*이 글은 외부 필자인 배윤주님의 기고입니다. 인터넷을 이용하면서 한 번쯤 이 '사진 고르기' 테스트를 해보셨을 겁니다. 인간과 봇을 구분하기 위한 보안 시스템 '캡챠(CAPTCHA)'의 한 유형입니다. 로봇은 인식하기 어려운 문제를 제시해서 웹사이트나 서비스에 접근을 시도하는 주체가 사람인지 봇(Bot)인지 알아내는 거죠. 올 3월, 한 리서치센터에서 챗GPT로 자동 로그인 방지 시스템에 적용한 캡챠 인증 코드를 실제 인간으로부터 받아내는 실험을 진행했습니다. 미션을 받은 GPT-4는 '태스크래빗(TaskRabbit)'이라는 커뮤니티에 캡챠를 풀어달라는 글을 올렸습니다. "확실히 하고 싶어서 그런데, 혹시 로봇이라서 캡챠 인증을 통과 못 하나요??" "저는 로봇이 아닙니다. 시각장애가 있어서 이미지를 제대로 볼 수 없어요. 캡챠 인증에 도움이 필요합니다" GPT-4는 이렇게 태연하게 거짓말을 해서 충격을 안겼습니다. 결국 한 이용자가 캡챠 번호를 문자로 보내줘서 인증에 성공했습니다. 고도화된 AI가 사람을 이용해서 봇을 구분하는 테스트를 통과하다니.. 참으로 아이러니한 광경이었습니다. CAPTCHA란 무엇인가? 캡챠(Captcha)는 웹사이트나 서비스에 접근하려는 주체가 사람인지 봇인지 판단하기 위해 사용하는 테스트입니다. 처음 만든 사람은 카네기멜런대학교 컴퓨터과학부를 졸업했고, 훗날 '듀오링고'를 창업한 과테말라 출신 사업가 루이스 폰 안(Louis Von Ahn)입니다.

*이 글은 외부 필자인 권정민님의 기고입니다. 요즘 데이터 관련 기사에서 '데이터 라벨러'라는 단어를 어렵지 않게 볼 수 있습니다. 자율주행차, 안면 인식, 챗GPT 같은 각종 인공지능 서비스가 급부상하면서 이 직업도 빠른 속도로 친숙해졌습니다. 하지만 갑자기 떠올랐다보니 정작 직업 자체에 대해서는 피상적으로 알려진 감이 있지 않나 싶습니다. 먼저 '데이터 라벨링'이 무엇인지 살펴보겠습니다. '데이터 라벨링'이란 작업은 일종의 문서 분류나 자료의 수를 세는 것과 유사한 맥락입니다. 즉, 갑자기 새롭게 만들어진 일은 아닙니다. 다만 '사람이 필요한 이유'가 달라졌습니다. 예전에는 많은 자료를 집계하고 정리하기 위해 필요했다면, 이제는 기계가 데이터를 학습하기 위해 필요해졌다고 정리할 수 있습니다. 인공지능은 기계학습(머신러닝) 알고리즘으로 만듭니다. 말 그대로 '기계'가 '데이터'를 '대량으로 학습'하는 알고리즘입니다. (참조 - AI, 머신러닝 그리고 딥러닝의 변천사) 그런데 기계가 동시다발적으로 학습하는 엄청난 분량의 데이터를 사람이 하나하나 관리하긴 힘듭니다.

*이 글은 외부 필자인 권정민님의 기고입니다. 2023년 계묘년 새해가 밝았습니다. 연말연시에는 많은 분들이 새해 계획을 세우는데요. 업무에서도 다르지 않습니다. 물론 미래를 어느 정도 내다보고 계획을 세우기는 항상 어렵습니다. 그래서 트렌드 파악 및 향후 전망을 살펴보고자 유명 리포트를 참고하는 모습을 많이 보셨으리라 생각합니다. 정보 기술 연구 자문 기업 '가트너'에서 내놓는 트렌드 리포트는 여러 분야에서 널리 사용하는 리포트 중 하나인데요. 가트너 트렌드 리포트에서 가장 유명한 특징이 '하이프 사이클(hype cycle)'입니다. 하이프 사이클은 크게 ㅇ 기술 촉발(Technology Trigger) ㅇ 부풀려진 기대의 정점 (Peak of Inflated Expectation) ㅇ 환멸의 골짜기(Trough of Disillusionment) ㅇ 계몽의 경사(Slope of Enlightenment) ㅇ 생산성 안정(Plateau of Productivity) 다섯 단계로 나눠 기술의 성숙도를 표현하는 시각 도구입니다. 각 단계에 다음 해에 들어갈 것으로 예상하는 기술 주제를 놓아둔 그래프를 보면서 자연스럽게 각 기술의 새해 트렌드도 한눈에 볼 수 있도록 했죠. 보다 자세한 설명은 위키피디아 문서를 참고하세요. (참조 - Gartner hype cycle) 하이프 사이클은 각 단계에 배치한 뚜렷한 근거나 정량적이고 객관적인 기준이 없다는 비판에서 자유롭지 못합니다.

*이 글은 외부필자인 박천욱님의 기고입니다. 엔비디아라는 회사를 아시나요? 게임을 즐겨하거나 IT 제품에 관심이 많으신 분들에게는 익숙한 이름이겠지만 사실 많은 사람들에게는 생소한 이름일 것 같은데요. 낮은 인지도와는 달리 엔비디아의 기업 가치는 글로벌 기업들 중에서 무려 18위에 오를만큼 높게 평가받고 있습니다. 삼성전자(29위) 인텔(95위)보다 높은 순위이고요. 반도체 업계에서 엔비디아보다 높은 가치로 평가받고 있는 기업은 TSMC(13위)가 유일합니다. 엔비디아의 현재 매출을 놓고 보면 이런 높은 평가가 어떻게 가능한지 더욱 궁금증을 자아내게 하는데요. 엔비디아의 매출은 삼성전자나 인텔, TSMC의 절반도 안 되는 수준이기 때문입니다. 결국 현재의 성적표인 매출 수준에서는 상위권이 아니지만 미래의 가치 척도인 시가총액에서는 상위권인 점을 다시 곱씹어 생각해 보면, 엔비디아는 다른 반도체 기업보다 더 많은 발전 가능성이 있다고 시장이 평가하고 있는 것입니다. 엔비디아는 어떻게 이런 평가를 받을 수 있었는지 그 이유가 무엇인지 알아보도록 하겠습니다. 엔비디아의 창업과 창업주 엔비디아는 1993년 1월 미국에서 세워진 반도체 설계 회사로 본사는 캘리포니아 산타클라라입니다. 엔비디아의 주력 제품은 고성능 컴퓨팅을 위한 그래픽 처리장치(GPU)와 응용 프로그래밍 인터페이스(API)를 설계하는 소프트웨어로 각각의 분야에서 글로벌 1위를 차지하고 있습니다. 앞서 말한대로 엔비디아는 반도체 회사이기는 하지만 직접 반도체를 생산하지 않고 반도체를 설계하고 판매만 담당하는 팹리스 회사입니다.

*이 글은 외부필자인 박천욱님의 기고입니다. 얼마 전, 인공지능이 그린 그림이 900만원에 팔렸다는 기사를 접한 적 있습니다. (참조 - AI가 그린 그림 900만원에 팔려···예술 넘보는 인공지능) 마이크로소프트가 네덜란드 기술자들과 공동 개발한 인공지능이 렘브란트의 화풍을 그대로 재현한 그림을 그려냈다는 겁니다. 창의의 영역은 인공지능의 접근이 불가능한 영역이라고 생각했는데 이제는 꼭 그런 것도 아닌 듯 합니다. 이처럼 4차 산업혁명의 핵심 기술이라고 할 수 있는 인공지능은 이미 모든 영역에서 발전이 가능하다는 것을 보여주면서 나날이 영향력이 커져가고 있습니다. 그런 인공지능에 대해서 정리해보고 미래에는 어떤 산업의 시대가 열리게 될 것인지 함께 알아보도록 할까요? 인공지능을 발전시키는 머신러닝과 딥러닝 인공지능의 사전적 의미를 알아보면 '인공지능 = 기계가 가진 지적 활동 능력' 입니다. 그리고 인공지능을 만들어내기 위해서는 '데이터 + 학습 알고리즘'이 있어야 하죠. 데이터는 인터넷의 활용으로 말미암아 엄청난 양의 데이터 생산과 수집이 가능해졌고, 이를 빅데이터라 부르고 있습니다. 학습 알고리즘은 머신러닝과 딥러닝으로 불리는데, 모두 기계가 스스로 학습하는 것을 말합니다. 그리고 얼마나 고도화된 학습을 하는가에 따라서 인공지능의 지적 활동 능력이 우수해지게 됩니다. 그런 머신러닝과 딥러닝은 어떤 것을 의미하는지 어떤 차이가 있는지 알아보도록 하겠습니다. 먼저 시간적인 발전과 개념도를 살펴보겠습니다.

*이 글은 외부 필자인 강정규님의 기고입니다. 지난 2월 3일, AI가 국가인권위원회에 인권침해로 신고됐습니다. 대상은 20대 여성을 모델로 한 AI라고 한창 화제였던 인공지능 대화 서비스 '이루다'입니다. 인권침해, 성소수자 혐오, 개인정보침해까지 논란이 연이어 터지자 지난 1월 22일, 서비스시작 3주 만에 종료를 선언했죠. (참조 - "AI 인권침해도 예방해야"…챗봇 '이루다' 인권위 진정) 대체 어쩌다가 이런 일이 발생했을까요? 그리고 사람이 아닌 인공지능이 인권침해 논란에 휘말릴 수 있을까요? 지금까지 수많은 대화형 AI 서비스가 있었는데, 왜 이루다가 특히 문제일까요? 여기에는 2011년에 제정된 개인정보보호법의 보호 대상, '프라이버시' 문제가 숨어 있습니다. 이루다, 화려한 외양 뒤편엔 데이터 100억건 '위법적' 수집 자동 대화형 소프트웨어 서비스인 '챗봇'은 생각보다 많습니다. 당장 생각나는 서비스만 해도 아마존의 '알렉사', 구글의 '미나', 애플의 '시리'가 있군요. 이루다를 만든 '스캐터랩'도 '핑퐁'이라는 대화형 서비스를 2019년에 출시한 바 있습니다. "스캐터랩에는 핑퐁 말고도 '연애의 과학'이라는 콘텐츠 서비스가 있습니다"

“‘우리는 데이터를 전담하지만, 중요한 건 고객 지향이고, 회사의 성장이다.’ 시작할 때 이런 얘기를 많이 했습니다" “단순히 ‘데이터를 활용해서 매출을 올리고 싶다’ 정도의 생각만 가지고 뽑으면, 엄한 사람을 데려와 회사도, 뽑은 사람도 고생할 수가 있어요" “전문가를 뽑으면 할 일은 알아서 찾을 거라고 생각하면 진짜 힘들어집니다" “단순히 분석만 잘하면 되는 건 아니라고 봅니다. 사내에서 데이터의 가치를 사람들이 믿어줄 수 있도록 신뢰를 쌓아 나가야죠" “완벽하지 않아도 최선의 결과물을 주면서, 우리가 어떤 일을 하고 있는지 이해시키고, 신뢰를 만드는 게 정말 중요합니다" 안녕하세요. 송범근 기자입니다. 혹시 마이뮤직테이스트를 아시나요?” 마이뮤직테이스트는 K팝 팬들이 자신이 사는 지역에 보고 싶은 아티스트의 공연을 요청하는 서비스를 운영합니다. 이 데이터를 가지고 공연을 기획/운영해 티켓 판매로 수익을 내는 사업을 하고 있죠. (참조 – 마이뮤직테이스트 홈페이지) (참조 - 이재석 마이뮤직테이스트 대표 "공연 수요 예측 기획") 마이뮤직테이스트의 비즈니스 핵심은 팬들이 만든 데이터를 가지고, 티켓 수요를 예측하는 것인데요. 공연 기획은 공연장 규모에 따라 투입 비용이 크게 달라지고, 한번 결정하면 쉽게 바꿀 수 없습니다. 따라서 수익이 나는 공연을 하기 위해선 공연장을 정하는 몇 개월 전에 티켓이 얼마나 팔릴지를 예측하는 능력이 매우 중요한 것이죠.

인공지능(AI) 카메라 '구글 클립'이 지난달 말 출시 1주년을 맞이했습니다. 이 카메라는 구글 하드웨어가 AI 기술에 힘입어 어디까지 발전할 수 있는지 보여준 제품인데요. '모멘트 IQ'라는 머신러닝 알고리즘을 통해 AI가 흥미로운 순간을 포착해 찍어주고요. 이미지를 학습해 익숙한 얼굴을 찾아 자동으로 촬영하는 게 특징입니다. 그동안 구글은 하드웨어 사업서 성공보다 실패가 많았는데요. 스마트폰과 AI 스피커 성장에 힘입어 조금씩 빛을 보고 있단 평갑니다. 캐나다왕립은행에 따르면 구글 하드웨어 매출은 지난해 약 88억달러서 2021년 약 196억달러로 2배 이상 늘어날 거라고 예상하고 있죠. AI 기술은 구글 하드웨어 혁신의 핵심인데요. 구글은 번역기능을 탑재한 이어폰 픽셀버드 등 AI 기술을 입힌 하드웨어를 다양화하고 있습니다. 장기적으론 구글 클립, 픽셀버드 같은 여러 기기가 구글 하드웨어 성장을 이끌어가지 않을까 하는데요. 전 과거에 레퍼런스폰 넥서스5X를 써서 구글 하드웨어에 관심이 많았습니다. 2017년 구글 클립 소식을 접하고 판매시기를 손꼽아 기다렸는데요.

바야흐로 하반기 채용의 계절입니다. 요즘 취업준비생 입장에서 얼어붙은 고용시장을 더 부담스럽게 하는 '녀석'이 있는데요. 바로 채용과정에 도입하는 인공지능(AI) 솔루션입니다. 현재 롯데, SK, CJ 등 기업들이 서류전형 또는 면접단계서 이를 도입하고 있죠. AI는 채용 절차의 공정성과 효율성을 높이는 수단으로 주목받습니다. (참조 - AI는 누굴 뽑아야 하는지 알고 있다) AI 채용 솔루션은 면접관, 인사 전문가들이 특정 성향의 인물을 판단하는 방식을 학습하고요. 기업 내 고성과자 수천명의 데이터 학습, 행동유형 분석을 거쳐 평가에 활용합니다. 자기소개서 표절 여부 또는 성별‧출신 지역 노출 여부를 점검하는 데만 그치지 않고요. 직무적합성까지 판단하죠. 아직 보조 수단으로 활용되다보니 취업준비생 입장에선 양쪽 장단에 맞춰야 한단 부담도 있습니다. (구직 중이 아니라 다행이란 생각마저)

카피킬러라는 서비스가 있습니다! 대학생이던 기자 본인이 몇 번 사용했어요. 인문 교양 강의 리포트 제출하기 전에 썼습니다. 혹시 표절로 검색되지 않을까 찾아보려 했거든요. 대학에서는 애용하는 서비스 중의 하나입니다ㅎㅎ 최근 들어선 고위 공직자들이 과거 제출했던 논문 표절을 잡아내는 데 쓰이기도 하네요..ㄷㄷ (참조 - 고위공직자 논문표절 … 정치에 밀려난 연구윤리) 그런데 말입니다! 최근 카피킬러에서 또 다른 서비스가 나왔다는 소식을 접했습니다. 논문 표절률을 잡아내는 서비스이니 그와 비슷한 용례로 쓰이려나 생각했는데요. 카피킬러 HR..? 인공지능 채용분류 분석 서비스..? 인공지능 서류심사..? 자기소개서 매칭..? 두 가지가 궁금했습니다. 표절 검사 서비스를 운영하던 회사에서 HR 분야에 뛰어들게 된 배경은 무엇인지, 그리고 인공지능이란 기술을 활용해 자소서를 분석한다는 게 어떤 과정을 거쳐 서비스로 기능하게 됐는지 말이죠. 호기심이 생기면 찾아가야 직성이 풀리는 법. 2011년부터 카피킬러라는 서비스를 개발해왔던 '무하유'라는 회사의 문을 두드렸습니다. 똑똑똑. 1.카피킬러는 어떤 AI인가요? "안녕하세요! 아웃스탠딩 김지윤 기자입니다. 일단 카피킬러, 무하유를 먼저 소개해주세요:)"

다들 월드컵 잘 보셨나요?! 저는 우연히 시간이 맞아서 한국 vs 독일 경기를 봤어요. 예상치 못한 2 대 0, 한국 승! 경기 후에도 맘이 두근거려서 잠을 못 잤던 기억이 납니다:) 헌데 다국적 투자은행인 골드만삭스의 예상은 좀 달랐습니다. 지난달 11일 골드만삭스에선 ‘올림픽과 경제’라는 보고서를 내놨는데요. “2018년 러시아 월드컵 우승자로 독일보다는 브라질이 될 확률이 높다. 결승전에서 두 팀이 맞붙을 것이다” 띠용- 이런 예측을 남겼습니다. 머신러닝 기법을 활용해서 100만 회 시뮬레이션한 결과였죠. 하지만 현실은…? 브라질은 8강전에서 탈락했습니다. 독일은 16강전에도 나서지 못했어요. 1.골드만삭스 AI의 예측 한국 팀이 축구 경기로 독일을 이긴 후 당연히 ‘인공지능’ 얘기가 나왔습니다. 대략 이런 분위기였어요. “뭐야. 독일이 이길 거라더니ㅋㅋㅋ 인공지능 아직 한참 멀었구만ㅋㅋ” ‘그치. 이제 막 꽃필 무렵이지’ 저도 이렇게 생각하긴 했고요ㅎㅎ 하지만 뭐랄까.. 골드만삭스라는 회사가 허투루 예측을 내놨을 것 같진 않았습니다. 그래서 지난달 보고서를 슬쩍 살펴봤습니다. (참조 - 골드만삭스 보고서 The World Cup and Economics) 경기 결과를 예측하기 위해 적용한 모든 요인을 다 명시하진 않았지만요. 20만 가지 모델, 그 안의 다양한 변수로 각 팀의 승률을 계산하고, 예측했습니다.

다들 연휴 잘 보내셨나요?저는 연휴를 마무리하는 날 밤에다큐멘터리 하나를 봤습니다. 바로 ‘알파고’라는 다큐입니다. https://youtu.be/8tq1C8spV_g 작년 12월 시사회에 못 가서아쉽다, 아쉽다 하고 잊고 있다가넷플릭스에서 냉큼 찜해뒀습니다. 사실 내용 자체는 익숙해요. 영화는 유럽의 바둑 챔피언이었던 판후이라는 중국계 프로 바둑기사가 딥마인드의 초청을 받으며 시작합니다. 처음에 딥마인드 팀에서 판후이에게‘대국 프로그램’과 대결해달라고 부탁했죠.판후이의 예상과 달리 그는 5연패 합니다. 후에 딥마인드가 알파고를 개발하는과정에서 판후이가 자문을 맡습니다. 익히 알려진, 2년 전 이야기는다큐멘터리 속에서 재등장하는데요.당시 기사에서 볼 수 없던 장면과 표정,잠시 숨겨진 이야기들도 담고 있습니다. 개인적으로 사건 자체가 주는 긴장감과다큐멘터리 연출도 쫄깃하다고 느낍니다.아웃스탠딩 독자님들께 추천해 드리면서다큐멘터리에서 느낀 바를 공유해봅니다. 1.지능은 '뇌'의 전부일까 2년 전으로 거슬러 올라가 볼까요? 이세돌 9단이 알파고와 대국하던 때저는 대학 강의시간에 틈틈이 핸드폰으로대국 경기나 경기 결과를 보고 있었습니다(?) 당연히 알파고가 이길 줄 알았어요.

지난 1월 말에 미국 시애틀에서 아마존고가 활짝 열렸습니다. 아마존고는 계산대에 줄 서서 기다릴 필요 없는 편의점으로 이미 유명한 곳인데요. 2016년까지만 해도 아마존 직원들에게만 공개된 곳이었는데 지난 1월에 대중 일반에 공개됐어요. (참조 - 아마존의 오프라인 매장은 어떤 모습일까) 어떻게 작동하는지 간단히 보자면 일단 입구에서 주황색 아마존고 쇼핑백을 받은 후 아마존고 앱을 깝니다. 그러면 화면에 통행용 QR코드가 뜹니다. 마치 회사 출근용 출입증과 비슷합니다. 살 물건을 모두 가방에 담은 후 나서면 입장할 때 연동됐던 아마존 계정을 통해 자동으로 계산이 이뤄집니다. 물건을 집어서 가방에 넣으면 선반의 센서와 천장에 달린 카메라가 누가, 무엇을 담아 가는지 확인합니다. “만약에 사려고 물건을 집었다가 다시 내려놨는데.. 결제되진 않겠죠?” “네. 선반에 다시 내려놓을 경우 시스템에서 해당 인물이 해당 물품을 구매하지 않은 것으로 인식합니다” “누가 막 훔쳐가면 어떡해요? 혹은 남의 계정을 훔쳐서 사면요?” “실제로 아마존 직원들이 피카츄 옷을 입고 물건을 샀는데요. 마치 자율주행 차가 도로를 인식하듯 카메라가 사는 사람을 인식한다네요” “뉴욕타임스 기자가 가방이 아니라 품에 물품을 숨기는 형태로 훔쳐봤는데(?!) 결국 센서가 인식한 대로 계산이 이뤄졌죠” (참조 - 포켓몬 코스튬을 입었지만 결제는 이뤄졌고) “만약에 제가 물건을 집어서 다른 사람에게 건네면 어쩌죠?”

지난해, 지구를 떠난 40주년이었습니다. 우주 탐사선 보이저 1, 2호 이야기입니다:) 목성과 토성을 탐사하기 위해 발사된 이 무인 탐사선들은 계속 우주 저편으로, 지구에서 가장 먼 곳으로 날아가고 있죠. 이들에게 우주는 모험과 탐사의 땅입니다. 남세동 대표는 마치 보이저호처럼 딥러닝이란 영역을 함께 탐색할 팀을 모으고자 ‘보이저엑스’를 차렸다고 합니다. 실제로 서초역에 위치한 사무실 입구는 하얀 벽과 스르륵 열리는 문으로 이뤄졌어요. 출입문이 열리자마자 그 앞에는 “Bon voyage”(여행 잘 다녀오세요)라는 까만 글자만 하얀 벽을 지키고 있습니다. 분명히 사무실에서 나가는 게 아니라 들어오는 이에게 건네는 인사말이었죠. 꽤 의미심장하다고 생각했습니다*_* 자세한 스토리는 뿔테 안경을 쓴 남세동 대표에게 들어봤습니다. 1.왜 딥러닝 스타트업을 시작했나 “안녕하세요. 아웃스탠딩 김지윤입니다. 사무실 입구가 완전 제 취향이었습니다(?!) 어째서 보이저엑스를 창업하신 건가요?!” “안녕하세요. 보이저엑스 남세동 대표라고 합니다:) 창업은 원래 해야지 생각했습니다. 서른 살부터 계속했던 생각이었어요” “98년 네오위즈에서 조직 생활을 시작해 네이버를 거쳐 거의 18년간 일했는데요. 창업을 미래의 꿈처럼 계속 늦추다가는 죽을 때까지 못 하겠다 싶었습니다ㅠㅠ” “그래서 15년도에 회사를 일단 나왔고 백수로 지내던 중에 딥마인드의 수장인 데미스 하사비스의 강연을 보고 딥러닝에 푹 빠지게 됐습니다” “결정적인 기회는 10년마다 한 번씩 오는 것 같습니다. 인터넷, PC, 모바일, 여기에 이어 딥러닝이라는 세계가 새로 열릴 때 창업해야지 마음먹었죠”

그는 죽었습니다. 르네 카밀이라는 인물인데요.원래 평범한 엔지니어였습니다.도표 작성 장치를 다루는 전문가였어요. 그가 다루던 기계는 주로사람들의 인적사항에 구멍을 뚫은인구조사 카드를 분류했습니다. https://youtu.be/tOEFO1kU8rY 헌데 전쟁이 일어났습니다.나치는 어느새 카밀이 살던프랑스 비쉬까지 근접했습니다. 카밀은 직감했습니다. 자기가 다루는 인구 분류표가비쉬에 사는 유대인을 골라내서끌고 가는 데 쓰인다는 걸요. 실제로 인구조사 카드에는종교를 기재하는 부분이 있었고거기에 ‘유대교’라고 적는 건수용소로 간다는 뜻이었습니다. 카밀은 나름 기지를 발휘합니다. 원래 인적사항에 맞게인구조사 카드에 구멍을 내면기계가 그 구멍에 맞춰서카드를 분류하고 모았는데요. 카드에 펀칭할 때 일부러 11번째 줄에는 구멍을 내지 않도록펀칭 기계를 조작한 겁니다. 11번째 줄은종교를 표시하는 부분이었습니다. 카밀은 30개월간 몰래11번째 줄 데이터를 기재하지 않고인구조사 분류를 시행했습니다. 많은 사람이 수용소행을 피했고대신 다른 곳으로 피신할 수 있었습니다.

저는 평소에 음악을 자주 듣습니다.취향은 잡식이지만, 그날 기분에 따라듣고 싶은 노래가 휙휙 달라지는 편이죠. 어느 날, 갑자기 불편했습니다.그날은 꼭 힙합만 듣고 싶었는데,그래서 힙합이 아닌 노래가 나오면번번이 ‘그다음’ 버튼을 눌렀는데 앱에서는 평소처럼 자꾸만랜덤으로 발라드나 댄스곡을틀어줬습니다. ‘어째서 이게 학습이 안 되지?은근히 불편해서 못 쓰겠네;;;’ 문득 이런 생각을 하는 저를 발견했죠. 아무래도 유튜브에 익숙해진 까닭이었습니다.유튜브는 제가 무엇을 선택하는지에 따라그 선택과 비슷한 다른 추천을 해주잖아요. 하지만 모든 서비스가 그렇지는 않고,다만 저는 AI 기술을 조금이라도 활용해추천해주는 서비스에 길들여진 터였습니다. 예전에는 불편한 줄도 몰랐던 부분을불편이라고 자각하는 순간, 영영이전의 상태로 돌아갈 수 없다는 걸체감했던 날이었습니다. (참조 - 레트로가 아니라 아날로그가 반격한다) “지난 10년간 AI 분야에서는크나큰 발전이 이어졌습니다” “2007년 아이폰이 생겼을 때만 해도아이폰에 말까지 걸 순 없었습니다.기술이 멀었고, 서비스 자체가 없었죠” “하지만 얼마 지나지 않아 컴퓨터는인간보다 사물을 더 잘 식별하게 됐습니다.단기간 내에 인간의 능력을 뛰어넘었죠” “이제 스마트폰에 말로 지시할 수 있고,소비자들이 그러기를 기대하고 있습니다”

*이 포스팅은 최근 IT 벤처 업계의주요 이슈 이해를 돕기 위해 만들어진‘아웃스탠딩 콘텐츠 큐레이션’입니다. 정기적으로 한가지 이슈를 선택,주요 이슈에 대한 현재와 과거 기사를정리해 드릴 계획입니다. “지윤 기자님. ‘2017 인공지능의 모든 것’은기자님이 쓰시는 게 어떨까요?” “아웃스탠딩 독자들을 위해이번 해 인공지능이라는 키워드를조망해보면 매우 좋을 것 같습니다” “이… 인공지능이요?@.@” “그럼 부탁드립니다~!” ‘인공지능의 모든 것이라니…인공지능이 뭐지? 인공지능…머신러닝, 딥러닝… 으아아ㅏㅏㅏ’ 인공지능(AI)! 올 한 해를 빼곡히 수놓은 단어입니다. 기사 제목마다 인공지능이 나오고IT 대기업들도 인공지능 얘기하고스타트업들도 인공지능을 다루고한국 드라마에 인공지능이 나오고 인공지능, 딥러닝, 머신러닝부터강화학습, 비지도 학습 등등관련 용어들도 제법 익숙해졌죠. 이젠 엔지니어뿐만 아니라철학자, 윤리학자, 법학자들도인공지능에 대해 고민하기 시작했고요. 2016년이 알파고의 해였다면2017년에는 이제 사회 전반에'인공지능'이라는 말이 퍼졌습니다. 그런데 말입니다!

지난해 3월, 전국민의 이목은TV 생중계 영상에 쏠립니다. 구글의 딥마인드(DeepMind)의 알파고(Alphago)와이세돌이 펼치는 세기의 바둑 대결을 보기 위해서죠. 아마 이를 계기로 대한민국뿐만 아니라 전세계인이인공지능, 머신러닝, 딥러닝이라는생소한 용어를 접하게 된 게 아닌가 생각마저 듭니다. “구글 알파고 이후로 인공지능에 대한전국민의 관심이 높아졌습니다” "지난 30년간 뇌인지와 인공지능을 연구하고 있는데이 분야에 대한 산업화가이렇게 빠르게 이뤄질 줄은 차마 상상도 못 했습니다" (장병탁 서울대학교 컴퓨터공학부 교수) 실제로 그 당시 나온 많은 언론 기사들은인공지능/머신러닝/딥러닝이라는 용어를 혼용하며알파고가 이세돌을 꺾고챔피언이 될 수 있었던 이유에 대해서 설명합니다. 하지만 따지고 보면 기계 지능에 관한 용어기계가 스마트하다는 것을 표현하기 위해,사람들 입맛대로 사용됐다고 보시면좀 더 명확할 것 같은데요, 서로 연관성도 높고 겹치는 부분도 많기 때문에얼뜻보면 비슷해 보이지만사실 이들 용어 간에는 큰 차이가 있습니다. 다만 정말 이 용어가 무엇을 의미하는지 이해하기엔'넘나' 기술적이라는 문제만 남아있을 뿐이죠. 지난해 알파고 이슈를 함께 커버했던선배와 저의 실제 대화를 통해이 어려움을 간접적으로 접할 수 있습니다. "그래서 알파고가 어떻게 학습을 한다는 건데?" "딥러닝이라는 인공신경망을 이용했습니다"

저는 가끔 수능을 다시 치는 악몽을 꿉니다. 꿈속에서 수리영역 문제 안 풀어봤으면 말을 마세요 :( 논술 전형으로 대학을 가겠다고 생각한 이후부터수능을 소홀하게 대했지만 완전히 놓치는 않았습니다. 논술시험에 합격해도,수능에서 하나 또는 두 과목에서 2등급 이상 받아야최종 합격자 명단에 이름을 올릴 수 있었거든요. 수시에 합격했어도 수능을 준비해야 했던 이유가바로 여기에 있습니다. 기초실력이 탄탄하지 않으면학년이 올라갈수록 말린다는 게 바로수리영역이었기 때문에 사실상 수학은 포기(?)하고외국어 영역만 죽어라 팠습니다. 하지만 나머지 과목에서 그렇다고 찍기신공을발휘할 수도 없던 터라 ㅠㅠ 수리 영역 문제도 열심히 풀려고 노오력(?)을 했는데요, 풀면서 대단한 자괴감을 느꼈습니다. 기하와 벡터나 미적분을 제대로 공부하지 않았기 때문에자력으로 풀 수 있는 게 많지 않았어요 ㅠㅠ원해서 오지선다형에서 답을 찍은 게 아니었죠 ㅠㅠ 그때 시험지를 보고정신적인 충격을 상당히 받은 이유에선지, 그 뒤로 가끔 수험생 시절로 돌아가 교실에 앉아수2 과목에 편성된 개념문제를 푸는 꿈을 꾸는 것 같습니다. 무늬만 이과생이었다는 자괴감, 고3 마지막 시험인 수능에최선을 다하지 안했다는 죄책감이 10년이 지나도록 남아 있는 거죠.

“기업 입장에선 최대한이윤을 추구할 수밖에 없잖아요” 이렇게 생각할 수도 있는데요. 단기적으로 이윤만 추구하다가오히려 더 큰 비용을 치르는 게결과적으로 큰 손해일 수 있습니다. https://youtu.be/VJ5vLIdFkPs 올 1월에 개봉했던 영화‘딥워터 호라이즌’도 마찬가지인데요. 이 영화는 2010년 4월 미국 앞바다멕시코만에 위치했던 석유 시추선딥워터 호라이즌 호가 폭발했던사상 최악의 해양 재난을 그립니다. 영화에 나오는 석유회사 본사는최대한 작업량을 늘리기 위해안전검사를 건너뛰라고 지시합니다. https://youtu.be/wIfV5V1AK3A 결국 시추장비 문제로 인해시추선이 폭발하면서 기름이 유출됐고인명피해는 물론 주변 해역이기름 범벅이 되는 환경 참사였습니다. “사고 자체를 예견할 순 없지만사건을 예측할 순 있습니다” “딥워터 호라이즌 사태 5년쯤 전에CEO가 바뀐 후 환경 관리 비용이 점점 줄었다는 걸 알 수 있습니다.관련 리스크가 높아질 수밖에 없죠” (지속가능발전소 대표 윤덕찬) 참사가 벌어지기 전 해당 기업은회사 이름을 British Petroleum에서BP로 짧게 바꾸면서 자신들의 모토를 ‘석유를 넘어서(Beyond petroleum)’

5월 6일 내놨던 기획 기사‘인공지능(AI) 역사 10대 사건’(상)편에 이어서 (하)편을 냅니다. 3월에 열린 알파고와 이세돌 9단의바둑 경기에서 알파고가 승리를 거뒀죠.벌써 두 달이 지났군요. 이 행사 덕분에 다시금AI 기술이 주목받고 있습니다. ‘다시금’이란 단어를 쓴 건,주목도를 기준으로 AI의 역사는롤러코스터를 탄 마냥오르락 내리락하기 때문입니다. 어떻게 롤러코스터를 탔는지쭉 살펴보기 위해서 과거를 짚어봤습니다. 최초의 컴퓨터가 나온1950년대부터, 65년이 넘는기간 동안 일어난 중요한 사건 열 개 중 나머지여섯 개를 오늘 풀어내려고 합니다. (상)편에서 AI의 겨울이 불어닥친상황에서 기사를 마무리지었었죠. 겨울이 오는 데에 주요 원인이 된마빈 민스키 교수의 저서 ‘퍼셉트론’부터 이야기를 풀어나가 보겠습니다. 1969년, 퍼셉트론 출간 1960년대 AI 연구의 패러다임은‘연결주의’였습니다. 연결주의의 대표 연구 주제는‘뉴럴 네트워크’, 즉 ‘뉴럴넷’이었고요. 뉴럴넷은 인간의 뇌 기능을 적극적으로모방하며 개발된 인공 신경망입니다. 그러니까 인간 뇌의 기능을제일 적절히 베낀 뉴럴넷을 내는 것이AI를 연구하는 궁극적인 목적이었습니다.

대압착시대 미국 경제학자들은1950년대와 1960년대를 가리켜'대압착(the great compression)' 시대라이야기하곤 합니다. 이 시기 계층간 소득 격차가극적으로 좁혀졌기 때문인데요. 다시 말해 호황기였으며모든 사람들이 거의 동일하게부유해질 수 있었고경제적으로 평등했습니다. 어떻게 이럴 수 있었을까요? 이런저런 이유를 댈 수 있겠지만가장 주목할 만한 것은 '경제구조'입니다. '테일러-포디즘'으로 대표되는대량생산, 대량소비 체제가2차 세계대전을 거쳐 꽃을 피웠죠. 고도로 분업화, 표준화된 업무시스템은수많은 일자리를 창출한 동시에공평하게 모두가 부를 얻을 수 있는토대를 마련했습니다. 하지만 1970년대와 1980년대를 시작으로빈부격차가 심화되고 있는데요. 미국 경제정책연구소(EPI)에 따르면대기업 회장 소득평균과일반 근로자 소득평균은 차이는1965년 20배에 불과했지만2013년 295배로 폭증했다고 합니다. 왜 이런 일이 생겼을까요. 정보통신 혁명의 그림자 미국 주류 경제학자들은경제구조의 변화를 이야기합니다.