[공감신문] 염보라 기자=인공지능(AI)을 통해 움직이는 4차 산업혁명 시대.

한국은 트렌드에 민감한 나라답게 연일 ”AI!"를 외치며 발빠르게 기술 진화를 이뤄내고 있다. IT업계뿐 아니라 AI와는 무관해 보였던 금융권이 AI 은행원을 앞다퉈 출시하고, AI 대선후보, AI 연예인까지 등장하기 시작했다. 

이쯤되면 궁금해진다. 우리의 AI 경쟁력은 어느 수준에 와 있을까. 우리는 AI 강국이라고 당당하게 외칠 수 있는 것일까.

그 해답을 찾기 위해 26일 <나의 첫 인공지능 수업> 저자이자 국내 대표 AI 전문가인 김진우 카이스트 초빙교수를 만났다.

김 교수는 인터뷰에서 ”특허출원 건수만 놓고 보면 전세계 4위로 앞서가 보이지만 1위 중국과는 14배, 2위 미국과는 4배 차이가 난다”면서 ”4위는 듣기 좋은 이야기지만, 현실을 보면 1·2위 선두 그룹을 따라잡기에는 골든타임을 놓친 상황”이라고 조심스럽게 말했다.

그러면서 대안으로 ‘창의적 인재’ 육성을 강조했다. AI 관련 기술들은 이미 진화해 있고, 앞으로의 AI 진화 방향은 ‘하이브리드’가 될 것인 만큼, 기존 기술을 융·복합해 새로운걸 창조할 수 있는 인재를 육성하는 데 집중해야 한다는 제언이다. 아울러 창의적 인재가 갖춰야 할 자질로 인문학적 소양을 강조했다. 

“기술만으로는 선두그룹을 못 따라갑니다. 한국의 AI 경쟁력을 키우기 위해서는 경쟁 구도를 바꾸는 것도 전략일 수 있습니다.” 김 교수의 말이다.

김 교수는 이밖에 AI 기술의 역사와 앞으로 나아가야 할 방향 그리고 기술 발전에 따른 윤리·탄소배출 등 문제에 대해 견해를 밝혔다. 다음은 인터뷰 일문일답이다.
 

Q. AI 기술의 탄생 배경을 간략히 설명해달라.

AI와 관련해 가장 처음 화두를 던진 사람은 1950년대 영국의 유명 수학자 앨런튜닝(Alan Mathison Turing)이다. 1950년 앨런튜닝이 자신의 논문에서 “기계도 과연 생각을 할 수 있는가”라는 질문을 던졌고, 5년 후인 1955년 학자들이 모여 AI라는 단어를 처음 만들어냈다. 이론적 배경은 이미 오래 전부터 존재해 왔고, 그게 1955년 하나의 개념으로 확립된 것이다.

이후 60~70년대 수많은 이론적 연구들이 이어졌다. 사람처럼 계산을 하고 문제를 해결할 수 있는 기술이 있다고 하니 얼마나 신기했겠는가. 미국에서 AI 붐이 불었고, 정부에서도 적극적으로 지원을 했다. 그런데 80년대가 돼서도 좋은 결과는 나오지 않았다. 세월이 지나도 별 소득이 없으니 정부의 자금 자원이 끊기도 연구원들도 다 떠났다. 그렇게 AI는 두 번의 추운 겨울을 맞았다.

그래도 기술은 계속 발전을 했다. 그러다가 1996년 IBM이 개발한 인공지능 ‘딥블루’가 전세계 체스 챔피언을 이기는 모습이 매스컴을 타면서 대중에게 충격을 안겼다. 이후 1997년부터 본격적으로 연구가 이뤄지면서 다양한 기술이 나왔고, 실제 사용할 수 있는 제품이 나오기 시작하면서 인기를 확 끌게 됐다.

Q. 1955년에 AI라는 개념이 만들어지고 60여년이 지났다. 현재 AI의 기술 진화는 어느 정도 이뤄졌다고 보는가.

첫 걸음을 뗐다고 보면 된다. 체스를 두기 위해 개발된 AI는 바둑을 둘 수 없다. 마찬가지로 바둑을 두기 위해 개발된 AI는 자율주행에 쓰일 수 없다. 이처럼 특정분야의 문제를 잘 푸는 AI를 ‘특화된 AI’라고 한다. 특화된 AI는 원래의 용도로만 활용할 수 있다. 이런 AI는 원래의 용도에서는 인간의 수준을 뛰어넘지만, 분명한 한계를 남긴다. 현재는 이 단계에서 막 출발한 상황이다.

하지만 인간은 체스를 둔 후 차를 끌고 집에 가서 가족과 대화를 나누지 않나. 현재 많은 학자들은 실제 인간처럼 다양한 활동을 할 수 있는 AI를 연구하고 있다. 이를 ‘일반화된 AI’라고 부른다. AI가 진짜 인간처럼 되는 거다. 여기서 끝이 아니다. 초지능 AI라는 다음 단계가 남아 있다. 초지능 AI는 인간의 기능을 뛰어넘는다. 다만 아직은 영화에나 나올법한 일이다.

AI가 어려운 이유는, AI의 궁극적인 목표가 사람과 같은 시스템을 만드는 것인데 사람은 지적능력 외에 자유의지, 감정, 의식을 가지고 있기 때문이다. 이러한 매커니즘을 시스템으로 구현하는 건 굉장히 어려운 문제다. 예를 들어 인간은 죄책감이 드는 행동을 지양한다. 이런 게 AI가 가능할까? 쉽지 않을 것이다. 또 지금까지 기계는 시키는 것만 해왔지 응용해서 새롭게 하는 걸 못했다. 즉 창의력의 문제도 존재한다는 거다.

Q. 그렇다면 AI는 우리 삶을 어떤 모습으로 바꾸게 될까. 미래 그림을 그려주신다면.

AI 외에도 기존에 굉장히 많은 기술이 있었다. 그런데 AI가 왜 특별한가. 다른 기술들과 달리 성능이 좋고 굉장히 효율적이기 때문이다. 결론적으로 AI는 인류사회를 윤택하게 만들 것이다.

다만 한 가지 말하고 싶은 건, AI가 인류에게 어떻게 해주길 원하는지에 대한 질문을 던질 때가 됐다는 생각이다. 예를 들어 AI에게 인간의 자유의지와 감정을 넣었다고 가정해 보자. AI에게 "난 이 문제를 이렇게 해결하면 좋겠다"고 말하면, AI가 "난 다른 방법이 좋을 것 같아. 내가 알아서 할테니 넌 신경쓰지 마"라고 할 것이다. 우리는 이런 상황을 만들고 싶은 것인가?

AI 기술을 만드는 것도, 활용하는 것도 사람이다. 기술 자체가 뛰어나기 때문에 이 기술이 우리에게 어떤 혜택을 주고 어떤 모습으로 존재하길 바라는지 인류 스스로가 질문을 던져야 한다.

Q. AI 기술을 발전시켜나감에 있어 윤리 문제도 대두될 것으로 보인다. 

그렇다. 일례로 2017년 미국에서 '우버'가 '볼보'의 자율주행차를 구매해 야간시범운영을 하다가 자전거를 타고 건너는 보행자를 치어서 사망케 했다. 볼보 책임이냐, 우버 책임이냐, 운전자 책임이냐, 인공지능의 책임이냐 하는 논쟁이 붙었다. 법원은 운전자 책임으로 봤다. 충돌 직전에 핸드폰을 보고 있었기 때문에 전방주시의 책임을 물었다.

이건 비교적 명백한 사안이다. 문제는 앞으로 더 복잡한 사안들이 나올 것이란 점이다. 만약 자율주행차를 타고 가는데 횡단보도에 누가 뛰어들었다고 가정해보자. 핸들을 오른쪽으로 급히 꺾어야 하는데, 오른쪽에는 4명이 횡단보도에서 신호를 기다리고 있다. 누구를 살리고 누구를 희생해야 하는가. 

기계가 사람 수준으로 올라가면 답할 수 없는 문제가 많다. 이런 문제는 상당 부분 인간도 답하기 어렵다. 그래서 그런 상황까지 직면하는 AI 시스템을 만들고 싶은가 하는 문제가 남는 거다.

Q. 개발자들의 마음가짐이 중요할텐데.

이 시스템의 서비스나 성능이 굉장히 큰 파급력을 낼 수 있다는 걸 알아야 한다. 나쁜 의도는 아니어도 개발·설계 단계에서 실수를 하면 자칫 문제를 만들 수 있기 때문이다. 충분히 테스트 하고 검증한 다음에 시장에 낼 수 있어야 한다.

유럽연합(EU)의 경우 AI 시스템이 문제를 일으키면 해당 회사에 벌금 400억($35M) 혹은 회사 전세계 매출의 6%에 상응하는 벌금을 물리는 규제를 가하고 있다. 앞으로 "시스템이 이럴 줄 몰랐어요" 하는 변명은 안 통한다는 의미다.

개발자뿐 아니라 사용자도 마찬가지다. 작년에 AI 채팅 서비스가 나왔는데, 여성폄하·성적 발언으로 논란을 야기한 바 있다. 그런데 이것이 기술의 잘못일까? 기술은 시키는대로 했을 뿐이다. 사용자는 시스템을 선의의 목적, 건전한 목적으로 사용해야 한다. 사용자들이 나쁜 마음으로 시스템을 왜곡해 사용하는 일이 없도록 교육을 통해 의식 전환을 시켜야 한다고 본다.

Q. AI가 확대되면 기존 일자리가 많이 사라질 것이란 우려의 목소리도 나온다. 어떻게 보는가.

인류 역사를 보면 새로운 도구나 기술이 나타남에 따라 없어지는 일자리가 생겼다. 대신 더 많은 일자리가 생겼다. 단순 작업들, 반복되는 작업들은 AI가 대체할 것이다. 하지만 AI가 아무리 뛰어나다고 해도 인간을 따라잡기에는 무리가 있다. 인간 나름대로 가진 독창성, 창의적인 부분, 고도의 논리적인 부분, 복잡한 문제는 여전히 인간의 몫으로 남게 될 것이다.

Q. 새로운 직업군도 나타날 수 있을 것 같은데.

예를 들어, AI 기술을 가지고 아이디어를 내서 새로운 서비스를 만드는 것도 능력이다. 특히 정보통신(IT) 기반의 새로운 서비스는 대규모 투자가 필요 없다. 제조업처럼 부동산이나 기계가 필요하지 않기 때문이다. 단지 반짝이는 아이디어만 있으면 된다.

사실 '구글'도 새로운 서비스였다. 사회가 발전하면서 구글의 허점이 보이기 시작할 거고, 그 허점을 파고드는 누군가가 새 사업을 만들 것이다.

새 기술이 사회에 등장하면 사람들은 ▲거부하는 사람 ▲무관심한 사람 ▲적극적으로 활용하는 사람 등 세 분류로 나뉜다. 그리고 사회는 늘 세 번째 사람들에 의해 발전해 왔다. 우리사회에 특히 중요한 인재상이라고 본다.

Q. 딥러닝 분야 석학인 개리 마르쿠스 뉴욕대 교수는 조만한 딥러닝 기술 발전이 한계에 이를 것이라는 견해를 밝혔다. 그 이유를 간략히 설명해 주신다면. 아울러 그 다음 단계에서 추진해야 할 것은.

딥러닝 개념이 나온 게 1960년대 중반이다. 초반에는 딥러닝에 대한 획기적인 결과물이 많이 나왔지만 시간이 지나면서 그 수가 줄어들고 있다고 한다. 

그럼 '넥스트 딥러닝'(딥러닝 다음)은 무엇일까. 하이브리드가 될 것이라고 본다. AI 기술을 분류하면 14개 정도 된다. 세부적으로 보면 60여 가지다. 딥러닝은 그 중 하나에 불과하다. 딥러닝은 어떤 문제는 잘 해결하지만 또다른 문제에는 취약하다. 아까 말씀드렸듯 60여 가지 기술이 각자 잘 푸는 문제가 있다. 반대로 자기에게 맞지 않는 문제는 잘 못푼다.

그래서 지금의 움직임은 각 기술의 장점을 취합해 또다른 AI를 만들어보자는 거다. 나머지 세부 기술은 이미 발전할대로 발전했으니 이젠 융·복합 단계로 가도 되지 않을까. 그러면서 AI 기술의 수준도 한층 더 높아질 수 있을 것으로 기대한다.

Q. AI 발전은 탄소배출 문제로부터 자유로울 수 없다. 이 문제를 해소하기 위해 글로벌 시장에서는 어떤 노력을 기울이고 있나.

비관적인 이야기로, 비트코인 채굴에 너무 많은 전력이 쓰이니까 일부 국가는 법으로 비트코인 채굴을 막았다. AI 역시 데이터 가공을 위해 많은 전력이 필요한 상황이다. 

해결방안은 AI반도체다. AI반도체의 목적은 컴퓨팅 파워를 엄청 높이면서 전력 소모량을 확 줄이는 것이다. AI반도체 연구도 이제 막 걸음마를 뗐는데, 이게 해결 안 되면 심각한 문제가 생길 수 있다고 본다. 비트코인 채굴처럼, 인공지능 개발을 금지하는 법이 나올 지도 모르는 일이다.

Q. 전세계에서 AI 기술 개발이 경쟁적으로 이뤄지고 있다. 그 속에서 우리나라 AI 기술 수준을 평가해 주신다면.

기술 혁신을 평가하는 잣대로 특허를 많이 본다. 한국은 전세계 190여개 국가 중 4위다. 하지만 현실은 1위 중국과 14배 차이가 나고, 2위 미국과는 4배 차이가 난다. 3위 일본과는 비슷한 수준이다. 즉 1·2위와의 격차가 엄청 벌어져 있다는 의미인데,  이 격차를 따라잡기란 쉽지 않을 것이다. 기술력으로 보면 4위는 듣기 좋은 이야기지만, 현실을 보면 선두그룹을 따라잡기에는 이미 골든타임을 놓쳤다는 생각이다.

Q. 선두그룹과 왜 이런 차이가 나는 것인가. 

선두에 있는 국가들은 '기술의 생태계'가 잘 조성돼 있다. 기술의 생태계는 대학이 똑똑한 인재를 배출하고, 그 인재들이 기업에 취업해 산업을 육성하며, 기업이 다시 대학에 투자하는 선순환 구조를 의미한다. 미국은 이 환경이 잘 돼 있다. 하지만 한국은 그렇지 않다. 좋은 인재들이 미국으로 가버린다. 구글 등 글로벌 기업도 많고, 연구 환경도 좋고, 사회적 인프라도 한국보다 훨씬 좋기 때문이다. 

3위 일본도 마찬가지다. 똑똑한 친구들이 미국으로 넘어가니 도요타 같은 첨단 대기업들이 R&D에서 'R'을 미국에 두고, 'D'만 일본에 둔다. 혁신은 미국에서 찾고 국내에서는 생산만 하는 거다. 그러니 일본 내부에서는 젊은 층에서는 더이상 노벨상이 안 나올 거라고 이야기 한다.

한국 기업들도 연구센터는 다 실리콘밸리, 시카고, 캐나다에 있다. 한국이 역량이 안 되니 빠져나가는 거다. 기술의 생태계 측면에서 아쉬운 점이 너무나 많다.

Q. 최근 AI 대학원이 굉장히 많이 생겼는데. 

문제는 AI를 전공한 교수가 많지 않다는 거다. 수학, 경제학을 전공하신 분들이 많다. 비 전공 교수님한테 배운 인력들이 한 텀 돌아 오리지널 AI 전문가가 돼야 제대로된 후배들이 양성될 거다.  

한 가지 아쉬운 건, AI가 필요하다고 하니까 준비가 돼 있지 않은 상태에서 너도나도 과를 만든다는 거다. 과학기술은 더 멀리보고 정책을 수립해야 하는데, 우린 닥쳐서 한다. 5~6년 뒤에 다른 이슈가 나오면 또 그걸 신경쓰기 시작할 거다. 벌써 메타버스가 나오지 않았나. 메타버스를 전공한 교수가 얼마나 있겠나. 그런데 대학원을 막 만들고 있다. 악순환인 거다.

과학기술을 성과 중심으로 드라이브 하다 보면 정책은 계속 바뀌게 된다. 그러면 쌓이는 게 없다. 노벨상도 20~30년 쌓인 내공으로 가능하다는 걸 알아주셨으면 하는 마음이다.

Q. 산업 대전환기에 한국이 강국으로 자리매김하기 위해서는 어떤 노력을 해야 한다고 보는가.

선두그룹과 차이가 크다고 해서 손을 놔야 할까? 아니다. 

앞서 AI 기술이 60여 개 있다고 말씀 드렸다. 그런데 모든 국가가 60여 개 기술 다 잘하지는 않는다. 모든 분야의 세계 1등이 아니라, 일정 분야의 1등이 될 필요가 있다는 판단이다.

두 번째는 이미 나와있는 기술을 잘 사용하는 것도 실력이라는 사실이다. 기존 기술을 가지고 새로운 아이디어를 내 세계적인 기업으로 성장한 곳들이 여럿 있다. 국가가 이런 쪽으로 드라이브한다면 충분히 승산이 있다고 본다.

특히 한국 고객들이 까다롭다고 한다. 이는 한국에서 성공하면 해외에서도 성공할 수 있다는 의미다. 한국시장에서 성장시켜서 밖으로 내보내는 전략으로 가야 유리하지 않을까 생각한다.

Q. 결국 창의적인 인재가 필요하다는 의미인가.

그렇다. 공대 학생들이 약한 게 창의력이다. 굉장히 조직화, 시스템화 돼 있어 '선'을 넘으면 큰 일이 난다고 생각하는 학문이기 때문이다. 그런데 벗어나도 된다. 그렇게 새로운 게 만들어지는 거다. 나노는 물질에만, 퀀텀은 계산하는데만, 줄기세포는 생리학 문제에만 쓰인다. 하지만 AI는 굉장히 다양한 분야에서 쓸 수 있다. 기술을 어떻게 펼치냐는 사람의 역할이고, 그러기 위해서는 창의적인 사고가 필요하다. 

그러기 위해서는 인문학적 소양을 키우는 것이 중요하다. 그 필요성을 개개인이 느껴야 한다. 학부부터 공대-공대-공대 단계를 밟는 건 20~30년 전에나 유용했다. 이제는 새로운 걸 창조하는 능력을 키워야 한다. 기술로만 하는 건 (미국·중국을) 못 따라간다. 경쟁구도를 바꾸는 것도 중요한 전략이다. 

대담= 전규열 대표이사
정리= 염보라 기자
사진= 이건 기자

※ 이번 인터뷰는 코로나19 방역수칙을 준수하며 진행됐습니다.

김진우 교수 프로필

-미국 애리조나대 인공지능 박사학위 취득
-삼성SDS IT 전략 커설팅 본부
-SAS코리아
-O1 Inc.
-두산그룹 전략본부 CIO Office
-클래리베이트 한국사업 총괄
-現카이스트 미래전략정책연구소 Special Advisor 
-現카이스트 기술경영학부·기술경영전문대학원 초빙교수