금요강좌 VOD

  1. 경제교육
  2. 온라인 학습
  3. 금요강좌 VOD
참고
플레이 버튼을 클릭하시면 바로 동영상 열람이 가능합니다. ※ 전체화면으로 보기 원하실때는 동영상 우측 하단의 확대버튼을 클릭하여주세요.
제목
[제869회] 인공지능 시대가 가져올 미래변화
학습주제
경제이론·교양
대상
일반인
설명

ㅁ 제869회 한은금요강좌

   ㅇ 일시 : 2021. 11. 19(금)

   ㅇ 주제 : 인공지능 시대가 가져올 미래변화

   ㅇ 강사 : 경희대학교 경영학부 이경전 교수

교육자료
[제869회] 인공지능 시대가 가져올 미래 변화(부제- 인공지능이 한국경제에 미칠 영향)
(2021.11.19, 경희대학교 경영학부 이경전 교수)

(이경전 교수)
안녕하십니까? 경희대학교에 이경전 교수입니다. 오늘 인공지능 시대가 가져올 미래의 변화. 인공지능이 한국경제에 미칠 영향이라는 주제로 한 시간 반 정도 말씀드리도록 하겠습니다.

[가치 엔진, 4차 산업혁명 대표 비즈니스 모델](p.1)
지금이 과연 인공지능 시대인가라는 관점을 보기 위해서 우리가 4차 산업혁명이라는 말을 가지고 다시 1차 산업혁명, 2차 산업혁명에 관해 공부해보겠습니다. 제가 생각하기에는 1차 산업혁명이라는 것은 제조나 서비스가 소규모 상점 형태로 제공되던 시절을 이야기합니다. 경영학적으로는 그것을 Value shop, 가치상점이라고 할 수 있는데요. 장인들이 생산에 직접 참여하면서 신뢰와 명성, 고객의 문제를 해결하는 능력이 핵심인 시절이죠. 한국으로 치면 1970년대가 그렇습니다. 주로 동네에 양장점이 있었고 구둣방이 있었어요. 그래서 우리가 옷을 사는 것은 주로 동네에서 맞춰 입었고 구두도 맞춰 입었습니다. 그런데 그런 변화가 온 것이 한국의 경우에는 1980년대입니다. 2차 산업혁명 시기이죠. 대량생산체제가 됩니다. 경영학적으로 이야기하면 Value chain, 가치사슬이 되고요. 1차 산업혁명이 증기기관, 기계에 의한 산업혁명이라면 2차 산업혁명은 전기에너지 네트워크를 이용한 대량생산 체제이고 전기를 이용한 텔레비전이나 라디오 같은 매스미디어, 대형 유통인 백화점 같은 것들이 생기는 것입니다. 한국의 경우에는 1980년대부터 구두를 더 이상 동네 구둣방에서 사는 것이 아니라 TV 광고를 보고 백화점에 가서 (엘칸토, 에스콰이어, 금광 제약 등) 맞춤 신발이 아니라 기성화를 사게 됩니다. 대량 생산되는 것이죠. 포드 자동차로 대표되는 생산과정을 일관적으로 연결함으로써 비용을 절감시키고 생산 속도가 획기적으로 발전하는 비즈니스 모델을 만든 것이 2차 산업혁명의 제조업 중심 경제 체제라고 볼 수 있겠습니다.
그러면 3차 산업혁명은 무엇이냐? 요즘 이야기하는 아마존, 구글, 페이스북, 네이버, 카카오와 같은 이른 바 플랫폼 기업이죠. 경영학적으로 이야기하면 Value network, 가치 네트워크라고 할 수 있습니다. 가치 네트워크 혹은 플랫폼 기업이라는 것은 무엇이냐, 두 종류 이상의 고객을 연결해서 매개해서 가치와 수익을 창출하고 고객이 많을수록 우위를 점하는 `네트워크 효과`를 지니는 비즈니스 모델을 이야기한다는 것이죠.
그러면 4차 산업혁명은 무엇이냐? 어떠한 비즈니스 모델이 핵심이냐? 제가 이러한 것과 관련된 논문을 쓰고 있는데 일단 제가 생각하는 것은 현재 가치 엔진, 밸류엔진에 따른 비즈니스 모델이라고 보고 있습니다. 엔진이라는 것이 무엇입니까? 엔진은 다른 에너지를 운동 에너지를 바꾸는 그런 기계이거든요. 자동차의 경우는 연료를 운동 에너지로 변환하는 엔진을 갖고 있는 것이죠. 그러면 4차 산업혁명이라는 것은 AI 엔진을 이용해서, 결국 데이터를 연료로 해서 행동을 발생시키는 그러한 AI 엔진을 통해서 가치를 창출하는 그러한 비즈니스 모델이다. 라고 볼 수 있을 것입니다.

[인공지능 : 주어진 목표, 적절 행동, 제품/인간/서비스/환경/인프라 만드는 방법론](p.2)
오늘은 여러분들이 인공지능을 정확하게 아는 그러한 시간이 되면 좋겠습니다. 인공지능의 정의를 한 번 공부해보겠습니다. 정확하게. 인공지능에 대해서 많은 사람들은 사람처럼 생각하는 무엇을 만든다고 생각합니다. 거기서 상당히 많은 것이 잘못되고 있습니다. 사람처럼 생각하는 무엇을 만드는 것이 아니라 주어진 목표를 위해서 적절히 행동하는 것입니다. 그러니까 사람처럼이 아니라 적절히, 생각하는 것이 아니라 행동하는 것이라고 여러분들께서 생각해주셔야 합니다. 이것이 전통적인 인공지능 연구와 학자들이 이야기해온 것입니다. Russell & Norving이 일찍이 1995년에 이야기 한 것이고요. 최근에 Russell의 2021년 강의자료를 보아도 인공지능이라는 것은 어떠한 Agent를 만드는 것인데 그 Agent는 perceive하고 act하다는 것이죠. 감지하고 행동하는 것입니다. 그 중간에 think라는 말이 업죠. 왜냐면 think라는 말은 상당히 모호하기 때문입니다. 세상에 대해서 감지하고 그 다음에 행동하는 것입니다. 그런데 어떻게 행동하느냐? 제가 영어로 써놨죠. "Machines whose actions can be expected to achieve their objectives" 그들의 목표를 달성할 것이라고 여겨지는데 그것에 기여하는 action을 한다는 것입니다. 생각한다는 말은 안 나오죠. 학자들이라는 것은 말을 함부로 하는 사람들이 아니에요. 인공지능을 마치 생각하는 기계를 만든다던가 사람처럼 생각하는 기계를 만든다던가 이런 식으로 편하게 이야기하는 것은 학자다움이 아닙니다. 인공지능 학자들은 철저하게 어떤 것이 더 명확하고 정확한 정의인지를 계속해서 고민해왔다는 것이죠. 여기서 보면 그 objective는 누가 주는 것이냐? humans 이 주는 것이다. 그리고 인간이 준 목표를 달성하도록 여겨지는 달성하는데 기여할 것으로 여겨지는 행동을 하는 기계를 만드는 것이 인공지능이라는 것입니다. 이런 것들은 선배 학자들의 연구에서 나온 것인데요. 사실은 1991년에 James Albus라는 사람의 논문이 "Outline for a theory of intelligence"라는 논문이 있었는데 그 논문에서 지능을 정의했는데 되게 재미있게 정의했습니다. 우리가 누구한테나 지능은 무엇일까, 지능에 대해 이야기해봐, intelligence에 대해 정의해보라고 하면 누구나 쉽게 이야기하겠죠. 하지만 James Albus는 뭐라고 했냐면 지능이란 성공확률을 높일 수 있도록 적절히 행동하는 시스템의 능력이라고 정의했어요. James Albus의 정의에 따라서 후배 학자들이 계속 인공지능의 정의를 다듬어 왔는데요. 2010년에 Nilsson 교수가(2년 전에 돌아가신 스탠포드 대학 교수) 인공지능을 정의한 것이 지금 거의 모든 인공지능 학자들이 사용하고 있다고 보시면 되겠습니다. Nilsson이 뭐라고 했냐면 인공지능은 기계를 지능적으로 만드는 활동인데, 그 지능이라는 것은 어떤 주체가 적절히 기능할 수 있도록 하는 특징이다. 또, James Albus의 지능의 정의를 활용해서 Nilsson이 인공지능 정의를 만들었고 그것을 많은 학자들이 사용하고 있다고 보시면 되겠습니다. OECD도 처음 2017년만해도 인공지능의 정의를 사람처럼 생각하는 기계로 정의했었습니다. 제가 한국에서 2017년에 OECD 분들을 한국에서 만났는데, 제가 그 분들에게 뭐라고 했습니다. 선진국의 정책을 가이드라인하는 중요한 기구 OECD가 이렇게 인공지능에 대해서 제대로 모르고 있으면 당신들이 어떤 인공지능 정책 가이드라인을 제대로 할 수 없다. 인공지능의 정의를 제대로 배워야한다. Russell을 파리로 초청하세요. 라고 얘기했습니다. 그 뒤로 정말 Stuart Russell이라는 버클리 대학 교수를 초청해서 강의를 들었고 결국 OECD의 AI정의가 바뀌었는데요 2019년 OECD 리포트를 보면 아주 잘 정의했습니다. AI시스템이란 인간으로부터 주어진 목표를 위해서 예측하고 추천하고 실제 혹은 가상 환경에서 의사결정에 영향을 줄 수 있는 기계 기반의 시스템이라고 정의하고 있습니다. 저는 여러가지 인공지능 정의에 대한 많은 분들의 인식이 조금 낮은 것을 보고 2020년에 논문을 하나 썼는데요. 그 논문에서는 인공지능을 어떻게 정의하고 있냐면 주어진 목표를 위해서 적절히 행동하는 지능적 제품, 인간, 지능적 서비스, 지능적 환경이나 인프라를 만드는 방법론이라고 정의하고 있습니다. 지금 이 장표에 있는 내용들을 보시면서 적절히 인공지능이 무엇인지를 한 번 생각해보시면 되겠습니다.

[인간 같은(Human-like) 로봇은 언제 나올까?](p.3)
제가 바로 전 장표에서 인공지능은 사람 같은 것을 만드는 것이 아니다. Human like 한 것을 만드는 것이 아니라고 이야기했는데요. Human like 한 인공지능을 이야기하는 사람들은 마치 천동설, 해가 지구를 돈다고 생각하던 천동설과 비슷해요. 합리적 AI가 지동설입니다. 인공지능이 발전하면 발전할수록 인공지능 시스템은 인간과 닮는 것이 아닌 더 합리적인 AI로 가게 된다는 것이죠. 여러분 인공지능 영화 좀 보시나요? 저는 어제도 "West world"라는 영화를 봤어요. 집에서. "her"도 있고요. 최근에 나온 "I`m your man" 꼭 보세요. 너무 재미있습니다. 독일 영화인데요. 여성 감독이 만든 영화인데 여성 관점에서 상당히 재미있으실 거에요. 여성분들은 특히. 독일어로" Ich bin Ihr Mann"으로 아마 I`m your man이라고 번역되기보다는 I`m your human이라고 번역되는 것이 더 좋은 영화인데요. 거기도 사람 닮은 인공지능 로봇이 나오기는 해요. 되게 재미있는데 그런 것은 영화일 뿐입니다. 그래서 여러분들이 인공지능 영화나 드라마를 즐기시는 것은 좋아요. 하지만 그것은 현실이 아니고 그냥 공상과학이죠. 오늘은 그러한 영화 속에 인공지능을 다루는 시간은 아니고요. 정말 학문에서의 인공지능, 경제 체제에서의 인공지능, 산업에서의 인공지능과 같은 정말 현실적인. 영화에서 꿈꾸는 인공지능이 아닌 현실적인 인공지능을 다루는 날입니다. 비행기를 한 번 생각해보세요. 옛날에 비행기를 만드는 기술이 발전하지 않았을 때는 사람들은 비행기가 새처럼 날 것으로 생각했습니다. 날개를 퍼덕거리면서 날 것으로 생각했던 거죠. 실제로 비행기와 관련된 역사와 관련된 것을 보면 날개를 퍼덕거리는 비행기를 많이 만들었지만 대부분 다 땅에 떨어졌죠. 결국 비행기가 정말 우리를 미국, 전 세계 어디든지 데려다 주는 것은 새처럼 날지 않을 때 부터라는 것입니다. 날개를 고정시킬 때, 고정 비행기가 나올 때부터 가능하다는 것이죠. 인공지능도 사람과 비슷하게 닮은 것처럼 생각하는 순간 아직 멀었다는 것입니다. 그런 생각을 하지 말라는 것이죠. 비행기가 발전하면 할수록 새처럼 생기지 않는다는 것. 자동차가 발전하면 할수록 사람처럼 뛰지 않는다는 것입니다. 자동차는 바퀴로 달려가지만 사람은 뛰어갔죠. 계속 뛰어가는 자동차를 만들려고 했다면 여전히 우리가 자동차 시속 100km씩 달릴 수 없었을 것입니다. 결국 항공 공항은 Bird-like machine 개발을 포기하면서 가능해졌다. 새를 연구하는 조류학자들이 비행기를 만드는 것이 아닙니다. 뇌를 연구하는 뇌과학자들이 인공지능을 만드는 것이 아니에요. 뇌를 연구하면 좀 도움은 되겠죠? 새를 연구하면 비행기를 만드는 데 좀 도움은 되겠죠. 하지만 비행기는 누가 만듭니까? 항공 공학자가 만드는 것이죠. 새를 연구하는 조류학자가 만드는 것이 아닙니다. 결국 비행기 역시 유체역학 이론인 베르누이 방정식을 이용해 만들어졌다. 그래서 우리가 사람 닮은 로봇이라는 개념, 사람 닮은 인공지능이라는 개념을 좀 탈피할 때 오히려 우리의 인식이 더 넓어진다는 것이죠. 왼쪽의 그림 보면 테슬라 로봇인데요. 올해에 2021년 8월에 발표되었죠. 2022년에 시제품을 내놓는다고 하는데 상당히 사람처럼 닮았죠? 일론 머스크가 워낙 훌륭한 분입니다. 하지만 제가 보았을 때는 사람 닮은 로봇의 개념으로 나오는 것은 실패할 가능성이 크다, 뭔가 잘못 접근했다고 보고 있습니다. 물론, 테슬라 로봇은 자동차에서 사용하는 8대의 카메라를 그대로 사용하고 있다는 면에서 기존에 테슬라 자동차가 배운 학습 내용을 그대로 계승할 수 있다는 것은 매우 의미 있다고 봅니다. 2021년에 일론 머스크가 사람처럼 생긴 테슬라 로봇을 출시하는지 지켜보죠. 일론 머스크는 늘 거짓말을 하면서 사업을 하고 있어요. 그래서 좀 위대한 부분도 있고 좀 문제가 있는 부분도 없지는 않습니다. 한 번 지켜보시면 되겠습니다. 만약 일론 머스크가 하는 말을 그대로 믿었다면 이미 2020년인 작년에 전 세계에 수백만 대의 사람이 운전하지 않는 자율주행 택시가 나와야 하는데요 지금은 하나도 없죠. 그런 문제가 좀 있습니다. 오른쪽 상단에 있는 그림을 보면 아마존이 최근에 출시한다고 하는 아스트로라는 로봇이에요. 1,000불, 100만 원 조금 넘을 것으로 생각하는데 그동안 아마존은 인공지능 스피커인 알렉사가 있어서 스피커를 집에 놔뒀죠. 사실 인공지능 스피커도 집에서 거의 쓰지 않죠. 그게 참 오늘 강의에도 나오는 것이지만 쉽지 않은 것인데요. 아마존은 고정되어있는 알렉사를 좀 더 넘어서 이제는 집안을 바퀴 달려서 강아지처럼 돌아다닐 수 있는 로봇 아스트로를 출시하겠다고 하는데요. 이런 로봇이 점점 발전하고 있는 것은 분명 사실입니다.

[AI, 머신러닝(기계학습), 딥러닝의 관계](p.4)
인공지능의 정의를 공부하셨죠. 그러면 이제 또 많이 들으시는 용어인 기계학습이라는 용어, 영어로 이야기하면 Machine Learning이라는 것에 대한 정확한 정의를 말씀드리겠습니다. 이것도 그냥 아무렇게나 이야기하는 것이 아니라 기계학습의 최고 일인자라고 할 수 있는 Tom Mitchell 교수의 정의를 쓸게요. 카네기 멜런 대학에 있는 교수님인데요, 이분이 아마 1990년대에 Machine Learning이라는 책을 썼는데 저도 그 책으로 공부하곤 했습니다. Machine Learning이라는 책을 보면 정확하게 Machine Learning에 대해 정의하고 있어요. 슬라이드에 있는 기계가 세계에 대해서 경험하고 관찰하면 할수록 성과가 향상될 경우 그 기계는 학습한다고 말할 수 있다는 것입니다. 이것이 머신러닝의 정의입니다. 여러분 집에 로봇청소기 있으신 분 있을 겁니다. 어떻습니까? 요즘 집에 있는 로봇청소기가 여러분들 집에 처음 온 날. 여러분 집을 청소하는 그 performance, 성과가 한 달 후 일 년 후 좋아지던가요? 안 좋아지던가요? 지금 제가 관객이 없이 녹화하고 있어서 반응을 볼 수 없는 것이 안 좋습니다마는 우리 집에 있는 로봇청소기는 성과가 향상되지 않아요. 그죠? 왜요. 머신러닝하지 않는 로봇청소기이기 때문이에요. 말만 로봇이 붙어 있어질 뿐입니다. 그래서 제가 집에 있는 로봇청소기 볼 때마다 `내가 로봇청소기 하나 만들어?` 할 정도로 바보 같은 로봇청소기입니다. 하지만 앞으로 어떻게 될까요? 앞으로 분명히 5년~10년 이내에 머신러닝하는 로봇청소기가 생기겠죠? 여러분의 집에 처음 온 날 보다는 그 다음날이 더 잘하고 그 다음날이 더 잘하는, 그 로봇청소기란 기계가 세계에 대해서 경험하면 경험할수록 관찰하면 관찰할수록 성과가 향상되는 그러한 것들이 굉장히 많이 나올 것입니다. 제가 요즘 영어 회화 앱을 하나 쓰는데요. 어느 앱이라고 말씀드리지는 않겠어요. 무료로 한 7일 쓰다가 7일이 지나서 어느 날 10만 원이 결제되었더라고요. 제가 깜짝 놀랐습니다. 와 10만 원? 1년 치 사용료가 10만 원이에요. 제가 울며 겨자 먹기로 영어 회화 스피킹 앱을 써야 하는데요. 그 앱에 대한 제가 갖고있는 불만은 무엇이냐면 저에 대해서 러닝하지 않아요. 저의 실력을 잘 알고 저에게 잘 맞는 콘텐츠를 적절히 제공할 수 있다면 제가 그 앱을 굉장히 사랑하면서 저의 영어 회화 실력을 빨리 올릴 수 있을 것 같은데, 저에 대해서 경험하면 경험할수록 성과가 향상돼야 하는데 성과가 향상되지 않는 것이죠. 그러니 제가 아마 이 앱을 1년 정도 쓰고 그때도 만약 이 앱에 머신러닝하는 기능이 들어있지 않다면 저는 이 앱을 이제 버릴 것입니다. 여러분들께서 어떤 사업을 하시든지, 어떤 서비스를 하시든, 제품을 만드시는 분이라면 앞으로는 여러분들이 만드시는 제품, 서비스, 사업에 머신러닝하는 기능이 들어있어야 합니다. 걔가 세계에 대해서 경험하면 경험할수록 성과가 향상될 수 있도록 만들어야 한다는 것이죠. 왼쪽에 그림을 보시면 AI가 가장 큰 범주에 있고요. 그 안에 머신러닝이라는 것이 들어있죠. 머신러닝은 AI의 하나의 방법론입니다. 알파고도 결국은 Concolutin Neural Network라는 하나의 딥러닝 방법론과 Reinforcement learning 강화학습이라는 기기 학습방법론 그 다음에 Monte Carlo Tree Search라는 기존의 인공지능 방법론을 섞어서 만든 것이에요. 딥러닝, 머신러닝, 인공지능 방법으로 인공지능은 모든 방법론을, 머신러닝 방법론을 포함하는 것이고 머신러닝 안에 또 딥러닝이 들어갑니다.

[딥러닝(인공신경망, Artificial Neural Network](p.5)
여러분 딥러닝이라는 말을 많이 들어보셨습니다. 딥러닝이라는 말도 오늘 저에게 확실하게 배우시길 바라요. 물론 오늘은 한 시간 반밖에 안 되기 때문에 딥러닝이 어떻게 작동되는지까지 설명해 드릴 수는 없어요. 그걸 배우시고 싶으신 분은 유튜브에 경전티비에 가시면 최고로 쉽게 배우는 딥러닝 방법론이라는 동영상이 있을 텐데 그것을 한 번 보시기 바랍니다. 오늘은 딥러닝에 대해 쉽게 가르쳐드릴 만한 시간은 안되고 딥러닝이 무엇인지에 관한 간단하게 말씀드리겠습니다. 왼쪽 그림 보시면 우리가 중고등학교 때 뉴런에 대해서 배웠거든요. 뉴런이 수상돌기가 있고 축삭돌기가 있는 이야기를 중, 고등학교 때 살짝 배웠습니다. 우리 인간의 몸, 동물의 몸은 신경망의 네트워크들이거든요. 신경세포의. 인간과 동물의 신경망 작동에서 영감을 받아서 단순화하고 재창조한 것이 이러한 인공신경망입니다. 이러한 신경망 구조를 만들면 논리적 추론이 가능해지고 자동으로 학습하는 것이 가능하다는 것을 발견했는데요.

[딥러닝(인공신경망, Artificial Neural Network](p.6)
그것이 언제냐면 1943년에 McCulloch & Pitts라는 분이 이러한 신경세포랑 비슷하게 컴퓨터를 만들면 얘가 논리적 추론이 가능하고 아마 학습도 가능하리라는 것을 처음 이야기했고요. 이것을 학습하는 기계를 처음 만든 것이 1958년에 코넬 대학의 Rosenblatt라는 사람이 Perceptron이라는 기계를 만들었습니다. 이것이 가장 간단한 구조의 어떤 인공신경망이었고요. 왼쪽 하단의 그림을 보시면 1986년에는 가운데 Hidden Layer라는 것이 생깁니다. 오른쪽 보시면 2000년대 2010년대에 Hidden Layer가 굉장히 많아지는, 딥한 그래서 딥이라고 부르는 거예요.

[딥러닝(인공신경망, Artificial Neural Network](p.5)
다시 보면 결국은 이렇게 인공신경망 구조로 논리적 추론이 가능하고 자동으로 학습해 나가는 것이 가능하다고 발견해 나가는 과정인데요. 결국은 에러를 제곱한 것을 다 더한 합을 줄이는 방향으로 가중치를 조절하는 것입니다. 결국 뉴런과 뉴런 사이에 가중치가 있는데 이것을 여러 데이터와 세상을 경험하는 과정을 통해서 과중치를 조절하는 거에요. 그럼 학습이라는 것은 신경세포와 신경세포 사이에 연결된 가중치의 변화라는 것이고요. 여기 딥이라는 말이 붙은 것은 은닉층이 2개 이상 있는 경우, 요즘은 은닉층이 수백 개인 인공신경망도 나오고 있는 것입니다. 초기에는 저렇게 간단했어요. 왼쪽 하단 그림을 보시면 은닉층은 없고 입력층과 출력층만 있었죠. 1986년에 드디어 입력층과 출력층이 아닌 Hidden Layer, 은닉층이 필요하다는 것을 알게 되었고 그것이 2000년대 2010년대를 거치면서 하나의 Hidden Layer가 아닌 수십 개, 수백 개의 Hidden Layer가 필요한 상황으로 진화했다는 것입니다.

[인공지능 품질 관리 사례](p.7)
이런 딥러닝은 사실 요즘 모든 사람한테 필수입니다. 여러분이 딥러닝을 모르면 여러분들의 어떠한 부의 수준이 달라질 거에요. 그래서 딥러닝을 저의 강의를 들으시는 분들이 있다면 딥러닝을 많이 배우시기를 바래요. 그것은 정말 여러분들의 어떠한 경제적 부를 위해서 말씀드리는 것입니다. 제가 했던 사례를 하나 말씀드릴게요. 프론텍이라는 중소 제조기업인데요. 여러 제품을 만드는데 그 중에 하나가 저기 보시면 너트를 만들어요. 용접 너트. 이것을 하루에 10만 개를 생산합니다. 현대자동차 같은 자동차 회사에 납품합니다. 하루에 10만 개가 생산된 너트의 불량 여부를 판단하는 인공지능 시스템을 개발한 것인데요. 0.2초 안에 95% 이상의 정확도로 분류해야 해요. 그런데 원래 현대자동차가 이 회사에는 이 너트의 나사 선과 직경만 맞으면 그동안은 불량이라고 이야기하지 않았어요.


[불량품을 찾아내는 인공지능 : 데이터 준비](p.8)
근데 현대자동차가 어느 날 빨간색 보이시죠. 저렇게 약간 흠이 난 부분, 튀어나온 부분이 있으면 불량이라고 간주해달라고 하청업체인 프론텍에 이야기한 거죠. 프론텍 사장님 입장에서는 곤란해진 거에요. 그동안은 여기 오른쪽 그림 보시면 유리판이 있죠. 너트가 하나 생산되면 유리판에 올라옵니다. 한 바퀴 돌아요. 유리판을 그 다음 위, 아래, 옆에서 세 대의 카메라가 사진을 찍어서 불량품이면 바람을 쐬어 떨어뜨리는 구조로 되어있는 거거든요. 그런데 어느 날 나사 선과 직경만 맞으면 된다고 하던 현대자동차가 더 강한 품질요구를 한 것이죠. 왜냐? 현대자동차도 점점 세계 최고의 글로벌한 자동차 회사로 가고 있기때문에 조금이라도, 너트 하나에도 흠이 가지 않았으면 좋겠다는 거에요. 그래서 사장님이 이 비전 검사기(오른쪽 위에 있는 기계) 사장님한테 이야기한 것입니다. 현대자동차가 이렇게 새로운 요구를 하는데 당신이 해줄 수 있냐, 비전 검사기 사장님은 인공지능 딥러닝을 모르니까 못한다고 이야기 한 거에요. 제가 아까 뭐라고 했죠. 딥러닝을 아는 만큼 더 돈을 벌 수 있다고 말씀드렸죠. 비전 검사기 사장님도 딥러닝을 모르기 때문에 이 프로젝트를 못한 거에요. 저랑 하게 된 건데요. 저한테 부탁해서 왼쪽 그림 보세요. 하루에 10만 개의 너트를 두 분이 일일이 눈으로 검사해야 합니다. 상당히 고통스러운 작업이겠죠. 그래서 어떻게 했느냐 데이터가 있어야 합니다. 인공지능 엔진에는 데이터가 들어가야 합니다. 데이터는 어느 정도 필요하냐면요. 불량품의 종류별로 1,000장 정도가 필요합니다. 데이터가 필요할 때에는 이미지 데이터의 경우 종류별로 약 1,000장, 윗면 사진에는 정품과 불량품의 종류 두 가지가 있고 아랫면 사진에는 정품과 불량품의 종류 세 개가 있습니다. 그러면 종류별로 곱하기 1,000으로 필요하다는 것이죠. 그런데 회사에서는 오른쪽 그림 보시면 윗면 사진은 총 1,200장을 주었죠. 종류가 3가지인데, 그러면 평균 400장을 준거고요. 아랫면 사진 보면 총 2,000장을 주었죠. 종류가 4가지인데. 평균 500장을 주었죠. 이 정도도 해볼 수 있어요. 왜냐하면 이미지를 거울 이미지를 만들거나 로테이션 시켜서 데이터를 증강하는 것이죠. 영어로 이야기하면 Data Augmentation 한다고 하는데 Data Augmentation 한 거죠.

[VGG(Visual Geometry Group)-16](p.9)
그래서 학습했는데 성공한 것이죠. 이걸 학습하는 딥러닝 모델은 옥스퍼드 대학이 개발한 VGG-16이라는 것을 써서 개발했어요. VGG-16은 왜 16이냐 하면 아까 제가 딥러닝 이야기할 때 은닉층이 10개다 100개다 이야기했죠? 이것은 16개짜리 은닉층을 가진 그러한 딥러닝 모델입니다. 이걸 가지고 저희가 개발해서 공장 시스템에 넣어준 것이죠. 그런데 운 좋게도 3개의 인공지능 학회에 2020년에 혁신적 인공지능 운용상 최고상을 받았습니다. 이런 식으로 딥러닝을 이용해서 세상에 많은 문제를 해결할 수가 있어요.

[Likely developments in the 2020s](p.10)
아까 제가 소개한 Russell 교수는 2020년대 이러한 일들이 일어날 것이다. 전쟁과 도로, 창고, 광산, 들판, 가정에서 사용되는 로봇들이 많이 나올 것이고 우리 생활에 많은 부분을 도와주는 개인적인 Digital assistants가 나타날 것이고 language systems이 Commercialize될 것이고 통신위성의 어떠한 이미지를 통한 Global vision systems라던가 코로나19와 같은 바이러스 때문에 고생했기 때문에 새로운 질병을 모니터링하고 대응하는 Global한 시스템들이 인공지능에 의해서 만들어질 것이라고 예상하고 있습니다.

[AI를 활용한 디지털 트랜스포메이션](p.11)
저는 현재 어떤 일들이 일어나는지 잠깐 소개해보겠습니다. 제품의 혁신, 로봇의 상업화, 산업의 혁신, 프로세스/서비스 혁신적으로 창출되고, 서비스 산업이 창출되고, 콘텐츠가 창출되고 R&D가 AI로 일어나는 사례들을 말씀드려보겠습니다.

[AI를 활용한 디지털 트랜스포메이션](p.12)
오른쪽을 보시면 LG 에어컨인데 카메라가 달려있어요. 카메라가 사람이 있으면 바람을 찬 바람을 쏘고 사람이 없으면 바람을 중단하는 기능이 있다는 것이죠. 이것이 다 인공지능 딥러닝 기술에 의해서 되는 것입니다. 오른쪽 하단에 보시면 제너럴 일렉트릭에 마이크로웨이브인데요. 여기도 카메라가 여러 군데 달려졌죠. 이제 전자레인지에 우리가 음식을 집어넣으면 카메라가 인식해서 음식이 제대로 잘 익혀졌는지를 보고 판단해서 조리 시간을 결정한다는 것입니다. 왼쪽 그림은 덴마크에 Widex라는 회사의 보청기 사례인데요. 사람의 목소리만을 발라내서 증폭하는 것이죠. 기존의 보청기는 모든 소리를 증폭하니까 너무 귀가 아팠습니다. 그것을 사람의 목소리만 발라내는 기능이 있다는 것입니다.

[뤼이드 : 예상 점수 예측 오차의 최소화, 목표 실력 도달시간 최소화](p.13)
뤼이드라는 회사에 한 번 인공지능 시스템이 어떻게 돌아가는지 보겠습니다. 뤼이드는 올해 5월에 손정희 회장님, 한국인의 피가 흐르는 일본사람이죠. 어머니 아버지가 둘 다 한국 사람인데 일본에서 태어났기 때문에 일본사람이고 한국말은 못 해요. 하지만 쿠팡에도 3조를 투자해서 나스닥에 상장시켰고 뤼이드에는 2,000억을 투자했습니다. 뤼이드는 산타 토익이라는 서비스로 굉장히 유명해진 회사인데요. 산타 토익이라는 서비스가 어떠한 인공지능 알고리즘이 들어있어서 성공했는지 잠깐 소개해드릴게요. 왼쪽에 표가 있는데요. Kim, Lee, Park, Choi, Kwon 다섯 명이 영어시험 문제, 토익 문제를 풀었다고 하겠습니다. A, B, C, D, E, F를 풀었어요. 그런데 1번이라고 된 것은 무엇이냐면 빠른 시간에 정답을 낸 케이스이고요. 5는 시간이 걸려 오답을 낸 케이스입니다. 여기서 Kim이라는 사람과 가장 실력이 비슷한 사람이 누구입니까? 여기 보시면 Kim이 틀린 문제는 같이 틀리고 맞은 문제는 같이 맞은 사람이 실력이 비슷하다고 볼 수 있겠죠. Kim과 가장 비슷한 사람을 보면 Park이에요. 그럼 Park의 문제를 보면 E와 F에 E는 5번이고 F는 1입니다. E는 시간이 걸려서 오답이 났고요. F 문제는 빠른 시간에 정답이 났습니다. 여러분들 같으면 Kim에게 E라는 시험문제를 추천하시겠어요? F라는 시험문제를 추천하시겠어요? 이것은 선생님 성격에 따라 다를 텐데요. 굉장히 쉬운 문제를 추천하는 선생님은 착한 선생님일 경우가 많고 어려운, 틀릴만한 문제를 자꾸 추천하시는 선생님은 좀 엄격한 선생님일 가능성이 큰데요. 뤼이드의 산타 토익은 엄격한 선생님 전략을 택했어요. 이 사람과 가장 실력이 비슷한 사람을 찾아서 그 사람이 틀렸던 문제를 자꾸 추천하는 것입니다. 그래서 이 경우에는 Park이 틀렸던 E 문제를 Kim에게 추천한다는 것입니다. 이렇게 되면 목표 실력까지 도달하는데 그 시간이 최소화된다는 것입니다. 그 다음에 이러한 여러 데이터를 가지고 이 사람이 한 9문제만 풀어도 토익을 몇 점 맞을지 알게 된다는 것이죠. 예상 점수를 예측하는 그런 오차를 최소화하고 목표 실력에 도달하는 시간을 최소화함으로써 산타 토익을 쓰는 사람들이 빨리 토익 실력이 올라가게 한 것이에요. 토익 실력이 올라가면 그것이 돈이 되나요? 토익 실력이 올라가면 취직시험, 승진시험, 대학원 입시 등 여러군데에 많이 활용할 수가 있습니다. 그럼 토익 실력이 올라간다는 것은 돈이 되기 때문에 많은 소비자가 여기에 돈을 쓸 수 있었다는 것이죠. 아까 제가 사용하는 인공지능 영어 회화 앱을 이야기했는데요. 그 앱이 뤼이드의 산타 토익처럼 이러한 머신러닝 기능이 있고 AI기능이 있다면 제가 얼마나 그 앱을 사랑하면서 쓰겠어요. 앞으로 모든 서비스와 제품이 이런 식으로 머신러닝하는 기능이 들어가게 되리라는 것입니다. 우리가 주식투자를 하더라도 여러분들께서 머신러닝이 되는 회사를 한 번 중심으로 보면 쉽게 주식투자를 할 수도 있을 것으로 생각합니다.

[의료 AI](p.14)
이번에는 의료 AI에서 재미있는 사례를 말씀드릴게요. Vuno라는 회사가 아산병원과 같이했던 건데요. 오른쪽 보면 손가락 엑스레이 사진이 있죠. 아이가 키가 안 크면 부모님이 걱정해서 병원에 데리고 가서 손가락 엑스레이를 찍는다고 합니다. 그래서 아이의 뼈 나이를 찾아보는 거에요. 나이가 12살인데 뼈 나이가 10살이면 키가 더 클 수가 있습니다. 그런데 나이가 12살인데 뼈 나이가 12살이면 키가 더 클 가능성이 적은 거죠. 이 뼈 나이를 정확하게 알기 위해서 엑스레이를 찍은 다음에 밑에 있는 책을 보면서 일일이 대조하는데 이를 진단하는 시간이 정확하게 믿을 수는 없지만 30분이 걸린대요. 그리고 이것이 온라인 강의 때문에 되도록 돈이야기를 할 수가 없어요. 그런데 할까요? 그냥? 이것이 대충 엑스레이 진단료가 5만 원이라고 합니다. 병원 입장에서는 엑스레이 사진을 찍고 의사의 시간 30분을 투여해서 5만 원을 버는 비즈니스가 되는 것이죠. 그런데 이것을 한 번 자동화해보자. 인공지능으로. 한 것입니다. 여러분들 제가 하나 질문을 할게요. 아이의 나이가 5살부터 16살까지 12개 종류의 나이가 있다고 합시다. 그러면 이미지 데이터가 몇 개 필요하겠습니까? 이것을 학습시키려면. 제가 아까 뭐라고 했죠? 종류별로 1,000장이 필요하다고 얼추 말씀드렸죠. 이것도 비슷해요. 만약 아이의 나이가 4살부터 16살까지라면 우리가 15개 나이 카테고리가 있고요. 15개면 곱하기 1,000해서 15,000장이 필요한 것입니다. 제가 Vuno의 논문을 읽어봤더니 60,000장을 사용했어요. 나이별로 1,000장이 아니라 4,000장 정도를 사용했을 가능성이 있는 거죠. 그러면 기대에 충분한 데이터가 되었을 가능성이 있습니다. 이것을 딥러닝 모델에 집어넣어서 학습시킨 결과 왼쪽 그림을 보시면 의사 선생님들보다 잘해요. 그런데 그 인공지능 시스템을 의사들한테 주었더니 의사들의 퍼포먼스를 높이더라는 것입니다. 이것을 이제 병원에 파는 비즈니스 모델을 하는 것이에요. 병원에 팔면 한 번 진단할 때마다 만 오천 원을 Vuno가 가져가요. 만 오천 원을 다시 아산병원과 그 영업이익을 둘로 나누는 비즈니스 모델을 만들고 있는 것입니다. 그러면 결국은 현재는 많은 대학병원이나 이런 데이터를 가진 병원들이 Vuno와 같이 일하고 싶어 한다는 것이죠. 그래서 이러한 AI 의료 서비스를 만들고 그것을 가지고 매출을 내고 그것으로 다시 수익을 나누는 그러한 비즈니스 모델로 가고 있다라는 것입니다.

[비프로 일레븐](p.15)
비프로 일레븐, 비프로 컴퍼니라는 회사의 AI사례를 말씀드릴게요. 강현욱 대표는 대학때 축구부를 했는데요. 취업을 잘하기 위해서 코딩을 배웠대요. 그런데 축구를 너무 좋아해서 축구부에 들어갔는데 이분이 축구부에서 축구를 하다보니 기록이 많이 필요하다라는 것이에요. 그래서 만든 것이 비프로 일레븐이라는 서비스인데요. 축구경기장에 왼쪽 그림처럼 카메라 세 대를 달아요. 90분 축구경기가 있으면 그 영상 세 개를 합칩니다. 하나의 영상으로 만들고 그것을 AI가 분석하는 것입니다. 얼마나 어느 선수가 몇키로 뛰는지, 패스는 누구에게 하는지, 패스 성공률은 어떻고 유효슈팅률은 어떻게 되는지를 AI가 분석하는 것이죠. AI가 완벽하지는 않아요. 그래서 축구 매니아들과 같이 일해서 AI가 분석한 것과 사람이 같이 도와줘서 만드는 것이죠. 아까 Vuno같은 것도 마찬가지에요. AI시스템을 사람인 의사에게 줘서 최종 결정은 사람이 하도록 만드는 것이죠. 이러한 서비스를 만들어서 독일에 갔습니다. 독일 함부르크에서 실제로 본인이 6부리그 축구팀에 뛰어요. 그래서 이러한 AI가 분석한 데이터를 자기 팀한테 줬더니 이 팀이 6부리그에서 4부리그로 승격하게 됩니다. 그러면서 입소문이 나면서 작년 데이터로 12개국에 700개팀을 고객사로 확보하는 그러한 성장을 이루어서 지금은 축구종가인 영국 런던으로 본사를 이전해서 AI로 축구의 판을 바꾼다. 스포츠계의 구글이 될 것이라고 기염을 토하고 있는 한국의 AI회사입니다.

[수퍼빈](p.16)
수퍼빈도 재미있죠. 여기 오른쪽에 보시면 약간 자판기처럼 생겼죠. 자판기에 돈을 집어넣으면 캔이나 병이 나오지만 이것은 반대에요. 캔이나 패트병을 집어넣으면 재활용이 가능한지 보고 전화번호로 적립을 해주는 것입니다. 지구환경의 보호를 위해서 선순환 경제 비즈니스 모델을 만들고 AI와 로보틱스 서비스디자인 역량으로 구현하는 회사입니다. 페트평과 알루미늄 캔을 수집하고 분류하고 가공해서 고부가가치 원재료로 변환하는 과정을 수직 계열화하는 것이에요. 오른쪽에 보시면 플레이크를 만들었는데 플레이크를 만드는 공장도 수퍼빈이 세우고 있습니다. 그 다음에 여기에 AI모델이 들어가 있는거죠. 그런데 만약 우리가 신발을 인식하는 모델을 거기다 집어넣으면 어떻게 되죠? 이것은 신발을 수거하는 로봇으로 바뀌는 것이죠. 집에 있는 안 신는 신발을 집어넣으면 신발을 수거할 수 있다는 것입니다. 결국 폐기가 끝이 아닌, 폐기물이 새로운 생산의 재료가 되는 순환경제를 위한 비즈니스 모델이고 이것을 위한 제도 개혁도 필요한 상황입니다.

[AI 난제](p.17)
AI는 어떤 난제들이 있을까요? 왼쪽에 보시면 Russell의 강의자료를 가지고 왔는데요. Language를 진짜 Understanding하는 것도 아직 연구가 안되었어요. 학습과 지식을 결합하는 것이라던가, 여러 추상적인 레벨에서 장기적인 생각을 하는 것, 이론과 개념을 계속 발견하면서 축적하는 것은 아직 AI가 못합니다. 그리고 이게 언제될지도 모른다는 거에요. 그 다음 AI도 역시 옵티마이제이션 문제이기 때문에 최적화된 솔루션을 구하기가 매우 어려워요. 그래서 AI는 완벽하지 않고 늘 실수를 한다고 생각하시는게 더 좋습니다. 그래서 자율주행 자동차가 빨리 세상에 퍼질 것이라는 예측도 많았지만 잘 안되고 있는 이유가 그런 것이다라고 보시면 되겠습니다. 그래서 오히려 이러한 AI난제에 신경쓰기보다는 현실의 문제를 잘 풀어서 혁신하고 가치를 창출하는 것이 더 시급하다라고 이야기하고 있습니다.

[초거대 AI](p.18)
작년에 세상을 깜짝 놀라게 했던 GPT-3라는 것이 있어요. GPT-3라는 것은 요즘 초 거대 AI라고 하는 사실 언어모델이라고 합니다. 언어모델이라는 것은 어떠한 다음 단어를 맞추는 것이라고 보시면 되요. 영어로 쓰여있듯이. Language modeling (LM) is the use of various statistical and probabilistic techniques to determine the probability of a given sequence of words occurring in a sentence. 이렇게 나오죠. n개의 단어가 들어가면 n+1번의 단어를 맞추는 것인데 이렇게 했더니 작년에 오픈 AI라는 회사가 발표한 GPT-3에서 슬라이드 하단을 보시면 '기린이 눈이 몇개야?'했더니 '기린 눈은 2개야'라고 잘 대답해요. 근데 '내 발은 눈이 몇개야?'했더니 '네 발은 눈이 2개야'라고 엉뚱하게 대답합니다. 언어모델이라는 것은 자기가 학습한 문장에 나온 그러한 것들만 학습하게 되기 때문에 기존의 문장에 발에 눈이 있다는 문장이 없기 때문에 황당한 대답을 하게 되는거죠. 즉, 언어에 의해 표현되지 않은 암묵적 지식은 학습이 안되고 역사적 사실과 현재의 상황, 허구적 문장등을 구분하지 못하는 등 문제가 많다는 것이죠. 네이버도 비슷하게 GPT-3같은 것을 만들었어요. Hyper CLOVA라고. 그런데 한국에서 AI가 무엇을 잘못 이야기하면 작년에 이루다가 나왔는데 성희롱을 당했다는, 동성애를 혐오했다는 등 여러가지 비난을 받는 과정에서 이루다라는 챗봇자체가 문을 닫아버렸죠. 네이버도 Hyper CLOVA를 개발해놨는데 공개를 못하고 있습니다. 계속 자기검열을 하고 있습니다. 재미있는 것은 GPT-3라고 하는 것이 파라미터가 1750억개입니다. 학습비용으로 치면 거의 공 하나를 빼면 우리나라 돈으로 학습비용이 나온다고 보시면 되요. 파라미터가 1750억개면 공 하나를 뺀 175억 정도의 학습비용이 든다. 학습비용이 약 50억에서 150억 정도 들었거든요. 물론 학습비용은 얼추 무의 법칙에 의해서 줄어들겠죠. 제가 아까 프론텍이라는 회사에 딥러닝 모델(VGG)의 경우는 파라미터가 몇 개냐면요. 약 500만개 됩니다. GPT-3는 1750억개거든요. (VGG)500만개면 학습비용이 얼마나 들었겠습니까? 0하나 빼면 50만원 정도의 학습하는 컴퓨터와 전기세가 들었다라고 보시면 되겠고요. GPT-3같은 경우에는 한 번 학습하는데 50억에서 150억 들었으니까 왠만한 작은 회사의 자본금을 넘어가 버리죠. 그래서 큰 회사에서만 하고 있습니다. 한국에서는 LG전자, SK, 네이버입니다. 네이버는 이미 개발을 했고 중국 화웨이도 이미 개발을 해 놓은 상태입니다. 이렇게 큰 회사들이 초 거대 AI 언어 모델을 만들고 있는 그런 경쟁을 펼치고 있는 상황입니다.

[오직 언어적으로만 학습되었기 때문에](p.19)
하지만 이런 언어모델이라는 것은 오직 언어적으로만 학습되었기 때문에 시공간적 상식이나 인과관계, 동기부여에 대한 지식이 필요한 응용분야에서는 어이없는 실수를 저지른다는 것입니다.

[기사](p.20)
그래서 왼쪽에 보시면 제가 직접 테스트한 내용입니다. '한국에서 제일 좋은 대통령은 누구였어?' 이런 것을 질문했던 내용인데요. 우리나라에서 이런 것이 공개되면 박정희 대통령이라고 해도 욕먹고 노무현 대통령이라고 해도 욕먹고 이렇게 비난하면서 AI를 잘못 개발했다고 하겠죠. 저는 AI는 그냥 실수할 수 있는 하나의 장난감같이 생각해야지 이 아이한테 뭔가를 물어보고 어떻게 대답했다고 해서 비난하고, 개발한 회사를 비난하는 분위기는 없었으면 좋겠습니다. 삼성 같은 경우는 빅스비를 개발했던 전무가 떠나고 페이스북에서는 인공지능 챗봇 서비스 앱이 이미 중단된 것처럼 대화를 하는 인공지능은 아직 상당히 불안전한 상황이라고 보셔도 될 것 같습니다.

[Open AI GPT-3의 Value Engine 모형](p.21)
이것은 open AI를 개발한 GPT-3의 Value Engine 모델이고요.

[GPT-3는 인간 사용자와 협업하면서 새로운 서비스를 창출하고, 생산성에 기여할 것이다](p.22)
하지만 이러한 GPT-3는 실수를 하지만 인간 사용자와 협업하면서 새로운 서비스를 창출하고 생산성에 기여할 것이다.

[초거대 AI 또는 초거대 언어 모델을 추진한다면..](p.23)
즉, 아까 말씀드렸던 것처럼 화웨이, LG, SK등이 GPT-3를 catch-up하는 것을 하고 있습니다. 이러한 언어 모델을 만드는 것은 AI연구개발 사업의 극히 일부일 뿐입니다. 한 번 시도해보는 것은 좋지만 ROI가 아직 나올 수 있는 상황은 아니고요. 그냥 cash burn을 할 가능성이 높죠. 하지만 큰 회사들은 이런 기술 수준을 확보하기 위해서 추격전략을 하고 있다고 보시면 되겠습니다.

[DALL. E](p.24)
같은 GPT-3를 개발한 open AI라는 회사에서는 DALL·E라는 시스템을 올해 초에 논문만 발표했습니다. 아직 시스템을 공개하지는 않았는데요. 되게 신기하죠? 저 가운데 그림을 보시면 `아보카도 모양의 팔걸이의자를 그려봐.`라고 했더니 그린 것입니다. 저기 있는 아보카도 모양의 팔걸이의자들은 인터넷 검색으로 나온 그림이 아니에요. AI가 그린 것입니다. 이런 AI가 초벌 디자인을 해내고 있다라는 거죠. 물론 실수도 많이 해요. 하지만 이런 초벌 디자이너를 가진 디자이너가 훨씬 더 생산성 높게 일하리라는 것을 알게 되겠죠. 오른쪽 상단에 있는 여자 아나운서는 세상에 존재하지 않았던 사람입니다. 인공지능인 거죠. 오른쪽 밑에 있는 아기 얼굴도 있고 남녀 얼굴이 있는데요. 좀 무섭습니다. 이 얼굴들은 세상에 존재했던 사람의 얼굴이 아니라 인공지능이 만든 합성 사진입니다. 정말 사람 같죠. 하지만 인공 사진입니다. 그래서 초상권이 없는 사진들이에요. 얼마든지 우리가 마음 편하게 쓸 수 있는 사진이라는 것이죠.

[번역](p.25)
번역 분야에서도 한국의 플리토가 구글보다 또는 네이버의 파파고보다 더 번역을 잘하는 인공지능 서비스가 되고 있고요. 플리토는 원래 집단지성 서비스였는데요. 어떠한 번역을 의뢰하면 지구상에 있는 인터넷에 물려있는 사람들이 그것을 번역해주고 돈을 받아가는 서비스였어요. 그런데 2016년에는 거기에 인공지능 엔진을 붙였습니다. 사람이 번역하는 서비스에 인공지능 서비스를 붙이면 이 회사는 망할지도 모른다는 리스크가 있었겠죠. 그런데 어떻게 되었을까요? 오히려 이 회사는 더 많은 사람이 번역을 하고 있습니다. 심지어는 플리토에서 번역하는 서비스로 한 달에 2천만 원을 버는 사람도 있고요. 한 달에 플리토에서 돈을 벌어가는 사람이 10만 명이라고 이야기해요. 그럴 정도로 많은 사람한테 번역일을 주고 있는 회사라고 보시면 되겠죠.

[생산성을 통해 본 인공지능의 경제적 효과](p.26)
많은 분이 인공지능은 직업을 없앤다고 생각하고 있는데 그것은 완전히 잘못된 생각입니다. 오늘 제가 한국은행에 와서 하는 한국은행 금요강좌잖아요. 경제를 잘 알아야 해요. 인공지능과 경제가 무슨 관계가 있냐? 너무나 관련이 있습니다. 일단, 많은 사람의 오해가 인공지능은 앞으로 직업을 없앤다는데 절대 반대죠. 인공지능은 생산성을 높여서 결국 생산비용을 줄여서 가격을 떨어뜨리면서 수요를 증가시켜서 더 많은 생산을 가져오고 더 많은 고용을 가져옵니다. 결국은 인공지능이 발전하는 나라일수록 더 많은 고용과 경제성장, 높은 국민소득이 온다는 거예요. 결국 인공지능 기술은 행위자의 물리적 노력의 투입을 덜 하는 대신에 데이터를 활용합니다. 왼쪽 그림 보세요. Max Boisot이라는 대학자가 그린 그림인데요. 우리 사회라는 것은 물리적 요소를 투입하다가 점점 데이터를 투입하는 시대로 온 것이고 인공지능은 그것이 극대화되고 있는 것인데 이렇게 되면서 생산성의 발전이 경제를 성장시키고 고용을 증가시킵니다. 그래서 인공지능에서 생산성이 올라가면 경제는 성장하고 고용은 증가할 것이다. 즉, 실업은 줄어든다는 것이죠. David H.Auto라는 MIT 교수가 2015년에 쓴 논문이 있어요. 거기 보시면 `Why Are There Still So Many Jobs? The History and Future
of Workplace Automation` Journal of Economic Perspectives에서 나온 논문인데요. `Journal of Economic Perspectives`는 정말 TOP 저널입니다. 경제학 분야에서. 왜 여전히 Job이 많냐는 것입니다. Workplace Automation이 일어났음에도. 그래서 이 논문에 첫 문장을 번역했어요. 읽어보세요. 지난 200년 동안 자동화와 새로운 기술이 중산층 대부분의 직업을 없앨 것이라는 경고가 주기적으로 있었는데 현실과 역사는 그렇지 않다는 겁니다.

[새로운 자동화 기술과 일자리의 탄생](p.27)
봅시다. 사진 카메라 기술이 나와서 누가 일자리를 잃었습니까? 화가들이 일자리를 잃었습니까? 카메라는 그림을 그리는 것을 자동화하는 기술이죠. 카메라가 나왔을 때 가장 기뻐한 직업군이 누구냐면 화가입니다. 얼마나 그림을 그리는 것이 고통스러웠냐 이거에요. 그래서 화가들이 카메라 기술을 받아들여서 사진사로 변신했고 화실을 사진관으로 바꿨습니다. 물론 어떤 화가들은 예술로써의 화가로 변신했죠 사진 예술가도 생기고요. 그 다음 카메라라는 자동화 기술이 얼마나 많은 새로운 산업과 일자리를 만드는지 보시죠. 필름, 카메라 제조, 판매업, 사진첩, 사진관, 사진 현상 업, 유통업, 신문업, 잡지, 광고, 출판, 영화, tv, 비디오, 연예 산업 모두 카메라 때문에 탄생한 거예요. 카메라가 없었다면 마릴린 먼로, 제임스 딘 같은 그러한 연예인이라는 비즈니스가 나오지도 않았죠. 왜? 우리가 얼굴을 봐야 연예인을 좋아하든지 말든지 하는 거죠. 우리가 카메라 덕분에 어딜 가고 싶어졌어요. 알프스의 산에도 가보고 싶고 교통, 숙박, 요식업에 혜택을 줬고요. 또, 카메라 기술은 지금 스마트폰으로 들어가서 어떻게 되었습니까? 수많은 비즈니스를 만들죠. 인스타그램, 페이스북, 유튜브. 오늘도 제 영상을 찍으면서 두 분이 일하고 계세요. 최소 세 분이 일하고 계시네요. 카메라 때문에 나온 비즈니스입니다. 이런 것들이 모두 직업이죠. 지금, 어떻게 됩니까? 유튜브, 인스타

[마차에서 자동차의 발명과 확산](p.28)
자동차는 어떻습니까? 자동차가 처음 나왔을 때 영국에서는 적기 조리라는 것이 생기죠. 너무 한심해요. 지금 생각해보면. 많은 사람이 자동차를 처음 봤을 때 자동차 안에 말이 들어있을 것으로 생각했대요. 사람들은 자동차와 마차를 구분할 능력이 없었어요. 왜냐하면 자동으로 달린다는 차를 상상할 수 없었거든요. 그 당시의 그 사람들의 기술적 인식에는, 그러니까 자동차가 바퀴로 달리는데도 불구하고 그 안에 말이 달리고 있다고 생각했죠. 자동차에는 빨간 깃발을 달게 했습니다. 그래서 그 자동차가 마차보다 앞서 달리지 못하게 한 것이 적기 조리라는 규제였습니다. 그래서 결국 영국에서 이러한 규제 때문에 미국에서 자동차 산업이 발전했죠. 그럼 마부들은 자동차가 나와서 직업을 잃었을까요? 아니죠. 마부들은 자동차 운전사로 변신했을 것입니다. 그 다음에 마차를 타는 사람들보다 자동차를 타는 사람이 많아지면서 훨씬 더 자동차 운전사의 직업이 많아졌겠죠. 그 다음에 직업을 한번 보죠. 자동차를 만드는 사람, 판매하는 사람, 정비하는 사람, 시내버스, 시외버스, 고속버스, 택시, 트럭 산업, 장거리 이동의 욕구가 커지면서 여행산업, 교통, 숙박업, 요식업, 또, 자동차 엔진에 필요한 연료를 발전시키다 보니 석유에 기반한 새로운 제품과 산업, 플라스틱이 모두 자동차의 발명에서 나온 엄청난 비즈니스라는 것이죠. 인공지능은요 우리 인간의 직업의 끝이 아니라 또 새로운 시작이 열리는 거죠. 즉, 보시죠. 실제로 인공지능 때문에 많이 생기는 직업이 데이터 라벨러입니다.. 부업 아닌 본업이다. 10명 중의 4명이. 비대면 시대 새로운 직업이 되고 있고 테슬라에는 천명이 레이블러로 일하고 있습니다. 여러분 새로운 산업으로 데이터 산업에 들어가세요. 여러분들 플리토 같은데 가지고요 한 문장 읽어주는데 100원이에요. 집에서 놀면 뭐 해요. 예를 들면, 수많은 데이터 레이블링 가서 읽어주세요. 한 문장 읽는데 100원이에요. 데이터를 만들어주세요. 인공지능 회사들을 위해서 그러면서 좀 더 효율적인 데이터를 만드는 비즈니스에 한 번 참여해보세요.

[독일 vs. 프랑스](p.29)
독일과 프랑스는 어떻습니까? 20년 전에 프랑스 대통령 마크롱의 책에서 나오는 내용입니다. 20년 전 프랑스는 로봇 산업 경쟁에서 졌다는 것입니다. 고용을 보호해야 한다는 생각에 로봇 산업 투자에 제동을 걸었다. 하지만 오늘날의 독일은 프랑스보다 5배 더 많은 로봇을 생산하고 있고 실업률도 프랑스의 거의 절반이다. 제가 단언하건대 인공지능을 발전시키는 나라일수록 실업률은 더 좋아진다는 것입니다. 직업이 더 생산되기 때문에. 이해가 잘 안되시죠? 왜 그러느냐 저는 역사에서 이야기할 수밖에 없습니다. 카메라, 자동차 등 어떤 자동화 기술이 얼마나 (긍정적인지). 여러분 식자공 아세요? 식자공? 옛날에 신문이나 책은 다 활자를 직접 식자를 해야 했거든요. 그러면 그것이 디지털로 가면서 식자공들이 직업을 잃었을까요? 아니죠. 식자공들이 데스크톱 퍼블리싱 인력으로 전환되어서 수많은 비즈니스에 참여하고 더 쉽게 돈을 벌었을 것입니다. 인간은 그렇게 나약하지 않아요. 새로운 기술이 나오면 그것을 활용해서 살아나가는 방법을 더 많이 만든다는 것입니다.

[Robot Revolution: Managerial & Employment Consequences for Firms](p.30)
올해 나온 management science는 저희 분야의 탑 저널인데요. management science에서 캐나다 통계청 그리고 미주리대, 유펜 와튼스쿨 연구자들이 쓴 논문인데요. 로봇을 도입한 회사에서 어떤 일이 일어나는가 봤더니요. 관리자는 줄어들어요. 하지만 고용은 증가한다는 겁니다. 중간직의 고용을 줄이지만 저숙련 직업과 고숙련 직업의 고용은 늘린다고 정의할 수 있겠습니다.

[AI - 생산성 - 수요 - 경기 - 창업, 일자리 - 산업](p.31)
결국은 AI는 생산성을 높이고 생산성은 수요가 올라가고 수요가 올라가면 경기가 좋아지고 경기가 좋아지면 창업과 일자리가 늘어나 다시 산업으로 되는 것이죠. 그러니까 AI는 경제에 중요한 엔진이라고 봐야 할 것입니다.

[발전과 혁신의 성공 원리](p.32)
제가 한국은행에 오랜만에 와서 강의를 하는 거예요. 앞에 수강생은 없지만, 온라인에 더 많은 수강생이 있으실 거기 때문에 경제학적으로 한 번 이야기해보죠. 어떤 나라가 발전하는 원리는 무엇입니까? 이미 그것은 게임이 끝난 이론이거든요. 왜 북한은 밤에 불이 다 꺼져 있는 세계 최빈국이 되어있고 이 대한민국, 남한인 어쩜 이렇게 잘사는 나라가 됐습니까? 그런 재산권을 보호하고 활용해야 하는 나라가 됐기 때문입니다. Douglass North라는 노벨 경제학상 수상자가 주장한 것이죠. 결국 내 재산권을 잘 보호해주고 활용하게 하는 나라가 돈을 버는 것입니다. 캘리포니아 맨 남단에 보면 샌디에이고라는 도시가 있죠. 바로 밑에는 티후아나라는 멕시코 도시가 있는데 샌디에이고는 하늘 밑에 천국이라는 이야기를 들을 정도로 너무나 잘 사는 도시이고 바로 옆에 있는 티후아나는 같은 기후와 같은 지리적 조건을 갖고 있는데도 불구하고 너무나 못사는 거죠. 즉, 한반도도 마찬가지입니다. 결국 발전의 원리는 재산권의 보호와 활용이죠. 그것이 기초가 되면 인간의 인격이 같이 보호됩니다. 북한에서 여성 인권이나 인권이 정말 최악의 나라라고 이야기되는 이유는 그 나라에 재산권조차 보호되지 않으니 한낱 인간도 보호되지 못하는 거죠. 결국 인간의 인격권, 인권, 건강 이런 것들이 다 인적자본 관점에서 우리가 재산권으로 보는 것이고요. 결국 공유재산권 같은 재산권의 특성에 따라서 적절한 보호와 활용을 하는 나라가 부강해지고 국민이 행복해지는 것입니다. 그 다음에 Douglass North가 이야기한 것은 좋은 거래를 통해서 거래비용을 축소하는 나라가 돈을 번다는 거죠. 현 정부에서 부동산 거래를 억제하니까 어떻게 됩니까? 가난한 사람은 더 힘들어지고 집값은 올라가서 거래가 안 일어나지 않을까 집값이 폭등하고 잇는 상황입니다. 거래비용을 늘려 놨어요. 쉽게 거래를 못 하게 했어요. 부동산 거래를 못해요. 팔고 싶은 사람, 사고 싶은 사람이 있어도 못하게 만드니 결국은 가진 사람만 이익을 보고 집 있는 사람은 안 팔아도 돼요. 그냥 깔고 앉아있으면 돼요. 진짜 집이 필요한 사람은 집이 없는 사람이죠. 그런데 거래비용을 늘리니까 이런 난리가 나고 있습니다. 이것은 Douglass North가 노벨상을 받은 이 원리를 무시하기 때문이죠. 그런데 Douglass North의 이론에 하나를 더 집어넣은 학자들이 있죠. Daron Acemoglu 하버드 학자입니다. Douglass North는 스탠퍼드 교수입니다. UC버클리를 나온. why nations fail이라는 책을 보면 국가는 왜 실패하는가, 결국은 부강한 나라를 만드는 법은 참여와 포용을 집어넣어 더 많은 사람이 참여하는 경제, 사회, 문화 체제 노무현 대통령이 무슨 말을 했습니까? 참여정부라는 되게 멋진 말이었죠. 노무현 대통령 시절에, 더 많은 국민이 참여하는 경제 주제가 더 부강한 국가를 만든다는 것입니다. 참여와 포용 결국 우리가 얻은 나라나 사회를 발전하고 행복하게 만드는 원리는 경제학자들이 거의 다 해 놨습니다. 다만 그걸 우리가 지키느냐 정치와 정책과 공무원들과 우리 사회의 시민들이 그 원리를 지키느냐 지키지 않느냐에만 달려있는 거죠. 발전과 혁신의 성공 원리는 간단합니다. 결국은 우리는 국가를 발전시키려면 자본을 확충해야 되죠. 경제적 자본, 토지, 재무 자본, 비경제적 자본, 지적 자본, 무형자본. 지적 자본은 이미 학자들이 연구해 놨어요. 인적자본, 사회적자본, 구조적 자본으로 나뉠 수 있습니다. 인적자본은 두뇌, 건강, 체력, 교육에 투자해야 되고 재교육에 투자해야 하는 것이죠. 사회적자본, 관계적 자본은 내적 관계, 외적 관계, 우리의 외교, 구성원 간의 결속, 지역 간에 차별 없고 지역감정 없는 내부적 관계가 잘 되면 그것이 자본이자 우리나라를 더 부강하게 하는 것입니다. 그 다음 구조적 자본은 뭐죠? 프로세스 자본이라고 이야기하는데 일하는 방식, 도구를 활용하는 방식. 우리가 좀 더 좋은 도구를 활용하고 인터넷을 더 많이 활용하고, AI를 더 많이 활용하고. 일본은 아직도 공무원들이 FAX를 쓰고 있다고 하잖아요. 너무 안됐어요. 일본은 잃어버린 10년, 20년 계속 가고 있는 거죠. 한국은 긴밀하게 디지털에 적응해서 일하는 방식이 매우 혁신적인 나라가 되었죠. 그러니까 한국이 발전하고 있는 것입니다. 그 다음에 상징문화 자본. 한국은 정말 요즘 행복하죠 상징문화 자본이. 왜냐, BTS, 기생충, 미나리, 오징어 게임 등 점점 한국의 콘텐츠가 세계진출하면서 이제 어느 나라 가서도 한국을 알고 squid game을 얘기하고 웃고, parasite를 이야기하며 웃고, bts를 이야기하면서 자랑스럽게 한국이 상징자본, 문화자본을 갖고 점점 더 부강해질 가능성이 있는 나라가 된 것이죠. 심지어는 매력 자본까지 있습니다. 한국 남자들도 다른 나라 가서 잘생겼다는 이야기를 듣고 한국 여자들은 말할 것도 없습니다. 결국은 우리의 국가, 대한민국, 남한의 경우는 재산권을 보호하고 활용하고 계속 좋은 개혁을 하고 민주화 개혁하고, 정보화 개혁하면서 계속 우리가 사실 잘 가고 있는 과정이죠. 최근 몇 년 빼고는요. 결국은 우리 사용자와 시민이 가치를 느낄 수 있도록 하고 참여와 사용이 쉽다는 것을 느낄 수 있어야 되고 사용과 참여를 위한 규범과 문화적 분위기가 필요합니다. 이제 우리는 더 나아가서 새로운 가치를 추구해야 합니다. 진정한 남녀평등의 가치, 이대남, 이대녀 여러 갈등이 있습니다. 진정한 남녀평등은 무엇이고 지속 가능한 가치는 무엇이고, 하지만 혁신은 늘 힘들어요. 반대자가 있고 선도자가 있으며 선도자는 이익도 있고 위험도 있습니다. 하지만 선도적 다수가 동조해서 혁신에 성공하고 반대하는 사람들도 결국 따라오고 수긍하게 됩니다.

[(AI) 기술은 자유와 협력의 증진, 인간의 성장과 행복, 거래와 자발적 공유의 증대, 새로운 가치의 창출과 향유를 위해 사용되어야 한다.](p.33)
제가 이 이야기를 왜 하냐면 AI 기술은 이러한 자유와 협력을 증진시키고 인간의 성장과 행복 그 다음에 거래와 자발적 공유를 증대시키고 새로운 가치의 창출과 향후를 위해 사용될 가능성이 있고 또 그렇게 사용되어야 한다는 거죠. 자유에는 무엇, 무엇을 해야 할 자유도 있지만 무엇, 무엇을 하지 않아도 될 자유가 더 좋아요. 그렇죠? 굳이 힘들게 가지 않아도 원격회의 할 수 있고 굳이 귀찮게 꺼내지 않아도, 귀찮게 부착하지 않아도 자동결제 할 수 있고 굳이 요일제 배출하지 않아도 사물인터넷에 의해서 할 수 있고 굳이 힘들게 협력하지 않아도 에너지 절약에 동참할 수 있는 사물인터넷 자동 온도 조절기가 있고 우리가 디지털 기술 AI 기술은 우리 인간이 굳이 힘들게 하지 않아도 자유를 누리고 굳이 힘들게 하지 않아도 협력하고, 굳이 힘들게 하지 않아도 성장하는 거죠. 아까 뤼이드의 산타 토익 보세요. 우리 영어 실력이 빨라지고 축구팀이 더 역량이 좋아지고 건강이 점점 좋아지고 여러 환자 데이터를 활용해서 그 상황의 다음 상황을 예측하고 이에 가장 알맞은 처방과 치료를 제공하는 거에요. 여러분들 이제부터 번지점프 같은 건 되도록 하지 마세요. 왜냐면 우리 인간의 기대수명이 늘어나는 속도가 우리가 늙어가는 속도보다 더 빨라지고 있대요. 그런 의미로 우리가 영원히 살지도 모른다는 식의 이야기를 하는 사람들이 있는 거예요. 그 기술이 왜 그러냐? 인공지능 기술에 의해 그렇게 되고 있습니다. 보험회사는 이제 사람들 보험가입자의 건강정보를 공유받으면서 보험료를 할인해줘요. 그 대신 보험사는 미래의 보험금 지출을 절약하는 그런 WIN-WIN 게임을 하고 있는 거죠. 이러면서 계속 인간의 성장이 인공지능에 의해서 지원받고 있다라는 것입니다. 또, 새로운 거래를 일으키는 인공지능이 있습니다. 이제는 원티드 랩 같은 한국 회사는 일을 구하는 사람과 사람을 구하는 일을 인공지능으로 매치해서 실업의 기간을 줄이고 많은 사람을 좀 더 자기가 원하는 회사로 빨리빨리 갈 수 있도록, 하는 일들을 하는 것이죠. 즉, 보육 돌보미도 인공지능으로 빨리 매칭해주고 또, 필요한 사람과 제공할 수 있는 사람한테 빨리 서로 연결해주는 것도 역시 인공지능이 할 수 있습니다. 새로운 거래를 일으킨다는 것이죠. 또, 순환 경제를 하더라도 오늘 이야기한 Superbin, 또, Alchera같은 회사는 인공지능 기술로 산불을 감시해줘요. 또, 하렉스인포텍은 사용자 중심의 기업 협력 인공지능을 개발하고 있습니다. 이런 것들은 좀 더 지속 가능한 지속가능성의 가치를 위해서 인공지능이 일하는 거죠. 그래서 인공지능은 하면 할수록 좋은 일이 많이 발생하는 기술이라고 여러분들께서 생각하시면 좋을 것 같습니다.

[AI로 바라본 미래! 우리는 지금 무엇을 준비해야 할까?](p.34)
AI로 바라본 미래. 우리는 지금 무엇을 준비해야 할까? 을 한 번 써봤어요. 지금부터라도 여러분은 AI를 활용하고 배우고 선도하세요. AI 산업에 발을 붙이세요. AI 기업을 도와주세요. 될성부른 인공지능 플랫폼에 올라타십시오. 누가 플랫폼이 될지 잘 판단하시고 그 플랫폼의 공급자로 동참하세요. 여러분들 유튜브를 옛날부터 했으면 어떻게 되었을까요? 여러분들 모두 멋진 유튜버가 되어서 돈 많이 벌었겠죠. 초기에 올라타시라는 거에요. 한국은 뤼이드, 뷰노, 플루토, 슈퍼빈, 비프로컴퍼니, 원티드 랩 모두 한국 회사인데요. 이런 회사들이 어떤 회사인지 보시고 이런 될성부른 인공지능 회사의 제품과 서비스, 영업과 성장에 참여하세요. 그러니까 인공지능 시스템을 위한 데이터를 만드는 일에 참여하세요. 그 다음에 이런 자동화 기기를 가지고 하는 산업으로 변화되는 사업환경 활용에서 인공지능으로 새로 생겨날 새로운 일자리가 무엇인지 통찰력을 발휘해보시기를 바랍니다.

[The Global AI Index](p.35)
한국은 AI 5위 국가입니다. 일본, 독일을 다 제쳤습니다. 프랑스도 제쳤고 우리의 앞에는 미국, 중국, 영국, 캐나다 정도 정말 강력한 나라들이 버티고 있는데 더 열심히 해서 한국이 2~3위 국가로 가야 하죠. AI도

[인공지능이 미래다](p.36)
저는 이런 것들이 하나의 저의 미션입니다. 그래서 작년에 한경비즈니스와 같이 한국 AI스타트업 25개를 작년 10월 20일에 발표했어요. 1등이 샌드보드고 2등이 뤼이드네요.

[기사](p.37)
그리고 이 회사의 CEO들을 다 인터뷰하는 기획을 했습니다. 그래서 여러분들 관심이 있으시면 이경전이 만난 AI 프런티어라는 것을 검색하셔서 우리나라에 어떤 AI 회사들이 있고 그 CEO들이 어떤 고민을 하고 있고 어떻게 돌아가고 있는지 공부해 보시기를 바랍니다.

[기사](p.38)
올해는 같은 날에, 2020년 10월 20일 딱 1년 후 같은 날에 AI 스타트업 100개를 선정하여서 발표했습니다. 제가 선정위원장으로 활동했고요. 왜 이런 일을 하는가는 결국 이런 AI 기업들이 세계 10대 기업, 세계 100대 기업으로 성공하면 한국은 최고의 국가가 될 수 있다는 거예요.

[Data-centric AI](p.39)
앞으로 또 이러한 기업들이 발전하기 위해서 기업들이 AI를 개발하고 그 AI를 서로 비즈니스 모델로 결합하는 방식으로 협력과 경쟁하는 방식을 하게 되고 차세대 플랫폼은 AI를 결합하는 것이 능력이 될 것이다. 그래서 우리나라가 AI를 발전시키면 발전시킬수록 결국 우리의 산업과 국가 전체의 경쟁력이 같이 올라갈 수 있다는 것입니다. 중요한 것은 이제 데이터를 결합하는 시대가 아니라 AI를 결합하는 것이 새로운 형태의 비즈니스가 될 것이다. 네이버 클로바의 성낙호 책임 리더가 한 말인데 제가 평소에 하던 생각과 너무 똑같아서 제가 한 번 인용해봤습니다.

[지능의 결합은 어떻게 가능한가?](p.40)
이러한 지능의 결합은 어떻게 하는가? 약간 어려운 이야기기는 한데 지능의 결합은 불과 몇 년 전까지는 불가능했어요. 하지만 요즘 트랜스포머나 버터 같은 자연어 처리용 딥러닝 AI 모델이 발전하면서 데이터의 공유 없이 AI의 공유와 결합이 가능해지고 있습니다. 그래서 그런 것들을 저는 연구하고 있고요.

[사용자 중심 인공지능 연구 진행 상황](p.41)
저는 사용자 중심 인공지능이라는 개념을 가지고 연구하고 있습니다.

[고객 중심 AI](p.42)
이러한 사용자 중심 AI 기술 기반으로 초 개인화된 `디지털 나` 서비스를 제공하는 중소사업자 간에 지능과 지식을 공유해서 더 발전된 지능과 서비스를 추구한다는 것들을 가지고 연구하고 있고요.

[고객 중심 AI](p.43)
.

[알고리즘의 시대: 배치, 매칭, 추천, 검출, 예측, 운영](p.44)
그 다음에 이것은 알고리즘입니다. 요즘 우리가 알고리즘의 시대를 살고 있다는 것입니다. 정말 끔찍하죠. 한 번 보세요. 여러분들 뉴스 보는 것은 뉴스 알고리즘에 지배받고 있죠. 페이스북, 인스타에 타임라인 알고리즘 등 또, 우리가 어디 갈 때 T맵이나 카카오내비에 길 찾기 알고리즘, 택시 탈 때는 택시 배차 알고리즘, 유튜브나 넷플릭스 볼 때는 콘텐츠 추천 알고리즘, 교육 서비스에는 교육 서비스 추천 알고리즘, 날씨 예측, 자동 거래, 주식 예측, 사기 방지, 우리를 둘러서 수많은 알고리즘이 있습니다.

[알고리즘의 시대](p.45)
채용과 입학도 필터링하고 보험, 이민 갈 때 가입 심사 알고리즘, 돈세탁 추적 알고리즘 등 수많은 알고리즘에 둘러싸여서 우리가 가고 있다는 것이죠. 그렇기 때문에 여러분들께서 알고리즘이 도대체 어떻게 돌아가는 건지 알아야 해요.

[[이경전의 경영과 과학] 우리 사회 `알고리즘 리터러시`를 높여야](p.46)
그것 알고 이제 알고리즘 리터러시를 높여야 합니다.

[[이경전의 경영과 과학] 우리 사회 `알고리즘 리터러시`를 높여야](p.47)
그래서 여러분들께서 알고리즘이 어떤 종류가 있고 이것이 나의 삶에 어떤 영향을 미치고 예전에 글자를 아는 것, 글씨를 쓸 줄 아는 것, 글씨를 이해할 줄 아는 것을 우리가 리터러시라고 했잖아요. 이제는 우리가 알고리즘 리터러시를 높여야 한다는 것입니다.

[디지털 나 알고리즘 요소](p.48)
제가 또 요즘 연구하고 있는 것은 `디지털 나` 나를 Self-Evaluation하고 Improving 할 수 있는 알고리즘을 연구하는 것입니다.

[디지털 나 관련 사례: AIA 바이탈리티](p.49)
아까 말씀드린 AIA 바이탈리티가 그런 것입니다.

[연결성과 프라이버시의 트레이드 오프 관계를 혜택과 보상으로 해결](p.50)
AIA 바이탈리티가 그런 것입니다.

[[이경전의 경영과 과학] AI 기술 결합된 `신뢰 체인`으로 정부 혁신을](p.51)
또, 제가 요즘 연구하고 있는 것은 이런 AI 기술이 결합된 신뢰 체인을 만들어야 한다.라는 건데요.

[[이경전의 경영과 과학] AI 기술 결합된 `신뢰 체인`으로 정부 혁신을](p.52)
예를 들면 하이패스를 저는 도로공사에다가 제 차 번호를 등록해 놨어요. 그럼 하이패스 단말기가 없어도 고속도로를 지나다니면 T맵이나 도로공사 앱에서나 결제할 수 있는 거죠. 결국 저는 도로공사를 신뢰해서 제 자동차 번호를 등록해 놓고 결제사에다가는 제 결제 수단을 등록해 놓은 다음에 그 두 개의 트러스트 체인을 연결해서 어떤 서비스를 받는다는 것이죠. 거기에서는 AI가 같이 사용됩니다.

[블록체인은 어떻게 할까?](p.53)
블록체인 이야기는 뭐 할까 말까 했는데, 블록체인은 정부가 할 일은 아니고 기본적으로 무정부주의에 해당하고 정부와 같은 중재자의 존재를 부정하기 때문에 블록체인의 응용은 민간이 잘 알아서 하는 것이 낫다고 보고 있고요.

[[이경전의 경영과 과학]`화폐의 脫중앙화`란 낭만적인 꿈](p.54)
결국 이런 비트코인과 같은 암호화폐는 화폐의 탈중앙화라는 낭만적인 꿈이 아니냐고 보기도 합니다.

[한국은 2040년에 세계 10대 기업을 최소 3개는 만들어낸다는 각오로 뛰어야 한다. 그러면 한국은 저절로 세계 1등 국가가 될 것](p.55)
오늘은 블록체인 비트코인 이야기하는 시간은 아니니까 간단하게 넘어가고요. 제가 아까 말씀드린 것처럼 한국은 2040년에 세계 10대 기업을 세 개는 만들어야 한다. 이렇게 되면 한국은 세계 몇 대 나라가 되어 있을까요? 아마 2~3위 국가가 되어 있을 것입니다. 좀 황당한 이야기인가요? 생각해보세요. 싸이월드, 제 대학 같은 과 동기가 만든 것인데요. 싸이월드가 세계 10대 기업이 될 수 있었어요. 싸이월드를 이긴 회사가 뭡니까 페이스북이잖아요. 여러분 휴대전화 소액결제, 모빌리언스 다날 같은 회사가 세계 10대 기업에 들 수 있었어요. 단지 특허를 한국 특허만 낸 것이죠. 우리가 디지털 혁명에서 세계 10대 기업이 될 수 있는 여러 기업이 있었음에도 우리가 그것을 실현하지 못하고 오직 삼성전자만 세계 10대 기업으로 남았는데요. 지금 나오는 많은 AI 기업들이 아까 AI 기업 25개, AI 기업 100개, 내년에는 아마 200개 정도 발표할 예정입니다. 그런 것들이 한국 사람들이 잘 키워주고 글로벌 진출을 도와주고 오늘 아까 비프로컴퍼니 어디 있다고요? 영국 런던에 있다고요. 한국 사람들이 만든 회사들이 처음부터 20대예요. CEO가. 20대 CEO가 세계 시장에 나가서 새 시장을 개척하고 있다는 것이죠.

[혁신은 기술 분야만이 아닌 온 국민의 과제](p.56)
저는 그런 꿈을 꾸고 있습니다. 이러한 혁신은 기술하는 사람 창업하는 사람만 하는 것이 아니라, 온 국민의 과제라는 거에요. 정부 그리고 기업가 외에도 임직원, 근로자 노동조합, 시민단체 모든 사회 주체가 같이 해줘야 한다는 것이죠.

[세계 시장 석권 꿈 키우는 韓 AI 스타트업들](p.57)
이러한 세계 시장에 석권하는 꿈을 키우는 그런 한국의 AI 스타트업이 우리가 뭐가 있는지 보면서 우리 옛날에 2차 산업혁명 시기에 삼성, 현대, 엘지, 대우가 세계 시장을 누볐다면 네이버, 이예진 사장, 윤송이, 김택진 이런 분들이 세계를 뛰고 있다면 4차 산업혁명기에는 2~30대들이 뛰고 있는 그런 AI 기업들을 우리가 도와줘야 한다는 것입니다.

[4 IR 위한 가장 중요한 정부 과제는, (역설적으로) 민간 투자 역량 획기적 확대](p.58)
그리고 이러한 4차 산업혁명을 위한 가장 중요한 정부 과제는 역설적으로 민간의 투자 역량을 획기적으로 확대하고 이건 정부가 뭘 하라는 얘기할 필요도 없어요. 그냥 민간이 잘하면 됩니다. 경영학자 잘해야 하고 경영자들 잘해야 하고 시민들, 여러분들 주식투자 잘해야 하는 거죠. 여러분들이 선택한 회사들 여러분들이 잘 키워놓은 회사들이 그리고 여러분들이 만약 어느 회사 주식에 투자했어요. 대박 나는 길은 무엇입니까? 그 회사가 글로벌로 나가는 거죠. 글로벌로 나가는 것을 도와주라는 것이죠.

[인공지능과 생태계: 2021.3.17. 한 경 AI 포럼 “AI 정의를 통해 본 AI for Social Good” 토론 요약](p.59)
이제 두 페이지 남은 것 같아요. 제가 다른 포럼에서도 했던 것을 한 번 해보겠습니다. 오늘 정리와 비슷해요. 오늘 그동안 강의한 것에 대한. 인공지능이란 무엇이냐 기계와 인간 환경이 자신이 속한 시스템의 궁극적 목표 달성을 위해서 적절히 행동하도록 만든 방법론이라는 것입니다. 그러한 면에서 결국 우리 인간은 무엇이에요? 우리는 AI에 좋은 목표를 주면 돼요. 그죠? 보다 나은 사회를 위해서 AI를 활용한다는 것은 인공지능의 정의와 가장 부합한다는 것이죠. 한국처럼 시장경제, 민주주의, 법치주의가 확립된 사회에서는, 인공지능이 사회에 해악을 끼치기보다는 긍정적인 부분이 훨씬 많다. 그래서 인공지능에 대한 많은 오해가 오히려 인공지능 발전이 더디게 하여 사회에 오히려 해가 됩니다. 인공지능이 직업을 없앤다. 이것은 6~7년 전 이야기에요. 최근 2~3년 전 세계적인 학자들은 인공지능은 역시 직업을 늘린다는 연구 결과를 발표하고 있습니다. 결국 인공지능을 잘 개발하고 활용하는 국가, 기업, 개인, 사회가 그 사회의 목표를 더 빨리, 잘 달성할 수 있다. 그 다음 최근 인공지능 기술이 여러분들은 얼마나 체험하고 체감하는지 모르겠어요. 굉장히 빨리 발전하고 있습니다. 그래서 여러분들이 빨리 배우시기를 바래요. 그리고 그것을 활용하는 방법을 배우시라는 겁니다. 그것을 개발하는 방법을 배우실 수도 있지만 활용하는 방법을 배우시라는 거에요. 근데, 그 발전하는 인공지능을 가지고 우리는 무엇을 해야 한다? 인공지능은 우리 인간이 준 목표를 달성하는 것이라고 말씀드렸기 때문에 우리는 선한 목표 더 좋은 목표, 가난할 사람들을 더 부자 되게 하는 목표를 만들어야 한다는 것이죠. 국가, 기업, 개인, 사회가 결국 좋은 목표를 세우고 이것을 위한 인공지능 활용을 통해서 보다 나은 사회, 보다 행복한 인간을 만들 수 있다.

[한국이 AI 세계 일 등을 할 수 있다.: 2021.6.24. 한경 AI 미래 포럼 3차 웨비나 발표 결론](p.60)
한국은 너무 운이 좋은 나라에요 그죠? 하필이면 2016년 3월에 한국, 서울, 광화문 포시즌 호텔에서 알파고와 이세돌이 경기를 했다는거죠. 일본에서 했더라면, 중국에서 했더라면 별로 한국사람들이 몰랐을 거에요. 하지만 하필이면 한국에서 하는 바람에 한국사람중에 인공지능을 모르는 사람이 없어요. 다른 나라는 국민들이 그렇게 충격을 안 받았습니다. 그런데 우리가 사랑하는 이세돌이 알파고에 진거에요. 그러면서 인공자능에 대해 많은 관심을 가지게 되었고요. 그렇다면 우리에게 주어진 과제는 무엇이냐 인공지능에 대해서 허황되게 접근하지 말고 오늘 제가 설명드린 것처럼 철저히 과학적이고 합리적인 접근을 하라는 것이죠 공상과학 인공지능 영화, 드라마를 보는 건 좋지만 그걸로 비즈니스나 기술 개발을 하면 안되요. 사회 응용에 대한 좋은 목표를 세우고 이것을 최적화하는 형태로 모든 R&BD 리서치 앤드 비즈니스 디벨롭먼트 역량을 모아가자는 거에요. 철저히 시장을 보는, 철저히 가치의 크기와 그 현실과 실현 가능성을 보는 인공지능, 그래서 실리콘밸리가 인터넷 비즈니스를 키운 것처럼 한반도가 AI를 키울 수 있을 것인가, 정부가 뭘 하라는 이야기는 하고싶지 않아요. 정부는 제발 방해만 안해도 좋아요. 부동산 정책처럼 이렇게 사람들을 고통스럽게 만들고 정부가 무엇을 한다고 하면 오히려 잘못하는 게 많죠. 오히려 차라리 민간이 알아서 잘 하자. 민간의 자력으로 글로벌 가가라는 말씀을 드리고 싶습니다. 오늘 한국은행의 금요강좌에 제가 초청 받아서 인공지능 강의 특히, 인공지능을 단순히 기술적으로 말씀드리는 것이 아닌 경제와 연결해서 말씀을 드리려고 했는데요. 얼마나 여러분들이 도움이 되셨는지 모르겠습니다. 부족한 내용은 아마 유튜브에 경전 TV에 가시면 기술적인 내용 또는 좀 더 다른 사례들을 보실 수 있을 것 같고요. 제가 이렇게 온라인으로 하더라도 실시간 강의를 했다면 질문도 받고 그런 것들도 하면 좋겠지만 혹시 강의를 들으시고 질문이 있으시면 제 이메일 주소는 여러 군데 노출되어 있으니까 찾아서 연락 주셔도 제가 답변 드리도록 하겠습니다. 오늘 강의 여기서 마치도록 하겠습니다. 고맙습니다.

콘텐츠 만족도


담당부서 및 연락처 : 경제교육실 경제교육기획팀 | 02-759-4269
문서 처음으로 이동