강의 전반부에서는 24명의 철학자들이 AI에 대해 어떻게 생각하고 있는가를 들었습니다. 제 기억에는 부정적인 부분이 꽤 많았던 걸로 기억하는데 정확히는 기억나질 않네요. ㅜㅜ 

아무튼 현재 시점에서는 챗GPT를 응용하려고 혈안이 되어 있는 자본에 반해 부정적 시각을 가진 사람들도 많은 것 같습니다. 톡방에 공유된 테드 창의 챗GPT에 대한 글을 읽고 공감이 갔습니다. 챗GPT는 인간지식의 열화된 복사본이라고요. 웹상의 흐릿한 jpeg라는 말이 더 와닿긴 합니다만. 테드 창은 챗GPT가 일으키는 압축손실에 대해 비판적 시각입니다. 인터넷 접근성에 제한이 없다면 원본이 있는데 압축손실이 일어난 흐릿한 jpeg를 사용할 이유가 없다는 것이죠. 또 대형 언어 모델의 결과값은 반복 되는 글쓰기나 퇴고 과정에서 나올 수 있는 독창성을 따라잡을 수 없다고도 말하고 있습니다.

강사님이 하신 말 중 기억에 남는 건, 미래에는 AI와 가장 먼 어떤 것을 할수록 경쟁력이 높을 것이다. 왜냐하면 무언가를 자동화하면 차별화가 되지 않기 때문에 가치가 없게 될 수도 있으니까. 또 개인이 훈련시킨 AI로써 그 개인의 능력이 평가 받을 것이다. AI 누군가가 가진 지식을 얼려서 보관이용할 수 있기 때문에. 전자는 동의가 되는데 후자는 동의가 안된다기 보다 안그랬으면 좋겠다 이런 생각입니다. 

2강에서 흥미로웠던 것은 데이터 문해력(Data Literacy)에 관한 강의였습니다. AI가 데이터를 수집, 분석, 가공한 결과를 우리에게 보여준다는 점에서 데이터 문해력은 중요합니다. 꼭 AI와 관련없이도 많은 데이터들이 분석 가공되는 과정에서 오류가 생길 수 있다는 점에서도 중요하다는 걸 알게 되었습니다. 

데이터가 모여 정보가 되고 정보가 모이면 지식이 되고 지식이 모이면 지혜가 된다는 DIKW(DATA < INFORMATION < KNOWLEDGE < WISDOM) 모델이 데이터 활용의 기본입니다. 그리고 측정된 데이터는 4개의 레벨로 나뉩니다. 크게 정량적 데이터와 정성적 데이터, 그리고 정량적 데이터는 비율(ratio)과 간격(interval)로 나뉘고 정성적 데이터는 순서(ordinal)와 명목(nominal)로 나뉩니다. 이 중에서 ratio data가 범용성이 커서 가치가 높은 데이터라고 합니다. 또 정량 데이터를 비닝(구간화)하면 정성 데이터를 만들 수 있고, 정성 데이터를 카운팅하면 정량 데이터를 만들 수 있습니다. 챗GPT의 경우 정량적 데이터를 베이스로 해서 정성적 데이터를 만든다고 합니다. 모델이 거대해지고 복잡해지면 통계적으로 관련성을 만든다는 것이죠. 인간의 머리 속도 이런 비슷한 과정을 거치고 있는 게 아닐까? 하는 의견도 있었습니다. 

데이터 문해에서 주의할 점이 있습니다. 1) 상관관계(correlation)와 인과관계(causation)를 헷갈리면 안된다. 강사님이 예로 제시한 건 아이스크림 판매량과 상어의 공격횟수가 그리는 그래프가 거의 일치한 경우 입니다. 여기에서 아이스크림 판매량과 상어의 공격횟수는 서로에게 영향을 미치지 않습니다. 높은 기온이 두 결과치에 영향을 미친거죠. 즉 아이스크림 판매량과 상어의 공격횟수는 인과관계가 아니라 상관관계에 있습니다. 즉 같은 원인을 가지고 있습니다. 2) Simpson’s Paradox. 하위 그룹을 보면 전체를 볼 때와는 다른 결과를 나타낼 수 있다고 합니다. 3) Cornfield’s Inequality. 요건 흡연이 폐암의 원인이 된다는 것에 반대하는 의견을 잠재웠습니다. 즉 다른 인자가 있다면 흡연의 폐암 발병률만큼 그 인자도 그 이상의 발병률이 나와야 인정될 수 있다는 것입니다. 

위에서 든 예시를 보면서 데이터 가공 가정에서 잘못 이해되는 경우가 많겠구나 느꼈습니다.  또 개인적으로 화학적 실험 데이터가 중요한 필드에서 일한지라 솔직히 데이터에 대한 불신도 좀 있긴 합니다. 정량적 데이터도 측정기계가 잘 교정되지 않은 상태에서 바이어스가 심어질 수 있고 또 정성적 데이터는 그 가능성이 더 심할 수 있을 텐데 과연 데이터를 어디까지 믿을 수 있을까? raw data부터 문제가 있다면 챗GPT의 결과치에도 분명 오류가 있을 수 있겠구나 싶습니다. 그래서 데이터 문해력이 중요한 것 같고 문해력만큼이나 raw data의 수집 과정도 중요한 것 같구요.

막연하게 AI에 대한 거부감, 걱정 뭐 이런 것들이 있었는데 조금 배웠다고 약간의 ‘감’을 얻은 것 같습니다. 물론 이 감 속에도 오류가 있을 것 같지만요. AI에 대한 데이터를 더 모아봐야겠네요~ ^^