똑똑해지는 AI, 인간 지능 언제 뛰어넘을까
AI, 인류의 새로운 도구로 자리잡다 맥킨지(McKinsey)가 2024년 4월 발간한 'What is AI (artificial intelligence)?' 보고서에 따르면, 인공지능은 인간의 인지 기능을 수행할 수 있는 기계의 능력으로 정의된다. 인류는 농업을 혁신한 바퀴부터 복잡한 건설 프로젝트를 가능하게 한 나사, 그리고 오늘날의 로봇 기반 조립 라인에 이르기까지 기계의 도움으로 발전해왔다. 현재 AI는 시리(Siri)나 알렉사(Alexa)와 같은 음성 비서부터 웹사이트의 고객 서비스 챗봇까지 우리의 일상에 깊숙이 자리잡았다. 특히 기업들은 AI를 활용해 업무 효율성과 수익성을 높이고 있으며, AI 시스템의 진정한 가치는 이를 활용해 인간을 지원하고 주주와 대중에게 신뢰를 구축하는 방식에 있다고 보고서는 설명한다. 기계학습과 심층학습, AI의 핵심 동력 기계학습은 AI의 주요 돌파구로 평가받고 있다. 역사적 데이터, 합성 데이터, 인간의 입력 등 광범위한 입력에 적응할 수 있는 이 기술은 1970년대부터 널리 사용되기 시작해 의료 영상 분석과 고해상도 일기 예보 등 여러 산업 분야에서 성과를 거두고 있다. 데이터의 양과 복잡성이 인간이 효율적으로 처리하기에는 너무 방대해지면서 기계학습의 잠재력과 필요성이 더욱 커지고 있다. 특히 심층학습은 기계학습의 더욱 발전된 형태로, 텍스트와 이미지를 포함한 더 광범위한 데이터를 처리할 수 있으며 인간의 개입이 더욱 적게 필요하다. 신경망을 기반으로 하는 심층학습은 인간 뇌의 뉴런 상호작용 방식을 모방해 데이터를 수집하고 처리하며, 반복적인 학습을 통해 예측 능력을 향상시킨다. AI의 발전 역사와 미래 전망 AI의 역사는 1956년 컴퓨터 과학자 존 매카시(John McCarthy)가 다트머스 워크샵에서 '인공지능'이라는 용어를 처음 사용하면서 시작됐다. 그러나 AI 개념에 대한 연구는 이보다 앞서 1950년 앨런 튜링(Alan Turing)이 '모방 게임'을 소개하면서부터였다. MIT 물리학자 로드니 브룩스는 AI가 상징적 AI(1956년), 신경망(1954-2012년), 전통적 로봇공학(1968년), 행동 기반 로봇공학(1985년)의 네 단계를 거쳐 발전해왔다고 설명한다. 생성형 AI(Generative AI)는 프롬프트에 응답하여 콘텐츠를 생성하는 AI 모델로, ChatGPT와 DALL-E 같은 도구들이 다양한 직무 수행 방식을 변화시키고 있다. 현재 일반 AI(AGI) 개발은 아직 먼 미래의 일로 여겨지며, MIT 로봇공학자이자 iRobot의 공동 설립자인 로드니 브룩스는 AGI가 2300년까지는 실현되지 않을 것으로 전망했다. AI 규제와 윤리적 과제 현재 60개 이상의 국가나 연합이 AI의 책임있는 사용을 관리하는 국가 전략을 보유하고 있다. 브라질, 중국, 유럽연합, 싱가포르, 한국, 미국 등이 여기에 포함된다. 미국 정부는 2022년 'AI 권리 장전 청사진'을 통해 안전하고 효과적인 시스템에 대한 권리, 알고리즘 차별로부터의 보호, 데이터 오남용 방지, AI 시스템 사용 고지 권리, 옵트아웃 권리 등 다섯 가지 원칙을 제시했다. 맥킨지는 기업들이 AI 도입 시 투명성 확보, 거버넌스 구축, 데이터·모델·기술 관리, 개인의 권리 보장 등 네 가지 선제적 조치를 취할 것을 권고했다. 특히 AI 모델의 편향성과 윤리적 문제를 해결하기 위해서는 인간의 검토가 필수적이며, 중요한 의사결정에는 AI 모델만을 신뢰해서는 안 된다고 강조했다. AI 도입의 확산과 성공 전략 맥킨지의 2022년 AI 현황 조사에 따르면, AI 모델의 도입이 2017년 이후 두 배 이상 증가했으며 투자도 이에 따라 늘어났다. 기업들의 AI 활용 분야도 제조업과 리스크 관리에서 마케팅과 영업, 제품 및 서비스 개발, 전략과 기업 재무 등으로 진화하고 있다. 성공적인 AI 도입을 위해서는 부서 간 협업 강화, 데이터 기반 의사결정의 일선 권한 부여, 애자일 마인드셋 도입 등 세 가지 주요 변화가 필요하다고 보고서는 제안한다. AI 혁신 사례: 비스트라의 발전소 최적화 프로젝트 보고서는 미국 12개 주에서 약 2천만 가구에 전력을 공급하는 대형 전력 생산업체 비스트라(Vistra)의 AI 도입 사례를 소개했다. 2050년까지 탄소 배출 제로 달성을 목표로 하는 비스트라는 맥킨지의 AI 전문 조직인 퀀텀블랙(QuantumBlack)과 협력해 AI 기반 열효율 최적화 시스템(HRO)을 구축했다. 이 시스템은 발전소의 증기 온도, 압력, 산소 수준, 팬 속도 등 수백 개의 변수를 지속적으로 모니터링하고 조정한다. 2년간의 발전소 데이터를 분석한 다중 계층 신경망 모델을 통해 30분마다 운영자들에게 열효율 개선을 위한 권장사항을 제공한다. 그 결과 연간 약 160만 미터톤의 탄소 배출 감소, 67개 발전기 최적화, 1년 만에 6천만 달러의 비용 절감이라는 성과를 달성했다. 오데사 발전소의 한 운영 관리자는 "발전소에 대해 배우는 데 20년이 걸린 것들을 이 모델은 하루 만에 배웠다"고 평가했다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT-4o를 활용해 작성되었습니다. (☞ 보고서 원문 바로 가기)
