2015년 6월 29일 월요일

로봇, 인공지능, 그리고 노동의 미래

지난 2015년 6월 29일, 슬로우뉴스에서 주최한 슬로우포럼 "알고리즘 사회와 노동의 미래"에 패널로 참석하게 되었습니다. 이번 행사는 슬로우뉴스에서 주최하고 소셜컴퓨팅 전문가 한상기 박사님이 토론 진행을 맡으셨으며, 미디어/디지털경제 전문가 강정수 박사님, 그리고 가 패널로 참여하여 삼자 토론을 나누었지요.



토론에 앞서 강정수 박사님과 제가 발제를 위한 발표를 하였는데요, 그 중 제가 발표했던 슬라이드를 공유합니다. 이번에는 이공계가 아닌 분들을 주로 대상으로 한 발표라 더욱 내용 없고(?) 평이한 발표였습니다. 내용이 짧으니 간단한 나래이션을 덧붙여서 공유합니다.




발표, 출발합니다 ㅎㅎ 
(이게 바로 카드뉴스인가봉가...)


미래의 인공지능이 가져올 변화에 대해
어떤 이들은 두려움, 
어떤 이들은 희망의 시선을 보내고 있습니다.


한국에도 노동시장의 자동화 대체 물결에 대해
대비의 목소리를 높이는 분이 계시죠 ㅎㅎ


하지만 논의에 앞서 우리는 기술이 우리의 예상을 
늘 뛰어 넘었단 점을 인정해야 할 것입니다.
20년 전만해도 정보를 찾으려면 도서관에서 
책을 쌓아놓고 '발췌독'을 했어야 했는데
지금은 손 안의 휴대폰으로 검색만 하면 되니 말이죠


먼저 세 가지를 인정하고 시작합시다.
첫째, 너무 먼 미래는 예측할 수 없습니다.
둘째, 현재 기술은 변화를 이해하는 중요한 툴이죠.
셋째, 그럼에도 변화가 폭증하는 특이점은 있습니다.
예를 들어 디지털 자료의 무료복사는 산술적인 정보량 증가가 아니라
기하급수적 정보의 폭증을 불러왔으니 말이죠.
우린 이러한 미래의 특이점에 대비해야 합니다.



과거의 인공지능은 확정된 환경에서 
유한 개의 솔루션을 탐색하는 일이었습니다.
인공지능은 곧 논리였고, 이에 따른 탐색이었죠.
하지만 현실은 환경도 매우 불확정적이고,
솔루션도 미리 유한개로 정해져있지 않은 경우가 많죠.


기계학습은 이런 문제들을 "데이터 중심의 판단"으로 풀어갑니다.
여기서의 인공지능이란 곧 X와 Y의 관계 추정,
또는 전반적인 패턴을 인식하는 것을 의미하죠.
예를 들어 "A소설을 산 사람들이 B소설도 사더라"라는
경향을 파악하고 관련 소설을 추천해주는 것 역시 
기계학습의 대표적 이용 사례입니다.


하지만 여기에도 문제는 있죠.
컴퓨터에게 물어봅니다. 위 사람 중 누가 동일인물이죠?
그럼 컴퓨터는 똑같은 뿔테안경을 쓰고, 이마도 드러낸
(1)과 (2)사진을 아마 동일인물로 볼 것입니다.
이러한 일이 빚어지는 건 무조건적 유사성을 따랐기 때문이죠.
하지만 픽셀이 비슷하다고 같은 사람이던가요?
이는 결국 "이해의 부족"이라고 때문이라 할 수 있습니다. 


딥 러닝(또는 representation learning) 입장에서 이해란
기계학습하기 좋은 표현법을 찾는 것이라 할 수 있습니다.
우리는 윤종신과 정우성을 가려내는데
무엇이 중요하고, 무엇이 중요하지 않은지 알고있죠.
그것이 픽셀간의 유사성은 아닐 것입니다.

딥러닝은 '무엇이 이들을 구분짓게 하는가'에 대해
중요하게 다뤄져야 하는 특징(feature)들과 그렇지 않은 것들을
구분하여 기계학습하기 좋은 2차 표현법을 만들어 냅니다.
그리고 이런 deep한 표현법 찾기의 마지막에
최종적인 기계학습 방법을 덧붙이는 것이지요.


예전에는 이러한 특징 추출을 사람의 아이디어에 의존했었습니다.
예를 들어 이미지를 인식하기 위해서 경계선을 뽑아낸다든지,
음성을 인식하기 위해서 음절을 구분한다든지,
이러한 특징을 먼저 수식으로 뽑아내고
그 다음 그 특징들을 입력으로 기계학습을 수행했죠


하지만 딥러닝은 이러한 특징추출을 
빅 데이터로부터 자동으로 해냅니다.
그리고 놀랄만한 성능을 보여주지요.


딥러닝은 정말 깡패같은 성능을 보여줬고
이내 많은 기계학습 대회에서 우승을 거머쥐죠.
사람의 뇌가 여러 단계를 거쳐 인식한다는 점 역시
'딥러닝이 옳은 방법 아니냐'는 
많은 학자들의 심증을 불러왔습니다.


딥러닝의 뛰어난 점이라고 한다면 역시
"빅데이터에 가장 최적화된 알고리즘"이란 점이겠죠.
그리고 목표에 적합한 특징을 스스로 추출한다는 점에서
"이해"의 첫걸음을 뗐다고도 표현할 수 있을 것입니다.
마지막으로 딥러닝은 특정 분야를 가리지 않기 때문에
여러 영역을 연결하는 재밌는 결과들도 낳고 있죠.


최근에 재미있는 결과들이 많이 발표되고 있는데요,
딥러닝은 비디오 속의 내용을 이해하기도 하고, 
실시간 번역도 가능하게 하며 (text to text)
사진에 자막을 달아주기도 하죠 (image to text)





로봇의 현재 모습들을 담은 동영상입니다.
궁금하신 분들은 다음 링크를 참고해주세요



첫 장의 로봇들은 메커니즘과 제어를 강조한 로봇들이고 (연역적)
두번째 로봇들은 기계학습을 접목한 로봇들입니다. (귀납적)
두 방법 모두 완전체 로봇을 위해선 꼭 필요하죠.

하지만 문제는 두 로봇의 이론적 접근법이
너무도 다르다는 것입니다.
결국 연역과 귀납의 강점을 동시에 지닌 
인간과 같은 로봇을 만들기란 참 쉽지않은 일이죠.

딥러닝이 로봇의 희망은 맞습니다만,
그것은 DARPA Robotic Challenge에서 쓰인
제어적 기법들과 잘 결합이 됐을 때
희망으로 불릴 수 있는게 아닐까 싶습니다.


딥러닝은 귀납적 접근의 끝에 가 있는데요,
워낙 빅데이터를 다루기에 
로봇의 실시간 이용이 쉽진 않지만
그래도 희망은 있습니다.

한가지는 60년간 세상을 지배하던 폰노이만 컴퓨터구조가
드디어 바뀔 기미가 보인다는 것입니다.
딥러닝은 많은 노드들의 병렬처리가 필요한데요,
이에 맞게끔 많은 병렬연산이 가능한 컴퓨터 구조가 제안되고 있죠.

또 한가지는 클라우드 컴퓨팅입니다.
구글 검색이 여러분들 핸드폰 칩이 좋아서 잘되는건 아니자나요?
다 인터넷에 연결되어 있기 때문일 것입니다.
로봇 역시 인터넷에 연결된다면
빅 데이터와 거대 지식의 힘을 잘 이용할 수 있을 것입니다.
로봇이야 말로 사물인터넷의 끝판왕이지요.

 

하지만 여전히 두가지 상이한 접근법은
아직 멀게만 느껴질 뿐이죠.
인간과 같은 로봇의 탄생은 아직 멀게만 느껴집니다.


결론입니다. 
아직 인간 같은 로봇의 탄생은 멀었습니다.
하지만 기계학습은 서비스 분야에 있어
현재에도 매우 유용한 툴이죠.
"자유롭게 움직인다"는 점은 로봇에겐 큰 장벽이자
인간에겐 아직 상대적 우위점이며,
연역과 귀납이 동시에 가능하다는 점 역시
인간의 큰 장점입니다.

하지만 쓸만한 로봇은 곧 나옵니다.
왜냐하면 아주 쓸만하지 않아도 쓸만하기 때문이죠.
예를 들어 일본에선 10년 전 산 로봇강아지가 고장이 나며
로봇강아지 장례가 치뤄지고 있다는 소식이 들려옵니다.

그 로봇강아지가 충분한 기술력의 산물이기 때문일까요?
아닙니다. 인간은 감정을 전이하는 존재기 때문이죠.
사람은 다마고찌에도 감정을 실어주는 존재입니다.

그렇기에 로봇이 기술적으로 아주 쓸만하지 않아도
이에 감정을 전이하고 매우 쓸모있게 사용하곤 합니다.
그렇기에 아주 쓸만하지 않아도 
곧 쓸만한 로봇은 나올 것입니다.


마지막 내용입니다.
제가 노동에 대해 공부도 안했고, 책도 별로 안읽었지만,
막연하게 미래를 때려맞혀(?) 볼랍니다 ㅎㅎ


격변의 시대에 노동이슈는 늘 있어왔습니다.
얼마전 무한도전에서 인도의 빨래터 모습이 나왔는데요,
세탁기의 발명이 정말로 큰 재앙이었나 생각해보면
글쎄요... 잘 모르겠네요... (아몰랑~)


기술이 발전하며 일의 수준이 높아지고 있습니다.
예전엔 15세만 되면 결혼하고 자식낳고,
그러면서도 농사일하며 잘 살 수 있었죠.
하지만 지금은 그렇지 않습니다.

기술수준이 높아지면서 간단한 일은 점점 기계에 내주고
우리는 그 상위에 올라가야 합니다.
이에 따라 교육기간도 늘어나고 있죠. 
(전 서른이 넘은 지금도..ㅠ)

실업률 또한 증가하고 있습니다.
그리고 자동화에 따른 이윤은 노동자에게보단
자본가에게 부가 집중되고 있죠.

로봇이 등장하면?
교육기간 증가, 실업률 증가, 부의 집중 현상은
더더욱 심해질 것입니다. 아주 많이요.

 

결국 우리는 "인류멸망" 얘기를 꺼내기 앞서
정말 우리가 밥먹고 살 거리는 있는지,
그것부터 걱정해야 할 것이 아닐까 싶습니다.


이제까지 자본주의가 잘 굴러왔던 것은
시간과 노동, 그리고 자본의 역할이 적절한 교환가치로써
돈으로 환산될 수 있었기 때문이라고 생각합니다.


하지만 점점 그 균형이 무너지고 있죠.
자본의 힘은 커져만 갔고, 
젊은 청년들이 아무리 시간이 있고 아무리 노동을 제공해도
그것은 자본과 함께할 때만 의미있는 것이 되었습니다.
따라서 사람들은 자본 앞에 "취직"을 조아려야 했죠.


미래는 어떨까요? 아마 기술이 제일 중요할 것입니다.
이미 구글이나 페이스북의 권력은
각 나라의 권력을 넘어서는 양상을 보이고 있습니다.
이젠 자본마저 기술의 힘 앞에 작아지는 상황에서
개인의 힘은 더욱 초라해질 수 밖에 없을 것입니다.

로봇이 등장한다면?
그건 아마 불에 기름을 붓는 격일 겁니다.
승자 독식은 IT를 넘어 오프라인 세상까지 넘어오겠죠.


제가 감히 예측해봅니다.
미래엔 상상할 수 없는 실업률의 시대가 옵니다.
예전엔 길어진 교육기간으로 
점점 자동화 윗단계로 올라가는 것이 가능했지만
이젠 그런 사람들이 많지 않아질 것입니다.
따라서 실업이 기본이 되며 
노동을 할 수 있다는게 
일종의 특권이 될 수도 있습니다.

소득에 세금을 매기는 것은
더이상 합리적인 방법이 아닐 수 있습니다.
이미 독점기업이 벌어들이는 부는
시간/노력/노동투입 등에 비례하지 않으며
따라서 이 기하급수적 독점을 분배할
다른 세금 정책이 필요하죠.
(어쩌면 그것이 돈의 형태가 아닐 수도 있습니다.)

분명 특이점은 옵니다. 
예전에 디지털 자료의 복사가 0원이 되었던 때처럼,
이젠 노동자 대신 로봇 300대를 놓는,
노동 비용 제로의 시대가 올 수도 있습니다.
이때의 급격한 변화는 상상 그 이상의 것이 될테고요

인간은 그동안 '노동하는' 존재였습니다.
하지만 이것은 옛말이 될 지도 모릅니다.
노동은 기계가, 인간은 
다른 차원의 일을 해야할지도 모릅니다.
무엇을 해야할지 역할론에 대해선 
끊임없이 고민을 해 봐야겠죠.


특이점은 옵니다.
인공지능이 점점 "이해"를 시작하고,
이를 바탕으로 진정한 "창조"를 시작하며,
로봇이 지금의 "움직임"의 장벽을 넘을 때...


어쩌면 지금일지도 모릅니다.
이미 무인자동차를 위한 기술은 준비되어 있습니다.
다만 그 법적 책임과 사회적 파장이 문제일 뿐이지요.
공장 자동화는 이미 옛날부터 이뤄져왔으며,
공장 노동자가 사라지는 순간 아마도 그 반발은 극심해지겠죠.

결국 기술도 문제지만, 이를 대처하는 사회 역시 고민입니다.
기술은 기하급수적으로 발전하고 있지만
관련 법규나 사회적 대응이 그만큼 민첩한지 반성해 볼 일입니다.
따라서 지금이라도 기술을 이해하는 사람이 전면에 나서
사회를 조금씩 바꿔가야 할 것입니다.
교육 역시 더이상 "컴퓨터가 할 수 있는 것"을
가르치는 것에서 벗어나야 할테고요.

발표 들어주셔서 감사합니다 ^^


* T-Robotics의 글은 facebook과 rss reader로도 받아보실 수 있습니다.