT의 거짓말

챗GPT의 거짓말 - 인공지능의 약점과 거짓말에 각성하라
트렌드연구소 지음 / 동양북스(동양문고) / 2023년 8월

챗GPT는 인공지능 언어 모델로써 막대한 양의 텍스트 데이터를 학습하여 사람과의 대화를 생성하는 '생성형 AI'의 일종입니다. 이러한 AI 언어모델의 경우, 주어진 데이터 또는 맥락(context)에 근거하지 않은 잘못된 정보나 허위 정보를 생성하기도 합니다.

일종의 '그럴싸한 거짓말'이라 할 수 있으며, 이를 보통 AI 언어모델의 '환각현상(할루시네이션, hallucination)'이라고 말하기도 합니다. 이는 모델이 현실과는 상관없는 비현실적인 내용을 생성하는 경우 종종 일어나는 현상입니다. 예컨데, 챗GPT가 미래의 사건을 예측하거나 실제로 일어나지 않은 상황을 설명하는 경우가 이에 해당합니다.

이제 어느덧 챗GPT가 출시된지 근 10개월이 지난 시점에서 그리고 유사한 AI 언어모델 서비스가 앞다투어 출시되고 있는 상황에서 사용자로서 인공지능의 답변에 신뢰도를 가질지 말지에 대한 판단과 선택의 순간이 다가왔습니다.

오늘 소개해 드리는 <챗GPT의 거짓말>에서는 인공지능의 한계와 위험에 대해 포커스를 맞추고 있습니다.

예컨데, 인공지능이 CCTV 데이터, 각종 카메라, 네트웤에 연결된 SNS 상의 데이터 등 실시간 데이터를 통해 정보를 이용하는 경우, 혹은 과거의 모든 행적을 지닌 서버 상의 데이터를 이용하게 되면 벌어지게 될 개인 정보 혹은 사생활 침해 뿐 아니라 사람의 움직임, 일, 휴식, 사고방식, 생각, 마음까지도 모든 것들을 통제할 수 있는 감시와 통제 사회가 도래할 것이라는 위험성을 지적합니다.

말 그대로 조지오웰의 소설 '1984'의 디스토피아의 재현이라 하겠습니다.

또한 인간이 지적하기 전까지는 자기의 대화가 '거짓말'임에도 진실처럼 이야기하는 인공지능의 그럴싸한 거짓말과 그 위험성에 대해서도 폭로하고 있습니다. 그런 의미에서 챗GPT와 같은 생성형 AI의 답변을 진실이라 믿어서는 안되며, 특히 검색을 대신할 수 없다는 사실을 기억할 필요가 있습니다.

크게 3부로 나눠진 본서의 구성은 1부를 통해 챗GPT의 다소 기술적인 내용과 작동원리, 인공지능과 미래일자리 문제 그리고 그림 그려주는 인공지능인 달리를 위시한 다양한 '인공지능 플랫폼'을 소개하는 것으로 지면을 할애하고 있답니다.

책의 메인이기도 한 2부에서 본격적으로 챗GPT와 같은 인공지능의 태생적인 한계와 더불어 데이터의 한계 그리고 인공지능 학습의 한계에 대해 다루고 있습니다. 특히 학습에 사용된 데이터의 편향성, 오류, 누락, 과적합 그리고 크기라는 약점 때문에 인공지능이라 해서 100% 맞는 답변을 하는게 아니라는 사실을 반드시 기억해야 합니다.

이런 데이터의 약점을 미리 알고 인공지능을 이용하다 보면 예기치 않은 상황을 미리 예방할 수 있다는 것이 저자의 주장이기도 합니다.

이와 더불어 '그럴싸한 거짓말'을 정말 그럴싸하게 하는 인공지능의 학습의 약점을 가감없이 드러냅니다. 앞서 말씀드린 '환각'을 비롯하여 '학습의 역효과', '학습의 편향성', 그리고 '학습 오류' 등은 결국 학습을 시키는 인간의 약점과 한계성을 그대로 노출시킨 것​에 다름 아닙니다.

그러나 이는 단순한 문제라기 보다는 오히려 인공지능의 위험성을 나타내는 상황이라 하겠습니다. 누군가 나쁜 의도로 2X3=6이 아니라 2X3=8이라고 학습시킨다면 우리 생활 곳곳에 사용되면서 심각한 오류를 불러올 것은 자명한 일일 겁니다.

사실 이러한 인공지능의 한계의 위험성에 맞서 유럽연합 등에서는 인공지능 규제법으로 인공지능 관련 무분별한 행동을 제어하려는 움직임이 거세게 일고 있습니다. 물론 다른 국가들에서도 관련 법들이 제정될 움직임이 일고 있지요.

이러한 법 제도 마련을 통해 인공지능이 악용되는 사례를 미리 방지하고 인간의 삶에 도움이 되는 인공지능 산업으로 성장하기 위해서는 관련 기관 단체 그리고 국가의 확고한 의지가 필요하다 생각됩니다.

마지막으로 저자는 "인공지능은 절대 인간을 이길 수 없다"고 주장합니다. 바로 인공지능은 인간의 데이터를 먹고 살기 때문이라는 것이 그 이유입니다. 인간의 데이터 입력 없이는 인공지능은 절대 생존 불가이기 때문이라는 것이죠.

인공지능은 누군가의 데이터, 누군가 인터넷에 업로드했던 데이터를 재조합하고 변형해서 마치 자신의 고유 의견인양 내놓는 것에 다름아니기 때문입니다.

마지막 문장이 눈에 띕니다. "인공지능이 필요로 하는 데이터를 줘야 할지, 안 줘야 할 지를 선택하는 건 처음부터 인간의 몫이었습니다."

인공지능의 '그럴싸한 거짓말'이 어떻게 이뤄지며, 그 원인이 되는 한계와 위험성에 대해 깊이있는 인사이트를 던져주고 있는 책으로 평가합니다.

관심있는 분들의 일독을 기대합니다.