SDF 다이어리

기술이 전 분야에 걸친 삶의 형태를 송두리째 바꿔놓는 순간을 온몸으로 체감하게 될 때가 있습니다. 1990년생인 저에겐 2010년대 초반의 스마트폰의 탄생이 그랬는데요. 언제 어디서나 타인에게, 또 정보에 ‘접속’ 상태가 된다는 것은 친구를 만나는 방식, 낯선 곳에서 길을 찾는 방식, 학교 과제를 하던 방식 등을 순식간에 바꿔놓으며 삶을 뒤흔들었죠. 그 이후의 세계는 잘 아시다시피 타인, 세계와 관계 맺는 방식의 근본적인 대변혁이었습니다. 이전의 세계로 더는 돌아갈 수 없게 됐다는 점에서 비가역적인 분기점이었다고도 할 수 있겠습니다. 앞선 세대에겐 그게 인터넷 혹은 휴대폰의 탄생이었겠죠.

지금의 챗GPT에 대한 뜨거운 열광을 보며 10년 여 전 그 때가 떠올랐습니다. 챗GPT는 알파고, 메타버스나 블록체인에 대한 열광처럼 잠시 끓어올랐다 주춤하는 유행이 될까요? 아니면 챗GPT도 스마트폰처럼 그 이전과 이후의 삶의 모습을 가르는 새 시대의 이정표가 될까요? 챗GPT를 낳은 AI 기술의 발전은 지금 어디까지 온 걸까요? 이 질문에 대한 답을 찾기 위해 미래팀은 김기응 카이스트 김재철 AI대학원 교수를 만났습니다.

AI 기술 연구의 선두 그룹에 당당히 서 있는 한국에서 특히 카이스트는 AI 국제학회들에서 지난 2020년, 2021년 모두 논문 수 기준 아시아 1위, 전 세계 5위권에 오를 정도로 앞선 연구를 하고 있습니다. 김 교수팀은 2020년 인공지능 전력망 운영관리 국제대회에서 전체 1위에 오르기도 했는데요 현재는 산업계와 함께 국내 초거대 AI 개발을 이끄는 산학 협력에 참여하고 있습니다. 인공지능의 세계를 알기 쉬운 언어로 풀어 설명한 김 교수와, 같은 학교 오혜연 교수의 MOOC 강의는 한 때 인기 강좌 톱5에 오르기도 했습니다.

챗GPT를 써보고 굉장히 놀랐어요. 사실 한 달 동안 챗GPT를 들여다보지도 않고 있었거든요. 이미 인공지능 스피커와 같이 산지 3, 4년이 되는데 어느 정도 명령에 어떤 답을 해줄 것이다, 라는 게 예측 가능한 수준을 벗어나지 않을 것이라는 생각을 했었어요. 그런데 우연한 기회에 써봤다가 굉장히 깜짝 놀랐어요. 당황스러울 정도로요. 웬만한 대학원생 학생들보다도 전공 분야에 대해서 대답도 잘하더라고요.

꼭 그런 것만은 아니에요. 챗GPT만을 위한 신기술이 개발된 게 아니라 학계에서 알려진 기술들을 적재적소에 잘 집어넣어서 시스템으로 구성을 한 거죠. 그게 엄청난 효과를 발휘한 것입니다.

기본적으로 둘 다 강화학습 기술을 이용하긴 했지만 약간 달라요. 바둑 같은 경우에는 사람이 만들어낸 정형화된 규칙에 의해서 일들이 벌어지는, 말하자면 굉장히 복잡한 수학문제이자 퍼즐이거든요. 답이 엄연히 있기 때문에 이것만 잘 맞추면 됐던 거예요. (알파고는 바둑기사들이 바둑 두는 방법을 모방해 법칙을 익힌 뒤 내부 알고리즘끼리 수 없이 바둑을 두고 시행착오를 거치면서 경기력을 향상시키는 강화학습을 했습니다.) 그런데 챗GPT는 완전히 열린 상황에서 예상하지 못한 질문에 대한 적합한 대답을 내놔야 되니까 알파고를 훈련시킨 기법보다는, 사람들을 더 많이 동원해 챗GPT 훈련 과정에서 챗GPT의 답변에 대해 좋다, 나쁘다 피드백을 주고 이를 통해 학습하는 방식이었던 것으로 알고 있습니다.

확실히 챗GPT가 보통 사람들의 인공지능에 대한 접근성을 굉장히 낮춰준 것 같아요. 마치 지금 우리가 구글이나 네이버 같은 웹 검색 없이는 살기 힘들 듯이 이제 챗GPT 없이는 생활하기 힘든 세상이 지금 닥쳐오고 있지 않나 저는 생각합니다.

학생의 입장에서 보겠습니다. 인터넷이 보급되기 전에는 연구 주제를 찾기 위해 도서관에서 서지 정보를 일일이 뒤져서 이 키워드를 갖고 있는 논문, 책이 있는지 하나하나 찾아 인쇄를 해 살펴봐야 했어요. 그렇게 해도 그 중에 99%는 찾으려는 정보가 아닌 경우가 많았죠. 그런데 그 노동 과정이 이제는 인터넷 검색으로 많이 해결이 됐어요. 하지만 지금도 인터넷 검색을 해보면 제가 원치 않는 정보들이 많이 섞여 나오잖아요. 바로 그 단계를 챗GPT 같은 AI 모델들이 해결해주고 있는 거예요. 그러니까 과거에는 저희들이 정보를 수집한 다음에 이걸 잘 정리해서 스스로 지식화해야 된다고 했다면, 그 부분이 사라진 거예요. 다 요약을 해서 그냥 지식의 형태로 저한테 전달해주니까. 정보를 수집하고 이걸 머릿속으로 정리하는 부분들을 이제 다 컴퓨터가 해주는 거죠. 원래 인간의 고유 영역이었다고 생각하는 것들이요.

네 이게 학생들 교육이나 연구하는 풍경의 많은 걸 바꿀 것 같아요. 과거에는 논문 많이 읽고 이걸 자기가 잘 소화해서 자기 것으로 만들고 나의 연구를 하는 게 올바르게 공부하는 덕목이었는데 이걸 이제 AI가 해주는 거니까요. 이제 공부하는 사람들 입장에서는 앞으로 자기가 발전시켜야 될 덕목과 기술이 뭔지, 어떤 소양을 길러야 되는지 상당히 혼란의 시대가 온 것 같아요.

긍정적으로 보자면 공부하는 사람 입장에선 지식에 관련된 일, 작품, 프로젝트를 하고 싶을 때 종래에는 안 보였던 강력한 툴이 새로 생긴 거거든요. 예컨대 문법이나 표현 방식이 서툰 문제에 가려졌던 좋은 아이디어 그 자체가 좀 더 대접 받을 수도 있는 것이고요. 다만 챗GPT를 도구로서 써야 하지 절대 공저자로 여겨서는 안 됩니다. 챗GPT를 활용한 결과물의 책임은 오로지 본인에게 있다는 걸 기억해야 해요.

간단히 말하면 AI의 기억 용량을 늘리는 것입니다. 데이터를 많이 넣어줘도 기억 용량에 한계가 있으면 외우고 학습하는 데 한계가 있어요. 그런데 몸집을 키우면 키울수록 훈련시키는 데이터 역시 늘릴 수 있고, 그러면 보다 더 정확하고 세부적인 것까지 학습할 수 있게 되는 겁니다. 때문에 마치 반도체 집적률이 올라가듯이, 반도체 안에 들어가는 트랜지스터 개수가 늘어나듯이 AI 모델도 서로 경쟁이 붙으면서 더 크게, 크게, 크게 만들고 있는 거죠. 그 과정에서 나온 게 챗GPT 같은 모델이고요. 한편으론 똑같은 물리적 용량을 사용하더라도 더 많이 학습할 수 있도록 효율성을 높이는 연구가 화두로 떠오르고 있습니다. 마냥 물리적 용량을 크게 늘릴 수는 없는 노릇이기 때문에요.

증기 기관차를 예를 들어 보겠습니다. 증기 기관차가 처음 발명된 뒤 세월에 따라 점점 몸집을 키워 온 이유는 철도에 대한 운송 수요가 폭발적으로 증가하면서 그 수요에 맞추고 경제성을 높이기 위한 것이었지요. 지금 구글, 오픈AI 등 회사에서 점점 더 큰 AI 모델을 개발해서 발표하는 것도 겉으로 보기엔 비슷한 흐름이죠. 그런데 큰 차이점은 증기 기관차와 달리 초거대 AI 모델은 덩치를 키우면 키울수록 경제성이 떨어진다는 거예요. 왜냐하면 이걸 운용하기 위한 더 고성능의 하드웨어들이 필요하니까. 그럼에도 불구하고 왜 더 초거대 AI를 개발 하느냐? ‘주어진 일을 더 경제적으로 해결하자’가 아니라 몸집을 키우면 키울수록 작은 모델에서는 안 보였던 새로운 기능들이 갑자기 보이기 시작하기 때문입니다. AI라는 증기 기관차의 몸집을 키웠더니 어느 순간 갑자기 날기 시작하고 자율 주행하고 걸어 다니고 이런 몰랐던 새로운 기능들이 생겨난다는 거죠. 그게 초거대 AI 경쟁을 밀어붙이는 동기가 아닌가 생각합니다.

자의식을 가진 AI까지 갈 것이냐, 라는 질문이라면 저희는 그 정도까지는 아니라고 생각합니다. 자의식을 갖고 터미네이터처럼 진화하고.. 거기까진 아직 많이 먼 미래 같아요. 물론 결과값에 대한 알고리즘이 인간의 이해 영역을 넘어서는 부분은 계속 고민해야 하는 풀리지 않는 이슈로 남아 있을 것 같습니다.

AI 무인 살상 로봇도 충분히 가능합니다. 인공위성 사진을 보고 취약 지점을 찾아낸다거나 적군을 잘 표적해서 총을 쏘게 되면 그게 바로 살상하는 AI가 되는 것이죠. 기술적으로 아주 어려운 일은 아닙니다. 때문에 AI 관련 윤리에 대해서도 많은 논의가 있고, 윤리 과목들도 필수로 개설이 되어 있는데요. 다만 기술 발전 속도가 너무 빨라서 윤리의 기준이라는 게 시시각각 바뀌어야 되는데 그걸 따라잡기 힘든 구석이 있는 것 같습니다.

많은 부분이 바뀔 거예요. 예컨대 이제는 유튜브 영상도 AI가 대신 제작해줄 수 있잖아요. 완전 자동은 아니지만 대본을 써주면 영상과 음성까지 입힌 결과물이 나올 정도니까요. 그런데 이런 부분도 있어요. 은행에 ATM이 처음 보급되면서 은행이 창구 직원 등 고용을 줄일 거라고 많은 사람들이 예측했는데, 10년 후에 봤더니 그게 아니라는 거예요. 오히려 ATM이라는 기계를 잘 써서 전체적으로는 은행권들이 더 효율화가 좋아지면서 사업규모가 더 커지고 고용의 효과도 늘어났다고 얘기하거든요. 희망과 우려가 교차하는 지점이 있는데 결국 이 혼돈의 시대를 어떻게 슬기롭게 헤쳐가야 하는지가 중요할 것 같습니다.

AI 기술은 지식 노동자들에게 위협이 될 수도 있지만 강력한 툴이 될 수도 있거든요. 지식 노동의 결과물을 최종적으로 책임지는 건 결국 사람만이 할 수 있는 일입니다. 엑셀이 보급되면서 회계사들 일이 과거에 비해서 굉장히 줄어들었지만 직업이 없어지거나 줄어들진 않았잖아요. 마찬가지로 새로운 기술과 공존하는 사람의 시대가 열리지 않을까요? 예컨대 서면이나 계약서 초안을 잡을 때 AI를 활용하고 그 다음에 사람이 들여다보면서 수정하고 다듬으면 생산성이 훨씬 올라가겠죠.

벌써 전문 용어로 ‘프롬프트 엔지니어’라는 새 직군이 생겨났습니다. 프롬프트는 AI모델로부터 답변을 이끌어내는 일종의 화두라고 보면 되는데 프롬프트를 어떻게 던지느냐에 따라 돌아오는 답의 질이 굉장히 다르거든요. 앞으로 AI 관련 여러 직군이 유망할 테지만 그중에서도 프롬프트 엔지니어는 새로 떠오르는 직군입니다. 회사에서 초거대 언어 모델을 써서 프로젝트나 일을 하고 싶으면 프롬프트를 잘 던져야 프로젝트에서 원하는 답을 끌어내는 AI를 만들어낼 수 있거든요. 이게 아직 흑마술같은 이론이 정립되지 않은 새 기술이어서 이걸 잘하는 사람들을 엔지니어로 뽑는 케이스가 종종 보이기 시작합니다.

2시간 가까이 이어진 AI 세계의 이야기를 듣고 보니 챗GPT는 다가오는 초거대AI 시대의 시작에 불과하다는 생각이 들었습니다. AI를 도구로 쓰는 데 익숙해진 사람과 그렇지 못한 사람의 차이가 점차 커질 것 같다는 예감과 함께요. 김 교수가 언급한대로 다가올 초거대 AI 시대의 핵심 중 하나는 이를 뒷받침해 줄 거대한 고성능 하드웨어 시스템일 겁니다. 아마존과 마이크로소프트, 구글 등이 클라우드 컴퓨팅 산업, 그래픽 카드 등 산업에서 치열한 경쟁을 벌이고 있는 것도 차세대 산업을 선점하기 위한 몸부림으로 읽힙니다.

미중 갈등을 촉발한 핵심 요인 중 하나 역시 AI, 로봇, 양자컴퓨터 같은 첨단 기술의 패권 경쟁이라고 보는 시각이 많죠. 그만큼 중요성이 커진다는 것인데 다행히 우리나라도 현재까지는 AI 연구의 선두권에 서 있는 걸로 보입니다. 이 경쟁력이 이어질 수 있을까요? 여러 과학 분야 전문가들을 만나보니 최근 두드러지는 ‘의대 쏠림’ 현상과 과학 인재 육성 노력에 과연 국가가 얼마나 공을 들이는지에 대해 우려하는 시각도 상당했습니다. 이에 대해서도 조만간 교육 전문가를 만나 레터에서 소개해야겠다고 다짐하면서 이번 회 마칩니다.