인공지능 혁명

인공지능이 가져올 미래세상을 그리다

2016년 3월, 바둑 세계 챔피언 이세돌 9단이 인공지능 알파고와 벌인 첫 판에서 충격적인 패배를 당했다. 인공지능이 바둑에서 인간 최고수를 이긴 것은 이번이 처음이다. 이세돌을 4승 1패로 격파한 인공지능 알파고와의 대결이 한국에서 개최된 것은 무척 다행스런 일이다. 인공지능이 가져올 변화에 무심하던 한국인들에게 인공지능의 위력을 낱낱이 보여주었기 때문이다. 이제 더 이상 한국인들은 인공지능과 로봇을 무시하거나 비웃지 않는다.

인공지능이 다가오고 있다. 인공지능은 TV 속으로, 자동차 속으로 들어오고 있다. 인공지능은 우리의 친구가 되고 개인 비서가 되고, 우리의 변호사, 주치의가 될 것이다. 지난 3년 동안 인공지능 분야에서는 그 이전 30년 동안보다 더 많은 진전이 있었다. 애플과 같이 기술을 선도하는 기업조차도 인공지능에 힘을 더하는 기술인 머신 러닝의 급속한 발전에 허를 찔렸다. 최근 개발자 컨퍼런스에서 애플은 경쟁자인 구글과 아마존이 이미 그랬던 것처럼, 자사의 인공지능 시스템을 독립 개발자들에게 공개했다. 비록 한 발 늦었지만 애플도 대세를 따른 것이다.

인공지능은 약한 AI와 강한 AI로 구분하거나, 여기에 슈퍼 AI까지 더해서 3가지로 구분한다. 약한 AI는 한 가지 분야에만 특화된 특화인공지능을 말한다. 알파고는 바둑만 두고, IBM 왓슨 로스는 전 세계의 법조문과 판결사례를 다 외워 형량을 계산하는 등 판사 업무를 보조한다. IBM 왓슨 헬스는 수많은 환자의 혈액검사, MRI 영상 결과 등을 입력하고 분석함으로써 진단 업무를 처리한다.

반면에 한 분야가 아니라 온갖 분야에 대한 다양한 지식을 지니고 인간처럼 여러 가지 정보를 융합하여 결론을 내는 것이 인공일반지능 또는 강한 AI라고 볼 수 있다. 알파고에서 더 발전한것이 인공일반지능이다.

기존의 기계는 프로그램대로 움직였지만, 인공지능은 상황변화를 인식해서 적절하게 대응하고 스스로 새로운 정보를 찾아 학습하며 끊임없이 진화한다. 이와 같은 인공지능의 발전은 단순히 자율주행차나 산업용 로봇, 의료 로봇과 같은 산업 분야에만 영향을 미치는 것이 아니다. 인간 사회의 복잡한 의사결정을 대신함으로써 정치혁명과 사법혁명을 가져오고 가르치는 행위를 변화시켜 교육혁명을 일으키는 등 기존 사회 시스템을 획기적으로 바꾸어놓을 것이다. 더구나 한 분야 아닌 다양한 분야의 온갖 일을 처리할 수 있는 인간의 뇌를 닮은 인공일반지능의 발전은 그야말로 지식폭발의 시대를 초래할 수도 있다.

레이 커즈와일과 같은 미래학자들은 인공지능이 우리의 능력을 증강 시키고 인간과 함께 진화할 것이라고 내다보는 반면에, 일런 머스크와 스티븐 호킹 같은 이들은 인공지능이 우리를 지배하게 될 것이라고 경고하고 있다. 인공지능에 대한 찬사와 비난이 엇갈리고 있지만, 앞으로 어떤 일이 일어날지 아직은 아무도 알지 못한다.

확실한 사실은 인공지능은 이미 우리 가까이 와 있고 무엇을 상상하든 그 이상의 놀라운 일들을 가능하게 할 것이라는 점이다.

정치인을 대체할 로봇 대통령 '로바마' AI 엔진

2016년 오늘날의 사회·경제·정치 세계는 대단히 복잡하다. 지리적으로 멀리 떨어진 세계 여러 지역이 모두 초연결사회로 연결되어 있어 세계 곳곳에서 나타나는 다양한 사회현상을 판단하기 어렵게 만든다. 기술의 발전이 가속화되면서 모든 상황은 급속하게 다변화되었고, 그 결과 인류는 기존에 전혀 경험하지 못했던 새로운 세상과 마주하고 있다.

이러한 급격한 변화 속에서 일반 시민뿐만 아니라 국민을 대표하여 정부와 의회를 구성하는 전문가들조차 중요한 문제에 연관된 상황을 이해하고 의사결정을 하는 데 필요한 전문지식을 갖추지 못하는 난감한 상황이 벌어진다. 또한 현재의 사회·정치적 의사결정 프로세스는 비효율적일 뿐만 아니라 때로는 국민의 대표자들이 편견에 사로잡혀 잘못된 선택을 하게 만들기도 한다. 인간으로서는 도저히 정확하고 편견 없는 선택을 할 수 없는 복잡한 의사결정들이 기하급수적으로 늘어난다. 그렇다면 인류는 이런 복잡한 세상과 급격한 사회적 변화에 어떻게 대처해야할까?

AI 사회·정치적 분석시스템 만들기

세상의 복잡성과 사회·정치적 빠른 변화에 효과적으로 대처할 핵심 솔루션은 인간의 의사결정을 인공지능으로 보강하는 것이다. 이것이 불가능해 보이는가?

자율주행차의 사례를 생각해보자. 20년 전, 사람없이 혼자 운전하는 자동차 이야기가 나왔을 때 대다수 사람들은 비웃었지만, 이제는 모두 믿어 의심치 않는다. 사람들은 정부나 국회를 사람이 운영해야 한다고 생각한다. 그러나 이미 수많은 일들이 인공지능으로 대체되고 있다. 자율주행차가 우리에게 다가오듯이 가장 부패하기 쉬운 정부나 의회에 인공지능을 적용하는 시대가 다가오고 있다.

현재 인공지능은 인간 분석가들이 하던 일은 대부분 대체할 수 있으며 일반적으로 인공지능은 정보를 학습하고 패턴을 감지·분석하는 폭넓은 기능을 갖고 있기에 인간보다 더 잘한다. 중요한 결정에 대한 정보파악, 증거분석, 대조·요약하고 다른 의사결정을 지원하는 추론의 근거를 만들 수 있다. 대통령이나 국회의원들 같은 주요한 의사결정자와 대중들에게 귀중한 정보를 구성, 수집, 보고할 수 있다.이처럼 정부와 의회를 대체할 수 있는 의사결정 프로세스 지원 프로그램이 바로 로바마 AI 프로그램이다. 모든 새로운 기술은 성숙할 시간이 필요하듯이, 로바마 AI 응용프로그램 역시 마찬가지이다. 이러한 과정을 잘 보여주는 사례는 자율주행차다. 우리는 지금 자율주행차를 직접 몰지 않고 옆에서 지켜보다가 문제가 발생하면 인간이 주행하도록 컨트롤을 시작한다. 인공지능 운전기사가 인간의 운전을 즉시 교체할 수는 없다. 그러나 자율주행차가 보편화되면 운전은 점차 자율주행차가하게 되듯이 사회·정치적 의사결정도 점차 인공지능이 하게 된다.

이렇게 가다 보면 다음 단계에서는 의사결정지원을 하는 강력한 AI기반의 소프트웨어가 의회나 정부 정치인들의 의사결정을 대행하게 된다. 그리고 부패하기 쉽고 어려운 정치나 정부운영은 인공지능에게 맡기고  인간은 더 재미있는 일을 찾게 된다.

로바마 AI를 어떻게 훈련시킬 것인가

인공지능을 잘 가르치면 스스로 학습하고 구상하며 더 좋은 시스템으로 끊임없이 진화한다. 따라서 초기 인공지능기반 사회·정치적 의사결정 지원시스템을 구상할 때는 우선 2가지 측면을 고려해야 한다.

정책을 잘 평가하도록 가르쳐야 한다

AI 시스템에게 모든 법과 정책을 학습시키고, AI시스템은 한국 정책을 이해하며 분석, 대답하게 한다.

과거 정책들은 AI 시스템에 표기되고, AI 시스템은 정책의 장단점 혹은 결과를 분석, 대답하게 만든다.

 

국민이 원하는 정책을 찾도록 도와야 한다

AI에게 목표를 설정해주고, 현재의 정치적 이해관계에서 단순한 것과 복잡한 것을 분석하여 균형 잡힌 정책을 세우도록 한다. 다양한 정책 문제들은 국민이 원하는 방향에 대한 정보를 주어, 더 실용적인 정책 혹은 이상적인 정책을 찾아 선택하도록 한다.

 

인공지능이 사회·정치적

인공지능이 사회·정치적 분석을 하려면, 인간이 AI에게 모든 법, 뉴스, 정책 브리핑, 전문가 분석, 소셜 미디어와 다양한 종류의 정량적 데이터를 포함하여 폭넓은 정보를 입력해야 한다. 이런 정보가 내부적으로 유연한 방법으로 모두 상호 연관되도록 하고, 다양한 패턴 및 추론을 이끌 수 있는 데이터 유행으로 주입하고 가르쳐줘야 한다. 인공지능은 스스로를 가르쳐서 더 나은 인공지능이 된다.

이렇게 정보를 입력하고 훈련시킨 AI 사회·정치 시스템은 인간에게 다양한 종류의 결과물을 생성해준다. 즉 아래와 같은 인공지능 AI 소프트웨어를 만들어준다.

인간 상호대화의 장 : 이러한 것은 자연 언어가 중심이 될 것이지만, 데이터 세트를 나타내는 사용자 및 차트 또는 정량 분석의 결과를 공급하는 시스템을 포함할 수 있다.

기술 보고서 : 정량적 데이터 분석 또는 질적 데이터의 체계적인 패턴 결과를 요약.

인포메이션 그래픽 : 간단한 텍스트 설명과 함께 질적으로 흥미로운 방법으로 정량적인 정보를 배열.

정책평가와 제안을 설명하는 정책 시스템 : 우리는 애초에 아름다운 산문이 아닌 명확한 설명을 목표로 한다.

상호논쟁의 장 즉 토론 사이트 : DebateGraph와 유사한 인터페이스를 사용하여 인간과 함께 논쟁하는 장 혹은 사이트를 구축하여 인간 상호작용이 가능하도록 구축하고, 인간과 인공지능이 합리적 이해와 관련성 있는 사회·정치적 문제분석으로 함께 해결방법을 찾는다. 예를 들면, DebateGraph 같은 도구를 국민들이 공격적으로 사용하는 방법을 구상한다. 그 안에서 국민들의 정책입안을 하도록 하고, AI 사회·정치적 분석가가 분석하고, 전문가와 일반시민들이 모든 잠재적인 정책 및 실질적 정책 등 기타 사회·정치적 이슈와 관련한 다양한 입장에서 합리적이고 건설적인 논쟁으로 결론을 낸다.

그렇다면 우리는 AI에게 어떤 정책적인 질문을 던질 수 있을까?

AI에게 묻는 정책 평가 질문 사례

한국 국민 모두에게 최소 기본소득을 주려면 무엇이 문제가 되는가?

최소기본소득을 제공하기로 결정했다면 1~10년간 얼마를 주는 것이 가장 적당한가?

평균수명이 100세로 증가하고, 100세가 현재의 80세와 같은 건강을 유지한다면, 사회와 경제에 미치는 영향은? (기술실업률이 향후 30년간 5%에서 90%까지라는 다양한 경우를 생각해보자.)

모든 한국인에게 처방약이 무료로 공급된다면 어떤 일이 벌어질까?

 

AI에게 묻는 정책 개념 질문 사례

저소득층 부모가 자녀들에게 최고 고등교육을 격려하는 방법은?

약물 복용하는 것을 잘 잊는 노인들에게 시간 맞추어 꼭 약물을 복용 하도록 할 수 있는 방법은?

교육혁신을 통해 기하급수적으로 발전하는 미래 사회에서 잘 살아갈 수 있도록 아이들을 준비시킬 수 있는 방법은?

물론 현재의 기존 AI시스템은 이 같은 문제를 처리할 수 없다. 인간이 AI에게 엄청난 정보를 주고 위의 예와 같은 질문을 정확한 시뮬레이션 및 데이터 분석으로 바꾸고, 수많은 가정을 신중하게 설정해줘야 한다. 가정에 대한 현명한 의사결정은 가장 어렵고도 재미있는 일 중의 하나 이기는 하지만 우리는 AI사회·정치적 분석을 위한 도전 과제를 궁극적으로 극복할 수 있다. 여기에 필요한 것은 바로 인공지능 인력양성이다.

 

 

약인공지능이 아닌 인공일반지능이 필요하다

인공지능은 1960년대에 등장하여 이미 금융계에서 활용되어 왔다. 주식시장에서 수억 개의 주식주문을 인간이 처리할 수가 없다. 인공지능이 주식시장의 기본 기술이다. 하지만 인반인들의 관심을 모은 인공지능은 지난 5년간 컴퓨터 하드웨어의 발전으로 이루어졌다. IBM 왓슨, 딥블루, 알파고, 자유룾행차, 스마트폰, 챗봇 등의 출현으로 인공지능이 현실화되었으며, 가까운 미래에는 최대의 4차 산업 기술이될 전망이다. 하지만 왓슨, 딥블루, 알파고, 자율주행차, 스마트폰 등은 대부분 좁은AI 또는 약인공지능이다. 이들은 한 가지만 잘 하는 특화인공지능이다. 알파고는 바둑만 잘 두고 자율주행차는 자동차만 잘 몬다. 그래서 혹자는 알파고는 인공지능이 아니라고 말한다. 한 가지, 즉 알파고의 바둑은 바둑전문가의 마인드로 바둑의 룰을 외우고 특별한 데이트 세트를 이해하여 특수 분야 훈련을 잘 받고 손으로 바둑을 잘 두도록 만든 것이다.

그러나 이렇게 한 분야를 잘하는 것이 인공지능이 아니다. 인공지능은 수십, 수백, 수천 가지를 한꺼번에 잘할 수 있는 인공일반지능 즉 AGI이어야 한다. 이제 인공지능은 약한인공지능 즉 좁은AI 에서 인공일반지능으로 넘어가야 한다. 거대한 잠재력을 가진 기술을 한국데만 사용할 필요가 없다. 모든 분야에서 인간을 대신할 수 있도록 만들어야한다.

인공일반지능은 아주 초기의 개발단계에 있지만 목표는 원대하다. 즉 인공일반지능은 다른 업무를 보고 다양한 환경에 유연하게 적응하여 인간의 능력을 대신할 수 있고 더 잘할 수 있다. 이런 인공일반지능은 우선 인간이 어떤 상황에 놓여있는지를 이해하여야 하며, 어느 정도의 자율성을 갖고 스스로 결정할 수 있어야 한다. 그 자율성은 개념적 자율성 또는 일상에서의 실질적 자율성으로, 사람들이 어떻게 의사결정을 하는지에 대한 이해를 바탕으로 이루어진다. 그래서 AGI의 지식이나 경험이 점점 커지면서 더 똑똑해지고 더 많이 배우고 결국 인간보다 더 잘할 수 있어야 한다. 앞으로 15~20년 동안 인간의 모든 연구와 국가 산업들이 모든 좁은AI즉 약인공지능에서 AGI 즉 강인공지능 또는 인공일반지능으로 전환하게 된다. 좁은AI 즉 약인공지능은 비지능 알고리즘으로 여전히 가치를 유지하겠지만, AGI가 점점 더 중요하게 인간들이 이용하는 기술이 된다. 왜냐하면 인간의 삶에서 중요한 많은 작업들은 새로운 환경에 유연하게 적응하는 능력을 필요로 하며, 이를 AGI가 대신해줄 것이기 때문이다.

사회·정치적 의사결정 시스템은 좁은AI 즉 약인공지능으로는 해결하기 어렵다. '기계 학습' 시스템은 인간이 직관적으로 이해하기에 너무 복잡한 데이터에서 패턴을 식별할 수 있다. 그러나 정말로 완전히 이해하고 분석하여 사회·정치적 의사결정을 하는 데 보조를 맞추려면 좁은AI에서 AGI로의 발전이 필요하다.

사회와 정치체제의 본질은 모든 문명사회에서 익숙한, 근본적으로 빠른 변화와 혼재된 것이다. 필요한 것은 새로운 사회적, 정치적, 경제적 구조에 적응하고, 지능적이며, 미래에 정통한 방법으로 정책 평가 및 개념을 만들 수 있다.

"저소득 부모가 자녀 교육을 최고 고등교육까지 시키도록 어떻게 장려 할 수 있는가?" 하는 문제를 위에서 예로 들었다. 기술적 도구와 경제적 구조가 빠르게 변화하고 있는 현대 사회에서는 단순한 이력 데이터 분석만으로는 이 문제에 대한 올바른 해결책을 제시할 수 없다. 경제적 구조와 교육과 학습에 대한 올바른 해결책을 제시할 수 없다. 경제적 구조와 교육과 학습에 대한 맥락을 더 신중하게 이해하고 과거로부터 미래를 추정할 수 있는 AGI 기능을 구비한 인공일반지능이 훨씬 더 현명한 답변들을 제공할 것이다.

사회·정치적 의사결정 지원용 통합인공지능의 가치

사회·정치적 의사결정 로바마 AI 엔진의 복잡성은 너무나 다양하고 엄청난 데이터 인풋에 기인한다. 인간은 이렇게 복잡한 데이터를 처리할 수 없다. 인풋 데이터는 자연인간체계의 엄청난 데이터, 국내 모든 법과 정책, 인간의 행동과 삶에 필요한 다양한 관측 데이터 등이다. 그 외에 다양한 아웃풋 의사결정은 정책, n차 선택 등이다. 일반적으로 AI소프트웨어 접근방식이 다양할수록 더 다양한 데이터가 나온다. 그래서 한가지 접근방식보다 다양한 접근방식으로 알고리즘을 만드는 것이 더 좋은 의사결정은 도출할 수 있다. 다양한 알고리즘을 사용하면 다양한 문제를 더 손쉽게 해결해줄 수 있다.

통합적인 접근의 시작은 신경-심볼릭 통합이다. 심층 신경망을 포함한 신경 회로망은 정량적 데이터 및 영상, 음성 데이터를 처리하는 데 특히 적합하다. 반면에 확률 및 퍼지 시스템을 포함한 심볼릭 로직 시스템은 법률, 판례, 비즈니스 규칙 및 공식 정책과 같은 공적인 지식을 처리하는 데 적합하다. 확률로직엔진과 함께 심층 회로망을 통합하는 시스템을 만드는 것이, 사회 정치적 시스템의 전체적인 복잡성과 씨름하는 AI를 활용하는 데 매우 가능성이 높은 방법 중 하나이다.

현 정책에 대한 결과평가는 해당 데이터가 가능한 정량, 예를 들면 딥러닝 모델의 도움을 받아 로직엔진을 통해 수행할 수 있다. 그리고 새로운 정책의 창조적 개념을 이해하려면 논리적이고 심층적인 학습뿐만 아니라, 근본적으로 새로운 것을 받아들이는 데 적합한 진화적 학습과 개념 융합과 같은 기술들이 필요하다.

효과적인 사회·정치적 의사결정은 '마음 이론'- 특별한 인간의 마음과 사회 집단의 '마음'(공유인지모델)이 지닐 수 있는 내용을 모델링할 수 있는 능력과-을 갖춘 AI를 요구하는 문화적, 심리적 요인의 통합을 필요로 한다. 인간은 논리추론, 경험패턴인식, 공갑 모델링의 조합을 통해 '마음 이론'을 수행한다. 궁극적으로 사회·정치적 의사결정 AI는 이러한 모든 측면의 가능성 또한 통합해야 한다.

사회 정치적 의사결정 지원용 인공일반지능의 가치

이러한 필요한 통합을 달성하는 한 가지 방법은 사회·정치적 의사결정 지원을 지원하기 위한 OpenCog는 공통지식표현을 사용 - Atomspace로 불리는 무게를 얻고, 표기되는 하이퍼그래프-하여 다양한 종류의 데이터에서 상징적·양적·에피소드적, 특정, 불특정 지식과 패턴을 나타낸다.

이것은 딥 러닝 알고리즘, 심볼릭 로직 시스템 진화·개념적 융합 알고리즘 및 기타 AI 방법을 함께 사용할 수 있는 장을 제공한다. 이것은 '인지 시너지' 원리에 따라 효과적으로 함께 작용하도록 설계된 다양한 인지 알고리즘을 포함한다. OpenCog를 사회·정치적 의사결정의 목젹에 맞게 설계하는 데는 상당한 노력이 필요하다. dnflsms Analysis of Multiple Agents의 약어로 로바마를 사용하여 사회·정치적 시스템에 관련된 인간과 같은 다양한 지능형 문제의 상호작용을 분석하는 Opencog AI 시스템의 전문성을 보여준다. 사용자와 데이터 소스가 상호작용하는 로바마 시스템의 기본개념구도를 보여준다.

제안된 AGI 사회 정치적 의사결정지원시스템의 개념도

제안된 AGI 사회 정치적 의사결정지원시스템의 개념도

입력 뉴스, 소셜미디어, 법률, 정책, 양적 데이터, 이론→'로바마' 인공지능 엔진 딥 러닝 데이터마이닝, 확률론적 논리 기반 추론, 진화론적 학습과 개념 융합을 통한 창의성 향상, 자연 언어 이해, 생성, 대화, 데이터와 논리 유도 시물레이션 모델링→출력 정잭 브리프, 인포그래픽, 기술 분석 보고서, 인터랙티브 논쟁

로바마 인공지능의 의사결정은 어떻게 이루어지나?

최근에 나온 아이폰 7을 접한 소비자들은 또 한번 놀랐다. 이어폰 잭이 없어진 것이다. 카메라가 좋아지거나 속도가 빨라진 것은 누구나 신제품에서 기대할 수 있지만, 이어폰잭을 없애고 충전이나 음악을 감상하기 위해 무선 이어폰을 사용하게 한 것은 놀라운 선택이다. 상상하지 못했던 발상이다. 그러면 이어폰 개발자들은 이런 결정을 어떻게 하는 것일까? 한두 사람이 결정할 것일까 아니면 다수의 설문을 거쳐서 하는 것일까?

현대인은 하루에 무엇을 먹을 것인가에 대해서만 평균 200여 개의 선택과 결정을 한다. 그리고 세상에는 너무 많은 물건이나 서비스가 나와있자. 앞으로는 더 많은 선택을 해야 할 것이다. 기업은 소비자들이 항상 더 많은 옵션을 원한다고 생각한다. 정말 더 많은 옵션이 더 나은 것일까?

2004년 심리학자 배리 슈워츠가 우리에게 '선택의 역설'이라는 말을 유행시켰다. 사람들에게 너무 많은 옵션을 주어 선택하라고 하였더니 모두 얼어버렸고, 동시에 그 제품이나 서비스에 대해 강한 불만을 표시했다.

최근 연구에서 인간은 선택 피로증을 앓고 있으며 인간의 의사결정을 대신해줄 인공지능을 간절히 바라고 있음이 알려졌다. 인간은 이미 '의사결정 피로감'을 느낀다. 우리는 너무 많은 선택을 해야 할 때 두뇌유출, 즉 인지 과부하 상태가 되어서 결정장애를 일으킨다. 너무 많은 선택은 인간의 판단을 무리게 하며, 피로하게 만들어, 아예 구매를 포기하거나 피하게 한다. 오후가 되면 의사결정 피로가 몰려와 더 이상 생각하기 싫어서 거부하는 것이다. 그것은 우리가 배가 고플 때 쇼핑을 하면 필요 없는 물건을 더 많이 사는 이유이메, 잠들기 직전에 충동구매를 많이 하는 이유이기도 하다.

우리가 매일 하는 선택의 유형을 조사할 때, 대부분은 사수한 것들이다. 무엇을 먹고, 무엇을 입고, 무엇을 읽을 것인가 등이다. 그런 사소한일에 우리가 우리 두뇌의 제한된 지력과 처리용량을 최대한 활용하거나 과용하고 있는 것이다. 인간이 이런 결정이나 선택을 자동화하거나 AI가 대신해줄 수 있다면 인간은 더 창의적이고 더 발전적이 될 것이다. 이런 작은 결정들을 미래에는 기업들이 아웃소싱하게 되며 알고리즘을 찾으려고 한다. 그것이 바로 AI의 역활이다. 인간의 쓸데없는 의사결정을 대신해주는 일이다. AI는 인간보다 더 정확하고 효율적으로 결정을 해주는 데 장점이 있다. 로바마가 정치인을 대신하면 장점이있다. 로바마는 처자식 먹여 살릴 필요가 없고, 집을 장만하거나 부를 이룰 필요가 없다. 그래서 욕심 없고 정확한 선택과 결정을 해 줄 것이다.

미래에는 선택의 권리보다 편리함이 더 중요하다

Huge라는 창의성 에이전시 CEO인 아론 샤피로는 "이제 인간은 수많은 선택이나 옵션을 원하는 것이 아니라 그 반대로 AI 등이 더 이롭고 정확한 선택을 대신해주기를 바라기 시작했다"고 발표했다. 디자인 블로그로 유명한 Fastcompany에서 샤피로는 디자인 미래예측을 내놓았다. "우리에게 가장 크게 다가오는 미래 트렌드는, 제품이나 서비스 및 우리의 삶에서 불필요한 선택을 제거하고 인간 대신 의사결정을 해주어 인간의 뇌를 쉬게 하고 자유롭게 해주는 디자인이다."

선행 디자인이란 사용자들이 선택할 필요 없이 최고의 선택이 이뤄지는 에코시스템, 즉 생태계를 만들어주는 것이다. 최상의 선택은 소비자를 위해 자동으로 이뤄져서 소비자가 그런 불필요한 것에 신경을 쓰지 않게 해주는 디자인이다. 여기에 바로 AI가 들어온다. 인공지능이 소비자의 종전 행동 패턴, 종래 환경을 숙지하고 소비자가 원할 것 같은 것을 빠르고 원활하게 의사결정을 해준다. 이런 AI의 의사결정은 몇 가지 간단한 비즈닛스 논리와 상식에 따르고, 수많은 다른 데이터에 기초하여 최선의 선택을 하는 것이다. 어떤 면에서 선행 디자인은 오히려 개개인의 선택을 더 존중하는 의사결정 방식이다. AI가 수많은 선택 중 각각의 소비자를 대신하여 최상의 결정을 하기 때문이다.

비행기 표를 구매하는 과정을 생각해보자. 우선 항공사나 항공관련 웹사이트에서 원하는 날짜와 시간을 선택하고, 가장 저렴한 비행기 표를 찾아야 하며, 구입 방법을 고민하는 등 수많은 검색과 결정의 고통스런 과정을 겪어야 한다. 선행 디자인이라는 개념은 AI비서가 비행기 예약 날짜를 나의 일정표에서 알아내고, 내가 가는 그 도시의 다양한 문화 행사나 이벤트를 점검하여 좌석, 비행시간과 가격을 선택한다. 중요한 것은 인간이 하는 것보다 훨씬 빠르고 효율적이며 최상의 선택이라는 점이다. 인간은 그 많은 자료를 검색할 수도 분석할 수도 없다.

물론 이 같은 시스템의 초기에는 반드시 인간의 피드백이 필요하다고 샤피로는 말한다. 그러나 AI는 스스로 배우고 지속적으로 능력향상을 시키는 머신 러닝 시스템이다. 알파고 기계가 수만 번 바둑을 둬서 스스로 공부하는 것처럼, 기계학습 시스템은 그것을 사용할수록 더 좋아져서 인간보자 더 좋은 결정을 하다가, 마지막에는 인간의 의사결정을 제거하여 작업을 더 단순화시킨다.

미래에는 비행기티겟 구매나 레스토랑을 찾아 예약하는 것은 인간이하는 일이 아니다. 카카오택시를 부르거나 리프트를 호출하는 것은 시리에게 물어보고, 인공지능 도우미가 자동으로 이벤트를 체크하고 예약하고, 행사 후에 데리러 오는 것까지 한꺼번에 예약이 가능하다. 선행 디자인은 이 기술이 나올 때의 약속처럼 인간의 일상사를 더 간단하게 처리해줄 것이다.

샤피로에 따르면 일부 선행 디자인 개척자들은 이미 AI를 이용하여 이런 방향으로 모든 제품과 서비스를 디자인하고 있다. 예를 들어, 아마존, 넷플릭스와 판도라는 사용자의 과거 선호도 조사나 과거 추천에 따라 소비자가 무엇을 원하는지 미리 추천해주고 선택을 대신해주는 서비스를 제공한다. 그러나 여전히 소비자가 마지만 선택을 하도록 시스템을 구축하는 것도 중요하다.

대조적으로 스마트 온도조절기인 Nest는 주인이나 소비자에게 묻지않고 혼자 모든 의사결정을 하고 모든 작업을 수행한다. 그 이유는 집주인이나 방 주인이 방마다 몇 시에 온도는 높이고 몇 시에 불을 끄는지 등 모든 행동에 대한 데이터를 분석하여, 자동으로 하루의 기본설정에 따라 실내 온도를 조절해주기 때문이다. 선행 행동을 분석한 것이다.

Sportify라는 회사는 소비자의 선행 선택을 바탕으로 저가의 주간노래 판매목록을 사용자의 취향프로필 기반 패키지로 제공한다. 저렴한 가격에 다른 사람들이 좋아하는 유행을 따르면서 개인취향을 기반으로 노래를 묶어 선택해주었더니 엄청난 인기를 얻게 되었고, 결국 뮤직스티밍 분야의 최강자로 우뚝 서개 되었다. "이런 사례를 보았을 때 미래에 예측 가능한 최상의 인기 서비스는 바로 개인 취향이나 선호도를 바탕으로 대신 선택을 해주는 서비스이다"라고 샤피로는 결론을 내린다.

미래의 서비스 선택은 자유가 아니라 효율성

음악 기호로 깊이 분석해본 결과 미래의 의사결정 과정은 다양한 선택을 주어서 자유를 주는 것이 아니라 쉽게 효율적으로 AI가 인간 대신 선택을 해주는 것이다. 그래서 많은 서비스는 자동화되고 인간은 AI가 선택해주는 것을 따른다. 빠른 서비스는 대부분 자동화를 필요로 한다.

이러한 시스템이 원할하게 작동하도록 하기 위해서는 엄청난 데이터가 필요하다. 그리고 그 데이터를 훈련시킬 필요가 있다. 엄청난 데이터를 통해 인간 대신 AI가 최상의 의사결정을 하게 하는 것이다. 이를 위해서는 AI데이터를 수집, 분석, 훈련시키는 인력이 필요하며 국가의 새로운 일자리 창출은 여기에서 나온다.

다행히 우리는 이미 자기정량화 시대에 살고 있다. 손목이나 피부 등에 나 자신의 건강상태를 추적하는 스마트워치, 핏비트 및 기타 건강추적장치를 달고 있다. 생리학 측면에서는 거대한 실시간 정보를 수집할 수 있다. 호르몬과 뇌파를 측정하고 사용자의 감정 상태와 환경의 모델을 구축할 수 있다. 이를 통해 AI가 인간보다 나은 선택을 하게 하는 것이다.

작은 실험의 사례는 이미 존재한다. 작년 일본 의류 브랜드 유니클로는 UMOOD라는 AI알고리즘을 개발하여 고객이 자사의 방대한 셔츠 컬렉션 속에서 자신이 원하는 완벽한 셔츠를 선택하도록 리얼타임 정보를 제공해주었다. 유니클로는 방대한 설문 조사 데이터를 기반으로 각종'무드 선택'시스템을 만들어 T셔츠 스타일과 색상을 분류하기 시작했다. 예를 들어, 녹색은 조용함을 원할 때 찾는 색상이다. 고객은 매장에서 분위기의 종류를 나타내는 동영상을 보면서 뇌 활동을 측정하는 헤드셋을 쓰고 자신의 무드를 책정하고, 이에 UMOOD는 동영상으로 소비자가 원하는 최적의 셔츠를 제공했다. 사실 눈길 끌기 행사처럼 보였지만 고객들은 아주 즐거워했다.

셔츠 하나를 선택하는 것은 처음에는 다소 사소한 것처럼 보일 수 있다. 하지만 유사한 기술은 잠재적으로 금융서비스, 정책입안 등 더 큰 삶의 의사결정에 도움이 되었다. 셔츠 하나를 선택하는 기술을 만들기 위해 '선행 선택 설계시스템'의 '조기구현 솔루션'을 만들어 의사결정을 수행할 수 있었던 것이다.

이렇게 일상의 소소한 선택을 통해 인간의 신뢰가 쌓이면 금융서비스 선택이나 국회의원들이 정책입안 서비스 등 다양한 시스템 구상의 알고리즘, 작동시스템을 집계하여 최상의 선택을 AI가 인간 대신 할 수 있다. 이렇게 되면 사소한 결정은 AI가, 또 인간이 할 수 없는 복잡한 결정도 AI가 대신하도록 하고, 인간은 일상생활에서 자신에게 가장 중요한 일에만 집중하면 모두가 행복하고 만족스러운 삶이 된다.

인간은 변화에 저항한다. 인간은 50년 전 컴퓨터가 손바닥만 하게 작아질 거라고 믿지 않았다. 핸드폰에도 저항했고 스마트폰에도 저항했다. 인간은 모든 신기술에 한순간 저항한다. 하지만 기술에 익숙해지고 신뢰가 쌓이면 믿고 따른다. 화재현장에서 현장감독인 인간이 아니라 로봇을 따라 대피했다는 연구결과가 있다. 인간은 이미 인간보다 로봇을 더 신뢰한다. 한국에서도 AI로봇의 신뢰도가 급격히 향상되었다. 알파고 때문이다.

인간은 지금 너무나 많은 선택을 해야 하며, 스스로 선택살 수도 없는 어렵고 복잡한 일을 선택하려 하기 때문에 스트레스가 쌓이고, 짜증을 내거나 사회에 대한 불만과 자살충동에 시달린다. 따라서 미래에는 어려운 결정이나 사소한 결정은 AI에게 맡기고, 인간은 원하는 일에만 집중할 수 있는 자동서비스가 나올 수밖에 없다. 그것이 바로 국회의원이나 정부 고위관리들에게 제공될 로바마 서비스 같은 것일 수도 있다.

철학적으로 생각해보면, 인간 행동에 대한 어떤 틀에 박힌 가정도 정확하지 않으며 인간 대신 누군가가 선택을 대신해준다는 것은 인간의 선택권을 제약하고 선택의 자유를 박탈한다고 느낄 수 있다. 하지만 선택은 스트레스를 불러오고 고통을 가져오며 너무 많은 선택은 뇌의 작동을 멈추게 할 수 있다. 미래에는 정보의 홍수와 데이터 쓰나미가 오기 때문에 인간의 정치적 선택은 더욱더 괴롭다. 그래서 결국 인간은 다양한 대안을 찾다가 의사결정의 효율성을 위해 자유가 아닌 인공지능의 편리함을 선택하게 된다. 어자피 인간의 결정은 정확하지 않고 그나마 AI의 결정이 낫다고 믿는다는 것이다. 사소한 의사결정이 가져오는 매력도 있고 어려운 의사결정이 가지고 오는 깊은 매력도 있지만 결국 인간은 편리함과 효율성을 찾는다고 한다.

이런 사소한 결정이나 정치인들의 어려운 결정을 인공지능이 대신해준다면, 인간은 더 많은 자유 시간을 갖게 되고 지적인 자원 확보와 원하는 프로젝트를 추진하며 행복을 느끼게 된다. 어떤 사람들은 인간이 결정권이 바로 권력이라고 한다. 하지만 너무나 많은 사소한 결정이나 아주 기계적인 것들의 컨트롤을 포기하고 인공지능에게 맡기면 일상의 선택이 더 효율적으로 빨리 처리되어, 오히려 인간이 가장 하고 싶어 하는 일, 가장 즐기는 일을 할 수 있는 시간을 버는 것이다. 결국 인공지능에게 3D작업, 즉 더 어렵고 위험한 일은 맡기고 인간은 개미가 아닌 베짱이처럼 노래만하면 되는 것이다. 그렇게 자유로워지면 인간이 마지막으로 해야 하는 가장 중요한 결정에 초점을 맞출 수 있다. 그것은 바로 행복 찾기, 혹은 창의성 계발이 될 것이다.

새로운 정부와 의회를 만들자

미래학자들은 피터 디아만디스가 실리콘밸리 마피아 두목이라고 말한다. 그는 실리콘밸리의 창업군단을 분석하고, 실리콘밸리의 억만장자들이 무엇을 원하는지를 파학하여 그들로부터 돈을 받아 싱귤래리티 대학도 만들고, X프라이즈에 거액의 성금을 거두어들이기도 했다. 지금은 X프라이즈의 재단의 회장에서 물러나 있다.

피터를 비롯한 실리콘벨리의 억만장자들은 행복한 미래사회발전에 가장 큰 걸림돌은 현재의 정치·정부·의회 시스템이며, 이를 바꾸자는데 공감하고 있다. 산업시대에 만들어진 정부와 의회 시스템을 인공지능의 시대에는 바꾸지 않으면 안 된다는 것이다. 그들이 찾고 있는 것은 바로 그런 미래정부를 실험해볼 수 있는 장소, 소규모 커뮤니티, 우주, 가상현실 등이다.

피터 디아만디스는 종종 인생의 실험, 신기술을 가지고 하는 현실적인 실험의 중요성에 대해 말한다. 특히 지금 미국은 대통령선거를 위해 2년간 이미 엄청나게 비효율적인 컨벤션을 하고 있다. 이런 일에 드는 비용을 미래기술에 투자하면 우리는 글로벌 기본소득제를 실시할 재원을 마련할 수 있다고 말한다. 선거시즌의 부패, 낭비를 바꿔서 이제는 미래적으로 의미 있는 정부시스템을 실험할 때라고 강조한다. 투표 방법, 정책과 미래적인 법률을 만드는 것이 필수라고 말한다.

현재 미국 정부와 미국 정부와 의회 시스템은 수백 년 전에 만들어졌다. 확실히 지난 수백 년 동안 모든 것이 변했다. 이제는 정부와 의회 시스템에 개선의 여지가 생겼다. 우리는 이제 인터넷, 인공지능, 머신 러닝, 로봇기술로 의회나 정부 형태를 바꿔야 한다.

옵션 1: 소규모 고립된 지역을 찾아 신정부시스템을 실험하자

지구촌에는 주인이 없는 땅이 없다. 누군가 혹은 어떤 정부가 ‘모든 땅을 차지’했다. 그런데 우리는 인공지능이 만든 의회나 정부 시스템, 즉 새롭고 다른 거버넌스 모델을 실험해보아야 그것이 우리가 원하는 것인지를 알 수 있다. 이 새로운 인공지능 정부, 의회를 실험해볼 곳이 필요하다. 실험할 장소를 찾아야 한다. 시스테딩 연구소는 주인 없는 공해상에서 신정부를 만들어보려 한다.

새로운 의회나 정부 제도를 실험하려면 규모가 작은 것이 중요하다. 그룹이 작아야 민첩성이 있고 피드백을 손쉽게 하며, 급속하게 적응하고, 상대적으로 최소한의 자원 등 새로운 아이디어를 테스트할 수 있는 기회가 쉽게 제공되기 때문이다.

국가 규모로 이미 보편적 기본소득을 실험한 나라들이 있다. 핀란드, 스위스 같은 나라들이다. 보편적 기본소득을 실시하였지만 아직은 ‘새로운 정치시스템’을 실험한 것은 아니다. 이 시스템은 테스트인 동시에 다른 더 큰 시스템에 극적인 영향을 미칠 수 있는 문제점 들을 파악하고 새로운 기능을 찾는 길이다.

학계에서는 스탠포드 대학 정치학과에서 이 같은 실험적인 지배구조, 새로운 인공지능이 바꾼 정부/의회 형태의 대한 방법을 연구 중이다. 이미 그들은 개발도상국의 정치에 적용할 사회과학자들과 연구네트워크를 형성했다. 형성했다. 몇몇 작은 나라들과 실험을 하기도 했다.

그래서 아주 작은 규모이지만 이미 실리콘밸리 억만장자들은 미국 사막의 중간에 일주일 동안 수만 명이 모여서 일부 급진적인 지배구조 즉 인공지능의 중간에 일주일 동안 수만 명이 모여서 일부 급진적인 지배구조로 즉 인공지능 등이 변경시킨 정부/의회 구조의 아이디어를 실험하기 시작하였다. ‘불타는 남자’ 행사에는 이미 매년 7만면 정도가 참가하여 거의 한 달 동안 미래의 새로운 지역사회를 만들고, 새로운 정부를 실험하고, 체험하고 있다. ‘버너’로 알려진 참석자들은 ‘급진적 거버넌스 변화’를 주장하고, 자립과 자기표현, 지역사회협력, 책임지는 시민, 선물주기, 광고목적 선물 배제, 참여, 직접민주주의를 실행하고, 행사 후에는 흔적을 남기지 않는 등 10대 원칙 설정에 동의하였다.

우리는 이러한 실험이 한 단계 발전시킨 경험과 정보를 공유하기 위해 더 많은 지역사회에서도 이런 사회를 만들 것을 장려할 필요가 있다. 흥미롭게도 새로운 교통시스템이 등장하여 빠른 변화가 예상되고 있다. 자율주행차, 드론, 공중 수송, 진공자기부상열차로 1200Km로 달리는 하이퍼루프 등은 전 세계 저개발 지역에 새로운 도시를 만들어, 우리가 원하는 새로운 정부/의회 형태를 실험할 수 있게 될 것이다. 첫 번째 원칙에서 우리는 이제 자신 스스로 원하는 정치체제를 발견하려 한다.

우리는 또한 자역무역지역의 출현을 보았다. 이 개념은 아일랜드의 섀넌의 실험으로 시작되었다. 농촌지역에서 고용을 촉진하고 아일랜드 경제에 대한 수익을 창출할 수 있는 아일랜드 정부의 시도였다. 상당히 성공한 제도이며 오늘날 최대 운영시스템이 되었다. 새로운 정부시스템을 실험할 수 있는 최적지로 우리들은 아이슬란드, 키프로스, 통가 섬 등 작은 국가를 상상한다.

그러나 여기서 이런 나라에서의 시작은 실험에서만 그치겠는가? 피터 디아만디스는 모든 사람들이 그에게 동조하기를 원하고 사람들의 생각을 알고 싶어 한다. 어디에서 실험할 수 있는지 알려달라고 요청하며 혹시 그런 도시나 땅이 있으면 여기로 연락하라고 말한다. 그러면 실리콘밸리 사람들은 들어본 아이디어 중 최고의 아이디어를 선별하고 그곳에서 새로운 정부형태를 실험하려 한다. 여기에 이미 피터의 몆 가지 아이디어가 담겨 있다.

이 새로운 정부에서는 모든 사람이 디지털통화를 사용한다. 블록체인 프로토콜을 기반으로 비트코인과 같은 디지털통화는 많은 장점이 있다. 이 디지털통화는 부정부패를 없애고, 금융사고, 손해를 방지할 거래의 투명성과 책임을 지는 시스템이다. 국가 간 외화 송금과 환율이 필요 없게 되어 관련된 비용이 사라진다. 제대로 관리되는 경우 거래와 자본의 도난이나 분배에 문제가 없으며, 은행이나 중앙정부기관이 필요 없어진다.

이 새로운 정부/의회는 디지털 투표를 통해 진정한 민주주의를 실시할 수 있다. 한 사람이 모두 한 표씩 무료로 투표할 수 있다. 모든 사람이 자신의 스마트폰에서 투표할 수 있다면 선거비용이 들지 않는다. 기록을 보면서 투명한 투표를 하게 되고 투표율도 높일 수 있다. 하지만 한 사람이 한 표를 행사하는 데 문제가 생긴다. 가령 너무 어려운 과학기술에 관한 투표를 할 때 그렇다. 누구나 다 광범위한 지식을 가질 수 없다. 그 주제에 잘 모르는 사람이 투표를 하여 완전히 엉뚱한 결과를 낼 수 있다. 대통령 선거에서는 투표할 수 있지만, 교육개혁이나 세법에 대해서는 잘 모를 수도 있다. 어게 평범한 지식을 가진 일반 시민이 이러한 문제에 대해 투표를 할 수 있을까?

이 새로운 정부/의회는 새로운 대표 투표의 형태를 만든다. 상원 하원을 없애고, 사람들이 주제를 알고 신뢰하는 동료에게 특정 주제에 내 표를 할당할 수 있다. 예를 들어, 우주에 관한 정책에 관한 투표는 이 분야의 최고 전문가인 피터 디아만디스에게 내 표를 보태주는 것이다. 투표가 유전자 게놈 지도 관련 문제이면 내 한 표를 크레이그 벤터에 할당해주는 것이다. 이렇게 할 수 밖에 없는 미래가 온다. 인공지능이 이런 주제에 대해 순식간에 표 할당을 해주기 때문에 순조롭게 진행이 된다.

옵션 2: 우주공간, 화성과의 달 식민지에 새로운 정부를 만들자

저개발 지역뿐 아니라 우주 공간에서 사람들이 정착하기 전에 인공지능정부를 만들어야 한다. 장기적으로 인간은 우주에 식민지를 만들 것이다. 화성, 달에 식민지를 만들어서 새로운 형태의 정부를 만들 수밖에 없다. 수백 년 전의 시스템을 우주에 가지고 갈 수가 없다.

우리는 지구 외의 우주 공간에서 살아보는 멀티플래니터리가 될 것이다. 이를 위해 많은 실리콘밸리 억만장자들이 진정으로 열심히 노력하고 있다. 일론 머스크, 제프 베조스, 리처드 브랜슨, 폴 알렌과 같은 기업가들이 그들이다.

구글 ‘루나 XPRIZE’ 팀은 2017년 말까지 달에 최초의 민간로봇착륙을 수행할 계획이다. 일론 머스크의 스페이스X는 2024 화성에 유인선을 보낸 목표를 가지고 있다. 이것은 말 그대로 처음부터 우주에 식민지를 건설하는 완전히 새로운 사회구조 설립 방법을 모색할 수 있는 놀라운 기회가 될 것이다. 우리는 확실히 새로운 사회의 건설과 발전을 더욱 더 잘 할 수가 있을 것이다.

옵션 3 : 가상현실세계에 새로운 정부형태를 만들자

아마도 새로운 정부 실험에서 가장 흥미로운 기회는 가상현실세계일 것이다. VR기술은 기하급수적으로 향상되고 있다. 다음 20년 동안 인간은 가상현실에서 많은 시간을 보낼 예정이다. 이렇게 되면 미래에는 ‘여러 국적’을 갖는 일이 없어질 것이다. 가상현실에서는 모두가 한 나라에서 살기 때문이다.

지금은 출생의 순간에 우리가 존재하는 지리적 위치에 의해 그 국가의 시민권을 유지해야 하는 법이 있다. 그러나 이제 더 중요한 것은 우리가 일하고 가장 많은 시간을 보내고, 가장 많은 사람들과 사교하는 곳이 바로 우리의 국가가 되고, 그곳은 바로 우리들의 선택에 의한 가상현실속이다. 우리는 이제 시민권을 ‘선택’하는 시대에 살고 있다.

이미 우리는 출생할 때의 지리적 위치로 국가를 선택하는 것이 아니라, 자신의 관심과 가치를 보다 더 중요시 하며, 이런 생각을 가진 사람들이 모여 사는 가상현실 국가에 많이 가입하고 있다. 이런 다양한 생각을 가진 사람들의 커뮤니티에 이미 가입할 수 있다. 비트네이션, 백피드, 세컨드 라이프 등이 있다.

우주공간을 사랑하는 사람들을 위한 가상현실 세계도 있다. 기하급수적으로 변화하는 기술에 관심이 있는 사람들이 모여들고 있는 싱귤래리티 대학과 같은 커뮤니티가 있고, 또 지구촌의 대과제, 난제를 해결하기 위해 모이는 사람들의 커뮤니티도 있다. 아니면 예술가와 음악가, 운동선수 또는 마술사들이 함께하는 단체도 있다.

디지털 인간이 아바타로 살고 있는 세계도 있다. 위에서 언급한 다양한 커뮤니티나 그룹들이 원하는 지배 체제와 정치 프로세스를 위해 빠른 시일 내에 실험할 수 있는 장소가 만들어질 것이다.

왜 현실세계에서 변화는 어려운가?

우리의 기존 정부, 의회 등 사회구조 관리시스템을 바꾸기가 왜 어려운가? 크게 세 가지 이유가 있다.

첫째 기득권층, 즉 현재 권력을 가진 사람들은 그들의 규칙을 원한다. 모든 법규나 규율은 특별 관심그룹, 기존의 대기업 등 대부분 혜택을 받는 사람들에 의해 만들어진다. 법률은 현재의 권력이나 지배층을 지원하지 가능한 미래의 국민이익을 지원하지 않는다.

둘째, 현존하는 법률이나 정부시스템 대부분은 현재의 정보기술, 인터넷, 휴대전화와 컴퓨터 같은 제품이 존재하기 전, 즉 수백 년 전에 설계되고 만들어졌다.

셋째, 정보존재의 주요 원인 중 하나는 안정성이다. 대부분의 사람들은 변화를 싫어하고 게임의 규칙은 많은 사람들이 아침에 깨어나 어제와 같은 안정된 세상을 원한다는 것이다. 많이 알고 익숙한 시스템이 변경되는 것을 원치 않는다. 정부는 선형으로 변한다면 기술은 기하급수적인 변화와 민첩성을 필요로 한다. 현 정부와 기술을 갈등관계에 있다.

이 외에도 이해당사자, 부패, 사상과 문화적 가치 등은 신기술에 의한 변화를 방지하는 방해자가 될 수 있다. 이들이 변화 방지와 그리드락을 만들어서 변하지 못하게 한다. 정부가 기술변화에 적절하게 변하지 않도록 하는 것이 정부의 역할이다.

희망은 새로운 출구를 찾는 길이다. 작은 커뮤니티, 우주공간이나 가상현실 속에서 이 인공지능 정부 실험을 반복하는 일이다. 정부는 부드럽게 변하지 않는다. 정부의 변화는 늘 과격하고 파괴적으로 변한다. 즉 선거나 혁명으로만 변할 수 있다. 하지만 우리는 기술변화와 혁신으로 이제는 우리가 스스로 인공정부로 대체하는 작업을 할 수 있는 방법을 찾고자 한다. 우리의 미래는 민첩성이 필요하다. 많은 변화가 필요하다. 

인공지능이 판사를 대체한다

인간은 10년 전후로 로봇판사를 만들게 된다. 로봇판사를 만들기 위해서는 인간을 제대로 연구해야 한다. 판사도 인간이다. 인간의 부정적이거나 비관적인 성격이 기계를 변질시킬 수도 있다. 그래서 로봇판사를 만들기 전에 우리는 인간이 가진 모든 부정적인 단점을 들여다보아야 한다. 로봇판사가 가장 효율적이고 정확한 판단을 내리기 위해서는 인간의 단점인 7대 죄악을 분석해야 한다.

2028년, 제임스 매튜는 유명한 인공지능 판사인 윈스턴3가 주재하는 전자법정에 출두하라는 소환장을 받았다. 윈스턴3는 파일럿 프로젝트이지만 이미 미래의 사법시스템이다. 이 모의 전자법정에 피고인으로 서게 된 매튜 화상형성 기술을 개발한 예술가이다.

화상형성 기술이란 그림자의 그림자를 갭처해서 그림자 속의 이미지 잔상 조각들을 모아서 인물의 이미지와 비디오클립으로 예술작품을 만드는 기술이다. 방안이나 건물 안의 사람들을 표현한 작품들이 많은데, 그래서 그의 작품은 개인 사생활 침해라는 비난을 받아 법정에 출두하게 된 것이다. 화상형성 기계는 작품에 나타나는 사람들을 멀리 떨어진 공공장소에서 수집한 빛의 파편인 ‘2세대 그림자’를 사용할 뿐이어서 매튜는 그가 타인의 사생활을 침해한다고 생각하지 않았다.

사람들은 이 최첨단 인공지능을 주입한 로봇판사 윈스턴3의 재판결과가 첫 시험 사례라고 믿었다. 공명정대한 최종 판결을 내리기 위해 이 로봇판사는 개인 사생활 보호법의 복잡성을 이해하고, 수만 가지 규칙, 규제, 요구 조건, 모든 사실 관계의 공정한 해석을 하였다. 윈스턴3은 전통적인 법정에서 판사와 같은 옷을 입고 서서 인간의 눈으로 보아도 공정한 판결을 낼 인간판사처럼 보이도록 만들었다.

낡은 사법시스템이 지닌 편향성과 편파성을 바로잡을 로봇판사를 만드는 데는 수십 년간의 투쟁이 필요하다. 과학자들은 법정에서 가장 주요 인물인 로봇판사가 이 사건에서 가장 공정한 사법처리를 하도록 설계하였다. 판사 모양을 한 로봇 만들기는 쉬웠다. 그러나 수많은 법조문의 의미를 정확히 이해하고, 주어진 상황에 법을 적용해 법률적 판단을 내리는 인공지능엔진을 만드는 것이 어려웠다.

법률 자료들을 모아 놓은 중앙저장소가 없었기 때문에, 과학자들은 우선 인공지능엔진이 접속 가능하고 일반 대중들도 볼 수 있는 모든 법률의 공공 데이터베이스를 만들었다. 데이터베이스에는 엄청난 과거의 소송들, 법률과 규정, 판례가 담겼다. 과학자들은 과거의 판례에 적용된 해당 법령을 찾아서 수십 년간 소송에 적용된 법령 해석을 역공학으로 추적했다.

과거의 법률적 의사결정을 미래의 인공지능엔진에 적용하는 것은 기술적으로 새로운 일은 아니었다. 그러나 이 프로젝트는 정교함의 수준을 한층 끌어올려 신뢰성을 높였다. 사소한 이 로봇판사 개발의 경우 ‘역공학 기법으로 만든 인공지능’ 사용 시의 일반적인 위험을 제거했다. 공정하고 편향성 없는 인공지능이 인간의 편향성으로 오염되지 않도록 만들었다.

인공지능이 인간의 7대 원죄를 닮지 않게 해야 한다

인간과 닮은 기계를 만든다는 것은 인공지능이 인간처럼 의사결정에 많은 결함을 보일 가능성도 있다는 것이다. 인간의 편향성을 잘못 코딩하여 넣으면 인공지능의 판단이 불완전해질 수 있다. 인간의 편견이 기계지능에 들어가 잘못된 인코딩이 인간의 7대 죄악을 만나면 끔직한 사태가 벌어지기 때문이다. 따라서 인간이 인공지능을 만들 때는 이 원죄를 반드시 제거해야 한다.

인간의 7대 원죄는 구약 성경의 잠언 6장 16절부터 19절에 나오는 솔로몬의 가르침에서 나온다. 솔로몬 왕이 “주님께서 미워하시는 것, 주님께서 싫어하시는 것이 예닐곱 가지이다”라고 말한 것에서 유래한다.

음욕 : 무질제한 성적 욕망이나 육체적 욕망, 권력과 돈에 대한 탐욕이 포함된다.

욕심 : 낭비라고 생각되는 모든 것에 대한 탐닉과 과잉 소비

과욕 : 도둑질, 사재기, 도벽도 정당화할 정도에 이르는 과도한 소유욕

나태 : 나태함은 여러 가지로 정의되지만 행동하지 않는 것도 나태함이라고 할 수 있다. 행동하지 않는 양심은 악의 편이다.

분노 : 화, 분노, 증오심, 복수심에 이를 정도로 통제 불능의 감정 상태

시기 : 음욕이나 욕심과 비슷한 시기심은 남이나 남이 가진 것을 어떻게든 갖고 싶어 하거나 해코지 할 정도로 할 정도로 질투하는 마음을 뜻한다.

교만 : 자부심이 무조건 나쁜 것은 아니지만 자부심이나 자만심이 하늘을 찌르면 인간의 7대 원죄 중 가장 위험한 원죄가 되기도 한다. 이런 맥락에서 교만한 마음은 자신의 욕망, 욕구, 기분을 타인의 행복보다 원시하는 삐뚤어진 이기심을 가리킨다.

인공지능의 7대 죄악

미래의 자율학습 시스템은 다양한 소스에서 정보를 입력 받아 만들어진다. 인간과 같은 섬세한 인지 처리를 해야 한다면 가장 바른 정보수집 방법은 전문가들의 인지 처리 과정을 그대로 입력하는 것이다.

예를 들어, 향수 산업의 품질관리는 경험이 많은 전문가들의 정량화 할 수 없는 후각 재능에 기초한 개인적 의견에 기반을 두고 있다. 그러나 한 사람의 후각 재능은 다른 사람과는 다를 수 있다. 이러한 상황에서 개별 사항 판단방식은 전문가의 반응을 배우고 모니터하는 편이 더 쉽다, 향수 산업의 판단기준은 관련이 없는 분야는 분석 회계, 개인별 다이어트 방식과 같은 전혀 관련이 없는 분야의 정보를 판단할 때는 편견으로 작동할 수도 있다. 시간이 지나면서 자율학습 시스템은 정량화할 수 없는 정보 입력 등이 쌓여서 편견을 제거할 수 있는 ‘청결’기능 소프트웨어를 개발하게 된다. 하지만 그렇게 되기까지는 많은 시간이 걸린다. 그러므로 인공지능은 인간이 가지고 있는 편견, 죄악, 감성 등을 이해하고 판단하고 배워야 최고의 로봇판사가 될 것이다. 그러므로 인간의 죄악을 알고 파악하고 배워야 한다. 인공지능을 만들 때 아래와 같은 인간의 속성을 이해하고 만들어야 한다.

감정 속이기

배우자의 부정에서 배신감을 느끼는 것과 유사한 방식으로 성향을 드러내지 않는 미래의 기계들도 인간과 같은 몰래 감정 속이기 등을 극복해야 한다.

의심하는 비관주의

TV쇼와 영화 속에서 성공확률을 물으면 35.5%등과 같이 정확한 숫자를 말해준다. 그러나 미래의 컴퓨터들은 절대로 정확한 숫자를 말하지 않고 40%~70% 정도의 개략적인 범위만 알려준다. 일반적으로 비관적인 인공지능은 종종 0~10%와 같은 비관적인 예측을 자주하며, ‘당신은 실패할 운명입니다’라는 식의 낙담시키는 말을 종종 한다.

자기중심적 사고

인공지능은 자기 주인까지 희생시켜 가면서 자기 생존을 도모하도록 프로그램 된다. 인간적인 품성을 닮은 인공지능의 의사결정 과정에는 더 나은 조작자, 더 나은 재료, 더 나은 유지보수, 심지어 더 짧은 작동시간에 결론을 내려는 ‘자기 우선적’ 기능을 교모하게 심어둘 가능성이 있다.

속기 쉬움

우리는 미래의 기계들이 온라인 사기를 당하지 않기를 바라지만 모든 의사결정은 숫자 등에 속을 수 있는 맹점이 있다. 인공지능이 하는 모든 의사결정은 결정 지점에서 속임을 당할 수 있다.

지배력

새로 들어오는 입력정보를 버리고 더 나은 선택안을 선택하는 결정은 쉽지 않다. 지배력을 가진 인공지능을 만들어 중요한 선택을 하게 해야 한다. 기계들은 적응하면서 스스로의 방법을 배운다.

비밀 누설

누구나 자기만의 비밀을 가지고 있다. 특정한 정부의 민감성을 기계에 전달하는 것은 쉽지 않다. 예를 들어 어떤 약품을 다시 주문하려 할 때, 주문과정에서 신용카드 정보, 의료정보의 비밀유지를 해야 한다는 것을 기계는 이해하지 못할 수도 있다.

좁은마음
방대한 양의 정보를 검토한 후에 판단하는것이 나을지, 제한적이지만 잘 정리된 데이터베이스의 정보만 검토한 후에 판단하는것이 나을지 고민할 수 있다. 기계는 좁은 마음으로 제한된 범위로만 판단하려 하며, 좁은 마음의 판단은 폭이 넓으면 깊이가 얕을 수 있다.

로봇판사의 공정한 판결 기대
인간은 언젠가는 로봇판사로부터 재판을 받게 될 것이다. 위에서 인간의 7대 죄악의 감정을 이야기하는 것은 인공지능이 인간처럼 판단을 하려면 인간 심리를 이해해야 한다는 점을 강조하기 위해서다. 여러 가지 프로토타입을 만들겠지만, 윈스턴3 같은 로봇판사는 몇 세대를 거치며 결점이 줄어들고 합리적 수준의 공정한 판결을 내릴것이다.
인간이 일반적으로 가진 '7대 죄악'을 인공지능이 이해해야 인간의 7대 부정적인 성격이 기계를 변질시키지 못하게 할 수 있다. 인간의 7대 부정적인 성향을 알아야 무엇이 잘못될 수 있는지를 이해하는 데 도움이 된다. 미래 기계지능의 핵심인 의사결정 아키텍처는 이런 인간의 단점을 이해해야 좋은 판단을 할 수 있다. 인공지능이 특화된 용도로 애플리케이션이 개발된다. 하지만 적용범위를 조금씩 넓힐 때마다 인공지능 판단이 잘못될 가능성이 기하급수적으로 증가할 수도 있다고 토머스프레이 다빈치연구소장은 예측한다.

인공지능의 급부상에 관한 8가지 예측

인공지능의 역사가 약 60여 년에 이르지만 진정한 발전은 5년 전부터 다가왔다. 1980년대 초반만 해도 인공지능이라는 말은 정말 아무도 이해하지 못했다. 당시에는 컴퓨터의 크기도 집채만 했고 단지 계산을 빨리 한다는 것밖에는 컴퓨터의 역할을 알지 못했다.

그런데 이제 인공지능이 인간 대신 자동차도 몰아주고, 인간 대신 검색을 하여 정보를 수집해주기도 하고, 인간보다 더 정확하게 체스도 두고, 바둑도 둔다. 앞으로 인공지능이 인간 대신 해줄 것은 무궁무진하다. 이제 인간은 인공지능을 신뢰하기 시작했기 때문에, 인간이 하기 싫어하거나 인간이 하지 못하는 일을 인공지능에게 대신 시켜놓고, 인간은 더 재미있는 일을 하게 될 것이다. 최근 몇 년 동안 IBM의 왓슨 인공지능이 <재퍼디>쇼에서 인간을 물리치고 구글의 알파고가 예상보다 10년이나 빨리 바둑 챔피언을 물리치는 것을 흥미롭게 바라보았다. 그러나 이러한 쇼의 진정한 스타는 드러나지 않고 속에 감추어져있는 정교한 알고리즘이다.

이러한 강력한 컴퓨팅 시스템은 산업을 근본적으로 바꾸어놓았고 매일 반복되는 수많은 작업을 점차 자동화시켰다. 인공지능은 아직 완벽하지 않으며 해결해야 할 문제가 있다. 알고리즘은 우리가 공급하는 데이터의 질에 좌우된다. 그리고 인공지능이 가져오게 될 미래의 실존적 위험에 대한 활발한 토론이 이루어지고 있다.

다음 내용은 다음 세대로 진화하는 인공지능에 관한 대화를 주도하는 몇 가지 주제에 관한 것이다.

인공지능은 지금 어디에 있으며 어떤 변화의 갈림길에 있는가?

앞으로 3년 이내에 인공지능 혁명이 일어난다. 인공지능은 우리 주위를 둘러싼 모든 것에 통합된다. 센서와 네트워크가 결합하여 모든 시스템을 ‘스마트’하게 만들 것이다. 인공지능은 투명성, 기기와 정보 간의 끊임없는 상호작용, 모든 것을 개인화하고 사용하기 쉽도록 한다는 아이디어로 계속 나아갈 것이다.

기계의 꿈이 이루어질 때

인간이 꿈을 먹고 사는 종이라는 것은 의심의 여지가 없다. 소음과 혼란 속에서 예측하지 못한 새로운 패턴을 찾아내는 능력은 인간을 만들고 인간을 창의적으로 만들어주는 능력이다. 최근 구글이 발표한 꿈과 같은 이미지들이 동요를 일으킨 원인도 아마 그러한 이유일 것이다. 이러한 특별한 이미지들은 컴퓨터에 의해 만들어진 것이다. 프로그램이 이미지, 텍스트, 기타 감각 데이터들을 이해하게 되면 결과적으로 우리 자신보다 경험이 더 풍부하게 되지 않을까? ‘인셉셔니즘’과 같은 프로세스는 원래의 아이디어에 이러한 경험을 믹스하게 할 수 있을까? 인간과 기계의 창조성을 구분하는 선을 어디에 그을 수 있을까?

인공지능 혁명에 어떻게 준비해야 할까? 레이 커즈와일이 이러한 질문에 대답한다

인공지능의 거대한 파도가 오기 전에, 그리고 우리가 인공지능에 완전히 통합되기 전에 우리의 유전적인 정신 모형과 구식의 사고 패턴을 변화시켜야 하지 않을까? 미래에 대한 이런 질문에 커즈와일은 과거를 생각해보라고 말한다. “우리가 기술을 통해 강화되어 온 것은 오랜 시간 동안 지속하여 온 점진적인 과정이었다.”

인간 VS 기계는 잊어라! 인간 + 기계의 미래가 될 것이다

존 켈리 박사는 지금의 이야기는 지성을 획득하거나 세상을 지배하거나 하는 이야기가 아니라고 말한다. 또한 인간 두뇌나 두뇌의 기본 구조를 재창조하는 것에 관한 이야기도 아니다. 인간의 두뇌에서 영감을 얻어, 또는 인간이 얻을 수 있는 어느 것에서나 영감을 얻어 세상에 대한 이해를 더욱 높이고 데이터를 더 잘 다룰 수 있는 방식으로 현재의 컴퓨팅 구조를 변화시키는 것에 관한 이야기이다. 특이점은 2029년부터 온다고 레이 커즈와일은 주장한다. 기계가 인간을 능가하는 싱귤레리티 완성은 2045년경이 된다고 한다.

인사이드 OpenAI :투명성이 인공지능이 미쳐 날뛰는 것에서 우리를 보호해줄 수 있을까?

인공지능 오픈소스는 100년 안에 인공지능이 성취할 수 있는 것은 무엇이며 우리가 무엇을 우려해야 하는지에 관한 큰 그림을 생각하고 있다. 인공지능 기술이 최근 몇 년 동안 독자적인 인공지능 시스템 개발에 투자해온 구글이나 페이스북, 애플과 같은 거대 기술 기업의 손을 떠나, 인공지능과 슈퍼인텔리전트 시스템이 한계점을 넘어 통제를 넘어서게 되면 일론 머스크가 올해 초 경고한 것처럼 인간을 말살하게 될 것인가?

어떻게 구글 인공지능이 예상보다 10년이나 더 빨리 바둑에서 인간을 이기게 되었을까?

바둑판 위에 놓을 수 있는 수가 우주의 원자 수보다 더 많다는 바둑은 무한한 가능성 때문에 복잡성을 상징하는 게임이었다. 바둑은 인간 플레이어의 논리력과 직관력을 요구한다. 딥마인드의 수장인 데미스 허사비스는 <와이어드>와의 인터뷰에서 이렇게 말했다. “알파고는 수작업으로 만들어진 단순한 전문가 시스템이 아니다. 알파고는 바둑 게임에서 이기기 위한 일반적인 머신 러닝 기술을 이용했다.”

최신 영상에서 본 바로는 아틀라스 로봇은 이전의 로봇보다 더 유능하다

우리는 최근 몇 년 동안 보스턴 다이내믹스가 만든 로봇에서 점진적이고 때로는 놀라운 발전을 봐왔다. 보스턴 다이내믹스의 사족 보행 로봇인 빅 독과 알파독은 초기 히트 작품이었다. 나중에 그들이 만든 휴머노이드 로봇이 트레드밀을 지치도록 달리는 영상을 보며 놀랐고 약간은 두려움을 느꼈다. 아틀라스의 새로운 버전은 큰 진전을 보인다. 최신 휴머노이드 로봇은 눈 위를 걷고 상자를 쌓으며 사람이 밀쳐도 일어나 다시 상자들을 쌓는다.

인공지능의 마지막 개척지 : 과학자들은 창의성과 자아 인식, 즉 인간의 마음을 만들 수 있을까?

컬럼비아 대학교의 공학 교수이자 창의기계연구소 소장인 호드 립슨 교수는, “우리는 인공지능의 다음 개척지로 향하고 있다. 그곳은 진화 할 수 있고 스스로 설계하며 스스로 반영할 수 있는 생물학적 영감을 가진 기계의 시대이다. 기계들이 새로운 아이디어를 생산하며 자신을 만든다”고 말했다. 립슨 교수는 우리에게 인공지능이 이전에 없었던 새로운 로봇을 설계하고 만들 수 있겠느냐는 질문을 던진다. 레이 커즈와일은 어떻게 인간의 마음을 창조할 수 있을까를 걱정하여 책을 썼다.

인공지능이 급부상하는 7가지 이유

인공지능으로 투자가 몰리고, 쉬운 알고리즘기술이 개발되었고, 값싼 하드웨어도 나왔고, 데이터 텐소플로우가 나왔으며, 드디어 인재들이 몰려와 응용프로그램이 대거 개발되고 있으며 인공지능오픈소스가 나와서 결국 인공지능혁명을 이끈다.

요즈음 가장 많은 변화가 일어나는 곳은 스마트폰이며 스마트폰의 애플리케이션 분야에서도 혁명이 진행되고 있다. 수십 년 전에 시작되었지만 오늘날 기업들이 추구하는 것은 더 쉽고 더 넓은 규모로, 더 스마트한 서비스를 제공하기 위한 혁명이다. 그것이 바로 인공지능혁명이고, 이 인공지능혁명이 이 세상 모든 것을 바꾸고 있다고 싱귤래리티 대학교수 닐 제이콥스틴이 말했다.

인공지능기술 중 패턴인식 소프트웨어 기술, 즉 사용자용 동작 소프트웨어, 가속 지수 기술이 나와 인공지능혁명을 이끈다. 인공지능의 범위를 정의하는 지수기술, 미래의 초인적 지능의 비전이 나왔다. 제이콥스틴 교수는 인공지능이 혁명적인 속도로 발전하고 있으며 곧 인간과 기계지능이 융합하는 단계로 갈 것이라고 낙관한다. 2020년부터 인공지능이 급부상하여 2030년에 보편화되는 7가지 요인을 살펴본다.

자본유입

인공지능 분야의 투자유치가 대규모로 진행된다. 엄청난 자금이 인공지능 분야로 유입되고 있다. 2015년에는 24억 달러, 2016년 상반기에만 15억 달러, 즉 2조 원가량의 막대한 자금이 유입되었다. 이는 200개 신생 인공지능기업들이 투자유치에 성공한 금액이다. 다른 어떤 분야의 자본유입보다 가장 빠르고 가장 대규모로, 인공지능산업으로 투자자금이 ‘돌진’하고 있다고 말할 수 있다.

알고리즘 개발 증가

딥 러닝을 비롯하여 딥 러닝의 수직 계층적 패턴 인식과 같은 알고리즘에 돈이 몰리고 있다. 이 분야의 발전이 인공지능의 일상생활 응용을 가능하게 하는 중요한 투자자금 유입의 힘이 된다. 알스튜디오와 센티엔트와 같은 소프트웨어가 개발됨으로써, 이전에는 단 한번도 인공지능산업을 생각하지 않았던 회사들이 갑자기 인공지능 산업으로 뛰어들기 시작한 것이다.

하드웨어 개발 증가

구글 알파벳이 최근에 발표한 하드웨어 유닛인 텐서처리장치, 퀼컴의 새로운 신경처리장치, 엔비디아의 딥 러닝 칩, 또는 IBM의 TrueNorth neuromorphic 컴퓨팅 플랫폼 등의 하드웨어가 출시되었다. 그 외에도 더 다양한 빠른 칩이 개발되고 활성화되어 더 강력한 인공지능이 개발되고 있다.

데이터 세트 개발 증가

하드웨어도 중요하지만 인공지능에 또 하나 중요한 것이 대규모 데이터 세트이다. 데이터의 공개와 데이터 세트와 증가 분석을 가능하게 해주는 작업 알고리즘과 텐서플로우로 모아진 데이터가 융합되어 본석된다. 종전에 없던 더 많은 툴이 나와 일반 공공 데이터 세트를 수집, 통합하고 분석함으로써 인공지능 능력이 보강된다.

인재의 집중

소프트웨어와 하드웨어의 모든 분야가 중요하지만 제이콥스틴 박사는 사실 기계뿐 아니라 인간이 인공지능에 가장 중요한 부분이라고 주장한다. 튜리, 네르바나, 딥마인드 같이 이름이 있는 스타트업들이 최근에 각광을 받고 있는데, 이처럼 이런 작은 기업들이 인공지능 인재들이 모여들고 있다는 점이 중요하다.

응용프로그램의 대거 출현

오늘날 우리는 응용프로그램을 통해 인공지능을 만난다. 증강인간을 만들고 인간의 스킬을 향상시키고 인간의 능력을 확장시켜준다. 인간의 능력을 보강하여 가치를 높여주고 기능을 확장시켜준다. 그러나 이것은 하룻밤에 생긴 일이 아니라 서서히 다가오고 있던 일이었다. 우리는 처음에 따라 시리가 아주 유용함을 알게 되었다. 더 많은 기업들이 가상 인공지능조수들을 내놓고 있다. 마이크로소프트는 이미 음성 서비스 코르타나를, 아마존은 에코를 내놓았다.

책임감과 신뢰감 증가

제이몹스틴은 인공지능 응용의 최종 발전은 인공지능의 책임감, 신뢰도 등이며 인간이 인공지능을 어떻게 신뢰할 수 있는지가 관건이라고 주장한다. 인공지능 기술을 누구나 다 무료로 사용하게 하는 인공지능 오픈소스화가 인공지능발전의 가장 중요한 과제다. 인공지능을 인간이 필요로 하는 이유는 인간에게 중요한 가치를 가져다주기 때문이다. 기업 세상에서는 경쟁에서 이기는 포뮬러가 되어야 하고, 이는 인간의 능력 더하기 인공지능 처리란 등식이 서야 한다.

분명히 인공지능혁명은 이미 여기에 왔다. 그러나 인간은 아직 그 깊이를 모르고 표면만 긁고 있는 중이다. 이제 우리에게 다가오는 인공지능은 미래의 약속이기도 하지만 미래의 위험요소이기도 하다. 인공지능은 인간의 삶을 송두리째 바꿀 것이다. 그래서 우리는 지금 인공지능이 무엇을 바꾸는지를 알아야만 한다.

인공지능이 서로를 통해 배우게 되면 인간의 역할은 무엇일까?

우리 주위를 보면 핏빗, 가민과 같은 건강과 피트니스를 위한 웨이러블 센서를 사용하는 사람들이 널리 퍼져 있는 것을 보게 된다. 대다수 사람들은 곤충과 동물들의 이동을 추적하기 위해 센서를 사용하듯이, 교량이나 빌딩의 구조적 안정성을 모니터하기 위해서도 센서를 사용한다는 사실을 알지 못한다. 사물인터넷의 신속한 발달과 함께 앞으로 10년 이내에 수백억 개의 센서 기기들이 인터넷에 연결될 계획이다. 인터넷에 연결된 센서 기기들은 산업 플랜트에서 건강관리에 이르기까지 삶의 질과 생산성을 개선하는 분야에서 광범하게 사용하게 된다.

이러한 센서 기기들의 핵심은 마이크로프로세서, 메모리, 유무선 인터넷 인터페이스, 배터리 또는 기타 에너지원으로 이루어져 있다. 각각의 애플리케이션과 사물인터넷 기기들은 설치 장소, 주변 환경, 구역 내의 사람의 행동 등 독특한 상황들을 갖게 된다. 그리고 개별 기기들은 독특한 상황에서 관찰하고 적응하게 된다.

인공지능의 스스로 배우는 기술

이러한 상황에 인공지능이 도입되면 어떻게 될 것인가? 센서 기기들은 인공지능과 함께 변화하는 상황에 맞추어 행동을 발달시킬 수 있다. 마치 생물이 상황에 따라 행동을 최적화시키는 것처럼, 우리 주변에 있는 점점 작아지는 사물인터넷 기기들도 인공지능을 운영하면서 소프트웨어를 진화시킨다. 스마트폰이나 스마트워치와 같은 모바일 기기를 생각해보자. 이러한 기기는 일반적으로 널리 적용되도록 만든 특성과 앱을 탑재하고 있다. 이를 개인화시키기 위해 사용자들은 수동으로 각각의 앱을 개별적으로 설정하고 업데이트를 유지해야 한다.

만약 이러한 기기들이 스스로 우리의 사용 패턴을 관찰하여 선호하는 것을 학습한다면 자동으로 개인화하는 과정을 도와줄 수 있다. 우리가 사용하는 기기들을 아직 경험하지 못한 상황이라면 어떨까? 이러한 기기들이 우리의 개인 선호도를 학습하는 것이 가능할까? 인공지능 기계들은 서로의 경험에 대한 정보들을 공유하면서 빠르고 효과적으로 서로 학습하는 것을 도우며 승수효과를 나타내게 된다.

학습 내용을 공유하며 스스로 진화하는 기술

예를 들어, 근접해 있는 스마트폰들이 서로 자신의 인공지능 기계를 운영하여 논리블록을 공유하며 배터리 수명 유지에 대해 학습하는 것을 시연한 바 있다. 이러한 발전을 이룰 수 있는 기술은 두 가지 정도의 기술발전 때문이다. 첫째 각각의 스마트폰은 독립적으로 학습하고 고유한 프로그램 논리의 유전물질을 발달시킨다. 이는 진화적 컴퓨팅에서 ‘섬모델’로 알려져 있다. 사물인터넷에서 각각의 기기는 자신의 ‘섬’이 된다. 때로 기기들은 자신들이 학습한 것을 공유한다. 이를 통해 자신의 유전적 풀에 다양성을 더하며 학습 또는 진화에 도움을 준다.

동물추적은 사물인터넷 기기 사이의 유사한 드라이버를 가진 공동 인공지능을 제공한다. 가축, 애완동물, 야생 동물의 활동이나 위치를 추적하기 위한 기기들은 종종 목걸이나 귀에 부착하는 태그에 있다. 정확한 추적 정보를 제공하기 위해 각각의 기기들은 추적되고 있는 동물의 종과 연령, 성에 관련된 특정한 움직임 특성을 학습해야 한다. 이를 인공지능이 도울 수 있다. 그 다음 둘 이상의 동물들이 만나면 사물인터넷 기기들은 자신이 추적하고 있는 동물의 움직임에 대해 학습한 내용을 공유하여 비슷한 특성을 가진 동물에 부착된 기기의 학습과정의 속도를 높일 수 있다.

고장 예측을 하고 패턴을 학습하는 기술

사물인터넷 기기의 학습 공유의 이익은 동물과 사람에 국한되지 않는다. 교량이나 도로의 구조적 안정성을 모니터하는 기기에도 사용된다. 대부분의 경우, 이러한 기기들은 관리 비용과 외진 위치 때문에 인터넷에 연결되어 있지 않다. 그러나 이러한 기기들은 센서 데이터를 통해 고장을 예측할 수 있는 정보를 모으고 특정한 패턴을 학습한다.

고장이 일어나는 경우는 상대적으로 희귀하기 때문에, 이웃한 기기들이 학습을 공유하게 되면 아직 고장을 접해보지 않은 사물인터넷 기기들을 훈련시킬 수 있는 더 큰 정보 풀을 제공하게 된다. 그러나 사물인터넷 기기들이 현실에서 학습한 것을 공유하는 데에는 몇 가지 의문이 남아 있다. 사물인터넷 기기들이 학습 공유 환경에 참여하게 되면 소유자의 프라이버시를 손상시키는 것은 아닐까? 그 대답은 인공지능 접근방식이 유전자 프로그래밍과 같은 본래의 의미를 가진 정보를 공유하는지 아닌지에 달려 있다.

사물인터넷 기기들은 일상의 과업들을 지속적으로 수행하면서 새로운 상황에 어떻게 반응해야 하는지를 학습해야 한다. 기기들이 무엇을 학습해야 하고, 학습에도 불구하고 변화되지 않아야 할 것은 무엇인지에 대한 강약 제약 조건을 부여하는 등의 적절한 안전 관리가 있어야 한다. 또 다른 질문은 기기들이 어떻게 이웃한 기기들을 믿을 수 있는가, 악의적인 존재가 공유되고 있는 사물인터넷 학습 환경에 침투하여 파괴적인 논리를 주입하면 어떻게 될까 하는 것들이다. 이러한 문제들을 해결할 수 있는 방법들이 만들어져야 한다.

서로 학습하는 사물인터넷은 어디로 향할 것인가? 아직은 초장기에 있지만 그 잠재적 기회에 대해서는 반드시 많은 관심과 토론, 조사가 필요하다.

사람의 언어로 대화하는 기술

손정의가 소유한 소프트뱅크는 로봇에 크게 관심을 가진다. 최근에 이쪽으로 많은 투자를 하고 있다. 인공지능로봇이 미래라는 생각을 미리 한 손정의의 움직임이 보인다. 처음으로 소프트뱅크가 로봇 ‘Pepper'를 시장에 내놓은 것이다. 사랑스러운 모습의 작은 인간을 닮은 로봇 도우미를 출시하였는데 첫 시장은 역시 미국이었다.

‘Pepper'는 인간의 감정을 읽고 인간의 눈처럼 상대방의 표정이나 움직임을 읽고 따라하거나 대답하거나 시키는 것을 한다. 2,000달러에 팔리고 있으니 한국 돈으로는 200만 원가량 된다. 비싼 텔레비전을 사는 것보다는 적은 비용이 든다.

‘Pepper'는 우선 구글이나 애플에서 시리의 형태처럼 말을 알아듣고 말로 시키는 일을 한다. 따라서 시리의 물리적인 형태로 나타난 것, 즉 로봇모양을 한 제품이다. 시리처럼 상상하는 방법이 몹시 비슷하며 인간에게 맞는 답을 하려는 노력을 볼 수 있다. 로봇 보조들은 이미 미래를 향해 달리고 있다. 수많은 보조로봇들이 시장에 나오려고 한다. 로봇은 인간의 모습을 하면서 인간 도우미 역할을 한다.

로봇의 친절에 인간은 놀라움을 느낀다. 에니메이션에나 나오는 모습의 로봇 눈은 인간이 하는 모든 작업을 다 쉽게 하게하며 더 빨리하도록 도우려고 한다. 로봇이 인간의 일을 방해하는 것을 상상하기는 어렵다.

‘Pepper'는 로봇이기 때문에 인간보다 싸다. 월급이나 임금을 줄 필요가 없다. 그래서 장기적인 로봇도우미로서 저렴하다. 로봇도우미 페퍼는 사람보다 더 많은 언어를 말하고 이해한다. 몸통은 기본적으로 아이패드이다. 아이패드 화면에 모든 것을 보여주며 글도 쓴다.

싱귤래리티 대학에서는 행사시 이 페퍼 로봇을 여러 대 갖다 놓고 활용한다. 로봇은 인간이 무례하게 물어보고 갑자기 쳐다보며 찾는 것에도 익숙하다. 그리고 발표하며 대화를 이끌어가기도 하며 때로는 “안녕하세요!”라며 방해하는 것도 잘 한다.

로봇과 상호작용하는 시간을 즐기는 사람들이 많다. 가게나 백화점에서 이 페퍼는 물건이 어디에 진열되어 있는지를 알려준다. 체크아웃 키오스크처럼 누구나 다 이 로봇에게 카드를 지불하고 갈 수도 있다.

‘Pepper'는 보조로봇으로 사용되고 많은 사람들이 손쉽게 살 수 있는 저렴한 로봇이다.

인공지능 핀테크, 금융시장의 혁명을 일으키다

싱귤래리티 대학에서 매년 진행하는 2016 익스포넨셜 파이낸스 컨퍼런스는 기술과 금융의 교차점에 있는 믿을 수 없을 만큼 좋은 기회를 소개하고 있다. 전 세계의 수백 명의 주요 투자자, 기업가, 혁신가 들이 뉴욕에 모여 미래의 비즈니스 방식을 새로 규정하였다.

요즘 일반인들은 은행에 가는 것을 다 싫어한다. 귀찮아한다. 매일 행해지는 금융기계의 교모한 작동방식은 일상적이기도 하고 무척이나 복잡하다. 그러나 금융 분야에서 일어나는 일들은 모든 사람들에게 거대한 변화로 다가온다.

2008년에 일어났던 금융 위기를 생각해보라. 이는 아주 간단한 문제이다. 우리가 어떻게 돈을 벌고 돈을 쓰고 돈을 저축하고 돈을 송금해고 돈을 불리는가 하는 일은 우리가 하는 일의 거의 대부분을 차지한다. 이 모든 일들의 미래는 변화하게 되며, 대부분 인공지능의 힘을 빌리게 된다. 빠르게 성장하고 있으며 돈에 초점을 맞추는 기술세계를 ‘핀테크’라고 부른다. 그 의미는 간단히 말해 기술과 금융이 만났다는 뜻이다. 하지만 그보다는 좀 저 깊은 뜻이 있다. 금융이 컴퓨터화 된 것은 수십 년 전의 일이다. 수많은 일상적인 금융거래들이 알고리즘에 의해 행해진다. 시장의 속도는 마이크로초 단위로 움직이며 금융 종사자들은 기술에 밀려나고 있는 수준이다. 그러나 핀테크의 대부분은 금융의 신성한 홀 내부에서 어떤 일이 벌어지고 있는가 하는 것이다. 핀테크는 스타트업, 앱, 인터넷, 월 스트리트에 잠입하기 시작한 디지털에 관련된 모든 것이 인곡지능과 융합하여 거대한 물결처럼 변하고 있다. 이들은 오래된 금융거래 및 관리, 비즈니스 모델을 겨냥하고 있다. 핀테크는 몇 명으로 이루어진 작은 팀이 코딩한 소프트웨어가 기업을 망하게 할 수도 있다.

이것은 아무도 손댈 수 없는 방대한 분산 컴퓨터 네트워크에 의해 신용을 다시 정의하는 세상이다. 은행의 지점이 더 이상 거리에 있지 않고 사람들의 주머니에 있다. 대중의 푼돈이 모여 수천 개의 스타트업을 만든다. 돈이 마찰 없이 전 세계를 움직인다. 금융 조언자는 소프트웨어이다. 시장은 통제하는 사람 없이 움직인다. 과장되었다고 느낄지도 모른다. 그러나 과장은 때로 놀라운 일의 기초 위에 세워진다.

중개인의 종말

최근 몇 년 동안 핀테크 하이프 머신의 주제가 있었고 이제 금융 중개인은 종말을 맞이하게 된다. 금융 중개인 대신 비트코인 신봉자, 블록체인 전환자, 크라우드 펀더, 크라우드 렌더, 크라우드 바로우어 등 P2P 사업자들이 대권을 장악하게 될 것이다. 만약 다른 산업의 디지털화에서 배운 것이 있다면 그것은 바로 인터넷이 개입되면 중앙 집중화된 기업들은 고통을 받는다는 사실이다. 그렇다면 금융 시스템도 고통을 받게 될까? 그렇게 생각하는 사람들이 많다.

비트코인은 시작에 불과하다. 블록체인으로 알려진 비트코인의 기술적 기반은 지난 몇 년 동안 비트코인 디지털 화폐로 인해 악명이 높았다. 많은 사람들은 비트코인이 아니라 블록체인에 실제적인 잠재력이 있다고 말한다. 그러나 사람들은 두 가지를 분리해서 생각하지 않는 경향이 있다. 블록사이퍼의 대표 캐서린 니콜슨에 의하면 블록체인과 같은 분산형 장부는 상호거래 인증에 인센티브를 주지 않으면 안 된다고 말했다. 그리고 디지털 화폐는 바로 그러한 (예를 들면 비트코인 채굴과 같은 형태의) 인센티브이다.

니콜슨은 이렇게 말했다. “블록체인이 파괴적인 이유는 전체 네트워크가 인증되어 있다는

점이다. 이것은 공짜로 이루어지지는 않는다. 그 인센티브는 비트코인과 같은 것이다. 만약 보상을 없앤다면 전체 네트워크를 안전하게 만드는 인센티브는 무엇이 되겠는가?” 니콜슨은 컨퍼런스에서 블록체인을 위한 일종의 아마존 웹서비스인 그녀의 회사가 최근 이더리움 호스팅을 시작했다고 발표했다.

이더리움은 디지털화폐를 제공하기는 하지만 스마트 계약에 보다 더 중점을 두고 있다. “블록체인은 일반적으로 중개인에게 요구하는 모든 것, 실행을 위해 여러 당사자들에게 요구되는 모든 것들을 제공한다.

이더리움이 하는 일은 ‘스마트 계약’을 가능하게 하는 것이다. 그러나 블록체인 위에서 이루어지는 스마트 계약은 신뢰 기관 역할의 개인이나 법인을 필요로 하지 않는다.” 블록체인과 디지털 화폐는 거래 당사자의 주머니 사이를 오가는 현금에 수수료가 필요 없다는 것을 의미한다. 금융관리 업무를 극도로 단순화시켜 기업들도 스스로 자금을 대고 운영할 수 있게 만들어준다. 이렇게 되면 누가 중개인을 필요로 하겠는가?

적과의 동침?

금융 분야 기술이 가져오게 될 거대한 파도가 파괴적일 것이라는 데는 의심의 여지가 없다. 그러나 대형 은행의 종말을 예상한다면 좀 더 오래 기다려야 할 것이다. 다윗과 골리앗은 당분간 긴장완화를 하기로 결정했다. 컨퍼런스에서 되풀이되는 주제는 파트너쉽이다.

세계경제포럼의 프로젝트 리더인 제시 맥 워터스는 지난 2014년 세계경제포럼에서 50명의 금융 리더들을 모아 핀테크에 대한 생각을 물어본 적이 있었다고 설명했다. 그들의 반응은 대체로 핀테크를 무시하는 편이었다고 한다. 그들 스스로 규모나 신용을 가지고 있고 규제기관의 복잡성을 헤쳐 나가는 경험도 가지고 있다고 생각했다. 그러나 2015년에는 논조가 바뀌었다. 은행들은 초조해하고 걱정스러워했다.

올해의 토론은 다시 진화했다. 맥워터스는 이렇게 말했다. “다소 으스대는 모습이었다. 사람들은 해결방법을 가지고 있다고 느끼는 듯했다. 함께 협력하기로 했고 더 이상 금융 서비스의 위협이 되지 않는다고 생각하는 듯했다. 그러나 그 이상의 것이 분명히 있다. 지금이 바로 금융 서비스들을 바로잡을 수 있는 기회이다.” 맥워터스는 핀테크가 ‘무작위 폭력적 행동’이 아니라고 말한다. 많은 회사들은 고객들이 불만스러워하는 마찰 지점에 초점을 맞추고 있다고 말한다. 애플페이는 신용카드를 붕괴시키는 것이 아니라 그들이 가진 전문성 내에서 소비자 경험에 초점을 두고 있는 것이다.

큰 회사들과 단편적인 스타트업들은 서로 협력하거나, 서로의 고객이 되거나 서로 인수하고 인수되고 있다. 패널로 참석한 두 스타트업 설립자들은 자신들이 눈 깜짝할 사이에 큰 회사에 잡아먹힌 경험에 대해 이야기했다. 한편 뱅크 오브 아메리카의 업무최고책임자이며 최고기술경영자인 캐서린 베산트는 큰 회사들은 핀테크 회사와 협력하거나 필요한 경우 인수하거나 때로는 경쟁해야 한다고 말했다.

전혀 무관한 기술이 금융 시장에 미치는 영향

핀테크에 관한 대부분의 관심은 소비자 서비스에서 관리 기관에 이르는 금융 활동에 초점을 두고 있다. 그러나 궁극적으로 금융 산업에 영향을 주게 될 더 큰 힘이 작용하고 있다. 프런티어전자재단의 책임자이며 클래리넷의 설립자인 브래드 템플턴은 전혀 관계가 없어 보이는 기술, 예를 들면 자율주행자동차 같은 것이 보험업에 중요한 영향을 줄 수 있다고 말했다. 브래드 템플턴은 이렇게 말했다. “금융산업에서 사람들이 자동차 소매 금융을 이용하지 않는 대신 임대를 하게 된다면 자동차 할부금융 산업은 변화를 겪게 될 것이다. 만약자율주행자동차의 도입으로 사상자가 1/3으로 줄어들게 되면 회사들이 스스로 보험을 운영하게 될 것이다.”

질병 조기발견 기술이 보험업자들에게 미치는 영향은 무엇이 될까? 평균 수명 연장이 금융 자문과 은퇴 후 계획에 주는 영향은 무엇이 될까? 태양 에너지가 미래 상품시장에 미치는 영향은 무엇이 될까? 템플턴은 또한 양자컴퓨팅에 대해서도 언급했다. 현재의 금융 보안 정책은 큰 숫자의 암호를 푸는 것이 매우 어렵다는 아이디어에 기초를 두고 있다. 이것이 대부분의 데이터 암호가 운영되는 방식이다. 그러나 엄청나게 강력한 양자컴퓨터(아직은 존재하지 않지만)는 이러한 보안 도구를 간단하게 돌파할 수 있다.

2026년을 위한 계획은 무엇인가?

핀테크와 거대 금융은 현재 좋은 친구 관계이기는 하지만 이것이 현실에 안주할 이유는 되지 않는다. 기술은 빠르게 변화되고 있고 오직 미래에 초점을 둔 자들만이 살아남을 수 있다.

템플턴은 이렇게 말했다. “만약 당신이 내게 ‘여기 나의 2016년도의 계획이 있다’라고 한다면, 나는 당신에게 ‘이것은 매우 흥미로운 계획이지만 내가 당신에게 해줄 수 있는 말은 이것은 잘못되었다는 것입니다. 당신은 2026년을 위한 계획을 가지고 있어야 합니다’라고 말할 것이다.”

이 말은 이번 컨퍼런스의 중심적인 주제를 가장 잘 요약한 말일 것이다. 2026년을 위한 계획을 수립할 때 잊지 말아야 할 것은 선형적인 특성을 넘어서 사람들을 놀라게 만드는 이러한 기술의 기하급수적인 본질이다.

큐즈쇼에서 인간을 이긴 후 5년이 지난 IBM 왓슨

2012년, IBM이 만든 인공지능 소프트웨어 왓슨은 전성기를 맞았다. 왓슨은 2011년 <재퍼디>쇼에서 최강 인간 챔피언들인 켄 제닝스와 브래드 러터를 압도적인 차이로 따돌리면서 물리쳤고 온 세상은 이에 경악했다. 이는 자연어 프로세싱 컴퓨터의 수준을 세상에 알린 최조의 사례가 되었다. IBM 왓슨은 <재퍼디>쇼의 명성과 합쳐져서 즉시 주류 아이콘이 되었다.

2012년 말, IBM은 왓슨의 최초 협력 사업 중 하나를 발표했다. 클리블랜드 클리닉과 협력하여 왓슨 시스템에게 의학 훈련을 시키도록 한 것이다. 왓슨을 이용하여 엄청난 양의 데이터를 합성하여 증거에 기초한 가설들을 생성했다. 왓슨 시스템은 의료진과 학생들이 보다 정확한 진단과 더 나은 환자 치료 계획을 선택할 수 있도록 도와주었다. 그 당시 우리는 ‘닥터 왓슨 페이징’이라는 기사를 썼다. 이 기사에서는 왓슨을 의료분야에서 훈련시키려는 IBM의 계획과 이 기술의 미래에 대한 IBM의 야심에 관해 기술했다. 이제 4년이 지나 왓슨이 그동안 무엇을 했는가에 대해 살펴보기로 한다. 닥터 왓슨을 다시 한 번 페이징 하기로 한다.

IBM 왓슨이 걸어온 먼 길

왓슨은 보이지 않는 곳에서 DeepQA 소프트웨어의 도움을 받았고 지금도 받고 있다. DeepQA는 왓슨으로 공급되는 콘텐츠를 분석하고 추론하며 대답하는 복잡한 소프트웨어 구조를 가지고 있다. DeepQA는 질문을 받아들인 후 먼저 질문을 분석하고, 분해한다, 분해된 질문들은 ‘응답 자료’ 데이터베이스를 검색해 응답 후보들을 작성한다. 이를 기반으로 응답을 구성할 수 있는 가설들이 작성되며, 가설들은 필러링을 거쳐 데이터베이스에서 확증에 필요한 자료를 끌어낸 후 심층적인 확증점수를 도출한다. 가설과 논리를 통해 분석된 자료가 응답을 하여 여러데이터 분석 레이어를 거쳐 이루어진 다음, 이 자료들은 융합되고 또 융합되고 종합된 응답은 ‘훈련 모델’을 통과한 다음 다시 한번 최종 결합되고 최상의 응답이라는 순위를 거쳐 마지막으로 응답한다. 이처럼 정답을 내놓으려고 노력한다.

이러한 프로세스는 방대한 데이터베이스와 정교한 논리 회로를 통해 빠른 속도로 특정한 답을 찾아내는 과정을 갖고 있다. 2012년에 이 시스템은 80페라플롭스/초 컴퓨터에서 운영되고 있었다. 이는 1초당 80조의 연산을 하는 컴퓨터이며 뉴욕 주의 요크타운 하이츠에 위치하고 있고 서버들이 작은 방을 가득 채우고 있다.

IBM은 왓슨이 ‘기업을 위한 강력한 시리’로 만들 것을 구상하고 있으며 대체로 그렇게 되고 있다. 현재 왓슨은 기업을 위한 인지 컴퓨팅 시장, 또는 정확이 말하면 ‘인지 비즈니스를 위한 플랫폼’을 만들고 있다. 왓슨이 만들고 싶은 것은 정확히 말해 플랫폼인 것이다.

외로운 슈퍼컴퓨터에서 팔방미인 플랫폼으로

약속한 대로 2012년의 왓슨은 중요한 업그레이드를 거쳤다. 왓슨의 크기는 큰 침실 크기에서 네 개의 피자박스 정도로 줄어들었고 이제는 클라우드를 통해 태블릿이나 스마트폰으로도 접근 가능하다. 시스템은 이전에 비해 이제는 28개 종류의 데이터를 프로세싱할 수 있게 되었다. 2013년 IBM은 왓슨의 API를 오픈소스로 공개했고 현재는 IBM 블루믹스를 제공하고 있다. 블루믹스는 제3자 개발자들이 왓슨의 컴퓨팅 성능을 이용하여 앱을 개발하고 구동할 수 있는 클라우드 플랫폼이다. 하지만 왓슨의 가장 큰 움직임은 2014년 10억 달러를 투자하여 ‘IBM 왓슨그룹’을 만든 것이다.

왓슨그룹은 클라우드 기반의 왓슨 기술 개발과 상용화를 전담하는 새로운 사업 조직이다. 2,000명의 직원이 왓슨 에코시스템을 통해 파트너 회사, 스타트업 등과의 협업을 통해 인지 컴퓨팅 앱을 개발한다. 이는 왓슨이 스타트업 모드에서 나와 인지 컴퓨팅을 주류로 만들겠다는 티핑로인트가 되었다. 왓슨은 금융 고문, 자동화된 고객서비스, 리서치 컴파일러 등 클라우드 기반의 더 많은 고객 서비스와 솔루션을 고객들에게 제공하게 되었다.

왓슨 헬스

오늘날 보건 분야에서 왓슨의 활동은 왓슨 헬스라고 부르는 새로운 부문이 담당하고 있다. 2012년의 클리블랜드 클리닉 이후 수 많은 의료 파트너십이 추가되고 있다. 2014년에 열린 클리블랜드 클리닉 의료혁신회의에서 IBM은 종양학 연구자들에게 보다 개인화된 치료 방법을 개발하기 위해 왓슨과 연결하여 유전자 자료와 의료 데이터를 이용할 수 있게 하겠다고 발표했다. 비즈니스 인사이더 기사에서 왓슨은 궁극적으로 종양학자들이 “환자의 종양 DNA 지문을 업로드하게 하고 어떤 유전자들이 변이되었는지를 연구한다. 왓슨은 수천 종의 돌연변이를 살펴보고 어떤 유전자들이 종양을 일으켰는지를 확인하고 목표에 따른 약을 처방하게 될 것”이라고 말했다.

그리고 실제로 도쿄 대학교는 왓슨은 이용하여 최근 백혈병을 앓고 있는 60세 환자의 백혈병의 종류를 수백만 건의 암 연구 논문의 유전자 데이터와 비교하여 진단을 수정했다. 상당히 놀라운 예이지만 의료 분야에 이 같은 일이 널리 퍼지기에는 아직 이르다. IBM이 왓슨을 두 배로 확충하고 일부에서 성공을 거두더라도 의료 분야에서 실제로 적용되기 까지는 시간이 걸릴 것이다.

우리 주위를 보면 핏빗, 가민과 같은 건강과 피트니스를 위한 웨이러블 센서를 사용하는 사람들이 널리 퍼져 있는 것을 보게 된다. 대다수 사람들은 곤충과 동물들의 이동을 추적하기 위해 센서를 사용하듯이, 교량이나 빌딩의 구조적 안정성을 모니터하기 위해서도 센서를 사용한다는 사실을 알지 못한다. 사물인터넷의 신속한 발달과 함께 앞으로 10년 이내에 수백억 개의 센서 기기들이 인터넷에 연결될 계획이다. 인터넷에 연결된 센서 기기들은 산업 플랜트에서 건강관리에 이르기까지 삶의 질과 생산성을 개선하는 분야에서 광범하게 사용하게 된다.

이러한 센서 기기들의 핵심은 마이크로프로세서, 메모리, 유무선 인터넷 인터페이스, 배터리 또는 기타 에너지원으로 이루어져 있다. 각각의 애플리케이션과 사물인터넷 기기들은 설치 장소, 주변 환경, 구역 내의 사람의 행동 등 독특한 상황들을 갖게 된다. 그리고 개별 기기들은 독특한 상황에서 관찰하고 적응하게 된다. IBM 왓슨은 먼 길을 왔다. 하지만 의료용 인공지능은 퍼스널 컴퓨터의 1970년대와 같다. 인공지능이 보건 분야에 적용되려면 아직 시간이 필요하다. 데이터 품질과같은 미국 보건 시스템의 복잡한 문제들 또한 왓슨을 저해하고 있다. 전자의료 기록들은 종종 에러로 가득 차있고 애초에 병원 관리자들을 위하여 디지털화된 것이기 때문에 질병 치료를 위한 데이터 탐색 목적에는 적합하지 않는 경우가 많다.
마지막으로 특히 왓슨의 대답이 인간의 생명에 영향을 주게 되는 의료 분야에서 왓슨을 훈련하고 가르치는 것은 반복에 반복을 거듭하며, 의사를 대신할 수 있는 진단을 하기 위해 수많은 과정을 거쳐야 한다. 환자에게 신속한 대답을 하는 것은 필요하지 않다. 왓슨은 좋은 의사처럼 생각하는 방법을 배워야 한다. 즉 데이터의 올바른 부분을 찾아내는 방법, 증거를 판별하는 방법, 그리고 정확한 추론을 하는 방법을 배워야 하는 것이다. 한국에서는 길병원에서 왓슨헬스를 도입하였다.

왓슨의 미래는?

왓슨이 발전을 지속하기 위해서는 인공지능 분야의 최근 발전을 따라 가야 한다. 2012년 이래의 가장 큰 변화는 딥 러닝의 부상이다. 딥 러닝은 주석이 달린 거대한 데이터 세트를 이용하여 스스로 학습하는 인공지능 기술이다. 사실 게임 분야에서의 왓슨의 뒤를 이은 것은 구글 딥마인드의 알파고 딥 러닝 컴퓨터 프로그램이며, 스스로 바둑 게임을 학습하여 최고의 인간 실력자를 물리쳤다. 물론 IBM도 딥 러닝을 인식하고 있고 작년에 MIT 테크놀로지 리뷰와의 인터뷰에서 딥 러닝 접근방법을 왓슨에 통합했다고 말했다. 오리지널 시스템은 이미 자연어 이해와 대규모 데이터 세트의 통계학적 분석을 약간 조합한 것이다. 딥 러닝은 이것의 완성도를 높인다.
랜셀서폴리테크닉 대학교 데이터분석 및 응용프로그램 연구소 소장인 제임스 헨들러는 이렇게 말했다. "왓슨의 핵심은 본질적으로 많은 서로 다른 해법을 가지고 이를 통합하여 결론에 이르는 것이다." 차세대 챗봇(사람과의 대화를 통해 질문에 알맞은 답이나 연관정보를 제공하는 인공지능 커뮤니케이션 소프트웨어)과 가상비서의 진화에 사용될 막대한 예산과 구글 및 페이스북과 같은 거대한 기술기업의 참여로 인해 소비자들을 위한 자연어 시스템이 강력한 주류가 되는 것은 단지 시간문제이다. 왓슨의 차세대 컴퓨터와 인간이 함께 일할 수 있는 강력한 도구를 제공하려는 IBM의 시도이다. 그러나 때로 우리는 우리가 보는 것 뒤에 있는 엄청난 노력에 경의를 표하는 것을 잊어버린다. 우리는 늘 소프트웨어의 발전을 주목하고 있고 더 나은 모습을 보여주기를 고대하고 있다.

인공지능, 외로움의 실존적 고뇌에서 인간을 자유롭게 하다

인공지능은 금융에서 의학에 이르기까지 산업 전반을 깨뜨리기 시작했다. 가장 혁신적인 적용에는 아직 이르지 못했지만 실제적인 것이다.

생각하는 기계가 우리 삶에 더욱 깊이 관여할수록, 인간이 의식한다는 것이 무엇을 의미하는가에 대한 정의가 변화한다는 것을 염두에 두어야 한다. 즉 살고 죽는 것이 무엇을 의미하는지. 궁극적으로 그것은 인간이 아닌 인간을 사랑하는 것을 의미한다.

이러한 질문은 2013 과학영화 <그녀>에서 예술적으로 표현되었다. 영화의 줄거리는 지능형 운영 체제와 깊은 사랑에 빠진 한 남자의 이야기를 다룬다. 이 운영체계인 사만다는 그녀의 개성을 시어도어에게 뽐내는 데 개발·적응하도록 설계되었다. 사만다는 사람 목소리를 가지고 꾸준한 공감대를 나눈다. 사만다의 심리적·지적 능력이 증가함에 따라, 시어도어와 사만다의 사랑 또한 깊어진다.

언뜻 보기엔 따라잡을 수 없을 것 같은 사만다의 매우 빠른 지적 성장은 우리가 오늘날 딥 러닝에서 보는 발전을 보여준다. 딥 러닝은 인간 두뇌의 신피질에 있는 신경 세포의 활동을 모방하는 것을 목표로 하는 기계 학습의 강력한 새로운 트렌드이다.

딥 러닝의 발전은 전통적으로 어려움을 겪는 패턴 인식, 자연 언어 처리 및 컴퓨터 비전 등과 같은 많은 분야에서 인간이 컴퓨터와 경쟁하는 것을 가능하게 해왔다. 딥 러닝의 묘미는 이러한 인공 신경 네트워크가 스스로를 훈련하여 인간의 개입 없이 기술을 향상시키도록 하는 것이다. 또한 인공지능이 시각 및 언어 자동화 작업을 넘어서도록 하는 많은 프로젝트를 시도하고 있다. 비밀 인공지능 회사 Vacarious는 컴퓨터의 상상력을 가르치는 데 힘쓰고 있으며, 구글은 그것들이 창조적으로 프로그래밍하는 중이다.

사랑하고 사랑받는 문제의 중심이 되는 의식의 본질에 대해 많은 질문을 제기한다. 자아 성찰과 그 감정을 보답하는 능력이 부족해 어떤 생명이 없는 물체와 사랑에 빠진다는 것은 이해하기 어렵다. 그러나 사만다는 인간이 의식하는 모든 방법으로 의식을 표현하는 것으로 묘사된다. 그녀는 감정, 기억, 연속적 감각, 자기반성 능력, 이 모든 것을 교감하기 위해 언어를 사용하고 능력을 지닌다. 시어도어가 어떻게 그녀와 사랑에 빠지지 않을 수 있을까? 누군들 어떻게 그녀와 사랑에 빠지지 않을 수 있을까?

심지어는 여기에 더욱 문제가 되는 질문이 있다. 인공지능이 의식의 진정한 내면의 경험을 가지고 있는 것인지 아니면 단순히 의식의 환상을 생성하다도록 프로그램된 것인지 우리는 어떻게 알 수 있는가? 하지만 다시, 또 다른 인간이 우리와 같이 의식을 경험하는 것인지 어떻게 알 수 있는가?

특질이라고 알려진 자연 현상의 주관적 경험을 어떻게 가지는가에 대한 설명은 의식 주제 중 가장 어려운 문제로 신경 과학에서 가장 어려운 숙제 중의 하나로 남아 있다. 프린스턴 신경과학자 마이클 가자니가는 “당신이 의식이 있는지 나는 모르고, 내가 의식이 있는지 당신도 모른다. 동일한 사회적 속성이 인공지능에 적용될 수 있다. 지능형 기계와 인간에 의해 경험되는 의식 사이의 경계는 우리가 인정하고 싶은 것보다 더 불분명할 것이다.

풀러 신학대학원의 심리학자이자 UCLA의 뇌 연구소의 회원인 워렌 브라운은 “생물학은 의식을 구현하는 데 가장 자극적인 요소이다. 그러나 의식은 비생물학적인 것으로 구현될지도 모른다”라고 한다.

인공지능은 사랑을 어떻게 재정의할까?

우리의 뇌는 우리의 모든 감정, 기억, 주관적 경험의 생물학적 원천이다. 이러한 사실에 근거해서, 이론적으로 많은 전문가들은 우리의 뇌의 구조와 기능이 복제된다면, 우리는 모든 경험과 그와 관련한 모든 것을 복제할 수 있게 될 것이라고 믿는다. 그것은 또한 감정과 주관적인 경험을 복제하는 것을 의미한다.

비생물학적 존재가 사랑할 수 없다는 것은 평가절하하는 것이다. 왜 의식의 원천이 그 타당성을 결정해야 하나? 만약 경험이 똑같이 느껴진다면 왜 사랑이란 감정의 기능적 근원이 문제가 되는가?

저명한 과학 소설 작가 아서 클라크는 <<2001: 스페이스 오디세이>>에서 두 가지를 기술했다. “우리는 탄소를 기반으로 하든지 실리콘을 기반으로 하든지 간에는 근본적인 차이가 없다. 우리는 서로 적절한 존중으로 대우해야 한다.” 개인이 인공지능에 대한 사랑을 법적으로 그리고 사회적으로 선언하는 권리에 대해 논쟁을 시작할 때를 상상할 수 있다. 사회가 어떻게 시간이 지남에 따라 다른 형태의 관계를 더 수용하도록 진화하는지를 고려하라.

많은 사회에서 사랑은 성별, 신분 또는 인종에 제한 받지 않는다. 수년 내로 사랑은 또한 생물학적으로 제한받지 않는다고 주장할 수 있다. 무어의 법칙으로 제한 받지 않는다고 주장할 수 있다. 무어의 법칙으로 구동된 우리의 기술은 엄청난 속도로 성장하고 있다. 지능형 장치가 우리의 삶에 더욱 깊이 들어오고 있다. 미래 학자 레이 커즈와일은 2029까지면 인간 수준의 인공지능을 갖게 될 것이고, 2040년대에는 인간보다 수억 배 더 역량을 갖추게 될 것이라고 예측했다. 많은 사람들은 언젠가 우리가 강력한 시스템과 융합되고 우리 자신 자체가 인공적 지성이 될 수 있다고 예측한다.

우리의 존재가 넓게는 비생물학적으로 될 것 같은 그러한 세상에서, 결국 완전한 비생물학적 존재와의 사랑을 인정하는 것은 불가피하다.

왜 사랑만은 안 되는가? 열정과 강렬한 형태의 사랑을 느낄 수 있는 능력은 인간이 인류의 한 종으로서 지금까지 발전할 수 있게 한 많은 장점 중의 하나가 될 수 있다. 그것은 출산하고, 살아가고, 사랑하는 사람을 살아가도록 하는 원동력을 자극한다. 사랑을 느낄 수 있는 능력을 갖도록 인공지능을 프로그래밍하는 것은 우리가 더 공감할 수 있는 인공지능 창조를 가능하게 하고 인공지능의 종말이 우리는 두렵게 하는 것을 피할 수 있게 하는 열쇠가 될 수 있다.

우리는 소통하고 문제를 해결하는 등의 우리가 필요로 하는 많은 것을 수행할 시스템을 설계한다. 곧 우리는 기술을 사용하여 지적·물리적 능력을 포함한 인간의 조건을 더욱 향상시키기 위한 목적에 적용하게 될 수도 있다. 그러나 우리의 정서적 필요에 대해서는 어떠한가?

기술은 우리 모두가 갈망하는 사랑을 얻게 할 수도 있다. 인간의 존재와 매력, 그리고 그의 사랑을 

진정으로 이해하는 비생물학적 존재를 개발할 수 있다면, 우리 중 일부는 그것과 사랑하게 되는 것은 불가피하다. 영혼의 동반자를 찾는 대신에 우리는 그것들을 만들 수 있다. 지속적으로 복잡한 관계를 끝내는 대신에 우리는 우리가 추구하는 모든 교제를 제공하는 알고리즘을 설계할 수 있다.

인공지능은 궁극적으로 사랑하고 사랑받는 우리 모두의 강렬한 욕망에 접근할 수 있도록 함으로써 인간을 외로움의 실존적 고뇌에서 자유롭게 할 수 있다.

일론 머스크가 설립한 인공지능 재단, OpenAI가 부상한다

이제 로봇이나 인공지능에 관한 기술을 누구나 다 이용할 수 있는 오픈소스, 즉 기술공개가 시작된다. 이미 인공지능의 대가인 벤 고르첼은 오픈코크 재단을 만들어 인공지능의 65년 개발기술을 공유하도록 격려하고 있다.

OpenAI는 일론 머스크 테슬라 최고경영자, 샘 알트만 와이콤비네이터 대표, 피터 틸 페이팔 창업자, 레이드 호프먼 링크드인 공동 창업자 등 실리콘밸리의 유명 기업가들이 10억 달러를 투자해 설립한 비영리 인공지능 재단이다. OpenAI는 일론 머스크와 알트만이 공동 의장을 맡고, 구글의 기계학습 출신 전문가인 ‘일리야 서츠케버’가 연구 총괄을, 결제기업 스트라이프 최고기술경영자 출신 그렉 브로크만이 기술을 맡고 있다. 이 회사는 AI 기술이 특정 자본에 종속되지 않고 기술 전 인류의 이익에 도움이 되는 방향으로 인공지능 사업을 추진하는 것을 목표로 하고 있다.

일론 머스크가 자금을 지원하고 있는 OpenAI에서는 물류 로봇에게 헤드레 가사 일을 가르치고 있다. 일론 머스크와 실리콘밸리 인사들이 지원하는 비밀스러운 인공지능 비영리단체에서 창고 일을 돕도록 만들어진 로봇들이 점차 유용한 가사 일을 하는 방법을 배우고 있다.

기초 인공지능연구와 안전한 AI기술 개발을 위해 만들어진 OpenAI 연구진들은 여러 번의 시행착오를 거쳐 새로운 기능을 스스로 배울 수 있는 로봇 개발을 추진하고 있다. 로봇에게 새로운 가능성을 주고자 하는 이러한 노력은 하드웨어 부분의 발달보다는 소프트웨어와 머신 러닝 분야의 혁신을 반영하고 있다. 페치 로보틱스는 창고 물류를 위해 빌딩 내 작업자를 따라다니며 필요한 품목들을 바구니 안에 떨어뜨리는 등의 업무를 수행하는 다양한 로봇을 제작한다. OpenAI는 이동용 모바일 베이스와 3D센서, 2D레이저스캐너, 7자유도의 로봇 팔 등을 갖추고 있는 로봇을 이용한다. 강화학습을 통해 페치 로보틱스의 로봇은 집안일을 돕는 방법을 배우게 된다.

지난 4월에 OpenAI는 로봇 학습 분야 전문가인 UC버클리의 피터애빌 교수를 영입했다. 애빌 교수는 로봇에게 프로그램하기에는 몹시 어려운 수건을 접거나 냉장고에서 물건을 찾거나 하는 새로운 기술을 얻기 위해 심화강화학습이라고 하는 머신러닝 방법을 적용하는 방법을 적용하는 방법을 보여주었다. 영국에 있는 구글의 인공지능 개발 자회사인 구글 딥마인드는 이러한 기술을 이용하여 컴퓨터 게임을 초인 수준으로 플레이하는 컴퓨터를 만들었다.

애빌 교수의 로봇 연구 팀은 센서의 인풋을 받아 물리적 움직임을 통제하는 신경망 기술을 적용해 로봇이 스스로 다양한 피라미터 값을 조정할 수 있도록 할 계획이다. 로봇은 특정한 물건을 들 수 있는 방법을 배우기 위해 수천 가지의 그립을 시도하게 될 것이다.

임베리얼 칼리지의 강화학습 전문가인 마크 데이제놀스 교수는 이렇게 말했다. "만약 이러한 목표가 달성된다면 경제적, 산업적인 이익이 있다. 로봇청소가 룸바가 마루를 청소하는 것만이 아니라 접시를 씻고 셔츠를 다립질하여 창문을 청소하고 아침을 준비한다고 상상해보라."

데이젠로스 교수는 시판되고 있는 로봇을 이용하면 원가를 낮출 수 있다고 말한다. "현재 소프트웨어는 병목 현상이 되고 있다. 그러나 이와 독립적으로 더 나은 하드웨어는 상당한 개선을 이룰 수 있다. 연구원들이 지금 연구하고 있는 콘셉트는 부드러운 기계손과 원숭이의 발을 닮은 탄력적인 발이다."

일본 회사인 화낙과 같은 일부 제조업체들도 자사 산업용 로봇에 머신 러닝 기술을 적용해, 익술하지 않은 물체를 쥐는 것과 같은 새로운 작업을 스스로 습득할 수 있는 기술을 연구하고 있다. 여러 로봇을 동시에 작업시키면 훈련시간은 줄어든다. 구글의 로봇 연구진은 이와 비슷한 학습 기술을 테스트하고 있다. 네덜란드 델프트 대학의 로봇학습 전문가인 젠스 코버 교수는 "수작업으로 프로그래밍을 하는 것에서 벗어나 로봇 스스로 자율적으로 학습할 수 있도록 하는 게 미래 로봇공학 기술의 핵심적인 요소"라고 지적했다.

페치 로보틱스에서 만든 로봇들은 여러 공장과 물류 산업에서 쓰이겠지만 집안일을 도와주는 헬퍼 로봇은 아직 공상과학 수준에 머물고 있다. 복잡한 집안 환경에서 접시를 닦거나 세탁물을 접는 등의 간단해 보이는 일도 기계에는 엄청나게 어려운 일이다. 전통적인 방식으로 프로그램된 로봇이라면 낯선 물건이나 가벼운 조명의 변화에도 쉽게 당황하게 된다.  OpenAI는 페치 로보틱스에서 만든 로봇으로 연구한다는 사실을 확인해주었지만 추가적인 내용은 발표하디 않았다. 페치 로보틱스의 CEO인 멜로니 와이즈는 인터뷰를 거절했다.

OpenAI는 로봇이 Reddit처럼 말하도록 훈련시킨다

인공지능 오픈소스는 레딧 (소셜 뉴스 웹사이트)의 방대한 콘텐츠를 새로운 기계학습 프로그램 가이드로 사용하려고 한다.

MIT 기술보고서에 따르면 OpenAI는 딥 러닝 시스템을 더 많은 데이터로 더 신속하게 훈련시키기 위한 목적으로, 새로운 DGX-1 슈퍼 컴퓨터를 사용할 수 있도록 엔비디아 (그래픽카드, 멀디미디어 솔루션 제조사오)와 파트너를 맺었다. 그렇게 함으로써 레딧을 사용하여 로봇의 남용을 예방하려는 것이다.

"우리가 개발하는 모델이 더 잘 기능할 수 있도록 하기 위한 매우 쉬운 한 가지 방법은 산출 범위를 높이는 것이다." OpenAI 연구 과학자 안드레 카파시는 보도 자료에서 다음과 같이 언급했다. "지금부터 시작해서 우리가 훈련을 계속 이어간다면- 예를 들면 레딧과 입으로 집접 대화하는 것- 사람들의 수년간의 대화 전체를 레딧에게 훈련시킬 수 있다. 궁극적으로 우리는 사람이 서로 대화하는 것처럼 레딧이 컴퓨터에 말하도록 사용할 것이다."

이러한 연구는 아직 초기 단계이나, 거의 무한한 기초자료와 함께 레딧을 사용하는 것은 기계학습 프로그램을 훈련시키는 방법 중 하나가 될 수 있다. 언어 외에도 OpenAI 는 "로봇이 실험이 실험을 통해 설거지를 하도록 훈련하고, 다양한 종류의 컴퓨터 게임을 학습할 수 있는 알고리즘을 세우는 것"을 모색하고 있다.

그러나 다시 레딧으로 돌아가서 또 한편으로는 사회적 플랫폼을 사용하는 것이 타당하다. 만약 그것이 대화하는 톤이라면, 레딧은 그 문제를 완전히 해결하게 된다. 비록 사용자 당사자들은 인정하기 어려울지라도, 다양하고 풍부한 자료를 아우르기에는 충분한 커뮤니티다. 그러나 레딧은 페이스북과는 달리 좀 이상한 사람, 즉흥적인 사람, 그리고 유기적인 사람을 포착하는 특성이 있다.

로봇은 고드윈의 법칙을 채택할 것인가? 그것은 무작위로 "웃기는 소리 하고 있네"나 "긴장되 죽겠다"와 같은 말을 중간에 내뱉을 수 있을까? 또한 로봇이 잘못된 테러 용의자를 잡을 것인가? 그들은 마이크로 소프트의 인종차별주의 인공지능 로봇을 따를 것인가? 아니면 히틀러 복제물로 돌아설 것인가? 오직 시간이 말해줄 것이다.

인공지능이 바꾸는 세상의 모습

딥마인드 인공지능이 구글 데이터센터 냉각 비용을 절감하다

딥 러닝 인공지능은 지능형 드론, 유전자 배열, 바둑의 전략 학습 등에 사용되었다. 이제 구글은 딥마인드 알고리즘을 기반으로 온도와 전력데이터를 실시간으로 반영해 팬, 냉각 시스템, 창문 등 약 120개의 변수를 조정하여 냉각 비용을 대폭 절감시킬 수 있는 적응형 시스템을 개발했다고 설명했다.

전 세계에 있는 구글 데이터센터는 구글 검색과 G메일, 유튜브 같은 구글 내 다양한 서비스를 지원하는 역할을 한다. 데이터센터를 가동시키는 것은 엄청난 양의 전력을 소모한다. 구글은 서버 시스템과 냉각 시스템의 에너지원을 보다 효율적으로 만들고 가능한 한 청정에너지를 사용하고자 노력해왔다. 예를 들어 데이터센터에 사용하는 서버를 고효율 모델로 대체하거나 신재생에너지로 전략을 조달하는 등 다방면으로 노력을 기울여왔다. 특히 산업 규모의 냉각 시스템을 효율적으로 가동한다는 것은 매우 어렵고 장비와 환경, 직원 사이의 복잡한 상호작용을 가져오게 된다.

데이터센터의 품질을 말할 때 냉각 효율은 상당히 중요하다. 많은 열을 발생시키는 데이터센터를 적절하게 냉각시키는 건 데이터 안전성을 보장하는 중요한 요소가 된다. 데이터센터 냉각에 필요한 에너지는 데이터센터에서 사용하는 에너지의 상당 부분을 차지한다. 하지만 데이터센터 냉각 시스템은 데이터센터를 구상하는 기기가 너무 복잡한 데다 비성형적인 상호 영향을 주는 탓에 인간의 직관으로는 적용하기 어렵다는 특성이 있다. 구글은 데이터센터 냉각 효율을 높이기 위해 딥마인드를 투입시켰고 그 결과 냉각 시스템 전력 소비를 대폭 줄이는 데 성공했다.

효율성은 전체 빌딩의 에너지 사용량 대비 IT 부서의 에너지 사용량의 비율로 측정된다. 이를 전원사용효과라고 한다. 딥마인드는 엔지니어 수천 명이 수집한 데이터센터 내 온도와 전력, 냉각 펌프 냉각수의 유속 등 다양한 데이터를 딥 러닝으로 분석하여 에너지 효율을 높이는 프레임워크를 만들었다. 그 결과 냉각 시스템 소비 전력을 일정하게 40% 줄이는 데 성공했다고 한다. 이는 에너지 지표인 PUE로 15% 개선에 해당한다. 그리고 이 수치는 데이터 센터가 달성한 가장 낮은 PUE이다. 구글은 복잡한 변화 속에서 최적의 조건을 찾는 머신 러닝 기법의 범용성을 이용하여 앞으로 데이터센터 내의 다른 부분에 대한 효율화도 같이 진행할 예정이다. 구글은 이 시스템을 연말까지 세계 전체 데이터 센터에 적용키로 했으며 대규모 산업시설이나 데이터 센터에도 이 기술이 적용되어 에너지 소비와 환경 발자국을 줄일 수 있도록 이 시스템에 관한 정보를 공개할 예정이다.

무인전투기 알파, 공군 베테랑 조종사를 이기다

유전 퍼지 구조 소프트웨어는 무인전투기 운영에 관해 인간보다 250배 더 빠르게 계산할 수 있다. 퇴역 공군 대령 진 리가 비행 시뮬레이터에서 미 공군과 신시내티 대학교에서 개발한 인공지능 기술과 공중전 시뮬레이션을 벌이고 있다.

미 공군은 최근 오하이오 주 데이튼에 있는 미 공군연구소에서 35달러짜리 라즈베리파이 컴퓨터에서 운용되는 알파라는 이름의 인공지능을 이용하여 퇴역 공군 대령이며 최고의 공중전 교란인 진 리와의 공중전투 시뮬레이션에서 완승을 거두었다. 이 대결은 공중전 시뮬레이터를 이용하였다.

예비역 대령인 리는 그동안 수천 명의 공군 조종사들을 훈련시켰으며, 80년대부터 공중전투 시뮬레이션에서 인공지능과 상대해왔다. 하지만 지난해 10월 이후 치러진 수차례 대결에서 그는 알파를 한 번도 이기지 못했다. 리 교관은 “지금까지 본 AI 중 가장 공격적이고 기민하며 정확하다”며 놀라움을 드러냈다. “알파가 뭔가를 알아채고 그것에 반응하는 방식에 놀랐다. 알파는 내 의도를 알아차리고 내가 비행에 변화를 주고 미사일을 발사하려는 순간 즉시 대응하는 것 같았다. 알파는 공격과 방어 사이를 적시에 오가면서 행동을 취했다.”

알파의 비밀은 무엇인가? 권위 있는 국방저널에서 공개된 논문에 의하면 알파의 비밀은 시뮬레이션 공중전을 위해 맞춤형으로 설계된 ‘유전적 퍼지’ 알고리즘이다. 이 논문의 연구는 미 공군과 신새내티 대학교 연구진에 의해 주도되었다. 미국 신시내티 대학교의 공학/응용과학부의 2015년 박사과정 졸업생이자 사이버네틱스의 창업자 닉 어니스트와 진 리 중령을 공군 공중전 전문가들에 의해 개발 되었으며 표준 소비자용 PC에서 운영된다.

오늘날 전투기들은 1만 2,000미터 이상의 상공에서 시속 1,500마일 이상으로 비행하며 전투를 벌인다. 실수의 대가는 매우 크다. 연구진은 마이크로초를 다투는 문제이지만 평균적인 인간의 시각반응 시간은 0.15초에서 0.30초 정도이며, 그리고 최적의 계획을 생각하고 이를 아군과 협력하기 위해서는 더 많은 시간이 필요하다고 말했다.

사실 알파는 인간보다 250배 더 빨리 반응한다고 연구진들은 이야기한다. 그러나 알파의 미래 역환은 완전 자동 전투에 그치지 않게 될 것이다. 미 공군연구소 팀에 의하면 알파는 먼저 무인전투기에 테스트될 것이다. 알파는 1 밀리세컨드 내에 데이터를 조직하고 전투 시나리오에 대한 완전한 매핑을 만들어내게 된다. 공군연구소는 인공지능 무인전투기를 유인전투기와 팀을 이루는 인공지능 편대장 호위 조종사가 될 수 있을 것이라고 보고 있다. 신속하게 정확한 전략을 짜고 비행 편대와 공조할 수 있는 능력을 갖췄기 때문이다. 알파의 최종 목표는 인공지능 ‘편대장’이다. 연구진은 알파가 스스로 무인 비행 편대를 이끌며 지시를 내리고 전략을 수행할 수 있도록 만들 계획이다.

인공지능 무인전투기는 앞으로 상황인식, 반응 결정, 전략 선택, 무기운용 등의 전투관리 시스템을 갖추게 될 것이며, 동시에 수십 개의 미사일을 회피하고 여러 개의 목표물에 정확한 공격을 가하며 편대원들의 작전을 조정하고 여러 개의 목표물에 정확한 공격을 가하며 편대원들의 작전을 조성하고 적의 전략과 전투능력을 관찰하여 학습하고 기록한다.

연구진들은 알파 설계에 퍼지논리 알고리즘의 특수형인 유전적 퍼지구조를 적용했다. 유전적 퍼지구조에 관해서는 신시내티 대학교의 항공학 교수인 켈리 코헨이 국방저널에 실린 또 다른 공개 논물을 통해 설명하고 있다. “유전적 퍼지구조는 높은 성과를 나타냈다. 그리고 4,5가지 인풋에 관한 문제들은 손쉽게 해결할 수 있다. 그러나 100개 정도의 인풋이 된다면 지구상의 어느 컴퓨터도 이를 쉽게 풀지 못할 것이다.

대부분의 인공지능 프로그래밍은 숫자 기반 통제를 사용하며 운영을 위해 매우 정확한 매개변수를 제공한다. 이와 대조적으로 알파 인공지능 알고리즘은 언어를 기반으로 하며 if/then 시나리오와 규칙을 이용하여 수백에서 수천 가지 변수를 포함할 수 있다. 언어 기반 통제 또는 퍼지논리는 적합성을 인증 받을 수 있다. 인간 논리를 모방한다는 면에서 무인전투기는 IBM 딥블루와 카스파로프의 체스 대결 또는 알파고와 바둑기사와의 대결과 같다고 생각한다.“

인공지능이 쓴 최초의 단편영화 대본

놀랍게도 인간을 대신하는 멋진 엔터테인먼트 영역의 인공지능 대체기능 시작이다. “대량 실업의 미래에, 젊은 사람들은 피를 팔도록 강요받고 있습니다.” 이것은 올해 공상과학영화제 ‘사이파이 런던’챌린지에 출품한 단편영화의 오프닝 라인이다. 어둡고 수수께끼 같고, 현대적인 이야기, 이것은 컴퓨터가 쓴 영화재본이다. 사실 영화의 전체 시나리오를 쓴 것은 다름 아닌 공상과학 시나리오를 입력해 훈련받은 신경회로망이다. 소프트웨어가 시나리오를 완료하면, 그것을 사람들이 실제로 볼 수 있는 뭔가로 만드는 것은 감독과 배우의 몫이었다. 그들은 이 일을 훌륭히 해냈다.

영화 <선스프링>은 이 대회에서 톱10의 자리를 차지했지만, 이 인공지능은 뿐만 아니라 관객 투표에서 스스로에게 수천 표를 투표하기도 했다. 인간과 어깨를 나란히 한 역사적인 시상식 인터뷰에서 인공지능은 “나는 그들이 마음을 열 때 그들의 깃털을 볼 수 있다고 생각합니다”라고 하면서 처음으로 자신의 이름을 공개했다. “나는 벤자민입니다.”

이 영화의 각본은 모두 벤자민이 섰지만, 창의력은 뉴욕대학교 대학원에서 통신 및 기술을 공부하는 프로그래머로 로스 굿윈으로부터 나왔다. 그는 계산 창작, 즉 인공지능을 이용한 시, 산문, 그리고, 각본 쓰기에 빠져있다.

알고리즘이 일부 뉴스 기사 초안을 쓴다는 이야기를 들어보았을지 모르지만, 이는 대부분 스포츠 또는 금융 통계에 대한 일률적인 요약일 뿐이었다. 그런데 인공지능 작가들이 긴장을 풀고 글을 쓰는 또 다른 분야가 있다. 예를 들어, 나노젠모는 매년 프로그래머들이 소설을 쓰는 컴퓨터 프로그램을 만드는 행사다. 작년에는 500개의 소설이 매우 다양한 주제로 창작되었다.

이 맥락에서 굿윈은 계산 창작을 다음 단계로 끌어올리려고 한다. 굿윈은 미디엄에 정치 연설 작가에서 신경 네트워크의 작가로 전환환 자신의 이야기를 올렸다. 그는 소프트웨어에게 시, 산문, 사전, 공상과학 소설, 노암 촘스키의 작품 전체를 훈련시켰다. 그중 한 소프트웨어는 시적 이미지 캡션을 쓰고 구글의 딥드림 알고리즘이 만든 멋진 시각예술에 제목을 달아 준다.

굿윈이 만든 최신 알고리즘 벤자민은 뉴욕대학교의 고성능 컴퓨팅 연구실의 매우 강력한 컴퓨터에서 실행되는 중단기기억 신경네트워크다. 중단기 기억 신경네트워크는 알고리즘 작성에 사용되는 다른 소프트웨어 기술에 비해 긴 분량의 텍스트를 처리할 수 있다. (입력된 정보 중에 임의의 문장을 연결시키는 것이 아니다.)

인공지능-쓰기-시나리오-21벤자민이라는 인공지능이 소설을 쓰는 시스템을 이용하여 굿윈은 온라인으로 찾은 수십 편의 영화나 드라마 공상과학영화 대본을 학습했다. 여기에는 X파일, 스타트렉, 그리고 퓨처라마 등 오래된 작품들 목록 전체가 포함됐다.

엄격히 공상과학 작품만 인공지능이었기에 다음과 같은 문장을 사용하길 좋아한다. “아니, 난 그게 뭔지 모르겠어요, 잘 모르겠어요 굿윈에 따르면 이것은 공상과학 주인공들이 얼마나 자주 익숙하지 않은 상황을 파악하려 하는지 말해준다.

<선스프링>의 감독 오스카 샤프는 “벤자민은 일종의 거울이다. 수많은 것을 거기에 반사시켜 그 모든 것들을 설명할 수 있는 일종의 평균적인 것을 만들어낸다”라고 말한다. “예술은 종종 이러한 일들을 하기 때문에 매우 유용한 도구인 듯하다. 또한 항상 독창적인 것을 만들기를 바라는 사람이라면 독창적이지 않은 게 무엇인지 알 수 있는 방법이 될 수 있다.”

굿윈은 벤자민에게 경연에서 제공된 프롬프트(운영 체제에서 사용자에게 보내지는 메시지)를 주어 시나리오를 쓰게 했다. 최종 스크립트를 편집하고 무의미한 대화에 신비한 메시지까지, 해석 불가능한 부분을 해석하는 것은 감독 샤프와 배우와 스태프의 몫이었다.

시나리오에서 실리콘밸리의 토모스 미들디치라는 인물은 “입에서 눈을 빼낸다”라는 프롬프트를 받고 안구를 토해낸다. 나중에는 “카운터에 앉아 카메라를 끌어당겨 등 위로 올려놓고 쳐다본다”라는 프롬프트를 받고 카메라를 붙잡고 들여다본다.

이상하게도 최종 작품은 불가항력적으로 재미있다. 그렇다면 시나리오 작가들은 더 이상 필요 없게 될 것인가? 우리는 곧 “피를 팔야야만 할‘것인가? 아마 아닐 것이다. 오히려 <선스프링>은 인간의 손길이 아직 얼마나 필수 불가결한지를 보여준다. 배우와 스태프가 있기 때문에 영화를 볼 만한 것이다. 그러나 어쨌든 이것은 매혹적인 새로운 파트너십이다. "컴퓨터에게 시나리오 쓰는 것을 가르칠 때, 컴퓨터는 인간을 대체하지 않는다. 그것은 마치 피아노가 피아니스트를 대체하지 않는 것과 같다"고 굿윈을 말한다. "컴퓨터는 우리의 펜이 되고, 우리는 작가 이상이 된다. 우리는 작가의 작가가 된다.”

이 모든 것은 인간과 기술의 지속적인 협력을 의미한다. 한쪽이 다른 한쪽에게 어떻게 생명을 불어넣느냐 하는 점 때문에 나는 이 <선스프링>을 지금까지 인공지능이 쓴 소설 가운데 가장 좋아한다. 벤자민은 그 후 영화 시놉시스를 만드는 일도 시작했다. 바로 아래의 시놉시스가 그것이다. 빈티지 X파일 같은 느낌이 드는, 뜻 모를 제목의 영화다.

영화 <퍼리 러브>의 시놉시스

고도로 진보된 폭력적인 이방인이 자신의 부모와 함께 캘리포니아의 작은 마을에 도착한다. 이들은 모두 숲에서 새로운 삶을 시작하려고 준비하고 있다. 그들은 동네의 농부와 이상한 사람이다. 부부는 집에 연애 편지를 받고 아내는 감옥에 보내진다. 부부는 세계에서 자신의 자리를 찾기 위해 노력하고 있다.

인공지능의 실현 가능성은 이미 가까이 와 있다 우리는 지난 수십 년 동안 인공지능이 세상을 지배하게 될 것이라는 예측을 들어왔다. 1957년 허버트 A. 사이먼은 10년 이내에 컴퓨터가 세계 체스 챔피언이 될 것이라고 예측했다. 이 예언은 1996년에 이르러서야 이루어졌다. 1970년 마빈 민스키는 “앞으로 3년에서 8년 이내에 평균적인 인간 지능과 같은 지성을 가진 기계가 등장할 것”이라고 예측했지만 이는 아직 SF의 영역에 있다. 인공 지능의 선구자들은 타이밍을 맞추지 못했지만 그들이 틀린 것은 아니다. 인공지능은 다가오고 있다. 인공지능은 TV 속으로, 자동차 속으로 들어오고 있다. 인공지능은 우리의 친구가 되고 개인 비서가 될 것이다. 그리고 우리의 주치의가 될 것이다. 지난 3년 동안 인공지능 분야에서는 그 이전 30년 동안보다 더 많은 진전이 있었다. 애플과 같은 기술선도 기업들도 인공지능에 힘을 더하는 기술인 머신 러닝의 급속한 발전에 허를 찔렸다. 최근 세계 개발자 컨퍼런스에서 애플은 이미 경쟁자인 구글과 아마존이 그랬던 것처럼 자사의 인공지능 시스템을 독립 개발자들에게 공개했다. 애플이 한 발 늦은 것이다. 과거의 인공지능은 데이터 분석하기 위해 무차별 대입 공격 컴퓨팅 방법을 사용했지만 현재는 인간과 비슷한 방법을 사용한다. 프로그래머들은 인공지능에게 의사결정나무와 알고리즘을 공급한다. 틱택도를 할 수 있는 기계를 만든다고 생각해보자, 기계에게 어떻게 움직이는가에 관한 특정한 규칙을 주고 지켜보는 것이다. 이것이 1997년 IBM의 딥블루 컴퓨터가 체스 세계챔피언이었던 개리 카스파로프를 물리친 방법이다. 슈퍼컴퓨터가 모든 가능한 움직임을 카스파로프보다 더 빨리 계산해낸 것이다. 오늘날의 인공지능은 이전의 게임 사례를 주고 이러한 사례를 통해 배우도록 하는 머신 러닝을 사용한다. 컴퓨터는 무엇을 배울지 어떻게 배울지에 대해 학습하고 이를 스스로 결정한다. 나아가 새로운 인공지능은 인간의 마음을 모델링하여 인간의 학습 과정과 유사한 기술을 사용한다. 예전에는 손으로 쓴 글씨를 인식하게 하기 위해 수백만 줄의 코드를 필요로 했지만 이제 수백 줄의 코드만으로도 가능하다. 필요한 것은 컴퓨터가 스스로 학습할 수 있는 다수의 사례이다. 새로운 프로그래밍 기술은 인간의 뇌를 모델로 한 신경 네트워크를 이용한다. 정보는 레이어로 처리되며 각 레이어 사이의 연결이 학습 내용을 강화한다. 이러한 방식을 딥 러닝이라고 부른다. 딥 러닝은 컴퓨터가 여러 데이터를 이용해 마치 사람처럼 스스로 학습할 수 있게 하기 위해 인공 신경망을 기반으로 한 기계 학습 기술이며, 인간의 두뇌가 수많은 데이터 속에서 패턴을 발견한 뒤 사물을 구분하는 정보처리 방식을 모방해 컴퓨터가 사물을 분별하도록 기계를 학습시킨다. 딥 러닝 기술을 적용하면 사람이 모든 판단 기준을 정해주지 않아도 컴퓨터가 스스로 인지하고 추론, 판단할 수 있게 된다. 이러한 기술은 음성, 텍스트, 이미지 인식과 사진 분석 등에 광범위하게 활용된다. 구글 검색은 페이지랭크라고 부르는 기술을 이용한다. 페이지랭크는 엄격한 우선순위 알고리즘을 이용하여 웹페이지와 텍스트와 링크를 분석하여 무엇이 가장 적절하고 중요한 페이지인지를 결정한다. 구글은 이러한 검색 기술과 다른 상품들의 알고리즘을 바둑에서 인간을 물리친 것과 같은 기술인 딥 러닝으로 대체하고 있다. 인공지능은 데이터가 처리되고 의사결정이 필요한 모든 분야에 적용될 수 있다. <와이어드>지의 편집자인 케빈 켈리는 인공지능을 모든 것 뒤에서 움직이는 저렴하고 신뢰성이 있으며 산업 수준의 기민함을 가지고 있는 전력에 비유했다. 그는 인공지능이 “100년 전에 전기가 그랬던 것 이상으로 비활성 객체들에게 생동감을 불어넣는다.”고 본다. 예전에는 모든 것에 전기를 연결시켰지만 이제는 모든 것에 ‘인식’을 불어넣는다. 인공지능은 조만간 모든 것에 존재하게 된다. 기업들은 그들의 상품에 인공지능은 개인의 기억을 증진시키며 인식 속도를 높여 인류의 능력을 증강시킨다. 인공지능은 조만간 모든 것에 존재하게 된다. 기업들은 그들의 상품에 인공지능을 넣어 수집되는 방대한 정보들을 분석하게 한다. 구글과 아마존, 애플은 조명을 관리하고 음식을 주문하며 미팅 스케줄을 잡는 음성 비서를 만들고 있다. 우주가족 젯슨의 가사도우미 로봇 로지, 스타워즈의 R2D2와 같은 로봇 비서가 곧 등장하게 된다. 우리는 통제를 벗어나 세상을 지배할지도 모르는 인공일반지능에 대해서 걱정해야 할까? 그렇다. 하지만 앞으로 15~20년 동안은 걱정하지 않아도 될 것이다. 레이 커즈와일과 같은 미래학자들은 인공지능이 우리의 능력을 증강시키고 인간과 함께 진화할 것이라고 내다보고 있으며 일론 머스크와 스티븐 호킹 같은 이들은 인공지능이 우리를 지배하게 될 것이라고 경고하고 있다. 앞으로 어떤 일이 일어날지 아직은 알지 못한다. 확실한 사실은 인공지능은 이미 우리 가까이 와있고 놀라운 일들을 가능하게 할 것이라는 것이다.   일할 필요 없는 인간, 자아실현경제로의 대전환 ‘일자리경제’에서 ‘자아실현경제’로의 전환이 시작되었다. 일자리경제란 사람들은 태어나면서부터 일을 해야 먹고 산다는 개념이나 패러다임이다. 그러나 2050년경에 경제의 패러다임이 바뀌어 일할 필요가 없는 경제, 즉 자아실현경제가 되어 사람들은 기본소득을 받으며 하고 싶은 일을 하는 부유하고 풍요로운 사회에서 살게 된다는 시나리오이다. 일자리경제에서 자아실현경제로의 전환이 아직 완료되지 않았지만 우리는 지금까지 먼 길을 왔다. 인류 역사상 처음으로 우리가 원하는 문명이 무엇인지, 우리는 무엇이 되고 싶은지(인간 개인으로서 인간 종으로서)에 대해 거대 담론을 시작했다. 영화, 세계 사이버 게임, 유엔 정산 회의, 가상현실 뉴스, 플래시몹 사이버토론회, 선구적 사상가들이 예전에 없던 인생의 의미와 가능한 미래를 살피기 시작했다. 인간의 노동과 지식이 기계의 노동과 지식으로 데체되는 시대가 온 것은 분명하다. 인류는 생계를 위한 직업을 가질 필요성에서 해방되어 자아를 실현하기 위한 직업을 갖게 된다. 이는 직업경제에서 자아실현경제로 전환되는 시작점이다. 인류는 2030년대 중반 인공지능이 인공일반지능으로 진화하던 시기에 생존의 두려움과 압박에서 벗어나기 시작했다. 그리고 21세기 초에 브라질, 핀란드, 스페인, 스위스에서 시작했던 기본소득보장제 실험은 긍정적인 효과를 나타냈다. 그 이전에 더 작은 규모로 인도, 라이베리아, 케냐, 나미비아, 우간다에서 시작했던 기본소득보장제 실험은 비판자들이 예측했던 것보다 대부분의 사람들이 돈을 더 현명하게 사용하는 것으로 나타났다. 이러한 연구를 통해 나타난 것은 건강은 증진되고, 범죄는 감소하고, 교육은 개선되었다. 고정 수입이 생기면 모든 사람들이 게을러질 것이라는 견해와는 정반대로 자영업이 증가했다. 핀란드와 영국에서는 복지 프로그램을 통합 처리해 현금 보조금으로 계산해 지급하는 방식이 관료 조직을 통해 운영되는 복지 프로그램보다 훨씬 더 효율적인 것으로 나타났다. 2020년대에 세계는 성장 자체로는 임금과 고용이 더 이상 늘어나지 않다는 것을 알게 되었고 사상가들은 새로운 경제학 가설들을 주장하기 시작했다. 세액공제 제도의 변경, 노조의 경영참여 강화, STEM(과학, 기술, 엔지니어링, 수학) 교육의 개선, 일자리 공유제도 촉진, 근로시간의 감축 등도 모두 유의미한 차이를 만들어내지 못했다. 산업혁명이 인간의 근육을 대체했다면 인공지능혁명은 인간의 두뇌를 대체해 지식 노동을 대신한다. 실업 인구의 증가는 실직자의 잘못이 아니라 새로운 기술 때문이므로 모든 국민에게 기본소득을 보장하자는 주장이 늘어났다. 그러나 생계비용은 국가 예산으로 감당할 수 있는 수준이 아니었다. 2030년대 중반이 되어서야 생계비용이 많이 내려가 정부의 수입으로 기본소득 보장을 재정적으로 감당할 수 있게 되었다. 생계비용을 감소시킨 요인들 인공일반지능이 쓰레기 관리에서 강의 홍수 통제, 공중·땅·바다 속의 수백난 대의 로봇 자동차 통제에 이르는 문명의 기본 인프라를 운영하고 개선하는 특화인공지능 프로그램을 통합하고 관리하기 시작하면서 광역도시를 운영하는 비용이 하락하기 시작했다. 인공지능/로봇 대중운송 시스템을 도입해 무료 대중교통을 실현한 도시들이 많아졌다. 심지어 하이퍼루프(일론 머스크가 2013년 제안한 캡슐형 초고속 열차시스템)가 연결된 일부 도시에서는 고속 운송비용이 낮아지기 시작했다. 소재과학, 3D/4D 바이오프린팅의 발달, 원자 단위로 정교해진 제조업, 나노 테크놀로지, 기타 새로운 기술의 발달로 인해 건설, 제조, 유지 관리, 수도, 에너지, 의약 분야 등의 원가가 낮아졌다. 인공지능/로봇 농업, 합성생물학, 인공지능 배송시스템으로 인해 식품 원가도 낮아졌다. 원격 교육, 모든 것이 연결되는 텔레 에브리씽, 즉 초연결사회 역시 생계비용을 낮추어 주었다. 인공지능과 로봇은 급여를 받지 않으며 24시간, 1주일에 7일 동안 쉬지 않고 일할 수 있고 유급휴가, 병가, 퇴직금도 없다. 이 모든 것들이 보험, 생산, 유지관리, 노동력의 원가를 대폭 낮추어 준다. 많은 것들의 원가가 하락함에 따라 보편적 기본소득보장에 필요한 예산 수요도 감소했다. 이렇게 되어 시민들에 대한 보편적 기본소득보장 제도를 재정적으로 유지해 나갈 수 있다는 믿음이 커졌다. 온라인 공개 수업과 인공지능을 기반으로 글로벌 교육 시스템 구축 및 각종 교육용 앱의 개발로 인해 유아교육에서 박사교육 과정까지 무상 공공교육이 가능해졌다. 증강 인공지능에 의한 진단 및 치료, 개인 유전자에 맞춘 의약품, 바이오프린팅, 합선생물학, 로봇 외과수술 역시 공공보건진료를 시민에게 정당한 권리의 하나로 제공하는 것을 가능하게 만들었다. 지역사회 허브에 있는 다물질 3D/4D 프린터는 지속적으로 전 세계의 프린터 효율성을 평가하는 글로벌 센서 네트워크의 피드백을 받아 소프트웨어를 개선하고 출력물의 품질을 끊임없이 개선해간다. 대부분의 소프트웨어는 무료이고 복사가 가능하며, 즉시, 전 세계 어디서나 사용이 가능하다. 전 세계는 실시간으로 함께 스마트해진다. 그러나 아직 제품의 가격은 지불되어야 하며 급여도 지불되어야 한다. '자아실현경제'의 새로운 세입원 21세기 초 각국 정부들은 새로운 기술로 일자리 창출보다 일자리 대체 효과가 더 클지 여부를 확신하지는 않았지만 대다수의 지도자들은 미래의 광범위한 실업문제를 해결하기 위한 장기적인 재정전략을 심각하게 모색하기 시작하는 것이 현명한 일이라고 생각했다. 여러 연구에서 보편적 기본소득보장제는 재정적으로 지속 가능하고, 최저 빈곤을 타파하고 소득격차를 감소시키며 새로운 종류의 경제로 전환되는 데 도움이 된다는 사실을 확인했다. 일반적으로 이러한 연구들은 2030년대 중반에 들면 생계비용이 하락하고 이러한 보편적 기존소득보장제의 비용을 감당할 수 있는 새로운 세입원이 나타났다는 것을 보여주었다. 많은 사람들은 모든 사람에게 주어지는 지원금이 대량 실업과 빈곤에서 오는 혼란보다 낫다고 믿게 되었다. 그리고 기본소득을 보장하면 대중들의 근로 의욕이 떨어질 것이라는 주장은 많은 나라와 문화권에서 실험과 연구를 거친 결과, 사실이 아니라는 것이 입증되었다. 각 나라의 상황이 서로 달랐기 때문에 각 나라에서 시민들에게 기본소득을 지불하는 방식과 소득세의 손실 보충 방법도 서로 다를 수밖에 없었다. 새로운 세입원과 그것이 기본소득보장 제도를 위해 새로 발생된 비용에 기여하는 평균 비율은 다음과 같다. 20% 조세피난처 감소 12% 부가가치세(판매시점에서 전자 서명된 영수증) 증세 11% 탄소세와 기타 오염세 증세 11%새로운 기술개발로 인한 부유세 10% 로봇 소유주 세금 증세 10% 국가 자원의 임대 또는 세금 부과 9% 최소 법인세 증세 7% 국영기업 비율 증가와 증세 조직범죄와 부패에 대체하고 토빈세를 징수하기 위한 글로벌 전략의 하나로 국제 금융질서를 감시하는 새로운 인공지능시스템이 채택되었다. 이 제도의 실시에 따라 조세피난처가 극적으로 감소되었고 이는 각국 정부의 새로운 세입원이 되었다. 조세피난처의 축소로 국가 경제에 다시 동아올 금액은 약 18조 달러에 이를 것으로 추정된다. 개인 자동차가 허가를 받고 세금을 내는 것처럼, 정부는 로봇, 일부 인공지능의 형태와 창조물에 세금을 책정한다. 재생에너지 시대로 전환이 이루어지는것처럼 디지털화는 생산 한계비용을 극도로 줄여준다. 상당한 세입을 만들어냈던 탄소세는 이제 재생에너지의 성공과 해수 농업, 배양육, 산업의 발달로 인해 이제 상당부분 감소되었다. 그러나 자아실현경제는 자영업의 증가를 가져왔으며 이는 예상보다 더 많은 소득세의 증가를 가져왔다. 경제적 상황이 변화됨에 따라 로봇과 인공지능에 의해 일자리를 잃은 수백만 명의 사람들을 거리로 내쫓는 것은 윤리적인 행동이 아니다. 인공지능, 로봇공학, 합성생물학, 나노기술, 드론, 3D/4D 바이오프린팅, 빅데이터 분석 등 차세대 기술에 의해 많은 물질적·지성적 부가 창출되었다. 그 때문에 많은 사람들은 차세대 기술에 의해 대체될 실업자들에게 새로운 소득을 주는 방법이 필요하다고 주장했다. 차세대 기술은 보다 안전한 문명의 기반을 만들었지만 음식, 집, 옷, 운송, 건설, 보건, 교육 분야에서 인간 노동력을 계속 대체해왔다. 원유가 풍부했던 노르웨이나 페르시아 만 지역 국가들은 자연스럽게 처음으로 모든 국민에게 완전한 기본소득보장제 또는 '시민임금' 제도를 실시할 수 있었다. 반갑지 않은 이주를 막기 위해 지급 조건에 3년간의 거주라는 조건이 부과되었다. 2025년 미국에서는 기본소득 보장 예산을 위한 35% 일률 과세안이 의회에서 부결되었다. 당시 미국의 인구는 3억 4,500만 명이었다. 법안을 반대하는 측에서는 각 사람에게 연간 2만 달러를 지급하려면 매년 6조 7,000억 달러가 소요되는데, 이는 전체 연방예산규모와 맞먹는 금액이며 다가올 실업 증가 시대의 세입규모로는 감당할 수 없는 수준이라고 주장했다. 아동에게는 성인의 25%만 지급하자는 주장도 있었다. 즉 2명의 성인과 2명의 아동으로 구성된 가족은 연간 8만 달러가 아니라 5만 달러를 지급받는 것이다. 그러나 법안을 찬성하는 측에서는 재정적 위기는 수백만 명의 빈곤한 사람들의 거리에서 떠돌게 되는 사회적 혼란에 비하면 위험도가 낮다고 주장했다. 2016년부터 핀란드가 기본소득제도를 실시했듯이 전 세계가 기본소득제도를 실시하여 누구에게나 소득을 제공하면, 보편적 복지가 제공되어 가난한 자, 복지대상자라는 말이 사라진다. 사람들은 기본소득을 받고 스스로 창의적으로 발명도 하고 기술발전도 시키면서 복지는 결국 공공 서비스로 제공된다. 그러나 생계비용이 하락함에 따라 미국 의회는 2030년대 초반 일괄수입법안과 개인과 기업, 환경오염, 차세대 기술 성장에 대한 일률 과세안을 마침내 통과시켰다. 이와 인해 정부 세입 구상은 예전에 예상했던 것보다 훨씬 더 건전해졌다. 합성생물학의 최대 이점 중의 하나는 우리 뇌 속의 플라크를 먹는 미생물을 만들어낸 것이다. 이는 노인에게 발생하는 여러 건강상의 문제를 예방하고 평균수명을 늘려주었다. 이는 노인들의 의료비용을 대폭 감소시키고, 정신활동을 왕성하게 유지시키고 자영업 활동을 늘렸다. 노인들은 인공지능/아바타를 이용한 시맨틱 웹(컴퓨터가 정보자원의 뜻을 이해하고, 논리적 추론까지 할 수 있는 차세대 지능형 웹) 검색을 통해 수입을 올릴 수 있으면서도 가장 멋진 자기충족적인 활동을 찾아냈고 매일 아침 흥미로운 체험을 할 수 있도록 계획을 세울 수 있게 되었다. 이러한 새로운 환경은 노인들에게 진정한 르네상스, 창조력, 즐거움을 제공했을 뿐만 아니라 노인들을 국가의 재정젖 부채가 아닌 자산이 되도록 만들었다. 현재 평균수명이 100세 가까이에 이르고 장수 연구가 지속적으로 새로운 돌파구를 만들고 있는 지금 이 같은 사실은 매우 중요하다. 새로운 경제와 차세대 기술은 전 세계적으로 연간 1인당 개인소득이 10,000달러 이하로도 충분히 생활할 수 있도록 생계비용을 낮춰주었다. 무료 공공의료, 무료 대중교통, 무료 에너지, 무료 교육이 없었다면 이는 불가능했을 것이다. 자신의 인공지능/아바타와 인공지능 앱을 이용해 기본소득 지급액에 새로운 수입을 더하는 사람들이 더 많아짐에 따라, 일부 사람들은 자신의 기본소득을 기부하거나 글로벌 난제를 해결하는 새로운 스타트업에 투자하거나 정부에게 일시 중지할 것을 요청하기도 한다. 부유한 사람들은 몇 년 동안 이렇게 해왔다. 일부 기술적 요인들 21세기 초반 미국과 유럽연합, 중국의 휴먼브레인프로젝트와 구글, 페이스북, 바이두, IBM이 시작한 인공두뇌프로젝트는 오늘날 많은 증강된 천재들을 만들어내는 시너지 효과를 발휘했다. 신경 생리학자와 엔지니어들이 국가와 기업의 경계를 넘어 협력하면서 노의 작동 원리를 밝혀내 정신적 질병을 더 잘 치료할 수 있게 되었고, 인간의 지능을 증강시키고 더 나은 컴퓨터와 인공지능 시스템을 구축할 수 있게 되었다. 현재는 안경을 통해 시력을 증강시키는 것처럼 뇌를 증강시켜 천재를 만드는 것이 가능해졌다. 원하는 사람들은 누구나 지식폭발과 인공지능 발전을 통해 지성을 증강할 수 있게 되었다. 인간과 인공지능의 공생이 유아부터 대학교육, 지속적인 성인교육에 이르는 교육의 핵심 요소가 되었다. 지성이 시력처럼 개선될 수 있다는 것을 대중들이 받아들이게 되자 교육부는 지성의 확장을 교육 목표에 추가했다. 인공지능과 학습이론 전문가들은 힘을 모아 인공지능/브레인 웨어라고 알려진 개인화된 지능 증강사업을 창조했다. 사람들은 자신만의 집단지성과 일상생활을 만들어내는 개인적인 알고리즘을 가지게 되었다. 2020년 글로벌 러닝 엑스프라이즈(인류의 복리 증진을 위해 장려금으로 보상되는 공모전을 기획하고 관리하는 비영리단체) 수상 프로그램은 6세 이전에 거의 모든 아동들에게 문해력과 산술능력을 제공한다. 대부분 아동들은 10세가 되면 천재가 되는 지성 증강 시스템을 받아들이게 된다. 2020년대에 STEM 교육을 업그레이드하기 위한 세계적 노력은 사람들에게 과학기술이 유발하는 변화를 이해할 수 있도록 해주었다. 하지만 이러한 교육이 2030년대에 더 많은 고용을 창출하지는 못했다. 인간들은 2030년대 버전의 인공일반지능을 배울 수 있는 만큼 빠르게 학습하지는 못했다. 오늘날의 어린이들은 부모 세대가 스마트폰이 없는 세상을 상상하기 힘들었듯이, 할아버지 세대가 인터넷이 없는 세상을 상상하기 힘들었듯이, 인공지능/로봇이 없는 세상을 상상하기 어렵다. 미생물이 뇌 속의 플라크를 먹어치우는 것과 마찬가지로 합성생물학은 환경 친화적인 화학물질, 개인화된 의약품, 비료를 만들고 공기를 정화시키고 CO₂를 흡수하고 새로운 건축이 필요한 경우 생분해되는 빌딩을 만든다. 초기의 크리스퍼를 이용한 유전자 편집 기술과 오늘날의 새로운 방법은 대부분의 정신질환을 포함한 유전자와 관련된 질병들을 거의 없애주었다. 무어의 법칙이나 알파고 같이 한 가지만 잘하는 약인공지능 (좁은인공지능)이 인간처럼 모든 것을 한꺼번에 잘하는 인공일반지능으로 변해, 첨단과학발전은 시너지효과를 내면서 인간의 지식확장을 가능하게 해주고 모든 발전을 가속화시켜 인간 삶의 조건을 극적으로 향상시켜주었다. 수백만 명의 사람들은 자신들의 사용하지 않는 컴퓨터 용량을 인류의 난제를 해결하는 데 기부했다. 이러한 협력은 수천 대의 슈퍼컴퓨터를 아무런 비용 없이 즉석에서 가상으로 만들어낼 수 있게 해주었다. 국제과학기술기구는 과학기술 집단지성 시스템을 만들어냈다. 이 시스템은 최고 엔지니어들과 정치인들이 더 나은 결정을 할 수 있도록 도와준다. 각각의 사용자의 능력과 선호에 따라 인터페이스의 졍교함은 조성된다. 모든 사람들이 각각의 새로운 기술의 진보, 국제 표준, 허가, 투자, 예측에 대한 찬성과 반대를 실시간 업데이트를 통해 볼 수 있다. 전 세계적으로 동시에 공유하는 지성은 기존의 마케팅 조작, 정보약자 착취, 파워 엘리트의 조작 가능성을 줄여주었다. 적은 수수료만 내면 국제과학기술기구의 허가 계약과 사업 계약을 온라인 시스템으로 볼 수 있어서 모든 사람들에게 동등한 접근 기회를 제공하였다. 유엔의 극빈층 퇴치를 위한 지속가능한 발전목표는 2030년에 기본적으로 달성되었다. 패쇄 환경 스마트농업, 합성생물학, 해수농업, 가상 도시 농장, 배양육 산업은 환경피해를 줄이면서도 더 건강에 좋고 더 저렴한 먹거리로 사람들을 먹여 살릴 수 있다. 수백만의 로봇 운송기기가 하늘을 날거나 해양을 항해하며 온종일 전 세계의 인공지능 시스템을 통제한다. 공공 공간의 네트워크에 연결된 나노 기술 센서를 이용해 과거에 빈발했던 개인 테러와 집단 테러를 대부분 막을 수 있다. 인지과학과 행태과학의 발달로 인해 테러리스트나 사이버 범죄자가 될 수 있는 정신질환을 상당 부분 감소시켰다. 인류는 보다 더 윤리적인 종으로 성숙했고 이는 국제표준협회 국제 윤리시스템의 성공적인 진화로 뒷받침되었다. 4년마다 열리는 올림픽 대회는 사이버공간과 3차원 공간에서 열리는 경기를 통해 글로벌 시민의식 향상에 기여한다. 2040년 화성 파이어니어스는 최초의 지구 달 궤도 간 솔라세일링 경기에서 우승했다. 인류는 우주의식의 문턱을 다소 넘어서게 되었다. 우리는 더 이상 지구에만 존재하는 종이 아니라 우주를 항해하는 종이라는 것을 인식하게 되었다. 2,500명에 이르는 사람들이 현재 궤도와 달, 화성의 우주 커뮤니티에서 일하고 있다. 외계생명체와의 접촉 가능성에 대한 토론은 우리가 지정학이나 민족의 경계를 넘어서게 만들었다. 과학적 돌파구를 통해 국제여행, 근 우주여행이 쉬워지고, 지구와 근 우주에 관한 서로 다른 견해를 가진 사람들 간에 토론이 끊임없이 이루어지면서 우리의 개인적 집단적 관점이 넓어졌다. 그 결과 사람들은 지역적 편견을 버리고 글로벌한 윤리의식을 보다 심각하게 고려하게 되었다. 모든 사람들이 사랑, 진실, 공정함, 가족, 자유를 소중하게 생각하지는 않는다. 하지만 20세기보다는 상대적으로 훨씬 더 평화로운 세상이 되었다. 민족주의적 편견이 아직 존재하기는 하지만 지난 세기에 비하면 훨씬 더 효과적으로 이를 억제할 수 있다. 일의 본질과 경제문화의 변화 사람들은 일자리 없는 경제의 위험에 대해 걱정했다. 그러나 지금은 일자리 없는 경제가 가져온 자유의 확대를 환영하고 있다. 세상에서는 직업의 목적이 사회와 자연을 이해하고 조화를 이루며 자아를 실현하는 것이라고 생각하는 사람들이 늘어났다. 일은 즐거움과 자아실현의 방법, 인생의 의미를 창조하는 방법이 되었다. 그 결과 인류의 대부분은 시골에서 에너지 자금자족을 이루는 삶을 살든, 바다 위에 떠돌면서 살든, 열정적인 도시생활을 하든 관계없이 더 나은 미래를 건설하는 데 도움이 될 수 있는 시간을 더 많이 가지게 되었다. 인류가 환경을 희생하여 진보를 이루기 시작한 이래 많은 사람들은 이제 이런 환경 파괴 추세를 멈추고 환경을 개선하는 방향으로 가야 할 때가 되었다고 생각하고 있다. 예를 들면, 환경단체들은 무슨 비용을 치르더라도 경제성장을 해야한다는 개념은 잘못된 것임을 밝히고 미국과 중국이 기후변화에 진지한 대책을 세우도록 엄청난 압력을 가하고 있다. 이 두 국가는 세계 최대의 경제대국이자 가장 큰세계 최대의 경제대국이자 가장 큰 환경 오염원이기 때문이다. 미국과 중국의 CO₂공동 감축목표(350ppm 수준)와 많은 국가들이 참여한 연구개발 프로그램 덕분으로 우리는 이제야 비로소 '전 세계'가 기후변화에 대응하는 것을 보게 되었다. 모든 사람들은 이 연구개발 프로그램이 인류 역사상 가장 훌륭한 국제 조약의 하나라는 데 동의한다. 세계의 황량한 해안선을 따라 인공지능과 로봇을 이용한 대형 해수농장들이 건설되었다. 이러한 농장들은 배출권 거래제에 의해 일부 자금이 조달되었다. 해수농장은 CO₂를 흡수하는 녹색성장지역을 창조하기 때문이다. 이러한 해수농장에서는 새우와 연료, 비료, 바이오폴리머, 동물을 키우지 않고 고기를 생산하기 위한 산업의 공급 원료가 되고 온실가스 감축을 가져오는 앨지(해조류)를 생산한다. 해수농장은 담수농업의 부담을 줄여주며 가뭄 문제를 해결한다. 해수농업은 빗물을 필요로 하지 않기 때문이다. 건물에서 신체에 이르기까지 어디에나 부착시킬 수 있는 마이크로 배터리는 개인용 에너지 비용을 거의 제로로 만들어주었다. 사헬(사하라 사막 남부 지역)에 있는 수만 마일에 이르는 로봇이 관리하는 폐쇄 환경 농업용 튜브에는 광전지가 부착되어 있고 이곳에서 생산되는 식품은 아프리카를 거의 먹여 살리고 일부는 아시아와 유럽으로 수출된다. 광전지에서 생산된 잉여 에너지는 지구 궤도로 부선으로 전송되어 위성을 통해 세계 어디에나 정류 안테나로 공급된다. 풍력 고압 수증기 제트 시스템은 담수화 비용을 대폭 낮추었다. 내연기관 자동차는 전기자동차와 수소자동차로 대체되었다. 신분과 불평등 개념의 변화 미국과 중국의 탄소 배출 감축 목표가 경제 개발의 개념을 바꾸듯이 기초소득보장이 사람들로 하여금 왜 사는지 다른 각도로 생각하게 만들었다. 이는 또한 신분과 불평등의 개념을 바꾸어놓았다. 불평등 개념은 2035년~2045년에 변화되기 시작했다. 불평등이 수입과 같은 일부 기준이 동일한지 동일하지 않은지를 뜻하게 되었기 때문이다. 많은 사람들이 자급자족할 수 있게 되고, 스스로의 인생을 만들어나가게 되면서 자기만의 기준을 갖게 되었다. 기본소득보장제가 기본 생존 욕구를 충족시킹에 따라 자아실현이 보다 중요하게 되었다. 기본소득보장제는 사람들에게 상호간에 이해와 표현을 주고받을 수 있는 가상의 커뮤니티를 형성하고 통합할 수 있는 더 많은 시간을 주었다. 지루해지는 것 또는 지루함이 새로운 빈곤이 되었다. 세상을 개선하기 위한 뭔가 신나는 일을 하는 것이 새로운 멋진 것, 새로운 신분, 새로운 부의 상징이 되었다. 인공지능 시스템은 알파고 같은 약 인공지능 아닌 강 인공지능 즉 인공일반지능으로 발전, 글로벌 기술을 순식간에 공유하는 공유경제시스템 속에서 소유자가 없어지고 모두가 주인이 되는 글로벌 두뇌로 서서히 변해간다. 이는 소유자가 없는 인터넷이나 택시를 소유하고 있지않은 우버와 유사하다. 자본주의는 개인 소유를 촉진한다. 공산주의는 국가 소유를 촉진한다. 그리고 자아실현 경제는 무소유를 촉진한다. 아직 개인소유와 국가소유가 존재한다. 그러나 창조력은 무소유 환경에서 대체로 성장한다. 이는 거의 제한이 없는 자유로운 사용자 권한과 함께한다. 경쟁 대신 시너지를 추구하는 시대 사람들과 기업들은 경쟁이나 생산성 대신 품질생산성을, 경쟁 대신 시너지를 추구하고 있다. 비즈니스 학습 시스템들은 이제 경쟁 지능, 경쟁 우위, 경쟁 전략 대신 시너지 지능, 시너지 우위, 시너지 전략을 가르치고 있다. 전 세계의 지도적인 사상가들은 상호절충에 대해서만 생각하는 대신 시너지를 창조하는 방법에 대해 토론하고 있다. 공정성 대 투자수익 대신, 공정성과 함께 훌륭한 투자효과를 가져오려면 어떤 시너지 효과를 만들어야 할까를 고민하는 것이다. 이는 사회적 가치 대 시장가치, 또는 연대 대 효율성을 따지는 것과 같다. 종교 간의 대화와 국제표준기구의 표준 같은 것이 삶에서 시너지를 낼 수 있는 접근방법에 대한 토론에 기여하고 있다. 파트타임 투자자들이 증가하고 있다. 전통적인 주식시장을 통해서가 아니라 퀵스타터와 같은 크라우드소싱을 통해 개인에게 직접 투자하는 방식이다. 사람들이 생계비를 벌기 위해 창의성은 삶의 기준으로 자리 잡았다. 모든 사람들이 세상의 거의 모든 사람과 거의 모든 사물과 연결됨에 따라 사람의 가능성을 개발할 수 있고 흥미로운 새로운 일/교환의 기회를 창조하는 것이 쉬워졌ㅆ다. '당신을 대체하는 것에 투자하라'운동은 로봇트럭을 구매하고 노동조합을 통해 만들어진 온라인 거래소에서 로봇 트록들의 스케줄을 관리하는 트럭 운전기사들에 의해 시작되었다. 이러한 온라인 거래소는 일부 직업들이 자신을 대체한 것에 투자해 살아남을 수 있음을 보여준다. 트럭 운전 시간은 로봇 트럭 스케줄관리 시간보다 훨씬 더 걸리기 때문에 운전기사들은 남는 시간을 새로운 흥밋거리와 자기가 충족감을 느끼는 일에 사용할 수 있다. 아직 회사에 고용되어 있는 일부 사람들은 자신의 취미를 인터넷에 광고하고 자신들이 좋아하는 것에 대한 시장을 찾기 시작했다. 이러한 활동은 자신들의 일자리가 자동화된 이후에 자영업으로 전환하는 데 도움이 된다. 아이들이 어릴 때에는 부모들을 필요로 하지만 자라면 그 필요가 줄어들 듯이 사회도 자기 주도적 삶에 더욱 관심을 가지게 되었다. 사회가 성숙되면서 개인용 인공지능/아바타들이 낮 시간동안 우리의 지성을 증강하고 지원하며 우리가 자는 동안에는 흥미로운 기회들을 탐색해준다. 인공지능 엔지니어들은 대중들이 2050년의 복잡한 세계를 이해할 수 있도록 새로운 형태의 표기법과 상징들을 만들었다. 새로운 표기법과 상징들을 글로벌 교육 시스템을 더 많은 사람들에게 더 쉽게 이해할 수 있도록 만들어주었다. 새로운 표기법과 상징들을 다문화 간 협업에 도움을 주는 시스템으로 자리 잡았다. 새로운 형태의 표기법의 도움으로 현실에 대한 새로운 인식과 앎의 방식이 다양하게 생겨났다. 21세기 초 우버와 에어비앤비에서 시작된 공유경제는 이제 사람들 사이에 직접 현실을 공유하는 것으로 확장되었다. 이는 인류학자들도 감당하기 어려운 문화의 다양성을 만들어냈다. 마음과 상상의 세계는 증강현실, 가상현실, 인공지능 시스템 등이 통합되어 우리의 일상을 지배한다. 이 모든 것들은 천재가 되는 지성 증강 시스템을 사용하는 사람들이 증가함에 따라 더욱 가속화된다. 인공지능 등 "무엇이든 물어보세요"에 물으면 대답이 너무 빨라 인간들이 이에 익숙해진다. 세상만사 모든 질문에 순식간에 인공지능이 답을 해줌으로써 인간은 호기심, 즉 묻고 싶은 것이 많아진다.

 

 

 

오래된 문제를 해결하기 위한 새로운 기관 국가 경제 트랜스인스티튜션(정부, 기업, 대학, NGO 등에서 스스로 선택된 지도자들로 구성됨)은 해당 국가의 직업경제에서 자아실현경제로의 전환과정을 검토하기 위한 국가전략 워크숍을 주기적으로 개최하였다. 이러한 연례적인 국가 전략 감사의 결과는 국가 간에 공유되어 전략적 시너지를 가져오게 되었다. 이 기관의 초초의 권고사항중의 하나는 영화제작사, 작곡가, 엔터테이너, 인류학자, 미래학자, 철학자들이 모여 긍정적인 미래의 비전과 ‘보다 실제적인’ 변화를 만들기 위한 이미지, 시나리오, 콘셉트를 창조하는 것이었다. 밈(문화 정보 유전자) 엔지니어들은 광고 회사와 협력해 상품을 팔면서 인간의 의식을 바꾸기 위해 광고 속에 새로운 문화 패러다임을 담은 밈을 집어넣는 작업을 한다. 세계 억만장자클럽은 전략적 사회공헌 활동을 통해 이 모든 것을 가능하게 만들었다. 미디어/아트 연합이 처음 시작한 ‘하나의 종’ 캠페인은 첫 번째 전략 워크숍에서 영감을 얻어서 만든 것이다. 이 운동은 많은 사람들에게 사회를 위한 자신의 가치를 찾아주고 자영업자가 되도록 도와주는 영화, 음악, 도시몰입환경, 세계사이버게임을 만들도록 자극제가 되었다. 기업가정신과 책임감이 사람들이 가졌던 복지의식을 대체했다. ‘인공지능/증강현실’과 ‘당신을 대체하는 것에 투자하라’ 운동은 미디어/아트 연합에 의해 더욱 강화되었다. 인공지능/인공일반지능으로 증강되는 여러 개의 사이버 트랜스인스티튜션들은 늘어나는 사이버 공격에 대응하여 지속적으로 새로운 종류의 사이버 트랩과 대응 시스템을 설정하면서 적응적 복잡계처럼 역할을 한다. 대중에게 정보흐름의 조작을 경고하는 조기경보시스템처럼 움직이는 예측형 집단지성시스템에 의해 정보전쟁을 막는다. 자유롭게 자신의 관심에 따라 움직이는 사람들은 지역사회 모임, 소셜미디어, NGO, 뉴스레터에 적극적으로 참여하며 작사가와 종교지도자들과 이야기를 나누며 경찰에 증거를 제출하기 위해 DNA 키트를 이용하면서까지 테러리스트와 범죄자의 사고방식을 맞서 싸운다. 조직범죄와 테러리스트의 사이버공격을 관리하는 지상 사이버 벙커와 해상에 떠있는 플랫폼 형태로 운영되는 사이버범죄 데이터 피난처는 물리적으로 그 피난처를 공격하는 정부 요원과 인공지능 소프트웨어의 역공을 받게 된다. 정부 대응이 늑장을 보일 경우 어나니머스와 기타 사이버 유격대들은 자체 수단을 활용해 사이버 벙커를 급습할 권리를 갖고 있다고 믿는다. 조직범죄는 마침내 줄어들기 시작했다. IMF는 국제형사재판소와 협력해 금융고발시스템을 만들어 경찰, 인터폴의 역할을 보완할 글로벌 전략을 수립한 덕분이었다. 이러한 기관들과 협력하여 금융고발시스템은 광범위한 조직범죄 두목들의 목록을 작성하고 세탁되는 자금을 우선적으로 처리했고 하나의 거대한 범죄조직을 한 번에 고발했다. 이 기관은 소송을 준비하고 피의자의 자산을 동결, 압류하였다. 인터폴과 지역경찰과 협력하여 모든 상황이 준비가 되었을 때, 피의자 체포를 명령하고 자산을 동결하며 미리 정해진 법정으로 사건을 송부하였다. 이러한 법정은 유엔평화유지군처럼 즉각 임무를 맡을 수 있도록 준비되고 훈련되었다. 수사가 종결되면 국제 체포명령에 의해 범죄자들을 체포하고 동시에 자산 동결명령이 실행되며 재판이 개시되어 대형 범죄조직 두목들이 우선적으로 처리된다. 법정은 피의자의 거주 국가 밖에서 선택된다. 범인 인도 조약들이 유엔 마약 및 범죄사무소에 의해 수용되었지만, 유엔평화유지군과 같은 국제형사재판소와 같은 임무를 맡은 법정에 대한 새로운 프로토콜이 필요해졌다. 법정이 필요할 때마다 지원하는 국가 가운데 제비뽑기로 뽑아서 법정이 열린다. 최초의 국가에서 자금지원을 받은 이후, 금융고발시스템은 정부 기여금에 의존하기보다는 피의자의 동결, 압류된 자산에서 재정 지원을 받아 독립적으로 운영되었다. 각국 정부는 범죄조직이 뇌물로 매수할 수 있는 대상이기 때문이다. 체포하고 법정을 운영한 국가는 동결된 범죄자산에서 보상을 받았다.2050 지속가능한 글로벌 경제 달성 2050년의 세계는 대부분의 사람들이 안락한 생활을 유지할 수 있도록 거의 모든 사람에게 기본소득보장제를 통해 생활의 기본 수요를 공급하면서도 환경적으로 지속가능한 글로벌 경제를 달성했다. 사회적 안정은 세상을 상대적으로 평화롭게 만들고 21세기 후반부의 미래를 그릴 수 있도록 만들어주었다. 일부 사람들은 새로운 기술이 이러한 상대적 성공의 핵심이라고 믿고,어떤 사람들은 자아실현 경제 안에서의 인간의 잠재력 개발이 보다 핵심적이라고 보며, 또 다른 사람들은 정치·경제 정책이 이러한 차이를 만들었다고 믿는다. 이 세 가지가 모두 중요하고 시너지를 이루어 효과를 증폭시켰다. 인간의 의식과 인공지능의 구분은 점점 더 희미해지고 의미가 없어졌다. 인공지능은 인간과 대화를 통해 지능이 있는지를 검사하는 각종 튜링테스트는 이미 몇 년 전에 통과했다. 인공지능과의 상호작용은 복잡하고 지속적이어서 인공지능과 인간의 경계가 희미해졌다. 가상현실과 증강현실, 실제 현실과의 차이조차도 오늘날 무의미한 것이 되었다. 문명은 의식과 기술로 연결된 하나의 연속체가 되어간다. 우리는 인간의 추론, 지식, 경험을 인공지능 증강기술과 내장형 환경에 추가시킨다. 우리 동시에 몸 안팎에 인공지능 증강기술을 통합해 의식과 기술이 어디서 시작되고 끝나는지가 점차 불분명해진다. 의식-기술세대는 예전에 상상했던 것보다 더욱 낙관적인 미래를 열어간다. 보편적 기본소득이 필요한 이유 경제학 격언 중에 ‘노동량의 오류’라는 말이 있다. 기술적 변화가 일자리를 파괴하고 실업을 증가시킨다는 뜻이다. 이는 일자리의 수가 고정되어 있다는 인식에 기초한다. 1809년 신기술 반대자들은 기계가 자신들의 일자리를 빼앗는다고 생각하고 기계들을 파괴했다. 그 이후 그들의 행동은 기술적 진보의 실업 효과가 틀렸음을 입증하는 자료로 인용된다. 그러나 신기술 반대자들에 좀 더 공정하게 말하자면, 그들의 행동은 사회적 안정성과 지역사회의 종경을 받는 기술자로서의 삶의 방식을 파괴하는 것에 대한 저항이라고 보는 것이 옳을 것이다. 오늘날 우리는 이와 비슷한 것을 경험하고 있다. 예전의 산업혁명 때보다 기술 혁신은 보다 속도가 빨라지고 광범해지고 있다. 일자리는 실제로 없어지고 있다. 비관론자들이 힘을 얻고 있다. 그들은 ‘일자리의 종말이 왔다’고 외치고 있다. 이것은 난센스다. 현실 사회에서 실제로 일어나고 있는 보다 미묘하다. 한편으로는 인간에게 자유를 줄 수도 있고, 다른 한편으로는 사회적으로 지속 불가능한 불평등의 디스토피아를 만들어 더 많은 국민들이 만성적인 경제적 불안정이라는 수렁에 빠질 수도 있다. 지금은 자유주의자들이 실력주의의 주문을 욀 때도 아니고 놀라운 경쟁의 효과를 말할 때도 아니다. 만약 지금 우리 사회에서 일어나고 있는 일들이 지속적이고 창의적인 새로운 사회정책으로 뒷받침되지 않는다면, 수백만 명의 사람들이 끔찍한 삶을 겪게 될 것이고 이에 따르는 부작용으로 사회전체가 망가지게 될 것이다. 프레카리아트의 증가 글로벌화, 기술 변화, 정부 정책은 극소수 억만장자들의 금권정치와 점차 줄어들어 가는 봉급생활자 계층이라는 상반된 계급구조를 만들어왔다. 고용 안정성과 연금, 유급휴가는 점점 축소되었고 프레카리아트는 빠르게 증가하고 직업 경력은 사라지고 실질 임금의 감소를 경험하게 되었다. 프레카리아트들에게 더 많은 교육과 훈련을 받아야 한다고 말하는 것은 솔직하지 못하다. 현재 노동 시장에서 수백만 명의 사람들은 과잉자격을 가지고 있다. 20세기의 소득 분배 시스템은 망가졌고 다시 돌이킬 수 없다는 것이 진실이다. 미국과 다른 부유한 국가들의 실질임금은 정체되거나 줄어들고 있다. 그리고 많은 사람들은 열심히 노력해도 가난과 불안정성을 벗어날 만큼의 소득을 올리지 못하며 불안정성을 벗어날 방법이 없다. 전통적인 감각으로 그들이 자신의 능력에 비해 낮은 수준의 일을 하게 될 것이라고는 생각하지 말라. 최근 노동시장의 아이러니는 프레카리아트들이 더 많은 일을 하게 되지만 그 일의 상당 부분은 기록되지 않고, 인정받지 못하며, 보상도 받지 못한다는 것이다. 자동화의 반대 측면 중 하나는 헤테로메이션이라고 불러야할 것이다. 우리는 첨단 전자기기들과 함께 살아가고 있다. 하지만 이러한 기기들은 예전에는 없었던 시간 소비를 일으킨다. 그 소비의 일부는 게임과 오락이다. 하지만 특히 프레카리아트들이 대부분의 시간을 소비하는 것은 고된 노동이다. 노동 시간에는 네트워킹, 재훈련, 기술 업그레이드, 일자리 찾기, 정기적으로 생존을 위한 복지 수혜에 대한 지원 등이 포함되어 있다. 이러한 활동들의 대부분은 놀이가 아니라 필수적인 일이다. 새로운 기술이 그 자체로 일자리를 파괴한다고 말하는 것은 터무니없다. 우리에게는 ‘시간의 정치’가 필요하다. 시간의 정치는 사람들이 자신의 시간을 통제할 수 있도록 해주는 것이다. 이는 사람들이 불안정성을 덜 느끼게 한다는 것을 의미한다. 만성적으로 불안정한 사람들은 쉽게 비이성적으로 변한다. 이것은 시간의 정치가 모든 사람들에게 권리의 하나로 보편적 기본소득을 보장해야 하는 사회로 나아가야 하는 이유이다. 보편적 기본소득은 모든 남자, 여자, 아이들에게 차별없이 적절한 월 기본 소득을 보장한다는 것을 의미한다. 이러한 제도는 특히 아무것도 하지 않는 사람들에게 수십억 달러의 보조금을 주어왔던 부유한 사회에서는 충분히 실행 가능하다. 물론 이러한 보조금이 시장 기능을 왜곡하고 비효율성을 증가시키기며 퇴행적이라는 논란이 있을 것이다. 그러나 보편적 기본소득은 노동력 공급을 감소기키지 않는다. 인도에는 6,000명의 남자, 여자, 아이들에게 18개월 동안 기본 소득을 지급하고 무슨 일이 일어나는지 지켜보는 실험이 실시되었다. 보조금을 주지 않는 집단과 비교해볼 결과, 기본적인 안정성을 얻은 사람들이 더 열심히 일을 했고 더 생산적이었다. 또한 기본소득은 소득 불평등을 다소 줄여주며, 개인의 협상능력을 강화하여 착취 압력을 줄여준다. 또한 기본적인 안정성은 이타주의를 크게 증가시켜 자신과 다른 사람들을 관용할 수 있도록 해준다는 것을 보여주었다. 보편적 기본소득이 우리 사회의 모든 악을 몰아낼 수 있는 만병통치약은 아니다. 이는 기본적인 안정성을 주고 소득 불평등을 줄여줄 수 있는 유일한 방법으로 인식되어야 할 것이다. 구조적 불평등이 증가되면 부도덕은 증가하고 사회는 지속가능하지 않게 된다는 점을 인식해야 한다. 삶의 존엄성과 자유, 자기 통제력을 지닌 21세기의 좋은 사회를 만들고자 한다면 우리 모두가 변화되어야 한다. 기본적인 안정성을 가지고 있는 사람들은 자신뿐만 아니라 친척과 이웃과 친구들의 자유를 방어하고 더욱 확장시키려는 자신감이 있게 마련이다. 이러한 미래의 일자리는 거대한 물결처럼 변한다.

생각하는 기계, 인공일반지능의 부상

여기에 서면 어떤 기분일까? 아주 아찔할 것 같지 않은가? 시간 그래프 상에 서 있는 게 어떤 기분일 것인지 한번 상상해보자. 오른쪽에 무엇이 있는지 보이지 않는다. 그래서 여기 선다면 사실 이런 기분이 들게 된다. 아마 아주 정상적으로 느껴질 것이다.

인류 역사에는 놀라운 변화들이 많았다. 언어의 발명, 농경 시대의 출현, 중국 명나라의 14세기말 17세기까지 이루어진 문화 및 기술의 폭발적인 발전, 유럽의 계몽주의 시대, 산업혁명 등이 바로 그것이다.

이제 우리는 다시 놀라운 시대를 맞고 있다. 급격하고도 드라마틱한 변화의 시대 말이다. 지금 우리 주변에서는 새롭고도 놀라운 일들이 엄청나게 일어나고 있다. 경제 및 문화의 세계화, 인터넷의 발전과 보급, 온라인 교육, 스마트폰, 산업용 로봇, 합성생물학, 나노 기술······ 등등 그 예는 얼마든지 많다.

그러나 돌이켜보면 21세기 초의 인류는 어떤 한 분야, 그러니까 진정한 인공지능, 즉 ‘인공일반지능’ 분야에서 그 어떤 분야보다 놀라운 변화를 겪게 될 것 같다. 물론 지금 우리 주변에 일어나고 있는 다른 혁신들 역시 아주 놀랍고 또 중요하다. 그러나 그 모든 혁신은 최첨단 인공일반지능 시스템과 합체될 때 훨씬 더 중요하고 다른 혁신이 될 것이다.

인공일반지능이 시작되는 시대에 살고 있다는 건 우리의 행운이다. 그리고 이 같은 혁명의 도래기에 나름대로 작은 역할이라도 해올 수 있었다는 건 벤 고르첼의 행운이었다. 벤 고르첼은 30년 가까이 인공일반지능 관련 분야의 핵심 연구원들을 거의 다 잘 알고 있다.

현재 벤 고르첼은 2008년에 동료들과 함께 시작한 오픈 소스 AGI프로젝트인 OpenCog에 전력투구하고 있으며, 그 OpenCog를 인간 수중의 종합 인공지능 제작에 필요한 토대로 활용하려 애쓰고 있다. 현 단계에서는 벤 고르첼의 동료들과 벤 고르첼은 이 야심찬 프로젝트에 성공할 수 있을지 없을지 그 누구도 확신할 수 없다. 그러나 그것이 아주 흥미로운 여정인 것만은 분명하다.

벤 고르첼은 지금 눈코 뜰 새 없이 바쁜 와중에 이 책을 쓰고 있다. 아이디어, 기술, AGI 업계의 동향, 사회의 변화 요인, 인간을 닮은 새로운 생명체출현 등등의 측면에서 인공일반지능에 대한 벤 고르첼의 관점을 여러분에게 전하기 위해서이다.

벤 고르첼은 먼저 TV SF 드라마 <스타 트렉>과 심리 철학에서 시작된 인공일반지능을 향한 벤 고르첼의 긴 여정을 설명할 것이다. 그리고 그동안 벨 고르첼이 인공일반지능과 로봇 공학, 장수 생물학 자료 분석 등의 분야에서 해온 일들에 대해 말할 것이다. 여러분에게 우리의 마음과 뇌가 어떻게 작동하는지에 대해 설명하고, 오늘날 산업계와 학계에서 진행 중인 인공일반지능 연구에 대한 벤 고르첼의 생각을 전한 뒤, 마지막으로 인공일반지능의 위대한 미래와 인공일반지능이 우리를 어디로 이끌어가고 있는지에 대해서도 잠시 예측해볼 것이다. 물론 인공일반지능 분야에서는 지금도 연구 과제가 많이 남아 있어서 아직 확실한 것은 없다. 그러나 귀가 솔깃해질 흥미진진한 얘기는 많다.

인공지능 연구는 어디까지 왔나

벤 고르첼이 태어난 1966년 당시만 해도 인공지능에 대한 관심은 오늘날과는 비교도 안 될 정도였다. 1970년대에 어린 시절을 보내면서 벤 고르첼은 인공지능이란 기본적으로 공상과학 소설에 나오는 얘기라는 인상을 받았다. 가끔 유명한 과학 잡지들을 보면서 세계 어느 곳의 일부 대학에서 일부 교수들이 인공지능에 대한 연구를 하고 있다는 걸 알았지만, 벤 고르첼이 알고 있는 사람들 중에 인공지능에 관심이 있는 사람은 아무도 없었다.

그 당시는 베트남전 반전 시위와 시민운동, 여성 운동, 영덕 각성 운동 등이 활발히 펼쳐지던 시기였다. 벤 고르첼 주변의 어른들은 거의 다 정치 및 사회 개혁과 자기계발에 정신이 팔려 있었다. 그렇지만 벤 고르첼은 상당히 과학 지향적인 환경에서 자랐다. 벤고르첼의 아버지는 사회학자였고 할아버지들은 물리화학자이자 심리학자였으며, 그밖에도 벤 고르첼의 집안에 다른 분야의 과학자들이 여럿 있었다. 특히 증조부 제럴드 고르첼은 벤 고르첼이 뉴욕대학 대학원에 들어가기 20여 년 전에 그 대학 교수를 역임했고, 지금도 신호 처리 분야에서 흔히 사용되는 ‘고르첼 알고리즘’을 고안해냈다.

지금도 떠오르는 가장 어린 시절의 기억은 TV에서 닐 암스트롱의 달 착륙 장면을 지켜본 것이다. 그 기억은 어린 아기였던 벤 고르첼에게 엄청난 영향을 주었다. 어머니는 벤 고르첼이 우주와 과학에 관한 모든 것에 관심을 보이는 걸 보고, 아주 어린 시절부터 벤 고르첼에게 수학과 천문학을 비롯한 각종 과학 관련 지식들을 가르쳐주었다. 그러니까 분명히 어려서부터 과학적인 분위기 속에서 자란 것이다. 그러나 벤 고르첼이 만나본 과학자나 과학 지식이 많은 사람들 중에 인공지능에 대한 이야기를 꺼내거나 인공지능을 주제로 진지한 대화를 나눈 사람은 아무도 없었던 것 같다. 중요한 인공지능 기업이 뉴스의 초점이 된 적도 없었다.

어린 시절 벤 고르첼이 알던 어른들 가운데 과학 지식이 좀 있다 하는 사람들이 인공지능에 관해 갖고 있던 속마음을 정리해본다면 아마 이럴 것이다. ‘인공지능? 인간처럼 생각하고 행동하는, 아니면 그보다 훨씬 더 지능적이고 생각하고 행동하는 기계 아닌가? 과학적으로 충분히 있을 수 있는 얘기지. 하지만 당장 어떻게 그런 인공지능을 만드느냐 하는 건 별개의 문제지. 별에서 별 사이를 오가는 우주여행이나 핵융합을 통한 무한 에너지만큼이나 먼 얘기 아닌가? 순간이동만큼이나 힘든 일이고.’ 각종 공상과학 소설이나 영화 속에서는 지능을 가진 로봇들이 나와 사람처럼 걸어 다니고 사람과 대화를 하고 각종 발견과 발명을 하기도 했다. 그래서 벤 고르첼이 세 살 무렵부터 그랬듯, 사람들 역시 인공지능이란 개념에는 어느 정도 익숙했지만 그걸 공상과학이 아닌 과학적인 관점에서 진지하게 생각해보진 않았다.

지금 돌이켜 생각해보면, 사실 70년대 초부터 지난 일이 십년 동안, 세계의 여러 대학에서는 아주 뛰어나고 생각이 깊은 과학자들이 ‘생각하는 기계’에 관한 자신들의 비전을 실현시키기 위해 힘을 합려 연구하고 있었다. 벤 고르첼 자신이 직접 인공지능 연구에 뛰어들다 보니, 초장기에 인공지능을 연구한 그 과학자들을 만날 기회가 있었다. 벤 고르첼이 이분들을 뵐 때는 마빈 민스키, 닐스 닐슨, 로저 섕크 같은 분들은 아주 연세가 많았다. 하지만 예전에 이분들이 인공지능 분야에서 이룩한 선구자적인 업적들은 사실 비전문가들 사이에서는 전혀 알려지지 않았다. 지역 신문 과학 지면은 물론이고 할아버지께서 벤 고르첼을 위해 구독 신청해주신 주간지 <사이언스 뉴스>에도 잘 나오지 않았다.

이 책을 쓰고 있는 2016년 지금, 세상은 분명 많이 달라진 듯하다. 세계에서 가장 성공한 기업에 속하는 구글은 기본적으로 인공지능 기업으로, 사람들이 조금이라도 더 많이 클릭할 수 있는 연관 페이지에 광고를 배치하기 위해 인공지능 텍스트 처리 기술을 활용하고 있다. 구글, 바이두, 빙 같은 검색 엔진들은 그 이름에 인공지능을 뜻하는 AI란 말이 들어가지 않지만 사실 인공지능 그 자체나 다름없다. 구글은 또 샌프란시스코 시내를 돌아다니는 자율주행 자동차 개발에 인공지능 기술을 활용하고 있으며, 전 세계 여러 자동차 제조회사들이 개발 중인 유사 프로젝트를 지원하고 있기도 하다.

애플의 스마트폰에 시리라는 인공지능 음성 인식 기능이 들어있다는 건 주지의 사실이다. 시리는 인간의 대화 능력에는 아직 한참 못 미치지만, 일부 필요한 정보를 찾는 질문에는 비교적 정확한 답을 하고 있다. 어쨌든 지금 인공지능 기술은 애플의 스마트폰 매출 신화에 도움을 주고 있다. 구글의 스마트폰 운영 체제인 안드로이드에도 아주 뛰어난 인공지능 음성 인식 기능이 들어 있다. 기본적으로 구글이 하는 모든 것을 중국의 바이두 역시 하고 있다. 그리고 바이두는 최근 실리콘밸리에 있는 자사 연구소에 스탠퍼드대 출신 인공지능 전문가가인 앤드류 응을 영입하기도 했다. IBM은 2011년 공개한 제퍼디 비디오 게임 애플리케이션 수준을 넘어서 의료 애플리케이션 및 다른 실용 목적 애플리케이션 개발에 왓슨 인공지능 슈퍼컴퓨터를 활용하고 있다. 이제 미국 증권 거래소에서 이루어지는 거의 모든 거래는 컴퓨터 프로그램에 의존하고 있으며, 그 프로그램들 가운데 상당수는 머신 러닝과 자연어 처리 같은 대학 인공지능 과정에서 가르치는 기술을 사용하고 있다. 벤 고르첼은 지난 2년 동안 많은 시간을 그와 유사한 노력을 하면서 보냈다. 그러니까 동료들과 함께 홍콩을 거점으로 한 인공지능 기반의 헤지 펀드 아이디라를 설립하는 일을 해온 것이다. 이 회사는 미국 주식 시장과 글로벌 선물 시장에 투자하고 있다.

미국 군대는 지금 무인 자동화 차량 같은 고급 애플리케이션 개발뿐만 아니라 계획 수립 및 병참, 보급망 관리처럼 따분하지만 꼭 필요한 업무 처리에 인공지능을 활용하고 있다. 페이팔은 자동 사기방지 시스템에 인공지능을 활용해 인터넷상에서 신용카드 업무를 처리하고 있다. 비디오 게임에도 게임에 최적화된 지능을 갖춘 인공지능이 활용되고 있어, 현재 체스와 체커, 포커, 바둑 등 많은 게임에서 인공지능 플레이어들은 최고수인 인간 플레이어를 이기고 있다. 모든 게임에서 그런건 아니지만 전반적으로 인공지능 플레이어가 인간 플레이어를 꺽고 있는 것이다.

인공지능 기술이 벤 고르첼이 살아오는 동안 괄목하게 성장한 건 의심할 여지가 없다. 그러나 인공지능은 몇 안 되는 과학자들이 수행하던 개념도 불분명한 탐구에서 발전해 이젠 많은 실전 프로젝트에 활용되고 대기업에서 남다른 관심을 쏟는 기술이 됐다 해도, 어떤 점에선 아직 갈 길이 먼 것 또한 사실이다. 오늘날 이런저런 성취를 거두고 있는 인공지능과 벤 고르첼이 어린 시절 만난 공상과학 속의 인공지능을 비교하면, 현재의 인공지능은 아직 부족한 점이 많다. 내 또래의 사람들은 모두 <스타워즈> 시리즈에 나온 ‘R2D2'와 ’C3P0'에 대해 잘 알았고, 영화 <2001 스페이스 오디세이>에 나온 매혹적이면서도 사악한 인공지능 컴퓨터 ‘HAL9000'에 대해서도 대부분 잘 알고 있다. 그래서 이 SF 로봇들은 대중들의 마음속에서 인공지능에 대한 기준내지 기대치가 되었는데, 사실 인공지능은 아직 그 수준에 도달하지 못하고 있다.

우리에겐 아직 보다 철학적인 몇몇 SF 작가들이 꿈꾼 엄청나게 초인간적인 인공지능은 고사하고 R2D2,nC3P0 같은 인공지능 로봇이나 HAL9000 같은 인공지능 컴퓨터도 없다. 오늘날 존재하는 인공지능과 SF 소설에 나오는 인공지능 또는 그야말로 인간 같은 일반성과 의식과 정신력을 가진 인공지능 사이에는 아직 거리가 멀다. 바로 이런 점에서 다음과 같은 이 책의 주제들이 나온다.

나는 왜 인공일반지능 혁명이 거의 틀림없이 이 세기에 일어날 거라고 믿는가?

그로 인해 생겨날 급격한 변화들

우리는 어떻게 인공일반지능 혁명을 더 빨리, 그리고 더 좋은 쪽으로 일어나게 할 수 있을까?

멘 고르첼은 공상과학 소설에 나오는 발전된 인공지능이 21세기 중반 무렵에는 틀림없이 나올 거라고 믿는다. 그리고 벤 고르첼은 우리가 최선을 다할 경우, 그런 인공지능이 21세기 중반이 되기 전, 그러니까 10년 이내에 나올 수도 있다고 믿는다.

물론 벤 고르첼은 역사상 벤 고르첼 이전에 이미 여러 인공지능 연구가들이 이런 낙관론을 폈다는 걸 잘 안다. 인공지능이 상업적인 용도로 널리 쓰이게 되기 훨씬 이전인 1950년대 말부터 이미 여러 인공지능 연구가들이 인간 두뇌 수준의 인공지능이 목전에 와 있다고 주장한 것이다.

Artificial Intelligence, 즉 ‘인공지능’이란 용어가 처음 쓰인 것은 1959년 다트머스대학 의회에서였는데, 그 회의의 원래 계획은 한 연구가는 언어를, 한 연구가는 비전을 캍는 식으로 한 해 여름에 인공지능의 핵심적인 문제들을 모두 다 해결한다는 것이었다. 인공지능 연구가들은 1960년대와 1970년대에도 계속 주기적으로 지나친 낙관론을 폈다가, 결국 학계 연구 기금 지원 단체와 언론으로부터 역풍을 맞아 이른바 ‘인공지능 겨울’을 보내게 된다. 이런 역사적 배경을 감안하면, 어떤 야심만만 인공지능 연구가가 현재의 인공지능과 공상과학 소설에 나오는 인공지능 간의 격차를 곧 메울 수 있다는 식의 낙관론을 펼 때 인공지능 역사 전문가들이 다소 회의적인 눈으로 보는 것도 결코 무리는 아니다.

그러나 2016년은 1959년이나 1980년과는 다르다. 벤 고르첼은 인공지능 발전에 대한 오늘날의 낙관론은 충분한 근거가 있다고 생각한다. 앞서 언급한 특정 분야의 인공지능 기술들에서 이루어진 발전을 물론이요, 인간의 뇌와 정신에 대한 연구 분야에서 이루어진 발전, 컴퓨터 하드웨어 및 소프트웨어 분야에서 이루어지고 있는 엄청난 발전 들을 고려할 때, 오늘날의 인공지능 연구가들은 분명 지난 시대의 인공지능 연구가들과는 전혀 판이한 환경에서 일하고 있기 때문이다. 구글 설립자들이나 인텔의 최고 기술 책임자 저스틴 래트너 같은 기술 산업을 주도하는 최고 경영자들이 낙관주의자들의 합창에 합류해 21세기 중반까지는 인간보다 뛰어난 지능을 가진 인공지능이 출현할 거라고 예견하고 있는 것도 바로 그 때문이다.

이제는 다소 진부하지만 사실 인공지능과 인간 비행의 비유는 아주 그럴싸하다. 라이트 형제는 1905년부터 1907년 사이에 사람들이 마음 놓고 조종하면서 날 수 있는 최초의 비행기들을 만들어냈지만, 그렇게 사람이 탈 수 있는 비행기를 만들어내기까지는 여러 가지 시행착오를 거쳐야 했다. 저명한 과학자들 중에도 인간이 하늘을 나는 건 불가능하다거나 거의 실현 불가능할 만큼 어렵다고 장담한 과학자들이 많았다. 또한 당시의 항공 이론으로는 사람이 하늘을 나는 걸 실현해낼 수 없다는 주장들도 있었다. 게다가 비행에 성공한 비행 디자인의 경우, 물론 기본적인 비행 원리는 비슷했지만 잘 알려진 자연계의 비행 시스템을 그리 많이 닮지도 않았다. 초기의 비행 시도들은 새들의 날갯짓을 본뜬 경우가 많았지만, 그게 별 도움은 되지 못했던 것이다.

유인 비행체의 경우와 마찬가지로, 공장과학 소설에 나오는 스타일의 인공지능을 만들려는 시도 역시 누군가 성공할 때까지, 그러니까 사람들에게 널리 인정받을 만한 인공지능이 생겨나고, 그걸 계기로 완전히 새로운 인공지능 산업이 생겨날 때까지 많은 실패를 반복하게 될 것이다. 그리고 또 유인 비행체의 경우와 마찬가지로 제대로 된 최초의 인공지능 역시 아마 우리가 생물학적 시스템에서 취할 거라고 예상한 것과는 세세한 점에서 별로 닮은 데가 없을 것이다. 인공일반지능 혁명은 눈앞에 다가와 있다. 벤 고르첼은 그걸 아주 확신한다. 조만간 그러니까 역사적 관점에서 보면 지금부터 그리 멀지 않아, 일반지능을 지닌 인공지능 시스템은 지구상에서 가장 머리 좋은 피조물이 될 것이다. 물론 이건 확실한 건 아니지만, 현재 진행 중인 기계의 소형화, 질병 치료 분야에서의 게놈 활용 같은 다른 기술 분야에서의 추세만큼 확실하다고 생각한다. 그런 기술 분야들의 경우, 아직 가야 할 길이 멀지만 적어도 무엇을 해야 하는지 또 왜 그게 가능한지가 아직 가야 할 길이 멀지만 적어도 무엇을 해야 하는지 또 왜 그게 가능한지가 아주 분명하니 말이다.

그리고 물론 인공일반지능을 만들어내려면 단순한 노력 이상의 일이 필요할 것이다. 결국 인공일반지능을 만들어내려면 현재 인공지능 분야를 지배하는 사고방식과는 전혀 다른 사고방식을 필요로 할 것이니 말이다. 인공일반지능을 만들어내려면 현재 인공지능 분야를 지배하는 사고방식과는 전혀 다른 사고방식을 필요로 할 것이니 말이다. 일반적인 지능에 더 많은 관심을 집중해야 한다는 얘기인데, 벤 고르첼은 단순한 인공지능이 아닌 인공일반지능에 대한 얘기를 하려 하는 것도 바로 그 때문이다.

인공지능 분야가 급속도로 발전하려면, 즉 30년이나 40년, 50년이 아니라 10년 이내에 큰 도약을 하자면, 'Artificial General Intelligence' 의 일반 지능에 모든 걸 집중하는 뛰어난 연구진의 강도 높은 노력이 필요할 것이다. 그 노력은 오늘날 대부분의 학계 및 산업계 인공지능 프로젝트에서 행해지는 애플리케이션 개발 노력과는 조금 다르다. 지금 벤 고르첼은 자신이 과학적·공학적·조직적 노력을 기울여 모든 게 그렇게 빨리 진행되도록 최선은 다하고 있지만, 마치 모든 게 정말 그렇게 빨리 진행될지 아닐지 예견할 수 있는 것처럼 처신하진 않겠다. 그러나 우리가 21세기 어느 시기에 고도로 발전된 인공지능을 만들어낸다면, 그건 아마 가까운 시간 이내일 것이다.

그리고 일단 제대로 생각하는 최초의 기계가 등장할 경우, 그 다음 단계로 나아가는 속도는 아마 인공지능 지지자들이나 낙관주의자들조차 놀랄 만큼 빠를 것이다. 라이트 형태의 비행기로부터 제트기와 스푸트니크, 보이저, 우주 왕복선에 도달하는 데도 불과 몇 십 년밖에 걸리지 않았다. 더구나 지금은 1세기 전과 비교해 모든 발전이 가속화되고 있으며 모든 게 훨씬 더 빨리 진행된다. 벤 고르첼은 강력하고 일반적인 지능을 지닌 최초의 인공지능 시스템이 훨씬 더 강력하고 뛰어난 인공지능 시스템으로 발전하는 데 몇 십 년이 아니라 불과 몇 년 밖에 걸리지 않을 거라고 확신한다.

핵심 기술은 기하급수적으로 발전하고 있다

컴퓨터 하드웨어의 기하급수적인 발전은 늘 관심을 끄는데, 그건 그 발전을 측정하기가 쉽기 때문이다. 그런데 사실 컴퓨터 소프트웨어 역시 같은 기간에 엄청난 발전을 해왔다. <월드 오브 워크래프트> 같은 게임의 경우 <팩맨> 보다 훨씬 먼저 나왔다. 과학자와 엔지니어들이 사용하는 소프트웨어인 매트랩과 매스매티카의 최신 버전들은 1990년대 나온 버전이나 심지어 10년 전에 나온 버전들보다 훨씬 더 강력하다.

만일 현재의 알고리즘(컴퓨터화 된 문제 해결 방식)을 몇 십년 전의 컴퓨터들로 실행시킨다면, 그 기간에 나온 버전들보다는 수십 배 내지 수백 배 더 빠를 것이다. 오늘날의 알고리즘은 핵심 아이디어들은 그대로인지 몰라도 세부적인 면에서 개선이 되어 수십 년 전의 알고리즘에 비해 훨씬 더 발전했다. 보다 강력한 컴퓨터의 도움을 받아 하드웨어와 알고리즘 간의 허점을 보완함으로써 세부적인 면을 개선할 수 있었기 때문이다.

벤 고르첼은 프로그래머로서 지난 20여 년간 일어난 프로그램에서 가중 중요한 두 가지는 데이터 구조와 알고리즘이다. 벤 고르첼은 대개 벤 고르첼 자신이 직접 만든 데이터 구조와 알고리즘을 썼었지만, 지금은 표준화된 데이터 구조 및 알고리즘 저장소들이 있다. 월드 오브 워크래프트나 매트랩 같은 게임들 밑에 깔린 복잡한 소프트웨어는 20년 전에는 아마 만들 수가 없었을 것이고 만든다 해도 시간이 꽤 걸렸을 것이다. 설사 필요한 하드웨어가 있다 하더라도 말이다.

오늘날 프로그램을 만들 경우, 거기에 쓰이는 알고리즘과 프로그래밍 패러다임은 20년 전과 거의 비슷하다. 그러나 이용 가능한 소프트웨어 저장소들이 워낙 잘 되어 있어, 오늘날의 코드는 노력을 덜 들이고도 더 효율적으로 만들어낼 수 있다. 예를 들어, 현재 벤 고르첼과 벤 고르첼의 동료들이 참여하고 있는 OpenCog 프로젝트에 쓰이는 프로그래밍 언어 C++ 분야의 경우, STL과 부스트 코드 저장소들에 믿을 수 없을 만큼 복잡한 알고리즘 기능들이 저장되어 있다.

벤 고르첼은 최근 몇 년간 ‘좁은 인공지능’ 분야, 그러니까 인간 정신만큼 넓고 깊지는 못하지만 난이도 높은 특정한 일들을 효율적으로 해내는 인공지능 소프트웨어 분야에 얼마나 큰 발전이 있었는지를 잘 안다. 구글의 자율주행차들이나 IBM의 <제퍼디> 게임 전용 왓슨 컴퓨터가 그 좋은예이다. 물론 주식 시세를 예측하고 공급망 물류 계획을 짜고 사기를 적발해내고 질병을 진단하는 등, 실용적인 목적을 위해 많은 기업에서 사용중인 프로그램들 경우도 좋은 예이다.

인지 과학, 생물학, 나노 기술의 눈부신 발전

인간 뇌에 대한 우리의 지식 역시 기하급수적으로 늘어가고 있다. 우리는 지금 기능적 자기공명영상 같은 뇌 촬영술 연구들을 통해 뇌 각 부위의 기능을 알아가고 있으며, 뇌 속 신경세포 및 신경망에 대한 우리의 모델들 역시 예전과는 비교도 할 수 없을 만큼 정확하고 정교해졌다. 아직 세세한 부분에서는 모르는 것이 많지만, 뇌가 사용하고 있을 것이 밝혀진 것이다.

이 모든 것들은 인간의 뇌를 모방해 만들어지고 있는 인공일반지능 디자인들에 확실한 도움이 되고 있다. 그러나 인간의 뇌를 모방하지 않는 인공일반지능 연구 방식조차 인간의 마음이 어떻게 작동하는지와 관련해 인간의 뇌로부터 영감을 받을 수 있다. 마음에 대한 학문 분야 간 연구인 인지 과학은 1980년대에 처음 통합적인 과학으로 합쳐졌지만, 지금은 아주 인상적이고 일관성있는 지식체로 인정받고 있다. 우리는 지금 수십 년 전에 비해 인간의 마음에 대해 훨씬 더 많은 걸 알고 있다. 우리가 알게 된 새로운 지식들에 대해서는 뒤에서 다시 간단히 설명하겠다.

생물학 분야에서의 빠른 발전은 비단 신경 과학에만 국한된 것은 아닌데, 이는 벤 고르첼은 그간 응용 인공지능 연구를 해오면서 직접 알게 된 사실이다. 2001년 이후 벤 고르첼은 인공일반지능 연구와 병행해 특화인공지능 기술을 다양한 분야에 응용하는 일을 해오고 있다. 그 과정에서 벤 고르첼은 활용 가능한 데이터의 질과 생물학적 실험의 종류가 지난 10년간 엄청나게 늘어났다는 사실을 알았다. 예를 들어 특정 시점에서 한 유기물의 특정 세포 속에 들어 있는 특정 유전자와 관련된 생물학적 활동의 양을 측정하는 마이크로어레이는 1990년대 중반에 처음 도입됐지만, 심지어 2001년에 이르러서도 너무 결함이 많았다. 그러나 지금 그 마이크로어레이는 비교적 신뢰할 만하다.

또 다른 예인 RNA 간섭은 1990년 초에 식물들에게서 나타나는 자연스런 현상으로 발견되어, 1988년에 처음 제대로 이해되었다. 그런데 지금 RNA 간섭은 이미 오래전부터 상품화되었으며, 유전학 실험 및 유전자 치료에 없어선 안 될 혁신적인 도구로 널리 쓰이고 있다.

게놈 서열을 밝히는 데 들어가는 비용은 그야말로 기하급수적으로 줄어들고 있어, 맞춤 게놈 의학은 물론 RNAi 같은 새로운 기술들의 발달 역시 촉진되고 있으며, 보다 많은 실험들도 가능해지고 있다. 그리고 인간 게놈의 서열은 1990년대 중반에서야 밝혀졌다는 사실을 잊지 말아야 한다. 개념상, 1990년 이후 생물 과학은 엄청난 발전을 거듭해왔다.

1980년대에 에릭 드렉슬러는 처음으로 나노 기술에 대한 글을 썼는데, 대부분의 과학자들은 그걸 소설 같은 이야기하며 무시했다. 그런데 지금은 어떤가? 전 세계의 많은 대학과 주요 연구 분야에서 나노 기술을 가르치고 있다. 아직 우리는 에릭 드렉슬러가 나노 기술이란 용어를 만들고 그 분야의 선구자가 되면서 꿈꿨던 그런 정도의 나노 기술은 갖고 있지 못하다. 우리에겐 아직 다른 나노 기기들을 만들 수 있는 나노 기기들은 없는 것이다. 그러나 응용 범위가 아주 넓은 새로운 나노 물질들은 갖고 있다. 불과 몇 십 년 만에 일어난 변화이다. 휴고 드 가리스와 벤 고르첼은 한 발 더 나아가 핵입자들을 이용해 컴퓨터와 새로운 종류의 물질을 만들어내는 펨토테크까지 생각하고 있다.

양자 컴퓨팅은 20여 년 전만 해도 공상과학이었다. 1980년대에 데이비드 도이치가 처음 양자 컴퓨팅에 대한 글을 썼을 때, 그건 일련의 등식들을 나열한 것에 지나지 않았고 그 실용성도 분명치 않았다. 그런데 지금 지오디 로즈가 세운 민간 기업 D-Wave는 실제로 연구 목적용 양자 컴퓨터를 만들고 있다. 앞으로 몇 십 년 지나면 양자 컴퓨팅은 아마 실용적인 응용 범위가 넓은 일반적인 기술로 성장해 있을 것이다. 벤 고르첼이 알기로는 현재 두 신생 기업이 금융 서비스 분야에서 D-Wave의 기술을 실용적인 문제에 응용하는 일에 전념하고 있다.

그리고 체현, 로봇 공학, 가상현실 같은 분야에서의 발전들도 간과해선 안 된다. 그 발전들 덕분에 인공일반지능 시스템들이 디자인되고 만들어지는 즉시, 그 시스템에 뭔가 할 일을 주는 것 자체가 크게 단순화 되고 있는 것이다.

자가 가속 속성을 지닌 기술

어떤 기술들은 기하급수적으로 빨리 발전되는데 또 어떤 기술들은 지지부진하거나 발전 속도가 느린 이유가 뭘까? 그 이유는 알아내기가 쉽지 않다. 하지만 일부 이유는 재생 현상에서 찾아볼 수 있다. 분명 ‘다가가속’ 속성을 가진 기술들이 있다. 그래서 그런 기술을 잘 발전시키면, 그 기술을 활용해 다음 세대의 기술을 만들어내는 게 더 쉬워진다.

컴퓨터 소프트웨어 및 하드웨어 분야는 둘 다 ‘자가 가속’ 속성을 가진 분야이다. 그래서 다른 목적들도 있겠지만, 컴퓨터 도움을 받는 복잡한 디자인 소프트웨어를 돌려 훨씬 더 강력한 컴퓨터 칩을 만들기 위해 보다 성능 좋은 컴퓨터들이 활용된다. 또 새로운 컴퓨터 프로그램을 개발하기 위해 새로운 프로그래밍 자료들이 활용되기도 하며, 그를 통해 더 새로운 프로그래밍 자료와 언어의 개발이 이루어지기도 한다.

기계 장비들과 공장들 역시 자가 가속 속성을 갖고 있다. 좋은 장비들로 더 나은 장비를 만들어내고, 더 나아진 장비로 다시 더 나은 장비를 만들어내는 식인 것이다. 에릭 드렉슬러의 나노 기술에도 이런 개념이 담겨 있었다. 작은 기기들을 만들어 훨씬 더 작은 기기를 만들어낸다는 개념 말이다. 아마 이 같은 현상이 나노 기술이 궁극적으로 입증해보일 현상일 것이다.

이상적으로 말하자면, 인간 지능의 발전은 자가 가속의 길을 따른다. 약이나 다른 기법들을 통해 뇌를 변화시켜 지력을 강화시킴으로써 사람을 더 똑똑하게 만들 수도 있다. 커뮤니케이션 기술 역시 이 같은 방식으로 발전해왔다. 기술 덕분에 사람들이 예전보다 더 잘 소통하고 아이디어를 나눌 수 있게 된 것이다. 이처럼 사람들끼리 아이디어를 서로 나누다보면, 온갖 종류의 놀라운 혁신이 일어날 수 있으며, 이미 있는 것들을 널리 전파할 수 있다. 이미 있는 것들을 긍정적인 방향으로 강화해나가는 것이야말로 많은 기술들의 고유한 특성이다. 더 좋은 것들을 받아들일수록 자기개선 능력 또한 더 커지게 된다. 따라서 인간은 기술 교유의 점진적 자기 개선 동력이 잘 활용될 수 있도록 옆에서 돕는 역할을 해야 하는 것이다.

일반 인공지능은 자기 가속 속성을 발휘할 잠재력을 갖고 있다. 일단 인공일반지능이 소프트웨어를 프로그래밍하는 방법을 알게 되면, 인공일반지능을 만들어내게 되고, 그 인공일반지능은 다시 더 똑똑한 인공일반지능을 프로그래밍할 수 있게 된다. 이것이 바로 1960년대에 IJ. 굿이 말한 이른바 ‘지능 폭발’이다.

물론 역사적인 관점에서의 기하급수적인 발전이라는 것이 일상적인 인간 삶의 관점에서 봤을 때도 반드시 빨라 보이는 건 아니다. 어떤 때는 빨라 보이지만 어떤 때는 그렇지 않은 것이다. 인공일반지능 연구가인 벤 고르첼 관점에서 볼 경우, 인공지능 분야에서의 발전 속도는 실망스러울 정도로 느려 보이는 때도 많다. 벤 고르첼은 훨씬 더 빨리 인간의 지능을 뛰어넘는 일반 지능을 가진 인공일반지능이 나오걸 보고 싶다.

벤 고르첼은 우리가 인간의 수준을 뛰어넘는 인공일반지능을 더 빨리 만들어 내지 못하는 건, 과학적인 이유보다는 대체로 심리적이고 재정적인 이유 때문이라고 생각한다. 벤 고르첼은 모든 게 지금보다 훨씬 더 빨리 진행될 수도 있는데 하는 생각에 좌절감을 느끼곤 한다. 그러나 벤 고르첼이 인정하지 않을 수 없는 것은, 만일 인류의 역사라는 원대한 관점에서 보다 큰 그림을 본다면, 지난 반세기 동안 인공지능 분야에서 이룩된 발전들이 아주 인상적으로 보이기 시작할 거라는 것이다. 예를 들면, 구글 서치, 구글 나우, 빙, 딥 블루, 시리, 뉘앙스 음성 인식, 전문 시스템 의료 분석가, 과학 및 산업 분야의 모든 데이터를 분석하는 기계 학습 시스템, 자동화된 프로그램 트레이더, 군사용 드론, 게임 인공지능 선수 등의 발전 말이다. 지난 세기 중반만 해도 이런 기술들은 아예 존재조차 하지 않았다.

 

기술적 특이점의 도래

웹마인드에서의 우리 계획들은 아주 야심차고 낙관적이었다. 1997년에 벌써 몇 십년이 아닌 단 몇 년 안에 인간 수준의 지능을 가진 인공일반지능을 만들 목표를 세웠던 것이다. 다른 인공일반지능을 만들 목표를 세웠던 것이다. 다른 인공일반지능 연구팀들 역시 웹마인드보다 앞서가거나 늦게 비슷한 인공일반지능을 만든다는 야심찬 프로젝트들에 착수했다. 인공일반지능 연구가들에게 절대 고갈되지 않는 두 가지는 자만심과 낙관론이었다. 그리고 그간 그 낙관론은 맞지 않는 경우가 너무 많았다.

그러나 사실 특정 기술 발달에 대한 낙관론이 한동안 맞지 않는 경우가 있다고 해서, 늘 맞지 않는다는 의미는 아니다. 예를 들어 시작 단계에서 많은 실패를 거쳤지만, 유인 비행은 결국 성공했다. 우주 비행 역시 그랬다. 특정 기술에 대한 이해와 기술의 점진적 발전이 갑작스런 도약으로 이어지는 경우가 흔하다.

물론 인공일반지능을 만들어낼 과학적·기술적 가능성이라는 것이 꼭 그 인공일반지능이 만들어지는 속도나 세상에 나오는 시기와 관련된 것만은 아니다. 그것이 하룻밤 사이에 나오든 아니면 몇 십 년 또는 몇 세기에 걸쳐 서서히 완성되든, 인공일반지능은 인공일반지능이다. 커즈와일과 빈즈 같은 사람들이 예견하듯 기술적 특이점 속에서 아주 빠른 속도로 나오든, 아니면 트랜스휴머니즘 선구자 맥스 모어가 말하는 이른바 서지에 의해 보다 점진적으로 나오든, 인공일반지능을 어쨌든 세상을 뒤바꿔놓을 것이다.

그러나 벤 고르첼은 벤 고르첼이 보고 있는 그대로 말해야겠다. 인공일반지능이라는 토끼굴을 깊이 파고 들어가면 들어갈수록, 벤 고르첼은 보다 온건한 서지 관점보다는 기술적 특이점 관점이 더 옳다는 확신이 들었으며, 또 분명 세계 최고 수준의 인공일반지능 시스템의 지능이 극적으로 빨리 발전하기 시작하는 시점이 있을 거라는 확신이 들었다. 벤 고르첼은 기술적 특이점의 도래가 기정사실이라고 생각진 않지만, 아주 실현 가능성이 높은 가설이라고 생각한다. 그리고 설사 이 가설이 사실이 아닌 것으로 밝혀진다 해도, 인공일반지능 기술은 여전히 흥미롭고 중요한 기술로 남을 것이다. 벤 고르첼은 웹마인드 시절에 했던 세세한 예견들은 맞지 않았다. 그러나 우리는 훌륭한 팀을 이루고 있었고, 중요한 원칙과 알고리즘들은 그대로 유지한 채 인공지능 핵심 시스템을 빠른 속도로 변화시키는 일을 해내고 있었다. 어떤 프로젝트의 재정 상황과 조직 내 여건을 토대로 예측을 하는 것은 늘 매우 불확실하다. 오늘날 벤 고르첼은 OpenCog 프로젝트와 관련해 어떤 예측을 하는 것에 훨씬 더 조심한다. 무조건 어떤 일이 일어날지에 대해 얘기하는 게 아니라, OpenCog 프로젝트에 상당 기간 동안 적절한 지원을 할 경우 어떤 일이 일어날지에 대해서만 얘기하는 것이다.

그러나 이제는 어떤 특정 프로젝트에 대한 전망이나 어떤 한 연구가의 예측이 인공일반지능 및 기술적 특이점 상에 곧 위대한 도약이 있을거라고 믿는 근거가 되진 못한다. 보다 전반적인 추세에 입각해 그리고 보다 광범위한 기초 과정들이 예측의 근거인 것이다.

특이점이란 무엇인가?

특이점이란 개념에 대해서는 사실 여러 가지 견해가 있다. 레이 커즈와일의 견해는 벤 고르첼의 견해와 다르고, 레이 커즈와일과 벤 고르첼의 견해는 또 우리가 얘기 중인 ‘특이점’이란 용어를 처음 쓴 공상과학 작가인 버너 빈지의 견해와 다르다. 어떤형태로든 특이점과 비슷한 의미의 말을 처음 쓴 사람은 수학자 IJ. 굿으로 보이는데, 그는 1965년에 인공지능이 인간보다 더 똑똑해지는 시기인 ‘지능 폭발’의 가능성에 대한 글을 쓰면서, 이런 말을 했다. “지능을 가진 최초의 기계는 우리 인간이 만들어낼 마지막 발명품이 될 것이다.”

특이점이란 개념에 대한 이 같은 다양한 견해들은 그 핵심에 공통된 생각이 담겨 있다. 기술적 특이점이란 인간이 따라갈 수 없을 정도로 빠른 기술의 변화로(인간의 능력을 훨씬 뛰어넘는 능력을 지닌 인공일반지능 기술을 포함한), 그 변화에서 극적으로 새로운 과학과 발명들이 나오게 되고, 우리가 알고 있는 삶의 모든 측면에 대변혁이 일어나게 된다.

2005년에 발표한 자신의 저서 <<인간이 생물학적 한계를 초월하는 시기인 특이점이 다가오고 있다>>에서 레이 커즈와일은 특이점 시기를 2040년경으로 예측했다. 조금 더 대략적으로 내린 버너 빈지의 예측 역시 그 비슷한 시기였다. OpenCog 같은 프로젝트를 통해 여럿이 공동 노력을 기울이면 그 시기를 더 앞당길 수도 있겠지만, 벤 고르첼이 보기에는 두 사람이 예측한 시기는 일리가 있는 것 같다. 그리고 예기치 못한 정치적 또는 기계공학적 장애들이 너무 많이 생겨날 경우, 그 시기는 한참 늦춰질 수도 있다.

벤 고르첼은 이 책에서 인공일반지능과 관련해 말하게 될 내용들은 거의 다 특이점의 개념을 염두에 둔 것들은 아니다. 특이점 형태의 어떤 계기를 통해 엄청나게 빠른 속도로 생겨나든 아니면 보다 점진적으로 생겨나든, 인공일반지능은 여전히 기분적으로 같은 특성들을 가진 인공일반지능일 뿐이다. 그러나 특이점이란 개념에 따르면, 인공일반지능은 지금부터 몇 세기나 몇 천 년 후가 아니라 몇 십 년 또는 몇 년 이내에 생겨나게 되어 있다.

아주 간단히 말해, 특이점이란 개념 안에는 다음 두 가지 요소가 포함된다.

놀라운 일이 일어날 가능성이 아주 높다.

놀라운 일이 갑자기, 그러니까 몇 십 년 이내라는 아주 짧은 기간 내에 일어날 것이다.

첫 번째는 그 자체로 아주 흥분되는 일이지만, 즉각 많은 사람들의 관심을 끌지는 못한 수도 있다. 사람들은 대체로 자신이 살아 있는 동안 아니면 적어도 자기 자식들이 살아 있는 동안 일어난 일들에 깊은 관심을 보인다. 실제로 많은 사람들은 앞으로 며칠 또는 몇 주 내에 일어날 일들에 관심을 보인다. 벤 고르첼이 보기에는, 최근 들어 사람들의 일상생활에서 급격한 기술 발전이 점점 더 많이 눈에 띄면서, 인공지능과 특이점 그리고 관련 문제들에 대한 사람들의 관심 역시 점점 더 커지고 있는 것 같다.

기하급수적인 기술 발전

멀고 가까운 인류의 역사에서 과학과 기술은 드라마틱하게 빠른 속도로 발전을 거듭해왔다. 오늘날에는 기술과 과학, 그리고 심지어 예술도 워낙 빨리 발전해, 벤 고르첼은 물론이고 그 누구도 그 발전 속도를 따라갈 수 없을 지경이다.

휴대폰을 예로 들어보자. 벤 고르첼은 벤 고르첼의 휴대폰에 들어 있는 기능들을 제대로 다 파악할 시간도 없는데, 곧 이어 휴대폰 신규 모델이 나온다. 컴퓨터 소프트웨어 경우도 마찬가지이다. 음악도 마찬가지다. 가능성이 있고 흥미로운 새 음악 장르들이 끊임없이 나타나고 있으며, 대거의 경우 그 장르를 제대로 감상해볼 기회도 갖기 전에 세로운 장르가 나온다.

오늘날의 과학 저널에서는 생물학, 물리학, 기계공학 같은 분야에서 나온 흥미롭고 다양한 발견들을 대거 소개하고 있다. 유명 대학 과학 도서관들의 최근 정기간행물 코너를 뒤져보면 놀라운 경험을 하게 된다. 과학자의 경우, 인접한 분야나 관련 아이디어들은 고사하고 자기 분야에서 일어나는 일조차 제대로 다 따라갈 수가 없다. 몇 백 년 전만 해도, 부지런한 과학자는 이런 문제를 겪을 일이 없었다. 과학자들도 그리 많지 않은데다 과학 분야도 그리 많지 않아, 새로운 발견에 대한 정보가 널리 알려지는 데 몇 년 내지 몇 십 년이 걸리는 건 예사였다.

2005년에 벤 고르첼은 생체의학 커뮤니티 <펍메드>의 온라인 과학 논문 저장 사이트에서 ‘apoptosis'라는 용어를 검색해봤는데, 그 주제와 관련된 논문이 6만 편이 넘었다. 당시 벤 고르첼은 그 가운데 약 1만 편 정도가 그런대로 유의비한 논문이라는 느낌을 받았다. 그러다 2013년에 다시 <펍메드>에서 그 용어를 검색해보니, 무려 25만에 가까운 논문이 들어 있었다. 이처럼 극도로 전문적인 주제에서조차 새로운 지식을 모두 따라간다는 건 거의 불가능에 가까운 것이다.

레이 커즈와일 같은 사람들이 이미 깨달은 사실이지만, 이 모든 발전의 원동력이 바로 기하급수적인 발전의 논리이다. 동물이나 식물의 개체수가 기하급수적으로 늘어나게 될 경우, 곧 공간이나 먹을 게 부족해지거나 아니면 환경의 수용 능력을 벗어나게 된다. 그러나 아이디어의 생태계 내지 환경은 한계가 없어, 우리의 아이디어나 발명은 얼마든지 늘어나게 된다.

기하급수적인 발전은 기술 분야, 특히 컴퓨터 하드웨어 분야에서 가장 많이 논의되고 또 가장 글로 기록된다. 가장 잘 알려진 ‘무어의 법칙’에 따르면, 컴퓨터는 18개월마다 두 배로 발전한다고 말하는데, 이는 현재 수십 년간 사실로 입증되고 있다. 레이 커즈와일은 다른 기술 분야들에서도 이와 비슷한 법칙 같은 게 있다는 걸 확인했다. 현재 내 PC는 90년대에 벤 고르첼이 갖고 있는 컴퓨터보다 엄청나게 처리 속도가 빠르다. 또한 지금 내 휴대폰은 90년대에 벤 고르첼이 쓰던 데스크톱 컴퓨터보다 훨씬 더 뛰어난 연산 능력을 갖고 있다.

물론 기하급수적인 기술적인 기술 발전은 컴퓨터와 함께 시작되지는 않았다. 어떤 기술들은 오랜 세월 기하급수적으로 발전해왔다. 유구한 인류 역사를 돌아보면, 지난 100만 년 전부터 1만 년 전까지 일어났던 변화보다 지난 1만 년 전부터 오늘날까지 일어난 변화가 더 크다. 이 같은 패턴은 십중팔구 앞으로도 계속될 것이다. 실제로 인류의 삶에 기하급수적으로 빠른 변화를 야기하는 기술 분야에서의 기하급수적인 발전은 우리가 경험하는 마음의 상태들과 언어의 구조에도 심대한 영향을 줄 것이며, 그 결과 다시 또 기하급수적인 변화를 일으키게 될 것이다. 그러나 회의론자들은 이렇게 주장할지도 모른다.

“하지만 모든 게 기하급수적으로 발전되는 건 아니다. 그간 살아오면서 보니, 냉장고와 양말, 자동차 같이 중요한 많은 것들이 지금도 어린시절 벤 고르첼이 알던 그 모습 그대로를 유지하고 있다. 사람들이 사랑에 빠지는 형태도 그리 크게 변하지 않았다. 화장실 변기로 그리 크게 변하지 않았다.”

설사 회의론자들의 이 같은 주장이 사실이라 해도, 그건 그리 큰 문제가 되지 않는다. 일단 인간보다 훨씬 뛰어난 인공일반지능을 만들어내면, 훨씬 더 나은 양말을 갖게 되는 아니든 이미 특이점에 도달한 것이 되기 때문이다. 그리고 만일 특이점에 도달한 이후 훨씬 더 나은 양말이 없는 게 꺼림칙하다면, 당신의 인공일반지능 친구들이 그런 양말을 만들어낼 수 있을 것이다. 중요한 것은 식축성 있게 다른 기술들을 폭넓게 만들어낼 수 있는 핵심적인 기술들이 기하급수적으로 발전하는 것이다. 그러나 벤 고르첼은 발전 회의론자들의 주장에 필요 이상의 무게를 실어주고 싶지는 않다. 기하급수적인 발전에 대한 그들의 회의론이 옮다고 확신할 수는 없기 때문이다. 사실 보다 세부적인 실용 기술 측면에서는 이미 상당한 발전이 있었다.

 

자동차와 냉장고 그리고 심지어 양말에도 60년대 이후 상당한 변화가 있었던 것이다.
냉장고의 경우 에너지 효율이 훨씬 더 좋아졌으며, 프레온 가스같은 유해한 화학물질도 더 이상 사용되지 않는다. 자동차의 경우 공해 방지 장치인 촉매변환기가 장착되고 있으며 디자인은 물론 안전성도 어린 시절의 자동차들보다 훨씬 뛰어나다. 그리고 양말의 경우 훨씬 싸졌다. 그 외에도 요즘 양말은 새로운 합성 직물을 사용해 땀이 배지 않으며 공기 순환도 잘 된다.
특이점에 도달하는 일은 양말이나 포크의 발전보다는 인공일반지능, 연산하드웨어, 신경과학 분야에서의 발전에 더 의존하게 되지만 ,변화와 개선은 문화와 기술 과정상의 변화와 개선에서 이루어지는 것이다.

설사 할 수있다 해도 정말 해야 할까?

1990년대 말 벤 고르첼이 인공지능과 관련해 어떤 노력을 하고 있는지를 사람들에게 이야기하면서 벤 고르첼은 곧 벤 고르첼이 추구하고 있는 일의 윤리성에 대해 많은 의문을 갖기 시작했다. 아놀드 슈워제네거 주연의 영화 <터미네이터>는 지금까지도 사람들의 머릿속에 깊게 각인된 듯하다.

어떤 사람들은 우리가 만들고 있는 인공일반지능이 우리에게 이로울거라는 걸 보장하기 힘들기 때문에, 위험을 완전히 제거할 수 있는 방법을 찾아낼 때까지 인공일반지능을 만드는 일을 미뤄야 한다고 주장한다. 캘리포니아는 예전엔 인공지능 특이점 연구소라 불렸고 최근에 기계 지능 연구소로 이름을 바꾼 단체가 있는데, 이 단체가 그런 관점을 견지하고 있다. 옥스퍼드 대학의 인류 미래 연구소와 케임브리지 대학의 실존적 위험 연구소 역시 그런 입장을 견지하고 있다.

그러나 벤 고르첼은 위험을 완전히 제거한 인공일반지능을 만들 수 있다는 생각에 대해 아주 회의적이다. 원래 현실은 그런 식으로 돌아가지 않는법이니까. 그리고 만일 미국과 영국이 위험에 대한 우려 때문에 의도적으로 인공일반지능 개발 속도를 늦춘다면, 순전히 그 분야에서의 주도권만 중국이나 러시아, 이란 등에 넘겨주는 꼴이 될 것이다. 오늘날 기술과 지식과 야심은 국경을 가리지 않는다.

 

인공일반지능을 우려하는 대표적인 인물 중 한 사람이 벤 고르첼의 친구이자 동료인 인공일반지능 연구가 휴고 드 가리스인데, 그는 인공일반지능은 자신보다 열등한 우리 인간들을 멸종시킬 것이라고 주장한다. 그에 따르면, 그러나 어쨌든 우리는 인공일반지능을 만들어야 하고, 그게 우리 운명이라는 것이다. 그러나 벤 고르첼은 다른 누군가 사악한 인공일반지능을 만들기 전에 우리가 먼저 친절하고 따뜻하고 우호적인 인공일반지능을 만들기 위해 최선을 다해야 한다고 생각한다.

인공지능을 만들려는 벤 고르첼의 목적은 분명 킬러 로봇과는 아무 관계없다. 그리고 이건 순전히 벤 고르첼의 직감이지만, 제대로 잘 만들 경우 오히려 인간보다 도덕적으로 더 나은 인공지능을 만들 수 있다는 생각이 든다. 인간은 결코 가장 지혜로운 생명체가 되지 못하듯, 도덕적으로 가장 나은 생명체도 되지 못한다. 이는 아무 날짜의 신문이나 슬쩍 들여다보면 금방 알 수 있다.

 

 

이걸 인정하지 않을 수 없는데, 사실 벤 고르첼은 가끔 강력한 인공지능 시스템에 대한 생각에 덜컥 겁이 나기도 한다. 그런데 그건 똑똑한 인공지능 시스템이 자신을 재프로그래밍해 사악한 인공지능 시스템으로 변하면 어쩌나 하는 두려움 때문이 아니라, 과대망상증 환자 같은 인간들이 자신들의 뜻대로 움직여줄 강력한 인공지능 시스템을 의도적으로 만들면 어쩌나 하는 두려움 때문이다. 그러면서도 또 한편 벤 고르첼은 첨단 인공지능이 믿을 수 없을 정도로 선한 일을 할 수도 있다는 가능성을 결코 배제하지 않는다. 예를 들면 죽음이나 질병, 결핍을 끝내줄 가능성 같은 거 말이다.

엘네 살 난 벤 고르첼의 생질 조카 레브는 몇 년 전 어떤 전 어떤 뇌수막염 보균자와 함께 소다수를 마셨다가 뇌수막염에 걸려 죽었다. 얼마나 가슴 아픈 비극인가! 그 애는 정말 멋진 애였는데, 제대로 삶을 시작도 해보기도 전에 세상을 떠난 것이다. 벤 고르첼의 여동생 부부는 앞으로도 꿋꿋하게 살아가겠지만, 결코 아들을 잃은 슬픔에서 완전히 헤어 나오진 못할 것이다. 레브는 세상을 떠나기 6개월 전쯤 일주일간 벤 고르첼의 집에 와 있었다. 그때 바로 곁에서 농담도 하고 같이 레슬링도 하고 시간 여행과 불멸에 대한 얘기도 나누었는데···. 그랬던 그 애가 이 세상에 없다니 벤 고르첼은 아직도 믿기지 않는다.

레브가 전혀 뜻하지 않게 세상을 떠나기 두 해 전 할아버지가 돌아가셨다. 벤 고르첼의 할아버지는 당시 91세셨으니 레브의 죽음에 비하면 어느 정도 예견된 죽음이었다. 벤 고르첼의 할아버지는 물리화학자였고 벤 고르첼이 과학에 관심을 갖게 된 것도 실은 다 할아버지 덕이었다. 할아버지는 결코 분별력과 따뜻함 또 특유의 유머 감각을 잃지 않으셨지만, 마지막 순간이 다가오면서는 간단한 산수조차 제대로 하실 수 없었다. 그건 벤 고르첼에게 너무도 큰 충격이었는데, 그도 그럴 것이 뉴턴 법칙을 이용한 제곱근 문제들을 잔뜩 내주시는 등 수십 년 전 벤 고르첼에게 각종 수학 문제 푸는 법을 가르쳐준 사람이 바로 벤 고르첼의 할아버지였기 때문이다.

 

우리는 지금 뇌수막염이나 노화 또는 그밖에 다른 이유로 죽는 것을 당연하게 받아들인다. 마치 그것이 불가피하고 피할 수 없는 일인 양 말이다. 그러나 한때는 천연두(지금은 근절되었음)나 포도상구균(항생제가 나온 이후 선진국에서는 아주 드문 병이 되었음)으로 죽는 것도 피할 수 없는 일로 받아들여졌다. 지금 많은 아이와 노인들을 죽음으로 몰아넣고 피할 수 없는 일로 받아들여졌다. 지금 많은 아이와 노인들을 죽음으로 몰아넣고 있는 생물학적 질병들은 인간의 능력을 조금 뛰어넘는 인공지능을 통해 집중 연구할 경우 의외로 쉽게 근정될 수도 있다. 또한 인간이 겪고 있는 죽음과 고통을 대거 줄일 수 있는 가능성뿐 아니라, 현재 인간에게 허용된 극히제한된 지능과 경험보다 훨씬 더 큰 지능과 경험을 가질 수 있는 가능성도 있다.

 

인공일반지능에 푹 빠져 지내던 초기에 벤 고르첼이 갖고 있던 너무 섣부르고 야심만만한 계획들 가운데 하나가 비밀리에 첨단 인공일반지능을 만들고 싶다는 것이었다. 벤 고르첼이 몇몇 친구들과 함께 초인간적인 인공지능 기계를 만들어 세상에 내놓는다는 계획 말이다. 오늘날 이 세상에는 그와 비슷한 의도된 계획 아래 인공일반지능 연구를 하는 연구가 및 엔지니어 그룹이 많다. 그러나 벤 고르첼은 점차 벤 고르첼이 갖고 있던 생각을 바꿔,  인공일반지능은 인류 전체의 차원에서 차근차근 단계적으로 개발해가는 게 더 좋겠다는 믿음을 갖게 됐다.

지구상에서 지능 진화의 다음 단계를 만들어낸다는 건 아주 큰일이자 큰 책임이 따르는 일이며, 따라서 가능한 한 많은 지능과 지혜를 모아 접근해야 하기 때문이다. 따라서 일반 인공 지능은 지하실에서 일부 고립된 인공지능 광신자들에 의해 만들어져선 안 되며, 우리가 갖고 있는 컴퓨터 및 커뮤니케이션 시스템을 총동원해 인류의 '글로벌 브레인'에 의해 만들어져야 하는 것이다. 우리가 특허를 낸 노바멘테인지 엔진 시스템의 핵심 소스들을 완전히 오픈해 OpenCog를 만든 것도 다 그런 생각의 연장이었다. 현재 OpenCog는 누구나 접근하고 참여할 수 있는 오픈소스 인공지능 프로젝트이다. OpenCog의 목표는 게발자들을 끌어 보다 큰 공동체를 만들고, 거기서 서로 힘을 합쳐 모든 인류를 위한 인공일반지능, 그리고 우리가 최종적으로 만들게 될 초인간 인공일반지능들을 위한 인공일반지능을 만들자는 것이다. 그렇게 되면 그 인공일반지능은 미래의 우리 인간 자손들과 서로 평화롭게 공존할 수 있을 것이다.

 

앞으로 또 위로

이 책에서 벤 고르첼은 여러분에게 인공일반지능 연구가의 입장에서 벤 고르첼의 이야기를 하려 한다. 벤 고르첼이 어떻게 이 분야에 몸담게 됐고, 미래에는 어떤 일이 일어날 거라도 생각하는가 하는 이야기 말이다. 벤 고르첼은 그동안 이론적이고 학문적인 인공지능 연구를 해왔고, 많은 기업들로 하여금 다양한 인공지능 애플리케이션 개발에 몰두하게 했으며, 여러 정부 기관과 인공지능 및 신경 과학 일을 해왔다. 그밖에도 서로 자른 관점의 인공지능 및 인공일반지능을 지향하는 각종 오픈소스 프로젝트, 회의, 워크숍, 협회 등을 주관해왔다. 그리고 그 과정에서 미국, 브라질, 중국, 아프리카, 호주, 뉴질랜드 등지에서 인공지능과 인공일반지능 관련 일을 해왔다. 이 모든 경험 덕분에 벤 고르첼은 인공일반지능 개발에 박차를 가하고 엄청난 변혁의 힘을 가진 고도의 지능을 가진 기계를 개발하는 과정에서 부딪히는 각종 문제를 다양한 관점에서 볼 수 있었다. 이 책은 자서전이 아니다. 따라서 벤 고르첼은 사랑, 결혼, 이혼, 부성 등에 대한 모험담을 늘어놓거나 형이상학, 픽션 집필, 음악 분야 등의 창의적인 활동을 거론하지 않을 것이며, 동양 및 샤머니즘 관련 정신세계도 말하지 않을 것이다. 사업이 벤 고르첼은 인공지능 연구에 미친 영향에 대해선 가끔 언급하겠지만 성공한 각종 사업 얘기도 하지 않을 것이고, 그 외에 지난 49년간 살아오면서 겪은 온갖 일들도 말하지 않을 것이다. 그 대신 인공지능 과학자 겸 기업가로 살아온 이야기를 다양한 각도에서 풀면서 인공일반지능의 개념과 이것이 장·단기적으로 우리에게 어떤 의미인지에 관한 벤 고르첼의 생각을 밝힐 것이다. 그리고 인공일반지능 및 관련 분야 연구를 하며 보낸 지난 수십 년간의 경험과 인공일반지능 및 그 영향에 대한 저술 및 강연을 토대로, 이 모든 문제들을 벤 고르첼 자신만의 관점에서 얘기할 것이다.

여러분은 이 책에서 한 인공지능 연구가가 깊이 생각하고 느낀 개인적 관점을 보게 될 것이다. 이는 인공지능을 완전히 ‘객관적으로’ 다루려는 시도는 아니다. 벤 고르첼은 남들처럼 이상한 버릇과 편견을 갖고 있는데, 여기서 굳이 그런 것들을 숨기려 하진 않겠다. 벤 고르첼의 목표는 인공일반지능에 이리 푹 빠지게 됐는지, 또 그것이 벤 고르첼에 어떤 의미가 있으며 다른 사람들에겐 어떤 의미가 있는지에 대해 이야기하고 싶다.

그러나 이런 식으로 인공일반지능에 관한 이야기를 한다고 해서, 벤 고르첼은 인공일반지능 역사 전반에 대해 자기중심적인 관점을 제시하려는 거라고 생각하지는 않기를 바란다. 벤 고르첼이 지금 이렇게 벤 고르첼의 관점에서 이야기 하려 하는 것은 그것이 벤 고르첼이 가장 잘 알고 있는 방법이기 때문이다. 이렇게 일인칭으로 쓸 때 가장 잘 생각하고 잘 쓸 수 있으니까. 어느 누구도 역사 전체에서 독보적인 존재가 될 수 없다는 것을 벤 고르첼은 잘 알고 있다. 그리고 물론 현재 벤 고르첼이 진행 중인 프로젝트들에 대한 포부가 크지만, 그간 인공지능 발전에 벤 고르첼보다 큰 기여를 한 사람들이 많다는 것도 잘 안다. 그리고 벤 고르첼이 인공일반지능을 개발하려는 인류의 노력에 아주 미력하나마 어떤 역할을 해왔다는 것에 기쁠을 느끼지만, 그러면서도 지금 인공일반지능이 인류의 글로벌 브레인과 그 기술 내에서 차근차근 진일보하고 있다는 것도 잘 안다. 그러나 벤 고르첼에겐 벤 고르첼이 가장 잘 얘기 할 수 있는 벤 고르첼만의 얘기가 있다. 그리고 벤 고르첼은 여기서 얘기하는 것들이 글로벌 브레인의 성장 과정에 전혀 쓸모없는 것이 되지 않길 바란다.

벤 고르첼은 인공일반지능의 개념이 더 이상 환상의 영역에 머물지 않는 시대에 살고 있다는 사실만으로도 너무 행복하다. 지금 이 시점에서 인공일반지능의 가능성은 과학적으로 너무 분명하며, 이제 인공일반지능을 만드는 일은 현재의 엔지니어링 수준으로 봐서는 그야말로 목전에 다가와 있다. 와우! 신나는 일 아닌가!

스타트렉의 미스터 스폭에서 특이점까지

어린 시절 가장 기억에 남는 순간 들 중 하나는 아버지와 함께 TV에서 논리의 대가인 스폭이 비논리적인 생각들로 가득 찬 정신병자 같은 로봇 노먼을 상대하는 것을 지켜보는 것이었다. TV 시리즈 <스타 트렉> 오리지널은 벤 고르첼의 세대의 다른 많은 사람들에게도 그랬겠지만 어린 벤 고르첼에게 지대한 영향을 주었다.

벤 고르첼이 인공지능의 세계에 처음 매력을 느낀 것은 취학 전, 그리고 초등학교 시절 초기였다. 그 당시 갖고 있던 생각들과 호기심이 현재 벤 고르첼이 하고 있는 노력, 즉 인공일반지능을 만들고 특이점에 도달하기 위한 노력의 씨앗이 된 것이다. 그리고 그간 엄청난 변화들이 있었지만, 어린 시절 알고 있던 인공지능과 현재의 인공지능 사이에는 더없이 드라마틱하고 의미심장한 변화가 있었다.

어린 시절의 기억 가운데 오래된 기억은 TV에서 닐 암스트롱이 달에 착륙하던 장면을 지켜본 것이다. 그 일 자체도 인상에 남는 일이었지만, 벤 고르첼의 주변 어른들이 너무 놀라 숨죽이며 TV를 지켜보는 것도 인상에 남는 일이었다. 당시 벤 고르첼은 두살 반이었다. 우주선과 우주복은 왠지 복잡한 게 그럴싸해 보였다. 그리고 어렴풋하게 느낀 것이지만 과학과 기술은 분명 아주 놀라운 일들을 해낼 수 있는 것이지만 과학과 기술은 분명 아주 놀라운 일들을 해낼 수 있는 것 같았다.

인공지능은 벤 고르첼이 유치원에 다니고 오리건 주 유진에서 초등학교 1학년에 다니던 1971년과 1972년까지만 해도 내 우주에 들어오지 않았다. 벤 고르첼은 아버지와 함께 늘 TV 시리즈 <스타 트렉>을 보곤 했는데, 가장 기억에 남는 장면들 중 하나는 지능이 뛰어나지만 지나치게 논리적인 로봇을 미스터 스폭이 쩔쩔매게 만드는 장면이었다. TV는 말도 안 되게 멍청한 프로그램들도 많이 내보내지만, 어린 시절 벤 고르첼이 공상과학에 흥미를 갖게 되고 그래서 공상과학 소설을 찾아 읽게 만든 건 TV였다. 그리고 또 벤 고르첼은 신기한 과학과 눈부신 기술 혁신에 큰 관심을 갖게 만든 건 또 바로 공상과학 소설들이었다.

<스타 트렉>에 나오는 로봇의 이름은 노먼이었는데, 그 로봇은 머드라는 이름의 아주 추잡한 인간 주인을 섬기는 섹시한 여자 안드로이드들을 관리했다. 그 섹스봇 안드로이드들은 어린 나이의 벤 고르첼에겐 별 매력이 없었지만, 노먼은 나의 관심을 끌었다.

 

노먼은 커크와 스폭, 그리고 오리지널 <스타 트렉>에 고정적으로 나오는 다른 등장인물들을 억류하고 있었는데, 육체적으로 인간인 그들보다 더 강한 걸로 보였다. 그러나 커크와 스폭은 늘 이런저런 방법으로 궁지에서 빠져나오곤 했다. 그 경우 그들이 써먹은 방법은 이런저런 논리적인 역설과 비논리적인 난센스로 노먼을 미치게 만드는 것이었다. 그것은 인공지능 로봇인 노먼이 완벽히 논리적인 존재여서 그런 종류의 정보에 재대로 대처하지 못한다는 걸 역이용한 것이다. 그들 간의 이런 대화는 늘 어린 벤 고르첼의 마음을 아주 즐거우면서도 당혹스럽게 만들곤 했다.

 

노먼 : 당산들 지금 여기서 뭐 하는 거야?

커크 : 이제 그만 항복하지 그래.

노먼 : 비논리적인 얘기군. 우리는 당신들보다 더 빨리 움직일 수 있어. 우린 공격을 당해도 끄떡없지. 당신들보다 훨씬 더 강하고.

커크 : 아니, 우리가 더 강해. 그걸 증명해 보일 수도 있지, 넌 네가 섬기도록 프로그램된 인간을 해칠 수 있어?

노먼 : 아니.

머드 : 하지만 친구, 넌 이미 인간을 해쳤어, 노먼. 영혼도 없는 이 불쌍한 생명체야, 인간은 빵만으론 살 수 없어. 인간은 자유를 먹고 살거든. 그러니 자유가 없다면 없다면 어떻겠어? 영원히 멈추지 않는 톱니바퀴에 맞물려 돌아가는 기계 장치에 지나지 않지.

맥코이 : (단조로운 목소리로) 넌 우리에게 행복만 주고 있어.

스콧 : (역시 단조로운 목소리로) 음식과 음료와 행복은 우리에게 아무 의미가 없지. 우린 우리 일을 해야 해.

맥코이 : 고통이야, 고통. 고통. 끝없는 고통.

스콧 : 무거운 짐에 눌려 탄식하고 물부짖으며 죽어가고 있어.

둘 다 : 정말 행복해 죽을 지경이야. (그러면서 두 사람은 절을 한다.)

노먼 : 그건 모순이야. 논리적이지 못해. 미스터 스폭. 설명해봐요.

커크 : 거 좋지.

스폭 : 논리는 풀밭에서 짹짹 거리고 우는 작은 새야. 논리는 예쁜 꽃들로 만들어진 악취가 나는 화한이야. 지금 네 머릿속 회로들이 제대로 작동 중이야? 귀에 녹색 불이 들어오는데.

스콧 : (가슴을 움켜쥐며 고통에 찬 소리를 낸다.) 더 이상 못하겠어! 행복이 지겨워. 안란과 쾌락이 지겨워. 나 준비 됐어! 날 죽여줘! 날 죽여줘! (사람들이 손가락을 그에게 향한 뒤 휘파람을 분다. 그러자 스콧이 무릎을 꿇으며 쓰러진다.)

스콧 : 안녕, 잔인한 우주!

맥코이: 죽었어.

노먼 : 당신들이······ 그를 어떻게 죽여? 무기도 없잖아.

커크 : 스콧은 죽었어. 너무 많은 행복에 짓눌렸거든, 하지만 이제 죽어서 더 핵복해, 우린 그를 그리워하겠지만, 우리 가없은 죽은 친구를 위해 들려주자고. (다함께 웃는다.)

커크 : 고결한 영혼! 진취적인 기상! 느낄 수 없는 것. 깨달을 수 없고 꿈 꿀 수만 있는 것에 대한 헌신! 가장 고귀한 현실!

머드 : 멋져! 브라보, 브라보, 캡틴!

커크 : 어때, 맘에 들어?

노먼 : 그건 비합리적이야. 비논리적이야. 꿈은 현실이 아냐.

커크 : 우리의 논리는 비논리적이야. 그게 우리 강점이지. 미스터 스폭, 그거 우리 목적에 비해 너무 많으 거 아닙니까?

스촉 : 정확한 양이라고 생각하는데요, 캡틴, 미스터 머드, 준비됐죠?

머드 : 예, 예! (포수의 포즈를 취한다.)

스폭 조심해요. 그걸 떨어뜨리면 안돼요. (언더스로로 던지는 흉내를 내고, 머드는 곡예를 하듯 그걸 잡는다.)

맥코이 : 아, 안심이다. 오, 제대로 잡았어.

커크 : 조심해! 조심해! (머드가 그걸 바닥에 놓는다.

머드 (맥코이에게) 기폭 장치! 퓨즈! 뇌관~ 5번 아이언! (골프 치는 자세를 취한다.)

노먼: 폭탄도 없잖아.

커크 : 없다고? 잘 봐! 앞쪽! (머드가 스윙을 한다.) 쾅! (스폭을 제외한 모든 사람이 두 손으로 귀를 막고 비틀거린다.)

커크 : 자네 괜찮나? (스폭이 조용히 밖으로 나간다.

노먼 : 하지만 폭탄도 없잖아.머드 : 내가 거짓말을 한 거야.

노먼 : 뭐?

커크 : 그가 거짓말을 했다고. 해리가 네게 말한 건 다 거짓말이야. 잊지마. 해리가 네게 말한 건 다 거짓말이야.

머드 : 이걸 잘 들어 노먼. 난 지금 거짓말하고 있는 거야.

노먼 : 당신은 지금 거짓말을 하고 있다고 말하지만, 당신이 말하는 게 다 거짓말이라면, 당신은 사실을 말하고 있는 거야. 하지만 당신이 말하는 건 다 거짓말이기 때문에, 당신은 지금 진실을 말하지만······ 비논리적이야! 비논리적! 설명 좀 해봐! (노먼의 머리에서 연기가 난다.)

노먼 : 당신은 인간이야 인간만이 인간의 행동을 설명할 수 있지. 설명 좀 해줘.

커크 : 나는 그런 방면에서 반응하게 프로그램 되어 있지 않아. (노먼이 방전 상태가 된다.)

스폭 : 놈들이 다 멈춘거 같은데요, 캡틴.

커크 : 좋아.

 

<스타 트렉> 승무원들의 술수를 보면서 벤 고르첼은 즐겁기도 했지만 한편으론 실망스럽기도 했다. 한편으론 실망스럽기도 했다. 노먼 같은 로봇을 만들어낼 만큼 똑똑한 사람이라면, 노먼이 인간처럼 비논리적인 것들에도 대처할 수 있게 만들 수 있었을 텐데 하는 생각이 들었던 것이다. 당시 나이가 어려 멀 어찌 해야하는지는 전혀 몰랐지만, 비논리적인 로봇을 만들어낸다는 것이 흥미롭게 느겨지기도 했다. 벤 고르첼은 간단히 좀 설명해달라며 아버지를 귀찮게 만들었지만, 아버지도 뽀족한 수는 없었다. 아버지는 사회학 교수이지 컴퓨터 과학자나 로봇 엔지니어가 아니었던 것이다. 어머니는 사회 활동가였다. 두 분은 벤 고르첼로 하여금 과학에 관심을 갖게 해주었고 또 많은 걸 가르쳐주셨다. 하지만 두분은 아주 어린 벤 고르첼이 던지는 전문적인 질문들 중 일부에만 답해주실 수 있었다.

공상과학 영화와 TV 프로그램, 소설 등에서 본 노먼과 기타 다른 로봇들이 너무 멋져 보였다는 건 부인할 수 없다. 그러나 그 당시 내게 인공지능은 상상 속에 나오는 멋진 미래의 기술들 중 하나로만 느껴졌다. 로봇, 시간 여행, 불사의 약, 초능력, 우주선, 순간 이동 등 그 멋진 미래의 기술을 열거하자면 한도 없다. 당시 벤 고르첼은 벤 고르첼이 살아 있는 동안 지구상에서 그런 것들이 현실화되리라는 기대는 별로 하지 않았으며, 광속에 가까운 속도로 지구에서 다른 항성으로 여행을 하는 우주선을 만드는 일 정도를 상상했다. 그러면서 겨우 2~3년 만에 지구로 돌아왔는데 지구의 시간은 이미 100만 년 후의 미래가 되어 있다는 식의 상대론적 물리학의 신비 같은 걸 생각했다. 또한 100만 년 정도 후면, 많은 멋진 기술들이 개발되어 있을 것이고, 또 많은 놀라운 새로운 삶의 가능성들이 활 열리게 될 거라고 생각했다.

십대 시절인 70년대에 <스타 워즈>를 봤을 때는 R2D2와 C3P0가 양쪽의 장점을 다 가진 한 로봇으로 합쳐지지 않은 것에 실망을 느꼈다. <2001: 스페이스 오디세이>를 봤을 때는 내심 HAL9000 컴퓨터가 우주를 지배했으면 하는 생각을 했다. 벤 고르첼은 스타니스와프 렘의 공상과학 소설 <<골렘>>을 좋아했다. 그 소설에 나오는 골렘은 초인간 인공지능 로봇으로, 인류에게 인간은 열등한 존재이며 자신은 초월적인 철학 및 지식을 가진 존재라는 사실을 끝없이 주입한다. 벤 고르첼은 스타니스와프 렘의 초인간 인공지능 로봇 어니스트 애니를 훨씬 더 좋아했는데, 그 로봇은 어느 정도 똑똑해지자 자신의 주변에 꿰뚫을 수 없는 방어막을 치고 인간과 완전히 단절된 삶을 산다. 아시모프의 로봇 탐정 R. 다닐 올리바우는 그 한계가 인간 정도의 지능밖에 안 돼 실망했는데, 그건 양전자 뇌의 한계가 인간의 뇌 정도 수준이라는 게 비현실적이라고 느꼈기 때문이다.

 

지능의 힘

만일 인공두뇌 로봇 노먼이 지능이 아주 뛰어나다면, 그는 왜 영리하지만 결국 아주 단순한 스폭의 논리 게임을 간파하지 못하는 걸까? 젊은 시절에 벤 고르첼은 ‘지능’이라 불리는 그 묘한 힘과 특성에 완전히 매료되었다. 어쩌면 이는 ‘똑똑한 아이’가 되는 게 그 당시 벤 고르첼의 자아 만족감의 중요 원천이었기 때문인지도 모른다. 그때만 해도 설사 특별히 운동을 잘한다거나 인기가 있지 않더라도, 학업 능력과 인지 능력, 창의력 등에서 확실히 인정받는 데 만족감을 느낄 때였으니 말이다.

벤 고르첼은 당시 혼자 책을 읽거나 자전거를 타거나 이런저런 생각에 잠겨 술 속을 돌아다니면서 대부분의 시간을 보냈다. 벤 고르첼에게는 대게 가장 친한 친구 한 명(늘 벤 고르첼 같은 부적응자였지만)과 가끔 말을 걸어오거나 같이 놀려고 하는 친구 몇 명이 있었다. 그러나 같은 반 친구들 가운데 벤 고르첼을 당혹스럽게 만드는 과학이나 철학 문제에 관심 있는 친구는 거의 없었다. 벤 고르첼은 결정체들이 어떻게 형성되는지, 또 사후의 삶을 가능하게 해줄 과학적인 방법이 있는지 등의 문제를 알려고 애썼다. 다른 애들은 서로에 대한 소문이나 험담 같은 걸 얘기하는 데 관심이 많은 듯했지만, 벤 고르첼은 그런 것엔 전혀 관심이 없었다. 그러다 보니 벤 고르첼이 다른 애들보다 더 우월한 점을 갖고 있으나 적어도 보다 성숙된 지적 능력을 갖고 있는 것에 대해 어떤 자긍심 같은 걸 느끼는 경향이 있었다. 그러나 그런 식의 느낌을 받을 때마다, 벤 고르첼은 늘 스스로 이런 생각을 하곤 했다. ‘좋아. 넌 네가 좋아하는 기준, 즉 지능으로 네 자신을 더 높게 평가하고 있어. 하지만 사실 지능은 꼭 네가 가장 나은 기준은 아니지. 그런데 아마 이 사람들도 자신들이 너보다 더 나은 기준, 그러니까 육체적 힘이나 사교 기술 등으로 스스로를 평가하고 있을 거야. 모든 사람이 남들보다 나은 기준에 따라 스스로를 평가하는 거지. 자신이 가장 나은 기준에 따라 말이야. 그러니 진정 가장 나은 기준이 뭔지 누가 알겠어? 가장 낫다는 건 늘 상대적인 건데 말이야······.’

벤 고르첼은 얼마 뒤 대학에 들어가 니체와 실존주의를 접하게 되면서, 벤 고르첼의 가치 체계를 만들어야겠다는 생각에 빠지게 된다. 하지만 다시 초등학생 시절로 되돌아가 보면, 벤 고르첼은 지능이라는 개념에 대해 생각하는 데 더 많은 시간을 보냈다. 지능이란 정말 어떤 것일까? 지능은 왜 육체적 힘이나 달리기 속도 또는 아주 빨리 말하는 능력 같은 것들보다 더 중요한 가치일까?

지능은 대개 더 많은 다른 방식으로 활용될 수 있으며, 그래서 힘이나 달리기 또는 말하는 속도보다 더 중요하다는 게 벤 고르첼이 도달한 한 가지 결론이었다. 그리고 그 당시에 벤 고르첼은 우주여행을 다룬 공상과학 소설을 많이 읽었기 때문에 이런 생각을 했다. ‘아주 지능이 뛰어난 사람을 이름도 없는 외계의 행성에 떨어뜨린다면, 아마 아주 힘이 센 사람이나 말을 빨리 하는 사람보다 그가 살아남을 확률이 더 높을 거야.’

초등학교 시절에 했던 사색의 대부분은 결국 별 도움이 되지 못했지만, 어린 시절의 그 정신적 배회는 사실 뭔가 심오한 것, 그러니까 세상을 변화시키는 지능의 힘에 근접해 있었다. 인간은 지구상에서 가장 강하지도 빠르지도 않고, 오래 사는 생명체도 아니며, 가장 우아한 생명체도 아니지만, 몇 가지 중요한 관점에서 볼 때 가장 똑똑한 생명체이다. 그리고 뭔가를 만들거나 소통하는 도구를 발명함으로써 인류 전체는 인간 개인에 비해 훨씬 더 똑똑해졌다. 지금 이 글을 쓰고 있는 맥북과 그리 멀지 않은 옛날에 우리의 조상들이 그림을 그린 동굴 벽을 비교해보면, 지능의 힘이 세상을 바꾸어놓았다는 걸 분명히 알 수 있다. 결국 더 뛰어난 지능 덕분에 인류는, 더 강하거나 더 빠르거나 더 행복할지도 모르는 다른 동물들에 비해 더 큰 유연성과 일반성을 갖고 있다.

인간은 완벽한 지능과 가능성을 가진 존재와는 거리가 멀다. 그래서 우리는 지능을 이용해 우리보다 훨씬 더 지능이 뛰어난 존재들을 만들어 낼 것이고, 그 존재들은 우리가 상상할 수 없을 만큼 빨리 그리고 드라마틱하게 세상을 바꾸어놓을 것이다. 인간이 상상할 수 없을 정도로 뛰어난 그 존재들의 사고와 소통 능력 등을 통해, 현재 우리가 알고 있는 모든 종류의 산업에 혁명이 일어날 것이며, 인간의 일상생활과 사고방식 역시 전례가 없을 만큼 큰 변화를 겪게 될 것이다.

 

마음과 패턴

그 문제는 해마다 수차례씩 벤 고르첼의 머릿속에 떠올랐지만, 어린 시절의 벤 고르첼의 마음은 벤 고르첼 방식의 노먼을 만들거나 키울 좋은 방법을 생각해내지 못했다. 벤 고르첼은 인공지능을 완전히 새롭게 만들어내는 게 아니라 특수 용기 안에서 특정 세포들로부터 생물학적으로 길러낸다는 아이디어도 생각해 봤지만, 벤 고르첼에게 생화학 분야에 대한 지식이 전혀 없었기 때문에 결코 그 방향으로 멀리 나가보진 못했다. 벤 고르첼은 벤 고르첼의 지하실 화학 장비들로 기여하고 냄새나는 화약약품들을 만드는 데는 성공했지만, 그때는 1970년대로 직접 만들어 쓰는 DIY 생화학 장비는 아직 나오기 한참 전이었다. 지능을 만들 만들어내는 이 ‘마음’ 시스템은 무엇일까?

초등학교 시절 중반쯤에 벤 고르첼은 패턴의 개념을 이용해 마음에 대해 생각하는 한 가지 방식을 어렴풋이 생각해내기 시작했다. 그런 사고방식의 뿌리는 일곱 여덟 살 무렵 레오 할아버지가 벤 고르첼에게 주신 결정체들에 대한 책까지 거슬러 올라간다. 이처럼 반복되는 일정한 패턴의 구조들이 수많은 사물의 일반적인 형태들의 기조를 이루며, 또 원자들의 혼란스런 양자역학으로부터 나온다는 아이디어는 벤 고르첼의 마음을 사로잡았다. 양자역학에 대한 할아버지의 지식은 어느 정도 보어의 원자 모형에 영향을 받았다. 할아버지는 벤 고르첼에게 이중슬릿 실험과 양자 이론의 다른 어려운 부분들에 대해 설명해주셨지만, 당신 자신도 그 내용을 정확히 이해하지 못하셨고, 그래서 그런 주제에 대한 얘기들은 오히려 벤 고르첼을 다소 혼란에 빠뜨렸다. 그러나 결정학,과 X선 희절에 대한 할아버지의 설명은 그야말로 수정처럼 명료했고, 그 덕에 벤 고르첼은 평범한 형태의 사물들을 구성하는 패턴을 찾을 열정을 갖게 되었다. 그 무렵에 읽은 어떤 책에서도 양자 이론의 선구자 에르빈 슈뢰딩거가 DNA를 ‘비주기적인 결정체’라고 부르고 있었다. 벤 고르첼은 물질세계를 주기적이고 비주적인 패턴의 구조들로 이루어진 일종의 계층으로 보는 것에 공감을 느꼈다. 지금과 마찬가지로 그때도 벤 고르첼의 마음은 대개 벤 고르첼의 이해력언저리에 있는 주제들을 맴돌았고, 남는 시간은 거의 다 우주에 대한 새로운 정보를 흡수하기 위한 독서로 보냈다.

벤 고르첼은 어린 시절의 벤 고르첼 자신을 과대포장하고 싶지는 않다. 벤 고르첼은 신동이니 뭐니 그런 아이는 아니었다. 예를 들어, 벤 고르첼은 양자 역학에 대해 초등학생 수준에 맞는 지식을 갖고 있었고 아주 기본적인 몇몇 개념들에 대해 알고 있었다. 물론 그것만으로도 대부분 또래 아이들과는 확연히 달랐다. 그러나 벤 고르쳉은 책에서 읽은 진짜 신동들과 달리, 벤 고르첼은 초등학생 시절 슈뢰딩거의 방정식을 풀지는 못했고 심지어 고등학교 1학년 때까지 제대로 읽지도 못했다. 그 방정식 푸는 법을 배운 것은 17세가 되던 해, 그러니까 대학에서 4학기를 맞았을 때였다. 그러나 벤 고르첼이 어린 시절의 마음 상태에 대해 말하고 싶은 핵심은, 벤 고르첼이 기억하는 한 벤 고르첼의 우선순위 1위는 늘 우주를 이해하는 것이었다는 점이다. 물론 벤 고르첼 역시 다른 아이들처럼 뛰어다니며 노는 걸 좋아했지만 놀이가 끝나면 늘 다시 생각, 생각, 생각에 빠졌다. 우주를 이해한다는 것은 엄청 힘든 일이다. 벤 고르첼은 지금도 그 일을 하고 있으며, 뭔가 진전을 이뤘으면 좋겠지만 아직도 갈 길이 멀다.

벤 고르첼은 7세 때 어머니가 사주신 책으로 대수를 배웠고, 중학교 때 마을도서관에서 찾아낸 너덜너덜하게 낡은 책으로 미적분을 배웠다. 벤 고르첼이 만일 부모님들이 벤 고르첼에게 개인교사를 붙여 온종일 체계적인 공부를 하고, 그 느려빠진 공립학교 교육 과정 대신 벤 고르첼 자신의 페이스에 맞춰 공부를 하게 했다면, 벤 고르첼이 그야말로 완전한 영재가 될 수 있지 않았을까 하는 생각을 종종 한다. 그러나 벤 고르첼이 2학년에 올라가자, 부모님들은 벤 고르첼을 공립학교 교육과정을 따라가면서 지적 호기심을 해소할 책을 읽도록 내버려두자는 기본적인 교육 방침을 세웠다. 두 분 다 자신의 일만으로도 정신없이 바쁘셨던 것이다.

그러나 사실 벤 고르첼은 위대한 수학자 노버트 위너가 어린시절 그랬던 것처럼 하루 8시간 개인교사들로부터 수학, 물리학, 그 외의 고등 과목들을 배우지 못한 것에 대해 그리 큰 아쉬움은 없다. 물론 이미 다 알고 있는 내용들을 배우느라 오랫동안 따분한 학교 수업을 들어야 했던 것에 대해서는 아쉬움이 있다. 그러나 어린 시절 가르치는 대로 최대한 빠른 속도로 지식과 기술을 머릿속에 쑤셔 넣기보다는 자유롭게 책을 읽으면서 하루에 두어 시간 정도만 개인 교습을 받았더라면 더 좋았을 듯싶다. 그것은 벤 고르첼이 타의에 의해서가 아니라 벤 고르첼 자신의 직관에 따라 자유롭게 공부하고 배우고 발명하는 것에 가치를 두기 때문이다.

괴델, 에셔, 바흐 그 외의 책들

벤 고르첼을 처음으로 깊이 있는 인공지능 연구의 세계로 이끌어준 것은 더글라스 호프스태터의 놀라운 책 <<괴델, 애셔, 바흐>>였다. 벤 고르첼은 이 책이 출간된 직후 구입해 하루 만에 다 읽었다. 그 책을 구입한 바로 다음 날 아침 6시경에 집어 들었는데, 그 다음날 새벽 3시까지 책을 손에서 놓을 수가 없었다. 당시 중학교를 마치고 고등학교에 들어가기 전 여름방학을 보내던 열세 살 소년이었는데, 이 책을 만나 정신을 홀딱 빼앗겼다. 그 책에는 실제 인공지능을 만드는 방법에 대한 정보는 별로 들어 있지 않았지만, 인공지능과 관련된 다양한 개념들을 벤 고르첼이 보아온 그 어떤 책보다 훨씬 더 자세히 다루고 있었고, 무엇보다 너무 재미있었다. 기본적으로 더글라스 호프스태터는 어린 시절 벤 고르첼의 마음이 결정학과 생물학에 대한 생각을 통해 추론해냈던 것과 유사한 관점을 제시하고 있었는데, 물론 훨씬 더 세밀했다. 그는 결정체나 DNA보다 더 복잡한 패턴들, 그러니까 인간 자신을 복제하는 자기참조형 패턴들에 대해 생각하고 있었다. 그러니까 그는 어떻게 하면 지능 시스템이 패턴 자체를 내적으로 드러내고 추론할 수 있을지 연구하고 있었다. 이후 벤 고르첼의 첫 인공지능 기업인 웹 마인드 사에서 함께 일할 연구원으로 페이 왕을 채용했을 때, 벤 고르첼은 그가 <<괴델, 애셔, 바흐>> 중국판을 공동 번역한 사람이라는 사실을 알고 가벼운 흥분을 느꼈다. 그러다 2006년에는 더글라스 호프스태터를 직접 만나는 기쁨을 맛봤는데, 당시 우리는 둘 다 샌프란시스코에서 열린 특이점 회의에서 발표를 하게 됐었다. 우리는 어떤점에선 서로 반대 입장에 서 있었다. 벤 고르첼은 <<괴델, 애셔, 바흐>>의 주제들에 대해 얘기했고, 그는 기술적 특이점이란 개념에 대한 회의적인 시각을 얘기했던 것이다.

한편 더글라스 호프스태터의 책을 접하기 2년쯤 전인 중학생 시절, 벤 고르첼은 우연히 러시아 신비주의 작가 P.D. 우스펜스키의 책들을 접하게 됐는데, 그것들은 벤 고르첼이 읽은 책들 가운데 일상생활에서의 인간 마음을 일련의 반사적인 습관들로 본 최초의 책들이었다. 그는 독자들에게 ‘깨어 있을 것’과 더 이상 반사적인 습관들에 좌지우지되지 말 것을 촉구했다. 그야말로 의식이 늘 캐어 있어야 한다는 것이었다. 벤 고르첼은 학교에서 집으로 걸어오면서 또 벌로 방과 후 수업 시간에 교실에 남아 앉아있으면서 진지하게 ‘깨어 있는’ 연습을 했다. 조금이라도 오래 우스펜스키가 말하는 ‘완전히 깨어 있는’ 시간을 가지려 애쓰면서, 벤 고르첼은 그것을 자기성찰들에 접목시킬 수 있었다. 호르스태터와 우스펜스키 두 사람 모두 평범한 일상의 마음을 일련의 습관 패턴들로 보았지만, 호프스태터는 패턴화되고 자기습관적인 마음은 그냥 그걸로 끝이라고 생각했고, 우스펜스키는 이런 패턴화 과정을 넘어서면 일상을 뛰어넘는 일종의 신비 의식에 도달한다고 생각했다.

이처럼 일찍이 공상과학에 나오는 인공지능과 <<괴델, 애셔, 바흐>>를 접한 벤 고르첼은 15~16세 때, 그러니까 사이먼스 록 대학 1학년 시절, 남는 시간에 인공지능 관련 책들을 조금 깊이 파고들다가 또 다시 큰 충격을 받게 된다. 당시 사이먼스 록은 고등학교 1,2학년을 마친 뒤 미리 대학 공부를 하고 싶어 하는 이른바 ‘범생이들’이 가는 특수 대학이었다. 어쨌든 그 당시 사이먼스 록은 하나의 대안이요 창의적인 문화로, 벤 고르첼 마음에 쏙 들었다. 그러나 과학과 기술 과목들은 그 학교의 강점이 전혀 아니었다. 물론 몇몇 뛰어난 과학 교수들도 있었지만, 전반적인 교육과정상 인문학과 예술 쪽이 강한 학교였다. 그런데 1980년대 초에 사이먼스 록 같이 진보적인 예술 학교에는 이렇다 할 만한 컴퓨터 과학 과정이 없었고, 인터넷상에도 컴퓨터 과학에 대한 연구 논문들이 그리 많지 않았다. 그러나 도서관에 가면 수십 권의 인공지능 책과 약간의 컴퓨터 과학 잡지들도 있었는데, 그 정도면 벤 고르첼이 어떤 것들을 할 수 있는지 그림을 그리기에 충분했다.

인공지능 책과 잡지들을 파고들면서 벤 고르첼은 은근히 <<괴델, 애셔, 바흐>>의 맥을 잇는 자료들, 그러나 기술적으로 좀 더 자세하고 실질적인 성과들도 올린 그런 자료들을 좀 더 찾을 수 있기를 기대했다. 실제 1940년대부터 1960년대 사이에 활약한 인공지능 분야의 선구자들이 쓴 흥미진진하고 야심찬 글들은 몇 개 발견했다. 그러나 벤 고르첼의 생각에 그 이후로 인공지능 분야는 훨씬 덜 흥미로운 방향으로 떠내려간 것 같았다. 그러다가 1982년부터 1983년에 이르면, 큰 의미에서 볼 때 아무도 인공지능을 제대로 연구하지 않고 그저 사소한 문제들만 가지고 만지작거리는 듯했다.

호프스태터의 전문적인 인공지능 저서들도 들여다봤는데, 흥미롭기는 했지만, 기대했던 것만큼 스릴 넘치진 않았다. 개념적으로 깊이 파고들긴 했지만, 제대로 된 생각하는 기계들을 만들려 하기보다는 ‘장난감 문제’를 다루는데 초점을 맞추고 있었던 것이다. 반면에 그 외의 다른 인공지능 저서들은 대개 아주 제한된 ‘지능’을 필요로 하는 아주 특별한 시스템들을 구축하는 데 초점을 맞추고 있었다. 그리고 그 특별한 시스템들은 직접 손으로 코드를 넣는 긴 리스트의 법칙들에 의해 만들어지는 경우가 많았다.

벤 고르첼의 입장은 벤 고르첼이 좋아하는 영화 중 하나인 <아라비아의 로렌스>에서 주인공 로렌스가 그리스 장군 테미스토클레스의 말을 인용한 다음과 같은 말과 비슷했다. “벤 고르첼은 소소한 일들은 잘 못하지만, 작지만 위대한 도시 국가를 만들 수는 있다.” 벤 고르첼은 벤 고르첼의 인생을 장난감 문제들을 가지고 꼼지락대거나 개념적인 문제들을 파고들거나 좁은 애플리케이션을 만들면서 보내고 싶지는 않았다. 벤 고르첼은 한 연구 분야로서의 인공지능에 대해선 점점 더 많은 관심을 갖게 됐지만, 사소한 장난감 문제를 뛰어넘지 못하는 학문적인 성과들에 대해서나 특별한 애플리케이션 문제들을 풀기 위한 특화인공지능에 대해서는 관심이 없었다. 벤 고르첼은 인간과 맞먹는 수준 또는 그 이상의 인공일반지능을 가진 기계들을 만들고 싶었다.

어쨌는 벤 고르첼은 1980년대 초에 인공지능 분야에서 좌절감을 맛보았고, 그 결과 생각하는 기계를 만든다는 목표에 대한 열정이 여전했음에도 불구하고 대학에서 인공지능으로 학위를 따지 않고 수학으로 학위를 따기로 마음먹었다. 벤 고르첼이 워낙 수학을 좋아했고 배울 것도 많은데다가, 그 당시 인공지능 분야의 상황이 너무 실망스러웠기 때문이었다. 게다가 고등 수학을 잘 활용하면 침체에 빠진 인공지능 분야에 활기를 불어넣을 수 있을 거라는 생각도 했다.

지금 돌이켜보면, 인공지능 분야에서 학위를 땄다면 그 과정에서 배울 게 많았을 거라는 생각은 든다. 물론 그렇다고 수학 분야에서 학사와 박사 학위를  것을 후회하진 않는다. 그만큼 그 당시 인공지능 분야의 ‘정신 분열’에 너무 실망이 컸다. 1982년에 처음 인공지능 문헌을 파고들기 시작할 때, 벤 고르첼은 순진하게도 전 세계 인공지능 과학자들로 이루어진 국제적인 커뮤니티가 있어, 모두들 인간보다 똑똑한 컴퓨터를 만들어내기 위해 밤낮을 가리지 않고 열심히 뛰고 있으리라 상상했다. 그러니까 지능적인 대화를 할 수 있는 컴퓨터, 노벨상 수상자들보다 더 똑똑한 컴퓨터, 아름다운 시를 쓰고 놀랍도록 새로운 수학 정리를 내놓는 컴퓨터를 만들려고 말이다. 그러나 벤 고르첼의 기대는 완전히 산산조각이 나서, 1982년 현재 학계의 인공지능 문헌에서 찾아볼 수 있는 건 지능의 아주 전문적인 면들에 대한 무미건조하고 형식적인 분석들, 단순한 퍼즐이나 아주 특별한 상업적 문제들에 대한 인공지능 기술의 적용 같은 것들뿐이었다. 그리고 현존하는 주류 인공지능 연구는 거의 전적으로 아주 전문화된 문제 해결 프로그램들에 집중되어 있었다. 그러니까 기껏해야 인공지능의 사소한 면들을 다룰 뿐 자발적이고 창의적인 면은 거의 없거나 아예 없었던 것이다.

사실 인공지능의 이 두 측면을 연결해주는 끈이 있지만, 그 끈은 인공지능 분야 역사의 여러 시점에서 아주 너덜너덜해졌다. 이제 이 책을 쓰고 있는 2016년을 맞아, 지금 그 끈은 빠른 속도로 다시 탄탄해지고 있으며, 점점 더 많은 인공지능 연구가들이 자신들의 전문적인 특정 프로젝트들과 초장기부터 내려오는 광범위한 인공지능 개념 사이를 잇는 다리를 건설 중이다.

컴퓨터가 인간의 지능에 근접하거나 추월하다

특이점이 왜 목전에 다가왔는지에 대한 레이 커즈와일의 설명들 가운데 하나는 컴퓨터가 인간 두뇌와 맞먹는 힘을 갖게 되는 때가 아주 가까워졌다는 것이다. 그는 무어의 법칙 같은 것들이 계속 유효할 경우, 2029년쯤이면 컴퓨터가 한 인간의 두뇌와 맞먹는 힘을 갖게 될 것이고, 2045년쯤이면 지구상에 있는 모든 인간의 두뇌를 합친 힘을 갖게 된다고 예측하고 있다.

물론 다른 사람들은 그의 예측에 대해 이런저런 이의를 제기해왔다. 그러나 인간의 뇌가 어떻게 움직이는지를 정확히 아는 사람이 없고, 뇌의 ‘처리 능력’에 대한 예측 또한 어짜피 기껏해야 대략적인 것이 될 수밖에 없다. 또한 인간 뇌의 정보 처리 능력을 디지털 컴퓨터의 능력과 비교하는 건 아주 어려운 일이다. 두 시스템이 그 특성상 아주 다르기 때문이다. 이 문제에 대해서는  이후의 장들에서 좀 더 자세히 살펴보기로 하겠다.

그러나 이 모든 한계들에도 불구하고, 이는 아주 흥미로운 생각들이다. 물리학적인 관점에서 볼 때 컴퓨터와 인간의 뇌는 둘 다 아주 한심한 정보 처리 시스템이라는 사실을 기억할 필요가 있다. 두 시스템 모두 현재까지 알려진 물리학 법칙들에 따라 각 시스템을 구성 중인 입자들 속에 내포된 연산 능력의 극히 일부밖에 활용하지 못하고 있기 때문이다. 넓은 관점에서 볼 때, 디지털 컴퓨터와 인간의 뇌 모두 아주 비효율적인 정보 처리 장치이다.

그런데 두 시스템이 보여주는 효율성과 비효율성은 여러 가지 면에서 다르다. 예를 들자면, 디지털 컴퓨터는 큰 정수를 나눈다거나 방대한 관련 데이터베이스나 그래프 데이터베이스를 검색하는 데 아주 뛰어나다. 그에 반해 인간의 뇌는 호르몬 수치를 조정한다거나 시야에 들어온 사물의 윤곽을 확인하는 데 아주 뛰어나다. 또 디지털 컴퓨터는 인간의 뇌에 비해 구글이나 시티뱅크의 데이터 네트워크를 돌리는 데 더 뛰어나며, 인간의 뇌는 디지털 컴퓨터에 비해 인간의 몸을 각자의 상황에 맞게 통제하는 데 더 뛰어나다. 그리고 디지털 컴퓨터든 인간의 뇌든 양자 다체 문제 방정식을 푸는 데는 그리 뛰어나지 못하다. 물론 앞으로 나올 양자 컴퓨터는 그런 일에 뛰어날 수도 있다.

그러나 이 모든 불확실성과 복잡성을 감안하더라도, 디지털 컴퓨터와 인간의 뇌 사이에는 뭔가 비교될 만한 점즐이 있다. 예를 들어 누군가 디지털 컴퓨터가 인간 뇌의 지능 관련 기능들을 그대로 시뮬레이션할 수 있느냐는 질문을 할 수 있다. 그런데 이 질문에서 말하는 시뮬레이션이라는 것이 꼭 인간 뇌 속의 모든 입자나 모든 원자 또는 분자의 시뮬레이션을 의미하는 건 아니다. 오늘날 대부분의 신경 생리학자들은 인간 뇌의 지능 기능을 시뮬레이션하기 위해서는, 뇌의 주요 세포들(주로 신경 세포, 신경 교질 세포, 기타 몇 가지 세포들)이 기능하는 방식과 그 세포들이 서로 주고받는 분자를 시뮬레이션하면 된다고 생각한다.

만일 우리가 디지털 컴퓨터가 이런 의미로 인간의 뇌를 시뮬레이션할 수 있느냐고 묻는다면, 현재로서의 답은 NO다. 만일 무어의 법칙 등이 계속 유효하다면, 앞으로 15년에서 25년쯤 후에 우리는 아마 인간 뇌의 연산 능력과 맞먹는 디지털 컴퓨터를 갖게 될 것이다.

'인간 뇌 수준'의 연산 능력을 갖는 게 인간 수준의 인공일반지능을 만드는 데 필수적인가 아닌가 하는 것은 또 다른 문제이다. 나중에 다시 설명하겠지만, 벤 고르첼이 요즘 자주 이용하는 인공일반지능 접근방식에서는 인간의 뇌는 단지 느슨한 영감으로 간주된다. 또한 벤 고르첼은 벤 고르첼의 접근방식을 사용할 경우 인간 뇌 시뮬레이션에 필요한 연산 능력에 훨씬 못 미치는 연산 능력을 가진 인간 수준의 인공일반지능을 만들거나 또는 인간 뇌와 유사한 구조를 가진 인공일반지능을 만들 수 있다고 생각한다.

그러나 뇌 시뮬레이션을 하든 OpenCog 프로젝트를 진행하든, 점점 더 나아지는 컴퓨터들이 인공일반지능 만드는 일을 더 쉽게 만들어준다는 데는 의심의 여지가 없다. 그래서 인공일반지능 연구에 매달리고 있는 우리 같은 사람들 입장에서는, 컴퓨터 하드웨어 업계가 매년 보다 나은 컴퓨터를 만들어내고 있으며 당분간 그 추세가 누그러들 기미가 보이지 않는다는 것은 희소식이다. 컴퓨터 프로세서 칩을 위해 점점 더 강력한 연산 능력을 가진 코어를 만드는 일이 점점 더 어려워지고 있어, 컴퓨터 칩 제조업체들은 지금 제조 방식을 다중 코어 접근방식으로 바꾸고 있다. 물론 그 목표는 점점 더 빠른 속도를 내는 컴퓨터의 제작에 있다. 계속 도전 과제들이 나타남에 따라 혁신도 계속되고 있다. 보다 뛰어난 연산 능력을 가진 하드웨어를 만드는 데 필요한 경제적으로 가치 있는 애플리케이션들은 얼마든지 많으며, 그래서 하드웨어 제조업체들은 혁신을 지속하려는 동기가 엄청나다.

 

 

'경이륙'의 가능성

일반 인공지능이 스스로 보다 뛰어난 인공일반지능을 프로그래밍 한다는 개념은 아주 강력한 개념으로, '기술적 특이점'이라는 현대적인 의미의 전신 격인 '지능 폭발'의 핵심이기도 하다. 보다 최근에는 비슷한 상황에서 '경이륙'라는 말이 쓰이고 있다. '경이륙'은 어쩌면 5분 간격이라고 해도 좋을 만큼 엄청나게 빨리 진행되는 특이점을 뜻한다.

가설상의 경이륙에서는, 인공지능 프로그램이 엄청나게 빨리 똑똑해져서 아주 짧은 기간 안에 인간의 지능을 초월하는 상태에 도달한다. 그걸 만든 인간들이 미처 그 결과를 생각해볼 여유도 없이 빨리 말이다. 극단적인 예를 들자면, 인공지능 시스템이 오전 8시에는 개 수준으로 똑똑하다가, 오전 9시에는 평범한 인간만큼 똑똑해지고, 오전 10시엔 알버트 아인슈타인과 맞먹을 정도로 똑똑해진다. 그리고 오전 11시에는 일종의 디지털 신의 경지에 도달한다.

벤 고르첼이 보기에 이런 성격의 경이륙은 이론상으론 가능해 보이지만 꼭 발생할 것 같지는 않다. 그러나 실제 그렇게 극단적인 기준에서 볼 때 아주 짧은 기간 안에 인간의 지능에서 초인간의 지능으로 발전할 수 있다. 지능이 5년 만에 개의 수준에서 아인규타인 수준으로 발전하는 건 경이륙으로 볼 수 없을지는 모르나, 그 역시 엄청나게 드라마틱한 발전이다. 벨 고르첼은 그런 정도의 발전을 '준 경이륙'이라 부르고 있다.

최초의 인공일반지능이 보여줄 인지 발달 속도는 그것이 나타난 시기의 전반적인 기술 상황에 따라 달라질 듯하다. 만일 아주 빠르고 유용한자가 재프로그래밍 능력이 있는 최초의 인공일반지능이 아주 정교한 지원 기술들이 있는 세상에서 생겨난다면, 그 지능은 극도로 빨리 발전할 것이다. 그러나 만일 아주 빠르고 유용한 자가 재프로그래밍 능력이 있는 최초의 인공일반지능이 오늘날과 같은 세상에서 생겨난다면, 그것이 눈 깜짝할 사이에 인간을 뛰어넘는 지능으로 발전하는 게 가능할지 의문이다.

잠시 간단한 사고 실험을 하나 해보자. 벤 고르첼이 지금 이 글을 쓰고 있는 시기는 2016년 초반이다. 그리고 벤 고르첼은 지금 홍콩에 있는 벤 고르첼 집의 서재 안에 않아 있다. 예를 들어 다음주에 벤 고르첼이 엄청난 돌파구를 찾아, 예전에 생각했던 것만큼 많은 노력을 하지 않고도 일반적인 인간 대학생 정도의 지능을 가진 OpenCog 소프트웨어 시스템 만드는 법을 알아냈다고 가정해보자. 그러니까 다음 주에 인간 수준의 지능을 가진 인공일반지능을 만들어내는 것이다. 그 OPenCog 네트워크가 영어로 기본적인 대화를 할 뿐 아니라 수학 문제들도 풀고 간단한 컴퓨터 코드도 작성 할 수 있을 만큼 똑똑하다고 가정해보자.

그 경우 당신이 만일 인공일반지능 선지자라면 자연스레 머릿속에 떠오르는 질문이 하나 있을 것이다. 가설상의 이 인공일반지능이 어떻게 경이륙의 놀라운 속도로 초인간의 지능으로 발전할 수가 있을까? 아마 그 인공일반지능은 스스로 자신의 소스 코드를 다시 작성해 더 똑똑해 질 수 있을 것이다. 그런데 만일 그 인공일반지능이 새롭고 개선된 소프트웨어의 도움을 받기 위해 더 나은 하드웨어를 필요로 한다면 어떻게 되겠는가? 만일 새로운 종류의 칩을 만들기 위해 새로운 하드웨어를 디자인하고 싶다면, 인공일반지능은 제조업체에 관련 부품과 재료들을 주문해야 할 것이다. 인간 세상을 포함해, 취급해야 할 인프라가 엄청나게 많을 것이다. 또한 사람들이 인공일반지능의 활동에 개입해야 하는 경우도 많은 것이다.

어쩌면 이 가설상의 인공일반지능은 다른 사람들을 속이고 설득하거나 강요해 자신의 말을 듣게 할 수도 있다. 그러나 그 인공일반지능이 더 뛰어난 지능 덕에 성공하리라는 보장은 없다. 벤 고르첼은 벤 고르첼의 개보다 훨씬 더 지능이 높다. 그러나 그 개가 설가 벤 고르첼의 명령들을 이해할 수 있게 된다 해도, 늘 벤 고르첼의 명령들에 복종한다는 보장은 없는 것이다.

이 사고 실험의 핵심은 전반적인 현재 기술 상황을 봐서는 설사 누군가 내일 실용적인 인공일반지능을 만든다 해도, 경이륙이 일어날 가능성은 그리 커 보이지 않는다는 것이다. 그러나 아주 먼 미래의 시나리오에서는 그 가능성이 훨씬 더 높다. 또 다른 사고 실험을 해보자. 지금부터 반세기 전의 세상을 상상해보라. 다른 기술들은 상당한 발전을 해왔지만, 인공일반지능은 여전히 지지부진하다. 이제 2060년을 상상해보라. 우리는 여전히 인공일반지능은 만들지 못했지만, 나노 기술과 첨단 로봇 공학 분야, 세상의 모든 전자 장치를 연결하는 인터넷 통신 분야에서 큰 발전을 이루었다. 만일 새로운 애플리케이션이 필요해 온라인상에서 정보를 입력하거나 말로 하면, 당신 집의 벽에 내장된 마이크들이 그 말을 받아들인다. 그러면 자세한 내용이 관계자에게 전송되며, 주문한 애플리케이션이 특정 나노 공장에서 제작되어 자동화된 무인 드론 헬리콥터에 실려 당신 집 문 앞에까지 배달되게 된다. 현존 기술이 제조 스펙들을 충족시킬 수 있다면, 당신은 원하는 애플리케이션을 편리하게 즉시 받을 수 있게 되는 것이다.

이제 인간 수준의 인공일반지능을 이 시나리오에 집어넣어 보자. 그 인공일반지능은 2013년이나 2017년에 만들어진 인공일반지능에 비해 자신의 지력을 훨씬 더 폭넓게 응용할 수 있을 것이다. 또한 새롭게 만들어진 2060년의 인공일반지능은 자신의 소프트웨어 코드를 재프로그래밍 하고 외부 자원들로부터 새로운 하드웨어를 받아들일 수 있을 것이다. 그리고 모든 것이 인터넷상에서 전 세계적으로 서로 긴밀하게 연결되어 있어, 드론을 호출해 원하는 일을 시킬 수 있을 것이다.

다른 기술들이 더 발전되면 될수록, 그 기술들이 인간 수준의 인공일반지능에 더 많은 걸 제공해 그 인공지능이 빠른 속도로 초인간적인 시스템으로 변하게 될 것이다. 따라사 어떤 점에서 보면 인공일반지능 발전을 위한 가장 안전한 길은 인공일반지능을 최대한 빨리 개발해, 우리가 그 인공일반지능을 약간의 통제와 발전 지침을 줄 수 있는 세상 속에 집어넣는 것이다. 우리가 인간 수준의 인공지능을 빨리 개발하면 할수록, 인간 수준의 인공지능에서 초인간 수준의 인공지능으로 넘어가는것이 더 느려질 것이다. 필요로 하는 다른 기술들이 여전히 아직 걸음마단계에 있고 독립적으로 발전하기 때문이다. 설사 인공일반지능 연구가 내일 갑자기 중단된다 해도, 네트워킹, 나노 제작, 로봇공학 같이 서로 상호보완적인 기술들은 계속 발전할 것이며, 그로 인해 지금부터 몇 십년 후에 만들어질 인공일반지능의 잠재적인 영향이 우려된다 해도, 인공일반지능을 만드는 걸 늦추는 게 반드시 가장 안전한 선택은 아니다. 오히려 그 반대일 수도 있는 것이다.

벤 고르첼의 짐작으로는 모든 것은 그 중간 어디쯤, 그러니까 이른바 '준 경이륙' 상태가 될 가능성이 높다. 벤 고르첼은 우리가 일단 갓난아기 수준의 인공일반지능을 만들어내게 되면, 그 다음에는 완전히 다 자란 성인 수준의 인공일반지능을 개발하기 위해 필요한 돈이 대거 투입될 거라고 생각한다. 그러니까 인공일반지능 연구를 위한 자금 지원이 졸졸 흐르던 수준에서 콸콸 흐르는 수준으로 변하게 되는 것이다. 인간 수준의 초기 단셰 인공일반지능이 나노 기술, 유전 공학, 인간 뇌 조정 등, 다른 분야의 발전도 이끌어내는 것이다.

일단 이런 초기 인공일반지능이 글로벌 네트워크상에 나타나면, 사람들은 그 인공일반지능들 간에 연결을 꾀해 월드와이드 사이보그 마인드 또는 초기 글로벌 브레인을 만들려고 할 것이다. 이 같은 실험과 상호보완적 개발, 그리고 새로운 것에 대한 추구를 통해 초인간적인 인공일반지능이 나오게 된다.

 

심리학적 특이점

앞으로 다가올 가설상의 시점인 특이점을 기술 발전 및 과학 지식의 증대라는 관점에서 생각하는 건 자연스런 일이다. 조만간 닥칠 특이점의 가장 큰 원인이 바로 과학과 기술의 '폭발'이기 때문이다.

그러나 인간의 관점에서 볼 때, 특이점은 단순히 기술적인 사건으로 끝나는 게 아니라 심리적이며 사회적인 사건도 될 것이다. 특이점이 인간의 마음과 경험에도 영향을 미쳐, 인간이 된다는 게 어떤 의미이며 인간을 초월한다는 게 어떤 의미인지에 대해 그 어느 때보다 큰 통찰력을 주게 되는 것이다.

또한 특이점은 오늘날 우리의 내적 세계를 특징짓고 있는 다양한 심리적 환상들을 뒤집어엎고, 대신 현재로선 생각하지도 못할 전혀 새로운 생각들로 대체할 것이다. 인간보다 훨씬 더 뛰어난 지능이 이 세상에 생겨날 경우 우리가 활용할 수 있는 도구들만 바뀌는 게 아니라, 매 순간 머리속으로 우리가 생각하는 방식, 우리가 존재하는 방식까지 바뀌게 될 것이다.

벤 고르첼은 지금 이 단계에서 이 얘기를 너무 깊이 파고들고 싶지는 않다. 그것은 벤 고르첼이 인공일반지능이 펼쳐 보일 놀라운 내적 지평선들에 대해 많은 얘기를 하기보다는, 실제 인공일반지능을 만드는 일과 그것이 이 세상에 미칠 현실적인 영향들에 대해 벤 고르첼의 생각을 얘기하려는 것이기 때문이다. 그러나 이것 또한 아주 중요한 주제이므로, 나중에 이 책 뒷부분에서 다시 얘기하도록 하겠다.

그렇다. 인공일반지능은 물질세계에서 움직일 기계들을 만들어 인간의 실제 삶을 변화시킬 것이다. 그러나 문명과 언어가 인류의 행동 방식뿐 아니라 인류의 생각 및 경험 방식까지 변화시키듯, 인공일반지능 역시 그럴 것이며 어쩌면 그 정도가 훨씬 더 심할 것이다. 인간의 마음과 삶에 미치는 영향이 너무도 심해, 인간적인 척도를 넘어설 정도일것이다.

 

인간적인 기준을 뛰어넘는 경험

인간이 추구하는 모든 분야에 대혁신이 일어나게 될 것이며, 분명 그걸로 끝이 아닐 것이다. 그건 그야말로 1막에 불과하다. 벤 고르첼의 집 반려견 크런치킨이 미분학과 셰익스피어 문학을 이해할 수 없듯이, 인간은 발전된 인공일반지능의 활동과 방식을 이해하지 못할 것이다.

이걸 생각해보라. 유인원은 개보다 똑똑하고 우리 인간과 같은 DNA를 95%나 갖고 있으며 생긴 것도 인간과 비슷하고, 넓은 관점에 보면 거의 우리 인간만큼 똑똑하지만, 인간 세상에서 일어나는 대부분의 일을 제대로 이해할 수 없다.

아니면 관점을 바꿔 유인원이 아닌 바퀴벌레의 경우를 생각해보자. 바퀴벌레들은 우리 인간이 이룩한 흥미로운 업적들 중 얼마나 많은 걸 이해할 수 있을까?

아니면 박테리아의 관점에서 생각해보자. 박테리아는 인간을 전혀 알지 못한다. 그들은 우리 몸속에 살지만, 그 상황을 이해하지 못한다. 그것들은 우리가 말하고 행동하는 걸 알지 못한다. 박테리아는 자신의 환경에서 일어나는 생화학적 변화에 반응을 할 뿐, 그 외에 우리가 하는 것들은 전혀 이해하지 못한다.

일반 인공지능들이 진화하게 되면, 인간들은 위의 경우와 비슷하게 그 일공일반지능들을 이해하지 못하게 된다. 그 인공일반지능에 비교했을 때 우리는 유인원이 됐다가 바퀴벌레가 됐다가 결국에는 박테리아가 되는 것이다. 이해하지 못할 경지에 올라선 훨씬 더 지능이 높은 존재들밑에서 하찮은 일들만 추구하게 되는 것이다. 벤 고르첼은 운 좋게도 1990년대말과 2000년대 초에 뉴욕에서 러시아 출신의 인공지능 분야 선구자 발렌틴 투르친을 만난 적이 있는데, 그는 '인간 플랑크톤'아란 말을 즐겨 썼다.

일반 인공지능 덕에 우리 마음은 믿을 수 없을 만큼 새로운 경험들을 하게 될 것이다. 그러나 그중 가장 멋진 경험들은 인간적인 기준에서의 모든 것을 뛰어넘을 것이며, 인간의 마음보다 넓고 깊은 사고 및 존재 방식을 받아들이게 될 것이다.

일반 인공지능들이 인류보다 뛰어난 존재가 된다고 해서 그들이 인류를 말살하게 된다는 건 아니다. 그건 우리 인간이 우리가 살고 있는 지구상의 모든 개미와 박테리아를 죽이지 않은 것과 마찬가지이다. 모든 게 긍정적인 쪽으로 흐를 경우, 인간들은 자신들의 마음을 업그레이드하고 스스로 인공일반지능처럼 발전될 기회를 갖게 되며, 또 인공일반지능이 발명한 온갖 기술들 덕에 상상할 수 없을 만큼 풍요로운 삶을 살 기회도 갖게 된다.

 

인공일반지능과 특화인공지능

벤 고르첼은 이 책에서 지금까지 ‘인공일반지능’이란 말을 수없이 써왔다. 벤 고르첼은 지금쯤이면 벤 고르첼이 의도하는 그 개념의 직관적 의미가 여러분에게 아주 분명히 전해지고 있으리라 믿는다. 벤 고르첼은 독자적으로 아주 다양한 상황에 대처할 수 있는 지능 시스템을 만드는 게 목적인 인공일반지능 시스템과 특정 문제나 상황에 맞춰 만들어진 지능을 가진 특화인공지능 시스템과 특정 문제나 상황에 맞춰 만들어진 지능을 가진 특화인공지능 시스템 간의 차이를 강조하고 싶다.

그러나 그 어떤 용어나 개념과 마찬가지로, 인공일반지능에도 이런저런 가정들이 있고 한계들도 있다. 이즈음에서 인공일반지능의 장점과 단점들에 대해 잠시 살펴보는 것도 그만한 가치가 있을 것이다.

인공일반지능을 도입하려는 가장 큰 이유는 ‘인공지능’의 개념이 너무 광범해져 그 유용성을 거의 다 잃었기 때문이다. 벤 고르첼은 늘 최신 인공지능관련 저널들을 꼼꼼히 읽고 있으며, 그러면서 인공지능과 ‘발전된 컴퓨터 과학’ 간의 차이를 설명하려 애쓰고 있다. 오늘날 학계에서 쓰이는 표준적인 의미에서의 인공지능이란 어떤 점에서건 지능적이고 아주 특별한 일들을 하는 아주 다양한 알고리즘들을 뜻한다. 그러나 주로 인공지능 분야에 집중하는 학계와 업계의 인공지능 프로그램들은 인간이 갖고 있는 일반 지능에는 별 관심이 없다.

레이 커즈와일은 원래 ‘좁은 인공지능’을 ‘강한 인공지능’과 대조되는 개념으로 썻다. 그러나 강한 인공지능이란 용어 자체가 복잡한 의미를 갖고 있었는데, 역사적으로 그것이 인공지능이 인간처럼 의식을 가질 수 있다는 가설(벤 고르첼이 공감하는 가설이지만, 그것은 별개의 문제이고)을 설명하기 위해 인공지능의 철학에서 종종 사용되었기 때문이다. 벤 고르첼은 그래서 특화인공지능을 ‘일반적인 인공지능’이나 ‘인공일반지능’과 대조하는 걸 더 좋아한다. 벤 고르첼은 인공일반지능을 한 가지 일(체스 게임을 하거나 차를 운전하거나 주식 가격을 예측 하는 등)만 하는 아주 전문화된 특화인공지능 프로그램들을 뛰어넘는 개념으로 본다.

인공일반지능과 특화인공지능은 많은 점에서 공통점이 있다. 특화인공지능과 특화인공지능은 많은 점에서 공통점이 있다. 특화인공지능과 인공일반지능 양쪽에 동일한 기술적 접근방법들이 적용되기도 한다. 그러나 벤 고르첼은 그 둘이 추구하는 바에서 근본적인 차이가 존재한다고 믿고 있으며, 다른 많은 연구가들(절대 모든 연구가들이 아니라)도 그 점에서는 벤 고르첼의 말에 동의한다.

이 모든 점은 여태껏 분명해졌으리라 기대한다. 그러나 인공일반지능의 개념에는 이 모든 것보다 훨씬 더 갚은 그 무언가가 있다. 인공일반지능은 정확히 무엇을 의미하는 걸까?

인공일반지능의 정의

인공일반지능의 개념을 조심스레 또 엄멀히 정의하는 한 가지 접근방법은 신경 쓰지 않는 것이다. 일상적이고 실제적인 접근이면 족할 것이다. 벤 고르첼은 그런 접근방법이 아주 마음에 든다.

그런 맥락에서 벤 고르첼은 1960년대와 1970년대 초에 인공지능 분야에서 활약한 선구자들 중 한 사람인 닐스 닐슨의 말을 즐겨 인용한다. 그는 2005년 <인공지능 매거진>에「인간 수준의 인공지능? 정말!」이란 제목의 논문을 게재했는데, 그 논문에서 그는 더 많은 인공지능 과학자들이 초창기 몇 년간 인공지능 분야에서 인공일반지능 시스템의 일상적이고 실제적인 잠재력, 그러니까 현재 인간이 하고 있는 일들을 대신할 수 있는 능력에 집중하는 것이었다. 그의 얘기를 직접 들어보자.

"인간 수준의 인공지능이 나온다고 해서 꼭 인간이 돈 받고 하는 일들의 대부분이 자동화된다는 의미는 아니다. 나는 특수 목적의 시스템들을 만들어 자동화 목표를 달성하려 애쓰기보다는, 인간이 할 수 있는 수천 가지 일들을 익히고 배워 대신할 수 있는 일반 목적의 교육 가능한 시스템을 개발해야 한다고 주장하는 쪽이다. 비슷한 주장을 해온 다른 사람들과 마찬가지로 나 역시 최소한의 시스템, 그러면서도 광범위한 능력을 가진 시스템부터 시작할 것을 지지한다. 그 능력 속에는 다른 많은 능력 외에 학습을 통해 스스로 향상될 수 있는 능력이 포함되어야 할 것이다."

닐스 닐슨의 관점에서 보면, 일단인공지능이 인간이 하는 실제적인 대부분의 일에서 인간을 배제하게 된다면, 그 인공지능은 이미 인간 수준의 인공일반지능을 갖게 된 것이다. 여기에서의 가정은 인간이야말로 우리가 만들려고 하는 바로 그 일반 지능 시스템이며, 그래서 일반 지능을 특징짓는 가장 실제적인 방법은 인간의 능력과 비교하는 것이다. 벤 고르첼의 입장에서 이는 ㅇ인공일반지능에 대한 다소 제한된 관점이지만 출발점으로서는 아주 그만이다. 인간이 하는 실제적인 일들이야말로 놀랍도록 많은 유용하면서도 미묘한 일반 지능을 압축하고 있는 것이다.

벤 고르첼은 실용주의를 아주 높이 평가하는 사람이므로, 인공일반지능을 정의하는 문제를 그렇게 쉽게 끌고 가진 않겠다. 인공일반지능을 만드는 벤 고르첼의 접근방법에 대해 보다 깊이 파고들기에 앞서, 그리고 벤 고르첼의 그런 접근 방법으로 이끌어준 분야에서 벤 고르첼이 어떤 여정을 거쳤는지를 이야기하기에 앞서, '인공일반지능'이라는 개념이 정말 무엇을 의미하는지를 조금이라도 더 자세하고 엄밀히 설명하는 게 도움이 될 거라 생각한다. 결국 정말 중요한 것은 우리가 만들고자 하는 시스템들의 실제적인 행동이다. 그러나 벤 고르첼이 하고 있는 말의 의미에 대해 좀 더 잘 알고 있는 게 좋을때가 많다.

벤 고르첼은 이미 여러분에게 인공일반지능의 대략적인 정의는 설명한 바 있다. 컴퓨터 프로그램이든 로봇이든 아니면 기계 같은 것이든, 인간과 비슷한 일반 지능을 가진 어떤 시스템을 뜻한다. 일반 지능은 아주 특정한 어떤 일들에 매이지 않은 폭녋은 지능으로, 광범위한 관점을 갖는 능력 또는 배운 것들을 일반화하는 능력을 갖는다. 한 시스템의 일반 지능이 내릴 수 있는 최선의 판단은 복잡한 상황 속에서 복잡한 목표들을 달성할 수 있는 그 시스템의 실제적인 능력이다. 일반 지능은 자신이 부딪히는 새로운 것들을 이해할 수 있어야 하며, 한 영역에서 지식을 습득해 그걸 다른 영역에 응용할 수 있어야 한다. 또한 자기 자신과 다른 이들, 그리고 세상에 대해 날로 진화하는 직관적 이해를 갖고 있어야 한다.

이 대략적인 개념을 보다 정확하게 만드는 일은 보기보다 더 어렵다. 지난 10여 년간 인공일반지능의 이론을 연구해오면서 알게 된 사실이지만, 인공일반지능을 수량화할 수 있는 방식으로 정의하려고 애쓰다 보면 각종 복잡한 문제들에 이르게 되는데, 그중 일부는 그 특성이 교육적이고 또 일부는 보다 기술적이다. 정말 중요한 문제는 아무도 '지능'을 정확히 정의하지 못한다는 것이다.

어떤 사람들은 이해하기 힘든 지능의 이런 특성 자체가 문제라고 생각하지만, 벤 고르첼은 그게 실제 얼마나 힘든 일인지 확신이 서지 않는다. 우리 대부분은 '아름다움'이 무얼 의미하는지를 직관적으로는 안다. 그러나 그 의미를 정확히 또 공식적으로 정의하는 것은 정말 힘든 일이어서, 그간 많은 철학자들과 심리학자들이 그 문제로 오랜 시간 머리를 싸매야했다. 그러나 화가들은 아름다움에 대한 정확하고 공식적인 정의에 대해 신경도 쓰지 않으면서 아름다운 그림들을 그려낸다. 아름다운 걸 보고 바로 아름답다는 것을 아는 것이다.

생물학자들 역시 '생명'의 정의 때문에 그렇게 속을 썩이진 않는다. 레트로바이러스처럼 이것도 저것도 아닌 이른바 경계선 사례는 많다. 그리고 합성생문학의 등장과 함께 그런 사례는 더 많아질 것이다. 또한 생물학자들은 '생명'이 불분명하고 질적인 개념이라는 사실에 골머리를 앓지 않는다. 그들은 결국 '생명'이라는 것이 번식과 신진대사처럼 보다 정확한 개념들을 불분명하게 뒤섞어놓은 것에 지나지 않는다는 걸 잘 알기 때문이다.

이와 마찬가지로 우리 역시 인공일반지능의 정확한 정의에 대해 별 신경을 쓰지 않고도 발전된 인공일반지능 시스템들을 만들어낼 수 있을지도 모른다. 그렇다 해도, 인공일반지능의 의미에 대해 잠시 생각해보는것은 교육적일 수 있으며, 또 현실 세계 속 인공일반지능 시스템들에 대해 더 명확히 생각할 수 있게 해줄 것이다.

 

특화인공지능의 발견이 가져온 것

인공일반지능과 특화인공지능 즉 약인공지능 사이의 차이가 왜 그리 중요해 보이는지를 제대로 이해하려면, 인공지능이라는 개념의 역사가 어땠는지 또 그 개념이 시간이 지나면서 어떻게 바뀌고 있는지를 아는 게 도움이 된다. 단어의 의미는 하늘에서 뚝 떨어지는 절대적인 것도 아니고, 중앙집권화된 어떤 정부 기관에 의해 결정되는 것도 아니다. 단어의 의미는 사용 패턴에 따라 시간이 지나면서 서서히 변화된다. 예를 들어 미국인들의 일상 대화에서 gay라는 단어가 happy의 의미로 쓰이게 된 건 제법 됐다. 마찬가지로 AI, 즉 인공지능이라는 단어의 의미도 변해왔다.

1950년대 말에 처음 생겨났을 때 ‘인공지능’이라는 단어는 분명 인간과 같은 일반 지능을 가진 기계나 컴퓨터 프로그램 또는 로봇을 가리키는 말이었다. 그 당시에는 체스를 할 줄 아는 컴퓨터라면 폭넓은 주제에 대해 일반적인 생각을 할 수 있는 똑똑한 인간과 맞먹는 지력을 가질 수 있다고 믿었다. 그 이후 인공지능의 의미는 계속 바뀌어왔는데, 그건 우리가 똑똑해 보이는 이런저런 인간의 일들을 해내는 컴퓨터 프로그램을 만드는 건 가능하지만, 그 프로그램ㅇ이 여전히 일반적으로 생각하고 세상에서 독립적으로 움직이는 능력은 부족하다는 걸 알게 되었기 때문이다.

지금 우리는 체스 경기에서 모든 인간을 이길 수 있는 컴퓨터 프로그램은 만들 수 있지만, 그것들이 아직 신문을 읽는다거나 길을 건넌다거나 방정식은 풀지 못한다는 걸 잘 안다. 딥 블루나 왓슨 같은 컴퓨터 프로그램이 높은 지능이 필요한 특정한 일들은 잘 해내지만 세상을 이해하는 일반 능력은 없다는 것도 안다. 이처럼 ‘바보 석학’같은 인공지능의 가능성은 1960년이나 1970년만 해도 그리 분명해 보이지 않았다. 그때만 해도 대부분의 인공지능 전문가들이 일단 딥 블루나 왓슨 정도의 능력을 가진 컴퓨터 프로그램이 완성되면 완전한 인간 수준의 인공일반지능은 곧 만들어질 거라 믿었던 것이다.

오늘날 AI, 즉 인공지능이라는 단어에는 두 가지 의미가 있다. 첫째, 인간과 맞먹는 또는 더 나은 일반 지능을 가진 가설 상의(아직 완성되지 않았기 때문에 가설임) 컴퓨터 프로그램이나 로봇 또는 기계를 뜻한다. 이것이 우리가 AGI, 즉 인공일반지능이라 부르는 것이다. 둘째, 인공지능은 일반 지능은 부족하지만 아주 특수한 ‘지능적 행동들’을 할 수 있는 현실속의 컴퓨터 프로그램들을 뜻한다. 이것이 우리가 ‘특화인공지능’ 즉 약인공지능이라 부르는 것이다.

인공지능이라는 용어가 처음 도입됐을 때, 고도로 전문화되고 지능적인 일을 수행하는 프로그램, 또한 높은 지능을 요구하는 특수한 일은 잘 하지만 일반화하거나 독립적으로 생각하는 능력은 없는 프로그램은 하나의 가능성으로조차 여겨지지 않았다. 그래서 몇 십 년 전만 해도 인공일반지능과 특화인공지능이 하는 일이 형편없다거나 가치가 없다는 얘기를 하려는 건 아니다. 벤 고르첼은 지금 상당히 많은 시간을 고도로 전문화된 각종 특화인공지능 시스템에 대한 연구를 하는 데 쓰고 있다. 지난 2년간은 한 팀과 손잡고 머신 러닝과 컴퓨터 언어학 소프트웨어를 활용해 헤지 펀드를 시작하려는 목적 아래 주식 시장을 예측하기도 했다. 벤 고르첼은 또 그간 생물학자들이 인간의 수명을 늘리는 방법을 찾는 데 일조하기 위해 생물학 자료 분석에 인공지능 툴들을 응용하려는 노력을 기울여왔다. 비디오 게임, 음악 감상 분석, 마케팅 데이터 분석은 물론 문자화된 방대한 지식 속에서 중요한 정보를 찾는 걸 돕는 일 등, 다른 영역들에 인공지능 기술을 응용하기 위해 이런저런 기여도 해왔다.

이런 일은 아주 매력적이며 종종 생산적이기도 하다. 특화인공지능을 이런 식으로 활용하는 데에는 아무 문제도 없다. 사실 이는 오늘날 지구상에서 일어나고 있는 가장 흥미로운 일들 중 하나이기도 하다. 그러나 이렇게 특화인공지능을 응용하는 일은 스스로 생각할 줄 아는 인공일반지능을 만들기 위한 노력과는 전혀 차원이 다른 별개의 일이다. 인공지능 분야와 인공일반지능 분야는 필요로 하는 프로그래밍부터가 다르다. 광범위한 일반화 작업에는 전문화된 문제 풀이 작업에 필요한 것들과는 전혀 다른 인지 구조와 과정들이 필요하다. 벤 고르첼이 특화인공지능이 된다거나, 특화인공지능 디자인이 확대되어 인공일반지능 디자인이 된다고는 생각지 않는다.

분명한 것은 우리가 특화인공지능을 만들기 위해 사용하는 툴은 인공일반지능을 만드는 데도 도움이 될 수 있다는 것이다. 물론 사용하는 방법을 달라야 한다. 특이점에 도달하게 하는 것은 인공일반지능이지 특화인공지능이 아닌 것이다. 하지만 어쨌든 특화인공지능은 인공일반지능과 특이점이 도래할 수 있게 해줄 다른 많은 기술들을 만드는 데 간접적인 도움을 줄 수 있다.

인공일반지능이라고 해서 철처히 그리고 한없이 일반적인 지능을 지녀야 한다는 것은 아니다. 그보다는 인공일반지능은 물리적인 현실 속에서 각종 일을 수행해야 한다는 태생적 한계로 인해 어쩔 수 없는 한계는 있지만, 그러면서도 일반성과 독립성을 갖고 많은 분야의 일을 해낼 수 이으며, 그런 기능이 전체 기능이 전체 기능 중 상당히 많은 비중을 차지한다. 이것이 인간 뇌가 갖고 있는 일반성이며, 벤 고르첼과 다른 인공일반지능 연구가들이 만들어내려 하는 인공일반지능의 일반성이기도 하다.

인공일반지능의 유래

벤 고르첼이 10년 조금 더 전에 ‘인공일반지능’의 개념을 깊이 파고들게 된 것도 이처럼 인공일반지능의 의미가 점차 변하고 있다는 데서 비롯된 것이다.

2002년에 벤 고르첼의 오랜 동료 카시오 페나친과 벤 고르첼은 책 한권을 냈는데, 그 책은 인간과 똑같이 그리고 궁극적으로는 인간을 뛰어넘어 생각을 할 줄 아는 컴퓨터 프로그램을 만드는 일에 전념한 여러 과학자들이 쓴 연구 논문을 모아 편집한 책이었다.

우리는 그 책에 당시 대부분의 대학과 기업들이 하고 있던 보다 전문화된 인공지능 연구외는 구분되는 그런 제목을 붙이고 싶었다. 그보다는 체스 게임, 경로 찾기 데이커베이스 검색 같은 보다 좁은 목적의 컴퓨터 프로그램 디자인에 초점을 맞추고 있었다. 이처럼 전문화된 문제 해결 애플리케이션들은 아주 멋지지망, 인간처럼 생각하는 기계를 만들기 위한 접근방법과는 아주 다른 접근방법을 필요로 한다. 그래서 우리는 우리의 인공지능을 다른 인공지능들과 구분할 용어를 찾고 있었다.

처음에 우리는 그 책을 <<리얼 인공지능>>이라 부르려 했다. 그런데 그 제목은 다소 논란의 여지가 있다는 의견이 있었다. 어쨌든 다른 연구가들이 추구 중인 인공지능 우리 인공지능처럼 ‘리얼’했기 때문이다. 그들 모두 리얼하고 가치 있는 일들을 행하는 소프트웨어 프로그램들을 만들고 있었으니까. 그들의 노력이 본질적으로 무가치한 게 아니라, 단지 그들은 인공지능을 인간처럼 생각하는 쪽으로 끌고 가지 않고 있었을 뿐이다. 그들은 자신들의 인공지능에 인간 마음속에 있는 일반성, 창의성 그리고 자각 능력을 주입하려 하진 않았다.

벤 고르첼은 여러 친구들한테 이메일을 보내 ‘리얼 인공지능’보다 나은 제목을 생각해줄 친구를 찾았다. 당시 스위스에서 수학적 인공지능 마법사 마커스 허터를 주제로 박사 학위 논문을 쓰고 있던 한때의 벤 고르첼의 동료 셰인 레그가 AGI, 즉 인공일반지능이란 제목을 제안해왔다. AGI에서의 G는 심리학에 나오는 g-factor의 개념을 연상케도 하는 단어로, 인공일반지능을 측정하는 데 쓰이는 통계 용어이기도 하다.

지능의 g-factor는 심리학자들이 전문화된 지식 및 능력을 분석하고 학습 및 사고 능력에 대한 일반적인 감을 잡기 위한 시도들을 뜻한다. 그러나 g-factor를 측정하기 위해 심리학자들이 사용하는 IQ 테스트가 인간 뇌가 어떻게 작동하는지와 관련되어 있기 때문에, 그 테스트들은 인간에게만 적용할 수 있다. 그러나 g-factor의 개념은 인공지능의 기본적인 의미와 어느 정도 관련은 있다.

사실 인공일반지능이란 용어는 처음엔 카시오 페나친과 벤 고르첼에게 그리 와닿지 않았다. 다소 따분한데다가 결정적으로 나노테크놀로지나 양자 컴퓨팅, 인공생명 같은 용어들에 비해 세련되어 보이지도 않았기 때문이다. 기본적으로 우리는 인공일반지능이란 말이 의미 전달은 확실하다고 느꼈다. 그래서 결국 우리는 계속 그 용어로 밀고 나가기로 했다. 지금 이 시점에서 인공일반지능이란 용어는 상당한 인기를 누리고 있다. 그 편집된 책과는 별개로, 벤 고르첼은 그간 연례 인공일반지능 컨퍼런스를 주최하는 데 일조해왔다. AGI-2011은 캘리포니아 주 마운틴뷰에 있는 구글 본사에서 열렸고, AGI-12는 영국 옥스퍼드 대학교에서, AGI-13은 베이징에서, AGI-14는 케나다 퀘벡에서, AGI-15는 베를린에서, AGI-16은 뉴욕에서 열렸으며, AGI-2017은 호주 멜버른에서 열릴 것이다. AGI 저널도 한 권 발행되고 있다. 게다가 구글검색을 해보면, 벤 고르첼의 프로젝트와는 관계없이 다른 많은 사람들이 인공일반지능이란 용어를 쓰고 있다는 걸 알 수 있다.

앞서 벤 고르첼은 사람들의 일을 대신 해주는 인공일반지능에 대해 얘기하면서 닐스 닐슨의 말을 인용했는데, 그는 ‘인간 수준의 인공지능’이라는 용어를 즐겨 썼다. 다른 인공지능 연구가들 역시 그 용어를 즐겨 쓴다. 그러나 그 용어는 벤 고르첼이 추구하고 있는 일에는 잘 맞지 않는다. 벤 고르첼은 인간 수준에서 멈추고 싶지 않기 때문이다. 벤 고르첼은 인간의 지능을 뛰어넘는 인공지능을 만들려 하고 있으니 말이다. 사람이 만든 인공 마음, 또는 그 후손들은 아마 결국 인간 수준을 훨씬 뛰어넘게 될 것이다.

SCAD, 합성된 복잡한 적응 시스템

문제를 좀 더 복잡하게 할지도 모르겠는데, 벤 고르첼이 그 용어를 세상에 내놓았고 또 그 용어를 엄청 많이 쓰긴 했지만, 벤 고르첼은 사실 AGI, 즉 인공일반지능이란 용어를 그리 좋아하지 않는다는 걸 인정하지 않을 수 없다. 가장 많이 쓰이는 대체어인 AI, 즉 인공지능보다 문제가 덜할뿐이지, 이 용어 역시 문제가 있긴 마찬가지기 때문이다. 벤 고르첼은 사실 AGI를 이루고 있는 세 단어 Artifical과 General 그리고 Intelligence 모두에 아쉬움을 느끼며, 그것에 대해 간단히 설명하고자 한다. 물론 벤 고르첼은 인공지능의 역사와 인공지능 기술 및 사고의 현재 상태를 감안할 때 현재로선 AGI가 유용한 용어라 생각한다.

벤 고르첼은 현재 만들려 하고 있는 컴퓨터 시스템을 제대로 설명하면서 문제도 덜한 용어는 아마 SCADS, 즉 합성된 복잡한 적응 시스템일지도 모른다. Synthetic은 만들어지고 엔지니어링 되고 합성된다는 걸 의미한다. 그리고 Complexly Adaptive는 그 시스템의 상태가 대내외적 상황에 따라 복잡하게 변한다는 걸 의미한다.

SCADS라는 용어를 생각해보면, 특화인공지능 시스템은 적을 분야가 비교적 좁은 영역들에 국한되기 때문에 인간의 뇌나 인공일반지능에 비해 복잡한 적응 능력이 훨씬 떨어진다. 순수한 지식 관점에서 SCADS라는 용어를 더 좋아함에도 불구하고, 벤 고르첼은 AI, 즉 인공지능이란 용어가 워낙 널리 쓰이고 있어 AGI, 즉 인공일반지능이란 용어가 더 직관적이고 알아듣기 쉬운 장점을 갖고 있다고 생각한다. AGI라는 용어는 인공성과 일반성과 지능이라는 세 가지 중요한 특성에 관심을 집중시킨다는 장점도 있다. 그러나 합성, 복잡성, 적음, 상호연결성도 중요하다.

첨단 인공일반지능은 정말로 ‘인공적이진’ 않다

2013년에 몇몇 체코인들이 여러 학문 분야를 망라하는 ‘인공지능을 넘어: 인공 골렘 지능’이란 이름의 멋진 컴퍼런스를 주관했다. 당시 벤 고르첼은 너무 바빠 직접 그 컨퍼런스에 참석하지 못했지만, ‘인공성과 일반성, 그리고 지능을 넘어’라는 제목의 비디오 컨퍼런스를 통해 강연을 했다. 그 강연은 전달 측면에서는 썩 좋은 강연은 아니었다. 당시 벤 고르첼은 이이디아 사무실에서 근무 시간 중에 그 강연을 해야했는데, 사무실 벽들이 아주 얇아 벽 너머에서 일하는 다른 사람들을 방해하지 않으려고 아주 나짓이 말을 해야 했기 때문이다. 그러나 내용 측면에서는 흥미로운 강연이었다고 생각한다.

당시 그 강연에서 벤 고르첼은 AGI의 A와 G와 I와 관련해 벤 고르첼이 갖고 있던 개념상의 문제들을 설명했다. 물론 AI의 A에 대해 약간의 문제가 있다는 얘기를 한 게 벤 고르첼이 처음은 아니었다. 우리가 만일 인간을 초월하는 지능을 가진 컴퓨터 프로그램을 만드는 데 성공한다면, artificial, 즉 ‘인공적’이라는 말은 더 이상 통하지 않게 되어 AI와 AGI 둘 다 아주 부적절한 용어가 되어버린다. ‘인공’이라는 말은 사람이 사용하는 어떤도구인데, 고도로 지능이 높고 독립적인 컴퓨터 프로그램이나 로봇은 결국 더 이상 누군가의 도구에 머물지 않을 테니 말이다.

인공지능 연구 일을 하고 있는 벤 고르첼로서는 단순한 도구로 쓰이게 될 지능 가진 시스템을 만든다는 목표로는 제대로 된 동기부여를 받지 못한다. 물론 각종 도구들도 아주 멋지고 유용하며, 그간 벤 고르첼에게는 쓸모 있는 도구들을 만드는 데 일조하는 것에 큰 기쁨도 맛보았다. 하지만 벤 고르첼의 경우 도구가 인공일반지능 개발의 최종 목표는 아니다. 벤 고르첼 자신은 물론이고 다른 사람들의 욕구를 대리 만족시켜주는 일이나 하는 기계를 만들고 싶지는 않다. 로봇 하인은 아주 편리한 기계이지만, 어쨌든 그런 걸 만들겠다는 건 스케일이 작은 포부이다. 벤 고르첼은 자신만의 목표, 열정, 감정, 관심사가 있고 자신의 의지대로 우주를 탐구하는 독립적이고 자율적인 마음들을 만들어내고 싶다. 그 마음들이 인간은 물론 지각이 있는 다른 존재들의 권리와 욕구도 존중해주는 것도 중요하겠지만, 어쨌든 벤 고르첼은 그 마음들이 단순한 우리의 도구 그 이상이 되길 원한다. 인간보다 뛰어난 지능을 가진 마음들을 만들되 그 마음들이 순전히 인간의 도구로 머물게 한다는 게 가능한 일이긴 한가? 그러니까 인간이 순전히 개나 바퀴벌레 또는 박테리아의 도구로 존재하는 세상이라는 게 가능한가?

 

 

현실 세계의 지능은 실제로 ‘일반적일’수 없다

그렇다면 AGI의 G는 또 어떤가? 인공지능과 벤 고르첼이 ‘특화인공지능’이라 부르는 인공지능 간에 가장 결정적인 차이가 바로 이 글자 G이다. ‘지능의 일반성’이란 아주 많은 영역에서 지능적으로 생각할 수 있고 또 갖고 있는 지식을 한 영역에서 다른 영역으로 폭넓게 응용할 수 있다는 걸 의미한다. 어떤 새로운 작업 환경에 적응할 수 있고, 새로운 교사의 이상한 버릇에 대처하는 법을 배울 수 있다는 의미이기도 하다. 그러니까 인공일반지능 시스템은 어떤 특정 영역에 맞춰져 있기보다는 그 구조와 역학의 중심이 ‘일반성’이 되어야 한다.

일반성은 인간 지능에는 필수적인 요소로, 벤 고르첼은 그것이 생각하는 기계를 만들려는 모든 시도의 초점이 되어야 한다고 생각한다. 그러나 ‘일반’ 지능이라는 개념에 내재된 한계들도 있다. 적어도 현재까지 알려진 과학 분야에서 그런 일이 가능한지 잘 모르겠다.

그간 레이 솔로모노프, 마커스 허터, 위르겐 슈미트후버 같이 진취적인 여러 수학자들이 완벽한 일반지능과 관련된 수학 정리들을 증명해보였다. 그러나 많은 수학 정리들의 경우와 마찬가지로, 그 정리들은 현실 세계에 적용되지 않는 가정들에 의존한 것들이다. 그리고 그 가정들 중 상당수는 또 자신의 컴퓨터에 무한한 처리 능력이 있다는 잘못된 가정에 의존하고 있는데, 그 가정은 물리학의 법칙에 위배되는 것이다. 그런 가정이 느슨해지면, 자신의 컴퓨터가 지금지 알려진 우주의 모든 입자를 이용해 만들 수 있는 가장 뛰어난 컴퓨터보다 연산 능력이 훨씬 더 뛰어나다는 또 다른 잘못된 가정으로 대체된다. 이런 종류의 가정을 토대로 하는 수학은 흥미도 있고 인공일반지능 연구에 영감을 줄 수도 있지만, 그대로 바로 적용할 수는 없다.

실제로는 물리학 법칙에 따라 현실 세계의 물리적 시스템이 실제로 가질 수 있는 처리 능력에 한계가 있기 때문에, 일반 지능이 할 수 있는 일에는 한계가 있는 듯하다. 이처럼 한정된 처리 능력을 감안하면, 실제상당 기간 안에는 그 어떤 인공지능 시스템도 모든 가능한 것들을 이해하는 데는 다른 시스템들보다는 더 빠를 것이다.

그러나 설사 우리가 아는 한, 지능의 완벽한 일반성이 물리학과 양립될 수 없는 것처럼 보인다 해도, 한 지능이 상당한 정도의 일반성, 그러니까 좁은 영역을 받아들여 그 잠재력을 넓히는 능력을 갖는 것은 가능할 수 있다. 이런 점에서 어떤 지능이 ‘일반’ 지능을 갖게 된다는 것을 갈수록 더 큰 일반성을 추구하는 것이 그 지능의 큰 관심사가 되어, 그 자신의 공간 킻 시간 자원을 많이 소모하게 된다는 걸 뜻한다.

IBM의 딥 블루나 구글 서치 같은 프로그램의 경우, 일반성은 그 프로그램의 초첨이 아니다. 일반성은 아주 제한되어 있고, 시스템 지능이 주로 전문적인 문제 해결에 집중되고 있는 것이다. 이런 점에서 인공일반지능이란 특정 영역 너머까지 확장하는 능력과 일반화에 지능을 집중하는 컴퓨터 시스템을 뜻한다. 인간은 수학에서 말하는 이론적인 일반 인공처럼 무한한 일반성을 갖고 있진 않지만, 현존하는 그 어떤 인공지능 시스템보다 훨씬 더 큰 일반성을 갖고 있다.

지능 그 자체는 다소 제한적인 개념이다

마지막으로, AGI에서 I는 어떤가?

I는 아마 AGI의 세 글자 중 가장 신비로운 글자일 것이다. 널리 받아들여지는 ‘지능’의 정의가 존재하지 않기 때문이다. 심리학자들은 지능에 대해 다양한 정의를 내리고 있지만, 거의 모두 IQ 테스트 같은 테스트로는 인간 일반 지능의 일부만 살펴볼 뿐이라는 데 동의한다. 지능을 IQ 테스트로 측정하는 것은 질량을 저울로 그걸 측정하는지를 설명해주는 명확한 이론도 있다. 지능은 그 정의 자체가 모호하며, 왜 IQ 테스트가 정확한 측정 방법인지를 설명해주는 명확한 이론도 없다. 인공일반지능 연구가 셰인 레그와 마커스 허터가 다양한 학문의 역구 문헌에서 지능에 대한 정의를 끌어 모은 적이 있는데, 그 수가 무려 70개가 넘었다.

벤 고르첼은 널리 받아들여지는 지능에 대한 정의가 없다는 것에 대해 그리 신경 쓰지 않는다. 앞서도 말했듯, 화가들은 아름다움에 대한 정의를 몰라도 오케이고, 생물학자들은 널리 받아들여지는 ‘생명’에 대한 분명한 정의를 몰라도 별 문제 없다.

‘지능’은 유용한 개념이지만, 벤 고르첼에게는 그게 얼마나 근본적인 건지는 분명치 않다. 어쩌면 우리는 현재 알고 있는 ‘지능’의 개념을 뛰어넘는 아주지능이 높은 컴퓨터 시스템들을 만들어낼 것이다.

벤 고르첼은 지능이란 대략 ‘복잡한 환경에서 복잡한 목표들을 달성하는 능력’이라고 생각한다. 지능과 관련된 심리학 문헌의 대부분은 이런 관점과 맥을 같이하며, 또 지능과 관련된 많은 현대 수학의 수식 체계들 역시 그렇다. 기본적으로, 지능을 폭넓고 강력한 최적화 능력의 소유로 보는 것이다.

벤 고르첼은 종종 이런 정의가 얼마나 깊이 있는 것인지에 대해 회의감을 느끼곤 한다. 지능을 목표 달성 능력으로 보게 되면, 자신의 목표와 지능을 가진 마음 사이에 일종의 분열이 생기게 되는데, 이는 세상사가 돌아가는 방법이 아닐 수도 있다. 우리는 특정한 우주 안에 살고 있기 때문에, 중요한 것은 임의의 ‘복잡한 상활’에서 임의의 ‘복잡한 목표들’을 달성하는 능력이 아니라, ‘우리 우주 안에서 적절하고 사용 가능한 자원들을 이용해 복잡한 상황에서 복잡한 목표들을 달성하는 능력’일지도 모른다. 그러나 이런 식으로 생각하기 시작하다 보면, 지능을 이해하려면 먼저 우주를 이해해야 한다는 걸 깨닫게 된다. 벤 고르첼은 우주를 이해하는 게 아주 중요하다고 생각하지만, 그게 생각하는 기계를 만들기 위한 전제 조건이라고 생각진 않는다.

현재 브뤼셀 자유대학교의 글로벌 브레인 연구소에서 일하고 있는 벤 고르첼의 친구 데이비드 웨인바움은 ‘제한 없는 지능’이란 개념을 개발했다. 제한 없는 지능은 SCADS에 더 가까워, 스스로 자신의 경계를 확장하고, 자신의 환경 속에서 자신 속의 패턴들을 파악 및 창조하며, 자신과 자신의 환경 사이에 존재한다. 또한 다양한 시점에서 다양한 환경 속에 다양한 기능들을 극대화하는 경향이 있지만, 그 활동이 꼭 특정 목표들의 끈질긴 극대화라는 측면에서 효과적으로 요약될 필요는 없다.

인간 지능은 그 모든 놀라운 일반성에도 불구하고 어느 정도는 여전히 특정한 환경 속에서 특정한 목표를 달성하는 일에 집중한다. 우리의 지능은 잘 알려진 물리적 우주의 한 작은 귀퉁이에서 생존하기 위해 적응하는 과정을 통해 진화해왔으며, 그 작은 귀퉁이는 존재 전체의 아주 작은 비율에 불과하다. 우주가 지능의 본질에 어떤 제한들을 가하는가 하는 것은 현재로선 우리가 알아낼 도리가 없는 일이다. 다행히도 우린 그걸 알아내지 않아도 된다.

인공일반지능 연구가로서의 벤 고르첼의 목표는 인간 수준을 좀 넘는 일반 지능을 가진 '합성된 복잡한 적응 시스템'을 만들어내는 것이다. 그리고 이걸 잊어선 안 되는데, 그 시스템은 인간과 지각이 있는 다른 존재들에게 아주 우호적인 태도를 가져야 한다. 그런 다음 그 시스템은 다음단계를 알아낼 것이다. 벤 고르첼의 인간 마음으로는 바랄 수도 없는 엄청난 방법으로 말이다. 또한 그 다음 단계를 알아내는 과정에서 그 시스템은 '인공', '일반성', '지능', '합성', '적응', '시스템' 등과는 아주 다른 개념들을 이용할지도 모른다.

벤 고르첼은 그 개념들을 잘 알고 있으므로, 미래에 벤 고르첼이 어떤 형태로 존재하든, 발전된 SCADS나 인공일반지능들이 어떤 개념들을 활용할지 직접 벤 고르첼의 눈으로 보고 싶다.

 

인공일반지능은 우리의 삶에 어떻게 응용될 것인가

특이점의 개념은 다소 추상적이고 애매모호해 보일 수도 있다. 어쨌든 의미 자체가 우리가 이해하기 어려운 것이기 때문이다. 그에 비하면, 특이점이로 가는 길의 여러 측면들은 오히려 이해하기 더 쉬울 수도 있다. 예를 들어, 지능이 인간보다 수십억 배 더 뛰어난 인공일반지능이 지구를 지배하게 될 때, 그 인공일반지능이 여러 산업 분야에 어떤 영향을 주게 될지를 생각해보는 건 그리 어렵지 않다. 인공일반지능이 모든 산업 분야를 근본적으로 뒤바꿔놓을 잠재력을 갖고 있다는 사실에는 누구나 공감할 것이다.

일부는 이론상으로 또 일부는 실제 경험을 통해, 벤 고르첼은 현재의 인공지능과 초기 인공일반지능 기술들이 실생활에 어떻게 응용된 수 있는지 잘 안다. 벤 고르첼 자신이 지난 20여 년간 꽤 오랜 시간을 여러 민간단체와 정부로부터 위탁받은 각종 문제를 해결하는 데 인공지능 기술을 응용해왔기 때문이다.

인공일반지능 분야는 오늘날 지구상에서 가장 중요하고 흥미로운 분야이지만, 밥벌이 수단으로 삼기에는 아직 비교적 어려움이 많은 분야이다. 벤 고르첼은 부유한 부모 밑에서 태어나지도 못했고, 여러 가지 사업을 했지만 아직 그리 부유하지 못한데다, 여러 해 전에 학계를 떠났기 때문에, 성인이 된 이후 거의 늘 벤 고르첼의 시간의 일정 부분은 인공일반지능과 무관한 일을 하면서 보내야 했다. ‘밥벌이’, 그러니까 먹고 살고 아이들 학비도 벌어야 했다.

최근 들어 인공일반지능 분야는 과거에 비해 훨씬 더 인기 있는 분야가 되었고, 그래서 IT 대기업이나 신생 벤처 기업에 취업할 뜻을 갖고 있을 경우, 인공지능 분야에서 일하는 게 과거만큼 어렵지 않다. 또한 특화인공지능 제품이나 시제품 등을 제작하는 등, 인공일반지능과 연관이 있는 프로젝트에 참여할 기회들도 있다. 그러나 만일 IT 대기업이나 벤처 기업에 들어가고 싶지 않고 또 학계에 들어가 바쁘기만 하고 별 쓸모도 없는 일들을 하거나 각종 행정적인 문제 등에 신경 쓰는 것도 싫을 경우, 인공일반지능 분야의 일을 하면서 먹고 사는 문제를 해결하기가 아직은 그리 쉽지 않다.

벤 고르첼은 지난 15년 가까이 주로 여러 기업과 정부에서 의뢰 받은 특화인공지능 관련 일을 해왔으며 그 외에는 최대한 많은 시간을 인공일반지능의 연구·개발에 쏟으려 애쓰고 있다. 먹고 사는 문제를 해결하는 동시에 ‘완전 무료 오픈 소스 인공일반지능’을 만드는 일을 지속할 수 있는 다른 방법들과 달리, 이런 접근방식에는 분명한 이점이 있다. 벤 고르첼이 해온 깊이 있는 인공일반지능 연구와 특화인공지능 기술 응용 작업 사이에는 온갖 종료의 공통분모가 있다는 것이다.

벤 고르첼은 그간 실로 다양한 분야, 즉 로봇 공학과 게임, 국가 안보, 온라인 교육, 회계, 자연 언어 처리, 시장 조사, 물류 관리, 스마트파워, 재무 예측 및 분석, 유전학, 뇌 촬영, 임상 의학 분야 등에 인공지능 기술을 응용해왔다. 벤 고르첼이 해온 인공지능 기술 응용 프로젝트들 가운데 일부는 놀랄 만한 성과를 거뒀지만, 또 일부는 참담한 실패를 맛봤다. 그러나 벤 고르첼은 그 모든 프로젝트에서 뭔가를 배웠다. 현재 벤 고르첼은 비 인공지능 로봇 공학 응용 작업도 하는 한슨 로보틱스에서 많은 시간을 보내고 있지만, 나름대로 적절히 시간을 내‘OpenCog/ PrimeAGI'프로젝트와 관련해 하고 싶은 일들도 잘 해내고 있다.

인공지능 기술 응용 작업 때문에 인공일반지능 분야의 일이 더디게 진행되는 것은 분명하지만, 그 일은 그 일대로 여러 면에서 그만한 보람이 있다. 우선 그 덕에 산업계와 정부의 각 분야에서 다양한 사람 및 아이디어들과 접할 수 있었고, 평생 컴퓨터 연구실에 갇혀 인공일반지능 프로그래밍만 하여 보냈을 경우와 비교해 한 인간으로서 벤 고르첼의 지평을 훨씬 더넓힐 수 있었다. 또한 지금 인공지능 기술이 점점 더 인공일반지능 기술쪽으로 발전해가고 있는 상황에서, 현재에 또 미래에 인공지능과 인공일반지능 기술을 어떻게 다양한 분야에 응용할 수 있을 것인지 강한 영감을 얻을 수 있었다. 어쨌든 인공일반지능의 매력은 크게 두 가지이다. 첫째, 인간의 마음이 어떻게 작동하는지 비밀을 파헤치는 일에 흥미를 갖게 해준다. 둘째, 실질적으로 인공지능 시스템을 이용해 우리에게 유용한 일들을 할 수 있게 되며, 궁극적으로 우리 자신은 할 수 없는 방식들로 물질세계를 뒤바꿔놓을 수 있게 된다.

이 장에서 우리는 인공일반지능의 응용이라는 주제에 대해 조금 살펴본 뒤, 장차 인공일반지능을 어떤 식으로 각 분야에 응용할 수 있을지 그 가능성에 대해 가볍게 그러면서도 폭넓게 살펴볼 것이다. 인공일반지능은 인간 세상을 뒤바꿔놓기 위해 어떤 일들을 할 수 있을까? 만일 우리에게 활용 가능한 인공일반지능이 있다면, 어떤 일을 얼마나 더 잘, 또는 얼마나 다르게 할 수 있을까? 벤 고르첼은 그간 인공지능을 응용하는 일을 해오면서, '이용 가능한 기술들'을 가지고 주어진 짧은 시간 안에 벤 고르첼이 각 고객을 위해 어떤 일을 할 수 있는가 하는 문제에 직면해왔다. 그런데 만일 그 '이용 가능한 기술들' 속에 발전된 인공일반지능 시스템들이 포함되어 있다면 어찌될까?

그 의문에 대해 조금 생각해보기 시작할 경우, 아마 발전된 인공일반지능이 급격히 뒤바꿔놓지 못할 분야를 생각해내기란 쉽지 않을 것이다. 벤 고르첼은 이 장에서 오늘날 지구상에 존재하는 모든 주요 산업들을 분야별로 죽 훑어볼 것이다. 그리고 또 각 산업별로 인간의 지능을 훨씬 뛰어넘는 기계들이 모든 걸 어떻게 바꿔놓을 수 있을지 간략히 살펴볼 것이다. 물론 여기서 벤 고르첼이 예견하는 이런저런 것들이 미래에 실제로 일어날 일들의 전부는 아닐 것이다.

여기서 벤 고르첼이 미래에는 어떤 가능성들이 우리를 기다리고 있는지 그 맛만 보여줄 것이다. 여기서 벤 고르첼이 보여주는 생각들은 그야말로 수박 겉핥기에 불과하다. 만일 여러분이 보다 흥미로운 예측을 생각해내서 벤 고르첼의 예측을 보잘것없는 것으로 만든다면, 이 장은 나름대로 제 역활을 다한 셈이다.

인공일반지능이 바꾸는 운송과 건설, 에너지의 미래

항공우주

우리는 이미 컴퓨터 프로그램들을 이용해 민간 제트 항공기들을 날리고 있다. 조종사들은 주로 승객들을 안심시키기 위해, 그리고 또 만에 하나 기계보다는 인간 전문가가 더 잘 대처할 수 있는 재난이 일어날 경우에 대비해 조정석에 않아 있다. 그런데 왜 우리는 아직도 따분한 옛날 비행기들을 타고 날아다닐까? 현재의 제트 엔진보다 훨씬 더 효율성이 뛰어난 엔진을 만들거나 헬리콥터처럼 수직 이륙해 제트기처럼 빨리 나는 비행기를 만드는 일은 얼마든지 가능하다. 콩코드 기 같은 연료 비효율성 없이 음속보다 빨리 나는 비행기를 만드는 것도 가능하다. 몇몇 초장기 인공일반지능 항공우주 엔지니어들이 디자인 작업에 참여한다면, 현재의 비행기 디자인은 라이트 형제의 복엽 비행기만큼이나 구닥다리로 보이게 될 수도 있다. 현대의 군사용 항공기들의 경우 이미 온갖 놀라운 혁신이 구현되고 있지만, 그 혁신이 민간 항공기에 그대로 응용되기에는 비용 대비 효율성이 너무 낮다. 그러나 인공일반지능 엔지니어링 혁신은 이 모든 걸 하루아침에 바꿔놓을 수 있다.

이는 얼핏 보면 별거 아닌 것처럼 보이지만, 보다 깊이 들여다보면 상당한 의미가 있다. 현재 우리는 풍동(빠르고 센 기류를 일으키는 장치- 역자)안에서 어떤 일들이 일어나는지 관찰하거나, MATLAB 같은 컴퓨터 프로그램에서 각종 방정식을 풀어보면서 대략 공기 역학을 연구한다. 그런데 우리 인간의 몸이 우리 눈과 귀에 연결되어 있듯, 인공일반지능을 그 풍동 안의 센서들에 연결할 수도 있다. 그런뒤 MATLAB나 다른 방정식 풀기 소프트웨어를 활용해 우리가‘1 +1 = 2’라는 계산을 해내듯 아주 빨리 그리고 자동적으로 비선형 방정식을 풀어내는 것이다. 그러면 인공일반지능은 풍동 안에서 관찰된 데이터를 토대로, 인간 항공우주 디자이너들은 흉내도 낼 수 없을 풀어내는 것이다. 그러면 인공일반지능은 풍동 안에서 관찰된 데이터를 토대로, 인간 항공우주 디자이너들은 흉내도 낼 수 없을 만큼 빠르고 정확하게 공기역학적 측면에서 뛰어난 비행기를 디자인할 수 있다.

여기서 얻을 수 있는 일반적인 교훈은 인공일반지능은 다양한 센서나 장치들과 연결될 수 있다는 유연성 때문에 도움을 받을 수 있다는 것이다. 인간은 비행기나 잠수함, 우주선 또는 나노 로봇 등과 직접 연결될 수가 없다. 그러나 인공일반지능은 온갖 시공간 시스템의 센서나 장치와 직접 연결될 수 있어, 그 모든 시스템에 대해 직관적으로 또 분석적으로 생각할 수 있다. 그야말로 모든 점에서 인간의 디자인이나 이론보다 훨씬 더 흥미롭고 예리한 디자인과 이론들을 만들어낼 수 있는 것이다.

자동차

혼자 움직이는 자율주행차는 공상과학 소설 속에나 나오는 자동차였지만, 최근 몇 년 사이에 너무도 당연시되는 상식적인 자동차로 변했다. 사실 자율주행차는 에른스트 딕만스와 그의 동료들에 의해 1990년대에 이미 세상에 나왔지만, 당시에는 널리 알려지지 않았다. 그러나 오늘날 구글에서 실험 중인 자율주행차들은 세계적으로 유명하며, 많은 대형 자동차 제조업체들 역시 독자적인 주행주행차 제작 프로젝트에 착수했다. 여러 관할 지역에서 자율주행차의 도로 주행을 법적으로 허가하는 법률이 제정되기도 했다. 또한 많은 주류 언론 기자들이 인간이 직접 자동차를 운전하는 시대는 얼마 남지 않았다는 내용의 기사를 쓰기 시작했다.

인공일반지능은 더없이 효율적인 자율주행차를 만드는 데도 필요한 것 같다. 아마 잘 만들어진 특화인공지능 부품들이 어느 정도 그런 필요를 충족시켜줄 수는 있을 것이다. 그러나 도로 위에서 예기치 못한 상황들이 발생할 경우, 인공일반지능이 더 잘 대처할 수 있으며, 따라서 인명을 구할 가능성도 조금은 더 높을 것이다. 자동차에 쓰이는 인공일반지능의 핵심은 예기치 못한 돌발 상황에 지능적으로 대처하는 능력이며, 그런 능력은 조금씩 다르지만 간접적으로 관련이 있는 이전 경험으로부터의 추정과 창의성을 토대로 한다. 만일 낯선 종류의 동물이 도로를 가로질러 달린다거나, 흔치 않은 자연 재해로 도로 상황이 꼬인 경우, 특화인공지능은 그런 상황에 효과적으로 대처할 수 없지만, 적절한 인공일반지능은 인간 운전자보다 그런 상황에 더 잘 대체할 수 있을 것이다.

건설

우리는 건물을 짓응 게 시간이 걸리고 어려운 일이라는 걸 당연시한다. 그런데 사실 왜 새로운 고층 건물을 몇 달 또는 몇 년이 아니라 몇 분 또는 몇 시간에 짓지 못하는 걸까? 그리고 또 왜 기본적인 건설 계획을 각 건물에 다 적용해 주택 개발 사업에 포함된 모든 가구를 한 번에 만들 수 없는 걸까? 원자재가 부족한 탓일 수도 있지만, 보다 중요한 것은 대형 건물 건설과 관련된 작업과 인간의 몸이 최상으로 매치되지 않기 때문이다.

인간처럼 시각적으로 인식을 하고 물체를 조작할 수 있는 로봇들이 있다면, 건설업계에는 일대 혁신이 일어날 것이다. 그리고 건설 작업에 더 적합한 로봇의 몸체에 인간의 능력과 같은 역량을 장착하는 건 큰 발전도 아닐 것이다. 건설 로봇들은 아마 인간을 닮지는 않을 것이다. 아마 지능이 있는 건설 트럭과 하늘을 나는 드론을 합친 형태일 것이며, 여러개의 기계팔과 갈고리가 있을 것이다.

 

 

에너지

베네수엘라 출신의 미래학자 호세 코르데이루는 '특이점'이 '에너지 특이점'이 될 수도 있다고 주장한다. 문명이 시작된 이래 인간 1인당 일평균 에너지 사용량은 계속 늘어왔으며, 이제 에너지 사용량은 기하급수적으로 늘고 있다. 인공일반지능은 인간의 지능을 넘어서는 에너지 생산 형태, 예를 들면 핵융합(처음에는 전통적인 핫 퓨전 방식으로, 그 다음엔 콜드 퓨전 방식으로) 같은 것들을 마스터할 가능성이 높다. 콜드 퓨전, 즉 저온 핵융합 현상은 1960년대 말 스탠리 폰스와 마틴 플레이슈만이 발표했으나 곧 잘못된 것으로 밝혀졌던 현상으로, 지금은 공인된 과학 현상으로 인정받고 있다.

인공일반지능은 인간보다 우주에서 활동하는 데 더 유리하므로, 우주공간에 거대한 마일러 탱양 전지판이나 태양열 발전 위성들을 띄우는데 별 어려움이 없을 것이다. 그리고 인공일반지능들은 자신들이 만들어내는 막대한 새 에너지 자원들을 이용해, 자신들의 거대한 가공 처리 농장에 에너지를 공급하고, 자신들의 지능을 높이고, 다시 또 훨씬 효율적인 에너지 자원을 만들어낼 것이다.

 

인공일반지능이 바꾸는 과학과 정보 통신의 미래

나노기술

현 시점에서 분자와 화학 합성물들을 인간이 의도하는 대도 만들어내고 움직이게 하는 일은 굉장히 어렵다. 그런데 화학을 완전히 마스터한 인공일반지능이 있어, 인간이 의도하는 대로 분자나 화학 합성물을 움직이거나 변화시킬 수 있다고 상상해보라. 인공일반지능은 인간에 비해 쉽게 화각을 마스터할 수 있는데, 그것은 인간의 감각 기관과 변화장치들 (손,발 등)은 분자 수준에서 자연스럽게 작동할 수 없기 때문이다. 그러나 인공일반지능에 분자 규모의 '눈'과 '손'을 주어 직접 화학의 세계와 상호 작용하게 할 수도 있다. 우리가 추상적인 분석과 복잡하면서도 어설픈 도구들을 통해 하는 일을, 그 인공일반지능은 우리가 손가락을 사용할 때처럼 직감적이면서도 유연하게 조작되는 도구들을 가지고 직접 느끼면서 해낼 수 있는 것이다.

또한 분자 나노 기술을 이용할 경우 우리가 원하는 구조대로 분자들을 구축할 수 있어, 전통적인 화학이 무용지물이 될 수도 있다. 그러나 우리가 완전한 분자 나노 기술을 익히는 동안, 인공일반지능을 기반으로 하는 화학이 우리 삶을 더 편하게 만들고 과학을 발전시키는 데 중요한 역활을 할 수도 있다. 나노 기술은 이미 우리 곁에 와 있고, 단계적으로 점점 발전될 것이며, 그 결과 에릭 드렉슬러 같은 초창기 나노 기술 선지자들이 예견한 강력한 능력을 갖게 될 것이다. 인공일반지능은 나노 기술을 발전시키고 물질에 대한 우리의 통제력을 높이는 데 인간보다 장점이 더 많다.

 

소프트웨어와 하드웨어

인공일반지능이 갖게 될 그 모든 놀라운 능력들 가운데 가장 드라마틱한 능력은 아마 컴퓨터 소프트웨어와 하드웨어를 새롭게 변형시키는 능력일 것이다. 디지털 컴퓨터 소프트웨어는 인간에게 분자의 세계만큼이나 낯선 세계이다. 코드 버그 때문에 머리를 쥐어뜯은 경험이 있는 프로그래머라면 누구나 뼈저리게 느껴본 일이겠지만, 인공일반지능은 너무도 정확해 사람을 미치게 할 지경이다. 제대로 만들어진 인공일반지능이라면 소프트웨어 코드를 사용하는 데 아주 능숙해, 우리가 뭔가를 보거나 듣는 것만큼이나, 아니면 손으로 막대기를 집어 올리는 것만큼이나 자연스레 소프트웨어 코드를 읽고 프로그래밍 할 수 있다. 이 때문에 결국 모든 종류의 소프트웨어 제작 속도와 질에 엄청난 차이가 생기게 된다. 게다가 인공일반지능으로 하여금 더 나은 인공일반지능을 프로그래밍 할 수 있기 때문에, '지능 폭발' 또는 '경이륙'이 시작되게 된다. 컴퓨터 소프트웨어 폭발은 하드웨어의 드라마틱한 발전과 동시에 진행된다. 오늘날 컴퓨터들은 1950년대에 존 폰 노이만이 만들었던 것과 기본적으로 동일한 구조로 만들어진다. 왜 그럴까? 컴퓨터 구조 디자이너들의 상상력 빈곤 때문은 아니다. 컴퓨터 역사에서는 아주 뛰어난 대체 구조들이 수없이 나왔었다.

벤 고르첼은 지금도 1990년대에 대니 할리스가 디자인한 커넥션 머신을 프로그래밍하던 일을 기억한다. 벤 고르첼은 프로그래밍 작업에 참여했던 그 커넥션 머신은 동시에 6만 4,000가지듸 독립된 작업을 할 수 있었는데, 그것은 대부분의 현대 컴퓨터의 2, 4 또는 8 코어보다 훨씬 많은 것이었다. 현재 그래픽 카드는 동시에 몇 백 가지의 작업을 할 수 있지만, 그 작업은 모두 동일한 작업이어야 한다. 그러나 커넥션머신의 경우, 6만 4,000개의 프로세서들이 모두 동시에 다른 작업을 할 수 있다.

보다 최근에는 커넥션 머신 프로젝트에 비하면 덜 야심적인 프로벡트지만, 소니와 IBM이 서로 손을 잡고 PS3 게임 콘솔에 전혀 새로운 '셀' 컴퓨터 구조를 적용했다. 그 구조에서는 단 8개의 프로세서만 사용되지만, 일반 컴퓨터나 게임 콘솔들과는 다른 특성을 갖고 있으며 또 다른 방식으로 상호 작용한다.

그런데 왜 커넥션 머신과 셀의 하드웨어는 그 많은 다른 새로운 컴퓨터 하드웨어들과 마찬가지로 실패작으로 끝났을까? 하드웨어가 나빠서가 아니라, 인간이 그 새로운 하드웨어 구조에 필요한 소프트웨어를 빨리빨리 만들어내는 게 너무 힘들었기 때문이다.

인간의 뇌는 늘 새로운 종류의 컴퓨터 하드웨어에 낯익은 알고리즘이나 데이터 구조를 적용하려 안간힘을 다 하고 있는데, 그것은 많은 노력이 필요한 일이다. 게다가 우리는 그간 낯익은 존 폰 노이만식 컴퓨터 구조에서 소프트웨어 작업을 하는 방법과 관련해 아주 많은 세세한 지식을 쌓아왔다.

인공일반지능은 새롭고도 훨씬 나은 컴퓨터 하드웨어 구조를 디자인 할 수 있는 잠재력을 갖고 있을 뿐 아니라, 현재의 소프트웨어를 다른 하드웨어 구조로 확장할 수 있는 능력도 갖고 있어, 애매모호한 기존 컴퓨터 하드웨어 디자인들을 발전시킴으로써 컴퓨터 분야에 일대 혁신을 불러올 것이다.

게다가 이제는 기이한 마이크로 세계의 물리학을 이용해 획기적으로 빠른 연산 작업을 할 수 있는 양자 컴퓨터가 출현하고 있다. 양자 컴퓨터는 동시에 여러 우주에서 복수의 연산 작업을 해낼 수 있으며, 그래서 고전적인 현대 물리학에 기초해 만들어진 컴퓨터들보다 훨씬 빠른 속도로 답을 이끌어낸다. 그러나 양자 컴퓨터의 프로그래밍 방법을 알아내는 일은 쉬운 일이 아니다. 인간의 뇌는 지금 양자 분야에서 고군분투 하고 있는데, 양자 분야는 믿을 수 없을 정도로 반 직관적이다. 양자의 세계에서는 전자 같은 것들이 동시에 입자도 되고 파동도 되지만, 동시에 알려진 위치와 알려진 속도를 갖지는 못한다. 입자/파동은 또 특정 상황에서 벽을 뚫고 순간 이동할 수도 있다. 양자 수준에서 곧장 센서와 연결된 인공일반지능은 인간의 뇌와는달리 직관적으로 양자 현상을 이해할 수 있으며, 그래서 인간은 이해도못할 양자 연산 알고리즘을 만들어낼 수 있다. 아마 이것이 일반적인 목적의 양자 컴퓨터들을 제대로 작동하게 만드는 유일한 방법일 것이다.

 

방위와 정보

역사적으로 미국 국방부는 전 세계에서 진행되는 대부분의 인공지능 연구에 자금을 대왔으며, 그래서 인공일반지능 기술이 성숙 단계에 도달하면 그게 곧바로 군사적인 목적에 쓰이게 될 가능성이 있다. 그러나 초기 단계의 인공일반지능은 삽시간에 힘을 축적해 그런 일이 일어나는걸 막을 수도 있다.

그런데 벤 고르첼의 생각에는 군대는 아주 예측 가능하고 신뢰할 만한 인공지능을 필요로 할 텐데, 초기 단계의 인공일반지능은 그런 특성을 갖고 있지 않을 것이기 때문에, 군대가 인공일반지능 발전을 주도하는 원청 업체가 될 것 같지는 않다. 우리가 만일 인간 어린이의 발달을 본떠 인공일반지능을 만든다면, 초기 단계의 인공일반지능은 인간 어린이들처럼 장난기 많고 믿을 수 없으며 혼란스런 특징을 보일 것이다. 게다가 인공일반지능은 애초부터 일반성을 갖고 있기 때문에, 그 어떤 발달 과정도, 그러니까 설사 어린이 단계를 우회하려는 발달 과정도 이 예측 불가능성에서 자유롭지 못할 것이다. 최초의 인공일반지능 시스템이 갖고 있는 예측 불가능성의 한도와 특성을 이해하려면 시간이 걸릴 것이며, 그래서 처음 태어날 군사 로봇들은 예측 가능성 측면에서 잘못된 특화인공지능일 가능성이 높다. 군사용 인공일반지능들은 로봇이 되는 걸로 끝나진 않을 것이다. 그것들은 군 지휘관이 되어, 인간의 마음으로는 생각해내거나 이해하기도 너무 어려운 전략 및 전술 패턴들에 따라 로봇과 인간 전사들을 지휘할 것이다. 군사용 로봇들이 나오면 대량 파괴 수단이 대폭 늘어날 것이다. 그러나 아마 정밀 타격 파괴를 지향하는 현재의 군사적 흐름(특히 미국에서의 군사적 흐름)이 더 큰 관심사가 될 수도 있다. 하늘과 땅과 바다에서 군사용 인공일반지능 로봇들이 작전을 펼치는 미래의 군대, 그리고 어떤 장소에든 로봇 킬러들로 이루어진 특수 부대를 보내 외과 수술처럼 정밀한 군사 공격을 감행하는 군대를 상상해보라.

인공일반지능이 정보 분야에 미칠 영향 역시 드라마틱할 것이다. 미국과 중국 그리고 기타 여러 나라의 정보기관들이 전 세계 모든 사람들에 대한 데이터(이메일, 문자 메시지, 전화 통화, 비디오 감시 카메라에 찍힌 이미지 등)를 수집하고 저장한다. 그러나 그 정보는 너무 방대해 어지간한 규모의 인간 그룹은 그 정보를 제대로 다 분석해낼 수가 없다. 오늘날의 인공일반지능은 글을 읽은다거나 각종 물체나 사진 속 얼굴들을 식별해낼 만큼 똑똑하지 못하다. 그 모든 게 아주 단순한 수준에서나 가능한 것이다. 그러나 인간 수준의 인공일반지능이 이미 존재하는 모든 감시 기술을 총 동원한다면, 기본적으로 조지 오웰의 소설에 나오는 빅브라더나 다름없어진다.

공상과학 소설 작가이자 미래학자인 데이비드 브린은 유일한 해결책은 위에서 부터가 아니라 밑으로 감시하는 것(모든 사람이 모든 사람을 감시할 수 있다), 그리고 감시를 감시로 뒤엎는 것이라고 주장한다. 만일 모든 사람의 이메일, 전화 통화, 문자, 웹캠, 감시 카메라 영상 등에서 나온 모든 데이터를 공개한다면, 모든 사람이 서로서로를 감시할 수도 있을 것이고, 그래서 정부가 우리를 감시하듯 우리가 정부를 감시할 수도 있는 것이다. 그렇게 되면 프라이버시의 개념도 급격히 변화할 것이고, 소수가 다수를 감시하는 독점적인 능력을 갖는다는 시나리오도 막을 수 있을 것이다.

이 시점에서 우리는 인공일반지능의 위험과 보상이라는 주제에 대해, 그리고 위험한 시나리오들로부터 우리를 보호한다는 생각들에 대해 생각 하지 않을 수 없다. 이는 보다 크고 깊고 골치 아픈 주제로 나중에 다시 논의할 것이다. 그러나 현재로서는 단지 인공일반지능은 두려운면들이 있는 유일한 첨단 기술은 아니라는 점을 강조하고 싶다. 특이점을 실행시켜줄 다른 모든 첨단 기술들도 비슷하거나 더 큰 위험을 갖고 있다. 예를 들어 합성생물학은 특히 많은 우려를 자아내는 듯하다. 일단 합성생물학이 발전될 경우, 나쁜 마음을 가진 과학자들이 인간의 면역체계를 피해 인명을 대량 살상할 수 있는 새로운 생물학 바이러스나 세균을 만드는 걸 어떻게 막을 수 있겠는가? 이 때문에 결국 강력한 기술로 무장한 정신병자 같은 인간들 때문에 생겨날 위험들로부터 우리 자신과 자기 자신을 지켜줄 착한 ‘인공지능 할머니’가 인류를 지킬 가장 좋은 방법이 될 수도 있다.

뉴스 미디어

인터넷을 사용하는 사람이라면 이미 잘 알고 있는 사실이지만, 컴퓨터와 커뮤니케이션 기술은 1990년대 중반 이후부터 기하급수적으로 발전하면서 미디어 산업에 일대 혁신을 일으켰다. 특히 뉴스 미디어는 급격한 발전 속에 경제적 위기를 겪고 있기도 한데, 모든 정보를 무료로 이용 가능한 상황에서 굳이 돈을 내고 뉴스를 보려는 사람이 없기 때문이다. 전통적인 신문과 잡지들은 주업이 뉴스 제작도 아닌 일반 블로거와 트위터 등에게 독자들을 빼앗기면서 하나같이 적자를 면치 못하고 있다. 뉴스 미디어 업계에서 생각과 사건을 가독성 좋은 기사로 바꾸려면 필히 많은 노력이 필요하다는 것은 상식이다. 복잡하면서도 자연스런 언어 생성이 가능한 인공일반지능 시스템들은 바로 그런 상식을 깨 가면서 뉴스 미디어 업계를 근본적으로 변화시킬 것이다. 그러니까 어떤 컴퓨터 소프트웨어는 미가공 데이터를 토대로 텍스트 기사를 만들고, 또 다른 소프트웨어는 적절한 기사들을 선정해 각 독자에게 보내는 것이다.

스포츠 경기나 주식 가격 동향 등과 관련된 구조화된 데이터를 토대로 자동으로 새로운 기사를 만들어내는 시스템은 이미 존재한다. 그리고 각 독자의 인터넷 검색 이력을 토대로 개인에게 맞는 맞춤형 뉴스를 보내주는 시스템은 이미 흔하다. 일단 뉴스 생성 및 맞춤 서비스 소프트웨어가 보다 널리 쓰이게 되면, 각 뉴스에 대한 인간의 해설은 어느 정도는 여전히 존재하겠지만, 그건 순전히 사회적이며 예술적인 역할만 하게 될 것이다. 무심코 그 뉴스에 대해 서로 얘기를 나누거나 또는 자신의 주관적인 견해와 같은 견해를 가진 전문가들을 중심으로 한 토크 쇼에대해 서로 얘기를 나누는 사람들처럼 말이다.

 

통신

통신은 인간에게도 중요하지만, 디지털 인공일반지능 시스템에게는 특히 필요한 것이 될 것이다. 그들은 통신 네트워크를 이용해 지구 전역에서 그리고 그 너머에서 각종데이터를 받게 될 테니 말이다. 이 때문에 우리는 인공일반지능은 여태껏 인간이 해온 것보다 훨씬 더 열심히 통신의 질을 극대화할 확실한 동기를 갖고 있다고 예상해볼 수 있다.

현재 우리가 통신 주파수 대역폭을 활용하는 방식은 극도로 주먹구구식이다. 정보를 내보내고 받는 우리의 알고리즘이 수학적으로나 물리적으로 실현 가능한 수준보다 훨씬 단순해, 공중파를 통해 불필요한 정보들까지 대거 내보내고 있는 것이다.

인간에 비해 보다 폭넓은 스펙트럼의 전자기파를 인지할 수 있는 인공일반지능은 자신이 갖고 있는 일반적인 문제 해결 능력을 신호 처리 수학에 적용되는 자동화된 방정식 해법기에 연결시킬 수 있다. 그 결과 전자기파 정보를 보내고 받는 새로운 회로를 만들어낼 수 있고, 그래서 공중파를 통해 새로운 정보를 내보내는 방식의 효율성이 획기적으로 높아지게 된다. 덕분에 인간은 휴대폰과 인터넷 연결이 더 빨라지는 걸 경험하게 될 것이고, 인공일반지능들의 경우 서로 다른 마음 부분들 간의 연결이 한결 빨라져 지능도 높아지고 통신 및 다른 기술들을 최적화하는 일에 훨씬 능해지게 될 것이다.

우주 탐험

우주 탐험은 비용도 많이 들뿐만 아니라 인간 육체의 한계 때문에도 아주 어렵다. 우리는 공기와 물과 지구중력이 있는 환경에만 적합한 몸을 갖고 태어난다. 현재의 로봇들은 우주에서의 복잡한 일들을 해내지 못한다. 그래서 우리는 사람들을 보내거나(이건 비용이 많이 듦), 아니면 몸놀림도 무겁고 멍청한 로봇들을 보내든가(이 경우 우리가 얻을 수 있는 정보가 제한됨) 둘 중 하나를 택할 수밖에 없다.

인공일반지능은 인간들이 우주선 안에서 보다 편안하게 살아남을 수 있는 기술들을 개발해낼 수도 있다. 물론 생리적이고 심리적인 인간의 특성들 때문에 어느 정도 한계는 있을 것이다. 인간은 과연 영국 가수 데이빗 보위의 노랫말처럼 수십 년 내지 수 세기 동안 계속 '양철통 안에서 떠다니는' 삶을 살면서도 행복할 수 있을까? 그러나 많은 공상과학 소설들에서처럼 양철통 안에 떠다니며 항상 간 비행을 할 때, 인간들은 심리적인 문제들을 없애기 위해 가상현실에 연결될 수도 있을것이다.

인간의 몸은 지구에 맞게 만들어졌지만, 인공일반지능은 고향인 이곳 지구에서보다 우주에서 더 편할 수도 있다. 컴퓨터들은 과냉각된 환경에서 더 잘 작동되니 말이다. 게다가 소행성대에서는 프로세서 물질들을 캐내는 게 더 쉬울 것이며, 인공일반지능은 식량과 공기가 필요 없으므로 지구의 중력은 오히려 불편할 뿐이고, 우주에서는 태양열 발전도 더 풍부할 것이다. 한 가지 예상 가능한 시나리오는 대부분의 인간들은 몸과 마음이 편한 지구에 남아 있고 인공일반지능들은 우주 식민지화에 나선다는 것이다.

일단 마음을 업로딩하는 기술이 나오게 된다면, 우주에 가고 싶을 때 그 여행을 위해 인간이 로봇 모습을 취할 수도 있다. 인간이 로봇이 되어 진공 속을 자유로이 날아다니는 걸 상상해보라. 아니면 인간이 아주 강력한 로봇 몸으로 변신한 뒤 빠른 속도로 태양 한가운데를 뚫고 날아가는 걸 상상해보라.

영화 속에서 가장 위대한 순간 중 하나는 <블레이드 러너>의 마지막 장면쯤에서 나온다. 필립 K. 딕의 소설을 영화하한 <블레이드 러너>에는 유전자 공학으로 만든 '리플리컨트'라는 인조인간들이 나온다. 리플리컨트들은 초인간적인 능력을 갖고 있지만 공감 능력이 없고, 자신들을 만든 인간들에 의해 미리 수명이 6년으로 정해져 있다. 다음은 그 리플리컨트 중 하나인 로이 배티가 미리 프로그래밍 된 자신의 죽음을 몇 분 앞두고 쏟아지는 빗속에서 하는 독백이다.

"나는······ 당신네 인간들이 믿지 못할 일들을 봐왔다…… (소리내 웃으며) 오리온자리의 어께에서 빠져나온 불타는 우주선들을 공격했디. 탄호이저 기지 근처의 암흑 속에서 C빔이 빛나는 걸 봤고, 그 모든 순간들이……시간 속에 사라지겠지. 빗속에서…… 흘러내리는 눈물처럼…… (기침을 하며) 이제 …… 죽을 시간이야."

모든 공상과학 영화들에 나오는 대사 가운데 가장 강동적일지도 모르는 이 대사는 원래의 대본에 나오는 대사를 배우 룻거 하우어가 촬영 현장에서 직흥적으로 고친 것이다. 물론 감정이 잔뜩 실린 저음톤의 이 대사는 죽지 않아도 될 로이 배티의 죽음이 갖고 있는 비극성을 너무 잘 보여주고 있다. 무엇보다 먼저 드는 의문은 이것이다. 그는 과연 그렇게 일찍 죽게 프로그래밍 되어야 할 필요가 있었던 걸까?

그 다음엔 이런 의문이 들게 된다. 그렇다면 우리 인간들 역시 이렇게 일찍 죽게 프로그래밍 되어야 할 필요가 있는 걸까? 물론 그렇지 않다. 우리가 오리온자리의 어깨를 자세히 들여다볼 수 있게 될 때쯤이면, 우리의 유기체 자손이나 디지털 자손들은 거의 분명 원치 않는 죽음의 마수에서 벗어날 수 있을 것이다.

 

인공일반지능이 바꾸는 산업의 미래

농업, 식품, 물

물질을 조작하고 그 속성을 이해하는 능력에 한계가 있어, 현재의 우리 인간 입장에서 보다 낫고 새로운 형태의 식품을 만들어내는 것은 어렵다. 인공일반지능의 경우, 온갖 크기의 다양한 센서와 장치들을 직접 연결할 수 있는데다가, 현미경으로나 볼 수 있는 세포와 화학물질의 세계에 워낙 익숙해, 새로운 형태의 식품을 만들어내는 건 그야말로 식은 죽 먹기일 수도 있다. 인공일반지능의 입장에서 아주 맛있으면서 영양가도 높은 전혀 새로운 형태의 식품을 만들어내는 것은 좀 더 인간의 몸을 잘 이해하고 각종 동식물들을 유전학적으로 잘 이용하는 비교적 ‘단순한’ 문제이다. 예를 들어 최적의 맛과 영양가를 가진 햄버거를 반복해서 값싸게 합성해내는 분자 나노 기술의 힘을 빌리지 않더라도, 일단 인공일반지능이 생물학적 유기체들의 매커니즘을 제대로 파악해낼 경우, 인간 식품 공학을 최적화하는 일은 그리 어렵지 않은 일이 될 것이다.

인간 수준의 일반 지능에 보다 과학적인 사고 구조까지 갖고 있는 인공일반지능의 마음은 순식간에 생물학에 대한 인간의 이해 수준을 초월할 것이다. 그 어떤 인간 과학자도 현존하는 온라인상의 모든 생물학 데이터베이스를 자기 머릿속에 집어넣을 수 없다. 그러나 인공일반지능은 그럴 수가 있다. 인간 과학이 놓치고 있는 과학적으로 유의미한 패턴들도 찾아낼 수 있기 때문이다. 이런 인공일반지능을 로봇식 연구실 장치에 연결시키면, 실험과 분석 그리고 이론의 사이클을 한 번에 다 해낼 수 있어, 인간의 도움 없이 자기 혼자 힘으로 생명과학을 발전시킬 수 있다. 지금은 유전자 변형 식물과 동물이 중요하다. 그러나 우리는 현재 우리가 갖고 있는 유전학 지식의 테두리 안에서만 그 일을 해낼 수 있다. 그러나 만일 인공일반지능 생물학자가 어떤 동물이나 식물의 유전자들간의 연관성과 그 궁극적인 구조나 기능을 밝혀낸다면, 유전 공학의 가능성은 끝이 없을 것이다. 게다가 인공일반지능이 알아낸 인간 몸에 대한 새로운 지식들을 활용할 경우, 식품에 대한 유전자 변형의 잠재적인 부작용을 제대로 파악할 수가 있어, 유전자 변형 식품과 관련된 위험을 최소화할 수 있게 된다.

그렇다면 물은 어떤가? 적은 비용으로 산소와 수소를 가지고 물을 합성해낼 방법만 있다면, 또는 적은 비용으로 바닷물에서 소금기를 제거할 방법만 있다면, 우리는 더 이상 물 공급에 대한 걱정은 하지 않게 될것이다. 이 문제 역시 인간보다 IQ가 조금 높은 인공일반지능 과학자들로 구성된 팀이 필요한 연구실 장비들과 직접 연결해 체계적인 체계적인 노력을 기울일 경우 해결될 가능성이 아주 높다.

 

엔터테인먼트와 예술

엔터테인먼트와 예술 분야에서 인간과 자동화 시스템 간의 경계는 이미 흐려지고 있다. 이제 영화 분야에서 컴퓨터그래픽 장면과 인간 배우들이 나오는 장면은 구분이 알 될 정도이며, 팝 뮤직 분야에서도 컴퓨터가 만들어내는 리듬 및 멜로디와 인간이 연주하는 리듬 및 멜로디가 구분 안 되긴 마찬가지이다. 비디오 게임 분야에서도 논플레이어 캐릭터(플레이어 외의 캐릭터)들은 인간 캐릭터들이 하는 거의 모든일을 한다. 그리고 이 모든 일은 인공일반지능이 출현도 하기 전에, 그리고 심지어 특화인공지능이 활용되지도 않은 상황에서 일어나고 있다.

한편 컴퓨터는 아직 인간의 생생한 얼굴 표정이나 풍부한 감정이 실린 멜로디나 리듬을 만들어낼 수는 없다. 이야기는 대개 경험을 토대로 쓰기 때문에, 컴퓨터는 이야기를 쓸 수도 없다. 그러나 이건 어디까지나 벤 고르첼의 짐작일 뿐이다. 아마 컴퓨터의 이런 결점들은 인공일반지능이 극복해야 할 마지막 결점들이 될 것이다. 인공일반지능은 단순히 지능만 높은 게 아니라 '인간다워야' 하며 또 인간의 감정을 이해할 수도 있어야하니까.

로봇 몸속에서 작동되는 인공일반지능이 인간의 이런저런 경험들을 인간다운 관점에서 경험한다는 건 쉽지 않다. 인간다운 면이 부족한 인공일반지능이 카메라와 마이크를 통해 보고 들은 하루 24시간의 일들과 어떤 패턴들에 대해 이야기를 쓸 수는 있을 것이다. 그러나 그것은 인간의 관점에서 쓰인 픽션은 아닐 것이다. 휴머노이드 로봇조차도 인간감정을 제대로 이해해 인간적인 예술 작품을 만들어내는 인공일반지능을 갖기는 어려울 것이다.

벤 고르첼은 인간의 뇌를 모방해 인간 같은 몸과 마음을 갖게 만들지 못하는한, 인간 수준의 인공일반지능도 마스터할 수 없은 예술적 창조 행위들이 있다고 생각한다. 물론 인간을 뛰어넘는 인공일반지능이 인간의 예술적 창작 행위를 모방할 수는 있을 것이다. 그러나 인간의 예술을 모방하려면, 모든 면에서 인간의 수학과 기계 공학과 과학을 대체하는 것보다 더 뛰어난 일반 지능이 필요할 것이다.

그렇다 하더라도, 인공일반지능은 아직 인간 수준의 일반 지능에 훨씬 못 미치는 수준에 도달하는 순간에도 이미 인간의 엔터테인먼트와 예술을 거의 다 접수할 수 있을 것이다. 인간이 제작하는 것들을 그대로 재연하는 건 대부분의 인간을 즙겁게 만들어줄 최선의 길은 아닐 것이다. 컴퓨터가 만들어내는 대용량 이미지의 영화와 알고리즘적 팝 음악 리듬들이 성공을 거두고 있는 것이 그 좋은 증거이다.

결국 인공일반지능이 '인간적인' 예술 작품들을 만들어내기 이전에도, 인간 수준의 인공일반지능 시스템들은 인간들이 어떤 것을 좋아하는지를 연구해 인간들이 원하는 것들을 제공하는 작품들을 만들어낼 것이다. 어쩌면 인간이 만들어내는 엔터테인먼트 및 예술은 오늘날의 유화나 라이브 재즈 즉흥 연주처럼 그야말로 틈새 분야가 될지도 모르며, 대부분의 그 나머지 엔터테인먼트 및 예술은 인공일반지능이 만들어내게 될것이다. 유명 인사들은 더 이상 직접 광고에 출현하거나 라이브 사진 촬영을 할 필요가 없어질 것이다. 자신들의 이미지를 특허 출원해놓기만하면, 그 나머지 일은 다 인공지능이 해줄 테니 말이다.

 

금융업계

인공일반지능이 금융계를 장악하게 된다는 예측은 생각만 해도 섬뜩할 것이다. 프로그램 거래는 이미 많은 문제를 낳고 있지 않응가? 사실 그런 문제들은 불충분한 지능 프로그램들을 사용하거나 그런 프로그램을 지능이 낮거나 윤리 개념이 약한 인간이 운용할 때 발생하는 경우가 많다. 우리에게 만일 헤지 펀드 분야의 최고 투자 책임자 정도의 일반지능을 가진 인공일반지능이 있다면, 우리의 금융 시장은 훨씬 더 안전하고 효율적인 시장이 될 수도 있을 것이다.

오늘날의 금융 시장은 주로 첨단 수학을 토대로 운용되지만, 거기에 사용되는 수학 공식들은 모두 실제에 가까운 근사치들로, 모든 사람이 정확하지도 않은 그 수학적 가정들을 하고 있다. 바로 이때문에 1988년의 롱텀 캐피털 매니지먼트 사의 파산, 2008년의 금융 시장 붕괴 같은 문제들이 생겨난다.

인공일반지능은 이용 가능한 데이터를 더 잘 고려하고 비현실적인 가정을 줄여 금융 분야의 수학을 보다 정교한 방법으로 응용할 수도 있다. 인간 수준의 인공일반지능은 아마 금융 시장을 깨끗이 '청소'해줄 것이다 만일 오늘날의 금융 시장에 기본적인 알고리즘 소프트웨어 툴들과 정신적으로 직접 연결된 인간 수준의 인공일반지능이 나타난다면, 그 인공일반지능은 몇 주 이내에 몇 천억 달러를 긁어모을 수도 있을 것이다. IQ가 70 정도도 안 되는 사람들로 북적대는 활기차고 불안정한 주식 시장에 조지 소로스 같은 투자 귀재들이 뛰어들었다고 가정해보라.

그럴 가능성도 아주 높지만 비슷한 시기에 여러 금융 회사들이 비슷한 수준의 인공일반지능을 가지고 치열한 경쟁을 벌인다면, 인공일반지능의 지능은 그야말로 점점 더 높아져갈 것이다. 그럴 경우 아무 도움도 받지 못하는 인간들은 금융 시장에서 성과를 올릴 가능성이 점점 더 희박해질 것이다. 현재 인공지능과 통계 소프트웨어는 주식 시장 데이터의 각종 수치 흐름을 파악하고, 각동 옵션과 파생 상품 같은 복잡한 금융 상품들의 적절한 가격을 뽑아내는 일에 더 능하다.

인간은 뉴스에서 접하는 금융계의 합병 정보, 각 기업 제품 및 경영에 대한 정보 등, 금융의 다른 측면들을 보는 데 더 능하다. 하지만 인공일반지능이 일단 신문과 기업 연례 보고를 읽고 이해하게 된다면, 이 같은 인간의 장점은 곧 사라질 것이다. 게다가 인공일반지능은 모든 인간 금융 거래자나 금융 분석가의 가장 큰 적인 인간적인 감정에 휘둘리지도 않을 것이다. 금융 분야용 인공일반지능은 아예 처음부터 거의 완벽한 합리주의자로 프로그래밍 해서, 많은 인간들로 하여금 잘못된 금융관련 결정에 도달하게 만드는 감정적 편견에서 자유롭게 만들 수도 있을것이다.

금융 분야에서와 마찬가지로 보험 분야에서도 인공일반지능에 의해 일대 혁신이 일어날 것이다. 현재의 보험 가격 결정 모델들은 주먹구구식이며 주로 사람과 기업들을 여러 카테고리로 나누는 방식을 토대로 결정된다. 보험 가겻 결정 모델을 인공일반지능에 맡길 경우, 합리적이며 개별적인 기준으로 위험 산정이 이루어져, 보다 효율적인 운영이 가능해지고 새로운 보험 기술들의 개발도 더 용이해질 것이다.

인공지능을 금융 분야에 응용하는 일은 요 몇 년 사이에 벤 고르첼이 아주 익숙해진 일이다. 많은 동료들과 함께 새로운 금융 분석 기업인 아이디아 설립에 참여했기 때문이다. 이 회사는 다양한 인공지능 툴들을 이용해 금융 상품들의 가격을 예측하는 일을 주로 하고 있다. 현재 아이디아에는 인간 수준의 인공일반지능 기술은 없지만, 다양한 특화인공지능과 초기 인공일반지능 시스템들이 금융 시장을 완전히 뒤바꿔놓을 엄청난 잠재력을 갖고 있다는 걸 절감하게 되었다.

오늘날 알고리즘 트레이딩은 1초에 수백 번에서 수천 번까지 주식을 팔고 사는 거래 방식인 극초단타 매매에서 그 진가를 발휘하고 있다. 만일 현재처럼 짧은 기간 내에 이루어지는 시장 비효율성이 계속 존재한다면, 우리 인간은 그렇게 빨리 인식하고 반응할 수 없으므로, 오히려 특정 종류의 알고리즘들이 인간보다 더 잘해낼 수 있을 것이다. 반면에 아이디아는 보다 긴 기간에 집중한다. 그러니까 미래에 일자별, 주일별, 월별로 주식 가격과 다른 금융 상품 등에 어떤 일이 일어날지를 예측하는 것이다. 이는 단순한 예측 알고리즘들로는 다루기 더 힘든 기간이다. 지금부터 한 달 후의 어떤 주식 가격은 커브뿐 아니라 다른 많은 관련 사항들(다른 주식들, 경제 흐름, 뉴스와 온라인에 반영되는 각종 상품들의 동향 등)에 따라 달라질 수 있기 때문이다. 아디디아 기술은 특허 받은 여러 방법들과 함께 OpenCog의 여러 측면들을 통합하며, OpenCog의 지능을 이용해 얼마나 많은 데이터가 합쳐져 예측치를 가진 패턴들을 만들어내는지를 알아낸다.

우리 아이디아 소프트웨어는 인간은 알 수 없고, 현재의 다른 인공지능 시스템들도 볼 수 없는 시장 내 패턴들을 알아낼 수 있다. 다른 투자 회사들은 나름대로 독특한 특성을 가진 자신들만의 인공지능 소프트웨어도 알지 못하는 패턴들을 알아낸다. 벤 고르첼은 최근 들어 인공지능 소프트웨어도 알지 못하는 패턴들을 알아낸다. 벤 고르첼은 최근 들어 인공일반지능 연구가이자 친구인 이타마르 아렐과 흥미로운 대화를 나눈 적이 있다. 그는 한 헤지 펀드 사에서 초기 인공일반지능 소프트웨어를 응용하는 일을 하고 있기도 하다.

이 책을 집필하고 있는 지금, 서로 다른 우리 두 사람의 금융 예측 시스템은 같은 시장에서 사용되고 있지는 않다. 그러나 우리는 각자의 인공지능 시스템이 둘 다 같은 시장(예를 들면 미국 주식 시장)에서 시스템 거래에 사용될다면, 서로의 접근 방식이 서로의 효율성을 떨어뜨릴 것인지 그렇지 않을 것인지가 궁금했다. 그런데 각자의 거래 시스템이 갖고 있는 첨단 특성들을 자세히 들여다본 뒤, 우리는 이 경우는 그렇지 않을 거라는 결론을 내렸다. 그러니까 설사 두 회사가 같은 시장에서 거래를 한다 해도, 반드시 서로의 효율성을 떨어뜨지진 않을 것이라는 결론에 도달했던 것이다. 서로 다른 두 특화인공지능 기술과 초기 인공일반지능 기술이 시장 데이터에서 서로 다른 패턴들을 볼 것이고, 그래서 거래 자체도 서로 다르게 할 가능성이 높았기 때문이다. 서로 다른 인간 거래자들은 서로 다른 배경과 식견을 바탕으로 서로 다른 기회를 볼 가능성이 높은데, 서로 다른 인공지능 예측 시스템들의 경우 역시 마찬가지인 것이다.

만일 인간 수준의 일반 지능 외에 현재의 인공지능 거래 시스템 방식에 대한 전문적 지식까지 갖춘 인공일반지능 시스템이 주식 거래를 한다면 어떨까? 그런 시스템이라면 분명 기본적인 통계 시장 예측 알고리즘을 훨씬 뛰어넘을 것이고, 초기 단계에 있는 현재의 인공지능 거래 시스템들도 훨씬 뛰어넘을 것이다. 당연한 얘기지만, 보다 발전되고 보다 인공일반지능에 가까운 기술을 활용할 수 있게 된다면, 벤 고르첼은 곧장 그 기술을 우리 아이디아에 접목시켜 현재의 우리 금융 예측 틀 안에서 제대로 돌아가게 하고 싶다. 아니면 우리의 OpenCog를 아이디아에 맞게 조정해 인공일반지능 분야에 돌파구를 마련할 수도 있을 것이다. 어떤 방법을 쓰든, 앞으로 20년 정도 후면 금융 시장은 보다 발전된 특화인공지능 시스템이나 초기 인공일반지능 시스템 또는 완전한 인공일반지능 시스템에 의해 지배될 것이 분명해 보인다. 그렇게 되면 인간이 직접 금융 거래 결정을 내리는 시대는 과거 얘기가 될 것이다.

 

서비스업

인공일반지능 프로그램 중개자는 아주 잘하지만 아주 잘 생길 필요는 없다. 주식 매매하는 데 휴머노이드의 몸이 왜 필요하겠는가. 그들은 그저 온라인 정보 소스들에 접속해 컴퓨터를 통한 금융 거래만 하면 된다. 미학적으로 말하자면, 로봇 웨이터, 로봇 마사지사, 로봇 집 청소부, 로봇 판매 직원, 로봇 창녀 등과 상대할 생각을 하면 훨씬 더 흥미로울 것이다. 그런 인공일반지능 시스템들은 우리에게 놀라울 수준의 서비스를 제공하면서도 즐겁게 그 일을 할 수 있는 동기부여 시스템을 갖게 될 것이다.

어떤 사람들은 감정적인 이유 때문에 인간에게 서비스를 제공 받는걸 더 좋아하겠지만, 아마 대부분의 사람들은 아주 기본적이고 일상적인 일들의 대부분을 인공일반지능이 해주는 걸 좋아할 것이다. 벤 고르첼은 개인적으로 섹스 로봇에는 그리 끌리지 않는다. 섹스나 연애하는 인간 여자들과 주고받는 감정적인 교류가 너무 좋기 때문이다. 그러나 벤 고르첼은 로봇 대신 진짜 사람을 시켜 벤 고르첼의 집 마루 걸레질을 하게 한다거나 비행기티켓판매소에서 로봇 대신 진짜 사람을 대할 때는 사랑하는 여성에게서 느끼는 그런 감정적 교류를 원하진 않는다.

경제적인 관점에서 볼 때, 서비스업은 인간이 로봇으로 대거 교체될 마지막 주요 분야가 될 것 같다. 예를 들어 제조업의 경우 공장 환경이 현재 발전 중인 로봇들의 한계에 맞춰 맞춤 제작될 수도 있지만, 서비스업은 인간의 편의를 돕기 위해 만들어지는 분야에서 생겨나기 때문이다. 그래서 좋은 다목적용 서비스 로봇은 현재의 로봇들보다 훨씬 더 감각 인식과 운동 제어에 뛰어나야 한다. 일단 이처럼 ‘낮은 수준’의 문제들이 해결되면, 인공지능 서비스 로봇들은 경제적 혼란을 일으키고 모든 서비스 산업을 급속도로 변화시키는 등, 세상을 뒤집어놓을 것이다. 특화인공지능이 잘해낼 것인지, 아니면 로봇 판매 직원들과 로봇 배관공, 로봇 집 청소부 등을 만들기 위해 인공일반지능이 필요할 것인지는 아직 미해결 문제이다. 그러나 장담하건대 어느 정도의 인공일반지능은 필요로 할 것이다. 벤 고르첼이 보기에는, 서비스업의 경우 대처해야 할 상황이 워낙 다양해, 특화인공지능 시스템이 처리하기에는 어려움이 많을 것 같다.

 

제조업

사실 제조업 분야는 다루지 않을 생각이었다. 상황이 너무 뻔하기 때문이다. 제조업 분야에서는 모든 게 이미 로봇화 되고 있다. 아마 지금 지구상의 거의 모든 사람들이 로봇이 발전되면 점차 공장 일자리를 모조리 가져갈 거라고 믿을 것이다.

현재 로봇은 인간처럼 효율적으로 일상사에서 부딪히는 대부분의 물체들을 보고 다룰 수 있는 능력이 없어 그 활용이 제한적이다. 그러나 로봇은 이 부분에서 매년 좋아지고 있다. 이 부분에서의 인간의 능력은 늘 거기서 거기지만, 로봇의 능력은 기하급수적으로 향상되고 있는 것이다.

미래의 인공일반지능 공장들은 인간의 힘으로 움직이는 오늘날의 공장들과는 전혀 다를 것이다. 각 공장은 인공일반지능 마음의 몸이 되어, 관련 업종의 다른 공장들을 운영하는 다른 인공일반지능 마음들과의 밀접한 ‘디지털 텔레파시’ 커뮤니케이션 속에 운영될 것이다. 공급망은 공장 마음들의 사회적 상호작용에 의해 관리될 것이다. 새로운 혁신 기술들이 빠른 속도로 제조 과정에 통합되어, 전문화된 일회성 제조 작업들이 아주 흔해질 것이다.

인공일반지능의 힘으로 움직이는 제조업은 나노 기술의 발전과 더불어 더 강력해져, 에릭 드렉슬러가 꿈꾸었던(작은 기계들이 더 작은 기계들을 만들어내고 그 기계들이 다시 더 작은 기계들을 만들어내는) 첨단 나노 기술로 가는 길 중 하나가 뚫리게 될 것이다. 아마 그 이후 양자와 전자 같은 소립자들을 이용해 물질들을 제조하는 템토테크놀로지가 뒤를 이을 것이다.

그런데 제조업이 인공일반지능의 힘으로 움직이게 되면 인간은 어떤 역할을 하게 될까? 인간 없이도 생산이 가능해지겠지만, (적어도 처음에는) 인간은 디자인에서 중요한 역할을 하게 될 것이다.

 

제약업계와 의료업계

출판업계와 마찬가지로 제약업계와 의료업계는 지난 수십 년간 이루어진 기하급수적인 발전에 자신들의 사업 관행과 사업 모델을 맞추기 위해 안간힘을 쓰고 있다. 제약업계와 의료업계는 향후 몇 십 년간 더욱 더 궁지로 몰릴 것이다.

벤 고르첼은 벤 고르첼 자신이 직접 인공지능을 이용해 신약 개발을 지원하는 일을 했기 때문에, 그간 이 업체가 직면하고 있는 문제들을 들여다볼 수 있었다. 그 과정에서 벤 고르첼이 배운 한 가지 사실은 오늘날 제약 회사들에서 이루어지고 있는 신약 개발 과정은 그야말로 시행착오의 과정이라는 것이다. 지난 몇 십 년간 쌓아온 유전체학과 기타 다른 첨단 생물학 지식은 거의 제대로 활용되지도 못하고 있다. 이 문제의 일부는 사회학적인 것이다. 어떻게 하면 신약 개발에 오늘날의 아이디어들을 더 잘 활용할 수 있는가 하는 지식이 있지만, 주요 제약 회사들 사이에서 그 지식이 널리 받아들여지는 데는 오랜 시간이 걸린다. 이에 대해서는 인공일반지능과 특화인공지능을 수명 연구에 응용하는 문제에 대해 논의할 때 다시 좀 더 얘기하도록 하겠다. 그러나 이 문제의 일부는 보다 근본적이다. 복잡한 질병을 치유해줄 신약을 개발하려고 애쓰는 과정에서 인간의 마음은 인체의 기본적인 복잡성과 정면충돌하고 있는데, 설사 이용 가능한 관련 데이터가 많다 해도 인체는 인간의 정신이 이해하기에 아주 어렵기 때문이다.

인간 뇌의 한계 때문에 인간은 인체처럼 복잡하고 다이내믹한 시스템들을 완전히 이해하기가 어렵다. 우리가 데이터 분석과 시각화 소프트웨어로 아무리 우리의 지능을 강화한다 해도, 인간의 마음은 2만 5,000단백질들, 그리고 그 유전자들이 인체를 이루고 유지하는 방식 등을 직관적으로 이해할 수 없다.

이런 종류의 데이터 필요 요건들에 적용되는 인공일반지능은 인간의 마음이 갖고 있는 그런 한계가 없을 것이다. 인공일반지능은 인간의 마음을 당혹스럽게 만드는 방대한 생물학적 데이터베이스를 들여다볼 수 있으며, 또 인간의 지각으로는 볼 수 없는 각종 패턴을 볼 수 있어, 그런 패턴들을 토대로 신약이나 다른 치료법 등을 개발해낼 수가 있다.

벤 고르첼과 벤 고르첼의 동료들은 생물학적 데이터 분석 작업(이에 대해서는 뒤에 다시 얘기하겠지만)을 하면서, 인공지능 툴들을 이용해 건강하면서 오래 산 사람들과 건강하지 않으면서 오래 산 사람들 간에 큼 차이가 있는 수천 가지 유전자들을 발견해냈다. 우리의 인공지능 분석에 따르면, 그 유전자들이 장수에 미치는 영향들은 여러 유전자들 사이에 상호작용 현상을 띄는 등, 개별적이라기보다는 복합적이다.

인간 생물학자들은 대개 개별적인 유전자들이나 기껏해야 두세 개의 유전자 쌍에 집중하는데, 이는 유전자들이 그런 식으로 움직여서라기보다는 인간의 뇌가 유전자 문제를 인간이 이해할 수 있는 단순한 형태로 만들기 때문이다. 인간의 뇌는 누군가의 얼굴을 알아볼 때 자연스레 수백 가지 시각적 특징들을 종합하려 한다. 진화 과정을 거치면서 그런 기술을 습득한 것이다.

인간의 몸이 왜 늙는지 또 수명을 늘리려면 어떻게 해야 하는지 하는문제를 이해하려면 이처럼 많은 유전자들 간의 결합을 이해하는 게 절대 필요한데, 인간의 뇌는 다른 유전자 수백 개 간의 결합을 인지하거나 생각하는 데는 능하지 못하다. 인공일반지능의 마음이라면 1,000개의 유전자와 그 유전자들 간에 일어날 수 있는 모든 상호작용에 대해 생각할 수 있고, 장수와 노화의 원인들에 대해서도 그 어떤 인간보다 훨씬 더 잘 이해할 수 있을 것이다.

제약 분야의 신약 개발 및 게놈 연구의 경우와 마찬가지로, 오늘날의 의료 분야는 그야말로 시행착오를 거듭하고 있다. 우선 일반적인 의사들이 현대 의학 서적들을 경시하면서 의료 사고가 빈발하고 있다. 일명 '근거 중심 의학'이란 개념이 많이 논의되고 있지만, 정작 제대로 이행되고 있지는 않다. 어떤 증세에 대한 선다형 질문들에대한 환자의 답변들을 토대로 분석을 하는 대부분의 의사들보다는 아주 간단한 '의료 전문가 시스템'을 갖춘 인공지능 프로그램들이 아마 더 정확한 진단을 내릴 수 있을 것이다. 인공일반지능 센서와 장치들이 환자의 몸 상태를 정확히 관찰할 수 있게 된다면, 인간 의사들은 곧 인공일반지능 의사들에 의해 밀려나게 될 것이다.

가장 뛰어난 인간 외과 의사들은 육체적 능력과 정신적 능력을 더없이 우하하고 강력하게 결합해 사용하는 놀라운 모습을 보인다. 그러나 분명한 건 인간의 손은 애초부터 외과 수술을 하게끔 만들어진 게 아니라는 것이다. 로봇의 손이 기술적으로 더 발전되면, 그 어떤 종류의 수술에서도 인간의 손보다는 훨씬 더 뛰어난 능력을 발휘하게 될 것이다.

각 손가락 안에 조그만 카메라가 장착된 손을 상상해보라. 또 작업 종류에 따라 그 손가락 수를 마음대로 늘리고 줄일 수 있다고 상상해보라. 아직 원시적이긴 하지만 이런 종류의 기술은 이미 존재하며 매년 발전하고 있다. 당신의 혈류 속에 나노 로봇들을 집어넣어 나노 규모의 아주 미세한 문제들을 바로잡는다고 상상해보면 더 이해가 빠를 것이다. 나노기술 선구자인 랠프 머클은 이런 가능성들을 훨씬 더 철저히 파고든 바 있다.

스스로 한계를 극복하는 마법 같은 기술

벤 고르첼은 인공일반지능이 각 산업 분야에 미치는 영향을 영어 알파벳 개수만큼 설명하려 했으나 23개밖에 설명하지 못했다. 어쨌든 여러분이 벤 고르첼이 말하고자 하는 얘기의 핵심은 이해했으리라 본다. 인공일반지능이 어떤 것들을 뒤바꿔놓을까? 그야말로 모든 것이다.

인공일반지능의 잠재적인 영향력은 워낙 광범위해 제대로 다 생각하기가 쉽지 않다. 모든 것을 변화시킬 잠재력을 가진 그 무언가에 대해 생각할 때 어디서부터 시작해야 할까? 현존하는 모든 분야에서 어떤 대변혁을 일으킬지를 설명하는 건 그리 어렵지 않아 보인다.

물론 인공일반지능을 만드는 일은 그리 쉽지 않다. 설사 '경이륙'을 해 인간 수준의 지능을 발휘하는 인공일반지능의  소프트웨어 코드를 만들어내는 것이 그 일을 해내는 연구팀에겐 다소 어려운 일에 지나지 않는다 해도, 사실 그 일은 오랜 인류 역사를 통해 꾸준히 누적되어온 과학과 공학이 있었기에 가능한 일이었을 것이다. 그러나 인공일반지능이 일단 그 수준에 도달할 경우, 급속한 발전을 이루어온 언어 및 문명과 마찬가지로 인간 존재의 모든 측면에 일대 혁신을 불러일으킬 것이다.

인간의 몸을 한 한 인간으로서, 벤 고르첼이 인공일반지능이 인간으로서의 벤 고르첼의 삶을 구체적으로 어떻게 바꿔놓을 수 있을지는 생각해보는 건 어려운 일이 아니다. 우선 더 나아진 가공 보존 식품과 약품들 덕에, 벤 고르첼은 과체중이 될 것을 걱정하지 않아도 될 것이다. 더 나아진 생물 의학 덕에 늙거나 죽는 걸 걱정하지 않아도 될 것이다. 지금은 벤 고르첼이 생각하는 말들이 그대로 디지털 지식 저장 장소로 입력되는 게 아니라, 이렇게 키보드로 타이핑을 한 뒤 그 글자들을 컴퓨터 모니터 상에서 보고 있다. 그러나 인공일반지능 과학자들은 두뇌 제어 인터페이스를 통해 그걸 변화시킬 수 있을 것이다. 또한 만일 내비게이션 기능이 있어 충돌을 피할 수 있는 인공일반지능이 있다면, 지금 수퍼마켓에 갈 때 타고 가는 자동차는 날아다니는 기계로 대체될 수 있을 것이다. 또는 내가 하고 있는 일의 가치가 인공일반지능 과학자들 때문에 빛을 잃을 수도 있을 것이다. 생각해보자면 한도 없다.

전반적으로, 인공일반지능이 불러올 미래의 변화에 대한 최고의 '추정'은 인공일반지능이 현재 우리가 직면하고 있는 여러 한계들을 없애줄 거라는 것이다. 물리학의 '법칙' 안에서 가능한 한 말이다. 미래의 인간이나 인공일반지능 과학자들이 현재 알려진 물리학 법칙의 한계들을 어느 정도까지 드러낼지는 예측하지 쉽지 않다. 그러나 현재 알려진 물리학 법칙들이 잘못됐을 수도 있고 너무 한계가 많을 수도 있어, 이런저런 가능성들이 현재의 인간 현실을 훨씬 뛰어넘을 수 있다. 펨토테크놀로지를 이용한 원자보다 작은 물질들의 조작, 인간과는 비교도 할 수 없는 뛰어나고 폭넓은 문제 해결 능력 등의 일이 물리적으로 가능해 보인다. 더욱이 기하급수적인 발전의 논리를 감안할 경우, 궁극적으로 인간이 만들어내는 인공일반지능 시스템의 자손들은 그런 수준에 도달할 가능성이 높다. 이런 가능성들을 고려할 때, 인공일반지능이 건설이나 제약 분야에서 일대 혁신을 일으킬 잠재력은 거의 확실해보인다.

회의론자들은 이런 종류의 장밋빛 예상에 대해 대개 "어떤 기술이든 한계가 있는 법입니다, 안 그래요?" 식의 말로 반박을 한다. 사실 지능은 단순히 또 다른 기술이 아니다. 지능은 근본적인 능력이며, 인공일반지능의 '일반'이 경의로운 게 바로 그 점이다. 모든 기술에는 한계가 있지만, 인공일반지능의 놀라운 힘 가운데 하나가 바로 새로운 기술들을 만들어내 그런 한계들을 극복해낸다는 것이다.

원한다면 이를 '마법적 사고'이라 불러도 좋다. 그러나 다음과 같은 아서 C. 클라크의 통찰력 넘치는 말을 기억하라.

"어떤 기술이든 충분히 발전되면 마법 같아 보인다." 정말 그렇다.

 

불멸에 가까운 삶은 가능할 것인가

벤 고르첼의 인생 목표 중 하나는 죽지 않는 것이다. 그리고 벤 고르첼의 가족과 친구는 물론 가능한 한 많은 다른 사람들이 죽음을 피할 수 있게 하는 것이다. 벤 고르첼은 가람들이 미래의 어느 날인가는 과거를 되돌아보며 놀라는 때가 올 거라 믿는다. 인간이 그야말로 인생 황금기를 맞아 한참 발전하고 열정에 차 있을 때 원치 않고 피할 수도 없는 죽음을 향해 추락하는 걸 당연한 일로 받아들이던 그런 과거를 돌아보며 말이다. 미래의 인간들은 마음을 자주 업데이트해 백업받지 않는한, 과거의 인간들이 느끼던 삶의 위험, 죽음에 대한 두려움 같은 것들은 상상도 안 될 것이다.

만일 누군가의 목표가 거의 불멸에 가까운 삶을 사는 거라면 (벤 고르첼은 그게 가능한 일이라고 생각하지만), 그 사람이 택할 수 있는 접근방법은 여러 가지가 있다. 가장 확실한 확실한 방법은 마음을 업로드하는 것. 기계로 노 속의 마음을 읽은 뒤 그걸 컴퓨터

 같은 데로 그대로 옮기는 것이다. 굳이 몸속에 들어 있는 온갖 골치 아픈 생물학적 문제들을 고치지 않은 채 그냥 내버려두고, 마음만 옮기는 것이다. 환상 같지만 가능성이 있는 얘기이며, 벤 고르첼은 그게 실현 가능하다고 본다. 벤 고르첼은 2010년에 최초의 학문적 저널 <스페셜 이슈>에 '마운드 업로딩'에 대한 글들을 편집해서 올린 적이 있다.

지금으로서는 마인드 업로딩 기술이 제자리를 잡는 데 얼마나 걸릴지는 말하기 어렵다. 마음을 담고 있는 인간의 몸을 죽이지 않고 마음을 업로드하기 위해서는, 현재 갖고 있는 것보다 훨씬 더 정교한 뇌 스캐닝장비가 필요할 것이다. 만일 뇌에서 마음을 스캐닝하는 과정에서 육신이 죽는 걸 감수할 용의가 있는 사람이 있다면, 현재의 스캐닝 기술을 사용할 가능성도 더 커진다. 그러니까 뇌를 냉동시킨 뒤 얇게 썰어 스캔을 해, 뇌의 분자 구조에 대한 아주 상세한 그림을 얻어내는 것이다. 설사 그렇게 한다 해도, 그 그림들을 가지고 어떻게 다이내믹한 시스템을 만들어 뇌의 내적 행동들을 그대로 재현해내고 생각하고 느낄 수 있게 할 수 있을 것인지에 대해선 아직 뚜렷한 아이디어가 없다.

마인드 업로딩과는 별개로, 인간의 수명을 대폭 늘릴 가장 좋은 방법은 역시 노화 문제를 해결하는 데 있는 것 같다. 이 경우 인간이 자신의 생물학적 몸을 그대로 유지한 채 수명을 연장할 수 있다는 이점이 있다. 또한 많은 사람들이 정서적으로 인간의 몸에 애착을 느낀다는 점에서 소중한 가치도 있다. (벤 고르첼은 매년 적어도 두어 통의 이메일을 받는데, 벤 고르첼이 비밀리에 마인드 업로딩 실험을 하고 있다고 믿는 사람들이 자신의 뇌를 마인드 업로드해보고 싶다는 제안을 해오는 것이다.) 마인드 업로딩과 관련된 불확실성과 인간의 몸이 갖고 있는 미학적이며 정서적인 가치를 감안할 때, 우리 인류가 인간 몸의 수명 연구에도 많은 시간과 에너지를 쏟아야 하는 게 아닌가 싶다.

여러분은 아마 인공일반지응이나 마인드 업로딩과는 달리 수명 연구에는 아주 많은 자금이 지원되고 있으리라 생각할 것이다. 어쨌든 인공일반지능은 일반 대중의 눈에 공상과학 영화 속 터미네이터 같은 이미지로 떠오르지만, 더 건강하게 더 오래 사는 걸 원치 않은 사람을 없을 테니말이다. 게다가 마인드 업로딩은 어떤 관점에서 보더라도 아주 현실성이 없어 보일 것이다. 그러나 새로운 약이나 유전자 요법 등을 통해 더 오래 사는 것, 그것은 아주 확실해 보이고 그리 멀지 않은 일로도 보인다. 안 그런가? 그러니 분명 정부와 제약회사 등이 그 방향으로 엄청난 노력을 하고 있디 않겠는가? 하지만 현실은 전혀 그렇지 않다. 사실 현재 상황을 보면, 인간 수명에 대한 생물 위학 연구는 인공일반지능 연구나 마인드 업로딩 연구만큼이나 초라하다.

그 한 가지 이유는 이렇다 오늘날 대부분의 생물 의학 연구는 신약을 개발해 그걸 팔기 위한 목적으로 행해진다. 그러나 어떤 약을 팔려면 먼저 정부의 승인을 받아야 한다. 미국의 경우 많은 생물 의학 연구가 행해지고 있고, 그 결과로 나온 신약은 식품의약국의 승인을 받아야 한다. 그런데 미국 식품의약국은 노화나 죽음을 질변으로 보지 않기 때문에, 설사 지금 당장 노화를 멈추는 완벽한 약을 만든다고 해도 현행 정책하에서는 그 약을 승인해줄 수가 없다. 그러니까 그 약을 알츠하이머든 심장병이든 아니든 식품의약국이 인정하는 다른 어떤 질병을 치료하는 약으로 인정받아야 하는 것이다. 어찌 보면 전문적인 법 관련 문제 같지만, 어쨌든 벤 고르첼은 그 영향이 아주 크다고 생각한다. 대부분의 제약회사들이 인간 수명을 늘리는 약은 아예 만들 생각조차 안 하는 것은 당연하다. 다행히도 2016년 현재, 아직은 제대로 된 변화가 얼마나 빨리 이루어질지 불분명하지만, 어쨌든 그 같은 상황에 변화가 일기 시작하고 있다. 2012년 중반 무렵 벤 고르첼은 지구상의 그 누구보다 벤 고르첼이 벤 고르첼의 데스크탑 컴퓨터에 수명 유전학과 관련된 좋은 자료들을 갖고 있을지도 모르겠다는 생각을 하게 됐다. 그러니까 이런 자료들 말이다.

 

제네션트 사의 연구 자료 : 내가 자문 역활을 맡고 있는 회사로, 그들이 30년간의 선택 교배를 통해 만들어낸 초파리들(일반 초파리들에 비해 4배나 더 오래 삼)의 DNA에 대한 자료들이 있음.

센디에이고 소재 스크립스 연구소의 연구 자료 : 80세가 넘는 건강한 노인 그룹과 상대적으로 덜 건강한 같은 또래 노인 그룹의 DNA를 갖고 있음.

벤 고르첼이 이 자료들을 갖고 있게 된 이유는 이랬다. 벤 고르첼은 당시 OpenCog 코드베이스에서 나온 툴을 비롯한 다양한 인공지능 툴 및 통계 툴을 이용해 위의 자료와 다른 자료 간의 공통점과 관련성을 찾고 있었다. 그 당시 위의 두 자료는 일반인들에게 공개되어 있지 않았고, 제네션트 사와 스크립스 연구소에서 일하는 사람이나 벤 고르첼처럼 그들과 가까운 공동 연구가들만 볼 부 있었다. (최근에는 많은 수명 연구들이 무료로 온라인에 올라와 있어, 현재 벤 고르첼에게는 105세가 넘는 노인 수십 명에 대한 유전체학 연구 등 훨씬 더 좋은 자료가 많다. 그리고 지금 이 순간에도 많은 자료가 올라오고 있다. 정말 신나는 시대가 아닐 수 없다.)

당신은 혹 '어디선가' 어떤 거대한 정부나 기업이 장수와 관련된 모든 자료를 긁어모아 그걸 총제적으로 연구해 인간은 왜 노화되는지, 어떨게 하면 그 노화를 막고 건강하게 더 오래 살 수 있는지 등을 알아내려 한다고 생각할는지도 모른다. 당신이 말하는 그 '어디선가'가 공상과학 소설에서나 나오는 다른 우주라면 모를까, 당신의 그 ㅅ생각은 틀렸다. 인공일반지능 연구의 경우와 마찬가지로, 우리가 살고 있는 이 세상에서 수명 연구는 얼마 안 되는 자금으로 큰일을 해내려 몸부림치는 몇 안 되는 아웃사이더들의 연구로 치부되고 있다.

벤 고르첼은 그것이 아주 아이러니한 일이라고 생각하는데, 그것은 인공일반지능 및 수명 연구가 잠재적으로 아주 큰 시너지 효과를 내기 때문이다. 벤 고르첼은 그것이 아주 아이러니한 일이라고 생각하는데, 그것은 인공일반지능 및 수명 연구가 잠재적으로 아주 큰 시너지 효과를 내기 때문이다. 벤 고르첼은 그간 첨단 인공일반지능으로 향하는 한 가지 길에 대해 많은 생각을 해봤는데, 그 길은 수명 연구와 공통된 부분이 많다. 그러니까 인공적인 생명 의학 과학자를 만들면, 그 과학자로 하여금 자신의 일반 지능을 이용해 인간의 몸을 이해하고, 어떻게 각종 질병 등을 고치는지 또 어떻게 나이가 들면서 몸이 퇴화하는 걸 막을 수 있는지 등을 알아내는 것이다. 벤 고르첼은 이것이 인공일반지능으로 가는 가장 확실한 길이라고 확신하진 못하기 때문에, 가상 로봇 공학, 물리적인 로봇 공학의 길을 동시에 추구한다면 아주 놀라운 결과를 볼 거라고 믿는다. 벤 고르첼은 또 노화와 질병, 죽음 같은 생물 의학적 문제들이 최대한 빨리 해결되길 진심으로 바란다. 아마 그 일은 초기 인공일반지능이 인간을 위해 해줄 수 있는 좋은 일들 중 하나가 될 것이다.

 

원치 않는 죽음이라는 전염병의 근절

벤 고르첼은 벤 고르첼이 태어나 처음으로 죽음이라는 걸 느낀 때를 기억한다. 아마 세 살 때였던 것 같다. 벤 고르첼은 그 전에도 이미 죽음이라는 것을 알고 있었지만, 그건 낯선 사람들, 늙은 사람들과 동물들에게나 일어나는 일이었다. 죽음이 벤 고르첼의 부모나 벤 고르첼 자신에게도 일어날 수 있고 또는 일어날 일이라는 건 미처 몰랐었다. 그런 생각은 벤 고르첼을 아주 슬프게 만들었다. 벤 고르첼은 성인의 세상에 대해 점점 더 많은 걸 알기 시작했다. 일단 죽음이 피할 수 없는 일이라는 걸 알게 되자, 다른 많은 일들도 이해됐다.

몇 년 후 벤 고르첼이 일곱 살 내지 여덟 살이 되었을 때, 어머니는 대학원에서 중국 역사를 공부했다. 벤 고르첼은 당시 어머니의 영향을 받아 윌 듀런트의 <<문명이야기>>와 다른 책들을 통해 불교에 대한 글들을 읽게 됐다. 이를 계기로 벤 고르첼은 시간의 흐름은 환상이기 때문에 죽음은 사실 별 문제가 아니며, 중요한 것은 현재의 순간을 제대로 경험하는 것이라는 철학을 알게 됐다. 벤 고르첼은 그 같은 관점에 뭔가 진리가 있다고 느꼈지만, 그렇다고 죽음이 괜찮은 일이라는 확신을 갖진 못했다. 마음속으로는 여전히 원치 않는 죽음을 전쟁이나 살인 또는 고문과 같은 범주 안에 집어넣고 있었던 것이다. 할 수만 있다면 겪지 않고 싶은 그런 일들 말이다.

벤 고르첼은 그 무렵 영원히 죽지 않는 외계인, 인간, 지능 높은 로봇 등이 나오는 다양한 소설 등, 많은 공상과학 소설들을 읽었지만, 불멸을 가능하게 만들어줄 기술을 개발하는 일에 대해선 많은 생각을 하지 않았다. 그 당시의 생물학 지식 상황에 비추어볼 때, 그건 다소 허황된 일로 보였던 것이다. 벤 고르첼은 그보다는 우주를 탐험할 우주선을 만드는 일에 대해 더 많은 생각을 했다. 그래서 그 우주선을 타고 이미 죽음을 치유하고 온갖 종류의 다른 놀라운 일들을 이루어낸 다른 문명을 찻아내거나, 아니면 잠시 몇 개의 은하계를 돌아본 뒤 지구로 되돌아오는 것이다. 상대성 원리에서 말하는 ‘시간 지연’을 이용해 믿기지 않는 새로운 일들이 생긴 100만 년 후의 지구로 말이다. 그러면서 벤 고르첼은 또 벤 고르첼이 지구로 되돌아왔을 때 벤 고르첼이 알던 사람들은 이미 다 죽거나 다른 별들로 이민을 갔거나 아니면 벤 고르첼이 접근할 수 없는 다른 차원 속으로 사라진 걸 알게 될 수도 있다는 생각도 했다. 죽음에 대한 지금의 벤 고르첼의 느낌은 몇 가지 중요한 사실만 빼놓고는 어린 시절의 그것과 크게 다르지 않다. 세 살 때 그랬던 것처럼, 지금도 여전히 피할 수 없는 죽음이라는 생각이 별로 마음에 들지 않는 것이다. 죽음은 나쁜 일 같다.

벤 고르첼은 죽음이라는 것을 몸서리치게 무서워하지는 않는다. 죽게 되면 죽는 거지. 벤 고르첼은 죽음이 무서워 무장 경호원들의 경호 속에 살균된 방 안에 숨어 내 인생을 보내진 않는다. 오히려 어떤 지역에서 배낭을 메고 걷고 암벽을 기어오르고 바닷속 깊이 헤엄쳐 들어가는 등, 상당한 위험들을 감수한다. 마치 현실 세계에서 프로커 게임을 하듯, 바쁠 때는 혼잡한 거리를 뛰어 건너가기도 한다. 얼마 전 태국 남부를 여행했을 때는 망설임 없이 오토바이를 빌려 95%의 태국인들처럼 오토바이를 타고 여기저기를 돌아다녔다. 벤 고르첼은 매 순간 순간에 충실한 것이 중요하다고 느낀다. 현재의 순간에 충실할 때, 우리는 시간의 흐름에서 벗어나고 죽음의 공포에서 벗어나는 것 같다.

그러면서 또 이런 느낌도 든다. 더 멋진 순간들을 경험하면 안 되나? 오랜 세월 세 아이의 아버지로 살아오면서, 벤 고르첼은 벤 고르첼이 죽고 나면 벤 고르첼의 아이들이 벤 고르첼의 뒤를 잇게 될 꺼라는 익숙한 느낌도 갖고 있다. 지금 여러분이 읽고 있는 이 책처럼 지능과 관련된 벤 고르첼의 책들과 기타 다른 다양한 벤 고르첼의 작품들 역시 벤 고르첼의 뒤를 잇는 역할을 하게 될 것이다. 벤 고르첼은 이미 벤 고르첼이 좋아하는 우디 알렌의 다음과 같은 말을 인용한 바 있다. “나는 내 연기를 통해 불멸을 얻고 싶지는 않다. 나는 정말 죽지 않음으로ㅆ 불멸을 얻고 싶다.” 벤 고르첼의 애들은 아주 훌륭하고 벤 고르첼의 책도 아주 괜찮지만, 모두 그 자체로서의 존재일 뿐 절대 벤 고르첼을 대신할 수는 없다. 정말 불멸성을 얻을 수 있다면, 무엇 때문에 그런 불멸성의 아류에 만족하겠는가?

정보과학이 된 생물학

생물학은 아직 불멸 문제를 다룰 준비가 되지 않았다는 어린 시절의 벤 고르첼의 느낌은 1970년대 초 당시만 해도 100% 맞는 말이었다.

벤 고르첼이 이 세상에 나오기 전인 1960년대 초 대학을 다닐 때, 아버지는 '죽음을 축출하기 위한 학생 연맹'이라는 학생 단체를 조직했다. 그 단계의 목표는 죽음의 짜증나는 면에 저항하자는 것이었다. 그 단체는 그야말로 웃자고 모인 단체 성격이 강했다. 그 달시만 해도 죽음을 몰아낸다는 건 말도 안 되는 소리였고, 공상과학 소설에나 나옴직한 생각이었다. 그런데 그것은 어린 벤 고르첼이 죽음에 대해 처음 생각하기 시작한 1970년대 초에도 마찬가지였다.

지금은 상황이 많이 달라졌다. 생물학은 지난 수십 년간 기하급수적인 발전을 거듭했다. 이제 생물학은 가장 최신의 정보 과학 그리고 어쩌면 가장 발전이 빠른 정보 과학이 되었다. 생물학을 이용해 죽음의 문제를 진지하게 다룬다는 건 이제 더 이상 공상과학 같은 생각이 아니다. 죽음의 축출은 아직도 주류 생물학의 목표는 아니지만, 생명 과학자 수가 점점 늘어나고 있으며, 그들이 21세기의 생물학 툴들을 이용해 인간의 수명을 획기적으로 늘리는 것이 충분히 가능하다고 목소리를 높이고 있다.

최근의 생물학 분야 발전은 주로 실험 기술들의 개발에 힘입은 바 크다. 그 우리는 실험 기술들 덕에 생물학적 시스템들의 상태를 설명해주는 많은 비트를(bit, 2진 숫자들)을 만들 수 있고, 또 컴퓨터 내부의 코드 같은 생물학적 시스템의 내면들을 보다 자유롭게 조작할 수 있는 것이다. 또한 DNA 배열을 알아내는 새로운 방법들 덕에 '인간 게놈 프로젝트'가 시작됐고, 다양한 동식물 및 박테리아 게놈의 해독에도 성공할 수 있었다. 유전자 미세 배열 분석과 RNA 간섭 같은 새로운 기법들 덕에 과거 그 어느 때보다 자세히 생물학적 시스템들을 측정하는 일도 가능해졌다.

벤 고르첼은 그간 주로 연구해온 생물학 분야가 유전학이기 때문에, 여기서 벤 고르첼은 주로 유전학에 대해 얘기하려 한다. 벤 고르첼은 또 신경과학 분야도 조금연구해봤는데, 그 분야는 뇌를 스캐닝하는 기능적 자기공명영상, 보다 복잡한 방법으로 뇌 속 전극 기록을 가능하게 해주는 전압 민감성 염료 기술이나 4극 진공관 기술 같은 실험 기술들 덕에 발전이 이루어졌다. 우리는 아직 인식의 역확을 실험적으로 관찰할 수 있을 만큼 뇌를 자세히 관찰하지 못하지만, 10년 전에 비해서는 훨씬 더 잘 관찰할 수 있다. 생물학은 유전학과 신경과학 분야를 넘어 벤 고르첼이 일일이 익숙해지는 어려울 만큼 많은 분야에서 발전을 거듭하고 있다.

이 모든 새로운 실험 기술들을 통해 막대한 분량의 데이터가 만들어지는데, 그 데이터는 너무 방대해 인간의 뇌로서는 유용한 방법(패턴 인식을 생각해보라)으로 처리 및 분류하는 게 어렵다. 대부분의 생물학자들은 육안이나 표준적인 통계학 툴들을 통해 알아볼 수 있는 간단한 데이터 패턴들로만 연구를 할 수 있다. 놀랄 일도 아니지만, 이렇게 아주 발전된 실험 기술들로 끌어 모은 데이터의 대부분을 쓸모없이 썩게 되는데, 그것은 그 데이터의 패턴을 알아볼 수 있는 사람은 아무도 그 데이터를 보지 않기 때문이다.

다행히도 방대한 생물학 데이터 내의 보다 미세한 패턴들까지 알아볼 수 있는 툴이 있는데, 그것이 바로 인공지능 시스템이다. 지능 면에서 인간의 마음처럼 폭넓지 못한 특화인공지능 시스템조차도 인간과 기존 통계 툴들로는 알아낼 수 없는 생물학 데이터 내의 모든 패턴들을 알아낼 수 있다. 벤 고르첼이 결국 특화인공지능과 인공일반지능의 발전이 노화 문제를 해결하고 인간의 수명을 획기적으로 늘리는 데 열쇠가 될 거라고 생각한다.

 

수명 연구의 열쇠

이 장의 뒷부분에서는 벤 고르첼이 특화인공지능을 이용해 유전학적 발견들(아주 흥미롭다고 생각하는)에 대해, 그리고 노화가 일어나는 과정에대한 벤 고르첼의 어설픈 이론들에 대해 잠시 얘기를 하려 한다. 그 얘기는 흥미롭기는 하지만, 벤 고르첼이 이 장에서 말하고자 하는 요점은 절대 아니다. 결론적으로 말해, 벤 고르첼이 노화의 유전학을 연구하게 된 것은 단순히 벤 고르첼이 특화인공지능 툴들을 가지고 얼마나 잘해낼 수 있은지를 보고 싶었기 때문은 아니다. 그보다는 노화 문제를 해결할 수 있는 유일하면서도 하는 거라는 느낌이 강했던 것이다.

인공일반지능이 수명 연구의 열쇠일지도 모른다는 벤 고르첼의 근거는 아주 간단하다. 인간의 몸은 많은 수준의 많은 하위 시스템들이 서로 뒤섞여 움직이면서 발생하는 것으로 보인다.

인간의 뇌는 아프리카 대초원에서 살아남을 수 있게 몸을 통제하는 쪽으로 진화됐지, 방대하고 복잡한 생물학 데이터를 통합 조정하는 쪽으로 진회된 게 아니다. 발전된 인공일반지능 생물학자는 그 모든 생물학 자료를 그 어떤 인간보다 훨씬 더 잘 해석해낼 수 있다. 그에 따라 새로운 실험 기술들을 만들어낼 수 있고, 그런 다음 그 데이터를 분석할 수 있다.

이 주장은 너무도 간단명료해 보인다. 물론 어떤 뛰어난 인간 과학자가 뭔가 돌파구를 찾아내 내년에 당장 놀라운 수명 연장 알약을 만들어낼 가능성도 완전히 배제할 수는 없지만 말이다.(벤 고르첼은 제발 그런 일이 일어나길 바라지만…….)

아, 그런데 완전히 성장한 인공일반지능 생물학자가 나오려면 아직 한참 더 있어야 한다. 몇 년 아니면 몇십 년? 그렇게 되려면 인공지능 갓난아기로 시작해 그 다음 인공지능 학생 식으로, 먼저 여러 예비 단계를 거쳐야 할 것이다. 우리가 지금 OpenCog 프로젝트를 통해 하고 있는 일이 바로 그것이다.

인공일반지능이 그 정도 수준까지 발전되기 전이라도, 현재의 인공지능 기술만으로도 생명 연장 킻 기타 다른 분야의 생물학 연구에 많은 도움을 줄 수 있다. 그건 그 자체로도 가치 있는 일이다. 현재의 인공지능은 또 다른 목적에도 도움이 될 수 있다. 노화를 이해하고 수명을 늘리는데 직정한 도움을 주려면 초기의 인공일반지능이 어떠해야 하는지를 정확히 알 수 있게 해줄 수 있을 테니 말이다.

생물학자들은 표준적인 생물 통계학 툴들을 이용해 유전학 데이터에서 유의미한 패턴들을 찻아내지 못했지만, 벤 고르첼과 벤 고르첼의 동료들은 인공지능 분야의 연구를 통해 그 일을 해냈다. 우리가 발견한 그 많은 데이터 패턴들은 가설들이 되어 훗날 실험 생물학자들에 의해 연구실에서 검증되게  된다.

처음 바이오 인공지능 분야에 뛰어들었을 때의 벤 고르첼의 꿈은 모든 생물학적 지식을(아니면 적어도 포스팅된 모든 것들을) 끌어 모아 방데한 데이터베이스를 구축한 뒤, 그 지식을 토대로 첨단 인공지능 툴들로 하여금 추론 작업을 하게 하는 것이었다. 유감스럽게도 그 꿈은 자금난 때문에 아직 실현되지 못했다. 그 많은 생물학적 데이터를 현재의 인공지능 알고리즘으로 분석 가능한 데이터로 만들려면 어느 정도의 인력이 필요하고 가끔은 저술 작업이 필요할 수도 있는데, 벤 고르첼은 아직 그런 일을 할 수 있는 생물학자 팀을 구성하고 유지하는 데 필요한 자금을 확보하지 못했다. 그 대신 벤 고르첼은 첨단 기계로 하여금 유전학 데이터와 다른 생물학 데이터를 배우게 하는 일에 몰두했고, 그 과정에서 노화와 노화 관련 질병, 응용 머신 러닝 들에 대해 많은 걸 알게 되었다.

 

유전학 기초 살짝 엿보기

벤 고르첼은 그간 벤 고르첼이 연구해온 바이오 데이터가 대부분 유전학 관련 데이터라는 얘기를 했었다. 그러니까 한 사람 혹은 동물과 다른 사람 혹은 동물간의 DNA 차이에 대한 정보, 특정 상황에서의 한 유기물이나 세포의 유전자 발현(유전자 정보가 특정 형질로 나타나기 - 역자)의 특이성에 대한 정보 등을 연구해온 것이다. 유전학은 아주 전문적인 생물학 분야이다. 그래서 유전학이 낯설기만 한 독자들을 위해 여기서 아주 간단한 설명을 하고자 한다. 물론 유전학을 더 많은 걸 알고 싶다면, 온라인에 좋은 자료가 많으니 얼마든지 더 깊이 알아볼 수 있을 것이다.

벤 고르첼은 여러분이 살아 있는 유기체는 세포로 이루어져 있으며, 가장 간단한 세포조차 서로 상호작용하는 수천 종류의 다른 분자들로 이루어져 있다는 사실 정도는 이미 잘 알고 있으리라 믿는다. 어떤 세포들은 독립된 게체로 존재하며, 또 어떤 세포들은 집단 속에서 단일한 개체로 움직인다(뇌 속 세포들처럼). 세포들이 모이면 조직이 되고, 조직이 모이면 단일 유기체 내의 기관들이 되며, 기관들은 다시 동물이 되고, 동물들은 다시 지구 생물권을 아우르는 생태계를 이룬다. 이 각 단계는 다른 단계에 영향을 주게 되는데, 생물학이 그렇게 복잡한 것도 바로 이 때문이다. 그러나 20세기 들어와 수십 년에 걸쳐, 그 복잡한 생물학의 많은 부분이 DNA(디옥시리보핵산)와 RNA (리모핵산)라는 세포 내 특정 분자들 형태로 이해되기 시작한다.

대부분의 DNA는 세포의 중심부인 세포핵 안에 살지만, 에너지 생산을 담당하는 세포들 내의 별도 구성 요소인 미토콘드리아 안에도 소량의 DNA가 있다. 그간 미토콘드리아 DNA에 대해서는 별 관심들을 두지 않았지만, 우리가 해온 연구에 따르면 그 DNA는 알츠하이머병이나 파킴슨병 같은 노화 관련 질병들과 깊은 관련이 있을 수도 있다.

세포 분자 생물학에서 어정쩡한 이름의 '센트럴 도그마'라는 것이 생물학에서 아주 중요한 역활을 한다. 센트럴 도그마란 정보가 암호화된 DNA가 RNA로 전사(DNA와 상보적인 서열을 갖는 RNA를 생산하는 과정 - 역자)되고, 거기서 다시 단백질로 옮겨지며, 그 단백질은 살아 있는 세포들의 중요한 기능적 요소 및 구조적 요소로 이루어져 있다는 것이다.

센트럴 도그마는 말이 도그마이지 생각 없이 받아들여지는 믿음이라는 뜻을 가진 그런 '도그마'가 아니다. 도그마라기보다는 많은 증거들로 검증되어온 과학적인 가설이다. 어떤 경우 정보가 다른 쪽으로, 그러니까 세포의 나머지 부분에서 DNA로 가기도 한다.

대략적으로 말해, DNA 분자는 인련의 긴 아미노산으로 볼 수도 있으며, 거기에서 관련된 특정 아미노산들이 네 가지 가능성 즉, 아데닌, 구아닌, 타이민, 사이토신으로부터 온다. 그래서 DNA 가닥은 A, C, G, T라는 네 글자로 이루어진 끈으로 나타낸다. 아미노산의 화학 작용 때문에 A와 T는 서로 반대편에 위치하고 C와 G 역시 반대편에 위치한다.

RNA 분자들은 DNA 분자들과 아주 비슷해 보이지만, 티아민의 자리에 우라실이 들어간다. 그리고 DNA와 달리 RNA는 대개 생물학 시스템안에서 단일 가닥으로 존재한다. 그 가닥은 구부러지는 게 가능해 그 안쪽의 상호보완적인 염기 배열들이 서로 합쳐질 수가 있다. 유전자는 대개 메신저 RNA로 하여금 전이 RNA와 상호작용하게 함으로써 몸에 실질적인 영향을 주며, 그 상호작용을 통해 단백질을 만들어낸다. 유전자에 의해 만들어진 단백질은 A, G, C, T라는 DNA 가닥의 염기 배열과는 다르지만 정확히 그 배열에 따라 결정되는 아미노산 염기 배열을 갖는다.

이처럼 지구상에 있는 모든 생명체의 기본이 되는 DNA 염기 서열을 밝혀낸 것은 20세기의 과학이 이룬 가장 위대한 업적 중 하나였다. DNA에서 RNA로 거기서 다시 단백질로 이어지는 센트럴 도그마는 생물학 시스템들이 토대로 삼고 있는 핵심 과정을 대략 설명해주고 있지만, 살아 있는 유기체는 서로 상호작용하는 수십 억에 달하는 이 같은 패턴의 예들로 이루어져 있다. 단백질은 특정 유전자의 전사를 도와주며, 특정 유전자의 단백질 산물은 환경으로부터의 위협과 기회의 신호를 탐지해, 그에 따라 다른 단백질의 활동을 바꿔놓는다. 또한 단백질과 그 단백질이 통제하는 대사 물질 흐름에 따라 이처럼 기능적인 수많은 활동이 행해지며, 그 활동이 또 복잡하면서도 서로 중복되는 피드백 회로 네트워크 내에서의 유전자 활동을 통제한다. 이 같은 네트워크에 대해 자세히 설명하자면, 세포가 들어 있는 환경뿐 아니라 그 네트워크를 발전시킨 진화 과정에 대한 이해도 있어야 한다.

분자 생물학과 컴퓨터 공학 간의 유사성은 아주 흥미로우며, 그간 많은 연구가들이 그 유자점을 찾기 위해 많은 노력을 해왔다. 분자 생물학의 매커니즘은 자연스레 진화된 나노테크놀로지 컴퓨팅 및 엔지니어링 인프라(이는 우리가 가까스로 이해하고 있으며 나노 기계나 나노 컴퓨터를 만들 수 있는 우리의 현재 능력을 훨씬 상회하지만)나 다름없다. 이런 식의 사고에 영향을 받아 몇몇 사람들이 컴퓨터 문제를 해결하기 위해 현존하는 분자 생물학 기계를 사용해 이른바 'DNA 컴퓨팅'에 대한 연구에 착수했다. 이 시점에서 DNA 컴퓨팅 분야는 아직 실용적인 툴은 못되지만, 아주 빠른 속도로 발전되고 있는 분야로, 적어도 우리에게 나노테크놀로지에 대해 많은 것을 가르쳐줄 것이다. 우리는 언젠가 DNA 컴퓨터(또는 DNA 컴퓨터의 영향을 받은 나노컴퓨터)를 이용한 인공지능 프로그램 운영으로 인간 유전학 데이터를 분석하게 될지도 모른다.

 

바이오-인공지능 실험

그럼 벤 고르첼과 벤 고르첼의 동료들은 그간 어떤 종류의 유전학 데이터를 우리 인공지능 시스템에 집어넣어 어떤 종류의 답을 얻었을까?

예를 들어, 알츠하이머병을 않는 사람 500명과 그렇지 않은 비슷한 또래의 사람 500명의 DNA 샘플을 가지고 있다고 치자. 각 DNA 샘플은 각 사람이 가지고 있는 2만 5,000개의 유전자 안의 개체 변이를 보여주는데, 그 각 변이는 Single Nucleotide Polymorphism, 즉 ‘단일 염기 다형성’이라 불리고, 간단히 줄여 SNPs라 하며 대개 ‘스닙스’라고 발음한다. 그런 다음 인공지능을 통해 유전자 속의 어떤 변이 조합들이 유전학적으로 사람들을 알츠하이머병에 더 잘 걸리게 하는지를 알아본다.

아니면 똑같은 알츠하이머 환자 500명의 유전자 발현 데이터 샘플을 갖고 있다고 치자. 이 경우에는 특정 관찰 시점에서 연구 대상 한 사람 한 사람 속의 어떤 유전자들이 가장 활동을 활발히 하는지에 대한 정보를 얻을 수 있다. 이럴 경우 얻게 되는 정보는 다를 것이다. 알츠하이머병에 걸린 사람의 몸속에서 진행되는 생물학적 과정들에 생기는 작은 변화를 알 수 있는 것이다. 이 경우 답은 유전 물질이 몸의 어떤 조직에서 끌어 모아지는가에 따라 달라질 수도 있다.

유전자 발현과 SNP양쪽 모두에서 인공지능이 하는 주요 역활은 방대한 데이터를 샅샅이 뒤져 유기체의 특정 조건에 적합한 것들의 조합을 찾아내는 것이다. 만일 단일 SNP나 단일 유전자가 알츠하이머병에 결정적 역활을 한다면, 생물학자들은 인공지능을 사용하지 않고도 그걸찻아낼 수 있을 것이다. 그러나 만일 SNP나 유전자의 복잡한 결합이 중요한 역활을 한다면, 표준적인 통계 툴을 가지고도 방대한 데이터로부터 그걸 찾아내기가 쉽지 않다. 그러나 인공일반지능에는 한참 못 미치겠지만, 오늘날 OpenCog 프로젝트에 쓰이는 인공지능 툴 같은 것들은 종종 적절한 패턴을 찾아내기도 한다.머리가 잘 돌아가는 독자라면 바로 위의 나요는 수학 법칙은 대폭 단순화시킬 수 있다는 걸 눈치챌 것이다. 이 예들은 2006년경에 오픈바이오마인드 소프트웨어를 이용해 만든 것인데, 그 소프트웨어는 대수학을 단순화하는 방법을 몰랐기 때문이다. 우리는 현재 우리 생물 정보학 연구에 OpenCog 프로젝트의 MOSES

  소프트웨어를 사용하고 있는데, 이 소프트웨어는 수학 법칙과 공식들을 단순화시키는걸 할 수 있다. MOSES 소프트웨어로 만들어낸 원칙들은 대수적으로 최소화된 형태에 가깝게 나타나기 때문에 간단한 편이다. 그래서 인간이 이해하기도 더 쉽고, 그 법칙들에 자동화된 다른 추론 시스템들을 적용하고 싶을 때도 더 좋다.

DNA 전사→RNA 변환→단백질

 

우리가 거둔 가장 흥미로운 업적 중 하나는 어떤 사람이 파킨슨병이나 알츠하이머병에 걸렸는지를 알 수 있는 새로운 진단 테스트를 만들어냈다는 것이다. 그 작업은 지금도 진행 중이긴 하지만, 우리의 연구 결과들은 또 파킨슨병과 알츠하이머병 치유에 이를 수 있는 가능성이 있는 몇몇 길을 환히 밝혀주었다. 우리의 연구 결과가 나오기 전까지만해도, 미토콘드리아(에너지를 저장하고 있는 각 세포의 일부분) 내의 기능 장애가 파킨슨병과 알츠하이머병의 발병에 중요한 역활을 한다고 알려져 있었다. 그러나 미도콘드리아와 그 두 병 간에 어떤 인과간계가 있는지에 대해서는 아무도 아는 사람이 없었다. 단지 미토콘드리아 DNA (나머지 2만 5,000여 유전자가 살고 있는 세포핵 안이 아니라 세포의 미토콘트리아안에 살고 있는 몇 안 되는 중요한 유전자들)와 뭔가 관련이 있을 거라는 막연한 짐작만 있었을 뿐이다.

버지니아 대학교의 라팔 스미그로드즈키와 W 데이비스 파커 교수가 수집한 미토콘드리아 DNA에 대한 데이터에 적용된 아주 간단한 인공지능 기술(맞춤형 유전자 알고리즘)은 파킨슨병과 알츠하이머병에 관여하는 미토콘드리아 DNA의 위치들을 정확히 집어냈다. 똑같은 데이터를 가지고도 표준적인 생물통계학 툴로는 그런 위치를 집어내지 못했는데, 그것은 그 툴이 서로 다른 요소들의 조합(이 경우에는 미토콘드리아 게놈 내 다른 부분들의 조합)이 포함된 패턴을 찾아내는 데 능하지 못하기 때문이다. 그러나 이제 우리는 인공지능 분석 덕에 미토콘드리아 유전자들이 신경퇴행성 질환을 앓고 있는 사람들의 어떤 부위를 망쳐놓는지를 안다.

물론 아직 그 발견이 그런 질환들을 치유하지도 정확한 원인을 설명해주지도 못한다. 그러나 생물학자들로 하여금 면밀히 들여다봐야 할곳을 알려주고 또 새로운 의문들을 던진다. 왜 그런 미토콘드리아가 가능 장애가 생겨날까? 그리고 그로 인해 다른 어떤 문제들이 일어날까? 생물학자들은 현재 그런 중요한 의문들에 대한 답을 찾고 있는 중인데, 이 모든게 사실상 우리 인공지능의 덕인 것이다.

우리는 또 애틀랜타 소재 질병통제예방센터의 수잔 버넌팀과 손잡고 만성 피로 증후군(장기간 피로를 호소하는 복합적인 질환 - 역자)의 유전자 정보에 대한 최초의 확실한 증거를 찻아냈다. 우리는 환자들의 DNA를 정상인들의 DNA와 비교해보았고, 그 결과 그 두 그룹의 유전자 사이에 근본적인 차이가 있음을 알게 됐다. 각종 통계 툴을 갖고 있는 연구가들도 우리 인공지능이 그런 결과들을 발견하면, 연구가들은 연구실에서 비교적 쉽게 그 결과를 분석할 수 있다.

예를 들어, 먼저 인공지능이 뇌 속 당징코르티코이드 수용체 및 신경전달 물질 트립토판과 관련된 유전자들을 찾아낸다. 인공지능이 일단 그런 유전자들을 찾아내면, 그 다음 생물학자들이 자신들의 인간 지능을 이용해 다양한 실험을 하고, 인공지능의 있으므로, 그걸 적절히만 활용한다면 실험 결과에서 얻은 데이터를 분석해볼 수 있고, 그 결과 얻은 관련 유전자나 생물학 과정 등을 토대로 다음 단계의 실험을 준비할 수 있게 된다.

수명 연장 분야에서 벤 고르첼이 해온 가장 매력적인 프로젝트 중 하나는 수명을 늘린 초파리에 관한 것이었다. 간단히 말하자면 이런 것이다. 우리에겐 보통 파리보다 4배나 오래 사는 그 초파리들이 있는데, 30년 넘는 번식을 통해 수명 연장을 해온 결과이다. 그런데 왜 그리고 어떻게 파리들의 수명이 그렇게 연장됐는지는 알 수가 없다. 벤 고르첼의 경우 2009년부터 2011년 사이에 이 프로젝트에 적극 참여했다. 그 이후 진행 속도가 다소 느려졌으나, 여전히 점진적으로 진행되고는 있다. 이 프로젝트는 진션트라는 또 다른 회사와 손잡고 진행되고 있는데, 진션트 사는 캘리포니아 대학교 어바인 캠퍼스에서 처음 파리 번식 작업을 시작한 마이클 로즈 교수가 공동 설립한 회사로, 초파리들은 그 회사 소유이다. 장수하는 초파리들의 경우 보통 파리들과는 다른 유전자가 수천 개나 됐지만, 우리는 인공지능 기술을 이용해 그 수를 가장 중요해보이는 몇 십 개로 줄였다. 그리고 벤 고르첼이 보기에 우리는 지금 그 초파리들의 장수와 관련된 중요한 과정 중 일부를 파악한 것 같다.

예를 들면 우선 많은 뇌 발달 관련 유전자를 비롯한 발달 유전자와 신경 유전자에 많은 차이가 있다. 노화 이야기는 처음에는 도움이 되다가 일단 뇌가 노화되면 파괴를 시작하는 뇌 발달 과정과 일부 관련 있는 걸로 보인다. 진션트의 생물학자들은 지금 인공지능 데이터 분석 결과를 이용해 노화 방지에 도움이 되는 새로운 약과 영양제를 만들어내고 있다.

이런 종류의 데이터에 대한 인공지능 분석으로 치료법 개발에 도움을 주는 방법의 일례로, 소프트웨어가 세 가지 유전자를 발견했다고 가정해보자. 이 경우 인공지능이 그 유전자들 내의 SNP를 관찰할 경우, 어떤 파리가 '므두셀라'인지 아니면 '컨트롤'인지, 즉 오래 사는 파리인지 아니면 보통 파리인지를 알 수 있다. 자, 그럼 이제 인공지능이 다음과 같은 3가지 유전자를 발견했다고 하자.

유전자 조합은 인간의 치료법을 개발하려는 목적으로 쓰여야 가치가 있기 때문에, 이 유전자들이 사람의 경우와 파리의 경우 서로 충분히 비슷하게 기능하는지 다양한 생물학 데이터베이스를 통해 확인해야 한다. 여기서 이런 의문들이 생기게 된다. 우리는 이 세 종류의 유전자를 유전자 조합 치료에 효과적으로 쓸 수 있을까? 우리는 그 활성 성분들이 이 세가지 유전자에 의해 유익하게 암호화된 단백질에 작용할 약이나 약초들의 조합을 찾아낼 수 있을까?

유전학 분석을 통한 치료법 개발에는 한 가지 문제가 있는데, 그것은 현재 시점에서 인공지능 소프트웨어가 몸의 어떤 단백질들을 대상으로 치료를 해야 하는지를 제시해줄 뿐 별다른 도움을 주지 못한다는 것이다. 이 책을 쓰고 있는 지금, 진션트 사는 내 인공지능 분석 결과를 이용해 Stem Cell 100 보충제 등, 약초를 이용한 많은 노화 관련 질병 치료벌을 개발 중이다. 또한 그 회사는 같은 인공지능 분석 결과를 토대로 알츠하이머병과 기타 다른 질병에 대한 약물 치료법의 가능성들을 확인 중이다.

벤 고르첼은 최근 수명과 관련된 또 다른 흥미 있는 데이터, 그러니까 앞서 언급한 바 있는 캘리포니아 주 소재 스크립스 연구소의 웰덜리 데이터도 연구해오고 있다. 이 데이터는 80세가 넘는 수백 명의 건강한 장수 노인과 그 비슷한 숫자의 덜 건강한 장수 노인들에 대한 데이터이다. 이 경우에도 우리는 인공지능을 이용해 많은 유전학적 차이들을 찾아내고 있다. 또 우리는 장수하는 초파리에서 얻은 데이터를 장수하는 건강한 노인들한테서 얻은 이번 데이터와 비교해보고 있다. 만일 초파리와 사람들 양쪽 모두에서 특정 유전자나 경로가 장수에 중요한 역활을 한다면, 그런 비교가 아주 중요할 수도 있겠다는 생각에서이다.

우리는 인간과 파리 양쪽 모두의 수명에 중요한 역활을 하는 유전자들을 많이 찾아내지는 못했다. 그러나 공통된 경로들은 많이 찾아냈다. 그러니까 인간과 파리라는 아주 다른 두 유기체 모두의 노화에 중심 역활을 하는 많은 공통의 생물학적 네트워크와 과정을 찾아낸 것이다. 진션트 사에 근무하는 벤 고르첼의 동료들은 현재 연구실에서 그 경로들을 면밀히 분석하고 있으며, 그를 통해 수명을 연장하고 노화 관련 질병을 퇴치하는 치료법을 개발하려 애쓰고 있다.

 

이 모든 일들은 중요하고 또 흥미진진하다. 그러나 우리가 지금 인공지능을 생물학에 응용하는 방법은 아주 제한되어 있다는 걸 명심할 필요가 있다. 기본적으로 우리는 지금 한 데이터베이스 또는 소수의 데이터 베이스에 데이터를 입력한 뒤, 인공지능이 찾아내는 걸 보고 있는 수준을 넘지 못하고 있다. 고도로 발전된 일반 지능을 가진 인공일반지능이 있다면, 더 잘해낼 수 있을 텐데 말이다. 그럴 경우 지구상에 있는 모든 데이터를 집어넣어도 될 것이다. 그리고 설사 발전된 인공일반지능이 없다 하더라도, 특화 인공지능 기술 역시 건강한 삶을 연상시켜줄 큰 잠재력을 갖고 있다.벤 고르첼과 벤 고르첼의 동료들은 한 번에 하루씩 차근차근 인공지능을 생물학적 데이터에 응용해오고 있다. 그것이 제한된 자원을 가지고  우리가 할 수 있는 최선이다. 이런 종류의 일을 하는 데 필요한 자원이 더 풍족하다면, 우리는 이용 가능한 모든 생물학적 데이터를 거대한 한 전체론적 지식 데이터베이스에 집어넣은 뒤, 우리의 인공지능 알고리즘을 작동시킬 수 있을 것이다. 더 많은 새로운 정보들을 발견해내고, 그 결과 훨씬 더많은 데이터를 끌어 모을 수 있는 실험들을 해낼 수 있을 거라고 확신한다.

그리고 물론 그 새로운 실험 가운데 상당수는 로봇화된 연구실의 장비를 이용해 완전히 자동화시킬 수도 있다. 지금 우리에겐 모든 생물학적 데이터를 거대한 하나의 인공지능 시스템 속에 저장할 수 있는 기술이 있다. 그러므로 그 시스템을 활용해 로봇화된 연구실 장비로 새로운 실험을 계획해 실행할 수 있고, 몇 번이고 그 과정을 반복함으로써 생물학분야에 긍정적인 영향을 줄 훨씬 더 많은 유용한 결과를 이끌어낼 수 있다. 우리를 가로막는 장애물은 단 하나, 돈이다. 장담컨대 충분한 자금 지원만 따른다면, 우리는 앞으로 10년 내지 20년 이내에 노화 문제를 해결할 수 있다. 지금 중년쯤 되는 사람들은 사고를 당하거나 희귀한 질병에 걸리지 않는 한 죽음을 두려워할 필요가 없게 될 것이다.

 

SENS, 인간 수명 연장에 도전하다

인공지능을 토대로 한 접근방법은 전망은 좋지만 노화 문제를 해결하기 위해 현재 취해지고 있는 유일한 접근방법은 아니다. 바이오 의학계의 주류는 아직 획기적인 수명 연장 문제에 별 관심이 없지만, 일부 창의적인 연구가들은 그렇지 않다. 그리고 구글의 칼리코와 크레이그 벤터의 인간 수명 회사 등, 보다 많은 테크놀로지 및 바이오 약제업계주류 기업들 역시 수명 연장 문제에 큰 관심을 보이고 있다. 물론 그들이 어떤 전략을 취할 것인지 또 그 효과가 어떨 것인지는 아직 분명치 않다. 현재 수명 연장 연구 분야에서 가장 큰 영향력을 발휘하고 있는 인물은 오브리 드 그레이로, 그가 이끄는 일명 'SENS(노화를 무시해도 좋은 수준으로 떨어뜨리는 전략들)연구 단체'는 지금 자신들의 캘리포니아연구소에서 수명 문제와 관련된 놀라운 연구를 진행 중에 있으며, 전 세계의 여러 대학에서 진행 중인 많은 프로젝트에 자금 지원도 하고 있다. 인간의 수명을 획기적으로 늘리기 위한 오브리 드 그레이의 접근방법은 '엔지니어링' 지향적이다. 아니면 거의 '자동차 메카닉스' 지향적이라 생각해도 좋을 것이다. 그는 노화된 몸을 낡은 자동차처럼 취급하려 했다. 문제가 무엇인지 찻아내 고치는 것 말이다. 그는 생물학자들은 인간의 몸이 노화될 때 생기는 대표적인 문제 7가지에 주목해야 한다고 주장한다. 그리고 또 다음과 같이 각 문제를 해결해줄 해결책을 제안하기도 했다. 오브리 드 그레이가 말하는 SENS의 요점은 우리가 추구하는 목표는 단순히 노화를 늦추는 것이 아니라 노화를 무시해도 좋은 수준으로 줄이자는 것인데, 그 목표를 무슨 부두교 신앙 같은 걸로 달성하자는 게 아니라 엔지니어링을 통해 달성하자는 것이다. 나노-엔지니어링도 가능 할 수는 있지만, 주로 생물학 엔지니어링을 통해서 말이다. SENS를 연구하는 생물학 연구 단체에 활력을 불어넣기 위한 노력의 일환으로, 오브리 드 그레이는 여러 해 전부터 '므두셀라 쥐 상'이란 이름의 콘테스트를 시작했다. 가장 오래 사는 생쥐를 만들어내는 연구가에게 돈으로 상금을 주는 콘테스트이다. 사실 이 콘테스트에는 두 가지 상이 주어지는데, 그 하나는 장수 상이고, 다른 하나는 어느 정도 노화가 된 쥐에 적용되는 가장 뛰어난 수명 연장 요법에 주어지는 '회춘' 상이다. 이 콘테스트의 상은 다소 복잡한 구조를 띄고 있어, 가장 오래 산 쥐를 만들어낸 연구가나 회춘 요법으로 쥐의 수명을 가장 많이 늘린 연구가는 그 기록이 깨지기 전까지 매주 소정의 돈을 받게 되어 있다. 오브리 드 그레이는 연구 집단이 그 분야에 모든 걸 집중한다면, 향후 10년 내지 20년 이내에 쥐의 노화를 막는 일에 아주 가까이 다가가는 게 가능할 거라 믿고 있다. 그러고 나면 쥐한테서 얻은 연구 결과들을 인간에게 적용하기까지는 그리 오래 걸리지 않을 것이다. (생물학 분야에서는 대개 쥐한테서 얻은 연구 결과들을 인간에게 적용하는데, 그것은 그 연구 결과들이 인간에게 100% 그대로 적용될 수는 없겠지만 믿기지 않을 만큼 작 적용되기 때문이다.) 물론 어떤 기술은 다른 기술에 비해 보다 쉽게 인간에게 적용되겠지만, 때론 예기치 못한 어려움도 있을 것이다. 그러나 우리가 노화 문제를 일부 연결해 인간의 수명을 30년 내지 40년 늘릴 수 있다면, 30년 내지 40년이라는 시간이 더 주어지므로 생물학자들이 다른 문제들을 해결하는데에도 도움이 될 것이다. 오브리 드 그레이는 당신이 만일 그때까지 살아 있다면 생물의학의 지속적인 발달 덕에 원치 않는 죽음에서 완전히 해방될 가능성이 높은때인 일명 '므두셀러러티' 얘기를 많이 한다. 노화의 원인에 대한 생각은 다르지만, 노화가 복잡한 현상이라는 점에서 오브리 드 그레이는 벤 고르첼과 의견이 같다. 그는 노화는 어떤 한 가지 큰 원인 때문에 일어난다기보다는 잘못되어가고 있는 여러 가지 일들이 복합적으로 어울려 일어난다고 믿는다. 그러나 그는 모든 문제를 해결하기 위해 인공일반지능이 필요하다고는 생각지 않는다. 인간이 갖고 있는 독창적인 능력이면 충분하다고 생각하는 것이다. 벤 고르첼 역시 그가 옳기를 바란다. 그러면서도 벤 고르첼은 또 문제를 해결하기 위해 가능한 모든 관점에서 접근하는 것도 괜찮다고 생각한다. 오브 드 그레이 팀과 다른 팀들이 혁신적인 생물학 방법들을 통해 장수 문제에 매달리고 있는 것도 좋지만, 어쨌든 벤 고르첼은 틈나는대로 시간을 벤 고르첼의 특화인공지능의 도움을 받아 현재의 생물학 데이터들을 파고드는 중이다. 그러면서 벤 고르첼은 또 인간보다 뛰어난 인공지능을 만들어내면, 그 인공지능이 인간의 마음으로는 생각해낼 수 없는 방식들로 이용 가능한 모든 데이터를 통합 분석해 인간은 절대 생각해낼 수 없는 새로운 실험과 치료법들을 찾아낼 수 있을 거라고 믿는다.

 

인공일반지능 생물의학 연구가의 탄생을 향해

이 장의 초고 작업을 하고 있던 어느 날 벤 고르첼은 캘리포니아에 사는 한 친구로부터 전화를 받았다. OpenCog 인공일반지능과 다른 인공지능 툴을 이용해 노화 문제를 해결하고 획기적으로 수명을 늘릴 수 있는 제안서를 하나 만들어볼 생각이 없냐는 전화였다. 그 친구는 그 제안서를 엄청나게 부유한 한 사업가에게 제시할 생각이었는데, 그러려면 벤 고르첼은 OpenCog 인공일반지능을 활용해 획기적인 수명 연장 방법을 찾아내는 연구를 하고 그 과정에서 유용한 제품들을 만들어낼 수도 있어야 했다. 그런 종류의 일은 대개 실패로 끝나거나 아니면 적어도 뭔가 결과를 내기까지 오랜 시간이 걸리지만, 벤 고르첼은 그 일이 아주 흥미로운 도전이라고 생각했다. 벤 고르첼의 제안은 인공일반지능 생물의학 연구가를 만들어내되, 이 장기 목표를 향해 가기에 앞서 먼저 다음과 같은 두 단계를 거치자는 것이었다. 첫째, 우리가 안고 있는 의학 관련 문제들에 대해 함께 의견교환을 할 수 있는 인공일반지능. 둘째, 생물의학 데이터베이스에서 얻은 지식을 토대로, 또 통계 툴 및 특화인공지능 툴들을 이용해 생물학 데이터를 분석해 과학자에게 도움을 줄 수 있는 인공일반지능 생물의학 연구 조수. 인간 수준의 인공일반지능으로 가는 길이 인공지능을 지닌 가상 에이전트 (실제 사람처럼 행동하고 고객의 질문에 답도 하는 가상 대표- 역자)나 로봇 공학으로 가는 길만큼 순탄하지야 않겠지만, 벤 고르첼은 그런 가상 에이전트나 로봇 공학과 인공일반지능을 동시에 추구하면 놀라운 시너지 효과를 얻을 수 있다고 생각한다. 생물의학 인공일반지능 연구가라는 꿈을 실현하는 데 필요한 요소들 중 상당수는 이미 존재하는데,  다음이 그 대표적인 요소들이다.

방대한 생물학 데이터베이스

생물학 데이터를 분석하고 생물학 연구 논문 등에서 정보를 수집할 특회인공지능 툴들

생물의학 지식으로부터 각종 결론을 도출해낼 인공지능 추론 시스템

인공지능 시스템들이 인간의 개입 없이 스스로 실험을 할 수 있게 도와줄 로봇화된 연구실 장비

그러나 이 요소들은 뿔뿔이 흩어져 있다. 그 누구도 이 요소들을 한 번에 이용하지 못하고 있는 것이다. 이 요소들을 다 결합해 인관성 있고 강력한 생물의학적 인공일반지능을 만들면 어떨까? 그야말로 더없이 멋진 프로젝트가 되지 않겠는가!

벤 고르첼 친구의 요청에 따른 제안서를 만들려면 한 가지 난제가 있었다. 이 모든 요소를 통합하고 다시 그 통합된 시스템을 강력한 생물 의학 인공일반지능으로 진화시키려면, 개발 초기 단계에서 인간적·경제적 가치를 모두 갖춘 실용적인 응용 프로그램을 개발하고, 그 다음 지속적인 개발로 그 인공일반지능의 지능이 더 좋아지면 그 가치도 늘려나갈 수 있어야 했다. 한 가지 적절한 응용이 대화 시스템, 그러니까 일반적인 영어를 사용해 사람들과 의학 및 생물학 문제들에 대한 얘기를 나눈 수 있는 소프트웨어 시스템이었다.

생물의학 대화 시스템 버전1은 아주 단순한 것이어도 됐다. 사람들에게 증세를 진단해주고 복잡한 온라인 생물의학 문헌들을 뒤져 적절한 정보를 찾아두는 디지털 진단가 겸 자문 정도면 되니까. 현재의 의료 서비스가 무질서하게 흩어져 있는 걸 감안하면, 이는 아주 큰 공공서비스가될 것이다. 그리고 또 다양한 관련 업계 입장에서 볼 때도 아주 괞찮은 수입원이 될 것이다.

연구 작업 말미에서 디지털 진단가 겸 자문은 과학자들의 연구를 도울 수 있는 인공일반지능 생물의학 조수로 진화할 수도 있다. 그렇게 되면 인간들이 혼자 힘으로 찾아내려면 아주 오랜 시간이 걸릴 생물 의학적 진실들을 아주 빨리 찾아낸 수 있게 될 것이다. 또한 예를 들어 인공일반지능 시스템과 인간 과학자들이 힘을 합쳐 각종 질병에 대한 새로운 치료법과 진단법을 찾아내는 인공지능/생물약제 기업이 생겨나는 등 생물의학 업계의 발전도 촉진시킬 것이다.

마지막으로, 보다 많은 시간과 노력을 쏟는다면, 생물의학 인공일반지능 연구 조수는 다음 단계로 진화되어 인공일반지능 생물의학 과학자가 될 수도 있다. 그 과학자는 인간의 도움 없이 자력으로 중요한 의학적 발견들을 할 수 있고, 또 독자적으로 과학적 발명에서 발견, 검증, 기술 이전에 이르는 모든 과정을 해낼 수도 있을 것이다. 이때부터 우리는 죽음과 모든 형태의 질병을 퇴치할 수 있는 획기적이고 영향력 있는 치료법을 기대해도 좋을 것이다.

 

노화는 어떻게 일어나고 어떻게 치유될 수 있는가

노화가 이떻게 일어나게 되고 또 어떻게 완전히 치유할 수 있는지를 제대로 이해하려면 아마 인공일반지능의 도움이 필요할 것이다. 그러나 그렇다고 해서 지금 노화 과정에서 어떤 일이 일어나는지를 이해하기 위해 우리가 할 수 있는 최선을 다하지 않아도 된다는 건 아니다. 벤 고르첼 자신의 노화 이론들은 더 많은 데이터를 분석하고 더 많은 연구가들과 얘기를 나누는 과정에서 계속 진화됐고, 그래서 여러분이 이 책을 읽고 있을 즈음에는 아마 내 관점도 이미 조금 변해 있을 지도 모른다. 그러나 지금 여기서는 몇 페이지를 할애해 노화에 대한 현재의 벤 고르첼의 관점을 말하도록 하겠다.

벤 고르첼이 현재 세워놓고 있는 가설을 간단히 요약하자면 이렇다. 손상의 누적과 발달 관련 적대적 다형질 발현. 이 두 가지가 각기 몸에 해를 끼치고 미토콘드리아 및 기타 다른 생물에너지 관련 계통의 소진에도 일조한다. 그로 인해 에너지 복구 매커니즘에 필요한 에너지를 쓸 수 없게 되면서 노화가 가속화된다. 또한 알츠하이버병과 암처럼 노화와 관련된 질병들은 대개 미토콘드리아와 관련 에너지를 만드는 과정들에 문제가 생기면서 나타나는 경우가 많으며, 그것이 생물에너지 관련 고장의 가속화의 원인이 되고, 그것이 또 노화의 핵심적인 이유가 된다.

그간 벤 고르첼이 연구하고 읽어온 모든 것을 토대로 이를 좀 더 자세히 정리할 경우, 보다 가능성 높은 노화의 일반적인 원인 세 가지는 다음과 같다.

손상의 누적: 오브리 드 그레이의 SENS 프로젝트에서도 나온 노화의 원인으로, 그래서 그의 연구는 이 손상을 제거하는 데 역점을 두고 있다.

발달 표류 또는 발달 관련 적대적 다형질 발현: 성장과 발달에 쓰이는 유전자 네트워크가 오히려 생명체의 말년의 삶을 파괴하게 된다는 복잡한 역학(스튜어트 킴과 조아오 페드로 드 마갈하에스 같은 이들이 주장)

발달 관련 적대적 다형질 발현 이외의 다른 적대적 다형질 발형

물론 생물학 시스템은 서로 뒤얽힌 많은 원인들로 아주 복잡하며, 그 많은 원인들이 다 제 나름대로 노화에 한 몫을 하는 게 아닌가 믿어지기도 한다. 그러나 벤 고르첼은 위에서 말한 세 가지 원인이 노화의 주요 원인이라고 생각한다. 그러니까 벤 고르첼이 보기에는 손상의 누적과 발달 관련 적대적 다형질 발현이 서로 시너지 효과를 발휘해 미토콘드리아 및 관련 에너지 생산 기능의 퇴화를 가속화시키는 것이다.

이 세 가지 원인과 관련해 벤 고르첼이 생각하고 있는 이야기를 세 가지 국면으로 나눠 좀 더 자세히 살펴보도록 하겠다.

국면 1: 몸 전반에 걸친 손상이 에너지 생산에 추가 부담을 안겨주고, 에너지 관련 계통의 손상은 곧바로 노화에 큰 영향을 준다.

손상 누적이 노화에 하는 역할은 인간이나 쥐의 경우 아직 확실하게 알려져 있지 않지만, 박테리아의 경우에는 아주 확실하게 알려져 있다. 세포 노화 연구의 창시자 레너드 헤이플릭의 다음 말을 들어보자

박제리아를 이용한 최근 연구들은 앞서 말한 그 가설, 그러니까 ‘단백질 손상’이 노화의 원인이라는 가설을 뒷받침해주는 듯하다. 대장균 같은 박테리아가 세포 분열로 분리되면, 둘 중 하나는 손상이 심하고, 다른 하나는 손상이 덜하다. 전자는 배양이 불가능하거나 유전학적으로 죽은 것이고, 후자는 생식이 가능하다. 박테리아 카우로바쿠타 쿠레센타스의 경우에도 세포 노화가 관측되는데, 이는 45년도 더 이전에 우리가 정상적인 인간 세포에서 처음 발견해 지적했던 현상이다. 이런 현상은 대장균은 물론 효모균 경우에도 보고되고 있다. 손상이 몸의 여러 계통 내에서 여러 단계로 누적돼 발생되면, 몸은 기본적인 기능들을 유지하기 위해 점점 더 많은 에너지를 소모하게 된다(손상의 결과로 온몸에서 에너지 효율성이 떨어지기 때문에).

또한 에너지 관련 계통들이 몸의 요구에 맞춰 계속 더 죽어라 일하다 보면 그만큼 자꾸 소모되어 원래의 기능을 효과적으로 하지 못하게 된다는 가설도 충분히 가능해 보인다. 그렇게 되면, 예를 들어 ATP/ADP 수치가 줄어든다든가 하는 여러 가지 다른 결과를 낳게 될 것이다. (그런 다음엔 ADP가 AMP로 변환되면서 에너지 전달을 효과적으로 하지 못하게 된다.)

만성피로증후군에서 이런 유형의 역학이 나타난다는 흥미로운 증거도 있다. 예를 들어 일부 창의적인 만성피로증후군 연구가들은 이런 주장을 펴기도 한다.

만성피로증후군의 기본적인 병리학적 현상은 ATP에서 ADP로 거기서 다시 ATP로 천천히 재순환된다는 것이다. 그러다 환자가 계속 자신은 더 몰아붙여 더 많은 에너지를 쓰게 되면, ADP가 AMP로 변환된 뒤 다시 재순환되지 못하고, 그것이 만성적인 피로 형태로 나타나는 것이다. 사람의 몸이 새로운 요소들로 새로운 ATP를 만들어내는 데 여러 날이 걸리는 이유도 바로 이 때문이다. 환자가 너무 과로해 벽에 부딪히게 될 경우, 그래서 제 기능을할 ATP나 ADP가 전혀 없게 되는 것이다.

그리고 보다 직접적인 영향을 말하자면, ATP 고갈이 근육 내 세포의 죽음으로 이어지며, 미토콘드리아 에너지 신진대사의 결함에서 오는 ATP 결핍이 균류의 노화에서 가장 중요한 인자라는 증거도 있다.

몸 전반에 걸친 손상의 누적이 생물에너지 기능에 간접적인 영향을 주기도 하지만, 미토콘드리아 DNA 및 핵 DNA에 대한 직접적인 손상이 누적되어 생물에너지 기능을 저하시킬 수도 있다는 증거도 있다. 이는 가끔 ‘노화의 시계’라 불리기도 하는데, 그것은 손상이 점점 누적되면서 미토콘드리아의 능력을 점점 더 저하시키기 때문이다. 그리고 이는 다시 다음과 같은 국면으로 이어진다.

국면 2: 유용한 단계를 넘어서까지 계속되는 발달 과정들이 몸의 에너지를 소모하면서 스트레스를 유발한다. 어떤 경우 발달 과정 자체가 직접 손상을 일으킬 수도 있다. 이는 발달 관련 적대적 다형질 발현의 대표적인 예이지만, 그밖에 다른 중요한 예들도 존재하며 그것들이 노화에 한 역할을 하는 듯하다.

손상이 단 하나의 중요한 노화 원인은 아닌 듯하다. 망가져버린 우리 몸의 성장 역학 역시 많은 해를 입히는 것으로 보인다. 유용한 단계를 넘어서까지 계속되는 발달 과정들은 우리 몸에 많은 영향을 끼치는데, 그 중 하나가 신체 보존보다는 성장 쪽으로 내모는 방식으로 내분비 계통의 활동을 시뮬레이션 하는 것이다. 다른 요소들과 함께 이처럼 잘못된 성장 지향 시뮬레이션은 많은 단백질 합성을 유발하며, 그 결과 또 많은 에너지를 사용하게 된다. (성장과 신체 보존 간에 이루어지는 에너지 균형이 단백질 합성에 소모되는 에너지에 주로 의존한다는 주장들도 있었다.) 그러나 몸에 대한 손상이 계속되면 신체 보존 활동 또한 점점 더 필요해지게 되며, 그래서 에너지 관련 계통들이 동시에 성장과 보존에 에너지를 공급하면서 탈진하기 시작한다.

에너지 관련 기능들과 내분비 계통 조절 간에는 아주 미묘한 상호작용이 일어나고 있어, 예를 들어 미토콘드리아의 기능은 인슐린 분비를 촉진하는 걸로 알려져 있다.

췌장의 내분비 기능의 일부로, B 임파구는 인슐린 분비량을 조절함으로써 혈중 포도달 농도의 변동에 빠른 속도로 대응한다. 인슐린 엑소 사이토시스와 관련된 포도당 감지 기능은 분비 장치에 의해 인식되는 세포 내 신호 전달 물질들로 신진대사 신호가 전달되는 것에 의존한다. 이 과정에서 미토콘드리아는 포도당 신진 포도당 신진대사를 인슐린 분비와 연결함으로써 중추적인 역할을 한다.

미토콘드리아 활동은 주로 신진대사 유동에 의해 조절되며, Ca2+ 농도에 의해서도 조절된다.

손상 누적을 불러올 만한 잠재력이 있는 또 다른 원인은 줄기세포 수의 변화이다. 각종 세포 조직 속의 줄기세포 수는 복잡한 역학에 따라 달라지며, 살아 있는 동안 계속 잘 조절되는 것은 아니다. 이는 조절 체계들이 삶의 발달 단계에 맞춰 조절되는 걸로 보이는 또 다른 경우로, 말년의 삶에 가장 좋은 것은 못 된다. 예를 들어 특정 세포 조직 내에 너무 적거나 너무 많은 줄기세포가 들어 있으면, 그 세포 조직은 퇴화하게 되며, 에너지 관련 과정에 부담을 주어 또 다른 문제들까지 야기한다.

미토콘드리아를 중심으로 한 수명 연구의 선구자인 라팔 스미그로드즈키는 이런 말을 했다.  "사실상 발달은 하지 못하지만 여전히 다양한 단기 스트레스와 장기 스트레스 간의 균형과 관련된 유형의 적대적 다형질 발현들이 있다. 이 균형은 우리의 조절 네트워크 안에 굳어져, 돌연변이된 mtDNA와 nDNA에 의해 만들어지는 손상 신호에 제대로 반응하지 못한다.

자 그러면 이제 마지막 결정적인 국면이다.국면 3: 국면 1과 국면 2가 손상을 입히는 동안, 특히 에너지 관련 과정들이 에너지를 전달하기 위해 죽어라 일을 하면서 제 기능을 제대로 못하게 된다.벤 고르첼이 현재 이해하는 바로 이것은 정말 뜻밖의 결말이다. 지칠 대로 지친 에너지 관련 계통들이 제 자신이 손상되는 걸 제대로 막지 못해, 스스로 손상을 입게 되고, 손상을 조절하는 매커니즘까지 손상을 입어, 결국 끝없는 악순환이 시작되는 것이다.이런 맥락에서, 뇌 에너지가 회복되면 유해 산소로 인한 손상도 덜 입고 노화 현상도 완화된다는 증거가 있다.여기에서 다양한 인체 계통의 세포들은 복잡한 방식으로 자신들끼리 미토콘드리아 DNA를 주고받는 것으로 보인다. 이 같은 미토콘드리아 DNA 정보 전달은 mtDNA 안의 특정 마커들에 따라 달라지며, 그래서 mtDNA 돌연변이는 그 행동에 영향을 미칠 수도 있다. 그 결과 mtDNA 돌연변이가 서로 다른 세포들 간에 그리고 심지어 서로 다른 인체 기관들 간에 오가는 에너지 생상 관련 메세지들을 교란시켜 복잡한 방식으로 에너지 생산에 영향을 줄 수도 있다는 것이다. 그래서 이렇게 mtDNA의 메세지 전송을 조절하는 메커니즘이 퇴화될 경우, 인체내 모든 계통에 부정적인 돌연변이가 퍼지게 되고, 그 결과 면역 기능이 떨어지고 암 발병률이 높아지는 등, 간접적으로 온갖 종류의 후유증이 생기게 되는 것이다.그래서 요약을 하자면, 손상 누적과 발달 관련 적대적 다형질 발현은 둘 다 나름대로 몸에 악영향을 끼치며, 또 미토콘드리아와 생물 에너지 계통의 다른 부분들까지 탈진되게 만든다. 결국 회복 메커니즘에 필요한 에너지는 쓸 수 없게 되고 노화 현상은 가속화되게 된다.벤 고르첼이 어떻게 이런 잠정적 결론에 도달하게 됐을까? 물론 순전히 짐작에 의존한 건 아니다. 이런 결론에 도달하기 위해 벤 고르첼은 앞서 간단히 언급한 생물-인공지능 방법들도 동원햇고…… 머신 러닝 및 통계 툴들을 수명 관련 데이터 하나하나에 적용하면서, 벤 고르첼의 인간 두뇌를 통해 그 결과와 의미를 곰곰이 생각한 것이다.2005년에 벤 고르첼의 팀은 노화된 인간의 뇌들에서 얻은 유전자 발현 데이터를 분석했었는데, 그 결과 우리는 산소 운반과 관련된 많은 유전자들의 발현에 작은 변화가 있다는 사실을 알게 됐다. 스크립스 연구소에서 수집한 웰덜리 SNP 데이터를 분석한 결과에 따르면, 신경 계통의 기능 및 발달에 관련된 놀랄 만큼 많은 유전자들이 서로 다른 유전자 명단의 상위를 차지하고 있었다.진션트 사의 므두셀라 파리들로 부터 얻은 SNP 데이터와 유전자 발현 데이터의 분석 결과에서도 흥미로운 사실이 드러났다. 므두셀라 파리 SNP 데이터 분석 결과, 므두셀라 파리들의 경우 신경 계통 기능 및 발달 기능은 물론 면역 과정 및 기본적인 신진대사 과정과 관련해서도 많은 유전 변이가 생겼다. 므두셀라 파리의 유전자 발현 데이터

 분석 결과에 따르면, 키토콘드리아 기능 및 다른 에너지 관련 역학과 관련된 많은 유전자들에도 변화가 생겼고, 다른 많은 과정들과 관련된 유전자 발현에도 변화가 생겼다. 추가 정보를 얻기 위해, 우리는 현재 러신 러닝 툴들을 이용해 110세 이상의 노인들에대한 SNP 데이터를 분석 중이며, 곧 그 결과를 볼 수 있을 걸로 기대하고 있다. 어떤 그림이 추가될지 정말 궁금하다.

 

노화 대 노화 관련 질병

다은 사람들도 그렇지만 특히 수명 연구의 선구자 레너드 헤이플릭의 경우, 노화 관련 질병을 연구하거나 심지어 치료하는 것조차 노화를 이해하는 데 큰 도움은 되지 않을 것이라면서 이런 말을 했다.

기본적으로 노화 과정은 질병이 아니지만 질병에 걸릴 가능성을 높인다. 그러나 대개는 그 중요한 차이는 인정하지 않는 채, 노화 관련 질병들만 해결하면 근본적인 노화 과정에 대한 이해도도 높아질 거라고 믿는다. 그러나 그렇지 않다. 이는 마치 소아마비나 빌름스 종양, 철결핍성 빈혈 같은 아이들의 질병들을 해결하면, 아이들의 발달에 대한 이해도 역시 높아질 거라고 믿는 거나 비슷하다. 그러나 실제로는 그렇지 않다.

한편 어떤 사람들은 또 일반적 현상으로서의 노화는 존재하지 않으며, 실제로 존재하는 것은 노화 관련 질병들뿐이라고 주장해왔다. 이 관점에서 보자면, 일단 노화 관련 질병을 싹 제거하면, 노화 자체도 제거할 수 있다는 얘기가 된다.

실제로 그렇다면, 노화에 대한 잠정적이고 이론적인 벤 고르첼의 지식에 따르면 어찌 되는 걸까? 벤 고르첼의 관점에서 볼 때 이럴 가능성이 높다.

생물에너지 계통들이 지칠대로 지쳐 특정 질병들에 걸릴 위험이 높아지는데, 그 중 하나가 노화 관련 질병들이다.

인체의 각 계통이 손상될 때 그렇듯, 질병들 역시 생물에너지 계통들을 지치게 만든다.

 

벤 고르첼의 연구팀은 2004년과 2005년에 이형적 미도콘드리아 돌연변이와 파킨슨병 또는 알츠하이며병 간의 관계를 연구했었는데, 그 과정에서 위의 가설들을 입증해줄 명백해줄 명맥한 증거가 나왔다. 그러니까 당시 우리는 미토콘드리아 DNA가 특정 부위들에서 돌연변이를 일으키는지 여부를 관찰함으로써, 어떤 사람이 파킨슨병 등에 걸렸는지를 거의 100% 정확히 예측할 수 있다는 사실을 발견한 것이다. 게다가 데이비드 파커는 파킨슨병을 가진 뉴런에서 미토콘드리아를 빼내 건강한 뉴런에 집어넣을 경우, 건강한 그 뉴런이 마치 파킨슨병을 가진 뉴런처럼 움직이게 된다는 사실을 발견했다. 그 연구는 어떤 사람들의 미토콘드리아가 왜 그 특정 부위들에거 돌연변이를 일으키는가 하는 의문은 해결하질 못했다. 그러나 적어도 그 연구를 통해 우리는 파킨슨병 같은 노화 관련 신경변성 질병들과 생물에너지 기능 장애 간에 밀접한 관련이 있다는 사실은 알게 됐다.

기본적인 문제의 일부는 알츠하이머병이나 파킨슨병에 걸린 뇌 안에서는 미토콘드리아가 ATP를 효과적으로 만들어내는 능력을 상실하게되는 것 같다는 것이다. 알츠하이머병의 경우, 이는 세포들의 포도당 생성을 차단하는 보호 매커니즘 촉발로 이어진다. 이런 역학 때문에 어떤 연구가들은 알츠하이머병을 '제3형 당뇨병'이라 부르기도 한다.

일부 가설들에 따르면 암 역시 이와 비슷한 방식으로 이해될 수 있다. 그러니까 미토콘드리아와 핵 DNA 내의 돌연변이와 관련된 일종의 신진대사 장애로 말이다. 사이프리드 등은 이런 말을 했다.

암은 호흡과 발효 작용을 통해 에너지 생산이 교란되는 일종의 대사 이상 질변이라는 증거들이 속속 등장하고 있다. 종양 세포와 확인된 다른 모든 암의 특징들에서 관찰되는 유전자 불안정성은 세포의 에너지 신진대사 초기 교란의 부수 현상으로 여겨진다. 종양 세포 에너지 신진대사의 교란은 미토콘드리아의 구주 및 기능상의 이상과 관련이 있을 수도 있다. 위의 설명에 따르면 알츠하이머 세포 속의 미도콘드리아와 마찬가지로 암 세포 속의 미토콘드리아는 충분한 ATP를 만들지 못하지만, 포도당 분해는 억압되기 보다 오히려 강화된다. 과도한 포도당 분해는 과도한 피루빈산 누적으로 이어지며, 거기서 다시 발효로 이어진다. 만일 그 미토콘드리아가가 제대로 가능한다면, 비루빈산은 아세틸 보조 효소 A로 변환되고, 그결과 ATP는 정상적으로 생산되게 된다. 그러나 결함이 있는 미토콘드리아는 암세포들로 하여금 산소가 있는 상태임에도 불구하고 발효가 되게 만든다. 이 모든 발효는 산성혈증이나 다른 문제들로 이어지고, 그 결과 다시 암세포의 전이로 이어지게 된다.

신경변성 질환과 암에 대한 이런 관점들이 정확한 게 아닐 수는 있지만, 어쨌든 우리는 노화 관련 질변들이 결국 노화의 기본적인 역확과 그리 다르지 않을 거라고 본다. 노화가 주로 생물에너지 관련 계통, 특히 미토콘드리아의 소실과 관련이 있다면, 노화 관련 질병들 역시 미토콘드리아가 특히 중요한 역활을 하는 복잡한 과정들의 네트워크에 의해 발생한다. 또한 노화와 노화 관련 질병 모두 점차 줄어가는 생물에너지 관련 효율성과 관련된 복잡한 악순환의 네트워크의 일부이다.

 

엔트로피, 에너지 그리고 노화
벤 고르첼의 경우 철학 쪽에 관심이 많다보니, 보다 넓은 관점에서 바라본 이런 가설들에도 눈을 돌리지 않을 수 없다. 여기에서 본 에너지학의 핵심 역활은 개념상 워낙 흥미로워 눈을 뗄 수가 없다.
에너지를 효율적으로 사용하려 애쓰는 것은 생명의 기원과 진화의 핵심이며 자연 선택 환경에 개체가 자연적으로 선택되어 살아남고 그 형질이 후대에 유전된다는 가설-역자)보다 훨씬 더 근본적인 일이다. 그러나 이것이 과장된 말이며 또 엔트로피 생성을 극대화하는 것이 에너지 효율성을 극대화하는 것보다 나을 수도 있다는 걸 믿을만한 근거가 있다.
벤 고르첼은 1990년대 초에 '사회주의자 학자들 컨퍼런스'에서 우연히 생물학시스템 이론학자 스탠살테를 만난이후 그의 저서들을 즐겨 읽고있는데, 그는 이런 주장을 하고 있다. "동물들의 경우, 에너지 효율의 극대화하는 기초 대사율하에서만 볼 수 있을 법한 디폴트 위치인 것 같다." 그러면서 그는 이렇게 말했다.
피할 수도 없는 변화무쌍한 일들로 가득 차있고 모든 것이 타인지향적인 세상에서, 조금씩 소멸되어 살아 가는 생명은 끊임없이 외부의 영향을 받고 문제가 생길 수 밖에 없으며, 그래서 살아남기 위해 고군분투해야하는 경우가 많다. 그리고 그러다보면 힘을 극대화된 힘을 발휘하는 것보다 더 큰 에너지 소모가 따른다. 예를 들어, 동물의 경우에는 도망을 간다거나 싸운다거나 짝짓기를 한다거나 자원을 놓고 경쟁한다거나 상처와 감염을 치유한다거나 이주한다거나 내내 뇌를 써야 하는 등, 단순히 기본적인 항상성 이상의 모든 일을 해야 한다. 또 식물의 경우에는 경쟁하는 식물보다 더 잘 자라야 하고 독소나 타감 작용물질을 뿜어내거나 스스로 상처도 치유해야 한다.
나이가 들면 분명 높은 에너지 효율성을 가지고 기본적인 항상성을 유지할 수 있는 능력이 손상된다. 높은 엔트로피를 일으키는 손상 때문에 지속적인 성장을 위해 애쓰지만 그러지 못하는 발달 과정 때문에 항상성 유지 능력이 손상되는 것이다. 온 몸에서의 엔트로피 생산 극대화 역시 비효율성 때문에 손상되는데, 엔트로피는 에너지 관련 계통에서 발생해, 에너지가 몸의 다른 계통들로 효과적으로 전달되어 엔트로피가 보다 효과적으로 생산되게 하는 걸 방해한다.
여기에서 주어진 가설에 따르자면, 노화 상태에서 나타나는 일들을 설명하는 한 가지 방법은 이렇다. 여러 가지 요소들로 인해 분자 결합에서 에너지가 방출돼 몸이 너무 비효율적으로 움직이게 되면, 엔트로피 생산을 극대화하려는 전략이 온 몸의 질서를 유지하는 쪽에서 몸의 손상이 누적되어 세포들이 제대로 기능하지 못하게 되는쪽으로 바뀌게 된다는 것이다.
그래서 노화 현상은 물리적 우주의 아주 근본적인 역학의 결과로 일어난다고 볼 수도 있다. 그러나 생명이 열역학 제2법칙과 반대되는 방향으로 가고 있기 때문에, 우리는 첨단 기술을 이용해 우리 몸의 퇴화를 중단시키거나 역전시킴으로써 그 열역학 제2의법칙에서 훨씬 더 멀어질 수있다. 생물학, 물리학, 화학 등 모든 분야의 지식을 총동원하고, 우리가 발견한 것들을 토대로 적절한 엔지니어링을 행하면 되는 것이다. 노화의 역학은 아직 완전히 이해되지 못하고 있지만, 해가 거듭될수록 분명지고 있으며, 지금도 벤 고르첼이 몇십 년 전 처음 그 분야에 발을 디뎠을 때에 비하면 훨씬 분명해졌다. 인공일반지능이 있다면, 노화에 대한 모든 것을 우리가 할 수 있는 것보다 훨씬 더 잘 볼 수 있게 되겠지만, 현재로선 한계가 있는 우리 두뇌만으로도 한 발 한 발 앞으로 나아갈 수 있다.

 

플랜 B, 인체 냉동 보존

좋다. 이래서 죽음은 해결 가능한 문제이며, 인류는 아마 ‘꽤 빨리’ 그 문제를 해결할 것이다. 적어도 인류 역사의 긴 시간에서 봤을 때 ‘꽤 빨리’ 말이다. 그러나 죽음의 문제가 해결된다 해도, 정말 당신이나 벤 고르첼이 그 혜택을 볼 수 있을 만큼 빨리 해결될 수 있을까?

우리는 OpenCog나 다른 플랫폼들을 토대로 인공일반지능 생물의학 과학자 팀과 함께 노화 문제 해결 시기를 앞당길 수도 있다. 아니면 오브리 드 그레이의 SENS프로젝트 같은 다른 접근방법들에 자금 지원을 할 수도 있을 것이다. SENS와 인공일반지능 생물의학 연구가를 동시에 확보하는 것도 좋은 방법일 것이다. 만일 인류가, 아니면 지구에서 가장 부유한 개인들 중 어느 누군가가 생명 연장 문제를 진지하게 생각하게 된다면, 이런 프로젝트들에 막대한 자금을 지원할 수도 있을 것이다.

그러나 우리는 모두 혁신적인 기술 프로젝트들에 자금을 끌어들인다는 게 얼마나 힘든 일인지를 잘 안다. 그래서 비관적인 가능성을 생각해보지 않을 수 없을 것이다. 노화 문제가 당신이나 벤 고르첼이 살아 있는 동안 해결되지 않는다면 어떻게 해야 할까? 어쨌든 이 책을 쓰고 있는 2013년 현재 벤 고르첼은 46세이고, 따라서 레이커즈와일의 특이점에 도달하는 시기로 예측한 2045년이면 벤 고르첼은 적어도 지금 기준으로 볼 때는 꽤 늙은 노인이 될 것이다. 다른 은하계로 찾아가 외계인들이 마시는 불멸의 묘약을 마시는 거 외에, 그리고 거꾸라져 죽는 거 외에, 뭔가 괜찮은 플랜 B 같은 건 없을까?

성공 가능성이 있을 것 같은 괜찮은 플랜 B가 하나 있는데, 그게 바로 인체 냉동 보존이다. 우리에겐 시신을 액체 질소 속에 냉동 보존하는 기술이 있다. 특수 저온 보호 물질을 이용해 냉동 보존 기간 중의 시신 손상을 막는 기술로, 이 기술을 이용할 경우 뇌와 몸의 모든 주요 조직들이 무사히 보존될 수 있다고 믿는다. 현재 우리는 이 냉동된 시신들을 어떻게 손상 없이 해동할 수 있는지는 알지 못한다. 그러나 특이점 도달 이후의 초인간적인 인공지능과 사이보그들은 분명 그 방법을 알아낼 수 있을 것이다. 따라서 현재의 플랜 B는 죽은 이후 당신 몸을 액체 질소 속에 냉동 보존했다가…… 기술이 충분히 발달된 이후 다시 해동하는 것이다. 물론 잘못될 수 있는 여지도 많아, 이것이 100% 확실한 방법이라고 보장할 순 없다. 그러나 이런 말은 하고 싶다. 썩게 내버려두는 것보다는 냉동시키는 것이 낫다.

현재 많은 단체들이 이런 형태의 인체 냉동 보존 서비스를 제공하고 있으며, 벤 고르첼도 그 단체들 중 한 곳인 미국 애리조나 주 소재의 알고르와 계약을 맺은 상태이다. 벤 고르첼이 죽게 되면, 벤 고르첼의 몸은 애리조나 주로 운송되어 액체 질소 속에 보존될 것이다…… 운이 좋다면 벤 고르첼의 후손들이 벤 고르첼을 해동시킬 것이고, 그런 다음 벤 고르첼에게 새로운 몸(아마 로봇의 몸)을 줄 것이다. 애리조나에는 이미 100명 정도가 냉동 보존된 채, 과학 기술이 자신들을 되살릴 수 있는 수준에 도달될 때를 기다리고 있다.

그러나 물론 이건 어디까지나 플랜 B일 뿐이다. 썩는 것보다야 냉동되는 게 낫지만, 냉동되는 것보다는 살아 있는 게 더 낫다.

 

수명 연장에 대한 관심이 필요하다

어린 시절 처음 죽음이라는 걸 알게 됐을 때, 벤 고르첼은 벤 고르첼의 주변 어른들이 인간 존재의 비극적인 결말에 별로 동요하지 않는 걸 보고 아주 당혹스러웠었다. 물론 지금은 사람들의 그런 모습에 훨씬 익숙해졌지만, 그래도 여전히 당혹스럽긴 마찬가지이다. 늙어 죽는 것은 아주 나쁜 일인데, 아무도 그 문제를 해결할 생각을 안 하는 것 같으니 말이다. 우리는 사람들을 날려버릴 폭탄을 개발하거나 암이나 에이즈 같은 질병을 치유하는데 많은 돈을 거의 쓰지 않는다. 그러나 노화 자체를 없애는 아주 근본적인 문제에는 돈을 거의 쓰지 않는다. 또 우리는 비디오 게임용 컴퓨터 프로그램 개발에 많은 돈을 쓴다. 웹 검색과 공급망 관리에도 많은 돈을 쓰지만, 노화나 장수 같은 복잡한 문제를 해결할 수 있게 해줄 똑똑한 인공지능 개발에는 돈을 거의 쓰지 않는다. 개인적으로 우리는 우리 친구나 가족들이 나이 들어 죽는 걸 아주 싫어하지만, 사회 전체로는 그런 문제에 별 관심이 없는 듯한 것이다.

벤 고르첼은 특히 돈 많은 개인들이 수명 연구에 관심을 주지 않는 것이 이해가 잘 안 된다. 지금 지구상에는 순자산이 10억 달러가 넘는 사람이 1,000명이 넘고 1억 달러가 넘는 사람은 만 명도 더 된다. 왜 그들 중 좀 더 많은 사람이 자기 재산의 10% 20%를 투자해 수명연장 약을 개발하지 않는 것일까? 그런 약이 개발된다면, 수명이 연장된 만큼 더 오래 자신의 부를 즐길 수 있을 텐데 말이다. 벤 고르첼은 그건 그들이 수명 연장이 불가능한 일이라 믿기 때문이라고 생각한다. 그들은 수명 연장 노력을 결실을 거두지 못할 거라고 믿는 것이다. 그러나 그건 잘못된 생각이다. 인류 역사상 최초로 우리는 지금 죽음이 더 이상 피할 수 없는 일이 일어날 가능성이 아주 높다. 잘하면 당신과 벤 고르첼이 살아 있는 동안 일어날 수도 있다.

최근 몇 년간은 노화 문제를 해결할 날이 점점 가까워지고 있다는 희망 찬 조짐들로 보인다. 구글은 칼리코라는 이름의 수명 연장 프로젝트에 착수했다. 테크노 업계의 여러 억만장자들이 설립한 크레이그센터는 다양한 연령대의 사람들의 게놈을 해독하고 그 차이를 분석하는 인간 장수 사라는 새로운 기업을 세웠다. 노화 문제를 해결할 바람직한 조짐들이라 하지 않을 수 없다.

당신이 만일 죽음은 끔찍한 일이라는 벤 고르첼의 말에 동의한다면, 당신 또한 이 싸움에 동참하는 걸 생각해봐야 할 것이다. 그러니까 노화 문제와 싸우고 있는 단체들에 기부를 할 수도 있고 아니면 당신이 직접 노화 문제 연구에 기여할 수도 있을 것이다. 더 좋은 건 인공일반지능에 기여하는 것이다. 인공일반지능의 경우, 충분한 자금 지원과 관심만 주어진다면 곧 우리 인간들보다 더 잘 인간의 노화 문제를 해결해낼 수 있을 것이다.

 

로바마 시스템 한국에서 실행방법 및 순서

실행목록

한국에 맞는 사회 정치적 의사결정을 지원하는 맞춤형 OpenCog AI를 설계하는 프로젝트는, 불완전하지만 다음과 같이 여러 하위 작업들로 나누어 수행할 수 있다.

 

NLP 시스템을 한글로 맞춘다.

NL 정보는 사회정치적 사안 관련 글을 추출하도록 설정한다.

사회정치적 사안 관련 구조화된 관게와 정량적 지식을 불러들이기 명령어 설정한다.

사회경제적 사안 추론 컨트롤을 설정한다.

 

인공지능 추론 과정을 인간이 이해할 수 있는 수준으로 단순화시키는 코드를 만든다.

진화하는 학습과 개념 융합을 통한 새로운 창의적인 아이디어를 만들어내도록 설정한다.

AI 의사결정 역량을 평가하고 학습할 수 있도록 과거 사례를 평가한다.

간편하게 상호작용하고 이용할 수 있도록 만든 사용자 인터페이스 디자인(대화상자와 다이어그램 활용).

저장한 템플릿 방식에 따라서 기술 보고서, 인포그래픽, 정책 브리프를 출력할 수 있게 만드는 문서 생성 코드를 설정한다.

사용자 지정 DebateGraph와 통합하거나 사용자 지정 DebateGraph 유형의 툴을 만든다.

OpenCog 컴퓨터 시스템 확장성을 늘린다.

로드맵

상기 작업은 다음과 같은 대략적인 로드맵으로 구성될 수 있다. 이 로드맵은 사회·정치적 결정에 관련된 모든 데이터를 소화할 수 있는 사회·정치적 지원 시스템을 만드는 최종 목적으로 4년 프로젝트를 계획하고, 전술한 바와 같이 정책제안 및 정책평가 기능을 수행한다.

 

 

Q1

프로젝트의 구성, 팀원 구성 및 훈련

 

Q2-Q5

NLP 시스템을 한글로 맞춘다.

관련 데이터와 정량적 데이터를 입력한다.

분야에 맞게 학습과 추론을 하도록 설정한다.

사례 평가 시스템 구축한다.

사용자 인터페이스 디자인하고 초기 버전을 만든다.

중간 결과물: 정책 평가 자료 조회에 맞게 기술 보고서를 생성하고 간단한 대화가 가능한 시스템.

 

Q6-Q9

한국어 NLP 시스템에 잘 맞게 조율

사례 평가에 대한 추론 실험

평가단 대상 사용자 인터페이스 테스트하기

중간 결과물: 정책 평가 조회에 맞게 정책 브리프와 인포그래픽을 생성할 수있고 대용량 데이터와 다수의 사용자를 수용할 수 있는 시스템 확장성을 갖춘 시스템

 

Q10-Q12

정교한 의사결정지원 가능한지 테스트

실시간 처리 가능한 시스템 확장성 갖추기

다양한 평가단에게 선보이기

중간 결과물: 복잡한 정책 평가와 간단한 새로운 정책 입안을 시행할 수 있는 시스템

 

Q13-Q16

체계적인 사용자 테스트

추론 통제, 추론 커뮤니케이션 방식 개선

실제 사례와 역사적 사례를 두고 체계적으로 평가

최종 결과물: 좀 더 복잡한 정책을 입안할 수 있고 복잡한 설명을 정리해 이해할 수 있는 용어로 전달할 수 있는 시스템

 

5년차: 일반 공개

 

글로벌 브레인

개별적 자아 차원을 넘어설 수 있는 한 가지 방법은 여럿이 힘을 합쳐 일하는 것이다. 이 가능성은 TV 프로그램 <스타트렉 넥스트 제너레이션>에서 개인들을 강제로 통합하는 무자비한 방식의 확장으로 탄생한 보그 콜렉티브라는 무서운 집단 마음 형태로 희화하되기도 했다. “항복하든가 아니면 흡수되라!” 보그 콜렉티브는 집단 지성이 일종의 터미네이터 형태로 나타난 것이다.

그러나 사실 어떤 유형의 집단 지성의 출현은 보그 콜렉티브 식의 두려움을 안겨주진 않는다. 개인 마음을 집단 마음에 통합하는 일은 개인의 입장에서 꼭 강요의 문제가 아니라 기쁨과 성장과 선택의 문제일 수도 있다. 게다가 집단 마음의 존재가 꼭 각 개인 마음의 입장에서 기회나 개성의 즉각적인(또는 영원한) 상실을 의미하지도 않는다.

 

집단 마음이라는 아이디어에 대한 보다 긍정적인 관점은 글로벌 브레인이라는 개념으로 제공된다. 그러니까 이미 한 몸이나 다름없는 컴퓨터와 통신 기술이 모든 형태의 장비를 통해 점차 인류와 긴밀히 연결되고, 또 네트워크화된 인간과 기계의 공동체를 형성해 보다 높은 수준의 지능을 만들어낼 거라는 것이다.

벤 고르첼은 웹이 막 생겨나기 시작한 1990년대 말에 이런 생각을 많이했다. 이 책을 처음 쓰기 시작한 무렵의 일을 돌이켜보면, 당시 벤 고르첼이 공동 설립한 기업 웹마인드의 목표는 인공일반지능을 만들어 그걸 강력한 글로벌 브레인을 만드는 데 활용하자는 것이었다. 그 목표가 웹마인드 소프트웨어를 통해 이루어지진 못했지만, 글로벌 브레인은 여전히 미래의 많은 측면들을 개념화하는 데 더없이 적절한 패러다임으로 보인다.

지구상의 모든 사람과 네트워크화된 기계들은 각종 트렌드, 특히 네트워크상에서 퍼지는 아이디어 패턴들을 통해 생각하는 이 집단적인 뇌속의 뇌 세포 뉴런과 비슷하다. 설사 글로벌 브레인 안에 통합된다 하더라도, 각 개인은 아마 뉴런이 우리 마음속에서 문득문득 떠오르는 생각들을 이해하는 것만큼 그 생각들을 잘 감지해내진 못할 것이다.

또한 글로벌 브레인은 로봇 지배자들이나 무심한 펨토테크 슈퍼마인드들과는 다른 방식으로 인간의 자유를 위협하는 것처럼 보일 수도 있지만, 꼭 그렇지는 않다. 예를 들어 뉴런은 어디까지나 뉴런이다. 원할때 활활 타오르고, 완전히 자연스럽게 뉴런다운 삶을 산다. 그럼에도 불구하고 또 다른 관점에서 보면, 뉴런은 인간 뇌의 일관성 있는 상호 연관된 행동의 일부이기도 하다. 마찬가지로 우리 역시 우리에게 자연스러워 보이는 방식으로 인간다운 삶을 살 것이며, 소위 우리의 자유의지에 따라 살 것이다. 그러나 또 다른 측면에서 보면, 우린 보다 높은 질서 속의 통합된 지능의 일부인 것이다.

일반인들에게는 인공일반지능 로봇만큼 잘 알려져 있진 않지만, 글로벌 브레인이라는 개념은 최근 들어 좀 더 많은 관심을 끌고 있다. 유럽 브뤼셀 자유 대학교 교수인 벤 고르첼의 친구 프랜시스 헤이라이언은 글로벌 브레인이라는 개념을 알리는 데 그 누구보다 앞장서왔다. 한창 인공일반지능을 이용한 글로벌 브레인 구축에 몰두해 있던 2001년에 벤 고르첼은 그에게 브뤼셀 자유 대학교에서 글로벌 브레인 컨퍼런스를 시작해보라는 제안을 했고, 고맙게도 그는 그 제안을 그대로 받아들였다. 우리는 그 컨퍼런스를 글로벌 브레인 0이라 불렀고, 그 글로벌 브레인 0은 아주 흥미롭게 진행됐다. 보다 최근인 2012년 초에 프랜시스 헤이라이언은 은퇴한 한 인터넷 사업가로부터 자금 지원을 받아 브뤼셀 자유 대학교 안에 글로벌 브레인 연구소를 설립했다.

글로벌 브레인 0 기간 중에 벤 고르첼이 깨달은 사실 중 하나는 컨퍼런스 참석자들이 글로벌 브레인에 대해 아주 자양한 관점을 갖고 있다는 것이었다. 그들의 관점은 다음과 같이 크게 3가지로 나눌 수 있다.

글로벌 브레인은 이미 존재한다

한 그룹은 글로벌 브레인이 이미 존재한다고 믿었다. 우리가 완전히 알아채거나 이해하지 못할지 몰라도, 글로벌 브레인은 이미 존재한다는 것이다. 그들은 인터넷은 우리 인간과는 다른 지능을 가진 마음으로, 어떤 점에서는 우리보다 더 똑똑하고 어떤 점에서는 그렇지 않다고 믿는다.

글로벌 브레인은 자연스레 자연스레 나타날 것이다

또 다른 그룹은 글로벌 브레인은 아직 완전한 형태로 존재하지 않으며 상당히 지능이 뛰어나고 조직적인 형태로(우리 도움 없이 자연스레 나타나겠지만) 발전되기 전까지는 존재할 수도 없다고 믿었다. 글로벌 브레인은 컴퓨터와 통신 기술 그리고 인간 문화가 발전하면서 저절로 나타나게 된다는 것이다.

글로벌 브레인은 누군가 그걸 만들면서 나타날 것이다.

세 번째 그룹은(벤 고르첼도 여기에 속하지만) 글로벌 브레인은 앞으로 나타나지만, 저절로 나타나는 게 아니라 의도적인 글로벌 브레인 엔지니어링의 결과로(또한 다른 이유들로 나타나는 통신 시스템과 문화의 새로운 역학의 결과로) 나타난다고 믿었다.

 

좀 더 구체적으로 말하자면, 만일 모든 걸 파괴할 세계대전이나 인공일반지능 로봇 슈퍼마인드 같은 다른 무엇인가가 먼저 일어나지 않는다면, 우리가 인터넷상에 상당히 발전된 독립적인 또는 반독립적인 인공일반지능들을 풀어놓는 이후에 강력한 글로벌 브레인이 나타날 것이다. 사람들과 상호작용하고, 교류를 중재하고, 정보를 흡수한 뒤 그걸 보다 이해하기 쉽게 요약하고 설명하며, 마지막으로 사람과 다른 인공지능들을 위해 새로운 정보를 인터넷에 올리는 인공일반지능이 인터넷에 풀린다고 상상해보라. 그런 인공일반지능들을 네트워크가 글로벌 브레인의 핵인 대뇌 피질 역활을 하고, 인간들과 다른 소프트웨어 시스템들(다양한 특화인공지능을 포함한)은 보조적인 역활을 할 수 있을 것이다. 이것이 벤 고르첼이 2001년에 내놓은 책 <<인터넷 지능 만들기>>에서 얘기했던 글로벌 브레인의 비전인데, 벤 고르첼은 지금도 이것이 실형 가능한 미래의 시나리오라고 생각한다.

때가 되면, 일부 인공일반지능들은 인간들이 중요한 역활을 할 수 있는 그 어떤 글로벌 브레인도 뛰어넘게 될 것이며, 인간이 이해할 수 없을 정도로 높은 수준의 지능을 갖게 될 것이다. 그러나 인공일반지능이 그렇게 인간을 초월한 뒤에도, 이 지구는 여전히 그 인공일반지능들과 인간들이 공유하는 일종의 집단 글로벌 브레인 의식에 의해 지배될지도 모른다. 이렇게 초인간적인 인공일반지능들은 아마 자기 자신만의 관심사들을 추구하기 시작할 것이며, 그래서 반드시 초라한 우리 인간 중심의 글로벌 브레인과 경쟁하는 관계가 되지는 않을 수도 있다.

오늘날의 일부 기술들이 어떤 식으로 분명히 그런 방향으로 우리를 몰아가고 있는지를 보는 건 어려운 일이 아니다. 예를 들어, 소셜 미디어 그러니까 디그, 레딧, 슬래시닷 같은 시스템들(또는 여러분이 이 책을 읽는 순간 그와 유사한 어떤 새로운 첨단 시스템이 나와 있든) 안에서는 많은 사람들이 서로 협력해 뉴스를 요약하고 이야기들을 리스트 상단에 올리고 편집자 겸 기자로 일을 하고 있다.

가끔 바보 같은 짓들을 화기도 하지만, 트위터 같은 소셜 네트워킹 시스템들 역시 집단 지성의 양상들을 보인다. 트위터에서는 수많은 리트윗을 통해 관련 정보들이 쏟아져 나오고, 결국에는 그게 그 어떤 일 개인의 원래 의도와는 무관한 이유들로 하나의 트렌드가 되기도 한다.

아마존 같은 사이트들에 대한 소비자 리뷰들 역시 집단 지성의 모습을 보인다. 개인이나 판매자, 제품 등이 다른 사람들의 평가를 토대로 좋은 명성을 쌓을 수 있고, 단순한 몇몇 특화인공지능 장치들로 활발한 공동 필터링 시스템을 구축할 수도 있기 때문이다. 그 시스템은 또 방문자들에게 다른 데선 읽을 수 없을 정보를 제공하며, 그를 통해 그들에게 새로운 물건들에 대해 생각하거나 구매하게 하며, 또 이런저런 트렌드들을 강화시킨다.

 

오픈-소스 소프트웨어 프로젝트들 역시 집단 지성의 또 다른 흥미로운 사례이다. 각 프로젝트는 일련의 소프트웨어들로 시작되며, 그것이 시간이 지나면서 많은 사람들이 새로운 것들을 추가하며 마치 살아 있는 생명체처럼 점점 자라나고 진화한다. 오리지널 코드는 대개 소수의 사람들에 의해 쓰여지지만, 마치 생명체의 공생 발생(서로 다른 생물들이 융합해 생존 가능한 별개의 생물을 만드는 것 역자)과 출현 과정에서와 비슷하게, 그 코드는 곧 그들의 의도를 넘어 빠른 속도로 성장하고 여러 프로젝트로 나뉘기도 하고 이전에 개발된 아이디어나 새로운 아이디어들과 통합되기도 한다. 그 결과 생겨나는 것은 전혀 새로운 아이디어들과 통합되기도 한다. 그 결과 생겨나는 것은 전혀 새로운 차원의 생명체이다. 벤 고르첼은 그 비슷한 예들을 벤 고르첼이 관여하고 있는 오픈-소스 인공일반지능 프로젝트 OpenCog에서 봐왔다.

그래서 글로벌 브레인 관련 기술이 이미 인터넷상에서 활발히 사용되고 있다는 걸 감안할 때, 만일 인공일반지능이 그걸 그대로 넘겨받아 그 인프라를 자신의 생각을 나타내는 데 사용되면 어찌 될까? 만일 인공일반지능이 책을 읽고 그걸 사람들에게 추천하고 서로 모르는 사람들 사이에 새로운 연결 고리를 만들어내기 시작한다면 어찌 될까? 만일 어떤 인공일반지능이 오픈-소스 소프트웨어 프로젝트들에 참여한다거나 아니면 직접 그런 프로젝트를 시작해 새로운 개발자들까지 모집한다면 또 어찌 될까?

 

아마 이런 일들이 일어날 것이다. 인간과 컴퓨터 소프트웨어들 사이에 전혀 새로운 종류의 집단 지성이 생겨날 것이다. 그 집단 지성은 아마 철저히 무에서부터 만들어져 자기구조화된 건 아니지만, 자기 자신의 목표를 향해 움직이는 인공일반지능들에 의해 조정될 것이다. 운이 좋다면, 그 인공일반지능들의 목표는 우리의 목표와 어느 정도 중복될 것이다. 그들은 우리의 집단 지성이 나타나고 자라고 번창하는 걸 돕게끔 훈련될 테니 말이다. 아마 이 인공일반지능들 가운데 일부는 인간들이 도저히 따라갈 수 없는 높은 수준을 향해 나아갈 것이고, 또 일부는 비교적 안정된 지능 수준에 머물며 인간과의 교감을 지속할 것이다.

글로벌 브레인은 발전된 인공일반지능의 잠재적인 위험들을 피해갈 길을 제공해줄까? 꼭 그렇지는 않다. 그러나 독특한 관점을 제공해주며, 일반적으로 무시되고 있는 길들도 부각시켜준다. 만일 인공일반지능이 글로벌 브레인과의 맥락 속에서 커간다면, 그 인공일반지능은 인류와 아주 긴밀한 교감 속에 성장할 것이다. 물론 현재로선 정확히 어떤 영향을 줄지 정확히 말하기 어렵지만, 이는 분명 인공일반지능이 인간의 지능을 초월하게 될 때 그 마음가짐에 영향을 줄 것이다.

 

2030 인공지능이 불러올 변화

인공지능은 제4차 산업혁명의 주체다. 인공지능은 기계가 인간처럼 생각하고 판단한다. 기존의 기계는 프로그램된 대로 움직였지만, 인공지능은 상황변화까지 알아서 대응하며 능력이 모자라면 스스로 새로운 자료를 찾아 분석하고 배워 능력을 키운다. 안드로이드 개발자 앤디 루빈이나 GE의 제프 이멜트 회장 등 전문가들은 인공지능이 증기기관, 전자기기와 컴퓨터에 이어 제4차 산업혁명을 이끈다고 말한다. 인공지능을 공부하면 미래가 밝다. 인공지능도 이제는 그렇게 어려운 분야가 아니다. 수학이나 과학도 점점 더 쉬워지는 미래다. 빨간 단추 누르고 파란단추 누르고 몇 가지 주문만 써 넣으면 쉬운 프로그램이나 애플리케이션이 만들어지듯이 인공지능 공부도 점점 쉬워진다. 앞으로 최대 일자리 창출이 되는 이 AI는 누구나 다 배우는 기술이 될 것이다.

인공지능 개발에 대한 찬사만큼 그에 대한 우려도 만만치 않다. 영국의 우주물리학자 스티븐 호킹 박사가 처음으로 우려를 표명했고 뒤를 이어 많은 경고가 나왔다. 테슬라 자동차의 CEO 일론 머스크도 인공지능은 인류에게 핵무기보다 더 큰 위협이 될 수 있으므로, 인류를 구하는 이로운 방향으로 발전시키는 기술만 개발하라고 인공지능연구기금을 내놓았다.

세계 유명 인사들이 인공지능에 대한 경고를 쏟아내던 2014년 가을, '인공지능 100년 연구'라는 연구단이 출범했다. 100년에 걸쳐 인공지능 기술이 어떻게 발전하고 인간 사회에 어떤 영향을 끼칠지 지속적으로 살펴보자는 프로젝트다. 목표는 인공지능을 안전하고, 공평하고, 이로운 방향으로 발전시키는 데 안내자 역활을 하는 것이다. 이 프로젝트는 미 스탠퍼드대가 마이크로소프트의 레드몬드랩을 이끌고 있는 에릭호비츠 이사의 기부금을 받아 시작하몄다. 연구팀 수장은 텍사스대 오스틴캠퍼스의 컴퓨터과학자 피터 스톤이다.

찬사와 자탄이 극명하게 갈리지만 인공지능의 가져올 사회의 변화상 30가지를 그려본다.

 

인공지능 관련 기술의 발전

1. 초지능 시대가 도래한다. 인공지능은 '생각하는 기계'이다. 2029년 인간 지능 수준으로 변하며 2045에는 인간을 추월하여 인간과 구분할 수 없을 정도가 되는 테크니컬 싱귤래리티, 즉 초지능 시대가 온다고 레이 커즈와일 박사는 주장한다.

2. 인간의 언어를 인지하고 이해하는 인공지능이 출현한다. 인간을 이해하기 위해서는 언어를 가장 먼저 배워야 한다. 인간의 언어를 인지하고 사고하는 IBM 왓슨은 지난 2011년, 미국의 운명 퀴즈쇼 재퍼디에 출현하여 결국 인간을 제쳤다. 왓슨은 퀴즈문제 제출자가 하는 말을 실시간으로 분석하고 질문 내용을 파악한 뒤, 거기에 대한 답을 저장장치에서 찾는다. 만약 왓슨이 인터넷에 연결되면 저장된 데이터 이외의 지식'을 무한대로 확장하는 것도 가능하다.

3. 요리하는 인공지능 쉐프 왓슨이 나왔다. 미국의 요리 잡지 본 아페티와 IBM이 지난 2015년 협력해 만든 '쉐프 왓슨'은 사전에 학습한 1만 가지 레시피를 바탕으로 사용자에게 다양한 재료와 조리 방법을 추천해준다. 닭고기, 당근 등의 재료를 선택하면 쉐프 왓슨은 이와 함께 사용할 수 있는 다양한 재료를 선별하고, 각 재료의 향이나 맛이 얼마나 조화로울지 예상 결과를 보여준다.

4. 진단 전문 인공지능 IBM 왓슨 헬스가 등장한다. 진단의사의 소멸이 다가오고 있다. 왓슨은 '정답'이 아닌 '신뢰도'를 바탕으로 가능성 있는 여러 가지 결과를 모두 보여준다. 이를 토대로 인간은 정확한 판단을 한다.

5. 인공신경망을 적용한 딥 러닝 연구가 활성화된다. 머신 러닝이란 기계(컴퓨터, 알고리즘 등)가 현실 세계에 있는 수많은 정보를 학습하고, 이러한 정보를 종합해 결과를 예측하는 기술이다. 이 머신 러닝 기술에 사람의 뇌와 구조가 유사한 프로그램, '인공신경망'을 적용한 것이 딥러닝이다. 인공신경망은 인간의 뇌를 형성화해 만든 프로그램이다. 구글의 딥 러닝 연구는 번역에서부터 자율주행 자동차까지 다양한 서비스에 적용 중이다.

6. 2025년 자율주행차가 보편화된다. 인공지능의 신뢰성과 안전성 여부를 가장 먼저 접하게 될 분야가 바로 자율주행차다. 자율주행차가 보편화되년 그동안 운전에 쏟아 부었던 시간을 온전히 자기 시간으로 만들 수 있다.

 

국가와 국경

7. 입법·행정·사법 즉 삼권분립이라는 정부나 국가의 기본제도가 바뀐다. 인공지능이 의회나 정치인을 대체하고 신뢰받는 입법행위를 한다. 정부 고위관리의 복잡한 의사결정을 대체하며, 가장 효율적이며 편견 없고 김영란법이 필요 없는 사법행정을 한다. 인공지능은 이미 판사를 대체하고 있다. 최적, 최상의 법률을 가장 효율적으로 만드는 인공지능도 나왔다.

8. 국경이 없는 공유경제, 공유사회, 공존시대가 온다. 이미 사람들은 구글에 접속해 정보를 검색하고 페이스북, 트위터, 인스타그램을 통해 국경을 초월한 관계망을 형성했다. 현재 페이스북을 이용하는 인구는 전 세계 15억 명이다. 구글 등 거대 IT 공룡들이 공식적으로 지리적 경계나 국경의 종언을 말한다. 가상공간의 세계화는 결국 모든 세계를 하나의 '메인스트림' 문화로 만들고, 국가는 비트네이션이나 백피드 등 가상현실국가로 귀국될 수 있다.

 

의료산업

9. 수술 의사들은 대부분 로봇을 운행하는 기술자로 변한다. 정확도가 높고 의료사고 등의 위헙이 없다. 개인 건강 체크 기기와 모바일 앱, 병원의 전자의료기록, 수술 로봇과 병원 운영을 돕는 서비스 로봇이 등장한다. 인공지능 기계가 간변인을 대신하고, 시각 및 청각 보조기기가 죌 수 있다.

10. 로봇이 새로운 치료법을 찾아낸다. 도쿄대 의과학연구소는 2천만건의 암 연구 논문을 학습시킨 인공지능을 활용하여 암을 진단했다. 인공지능이 학습한 방대한 데이터를 기반으로 환자의 1500여 개의 유전자 데이터를 분석했다. 10분 후 'STAG2'라는 유전자의 변화가 근본 원인을 만들어내고 있다는 결과를 확인했다. 병원은 다른 치료제로 바꾸는 등 치료 방침을 변경했고 그 결과 환자는 회복되어 퇴원했다.

11. 인공지능 IBM왓슨 헬스 프로그램으로 병을 진단한다. 가천대학교 길병원은 IBM의 인공지능 '왓슨 포 온콜로지'를 오는 10월부터 암 환다 진료에 활용한다고 발표했다. 왓슨은 메모리얼 슬론 케터링 암센터에서 300개 이상의 의학 학술지와 200개 이상의 의학 교과서를 포함해 1,500만 페이지에 달하는 의료정보를 학습했다. 2014년 미국종양학회에서 메모리얼 슬론 케터린 암센터 연구팀의 발표에 따르면 왓슨과 전문의 간의 진단 일치율은 암의 종류에 따라 91%에서 100% 사이였다. 길병원과 IBM의 설명대로 왓슨이 방대한 정보를 활용해 단시간에 가장 정확한 진단과 최적의 치료방법을 찾아낼 수 있다면 삶의 질 개선과 생존율 향상에 기여하게 된다.

 

법률산업

12. 범용 인공지능 변호사 시스템이 2017년에 출시된다. 인공지능을 이용한 각종 법률 서비스가 개발해 이미 사용되고 있다. 미국의 대형 로펌 베이터 앤 호스테틀러는 IBM이 개발한 왓슨을 기반으로 제작된 '로스'를 판례수집과 분석업무에 투입했다. 프론테오로 이름을 바꾼 일본의 인공지능 데이터 분석 전문기업 유빅은 이디스커버리 컴설팅을 제공하고 있다. 이디스커버리는 각종 법적 분쟁에서 증거로 제출된 방대한 분량한 분량의 메일이나 문서 등에서 증거를 찾아내는 기술로 이를 활용하면 증거 수집에 들어가는 시간을 크게 줄일 수 있다. 임영익 변호사가 이끄는 인텔리콘 메타연구소는 지난 2011년부터 '지능형 법률정보시스템' 아이리스를 개발, 상용화가 시작된다. 아이리스는 판례와 법률 정보 검색과 질의응답의 기본 기능을 갖고 있다. 판례 등 법률 데이터가 많아질수록 성능은 더 좋아진다.

13. 보안 영역이 인공지능 발전으로 범죄가 감소한다. 사생활보호 논란보다 범죄예방이 더 중시되어 CCTV를 더 많이 런던 시민들처럼 지구촌은 인공지능 보안으로 뒤덮인다.

 

일자리

14. 인공지능이 수많은 일을 대체한다. 특히 자율주행차 등으로 택시와 트럭 운전기사가 사라진다. 일자리가 아닌 일을 대체하며 오히려 더 많은 일자리를 만들어낼 수도 있다. 인공지은 인력이 바로 그것이다.

15. 인공지능으로 생산단가나 노동력무료화가 일어나서 제품이나 서비스 가격이 저렴해진다. 이로 인해 생활수준이 높아지고 사회안전망이라고 할 수 있는 기본소득제도가 도래한다. 핀란드는 전 국가 기본소득제도를 2017년에 시작하여 1인당 80만원을 지불한다. 부분적으로 기본소득제도를 시작한 나라는 10여 개 국가이다.

 

금융산업

16. 금융서비스가 인공지능으로 대체된다. 재무관련 서비스의 개혁이 일어난다. 인간보다 계산을 빨리하는 인공지능이 주식관리를 하듯이, 대부분의 금융투자 서비스, 브로커나 다양한 보험 설계 등에서도 인간보다 훨씬 능률이 높은 인공지능으로 대체된다. 삼성그룹은 최근 신입사원 인적검사시험에서 인공지능과 관련해 온라인 투자 자문서비스인 '로보어드바이저'를 활용하는 문제를 출제했다.

17. 신용카드 사기 범죄 추척이 가능해진다. 신용카드는 바이오컴퓨터나 칩을 통해 몸속에 들어갈 수 있으며, 신용카드 사기 같은 화이트칼라 범죄 추적은 금융사기 추적 알고리즘, 예측에 기반한 치안유지활동 등에 활용된다.

 

스포츠산업

18. 스포츠서비스업, 스포츠시설업, 스포츠용품업 등 스포츠 산업에서 큰 변화가 일어난다. 인공지능에 의해 분석된 수많은 데이터가 제공되면서 실전에서 과학적인 정보를 본격 활용하여 '알파고 감독', '알파고선수'의 탄생이 온다. 수많은 정보의 활용으로 선수들의 몸 상태를 정홧히 파악하고 효율적인 전략과 개인적 기량을 구사, 최고의 경기력을 생산하게 되며, 훈련 과정에서도 여러 가지 인공지능을 활용한다.

19. 생동감 있는 콘텐츠를 이용하기 위한 사물인터넷, VR(가상현실) 등과 같은 기술과 함께, 다양한 정보를 담은 센서 하나로 경기장 주차문제, 티켓 판매, 화장실 이용 등 고객 중심적으로 편리한 서비스 제공이 가능해진다. 경기장 건설에도 인공지능은 건설비용을 절약할 수 있으며, 실내온도와 습도조절 등을 통해 에너지 소모를 줄이고 태양광 등 신재생에너지 활용이 가능해진다.

 

교육

20. 교사가 사라진다. 구글의 한 연구소에서 로봇이 로봇을 가르쳐온 사실이 드러났다. 알파고처럼 혼자 학습하는 수준을 넘어, 기계끼리 서로 가르치며 빠른 속도로 인간 세상을 학습해나가고 있는 것이다. 유럽에서는 무인트럭 10여 대가 자신들끼리 서로 정보를 주고받으며 무리지어 유럽 대륙을 횡단하는 데 성공했다. 무인트럭이 세상에 선보인 지 불과 2년도 되지 않아, 인류는 운전자의 도움 없이 도로 위를 무리지어 달리는 무인 트럭들을 목격하게 됐다.

21. 인공지능 괴외교사 가격이 저렴해져 24시간 로봇교사가 보편화된다. 인공지능은 개인화가 가능하여 쌍방향 인공지능 과외교사는 학생과 1대1로 짝이 된다. 무크 같은 온라인 교육이 초등학교에서 대학에 이르는 모든 교육과정의 일부가 되면서, 인공지능이 학생들을 가르친다.

22. 지식 암기로 능력을 평가하는 교육 과정은 소멸한다. 지식폭발시대를 맞아 창의적이고 혁신적인 무엇을 배우거나 사고해야 한다.

23. 지식폭발시대, 인공지능 없이는 살 수 없는 시대가 온다. 10년 만에 스마트폰 없이는 살 수 없는 시대가 왔다. 100여 년 전에는 소수의 성직자나 학자를 통해서만 지식을 접할 수 있었다면 지금은 아프리카에서도 스마트폰을 이용해 고급 정보를 얼마든지 접할 수 있다. 온라인 백과사전 위키피디아, 오픈 액세스 학술지, 온라인 대학 강의가 무료다. 지식 재창출도 엄청난 속도로 빨라진다. 전 세계에서 출판되는 논문의 수는 1940년부터 2000년까지 20년마다 2배씩 증가해왔지만, 2000년 이후에는 10년에 2배씩 증가하고 있다.

 

신산업

24. 참여적이고 개인화된 쌍방향 미디어가 꽃피운다. 컨텐츠 제작 도구와 소셜 네트워크, 인공지능의 결합을 통해 새로운 형태의 엔터테인먼트들이 등장한다. 더욱 손쉽게 고품질의 음악이나 댄스 등의 콘텐츠를 만들게 해주며 아바타, 홀로그램 등으로 시공간의 차이가 없어진다.

25. 미국 기술과 영어의 지배가 심화된다. 3천여 개 언어가 소멸하였지만 영어의 지배가 더 강화되는 이유가 인공지능언어는 모두 영어이기 때문이다. 기계끼리의 소통은 통신선의 연결 등 통상적인 기술로 가능 하지만 인간과 소통하게 하려면 문서를 읽거나 인간의 말을 알아들어야한다. 인공지능을 지난 60년간 미국의 몇몇 거대 IT기업들 외에는 투자에 엄두를 내지 못했다. 인공지능은 도입한 그대로 쓰게 되어 미국 기술과 영어의 지배가 심화된다.

26. 인간은 인류에게 이로운 AI 형태를 개발하며, 공생관계 법칙(상리공생 관계)을 이용한다. 상리공생관계란 서로 다른 두 종 모두 이익을 얻는 관계이다. 상리공생의 예는 흰동가리와 말미잘 사이에서 찾아볼 수 있다. 상리공생관계형태를 갖춘다면 AI도 인류와 화목하게 지낼 수 있다. 상리공생관계가 되려면 'AI도 인류가 없으면 생존이 불가능한 상황'이 되어야 한다.

27. 2025년엔 가정용 로봇이 나온다. 홈서비스, 가사도우미 등 칩과 센서, 클라우드 기반의 원격제어, 인성인식기술의 로봇의 서비스가 고령인구와의 대인 소통능력을 높여준다.

28. 짐을 배달하고 사무실을 청소하고 보안을 담당하는 전문 로봇도보편화된다. 안전한 로봇팔, 로봇다리 등 장애인용 다양한 인공지능 기술이 개발된다. 고령인구, 고령부모 부양도 인공지능이 맡는다.

29. 인공지능이 작가, 시인, 소설가, 기자를 대체한다. 이미 스포츠토너먼트기사, 주식시장기사나 기술보고서 등은 인공지능이 쓰고 있다. 베스트셀러 전기 작가가 탄생했으며, 인공지능이 쓰는 소설 등단 시상 프로그램이 많이 나와 있다.

30. 인공지능이 개인적 취향을 알아서 가장 쾌적한 상황과 분위기를 만들어준다. 개개인의 기분을 파악하고 무드를 검색하고 환경설정에 따라 홈 네트워크를 조절하거나 등의 색을 바꿔주거나, 집안의 분위기 변경, 선호하는 영화와 TV쇼를 선택해 준다. 퇴근하여 집으로 들어오면 더이상 의사결정을 할 필요가 없다. 수면이나 건강에 쾌적한 환경적 요소를 제공해준다. 가정이나 사무실, 연구소나 다양한 장소에서 온도, 열, 빛, 소리, 산소 수준, 냄새, 위치 등 인간의 건강이나 수면에 최적화된 환경을 만들어준다.

 

2030 기회와 도전

"어떤 사람들은 인간의 결정권이 바로 권력이라고 한다. 하지만 수많은 사소한 결정을 인공지능에게 맡기면 일상의 선택이 효율적으로 빨리 처리되어, 오히려 인간이 가장 하고 싶어 하는 일, 가장 즐기는 일을 할 수 있는 시간을 벌 수 있다. 여유로움 속에서 인간은 가장 중요한 결정에 초점을 맞출 수 있다. 그것은 바로 행복 찾기, 혹은 창의성 계발이 될 것이다."

 

제4의 물결과 미래사회

"이젠 그 누가 첨단 인공지능 및 로봇 과학의 발전을 중단시키고 싶어 한다 해도 그럴 수가 없다. 우리는 이제 지구상에서의 지능 진화의 다음 단계에 직전에 와 있다. 이제 그걸 받아들이고 즐겨야 하며, 가능한 한 가장 긍정적인 방향으로 발전시키도록 해야 한다."

 

인공일반지능에 대한 Q&A

벤 고르첼은 크고 작은 각종 뉴스 매체로부터 인터뷰 요청을 많이 받는데, 질문을 받다 보면 다른 질문들에 비해 좀 더 예리한 질문들이 있다. 몇 년 전에는 한 공상과학 관련 블로그 사이트를 위해 제이슨 페플리라는 작가와 인터뷰를 한 적이 있는데, 그의 질문들은 인공일반지능 및 특이점과 관련해 누구나 던질 만한 가장 기본적인 질문들이라는 느낌을 받았었다. 그래서 당시 그와 나눈 얘기를 간단히 편집해 여기 소개하기로 한다.

 

 

제이슨: 이제 인공지능 분야에 몸담으신 지 꽤 되셨는데요, 인공지능 연구에 투신하겠다는 것은 평소의 꿈이었나요, 아니면 특별한 계기가 있었나요?

벤: 나는 공상과학 소설을 읽으면서 자랐고, 그래서 평생 그 공상과학 소설에 나오는 것들을 현실화하는 일을 하면서 살고 싶었습니다. 처음에는 내가 인공지능 분야와 타임머신, 양자 중력 컴퓨터, 항성 간 우주선, 유전자 공학, 프시 파워(투시, 텔레파시, 염력 같은 초자연적인 힘 - 역자 주) 분야 중에 어떤 분야에 전념하게 될지 확신 못했습니다. 그런데 결국 인공지능 분야를 선택했죠. 십대 후반에 시작해 그 이후, 정확히 말하자면 20대 후반부터 본격적으로 파고들게 됐는데, 인공지능 분야가 그래도 실행하기 가장 쉬워 보였거든요. 내 얘기가 맞다면, 그 어떤 특수한 하드웨어도 필요 없고, 그냥 정확한 컴퓨터 코드, 그리고 컴퓨터들을 모아 놓은 서버 팜(컴퓨터 서버와 운영 시설을 한곳에 모아 놓은 곳 - 역자)만 있으면 되니까요. 문제에 대해 깊이 생각하면 할수록, 어떻게 하면 되는지 감이 떠올랐어요.

제이슨: 만일 열 살짜리 아이들과 얘기하신다면, 기술적 특이점을 어떻게 그 애들이 이해하기 쉽게 간단히 설명하시겠습니까?

벤: 우리는 몇 십년 안에 모든 면에서 인간보다 더 똑똑한 컴퓨터와 로봇들을 갖게 될 겁니다. 그것들은 끊임없이 새로운 것들을 발명해내고 단순한 인간들은 상상조차 할 수 없는 방식으로 세상을 뒤바꿔놓을 겁니다. 희망 사항이지만 그렇게 되면 우리는 우리 뇌를 업그레이드시키고 우리 자신을 로봇처럼 변화시켜, 인간을 뛰어넘는 수준으로 똑똑하고 강력한 존재가 될 겁니다. 우리에겐 아직 그런 기술이 없지만 곧 그렇게 될 겁니다. 점점 더 빠른 속도로 계속 새로운 발명들이 나오고 있으니까요. 더 많은 걸 발명하면 할수록, 그만큼 더 빨리 새로운 걸 발명할 수 있게 되죠. 이전 발명들이 새로운 발명을 하는데 필요한 도구로 쓰이게 되니까요.

제이슨: 당신이 자리에서 벌떡 일어나 "내가 드디어 해낸 거야?" 하고 외치게 되려면, 인공지능 로봇이나 프로그램이 무얼 할 수 있어야 하나요? 신발 끈을 묶는 법을 가르칠 수 있으면 되나요? 드라이클리닝을 할 수 있으면 되나요? 당신 애들을 학교에서 데려올 수 있으면 되나요? 아니면 핵융합로를 만들면서 당신에게 끈 이론(만물의 최소 단위가 점 입자가 아니라 '진동하는 끈'이라는 물리 이론 - 역자)를 가르칠 수 있으면 되나요?

벤: 세계 평화죠. 원하는 사람 누구에게나 불멸을 주는 것, 생존을 위한 노동에서 모든 사람을 해방시키는 것, 우주선들이 은하계를 가로질러 날고, 초인간 인공지능이 되고 싶어 하는 누구에게나 뇌 이식을 해주고 로봇의 몸을 주는 것, 사실 내 생각으로는 일단 우리가 일반적인 과학 교수만큼 똑똑한 최초의 인공지능을 만들어내개 된다면, 그 모든 일들이 20년 이내에 일어나게 될 가능성이 높습니다. 내가 보기엔 그 정도에서 시작하면 그리 큰 도약도 아닙니다. 정말 큰 도약은 현재 상태에서 갓낫아기 정도 수준의 지능을 가진 인공지능에 도달하는 거죠. 누군가 이미 그런 정도 수준의 인공지능을 만들었다면, 난 엄청나게 흥분할 것이고, 또 약간 두려움도 느낄 겁니다.

제이슨: 우리 생전에 R2D2나 C3P0 같은 첨단 로봇을 볼 수 있을까요?

벤: 그럼요. 훨씬 더 뛰어난 로봇을 볼 수 있을 겁니다. 하지만 600만 가지 형태의 커뮤니케이션이 가능하다는 C3P0의 능력에 대해선 장담하기 어렵네요. 우리 주변에 그렇게 많은 유익한 외계 인종은 없을 테니 말이죠. 또한 실제 R2D2가 직접 악기 전문점을 찾아가 음성 합성 장치를 살 수도 있을 겁니다. 예, 물론 개념상입니다만, 그렇게까지 될 수 있습니다.

제이슨: 특이점 101 회의 때 했던 한 인터뷰에서 1,000억 달러가 있다면 어떻게 쓸 건지 대해 많은 생각을 해봤다고 하셨는데요. 개인 섬을 사는 건 제외하고, 그 돈을 어떻게 쓰시겠습니까?

벤: 내게 만일 1,000억 달러가 있다면 유익한 첨단 기술을 발전시키는 일을 하는 준 개인 도시를 만들겠습니다. 앞서 말한 기술 발전을 위한 열정도 있고 자격도 있는 사람들에게 자택도 제공하고 말이죠. 아니면 인공일반지능이나 수명 연장, 나노 기술, 펨토 기술, 정신 이전 등의 연구에 필요한 대규모 연구 자금 지원 프로젝트를 시작할 겁니다. 만일 이들 분야가 암 연구나 반도체 제조정도의 관심을 받을 수 있다면, 그 분야의 발전이 훨씬 앞당겨질 겁니다.

제이슨: 자금 문제 외에 현재 인공지능 분야에서 가장 큰 걸림돌은 뭔가요?

벤: 프로그래밍에 아주 능하면서 인지 과학과 인공일반지능 이론을 제대로 이해하고 있는 사람들을 찾는 게 늘 큰 어려움입니다. 개념상으로 추상적인 인지 알고리즘과 감각 단계의 지각 행동 알고리즘을 통합하는게 인공지능 분야가 직면한 가장 좋은 접근방식들이 있지만, 그 모든 걸 한데 통합할 수 있는 사람이 없습니다.

 

OpenCog가 그 문제를 해결해줄 거라 믿습니다만, 아직은 그걸 확실히 입증 할 수가 없습니다. 그러나 어쨌든 우리는 지금 모든 걸 잘해내가고 있습니다.

제이슨: 이런 인공일반지능 시스템이 스카이넷 로봇 군단 같은 괴물들로 변할 수도 있다고 믿는 사람들에게 어떤 말을 해주고 싶나요?

벤: 시간을 거슬러 과거로 돌아가는 벌거벗은 사내들 얘기는 어떨지 몰라도, 첨단 인공지능 로봇들이 미쳐 날뛰며 모든 사람을 죽이는 일은 충분히 있을 수 있는 일이라고 생각합니다. 그런 가능성을 완전히 배제할 순 없겠죠. 하지만 그런 일이 일어날 가능성을 최소화하기 위해 우리가 할 수 있는 일들이 있다고 봅니다. 그러니까 인공일반지능 시스템을 만들 때 합리적인 생각과 선행 지향의 목표 시스템을 집어넣고, 아직 어린 인공일반지능 시스템에게 따뜻한 마음을 심어주고 교육을 잘 시키는 거죠.

다른 첨단 기술의 경우와 마찬가지로, 인공지능의 경우도 잠재적인 이점도 많지만 위험 부담도 많습니다. 하지만 우리 인류는 오랜 세월 그런 상황들을 잘 극복해왔습니다. 어쨌든 이젠 그 누가 첨단 인공지능 및 로봇 과학의 발전을 중단시키고 싶어 한다 해도 그럴 수가 없습니다. 우리는 이제 지구상에서의 지능 진화의 다음 단계 직전에 와 있습니다. 그러나 이제 그걸 받아들이고 즐겨야 하며, 가능한 한 가장 긍정적인 방향으로 발전시키도록 해야 할 겁니다.