인공지능(학계-요약)편 | e경제정보리뷰

전문가 좌담

인공지능(학계-요약)편

KDI 경제정보센터 자료연구팀 2020년 03호

전문가 좌담(요약-1005)_홈페이지게시.pdf

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.

자세한 내용을 보실 분은 인공지능(종합)편 바로가기 클릭>>

♦ 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 ‘프로그램’으로 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)가 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.
· 문⋅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

목록보기