생성AI는 지금 새로 나온게 아니라 이미 2014년에 GAN(Generative Adversarial Networks)이라는 모델이 등장하면서 본격적으로 시작되었다. 구글은 이미 많은 걸 해 놓았지만 상품성이나 검색 사업모델이 이슈인지 사용자에게 내 놓지 않았는데, OpenAI 라는 회사가 ChatGPT 를 일반 사용자에게 공개하면서 갑자기 떴다.

아래 그림은 인공지능이 그린 그림으로 2022년 예술대회에서 1등을 했다. 뭐라뭐라 설명을 해주면 AI가 그림을 그려준다.

미드저니 2022년 예술대회 우승 그림 — 2022년 예술대회에서 1등한 AI가 그린 그림

2015년인가 웨어러블과 헬쓰 서비스를 만들 때 머신러닝으로 유명한 어느 대학교 교수님 연구실을 방문한적이 있다. 뉴스 기사, 소설, 작곡 예를 보여주었다. 뽀로로의 다음 회차 대본을 쓰기도 한다. 어려운 점이 뭐냐고 물어보니, 조용필이 어렵다고 한다. 조용필 스타일의 새로운 곡을 쓰라고 하면 그게 잘 안된다고 한다. 왜냐하면 조용필은 한 가지 스타일이라고 규정할 수 없기 때문이다. 아~. 역시 조용필은 대단한 가수이다.

생성형 AI라는 말은 2022년에 OpenAI 덕분에 처음 알게 되었지 그때는 몰랐었다. 실제 그 연구실이 생성형 AI 모델을 사용한 것인지는 모른다. 뉴럴넷 기반은 규칙기반과 다르게 결과는 내지만 이유는 모르기 때문에 블랙박스라 내가 원하는 활용을 하는 것과 거리가 좀 있었고 아직 연구 수준이었다. 실제로 이게 얼마나 실제 생활과 업무에 활용될거라 상상하지 못했다.

4산업혁명, 지금 시작하는 듯

산업혁명을 굳이 1~4차로 나누면, 1차는 증기기관을 통한 기계 기반, 2차는 전기 기반, 3차는 컴퓨터와 인터넷 기반, 4차를 빅데이타, IoT, AI 기반이라고 한다.

감히 기술철학 관점에서 단순하게 정리해보자면, 1차와 2차가 기계와 전기를 통한 기계적인 자동화와 대량생산으로 인간의 육체 활동을 확장하고 대체했다면, 3차인 컴퓨터와 인터넷은 가상세계라는 정신적인 활동을 확장했다. 4차의 인공 지능은 지능을 확장하는게 아니라 대신할 수 있을 것 같다.

4차 혁명 운운할때에는 빅데이터 , IoT, AI 이런 얘기를 하며 딥마인드가 이세돌 9단을 바둑이로 이긴거 말고는 없었다. IoT는 사라졌고 메타버스는 페이스북이 메타로 회사이름까지 바꿨지먼 2022년 팀을 없애거나 줄였다. 챗봇 정도로 상담원의 일자리를 조금 뺐어갔지만 그냥 그랬다. 챗봇 API를 제공하면서 직접 만들어보니 그냥 규칙 기반이 대부분이기 때문이다. 지금은 4차 산업혁명 얘기하는 사람이 없다. 생성 AI를 이용하면 규칙으로 만들던 챗봇은 다 바뀔 것 같다.

ChatGPT를 일 하면서 쓰니 완전 새로운 세상이 열린 것 같다.

PDA에 통화가 되고, GPS, 카메라, 인터넷이 되는 PDA 폰을 2008년에 처음 샀을때의 느낌이다. 그 후 아이팟터치, 아이폰 3GS를 산 후 앱도 많아지면서 지금의 스마트폰 세상이 열린 그때 같다.

OpenAI의 ChatGPT를 사용하면서는 4차 혁명, 이거 지금 시작하는 것 같다는 생각이든다. 물론 ChatGPT 얘기하면서 4차 산업혁명 키워드를 얘기하는 사람은 못 봤다. 그러니 4차 산업혁명은 웹2.0이나 웹3.0 처럼 마케팅 용어인 것 같다.

기술이 육체의 확장과 보완에서 정신/인지의 보완과 확장이 방향성은 새롭지 않다. 애니메이션 공각기동대에서 나온 전뇌(전자 뇌) 에서 충격을 느꼈지만, ChatGPT와 같은 생성 AI는 그와 다르다. 전뇌는 내 뇌가 인터넷과 컴퓨터가 연결되어 정보를 찾았다면 ChatGPT는 내 대신 머리 쓰는 일을한다. 아직 컴퓨터끼리 연결되어 행동을 하는 자비스 정도는 아니지만 텍스트로 대화하더라도 그 가능성은 이제 시작인 것 같다.

생성AI는 도움이 아니라 나 대신 일한다

유튜브에 쓸 스크립트를 chatGPT한테 시켜서 만들고, 국회연설문도 쓰고, 소설도 쓰고, 숙제도 하고, 논문도 쓰고, 컴퓨터 프로그램도 짠다.

내 머리와 클릭질로 조사할 것은 나 대신 chatgpt 가 한다.

내가 원하는 그림을 AI한테 시켜서 그린다. 나야 블로그에 쓸 이미지 정도를 AI 한테 시켜서 만들지만 어떤 사람들은 19금 후방 사진을 AI 한테 시켜서 만들기도 한다.

내가 원하는 것을 swift 와 파이선으로 짜게 한 것은 큰 도움이 되었다. 어르고 달래서 짜게 했는데, 조금만 더 나아가면 아례 다른 스타일로 짜서 답답할 때도 있었다. 그런데 파이썬은 할줄 모르니 짜게 할때마다 설명을 보면서 공부가 되었다.

챗봇은 if the else 로 질문에 대해 미리 답을 적어 놓는다. 그런데 지인이 상품 정보를 ChatGPT한테 넣고, 이런저런 질문을 했는데 상품 정보에서 답을 내 놓았다. 이제 규칙 기반의 챗본은 생성 AI를 이용하면 기획자가 개발자처럼 조건문 넣은 삽질은 사라질 것 같다.

클로바나 시리 정도의 단답형 대화가 아니다. 이게 사람 처럼 내용을 말한다. 아니 웬만한 각 분야의 전문가 수준이다.

클로바 기획팀의 발표가 기억난다. 자기네는 엑셀로 기획한단다. 발화에 대한 답을 엑셀에 적기 때문이다. 이게 인공지능이 될줄 알았는데 안되서 일일이 예상질문에 대해 엑셀로 답을 적는단다. 😆 요즘 네이버도 생성 AI 한다는데 언제쯤이면 OpenAI의 챗GPT수준이 나올지는 모르겠다.

어떤 분야에 대해 공부하기 좋다. 독서 토론도 이 놈이라아 하고 인생 상담도 하고 조사할게 있으면 이 놈한테 시킨다.

리서치 조사원, 상담원, 나 대신 해주는 대필가, 컴퓨터 프로그래, 화가 같다.

영어 회화나 단어에 대한 유튜브 영상을 만들기 위해 챗GPT한테 목록을 만들고 예문을 만드라고 시키기도 좋다.

다 좋았던 것은 아니다.

영화블로그 할까 고민하면서 chatGPT 에게 물어봤다. 사람들의 영화 검색이 개봉근처의 반짝이라는 걸 ChatGPT는 알지 못했다. 사람들이 어떻게 왜 무엇을 검색하는지를 물어보았지만 ChatGPT는 이런 통찰은 없었다. 내 질문이 잘 못되었는지 모르지만 도움은 안되었다.

robots.txt 를 ChatGPT 한테 짜게 했는데, 간단한 규칙을 매번 다른 스타일로 짜서 오히려 헷갈렸다.

사람은 왜 살아야 하는지 등등의 고민상담을 했는데 뻔한 얘기만 해서 재미가 없었다.

IBM의 왓슨이 의료쪽으로 특화해서 진단까지 해주는데, 생성 AI는 이런거랑 다른 결 같다.

와슨은 인간 의사의 판단하는데 도움을 주다가 이제는 판단을 해준다. 고모부가 돌아가실때 45일 판정을 받았는데, 의사말로는 AI가 알려줬다고 하고 거의 맞았다고 한다. 43일만에 돌아가셨다. 병원 봐서는 아마 와슷이었을 것 같다.

친구말로는 AI 가 한 환자의 수술에 대한 시뮬레이션 하던 중 살아날 확률이 적어 수술을 중단했다고 한다. 인간과 AI의 다른점은 감정, 창의가 아니라 이제는 창발, 의지와 의식 밖에 없다. 그러니 AI는 의지가 없으니 정해진 규칙에 따라 효율을 따른다.

생성AI는 판단을 대신해주는게 아니라 뭔가를 만든다. 물론 판단을 대신하게 사용할 수도 있다. 뭔가를 하니, 나 대신 뭔가를 한다. 도움을 받는게 아니라 그냥 나 대신 하는 거다.

생성AI는 내 비서가 아니라 내 직원이다

생성형 AI를 이용하는 인간 사용자에게 필요한 능력

목적설정, 결과해석, 커뮤니케이션 능력

생성형 AI를 사용하는 인간 사용자는 어떤 능력이 필요한지 챗GPT한테 물었다.

아니! 생성 AI사용하는데 컴퓨터과학, HCI 등을 알아야 한다고? 일반 사용자 기준의 답을 기대 했는데 내 의도에 맞는 질문이 아닌 모양이다.

Q: chatgpt 와 같은 생성형 AI를 사용하는 인간에게 어떤 능력이 필요할까?

A: 생성형 AI와 상호작용하는 인간은 다양한 능력이 필요합니다. 몇 가지 예시는 다음과 같습니다.

컴퓨터과학 및 인공지능 이해: 생성형 AI가 작동하는 방식과 기술적 세부 사항에 대한 이해가 필요합니다. 컴퓨터과학, 인공지능, 자연어 처리 및 기계 학습과 같은 주제에 대한 이해는 생성형 AI와 상호작용하는 데 필수적입니다.

문제 해결 능력: 생성형 AI와 상호작용하는 과정에서 발생하는 문제를 해결할 수 있는 능력이 필요합니다. 예를 들어, AI 모델이 제공하는 답변이 부적절하거나 문제가 발생한 경우 이를 수정하고 해결하는 능력이 필요합니다.

창의적 사고: 생성형 AI와 상호작용하는 인간은 종종 창의적인 솔루션을 찾아야 합니다. 이를 위해서는 상황에 맞게 새로운 접근법을 고안하고, 새로운 기술 및 방법을 응용하는 능력이 필요합니다.

상호작용 및 커뮤니케이션 능력: 생성형 AI와 상호작용하는 인간은 효과적인 커뮤니케이션 및 상호작용 능력이 필요합니다. AI 모델과의 대화에서 명확하고 간결하게 의견을 표현하고, AI 모델이 제공하는 답변을 이해하고 활용할 수 있어야 합니다.

데이터 분석 및 통계학: 생성형 AI 모델을 훈련하고 평가하는 데 필요한 데이터 분석 및 통계학 능력이 필요합니다. AI 모델의 성능을 분석하고, 모델을 개선하거나 다른 모델로 대체할 필요가 있을 때, 데이터를 분석하고 이를 기반으로 결정할 수 있어야 합니다.

인간 중심 디자인: 생성형 AI와 상호작용하는 사용자를 위한 인간 중심 디자인 능력이 필요합니다. AI 모델이 사용자가 원하는 답변을 제공하는 데 도움이 되도록, 사용자 인터페이스를 설계하고 개선하는 능력이 필요합니다.

다시 물었다.

컴퓨터과학이나 HCI는 빠졌지만 여전히 생성AI모델을 훈련하고 평가하는 부분이 들어 있다.

그런데 내 대신 네가 일하라고 하는건데, 내가 문제 해결능력, 창의력이 필요하다고?

Q: 생성형 AI를 일반 사용자가 소설을 쓰거나 프로그램을 짜게 하는 등 사용할 때 어떤 능력이 필요할까?

A: 생성형 AI를 사용하여 소설을 쓰거나 프로그램을 짜는 등의 일을 수행하려면 다음과 같은 능력이 필요합니다.

문제 해결 능력: 생성형 AI는 사람들이 지정한 목적을 이루기 위해 알고리즘과 기계 학습 모델을 사용하여 작동합니다. 사용자는 AI가 문제를 어떻게 해결할지 지정해야 합니다. 이를 위해서는 문제 해결 능력이 필요합니다. 사용자는 AI가 해결하려는 문제를 정의하고, 필요한 데이터 및 자료를 수집하고, AI 모델이 예측해야 하는 목표와 제한 사항을 정해야 합니다.

프로그래밍 지식: 프로그램을 만드는 경우, 일반적으로 프로그래밍 지식이 필요합니다. 생성형 AI는 자연어 처리 기술을 사용하여 작동하므로, 프로그래머는 일반적으로 자연어 처리 및 인공지능 개발을 위한 언어 및 도구에 대한 지식이 필요합니다.

창의력: 생성형 AI를 사용하여 소설을 쓰거나 프로그램을 짤 때, 창의력이 필요합니다. 사용자는 AI 모델이 제공하는 결과를 분석하고, 결과를 개선하거나 AI 모델의 답변을 수정해야 할 수 있습니다. 이를 위해서는 창의적인 문제 해결 능력이 필요합니다.

커뮤니케이션 능력: 사용자는 AI 모델과 상호작용해야 합니다. 이를 위해서는 명확하고 간결하게 의견을 표현하고 AI 모델의 응답을 이해하고 수정할 수 있는 커뮤니케이션 능력이 필요합니다.

데이터 분석 및 통계학 지식: AI 모델을 훈련하고 평가하려면 데이터 분석 및 통계학 지식이 필요합니다. 사용자는 AI 모델의 성능을 평가하고, 모델을 개선하거나 다른 모델로 대체할 필요가 있을 때, 데이터를 분석하고 결정할 수 있어야 합니다.

다시 질문했다.

A: 생성AI모델을 만들거나 학습시키는 것이 아니라 일반 사용자가 생성형 AI를 사용할때 필요한 능력으로 국한한다면?

Q: 생성형 AI를 사용하는 일반 사용자라면 다음과 같은 능력이 필요합니다.

목적 설정 능력: 일반 사용자는 생성형 AI가 어떤 목적으로 사용되어야 하는지 정확하게 이해하고, AI에게 작업을 수행하도록 목적을 설정해야 합니다. 목적 설정은 AI가 작업을 수행하는 데 중요한 역할을 합니다.

데이터 이해 능력: 생성형 AI는 데이터를 사용하여 작업을 수행하므로, 일반 사용자는 생성형 AI에 필요한 데이터를 이해하고, 데이터를 수집하고 정제하는 방법을 이해해야 합니다.

자연어 처리 이해 능력: 생성형 AI의 대부분은 자연어 처리 기술을 사용합니다. 따라서 일반 사용자는 자연어 처리의 기본 개념과 용어를 이해하고, 생성형 AI의 출력을 이해하고 수정할 수 있는 능력이 필요합니다.

결과 분석 및 평가 능력: 생성형 AI의 결과를 분석하고 평가할 수 있는 능력이 필요합니다. 일반 사용자는 AI 모델이 생성한 결과를 분석하고, 결과가 예상한 대로 작동하는지 확인하고, AI 모델의 성능을 평가할 수 있어야 합니다.

커뮤니케이션 능력: 일반 사용자는 생성형 AI와 상호작용해야 합니다. 이를 위해서는 AI 모델의 출력을 이해하고, 명확하게 의견을 표현하고 AI 모델의 응답을 수정할 수 있는 커뮤니케이션 능력이 필요합니다.

이제 그나마 내가 원하는 방향의 답이 나왔다. 역시 질문이 맞거나 좋아야 답이 나오는 것 같다.

생성AI 한테 일을 시키기위해 목적을 명확하게 설정해야하고, 결과를 해석할 수 있어야 하고 AI랑 대화를 잘 할 수 있는 능력이 필요하다.

내가 생성 AI한테 일을 시켜봐도 그런 것 같다. 그냥 다른 사람에게 시키고 결과를 받을 때 시키는 사람에게 필요한 능력과 같다. 생성 AI는 그냥 계산이나 검색하라고 시키는 수준이 아니라 지가 다 하라는 거니 사람한테 시키는 것과 비슷한 것 같다.

ChatGPT 같은 생성 AI 쓰면 이젠 공부 안 해도 될까?

영국 드라마 『 휴먼스 Humans 』 에피소드 1편인가에서 딸이 휴머노이드 로봇을 총으로 쏘는 장면이 있다. 공부를 아주 잘했는데 최근에 공부를 안하고 로봇에 총을 쏜다. 왜 그러냐고 부모가 물으니 딸이 대답한다. 어차피 공부를 해도 AI보다 더 잘할 수 없으니 할게 이것 밖에 없다. 뭐 이런내용으로 기억이 난다.

글도 쓰고, 조사도 해주고, 그리도 그리고, 컴퓨터 프로그램도 짜주면 나는 공부를 안해도 될까? 어제 드디어 뭔가를 공부해서 내 머리속에 넣는 일을 안해도 될까? 학벌주의에서 학교 졸업장 따기 위한 학교 공부 말고 말이다. 궁금해서 알아가고 발견하고 그걸 즐기는 지적 유희는 뺀다.

ChatGPT랑 놀면서 느낀 것 중의 하나는 시험을 보기 위한 공부를 할 필요는 없지만 이 놈 얘기가 맞는지 확인할 수 있는 정도의 지적 능력과 내용을 알아야 한다. 왜냐하면 생성 AI는 학습 기반인데 세상 사람들이 다 맞다고 하는 것만 학습하니기 때문이다. 학습한 데이터로 부터 결과를 내니 시작은 학습할 데이터가 문제이다.

어릴때에는 “컴퓨터”라는 말을 사람에게 쓰면 ‘정확하다’, ‘계산을 통해 정확하다’ 뭐 이런 식이었다. 야구 만화에는 컴퓨터 타자라는 표현이 나오고 야 컴퓨터 같다 같은 표현도 있었다.

규칙 기반의 AI는 전문가의 규칙을 넣어서 전문가 시스템을 만드려고 하다 성공하지 못했다. 지금의 뉴럴넷 기반의 AI는 데이터를 학습해 확률로 결과를 내기 때문에 틀린답이 나올 수 있다. 규칙기반은 물어봤을때 규칙이 없으면 모른다고 나오지만 확률 기반은 0.8 확률에서는 이런것도 있다고 나오는데, 학습 기반은 무슨 데이터를 학습했느냐에 따라 결과가 달라진다.

그러니 ChatGPT가 말한 내용을 그대로 믿어서는 안된다. 내용을 내가 맞는지 판단할 수 있어야 한다.

직원에게 일을 시켜서 가져온 게 내가 시킨대로 한 것인지 확인할 수 있는 능력이 있어야 하는 것 처럼, 생성 AI한테 시켜서 한 일이 맞는지 확인할 수 있어한다. 믿으면 모든게 문제가 없지만 믿을 수 없다. XAI라고 설명 가능한 AI 분야도 있던데 해 봤자 논리나 출처 정도 표기로 어떻게 맞는지 알 수 있을까 싶다.

사진이나 그림은 내가 원하는지 바로 알 수 있지만, 프로그램 코드는 맞는지 내가 판단할 수 있어야하고, 원균을 일본 장수라고 한 chatGPT 결과도 있으니 AI 인간 사용자는 여전히 알고 있어야 한다. 정보에 대해 아직 AI 를 믿으면 안 되니 여전히 지식을 습득하고 공부해야한다. 마치 컴퓨터가 처음 만들어져서 나사에서 이용될때 컴퓨터가 한 계산이 맞는지 수학 천재 여직원들이 계산 하는 것처럼 (영화 『 히든 피기어스』 에서 볼 수 있다), 아직은 생성 AI 결과를 다 믿을 수는 없다.

결론은.. 인간 사용자는 여전히 공부해야한다. 다른 점은 내가 글을 쓰거나 코딩을 하기 위해 공부하는게 아니라 시키기 위해, 해온 것을 확인하기 위해 공부해야한다.

이 놈은 같은 질문을 여러번 반복해도 다른 결과를 내기도 한다. 줄기차게 한 가지 대답을 하는 사람과 다르다. 같은 말을 해도 다른 결과를 내거나 다른 형식을 대답을 하니 내가 판단할 수 있어야 한다.

공부를 안해도 될줄 알았는데 결과를 확인하고 해석하려면 머리가 필요하다. ㅠㅠ

내가 원하는게 무엇이고 결과를 평가할줄 아는 능력

요즘 유튜브 영상 만들기 위해 ChatGPT한테 프로그램을 짜게 시키고 있는데 내가 전혀 할줄 모르는 파이썬으로 만든다.

내가 짜는 건 아니고 챗GPT가 짜고 나는 빌드만 시킨다. API로 빌드까지다 해주는 게 있을것 같지만 로칼에 파일을 저장해야해서 구글 colab 으로 안하고 맥에 파이썬 빌드 환경을 만들었다.

파이썬이 돌아 내가 원하는 결과를 낸다. 그런데 나는 파이썬을 할줄 모른다. 프로그래밍 언어는 언어별로 for 문도 헷갈릴 지경이지만 대충 함수나 명령어 영어를 보고 뭐하고 코드인지 짐작은 한다. 파이썬으로 결과를 내는데 나는 파이썬을 할줄 모른다. 문득 마치 튜링 테스트나 중국어 방 얘기가 생각났다. 나는 과연 이해하고 알고 이걸 하고 있는가?

가끔 직장 상사나 동료중에 직원에게 일을 시키면서 자기가 뭘 시키고 있는지 모르는 사람을 볼때가 있다.위에서 받은 지시를 제대로 이해하지 못하고 시키면, 결과를 가져왔을때 평가하고 판단하지 못한다. 챗GPT로 일을 시키고 결과가 나왔을때 이를 평가하려면 내가 원하는게 무엇인지 알아야한다. 만약 과정에도 관여하고 싶으면 직원에게 방법도 얘기하듯이 챗GPT한테 과정도 얘기해주면 된다. 챗gpt 는 물어볼때 마다 다른 코딩 스타일하고 다른 패키지를 쓰는 경우가 있다. 그럼 이 패키지를 써서 코드를 짜라고 한다. 사람한테 시키는 거랑 다르지 않다.

생성 AI 한테 시키기 위한 언어적 설명력, 표현력

어느 책에 봤는지 기억은 안 나지만 이런대목이있다. 공부를 많이 하고 자존감이 있는 사람은 의사 치료를 받을 때 자기가 뭐가 불편한지 제대로 얘기할 수 있다고 한다.

작년부터 여기저기 아픈 곳이 생기기 시작했다. 그런데 의사와 대화할 때 뭐라고 표현해야할지 어려움을 느낀다. 아팠을 텐데 안 아팠냐구 물어보는데, 이게 아픈거였나? 그냥 쓰라림 정도였는데?

이게 아픈건지, 어떻게 아픈 건지 표현력이 부족하다. 아픈 것에 대한 형용사 자체를 모르겠다. 내가 찾는 말은 ’00가 불편하다’ 정도이다 ㅠㅠ

chatGPT 랑 대화하면서 느낀것도 이거다.

어떻게 얘기하느 냐에 따라 다른 대답을 하는건 당연하지만 같은 내용이라도 내가 하려는 말을 제대로 해야한다.

설명을 잘 해야 한다.

설명을 잘하는게 기존의 네이버 클로바나 애플의 시리 같은 인공지능스피커 사용과는 다르다. 인공지능 스피커는 사용할 수록 말을 잘 알아 먹는 것 같다고 느낀다. 그러나 사실은 인공지능 스피커가 잘 알아먹는게 아니라, 인간 사용자인 내가 인공지능이 잘 알아먹을 수 있게 발음하고 단어를 선택한다. 어떤 그림을 그릴지, 어떤 결과를 내는 프로그램을 짤지, 어떤 내용을 원할지 그냥 사람에게 하듯이 언어로 표현을 잘 해야한다.

요즘도 있는지 모르겠지만 토익 시험의 듣기평가에서 사진 문제가 있다. 사진을 보고 그걸 잘 설명하는 것을 맞추라는 거다. 영어 리스닝도 어렵지만 그냥 사진을 보고 한국말로 설명하는 것도 힘들었다. 그래서 사진을 보고 한국말로 설명하는 연습을 했다. 그러나 토익이라는게 시험이니깐 두 달 공부해서 공부해서 점수만 맞추기 위해 패턴을 찾았다. 그러나 생성형 AI 한테 일을 시키리면 이런 설명하는 능력이 필요한 것 같다.

설명력과 표현력이 정확한 표현인지는 모르겠다.

표현은 언어적 표현인데 설명력은 다른 것 같다. 내가 뭘 원하는지 언어로 표현하지만 그걸 제대로 설명해야한다.

구조적인 사고가 필요할까?

경험상 문과생이라고 구조적 사고를 못하는 것도 아니고, 이과생이라고 구조적 사고를 하는 것도 아니다.

프로그램을 짜라고 할때에는 구조적인 사고로 시켰다. 그런데 그냥 두서없이 얘기해도 이 놈이 알아듣는다. 꽁떡같이 말해도 찰떡같이 알아듣는다.

말귀 알아듣는 , 즉 핵심을 찾는 능력이 중요하다. 일상생활에서의 말귀 알아듣는것이나 일할때 핵심을 찾는 것, 공부할때 핵심을 찾는 것들이다. 리서치팀을 만들어 운영했을때에는 학회에가서 하루에 1개의 핵심 질문을 하는 숙제를 줬었다. 석사와 박사 중에도 이걸 잘 못 하는 사람이 많다. 독서 교육으로 유명한 교수님의 제자 박사한테 물어봤는데, 궁긍적인 목적이지만 독서로 어렵다고 한다. 아이 교육할때 가장 신경썼지만 실패했다.

그런데 생성AI 가 말귀를 알아듣는 걸 자주 느낀다. 심지어 명시적으로 지정하지 않고, 이러이러한 내용을 만들고 싶다고 했더니, 그래서 이거 만들겠다고 내가 마음속으로만 생각한 얘기를 했다.

자기가 아는 분야가 아니면 말귀를 못 알아듣는데 당연하지만, 같을 일을 오랫동안 하면서도 말귀 못 알아듣는 사람들이 있다. 이젠 생성 AI한테 시킬때 잘만 말하면 말귀를 알아듣는다.

내가 살면서 이상하게 생각하는 것 중의 하나가 나이와 직장 몇년 차이다. 시간이 지나면 뭔가를 더 알고 더 숙련될 수있다. 그러나 별로 변하지 않는 사람도 있고 나아지지 않은 분야도 있다. 나이 먹은게 뭘 대수라고 말이다. 오히려 나이들수록 새로운 것을 배우기 힘든다. 또한 사람이라 년차에 따라 기대도 달라진다. 생성AI한테는 학습한 버전이 그런 년차에 해당한다. 물론 그 학습 버전 비용이 비싸서 수개월 또는 몇 년씩 걸린다. 생성AI도 제품마다 사람 처럼 능력이 다르다. 구글 AI 가 의식이 있는 것 다는 얘기도 있지만 의식과 상관없이 능력만으로만 볼때 사람하고 다를지 않은 것 같다. 기계 로봇의 특징처럼 감정도 없고 피로도 없다. 그냥 능력만 있다.

생성 AI가 시스템과 연동하는 날이 오면?

파이썬 프로그램을 하는데 내가 코드를 복사해서 빌드해야한다. 물론 생성AI의 API를 이용해서 빌드하는 앱이 있을 수 있다. 검색해서 찾으라고 못한다. 그러나 연동하는 날이 올 것이다. 빙이 하려고 하는 것 처럼 말이다.

1996년, 내가 꿈꾸던 “봇”이 현실히 될지 모른다. 그당시에는 이기종간의 연동이 기술사 영역이었고 불가능했었고, API 라는 개념도 없었던 시절이었다. 내가 만든 시나리오, 미국 샌프란에 출장간다고 할때 나는 유니버설한 UI에 내가 하려고 하는 것을 입력한다. 그러면 그게 그룹웨어에 들어가서 결제 올리고, 예약시스템에 가서 비행기예약하고, 호텔 예약하고, 토픽스에 들어가서 갈만한 곳 찾아주는 등등 말이다.

챗봇 이 나왔을때 이걸 다시 해보려고 했는데, 😆 API 레벨과 UI만 챗이고, 나머지는 규칙기반이고 여전히 다른 시스템일 서로 연동해줘야하느게 남았다. 그래서 사업적으로 연동을 늘려나갔다.

다른 시스템과의 연동은 생성 AI 영역은 아니지만 API 로 제품간 연동은 늘어가고 있으니 나와 기계간의 커뮤니케이션하고 상호작용 부분이라도 음성인식 같은 레벨이 아니라 무슨 말인지 알아먹고 일을 하는 레벨에서 가능성이 있을 것 같다.

생성AI가 글을 쓰고, 작곡을 하고, 그림을 그리는 것 뿐만 아니라 이런 글쓰기, 작곡, 그림 그리기 같은 동사들이 응용 어플리케이션 레벨에서 연동이 되면 하는 동사가 늘어날 것이다.

나 죽기전에 완전 자율주행차가 돌아다는 것을 못 볼것이라 생각하지만, 자비스를 현실에서 보는 날은 올 수도 있을 것 같다. 물론 연동은 사업적이라 변수가 있다.

생성AI는 거대 자본만 독식할 것이다

다시 산업혁명 얘기로 돌아가 산업형멱은 경제와 사회적인 측면에서는 1,2차가 자본가와 노동계급을 만들었고, 3차는 자본이 없어도 사업을 시작할 수 있게 해주었지만 결국 구글 처럼 자본가가 되면 결국 다 먹게 되었다.

4차는 3차와 비슷할 것이다. 생성AI 모델 하나 돌리는데, 1~2년씩 걸리고 GPU 등이 비용이 수조원에 달한다고 하니 인터넷에서 아이디어 하나로 사업을 시작할 수 없다. 다시 1~2차때 자본가가 다 먹듯이 3차에서 다 먹은 구글이나 M$ 등이 다 먹는 세상이 올 것이다.

폰노이만의 컴퓨터 모델이 프로그램과 데이터인 것 처럼, 생성 AI도 학습 알고리즘과 학습 데이터이다. 그런데 컴퓨터 프로그램이란게 컴퓨터라는 하드웨어에서 소프트웨어 적으로 프로그램인 규칙과 처리하는 데이타였다면, 생성 AI는 프로그램은 하는게 별로 없고 아마 무시한 데이터를 학습하고, 이걸 하려면 어마어마한 연산 처리를 해야하니 하드웨어가 수천억원에서 수조원의 비용을 써야한다. 회사에서 AI 처음 한다고 할때 기억난다. GPU 예산이 그 시작이었다. 그 당시 무슨 GPU 하나가 5천만원 이상이었다. 용산가서 엔비디아 그래픽 카드 사는게 아닌 모양읻. 10개만 사도 50억이었고, 최소한 100개 정도 사야한다면서 500억 예산을 잡았다.

생산의 3요소가 자본, 토지, 노동이다. 생성 AI를 하기 위해서 어쩌면 자본에 해당하는게 모델을 학습시키기 위한 인프라가 아닐까 싶다.

네이버의 이해진 회장은 전략 얘기를 할때 늘 하는 말이 있다. 네이버는 구글, 페이스북, 텐센트이 경쟁 상대가 아니라고 했다. 비교가 안 된다고 했다. 구글에서 구글어쓰를 만들고 있을 때 이해진 회장이 방문한적이 있는데 구글 어쓰를 보고 구글은 네이버의 경쟁상대가 아니라고 확신했다고 한다.

네이버가 IBM 인가의 IDC 문제로 자체 IDC를 만들고 클라우드 사업을 하지만 구글, MS, 아마존에 비하면 새발의 피다.

생성 AI는 자본 IT회사인 구글, M$(요즘은 MS라고 써도 될 거 같다 😆), 아마존 , IBM(?), 중국 텐센트(?) 정도가 다 먹지 않을까 싶다.

마치며

생성AI인 그림그리기나 챗 GPT를 이용하다보니 다른 사람에게 일을 시킨다는 느낌이 들어 일을 시키려면 어떤 능력이 필요한지 생각하게 되었다.

생각나는대로 이것저것 쓰기는 했지만, 결론은 간단하다. 다른 사람에게 일을 시킬때의 능력과 같다는 점이다. 무엇을 원하는지 명확하게 얘기하고, 해온 결과물을 평가하고 해석할줄 아는 능력이다.

신입사원때 상사에게 지시를 잘 받는방법을 교육받은 적이 있다. 다른 사람에게 일을 요청하거나 팀장이 된후 팀원에게 어떻게 일을 시킬지 고민도 했다. 생성 AI는 구글에서 검색해서 검색결과를 내가 읽고 해석한 후 생각해서 다시 내가 정리하는게 아니다. 생성AI가 한다. 인간의 시간/감정/피로/동기부여 빼고 어떻게 일을 시킬지 다시 한번 고민하게 되는데 방법은 다르지 않다.