처음 떠나는 컴퓨터과학 산책

처음 떠나는 컴퓨터과학 산책 - 하버드대 학생들은 왜 컴퓨터과학을 배울까?
김현철.김수환 지음 / 생능 / 2020년 11월

대학교의 교양 과목 중 가장 인기를 끄는 과목은 주로 인문, 철학, 심리학이나 경제학 일정도로 인문 사회 계열에 치우친 경향이 있습니다. 재미있기도 하지만, 특히 각 대학의 스타 교수님들의 과목이 큰 관심과 선택을 받기 때문이기도 합니다.

우리에게도 유명한 하버드 대학도 마찬가지였습니다. 유명한 멘큐 교수의 '경제학 원론'이나 마이클 샌델 교수의 '정의란 무엇인가'와 같은 교양 과목은 자리구하기가 힘들 정도로 인기였었죠. 그러나 2015, 6년을 기점으로 미묘한 변화가 생깁니다. CS50으로 불리는 "컴퓨터 과학(컴퓨터 사이언스, Computer Science)"이 새로운 유행으로 교양과목의 선두에 서게 되었습니다.

거의 대부분의 학생들이 프로그래밍 경험이 없고, 비전공자들이 점수따기 쉽지 않은 선택과목에 몰려든 이유는 무엇일까요?

디지털 경제로의 이행이 가속화되고, 4차 산업혁명이 본격적으로 진행되는현 시점에서 전 산업 영역에서 일어나는 "디지털 트랜스포메이션(Digital Tranformation)"에 부응하기 위해서는 각자의 전공영역에서 디지털과의 융합을 고려해야 한다는 절박함일거라 생각합니다. 즉, 컴퓨터적 사고(알고리즘적 사고)와 코딩 능력과 이해가 필수라는 겁니다.

오늘 소개해 드리는 <처음 떠나는 컴퓨터과학 산책>에서는 여느 대학의 전산정보학과나 컴퓨터 사이언스학과 등에서 처음 마주하는 컴퓨터 개론 혹은 전산정보학 개론 수준의 내용을 담고 있습니다.

우선 데이터와 정보의 상관관계로 부터 정보를 자동으로 처리(계산)하는 기계인 컴퓨터에 대한 설명으로 나아갑니다. 그후 컴퓨터가 사용하는 디지털 코드와 전기, 전자 장치를 이용하여 '정보'를 저장하고 처리 및 관리하기에 최적화된 1과 0 즉, 이진(binary) 형태의 표현법을 설명합니다.

따라서 컴퓨터의 관점에서 보면 비트(bit)로 코드화된 정보를 '디지털 정보'라 부르고, 디지털 정보는 '이진 코드화된 정보', 아날로그 정보는 '코드화하지 않은 정보'라 볼 수 있답니다.

이러한 이진 코드를 통해 문자(Text) 정보 표현, 문자(Text) 데이터 압축, 이미지(Image) 정보와 소리(Audio) 정보 그리고 숫자 정보를 표현하는 방법을 자세히 보여줍니다. 특히 멀티미디어 정보(이미지, 소리 등)의 빅데이터 AI 분석 시 반드시 이해해야 할 픽셀, 각종 인코딩 기법(gif, jpeg, png), 비트맵과 벡터 그리고 샘플링, 양자화, 부호화 등의 개념 정리는 추후 좀 더 깊이 있는 학습에 큰 도움이 될 것입니다.

그렇다면 컴퓨터가 이해하기 쉬운 정보와 컴퓨터에서 가장 많이 사용하는 정보의 구조는 어떤 것일까요? 컴퓨터에 일을 시키기 위해서는 컴퓨터가 데이터를 쉽게 처리할 수 있는 구조로 전환하는 것이 중요합니다.

컴퓨터가 처리하기 쉬운 정보의 구조화 방법은 목록형, 계층형, 테이블형, 그래프형 구조 등이 있으며, 정보를 이용해서 문제를 해결하는 과정은 입력->처리->출력(IPO) 의 과정을 거치게 됩니다.

컴퓨터를 통한 문제해결에 이용하는 방법이 '정보의 구조화' 였다면 컴퓨터에 일을 시키는 순서 즉, 어떤 작업을 수행하기 위해 컴퓨터에 내리는 명령을 순서대로 나열하는 것을 '알고리즘(Algorithm)'이라 할 수 있답니다. 본서에서는 알고리즘의 표현방법(자연어, 슈도코드, 순서도)과 구조(순차, 반복, 분기)를 통해 가장 기본적인 개념파악이 가능합니다.

이어지는 장에서는 여느 프로그래밍 기본서와 마찬가지로, 데이터 구조 및 배열, 정렬 알고리즘(버블, 선택, 삽입), 탐색 알고리즘, 값을 바꾸어 주는 함수(Function) 그리고 알고리즘을 통한 문제해결을 위한 다양한 전략이 상세히 설명되고 있습니다.

마지막으로 '기계 학습'이란 개념으로 알려진 '인공지능'에 대한 기본 개념과 기계학습과 딥러닝을 포함한 인공지능 모델 그리고 기계 학습의 분류(지도, 비지도, 강화 학습)를 통해 2020년 현재까지 개발된 기계 학습의 다양한 성과들을 예시를 통해 확인하고 있습니다.

특히 책의 말미에 설명되는 인공신경망 즉, '퍼셉트론'에 대한 개략적인 소개는 가장 진화된 형태의 인공지능 모델이라 할 수 있는 딥러닝 알고리즘에 대한 이해를 위해 초심자들이 한 번쯤 읽어 봄직 합니다.

인간의 뇌에서 뉴런과 뉴런 사이의 시냅스 연결이 지속적으로 자극되면 경험이 강화되는 것처럼, 입력층과 출력층 사이의 논리연산 과정에서 각각의 연결에 가중치(Weight)를 적용하는 개념을 도입함으로써 오늘날의 딥러닝의 시초가 되는 퍼셉트론 이론이 발표됩니다.

즉, 퍼셉트론은 다수의 입력 값과 가중치를 계산하여 하나의 출력(0 또는 1)으로 출력하는 입력층과 출력층으로만 구성된 알고리즘을 말합니다. 이때, 컴퓨터가 적당한 가중치를 찾아내는 '학습'을 하게 되며, 이렇게 찾아낸 가중치는 새로운 데이터를 판별하는 데 사용할 수 있습니다.

그러나 '배타적 논리합(Exclusive OR)' 연산 문제를 해결하지 못하여, 상당기간 암흑기에 접어든 인공지능 학계는 은닉층을 하나 이상 만드는 '다층 퍼셉트론'을 고안해 냄으로써 여러가지 구분 문제를 해결하게 됩니다. 이러한 다중 은닉층 모델을 '딥러닝'이라 부르며, 특히 인식(Recognition) 영역(이미지 인식, 음성 인식 등)에서 눈부신 성과를 내고 있습니다.

컴퓨터 과학의 가장 기초적인 수준인 정보와 데이터의 설명에서 시작하여, 정보의 구조화, 알고리즘, 그리고 인공지능으로 단계적으로 이어지는 잘 짜여진 커리큘럼을 가진 실용서로 평가하고 싶습니다.

앞서 말씀드린 대로 '디지털 트랜스포메이션'을 통해 산업 영역의 경계가 흐려지며, 디지털이 매개가 되어 서로 융복합을 통해 질적인 변화를 거듭하게될 디지털 경제 시대에 알고리즘적 사고와 코딩 능력이 전공을 막론하고 필수 역량으로 자리매김해 나가는 이때, 컴퓨터 과학의 기초를 이해하는 것이 무엇보다 중요합니다.

예를 들어, 상경계 학생들이 데이터 분석이 중요한 경영 컨설팅 업계로 진로를 잡기 위해 논리적 사고나 코딩 능력을 기른다거나, 의사가 되려는 학생들이 세포 분자학을 깊이 있게 연구하기 위해 코딩 기술을 연마하기에 앞서 기초가 되는 데이터 과학 개론의 이해가 선행되어야 한다는 말입니다.

컴퓨터 과학의 A to Z 를 쉬운 설명과 다양한 예시를 통해 익히고자 하는 분들께 추천하고 싶습니다.

넥스트 넷플릭스

넥스트 넷플릭스
임석봉 지음 / 한즈미디어(한스미디어) / 2020년 10월

우버(Uber)나 에어비앤비(Airbnb)를 통해 우리에게 잘 알려진 "공유경제" 만큼이나 최근 코로나 사태를 통해 주가가 많이 오른 "구독경제(Subscription Economy)"라는 비즈니스 모델에 많은 기업들의 관심이 옮겨가고 있습니다.

일정 금액을 내고 정기적으로 서비스나 제품을 받는 것을 통칭하는 '구독경제'의 선봉에는 단연 전 세계 OTT(Over the Top, 온라인 동영상 서비스) 시장의 절대강자인 "넷플릭스"의 성장세가 두드러집니다.

특히 코로나 사태 이후 우리나라에서의 성장세가 무서울 정도입니다. 올해 9월 기준 국내 가입자가 330만명으로 지난해 같은 기간 184만명 보다 2배 가까이 늘었으며, 9월 결제액이 462억에 이르며, 넷플릭스가 일으키는 트래픽은 국내 전체 트래픽의 약 5%정도로 네이버나 카카오 트래픽의 2~3배에 이르는 것으로 추정될 만큼 가파른 상승세가 이어지고 있습니다.

바야흐로 국내 및 해외 미디어, 콘텐츠 업계를 변화시키는 '게임체인저(Game Changer)'의 위상을 갖춘 넷플릭스에서 시작된 OTT 전쟁과 그 경쟁자들 그리고 그들이 바꾸어나갈 미래 미디어, 콘텐츠 시장의 향방이 궁금해 집니다.

오늘 소개해 드릴 <넥스트 넷플릭스>에서는 우선, 2억명의 가입자를 가진 세계 최고의 OTT 서비스 업체인 '넷플릭스'의 장점과 성공비결 그리고 그들이 방송과 콘텐츠 산업에 미친 영향을 정리하고 있습니다. 그리고 넷플릭스의 아성에 도전하는 아마존, 디즈니, 컴캐스트(피콕), AT&T(HBO MAX), 퀴비의 장점과 전략을 점검하고 있습니다.

마지막으로 5년전까지만 해도 TV의 대체제가 아닌 보완재, 즉 틈새 시장을 노리던 OTT 서비스가 2020년에는 대세 중의 대세로 자리 잡아감으로써 벌어지는 거대한 기회의 시장과 한국 OTT 서비스의 미래에 대해 언급하고 있습니다.

저자가 분석한 "넷플릭스의 성공 비결"은 결국 이용자의 콘텐츠 시청을 위한 니즈(Needs)를 하나하나 실현시켰기 때문이라 진단합니다. 그 내용은 아래와 같이 정리할 수 있습니다.

1. 빈지 워칭(Binge watching) 즉, '몰아보기'의 실현

2. 아낌없는 투자를 통한 새로운 오리지널 콘텐츠의 지속 생산

3. 생태계 구축과 상생의 전략 (글로벌 OTT 서비스 사업자로 현지화 전략에 성공한 유일한 사업자)

4. 콘텐츠와 테크놀로지의 결합 (플렉스 파일과 시네매치 알고리즘 등을 활용한 빅데이터 분석을 통한 고객(사용자) 분석과 개인맞춤 최적화 전략)

이러한 넷플릭스의 성공에 자극 받거나, 위협을 받고 있는 신진 or 기존 스트리밍 서비스 사업자들의 끊임없는 성장과 변화를 통한 반격은 Part2에서 자세히 다뤄집니다.

데이터를 바탕으로 한 콘텐츠 왕구의 꿈을 실현시키고자 하는 "아마존", 방대한 미디어 네트워크와 강력한 스튜디오 파워를 갖춘 "디즈니 플러스", 미디어 공룡 "NBC유니버셜의 피콕", 통신사인 AT&T의 미래라 평가받는 "HBO MAX" 그리고 오리지널 콘텐츠로 무장한 "퀴비"를 통해 넷플릭스와의 일전(一戰)을 기약하는 경쟁자들의 준비상황과 전략을 자세히 확인할 수 있습니다.

특히, 2020년 현재 국내에서 서비스되고 있는 국내 OTT 사업자들인 웨이브, 티빙, 왓챠, 시즌(KT), LGU+ 모바일의 이용자수와 월간 총 이용시간 그리고 방송 프로그램의 종합 반응 등의 비교를 통해 현재 상황과 앞으로의 비전을 보여주는 Part3가 매우 인상적이었습니다.

안타까운 점은 미국이 2010년 대 부터 M&A를 통해 미디어 산업의 몸집을 불리고, 글로벌 경쟁력을 강화하고 있을 때 국내에서는 관련 사업자들의 늦은 시장 참여와 정부의 규제 중심적인 사고로 인해 큰 차이로 뒤처져지게 된 사실입니다.

특히 고객 데이터를 인공지능 딥러닝으로 분석한 추천 알고리즘으로 가장 최적화된 맞춤 콘텐츠를 추천해주는 '넷플릭스'나 고객 행동 및 구매 패턴을 활용한 데이터 분석 및 인공지능 스피커인 알렉사를 활용 서비스를 진화시키고 있는 '아마존'과 같이 미디어 비즈니스에 혁신 기술을 투자하고, 적용하는 글로벌 OTT 기업들의 공세에 국내 관련 기업들이 어떻게 맞서 싸우게 될 것인지가 주요 관전 포인트가 될 전망입니다.

저자가 지적하다시피 인위적인 시장 개입은 최소화하고 국내 미디어 사업자가 해외 사업자에 비해 역차별받지 않는 환경을 만들어주는 정부의 규제 혁신이 필요한 시점입니다. 즉, '자율', '진흥' 그리고 '사후 규제'라는 '정부의 대 미디어 사업 정책 방향'을 설정해 산업 활성화를 위해 노력해야 한다는 의미입니다.

"새 술은 새 부대에 담아야 한다."는 마지막 문장의 의미가 새롭게 다가오는 이유이기도 합니다.

콘텐츠, 미디어 산업의 현재 상황과 미래 비전에 관심있는 분들의 일독을 추천합니다.

리드 앤 디스럽트

리드 앤 디스럽트 - 혁신기업의 딜레마를 해결하는 법
찰스 오라일리.마이클 투시먼 지음, 조미라 옮김 / 처음북스 / 2020년 10월

대부분의 기업에서는 현재 그들이 제공하는 제품을 개선하고 소비자의 요구에 적극적으로 대응하는데 몰두하지만, 근본적으로 새로운 제품과 서비스를 새롭게 개발하는데는 소극적일 수 밖에 없습니다.

기존 제품과 프로세스에 주의하면서 끊임없이 앞을 바라보며 미래를 정의할 혁신을 준비하는 것은 기업의 경영진이라면 공감할 법 합니다만, 과거(기존 역량)와 미래(새로운 기회, 혁신) 사이의 균형을 유지하는 것은 기업의 Management 에서 가장 어려운 일 중 하나이기에 이를 잘 수행하는 기업을 찾기란 요원한 것이 사실입니다.

우리가 잘 알고 있는 코닥(Kodak)과 보잉(Boeing)은 과거 즉, 핵심 역량에만 몰두한 나머지 빠른 시장의 변화에 적응하지 못한 사례로 남아있습니다. 아날로그 사진에는 뛰어 났지만, 디지털 카메라로 도약하지 못한 '코닥'이나 상업용 항공기 분야의 오랜 선두 주자였지만, 방위 계약 사업에서 어려움을 겪고, 최근에는 에어버스와의 경쟁에 직면한 '보잉'의 사례가 바로 그것입니다.

이러한 성장과 혁신의 문제를 처음 제기한 이는 1997년 "혁신기업의 딜레마(The Innovation Dilemma)"를 쓴 클레이튼 크리스텐슨 교수(Clayton M. Christensen) 입니다. 그는 이 책에서 저가 시장에서 시작해서 점차 시장 점유률을 높여 매출을 늘리고, 혁신적 기술을 발판삼아, 궁극에는 주류기업을 뛰어넘는 "파괴적 혁신(Disruptive Innovation)" 이론을 주창하기도 했습니다.

바로 여기서 앞서 말씀드린 혁신기업의 딜레마 문제가 불거지게 됩니다. '코닥'과 '보잉'처럼 오직 자신들의 주력 사업에만 몰두하고, 매진한 나머지 시장의 변화 신호를 캐치해 내지 못하고 결국 스스로 파멸을 자초하게 된다는 내용입니다. 물론 '크리스텐슨 교수'의 경우, 혁신에 초점을 맞춘 소규모 조직을 적절히 설정하라(분사)는 조언을 하고 있습니다만, 사실 오늘날까지 완벽한 솔루션으로 평가받지는 못했지요.

그렇다면 과거의 핵심역량과 미래의 혁신을 동시에 잡을 비결은 없는 것일까요?

오늘 소개해드릴 <리드 앤 디스럽트>에서 두 저자는 이러한 혁신 기업의 딜레마에 대해 크리스텐슨 교수와는 완전히 결이 다른 해결책을 제시합니다. 그들에 따르면, 조직은 (1) 기존 핵심 비즈니스를 운영 및 개선하고 (Exploite), (2)새로운 혁신과 시장을 개발 (Explore) 할 수 있어야 합니다.

이를 위해 저자들은 "양손잡이 리더십"이라 부르는 'Ambidexterity' 개념을 소개합니다. 성공적인 기업과 리더(양손잡이 리더)는 기존 기술, 역량과 자질을 기반으로 완전히 새로운 기술, 역량 및 자질을 고유하게 재구성하고 개발할 수 있습니다. 그들은 기존의 핵심역량과 자산을 사용하여 지속적으로 스스로를 갱신하고 새로운 혁신과 시장을 개발해 나가죠. 현재 핵심사업을 포기하거나 주의를 분산시키지 않고 말입니다.

저자인 '찰스 오라일리'과 '마이클 투시먼 교수'는 MBA과정의 비즈니스 모델 분석에서 흔히 볼 수 있듯 다양한 실제 사례를 연구한 내용을 바탕으로 결론을 내리고 있습니다. 그들에 따르면 월마트, 넷플릭스, 지멘스, 레고, 아마존과 같이 성공한 기업들의 이면에는 경영진의 "양손잡이 리더십"을 통한 혁신기업의 딜레마에 대한 적절히 대처가 있었음을 확인할 수 있습니다.

성공적인 조직은 오랫동안 기존 비즈니스 모델을 최적화하고, 활용하는 방법을 알고 있습니다. 그러나 동시에 새롭고 잠재적으로 파괴적인 비즈니스 및 수익 모델에 대한 혁신을 지속적으로 탐색해 나갑니다. 그리하여 양손잡이 조직은 변화에 신속하게 대응하여 지속적으로 성장 할 수 있습니다.

아마존, 시어스, 볼 코퍼레이션, IBM, 하이얼, 시스코 등 세계적인 글로벌 기업들의 혁심기업의 딜레마를 해결하기 위해 양손잡이 능력과 조직을 갖추기 위한 고군분투를 그리는 한편, 경영학의 구루로 평가받는 크리스텐슨 교수의 '파괴적 혁신'을 잇는 최신 경영학 이론으로 평가받고 있는 역작입니다.

현재의 기회들 사이에서 균형을 잡고, 미래 기회를 탐험하는 양손잡이 능력을 갖추고자 하시는 기업의 경영진에게 추천하는 책입니다.

빅데이터로 직업을 고른다면

빅데이터로 직업을 고른다면 - 구글부터 테슬라까지 10대가 꼭 알아야 할 4차 산업혁명 ㅣ 지식 더하기 진로 시리즈 7
신지나 지음 / 다른 / 2020년 10월

코로나로 인해 삶의 많은 부분이 변화하고 있습니다. 특히, 일하는 방식과 소비의 방식에서의 두드러진 변화를 보게 됩니다. '언택트' 혹은 '온택트'라고 하는 트렌드가 시대의 대세가 되어가는 느낌입니다. 지속적으로 확진자 수가 3자릿수를 기록하고 있어 방역당국에서 거리두기 레벨의 격상을 검토하는 만큼 비대면 속에서의 일상은 이제 새로운 표준이 되어가는 것 같습니다.

비대면화, 온라인화 그리고 디지털화로 요약할 수 있는 코로나 시대의 비즈니스 트렌드는 급기야 산업의 융합을 지향하는 4차 산업혁명을 가속화시키고 있습니다. 감염을 방지하기 위한 비대면을 위한 온라인 활동은 디지털 기반에서 이뤄져야 하고, 이런 과정에서 4차 산업혁명의 혁신 기술인 인공지능, IoT, 빅데이터 분석, 클라우드 컴퓨팅이 좀 더 세련된 형태로 좀 더 가깝게 우리 곁에 다가온 듯 합니다.

특히 포스트 코로나 시대를 대비하여 기업의 미래 먹거리와 국가 경쟁력 강화 그리고 새로운 일자리 창출을 위해 야심차게 출범한 정부의 "한국형뉴딜" 사업의 두 축인 "디지털 뉴딜"과 "그린 뉴딜"을 성공으로 이끄는 핵심 기술이 바로 이러한 4차 산업혁명을 특징짓는 혁신 기술들이므로 한국형 뉴딜은 곧 대한민국의 4차 산업혁명의 거대한 마중물이 될 것으로 전망됩니다.

그러나 이러한 기술들을 포함한 4차 산업혁명의 전반적인 내용들과 연관된 직업과 진로를 함께 고민할 수 있는 책을 찾기란 쉽지 않은 것 같습니다. 특히 대형 서점에 가봐도 대한민국의 미래를 책임질 10대들이 볼만한 4차 산업혁명 관련 책들은 많지 않은 것이 현실입니다.

오늘 소개해 드리는 <빅데이터로 직업을 고른다면>은 그런 의미에서 높은 점수를 줄 수 있을 것 같습니다.

책에서는 4차 산업혁명의 두뇌로서의 '인공지능'과 사물과 세계를 연결하는 'IoT(사물인터넷)', 그린 뉴딜을 위한 '신재생 에너지'와 '스마트 시티', MaaS(Mobility as a Service)의 베이스가 될 '자율주행차' 그리고 인공지능과 짝을 이뤄 혁신 제품과 서비스를 이끌어낼 원료가 될 '빅데이터'에 대한 설명을 최신의 정보들과 함께 제공하고 있습니다.

특히 각 기술의 설명과 함께 현재 적용 상황 그리고 추후 비전 제시와 더불어 각 기술과 연관된 진로 찾기를 따로 마련하고 있습니다. 저자가 제시하고 있는 각 기술과 관련된 진로 중 몇 가지를 발췌해 봅니다.

- 인공지능 관련 진로 : 인공지능 개발자, 로봇공학자

- 사물인터넷 관련 진로 : 웨어러블 기기 디자이너, 사물인터넷 프로그래머

- 신재생에너지 관련 진로 : 도시 재생 전문가, 에너지 설계 전문가

- 자율 주행차 관련 진로 : 자율주행차 관련 전문가, 자동차 소프트웨어 콘텐츠 개발자

- 빅데이터 관련 진로 : 빅데이터 전문가, 정보 보안 전문가

물론 각 진로에 있어, 기술의 난이도에 따라 혹은 적용 범위에 따라 좀 더 디테일하게 나뉠 수 있습니다만, (예컨데, 빅데이터의 경우, 데이터 사이언티스트, 데이터 엔지니어, 데이터 애널리스트, 데이터 아키텍트 등) 기본적인 기술 설명과 함께 큰 방향성에 맞게 진로 설명을 잘 해놓았다고 생각합니다. 물론 관심있는 분들은 본서를 바탕으로 좀 더 깊고 넓은 영역을 다루는 레퍼런스를 참조하면 될 것 같습니다.

아무런 사전 지식이 없더라도 읽는데 크게 지장이 없는 책이며, 특히 3~5년 쯤 후 본격적인 4차 산업혁명시대에 주역이 될 10대들이 한번쯤 보았으면 하는 책으로 평가합니다. 한 가지 아쉬운 점은 이러한 각각의 기술들 소개와 함께 마지막 장 쯤에는 모든 기술이 함께 융합되어 만들어진 제품이나 서비스를 도식화하여 전 산업의 융합이라는 4차 산업혁명의 특징을 소개해 줬으면 어땠을까 하는 아쉬움이 남습니다.

관심있는 분들의 일독을 권합니다.

인공지능 무엇이 문제일까?

인공지능, 무엇이 문제일까? - 4차 산업혁명 시대 AI와의 일자리 경쟁, 그리고 공존 ㅣ 10대가 꼭 읽어야 할 사회·과학교양 6
김상현 지음 / 동아엠앤비 / 2020년 10월

최근 코로나19 사태를 통해 알 수 있었던 것 처럼, 재난의 급속한 확산 속에서 보다 빠르게 사전 위험을 탐지, 예방하고, 감염병 발생 시에는 신속하게 분류, 진단하고 모니터링하여 조치 할 수 있도록 감염병 대응 체계와 이를 지원할 수 있는 ICT 기술에 대한 필요성이 급격하게 높아지고 있습니다.

특히 규칙 정형화가 어려운 분야에서 딥러닝을 포함한 인공지능 기술을 적용하면 빠른 대응을 할 수 있다는 이유로 감염병 추세 파악, 전파 확산 예측, 신속 진단도구의 개발 등에 인공지능을 적용하기 위한 다양한 시도들이 진행 중입니다.

'감염병 재난과 의료 인공지능의 활용 사례'에는 자동 진단 보조, 원격 환자 모니터링 및 예후 예측, 자가 진단 검사 및 음성 인식, 질병과 재난 예측, 감시, 접촉자 추적 및 모니터링 및 신약 개발 등을 들 수 있을 겁니다.

한편 이러한 인공지능에 대한 일반인들의 이해는 '유토피아' 혹은 '디스토피아' 적인 이분 법적 사고에 머물러 있는 듯 합니다. 2006년의 알파고 사건 이후 아직까지도 인공지능이 인간의 일자리를 없애 버리고, 종국에는 인간의 삶을 위협한다는 비관론이 팽배해 있는 것이 사실입니다.

오늘 소개해 드리는 <인공지능 무엇이 문제일까?>에서 저자는 이야기 합니다.

"학자들이 어떻게 생각하든 인공지능은 계속 발전하고 있다. 이미 많은 곳에서 인공지능은 인간과 함께 성장하고 생활하며 도움을 주고 있다... 이제 인공지능은 컴퓨터 공학자만 연구하고 있지 않으며... 수 많은 물리학자와 수학자 그리고 뇌과학자를 포함한 다양한 바이오 분야에서도 인공지능은 매력적인 과제가 되었다." (p.11)

10대가 꼭 읽어야할 사회, 과학교양 시리즈 답게 청소년들의 눈높이에 맞게 인공지능의 역사부터 미래 모습까지 다양한 이야기를 담아 내고 있습니다. 이를 통해 '유토피아'니 '디스토피아'니 하는 어른들의 이분법적 사고에서 벗어나, 객관적인 인공지능의 모습을 통해 그들 스스로 인공지능에 대한 개념 정립을 요구하고 있는 듯 합니다.

저자는 묻습니다. "인공지능은 어떤 존재이길래 이렇게 세상 모든 사람의 주목을 받는 것일까?", "우리는 인공지능에게서 무엇을 얻고, 무엇을 빼앗기는가?"

첫번째 질문에 대한 답으로 1950년 앨런튜링으로 부터 시작되는 인공지능의 70년 역사 개관과 기계학습과 딥러닝으로 대변되는 인공지능의 학습법을 자세히 설명하고 있습니다. 또한 영화속에서의 인공지능의 모습을 조력자, 친구, 스승 혹은 적으로 묘사하여 점점 현실화 되고 있는 인공지능의 모습을 묘사하고 있답니다.

특히, 분야별 대표 인공지능으로 알파고와 한돌로 유명한 '바둑', IMB의 왓슨의 법률에 도입한 Ross, 암을 포함한 질병 판독과 진단에 활용되는 IBM의 왓슨, 엔터테인먼트에 활용된 인공지능, 인공지능을 탑재한 도우미 로봇 등을 소개하며, 인공지능이 유명세를 탔던 분야를 꼽아 인공지능이 활용된 다양한 분야의 성과를 확인할 수 있습니다.

또한 인공지능이야말로 4차 산업혁명시대의 핵심 키워드인 "초지능(Hyper Intelligence)"을 담당할 핵심 기술로 평가받는 이유를 다양한 기술과의 융합을 통해 설명하고 있어, 4차 산업혁명의 기술 트렌드와 그 맥락을 이해해는데 큰 도움이 될 것입니다. 본서에서는 자율주행차, 사물인터넷(IoT), 빅데이터, 블록체인, 5G 통신과 인공지능의 융합 모델을 통해 다양한 ICT 산업 모델을 논의합니다.

두번째 질문에 대해서 저자는 '아직 인공지능이 학습할 만한 충분한 데이터도 확보하지 못했으며, 학습도 부족하다'는 사실을 아디다스의 '스피드 팩토리'의 실패와 'IBM 왓슨'의 의료 인공지능 실험의 퇴출이라는 사례를 들어 설명하며, 인공지능을 통한 직업 대체에는 예상보다 오랜 시간이 걸릴 것임을 역설합니다. 물론 인공지능의 발전상에 따라 급변할 수 있는 사회 패러다임의 변화에 적응할 수 있는 준비가 필요할 것으로 보입니다.

이와는 달리 도시 문제를 ICT 기술로 해결하여, 삶의 질 향상과 도시 경쟁력 강화를 통해 지속가능한 도시 전략을 추진하는 '스마트시티(Smart City)'는 인공지능이 우리 삶을 어떻게 윤택하게 해줄 것인지 보여줄 수 있는 가장 대표적인 사례로 뽑고 있습니다.

기존 인프라를 효율적으로 활용해 적은 비용으로 도시문제를 해결하려는 고민에서 비롯되었다고 할 수 있답니다. 본서에서는 국내에서 시행되고 있는 정부와 지자체가 추진하는 다양한 스마트시티 사업을 확인 할 수 있습니다.

저자의 말처럼 우리가 두려워할 것은 인공지능이 아니라 인공지능을 두려워하는 공포심 그 자체일지 모릅니다. 인공지능에게는 인공지능이 잘하는 것이 있고, 인간에게는 인간이 잘하는 영역이 있습니다. 인간성을 발전시킬수록 당연히 인간이 잘하는 영역이 두드러질 테지요.

'디지털과 인간이 맞서는 시대가 아닌, 디지털과 인간이 함께 하는 시대' 를 이해하고픈 모든 분들이 부담없이 읽어보시기를 추천합니다.

* 출판사로부터 도서를 제공받아 주관적으로 작성한 리뷰입니다.