자기계발 건강정보 습관 공부방법

AI앵커의 등장으로 전 세계가 다시 인공지능 쇼크에 빠졌다!

중국이 뉴스를 전하기 위해 AI앵커를 개발했다고 합니다.

“시청자 여러분 안녕하십니까? 저는 AI 영어뉴스 앵커입니다.”

“저는 오늘부터 신화통신에서 뉴스 진행을 맡게 된 중국어 인공지능 앵커입니다.”

뉴스 생방송에서 현직 앵커들의 반응도 다양하군요.

CBS 앵커 : 어휴, 저는 저런 애 필요 없어요!

FOX 앵커 : 흠, 앵커 생활에 위기가 왔군요.

AI 영어 아나운서 :

“시청자 여러분 안녕하십니까? 저는 AI 영어뉴스 앵커입니다. 오늘은 제가 신화통신에서 방송을 진행하는 첫날입니다. 제 목소리와 얼굴은 신화 메인 앵커 ‘장자오’를 모델로 만들어졌습니다.

미디어 산업의 발전은 지속적인 혁신이 필요합니다. 더불어, 기술 간의 긴밀한 융합이 요구되죠. 저는 시스템에 입력된 기사로 뉴스 보도를 진행합니다. 시청자 분들에게 새로운 뉴스 경험을 선사하겠습니다.”

지난 달 11월 7일 중국 대표 뉴스 미디어 ‘신화통신’에서는 특별한 앵커의 데뷔가 있었습니다.

바로, ‘AI앵커’가 전세계 최초로 정식 데뷔했는데요, 딱딱한 로봇의 모습이 아닌 실제 신화통신 유명 앵커를 모델로 만들어져 사람과 매우 흡사합니다.

뉴스 미디어인 신화통신과 검색엔진 기업 소우거우가 합작해서 선보인 인공지능 기반 기술입니다. AI 아나운서는 중국어 방송뿐만이 아니라 영어 방송도 가능해, 북미 미디어에도 큰 충격을 주었습니다.

중국 신화통신은 세계 최초 AI앵커를 소개하며, 미디어 시장의 기술 혁신에 대한 강한 자신감을 드러냈습니다.

‘AI 아나운서는 이제 신화통신의 정식 보도원이 되었습니다. 이제 다른 앵커처럼 신속하고 정확한 뉴스 보도를 제공합니다. 실제 뉴스 앵커와 가장 다른 점은 그들은 하루 8시간밖에 일하지 못하지만, AI앵커는 절대 지치지 않고 24시간 방송할 수 있다는 점이죠.

저희가 기사 텍스트만 시스템에 입력해준다면, 그들은 항상 보도할 수 있고 계속 방송 진행이 가능합니다.’

AI앵커는 언어, 입술 표정 합성 및 딥러닝 기술을 기반으로 만들어졌습니다. 특히 ‘클론’ 개발의 2가지 핵심 기술인, ‘내츄럴 인터렉션’과 ‘지식 분석’은 시청자들에게 딱딱한 모습의 로봇 아나운서가 아닌, 자연스러운 모습으로 보이도록 설계되었습니다.

이는 인공지능 기술이 실제 모델이 된 앵커의 음성 데이터, 입술 움직임, 얼굴 표정을 분석.합성하여 AI앵커에게 적용시켜 줍니다. 이 3가지 요소가 자연스럽게 융합되어 실감나게 구현될 수 있도록 도와주는 핵심 기술입니다.

AI앵커를 활용할 경우, 스튜디오, 카메라, 조명 등이 필요치 않아 비용을 크게 줄일 수 있고, 언제든 방송에 바로 투입할 수 있는 것도 장점입니다. 다소 부자연스러운 점은 머지않아 해결할 수 있다고 개발업체는 말했습니다.

향후 인공지능 기술은 여러 스타일의 사람을 모방해 만들어내며, 시청자들의 다양한 니즈를 총족시켜줄 것으로 보입니다.

AI 영어 아나운서 :

“저는 1년 365일 매일 24시간을 쉬지 않고 시청자를 위해 일할 수 있습니다.”

AI앵커는 신화통신 뉴스에서 앞으로도 꾸준히 방송할 예정이라고 합니다. 그리고 세계 각국 언어에 맞춘 AI앵커를 전 세계에 수출할 수 있답니다.

실제 앵커들이 지금 바짝 쫄아 있다네요.

인터넷이 애피타이저였다면, 진짜 메인 요리는 인공지능인 셈입니다.

인공지능이란 무엇인가? 새삼스럽지만 중요한 질문입니다.

인공지능으로 어떤 비즈니스를 할 것인가? 많은 분들은 인공지능하면 대단한 사업일 거라고 생각하는 경향이 있습니다.

구글, 페이스북, 아마존, 애플과 같은 유명 거대기업들은 하루가 멀다하고 인공지능을 선보이고 있습니다. 그러나 냉정하게 봐야지요. 이 기업들은 제품을 팔아 먹기 위해서 혹은, 자신들의 서비스에 더 많은 시간을 쓰도록 인공지능을 이용하는 것일 뿐입니다.

여기에 함정이 하나 있습니다.

이런 거대기업들의 인공지능 서비스만을 인공지능으로 생각한다면, 우리는 아무 것도 할 수 없을지도 모른다는 겁니다.

인공지능은 인격체가 아니다

또 하나의 오류를 지적하고 넘어가야 합니다. 많은 분들은 인공지능이 로봇과 동일하다고 생각하기도 하고, 이제 인간이 할 수 있는 일이란 존재하지 않는다고도 생각할 수 있습니다. 그러나 영화 속 로봇을 인공지능이라고 생각한다면, 비즈니스에서의 활용법은 찾을 수 없을 것입니다.

인공지능을 활용하는 것은 '데이터 활용'이라고 생각해야만 합니다. 그렇습니다. 여기서도 많은 분들은 '데이터 활용'이 분석이라고 생각하실 겁니다. 하지만 이것도 아닙니다.

기업의 현실이 말해줍니다.

실제로 보면 데이터를 기반으로 의사결정을 하는 경우는 거의 존재하지 않습니다. 대부분은 의사결정을 먼저 내려놓고, 근거 자료를 위해 '데이터 분석'을 사용하는 경우가 많지요. 따라서 기업에서 분석 리포트가 어떤 가치를 창출하는 결과로 이어지는 경우는 극히 드물다는 것입니다.

그러니 우리는 '인공지능으로 무엇인가를 해야한다'는 생각에 매몰되어 있는 것은 아닐까요? 이 의문을 잘 고민해 보아야만 합니다.

인공지능이란 무엇인가?

이제 원점에서 다시 시작해 보겠습니다.

'인공지능은 무엇이다.'라고 쉽게 말할 수 있으면 좋겠지요. 그러나 대중적으로 합의된 '인공지능의 정의'는 존재하지 않습니다. 사람마다 각자의 배경 지식과 경험에 따라 인공지능을 다르게 생각한다는 뜻이지요.

따라서 부정적인 입장과 긍정적인 입장으로 나눌 수 있습니다. 우선 '인간과 기계의 대결'로 보는 부정적 입장이 있고, '인간의 도구'라고 보는 긍정적 입장이 있습니다.

인공지능은 경영학과 비슷하다

인공지능이 처음 만들어지기 시작했을 때부터 명확한 형태가 있었던 것은 아닙니다. 그렇기 때문에 많은 분들은 인공지능의 의미를 혼동하고 있는데, 특히 인공지능과 로봇을 동일시하는 경우가 제일 많습니다. 그러나 인공지능과 로봇은 분리하고 구분해서 인식해야 합니다.

'데이터 드리븐 비즈니스'라고 언급되는 사업영역들이 있습니다. 이것은 인공지능을 본격적으로 활용하는 경영방법을 말합니다. 이렇게 표현하면 데이터를 분석해서 이를 기반으로 의사결정을 한다고 말씀하시겠지만, 이런 행위의 중심에는 언제나 데이터가 아닌 인간이 있었다는 점을 주목하세요.

데이터가 이끄는 대로 결정하는 것이 아니라, 항상 데이터를 인간이 볼 수 있도록 만들고, 여기에 다시 인간의 주관적인 견해를 붙여서 결정해왔던 것입니다.

그리고 '데이터 드리븐 비즈니스'는 원래부터 그렇게 하는 것이 아닙니다. 머신러닝 (Machine Learning)과 딥러닝 (Deep Learning)이라는 것이 있는데, 데이터 드리븐 비즈니스에서 많이 사용되고 있는 인공지능은 바로 이 두 가지로 볼 수 있겠지요. 물론 이 개념도 혼용되고 있는 게 사실입니다.

머신러닝

컴퓨터가 데이터를 통해 '스스로 학습하는 것처럼'하는 기술입니다. 여기서 주목할 것은 '스스로'와 '학습하는 것처럼'인데, 머신러닝에서 인간은 컴퓨터에게 처리방법을 알려주지 않습니다. 대신 머신러닝은 충분한 데이터만 있다면 광범위하게 사용될 수 있고, 그래서 기업경영에서 최근 매우 중요한 자리를 차지하고 있습니다.

머신러닝의 종류

머신러닝에는 몇 가지 유형이 있습니다.

1) 우선 '지도 학습'으로 '예측하기'가 있는데, '경험 기반 타게팅'을 생각할 수 있고, 영화 마이너리티 리포트 처럼 범죄 예측 모형도 사실은 '지도 학습'이라고 봐야합니다.

2) '비지도 학습'으로 '이해하기'가 있는데, 이것은 컴퓨터에게 정답을 알려주지 않는 방법으로, 데이터에서 고객 세그먼테이션을 하는 경우가 해당됩니다.

3) 마지막으로 '강화학습'은 알파고에 사용된 알고리즘으로, 보다 강력한 실행 결과를 만들어 냅니다.

반면, 딥러닝은 머신러닝과는 약간 다릅니다. 엄밀히 보면 '머신러닝'의 하위 개념이지요.

즉, 딥러닝은 인공신경망의 일종입니다. 그러나 많은 분들은 머신러닝과 혼용하고 있기도 합니다. 딥러닝의 하위 분류로는 DNN, CNN, RNN, GAN이 있는데, 이 내용은 너무 깊게 들어가야 하니, 여기서는 생략합니다. (책에는 설명이 있음.)

빅데이터란 무엇인가?

인공지능은 데이터를 활용하는 것이라고 위에서 설명했습니다. 그렇다면 우리가 생각하는 빅데이터란 과연 무엇인가?

미디어에서는 '빅데이터 분석에 따르면' 이라는 표현을 많이 사용합니다. 물론 이런 표현이 늘어나게 된 이유가 있습니다. SNS 인기가 높았던 시기, 때 마침 '하둡의 실무 적용'이 진행 중이었지요. 그러다보니 자연어 처리 기술에 기반한 텍스트 마이닝 기법으로 SNS 텍스트를 분석했고, 그 결과가 '빅데이터 분석'이란 이름으로 대중에게 소개되었던 것 뿐입니다.

빅데이터는 방해만 될 뿐이다

그러나 빅데이터란 개념은 기업들에게 방해만 될 뿐입니다. '빅'이라는 말은 오해를 만들고 방향에 혼돈을 줍니다. 그리고 적절치 않은 기대를 만들어 주기까지 합니다. 사실 빅데이터 분석은 데이터 분석과 다르지 않습니다. 그럼에도 불구하고 많은 사람들은 빅데이터가 어려운 기술이기 때문에, 데이터 전문가의 영역이라고 생각하기까지 합니다.

빅데이터는 하나의 '기술'로 이해해야만 한다.

빅데이터는 분석할 대상이 아니라, 기술의 집합으로 인식해야 합니다. 기업 경영에서도 걸핏하면 빅데이터를 운운하는데, 이 말은 제한적으로 사용되는 것이 옳습니다.

우선 데이터 분석을 프로세스의 일부로 포함해야 합니다. 뒤에서도 나오지만, 데이터 분석을 통해 의사결정을 한다는 것은 맞지도 않고 실제 그렇게 하지도 않습니다.

데이터 분석은 컴퓨터가 더 잘합니다. 그러니 그것을 프로세스로 인식해야 합니다. 예컨대 금융업에서 인공지능으로 잘 알려진 '켄쇼'와 의학분야의 'IBM 왓슨'은 데이터 분석을 인공지능에게 맡긴 사례입니다. 그러므로 중요한 점은 데이터 분석에서 전통적인 시각을 이제는 버려야 한다는 것입니다.

미래를 예측하지 않는다

인공지능은 도구일 뿐입니다. 미래 예측이라는 거대 담론 적용은 적절치 않다는 뜻입니다. 실제로 인공지능을 이용한 예측은 미래를 향하지 않습니다. 그리고 미래에 대한 분석도 아닙니다.

예측 분석의 정확한 실체는 과거와 현재에 대한 분석입니다. 특정 고객이 특정 상품을 구매할 것인지 예측하는 것은 전적으로 과거의 데이터를 기반으로 할 뿐입니다.

따라서 인공지능을 도구로 인식하고 사용해야만 합니다. 이미 그렇게 시행하고 있는 기업들이 많습니다. 월마트 진열대 스캔 로봇은 2016년 10월 확대 적용되고 있습니다. 게다가 인공지능은 그림 그리기나 소설 쓰기 또는 작곡을 하기도 합니다. 모두 도구적인 사용일 뿐이지요.

물론 인간은 이 인공지능을 어떻게 통제할 것이냐를 계속 고민해야 할 것입니다. 그러나 인공지능을 도구로 이용한다면, 인간의 창작 능력은 비교할 수 없을 만큼 월등해질 것입니다.

경영의 방법을 바꿔라

데이터를 활용하기 위한 해법, 그것은 기술에 있지 않습니다. 인공지능을 대하는 기업의 현실부터 짚어 보겠습니다.

많은 분들은 아직까지 데이터를 분석해서 의사결정을 한다고 생각하실지도 모르겠습니다. 그러나 이 행위의 중심에는 데이터가 아닌 인간이 있습니다. 그리고 아무리 뛰어난 알고리즘이 있더라도, 현업 담당자가 이해하지 못하면 채택되지도 않습니다. 여전히 자기중심적이지요. 현업에서는 '데이터를 분석하자'라는 말을 주고 받는데, 말하는 사람과 듣는 사람 모두 서로 다른 생각을 하고 있는 것은 아닐까요?

이처럼 기업은 데이터에 대한 개념이 정확하지 않습니다. 그럼에도 불구하고, 구체적으로 생각하지도 않고, 그냥 구체적인 계획만 세우려고 합니다. 인공지능, 머신러닝 그리고 데이터 업무에서 지향하는 목표부터 세운다는 것이지요.

그러나 이렇게 구체적인 계획만 세우면 오히려 일이 되지 않습니다. 데이터 업무에서 계획은 통하지 않습니다. 구체적인 계획이 필요한 일과 그렇지 않은 일을 구분할 수 있다면, 데이터 업무는 구체적인 계획을 세우지 말아야 하는 업무입니다.

그렇지만 많은 기업들은 어떻게 하고 있나요? 관리자들은 협업과 KPI만 강조할 뿐 데이터를 모르고 있는 것은 아닐까요? 현업에서 데이터 전문가들은 현업 부서의 권한이 없으면 데이터에 접근하지도 못합니다. (KPI : Key Performance Indicator '핵심성과지표'는 비즈니스 목표에 대한 성과를 추적하는 데 사용되는 지수 측정. KPI는 비즈니스 성과에 대한 향상 또는 저하 여부를 지수로 측정)

심지어 어떤 데이터가 있는지도 모르는 것이 현실이지요. 이런 상황에서 협업은 너무나 먼 이야기일 뿐입니다. 게다가 매년 KPI를 설정해야 하는데, 데이터 업무는 매번 새로운 시도를 해야하기 때문에, 이게 적절한 것인지는 다시 한번 생각해봐야 합니다.

기업의 근본적인 변화는 늘 하향식으로만 가능했습니다. 이것은 지금까지의 기업의 역사가 잘 웅변해 주고 있지요. 상향식으로 이루어진 적은 거의 없다고 봐야겠지요. 따라서 데이터를 어떤 식으로든 활용하겠다고 결정했다면, 기업문화부터 바꿔야 한다는 것입니다.

GE의 구조조정에서 배울 점이 있습니다. 최근 GE가 비행기 엔진에 센서를 붙여서 새로운 사업을 추진하고 있는데, 여기에서 배울 점이 있습니다.

1) 신규 비즈니스와 데이터

GE는 산업장비 데이터를 분석해서 '산업 인터넷 플랫폼 신규사업'을 만든 것이 결코 아닙니다. 이 점에 주목할 필요가 있습니다.

많은 기업들이 '데이터 기반 신규사업' 또는 '머신러닝과 인공지능 기반 신규사업'이라 말하기도 하는데, 신규사업에 있어서 데이터 분석이 결코 먼저일 수는 없습니다.

2) 비전 제시 리더십과 기술에 대한 태도

당연하게도 2011년 GE의 제프리 이멜트 회장이 기업 변신을 선언했을 때, 내.외부의 시각은 곱지 않았습니다. 그러나 명확한 비전으로 실행에 옮겼다는 사실에 주목해야 합니다.

그리고 GE는 회사 소개자료에 기술을 언급하지 않고 있습니다. 기술이 중요한 게 아니라, 고객에게 어떤 효용가치를 줄 수 있는지가 중요하기 때문에 제일 먼저 언급하는 것이지요.

3) 관리가 아니라 새로운 도전을 해야한다.

GE는 원래 식스 시그마로 대표되는 관리 중심 경영을 했던 기업입니다. 하지만 GE는 패스트웍스를 도입했지요. 이 말은 데이터 업무에서 구체적으로 계획하고 엄격하게 관리하는 방법은 적절치 않다는 것을 인지한 결과일 것입니다.

어떻게 실행할 것인가?

인공지능 시대의 비즈니스 전략 - 무엇을 해야하는가?

1) 데이터 전문 조직을 만들어라

데이터 활용을 하려는 기업은 전문조직이 반드시 필요합니다. 여기에 해당하는 방법은 분산형, 중앙집중형, 혼합형 등이 있지요. 각 방법들은 여전히 장.단점이 있기 때문에 제대로 파악 후 실행이 중요하겠지요. 현재 상태에서는 기업의 데이터 관련자들은 단기 목표가 있을 경우에만 협업이 가능한 실정임을 고려할 필요가 있습니다.

2) IT부서와 데이터 부서는 다르다

아직도 많은 기업의 관리자는 데이터 업무를 IT부서에 부여하는 경우가 있더군요. 그러나 두 업무는 전혀 다른 성격을 가지고 있습니다.

우선 IT부서 업무의 중요한 가치는 '안정성'이지요. 반면에 데이터 부서의 중요한 가치는 '변화'입니다. 이렇게 서로 지향하는 가치가 다르기 때문에, 데이터 업무를 IT부서에 맡기면 안됩니다.

3) 현실적인 계획을 세워라

가장 기본적인 과제인데 데이터 사이언티스트, 현업 데이터 분석가, 데이터 기획자, 데이터 엔지니어, 마지막으로 데이터 스튜어드는 다른 직종입니다.(ㅎㅎ 종류도 많아라...) 그 차이를 파악하고 데이터 부서를 구성하되, 전문조직을 구성할 사람부터 먼저 채용해야 합니다.

그리고 실무적으로 데이터 업무는 기존 IT 업무와는 전혀 다른 방식으로 일해야 합니다. 여기에는 테스트 서버 운영을 비롯한 세부적인 사항들이 있는데, (너무 세부 내용이고, 글이 길어지니) 여기서는 생략하겠습니다.

인공지능 시대의 비즈니스 전략 국내도서 저자 : 정도희 출판 : 더퀘스트 2018.01.23 상세보기

<인공지능 시대의 비즈니스 전략>을 참고, 많은 부분을 베끼고 일부 요약했습니다.

4차 산업혁명이란 무엇인가? 오늘은 기본으로 돌아가 보겠습니다.

뉴스에서 말은 많은데, 이게 무슨 뜻이고 어떻다는 건지 우선 감을 좀 잡아 보죠. 그리고 이게 우리 삶에 어떤 영향을 미치기에, 모든 사람들이 이렇게 난리 법석을 떠는지 조금이나마 알아보겠습니다.

산업혁명이 뭔지는 대충 기억하고 계시지요? '과학기술의 혁신과 발전이 산업에 접목되면서, 사회, 경제적으로 엄청난 변화가 이루어지는 것'을 일컫습니다.

최초의 산업혁명은 18세기 말 영국에서 시작된 증기기관의 발명을 꼽습니다. 그것을 이용하여 사람의 노동력에 비해 엄청난 생산량을 낼 수 있는 기계가 만들어졌고, 이 혁신은 모든 것을 사람 손으로 직접 하나씩 만들어야 했던 이전까지의 생산방식을 완전히 바꿔버립니다.

그러다가 약 100년쯤 후 2번째 산업혁명의 물결을 맞이하게 되지요. 2차 산업혁명의 핵심은 전기에너지와 대량생산 방식 도입입니다. 공장이 전기를 이용해서 돌아가면서 생산량이 이전보다 훨씬 늘었고, 석유와 철강을 쓰는 자동차 산업과 같은 중화학 공업이 발전하면서 경제 규모도 그에 비례해 커지지요.

제3차 산업혁명은 한마디로 정보화 혁명입니다. 컴퓨터와 디지털 기술, 인터넷의 등장으로 우리의 삶이 다시 한번 획기적으로 바뀌게 됩니다. 여기까지는 대부분 아는 사실이지요. 이 다음에는 도대체 어떤 대단한 혁신이 이루어지길래 제4차 산업혁명이라 부르는 걸까요?

실제로 4차 산업혁명이 정확히 무엇이고, 우리 삶에 어떤 영향을 미칠지는 아직 전문가들 사이에도 의견이 분분합니다. 그렇지만 여러가지 정보통신기술들이 융복합하면서, 이전에는 없었던 엄청난 변화가 몰려올 것이라는 건 모두가 인정하는 사실이지요.

4차 산업혁명의 핵심 키워드는 초지능, 초연결, 그리고 자동화입니다. 컴퓨터나 스마트폰 뿐만 아니라 냉장고, 세탁기, 자동차 등 이 세상의 거의 모든 것들이 네트워크에 연결되고, 덕분에 사람들이 하는 모든 행동들이 데이터로 기록될 것입니다. 또 명령을 내리지 않아도 스스로 학습할 수 있는 똑똑한 인공지능이, 이렇게 쌓인 데이터 즉, 빅데이터를 기반으로 중요한 판단을 하게 되겠지요.

과거의 기계와 인공지능은 아주 제한적인 상황에서 주어진 명령만을 수동적으로 이행하는 수준이었지만, 이제는 인공지능이 알아서 운전을 하고, 회계 처리도 하며, 아픈 환자들을 진찰하고, 글도 쓰고 심지어는 그림을 그리거나 음악도 만들게 될 겁니다.

작년에 바둑에서 이세돌을 이긴 '알파고'가 무서운 이유는 동네 바둑학원을 없애기도 하겠지만, 스스로 학습하는 '딥러닝'이라는 똑똑한 인공지능의 출현을 인간세계에 알렸기 때문입니다. 이제 인공지능은 모든 영역에서 인간과 경쟁하게 될 것입니다.

사람이 기계를 이기는 건 힘들지 않을까요? 기계는 사람과는 달리 잠도 자지 않고, 밥도 안 먹고, 컨디션에 따라 기복도 없으며, 사람처럼 일하는 중에 딴 짓을 하지도 않지요. 그리고 기계는 사람보다 생산성이 월등히 높고, 싼 값으로 계속 부려먹을 수 있습니다.

사람이 기계보다 우월한 것은 스스로 생각하는 능력이 있다는 점이었는데, 이마저도 이젠 기계가 스스로 생각도 하게 될 거니, 과연 여러분이 회사 사장이라면 사람을 쓰겠습니까, 아니면 기계를 쓰겠습니까?

동물인 말을 예로 들어보죠. 예전에 말은 할 일이 많았습니다. 사람도 타고, 마차도 몰고, 전쟁터에도 나가야 했고, 밭도 갈아야 하는 처지였지요. 그런데 자동차가 등장하면서 말의 할 일은 거의 없어졌지요?

그렇지만 말은 지금도 여전히 잘 뛸 수 있고, 100여 년 전의 말과 지금의 말이 특별히 다른 점도 없습니다. 그냥 말을 필요로 하는 곳이 없으니 당연히 할 일도 없는 것이지요. 사람도 말의 처지와 똑같아 질 수 있는 것이겠죠.

학교에서 시키는 대로 열심히 공부하고, 학자금 대출 받아 대학 학위까지 어렵게 땄는데, 일할 수 있는 능력은 충분하건만, 쓸 곳이 없어지면? 무서운 생각이 들지요? 맞습니다. 모두 엿 되는 거죠.ㅎㅎ

정치인, 학자, 경영자 할 것 없이 모두가 한 목소리로 4차 산업혁명을 얘기하며 신경을 곤두세우는 근본적인 이유는, 3차 산업혁명까지는 그래도 노동에 사람의 판단력을 필요로 했지만, 이번에는 기계가 인간의 판단마저 대체할 수 있기 때문입니다.

얼마 전 하이야트 호텔에서 열렸던 연구발표회에서, 재단법인 파이터치연구원의 발표에 의하면, 한국에서 20년 내에 4차 산업혁명으로 사라질 일자리가 124만개 이상으로 추산됐습니다. 물론 사회가 변화하면서 새로운 직업들도 많이 만들어지겠지만, 시대 흐름에 맞춰 정부, 사회, 기업, 개인이 현명하고 발 빠르게 움직이지 않는다면 큰 위기가 닥쳐올 수도 있는 상황이지요.

4차 산업혁명으로 세상이 어떤 식으로 바뀔지 우리가 많은 얘기들을 할 수 있겠지만, 당장 피부에 와 닿는 한 가지만 덧붙여 보겠습니다. 자동차의 자율주행 이야기입니다.

사람 없이 인공지능이 알아서 운전하는 기술. 40여년 전부터 SF영화에서만 나오는 얘기였는데, 이젠 이미 우리 삶 속에 들어와 버린 미래가 되었습니다. 거의 모든 자율주행 자동차 회사는 2020년까지 그런 자동차를 상용화하겠다는 목표를 가지고 있습니다. 겨우 2년 남았지요.

각 국은 이에 발맞춰서 자율주행 자동차 가이드라인을 만들고, 관련 법을 개정하는 등 대비를 하고 있습니다. 운송수단이 사람 없이 홀로 움직이면, 단순하게는 면허 딸 필요가 없어져 좋겠지만, 이 세상은 어떻게 바뀔까요?

택시운전사, 버스기사, 화물차량 운전사, 지하철과 철도 기관사, 비행기 조종사 등 운송업에 종사하는 사람들은 일단 할 일이 없어질 겁니다. 물론 난폭운전, 졸음운전, 음주운전 걱정이 없어지는 AI운전사는 사람들보다 훨씬 안정적이겠지만, 절대 사람을 필요로 하지는 않을 것입니다.

자율주행이 상용화되면 버스나 지하철 처럼 노선이 정해진 운송수단부터 가장 먼저 그 영향을 받을 것입니다. 지금도 지하철 신분당선에는 기관사 없는 자율주행 전동차가 있습니다. 이런 시스템이 앞으로는 점점 확대 적용될 것은 뻔한 이치지요. 아마도 자율주행 시대의 대중교통은 24시간 운행되겠지요. 서울에서 술 먹고 막차 걱정은 안해도 되겠습니다만...

그리고 자율주행의 중요한 사항 중 하나는, 모든 자동차가 하나의 네트워크 시스템 안에서 움직일 것이라는 사실입니다. 도로 상황과 관련된 모든 정보가 네트워크 안에 존재하겠지요. 각각의 자동차들은 그 네트워크 안의 정보를 토대로 판단을 할 것이고, 이것이 모든 자동차에 적용된다면 교통체증이 거의 사라질 수도 있습니다.

또 지금처럼 개인이 자동차를 소유하면, 세금이나 주차난 등 온갖 비용이 발생합니다. 실제로 자동차는 대부분의 시간에 주차장에 멈춰 있는 게 당연하지요. 그러나 완전자율주행 시대의 도시에서는 자동차를 소유하는 것보다는, 공유하는 것이 훨씬 더 경제적이고 현명한 방법일 것이라는 게 많은 학자들의 견해입니다. 개인이 필요할 때마다 자율주행차를 불러서 타면 그만이니까요.

어떻습니까? 생각해보니 앞으로 바뀔 미래가 많이 기대되고 신나 보이시나요? 그런데 아직까지 완전자율주행 시대로 가려면 넘어야 할 산이 많이 남아있습니다. 기술도 더 개발해야 할 여지가 남았고, 인공지능이 윤리적인 딜레마를 마주했을 때 어떻게 판단하도록 프로그래밍을 할지, 쉽게 풀 수 없는 문제들이 많이 남아 있습니다.

자율주행이 보편화되려면 관련 법이나 도로 시설 등 사람의 운전에 맞춰서 만들어진 시스템들이 먼저 바뀌어야겠지요. 그러면서 택시운전사, 버스기사, 화물차 운전사 등 불가피하게 일자리를 위협 받을 사람들과 자율주행기술이 바꿀 세상 사이의 갈등과 간극을 어떻게 극복할 것인지, 함께 머리를 맞대고 소통하면서 고민해야겠지요.

자율주행에 대해서만 위에 썼는데, 4차 산업혁명의 영향권 내에 있는 모든 분야에 필연적으로 동반될 문제들입니다. 그러니 우리 정부도 대통령 직속 '4차 산업혁명 위원회'라는 기구를 설치해서 다가 올 큰 변화에 어떻게 대응해야 할지 고민하고 있는 것이지요. 추가로 궁금한 내용은 '4차 산업혁명 위원회' 홈페이지를 방문하셔서 둘러보시기 바랍니다.

4차 산업혁명이 우리에게 위기가 될지 기회가 될지는 아직 아무도 모릅니다. 인공지능이 인간의 미래를 어떻게 바꿀지를 놓고도 전문가들 사이에 의견이 분분합니다.

테슬라의 CEO 엘론 머스크는 인공지능 때문에 인간은 결국 다 망할 거라고 경고했고, 페이스북의 마크 주커버그는 인공지능은 인간의 삶을 더 낫게 변화시킬 것이라고 전망했습니다.

어느 쪽이 옳은지 속단하기는 힘들지만, 어쨌든 4차 산업혁명은 우리의 삶을 아주 획기적으로 바꿀 거대한 흐름인 것만은 분명해 보입니다. 인간은 4차 산업혁명 덕분에 아주 적은 노동만으로 여가를 즐기며 재미있게 살 수도 있고, 4차 산업혁명 때문에 설 자리를 잃고 빌빌대는 신세로 전락할 수도 있습니다.

제대로 준비하지 않으면 갑자기 불어 닥칠 변화는 큰 혼란을 만들 것입니다. 지금 이 순간이 굉장히 중요하다는 얘기지요. 그럼 우리는 어떻게 해야 할까요? 우리의 교육 시스템부터 완전히 뜯어 고쳐야 하지 않을까요? 언제까지 암기형 주입식 입시교육만 시킬 수는 없지 않겠습니까?

4차 산업혁명 시대에는 누가 그 많은 공짜 정보를 머릿속에 그냥 외우는지는 조금도 중요하지 않을 겁니다. 물론 지식과 정보는 필요하고 중요하지요. 하지만 정보를 얻고 싶다면 인터넷에서 검색하면 됩니다. 그 대신 그 정보를 토대로 어떤 신박한 생각을 하는 지가 중요해지겠지요.

'창의적인 사고를 할 수 있는 능동적 시민 만들기' 이것이 우리 교육의 목표가 되어야 하는데... 아무튼 잘 되기만을 빌어봅니다.

이젠 4차 산업혁명이 어떨 것인지 조금 감을 잡으셨나요? 항상 응원합니다.

글이 조금 도움이 되셨다면 구독과 함께 친구에게 공유하셔서, 좋은 글 올리도록 힘을 보태 주세요~ '좋아요'와 왼편 상단의 'RSS FEED 구독'을 눌러 주세요. 고맙습니다!