전체 추천리스트 보기
인공지능의 본질은 의사 결정이며, 그 용도는 인간처럼 생각할 수 있는 기계를 구현하는 것이 아니라, 통상적으로 인간의 두뇌에 의존하거나, 인간의 두뇌로 감당할 수 없었던 정신 노동 또는 가치 생산(Value Production) 과정을 기계 장치 스스로 수행하게 하는 것입니다. 예를 들어, 한국의 모든 차량을 자율주행차량으로 대체한다고 가정합시다. 그 중에는 화물차도, 유조차도, 활어 수송차도 있고, 우리에게 익숙한 버스나 택시, 자가용 차량도 있습니다. 여기서 두 가지 문제가 야기되는데, 첫째는 이들 다양한 종류의 차량을 어떻게 조합하는 것이 최적의 교통 물류 효율을 가져올 것인가? 둘째, 수백 만대의 자율주행 차량을 제각기 언제 어떻게 어떤 경로로 운행하는 것이 교통 물류 비용을 최소화할 것인가? 입니다. 이 두 문제는 바둑만큼이나 많은 경우의 수를 야기하며, 인간의 지능으로도 얼추 비슷한 답을 낼 수는 있겠지만, AI가 제시하는 답과 비교하면, 아마추어 바둑기사와 알파고 간의 간격 만큼이나 간격이 클 것입니다. 사실상, AI만이 종래의 기술적 난제들에 대한 합리적인 해결책을 제시할 수 있습니다.
AI는 이른바 화이트 컬러 및 기술자의 역할을 소프트웨어 로봇 및 하드웨어 로봇에 곧바로 위임할 기술적 방안을 구현하는 것 뿐 아니라, 당장은 AI에 이전되지 않는 노동, 이를테면, 포크레인 기사나 비행기 조종사와 같은 장비 조작자부터 법률가, 의사, 정치가를 포함하여 모든 직종의 업무 양상이 바뀔 것입니다.
<표>
한국의 노동 인구는 2017년 현재 3,500만명 전후로 추산되며, 2050년에는 2천만 명 수준으로 감소할 것으로 예상되는데, 줄어든 노동 인구를 AI에 기반한 소프트웨어 및 하드웨어 로봇이 감당할 것입니다.
<표>
마치 고립된 생태계를 구성한 섬에 새로운 생물종의 출현이 기존 생태계를 완전히 전복하듯이, 사회적 분업을 특징으로 하는 기존 사회 시스템에 AI의 등장은 기존 분업 메커니즘의 해체와 재구성을 야기하며, 그 속도는 우리가 상상하는 것보다 훨씬 빠를 수 있습니다.
인구 대비 의사나 교수 숫자처럼, 전체 인구 중에서 아주 일부만 AI 전문가로 일할 것이며, 대략적인 추산으로는 전체 인구의 0.1~0.01% 정도로 추정합니다. 한국을 예로 들면, 인구 5천만의 0.1%인 5만 명 전후, 세계적으로는 인구 70억의 0.01%인 70만명 전후로 추정합니다. 참고로, 2017년 한국 병-의원의 의사 수가 10만, 법조3륜이라 불리는 판사, 검사, 변호사가 도합 2만 명 전후입니다.
인공지능 프로그래밍 역시 프로그래밍의 일종이므로, AI 전문가의 역할은 종래의 컴퓨터 프로그래머의 역할과 유사합니다. 그러나, 기존 프로그래머가 사무 자동화(Office Automation)에 초점을 둔다면, AI 프로그래머의 일은 자동화를 자동화(Automation of Automation)하는 것이며, 종래의 프로그래머보다 상대적으로 많은 학습과 훈련을 거쳐야 합니다.
전술하였지만, 오랜 시간동안 학습과 훈련을 거쳐야 AI 전문가로 역할할 수 있습니다. 학습 분야는 크게 네 가지로 대별할 수 있으며, 아래에 기술한 주요 네 과목을 이수하는 것만 해도 최소 4년이 소요될 것으로 예상합니다.
첫째, 영어(English)입니다. 매일같이 새로운 연구 결과와 툴(tool), 프레임워크, 알고리즘 등이 발표되며, 모두 영어로 표현되므로, 영어를 자유롭게 구사할 수 없다면 A급 프로그래머가 될 수 없습니다. 초등학교 수준에서 AI 영문 교재를 자유로이 읽을 수 있는 수준에 이르기까지 대략 10~12개월 정도 소요됩니다.
둘째, 수학(Mathematics)입니다. 인공지능은 데이터 과학(Data Science) 위에 구축되며, 모든 과학의 기초는 수학입니다. 간단한 매트릭스 곱셈(Matrix Multification)과 대수학(Algebra) 지식만으로도 인공지능 커리큘럼을 이수할 수는 있지만, 상당한 수학적 배경이 없다면 더 이상 학습을 진행할 수 없는 한계에 부딪히게 됩니다. 바람직하게는, 대학에서 수학을 전공한 수준의 수학적 지식이 요구됩니다. 다행히도, Khan Academy, Coursera, Udacity 등이 온라인으로 다양한 수준의 수학 강의를 공개하므로, 의지와 능력만 있다면, 혼자서도 어렵지 않게 수학적 배경을 탄탄하게 굳힐 수 있습니다. 초등학교 수준에서 대학 수준까지 이르는데 빠르면 12~16개월 정도면 충분합니다.
셋째, 당연하지만 프로그래밍입니다. 대표적인 AI용 언어인 파이썬(Python)과 줄리아(Julia)는 물론 소프트웨어 공학, 알고리즘 이론 등 컴퓨터 공학 전공자 수준의 지식이 요구됩니다. 이들 과목 역시 온라인의 공개 강좌를 이용하면 충분합니다. 컴퓨터에 관한 기초 지식만 있는 상태이고, 프로그래밍 경험이 거의 없는 상태라면, 3~5개월 정도 학습하여, 기본적인 프로그래밍 능력을 가질 수 있습니다.
넷째, AI 알고리즘입니다. AI 역시 종래의 프로그래밍 방법론에 기초하지만, 종래의 프로그래밍에서 다루지 않는 새로운 기법과 기술들을 광범위하게 포함합니다. 한국인 Sung Kim 교수의 한국어 머신러닝 강의부터 시작하여, AI 교육의 선구자인 Stanford 대학의 Andrew NG 교수 강의와 Sebastian Thrun 교수의 강의, UBC(University of British Columbian)의 학부과정 머신러닝, 버클리 대학의 CS188, 스탠포드 대학의 CS231n, 옥스포드의 Deep Learning, 그리고 마지막으로 DeepMind의 Reinforcement Learning(알파고 팀에도 참여한 David Silver 가 직접 강의합니다) 순으로 학습을 진행하면, 대략 7~12개월 정도에 머신러닝의 전체를 일괄할 수 있습니다.
그러나, AI는 위의 네 과목만으로 정복할 수 있는 주제가 아니므로, 초등학교 졸업자가 4년 만에 AI 전문가가 되는 것은 거의 불가능합니다(극소수의 예외는 있겠지만).
첫째, 강의가 산발적입니다. 가령, 유튜브에 올라온 버클리 대학의 CS 188 강좌(3개월 코스)를 수강하기 위해서는 먼저 CS 60과 CS 70 과목을 이수해야 하지만, 아쉽게도 이들 강좌는 버클리 대학이 공개하지 않았습니다. 강의는 1학년 1학기부터 4학년 2학기까지 일련의 순서에 따라 진행되며, 학습자들 역시 1학년 1학기부터 단계 별로 공부해야 하지만, 스탠포드와 하버드 등의 각 대학들은 이들 단계 속의 어느 한 강좌만 뚝 떼어 산발적으로 공개하므로, 아무리 좋은 강의라도 그 전후 맥락을 알 수 없는 학습자에게는 그림의 떡이 될 수 밖에 없습니다. 심지어 공개의 폭과 깊이가 출중한 MIT의 OpenCourseware 역시 마찬가지입니다.
둘째, 인공지능 학습은 일방적 주입이 아니라 활발한 토론과 실험과 스터디 그룹 활동을 동반해야 합니다. 그러나, 유튜브 강좌를 시청하는 학습자에게 그러한 활동이 용이하지 않습니다.
따라서, AI 전문 프로그래머가 되려는 학습자는 (특히, 미국의) 다양한 대학들과 교육 기관에서 공개한 과정들을 취합한 뒤, 학습 난이도와 연관성에 바탕하여 전체 강좌들을 일련의 순서로 정렬하고, 다른 학습자들과 대화와 토론, 그룹 활동의 기회를 가져야 합니다. 대략 만2세에 학습을 시작한다면, 20세 전후에 모든 과정을 마칠 수 있습니다. 재능을 타고 났다면 그렇습니다.
글쓰기