AI 비서와 함께하는 일상, 외국어 메뉴판 번역과 눈 앞에 보이는 사물 정보 제공해
메타 CEO 마크 저커버그 스마트 안경 기능 직접 선보여
하지만 다른 사람들이 사진 촬용중임을 인식하기 어려워 ‘몰카’ 우려돼

메타는 AI 비서를 탑재한 레이밴 스마트 안경을 개선하고 있는 것으로 알려졌다. 이번 스마트 안경은 사용자가 손을 사용하지 않고 음성만으로 정보에 접근할 수 있다는 점에서 대중의 큰 관심을 받고 있다.

하지만 사진과 동영상 촬영이 간편해진 만큼 ‘몰카’ 우려가 뒤따르고 있다. 규제당국은 사생활 침해 가능성이 없는지 입증해야 한다는 입장을 밝혔다.

AI 비서 탑재한 스마트 안경, 완전히 달라진 모습 선보여

메타와 선글라스 제조업체인 레이밴은 2021년에 처음으로 스마트 안경인 레이밴 스토리를 출시했지만, 단순 사진과 동영상 촬영 기능에 머물러 대중의 큰 관심을 끌지 못했다. 그러나 최신 버전에는 AI 비서를 탑재해 이전 버전과 확연히 달라진 모습을 보였다.

스마트 안경 착용자는 "헤이 메타"라고 부른 다음 질문하면 AI로부터 즉각 답을 얻을 수 있다. 또한 스마트 안경은 착용자가 관찰 중인 사물을 인식하여 그에 대한 정보를 제공한다. 이를 활용하여 일상의 여러 편리함을 누릴 수 있다. 예를 들어, “내가 입고있는 셔츠와 어울리는 바지 추천해줘”와 같은 패션 스타일링을 도움받을 수 있고, 눈 앞에 보이는 외국어 메뉴판 번역이 가능해 해외에서 겪는 불편함을 줄일 수 있다.

아쉽게도 메타 AI는 영어, 스페인어, 이탈리아어, 프랑스어, 독일어만 지원하고 있다. 이에 메타는 점차 가능한 언어를 늘릴 계획임을 밝혔다. 현재 전세계에서 스마트 안경을 사용할 수 있지만, 메타 AI 기능은 아직 베타 버전으로 미국과 캐나다의 사용자에 한해 제공되고 있다.

새로운 스마트 안경은 AI 기능 외에도 하드웨어를 업그레이드하여 성능을 향상시켰다. 최신 버전의 스마트 안경은 이전 버전에 비해 배터리 지속시간이 2배 늘어 36시간 동안 사용할 수 있으며, 이전 버전보다 더 얇고 작아져 사용자 편리성을 증가시켰다. 또한 최신 버전은 시야각이 고정되어 있다는 약간의 불편함이 있지만, 1200만 화소를 가져 이미지 확대와 축소라는 기술 혁신을 이뤘다. 게다가 새로운 퀄컴 스냅드래곤 AR1 1세대 칩이 탑재되어, 고품질의 사진 및 동영상 처리와 빠른 연산이 가능하게 되었다.

메타 CEO와 CTO 직접 시연을 통해 스마트 안경 성능 선보여

최근 메타는 소셜 미디어 앱용 AI를 출시하면서, 앞으로 몇 주 안에 스마트 안경용 AI 비서 와 가상 현실 헤드셋인 퀘스트 라인에 대한 자세한 정보를 제공할 예정임을 밝혔다. 출시에 앞서 메타 CEO인 마크 저커버그는 인스타그램을 통해 스마트 안경을 선보이며, 패션 스타일링 도움을 받고 몬태나 여행 중 궁금한 것을 질문하고 메타 AI가 답하는 모습을 공개했다.

또한 메타 CTO인 앤드류 보즈워스는 샌프란시스코를 돌아다니며 스마트 안경이 눈 앞에 보이는 사물에 대한 정보를 제공하는 장면을 스레드에 업로드하였다. 예를 들어 보즈워스는 스마트 안경을 사용하여 금문교에 대해 물어보고, AI 비서는 금문교 정보를 생성하는 장면을 보였다.

게다가 스마트 안경은 상단의 버튼을 클릭하면 사진과 1080p 해상도 동영상을 촬영하고 라이브 스트리밍도 할 수 있다. 스마트 안경은 사진과 동영상을 왓츠앱에 연동하여 공유할 수 있고, 내장 마이크를 통해 바로 전화도 걸 수 있어 정말 손가락 하나 까딱하지 않고 스마트폰 기능을 사용할 수 있게 되었다. 사용자는 150개 이상의 다양한 사용자 지정 프레임과 렌즈 조합으로 안경을 맞춤 설정할 수 있어, 사용자 입맛에 따라 스마트 안경을 커스텀할 수 있다. 예를 들어 스마트 안경 착용자는 AI 비서와 얼마나 빨리 또는 천천히 대화할지 선택할 수 있어, 자신의 대화속도에 맞게 AI비서와 대화할 수 있다. 메타 AI 비서는 메타의 최신 대규모 언어 모델인 라마 3로 작동하여 이전 보다 많은 정보를 제공하고 있다.

스마트 안경 사생활 침해 문제 우려돼

하지만 규제당국에서는 사생활 침해가 우려된다는 입장을 밝혔다. 스마트 안경은 일반 선글라스와 외관상 큰 차이가 없어, 사람들이 스마트 안경을 착용하고 있는지 구분하기 어렵다. 그러나 스마트 안경은 안경테에 달린 스위치를 누르면 간단히 사진과 동영상을 촬영할 수 있어 문제가 제기되고 있다. 이에 규제당국은 스마트 안경이 신종 스토킹 수단으로 이용될 수 있으므로 사생활 침해를 우려하고 있다. 메타 측에서는 사진 촬용 시 LED 조명이 켜져 다른 사람들이 사진 촬용중임을 인식할 수 있고, LED 조명을 가릴 경우 그 사물을 치우라는 알림이 떠서 스마트 안경으로 인 사생활 침해 위험이 낮다는 주장이다.

앞으로 베타버전을 넘어 상용화될 메타 레이밴 스마트 안경은 AI 비서를 통해 완전히 다른 일상을 선보일 것으로 기대되고, 메타 측에서 사생활 침해 이슈를 어떻게 해결해나갈지가 스마트 안경의 승부처로 예상된다.

인간 노동 숨기고 '자동화' 과장하는 가짜 자동화 만연
아마존 저스트워크아웃의 경우, 수많은 인간 검토자가 일일이 거래를 확인해
소비자들은 제품이 실제로 자동화된 것인지 인간이 개입하는지 구분하기 어려워

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 저희 글로벌AI협회 연구소(GIAI R&D)에서 콘텐츠 제휴가 진행 중입니다.

아마존이 최근 진행한 '저스트워크아웃(Just Walk Out)' 쇼핑 기술의 축소·폐지 결정은 인공지능 기술의 한계를 보여주는 사례로 떠오르고 있다.

저스트워크아웃 기술은 아마존 프레시 식료품점이나 타사 매장에서 구매한 상품 금액을 자동으로 청구해 결제 없이 퇴점할 수 있도록 하는 것이었다. 마치 SF 영화 속의 한 장면처럼 보였지만, 실제로 이 기술이 작동하기 위해서는 무대 뒤에서 수많은 인간 노동력이 필요했다는 사실이 밝혀졌다.

아마존 저스트워크아웃의 한계, 인간 검토자 없이는 안 된다?

정보기술 관련 매체인 더 인포메이션의 보도에 따르면, 아마존에는 저스트워크아웃 AI 모델을 훈련하고 그 판매의 일부를 수동으로 검토하는 1,000명 이상의 직원이 인도에 있었다고 한다. 익명의 정보원은 1,000건의 거래마다 최대 700건의 수동 검토가 필요했다고 덧붙였다.

아마존은 곧바로 이의를 제기했다. 회사 관계자는 미국 과학전문지인 사이언티픽 아메리칸에 아마존은 "숫자를 공개할 수 없다"라면서도 저스트워크아웃의 쇼핑 데이터에 주석을 다는 작업자 수가 알려진 것보다 "훨씬 적다"고 반박했다. 아울러 지난 4월 블로그 게시물에서 딜립 쿠마르 아마존 부사장은 "정확성에 높은 가치를 두는 다른 AI 시스템과 다를 바 없으며, 인간 리뷰어가 있는 것이 일반적이다"고 주장하며 수습에 나섰다.

결국 이러한 사실은 인공지능 기술이 아직 완벽하지 않다는 것을 보여준다. 인공지능 기술은 많은 경우 정확성을 위해 인간의 도움이 필요하다. 대규모언어모델(LLM)의 대표주자인 챗GPT도 '인간 피드백' 기반 강화학습을 통해 정확성과 인가다움을 끌어 올렸었다.

'메카니컬 터크' 현상 재현, 인간 노동 숨기는 '가짜 자동화'

이 현상은 '가짜 자동화(fauxtomation)'라고 불린다. 미국 산타클라라대학교 마크쿨라 응용윤리센터의 인터넷 윤리 프로그램 책임자인 이리나 라이쿠(Irina Raicu)는 인간의 노동을 숨기고 '자동화된' 솔루션의 가치를 거짓으로 부풀리기 때문에 가짜 자동화라는 별명이 붙여졌다고 설명했다.

이는 결코 새로운 현상이 아니다. 가짜 자동화라는 별명과 더불어 이러한 현상은 '메카니컬 터크(Mechanical Turk)' 현상이라고도 불린다. 발명가 볼프강 폰 켐펠렌(Wolfgang von Kempelen)이 1770년대 초반에 선보인 로브를 입은 로봇 메카니컬 터크는 체스 게임에 직접 참여할 수 있는 기계라고 알려지면서 큰 관심을 끌었다. 켐펠렌은 사람처럼 생각하는 기계가 체스의 전 과정을 직접 플레이할 수 있다고 말했고, 사람들에게 내부의 톱니바퀴 메커니즘을 보여주었다.

당연하게도 메카니컬 터크는 가짜였다. 동시대 많은 사람이 의심하기 시작한 것처럼 실제로는 체스판 아래의 방에 사람이 숨어 촛불로 체스판의 움직임을 제어하고 있었다.

과도한 AI 투자 열풍이 '가짜 자동화'를 부추겨

무생물에 생명을 불어넣는다는 생각은 오래된 인간의 꿈이다. 소설 '프랑켄슈타인'과 영화 '엑스 마키나'에서 보듯, 우리는 신과 같은 역할을 수행하며 새로운 생명을 창조하고자 한다. 하지만 "이러한 욕망은 너무나 집요하고 때로는 피할 수 없는 것이기에 우리는 그것을 현실화하기 위해 기꺼이 스스로를 속이고 기만하는 것 같다"고 미국 노던일리노이대학교의 미디어학 교수이자 '기계의 질문: 인공지능, 로봇, 윤리에 대한 비판적 관점'의 저자 데이비드 건켈은 말했다.

현재의 인공지능 붐 이전에도 챗GPT와 같은 제품들이 존재했다. 예를 들어 X.ai는 자동 회의 일정 조율과 이메일 발송 기능을 가진 개인 비서 에이미를 선보였다. 별도의 설치 없이 에이미의 공식 이메일을 메일 참조목록에 추가하는 것만으로 사용할 수 있었으며, 사용자들은 에이미가 마치 실제 사람처럼 효율적으로 일정을 관리한다고 평가했다.

하지만 2016년 블룸버그의 보도에 따르면 에이미의 '살아있는' 듯한 모습은 사실이 아니었다. 모든 인바운드 이메일은 인간 노동자가 검토하고 있었고, 당시 다른 컨시어지 및 개인 비서 프로그램도 마찬가지로 사람에게 의존하는 방식이었다. 블룸버그는 벤처 캐피털의 과도한 AI 투자 열풍이 스타트업들을 평범한 작업 과정을 최첨단 기술로 포장하도록 유도했다고 지적했다.

소비자 혼란 일으키는 온라인 세상의 허상, 윤리적 문제 제기

이러한 현상은 점점 더 온라인화되는 우리의 삶 전반에 걸쳐 나타나고 있다. 현관문 앞까지 샐러드를 가져다주는 음식 배달 로봇은 사실 멀리서 조종하는 사림일 수도 있다. 소셜 미디어 알고리즘이 고양이 밈에서 음란물을 걸러내고 있다고 생각할 수 있지만, 실제로는 사무실 어딘가에 있는 인간 중재자가 가장 까다로운 결정을 내리고 있을 수도 있는 것이다.

라이쿠 책임 연구원은 이것이 단순히 마케팅 차원의 문제가 아니라고 꼬집었다. 그녀는 제품이 제대로 작동하기 전에 시장에 출시하려는 현재 기이한 추세를 반영하는 것이라고 우려의 목소리를 높였다. 일부 기업들은 자동화 솔루션이 개선되는 동안 '기계 속의 인간'을 중간 단계쯤으로 치부하고 있는 것 같다는 의미다.

그만큼 소비자로선 가짜 자동화는 구분이 어렵다는 얘기다. 올해 초 인터넷은 코미디언 조지 칼린의 유머 감각을 학습한 머신러닝 프로그램으로 고인의 유머를 시뮬레이션한 것으로 알려진 '조지 칼린 사후 스탠드업 스페셜'에 대한 열광적인 반응으로 들끓었다. 그러나 나중에 칼린의 유산을 둘러싼 소송의 위협을 받고 동영상 제작자 중 한 명이 대변인을 통해 AI가 만든 것으로 추정되는 농담이 실제로는 평범한 사람이 쓴 것이라고 인정했다.

결과적으로 전문가들은 소비자들을 미혹하는 가짜 AI 기술에 대해 구체적인 규제를 마련해야 한다고 경고하고 있다.

*편집진: 영어 원문의 출처는 사이언티픽 아메리칸(Scientific American)으로 본지의 편집방향과 일치하지 않을 수도 있습니다.

딥러닝 분야에 혁신을 불러일으킨 '트랜스포머', 다양한 분야에서 뛰어난 성능을 보여주고 있어
양자 트랜스포머, 양자 컴퓨팅과의 만남으로 트랜스포머는 더욱 강력해질 것으로 기대돼
고전·양자 컴퓨팅의 장점을 결합한 클래식-퀀텀 하이브리드 형태로 발전할 것으로 전망

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 저희 글로벌AI협회 연구소(GIAI R&D)에서 콘텐츠 제휴가 진행 중입니다.

딥러닝 분야에 혁신을 불러일으킨 트랜스포머는 2017년 구글 연구원들에 의해 처음 소개된 이후 놀라운 속도로 발전해 왔다. 기존 방식과는 비교할 수 없을 만큼 정확한 처리 능력을 보여주며 단숨에 딥러닝의 주류 모델로 자리매김했다.

딥러닝 혁신의 주역, 트랜스포머가 가능케 한 것들

챗GPT를 비롯한 최근 등장한 챗봇들의 자연스럽고 유창한 대화를 가능하게 하는 핵심 기술 역시 바로 트랜스포머다. 트랜스포머는 문장의 맥락을 이해하고 관련 단어 간의 관계를 파악하는 능력을 갖추고 있어 이전 챗봇들 보다 정교하고 인간적인 대화를 구현할 수 있게 한다.

7년간 놀라운 성과를 거둔 트랜스포머는 이제 양자 컴퓨팅과의 만남을 통해 더욱 강력한 진화를 모색하고 있다. 양자 트랜스포머라고 불리는 이 새로운 모델은 기존 슈퍼컴퓨터로는 해결하기 어려웠던 복잡한 문제들까지도 해결할 수 있는 잠재력을 지닌 것으로 평가받고 있다.

최근 'Quantum' 학술지에 발표된 연구에서는 간단한 하드웨어를 사용한 기초적인 양자 트랜스포머 모델이 실제로 작동한다는 것을 보여주었다. 이는 양자 트랜스포머가 실제 응용 분야에 적용될 가능성을 보여주는 중요한 성과다. 적어도 이론적으로는 더 발전된 양자-AI 조합이 암호 해독이나 새로운 화학 물질 개발 등의 문제들까지 해결할 수 있을 것으로 기대된다고 한다.

인간처럼 생각하는 컴퓨터, 트랜스포머와 어텐션 메커니즘

트랜스포머는 단순히 입력 정보를 처리하는 컴퓨터 모델이 아니다. 마치 인간처럼 입력의 어떤 부분이 중요하고 서로 어떤 관계가 있는지 파악하는 능력을 갖추고 있다. 예를 들어, "그녀는 초록색 사과를 먹고 있다"라는 문장을 만난 트랜스포머는 '먹다', '초록색', '사과'와 같은 핵심 단어를 골라낸다. 그리고 학습된 데이터를 기반으로 '먹는다'라는 행위는 '초록색'보다는 '사과'와 더 관련이 있다는 것을 파악한다. 이 놀라운 능력은 '어텐션 메커니즘'(Attention Mechanism)이라고 불리며, 인간 언어 처리 방식을 모방한 기술이다.

어텐션 메커니즘은 인공지능 분야에 획기적인 발전을 가져왔다. 이전에는 불가능했던 자연스러운 언어 이해, 정확한 이미지 분석, 뛰어난 단백질 시퀀스 모델링 등이 가능해졌다. 챗GPT와 같은 챗봇 시스템도 어텐션 메커니즘을 기반으로 작동하며, 인간과 자연스러운 대화를 가능하게 한다. 과거에는 컴퓨터에 매우 어려웠던 작업을 이제는 능숙하게 수행할 수 있게 된 것이다.

현재 어텐션 메커니즘은 강력한 프로세서를 갖춘 슈퍼컴퓨터에서 실행되고 있다. 하지만 여전히 0 또는 1의 값을 저장하는 기본 이진 비트를 사용하고 있어 비실용적인 측면이 남아 있는 컴퓨팅 방식이다. 반면 양자 컴퓨팅은 양자역학의 특성을 활용해 기존 컴퓨터로는 불가능했던 복잡한 문제들을 해결할 수 있는 잠재력을 지녔다. 큐비트(qubit)라고 불리는 양자비트는 0과 1뿐만 아니라 다양한 상태를 동시에 가질 수 있으며, 이를 통해 훨씬 더 빠르고 효율적인 계산이 가능하기 때문이다.

아직은 초기 단계지만, 정확도는 유지하면서 복잡도는 획기적으로 낮춰

양자 컴퓨터와 트랜스포머의 만남은 이미 실제 연구 단계에 접어들었다. 앞서 언급한 'Quantum' 학술지에 발표된 연구의 저자인 조나스 랜드먼(Jonas Landman)와 그의 동료들은 의료 분석용 트랜스포머를 양자 컴퓨터에 적용하여 1,600명의 건강한 눈과 당뇨병으로 인한 실명 환자의 망막 이미지 데이터베이스를 기반으로 양자 트랜스포머 모델의 정확도를 검증했다. 각 이미지를 손상 없음에서 가장 심각한 수준까지 5단계 중 하나로 분류해야 하는 과제였다.

결과를 확인하기에 앞서 이번 연구에서 3단계로 진행된 양자 트랜스포머 개발 과정을 자세히 들여다보자. 첫 단계에서는 양자 하드웨어에 적용하기 전에 트랜스포머를 위한 양자 회로를 설계해야 했다. 연구원들은 수학적 증명을 통해 기존 트랜스포머보다 더 효율적인 세 가지 버전의 양자 회로를 만들었다. 두 번째 단계에서는 실제 양자 컴퓨터에 적용하기 전에 큐비트 에뮬레이터에서 설계를 테스트했다. 에뮬레이터는 실제 양자 컴퓨터에서 발생하는 오류 문제(열, 전자기파 및 기타 간섭)를 방지하여 설계의 정확성을 검증하는 데 도움이 된다.

시뮬레이터에서 각 양자 트랜스포머는 망막 이미지 세트를 50~55%의 정확도로 분류했는데, 이는 망막을 무작위로 다섯 가지 범주 중 하나로 분류했을 때의 정확도 20%보다 더 높은 수치다. 50~55% 범위는 훨씬 더 복잡한 네트워크를 가진 두 개의 일반 트랜스포머가 달성한 정확도(53~56%)와 거의 동일한 수준이었다. 마지막 단계에서는 실제 IBM 양자 컴퓨터에서 트랜스포머 모델을 구현했다. 연구원들은 한 번에 최대 6개의 큐비트를 사용하여 세 가지 버전의 양자 트랜스포머 모델을 작동시켰다. 그 결과, 모든 모델은 45~55%의 정확도를 유지했다.

물론 큐비트 6개는 그리 많지 않은 개수다. 일부 연구자들은 구글의 제미나이나 오픈AI의 챗GPT와 같은 거대 챗봇에 맞설 수 있는 양자 트랜스포머를 개발하려면 수백 큐비트를 사용하는 코드를 만들어야 한다고 목소리를 높였다. 그 정도 크기의 양자 컴퓨터는 이미 존재하지만, 간섭과 잠재적 오류로 인해 비교적 거대한 양자 트랜스포머를 설계하는 것은 아직 실용적이지 않다. 해당 연구진도 더 높은 큐비트 수를 시도했지만 동일한 성공을 거두지 못했다고 전했다.

양자 vs 기존 트랜스포머, 클래식-퀀텀 하이브리드가 열쇠

반대로 1,000개 이상의 큐비트가 있고 간섭이 최소로 유지되는 신뢰할 수 있는 양자 컴퓨터가 존재한다고 가정하면, 양자 트랜스포머가 항상 유리할까? 아닐 수도 있다. 양자 트랜스포머와 기존 트랜스포머는 서로 다른 강점을 가지고 있기 때문에 1:1로 직접 비교하는 것은 올바른 접근 방식이 아니다. 양자 컴퓨터와 기존 머신러닝은 각각 다른 종류의 문제에서 탁월한 능력을 발휘한다.

최신 딥러닝 알고리즘은 학습 데이터 내에서 패턴을 감지한다. 큐비트가 동일한 패턴을 인코딩하는 방법을 배울 수는 있지만, 큐비트가 해당 작업에 최적인지는 확실하지 않다. 큐비트는 문제가 '구조화되지 않은', 즉 애초에 찾을 수 있는 명확한 패턴이 없는 데이터일 때 가장 큰 이점을 제공하기 때문이다. 예를 들어 전화번호부에서 알파벳이나 순서가 전혀 없는 이름을 찾으려고 할 때 양자 컴퓨터는 기존 컴퓨터가 걸리는 시간의 제곱근 안에 해당 단어를 찾아낼 수 있다.

반면 기존 컴퓨팅은 비용과 친숙함이라는 이점이 있다. 양자 컴퓨팅 기술이 성숙하더라도 양자 컴퓨터가 그 영역을 확장하는 데는 수년이 걸릴 것이며, 그동안 고전 컴퓨터의 성장은 멈추지 않을 것이다. 세계적 양자컴퓨팅 기업 자나두(Xanadu)의 소프트웨어 책임자 네이선 킬로란(Nathan Killoran)은 고전적인 머신러닝은 매우 강력하고 자금이 풍부하기 때문에 우리가 살아있는 동안 양자 컴퓨팅과 같은 새로운 기술로 완전히 대체할 가치가 없을 수도 있다고 강조했다.

하지만 이 두 가지 옵션이 배타적인 것은 아니다. 많은 양자 연구자들은 양자 트랜스포머의 이상적인 형태는 클래식-퀀텀 하이브리드 시스템일 것으로 내다봤다. 양자 컴퓨터는 화학과 재료 과학의 까다로운 문제를 처리할 수 있는 반면, 기존 시스템은 방대한 양의 데이터를 처리할 수 있다. 또한 양자 시스템은 데이터를 해독하는 암호 키나 아직 존재하지 않는 물질의 특성 등 기존 컴퓨터가 수행하기 어려운 작업을 생성하는 데 유용할 수 있으며, 이를 통해 현재 거의 접근이 불가능한 작업을 수행하도록 기존 트랜스포머를 훈련하는 데 도움이 될 수 있다고 바라봤다.

양자 트랜스포머는 또 다른 이점을 가져다줄 수도 있다. 현재 사용되고 있는 규모의 기존 트랜스포머는 너무 많은 에너지를 소비하기 때문에 전력 회사들은 새로운 데이터센터의 전력 수요를 충족하기 위해 탄소를 뿜어내는 석탄 발전소를 계속 가동하고 있다. 따라서 양자 트랜스포머의 꿈은 에너지 부하를 줄여주는 더 가볍고 효율적인 기계에 대한 꿈이기도 하다.

한편 다른 곳에서도 양자 트랜스포머에 대한 연구가 활발하게 진행되고 있다. 지난해 IBM 왓슨 연구 센터의 연구원들은 '그래프 트랜스포머'로 알려진 트랜스포머 계열의 양자 버전을 제안했다. 그리고 호주 시드니 공과대학교의 양자 컴퓨팅 연구원 크리스토퍼 페리(Christopher Ferrie)는의 연구팀은 자체 트랜스포머 양자 회로를 설계했다.

*편집진: 영어 원문의 출처는 사이언티픽 아메리칸(Scientific American)으로 본지의 편집방향과 일치하지 않을 수도 있습니다.

이전에는 모든 것이 측정 가능하다고 생각했지만, 19세기 후반 측정 불가능한 양의 존재 발견
측정 불가능한 양의 대표적인 예시는 바로 '비탈리 집합'
물리적으로 극히 드물게 나타나지만, 수학의 기초를 바꾸지 않고서는 제거하기 어려워

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 저희 글로벌 AI협회 연구소(GIAI R&D)에서 콘텐츠 제휴가 진행 중입니다.

이사를 할 때 우리는 가구나 방의 크기를 측정해서 계획대로 모든 것을 배치할 수 있는지 확인한다. 이때 대상의 크기가 측정 가능한지 아닌지는 따지지 않는다. 무언가가 무한히 확장되지 않은 한, 사람들은 대상의 길이, 면적 또는 부피를 응당 측정할 수 있어야 한다고 생각하기 때문이다. 19세기 후반 모든 것이 바뀌기 전까지는 수학자들도 그렇게 생각했다.

오랫동안 인류는 기하학적 물체를 측정하는 데 줄자를 사용했다. 물론 복잡한 곡선 아래의 면적을 측정하려면 작업이 더 어려워졌지만, 17세기에 미적분학이 발전하면서 이전보다 더 쉽고 더 정확하게 복잡한 넓이도 측정할 수 있게 됐다. 하지만 미적분과 줄자의 실용성이 컸던 탓인지, 아이러니하게도 그 후로 200여 년 동안이나 아무도 물체의 길이를 수학적으로 추상화해서 측정할 방법에 대해 생각해 보지 않았다.

기하 도형을 숫자로 변환하기

19세기 말이 되어서야 전문가들은 집합 이론 위에 그 초석을 다지기 시작했다. 이 이론은 기하학적 도형과 복잡한 미분 방정식을 포함한 모든 것이 기본 집합으로 거슬러 올라갈 수 있다고 주장한다. 이를 이해하기 위해 기하학적 도형을 집합으로 표현할 때 사용되는 추상적인 집합을 측정하는 방법부터 살펴보자.

0과 1 사이의 숫자를 표현한 [0, 1]로 쓰인 간격을 예로 들면, [0, 1]에는 무한한 수의 실수가 포함되지만, 그 길이가 1cm에 해당한다고 가정하면 [0, 1] 간격의 길이를 1이라고 간단하게 정의할 수 있다. 마찬가지로 [0, 2] 간격의 길이는 2라고 정의할 수 있는데, 사실 실제 규칙은 이보다 더 복잡하다. 전문가들은 길이, 면적 또는 부피와 같은 측정값이 가져야 하는 모든 직관적인 속성을 규칙에 담아내려고 노력했다. 즉 빈 집합의 측정값은 0이어야 하고, 물체를 움직여도 물체의 측정값은 변하지 않으며, 겹치지 않는 물체의 측정값은 개별 물체의 측정값의 합과 같아야 한다는 주요 원칙들을 세워나갔다.

수학자들이 세운 위의 규칙들이 다소 번거로워 보일 수 있다. 규칙을 모르더라도 해당 결과를 직관적으로 알 수 있기 때문이다. 그러나 이 추상적인 접근 방식을 사용하면 길이에 대한 차원을 넘어 다양한 차원을 정의할 수 있으며, 기하학적 개념이 없는 수량에 대해서도 측정할 수 있게 된다.

추상적인 양에 대한 측정

수학자들이 처음 측정에 관심을 두게 되었을 때, 그들은 함수($x$와 $y$ 사이의 관계를 정의하는 식 또는 규칙)를 연구했다. 중·고등학교 때 함수를 적분하여 그 아래 면적을 구할 수 있다는 것을 배운 기억이 있을 것이다. 예를 들어 리만 적분을 사용하면 상한과 하한을 구하여 곡선 아래의 면적을 구할 수 있다. 아래 그림에서 파란색 막대로 적분하는 것이 리만 적분을 나타내는 그래프다.

하지만 함수가 매우 복잡하다면, 예를 들어 조각난 듯한 디리클레 함수(Dirichlet function)를 생각해 보면, 일반적인 적분 개념을 크게 벗어나게 된다. 디리클레 함수 $\chi(x)$는 $x$가 유리수면 1이라는 값을 갖고, $x$가 무리수면 함수의 값은 항상 0이 된다. 따라서 이 함수를 그래프로 그려보면 $\chi(x)$가 $y = 1$과 $y = 0$의 선을 따라 무수히 많은 점으로 구성되어 있음을 확인할 수 있다. 그래프가 개별적이고 분리된 점으로만 구성되어 있으면 앞서 언급한 리만 적분을 사용할 수 없게 된다.

대신 1902년 수학자 앙리 르베그가 소개한 르베그 적분을 적용하면 이야기가 조금 달라진다. 이 경우 위 그림의 빨간색 막대에서와 같이 $Y$축이 작은 간격으로 나뉘고, $X$축에서는 해당 간격의 너비를 결정해 전체 면적을 구하게 되는 방식이다. 디리클레 함수만큼 세분화되지 않은 모든 일반 함수의 경우, 르베그 적분과 리만 적분은 정확히 동일한 결과를 제공하지만, 르베그 적분은 더 복잡한 경우에도 영역을 할당해 넓이를 구해낸다.

따라서 디리클레 함수로 돌아와 [0, 1] 구간에서 르베그 적분을 사용해 넓이를 구하려면, 먼저 $Y$축을 작은 간격으로 나눠야 한다. 그리고 디리클레 함수의 점은 무리수 $x$ 값의 경우 $y = 0$, 유리수 $x$ 값의 경우 $y = 1$에만 위치해 있으므로, 최종 넓이는 [0, 1] 범위의 모든 무리수 길이의 0배에 [0, 1]의 모든 유리수 길이의 1배를 더한 값이 된다. 바로 이 시점에서 [0, 1] 사이의 무리수와 [0, 1] 사이의 유리수라는 추상 집합에 길이를 할당하려면 측도론의 힘이 필요하다. 측도론에 따르면 유리수는 가산적이면서 무한하기(countably many) 때문에 그 측정값은 0이고, [0, 1] 사이의 나머지 무리수의 측정값은 1이라고 한다. 따라서 0과 1 사이의 디리클레 함수 아래 영역은 1 x 0 + 0 x 1 = 0이다.

측정 문제가 나타난다

사실 르베그 적분은 1902년에 소위 측정 문제를 일으켰다. 그제야 전문가들은 모든 수량에 측정값을 할당하는 것이 가능한지 궁금해했다. 그리고 불과 3년 후 수학자 주세페 비탈리는 어떤 종류의 측정도 실패하는 구체적인 집합, 즉 자신의 이름을 딴 '비탈리 집합'을 만들어냈다.

먼저 비탈리는 0과 1 사이의 모든 수의 집합을 여러 영역으로 나누었다. 두 개의 숫자 $a$와 $b$가 같은 영역 안에 있으려면 $a - b$가 유리수가 되어야 하는 규칙을 만들었다. 따라서 모든 자연수와 모든 유리수는 같은 영역에 있을 수 있으며, 0.2 + √0.2와 0.3 + √0.2도 그 차이가 유리수이기 때문에 같은 영역에 속할 수 있다고 규정했다. 이렇게 비탈리는 [0, 1] 구간을 셀 수 없이 무한히 많은(uncountaly infinite) 작은 부분으로 나누었다.

다음 단계에서 그는 각 영역에서 하나의 대표 요소 $r$을 선택하고 이 모든 대표 요소들을 새로운 집합 $V$에 삽입했다. [0, 1] 구간에는 셀 수 없을 정도로 무한한 수의 세분화가 가능하므로 집합 $V$에는 셀 수 없을 정도로 많은 수의 원소가 포함되어 있을 것이다.

여기서 비탈리는 [-1, 1] 사이의 값을 가정하는 유리수 $p$로 집합 $V$가 이동하면($V_p = V + p$) 어떻게 되는지 조사했다. 결과적으로 유리수 $p$는 $V$의 모든 원소 $r$에 추가됐는데, 이런 식으로 비탈리는 [-1, 2] 사이의 숫자를 포함하는 가산적이지만 무한히(countably infinite) 많은 집합 $V_p$들을 생성해 냈다. 주의할 점은 각 $V_p$는 서로 겹치지 않는 개별적인 집합이라는 것이다. 서로 다른 유리수($p$)로 이동했기 때문이다.

위의 설명을 조금 더 정리하면 우리는 $V^*$(모든 $V_p$를 포함)의 측정값이 적어도 [0, 1] 간격의 측정값(1)만큼 크다는 것을 알고 있다. $V^*$는 적어도 0에서 1 사이의 범위를 갖는 V만큼은 커야 하기 때문이다. 또한 비탈리 집합은 [-1, 2] 간격(3)보다는 작거나 같다. 따라서 비탈리 집합 $V*$는 다음과 같은 범위를 갖는다. $\mu([0, 1]) = 1 ≤ \mu(V^*) ≤ \mu([-1, 2]) = 3$.

그렇다면 이제 비탈리 집합의 측정값을 직접 계산해 볼 수 있다. $V^*$는 모든 $V_p$를 포함하는 집합 기호이기 때문에 $\mu(V^*) = \scriptstyle\sum_p \mu(V_p)$ 라는 수식을 얻을 수 있다. $V_p$는 [0 + p, 1 + p] 사이에 셀 수 없는 수의 원소가 있으므로 $\mu(V_p)$는 0보다 큰 유한수다. 실제로 모든 $V_p$는 크기가 같으며, $p$의 값은 집합의 크기와 무관한 이동을 나타낼 뿐이기 때문에 $\mu(V_p) = \mu(V)$가 성립한다. 따라서 비탈리 집합의 측정값은 $\mu(V^*) = \scriptstyle\sum_p \mu(V)$, 즉 무한히 더해지는 상수 $\mu(V)$다. 이러한 계산의 결과는 $\mu(V)$가 얼마나 작은지와 관계없이 항상 무한하다. 즉, $\mu(V) = \infty$는 위의 부등식 $1 ≤ \mu(V^*) ≤ 3$와 모순된다.

따라서 비탈리는 모든 수량이 측정할 수 있는 것이 아니라 '측정 불가능한' 수량도 존재한다는 것을 증명했다. 아울러 위의 증명과 논리를 어느 정도 이해했다면 측정 불가능한 양을 제거하는 것은 그렇게 쉬운 일이 아니라는 것도 짐작했을 것이다. 측정할 수 없는 양의 발생을 막으려면 수학의 공리, 즉 수학의 기초를 바꿔야 할 수도 있다. 하지만 다행히도 측정할 수 없는 양은 극히 드물다. 물리학에서는 물체의 분해가 원자의 크기에 의해 제한되기 때문에 측정 불가능한 양은 존재하지 않는다. 이때는 오히려 측정할 수 없는 양을 발견하기 위해 측정할 수 없는 양 자체를 인위적으로 구성해야 한다.

*편집진: 영어 원문의 출처는 사이언티픽 아메리칸(Scientific American)으로 본지의 편집방향과 일치하지 않을 수도 있습니다.

독해력·수학·이미지 분류 작업에서 인간과 비슷하거나 더 나은 성능 보여
인공지능의 빠른 성장속도에 맞춰 평가기준도 같이 변해야
전 세계가 인공지능을 보는 관점이 다른 만큼 국제적 분열 일어나지 않게 조심해야

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.

스탠퍼드 대학교의 인간중심 인공지능 연구소에서 '인공지능 지수 보고서 2024'를 발표했다. 보고서에 따르면, ChatGPT와 같은 인공지능 시스템이 독해, 이미지 분류, 수학 등 여러 분야에서 인간과 비슷하거나 더 나은 성능을 보였다. 인공지능이 뛰어난 성능을 보이고 있지만, 성능과 함께 연구 비용이 기하급수적으로 증가하여 자원 낭비가 아니냐는 비판도 뒤따른다.

또한 내실을 다지지 않은 채 '기술 개발'에만 힘 쏟고 있다는 비판이 나온다. 현재 인공지능을 평가하는 벤치마크와 테스트는 인공지능 성장세를 못 따라가고 있다. 기존 벤치마크와 테스트는 성장 중인 인공지능에게 너무 쉽다는 의견이 지배적이다. 따라서 인공지능 성능에 적절한 테스트 기준과 벤치마크를 만들어야 할 필요성이 대두되고 있다.

로켓처럼 빠르게 성장하는 인공지능

현재 인공지능은 2010년대 초반을 시작으로 급성장했다. 깃허브(GitHub)의 인공지능 코딩 프로젝트 수는 2011년 약 800개에서 지난해 180만 개로 폭발적으로 증가했으며 같은 기간 동안 인공지능을 주제로 한 학술지 논문도 약 3배 증가했다. 논문 수에 비해 프로젝트 수가 폭발적으로 증가할 것에서 알 수 있듯이, 인공지능 연구는 대부분 산업에서 이루어지고 있다. 작년 산업에서는 51개의 혁신적인 머신러닝 시스템을 개발한 반면, 학계에서는 15개 논문을 발표했다. 오스틴 텍사스 대학교의 인공지능 연구소 소장인 레이몬드 무니는 학계 연구가 기업에서 나온 모델을 분석하고 약점을 파헤치는 방향으로 연구하고 있다며 '소극적인' 연구를 지적했다. 더불어 학계에서도 '도전적인' 인공지능 연구가 이루어졌으면 하는 바람을 나타냈다.

인공지능 성장 속도에 대응하는 벤치마크 필요해

인공지능이 발전함에 따라 추상화와 추론처럼 복잡한 작업도 가능하게 되었다. 이에 맞춰 인공지능 성능을 평가하는 '새로운' 기준이 필요하다는 의견이 나온다. 스탠퍼드의 사회과학자이자 인공지능 지수 편집장인 네스터 마슬레이는 10년 전에는 벤치마크가 5~10년 동안 유지되었지만, 지금은 불과 몇 년 만에 무의미해지는 경우가 많다며 새로운 평가기준의 필요성을 재차 강조했다.

이에 뉴욕대학교의 머신러닝 연구원 데이비드 레인을 비롯한 연구팀은 대학원 수준의 Google-Proof Q&A(GPQA) 벤치마크를 개발하여 발 빠르게 대처했다. 이 벤치마크는 대형언어모델(LLM)의 시각적, 수학적, 심지어 도덕적 추론 능력을 평가하기 위한 '엄격한' 테스트 지표도 포함되어 있다.

GPQA는 인공지능 성장세에 맞춰 400개 이상의 객관식 문항으로 까다롭게 구성되어 있다. 학자들은 전공 분야 에서 65% 정도 정답을 맞췄으며 자신의 분야가 아닌 문제에서는 34% 정도 정답을 맞췄다. 참고로 시험 중에 인터넷을 사용할 수 있었으며 무작위로 답을 선택하면 25% 정도 점수를 얻을 수 있다. 작년 인공지능 시스템의 점수는 약 30~40% 정답을 맞췄다. 그러나 앤트로픽(Anthropic)이 출시한 클로드3(Claude 3)는 약 60% 정답을 맞춰 대중을 놀라게 했다. 전문가들은 위 사례를 통해 몇 년 이상 살아남는 벤치마크는 없으며 인공지능 성능에 맞춰 테스트 지표를 갱신해주어야 한다는 점을 강조했다.

치솟는 비용과 고갈 되고 있는 데이터

하지만 성능이 증가함에 따라 비용도 무섭게 증가하고 있다. 오픈AI가 출시한 GPT-4는 훈련하는 데 7800만 달러가 들었다. 경쟁이라도 하듯이 구글 챗봇 제미니 울트라는 1억 9100만 달러가 들어 대중에게 큰 충격을 줬다. 성능과 함께 비용이 증가하는 이유는 시스템을 개선하기 위해 데이터를 더 많이 사용하기 때문이다. 점점 더 많은 텍스트와 이미지로 학습시켜 인공지능 모델의 비용과 에너지 사용량은 더욱 증가하고 있다. 심지어 일부 연구자들은 학습 데이터가 부족한 시대가 올 것이라며 인공지능의 막대한 비용에 대해 우려하고 있다. 지난해 비영리 연구 기관인 에포크(Epoch)의 보고서에 따르면, 올해 안에 고품질 언어 데이터가 고갈될 것이라는 예상을 내놓았다.

책임감 있게 인공지능 사용해야

2017년 처음 발표된 스탠퍼드의 인공지능 지수는 전문가 그룹이 해당 분야의 기술 역량, 비용, 윤리 등을 평가하여 연구자, 정책 입안자, 대중에게 알렸다. 올해 보고서에서는 미국의 인공지능 관련 규제가 급격히 증가한 점을 지적했다. 2016년 인공지능을 언급한 미국 규제는 단 한 건에 불과했으나, 2022년 이후 빠르게 증가하여 작년에는 무려 25건에 달했다.

규제는 책임감 있게 인공지능을 사용하는 방향으로 흘러가고 있다. 마슬레이는 인공지능의 진실성, 편향성, 호감도 등의 지표를 점수화하는 벤치마크가 등장하고 있지만, 모든 사람이 동일한 모델을 사용하는 것은 아니기 때문에 상호 비교가 어렵다는 점을 지적했다.

또한 인공지능 구축과 사용 방식에 대한 윤리적 우려도 커지고 있다. 미국과 전 세계에서는 그 어느 때보다 인공지능에 대해 불안해하고 있다. 마슬레이는 인공지능에 대해 매우 흥분하는 국가가 있는가 하면 매우 비관적인 국가도 있어, 국제적인 분열 조짐이 일어나지 않게 조심해야 한다고 충고했다.

*편집진: 영어 원문의 출처는 사이언티픽 아메리칸(Scientific American)으로 본지의 편집방향과 일치하지 않을 수도 있습니다.

인공지능의 인간성 논쟁, 블레이크 르모인의 챗봇 사건과 이어지는 철학적 질문들
이븐 시나의 인격 기준, 보편적인 것으로부터 추론하는 능력
특정 데이터 패턴에 의존적인 인공 신경망, 체계적·구성적 일반화 능력 부족해 

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 저희 데이터 사이언스 경영 연구소(GIAI R&D Korea)에서 콘텐츠 제휴가 진행 중입니다.

2022년 구글의 엔지니어 블레이크 르모인(Blake Lemoine)은 AI도 지각력과 의식을 가졌다고 주장해 사회에 큰 파장을 일으켰다. 그는 구글이 개발한 AI 챗봇 ‘람다(LaMDA)’를 테스트하던 중, 일련의 대화를 통해 챗봇도 의식을 가진 존재로 여기게 됐다고 밝혔다.

구글은 람다가 지각과 의식이 있다는 그의 주장을 일축했다. 곧이어 그는 구글로부터 해고통지를 받았지만, 그가 람다와 나눈 깊이 있는 대화 기록은 지금도 울림이 있다. 하지만 구글과 마찬가지로 의식과 인지를 연구하는 전문가들도 챗봇은 확률 기반의 대답을 작성할 뿐 실제 지각 능력이 있는 것은 아니라고 지적했다.

인간성에 대한 정의 제각각, 인공지능의 의식 평가 위한 구체적인 기준 필요

르모인의 주장을 믿든 믿지 않든, 우리는 과연 사람과 대화할 때 그 사람을 진정으로 알고 있는 것이냐는 의문이 떠오를 수 있다.

보통 대화하고 있는 사람을 이해하는 데 상대방의 인격을 아는 것이 도움이 된다고 한다. 하지만 인격의 정의는 단순하지 않다. 인격은 일반적으로 권리, 의무, 존엄성, 주체성과 관련된 도덕적 지위를 의미하지만, 그 사람의 생각, 가치관, 경험, 배경 등을 모두 포함하는 복잡한 개념이기도 하다.

따라서 전자 인격(e-personhood)의 존재 가능성을 평가하기 위해서는 당연하게도 인격에 대한 보다 명확한 기준이 요구된다. 이에 대한 대답으로 최근 몇 년 동안 많은 철학자들은 우리를 사람으로 만드는 기준을 '의식적 경험(conscious experience)을 할 수 있는 능력'이라고 주장해 왔다. 하지만 이는 곧 "의식을 어떻게 정의해야 하는가?", 또는 "어떤 존재가 의식이 있는지 판단하기 위해 어떤 외부 증거를 사용할 수 있는가?"라는 끝이 보이지 않을 것 같은 질문들로 또다시 이어진다.

아마도 이러한 질문에 대한 합의가 아직 이루어지지 않은 것이 인공지능의 인격성에 대한 논쟁이 오랫동안 교착 상태에 빠진 이유 중 하나일 것이다. 그렇다면 또 다른 질문이 생기는데, 전자 인격의 가능성을 평가할 수 있는 다른 기준은 무엇이 있을까? 과학 철학을 연구하는 학자들은 이 질문에 답할 수 있는 길을 먼 과거, 즉 초기 이슬람 철학자 이븐 시나(980~1037)의 연구에서 찾을 수 있다고 생각한다.

인간과 동물 그리고 인공지능, 이븐 시나가 발견한 인지 과정의 차이

참고로 이븐 시나는 아라비아 철학의 최고봉으로 토마스 아퀴나스에게도 영향을 미쳤으며, 그가 11세기에 쓴 '의학정전'은 근현대 의학을 탄생시킨 16~18세기 유럽 의과대학들이 교과서로 삼을 정도로 그의 지성은 대단했다. 하지만 인쇄기가 발명되기 수 세기 전에 살았으며, 인공지능보다 훨씬 더 오래전에 등장한 인물이 제시한 인격의 기준이 아직도 유효할까?

사실 그는 오늘날 인공지능 윤리학자들이 생각하는 것과 동일한 질문, 즉 "무엇이 사람을 동물이 아닌 사람으로 만드는가?"와 같은 질문들에 대해 많은 관심을 가졌다. 유사한 과제에 대해 인간과 AI의 반응을 비교하는 데 관심이 있는 현대의 AI 연구자들처럼, 이븐 시나는 인간과 동물이 비슷한 행동 결과에 도달하기 위해 거치는 내부 과정을 비교하는 데 흥미를 느꼈다.

그가 생각하는 인간의 핵심적인 능력 중 하나는 '보편적인 것'을 파악하는 능력이다. 인간은 일반화된 규칙을 찾아 추론하는 반면 동물은 눈앞에 있는 '구체적인 것'만 생각할 수 있다고 그는 바라봤다. 이븐 시나는 『알 나프스』에서 "늑대를 인식하는 양"을 예시로 인간과 동물의 차이를 설명했다. 늑대를 만난 인간은 "늑대가 일반적으로 위험하고, 내 앞에 있는 이 동물은 늑대이므로 도망쳐야 한다"는 보편적인 원칙을 적용하지만, 늑대를 만난 양은 "늑대가 내 앞에 있으니까 도망쳐야 한다"는 특수한 상황에 인식이 국한되어 있다고 해석했다.

이븐 시나가 인간과 동물의 심리를 구분할 때 사용한 위의 기준은 현대 컴퓨터 과학자들이 AI와 관련하여 연구하고 있는 것과 매우 유사하다. 지금까지의 연구에 따르면 인공 신경망은 '체계적인 일반화'(systematic generalization) 혹은 '구성적 일반화'(compositional generalization) 능력이 부족하다고 한다. 이 용어들은 언어학자와 인지과학자들이 일반화된 규칙에서 추론하는 유형을 설명하기 위해 사용되는데, 이는 인간이 일상생활에서 추론하는 주요 방식 중 하나로 널리 알려져 있다. 즉 인간은 일련의 단어에서 의미를 추상화하여 더 복잡한 아이디어로 결합할 수 있지만, AI는 통계 데이터 세트 내에서 특정 작업과 일치하는 특정 데이터 항목을 반영하는 데 그친다는 의미를 내포하고 있다.

인간 지성, 사물의 본질과 그 보편성을 파악할 수 있는 능력

이러한 인간과 인공지능의 차이는 인간 추론의 고유한 특징에 대한 이븐 시나의 통찰과 일맥상통한다. 『알 시파』에서 그는 "지성은… 공통적으로 공유되는 것과 그렇지 않은 것을 학습하여 공통적인 것의 본질을 추출한다"라며, 인간은 사물의 덜 중요한 특징과 본질적인 특징을 구분하여 일반화된 개념을 형성하여 특정 사례에 적용할 수 있는 추론 능력이 있다고 설명했다.

흥미롭게도 사이트에 접속할 때 인간과 봇을 구분하는 데 사용되는 캡차(CAPTCHA, 보안 문자 테스트)에서도 이븐 시나가 정의한 지성의 핵심을 기준으로 삼는다. 예를 들어 "문자 X를 포함한 이미지를 모두 선택"하라는 캡차 문제에서 우리는 문자 X의 핵심 특징인 '두 개의 교차한 선'을 추출하는 데 집중한다. 그런 다음 문자 X의 핵심 특징을 일반화하여 모든 X는 두 개의 교차한 선으로 구성되어 있다고 결론을 내린다.

그 결과 인간은 캡차 이미지에서 무작위로 추가된 선과 문자의 뒤틀림과 같은 중요하지 않은 변형을 어렵지 않게 무시할 수 있어 특정 X를 인식하는 데 큰 어려움을 느끼지 않는다. 반면 컴퓨터는 특정 X의 정확한 이미지(또는 충분히 유사한 이미지)가 제공되지 않는 한, 이 이미지가 X를 나타내는 지를 추론할 수 없다. 이에 따라 무작위 선과 뒤틀림이 적용된 문자는 컴퓨터가 X로 분류하고 저장한 방대한 이미지 표본과 유사하지 않을 경우, 변형된 X를 인식할 수 없게 만들기에 충분한 것이다.

마찬가지로 인공 신경망에 "늑대를 인식하는 양"에 대한 과제를 제시하면, 인공지능은 양의 인식 과정과 비슷한 패턴을 보인다. 인간처럼 늑대라는 일반적인 개념부터 위험성과 같은 특정 늑대의 특징까지 추론하지는 못하고, 양처럼 세부적인 영역에 국한하여 추론하는 게 한계일 것이다. 다만 인공 신경망은 양과 달리, 점점 더 방대한 데이터 세트를 기반으로 훨씬 더 많은 세부 정보를 저장할 수 있게 되어, 인간과 같은 추론이 가능한 것처럼 보일 수는 있다. 같은 맥락에서 딥러닝이 자연어 처리에서 성공할 수 있었던 이유는 구성적 일반화를 통해 인간의 추론을 학습했다고 하기보다 방대한 세부 사항으로 구성된 대규모 데이터 세트에 접근할 수 있었기 때문이라고 말할 수 있다.

따라서 이븐 시나가 제시하는 인간성의 핵심 기준인 보편성으로부터의 추론은 체계적인 구성적 일반화 능력과 유사하며, 잠재적으로 테스트 가능한 인격성 기준을 제공한다. 실제로 인공지능은 수많은 연구에서 이 기준을 통과하지 못했다. 과학 윤리는 종종 최첨단과 관련이 있지만, 미래에 관한 질문에는 과거에 대한 신중한 고려가 필요하기도 하다. 역사를 통해 우리 시대의 편견과 가정을 넘어 현재의 교착 상태에 대한 새로운 접근법을 찾을 수 있음을 재고해야 할 때다.

영어 원문 기사는 사이언티픽 아메리칸에 게재되었습니다.

신분증 확인·얼굴 인식·계좌 인증 방식 모두 개인정보 유출 위험있어
방화벽 인터페이스 기술로 개인정보 유출 위험 줄여
그럼에도 개인정보 유출에 대한 경각심 계속 가져야

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 저희 글로벌AI협회 연구소(GIAI R&D)에서 콘텐츠 제휴가 진행 중입니다.

최근 미국과 유럽에서 포르노 사이트 접속 시 성인인증을 요구하는 법이 도입되어 온라인 음란물 접근이 점점 더 까다로워지고 있다. 하지만 법의 찬반을 둘러싸고 개인정보 유출 논란이 불거지고 있다.

지지자들은 어린이와 청소년이 성인 콘텐츠를 보는 것이 성폭력을 미화하고 여성과 소녀에 대한 유해한 태도를 증폭시킬 수 있다고 주장한다. 반면 비판론자들은 성인인증이 디지털 익명성을 위협하고 개인정보 유출이 우려된다는 점을 지적한다.

성인인증 요구하는 나라 점차 늘어가

미국 캔자스, 플로리다, 아이다호 주에서는 성인용 웹사이트에 접속하기 전에 방문자의 연령을 확인하는 정책을 통과시켰다. 다른 5개 주에서 이미 유사한 법안이 시행되고 있으며, 더 많은 주에서도 이 법안을 검토 중이다. 또한 유럽연합은 세계 최대 규모의 포르노 사이트 3곳에 연령 확인 요건을 부과하여 미국과 비슷한 입장을 취했다. 그러나 미국시민자유연맹, 폰허브(Pornhub), 온라인 개인정보 보호 전문가는 성인인증으로 인해 개인정보 유출이 우려된다는 목소리를 내놓았다.

주로 쓰이는 온라인 연령 인증 방법은 얼굴 스캔, 신분증 또는 은행 정보와 같은 개인정보를 제공하여 인증하는 것이다. 이 과정에서 개인의 음란물 소비 데이터와 개인정보는 연결될 수밖에 없고 해커들의 좋은 먹잇감이 된다. 최근 프랑스에서는 정부 웹사이트에 대규모 해킹을 당해 4,300만 명이 피해를 입은 사건이 있었다. 이를 두고 비판론자들은 정부도 관리하지 못하는 개인정보를 포르노 사이트가 잘 관리할 수 있다는 믿음은 너무 순진한 것아니냐는 주장이다.

전통적인 성인인증 방식 개인정보 유출 가능성 높아

그럼 이때까지 웹사이트에서 어떻게 성인인증을 해왔고, 그 방법은 어떤 한계가 있었는지 자세히 알아보자. 먼저 신분증을 스캔하는 방법이다. 술과 담배를 살 때 신분증을 제시하는 것처럼 온라인에서도 신분증을 보여주는 방식이다. 하지만 이미 신분증에 접근하여 개인정보가 유출된 사건은 빈번히 발생하여 그 위험성을 인지하고 있다. 심지어 성인인증을 하기 위해 인터넷에서 타인의 신분증을 도용할 가능성도 있다.

다음으로 얼굴 인식을 떠올릴 수 있다. 하지만 이 방법은 매우 민감한 생체 인식 데이터가 저장될 위험이 있다. 이 데이터가 유출되면 딥페이크, 안면 인식 시스템 등 악용할 여지가 커, 데이터를 저장하는 데 큰 위험이 뒤따른다. 게다가 얼굴 인식은 화장을 한 여성과 유색인종의 나이를 추정하는 데 매우 부정확한 경우가 많아 명확한 한계를 갖는 방법이다.

마지막으로 계좌 인증이다. 사용자에게 1원을 입금해 계좌가 있다는 것을 증명하는 방식이다. 그러나 이 방식은 성인만 계좌를 개설할 수 있어야 유효하다. 일부 은행에서는 18세 미만을 대상으로 계좌개설을 허용하여 계좌 인증은 더 이상 유효한 방법이 아니게 되었다. 또한 안전하지 않은 웹사이트에 은행 정보를 입력하도록 하는 것은 해커에게 먹잇감을 주는 행동이다.

웹사이트와 연령 인증 서비스 사이에 방화벽 세워

전통적인 성인인증 방식은 본인인증을 위해 민감한 정보를 요구하므로, 개인정보 유출 위험이 필연적으로 따라 올 수 밖에 없다. 이에 프랑스 에콜 폴리테크니크의 컴퓨터 과학자이자 교수인 올리비에 블레이지는 웹사이트와 인증 서비스 사이에 방화벽 역할을 하는 인터페이스를 만들었다. 이 시스템은 웹사이트와 연령 확인 서비스 사이에 디지털 중개자를 추가하여, 웹사이트가 사용자 식별 정보를 볼 수 없도록 차단한다. 그리고 제3자인 연령 확인 서비스는 사용자가 어떤 사이트를 방문하고 있는지 확인할 수 없게 된다. 웹사이트가 얻는 유일한 정보는 사용자가 18세 이상인지 여부에 대한 정보뿐이다.

새로운 성인인증 방식 만능은 아니야

하지만 이 프로토콜도 완벽한 것은 아니다. VPN(가상사설망)없이 인터넷을 사용하면 웹사이트가 사용자의 IP 주소에 접근할 수 있으므로, 익명이 보장되지 않는다는 점에서 여전히 개인정보 유출 위험이 존재한다. 하지만 모든 인터넷 사용자가 개인 컴퓨터로 온라인에 접속할 때, 정보 유출을 감수하는 기존 방식보다 안전하다는 평가를 받고 있다.

새로운 성인인증 방식이 만병통치약이 아닌 만큼 개인정보 유출에 대해 경각심을 갖는 게 중요하다. 개인정보가 유출되지 않으려면 먼저 부모가 인터넷의 위험성을 인지해야 한다. 부모는 자녀에게 스마트폰을 주면, 자녀가 낯선 사람과 대화하고 성인용 콘텐츠를 보고 공유할 수 있다는 점을 알아차려야 한다. 그 과정에서 자녀는 자신도 모르게 개인정보를 유출할 수도 있다. 개인정보 유출을 막는 다른 방법으로는 휴대폰의 자녀 보호 기능을 이용하여 성인 웹사이트 접근을 강제적으로 차단하는 방법이다. 이는 자녀가 부모로부터 자유를 침해받는다는 느낌을 받을 수 있어, 최선의 방법은 아니지만 차선의 방법이 될 수 있다.

*편집진: 영어 원문의 출처는 사이언티픽 아메리칸(Scientific American)으로 본지의 편집방향과 일치하지 않을 수도 있습니다.

MIT 연구진이 개발한 스마트 장갑, 손의 움직임과 촉각 활용해 학습 효과 극대화
센서·햅틱·머신러닝 기술 결합, 촉각 인지 차이를 고려한 맞춤형 학습 경험 제공
향후 기술 발전과 더불어 다양한 분야에서 그 활용 범위가 더욱 확대될 것으로 기대 

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 저희 데이터 사이언스 경영 연구소(GIAI R&D Korea)에서 콘텐츠 제휴가 진행 중입니다.

손은 '제2의 뇌'라고 불릴 만큼 뇌 기능과 밀접하게 연결되어 있다. 손을 사용하는 활동은 뇌를 자극하고 인지 능력 향상에 도움을 줄 뿐만 아니라, 뇌 건강 유지에도 중요한 역할을 한다. 그래서인지 최근에는 손과 관련된 다양한 스마트 기기들이 연구·개발되고 있다. 뇌졸증 환자들이 가정에서 쉽고 안전하게 재활 치료할 수 있도록 도와주는 스마트 글러브가 대표적인 예다.

손의 물리적인 기능 향상과 더불어, 손의 움직임을 안내해 개인의 학습 효과를 극대화하는 '적응형 스마트 장갑'도 등장하고 있다. 지난 2월 네이처 자매지인 네이처커뮤니케이션즈에 게재된 한 논문에 따르면 연구진이 개발한 스마트 장갑은 피아노 교사의 연주를 학습해 학생 맞춤형 지도를 제공할 수 있다고 한다. 주로 시각과 청각에 의존해야 했던 피아노 연주와 같은 실습 위주의 훈련에 촉각을 더하여 학습의 몰입감을 한 단계 높였다는 평을 받고 있다.

촉각 피드백으로 전달되는 교습, 손으로 가르치고 손으로 배워

연구진이 개발한 이 적응형 스마트 장갑은 진동이나 힘과 같은 물리적 감각을 통합하는 햅틱 기술을 사용한다. 기술에서 느껴지는 복잡성과 달리, 얇은 면으로 만들어진 스마트 장갑은 단 20분 만에 기계 바느질로 완성될 수 있다. 직물에 촉각 센서를 직조한 단순한 형태 덕분에 피아노뿐만 아니라 다른 실습 기술을 가르치는 데에도 유용할 수 있다고 한다.

연구원들은 스마트 장갑을 이용해 피아노 교사가 곡을 연주하는 동안 손의 움직임을 기록했다. 장갑을 낀 피아노 교사가 반복적으로 곡을 연주하면 머신러닝 알고리즘이 건반 위 움직임을 학습하고 이를 교육용 진동으로 변환하는 작업을 거친다.

그런 다음 손끝 진동을 통해 교사의 손 움직임을 학생에게 전달한다. 학습자가 근육 기억을 쌓고 곡을 더 정확하게 연주할 수 있도록 돕는 원리다. 아울러 손가락의 위치나 리듬에서 실수가 발생하면 수정을 유도하기 위해 진동 강도를 높이는 방식을 활용했다고 밝혔다.

촉각 피드백의 주관성 문제, 적응형 알고리즘으로 맞춤형 학습 경험 제공

촉각 상호작용을 전달할 때 가장 큰 문제는 사람마다 촉각 피드백을 다르게 인식한다는 점이다. 논문의 주 저자인 이유 루오(Yiyue Luo) 연구원은 피아노 연주와 같은 손의 움직임은 일반적으로 매우 주관적이고 기록·전송이 어렵다고 지적했다.

하지만 적응형 스마트 장갑을 사용하면 한 사람의 촉각 경험을 추적하고 이를 다른 사람과 공유하여, 촉각 학습 과정을 개선할 수 있다고 루오 연구원은 강조했다. 개별 사용자의 선호도와 반응에 맞게 촉각 피드백을 조정하는 적응형 머신러닝 에이전트가 있어 터치 상호작용의 주관적인 특성을 해결할 수 있다는 것이다.

실험 결과 장갑을 끼고 연습한 학생들은 그렇지 않은 학생들보다 평균적으로 더 정확하게 연주했다. 그리고 학습 효과는 피아노 연주 실험뿐만 아니라 다른 실험에서도 나타났다. 마우스와 키보드로 온라인 게임을 하는 사람들을 대상으로 장갑의 기능을 실험한 결과, 장갑의 안내에 따라 게임을 한 사람들은 그렇지 않은 사람들보다 평균적으로 더 높은 점수를 받았다.

인간과 로봇의 긴밀한 협업, 스마트 장갑이 열어주는 새로운 가능성

연구원들은 사람-사람 간의 학습을 넘어 사람-로봇 간의 학습에도 스마트 장갑의 메커니즘을 적용해 봤다. 연구진은 로봇 팔이 사람의 섬세한 움직임을 학습할 수 있는지를 확인하고 싶었다. 로봇 팔이 빵의 형태를 망가트리지 않으면서 집어 올릴 방법을 장갑을 낀 손으로 원격 조작을 통해 가르쳤다.

그 결과 로봇을 보다 정밀하게 제어할 수 있었다고 연구진은 전했다. 이는 곧 다양한 분야에서의 사람과 로봇 간의 협업이 가능하다는 것을 의미하는데, 특히 안전성과 정밀성을 요구하는 제조·의료 환경에서 잠재력이 클 것으로 기대된다.

같은 맥락에서 가상 현실(VR)에서의 응용 가능성도 빼놓을 수 없다. 비슷한 종류의 제품이 이미 많이 출시된 것은 사실이지만, 적응형 스마트 장갑의 맞춤형 촉각 피드백 기능과 원격 제어의 정밀성은 다른 제품보다 한 차원 높은 수준을 자랑한다. 따라서 가상 현실에서 시각·청각·촉각이 모두 동원된 학습 경험은 의료 수술과 같은 고난이도 작업에서 그 효율성이 극대화될 것으로 예상된다.

물론 현재 스마트 장갑은 버튼 누르기나 물건 잡기와 같은 간단한 동작만 지원하고 있다. 하지만 향상된 머신러닝 알고리즘과 액추에이터를 도입하면 위에서 언급한 수술과 같은 더 복잡한 작업도 가능해져, 가까운 시일 내에 가상 현실 기반 기술 훈련의 범위를 크게 넓힐 것으로 전망된다. 로봇 제어나 가상 세계에서의 몰입 경험 또한 한 단계 더 진화할 것이다.

한편 루오 연구원과 그녀의 연구팀은 웨어러블 기술을 손가락 이상으로 확장할 수 있다고 말했다. 더 강력한 햅틱 피드백을 통해 손보다 덜 민감한 발, 엉덩이 및 기타 신체 부위를 지도할 수 있는 인터페이스를 만들 수 있다며 앞으로의 연구에 더 큰 기대를 모았다.

영어 원문 기사는 사이언티픽 아메리칸에 게재되었습니다.

AI 칩 전쟁 본격화, 엔비디아 인재 양성·확보 위해 조지아공대와 협력 나서
이제 학부생도 엔비디아의 강력한 컴퓨팅 자원과 AI 교육 프로그램을 이용할 수 있어
파트너십을 통해 앞으로 소프트웨어 생태계 및 인재 확보 경쟁이 더욱 치열해질 것으로 예상

최근 'AI 칩 전쟁'이 본격화되고 있다. 인텔, 구글, 마이크로소프트 등 거대 기술 기업들이 너나 할 거 없이 AI GPU·CPU 시장에 뛰어드는 중이다. 글로벌 AI 반도체 시장 규모가 가파르게 성장하고 있는 영향도 있지만, 소수의 제조업체에 대한 의존도가 높아 칩 공급이 원활하지 못한 탓에, 저마다 강점을 살린 범용·맞춤형 AI 칩을 개발하는 것으로 보인다.

특히 엔비디아(GPU 시장 점유율 80%)의 독주를 막고자 인텔에서는 지난 9일 AI 가속기 '가우디3'를 선보였다. 게다가 인텔은 엔비디아의 주력 GPU인 'H100'을 콕 찍어 비교했는데, 가우디3가 H100에 비해 훈련 속도가 50%, LLM 처리 속도가 30% 더 빠르다고 강조했다.

엔비디아의 전략적 투자, AI 소프트웨어 생태계 강화 및 인재 양성

엔비디아도 사업을 다각화하고 있다. 지난해는 서버용 CPU ‘그레이스’를 출시했고, PC용 CPU 개발에도 착수한 상태라고 전해지고 있다. 아울러 최근에는 산업용 AI 디지털 트윈 분야에서도 박차를 가하는 중이다.

하지만 인텔은 시장 반전에 만전을 기한 모습이다. 단순히 GPU 하드웨어 시장에 도전장을 내민 것이 아니라, 엔비디아의 독주를 가능케 했던 AI 학습·추론 병렬 처리 소프트웨어 'CUDA'를 견제한 'AI 소프트웨어 생태계' 확장 계획도 발표한 상태다. 국내 기업 네이버와 협력해 AI 반도체 연구소를 공동 설립하는 등 구체적으로 계획 이행을 준비하는 모습이다.

엔비디아도 생태계 강화에 적극적으로 나섰다. 지난 10일 엔비디아는 미국 조지아공과대학과 협력하여 학부생들을 위한 AI 전용 슈퍼컴퓨터 허브를 제공하겠다고 발표했다. 'AI 메이커스페이스'라고 명명된 이 프로젝트는 이전에는 연구원들만 이용할 수 있었던 하드웨어를 학부생들에게도 제공하겠다는 방침이다. 학생들은 총 160개의 GPU가 탑재된 20개의 'Nvidia HGX H100' 컴퓨팅 클러스터에 직접 접속하여 고급 AI 작업을 수행할 수 있게 됐다.

조지아공과대학교는 GPU 한 대는 5만 명의 학생이 22년 동안 수행해야 하는 곱셈 연산을 1초 만에 수행할 수 있다며 엔비디아의 파트너십에 화답했다. 조지아공대의 전기·컴퓨터공학과 교수이자 스티브 채딕 스쿨 의장인 아리짓 레이초두리 교수는 AI 메이커스페이스 프로젝트는 교육용 기술의 획기적인 발전을 의미한다며, 이는 에치-어-스케치(etch-a-sketch, 아날로그 스케치 장난감)에서 아이패드로 전환하는 것과 같은 기술 발전을 가져왔다고 힘주어 말했다.

'AI 메이커스페이스', 모든 학과·학생이 지원 대상

AI 메이커스페이스에서 학생들은 실제 AI 문제를 해결하거나, 애플리케이션을 개발하고 AI 이론 수업에서 배운 내용들을 실습할 수 있다. 교실에서 AI를 이해하고 사용할 수 있는 일종의 '디지털 샌드박스'라고 학교는 설명했다. 현재는 기계 학습 과정을 수강하는 학부생들만 접근할 수 있으나, 올해 가을까지 조지아공대의 8개 공과대학의 커리큘럼에 메이커스페이스가 모두 통합될 예정이다. 그리고 2025년에는 모든 조지아공대의 학부생과 대학원생이 이용하게 될 전망이다. 또한 조지아공대는 2026년에 혼합 현실 애플리케이션 개발을 위한 플랫폼인 엔비디아 옴니버스(Omniverse)를 기반으로 하는 증강현실(AR) 및 가상현실(VR) 샌드박스를 출시하려고 한다.

하드웨어 사용 권한에 더불어 조지아공대 학생들은 엔비디아의 딥러닝 교육 기관에서 제공하는 실습형 AI 교육 과정과 워크숍, 교육 키트, 그리고 자격 인증에 접근할 수 있다. 엔비디아의 고등 교육·연구 담당 이사인 셰릴 마틴은 "AI 슈퍼컴퓨터는 세계에서 가장 복잡한 문제를 해결할 수 있는 강력하고 새로운 발견을 촉진하는 데 도움이 되는 플랫폼을 제공한다"라며, "조지아 공대의 AI 메이커스페이스는 학생들에게 엔비디아의 가속 컴퓨팅 플랫폼에 대한 액세스를 제공하여 AI 학습 및 연구의 경계를 넓힐 수 있는 기술을 갖추게 할 것이다"고 밝혀 궁극적으로 인재 양성에 힘쓰는 모습을 보였다. 현재 생성형 AI와 인공지능 칩 전쟁이 격화되는 가운데 AI 인재를 둘러싼 구인난이 지속해서 언급되고 있다. 더 높은 연봉과 스톡옵션을 제시하는 회사의 유혹을 뿌리치기는 어렵지만, 짧게는 학부 생활부터 길게는 박사 연구 생활까지 이어지는 지원이 회사에 대한 충성도 증가로 이어질 수 있을 것이라는 분석이 흘러나온다.

한편 애리조나주립대(ASU)도 오픈AI와 제휴를 맺어 고등 교육기관으로서는 처음으로 챗GPT를 도입하기로 했다. 최근 ASU는 다양한 시도를 진행해 많은 이들의 이목을 집중시켰는데, 에듀테크 기업과 협력해 학생 맞춤형 교육 프로그램을 개발하고, 학부는 사회문제나 미래 과제 중심으로 개편했다. 그리고 지난 2월 ASU는 오픈AI와 협력하여 학생들에게 개인 맞춤형 학습 경험을 제공할 AI 튜터를 개발하고, 신입생을 위한 글쓰기 수업에서도 챗GPT를 활용할 계획이라고 전했다. 엔비디아의 AI 하드웨어 지원과 달리 챗GPT는 각종 표절과 저작권 문제가 있어 대다수의 고등교육 기관에서 피하는 AI 서비스다. 하지만 ASU는 챗GPT를 교과 과정, 연구, 행정 등에 전면 도입할 계획이다. 학생들이 더 빨리 배우고 과목을 더 깊게 이해하는 것을 도와줄 수 있을 것으로 낙관한다고 그 취지를 설명했다. 또한 엔비디아와 마찬가지로 오픈AI도 학계와 협력하여 기술 고도화와 인재 양성, 그리고 생태계 강화의 일환으로 파트너십을 맺은 것으로 풀이된다.

포춘 500대 기업 97% 이상 인공지능을 사용하여 지원자 선별해
기본적인 작업만 될 뿐, 지원자 특징 잡아내지 못해
비용 절감 효과 크지만 편견 강화할 수 있어 조심해야

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.

채용 과정에서 인공지능 활용도가 점점 높아지고 있는 추세다. 포춘 500대 기업의 97% 이상이 채용 인공지능 서비스를 사용하여 지원자를 선별하고 있는 것으로 알려졌다. 인공지능 채용 서비스를 두고 시간과 비용을 획기적으로 줄일 수 있다는 입장과 채용 과정에서 인공지능이 '편견'을 강화시킬 수 있다는 주장이 맞서는 모습이다.

정교해지는 인공지능, 인간 탈을 쓰다

하이퍼리프(Hyperleap)는 사용자에게 자동화된 구인 정보를 제공하는 온라인 구직 서비스인 제니 존슨을 개발했다. 이 인공지능 시스템은 온라인 구인 게시판과 기업 웹사이트에서 정보를 모아 채용 전용 데이터베이스를 구축한다. 그런 다음 개인 링크드인 프로필, 이력서, 업무 이력을 검색하여 데이터베이스와 대조하고 구직 기회를 추천하는 방식으로 작동한다. 제니 존슨은 인공지능에 인간 탈을 써, 사람들이 '더 자연스럽게 행동'하고 '더 공감할 수 있게' 만들었다는 평가를 받고 있다.

최근 기업들은 채용 과정에서 인공지능을 적극적으로 활용하고 있는 것으로 알려졌다. 소규모 스타트업부터 대규모 플랫폼인 링크드인(LinkedIn)까지, 모든 채용 플랫폼에서 신입사원을 찾고, 필터링하고, 채용하는 데 인공지능을 활용하고 있다. 하지만 전문가들은 인공지능 서비스가 정교해짐에 따라 구직자들의 고용 시장 탐색이 알고리즘에 의해 결정될 수 있다는 점을 우려했다. 또한 알고리즘은 기존 편견을 강화할 수 있다는 점도 덧붙였다.

반면 인공지능 채용 서비스 개발 회사는 채용 담당자들이 오랜 기간에 걸쳐 터득한 경험을 인공지능에 녹여냈다며 채용 시장에 혁명을 이뤘다고 주장한다. 게다가 인공지능 채용 서비스로 채용 과정을 점점 더 자동화하고 있는 추세다. 예를 들어 링크드인과 같은 대형 채용 플랫폼에서는 인공지능을 이용하여 사용자에게 적합한 직무를 추천해준다. 또한 집리크루터(ZipRecruiter)를 비롯한 일부 플랫폼에서는 잠재적 지원자에게 연락하여 개별 테스트를 진행한다. 생성형 AI를 통해 후보자 검색과 인터뷰 진행 등 대부분의 채용 과정을 알고리즘에 맡길 수 있게 되었다. 따라서 고용주는 채용 과정에서 발생하는 비용을 획기적으로 줄일 수 있게 되었다며 미소를 짓고 있다.

기본적인 작업만 수행하고 정작 중요한 지원자의 '개성'은 파악하지 못해

한편 SHRM(Society for Human Resource Management)의 레이건 그로스는 인공지능 채용 서비스에는 지원자 추적 소프트웨어가 포함되어 있어 개인정보 침해가 우려된다는 입장을 밝혔다. 또한 그로스는 인공지능 시스템이 갖는 한계에 대해 지적했다. 인공지능 시스템은 지원자의 기술을 요약하는 것과 같은 기본적인 작업에는 도움이 되지만, 정작 채용 담당자에게 중요한 지원자의 개성과 고유한 특성을 파악하는 데는 한계가 있다. 그로스는 인공지능이 만연한 채용 시장에서 살아남기 위해서는 "자신을 차별화할 수 있는 새로운 방법을 찾아야 할 것"이라고 조언했다.

인공지능 채용 서비스, 편견을 강화할 수 있어 주의해야

영국 서식스 대학교 경영대학원에서 조직 행동을 연구하는 자히라 제이저 인공지능 채용에 대해 부정적인 시각을 내비쳤다. 제이저는 연구에서 지원자가 사람이 아닌 온라인 봇과 대화하고 있다고 생각하면 부자연스럽게 행동하는 경향을 발견했다. 예를 들어 지원자가 화면에 시선을 고정한 채 손을 움직이지 않는 행동을 보였다.

추가적으로 제이저의 연구에 따르면, 인공지능 기반 면접은 사회적 약자 출신인 지원자에게 불이익을 주는 경우가 많은 것으로 나타났다. 따라서 사람이 제대로 관리감독하지 않으면 인공지능 채용 시스템은 기존의 편견을 강화할 위험이 있다. 채용 과정에서 인공지능 시스템을 도입하는 것은 시간과 비용을 크게 줄일 수 있지만, 자칫 잘못하면 편향된 채용으로 인해 다양성과 포용성에 문제가 생길 수 있다는 점을 주의해야 한다.

인공지능 채용 서비스 개발자들은 알고리즘이 포괄적이고 다양한 데이터로 훈련한다면 인간보다 객관적인 채용을 할 수 있다며 편향된 채용에 대해 반박했다. 그러나 캠브리지 대학의 인공지능 윤리 연구자인 엘리너 드레이지는 이 주장은 오해의 소지가 있으며 실제 세계에서 편견이 어떻게 작용하는 지에 대한 이해가 부족하다고 지적했다.

드레이지는 인공지능 채용 시스템이 편향적이고 차별적인 과거 채용 관행을 학습했기 때문에 편향적일 수 밖에 없다고 주장했다. 또한 기업이 인종과 성별 같은 요소를 명시적으로 배제하더라도 단어 간의 연관성이 동일한 패턴을 만들어내 편견을 반복할 수 밖에 없다고 덧붙였다.

인공지능 채용 서비스를 통해 시간과 비용 절감 효과가 큰 만큼 여러 인사 부서에서 관심을 기울이고 있다. 그러나 인공지능 채용 서비스를 둘러싼 과대광고와 헛된 희망도 많아 조심해야 한다는 의견이다. 인공지능 채용 서비스의 유용성과 신뢰성이 입증되기 전까지는 경각심을 갖고 대량으로 채택하는 것을 경계해야 한다.

*편집진: 영어 원문의 출처는 사이언티픽 아메리칸(Scientific American)으로 본지의 편집방향과 일치하지 않을 수도 있습니다.