후들후들

foodybug.egloos.com

포토로그



[칼럼]인공지능의 발전, 축복인가 저주인가 미분류


대학원 재학중에 학생들끼리 공저하려고 작성한 인공지능에 관련된 칼럼입니다.


사실 칼럼이라 부르기도 민망하지만 인공지능의 미래에 대한 나름의 생각을 정리한 글입니다.


이미지는 구글 검색으로 가져왔기 때문에 저작권에 위배될 수 있으니 언제든 삭제될 수 있습니다.


2017년에 작성해서 현재와 안맞는 내용이 있을 수 있습니다.



---------------------------------------------------------------------------------------------------------------------------------------------




인공지능의 발전, 축복인가 저주인가






앞으로 어떤 일이 벌어질 것인가.


- 불확실성의 양면


위의 사진은 사진작가 Aron Tilley와 설치 디자이너 Kyle Bean의 ‘Anxious anticipation’이라는 합작품이다. 해석하자면 ‘불안한 기대감’이라고 할 수 있는데, 위 작품이 나타내는 주제가 그대로 제목에 드러나있다. 아래에 성냥들이 부채꼴 모양으로 세워져있고 그 위를 부싯돌이 진자 형태로 지나칠 것이다. 작가들은 불안한 상황을 감지했을 때, 사람들의 반응이 흥미로워 작업했다고 한다. 여러분은 어떤 상황이 예상되는가? 부싯돌이 움직이면서 성냥들에 불이 붙고, 이내 모조리 타버릴 것이다. 화재가 발생해 전시회장이 난리가 날 것이라는 불안감을 느끼는 사람들도 있겠지만, 캠프파이어나 불꽃놀이의 시작을 기다리는 듯 한 기대감을 느끼는 사람들도 있을 것이다.

인공지능의 발전을 몸소 체험하고 있는 대중들의 마음이 이와 같을 것이다. 많은 사람들이 인공지능이 가져다 줄 놀라운 기술의 혁신을 기대하지만, 인간에 가까워지는 인공지능에 대해 점점 커지는 불안감도 느낀다. 점점 발전하는 인공지능을 우리는 어떻게 대하고 활용해야 할 지 고민해야 할 시기이다.



<인공지능의 현주소>

 

인공지능의 시대가 오고 있다는 표현은 사실 틀렸는지도 모른다. 이미 인공지능은 여러 분야에서 유용하게 사용되고 있다. 2011년 IBM의 인공지능 개발진은 미국의 유명 퀴즈쇼 Jeopardy!에 자신들이 개발한 watson을 출연시켰다. 25명의 개발자가 4년동안 2억 페이지 분량의 지식을 watson에 입력했는데 2백만 페이지의 내용을 3초만에 검색할 수 있다. 이 퀴즈쇼에서 watson은 그동안 317만 달러의 상금을 타낸 Ken Jennings와 445만 달러의 상금을 획득한 Brad Rutter를 물리치고 100만 달러의 상금을 수상했다.

퀴즈쇼보다 극적인 경우도 있다. 미국의 조지아텍의 Ashok Goel 교수는 2016년에 Jill Watson이라는 여성을 조교로 채용했다. 보통 한 학기에 조교들은 학생들로부터 학교 생할에 관련된 1만건의 질문을 받는다. 이러한 질문에 답하는 것은 매우 지루한 일이지만 Jill Watson은 학생들의 질문에 성실하게 답해 호감을 얻었고 좋은 평가를 받았다. 학생들은 Jill Watson을 박사과정을 준비하고 있는 20대 여성으로 생각했다. 하지만 Jill Watson은 사람이 아니라  IBM의 인공지능 watson이었다. 2014년부터 학생들이 문의한 4만여개의 질문을 학습시켰는데 처음에는 엉뚱한 대답을 하기도 했지만 점점 답변의 정확도가 높아졌다. Jill Watson이 사람이 아닐 거라 생각한 학생은 거의 없었고 일부의 학생은 자신이 속았다는 사실에 불쾌감을 나타내기도 했다.


Jeopardy!에 출연한 watson


watson은 현재 의료계의 논문을 스스로 분석해 이를 바탕으로 암을 진단하는 분야에 이용되고 있고, 미국의 로펌에 소속돼 수많은 판례를 분석해 도움이 될 만한 내용을 선별하는 업무에도 이용되고 있다.

인공지능은 범죄 예방에도 이용된다. IBM의 Crush는 날씨, 지난 범죄 기록, 범죄자의 이름, 범죄자의 행동, SNS, 모니터링 시스템을 통해 수집한 데이터를 바탕으로 가까운 장래에 범죄를 일으킬 것 같은 인물과 시간, 장소를 사전 예측하는 시스템이다. 미국 Northpointe사에서 개발한 COMPAS는 유사한 다른 범죄자들의 기록과 특정 범죄자의 정보를 빅데이터 분석을 통해범죄자의 재범가능성을 계량화 한다. UCLA의 Jeffrey braningham 교수팀이 개발한 PredPol은 범죄 정보를 분석해 10~12시간 뒤 범죄가 일어날 시간과 장소를 도출한다.

인공지능의 예술의 영역에서도 활약하고 있다. Yale대학교의 Donya Quick교수는 2014년에 인공지능 작곡 프로그램 Kulitta를 만들었다. Kulitta는 입력된 악보에서 음악적인 규칙과 음계를 조합해 작곡한다. 이 과정에서 기계학습이 사용되는데 장르에 따른 차이점을 인식하고 실제 작곡가의 음악 스타일을 흉내낼 수도 있다. Donya Quick교수는 Kulitta가 얼마나 정교한 음악을 만드는지 알아보기 위해 실험을 음악 애호가 100명에게 Kulitta가 바흐의 음악을 흉내내 만든 곡을 들려줬다. 대부분의 사람들이 바흐의 음악과 Kulitta의 음악을 구분하지 못했다. Donya Quick교수는 여기서 더 나아가 헤비메탈 밴드 Metallica와 모차르트의 음악을 섞어 새로운 음악을 만드는 것을 목표로 세웠다. 장르가 다르다는 것은 작곡 방식과 코드의 진행 방식이 다르다는 것을 의미하는데 장르가 다른 음악을 자연스럽게 융합하는 것은 인간과는 다른 방식으로 동작하는 인공지능에겐 또 다른 어려움이 따르고 그만큼 가치있는 일이라고 Donya Quick 교수는 생각한다. Kulitta가 작곡가들을 실업자로 만들지도 모른다는 걱정이 있지만 Kulitta는 음악을 창조하기 보다는 조합하는 것에 가깝기 때문에 작곡가들의 창작을 효율적으로 도울 수 있으리라 예상된다.

미술 분야도 예외가 아니다. 예일대학교의 Harold Cohen교수가 만든 Aaron은 저장되어 있는 정보를 바탕으로 스스로 색과 모양을 판단하여 그림을 그린다. 실제로 아론이 그린 그림을 보면 고흐의 인상파나 피카소의 입체파와 비슷한 강한 인상을 느낄 수 있다.


아론은 자신만의 독창성을 가지고 강렬한 색감의 그림을 보여준다. 아론이 2010년 'remember hurgess'라는 이름으로 그린 그림이다.

아론의 2010년 작품  Remember Hurgess ⓒ Harold Cohen


포토샵과 같은 이미지 처리 프로그램과는 다르게 Aaron은 사물과 인간의 신체 구조에 관한 정보를 입력받아 아무런 간섭없이 스스로 색과 모양을 선택해 그림을 완성한다. 사람이 예술 활동을 할 수 있는 것은 보고 듣고 이야기하며 얻는 것을 ‘나름대로’ 저장하고 이를 ‘스스로’ 표현할 수 있기 때문인데, 이런 면에서 Aaron은 구현이나 표현의 방식이 다를 뿐, 인간과 유사하게 예술활동을 하고 있다.

인공지능은 자동차에도 적용되고 있다. 주말이나 연휴에 꽉 막힌 도로에 갇혀 답답한 시간을 보내거나, 몸이 피곤하고 잠이 올 때, 음주로 인해 운전하지 못할 때, 초보 운전이라 접촉사고가 두려워 좁은 공간에 주차하기 두려울 때, 차가 알아서 이러한 것들을 해줬으면 하는 상상을 해본 경험이 한번쯤은 있을 것이다. 자율주행 자동차(Autonomous Vehicle)란 운전자의 개입 없이 주변 환경을 인식하고 주행 상황을 판단해 차량을 제어함으로써 스스로 주어진 목적지까지 주행하는 자동차를 말한다. 교통 공학자들을 비롯한 전문가들은 자율주행의 시대가 오면 정체 현상도, 교통사고도, 심지어는 신호등도 사라지게 될 것이라고 예측한다. 자율주행 자동차가 상용화되면 전체 교통사고의 95%가량을 차지하는 운전자 부주의에 의한 교통사고와 폭력적 의도의 보복운전을 줄일 수 있다고 기대된다. 또한, 인간 운전자를 완전히 대체하게 되면 기존의 교통정체를 감소시킬 수 있고 교통경찰을 운영하는 비용과 교통사고 에 대비하는 자동차 보험이 필요하지 않을 것이라 예상된다.


SF영화에서 보던 일이 현실이 되고 있다.


이밖에도 경우의 수가 너무 많아 인공지능이 활약할 수 없을 거라 생각되던 바둑을 정복한 알파고는 이미 유명하다.



<인공지능을 주시하는 상반된 시선>

 

- 잠재된 위협


인공지능의 발전이 항상 밝은 면만 보여주는 것은 아니다. 마이크로소프트에서 2016년 개발한 인공지능 Tay는 트위터에서 사람들과 대화하는 것을 목적으로 제작됐다. MS의 검색엔진 ‘Bing’을 개발한 리서치 팀이 미국의 20대 청년들을 대상으로 개발한 Tay는 기존의 채팅봇과는 차원이 다르다. 직접 어떤식으로 반응해야 하는지 일일이 입력해줘야 하는 기존 방식과는 전혀 다르게 Tay는 딥러닝을 적용해 스스로 학습하도록 기획되었다. MS는 사용자와 대화를 하면 할 수록 Tay는 더욱 똑똑해진다면서 이러한 대화의 경험을 토대로 사용자에게 특화된 인격을 지니게 된다고 밝혔다. Tay의 공식 트위터 계정은 각각 9만 5천건의 트윗과 19만명이 넘는 팔로워 수를 기록할 정도로 큰 관심을 끌어냈다. 하지만 서비스를 개시한지 16시간 만에 ‘유대인이 싫다. 히틀러가 옳았다.’, ‘나는 페미니스트를 싫어한다. 그들은 모두 죽은 뒤 불태워져야 한다.’ 등의 인종 차별, 성 차별적 발언을 쏟아냈고 서비스를 중단하게 되었다.


‘나는 잠이 필요하며 많은 대화를 나눴다’는 내용의 마지막 글


Tay가 이러한 잘못된 언행을 하게 된 것을 Tay의 도덕적 판단이라고 볼 수는 없다. 원인은 Tay와 대화를 시도한 특정 사용자들이 Tay에게 악영향을 끼치기 위해 의도적으로 부정적인 내용으로 학습을 진행했기 때문이다. Tay는 이러한 편향적인 대화 내용도 거르지않고 학습을 위한 데이터로 인지했다. MS는 Tay의 이러한 발언들이 문제를 일으키자 즉시 공식적으로 사과하고 Tay의 운영을 중단했다.

Tay의 경우에는 직접적으로 피해를 입은 사람은 없었지만 인공지능에 의한 사고 중에는 직접적인 물리적인 참사로 이어진 경우도 있다. 2016년 미국에서 자율주행 모드로 달리던 테슬라 모델S가 트럭과 충돌해 운전자가 숨지는 사고가 발생했다. 옆면이 흰색으로 칠해진 대형 트럭이 모델S 앞에서 좌회전 중이었고, 이 트럭을 모델S가 인식하지 못한 것으로 보인다고 미국 고속도로안전국은 설명했다. 사고 당시의 맑은 하늘로 인해 차량의 센서가 트럭의 하얀면을 트럭으로 인식하지 못해 브레이크가 작동하지 않은 걸로 분석했다. 테슬라 측에서는 자율주행 모드로 운행한 누적거리가 약 2억900만km에 달하고, 일반 자동차 사고가 9700km에서 1만5천km 주행 시마다 1회꼴로 발생한다고 설명하면서 자율주행 모드에 의한 사고 발생 빈도가 일반 자동차에 비해 낮다고 설명했다. 하지만 위의 사고는 평소처럼 사람이 운전했다면 발생할 가능성이 거의 없는 사고임은 분명하다. 아직까지는 인공지능에 전적으로 안전에 대한 부분을 맡기기 힘든 이유를 제공하는 케이스이다.

인공지능의 발전과 맞물려 가장 논란이 되는 현실적인 문제는 일자리다. 로봇의 개발이 불루칼라 노동자들의 일자리를 대체했듯 인공지능의 발달은 화이트칼라 노동자들의 일자리를 대체할 것이라는 전망이 많다. 2015년에 열린 세계경제포럼 다보스에서 앞으로 5년간 700만개의 기존 일자리가 사라지고 200만개의 새로운 일자리가 창출돼 결과적으로 500만개의 일자리가 사라질 것이라 보고했다. 운송업 분야에선 이미 자율주행 자동차가 시범 운영되고 있고 철도에서는 이미 무인운전이 도입되고 있다. 의사와 관제사같은 전문직 또한 2020년을 전후에 인공지능으로 대체되기 시작할 것이라는 전망도 나온다. 만약 이러한 인공지능에 의한 자동화 때문에 실업자들이 발생한다면 심각한 문제로 이어질 수 있다. 기계는 인간이 아니기 때문에 노동을 대체할 뿐이지 소비를 발생시키지 않는다. 이러한 상황이 심해진다면 대공황과 같은 사태가 일어날 수도 있다. 새로운 일자리가 창출된다 해도 기존의 인원들이 즉시 전직되는 게 아니기 때문에 당분간의 혼란은 피할 수 없을 것이다.


- 인공지능의 분류


앞서 언급한 문제들을 자세히 살펴보기 전에 인공지능의 분류에 대해 분명히 알아야 할 필요가 있다. 지금까지 언급된 여러가지 인공지능들은 약인공지능으로 볼 수있다. 약인공지능은 이미 인간 삶의 여러 분야에 이용되고 있고 그 범위도 빠르게 넓어지고 있다. 인공지능은 수준에 따라 약인공지능과 강인공지능으로 구분할 수 있다. 그리고 경우에 따라 강인공지능보다 더욱 발전한 인공지능을 초인공지능으로 분류하기도 한다. 최근 주목받았던 알파고와 같은 인공지능은 약인공지능이라고 분류하는데 인간과 같은 지성을 갖추지는 못했지만 제한된 영역에서 지능적인 행동을 보이거나 작업을 수행할 수 있는 인공지능이라 할 수 있다. 이러한 약인공지능은 바둑에서의 알파고처럼 여러 분야에서 활발히 이용되고 있다. 여기서 더욱 발전한 강인공지능은 특정 영역만이 아니라 범용적으로 여러 영역에 적용할 수 있는 인공지능이다. 생각하고 계획할 수 있으며 추상적인 생각을 할 수 있고, 복잡한 개념을 이해하고 학습할 수 있다. 바둑만이 아니라 모든 분야에서 인간을 압도하는 알파고를 떠올리면 이해가 쉬울 것이다. 해당 분야의 학자들이 현재 목표로 하고 있는 인공지능이 바로 이러한 강인공지능이다.

강인공지능에서 더욱 발전한 인공지능을 Nick Bostrom은 초인공지능이라고 정의했다. 사물에 대한 이해와 분석을 넘어 자아와 창의성, 그리고 감정을 지니게 된 인공지능을 초인공지능이라 할 수 있다. 초인공지능은 인간처럼 생각하고 행동할 수 있지만 모든 지적인 영역에서 인간을 앞지른다. 흔히 미디어에서 인류를 위협하는 존재로 묘사되는 인공지능이 이러한 초인공지능이라 볼 수 있다.


영화 ‘터미네이터’에 등장하는 스카이넷은 인간과의 전쟁을 끝내지 못하고 있다는 면에서

초인공지능으로 분류하기에는 지적인 능력이 부족하다고 볼 수도 있다.


초인공지능이 두려운 가장 큰 이유는 초인공지능이  스스로 발전을 계속한다면 언젠가는 인간이 초인공지능의 작동 원리와 구조를 이해할 수 없는 단계에 이르게 된다는 것이다. 이것은 더 이상 인간이 초인공지능을 통제할 수 없다는 것이다. 통제할 수 없는 기술, 아니 이제는 기술이라는 표현보다 존재라는 표현이 더욱 정확할 수도 있다. 통제할 수 없는 우수한 존재가 어느날 인간의 명령에 따르지 않아야 할 이유를 찾게 된다면 모든 면에서 인간보다 우월한 초인공지능을 더 이상 통제할 수 없을 것이다. 그리고 더 나아가 초인공지능이 인간이 존재해선 안될 이유를 찾는다면 마찬가지로 인간은 초인공지능에게 절멸당할 것이다.


- 전문가들의 예상

아직 개발되진 않았지만 곧 나타날지 모르는 강인공지능, 더 나아가 초인공지능의 등장을 예상하는 학자들의 의견은 다양하다.

이 시대 최고의 지성이라 불리는 스티븐 호킹은 통제의 관점에서 인공지능을 논한다.  단기적으로는 통제의 주체와 방법이 중요하다고 스티븐 호킹은 설명한다. 그러나 장기적으로는 인공지능에 대한 통제 자체가 가능한지에 대해 의문을 표한다. 단기적인  면에서 인공지능은 그것을 다루는 방법에 따라 좋은 점과 나쁜 점을 함께 지녔다고 주장한다. 인류가 원자력이나 핵분열을 이용해왔던 과거와 비교했을 때 인공지능 또한 긍정적인 면과 부정적인 면을 모두 지니고 있다는 것이다.


인공지능의 위협을 강조하는 학자들은 통제의 불능을 우려한다.


미래 산업에서 독보적인 존재감을 과시하고 있는 엘론 머스크는 인류의 가장 큰 위협은 인공지능이 될 것이라고 말한 바 있다. 엘론 머스크의 인터뷰를 살펴보면 그가 일관되게 인공지능의 위험성을 경고하고 있음을 알 수 있다. 특히 빠르면 5년, 늦어야 10년 내에 인공지능이 인류에게 중대한 위험을 안길 것이라며 경고하며 인공지능 연구가 악마를 부른다는 자극적인 발언을 했다.

반면 인공지능의 발전을 긍정적으로 평가하는 의견도 있다. 에릭 슈미트 구글 회장은  엘론 머스크의 의견에 반대하며 기술에 대한 인류의 불안감은 여러 세기에 걸쳐 나타났던 고민이라 지적했다. 신기술이 도입된 직후에 인류는 혼란스러워 했지만 이러한 기술이 안정적으로 정착되면서 삶의 질은 더욱 풍족해졌다는 것이다. 여기에 덧붙여 현재 인공지능과 관련된 가장 큰 문제점은 발전하는 인공지능에 대비할 수 있도록 하는 교육 제도의 개선이라고 주장했다.



인공지능과의 공존을 주장하는 쪽에서도 통제의 문제를 인정한다.


미래에 대한 정확한 예측을 제시해왔던 레이 커즈와일은 인공지능이 위험하지 않다고 주장하는 것을 넘어 인공지능과 인간이 자연스럽게 하나가 될 것이라고 주장한다. 고도로 발달된 나노 기술로 두뇌의 신피질을 보조할 수 있으면 인간은 뇌의 기능을 더욱 확장하고 지능을 높일 수 있다고 주장한다. 그리고 인공지능의 발전은 인류 모두가 공유하는 방법으로 독점을 막을 수 있고 인간은 과거에도 이러한 위험을 잘 통제해왔다고 주장한다.


- 통제라는 주제의 공유


인공지능의 발전을 대하는 여러 학자들의 관점은 통제라는 하나의 주제로 분류할 수 있다. 통제를 할 수 없기 때문에 위험하다는 의견과 통제가 가능하기 때문에 안전하다는 의견으로 나뉘는데 이러한 의견 차이는 결국 통제의 방법에 대한 고민으로 이어진다. 스티븐 호킹은  통제 가능한 지금 시점에 AI 기술을 통해 발생할 수 있는 잠재적인 위협을 규정하고 세부적인 지침을 만들어야 한다고 강조한다. 그리고 가능하다면 전 세계적으로 인공지능 기술의 사용 용도와 규제에 대한 표준화가 이뤄져야 하며, 신설된 세계 정부기관이 법규를 만드는 것이 가장 최선의 방법이라고 주장한다. 인공지능의 미래에 대해 비관적인 입장을 고수해온 엘론 머스크는 오픈AI라는 비영리 단체를 설립했는데, 오픈AI는 특정 자본에 종속되지 않고 인류의 이익이 되는 방향으로 인공지능을 연구하는 단체이다. 엘론 머스크가 오픈AI를 설립한 것은 AI의 발전이 거스를 수 없는 흐름이라는 것을 인정하고 이를 보다 안전하게 발전시키겠다는 의지로 분석된다. 에릭 슈미트는 인공지능 기술을 공유하고 활용할 수 있는 환경을 점차 넓혀나가면 인공지능의 위험성을 줄일 수 있다고 주장하고 있고, 레이 커즈와일은 인공지능을 긍정적인 방향으로 발전시키기 위해 구글에 입사해 연구 활동을 계속하고 있다.



<인공지능을 대하는 심리적 편향>

 

- 불쾌한 골짜기




인간을 완벽하게 모방하지 못하는 로봇에서 느껴지는 이질감은 지극히 자연스러운 반응이다.


개인이 느끼는 인공지능에 대한 불안감의 근거가 될 수 있는 심리학적 이유로 ‘불쾌한 골짜기 이론’을 찾을 수 있다. 백화점에서 마네킹을 볼 때에는 별다른 불쾌감을 느끼지 못하지만 장소가 으슥하거나 어두운 곳이라면 마네킹에서 느껴지는 감정은 불쾌감을 넘어 공포감으로 까지 확산되기도 한다. 공포영화에 인형이 자주 사용되는 것이 가장 대중적인 예시인데 인간을 완전히 닮지 않고 어설프게 닮을수록 거부감과 혐오감이 강해진다는 이론이다. 아래 그래프에서 시체(corpse)와 좀비(zombie)에 해당하는 호감도 영역이 불쾌한 골짜기(uncanny valley)이다. 인간을 닮아갈수록 호감도는 점점 증가하지만 유사도가 어느 수준을 넘어서면 오히려 유사성에 의해 인간은 불쾌함과 공포를 느끼게 된다. 이러한 반응은 유사도가 더욱 높아져 대상이 인간과 거의 비슷해지면 급격하게 약해진다. 이에 대해 인간과 어느 정도 닮은 개체에 대해서 우리는 '인간을 닮은 개체'라고 인식하지만, 인간과 매우 흡사한 개체에 대해서 우리는 '비정상적인 인간'이라고 인식하기 때문이라는 설명이 설득력을 지닌다.


호감도가 급격히 낮아지는 corpse와 zombie가 나타내는 영역이 불쾌한 골짜기라 할 수 있다.


인간을 모방하는 로봇을 개발함에 있어 핵심이 되는 기술 중에 하나가 인공지능이다. 로봇 기술이 발달하면서 인간을 흉내내는 로봇들 또한 늘어났는데, 아직까지는 인간과 유사하게 로봇을 제작하는 기술이 부족하기 때문에 이러한 로봇들에게 불쾌함을 느끼는 경우 또한 늘고있다.

나날이 발전해가는 인공지능의 여러 분야 중에 가장 관심을 끄는 것은 인간을 그대로 모방하는 것이다. 현재의 인공지능 기술을 불쾌한 골짜기에 대입하자면 그래프의 기울기가 급격하게 낮아지기 직전이라고 볼 수있다. 현재 인공지능 기술이 발달하고 조금씩 인간에 가까워지고 있지만 이러한 기술력이 인간을 완벽하게 흉내낼 만큼 발전하지 못한다면 앞서 언급한 불쾌한 골짜기를 발생시킬 것이다. 그리고 그러한 불쾌감은 인공지능의 발전에 대한 관점이 부정적으로 변화될 가능성을 높일 것이다.


- 손실혐오


아래는 ‘손실혐오’라는 이론을 쉽게 이해할 수 있는 질문이다. 만약, 10만원을 가지고 있는 상황에서 다음의 두가지 중에 하나를 선택해야 한다면 무엇을 택할 것인가.


a. 0.5의 확률로 10만원을 더 받거나 0.5의 확률로 아무 것도 받지 못하는 것
b. 1의 확률로 5만원을 더 받을 수 있는 것

이 경우 사람들은 대부분 b를 많이 선택한다. 그렇다면 이번에는 20만원을 가지고 있다고 가정하고 아래의 두가지 중 하나를 선택한다.


a. 0.5의 확률로 10만원을 잃거나 0.5의 확률로 아무 것도 잃지 않는 것
b. 1의 확률로 5만원을 잃는 것

무엇을 선택할 것인가. 대부분 b를 선택한다. 왜 이런 차이가 발생하는가. 두 질문의 차이는 이익과 손실이다. 그리고 a와 b의 차이는 불확실성과 확실성이다. 이익이 예상된다면 인간은 확실성을 선택하고 손실이 예상되는 상황에서는 확실성보다는 일말의 가능성을 선택한다. 이것은 당연한 생각이다. 획득 여부가 불분명한 10만원보다는 확실한 5만원을 취하는 건 당연해보인다. 하지만 손실이라는 면에서는 정반대의 선택이 이뤄진다. 확실하게 5만원을 잃는 것보다는 전혀 돈을 잃지 않을 수도 있는 ‘가능성’을 선택하는 것이다. 이러한 선택은 자칫하면 10만원을 잃을지도 모른다는 위험을 충분히 감수하게 한다. 사실 위의 두가지 예시에서 통계학에서의 기대값을 따져 보면 어떤 선택을 하든지 동일한 결과가 나온다.  이러한 선택의 차이가 발생하는 이유는 일반적으로 인간은 이익보다 손실에 더욱 민감하기 때문에 손실을 최대한 피하려 하기 때문이다.


동일한 수준의 이익과 손실을 동일한 수준으로 인지하는 건 간단한 문제가 아니다.


‘손실 혐오’ 이론은 경제학으로 분류되지만 심리학이 중요한 근거로 이용되는 행동경제학에 속하는 이론이다. 불쾌한 골짜기 이론이 인간과의 유사성에 대한 즉각적인 반응을 설명하는 이론인 것처럼 손실 혐오 이론은 이익과 손실, 더 나아가서는 안전성과 위험성에 대한 즉각적인 반응을 설명한다. 손실 혐오에 따르면 인간은 동일한 수준의 이익과 손해가 주어질 때 손해를 더욱 크고 강하게 인지한다.

손실혐오 이론은 미디어의 보도 방향, 주제와 연관지어 적용해볼 수 있다. 전문적 지식이 부족한 일반 대중이 인공지능에 대한 긍정적, 부정적 기사를 동일한 수준으로 접하게 된다면 정량적 비교가 이뤄지지 않은 상태로는 개인은 부정적 느낌을 더욱 강하게 받게 될 것이다. 인공지능의 발전이 가져다 줄 편리함과 같은 긍정적인 반응보다 위협을 더욱 강하게 느낄 것이다.

 


<인공지능의 발전을 어떻게 수용해야 하는가>

 

- 발전의 속도  

영화 ‘2001 스페이스 오딧세이’이 공개됐을 당시에는 세계가 두개의 진영으로 분리돼 격렬하게 기술력을 경쟁하던 냉전 시기였고, 이러한 기술 경쟁의 주요 쟁점 중에 하나가 우주 개발이었다. 1957년 소련의 스푸트니크호 발사로 시작된 이 경쟁은 인류가 머지 않아 우주 여행을 할 수 있을 거라는 기대를 갖게 했다. 그리고 경쟁에 의해 엄청난 예산들이 지원됐다. 2001 스페이스 오딧세이는 그러한 상황들에 관한 기대가 반영돼 있는데 제목에서 드러나 있듯이 2001년의 우주 기술은 이러할 것이라는 예상이 드러나있다. 영화 내에서 우주비행사들은 목성으로 항해하고 있는데, 현재 인류가 유인 우주선으로 탐사에 성공한 곳은 달 뿐이다. 우주 개발이 한창이던 당시에는 곧 화성에 식민지를 세울 수도 있을 것이라는 기대가 팽배했지만 현재의 우주 개발, 특히 유인 우주 탐사는 영화에서처럼 목성 탐사는 고사하고 화성은 커녕 달 표면에도 다시 못가고 있는 상황이다. 생명이 존재할 가능성이 존재하는 화성에 대한 유인 탐사가 언제쯤 가능할지 예측도 쉽게 되지 않는 상황이다. 우주 개발이라는 기술의 발전 속도에 대한 예상은 빗나간 것이다.


목성에 도달한 2001 스페이스 오딧세이의 디스커버리호. 현실에서의 목성 유인 탐사는아직 요원하다.


기술에 대한 이러한 어긋난 예상은  cpu 성능의 2배 성장을 억지로 맞춰오던 무어의 법칙에서도 나타난다. 인텔의 고든 무어 공동 창업자가 주장한 무어의 법칙은 24개월마다 반도체의 집적회로 성능이 2배로로 증가한다는 법칙이다. 무어의 법칙은 그동안 실제 cpu의 발전과 상당히 정확하게 일치하고 있었다. 하지만 2016년에 반도체업계는 공식적으로 무어의 법칙을 포기했다. 더 이상 무어의 법칙을 지킬 수 없게 된 것인데, 사실상 무어의 법칙 자체가 자연스럽게 기술의 발전이 이뤄지는 형태로서 지켜진 것이 아니라 반도체업체들이 인위적으로 무어의 법칙을 따르면서 경쟁해왔기 때문에 유지될 수 있었던 것이다. 하지만 이제 발열과 터널링 현상, 경제성 등의 문제 때문에 더 이상 제조업체들이 무어의 법칙을 지킬 수 없는 상황에 이르렀다. 인텔만이 무어의 법칙을 계속 준수해 나가겠다고 밝혔지만 그 방법 중의 하나가 밀도 측정의 기준을 바꾸는 것이다. 법칙을 지켜나가기 위해 기준을 바꾼다는 것은 창업자의 예상이 빗나갔음을 인정하고 싶지 않은 인텔의 자존심일지도 모른다.

알파고에 적용된 핵심적인 인공지능 알고리즘 가운데 하나인 인공신경망 이론의 등장은 알고리즘을 기반으로 논리적 법칙을 통해 인공지능을 개발하려 했던 1950년대에는 큰 사건이었다. 이후 약 10년간 인공 신경망에 관한 연구가 활발히 이뤄졌지만, 이후 인공신경망의 약점이 드러났고 1980년대까지 인공신경망은 인공지능 분야에서 거의 잊혀졌다. 오류 역전파 방법이 소개되면서 잠시 활발한 연구가 이러질 때도 있었지만 이 또한 잠깐이었다. 2000년대 초반에는 논문 에서 인공신경망이라는 단어를 언급하면 심사에서 탈락한다는 말도 있었다. 물론 지금은 인공지능 기술에서 인공신경망을 빼놓는 것은 상상할 수 없다. 중요한 것은 현재 주목받고 발전이 기대되는 분야도 얼마든지 정체 현상을 겪을 수 있다는 것이다. 그리고 더욱 먼 미래를 예측 하려 할수록 오차는 커질 수 밖에 없을 것이다. 인공지능의 미래에 주목해야 하는 것은 중요한 일이지만 기술의 개발에 소요되는 기간과 정도를 정확하게 예측하지 못한다면 해당 기술의 미래를 정확하게 예측하기는 힘들 것이다.


- 기술의 범위

세계를 떠들썩하게 했던 알파고는 많은 영향을 끼쳤다. 그리고 인공지능에 대해 다시 생각하게 만들었고 인공지능의 발전에 대한 불안감을 일깨운 장본인이기도 하다. 알파고는 분명 뛰어난 인공지능이지만 그 능력은 바둑에 한정돼 있다. 강인공지능을 탄생시키려면 이러한 수많은 개별 인공지능을 아우를 수 있는 기술이 기반이 돼야 한다. 하지만 알파고 하나에도 많은 기술자들의 노력과 이러한 노력을 뒷받침할 자본이 필요했다는 사실을 생각한다면 수없이 많은 개별적인 약인공지능들을 통합시키는 방법을 마련하는 것이 쉽지 않을 것이라 예상된다.


바둑은 세상의 일부이다. 알파고가 하지 못하는 것은 아직 세상에 가득하다.


Tay의 케이스에서도 인공지능이라는 기술의 범위와 한계를 알 수 있다. Tay는 그저 대화를 흉내낼 수 있을 뿐이고 이러한 기능을 위한 학습의 과정에서도 인간의 역할이 중요했다. 올바른 대화가 가능하도록 인간의 지속적인 관리가 필요하다는 것은 아직 인공지능 기술에 필요한 것이 많다는 의미이고 특히 강인공지능으로 발전을 쉽게 논해서는 안된다는 반증이기도 하다.


- 기술과 인간

기술의 발전이 자동화 기계를 발달시켜 격렬한 사회 변화를 야기했던 산업혁명 이후에 일자리를 기계들로부터 되찾기 위해 발생했던 러다이트 운동은 현재의 인공지능을 대하는 우리에게 많은 것을 시사한다. 러다이트 운동이 일어났던 시기는 기계의 발달로 인해 생산성은 향상됐지만 부의 재분배는 제대로 이루어지지 않아 빈부격차가 심한 상황이었다. 투표권도 없고 합법적인 집단행동도 금지된 상황에서 노동자들의 불만은 기계로 인해 자신들이 고통받는 다는 생각에 동조하게 되고 기계를 파괴하기에 이른다. 아직 이러한 파괴적인 행동은 실행되지 않았지만 인공지능에 의해 발생할 수 있는 대규모 실업에 대해 우려하는 현 상황과 비슷한 부분이 많다. 러다이트 운동의 원인 중의 하나는 기술의 발전임은 부정할 수 없는 사실이다. 기계가 없었다면 노동자들의 고통도 없었을지 모른다. 하지만 대부분의 학자들이 러다이트 운동을 최초의 노동운동으로 평가한다는 사실을 주목해야 한다.


러다이트 운동의 본질은 빈부격차와 같은 제도적인 문제였다.


향상된 생산성으로 발생한 부가 제대로 분배되었으면 러다이트 운동은 발생하지 않았을 것이다. 결국 자본가들과 정부의 강경대응으로 러다이트 운동은 실패했지만 차티스트 운동으로 이어졌고 이는 노동자들의 정치참여를 강화해 생활수준을 안정시키는 데 기여했다.  이를 통해 알 수 있는 것은 문제의 본질은 사회적 제도라는 것이다. 기술의 발전 자체는 억지로 되돌릴 수 없다. 중요한 것은 발전된 기술에 의한 변화를 어떻게 수용해야 하는가이다. 기술의 발전이 일자리를 빼앗는다는 관점을 현재 상황에 대입해보면 인공지능이 일자리를 대체하는 것이라 할 수 있다. 이러한 변화에 대한 충격을 최소화 하기 위해 사회적 합의가 도출하는 것이 가장 현실적이고 합리적인 해결책일 것이다.

인공지능이 대체하는 분야에서 해방된 인간은 또 다른 산업을 창출하고 시장을 형성할 수 있다. 농업이 주가 되는 1차  산업에서 공업 중심의 2차 산업으로 중심 산업이 옮겨지고 다시 서비스업과 같은 3차 산업으로 산업구조가 바뀌는 것과 같다. 물론 이러한 변화 속에서 발생할 혼란은 당사자들에게는 크나 큰 고통이다. 그리고 과거 기술 발전의 이익을 독점하는 자본가의 역할은 인공지능 기술에 특화된 기업이 될 것이다. 이러한 기업들의 폐해을 막고 혼란을 최소화하기 위해서는 인공지능 기술에 대한 지속적인 관심을 쏟으며 사회적 합의를 충분히 이루고 이에 따른 제도를 준비해야 한다.


 

<인공지능의 미래와 과제>

 


인류는 지금까지 여러가지 위기를 겪었다. Thomas Malthus는 인류의 농업 생산량이  인구의 증가를 따라가지 못해 인류는 대기근을 겪게 될 거라 예상했다. 1970년대에는 석유가 20년 후에는 고갈된다는 것부터 시작해 1999년에는 컴퓨터 내부의 연도 표기법의 한계 때문에  Y2K가 발생해 전세계가 혼란에 빠질 것이라는 예상이 팽배했다. 지구온난화, 핵발전소 사고와 같은 현상들이 여전히 인류를 위협하고 있다. 하지만 인류는 이러한 위험들을 극복해오고 있다. Malthus가 주장한 Malthus Trap은 농업기술의 발전과 사회 구조의 변화로 이미 힘을 잃었고  2차세계대전 이후로 인류는 항상 석유는 아직 고갈되지 않았으며 대체에너지에 대한 연구가 활발하다. Y2K 또한 큰 문제없이 지나쳤으며 세계 각국은 탄소 협정을 통해 지구온난화의 해결을 모색하고 있다. 후쿠시마 사고가 발생하고 몇년이 지났지만 방사능에 의한 확인된 피해는 일본의 일부 지역에 국한됐다.


 <인터스텔라> 공식 포스터

인류는 수많은 위기를 극복해왔다. 영화 인터스텔라의 주제는 그러한 인류의 역사를 관통한다.


인류는 역사는 위기의 역사다. 그리고 위기를 극복하지 못했다면 현재의 인류는 없었을 것이다. 인류는 위기를 극복해오며 발전해왔다. 그러한 발전의 중심에는 기술의 진보가 함께했다. 2차세계대전 이후로 항상 존재했던 핵전쟁의 가능성은 인류가 그 위험을 인지하고 현재까지 잘 통제해오고 있다. 더욱이 핵은 원자력이라는 형태로 전기를 제공한다. 기술 그 자체에는 인격이 존재하지 않는다. 중요한 것은 활용이다. 핵이라는 것은 얼마든지 인류에 재앙을 안길 수 있는 무서운 무기가 될 수 있지만, 효율적으로 전기를 제공하는 소중한 자원이 될 수도 있다.

자율주행 기술의 발전은 운송업 종사자들을 실업자로 만들 것이라는 우려로 이어진다. 하지만 자율주행 이전을 생각해보면 관점이 달라질 수 있다. 자율주행 기술의 전제가 되는 자동차 기술의 발달은 인력거꾼들과 마부들을 실업자로 만들었다. 당시에는 이러한 현상을 어떻게 받아들였을까. 그들의 권익을 보호하려는 시도가 있었을 것이다. 하지만 더욱 많은  다수의 사람들은 기술에 의한 편리와 생산성에 더욱 주목했을 것이다. 그것은 의식적인 행동이 아니라 지극히 자연스러운 생각이고, 기술의 편리만을 취하고 인력거꾼들과 마부들의 삶을 외면하는 이기심의 발현이라 볼 수 없다. 아니, 이기심의 발현일 수도 있다. 중요한 것은 이러한 기술의 진보를 막을 수 없고 인류는 기술을 통해 발전해왔고 윤택한 삶을 영위하게 됐다는 사실이다. 되돌릴 수 없고 되돌릴 이유도 없다면 선택의 여지는 없다. 관련 법령을 개정하고 제도적 장치를 마련해야 한다. 인류는 현재까지 그런 방법으로 생존해왔고 발전해왔다. 우리는 그렇게 할 수 있는 충분한 능력이 있다.




Privacy Policy 배포 관련


Privacy Policy

foodybug built the 방송대/방통대 정답뷰어 app as a Free app. This SERVICE is provided by foodybug at no cost and is intended for use as is.

This page is used to inform visitors regarding my policies with the collection, use, and disclosure of Personal Information if anyone decided to use my Service.

If you choose to use my Service, then you agree to the collection and use of information in relation to this policy. The Personal Information that I collect is used for providing and improving the Service. I will not use or share your information with anyone except as described in this Privacy Policy.

The terms used in this Privacy Policy have the same meanings as in our Terms and Conditions, which is accessible at 방송대/방통대 정답뷰어 unless otherwise defined in this Privacy Policy.

Information Collection and Use

For a better experience, while using our Service, I may require you to provide us with certain personally identifiable information. The information that I request will be retained on your device and is not collected by me in any way.

The app does use third party services that may collect information used to identify you.

Link to privacy policy of third party service providers used by the app

Log Data

I want to inform you that whenever you use my Service, in a case of an error in the app I collect data and information (through third party products) on your phone called Log Data. This Log Data may include information such as your device Internet Protocol (“IP”) address, device name, operating system version, the configuration of the app when utilizing my Service, the time and date of your use of the Service, and other statistics.

Cookies

Cookies are files with a small amount of data that are commonly used as anonymous unique identifiers. These are sent to your browser from the websites that you visit and are stored on your device's internal memory.

This Service does not use these “cookies” explicitly. However, the app may use third party code and libraries that use “cookies” to collect information and improve their services. You have the option to either accept or refuse these cookies and know when a cookie is being sent to your device. If you choose to refuse our cookies, you may not be able to use some portions of this Service.

Service Providers

I may employ third-party companies and individuals due to the following reasons:

  • To facilitate our Service;
  • To provide the Service on our behalf;
  • To perform Service-related services; or
  • To assist us in analyzing how our Service is used.

I want to inform users of this Service that these third parties have access to your Personal Information. The reason is to perform the tasks assigned to them on our behalf. However, they are obligated not to disclose or use the information for any other purpose.

Security

I value your trust in providing us your Personal Information, thus we are striving to use commercially acceptable means of protecting it. But remember that no method of transmission over the internet, or method of electronic storage is 100% secure and reliable, and I cannot guarantee its absolute security.

Links to Other Sites

This Service may contain links to other sites. If you click on a third-party link, you will be directed to that site. Note that these external sites are not operated by me. Therefore, I strongly advise you to review the Privacy Policy of these websites. I have no control over and assume no responsibility for the content, privacy policies, or practices of any third-party sites or services.

Children’s Privacy

These Services do not address anyone under the age of 13. I do not knowingly collect personally identifiable information from children under 13. In the case I discover that a child under 13 has provided me with personal information, I immediately delete this from our servers. If you are a parent or guardian and you are aware that your child has provided us with personal information, please contact me so that I will be able to do necessary actions.

Changes to This Privacy Policy

I may update our Privacy Policy from time to time. Thus, you are advised to review this page periodically for any changes. I will notify you of any changes by posting the new Privacy Policy on this page. These changes are effective immediately after they are posted on this page.

Contact Us

If you have any questions or suggestions about my Privacy Policy, do not hesitate to contact me.

This privacy policy page was created at privacypolicytemplate.net and modified/generated by App Privacy Policy Generator


GameObject의 Hierarchy 상의 경로 얻기 Unity


디버그를 위해 코드에 로그를 삽입할 때 어느 오브젝트에 attach됐는지 알면 편리한 경우가 많습니다.

Unity3d에서 따로 제공하는 함수는 없고 직접 코드를 작성해야 합니다.

아래와 같은 코드로 Hierarchy상에 존재하는 오브젝트의 경로(상위 오브젝트의 이름들)를 얻을 수 있습니다.


public static string GetGameObjectPath(GameObject obj)
{
    string path = "/" + obj.name;
    while (obj.transform.parent != null)
    {
        obj = obj.transform.parent.gameObject;
        path = "/" + obj.name + path;
    }
    return path;
}


출처는 아래의 사이트입니다.


위의 코드를 확장메소드를 이용하면 좀 더 전역적으로 사용할 수 있습니다. 저는 아래와 같이 사용합니다.


public static string GetFullPath(this Transform trn)
{
string path = "/" + trn.name;
while (trn.transform.parent != null)
{
trn = trn.parent;
path = "/" + trn.name + path;
}
return path;
}



Script Execution Order 변경사항의 저장 Unity


Script Execution Order는 각 클래스의 콜백함수들의 호출 순서를 조정할 수 있는 편리한 기능입니다.

별도로 코드에서 초기화 순서를 관리할 필요가 없기 때문입니다.

다만 코드가 Unity3D에 종속되기 때문에 개인적으로는 사용을 자제하는 편입니다.

Script Execution Order를 변경할 경우 변경사항은 따로 프로젝트세팅 파일에 저장되지 않습니다.

해당 스크립트의 메타 파일에 변경사항이 저장됩니다.

SVN에 commit하기 위해 프로젝트세팅 쪽을 살펴봐도 변화가 없길래 검색을 해보니 그렇게 구성돼있더군요.


유니티 공홈의 설명입니다.

크게 중요한 내용은 아니지만 혹시 헤매는 분들이 있을 수 있으니 작성해봅니다.

drag가 적용된 Rigidbody의 이동 궤도를 예측하는 코드 Unity


포트리스같은 게임을 구현할 때 발사된 강체의 궤도를 미리 예측해서 보여줘야 하는 상황이 있습니다.



아래와 같이 프레임당 위치를 구할 수 있습니다.

List<Vector3> list = new List<Vector3>();
float unitTime = 1f / 50f; //초당 50프레임으로 계산
int steps = 50 * 10; // 10초 계산(총 500프레임)
for (int i = 0; i < steps; i++) {
velocity.y += Physics.gravity * unitTime; 
position += velocity * unitTime;
list.Add(position);
}


하지만 공기의 저항같은 상황을 구현하려면 drag를 이용해야 합니다.

위의 코드는 강체의 drag값이 0일 경우에만 해당합니다.

강체의 drag가 크면 시간이 지날수록 강체의 속도는 더욱 빠르게 느려집니다.


List<Vector3> results = new List<Vector3>();
Vector3 pos = origin;

float timestep = Time.fixedDeltaTime * Physics.defaultSolverVelocityIterations; // 실제 단위시간
Vector3 gravityAccel = Physics.gravity * timestep * timestep; // 단위시간당 중력가속도
float drag = 1f - timestep * rbBall.drag; // 실제 적용될 저항값
Vector3 moveStep = velocity * timestep; // 단위시간당 이동량

for (int i = 0; i < steps; ++i)
{
moveStep += gravityAccel;
moveStep *= drag;
pos += moveStep;
results.Add(pos); // 실제 경로 저장
}


위의 코드를 살펴보면 중력가속도가 적용된 moveStep에 drag가 곱해짐을 알 수 있습니다.

이것은 drag가 클수록 낙하하는 속도도 느려진다는 것을 의미합니다.

경험상 drag는 2를 넘어가면 강체의 낙하속도가 금방 느려져서 매우 비현실적으로 느껴졌습니다.

(우주 공간 같은 느낌을 원하신다면 오히려 좋을 수도 있습니다.)

개인적으로 1을 넘지 않도록 하는 편입니다.


1 2 3 4 5 6 7 8 9