*** 초기 인공지능은 겉보기에는 똑똑해 보였지만, 실제로는 방대한 수작업이 뒷받침되었다. 사전에 무수한 경우의 수를 설정해 둬야 했고, 그마저도 일부 표준화된 단순 질문에만 대답할 수 있었다. 더 큰 문제는 인간에겐 쉽지만, 기계에는 가르치기 어려운 지식이 많았다. 가장 전형적인 예로 고양이를 인식하지 못했다. 언어로 고양이를 묘사해도 네 발, 꼬리 등의 키워드만으로는 개와 구분이 어려웠다. 하지만 어린아이는 특별히 가르쳐주지 않아도 몇 번 보고 나면 고양이와 개를 구분할 수 있다. 이는 인류의 뇌에 독특한 학습 방식이 있기 때문이다. 이 학습 방식을 기계에 적용한 것이 바로 ‘머신 러닝(Machine learning)’, 즉 기계 학습이다.

*** ChatGPT의 자아(ego)는 ‘단어 추측 기계’라고 할 수 있다. 텍스트를 계속 이어서 써 나가며, 그간에 나온 단어를 기반으로 다음에 나올 단어를 확률적으로 추측한다. 즉, ChatGPT는 최종적인 단어를 출력하기에 앞서 수만 개의 확률값을 계산하는데, 각 확률은 특정 단어 또는 ‘토큰(token)’이 등장할 가능성을 의미한다. 여기서 토큰은 단어뿐 아니라 접두사·접미사·접속어·표정·특수 기호 등을 모두 포함한다. 주의할 점은 토큰은 확률이 가장 큰 것을 고르는 게 아니라 무작위성을 따르기 때문에, 같은 질문을 던지더라도 계속 다른 결과를 도출할 수 있다는 것이다.

*** AI는 상식적인 질문을 처리할 때 보통 통계학적 논리에 따라 답을 내놓는다. 여기서는 아무런 문제가 없다. 그런데 복잡하고 심도 있는 질문을 던지면 훈련 데이터의 부족으로 저만의 ‘기지’를 발휘해 ‘빈칸 채우기’를 한다. 그리하여 매우 합리적인 것처럼 보이지만 완전히 틀린 결론을 도출한다. 이처럼 존재하지 않거나 맥락과 무관한 내용을 마치 사실인 듯 생성하는 현상을 ‘할루시네이션(hallucination)’이라고 한다.

*** AI는 공간 속 물건들의 위치도 파악할 수 있어야 한다. AI 분야의 ‘대모’라 불리는 리페이페이 교수가 연구해 온 ‘공간 지능(Spatial Intelligence)’이 바로 그것이다. 즉, AI가 3차원 공간에서 사물의 법칙과 관계를 이해해 현실 세계에서 인식·추론·예측·행동까지 수행할 수 있도록 하는 기술이다. 리페이페이의 연구팀은 시공간 인공지능 기술 ‘스페이스 타임 AI(AI space-time)’를 개발했다. 이는 AI가 3차원적인 세상의 구조를 이해할 수 있게 하는 기술로, 예컨대 방 안을 이동하며 사물의 단면만을 보는 게 아니라 전체적인 구조와 가구의 배치 등을 기억하게 하는 것이다.

*** AI가 그림을 그리는 과정은 인간과 다르다. 인간은 어떤 그림을 그릴지 먼저 머릿속으로 구상하고, 스케치로 형태를 잡은 뒤 색을 칠하고 디테일을 수정한다. 반면 AI가 그림을 그리는 방식은 신기한 마법에 가깝다. 아무런 도안도 없는 ‘노이즈’ 가득한 이미지에서 필요 없는 부분을 조금씩 ‘제거’하는 형식으로 그림을 그린다. 이 신기한 과정을 가리켜 ‘확산 모델(diffusion model)’이라고 한다.

*** 과학자들은 현재 AI에 두 가지 새로운 기능을 ‘가르치고’ 있다. 바로 ‘장시간 기억’과 ‘물리적 원리’이다. ‘장시간 기억’이란, AI가 드라마를 보는 것처럼 이전 10초 동안 무슨 일이 일어났는지 기억하게 하는 훈련이다. 이에 익숙해지면 생성할 수 있는 영상의 길이가 점점 늘어나 완벽한 하나의 스토리를 만들어 낼 수 있다. ‘물리적 원리’란, 중력, 광선의 변화 등 실제 세상의 규칙이다. ‘빗방울은 위에서 아래로만 떨어진다’ ‘빗방울은 비눗방울처럼 하늘을 둥둥 떠다닐 수 없다’ 등이다.

*** 한 단계씩 점진적으로 질문을 쌓아 가는 방법을 ‘점진적 질문법’이라고 한다. 한 번에 정답을 요구하기보다, 답을 바탕으로 다음 질문을 조금씩 수정·추가해 가며 결론을 점진적으로 좁혀 가는 질문 전략이다. 이 방법을 사용하면 AI는 직감적으로 아무렇게나 답을 말하지 않고 열심히 시험 문제를 푸는 학생처럼 단계별로 추론하고 계산해 정확한 답을 도출한다. 그렇다면 AI에 점진적 질문법을 사용하는 이유는 무엇일까? 레고 블록을 선물 받았다고 해 보자. 그런데 그 안에 설명서가 없다면 어떨까? 블록 조각을 아무렇게나 조립하게 되고, 포장 상자에 나와 있는 것처럼 멋진 성을 완성할 수 없다.

*** 리페이페이 교수는 ‘인간과 AI의 협업(human-AI collaboration)’의 중요성을 강조한다. 미래의 업무 처리 방식은 인간 또는 AI 중 하나만 단독으로 움직이는 것이 아니라 함께 협력하여 과제를 수행하는 형태가 될 가능성이 크다. 따라서 교육 업계는 AI를 무작정 금지하기보다 학생들이 AI를 어떻게 활용하고, 어떻게 협업을 이뤄 가는지 가르쳐야 한다. 예컨대 의료 분야에서 AI는 의학 영상을 분석하는 데 도움을 줄 수는 있지만, 최종 진단과 판단은 여전히 의사의 몫이다. 이렇듯 ‘AI + 인간’ 모델이 바로 미래 교육이 길러야 할 핵심 역량이다.

*** 2024년 노벨상은 거의 튜링상 시상식이라고 해도 과언이 아닐 만큼 인공지능 관련자들이 상을 휩쓸었다. 노벨 물리학상은 인공지능 머신 러닝을 발명한 제프리 힌턴(Geoffrey Hinton) 교수에게 돌아갔고, 노벨 화학상은 단백질 구조 예측 AI 도구인 알파폴드(AlphaFold)를 개발한 데미스 허사비스(Demis Hassabis)가 받았다. 허사비스의 연구는 AI의 도움으로 인류를 괴롭히는 거의 모든 질병이 완치될 수 있을 거라는 믿음을 주었다. 앞으로 10년 동안 신약의 연구 개발 속도는 엄청나게 빨라질 것이며, 연구 개발의 주기도 지금처럼 연 단위에서 주 단위로 대폭 단축될 것이다. 머지않아 거의 모든 질병이 완치될 수 있다는 이야기다.

*** 최근 들어 사람들이 많이 하는 말이 있다. “AI가 내 일자리를 다 빼앗아 갈 거야” “인간은 기계의 노예가 될지도 몰라” “인류는 거대한 위기 앞에 놓여 있어” 물론 일정 부분 사실이기도 하다. 분명한 것은 이 거대한 변화가 이제 막 시작되었다는 것이다. 그러나 한 걸음 물러서서 생각해 보면, AI는 분명 인간이 만들어 낸 발명품에 불과하다. 우리가 만든 도구가 우리를 대체할 수 있을까? 미래의 주인공은 ‘빚어진’ 발명품이 아니라, 그것을 ‘빚어낸’ 인간이어야 한다.

--- 본문 중에서