혹은 이와 같은 지능을 만들 수 있는 방법론이나 실현 가능성 등을 연구하는 과학 기술 분야를 지칭하는 표현이기도 하다.
과거에는 존재하지 않던 언어로 현재시대에 점차 발전하며 인기가 높아지는 인공지능(AI)이다
기존 역사
17~18세기부터 인공지능이 태동하고 있었지만, 이때는 인공지능 그 자체보다는 뇌와 마음의 관계에 관한 철학적인 논쟁 수준에 머물렀다.
그럴 수 밖에 없는 것이 당시에는 인간의 뇌 말고는 정보처리기계가 존재하지 않았기 때문이다.
그러나 시간이 흘러 1943년에 신경과학 연구원이던 워런 매컬러와 월커 피츠가 '매컬러-피츠 모델'을 통해
이진법 기반으로 인간 뉴런의 작동 원리를 제시하며 처음으로 모델 구축에 대한 구체적 아이디어가 등장했다.
이후 1947년에 트랜지스터가 상용화되고 컴퓨터의 발전으로 혁신의 물줄기가 터지기 시작하면서
컴퓨터로 두뇌를 만들어서 우리가 하는 일을 시킬 수 있지 않을까? 라는 의견이 제시되었고
많은 사람들이 그럴 듯하게 여겨 빠른 속도로 인공지능은 학문의 영역으로 들어서기 시작했다.
인공지능(AI, artificial intelligence)이라는 용어가 처음 등장한 때는 1955년8월 31일에 미국 다트머스 대학교에서 마빈 민스키, 클로드 섀넌 등 인공지능 및 정보 처리 이론에 지대한 공헌을 한 사람들이 개최한 학회에서 존 매카시가 이 용어를 사용하면서부터이다.
그리고 당연하지만 이런 일에 관심을 가진건 서방뿐만이 아니어서, 소련 역시 아나톨리 키토프 박사가 본인의 저서 "붉은 서"에서 "ЕГСВЦ(Единой централизованной автоматизированной системы управления народным хозяйством страны - 국가(계획)경제 네트워크 중심적 통제체계)" 라는 것을 제시하였는데,
이는 컴퓨터 네트워크화를 통한 더 나은 계획 경제 체제와 사회의 추구를 목표로 삼은 이론이었다.
이것을 소련 컴퓨터 과학자 빅토르 글루시코프가 더욱 개량한 것이 바로 OGAS(ОГАС - Общегосударственная автоматизированная система учёта и обработки информации, 전연방자동정보처리체계) 계획이다.
“대형 언어모델은 약 1조 개의 연결을 갖고 있다. 대형 언어모델이 갖고 있는 연결은 인간의 100분의 1에 불과한 데도 GPT-4와 같은 모델들은 우리보다 더 많은 것을 알고 있다. 아마 사람보다 1천 배 가까이 더 많은 것을 알고 있을 것이다. 이는 역전파라는 알고리즘이 인간의 학습 알고리즘보다 월등히 뛰어나기 때문이다. 무서운 부분이다. 인공지능은 이미 IQ 80에서 90 상당의 합리적인 추론을 하고 있다.”
물론 모든 상황에서 항상 효율이 나야만 한다는 의미는 아니지만, 이 비효율은 어떤 회사든지 재정에 무리가 올 정도로 과도하게 크다는 점이 문제다.
이러한 비용 문제가 생긴 이유는 크게 두 가지다.
1. 고질적인 폰노이만 구조: 전술했듯이 이제까지의 컴퓨터는 폰노이만 구조를 따라서 직렬연산 장치인 CPU를 메인으로 데이터 저장과 처리 라인, 보조 데이터 연산장치까지 모두 분리되어 있다. 특히 이 보조 데이터 연산장치란 병렬연산을 수행하는 GPU를 가리키는데, 인공신경망이 행렬 수학을 기반으로 설계되어, 인공신경망을 이루는 각 노드(계산 단위/코드화한 뉴런)에서 동시 다발적인 계산이 이루어져야 하는데 그러려면 병렬연산장치가 메인이 되어야 한다.
2. 시뮬레이션: 인공신경망과 실제 인간의 뇌를 들어 전력 효율을 따져서 생물의 뇌가 압도적인 효율이라고 말하는 경우가 종종 있는데 사실 이는 잘못된 비교다. 인공신경망이란 프로그램은 일종의 시뮬레이션이다. 우리가 현실에서 공을 땅에 튕길 때, 이 튕기는 상황 자체에 에너지가 크게 들어가지 않는다. 그러나 이를 시뮬레이션으로 만들면 들어가는 전력량은 상당하다. 물론 전기요금은 몇 십원 내지 몇 백원 수준이라지만 그 전력량으로 모터나 다른 기계를 작동하면 공 튕기는 것 이상의 일들을 할 수 있다. 그만큼 시뮬레이션은 상당한 에너지를 소모하는 일이다. 만약 사람의 뇌를 부품처럼 써서 모든 물리 법칙이나 현상을 수학적으로 계산해서 공 튀기기라는 시뮬레이션을 돌리려고 하면 에너지 소비량을 뉴런이 감당하지 못하고 바로 뇌가 익어버릴 공산이 매우 크다. 그런데 하물며 공 튀기기도 아니도 뇌를 모사한 인공신경망이란 가상의 두뇌를 시뮬레이션으로 구현하는 데 전력량이 곱게 들리는 없다.
이러한 이유로 여러 반도체회사들이 현재 전력량의 소비량을 줄이고 계산 효율을 높이기 위해 인공지능 칩 개발에 뛰어들고 있다.
앞으로 인공지능 칩들이 GPU를 모두 대체하게 되면 다시 한번 AI 개발의 판도가 달라질 전망이라고
업계에서는 관측 중이다.
2025-2030: AGI의 출현과 미래에 대한 담론
샌프란시스코에서는 다가오는 미래를 먼저 내다볼 수 있다. 그곳에 거주하는 소수의 뛰어난 석학들은 다가올 상황을 이미 인지하고 있으며, 2026년부터 2027년 사이에 워싱턴은 상당히 침울한 분위기가 될 것이다.
그때가 되어서야 세계는 깨어날 것이고, 이것이 원자폭탄이 발명된 이래로 미국에 가장 중요한 도전이라는 것을 깨닫게 될 것이다.
현재 글을 읽고 있는 독자들 및 일반인 수준에게 닥칠 현실적인 문제는 강인공지능과 기술 발전에 따른 생산력 향상과 노동 수요 감소 관련 문제일 것이다.
여기에 대해서도 인류 번영의 길일 것이라고 보는 학자들이 있는 반면 실업자 양산으로 패망의 길이라고 보는 사람들도 있다.
그런데 이 두 가지 관점은 모두 인공지능과 기술 발전을 통해 인류가 본질적으로 다른 단계에 이르를 것이라는 것을 전제하고 있는데, 이 자체에 부정적인 학자들도 적지 않다.
경제 체제 자체의 본질적 문제에 집중한다면 이러한 인공지능의 개발 자체보다,
그 개발로 인한 이득, 그리고 개발을 주도하는 자들이 누구인가가 더 중요한 문제라는 의견도 가능하다.
문제의 경중 덕분에 AGI 등장 이후 인공지능 개발은 빅테크/스타트업에서 국가 수준으로 주도권 및 패권이 이전될 가능성이 높다.
송길영 인문학자가 시대예보에서도 다루었듯이, 이제부터는 인공지능이 해줄 수 있는 것은 하면 안 된다.
창의성이 결여된 단순한 글쓰기, 숫자와 정보를 취합하는 것이 노동의 대부분인 회계사, 컨설팅, 애널리스트와 같은 직업이 특히 위험하며(물론 노조와 결집된 사회 분위기로 대체되는 데에는 시간이 걸릴 것으로 예측된다), 영업, 신체 노동, 정치와 같은 노동집약적이거나 물리적 수준의 노력이 필요한 직무들은 인공지능의 시대에서도 버틸 가능성이 높다.
질곡의 긴 역사에서 변화를 받아들였던 개인들과 집단은 번영했고, 그렇지 못했던 사람들은 도태되었다.
하지만 이러한 생존 및 진화심리학의 관점으로 인공지능이 가져올 변화에 대해서 논의를 하는 것보다,
조금 더 철학적인 관점에서 논의를 시작하는 것이 옳을듯하다.
당신, 우리, 그리고 더 나아가 인류는 이러한 격변의 시대에서 어떻게 살아가야 할까?
이 물음에 대한 답변은 오롯이 이 글을 읽고 있는 스크린 밖의 당신이 대답해야 할 문제이다.
단계
인공지능의 단계를 묘사할 때 흔히 사용되는 용어인 약인공지능weak AI과 강인공지능strong AI은 1980년에 존 설John R. Searle, (1932~) 교수가 그 유명한 중국어 방 논변을 제안하면서 최초로 사용한 개념이다.
다른 곳의 문서를 보면 인간의 마음을 복잡한 정보처리로 구현한 것을 강한 인공지능,
단순히 인간의 능력 일부를 시뮬레이션 하거나 그런 작업을 목적으로 하는 것을 약한 인공지능이라고 편리하게 설명한다.
그러나 좀 더 정확하게 설명하자면 존 설 교수의 본래 의도는 인간의 마음을 컴퓨터 소프트웨어와 같은 관점으로 보고 행하는 인공지능 연구를 "강한 인공지능 연구", 반대로 인간의 마음과는 별개로
단지 유용한 도구의 개발을 위해 행하는 인공지능 연구를 "약한 인공지능 연구"로 정의하여
철학적 관점에서 인간의 마음을 컴퓨터와 소프트웨어와 같이 보는 연구를 비판하고자 한 것이다.
아무튼 저 개념이 묘하게 현재의 인공지능 개발현황과 의미가 적절히 맞아떨어지다보니
내용을 살짝 비틀어서 대중들에게 알려지게 되었는데 각 연구의 결과물을 그대로 대입하면 된다.
즉,
강인공지능 = 인간을 완벽하게 모방한 인공지능이고 약인공지능 = 유용한 도구로써 설계된 인공지능이라고 보면 된다.