본문 내용으로 건더뛰기

모바일 대메뉴명

KDI 경제정보센터

디지털 경제의 시대 우리가 알아야 할 모든것e경제정보리뷰

발행물 e경제정보리뷰 전문가 좌담

전문가 좌담

인공지능(요약)편
KDI 경제정보센터 자료연구팀 2020년 03호
AI 인력양성 방향을 놓고 뜨거운 설전이 오고 간 이번 전문가 좌담을 핵심사항 위주로 편집했다. AI 현주소를 짚어 보고 향후 GPT(일반목적기술)로의 발전 가능성을 타진해 보았다. 인력양성의 두 방향으로 핵심 기술과 융합 기술 관련 논점을 정리했으며, UC 버클리와 MIT의 융합형 인재육성 전략이 주는 시사점도 살펴보았다. AI 최신 동향과 핵심 쟁점을 한눈에 보고픈 분들에게 안성맞춤일 것이다.
    ♦ 목 차 ♦ 
  1. 인공지능의 정의와 현주소
  2. 인공지능의 평가와 전망: AI = GPT?
  3. 인력양성의 두 방향: 핵심 기술 vs 융합 기술
  4. 세계의 동향: AI 교육과 R&D 방향의 변화
  5. 정책적 제언: 우리가 나아가야 할 방향




1. 인공지능의 정의와 현주소

 · AI가 다양한 분야에서 활용되면서 사용 목적에 따라 정의가 달라짐.
 · AI를 기술적으로 정의하면 머신러닝과 최적화하는 프로그램으로 실제 사회적 영향을 주기 위해선 물질세계에서 현실화시킬 수 있는 사람 혹은 기계 같은 매개체들과 시스템적인 결합이 필요 
 · 대중매체에서 AI가 그림을 그리고, 법률 문서를 정리했다는 말이 은유적으로 사용되는데, 이는 수많은 엔지니어들의 노력과 AI가 결합하여 나온 결과물임.
 · AI를 정의할 때는 프로그램으로의 AI, 매개체와 결합해 실제 물질세계에 영향을 주는 AI를 구별해 대중에게 다가가야 오해와 혼란을 최소화할 수 있음
 · 현재 AI는 인간 고유 기능인 학습방식을 기계로 재현할 수 있음을 보여주면서 관심의 대상이 되고 있음.
 · 철학적 관점에서 볼 때 AI의 수행 능력과 결과물은 뛰어나지만 인간처럼 어떤 경험을 통해 작업을 한 것이 아닌 자각이 없는 수행 작업임.


2. 인공지능의 평가와 전망
▶ AI = GPT?
 · 전기, 인터넷처럼 AI도 초기 용도보다 훨씬 사회경제 전반에 영향을 주는 GPT(일반목적기술) 될 수 있느냐가 최대 관심사
 · AI가 GPT인지 아닌지는 아직 논쟁의 여지가 있고, 여전히 현재진행형이기 때문에 정확한 것은 시간이 더 지나야 판단이 가능
 · 실제 AI제품들은 이미 가지고 있었던 제품을 더 편리하게 개선해서 만들어낸 것으로 우리에게 익숙한 것이 대부분
 · 'AI는 우리 삶을 더 편하게 해줄 수 있는 기술'이라는 사회적 신뢰 구축이 국가 정책적 차원에서 매우 중요함.
 · 이과 영역 AI패러다임이 연결돼야 다양한 사람들이 참여하면서 혁신적인 연구결과가 나올 수 있고, 이들이 합쳐지면 광범위하게 적용 가능한 프레임워크가 될 수 있음.
 · 사람의 지식이나 알고 있는 규칙(rule)만으로도 잘 풀리는 문제는 굳이 AI를 쓸 필요가 없으며 이를 잘 구별해야 AI를 효과적으로 활용할 수 있음


3. 인력양성의 두 방향
▶ 핵심 기술 vs 융합 기술
 · AI 인력양성은, 핵심 원천기술 중심의 교육과 AI 원천연구와 응용연구가 융합된 교육 두 가지 방향이 존재
 · 핵심기술 중심 교육의 관점에서는 AI의 근본적인 부분을 향상시키는 것에 집중하고, AI 전문가가 다른 영역의 전문가와 활발하게 협력하는 것을 추구
 · 융합적 교육의 관점에선 AI 성격상 모든 분야에 적용이 가능하고, AI 분야의 획기적인 발전을 위해서는 다양한 시각으로 바라볼 수 있는 교육과정이 필요하다는 것을 강조
 · 원천연구와 응용연구가 융합된 교육을 받은 인재는 그 경계를 자유롭게 넘나들며 임팩트를 형성할 수 있고, 새로운 문제를 발굴해 솔루션을 만드는 선구자가 될 수 있음.
 · 기업 현장에서는 AI 관련 부서에 배치할 인력을 찾는 데 어려움을 겪고 있고, 단기적인 성과에만 급급한 경향이 있어 제대로 된 성과를 얻기 힘든 상황
AI 인력양성의 방향
핵심 기술 융합 기술
 - AI 원천 핵심기술에 집중 투자
 - 원천기술로 선두주자는 힘들지만, 우리나라 강점 산업에서만큼은
   가능성이 있기에 핵심역량 그룹 양성에 대한 노력이 필수적
 - AI 전문가와 산업 응용 분야 전문가가 서로의 역할을 제대로
   수행하며 활발하게 협력할 수 있어야 바람직
 - 철학, 법률, 문화 등 다양한 시각으로 AI를 바라볼 수 있는 융합적
   교육에 초점
 - 원천기술과 산업응용기술이 하나로 합쳐져 경계를 자유롭게
   넘나들면서 임팩트 형성
 - 이미 한계에 부딪힌 AI 분야의 새로운 발견과 획기적인 발전을
   위해서는 폭넓은 견해를 가진 양손잡이 인재가 필요
 

4. 세계의 동향
▶ AI 교육과 R&D 방향의 변화
 · 2015년부터 데이터사이언스를 연계한 대학원 전공 과정을 운영하고 있는 UC 버클리처럼 우리도 AI의 개념과 범위를 더욱 넓히고 경계를 허무는 방향으로 나아가야 할 필요가 있음.
 · 규제 때문에 융합적 방향으로의 AI 교육 혁신이 힘든 한국은 외국 대학들과 연대를 통해 교육의 방향과 변화를 모색하고 있는 상황임.
 · 사회에서 AI가 GPT로서 임팩트를 주기 위해선 여러 분야의 전문가들 간 자연스럽게 협업하는 환경이 지금보다는 훨씬 더 많아져야 함.
 · MIT 스테판 슈워츠먼 컴퓨터 대학의 경우 교수진 절반은 컴퓨터과학 교수, 나머지는 MIT 타 연구 부문 출신으로 할당해 선발하는 등 협업 환경 구축해 AI+X에 적용
 · 압도적인 원천기술을 가진 미국은 못 넘더라도 캐나다, 독일, 프랑스 수준까지는 따라가려는 노력을 기울여야 AI 시장에서 경쟁이 가능
 · 한국에서 학부를 나오고 해외로 빠져나가는 인력이 많은 현실에서 한국으로 돌아와 자기 역량을 충분히 발휘할 수 있도록 하는 유인책 마련이 시급


 
5. 정책적 제언
▶ 우리가 나아가야 할 방향
 · 해외와의 교육, R&D 연계로 시장을 넓혀야 하며, 반도체, 가전 분야에선 우리나라가 경쟁력을 가지고 있어 협력을 진행하는 과정에서 우위를 점할 수 있음.
 · AI 윤리와 규제 수립에 있어 선제적으로 움직이는 유럽과의 협력은 필수
 · 해외 정책사례를 단순히 학습하기보다는 우리나라 AI 정책의 구체적인 청사진을 설정하고 한국적인 맥락의 적용 방안을 고민하는 것이 필요한 시점
 · 미국과 유럽의 경우, AI 정책이 상당히 다름에도 불구하고 자신들이 지향하는 가치와 부합하는 부분은 적극적으로 수용해 정책에 반영
 · 융합적인 인재와 시장 흐름에 발 빠르게 대처할 수 있는 능력이 AI 분야 성공의 관건
 · AI는 데이터가 중심인 만큼 AI 패러다임을 전제로 데이터 생태계를 고려한 정책을 고민하는 것이 필요
 · AI 원천기술을 어느 수준까지 따라가지 못하면 다음을 기약할 수 없다는 점에서 AI 원천기술에 대한 투자와 실력을 키우는 것이 필요
 · UC버클리와 MIT가 융합형 인재 육성을 지향하는 것처럼 우리의 AI 교육도 인문·사회·공학 등의 전 학문을 아우르는 교육체계로 탈바꿈해 AI 인재 양성에 투자하는 것이 효과적
KDI 경제정보센터