인공지능 기술이 우리의 일상에 깊숙이 파고들면서, 많은 사람들이 AI가 무엇을 할 수 있고 무엇을 할 수 없는지 궁금해하고 있습니다. 이 질문에 대한 답은 우리가 무엇을 당연하게 여기는가에 크게 의존합니다. 어쩌면 오늘날의 AI는 단순한 기계가 아닌 문제 해결을 위한 새로운 패러다임으로 볼 수 있으며, 그 가능성과 한계를 명확히 이해하는 것이 더 중요할지도 모릅니다. 이 글에서는 인공지능이 할 수 있는 것과 할 수 없는 것을 심층적으로 살펴보고, AI 시대를 살아가는 우리에게 필요한 관점을 제시하고자 합니다.
인공지능 패러다임의 이해: 기계가 아닌 새로운 접근법
인공지능은 단순히 하나의 기계가 아닌, 문제를 해결하는 여정에 대한 완전히 새로운 접근법이라 할 수 있습니다. AI는 데이터와 컴퓨터 최적화에 의해 만들어지며, 환원주의 원리를 따르지 않는 특성을 가지고 있습니다. 이것은 과거의 과학 패러다임과는 다른 방식으로 세상을 바라보게 하죠.
지능이란 본질적으로 문제를 해결하는 능력이며, 따라서 문제 해결 패러다임을 이해하고 그 결과물을 습득하는 과정이 곧 지능 습득의 과정이라고 볼 수 있습니다. 그러나 지능이 객관적으로 정의될 수 없는 이유는 우리가 풀고자 하는 문제가 객관적이고 유일하게 정의되지 않았기 때문입니다. 예를 들어, 자율주행 인공지능이 풀어야 할 문제를 서로 다르게 설정하고 있다면 문제 해결이 어려워질 것입니다.
- 인공지능은 데이터를 통해 그 안에 담긴 규칙을 학습하는 것이 기본 전제
- AI는 특정 환경과 맥락 안에서 더 효과적으로 작동
- 복잡한 기계문명은 그 기계의 기반이 되는 문제 해결 패러다임이 사회 전체에 스며들 때 가능
헨리 포드의 공장에서 컨베이어 벨트를 도입하면서 자동차가 처음으로 대중화되었던 사례가 보여주듯, 복잡한 기계가 대중적으로 사용되는 사회는 그 기계의 기반이 되는 문제 해결 패러다임이 사회 전체를 채울 때 가능해집니다. 즉 사람들이 해당 패러다임에 따라 말하고 글을 쓰며 조직되는 사회여야 하는 것입니다.
인공지능의 능력과 현실적 한계
인공지능은 엄청난 양의 데이터를 처리하고 패턴을 인식하는 능력을 갖추고 있지만, 여전히 많은 한계가 존재합니다. AI는 데이터에서 배우기 때문에 데이터를 무시하지 못하며, 인간의 직관이나 창의성, 맥락 이해 등의 영역에서는 여전히 제한적입니다.
- AI는 데이터가 제공하는 패턴 이상을 넘어서기 어렵습니다.
- 돌발적인 상황(블랙 스완)이 발생했을 때 유연하게 대응하기 어렵습니다.
- 데이터 자체가 갖는 편향성이나 한계를 극복하지 못합니다.
철학자 데이비드 흄이 지적했듯이, '데이터는 규칙을 제공한다'는 명제 자체에 대한 의문은 항상 존재해 왔습니다. 애초에 과거의 데이터로부터 규칙을 도출할 수 있다는 생각 자체에 근거가 없다고 볼 수도 있고요. 또한 '무엇이 데이터가 될 수 있는가'라는 질문은 하나의 이론이자 틀이 되기도 합니다. 우리가 당연시하는 전제가 이미 데이터 수준에서 AI가 할 수 있는 일을 제한하게 되기 때문이지요.
인공지능 시대의 교육과 사회적 변화
인공지능 시대에는 교육 방식과 사회 구조에도 큰 변화가 필요합니다. 과거의 지식 축적 중심 교육은 더 이상 효과적이지 않으며, 오히려 AI와 함께 문제를 해결하는 방법을 배우는 것이 중요합니다.
앤서니 크론먼이 "교육의 종말(Education's End)"에서 지적했듯이, 지식이 점점 쌓이고 전문화가 진행되면서 대학은 위기를 맞게 되었습니다. 교수들은 "학술연구적 이상"에 빠져들어 논문을 써야 살아남는 학계에서, 점점 더 거대한 지식 체계에 전문화된 작은 지식을 더하려 매진하게 되었고, 그 결과 삶의 의미를 생각하거나 가르치는 교육은 사라져 버리고 말았습니다.
하지만 AI 시대의 교육은 단순히 기술을 가르치는 것이 아니라 AI 인프라를 공적으로 갖추고, 그 인프라를 사람들에게 무료로 공급하는 것을 포함해야 합니다. 의무교육이 무료이듯이 말입니다. 이는 다시 말해서, AI 시대에 사는 법을 가르치는 문화적 적응이 필요함을 의미합니다.
- 지식은 너무 많으면 쓸모가 없어지는 경향이 있음
- AI 시대에는 '왜'라고 묻기보다 목적에 집중하는 태도가 필요
- 세상을 하나의 정밀한 시계가 아닌, 수많은 도구의 집합으로 봐야 함
테일러 피터슨이 "직업의 종말(The End of Jobs)"에서 언급했듯이, 직업의 시대가 끝나가는 이유는 AI 때문만이 아니라 지식이 너무 흔해졌고, 전 세계에서 대졸자가 대량으로 양산되고 있기 때문입니다. 이제 대학을 졸업하고 취직해서 평생 그 일을 하면서 살겠다는 과거의 생각은 통하지 않게 되었다고해도 과언이 아닙니다.
연결과 협업: 인공지능 시대의 새로운 패러다임
인공지능 시대에는 '연결'이 핵심 개념이 됩니다. 지능은 개인이 독점하는 것이 아니라 연결에서 나온다는 것을 이해하는 것이 중요한 부분이 된 것이죠. 실제로 인간과 AI의 협업은 각자의 강점을 살려 더 나은 결과를 만들어낼 수 있을 것입니다. AI 패러다임은 과학 패러다임과 달리 '연결'을 소중히 여기도록 만듭니다. 즉, 환경의 핵심적 역할을 잊어선 안된다는 말입니다. 연결들의 최적화가 우리를 해결책으로 이끌어 줄 것이며, 이 과정에서 우리는 관계나 연결로 파악해야 하는 대상을 시공간적으로 고립되어 존재하는 물질로 여기는 실수를 저질러서는 안 됩니다.
인공지능이건 인간이건, 지능이란 시스템 전체, 환경 전체에 퍼져 있는 관계로서 존재합니다. 개인과 사회의 변화가 없으면 AI의 발전도 제한적일 수밖에 없습니다. AI에게 환경을 제공하는 게임 규칙은 AI의 목적이 해석되는 문맥으로서 역할을 합니다.
결론적으로, 'AI가 인간을 능가할 것인가'에 집중하기보다는 '우리가 AI와 함께 무엇을 할 수 있는가'를 고민하는 것이 더 중요합니다. 인간은 이미 사이보그이며, 만들어지는 존재입니다. 모든 지능 패러다임은 일종의 문제 해결을 위한 처방이며, 성공하려면 특정한 조건이 충족되어야 합니다. 복잡한 기계문명은 단순히 사람들이 기계를 쓰는 사회가 아니라, 기계의 바탕이 되는 패러다임에 따라 사회 전체가 조직되는 것이기 때문임을 기억해야 합니다.
(강국진 박사의 저서 '인공지능이 할 수 있는 것, 할 수 없는 것'을 바탕으로 작성되었습니다.)