지난 주까지 이탁연 선생님의 강의를 들었는데요. 이번 주부터는 김재인 선생님의 강의가 시작되었습니다. 3강 강의의 제목은 <인공지능과 인간의 차이는 무엇일까?>였어요. 전반부에서는 주제와 관련한 강의를 해주셨고, 후반부에는 문탁에서 준비한 사전질문지를 보고 이야기 해주셨습니다.

인공지능은 크게 두 부류로 나눌 수 있다고 합니다. 언어 생성 인공지능과 비언어 생성 인공지능이 그것입니다. 언어 생성 인공지능에는 챗GPT나 바드, 번역기, 음성 인식 문자 변환(Speech to Text, STT)가 있습니다. 비언어 생성 인공지능에는 그림, 동영상, 소리, 음성, 음악이 있습니다. 이에 따라 인공지능의 원리도 둘로 나뉘는 것 같습니다. 언어 생성 인공지능에는 초거대 언어모델(Large Language Model, LLM)이, 언어 생성 인공지능에 더불어 비언어 생성 인공지능이 접목되면 멀티모달 학습(Multi-modal Learning)이 되는 것이지요.

초거대 언어모델(Large Language Model, LLM)의 알고리즘은 몇 가지 선택지 중에 선택될 확률이 높은 단어들을 조합해서 출력해냅니다. 이때 중요한 것은 문장의 구성이라서, 말이 되는 문장을 만드는 데 특화되어 있습니다. 따라서 그 단어의 조합이 사실인지 아닌지는 고려하지 않는 것입니다. 이 초거대 언어모델에 오류, 허구, 가까인 내용이 포함되는 것은 필연적이라고 봐야 합니다.

멀티모달 학습(Multi-modal Learning)은 언어로 설명이 붙습니다. 이미지와 텍스트를 짝지어서 라벨링을 하고, 라벨링된 데이터를 방대하게 모으는 것이 관건입니다. 라벨링되는 단위가 점점 작아지고 있다고 합니다. 온갖 것에 라벨링을 붙일 수 있는 것이지요. 그 왜 구글에서 기계인지 사람인지 확인하기 위해서 가끔 이미지를 나열해주고 그중 신호등이나 자동차를 고르라고 하지 않습니까? 항상 느낀 건데, 얘네도 정확한 답을 알고 이걸 주는 건 아니구나.. 싶더라고요. 오히려 거꾸로 저희를 무료 인력으로 사용해서, 라벨링이 제대로 되어있는지를 확인하는 것처럼 느껴졌습니다. 라벨링의 정확도에 나도 기여하지 않았을까... 생각해봅니다.(?)

여기까지가 인공지능에 대한 기초 설명이었구요. 김재인 선생님께서 중요하게 말씀하시는 부분은 생성 인공지능의 한계인 듯 했습니다. 챗GPT를 사용하는 사람이라면 누구나 느낄 수 있는 한계가 있습니다. 특히 정확한 정보를 얻기 위해 발품을 팔아야하는 정보는 챗GPT로도 얻기가 어렵습니다. 역사에 대한 관점이나, 소수자 운동처럼 포털 검색이 어려운 경우나, 동양철학 정보처럼 인터넷에 그에 관한 양은 많지만 정확도가 떨어지는 경우가 그런 것 같습니다. 

그래서 김재인 선생님은 오히려 생성 인공지능을 사용하려면 인간이 어떤 역량을 갖춰야 한다고 말하셨습니다. 첫번째는 자신의 전문 영역에 맞게 사용 가능성을 확인해야 한다고요. 인문사회와 이공계의 실용성 차이가 엄청나다고 하셨는데, 저희 모두 느끼고 있는 부분이 아닐까 싶습니다. 두번째로는 생성물의 진위와 가치를 변별할 수 있는 전문 지식이 오히려 더 중요해질 거라고 하셨습니다. 평범한 수준에 머문다면 인공지능에 의해 대체될 수 있다는 것이지요.

그렇다면 생성 인공지능 앞에서 인간은 어떤 존재인가를 묻지 않을 수 없게 됩니다. 김재인 선생님은 이 부분에서 아구스틴 푸엔테스의 <크리에이티브>라는 책 이야기를 해주셨는데요. 푸엔테스씨는 어떤 창의적인 결과는 천재 한 사람에 의해 만들어지는 것이 아니라, 그것이 유전되고 전통으로 내려오는 사이에, 그러니까 집단적으로 그것을 학습하고 협력하고 의사소통하는 과정에서 발생한다는 이야기를 하셨다고 합니다. 마침 강의 며칠 전에 넷플릭스에 이와 관련한 다큐멘터리가 올라왔다고 해요. <언노운: 뼈 동물>(2023)입니다. 관심 있으신 분들은 보셔도 좋을 것 같아요.

후반기의 질의응답은 제가 정리하기에는 조금 어려운 것 같아서요. 질문해주셨던 분들의 댓글을 기다려보겠습니다.

이상 간단한 후기를 마칩니다.