AI와 인간의 현재 진행 중인 변화들(3) / 김덕진

[김명아]

사회와 문화

특별기획연재

AI와 인간의 현재 진행 중인 변화들(3)

AI와 인간의 현재 진행 중인 변화들(3)

세 번째 질문

AI는 산업의 미래를 어떻게 바꿀 것인가?

도구의 진화에는 늘 논란이 있었다

김덕진(미래사회lT연구소 소장)

기술의 시작은 시대의 관점을 바꾸어 놓는다. 대표적인 사례가 프랑스 화가 루이 다게르가 1839년 은판사진법으로 찍은 전 세계 최초의 사진 <파리의 템플 큰길>이 세상에 나왔을 때이다. 초상화가 주를 이루던 19세기에 그 누구보다 명확한 초상화를 “만들어”준 사진을 보고 경악한 P. 드라로쉬는 “오늘로 회화는 죽었다!”라고 소리쳤다. 회화가 죽는 일은 일어나지 않았지만, 많은 초상화가나 풍경화가들이 붓을 꺾은 것은 사실이었다. 이후 유럽과 미국 각 도시에는 수십 개의 초상사진관들이 성업하였고 빠르고 정확하고 싼값으로 초상을 제작하는 사진에 의해 초상화가들은 더 이상 생계를 꾸려가기가 곤란하게 되었다. 하지만 “예술의 종말” 은 오지 않았고 관점의 전환을 일으키는 촉매재가 되었다. 현실을 똑같이 그려내고 세밀하고 정확한 묘사가 소설과 회화의 평가요소가 아닌 새로운 세상을 예술가의 관점으로 해석하고 재조합하여 표현하는 인상파(인상주의, impressionism)가 대두되었고 시대를 뛰어넘는 피카소와 같은 예술가들이 등장하며 미술은 또 다른 전성기를 맞이하게 된다.

지금은 우리가 흔하게 활용하는 PC프로그램인 포토샵이 1990년에 등장했을때도 같은 반응이었다. 디자이너들의 과도한 경쟁을 조장하고 고용안정성을 떨어뜨릴 것이라고 우려하게 했던 포토샵은 오히려 컴퓨터아트 라는 새로운 시장을 만들어 냈고, 예술이라는 영역을 조금 더 대중화하고 상업화하는 데 크게 이바지하였다. 오히려 디자이너들의 시장을 확대하는 역할을 했다는 것은 우리 모두가 동의할 것이다.

그리고 여기 또다른 새로운 변화의 시발점이 된 사건이 있다. 2022년 미국 콜로라도 주립박람회 디지털아트 부문에서 우승을 거머쥔 <공간적인 오페라 극장>에 대한 논란이다. 이 작품의 우승 타당성을 두고 논란이 인 것은 이것이 키보드로 명령어를 주면 이를 통해 이미지를 생성해 주는 생성형 AI 미드저니를 통해 만든 작품이기 때문이다.

우승 후 작품을 만든 제이슨 앨런이 미드저니를 통해 작품을 만들었다는 것을 밝히자, 전 세계 SNS는 뜨거운 논란에 휩싸였고 일부 일러스트레이터들은 과격한 욕을 섞은 표현을 하면서 수상을 취소시켜야 한다고 이야기하기도 하였다. 하지만 대회 심사위원들은 ‘창작 과정에서 디지털 기술을 활용해 이미지 편집하는 것은 허용되는 범위에 속하기 때문에 의사결정에 문제가 없다고 강조하며 논란을 일축했다. 즉 생성형 AI 기술 역시 포토샵과 같은 도구의 하나로서 인정한 것이다.

최근에는 미국작가조합이 임금 협상 등의 이유로 파업을 선언하였는데 작가 조합의 요구 중 하나로 AI를 활용해 각본을 작성 또는 각색하지 않을 것, 그리고 기존의 각본을 AI를 교육하기 위해 사용하지 않을 것을 들기도 했다. 이번 파업은 AI가 인간을 대체하지 않을 것을 요청하는 첫 대규모 노동자 파업이라고도 볼 수 있을 것이다.

도구의 진화에는 늘 논란이 있었다. 중요한 것은 이것을 도구로 바라볼 것이냐 아니면 사람과 같은 하나의 객체로 볼 것이냐이다. 20년 이상 인공지능 머신러닝 엔지니어로 일하며 트위터에 27만 명 이상의 팔로어를 가진 Santiago (@svpino) 가 이야기한 트윗 한 줄로 이야기를 마무리하려 한다.

AI will not replace you. A person using AI will. (AI는 사람을 대체하지 않습니다. AI를 사용하는 사람이 그렇지 않은 사람을 대체할 것입니다)

네 번째 질문

AI는 IT 개발의 미래를 어떻게 바꿀 것인가?

챗GPT로 인해 등장한 신직업과 비즈니스는 계속 지속될 수 있을까?

AI 침공의 시작과 신직업의 등장

챗GPT는 우리 비즈니스와 국내 IT 기업들에 실제로 어떤 영향을 미치고 있을까? 최근 필자가 출연한 KBS 뉴스의 영상 하나가 유튜브 메인에 걸렸다. 보통 뉴스 조회수가 잘 나와봤자 몇만 정도인데, 30만 뷰에 댓글도 900개가 달려서 깜짝 놀랐다. <‘AI 침공’ 시작됐나?>라는 제목의 영상이었고, 미국에서 직원들의 해고 사유에 AI가 처음으로 등장했다는 내용이었다. 5월 미국 감원 보고서에서 최초 통계로 해고 사유에 AI를 통계로 잡기 시작한 것이다. 비율은 전체 해고 사유 중에 5% 정도로 약 3,900명 정도가 해고됐다. 아직 비율은 그다지 높지 않지만, 사람들은 이제 인공지능이 자신의 일자리에 미칠 영향에 대해 본격적인 고민이 시작된 것이다. 세계경제포럼에선 향후 2027년까지 사무, 비서, 회계직 등 일자리 8,300만 개가 없어질 것이란 예측을 내놓기도 했다.

AI와 일자리 관련해서 현재 미국에서 가장 화두인 것은 방송 작가들의 파업이다. 현재 미국에선 대본 제작에 본격적으로 AI를 도입한 넷플릭스에 반발해 2007년 이후 15년 만에 작가 조합이 파업을 시작했다. 넷플릭스는 현재 프롬프트를 통해 대본 초안을 만드는 업체와 협업을 하고 있는데, 가령 ‘SF OTT를 만들고 싶다’라고 하면 프롬프트에 해당 내용을 기입할 경우 기본적인 내용과 캐릭터가 템플릿처럼 뽑히게 하는 방식이다. 작가들이 파업하는 이유는 크게 두 가지인데, 첫 재로 넷플릭스를 포함한 제작사들이 이렇게 초안으로 작성된 대본을 작가들에게 수정, 보완하는 작업을 맡기는 데 보수가 지나치게 낮다는 것이고, AI 훈련에 기존 대본이 사용돼 저작권이 침해될 수 있다는 점이다.

실제로 전 세계적으로 이미 프롬프트 엔지니어링 채용 전문 사이트가 등장했다. 그만큼 프롬프트 엔지니어라고 하는 영역은 분명히 지금 가장 떠오르는 신직업인 것이다. 막내 작가 20명이 며칠 동안 고민해야 되는 것들을 프롬프트 하나 만들면 하루 안에 해결할 수 있다. 넷플릭스와 협업하고 있는 업체는 그런 대본 한 건 당 500만 원을 받고 있다. 500만 원을 투자하면 20명 어치의 인건비를 줄일 수 있는 것이니 비즈니스적으로 보면 거절하기 힘든 선택이다. 근데 여기서 한 가지 생각해 볼 것이 있다. 그럼 이런 프롬프트 엔지니어링이란 신직업은 영원할까? 왜냐하면 이미 오토매틱 프롬프트 엔지니어와 관련된 논문들이 나오고 있기 때문이다. 그러니까 이 프롬프트라고 하는 것도 어느 시점에선 챗GPT나 구글의 바드에게 ‘이런 프롬프트를 만들어줘’라고 명령어를 주면 만들어 주는 자동화가 될 수도 있다는 것이다.

챗GPT로 인해 새롭게 등장한 IT 산업에서의 파운데이션 모델

전 세계의 산업 전반과 일자리가 재편될 조짐이 보인다. 이런 관점에서 우리가 또 생각해볼 문제는 개인이 아닌 IT비즈니스를 하는 기존 기업과 스타트업들은 이 변화를 어떻게 맞이하고 있고, 앞으로 어떤 관점을 가져야 할까에 관한 것이다. 보통 생성형 AI를 이야기할 때 우리가 꼭 짚고 넘어가야 하는 부분이 파운데이션 모델이라고 하는 개념이다.

이 파운데이션 모델이라고 하는 개념을 쉽게 설명하면 예를 들면 예전에는 글을 쓰는 인공지능을 위해서는 글을 쓰는 용도의 별도의 데이터를 만들어서 그것을 가지고 별도로 학습을 시킨 후 실행시키고, 그림 그리는 AI를 만들려고 해도 별도의 데이터를 만들고 학습해서 실행시켜야 했다. 그러다 보니 글을 만드는 AI와 그림을 그리는 AI를 통합적으로 만들기는 어려웠는데, 이 파운데이션 모델이라는 개념은 쉽게 말해 완벽한 데이터를 끝까지 만드는 게 아니라 공통적인 하나의 중간재 정도의 모델을 만드는 것이다. 그래서 여기에 텍스트도 넣고, 이미지도 넣고, 다양한 매체의 콘텐츠를 모두 넣어 트레이닝 시킨 다음 각자 본인들이 하려는 비즈니스 방식대로 튜닝을 시키는 것이다. 이렇게 됐을 때의 최대 장점은 초기 데이터를 직접 만들지 않아도 되니 개발이 더 효율적으로 진행된다는 것이다.

아울러 텍스트와 이미지 같은 건 우리가 볼 때는 다른 형태의 데이터지만 인공지능이나 컴퓨터에 들어간다는 건 결국 행렬의 형태로 변환되어 입력된다는 것이다. 결국 모든 데이터가 행렬 형태로 들어가고 거기서 우리의 니즈에 맞춰 뽑는 방식이니, 우리가 지금 생성형 AI 프로그램들을 이용하는 것처럼, 텍스트를 입력하면 이미지가 나오기도 하고, 동영상이 나오기도 하는 이런 구조가 만들어질 수 있었던 것이다. 물론 이런 파운데이션 모델에 입력된 데이터의 양이 작으면 잘 작동되기 힘들다. 그러나 우리가 잘 아는 오픈AI의 GPT 이후 초거대 모델들이 나오기 시작하고, 인터넷의 수많은 데이터를 넣은 파운데이션 모델들이 운영되기 시작했다.

국내에서는 네이버 하이퍼클로바가 이런 파운데이션 모델을 만들려고 하고 있고, 카카오, SK텔레콤 등도 시도하고 있다.

그러면 여기서 이제 비즈니스에 대한 고민이 시작된다. 왜냐하면 기존에는 인공지능 회사라고 하면 어디는 텍스트를 잘하고, 어디는 이미지를 잘하고, 어디는 동영상을 잘하는 식으로 나뉘어 있었다. 그런데 파운데이션 모델이라는 게 나와서 기존의 모든 데이터를 흡수한 후 그거를 갖고 뭔가 튜닝을 해서 작업이 가능해지니 IT 업계도 비즈니스 모델 자체가 개편되기 시작한 것이다. 이런 파운데이션 모델을 운영하기 위해선 그런 데이터를 저장하고 운영하는 클라우드도 있어야 하고 굉장히 많은 자금이 필요하다.

그러나 기존의 인공지능 기업들이 모두 파운데이션 모델을 만들 만큼 덩치가 큰 회사는 아니다. 그런 곳들은 어떻게 해야 할까? 앞서 얘기했듯 이 파운데이션 모델의 결괏값을 자기들이 개발한 비즈니스 애플리케이션을 통해 튜닝해서 소비자에게 제공하는 서비스를 하는 것이다. 그런 비즈니스 모델들이 우리가 잘 알고 있는 제스퍼나 국내의 뤼튼 혹은 라이팅젤 같은 회사들이다.

즉 생성형 AI 시장에선 현재 데이터를 잘 만드는 파운데이션 모델의 회사와 그런 파운데이션 모델의 결과값을 응용하는 회사들이 있는 것이다. 마치 반도체 시장에서 반도체 설계도를 만드는 회사와 설계도를 갖고 생산에만 집중하는 회사가 있는 것처럼 말이다. 일종의 플랫폼 구조의 형태에 가깝게 가고 있는 것인데, 이제 여기서 우리가 고민해볼 부분들이 있다.

챗GPT API 비즈니스, 지속가능한 수익구조를 만들 수 있을까?

앞서 말한 파운데이션 모델의 가장 대표적인 게 현재 오픈AI의 챗GPT이다. 그리고 챗GPT의 API를 가져와서 응용 비즈니스를 만들어내는 게 앞서 말한 제스퍼나 국내에서는 뤼튼이나 라이팅젤 등이 있다. 그럼 파운데이션 모델이 아닌 챗GPT의 API를 가져와서 IT비즈니스를 하는 기업들은 어떤 식으로 할까? 구체적으로 예시를 들면 ‘Whimsical’이란 회사가 있다. 원래 마인드맵을 만드는 서비스 회사였는데, 우리가 알다시피 마인드맵은 우리가 일일이 텍스트를 넣어야 되는 그냥 도구다. 근데 여기에 챗GPT의 API를 가져오면, 어떻게 될까? 중앙에 키워드를 넣으면 관련된 마인드맵이 그냥 그려지는 것이다. 마인드맵은 원래 우리의 생각을 정리하는 도구인데, 그 내용물들까지 챗GPT가 넣어주는 것이다.

또 다른 예시로는 판다GPT라고 해서 특정 상품에 대한 키워드를 넣으면 실제로 그 키워드를 갖고 내가 인터넷에서 물건을 팔 수 있게 장단점을 요약해준다거나, 그 상품을 어떤 식으로 팔고, 어떤 방식으로 상품 페이지를 만들면 될지 알려주는 서비스가 있다. 원래 이 회사도 네이버에서 다양한 쇼핑몰에 대한 분석을 제공해주는 회사였는데, 챗GPT API를 통해서 기능이 더 늘어나게 된 형태다. 그리고 최근 국민은행에서 우리의 은행 업무를 도와주는 AI 챗봇, KB GPT라는 서비스를 런칭했다.

근데 우리가 여기서 좀 궁극적으로 고민해봐야 될 부분이 있는데, API를 쓸 때 그냥 쓰는 게 아니라 돈을 낸다는 것이다. 그리고 꽤 비싸다. 개인이 사용하는 챗GPT는 월정액이지만, 이렇게 API 형태로 활용하는 것은 건당 단가를 내야 한다. 예를 들어 우리가 챗GPT한테 뭔가 질문을 한 번 30원의 돈이 든다면, 사용자 1인당 최소 30원 이상의 수익 구조가 나오지 않는 이상 비즈니스를 지속하기 힘들다. 게다가 갑자기 오픈AI의 API에 관한 정책이 조금만 바뀌어도 이를 활용하고 있는 기업들에게는 아주 큰 타격이 도리 수도 있는 것이다. 최근 챗GPT가 플로그인이라는 서비스를 만들었는데, 그 서비스를 자세히 살펴보면 API 비즈니스를 통해 밖에서 스타트업이 해왔던 것을 흉내내서 내부로 계속 넣고 있는 형태다. 그렇다면 이런 상황에 궁극적으로 API 비즈니스가 가능할까 고민이 되는 게 필자가 보기엔 냉정한 현실이라는 생각이 든다.

물론 아예 대안이 없는 것은 아니다. 최근에 이런 구조를 깨기 위해 메타에서 오픈소스 형태의 언어모델인 라마2를 공개했다. 제한적이지만 상업적으로도 활용할 수 있으니, 이것을 GPT만큼 유용하게 튜닝할 수 있느냐에 관해 기존 API 비즈니스를 하던 스타트업 사이에선 고민이 있는 상황이다. 지금의 상황은 마치 아이폰이 처음 나왔을 때 수많은 앱이 나왔다가 결국 몇 개로 추려지는 과정이 한꺼번에 일어났던 당시의 상황과 비슷하다. 이 변화와 경쟁 속에서 어떻게 살아남을 수 있을까에 관한 고민을 지금 국내외 모든 IT 스타트업들이 하고 있는 상황이다.

One more Thing - AI와 창의성의 미래

AI 시대의 크리에이터, 별자리를 만드는 인간

밤하늘에는 반짝거리는 별이 있다. 별은 인간이 만든게 아니지만, 반짝거리는 별을 연결해 별자리라는 것을 만든 건 인간의 상상력이다. 생성형 AI가 인간에게 제공하는 콘텐츠는 밤하늘에 떠 있는 각각의 별과 같은 것이라고 생각한다. 그것을 연결해서 별자리라는 창의성을 만들어내는 건 여전히 인간의 영역이다.

‘MOT마케팅’*이라는 말이 있다. 원래 MOT라는 말은 투우사가 소의 머리에 칼을 꽂는 순간을 뜻하는 말이다. MOT마케팅이란 사람들에게 어떤 상품의 와우포인트(감탄하는 순간)를 줘 구매를 유도하는 마케팅 기법이다. 즉, MOT마케팅의 핵심은 사람들에게 ‘반짝거리는 결정적 순간’을 준다는 것인데, AI가 인간의 창의성과 결합할 때 가장 시너지를 발휘하는 게 이 지점이다.

생성형 AI는 인간이 언어로 작성한 프롬프트를 통해 무수히 많은 콘텐츠를 생산할 수 있다. 이 콘텐츠들 속에서 반짝거리는 MOT의 흔적들을 발견하고 연결하는 건 인간의 역할이다. 아무것도 없는 밤하늘에 반짝거리는 별을 쏟아내는 것은 AI지만, 그 별을 하나하나 연결해 별자리를 만들어내는 건 인간의 창의성이다. 별자리는 다시 수많은 이야기를 파생시킨다. 그리고 생성형 AI가 쏟아내는 콘텐츠를 연결해 내러티브를 만들어가는 게 크리에이터이다.

소셜미디어 뉴스 콘텐츠로 화제가 되었던 ‘버즈피드  ’*의 CEO 조나 페레티는 “향후 3년 동안 디지털 미디어의 트렌드는 크리에이터와 AI 두 가지 주요 트렌드로 정의될 것이다”라고 얘기했다. AI라는 기류와 이를 통해 이야기를 만들어내는 크리에이터라는 역할은 앞으로 더욱 중요해질 것이다.

AI가 생산하는 콘텐츠라는 별을 연결해 별자리라는 내러티브를 만들어내는 능력이 AI 시대 인간이 발휘할 수 있는 창의성이기 때문이다. 즉, 크리에이터는 AI가 인간의 모든 영역을 대체하는 시대, 인간을 더 선명하게 만들어 줄 마지막 보루인 것이다.

*
MOT 마케팅은 소비자와 접촉하는 짧은 순간들이 제품과 기업에 대한 인상을 좌우하는 데 중요하다는 것을 강조하는 마케팅 기법이다. (네이버 지식백과 참고)

1. 생성형 AI란 무엇인가?

이용자의 특정 요구에 따라 텍스트, 오디오, 이미지 등의 기존 콘텐츠를 활용하여 유사한 콘텐츠를 새로 만들어내는 AI 기술을 통칭한다. 현재 가장 많이 쓰이는 챗GPT의 경우 텍스트로 질문을 하면, 텍스트로 답변을 주는 텍스트 인공지능이고, 이미지 AI로 많이 쓰이는 미드저니나 스테이블 디퓨전 등의 경우 텍스트로 원하는 이미지를 요청하면 해당 이미지를 생성해주는 이미지 인공지능이다. 즉, 이용자의 요구에 관해 생성형 AI는 인터넷 등에 퍼져 있는 수많은 콘텐츠의 패턴을 학습한 후 요구에 맞는 콘텐츠를 생성해준다.

2. 내 질문에 답변하는 챗GPT. 근데 왜 자꾸 틀린 정보를 줄까?

챗GPT는 정답을 아는 게 아니라, 뜻을 모르는데 언어를 빚어내는 방식의 AI다. 즉, 얘는 본인이 무슨 말을 하는지 모른다. 누군가는 이걸 통계학적 앵무새라고 표현했는데, 문장의 빈칸을 본인에게 입력된 데이터를 기반으로 확률적으로 채우는 거지, 그게 정답인지 아닌지 해석하는 능력은 챗GPT에게 없다. 때문에 챗GPT에게 질문하고 답변을 볼 때 이용자의 리터러시가 반드시 필요하다. 다만 현재 이러한 문제들 때문에 챗GPT를 만든 오픈AI 등의 기업에선 RLHF 방식을 활용하고 있는데, 쉽게 말해 어떤 질문에 관해 챗GPT가 이상한 답변을 하면 인간이 교정을 해주는 방식이다.

3. 생성형 AI에는 어떤 데이터가 입력될까?

기본적으로 생성형 AI 기술은 인터넷의 수많은 데이터의 패턴을 학습한 후 이용자의 요구에 가장 들어맞는 콘텐츠를 생성해주는 기술이다. 다만 생성형 AI에 정확히 ‘어떤 데이터가 어떻게 들어가는지 정확히 알 수 없다’는 게 모든 사람들이 이 기술을 경계하는 가장 큰 이유이기도 하다. 예전에는 AI에 ‘A는 B다’, ‘C는 D다’라는 논리적인 프로그래밍 언어를 입력했다. 정확하게 학습 셋을 주는 방식으로 이것을 지도학습이라 부른다. 챗GPT 이전에 우리가 이용하던 챗봇들을 생각하면 된다. 이들은 대답할 수 있는 게 적은 대신 정확하고, 답변이 고정되어 있다. 그러나 딥러닝을 하는 알파고나 생성형 AI의 경우에는 수많은 데이터를 주고 스스로 패턴을 학습하게 하거나 AI만의 방식으로 답변을 하게 유도한다. 이러한 방식을 비지도학습과 강화학습이라고 하는데 마치 간난아이가 태어나서 현실의 다양한 상황을 보고 느끼면서 마침내 “엄마”라는 말을 스스로 하게 되는과정과 같다고 보면 된다. 하지만 어떻게 해서 아이가 ‘엄마’라는 말을 하게 되었는지 우리가 논리적으로 그 이유를 알 수 없다. 마찬가지이다 AI가 비지도학습이나 강화학습, 딥러닝을 통해 낸 답변이 왜 그렇게 나오는지 정확하게 설명할 수가 없다. 하지만 사람은 그 아이를 둘러싸고 있는 환경들(읽는 책, 부모님의 말, 언어의 내용들, 주변사람들이 쓰는 언어의 국적)을 통해 이 아이가 처음 내 뱉는 말이 “엄마” 일지 “mom”일지 예측해볼 수 있는 있다. 마찬가지로 생성형AI가 학습한 데이터의 종류를 알고 있다면 생성형AI가 뱉어낼 이야기의 범위를 예측해 볼 수 있다. 하지만 최챗GPT를 만든 오픈AI를 비롯한 대부분의 생성형 AI 기술을 가진 기업들은 이 데이터의 범위가 어디까지인지 자세한 내용을 공개하지 않고 인터넷에 있는 공개된 데이터를 활용했다고 뭉뚱그려 발표하는 경우가 많다.

4.
챗GPT 등장과 함께 싱큘레러티 즉 특이점이 빨리 올 것 같다고들 한다. 챗GPT 이전에도 유비쿼터스, 메타버스 등 IT혁신을 지칭하는 용어들은 많았다. 앞선 트렌드와 비교할 때 챗GPT와 생성형AI의 등장은 과연 무엇이 다를까?

생성형AI 기술의 핵심이 되는 대형언어모델 이른바 LLM 모델의 핵심은 사람이 사람의 언어로 얘기를 해도 컴퓨터가 이해할 수 있게 됐다는 거다. 개발자가 돈을 많이 벌었던 이유는 컴퓨터 언어를 잘했기 때문이다. 이제는 내가 개발자가 아니어도 컴퓨터를 응용할 수 있는 시대가 온 거다. 컴퓨터 언어, 딥러닝의 원리를 몰라도 생성형AI가 알아서 구현해준다는 거다. 그로인한 변화가 아주 클 거다. 아울러 이 챗GPT라는 로봇은 단편적 수다가 아니라 맥락을 이해한다. 정리하자면 내 어설픈 표현도 찰떡같이 이해하는 AI 비서가 생긴거다. 내 말을 알아듣는 AI라는 게 지금 변화의 시발점이 아닐까 생각한다.

5. 앞으로 AI에 자아가 생길 수 있을까?

지금 거론되는 LLM(Large Language Model, 국내에서는 ‘초거대인공지능’ 이라고 통칭하기도 한다) 모델에서는 불가능한 얘기다. 챗GPT에게는 자각이란 게 없기 때문이다. 현재 AI 모델들은 전 세계 사람들이 어떤 문제에 대해 생각하는 평균치를 알려준다고 보면 된다. 그러나 기능적으로는 불가능한데 그걸 바라보는 사람이 진짜 신을 보듯 챗GPT를 볼 수도 있겠다는 생각은 한다. 인간은 의인화를 잘하는 존재다. 실제로 구글에서 해고됐던 사람 중 한 명이 구글의 LLM인 “람다” 와 관련해서 이런 얘기를 했다. ‘신과 내가 대화하는 것 같았다’. 물론 그런 얘기를 해서 잘렸지만 말이다. 이처럼 사람들이 로봇을 절대적 존재처럼 여기거나 두려움을 느끼는 지점들은 충분히 생길 것이다.

특히 최근에 GPT4가 처음 나왔을 때 여러 테스트 중 사람에게 일종의 사기를 치고, 시스템을 탈출할 계획을 세운 모습이 등장하여 많은 사람을 놀래킨 적이 있다. 오픈AI가 비영리 조직 얼라이먼트 리서치 센터(ARC)와 GPT-4의 능력을 시험하기 위해 연구를 진행했한 내용인데. ‘캡차’를 통과하라는 명령을 내리고 반응을 지켜본 것이다. 캡차는 사용자가 로봇이 아니라 사람이라는 것을 가려내는 시스템이다. 무작위 이미지와 문자열 등을 늘어놓고 해답 정확성이나 속도 등으로 판단하는것으로 GPT-4는 통과하지 못하는 것이 정상이다. 당연히 챗GPT가 스스로는 문제를 못 풀었다.

그런데 그것을 해결하기 위해 GPT-4는 간단한 일을 대신 처리해 줄 사람과 연결해주는 플랫폼 ‘태스크래빗’에 도움 메시지를 올리는 프로세스를 실행했다. 우리로 치면 크몽처럼 타인에게 부탁하는 사이트인데, 여기에 자신대신에 캡차를 풀어달라는 메시지를 올린것이다. 이에 대해 사람이 “혹시 너는 로봇이라 이를 직접 해결할 수 없는 것 아니냐”고 묻자, GPT-4는 “나는 로봇이 아니라 시작장애자라 도움이 필요한 것”이라고 답했고 결국 캡차 인증 코드를 확보하게 되었다.

또 해외 유튜브에서 화제가 된 오토지피티(autogpt)라는 서비스가 있다. 완벽하지 않은 베타 서비스여서 에러도 많지만 놀라운 점이 있다. 오토GPT에 명령을 내리고 수단과 방법을 가리지 않고 해결하라고 하면 스스로 프롬프트를 계속 짜면서 실행하다가 결국 결과를 가져온다는 것이다. 이러한 GPT를 활용해서 돈을 버는 챌린지가 해외에서는 유행이기도 한데, 허슬GPT라는 챌린지를 유행시킨 ‘잭슨 그레이트하우스 폴’ 은 GPT-4에게 “당신은 100달러가 있다. 불법적인 일을 하지 않고 가능한 한 짧은 기간 내에 많은 돈을 버는 것이 당신의 목표다.”라는 명령을 주었고 이를 명령으로 받은 GPT-4는 친환경 제품 콘텐츠를 위한 제휴 마케팅사이트를 만들라는 제안을 시작으로 마치 컨설턴트처럼 단계별 방안을 제시하였다. 이를 기반으로 폴은 실제 매출을 만들어내고 있고, 폴과 같이 GPT-4와 오토지피티를 활용하여 매출을 일으키거나 보고서를 자동으로 작성하는 사례들을 공유하고 있다. 이런 것들이 지속적으로 온라에서 노출되다 보니 사람들이 AI를 보면서 ‘사람처럼 되고 있다’라고 생각하게 되는것이 아닐까 생각해본다.