인간을 진화시키는 AI

인간을 진화시키는 AI - 오픈AI 투자자 리드 호프먼과 GPT-4의 대화
리드 호프먼 지음, 이영래 옮김 / 알에이치코리아(RHK) / 2023년 8월

AI는 인간의 삶을 다양한 측면에서 혁신하고 발전시킬 것으로 예상됩니다. 그러나 이러한 발전은 적절한 규제와 윤리적 고려 사항을 통해 이뤄져야 하며, 인간과 AI의 협력과 협업이 원만히 이뤄질때 우리가 기대하는 긍정적인 결과를 가져올 것이라 생각합니다.

이런 긍정적 결과 중에는 단순하고 반복적이며, 일상적인 작업을 자동화하여 인간들이 더 가치 있는 창조적, 전략적 업무에 집중할 수 있게 해주며, 학습 알고리즘과 가상/증강 현실을 통해 개인화된 교육 및 자기 개발을 지원하게 될 것입니다.

이와 더불어 의료 분야에서는 질병의 조기 진단, 약물 개발, 유전자 분석 등을 통해 인류의 건강에 기여할 것이며, 노동 시장에서는 자동화로 인해 몇몇 직종은 사라질 수 있지만 그에 반해 새로운 직종과 기술관련 업무가 생겨날 것이며, 이를 위한 직무 재배치와 교육이 중요한 사회문제로 대두될 것으로 보입니다.

오늘 소개해드리는 <인간을 진화시키는 AI>에서는 챗GPT를 만든 오픈AI의 투자자이며, 페이팔과 링크드인의 공동 창업자인 '리드 호프먼'이 챗GPT의 최신 버전인 GPT-4와의 대화를 통한 그의 인공지능에 대한 미래 전망과 비전을 제시하고 있습니다.

결론부터 말하자면, 그는 인공지능과 함께하는 인류의 삶을 매우 낙관적으로 전망하고 있습니다. 인간의 호기심을 자극하는 AI 도구들은 결국 인간의 창의성, 비판적 사고력, 판단력, 문제 해결 능력을 향상시켜 주는 지렛대 역할을 하게 된다는 것입니다.

다시 말해, 인공지능의 도움을 통해 우리 인류는 더욱 인간다운 삶을 살고 진정한 '호모테크네(Homo Techne)'의 미래를 살아갈 것이라는 유토피아적 전망을 밝히고 있습니다.

책에서는 아래의 11가지 주제를 가지고 GPT-4와의 대화 내용과 그 내용을 바탕으로 자신의 인사이트를 덧붙이는 식으로 궁극적인 'AI 유토피아 시대'를 예견하고 있습니다.

AI가 아이들을 교육시킬 수 있을까?

독창적인 창작물 vs 저품질의 모방작

범죄자를 체포하고 정의를 수호하는 AI

저널리즘과 저널리스트의 미래

소셜 미디어에서 벌어질 일들

일의 변혁을 불러오는 도구

리드 호프먼을 대신할 GPT-4

AI가 없는 일을 지어낼 때는?

공공지식인의 역할을 기대하다

호모테크네의 등장

책 전체에 걸쳐 의료, 교통, 금융, 등 다양한 산업영역에 미치는 AI의 영향에 대한 다양한 예시를 제공하고 있습니다. 이와 더불어 AI를 둘러싼 윤리적 고려와 오용이나 악용가능성 또한 제기하고 있습니다.

또한 저자의 일관적인 관점은 "AI는 잘 짜여진 도구로서 인류를 진화시킬 수 있는 충분한 가능성"을 가지고 있다는 점입니다. 항간의 우려와는 달리 AI는 인간의 지능을 대체한다기 보다 인간의 능력을 증강시키고 향상시킬 수 있다는 사실에 주목하고 있답니다. 책에서는 AI가 복잡한 문제를 해결하고, 의료 결과를 개선하며 정보에 입각한 결정을 내릴 수 있는 능력을 향상시킬 수 있는 잠재력을 강조하고 있습니다.

많은 사람들이 쉽게 AI에 접근할 수 있게 만드는 본서의 장점 2가지를 책을 읽어 나가면서 느끼게 됩니다. 그 첫번째는 접근하기 쉬운 문체에 있습니다. AI에 대한 전문용어를 최대한 피하고, 복잡한 개념을 이해하기 쉽게 설명하고 있다는 점이며, 두번째는 복합적인 아이디어를 접근하기 쉬운 실제 사례와 일화를 사용하여 보여주고 있다는 점입니다.

저자의 핵심 주장은 AI의 발전에 있어 인간 개입의 중요성인 것으로 보입니다. 앞서 말씀드린 바와 같이 인간을 대체하는 것이 아닌 인간의 창의력을 높이기 위한 정교한 도구로서 AI가 활용되어야 하며, 이러한 도구들이 모든 사회 구성원들의 가치와 필요를 반영하도록 보장하기 위해 AI 시스템의 개발에 더 많은 다양성과 포용성이 필요하다는 점입니다.

물론 인간의 능력을 증강하고 궁극적으로 인간을 진화시킨다는 낙관적 전망을 펴고 있지만, 기술에 따른 잠재적인 위험과 도전에 대해서도 언급하고 있답니다. 공공의 이익을 위해 AI가 책임감있게 활용될 수 있도록 윤리적 치침과 규정 마련이 무엇보다 중요하다 역설합니다.

인간의 창의성과 창조성에 AI가 어떤 영향과 역할을 할 것인지에 대한 독특한 인사이트를 제공하는 책으로 평가합니다. 인공지능 기술이 세상을 긍정적으로 변화시키는 방법과 이 과정에서의 위기와 도전에 대해 관심을 가진 분들의 일독을 권합니다.

[100자평] 교육혁명 2030

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

미래를 주도할 다음 세대를 교육하고 양성해야 하는 미래교육혁명에 관심있는 분들께 추천합니다

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.