Section 2 : AI 주 분야 AI By Domain

 

1. 교통 TRANSPORTATION

 

교통분야가 아마도 우리 일반인들이 제일 먼저 AI 에 대한 신뢰와 안전성을 믿어야 하는 분야가 될 것입니다. 자율 주행차가 이미 실제 도로에서 막 다니기 시작했지만 머지 않아 자율주행 자동차들이 사람보다 더 잘 운전할 것입니다. 사람들은 더 적게 자동차를 소유할 것이고 운전하는 시간을 다른 여가활동에 사용하게 될겁니다. 자율주행차가 일반화되면 사고도 줄어들 것이고 막히는 구간도 적어지고 도로는 더 효율적으로 운영될 것입니다. 하지만 자율주행차는 사회적, 윤리적, 정책적인 문제들을 야기하게 됩니다.

 

Smarter cars

GPS 기술이 2001년부터 상용화되기 시작하면서 도로위의 자동차 정보들이 모이기 시작했습니다. 개인들의 정보가 모여지고 그 정보들이 다시 개인들에게 공유되면서 효율적인 경로추천 등이 가능해집니다. 자동차에는 브레이크, 에어백, 타이어, 주행제어 등을 위한 센서들이 이미 부착되어 있고 장차 70여개의 센서들이 더 추가될 것으로 예상됩니다. 새로운 세기 이후 자동차들은 자동주차, 차선유지, 정속주행, 차선변경, 주변감지 등의 기능을 갖기 위해 센서와 컴퓨터비전 기술을 사용하고 있습니다.

 

Self-driving vehicles

영화속에서나 보던 자율주행차를 실제 구현하기 위해 미국방부 연구소에서 연구자금을 지원하면서 많은 독려를 했지만 2004년까지만 해도 관련 기술 수준은 사막에 있는 한적한 도로도 제대로 운행하지 못하는 수준에 머물렀습니다. 하지만 불과 10년도 지나지 않아서 일반인들의 기대를 뛰어넘어 구글과 테슬라가 각각 독립적인 자율주행차를 선보이게 됩니다. 구글의 무인자동차는 이미 150만 마일을 실제 도로에서 주행하였고, 테슬라는 상용 승용차에 기능을 추가해서 일반인들이 이용할 수 있는 수준으로까지 만들었습니다. 2016년 6월에 테슬라 운전자가 자율주행 중에 사망하는 큰 사고가 나서 사회적으로 큰 반향을 일으켰습니다. 그럼에도 불구하고 많은 전문가들은 불과 3, 4년 후면 자율주행차가 일반화 될 것으로 전망합니다.

제가 소속된 기계공학과의 한 연구소에서는 자율주행 모드에서 기계 또는 인공지능과 사람이 어떻게 서로 소통해야 하는지에 대한 연구가 진행되고 있습니다. 자연스러운 커뮤니케이션을 위한 자동차 디자인은 어떤 것이 되어야 하는지도 연구하고 있습니다. 혁신이 또 다른 혁신을 불러 오는 선순환의 구조를 실리콘밸리에서는 자주 볼 수 있습니다.

만약 자율주행차가 전문가들의 예상대로 일반화된다면 도시의 설계나 기능이 많이 달라질 수 있습니다. 우선 도심 가운데에 많은 주차공간이 필요하지 않게 됩니다. 탑승자를 내려주고 차는 도심 외곽으로 나가면 됩니다.  도로는 더 많은 차선을 갖게 될 것이고 건물에도 필요한 주차공간이 적어지게 됩니다. 기술 발전으로 도시의 정책이 달라질 수 있습니다. 어린이나 노약자도 자연스럽게 자동차를 이용할 수 있게 될 것입니다. 새로운 정책이나 법령이 필요해 보입니다. 자율주행차가 일반화되면 점점 자동차를 덜 갖게 되어서 지금의 자동차 산업이 1/10 로 줄어들 수 있다는 다소 공격적인 전망도 있습니다.

자동차가 도시인들의 삶에 깊숙하게 연결되어 있기 때문에 자율 주행차는 여러 윤리적인, 사회적인 문제를 동반하고 있습니다. 사고 가능성이 있을 때 자율주행차가 탑승자를 우선 보호할 것인지 보행자를 보호할 것인지를 결정하기는 윤리적으로 매우 어렵습니다. 기계의 오작동으로 사고가 생겼을 경우 그 책임을 누가 질 것인가도 복잡합니다. 자동차 제조사에 책임이 있는지 구매자에게 있는지도 불분명합니다.

현재 미국의 4개 도시 (네바다, 플로리다,캘리포니아, 미시간)와 캐나다 온타리오, 영국, 프랑스 그리고 스위스는 자율주행차의 시험주행을 위한 규칙을 통과시켰지만 여전히 사고에 대한 책임 문제에 대해서는 규정하지 않고 있습니다.

 

Transportation planning

수많은 시민들이 출퇴근을 해야 하고 밤낮으로 물류가 이동해야 하는 도시에서 교통정책은 시민들의 생활에 결정적인 영향을 줍니다. 이 문제의 목표는 명료해 보입니다. 평균적으로 가장 차가 막히지 않고 소통되면 모두가 만족할 것입니다. 이것은 컴퓨터 과학자들에게는 어려우면서도 익숙한 문제로 보입니다.

어떤 도시는 여러 가지 목적으로 도심 곳곳에 카메라, 센서 등을 설치해서 차량들의 흐름을 실시간으로 측정합니다. 이 데이터들을 이용, 도로의  신호가 차량 흐름을 돕도록 자동으로 변하게 해 최대한 정체를 줄입니다. 최근에는 대부분의 차량들이 더 빠른 길을 찾기 위해 네비게이션을 이용하고 있습니다. 이 데이터 역시 전체적인 차량흐름을 개선하는 데 사용될 수 있습니다. 도시 정부는 버스나 지하철 같은 공공 운송수단의 이용자 현황을 면밀하게 관찰해서 배차 시간을 조정하거나 노선을 변경할 수 있습니다. 어디에 새로운 도로를 건설해야 하는지에 대한 정보도 얻을 수 있습니다. 어쩔수 없는 교통혼잡을 줄이기 위해 톨게이트 요금을 상황에 따라 다르게 받을 수도 있습니다. 윤리적인 문제가 발생할 수 있지만 시민들 개개인들의 이동 예상 경로나 선호도를 미리 예측해서 교통정책을 운용할 수도 있습니다.

많은 에너지가 소비되고 있고 많은 활동들이 데이터로 저장되는 도시 교통정책분야는 인공지능이 최적의 답을 찾을 수 있는 매우 적절한 분야입니다. 2016년 미국 교통부는 무려 500억 상금을 걸고 중소도시에서 가장 모범적인 모델을 찾고 있습니다. 아직 교통 신호조차 교통량을 제대로 반영하지 못하고 있는 한국의 실정을 생각하면 참 거리감이 느껴지는 대목입니다.

 

On-demand transportation

우버 Uber 나 리프트 Lyft 와 같은 서비스의 핵심 경쟁력은 고객과 차량을 가장 적절하게, 최소 비용으로 만나게 하는 지능적인 알고리즘에 있습니다. 경제학과 인공지능이 만나면서 동적인 가격정책을 가능하게 하고 좀더 시장을 역동적으로 만드는 역할을 하고 있습니다. 아직까지 우버는 수조에 이르는 적자를 내고 있어서 이 비지니스 모델에 어떤 판단을 해야 하는지는 어렵습니다. 그리고 이런 서비스가 현재 여러 도시에서 기존 산업 또는 정책들과 마찰을 불러 일으키고 있긴 하지만 향후 자율주행차를 가장 크게 요구하는 분야가 될 것입니다.

 

Interacting with people

연구위원회는 2030년이 되면 자동차는 더 똑똑해지고 하늘은 나는 드론 Drone 이 널리 이용되겠지만, 이동수단이라는 점에서는 지금과 비슷할 것으로 예상합니다. 대신 사람이 자율운행 자동차나 드론을 훈련시키고 작동하고 평가하는데 동반자 Partner 가 될 것으로 기대합니다. 이런 협력은 물리적으로 같은 장소에서도 가능하고 가상적으로도 가능합니다. 기계와 사람과의 커뮤니케이션과 조화에 대한 모델과 알고리즘이 요구됩니다.

 

2. HOME/SERVICE ROBOTS

 

로봇이 사람들 가정에 벌써 소개되었지만 인공지능기술 발달에 비해서 실망스러울 정도로 느리게 성장했습니다. 인공지능의 진보는 종종 기계공학의 혁신으로 촉발되기도 합니다. 앞으로 15년동안 기계공학과 AI 기술이 같이 성장하면서 일반 가정에 로봇이 확대 보급될 것으로 기대하지만 여전히 기계 부품의 발전이 걸림돌이 될 수 있습니다.

 

진공 청소기 Vacuum cleaners

2001년에 Electrolux 사에서 개발된 진공청소 로봇은 물체만 피하고 약간의 네비게이션을 하는 단순한 형태였지만 그 이듬해 Roomba에서 만들어지 iRobot 은 1/10 가격으로 계단에 떨어지지 않는 지능적인 기능을 하는 혁신적인 것이어서 전세계에 천만대 이상 보급되었습니다. 하드웨어가 발전하면서 네비게이션, 자동충전, 전기줄피하기 등이 가능해졌고 최근에는 집내부를 3D 모델링 하는 것까지 가능해졌습니다.

향후 집에 대한 정보들이 좀더 모이고 공유된다면 좀더 효율적으로 기계학습이 가능해질 것이고 로봇들의 능력이 향상될 것입니다. 게임분야에서 촉발된 저렴한 3D 센서는 홈서비스 로봇들이 좀더 잘 3차원 공간을 잘 인식하도록 할 것입니다.

 

의료  HEALTHCARE

인공지능기술 관점에서 건강관리는 수많은 사람들의 건강과 삶의 질을 높일 수 있는 유망한 분야로 여겨져 왔습니다. 이를 위해서는 반드시 의사, 간호사, 환자의 신뢰를 얻어야 하고 정책과 규정이 잘 조정되어야 합니다. 대표적으로 임상 의사결정을 도와주거나 환자 감시와 지도, 수술보조로봇 또는 환자 관리 그리고 건강관리 시스템의 운영 분야가 있습니다. 최근 위험신호를 소셜미디어에서 추출하거나 위험 환자를 예측하는 기계학습 그리고 수술 보조 로봇은 AI 가 건강분야에서 사용될 수 있는 가능성을 보여줍니다.

다른 분야와 마찬가지로 의료분야에서도 데이터가 핵심적인 역할을 합니다. 환자의 의료정보는 사생활보호 차원에서 매우 민감하기 때문에 규정이 매우 복잡하고 까다롭지만 반드시 요구됩니다.

 

The clinical setting

향후 인공지능이 발전함에 따라 그 동안 임상의들이 하던 일들은 일부를 기계에게 주고 관리를 하는 방식으로 변경될 수 있습니다. 사람대신 인공지능이 환자에게 질문을 해서 여러 증상들에 대한 정보를 모으고 의사는 감독을 할 수 있습니다. 의사가 오래동안 쌓아 온 의료 노하우가 어떻게 인공지능의 추론능력에 포함될 것인가가 중요한 과제라고 할 수 있습니다.

최근 IBM 이 의료분야의 추론엔진인 Dr.Watson 을 이용한 사업을 시작하면서 특정분야에서는 인공지능이 경험이 많은 의사보다 더 정확한 판단을 할 수 있는 가능성을 보여주었습니다. 또한 구글 글래스를 이용해서 수술 중에 의사가 필요한 정보를 인공지능과 대화를 통해서 검색할 수 있게 되면서 의료분야에서의 활용이 폭이 넓어지고 있습니다.

 

Healthcare analytics

일반인들은 인공지능이 수많은 환자들의 의료 기록 자료를 통해서 좀더 개인화된 진단과 처방이 가능해지기를 기대하고 있습니다. 자신과 비슷한 환자나 집단을 찾고 어떤 처방이 어떤 결과를 가져왔는지를 알 수 있다면 의료분야의 혁신이 가능할 것입니다. 몸에 부착하는 기기Wearable device 들이 개개인의 생활 환경에 대한 정보를 자세하게 모을수록 더 개인화된 처방이 가능하게 됩니다.

하지만 FDA 는 환자들의 정보가 인공지능의 학습에 사용되기 전에 충분한 보호장치가 마련되지 않으면 혁신적인 진단 소프트웨어들을 잘 승인하지 않습니다. 보고서에서는 이부분에 대해서 정보를 공개할 것을 요구하는 목소리를 내지만 제 개인적으로는 충분한 안전장치가 보장될 때까지 기다려야 한다는 입장입니다. 일단 공개되어서 넘어가게 되면 다시 회수하기는 사실상 불가능하기 때문이죠. 다만 어떻게 보호 장치를 마련할 것인지에 대해서는 의료분야 전문가들과 인공지능 전문가들이 긴밀하게 협력해서 빨리 대처할 필요가 있습니다.

의료 영상처리 분야에서는 컴퓨터 비전 기술의 발전으로 여러 성공 경험들이 나오고 있습니다. 잘 훈련된 임상의들도 미처 찾아내지 못한 것들을 기계가 찾아내기도 합니다. 사람과 달리 기계는 선입견이 없고 피로감도 없기 때문에 유리한 점도 있습니다. 다만 이 분야에서도 기계가 판단한 정보에 오류가 있는 경우 그 책임을 어떻게 부여할 것인가는 자율주행자동차와 마찬가지로 아직도 계속 논의해야 합니다. 하지만 진단방사선 분야에서는 이미 딥러닝을 통해 학습한 기계가 사람보다 더 신뢰성 높은 결과를 낸다는 연구 결과도 있는 것처럼 점차 기계의 역할이 커질 것입니다.

 

Healthcare robotics

15년 전만 해도 의료로봇은 공상과학에서나 볼 수 있었습니다. IBM에서 분사한 Robodoc 이라는 회사가 관절을 교체하는 정형외과 로봇을 내놓았지만 상업적으로는 실패했습니다. 2000년에 da Vinci 시스템이 심장수술을 도와주는 로봇으로 개발되었으며 이후 전립선 암을 치료하는 역할을 하게 되었습니다. 최근에는 3차원 영상을 기반으로 복강경 수술의 표준으로까지 자리잡고 있습니다. 수많은 시술로 점점 더 많은 데이터를 확보하면서 안정성을 높이고 있습니다. 이것은 장차 로봇수술 시대가 가능해졌다는 것을 보여주고 있습니다.

병원안에서 물품을 전달하거나 환자를 도와서 일으켜 세우거나 하는 병원자동화분야는 다소 진척이 느립니다. 아직까지 로봇들이 복도에서 다른 사람들과 맞다뜨리는 경우에 어떻게 목표지점까지 가야하는지 그리고 사람과 동작을 맞추어서 일으켜 세우거나 하는 연구가 더 진행되어야 합니다. 하지만 계속해서 데이터가 축적되고 필요한 하드웨어가 개선된다면 이 분야에서도 로봇들이 현실화될 것으로 기대합니다.

 

Mobile health

지금까지 대부분의 임상정보들은 예전 방식으로 모아진 것들에 의존해왔습니다. 최근 TeleLanguage 사는 임상의들로부터 훈련받은 인공지는 agent의 도움을 받아서 임상의가 동시에 여러명의 환자들에게 언어 치료를 가능하게 하는 기술을 선보였습니다. LifeGraph 사는 환자의 스마트폰에서 데이터를 추출해서 의미있는 행동패턴을 찾아서 환자들에게 스트레스가 될만한 조짐을 미리 알려줍니다.  Fitbit 과 같은 기기들에서 모아진 정보들이 건강정보와 같이 계속 축적된다면 인공지능에게 의미있는 데이터로 사용될 수 있습니다. 여기에 관련된 소셜데이터가 더해진다면 더 신뢰성 높은 결과를 만들어 낼 수 있습니다.

예전에 전혀 연관이 없어 보였던 언어처리 기술과 의료분야가 서로 만나면서 혁신적인 결과를 만들어 내고 있습니다. 이 기저에 바로 인공지능이 깔려 있다고 볼 수 있습니다.

 

Elder care

앞으로 15년 동안 북미에서 노령인구는 50% 이상 증가할 것입니다.  미국 노동부에서는 향후 10년동안 가정 건강도우미 직업이 38% 증가할 것으로 내다봅니다. 이런 기회에도 불구하고 가정내에서 도우미 장비들의 발달은 상당히 느립니다. 하지만 앞으로 신체적, 감성적, 사회적 그리고 정신적 건강을 도와주는 기술들이 점점 성숙할 것으로 기대하며 아래와 같은 것들을 예상할 수 있습니다.

자동화된 운송 기술로 독립적으로 생활하고 가족간의 정보를 이용해서 서로 연락하게 도와주거나 요리, 옷갈아입고, 화장실 이용하는 것들을 도와줄 수 있습니다. 모바일앱이나 집안에 설치된 건강모니터링 기구가 계속해서 정보들을 모으고 개인화된 건강관리를 해줄 수 있으며 더 혁신적인 보청기나 안경이 개발될 것입니다. 또한 개인화된 처방으로 병원을 덜 가게되고 지능적인 휠체어가 이동을 도와줍니다. 연구위원회는 저렴한 센싱 기술이 어르신들이 집안에서 더 편안하고 왕성하게 활동할 수 있게 도와줄 것으로 기대합니다. 이와 더불어 노인들과 자연스럽게 대화할 수 있는 언어처리 기술, 추론, 학습, 인지 기술이 개발되어야 합니다. 이런 혁신들이 잘 정비된 제도와 함께 어르신들을 더 활동적으로 살도록 도와 줄 것입니다.

 

3. 교육 EDUCATION

 

지난 15년 동안 교육분야에서는 AI의 발전이 두드러져 보입니다. 초중고, 대학교에서 교육자나 학생들에게 모두 다양한 프로그램들이 제공되었습니다. 여전히 사람의 개입이 요구되지만 AI가 개인화된 학습의 가능성을 높혀주고 있습니다. 의료분야와 마찬가지로 전문가들과 기계가 어떻게 협력할 것인가에 대한 연구가 계속 요구됩니다. 앞으로 학교나 가정에서 선생님을 도와줄 AI 기술이 가상현실 기술과 연결되어서 폭발적으로 늘어날 것으로 예상됩니다만, 모든 선생님을 대체하지는 못할 것입니다.

 

Teaching robots

이미 다양한 교육로봇들이 있습니다. Ozobot 은 색깔 패턴들을 갖고 놀면서 코딩하고 추론하는 것을 가르치는 로봇이고요, Cubelets 는 로봇 블럭을  생각하고 센싱하고 행동하도록 하면서 학생들이 논리적인 사고를 하도록 도와줍니다. 로봇들이 다양한 환경에서 어떻게 대처하는지를 통해서 생물학을 배우기도 하고 간단한 도구로 프로그래밍을 할 수 있게도 해줍니다. 만약 이런 것들이 학생들의 학업성취를 높인다는 증거들이 많아지면 더욱 확대될 것입니다.

 

Intelligent Tutoring Systems (ITS) and online learning

주로 학교에서 연구되던 ITS 가 순식간에 실용화가 되었습니다. 카네기멜론 대학의 음성인식 기술을 이용한 Duolingo가 대표적인 예인데요, 음성인식기술과 자연언어처리 기술을 이용해서 새로운 언어를 배우는 사람들과 대화하면서 잘못된 표현이나 발음을 교정해주는 대형 회사로 성장했습니다. 수학, 지리 등을 포함한 많은 과목들을 가르치는 시스템들이 개발되었습니다.

학교뿐만 아니라 산업현장에서 재교육이 필요한 경우에도 활용되는데요, 공군에서 비행기 문제를 진단하는 것을 가르치는 프로그램도 있고, 군인들이 다른 문화를 가진 나라에서 어떻게 행동해야 하는지를 아바타 Avatar 를 이용해서 가르치기도 합니다. 베이지언 Bayesian 정리를 활용해서 학습자의 성취도에 따라서 차별화된 학습을 제공하기도 합니다.

이미 유명해진 MOOC (Massive Open Online Courses)를 이야기 안 할 수 없는데요, 단순히 강의 영상이나 교재를 온라인에 올려두는 것 뿐만 아니라 학습자의 과제를 언어처리 인공지능 기술을 이용해서 평가할 수 있으면서 EdX, Coursera, Udaicty와 같은 회사들을 필두로 급속하게 확산되고 있습니다.

인공지능 학습이 인간교사보다 더 효율적인지는 계속 연구해야 할 과제이지만 멀리 떨어지 곳에서 동시에 수천명이 수강하고 각자 일정에 맞게 학습을 진행하기 위해서는 인공지능 기술을 확대 사용해야 할 것입니다.

많은 미국 중학교에서는 이미 인쇄된 교과서 대신 모든 과목을 iPad 를 통해서 접근하고 있습니다. 지금은 인공지능이 개별 학습에 관여하는 것 같지 않지만 계속 학생들의 데이터가 쌓인다면 머지 않아 학습패턴이나 성취도에 따른 교습법이 실제 교육현장에 나타날 것입니다.

아마 세계 바둑계가 바둑을 둔 결과를 정리해둔 기보를 남기지 않았다면 알파고가 이렇게 빨리 등장할 수 없었을겁니다. 인공지능이 학습할 데이터가 없기 때문이죠. 지금 미국 학교에서 아이패드를 통해서 교육을 하는 것은 단순히 인쇄된 교과서를 없애자는 것이 아니라 미래를 위해 데이터를 남기기 위한 것일 수 있습니다. 향후 충분한 학습데이터가 쌓이면 알파고가 그랬듯이 인공지능이 순식간에 학습해서 놀라운 교습방법을 터득할 수 있습니다.

개인적으로 인공지능을 어떻게 당장 도입해야 할지 잘 모른다고 해서 계속 연구만 하거나 늦추는 것보다는 우선 데이터를 쌓은 것이 중요하다고 생각합니다. 개인이나 회사 또는 도시나 국가에서 데이터를 충분한 기간동안 쌓아둔다면 미래에 개발될 인공지능에게는 중요한 영양분이 됩니다. 간략하게, 인공지능시대를 위해서는 우선 데이터라도 만들자 !

 

4. 복지 정책 LOW-RESOURCE COMMUNITIES

 

연구위원회는 인공지능이 복지 분야에서 광범위하게 사용될 수 있다고 내다보고 있습니다. 하지만 연구의 예산을 확보하는 어려움 때문에 이 분야가 잘 강조되지 않을 것에 대해서도 아쉬워하고 있습니다. 더우기 AI 기술이 가져올 실업과 같은 문제들은 오히려 하위계층 사람들에게 더 큰 충격으로 다가 오기 때문에 충분한 논의가 필요하다고 보고 있습니다.

 

Machine learning, data mining approaches

사회복지를 위한 데이터사이언스라는 기치를 걸고 인공지능은 정부가 어느 분야에 예산을 우선 투입해야 하는지를 도와주는 예측모델을 만들어 왔습니다. Flint 시에서 납중독 수돗물 때문에 한동안 시끄러웠는데요 인공지능이 이미 감영된 어린이들을 치료하는 것 이외에도 장차 위험에 노출될 가능성이 있는 어린이들을 보호할 수도 있습니다. 일리노이주 보건국은 조산의 위험이 있는 임산부를 적극 돌봐주기 위해 인공지능, 예측모델을 사용하고 있습니다. 서울시 심야버스는 이 분야에서 좋은 본보기가 될 수 있는 프로젝트입니다. 예산 뿐만 아니라 여러 이유로 충분한 심야버스 노선을 도입하지 못하는 상황에서, 어떻게 하면 가장 많은 시민들이 이용할 수 있게 할 것인가를 데이터를 이용해서 해결을 시도했다는 점에서 이분야의 좋은 예제가 될 수 있기 때문입니다.

 

Scheduling, planning

심지어 미국 내에서도 어느 한쪽에서는 음식 쓰레기가 넘쳐나고 다른 곳에서는 배고픈 사람들이 있습니다. 양쪽 모두 심각한 사회문제를 일으키고 있는데요, 지능적인 알고리즘이 이 문제를 해결할 수도 있습니다. 영업시간이 지났지만 여전히 먹을 수 있는 제품들을 적은 비용으로 원하는 사람들에게 전달해 줄 수 있으면 두가지 문제를 동시에 해결할 수 있습니다.

 

Reasoning with social networks and influence maximization

정부가 빈민들을 위해 좋은 정책을 만들었지만 홍보가 제대로 되지 않아 잘 쓰여지지 않은 경우가 허다합니다. 많은 정책을 일일이 미디어에 광고를 할 수도 없고 하기 때문에 최근 영향력이 높아지는 소셜미디어를 지능적으로 활용하는 것이 좋은 대안이 될 수 있습니다. 현재 LA 에는 5천명이 넘는 젊은 부랑자들이 있는데요 이들은 계속 HIV 바이러스에 노출되고 있습니다. 이들에게 효율적으로 개별적으로 홍보하는 방법으로 소셜미디어가 적절해보입니다. 다만 사생활, 차별과 같은 문제들은 조심스럽게 다뤄져야 할 것입니다.

 

5. 사회 안전 PUBLIC SAFTEY AND SECURITY

 

전문가들에게 인공지능이 사회적으로나 사업적으로 영향을 줄 수 있다고 확신시켜준 분야가 바로 사회안전 쪽입니다. 신용카드 사용이 확산되면서 더불어 신용카드 관련 사기도 늘어나고 있습니다. 신용카드 사용시점에 카드의 소유자가 실제 사용하는지를 카드히사가 직접 확인할 수 없다는 점을 이용해서 다양한 사기가 발생하고 있습니다. 카드회사로서 너무 적극적으로 간섭한다면 사용자가 카드 사용이 불편하게 느낄 수 있으므로 조심스러울 수밖에 없습니다. 요즘은 많은 은행에서 인공지능을 이용해서 정상적인 신용카드 사용패턴인지 아닌지를 판단합니다. 전자적으로 일어나는 엄청난 양의 거래내역을 사람이 일일이 보면서 찾아내는 건 사실상 불가능합니다.

스탠포드 대학을 나서면 바로 만나는 University Ave 시작 지점에 있는 Palantir 라는 회사가 금융사기를 전문적으로 찾아내는데요, 금융거래내역을 추적해서 테러리스트를 찾아 내는 걸로 유명해서 어마어마한 가치를 인정받고 있습니다.

2015년에 뱅크오브마메리카(BOA) 카드를 사용하던 중 어느날 갑자기 카드사기 위험이 있어서 새로운 카드를 발급해주는 것을 보면서 인공지능이 금융에서는 아주 넓게 쓰이고 있다는 것을 체감했습니다.

영상처리기술 발전과 더불어 얼굴인식 인공지능이 높아지면서 각 도시에 설치된 CCTV 영상을 기계가 본격적으로 분석하기 시작했습니다. 영화에서처럼 극적이지는 않지만 거의 비슷한 수준으로 필요하다면 개개인들을 얼마든지 추적할 수 있습니다. New York 시는 도시에서 발생하는 범죄데이터를 기반으로 언제 어디서 범죄가 발생할 가능성이 높은지를 예측해서 경찰관을 보내기 시작했습니다. 영화 마이너리티 리포트가 실현되는 느낌입니다.

이 지점에서 인공지능이 불러올 윤리적 사회적 문제가 분명해집니다. 도대체 어떤 기준으로 범죄 가능성을 예측할 것인가, 만약 인공지능이 찾아낸 결과에 인종차별 또는 지역차별의 결과가 있을 때 어떻게 받아들일 것인가는 큰 사회적 반향을 불러 일으킬 수 있습니다.

미국 공항안전국은 향후에 탑승자들의 기술된 신상정보 뿐만 아니라 컴퓨터 비젼, 언어처리, 행동분석 등의 인공지능 기술을 이용해서 출입국 인터뷰, 검문 검색에 활용할 계획입니다. 범죄자처럼 말하거나 걸으면 인공지능이 범죄 가능성이 높다고 판단할 수 있게 된다면 앞으로 사람들은 모두 똑바로 말하고 바른자세로 걸어야 하지 모르겠습니다.

보고서에는 테러 집단을 찾아내는데도 인공지능이 상용될 수 있다고 적고 있습니다만, 구체적으로 ISIS 라는 정치적인 용어가 기술 리포트에 포함되는 있어서 상당히 놀랍습니다. 가끔 학문적으로나 예술적으로 성취가 높은 미국 사람들의 다소 엉뚱한 세계관을 들을 때 놀라는 것과 비슷하다고 하겠습니다. 본 보고서에서는 인공지능이 군사적으로 사용될 수 있는 것에 대해서는 논의하지 않겠다고 서론에 밝히고 있음에도 불구하고 사회안전분야에서 이런 논의가 등장하게 됩니다.

보고서는 인공지능이 편향될 가능성이 있기 때문에 조심해야 한다고 하면서도 그래도 오히려 현재의 사람들이 갖고 있는 편향보다는 더 좋을 수도 있다고도 보고 있습니다.

 

6. 일자리와 산업 현장 EMPLOYMENT AND WORKPLACE

 

AI 가 향후 북미 도시에서 일자리와 산업현장에 심대한 영향을 끼칠 것으로 예상되지만 지금 당장 긍정적일지 부정적일지 평가하기는 매우 어렵습니다. 벌써 지난 15년동안 경기침체, 글로벌화와 디지털기술로 일자리 지형이 많이 변했습니다. 1990년 이후 미국의 7. 생산성은 계속 증가하고 있지만 중간소득 Median income 은 정체되고 고용률은 떨어졌습니다.

지금까지 디지털기술은 고도의 기술을 요구하거나 혹은 단순 노동을 필요로 하는 일지리 보다는 여행사직원과 같은 중간정도의 기술을 필요로 하는 일자리에 영향을 줬습니다. 하지만 인공지능이 계속 발전한다면 반복적인 작업이 필요한 곳은, 심지어 의사, 법률가와 같은, 높은 기술이 필요한 분야라도 영향을 받게 될 것입니다.

미국에서 소송비용이 높은 이유 중 하나가 엄청난 양의 자료들을 변호사가 직접 처리해서 생기는데요. 특히 회사와 관련된 소송의 경우 관련 이메일 수천, 수만개를 모두 살펴봐야 하기 때문에 엄청난 비용이 발생합니다. 최근에는 변호사 대신 인공지능이 이메일을 일차 걸러내는 방식으로 비용을 줄이는 법률회사가 등장했습니다. 일반인에게는 환영할 만한 일이지만 변호사들에게는 안좋은 소식입니다. 이와 같이 인공지능이 과거에 기계가 할 수 없었던 일들을 뛰어 넘어 인간이 하던 일들을 차츰 대신하게 됩니다. 이럴 경우 오히려 인간이 사회에서 밀려나게 될 수도 있는데요, 사회적으로 면밀하게 대응해야 할 이유이기도 합니다.

보고서에서는 인공지능이 더 효율적으로 제품이나 서비스를 생산,제공해서 모든 사람들이 부자가 될 수도 있다고 합니다만 가능성은 아주 적어보입니다. 오히려 새롭게 창출된 부들이 한 곳으로 더 급하게 쏠릴 가능성이 높아 보입니다.

하지만 보고서는 농경사회에서 산업사회로 이전할 때처럼 사회가 점차 변화되는 환경에 적응하면서 새로운 직업을 창출하고 사람들을 교육,훈련시킬 수도 있다고 보고 있습니다. 개인적으로는 부를 창출하는 수단이 더욱 강력해질수록 부의 편향이 증가하지 않을까 싶기도 하고, 특히 국가간 지역간 도시간의 격차가 심화될 것 같습니다. 지금의 인터넷 거대 기업들이 국가 경계를 넘어서 사업을 진행하는 것이 더욱 심화될 수도 있습니다. 구글, 우버, 에어비앤비와 같은 회사들은 인터넷을 이용해서 물리적인 국가 경계에 구애받지 않고 이익을 창출할 수 있게 됩니다. 향후 인공지능이 인터넷보다 더 강력한 도구로 등장했을 때에 과연 어느 주체가 이것을 먼저 적극적으로 활용하는가에 따라 부나 권력의 지형이 달라질 수도 있습니다.

단기적으로는 인공지능 시대가 도래할 것이라는 것을 예상하고 관련된 교육과 훈련을 하는 것이 필요해 보입니다.

 

7. 여가생활  ETNERTAIMENT

 

이미 인터넷으로 잘 알 수 있듯이 새로운 기술은 인간의 여가활동에도 영향을 줍니다. 인터넷이 보급된지 얼마되지 않았지만 이제 페이스북, 구글, 아마존, 채팅 등이 없는 생활은 상상하기 어렵습니다. 어디를 가든 사진을 찍고 소셜미디어에 올리고 그와 관련된 이야기를 모바일로 나누는 것이 일상이 되었습니다.

앞으로 사람의 언어를 더 자연스럽게 알아 듣는 인공지능이 보급된다면 점차 사람과 대화하기 보다는 기계와 소통하는 시간이 많아질 수 있습니다. 벌써 회사나 정부 관계자와 통화를 하려면 기계와 오래동안 이야기를 한 후에야 가능한데,  점차 더 어려워질듯 합니다. 심지어 개개인들도 개인 비서들을 고용해서 사람대신 인공지능이 먼저 응대할 수 있습니다. 미래에는 너무나 자연스러워서 인간인지 기계인지 구별하기 어려울 수도 있습니다.

영화 머니볼에서 볼 수 있듯이 기계가 수많은 데이터와 영상처리 기술을 동원해 사람보다 더 정확하게 선수들의 능력을 예측할 수 있습니다. 일본에서는 인공지능이 소설을 썼다고 발표하기도 했고 최근에는 영화의 장면을 스스로 만들기도 합니다. 점차 사람들은 자신들을 잘 이해하는 인공지능과 더 많은 시간을 보낼 수도 있습니다.

 

8. Imaging the future

 

머지 않아서 가상현실기술과 촉각기술이 가정으로 들어올게 됩니다. 게임이 더 이상 모니터 안에서만 존재하는 것이 아니라 우리와 같은 공간에서 펼쳐지게 될 것입니다, 적어도 인지적으로는. 점차 현실세계와 가상세계의 경계가 모호해지는 환경에서 인공지능은 게임, 영화 그리고 인간과 교류하는 모든 분야에서 역할을 하게 됩니다.

여행을 직접 가지 않아도 더 생생하게 볼 수 있고, 직접 움직이지 않아도 더 역동적으로 움직이는 것처럼 느낀다면 먼 미래의 인류는 영화 매트릭스에서처럼 가만히 누워있을 수도 있겠다는 생각이 듭니다.

 

이 장을 마치면서 연구위원회가 이미 변화가 시작되고 있는 교통, 의료 분야에 대해서는 구체적으로 조사 기술했지만 그 외의 분야에 대해서는 다소 실망스러운 내용을 담고 있지 않나 싶은 생각이 듭니다. 2020년에 다시 발간될 보고서에서는 각 분야들이 좀더 구체적으로 조사되었으면 하는 바램이 있습니다. 다만 8개의 분야를 제시한 것만으로도 다른 연구자들에게 좋은 방향을 제시하고 있습니다.

 

섹션 3 : 인공지능 공공정책을 위한 전망과 제언 Prospects and Recommendations for AI Public Policy

 

 

Leave a reply