2001년부터 선정해온 10대 혁신기술, 사람들은 종종 ‘혁신 breakthrough’의 정확한 의미가 뭐냐고 묻습니다. 합리적인 의문입니다. 우리가 선정한 기술 중 몇몇은 아직 폭넓게 이용되지 못하는 것도 있고 어떤 기술은 상업적으로 이용되고 있기도 하기 때문입니다. 우리가 말하는 혁신은 인간의 삶에 근본적인 영향을 미치게 될 기술 혹은 기술군들입니다.

올해는 인공지능에서 GANs라 불리는 새로운 기술이 기계에게 상상력을 부여하고 있습니다. 곤란한 윤리적 제약이 있기는 하지만 인공배아 기술은 생명이 어떻게 만들어지는지를 재정의하고 있고 인간 생명의 초기 순간에 대한 연구를 확대하고 있습니다. 텍사스의 석유화학 산업의 심장부에 있는 시험 공장에선 미래 주된 에너지원이 될 것으로 예상되는 천연가스에서 완벽하게 청청한 전력을 생산하는 시도를 하고 있습니다. 이들과 함께 나머지 기술들도 주시할 가치가 있습니다. [편집자]

3D 금속프린팅

3D 프린팅은 수십 년 동안 있어왔지만 주로 하나 정도의 시제품을 만드는 디자이너나 취미용에 머물러 있다. 더욱이 플라스틱 이외의 재료, 특히 금속을 프린팅하기엔 너무 비싸고 느렸다.

하지만 이제 제조부품들에 실용적으로 응용할 만큼 비용도 줄어들고 용이해지고 있다. 대중적으로 채택된다면 대량생산하는 많은 제품에 변화가 일어날 수 있다.

단기적으로는 제조사들이 많은 재고를 유지할 필요가 없어진다. 오래된 차 부품을 교체해야 할 때 필요할 때마다 프린팅해서 사용하면 된다.

장기적으로는 제한된 범위의 부품들을 대량생산하던 대규모 공장들은 고객의 변화하는 요구에 맞출 수 있는 보다 작은 규모로 대체될 수 있을 것이다.

금속 3D프린팅 기술은 더 가볍고, 강한 부품을 만들 수 있고 기존의 금속 제조법으로는 불가능한 복잡한 형상도 가능하게 할 것이다. 또한 금속 미세구조도 보다 정확하게 조절할 수 있게 될 것이다. 2017년에 Lawrence Livermore NL은 기존보다 두 배 강한 스테인리스 스틸 부품을 만들 수 있는 3D프린팅 기술을 개발했다고 보고했다.

또한 2017년에 보스턴 외곽의 작은 스타트업 3D 프린팅 기업인 Markforged는 약 1억원 정도의 3D 금속프린터를 공개했다. 또다른 보스턴 지역 스타트업 Desktop Metal은 2017년 12월에 첫 금속 시제품 기계를 판매하기 시작했다. 이들은 기존 금속 프린팅법보다 100배 빠른 제조용 대형 장비 판매를 시작할 계획이다.

금속 부품 프린팅도 더 쉬워지고 있다. Desktop Metal은 3D 프린팅용 디자인을 만드는 소프트웨어도 제공한다. 사용자들이 프린터하고 싶은 물체의 스펙을 입력하면 이 소프트웨어는 프린팅에 적합한 모델을 만들어준다.

자신들의 항공 제품들에 3D프린팅을 이용하는 오랜 지지자였던 GE는 크기가 큰 제품도 만들 수 있을 정도로 빠른 새로운 금속 프린터를 시험하고 있고, 이 제품을 2018년에는 판매할 계획이다. -Erin Winick

인공 배아(Artificial Embryos)

생명이 어떻게 만들어지는가를 재정의하게될 혁신으로서 영국 케임브리지 대학 소속 발생학자들은 줄기 세포만을 사용해 진짜처럼 보이는 쥐 배아를 성장시켰다. 난자도 필요없고, 정자도 필요없다. 또다른 배아에서 뜯어낸 세포만 있으면 된다.


연구자들은 3차원 뼈대처럼 생긴 곳에 세포를 넣고 며칠 동안 이 세포들이 움직이며 독특한 총알 모양의 쥐 배아로 만들어지는 과정을 지켜보며 매료되었다.

연구팀 리더인 Magdeldena Zernicka-Goetz는 인터뷰에서 “우리는 줄기세포가 강력한 잠재력을 가진 마법과도 같은 존재란 걸 알고 있습니다. 하지만 그들이 이토록 아름답고 완벽하게 스스로를 조직할 수 있는 줄은 몰랐습니다.”라고 말했다.

그녀는 이 합성배아가 아마도 쥐로 성장할 수는 없을 것이라 말했다. 그럼에도 불구하고 이는 우리가 난자없이 태어나는 포유동물을 곧 가지게 될 수도 있다는 실마리가 된다.

그런데 Zernika-Goetz의 목표는 이게 아니다. 그녀는 초기 배아상태 세포들이 어떻게 특정한 역할을 하기 시작하는지 연구하길 원한다. 다음 단계는 미시건 대학과 록펠러 대학과 함께 인간 줄기세포에서 인공 배아를 만드는 것이다.

합성 인간 배아는 과학자들에게 중요한 것이다. 이는 초기 발달의 이벤트들의 의문을 풀어줄 것이다. 그러한 배아들을 줄기세포로부터 쉽게 만들어내기 시작하면 실험실에서 배아가 성장해가는 것을 연구하기 위해 유전자조작 같은 다양한 기법들을 적용해 볼 수 있게될 것이다.

그러나 인공배아는 윤리적 문제가 있다. 그것들이 천연 배아들과 구별할 수 없게되면 어떻게 될까? 배아들이 고통을 느끼기 전 얼마나 오랫동안 실험실에서 성장될 수 있을 것인가? 우리는 과학 경쟁이 훨씬 더 나아가기 전에 이러한 물음에 답할 필요가 있다. Antonio Regalado

감지 도시(Sensing City)

많은 스마트 도시 계획은 지연되거나 야심찬 목표를 조정하거나 예산 부족 문제를 겪고 있다. Quayside라는 토론토의 새로운 프로젝트는 도시의 이웃을 철저하게 다시 생각하고 최신 디지털 기술을 기반으로 계획을 재구축함으로써 이와 같은 실패의 패턴을 바꾸길 희망하고 있다.

알파벳(Alphabet)의 Sidewalk Labs은 캐나다 정부와 토론토의 해안가 산업지역을 위해 착수한 고도 기술 프로젝트를 협력해 진행하고 있다.

이 프로젝트의 목표 중 하나는 공기질에서주터 소음수준, 사람들의 활동에 이르기까지 모든 데이터를 모으는 광범위한 센서 네트워크에서 얻는 정보에 대한 디자인, 정책, 기술에 관한 결정의 기초를 쌓는 것이다.

이 계획은 모든 차량은 자율주행되고 공유될 것을 요구한다. 로봇들은 우편물을 배달하는 것과 같은 일들을 지하에서 이동하며 하게 될 것이다. Sidewalk Labs은 스마트폰용 어플을 개발하는 것처럼 자신들이 제공하는 소프트웨어와 시스템을 공개하여 다른 회사들이 그것 위에 다른 서비스들을 구축할 수 있게 할 것이라 말한다.

이 회사는 공공 기반시설을 면밀하게 감시하려고 하는데 이는 데이터 지배와 개인정보 보호 문제를 일으킬 수 있다. 하지만 Sidewalk Labs은 지역공동체와 지방 정부가 이와 같은 걱정들을 완화해 줄 수 있을 것이라 믿고 있다.

Sidewalk Labs의 도시시스템 기획 책임자인 Rit Aggarwala는 “Quayside에서 우리가 하려는 것의 차별점은 이 프로젝트가 야심차면서도 상당히 겸손하다는 것이다.”라고 말했다. 이 겸손함이 이전 스마트도시 계획을 괴롭히던 문제들을 피하는데 도움이 될 것이다.

다른 북아메리카 도시들도 Quayside의 프로젝트를 지켜보면서 Sidewalk의 다음 도시가 되려고 이미 아우성이다. 샌 프랜시스코, LA, 보스턴 등이 도입을 요청하고 있다. - Elizabeth Woyke

모두를 위한 인공지능

인공지능은 아마존, 바이두, 구글, 마이크로소프트 등의 거대 기술 기업들뿐만 아니라 몇몇 스타트업들까지 관심을 갖는 주제가 된 지 오래다. 많은 기업들에게 인공지능 시스템은 너무 비싸고 온전히 실행하기 너무 어렵다.

해법은 클라우드에 기반한 기계학습 도구들을 인공지능에 적용하는 것이다. 지금까지는 아마존이 자신들의 자회사가 제공하는 클라우드 AI를 지배하고 있다. 구글은 다른 기계학습 소프트웨어를 구축하기 위해 사용될 수 있는 개방형 AI라이브러리인 TensorFlow로 도전하고 있다. 구글은 최근 AI를 더 간단하게 사용할 수 있게 해주는 미리 훈련된 시스템 Cloud AutoML을 공개했다.

AI로 운영되는 클라우드 플랫폼 Azure를 가지고 있는 마이크로소프트는 개방형 딥 러닝 라이브러리인 Gluon을 제공하기 위해 아마존과 협력하고 있다. Gluon은 인간의 뇌가 어떻게 학습하는지를 모방하는 인공지능의 핵심 기술인 신경망 구축을 스마트폰 어플을 만드는 것만큼이나 쉽게 도와주는 것을 목표로 한다.

어느 회사가 AI 클라우드 서비스를 제공하는 리더가 될 것인지는 불확실하다. 하지만 이는 승자에게는 거대한 사업 기회이다.

이와 같은 제품들은 다른 경제 분야에까지 AI혁명이 폭넓게 확산된다면 핵심적인 역할을 하게 될 것이다.

현재까지 AI는 대개 기술 산업에서 이용되고 있다. AI는 효율을 높여주고 새로운 제품과 서비스를 만들어낸다. 다른 기업이나 산업부문에서도 인공지능 발전의 유익을 취하고자 분투하고 있다. 의료, 제조, 에너지 부문도 인공지능 기술을 적용할 수 있다면 생산성을 크게 향상시키며 변화를 겪을 수 있다.

하지만 여전히 대부분의 기업들은 클라우드 AI를 어떻게 사용할 지 아는 사람이 충분하지 않다. 그래서 아마존과 구글은 컨설팅 서비스도 준비하고 있다. 클라우드가 거의 모든 사람들에게까지 도달할 정도로 기술이 발전하면 진정한 AI혁명이 시작될 것이다. -Jackie Snow

신경망의 결투

인공지능은 무엇인가를 확인하는 것에 익숙해지고 있다. 수백 만개의 사진들을 보여주면 상당한 정확도로 길을 건너는 보행자를 구분할 수 있다. 하지만 아직까지 AI스스로 보행자들의 사진을 만들어내지는 못한다. 이것이 가능하다면 다양한 상황에서 보행자를 표현하는 실제 사진들 뿐만 아니라 합성 사진도 만들어낼 수 있을 것이고 이는 자율주행차가 매번 도로에 나갈필요 없이 훈련하는데 이용할 수 있을 것이다.


뭔가 완전히 새로운 무엇인가를 만들어내려면 상상력이 필요한데 아직까지 이것은 인공지능에겐 당혹스러운 일이다.

해결책은 처음에 몬트리올 대학 박사과정 학생 Ian Goodfellow에게 2014년 술집에서 있었던 학술 논쟁에서 일어났다. GANs(generative adversarial networks)로 알려진 이 방법은 두 개의 신경망 네트워크(대부분의 현대 기계학습의 기초가 되는 인간 뇌의 단순화된 수학모델)를 취하고 이들이 디지털 고양이와 쥐 게임을 하게 하는 것이다.

두 네트워크를 동일한 데이터 세트로 훈련을 시킨다. 생성자(generator)라 부르는 쪽에 이미 보여준 사진들에서 변형시킨 것을 만든다. 예를 들어 이 병형된 사진은 팔이 하나 더 달린 보행자 사진일 수 있다. 식별자(discriminator)는 이 사진이 학습할 때 봤던 것인지 아니면 생성기가 만들어 낸 것인지를 구별하게 요청받는다. 쉽게 말해 팔이 셋 달린 사람이 진짜일 것 같니?라고 묻는 것이다.

시간이 지남에 따라 생성자는 식별자가 구분할 수 없는 사진을 만들어내는데 능숙해질 수 있다. 생성자는 진짜처럼 보이는 보행자 사진을 인식하고 만들어내도록 가르침을 받는 것이다.

이 기술은 지난 십년 동안 발전된 가장 유망한 AI기술 중의 하나이다. 이것은 기계가 인간조차도 속일 수 있는 결과를 만드는 데 도움을 줄 수 있다.

GANs은 실제처럼 들리는 연설과 사진처럼 보이는 가짜 사진을 만드는데 이용되고 있다. 유명인들의 사진을 가지고 실제로는 존재하지 않는 믿을만한 사진을 수백개 만들어내는데 뛰어난 Nvidia의 연구진들이 흥미로운 사례가 될 수 있다. 또 다른 연구 그룹에선 진짜 반 고흐의 작품처럼 보이는 가짜 그림도 만들어냈다. 좀 더 나아가 GANs은 햇빛 짱짱한 도로를 눈덮히게 하거나 말을 얼룩말로 변환시키거나 하는 방식으로 이미지들을 재구성할 수도 있다.

결과가 항상 완벽한 것은 아니다. GANs은 두 개 세트의 핸들을 자전거로 보거나 다른 데 그려진 눈썹을 보고 그것을 얼굴로 인식하기도 한다. 하지만 사진과 소리가 놀랍도록 현실적이어서 몇몇 전문가들은 GANs이 보고 듣는 세계의 기저구조를 이해하기 시작한 것 아닌가 믿기도 한다. 이것은 AI가 상상력을 얻어서 세계에서 보는 것들에 대한 감각을 만들 수 있는 보다 독립적인 능력을 가지게 되는 것을 의미하는 것이다. -Jamie Condliffe

바벨피쉬 이어폰

이젠 고전이 된 <은하수를 여행하는 히치하이커를 위한 안내서 The Hitchhiker’s Guide to the Galaxy>에선 노란색 바벨 피쉬를 귀에 넣으면 동시통역이 된다. 실제 세계에선 구글이 픽셀 버즈(Pixel Buds)라는 이름으로 159달러짜리 통역가능 이어폰을 선보였다. 이 이어폰과 픽셀 스마트폰, 구글의 번역 어플을 이용해 실시간 통역이 가능하다.


한 사람은 이어폰을 끼고 다른 사람은 스마트폰을 든다. 이어폰을 낀 사람이 자신의 언어(기본 설정은 영어)를 말하면 어플이 말을 번역해 스마트폰을 통해 들려준다. 스마트폰을 든 사람이 대답하면 이를 통역해 이어폰으로 들려준다.

구글 번역은 이미 대화기능을 가지고 있고 스마트폰 어플은 두 이용자가 말하는 언어가 무엇인지 자동으로 인식해 그것을 번역해준다. 하지만 주변 소음이 있으면 말하는 소리를 어플이 알아듣기 어렵고 한 사람이 말하는 것을 멈추는 때를 인식하기도 어려운 한계가 있다.

픽셀 버즈는 이 문제들을 이어폰을 낀 사람이 말하는 동안 오른쪽 이어폰을 탭한채로 있도록 함으로서 극복했다. 스마트폰과 이어폰 사이의 상호작용을 분리해서 각 사용자가 마이크를 조절할 수 있게 하고 말하는 동안 눈을 마주칠 수 있게 했다.

픽셀 버즈는 수준 낮은 디자인이라 혹평을 받았다. 뭔가 좀 바보같아보이고 귀에 잘 맞지 않을 수도 있다. 스마트폰을 설정하는 것도 어려울 수 있다.

하지만 투박한 하드웨어는 고칠 수 있다. 픽셀 버즈는 실시간 통역을 통한 상호 의사소통에 대한 전망을 보여줬다. 그리고 물고기도 필요없다.^^ -Rachel Metz

무탄소 천연가스

세계는 가까운 미래 주요 전력공급원의 하나로 천연가스에 의지할 것 같다. 가격이 저렴하고 쉽게 이용할 수 있어 현재 미국 전기의 30%, 세계 전기의 22%가 천연가스를 이용해 만들어진다. 석탄보다는 깨끗하지만 천연가스는 여전히 상당한 양의 탄소를 배출한다.


미국 석유정제 산업의 중심지인 휴스턴 외곽의 시험 발전소에선 천연가스에서 청청한 에너지를 만들어내는 기술을 시험하고 있다. Net Power라는  회사는 50MW 발전을 목표로 하고 있고 이들은 보통의 천연가스 발전소 가격으로 전력을 생산하고 이 과정에서 나오는 이산화탄소를 모두 포집할 수 있다고 말한다.

만약 그렇게 된다면 세계는 화석 연료에서 탄소 배출 없는 에너지를 합리적인 가격에 얻게되는 것이다. 이와 같은 천연가스 발전소가 있다면 수요에 따라 전력 생산을 조절할 수 있고, 핵발전소의 높은 비용도 회피하며, 재생 가능 에너지원의 단점인 불연속적인 전력 공급 문제도 해결된다.

Net Power는 기술개발 회사 8 Rivers Capital, Exelon Generation, 건설회사 CB&I와 협력하고 있다. 발전소 허가를 진행중에 있으며 초기 시험을 시작하고 있다. 몇 달 안에 초기 평가 결과를 공고하는 것을 목표로 하고 있다.

이 발전소는 고압 고열 분위기 하에서 천연가스를 연소하면서 나오는 이산화탄소를 특별하게 제작한 터빈을 돌리는 작동유체로 이용한다. 상당량의 이산화탄소를 계속 재사용할 수 있고 나머지는 저렴하게 포집될 수 있다.

비용을 낮추는 것은 이산화탄소를 판매하는 것에 달려있다. 요즘 주된 사용처는 유정에서 기름을 추출하는 것을 보조하는 것이다. 이는 제한된 시장이고 딱히 청청하지도 않다. 그러나 Net Power는 시멘트 제조, 플라스틱 및 다른 탄소기반 재료에서 이산화탄소 수요가 있을 것이라 희망하고 있다. 

Net Power의 기술이 천연가스와 관련된 모든 문제를 해결하지는 못한다. 특히 추출측면에서. 하지만 우리가 천연가스를 사용하는 한 가능하면 깨끗하게 이용할 수 있으면 좋다. 모든 청정 에너지 기술은 개발중에 있으며 Net Power도 탄소배출을 줄이는 주변기술보다는 훨씬 더 유망한 것 중의 하나다. -James Temple

완벽한 온라인 사생활보호

진정한 인터넷 사생활보호는 새로운 도구들 덕분에 가능해질 것이다. 예를 들어 생일을 공개하지 않고 성인임을 증명한다던가, 금융 거래를 위해 계좌 잔고를 공개하지 않고 당신이 충분한 돈을 가지고 있다는 것을 증명하는 것 등. 이것은 사생활 침해나 신분도용의 위험을 제한한다.


이 도구는 무자료(zero-knowledge) 증명이라 불리는 암호화 방법이다. 연구자들이 수십 면 동안 연구를 해 왔지만 최근 암호화 화폐의 성장 덕분에 관심이 폭증했다. 

무자료 증명은 2016년 말 출시된 디지털 화폐 Zcash를 기반으로 한다. Zcash 개발자들은 이용자들이 익명으로 거래할 수 있도록 하기 위해 zk-SNARK(zero-knowledge succinct non-interactive argument of knowledge)라는 방법을 사용했다.

이는 비트코인과 대부분의 다른 공공 블록체인 시스템에서는 일반적으로 불가능하다. 이들 거래는 모두가 볼 수 있다. 이들 거래가 이론적으로는 익명이지만 이들은 추적할 수 있고 이용자의 신분을 확인할 수 있는 다른 자료들돠 결합되어 있다. 두 번째로 인기있는 블록체인 네트워크인 이더리움 창시자 Vitalik Buterin은 zk-SNARK가 완전한 게임 체인징 기술이라 말했다.

은행의 경우 이 기술은 은행들이 자신들 고객의 개인정보를 희생하지 않고도 지불을 할 때 블록체인을 이용하는 방법이 될 수 있다. 지난 해 JPMorgan Chase는 자신들의 블록체인 기반 지불 시스템에 zk-SNARK를 추가했다.

이런 유망한 전망이 있기는 하나 zk-SNARK는 계산이 복잡하고 느리다. 또한 이것이 나쁜 사람들의 손에 들어갔을 때를 대비해 암호화 키를 만드는 신용 설정이 필요하다. 하지만 연구자들은 보다 효율적이고 이와 같은 키가 팔요하지 않고 무자료 증명을 할 수 있는 대안들을 찾고 있다. -Mike Orcutt

유전자 점쟁이

언젠가 아기들은 태어날 때 DNA정보 카드를 받게 될 것이다. 이 카드에는 심장병이나 암 발병 가능성, 담배 중독 가능성, 평균보다 똑똑한지 여부 등에 대한 예상이 제공될 것이다.


백만 명 이상에 대한 거대한 유전자 연구 덕에 과학이 만드는 이 카드는 갑자기 도래하게 될 수도 있다.

대부분의 통상적인 질병과 지능을 포함하는 많은 행동 및 특성들이 하나나 몇 개의 유전자로 이루어지는 것이 아니라 많은 유전자들이 통합적으로 작용해 나타난다는 것으로 확인되었다. 계속되어 온 대규모 유전자 연구 자료를 이용해 과학자들은 다유전성 위험점수라는 것을 만들었다.

새로운 DNA시험이 진단이 아니라 확률을 제공하기는 하지만 이는 의약분야에서 유용할 수 있다. 예를 들어 유방암 위험이 높은 여성은 더 많은 유방조영상을 찍을 것이고 반대는 그렇지 않을 것이다. 이를 통해 더 많은 실제 암을 발견할 수 있을 것이고 잘못된 경고를 더 줄일 수 있을 것이다.

제약 회사들은 알츠하이머나 심장병과 같은 질병의 예방약 임상 시험에 이 점수를 이용할 수도 있다. 병에 걸릴 가능성이 큰 자원자를 선택함으로써 제약회사들은 약의 효과를 확인할 수 있는 시험을 더 정확히 할 수 있을 것이다.

문제는 예측이 완벽과는 거리가 멀다는 점이다. 누가 알츠하이머에 걸릴 수도 있다는 걸 알고 싶겠는가? 암에 대한 낮은 위험 점수를 가진 사람이 검사를 연기한다면 그래도 어쨌든 암은 발병할까?

다중유전자성 점수가 질병이나 특성을 예측할 수 있다는 점에도 논쟁이 있다. 예를들어 이 점수가 지금 인간 아이큐 시험의 약 10%를 예상할 수 있다. 이 점수가 향상됨에 따라 DNA 아이큐 예측은 더 일상적으로 이용할 수 있게 될 것이다. 하지만 부모와 교육자들이 이 정보를 어떻게 이용할까?

행동유전학자 Eric Turkheimer는 유전자 정보가 좋게나 나쁘게 이용될 가능성은 새로운 기술을 흥분되면서도 동시에 경고하는 것으로 만드는 것과 같다고 말한 바 있다. -Antonio Regalado

재료의 비약적 발전

강력한 양자컴퓨터의 전망에는 문제가 하나 있다. 양자컴퓨터는 기존 컴퓨터에선 생각할 수도 없는 계산 능력을 가지게 될 것인데 우리는 이 능력으로 무엇을 할 수 있을 것인지는 아직 알지 못하고 있다.

한 가지 가능성은 정확하게 분자를 설계하는 것이다.

화학자들은 이미 훨씬 더 효과좋은 약을 위한 새로운 단백질, 배터리용 새로운 전해질, 햇빛을 직접 액체 연료로 변환시킬 수 있는 화합물, 훨씬 더 효율적인 태양전지 등을 꿈꾸고 있다.

분자를 기존 컴퓨터로 모델링하는 것은 엄청 어렵기 때문에 위와 같은 것들을 가지고 있지 못하다. 비교적 단순한 분자에서의 전자 거동을 모사하는 시도조차 요즘 컴퓨터의 계산 능력을 훨씬 넘어선다.

하지만 디지털 비트 대신에 1s와 0s인 쿼비트를 이용하는 양자컴퓨터에선 기본적인 문제이다. 최근IBM의 연구원들은 세 개의 원자로 구성되는 작은 분자를 모델링 하기 위해 7쿼비트 양자컴퓨터 한 대를 이용했다.

과학자들이 더 많은 쿼비트를 가진 컴퓨터를 만들어낸다면 크기가 더 크고 관심을 가지고 있는 분자들을 정확히 모델링할 수 있게 될 것이다.

출처: 10 breakthrough technologies 2018, MIT Technology Review.


폭스바겐은 캠핑용 밴 VW Bus의 전기차 버전을 만들겠다는 이야기를 해왔다. 아직까진 I.D. Buzz라는 이름의 컨셉카로만 만들어졌지만 이것을 실제로 생산할 것이란 얘기다. 


폭스바겐은 대중의 요구에 따라 I.D. Buzz 컨셉 전기차의 양산 버전을 2022년에 미국, 유럽, 중국에서 판매할 것이라 발표했다.

캘리포니아 페블 비치에 있는 폭스바겐 담당 Herbert Diess는 “제게 I.D. Buzz 컨셉카는 세상에서 가장 아름답고 흥분케 하는 전기차입니다.”라고 말한 바 있다. 또한 “우리 목표는 명확합니다. 우리는 커넥티드 전기차를 세계에서 가장 많이 팔기를 원합니다. 전기 시대의 상징적 자동차는 폭스바겐이 될 것입니다.”라고도 말하며 포부를 밝혔다.

이 컨셉카의 내부엔 복잡한 화면, 게이지, 표시등 대신 운전대에 몇 개의 버튼과 가운데에 하나의 터치 방식 디스플레이만 적용될 것이다. 이 디스플레이로는 아이패드가 보인다. 과거 시제품에서도 그랬는데 최신 컨셉카에서도 보이니 흥미롭다.

대개 컨셉카와 양산카 사이에 큰 차이가 있지만 아이패드는 삭제될 것 같지는 않다. Electrek의 편집자 Fred Lambert는 이 차가 인포테인먼트에 초점을 맞춘만큼 크게 변화될 것 같지는 않다고 봤다. 아이패드를 삭제할 수도 있겠지만 그렇게 되면 폭스바겐이 선도하고 있는 느낌은 주지 못할 것이다.

이 컨셉카에 보이는 모습은 아마도 자율주행차의 시대에 우리가 볼 수 있는 차량 버전이 아닐까 생각한다. 기존의 각종 장치들은 불필요해질 것이다.

출처: Ben Lovejoy, VW claims it will really make its electric VW Bus, concept shows iPad as infotainment center, 9To5Mac.


지난 해 애플이 타이탄이라는 프로젝트명으로 자율주행 전기차를 개발하고 있다는 소문이 있었다. 후에 애플은 자율주행 운전 플랫폼을 개발하고 있다고 했고 최고경영자 팀쿡은 이를 애플의 핵심 기술이라고까지 언급했다. 하지만 실제 자동차 개발을 포기했다는 것을 확인해준 것은 아니었다.

이번엔 애플이 중국에서 가장 큰 배터리 제조사와 전기자동차용 배터리를 개발하고 있다는 소문이 돌고 있다. 

중국의 Yicai Global은 중국의 최대 자동차용 배터리 제조사 CATL이 애플과 비밀 프로젝트를 진행하고 있다고 보도했다. 애플과 CATL은 이 보도에 대해 어떤 언급도 하지 않고 있다.

만약 이것이 사실이라면 애플의 타이탄 프로젝트가 전기자동차 개발을 위해 계속되고 있다는 것을 말하는 것일 수도 있다. 알파벳의 웨이모가 다른 자동차 제조사들과 하고 있는 단순히 자율주행 시스템을 적용하는 것과는 다른 접근이라 할 수 있다.

애플과 CATL의 협력은 배터리 생산이 전기자동차 산업의 병목단계가 되는 것을 볼 때 중요한 개발 프로젝트일 수 있다. 그리고 이것이 두 회사가 풀어내고자 하는 문제일 수 있다.

CATL은 지난 해 리튬이온 배터리 생산을 세 배로 늘렸다. 2020년까지는 생산량을 50GWh까지 확대할 계획을 가지고 있다. 목표로 하는 생산량을 달성할 수 있다면 CATL은 테슬라/파나소닉 다음으로 세계 제2의 리튬이온 배터리 생산자가 될 것이다.

만약 애플이 전기자동차 산업에 뛰어든다면 CATL은 배터리를 공급하는 잠재적 협력자의 지위를 누리게 될 것이다. 애플은 아이폰과 맥북 등으로 인해 이미 커다란 배터리 수요기업이기는 하지만 전기자동차는 규모 자체가 다르다. 테슬라 모델S 한 대에는 4000개의 아이폰에 사용될 수 있는 배터리가 적용된다.

CATL의 배터리는 LiFePo와 NCM을 기반으로 하고 대부분 전기 버스 생산에 사용되어 왔는데 최근엔 SAAB를 전신으로 하는 NEVS(National Electric Vehicle Sweden)과 연간 수십만대의 전기자동차를 생산하기 위한 공급 계약을 체결했다. 


출처: Fred Lambert, Apple is reportedly working on electric car batteries with China's biggest battery maker, 9To5Mac.


[인공지능의 발전 속도가 예상을 뛰어넘는 것 같아 보인다. 인공지능이 특정 분야에 있어선 인간의 능력으로는 결코 도달할 수 없는 수준에 이르렀다고 할 수 있다. 사람들은 요즘 인공지능과 구별되는 혹은 인공지능이 정복할 수 없을 것 같은 인간 고유의 능력을 찾아보려고 하는 노력을 많이 하는 것 같다. 다양하게 출판되는 책들을 통해서도 사람들이 인공지능을 바라보는 관점을 살펴볼 수 있다. 

 

로봇이라는 기계장치로 대표되는 인공지능이 인간의 모든 능력을 넘어서는 미래가 찾아올까? 인간이 만든 프로그램이 인간의 능력을 넘어서는 날이 온다면 어떨까? 여러 가지 책, 영화 등에서 이러한 미래에 대해 생각해왔다. 터미네이터의 스카이넷, 아이 로봇, 바이센터니얼맨 등 인공지능과 인간의 미래에 대해 생각해 볼 수 있는 기회들이 많이 있었다. 하지만 요즘처럼 인공지능의 발전 속도가 빠른 것은 아니었기에 인간들은 조금은 더 안일하게 생각할 수 있지 않았을까 싶다.

 

아래 저자가 말하는 것처럼 인간과 컴퓨터가 협력하는 관계가 효과를 내 인간과 컴퓨터가 보다 더 창의적이 된다고 하면 지금까지와는 완전히 다른 인공지능을 맞이하게 되지 않을까 생각된다. 인간은 어떤 방식으로 인공지능에 대응해야 하는 것일까?]



인공지능이 일터를 휘젓고 있다. 인공지능의 능력이 향상되어감에 따라 이러한 경향은 계속될 것이다. 인공지능은 시간을 빼앗기게 하는 행정업무들을 대신하게 될 것이다. 하지만 보다 복잡하고 창의적인 업무의 경우 인공지능이 인간보다 일을 더 잘할 수 있는가는 여전히 의문이다.

 

최근 인공지능의 발전이 특별하다는 점엔 의심의 여지가 없다. 예를 들어 Watson은 암 연구와 세금환급 업무를 돕고 있다. 바둑 프로그램 알파고는 세계 최고 바둑기사 이세돌과의 대결에서 4:1로 승리했다. 바둑은 체스보다 훨씬 더 복잡한 게임이기 때문에 알파고의 승리는 인공지능의 급속한 발전을 나타내는 증거이다. 하지만 알파고는 여기에서 멈추지 않았다. 2016년 3월 이세돌과의 승리 이후 온라인에서도 다른 상대들에게 60승 이상을 올렸다. 중국의 바둑 전문가 Chen Yaoye는 "인간은 수 천년 동안 게임 기술을 발전시켜왔지만 컴퓨터는 사람들이 모두 틀렸다는 것을 말해준다. 어느 누구도 바둑의 기초에 가깝에 다가가지 못했다는 것이라 생각한다."라고 말하기까지 했다.

 

이같은 발전에도 컴퓨터에는 여전히 한계가 있다. 예를 들어 알파고가 딥러닝을 통해 승률을 높이는 수를 두었다고 해도 그 프로그래머는 왜 알파고가 그런 수를 뒀는지 알지 못한다. 그들이 다층 네트워크의 많은 디지털 신경세포에 있는 것들을 가치 있는 것으로 여기는지 살펴볼 수는 있지만 많은 정보가 신경망의 커다란 구획에 분산되어 있기에 특정한 수를 왜 선택했는지 합당한 주장으로 요약될 수가 없다.

 

이것을 요약해 확인하는 것이 가능해질 때까지는 자신들의 다양한 분야에서 전문가인 관리자와 CEO들은 창조적이지만 위험성이 있는 수가 최고의 것이라는 이유의 근거를 댈 수 없는 컴퓨터(혹은 사람)를 신뢰하지는 못할 것이다. Will Knight는 "인공지능의 심장에 있는 어두운 비밀(The dark secret at the heart of AI)"이라는 도발적인 글에서 현재 인공지능의 여러 가지 한계들을 지적했다.

 

이에 더해 나와 동료 Lee Spector는 컴퓨터가 얼마나 창의적일 수 있는가에 있어 한계를 보여주는 수학적 증명을 개발했다. AIEDAM(Artificial Intelligence for Engineering Design, Analysis, and Manufacturing) 저널에 기고한 논문에서 우리는 가장 빠른 현대 수퍼컴퓨터가 어떤 사물의 모든 특징들을 목록화할 수는 없다는 것을 확인했다. 모든 혁신적 해결책은 최소한 하나의 혹은 통상적으로 간과되었던 문제의 특징에서 세워졌다고 보는 혁신에 대한 알려지지 않은 특성 가설을 고려하면 인공지능이 Chief Innovation Officer의 자리를 차지할 만큼 충분하게 발전할 수는 없을 것이라는 점을 알 수 있다. 

 

또한 무엇인가가 어떻게 작동하는지 컴퓨터가 이해하는 데 있어 간극을 항상 채워줄 수 있는 것은 아니다. 휴대폰 케이스 제조자들은 자신들의 제품을 판매하기 전에 케이스를 끼운 휴대폰을 단단한 표면에 여러 번 떨어뜨린다. 그들은 이것을 컴퓨터 시뮬레이션에만 의존할 수는 없다. 우리 이론은 이해의 간극을 메우기 위해 항상 실험적인 측정을 필요로 한다.

 

이와 같은 한계에서 나와 공저자는 인간과 컴퓨터가 서로의 약점을 보완할 수 있게 하는 새로운 인간-컴퓨터 인터페이스를 해결책으로 제안했다. 예를 들어 컴퓨터는 사람들의 기능적 고착, 디자인 고착, 목표 고착, 가정 간과, 비유 무지와 같은 인지적 편향에 빠지지 않도록 막을 수 있다. 인간은 컴퓨터의 창의성 부족을 메울 수 있다. 이를 위해 인터페이스는 인간-컴퓨터 둘 다에 친화적이어야 한다.

 

그러므로 우리는 컴퓨터가 인간을 정복할 것인가 아닌가에 대해 관심을 갖는 것이 아니라 인간과 컴퓨터가 서로의 강점과 약점을 상호보완할 수 있도록 쉽게 협력할 수 있는 시스템을 고안하는데 초점을 맞춰야 한다. 이렇게 할 때 인간은 강력한 기계 동료와 함께 일하는 도전을 맞이하게 될 것이다. 어떤 곳에서 이것은 이미 진행중이다. 알파고에게 세 번을 진 후 컴퓨터 시스템이 인간 선수가 전에 보지 못했던 새로운 수를 둔다는 것을 경험한 이세돌은 자신만의 창의적인 수로 경기에서 승리한 바 있다.

 

우리는 이와 같은 일들을 미래에는 더 많이 보게 될 것이다. 우리가 시스템을 개발하고 시스템이 발전할수록 인간과 컴퓨터는 서로에게 더 도전할 것이고 그 결과 둘 다가 더 창의적이 되어갈 것이다. 또한 같은 문제에 대해 인간과 컴퓨터가 협력할 수 있는 더 적당한 인터페이스를 고안하는 것은 인간과 컴퓨터 각각으로는 결코 도달할 수 없는 혁신을 불러일으킬 것이다.

 

출처: Tony McCaffrey, There will always be limits to how creative a computer can be, HBR, 2017. 4. 24.

호기심은 현대 일터에서 가장 중요한 경쟁력 중 하나로 여겨진다. 이는 사람들의 취업능력을 크게 향상시키는 것으로 나타났다. 호기심 수준이 높은 나라들이 경제,정치적으로 더 자유로울 뿐만 아니라 GDP도 높다. 미래의 직업이 점점 더 예측할 수 없게되기에 점점 많아지는 새로운 기업들은 이미 알고 있는 것보다는 앞으로 배울 수 있는 잠재력을 가진 사람들을 고용하게 될 것이다.

 

물론 사람들의 능력은 여전히 부분적으로 호기심의 결과라고 할 수 있는 학업적 성취에 따라 평가되고 있다. 관심이 없이는 기술을 습득하기 어렵기 때문에 호기심은 재능의 중요한 기반 중의 하나로 여겨진다. 알버트 아인슈타인이 "난 특출난 재능이 있는 것이 아니라 단지 열정적인 호기심을 가졌을 뿐이죠."라고 말했던 것처럼 말이다.

 

직업 영역에 자동화 정도가 증가함에 따라 사람들의 직업에 호기심이 더욱 중요해졌다. 올해 세계경제포럼에서 ManpowerGroup은 기술을 습득하려는 학습욕구가 사람들의 직업 여정 동안에 자동화에 대항할 수 있는 핵심 해결책이 될 것으로 예상했다. 훈련해 새로운 전문성을 갖추고자 하는 사람들은 자동화로 대체될 것 같지 않다. 즉, 획득한 기술과 역량의 범주가 넓을수록 일터에 남아 있을 가능성이 커질 것이다. 반대로 역량을 최적화하는 데 초점을 맞추게 되면 당신의 일은 결국 기계가 더 잘 수행할 수 있는 반복적이고 표준화된 것이 될 것이다.

 

하지만 인공지능이 호기심을 가지게 된다면?

 

인공지능이 지시된 임무를 배우려는 의지 혹은 욕구가 있다고 하는 것은 과장일 수 있다. 대부분의 인공지능에 주어지는 문제는 가장 우선순위가 되는 목적 혹은 목표를 정의하는 것으로 구성된다. 이 동기의 힘을 제대로 인식하기 위해 '어떤 사회적 상태 혹은 심리적 필요 이상에 있는 동기의 우선순위들 중 가장 우선적인 것을 배우려고 한다면' 이라고 생각해보자. 이런 맥락에서 인공지능은 인간들이 가지고 있는 것보다 배움에 더 큰 강박을 가지고 있다.

 

동시에 인공지능은 스스로 배울 수 있는 것 안에 갇혀 있다. 인공지능의 초점과 범위가 인간에 비해 훨씬 좁고 그 채울 수 없는 학습욕구는 X, Y, 혹은 Z를 배우라는 외부의 지시에만 적용된다. 이것은 스스로 지시하거나 내적 호기심을 가질 수 없는 인공지능의 능력과 대조된다. 이런 맥락에서 인공지능의 호기심은 인간의 호기심과 정확히 반대된다. 사람들은 누군가 시킨 것에 호기심을 갖지는 않는다. 하지만 이는 거의 틀림없이 인간의 호기심에 있어 가장 커다란 단점이다. 인간의 호기심은 자유롭게 흘러가고 변덕스럽다. 그래서 우리는 스스로에게나 다른 사람에게 원하는대로 호기심을 북돋을 수 없다.

 

어느 정도 인공지능이 자동화된 대부분의 복잡한 임무들은 목표를 갖는 학습에 비해 인간 호기심의 제한된 잠재력을 노출시킨다. 사실 우리가 호기심 측면에서의 인공지능 학습을 기술하고 싶지 않다고 해도 인공지능이 한때 많은 인간 호기심을 필요로 했던 임무들을 점점 대체하고 있다는 점은 명확하다. 예를 들어 자동차 안전 혁신에 적용되었던 호기심을 보자. 자동차 충돌시험이 그렇다. 컴퓨터의 계산 능력의 급격한 향상으로 자동차 충돌을 컴퓨터로 시뮬레이션할 수 있다. 과거에 혁신적 아이디어는 호기심이 필요했고 이후 실험실에서의 설계와 시험으로 이어졌다. 요즘엔 컴퓨터들이 설계 최적안을 찾아줌으로써 호기심이 필요한 노력에 도움을 줄 수 있다. 이 지능적 디자인 프로세스로 컴퓨터들이 아이디어 발상, 시험, 검증 전 과정에서 주체가 되고 있다. 유연성이 충분히 주어지면 최종 디자인은 사람이 할 수 있는 것을 앞서곤 한다.

 

비슷한 인공지능 디자인프로세스가 많은 다른 산업들 전반에도 점점 일반화되고 있다. 구글은 데이터센터 냉가효율 최적화에 인공지능을 이용하고 있다. NASA 엔지니어들은 최대 감도 안테나 품질 향상을 위해 인공지능을 이용하고 있다. 인공지능으로 몇 주 걸리던 설계-시험 피드백 과정이 천분의 일초 안에 이루어진다. 미래에 조정가능한 디자인 변수와 속도가 계속 증가될 것이기에 인간이 영감을 받은 디자인 응용에도 범위가 넓어질 것이다.

 

보다 친근한 예는 거의 모든 노동자들이 견뎌야만 하는 면대면 면접이 될 수 있을 것 같다. 고용자들의 수준 향상은 기업들의 끊임없는 목표이지만 이를 어떻게 하고 있을까? 인간 채용자의 호기심은 질문이나 기다림에 의해 미래 면접을 변화시키는데 영감을 줄 수 있다. 이 경우 새로운 질문과 평가 점수를 시험하는 과정에서 후보자와 관찰 횟수가 제한된다. 어떤 경우엔 면접 과정을 완벽히 하기 위해 의미 있는 연구를 수행하기에 지원자 수가 부족할 수도 있다. 하지만 기계학습은 녹화된 영상 면접에 직접 적용될 수 있고 학습-피드백 과정이 수 초만에 이뤄질 수 있다. 후보자들은 발언 및 사회적 행동과 관련된 특징들에 기초에 비교될 수 있다. 주의집중, 친절도, 성취 기반 언어와 같은 소소한 경쟁력이 영상, 음성, 언어를 통해 수 분만에 평가되고 검증될 수 있다. 관련없는 변수들을 통제하고 무의식적(의식적) 편견의 영향을 제거하면서도 말이다. 이와 대조적으로 인간 면접관들은 종종 중요한 질문을 후보자에게 물을 정도로 충분한 호기심을 가지고 있지 않다. 혹은 잘못된 것에 호기심을 가지고 있어서 관련없는 요인에 관심을 집중하고 불공평한 결정을 내리게도 된다.

 

마지막으로 컴퓨터 게임을 생각해보자. 많은 게임들은 반복되는 시행착오로 시작한다. 그래서 사람들은 게임에서 이기려면 새로운 것을 시도하고 혁신해야만 한다. "내가 이렇게 하면 다음은? 내가 여기로 가게 된다면?" 게임 로봇의 초기 버전은 이들이 전체 게임 상태 정보를 이용하였기 때문에 그리 능력이 뛰어나지 않았다. 이들은 인간 상대가 어디에 있는지 알았고 그들이 무엇을 하고 있는지도 알았다. 하지만 2015년 이래로 새로운 일들이 일어났다. 컴퓨터들은 딥러닝 덕택에 게임 상태에 대한 어떤 정보 없이도 사람들을 이길 수 있다. 인간과 컴퓨터 둘 다 자신들의 다음 움직임에 대해 실시간 결정을 내릴 수 있다.

 

위의 사례로부터 특정한 호기심 영역에선 컴퓨터가 인간을 넘어서는 것처럼 보인다. 명확한 지시와 명확히 정의된 목적이 있다면 컴퓨터가 사람들이 할 수 있는 것보다 더 빠르게 배우고 아이디어를 테스트할 수 있다는 것은 명확하다. 하지만 컴퓨터는 새로운 문제 영역을 모험하고 유사한 문제들을 연결시키는 능력은 여전히 부족하다. 아마도 이는 관련이 없는 경험을 연관시기는 능력이 부족하기 때문인 것 같다. 예를 들어 채용 알고리즘으로 검사자 역할을 할 수가 없고, 자동차 디자인 알고리즘으로 컴퓨터 게임을 할 수는 없다. 요컨대 성과측면에서 인공지능은 수많은 임무들에서 인간을 뛰어넘을 것 같다. 하지만 무작위적인 것, 열정을 가지고 추구하는 무엇인가에 변덕스러운 호기심을 유지하는 능력은 인간이 독점적으로 가지고 있을 것 같다.

 

출처: Tomas Chamorro-Premuzic and Ben Taylor, Can AI ever be as curious as humans?, HBR, 2017. 4. 5.


인공지능(AI: Artificial Intelligence)이 자동차를 변화시키고 있다. 이는 생각보다 훨씬 더 많은 변화를 가져올 것이다. AI에 의해 중심적인 자동차 수송방법이 어떻게 달라지느냐에 따라 우리들 도시, 상거래, 일상이 달라질 것이다.

 

새로운 이동방법이 우리를 어디로 이끌어 갈 것인지 이해하려면 자율주행과 무인운전을 구별할 필요가 있다. 자율주행차(self-driving)는 자동 운전과 수동 운전 사이에서 선택할 수가 있다. 또한 운전석에 사람이 타고 있다. 한편, 무인운전차(driverless)는 운전자도 운전대도 없다. 택시, 배송, 장거리 운송과 같은 운송 산업에서 운전자가 가장 높은 비용을 차지하는 부분이므로 이를 구분하는 것이 중요하다. 자율주행은 안전성과 운전자 생산성을 크게 향상시킬 수 있다. 운전자가 없어지게 되면 산업에 따라 다르겠지만 60%이상까지 비용을 줄일 수 있을 것이다.

 

공유경제와 결합되어 도시에서 이용률이 높은 교통수단에 무인운전이 적용될 수 있을 것 같다. 이는 두 가지 갈래의 미래를 생각하게 한다. 공유와 무인운전은 대도시에 살고 있는 17억명에게 적용될 것이지만 나머지 사람들에게도 유익이 될 것이기는 하다. 이 유익은 주로 자율주행으로 인한 안전성 향상으로부터 올 것이다.

 

이 기술은 어디에서 그리고 언제 도입될까

 

자동차 제조사들은 고급차량에서 고속도로 운전 같이 특정한 조건에서 이미 자율주행 기능이 탑재된 제품을 생산하고 있다. 예상한 바대로 추가 비용으로 인해 판매량 증가는 느리지만 제품 출시는 늘어나고 있다. 반면 무인운전 도입은 기반시설 성숙, 기술완성도, 규제 이 세 가지 요소를 극복하느냐에 달려 있다. 미국은 큰 시장 덕분에 기반시설이 성숙되어 있고 지원하는 규제 환경도 앞서고 있어 무인운전 기술이 실도로 시험 중에 있고 기계학습 알고리즘을 평가하고 있다. 유럽지역은 중세도시와 규제의 복잡성으로 인해 좀 더 시간이 걸릴 것으로 예상된다. 중국과 인도는 여전히 기반시설을 건설하는 중이다. 이들의 복잡한 도로 환경에 적응하기 위해 기술적으로 더 많은 노력이 필요하다.

 

리더들이 고려해야 할 사항들

 

요즘은 고위 임원이나 경영자들은 새로운 이동 기술이 사업 및 사업 모델에 어떤 여향을 미칠 것인지 고민해야 하는 때이다.

 

기반시설: 우리를 둘러싼 이동 기술이 변화해 감에 따라 공항, 자동차 주차, 고속 열차, 에너지, 항만, 도로요금 등에 대한 전체 계획에 어떻게 접근할 것인가? 이러한 계획은 15-30년 이상의 투자 기간이 필요하다. 이러한 지평에서 수요, 가격, 이용 패턴에 어떤 일이 일어날까? 투자 위험요소를 없애기 위해 어떻게 할까? 서로 다른 미래 시나리오를 어떻게 수용할 수 있을까?

 

도시: 자율자동차가 교통정체에 어떻게 영향을 미칠까? 이동 비용 감소에 따른 수요 증가에 반해 자율주행의 유익을 균형있게 할 수 있을까? 서비스로서의 이동성 제공에 자율주행을 어떻게 통합하고 교통 정체 감소와 오염 물질 감소의 유익을 실현할 수 있을까? 도로 가격 모델은 어떻게 변화될 필요가 있을까? 이와 같은 미래에 대해 도시 계획을 어떻게 변화시켜야 할까?

 

수송: 무인운전 차량을 기존의 공공 교통 기반시설에 어떻게 적용할 것인가? 이같은 미래에서 우리는 어떻게 적절히 적응할 것인가?

 

자동차회사: 단순히 차량을 판매하는 것에서 이동성을 판매하는 것으로 어떻게 전환할 수 있을까? 가치 사슬에서 우리의 역할은 무엇일까? 조력자, 차량 운영자, 무인운전 운전사 제공자? 만드는 대신에 우리가 사거나 협력해야 하는 것은 무엇일까? 도시와 관계를 어디에서 어떻게 맺어가야 할까? 자동차 자동화 정도가 커질 것에서 사업적 이익을 어떻게 취할 수 있을까?

 

자동차 용품 및 서비스: 차량 운행 위주의 도시 미래에서 우리의 역할은? 인터넷에 연결된 차량이 만들어 내는 기회를 어떻게 받아들일 수 있을까?

 

보험: 향상된 자율성이 사고 관련 사건을 줄어들게 할텐데 어떤 전략을 취해야 할까? 빌리는 운영차량과 제품 법적 책임이 더 중요해지는 미래에서 적합한 제품은 무엇일까?

 

금융서비스: 밀레니엄 세대와 Z세대 고객들이 이동성 소비에 있어 더 공유하고자 함에 따라 자동차 소유 패턴이 어떻게 변화할까? 리스나 이동성 금융증권화를 통해 플릿에 어떻게 자금을 공급할까?

 

에너지: 자율주행, 공유, 전기화의 융합이 자동차용 연료체계를 어떻게 변화시킬까? 상품 판매 궤적이 어떻게 될까? 무인자동차 세계에서 자동차-전력망 연결이 에너지를 전송,저장하는 새로운 방식을 만드는 데 어떤 도움이 될까?

 

상품판매 및 소비재 사업: 새로운 이동 수단이 배송 비용을 크게 감소시킬 수 있다면 우리는 산업의 가치사슬과 고객에의 배송을 재고해야 할까? 물류 시스템은 어떻게 바뀔 수 있으며 어떻게 비용절감을 이룰까? 어떤 새로운 제안을 할 수 있을까? 어떤 고객들이 플랫폼으로서의 이동수단 서비스를 제공받고 싶어할까?

 

보건 및 건강: 이러한 변화가 고령자들의 요구를 관리하는 데 어떤 도움을 줄까? 건강 관리 비용을 줄이기 위해 무인운전 차량을 어떻게 이용할 수 있을까?

 

공공정책: 자동운전으로 인한 서비스 직업 상실에 사회는 어떻게 적응할 수 있을까? 어떤 새로운 역할이 이 간극을 채울 수 있을까? 정책 입안자들이 이 변화를 어떻게 부드럽게 할 수 있을까?

 

현대 차량들이 이전보다 더 안전하고 더 많은 기술이 적용되어 있지만 AI  이동수단은 사고없는 미래에 밝은 전망을 유지하고 있다. 몇몇 혁신적 시스템은 이미 도로상에서 인간의 능력을 넘어섰다. 로봇택시나 자율주행 상용차량을 보기 되기 전에 사업 모델이 전복되는 것은 시간 문제다. 요즘은 경영자나 도시행정가나 변혁 앞에 놓인 시대다. 

 

출처: Ashish Khanna and Simon Barrett, Hard questions on our transition to driverless cars, HBR, 2017. 4. 11.


스스로의 한계를 정하지 말라. 목표를 정하라.

 

"너의 믿음이 생각이 되고, 생각이 말이된다. 말은 행동이 되고 행동은 습관이 된다. 습관은 그 사람의 가치를 만들고, 가치는 그 사람의 운명이 된다." - 간디 -

 

우리가 매일매일 반복하는 작은 생각과 말들이 우리 습관과 행동을 만들고 이후 인생의 결과들에 영향을 미친다는 것을 잘 보여주는 표현이다. 스스로의 한계를 정하려는 생각에서 벗어나 스스로를 복돋우는 태도가 중요하다. '물론 당신의 행동을 정당화 할 수 있다. 문제는 그것이 도움이 되는지이다.'라는 말을 기억하자. 

 

기술지식을 쌓아가는 데 가장 흔하게 방해가 되는 스스로를 한계짓는 생각들을 살펴보자. 이 생각들을 바꾸는 데 성공한다면 이후에 이어지는 글들을 이해하는 데 도움이 될 것이다.

 

1. "난 기술과는 거리가 먼 사람이야"라는 생각은 도움이 안된다. "난 아직 기술을 이해하지는 못하지만 이해하고 싶어" 혹은 "기술에 능숙한 사람들 조차도 모든 것에 다 대답을 할 수는 없다는 걸 알아"라고 생각하자. 

 

- '하지만' 이라는 말에는 힘이 있다. 난 지금은 부족해. 하지만! 그래서 이해하고 싶어 라고 생각하자.

 

- 아래 있는 흐름도는 사람들이 기술에 익숙해지는 길을 안내한다. 이것을 따라하면 된다. 이것은 기술분야뿐 아니라 그 어떤 다른 주제에도 적용할 수 있는 문제해결 방법이다.



- 어떤 것에 반복적으로 노출되고 경험하게 되면 점점 지식이 쌓이게 된다. 이 전략은 다른 상황에서도 상당히 유효하다. 

 

2. "뭔가 문제가 생겼을 땐 누군가가 나를 위해 해결해줄거야"라는 생각은 도움이 되지 않는다. 대신에 "내가 해결할 수 없는 문제가 생기면 내가 해결할 수 있도록 설명해 줄 누군가에게 도움을 청할거야."라고 생각하자.

 

- 이런 태도는 매우 중요하다. 제 때의 한 땀이 나중의 아홉 땀을 던다라는 말이 기술 분야에선 아흔아홉 땀이 된다. 나 대신에 누군가가 문제를 해결하게 하면 나중에도 똑같은 문제를 해결하지 못할 것이다.

 

3. "기술 혹은 내 기기가 나를 좋아하지 않아."라는 생각은 도움이 안된다. "이거 내가 생각한 거랑 달게 작동하네. 뭘 빠뜨렸지? 다르게 할 수 있는게 뭐지?"라고 생각해 보자. "어플을 닫거나 종료해볼까? 기기를 껐다 켜볼까?" 라고 생각해 보자. 

 

- '이 기기가 날 좋아하지 않아'라고 생각하는 건 신호등이 빨간색으로 바뀌었을 때 저 신호등은 날 좋아하지 않는군 이라고 생각하는 것과 마찬가지다. 당신의 스마트폰이나 컴퓨터가 특히 당신에게만 잘못하지는 않는다.

 

4. "난 기술 시대에 자라지 않았어."라는 생각도 도움이 되지 않는다. "내가 다른 사람들만큼 기술에 익숙하지는 못하지만 괜찮아. 지금부터라도 배우고 잘 할 수 있는 것들이 참 많아."라고 생각해 보자.

 

- 젊은 사람과 아이들이 부모님이나 조부모님들보다 빠르게 기술을 습득하는 이유는 그들이 가진 호기심, 흥분, 내적 동기 때문이다.

 

- 기술 시대에 자라지 않았기 때문이 원인이 될 수 없다. 젊은 사람들이 기술에 익숙한 이유는 지속적으로 경험하고 노출되었기 때문이다.

 

- 다른 사람들과 자신을 비교하는 것은 아무런 소용도 없다. 우리가 볼 수 있는 것은 다른 사람들이 노력한 결과뿐이다. 그 과정을 우리는 볼 수 없다. 자신의 목표와 성장에 초점을 맞추는 것이 훨씬 더 도움이 된다.


https://twitter.com/sylviaduckworth/status/621334733901983744/photo/1


5. "난 배우기에 너무 늙었어."라는 생각은 도움이 안된다. "내가 마음만 먹으면 언제든 새로운 것을 배울 수 있어."라고 생각하자. 2015년에 대학을 졸업했던 99세 어르신도 있다.

 

6. "난 기술 문맹자야."라고도 생각하지 말자. "기술 문맹인 것 같지만 이렇게 계속 있지는 않을거야."라는 마음가짐을 가지자.

 

- 우리는 그 누구도 영원한 느낌과 상태에 머물러 있지 않는다. 인간은 항상 변하는 존재다.

 

7. "난 비밀번호가 싫어. 그게 왜 있어야 하는거야?"라는 생각도 접어두자. "비밀번호를 다루는 것은 복잡해. 더 나은 방법은 없을까? 왜 그게 그리 중요한거지?"라고 자문하자.

 

 

출처/참고: Michael Potuck, Become Tech Savvy: Transforming limiting beliefs and setting stakes, 9To5Mac.


성장하고자 하는 마음가짐


스마트 기기 등 기술에 대한 상식을 쌓아가는 데 있어 가장 중요한 것은 마음가짐이다. 할 수 있다는 믿음을 가지는 것이 중요하다. 재능 혹은 소질이 있어야만 할 수 있다고 믿는 태도로는 목표를 쉽게 포기하게 할 수 있다. 마음 가짐은 생각을 좌우하고 생각은 행동에 영향을 미친다. 마음가짐에 따라 우리의 행동과 그로 인한 결과가 크게 달라질 수 있다는 것은 연구를 통해서도 확인된 바 있다.


스탠포드 대학 심리학자 Carol Dweck은 성장하고자 하는 마음가짐과 정체되어 있는 마음가짐을 비교했다. 두 가지 마음가짐을 가진 사람들이 욕망, 상황에 대한 평가, 문제를 다룸, 도전, 노력, 비판, 다른이들의 성공, 결과에 대해 어떤 태도를 가지는지 설명했다. 어떤 선택을 할 것인지는 당신에게 달려 있다.



무엇인가를 노력해서 성취한다고 했을 때 재능보다는 얼마나 열심히 연습했는가가 중요하다. 또한 성장하고자 하는 마음가짐에 더해 목표를 달성하기 위해 취해야 할 효과적인 전략과 정교하게 고안된 연습과 노력도 필요하다. 성장하고자 하는 마음가짐을 가진다고 해서 그리고 더 열심히 노력한다고만 해서 더 나은 결과를 얻게 되는 것은 아니다. 배우는 학생 혹은 사람에게 노력이 효과를 발휘한다는 것을 경험하게 하는 것이 중요하다.


유전, 나이, 우연, 외부의 상황 등이 아니라 성장하고자 하는 마음가짐이 성공하는 데 가장 중요한 요소가 된다는 것은 반가운 소식이다. 때때로 우리의 감정이나 믿음은 너무 견고해서 변화시킬 수 없을 것 같지만 실은 그것들을 마음가짐을 바꿔서 변화시킬 수 있다.


아래 그림을 보면 왼쪽에는 사람들이 일반적으로 생각하는 성공으로 가는 모습이다. 사람들은 재능이 있다면 저렇게 되겠지라고 통상적으로 생각한다. 하지만 오른쪽 편에는 성장하고자 하는 마음가짐을 가진 사람들이 실제로 성공에 이르는 모습을 나타낸다. 이것은 믿음과 계획적인 연습을 통해 누구나 성취할 수 있다.


마음의 상태를 바꾸는 데 도움이 되는 한 가지 방법은 몸을 움직여 보는 것이다. 마음의 상태를 바꾸기 위해 팔벌려 뛰기를 스무 번 한다던가, 팔굽혀 펴기 혹은 스쿼트를 해 보는 것이다. 신체 활동이 우리의 생체상태를 변화시키고 보다 도움이 되는 방향으로 마음의 상태를 바꾸는 데 도움을 준다.


아이들은 긍정적인 마음의 상태를 가진 훌륭한 모델이다. 아이들은 대개 새로운 기술을 배울 때 행동을 하고 자신을 갖는다. 성장에 대한 흥분, 낙관주의, 자연적 호기심은 아이들을 배움으로 이끈다. 아이들은 여러번 실패할지라도 다시 시도한다. 또 아이들은 다른 사람들이 대신해주는 것을 보고 싶어하지 않고 오래도록 도움을 받고 싶어하지도 않는다.



이 영상에서 어린 아이는 열망에 찬 배움과 탐구, 그리고 마음가짐에 대한 좋은 사례이다. 어린아이를 보면서 어떤 동력을 느낄 수 있지 않은가? 우리가 항상 이런 느낌을 가지지는 못하겠지만 이런 말들을 마음에 새길 수 있다. “이것을 좋은 기회로 볼 수 있을까?”, “어떻게 보면 이것이 재밌게 느껴질까?”, “물론 난 결국 이것을 해낼거야.”


성장하고자 하는 마음가짐을 가지고 있지 않다고 해서 너무 걱정하지 말라. 목표는 자신이 어떤 마음가짐을 가지고 있는지 아는 것이고 그것을 알면 가능한 유익한 관점을 선택할 수 있다. 이것이 우리 성공의 주춧돌이 될 것이다. 성장하고자 하는 마음가짐을 가지려고 하면 할수록 더 큰 동력이 생겨나고 그 마음가짐을 유지하기가 점점 더 수월해진다.


해 볼 것


1. 성장하고자 하는 마음가짐을 가지기 위한 모델이 될 수 있는 아이가 주변에 있는가? 그들이 배움과 탐구에 접근하는 방식은 어떠한가?


2. 당신이 과거에 성장했던 것을 생각해보라. 지난 몇 년간 배웠던 새로운 기술은 무엇인가? 기술적인 상식을 쌓아가는 것을 성공적으로 이루기 위해 당신의 과거 성공적인 경험을 어떻게 적용할까?


3. 기술 상식을 쌓아갈 수 있는 이유 3가지를 써보라.


4. 성장하고자 하는 마음가짐을 갖는 때와 그렇지 않은 때는 언제인가? 두 가지 경험에 어떤 차이점이 느껴지는가? 그 과정은 어떠했는가? 그 결과는 어떠했는가?


5. 수월하고도 자신감있게 기술을 다루고 있는 자신의 모습을 3-5분 동안 상상해보라. 당신이 성취하고 있는 것은 무엇인가? 당신은 무엇을 만들어 내고 있는가? 어떤 기분인가?


6. 위 어린이 영상을 다시 한번 시청하라. 


출처/참고: Michael Potuck, Become tech savvy: If you truly want to improve, you’ll need this, 9To5Mac.

[요즘은 기술 발전 속도에 맞춰 살아기가 어려운 시대다. 9To5Mac에서 ‘Become Tech Savvy’라는 제목으로 업데이트되는 글들이 기술 상식을 알아가는 데 도움이 될 것 같다.]

이제는 나이가 들어도 스마트기기를 다뤄야 하게 되었다. 과거엔 기술적인 기기들이라봐야 라디오, 텔레비전, 전화기 정도였고 시간이 조금 더 흐른 후에도 가정용 혹은 휴대용 게임기 정도에 컴퓨터만 조금 다룰 줄 알면 되었다. 하지만 이젠 그렇지가 않다. 일단 스마트폰은 기본으로 다룰 줄 알아야 하고 스마트폰 이후에도 웨어러블 기기, 가상현실 기기 등 끊임 없이 새로운 기술이 적용된 제품들이 출시되고 있다. 뭐 그냥 스마트폰을 대강 다룰 수 있는 정도에서 멈춰도 상관은 없겠으나 조금 더 알아놓는다고 해서 해가될 것은 없을 듯 하다.

 

이 글을 쓰고 있는 Michael은 “스마트 기기를 사용하는 데 어려움을 겪는 근본적인 문제는 정보가 없어서가 아니다.”라고 한다. 맞는 말이다. 배우려는 마음가짐을 가지고 변화하는 것에 한계가 있다는 믿음을 거둘 필요가 있다. 효과적인 전략과 연습을 통해 경험을 축적해 가다보면 기술 상식은 어느 새 쌓이게 된다. 

 

Michael의 글들을 통해 기본적인 기술 지식들을 쌓아갈 수 있을 것이라 생각한다. 이 때 가장 중요한 부분은 자신의 목표와 발전에 초점을 맞추는 것이다. 단숨에 모든 것을 배우려고 하지 말고 할 수 없는 것들에 대해서 생각하지도 않는 것이 좋다. 산만하게 이것저것 하려고 하지 말고 다른 사람들과 비교하지도 말아라. 비교는 종종 즐거움을 앗아간다. 목표는 속도에 상관없이 지속적으로 성장하는 것이다.

 

왜 기술지식을 습득해야 할까?

 

기술은 때론 문제를 일으키기도 하지만 많은 기회와 유익을 제공해주기도 한다. 기술로 인해 생기는 문제들은 우리를 짜증나게 하고, 화나게 하고, 실망하게도 하고, 낙담하게도 하지만 좋은 소식은 이러한 부정적 느낌들은 기술을 자신감있게 이용할 수 있는 방법을 배움으로써 없앨 수 있다는 것이다. 기술에 능숙하게 된다는 것은 악기를 연주하거나 자동차를 운전하는 것과 마찬가지이다. 지금은 어려워 보일 수 있지만 이 연재 기사는 독자들을 기술에 친숙하게 안내하게 될 것이다.

 

기술을 자신있게 그리고 수월하게 사용할 수 있게 되면 두 가지 유익을 얻을 수 있다.

 

(1) 효율적이고 재미있게 만들고 공유하고 놀고 일할 수 있게 된다. 우리 일상은 점점 더 기술과 엮여 있다. 음식을 주문하는 것에서부터 가족들과 연락을 주고 받는 것에 이르기까지 기술은 모든 것에 통합되어 있고 앞으로도 계속 더 그럴 것이다.

 

(2) 기술에 능숙해지고 효율적이 되면 많은 시간을 아낄 수가 있다. 더 많은 에너지를 우선순위가 높고 삶을 더 즐겁게 해 주는 일들에 쏟을 수 있게 된다.

 

스스로의 한계를 설정하지 말라

 

'난 기술 문맹이야', '난 이런걸 배우기에는 너무 늙었어'라고 말하며 쓴 웃음을 짓는 사람들이 많이 있다. 그리고 이것이 변하지 않는 사실로 받아들이곤 한다. 하지만 이런 말들을 '왜 내가 기술을 향상시킬 수 없겠어?', '전에도 난 많은 새로운 것들을 배웠는데 지금이라고 못할까?', '내가 왜 배우기에 늙었어?'라는 말들로 바꿔보면 좋겠다.

 

이런 질문들은 한계를 정하는 생각들이 일반적인 것이되고 사람들이 그곳에서 헤어나오지 못하는 이유를 해체시킬 수 있다. 만약 무엇인가를 할 수 없다고 믿는다면 그것을 시도하려는 어떤 이유도 제거될 수 있다. 할 수 없다고 믿는 것이 잘못된 것은 아니지만 그것은 선택할 수 있는 문제다. 새로운 무엇인가를 배우길 원한다면 과거의 한계들에서 당신을 자유롭게 할 수 있는 새로운 마음가짐이 필요할 수도 있다. 

 

이 연재기사의 특징!

 

성장하고자 하는 마음가짐, 도움이 되지 않는 기존의 믿음 탈피, 효율적이고 효과적인 학습 전략으로 이뤄질 이 글들이 기술상식을 쌓아가는 데 도움이 될 것이다. 

 

- 성장하고자 하는 마음가짐: 성공하는 데 있어 가장 중요한 요소가 마음가짐이라 할 수 있다.

- 기존의 도움이 되지 않던 믿음들을 유용한 것으로 변화시킨다: 한계를 짓는 것 대신에 할 수 있다는 것을 복돋는 이야기들로 시작하게 된다.

- 80/20 법칙: 집중해야 할 것들 20%를 배우게 되면 결과의 80%는 얻게 되는 것이다.

- 효과적인 전략: 경험을 쌓고 실제 사례를 연습할 수 있는 최선의 방법들을 제시하고자 한다.

 

해 볼 것

 

Pages 프로그램을 열고 새 문서를 만든다.(사용하는 다른 워드 프로세서면 된다.) 아래 질문들을 복사/붙여넣기 한 후 답을 쓴다.(커서를 가지고 가서 아래 질문들을 긁어서 선택한 후 마우스 오른쪽 버튼을 누르고 복사를 선택한다. 새로운 문서에 대고 마우스 오른쪽 버튼을 누르면 나오는 붙여넣기 명령을 선택한다. 혹시 Mac을 사용하고 있다면 command 키와 알파벳 C를 눌르면 복사가 되고 command 키와 알파벳 V를 누르면 붙여넣기가 된다)

 

1. 당신이 자주 사용하는 프로그램 혹은 어플리케이션은 무엇이고 가장 중요한 것은 무엇인가?

 

2. 지금 사용하는 데 믿음이 가는 어플리케이션은 무엇인가?

 

3. 기술분야에서 가장 즐기는 것은 무엇인가?

 

4. 배우고 싶은 것은 무엇인가? 혹은 다른 사람들이 배웠으면 하는 것은 무엇인가?

 

5. 기술이란 것이 당신을 가장 흥분시키는 것은 무엇이고 가장 어렵게 만드는 것은 무엇인가?

 

6. 이 대답들을 다른 사람들과 공유하고 왜 기술지식을 쌓고 싶은지를 알려주라. 주변의 사람들과 매주 업데이트되는 글을 가지고 이야기를 나눠라.

 


출처/참고: Michael Potuck, Become tech savvy: Why you can and should learn to confidently use technology with this unique series, 9To5Mac


니코마코스 윤리학(Nicomachean Ethics)에서 아리스토텔레스는 "모든 지식과 모든 추구는 선을 향한다. 그러면 선이란 무엇인가?"라고 물었다. 이것은 윤리적 딜레마를 요약한 것이다. 우리 모두는 선하고 공평해야 한다는 것에 동의하지만 그에 따르는 것이 무엇인지 결정하는 것은 훨씬 더 어렵다.

아리스토텔레스 이래로 그가 제기한 의문들은 계속해서 논의되고 논쟁거리가 되어 왔다. 칸트, 벤담, 롤스 같은 위대한 철학자의 업적에서부터 현대의 칵테일 파티나 늦은 밤 기숙사에서는 한담 시간에 이르기까지 이 문제는 끊임없이 논의되어 왔지만 결코 만족스러운 결론을 얻지는 못한다.

오늘날 우리는 사고하는 기계의 '인지 시대'에 접어들면 우리의 행동을 어떻게 안내해야 하는지의 문제는 새롭게 발견된 중요성을 얻고 있다. 만약 우리가 사람이 적절하게 그리고 현명하게 행동해야 하는 원칙을 표현하기가 어렵다면 우리가 만들고 있는 인공지능 안에 이것을 어떻게 적용할 수 있을까? 이는 머지않아 우리가 답해야 하는 질문이다.

학습 환경을 설계하기

모든 부모는 아이들이 노출되는 것에 어떤 영향을 받을지 걱정한다. 아이들이 보는 TV프로그램은 무엇인지? 어떤 게임을 하는지? 학교에서 나쁜 친구들과 어울리는 것은 아닌지? 우리는 아이들이 세상에 대해 배우기를 원하기에 과도하게 보호하려고 하지는 않지만 아이들이 성숙하기 전까지는 세상에 너무 많이 노출되게 하고 싶지는 않다.

인공지능에서 이러한 영향들을 기계학습 말뭉치라고 부른다. 예를 들어 어떤 알고리즘에서 고양이를 인식하는 것을 가르치려면 우리는 고양이의 사진과 고양이가 아닌 사진 수천개를 알고리즘에 노출시킨다. 결국 알고리즘이 고양이와 개를 구별할 수 있게 된다. 인간과 매우 흡사하게 알고리즘은 이러한 경험으로부터 배운다.

그러나 이 과정이 마이크로소프트의 Tay라는 마이크로블로깅 플랫폼으로 내놓은 트위터 봇의 경우와 같이 크게 잘못될 수 있다. 하루에도 Tay는 '인간은 정말 멋져'처럼 호의적이고 평범하다고 '히틀러는 옳았고 난 유대인이 싫어'같이 무시무시해지기도 했다. 이것은 근본적으로 불안했다.

IBM의 인공지능 연구자 Francesca Rossi는 청소년 관람불가 영화를 아이들이 몇 살 때 보아야 하는지 혹은 학교에서 진화를 배워야 하는지와 같은 사회적 규범에 영향을 미치는 원칙들을 코딩했다고 했다. 그녀는 우리가 인간을 규제하는데 사용하는 법적 원칙들을 기계에 어느 정도로 사용해야 하는지 결정할 필요가 있다고 말했다.

그러나 어떤 경우들에선 알고리즘이 구글에서 '할머니'를 검색했음 때 백인만 볼 수 있는 것 같은 우리가 인식하지 못할 수 있는 사회적 편향에 대해 경계하게도 한다. Rossi는 '기계가 우리의 편향성을 경고해 줄 가능성도 있다'고 말한다. '우리는 알고리즘을 훈련시킬 뿐만 아니라 알고리즘이 우리들에 관해 가르칠 수 있다는 가능성도 열어놨다 할 필요가 있다'고 말한다.

윤리적 딜레마 풀기

수십 년 동안 윤리학자들을 혼란스럽게 해온 사고 실험 하나는 트롤리 문제이다. 선로를 질주하는 트롤리가 있고 그것이 곧 다섯사람을 칠 것이라 상상해 보라. 이 사람들을 구하기 위한 유일한 방법은 트롤리를 다른 선로로 변경하도록 레버를 당기는 것이다. 그런데 이렇게 하면 다른 선로에 서 있는 한 사람이 죽게 될 것이다. 당신이라면 어떻게 할 것인가?

칸트의 도덕률(categorical imperative)(보편적 법칙이 될 수 있는 격언에 따라서만 행동하라) 혹은 아시모프의 첫째 원칙(로봇은 인간을 다치게 해서는 안된다. 행동하지 않음으로써 인간이 다치게 해서도 안된다)와 같은 도덕 원칙에 기반한 윤리 시스템은 여기서 전혀 도움이 되지 않는다.

또 한편으로 공리주의 원칙을 채택할 수도 있다. 최대한 혹은 최소 손해를 가져오도록 하는 것이다. 다섯 명을 구하기 위해서 한 명을 죽여야 하는 것은 분명해 보인다. 하지만 최소한이라고 해도 의도적으로 누군가를 쥑이는 것은 곤란하다. 대통령을 보호하기 위해 보안요원들이 져야 하는 의무와 같은 경우와 같이 몇몇 제한된 경우들에는 적용할 수도 있겠지만 이 사례들은 예외적인 것이다.

인공지능은 우리가 도덕원칙들을 구체적으로 규정해야 할 필요가 있기 때문에 우리로 하여금 윤리적 딜레마를 훨씬 더 생각하게 고려하도록 한다. 자율주행차가 보행자를 구하기 위해 승객을 죽음의 위험에 놓이게 해약하는가? 드론이 테러리스트를 죽일 때 부수적 피해를 어느 정도로 고려해야 하는가? 로봇은 인간에 대해 사느냐 죽느냐 결정을 내려야 하는가? 우리는 인간에게 맡길 것과 소프트웨어에 규범화할 것에 대해 명확한 결정을 내려야만 할 것이다.

이것은 어려운 문제들이지만 IBM의 Rossi는 기계가 우리를 도울 수도 있을 것이라 말한다. 덕의 윤리라 언급되는 아리스토텔레스의 가르침은 지혜, 정의, 신중함과 같은 윤리 덕목의 의미를 우리가 배울 필요가 있음을 강조한다. 그래서 강력한 기계 학습 시스템이 우리에게 새로운 통찰력을 제공할 수도 있다.


문화적 규범과 도덕적 가치

우리가 씨름해야 할 또 다른 문제는 어떤 윤리 원칙들을 인공지능에 규정하는 것뿐만 아니라 어떻게 그것들을 내재화할 것인가 있다. 앞서 언급했던 것처럼 '너는 죽여선 안돼'라는 것은 엄격한 원칙이다. 안전 요원이나 군인과 광이 몇몇 예외 상황이외에는 그것은 맥락에 큰 영향을 미치는 선호도의 문제에 가깝다.

진짜 도덕 원칙이 무엇인지 그리고 단순히 문화적 규범이 무엇인지도 훨씬 혼란스럽다. LGBT 권리 처럼 많은 경우에 시간이 흐름에 따라 도덕성에 대한 사회적 판단도 변화한다. 학교에서 창조론을 가르치는 곳이나 알코올을 판매하는 것 같은 경우 자신들의 선택을 하도록 하는 서로 다른 공동체를 허하는 것은 합리적인 듯하다.

무엇이 어떤 것을 도덕적 가치이고 하고 또 문화적 규범이 되게 하는가? 이는 가장 칭찬을 받는 윤리학자들에게도 어려운 질문이지만 우리는 이것을 알고리즘에 입력할 필요가 있을 것이다. 어떤 경우엔 엄격한 원칙이 될 것이고 어떤 경우엔 단순히 맥락에 기초한 선호가 될 것이다. 또 어떤 경우엔 알고리즘이 운영된 관할권에 따라서 다르게 입력될 필요도 있을 것이다.

이 문제는 알고리즘이 의료분야 같이 논쟁적인 전문 규범들이 따라 결정을 내려야만 하는 때에 특히 곤란하다. 의료적 결정에 대해 어느 정도의 비용을 고려해야 할까? 보험회사들은 알고리즘이 어떻게 입력되어 있는지 말해야 할까?

물론 이것이 완전히 새로운 문제는 아니다. 예를 들어 미국에서 운영되는 회사들은 엄격한 규칙을 가진 GAAP 회계 표준을 지킬 필요가 있지만 유럽에서 운영되는 회사는 광범위한 원칙에 따르는 IFRS 회계 표준을 준수하면 된다. 우리는 인공지능에서의 많은 윤리 원칙에 대해서도 비슷한 상황을 맞이하게 될 수도 있다.

높은 표준을 상정하기

대부분의 인공지능 전문가들은 우리 인간들에게 보다 인공지능에 더 높은 도덕적 표준을 설정할 필요가 있다고 생각한다. 당연히 무엇인가 완전히 잘못되지 않는 한 사람들은 인공지능이 내려야 하는 모든 결정에 대해 영향력의 목록이나 로직을 기대하지는 않는다. 하지만 우리는 기계들로부터 그러한 투명성을 요구할 것이다.

"다른 사람을 생각할 때 우리는 그들도 우리와 비슷한 상식적인 논리와 윤리적 표준을 가지고 있을 것이라 가정한다. 하지만 기계에 대해선 사실이 아니다. 때문에 우리는 기계들에 더 높은 표준을 가지도록 할 필요가 있다."고 Rossi는 말한다. Publicis.Sapient의 데이터 및 인공지능 부문 대표인 Josh Sutton은 이에 동의하고 기계가 결정하는 것에 대한 논리적 자취와 학습 뭉치 둘다 평가될 수 있도록 할 필요가 있다고 주장했다.

하지만 Sutton은 우리가 어떤 경우엔 더 낮은 투명성을 취하려고 할 수도 있음을 알고 있다. 예를 들어 우리의 행동 및 위치 데이터를 사람이 이용하는 것보다는 기계 알고리즘에 맡기는 것을 더 편안하게 느낄 수 있다. 결국 인간은 항상 유혹을 받을 수 있다. 엄격한 변수를 따르는 데 있어선 기계가 더 낫다.

확실히 이러한 문제들은 좀더 생각하고 논의해야 한다. 구글, IBM, 아마존, 페이스북 같은 주요 산업체들은 선도적인 인공지능 회사들과 학계, 정부, 산업계 이해관계자들의 사이에 이해를 돕고 최선의 실행사례들을 증진하기 위한 개방형 플랫폼을 만들기 위한 협력체제를 최근 만들었다. 하지만 이것은 단지 시작일 뿐이다. 

가까운 미래에 인공 지능이 만연하게 될텐데 책임은 사회 전체가 치러야한다. 우리는 인공지능이 우리 정치 시스템이 어떻게 운영되는지 다스리고 아이들이 교육받는 방법만큼 심각하게 다뤄지도록 하는 표준을 마련할 필요가 있다. 이는 우리가 축소할 수 없는 책임이다.

출처: Greg Satell, Teaching an algorithm to understand right and wrong, hbr.org.

+ Recent posts