최근의 화두 중 단연 하나를 꼽으라면 AI겠죠.
모든 분야를 막론하고 AI를 어떻게 우리가 대해야 하고 활용해야 할지는 참 어려운 문제입니다.
오늘 이웃님들과 함께 할 책은 바로 『나를 위해 AI를 일하게 하라』입니다!
책 제목이 상당히 도발적이죠?
책은 월가의 한 트레이더가, 2008년 서브프라임 모기지 사태를 겪은 후 10년 뒤, 농업과 관련된 프로그래밍을 하는 것으로 시작됩니다. 농업과 데이터? 일견 너무 동떨어져 보입니다. 진짜 그럴까요? 다시 생각해보시죠. 날씨, 작황, 토질의 상태 등 이 모든 것이 데이터가 되는 겁니다. 하지만. 모든 농사 단계와 관련된 데이터가 그렇게 많이 축적되어 있음에도 그 데이터들은 전세계에 뿔뿔이 흩어져 있었습니다. 그 트레이더는 그것들을 하나씩 묶고자 시도하였습니다.
그렇게 '그로 인텔리전스'라는 회사가 탄생하게 됩니다. 500조가 넘는 데이터 포인트, 데이터 셋만 4000만 개 이상이 된거죠.
CEO, 세라 멩커는 기술 문외한이었지만, 클라우드 컴퓨팅 프로그램을 배우고, 다시 환경 정보 모델을 구축하고자 했을 때 그 사우스다코타대학 농업학 교수에게 연락을 하고, 동분서주하며 개발을 하였습니다.
결국 디지털 세상에서 성공하는 기술을 하는 것이 아닌, 세라처럼 디지털 세상에서의 번영에 필요한 포석을 까는 데 이 책은 목표로 하고 있습니다.
디지털 마인드셋. 디지털은 무엇인가요?
디지털: 데이터와 기술의 상호작용
데이터: 참조하고 분석하고 연속할 수 있는 일련의 정보 + 기술: 데이터를 만들고 포착하고 변환하고 전송하고 저장하는 것
디지털 마인드셋은 그럼 무엇일까요?
이 데이터와 기술을 이해하고 활용하기 위한 접근법이 되겠습니다.
협업(기계와의) 연산(데이터기반으로 생각하기) 변화(보안의문제를 어떻게 다룰 것인가?)
그럼 우리는 코딩을 배워야 하는 걸까요? 그건 꼭 아니라는 거죠. 중요한 것은 어떤 디지털 기술을 개발하건 알고리즘을 실행시켜 데이터를 처리하게 만드는 프로그래밍 언어가 사용되는 것인데, 그 구현 방법을 알고 있다면 큰 문제가 되지 않을 겁니다.
디지털 운용이란?
컴퓨터 - 소프트웨어 - 데이터
소프트웨어(알고리즘) → 컴퓨터 로 명령을 내린다. 이 명령을 만들기 위해 데이터를 이용합니다.
알고리즘에서 가장 중요한 것은 순서입니다.
뭔가 재료를 넣고(인풋) 맛있는 쿠키(아웃풋)이 나옵니다. 여기서 차이점은 모호한 것이 용납되지 않는다는 것입니다.
이 알고리즘의 구체적인 지시 사항들은 코드가 되는 거죠. 이 코드들이 합쳐진 문서가 스크립트가 됩니다.
중요한 것은 컴퓨터는 혼자서는 아무것도 못 한다는 것입니다. 사람이든, 물건이든 명령을 내려줄 그 무언가가 있어야 합니다.
1. 협업!
상대가 AI인데 화내는 게 의미가 있을까요? 다르게 접근하는 것이 성공적으로 기계와 협력할 수 있는 방법이 아닐까요?
그들의 사고방식을 이해해야 한다는 겁니다.
AI는 정확히 뭔가요? 로봇인가요? 아니라는 거죠. 로봇을 작동하게 만드는 그 무언가가 AI가 되겠습니다.
SF영화에 나오는 인류를 지배하는 그런 무언가가 아니라, 데이터와 도구, 통계 모델을 아우르는 그 모든 시스템을 총칭합니다.
이메일 스팸 필터, 구글 검색, 구글 번역 등등등
AI는 고양이와 개를 어떻게 구별하는 걸까요? 기계학습 과정부터 알아보죠.
기계는 수많은 이미지, 아니 패턴들을 봅니다. 이 패턴은 고양이, 이 패턴은 개. 그 패턴도 제각각이죠. 옆면을 보는 고양이, 앞을 보는 고양이 등등. 컴퓨터는 틀린 답을 말하면 자신의 실수를 기록하게 됩니다. 이 학습 과정 덕분에 '지능'이라고 묘사할 수 있게 된 것이죠.
패턴 등을 구별해서, 계속 그 과정들을 반복하고 수정 작업을 거치게 되면 기계학습 알고리즘은 주어진 얼굴 특징을 특정 사물과 연관하도록 학습됩니다.
하지만 한계에 부딪히게 되는데, 정확히 모든 사람에게 통용되는 패턴은 없다는 것입니다.
그래서, 딥러닝이 이제 나타나게 되는데, 딥러닝 알고리즘에는 개인의 얼굴 특징을 일일이 우리가 입력하지 않습니다. '신경망'이라는 자체 알고리즘을 통해 사람의 얼굴 특징을 잡아내고 스스로 데이터를 검토하게 되죠. 인공뉴런은 층으로 나누어 배열되어 있고, 딥러닝은 여러 층의 인공뉴런으로 이루어져 있습니다. 방대한 데이터와 고도의 처리 능력을 갖추게 된 최근에야 강력해지게 된 것이죠.
기계학습 알고리즘에게 새로운 규칙을 생성하기 위해서는
1. 패턴 인식, 규칙 추출하는 훈련 받기. 대표적인 사례가 문구에 라벨붙이기 = 지도 학습
2. 비지도 학습 스스로 이제 나쁘고 좋은 것을 구별한다.
3. 강화 학습 소비자에게 좋은 것에 대한 광고를 보여준다!
디지털 마인드셋을 개발한다는 것은, 기계를 경쟁자로 인식하는 것이 아닌 그가 뛰어난 부분은 그 부분대로 인정한다는 뜻입니다.
AI의 능력이 강력해지고 있다 ≠ AI가 지배한다.
= AI가 활용 가능한 데이터가 늘어나고 있다.
AI가 하나의 업무를 수행하기 위해서는 그 밑바탕에 수많은 기술들이 상호 의존할 수 있게 중첩되어 있습니다. '기술 스택'
IT 회사에서 정말 많이 듣는 말인데, 프런트엔드와 백엔드. 이렇게 크게 두 개의 하위 시스템으로 구성됩니다. 다시 이 둘을 연결하는 것을 미들웨어라고 표현합니다.
프런트엔드 - 미들웨어 - 백엔드
우리가 겉으로 봤을 때는 간단히 변화라고 생각되지만, 이 하나하나가 그 기술 스택의 최하층에 극적인 영향을 미칠 수도 있습니다.
이 기술 스택의 층들에 대한 이해가 선행되어야 비로소 그 변화가 간단한 변화인지 아닌지를 알 수 있겠죠.
AI가 마치 인간처럼 행동하는 것 같이 보인다 해도 기계는 기계에 불과하다는 생각도 잊어서는 안 됩니다.
AI 챗봇을 인간처럼 보이게 하는 것이 맞는가, 아니면 AI 챗봇이니까 사람들로 하여금 AI로 대할 수 있게 하는 것이 나을 것인가.
후자가 낫다는 겁니다. 의인화된 컴퓨터 인터페이스를 했더니 오히려 사람들이 AI를 인간처럼 대하면서 상호 행동에 몰두하게 만들어 버린다는 것이죠. 기계와의 성공적인 협업을 위해서는 기술이 아무리 인간과 비슷해도 기술로만 다루는 것이 핵심이 되겠습니다. 다시 말해 AI 챗봇이 말을 안 듣는다고 하면, 그 프로세스를 상세히 알려주고 원하는 바를 명확하게 말하는 것이 중요하다는 것이겠죠.
AI 신뢰하기?
AI가 너무 복잡하기에, 전적으로 신뢰하기 상당히 어려운 것도 사실입니다. AI를 신뢰하기 위해서, 엘라 글릭슨과 어니타 울리는 최소 두 가지 조건을 제시합니다.
1) AI는 투명해야 한다. 인간이 일련의 알고리즘이 어떻게 작동하는지 이해할 수 있거나 어떤 전제에 따라 움영되는지를 이해할 수 있어야 한다.
2) AI는 안정적이어야 한다. 안정성이 낮으면 신뢰도가 크게 줄어든다.
AI와 소통하는 인간 모두가 상호 투명해야 된다는 것으로 맺음을 짓고 있습니다.
인간을 신뢰할 때는 우리가 언행 등 여러 수단으로 판단하지만, AI는 그렇지 않기 때문에 AI 프로세스와 루틴을 살펴보고, 작업이 적절한지를 판단해야 되겠습니다. 그 결정까지 나온 과정을 투명하게 볼 때, 우리는 신뢰할 수 있게 되겠죠!!
이번 시간은 여기까지!! 다음 포스팅에서 뵙겠습니다!
'책 한 잔' 카테고리의 다른 글
| 『디지털 마인드셋』 마무리하며 (6) | 2024.11.18 |
|---|---|
| 『데이터 사이언스 입문』 데이터 분석 프로세스 기초! (25) | 2024.11.05 |
| 조던 피터슨 『의미의 지도』 첫 시작을 하며, '나'를 찾아가는 여행 (11) | 2024.11.04 |
