페이페이 리 박사의 인간 중심 AI

페이페이 리 박사는 스탠퍼드 인간 중심 인공지능 연구소(HAI)의 소장으로, AI 발전 과정에 인류의 이익을 통합하는 데 중점을 둡니다. 그녀의 주요 목표는 이 기술의 윤리적 고려 사항과 자비로운 적용이 우선시되도록 하는 것입니다. 이 임무는 단순히 기술 발전뿐만 아니라 모든 인류에게 이로운 방식으로 AI를 개발하려는 약속을 강조합니다.

약 5억 4천만 년 전 최초의 광수용 세포의 출현은 생물학적 진화에 깊은 영향을 미쳤습니다. 캄브리아기 대폭발 동안 발생한 이 발달은 동물 종분화와 지능의 전례 없는 증가를 촉진했습니다. 시각은 유기체가 외부 세계와의 상호작용을 변화시키도록 강요하여 더욱 복잡한 적응 행동으로 이어졌습니다.

1950년대 휴벨(Hubel)과 비젤(Wiesel)의 선구적인 신경과학 연구는 포유류 뇌의 시각 처리 계층 구조를 밝혀냈습니다. 뇌가 망막에서 빛을 처리하여 복잡한 형태를 인식하는 방식을 보여준 이 발견은 현대 신경망 알고리즘의 아키텍처에 직접적인 영감을 주었습니다. 생물학적 시각과 인공 신경망 간의 유사성은 AI 개발의 근본적인 영감을 강조합니다.

2000년대 중반, AI 연구자들은 알고리즘 개선에 집중했지만, 중요한 병목 현상인 '레이블링된 데이터 부족'을 간과했습니다. 인간 인지 신경과학은 유아가 엄청난 양의 시각 정보에 노출된다는 것을 보여주었고, 이는 AI 역시 유사한 규모의 데이터가 필요함을 시사했습니다. ImageNet 프로젝트는 이러한 '데이터 격차'를 해결하기 위해 시작되었으며, AI 발전에 필요한 대규모 레이블링된 데이터 세트를 제공했습니다. 연구자들은 데이터 부족이 이 분야의 발전에 중대한 장애물이라고 추측했습니다.

2012년은 세 가지 중요한 요소의 융합으로 현대 AI의 중요한 전환점이 되었습니다. 첫째, 수십 년 동안 발전해 온 신경망 알고리즘이 마침내 성숙했습니다. 둘째, GPU 컴퓨팅의 출현은 대규모 병렬화와 계산 속도 증가에 필요한 처리 능력을 제공했습니다. 셋째, ImageNet 데이터 세트는 이러한 복잡한 알고리즘을 효과적으로 훈련하는 데 필요한 전례 없는 규모의 레이블링된 데이터를 제공했습니다. 이러한 시너지는 오류율을 극적으로 낮추고 AI를 현대 혁명으로 이끌었습니다.

AI 문해력은 학생, 교사, 의사, 정책 입안자를 포함하여 직업과 관계없이 모든 개인에게 중요합니다. 이는 코딩 방법을 배울 필요는 없지만, AI의 기본 원리와 기능을 이해하는 것을 의미합니다. 이 지식을 습득하면 개인은 업무에서 역량을 강화하고, 주인의식을 함양하며, 새로운 기술 도구를 시도하는 것과 관련된 두려움을 크게 줄일 수 있습니다. AI를 이해하기 쉽게 만듦으로써 사람들은 AI와 더 자신감 있고 효과적으로 상호 작용할 수 있습니다.

인지된 권력 역학은 종종 의학과 학문 내에서 과학적 과정의 은폐를 조장합니다. 그러나 투명성을 수용하는 것은 개념을 이해할 수 있는 구성 요소로 분해하여 다른 사람들이 연구 결과를 재현할 수 있게 함으로써 상당한 이점을 제공합니다. 이러한 개방성은 정보를 더 안전하고, 더 접근하기 쉽게, 궁극적으로 대중에게 더 유익하게 만듭니다.

생물학은 체스나 보드게임과 같은 분야와는 다릅니다. 그 근본적인 규칙들이 단지 이해되는 것이 아니라 아직도 활발하게 발견되고 있기 때문입니다. 예를 들어, 신경과학 교과서에는 '전부 아니면 전무' 뉴런 발화 규칙이 제시되어 있지만, 이는 새로운 연구에 의해 자주 도전을 받습니다. AI는 방대하고 복잡한 생물학적 신호 데이터를 인간 연구자보다 훨씬 빠르게 처리할 수 있는 잠재력을 가지고 있어 이러한 진화하는 규칙의 발견을 가속화할 수 있습니다.

과학적 발견은 역사적으로 인간 연구자의 제한된 인지적, 신체적 속도에 의존해 왔습니다. 그러나 AI는 인간의 능력을 훨씬 뛰어넘는 학제 간 통합과 방대한 양의 데이터 처리를 가능하게 함으로써 혁신적인 역량을 제공합니다. 이러한 기술적 도약은 전통적인 인간 중심 연구 패러다임을 넘어 다양한 분야에서 돌파구를 가속화함으로써 과학적 발견의 방법론을 근본적으로 재정의할 잠재력을 가지고 있습니다. AI는 이전에 상상할 수 없었던 속도로 복잡한 정보를 종합할 수 있습니다.

간 수술은 실제 인간-AI 협업의 효과적인 예를 분명히 보여줍니다. 외과 의사는 다빈치 로봇과 같은 로봇 시스템을 자신의 기술의 고급 확장으로 활용하여 복잡한 절차를 수행하도록 로봇을 조종합니다. 그러나 복잡한 수술을 위한 완전 자율 AI의 개발은 훈련 목적으로 고도로 특정한 수술 데이터의 제한된 가용성으로 인해 제약을 받습니다.

AI의 성능은 받는 데이터 패턴의 풍부함과 품질에 직접적으로 좌우됩니다. 이러한 패턴이 부족할 경우 AI 배포에 주의가 필요하며, 기술을 언제 어떻게 적절하게 적용할지에 대한 명확한 이해가 요구됩니다. 예를 들어, 로봇 수술은 발전에도 불구하고 고도로 전문화된 절차에 대한 훈련 기회가 제한적이기 때문에 위험을 완화하기 위해 여전히 인간 협력이 필요합니다. 따라서 AI의 데이터 의존성을 이해하는 것은 책임감 있는 사용에 매우 중요합니다.

AI는 출력을 조정하기 위한 수학적 변수로 '맥락'을 처리하며, 이는 이러한 알고리즘이 작동하는 방식의 근본적인 측면입니다. 이는 기계가 접근할 수 없는 고도로 개별화된 인간 직관과는 상당히 다릅니다. AI는 학습된 데이터를 통해 공감을 모방할 수 있지만, 진정한 삶의 경험은 부족합니다. 따라서 AI가 생성하는 출력은 알고리즘이 맥락을 처리하는 방식에 대한 수학적 사실이지, 인간과 유사한 이해나 감정의 반영이 아닙니다.

긴급성이나 동기와 같은 많은 핵심적인 인간의 동기는 현재 AI 시스템에는 근본적으로 존재하지 않습니다. AI에서 '긴급성' 또는 '동기'로 보이는 것은 특정 목표를 달성하기 위해 설계된 수학적 목표 함수에 불과합니다. AI는 진정한 공감적 관심이나 고통의 기억 능력이 부족하며, 이는 인간 경험에 필수적인 요소입니다. AI가 인간 인지와 근본적으로 다른 원리로 작동하며, 이러한 차이를 인정하고 존중해야 한다는 것을 대중 담론에서 명확하게 설명하는 것이 중요합니다.

개인과 대화하는 사람의 영상과 같이, 개인화된 AI 기반 영상 메시지를 생성하는 기술은 현재 쉽게 사용할 수 있습니다. 그러나 이러한 커뮤니케이션의 광범위한 구현은 현재 사회적, 법적, 윤리적 고려 사항으로 인해 제한됩니다. 이러한 발전은 디지털 커뮤니케이션이 점점 언어 부족 상태가 되는 광범위한 경향을 반영하기도 합니다.

리 박사는 AI에 대한 논의가 순전히 기술적인 측면을 넘어 광범위한 사회 및 규제 프레임워크를 포함해야 한다고 강조합니다. 그녀는 자동차 및 생명 공학과 같은 혁신적인 기술에 대한 역사적 규제 발전을 비유로 들며, 도덕적 규범과 규칙이 기술 발전과 함께 진화해야 한다고 강조합니다. AI 거버넌스 형성에 있어 다중 이해관계자 참여를 촉진하는 데 중점을 두며, 통제가 오직 산업 내에만 머무르도록 허용하지 않습니다.

페이페이 리 박사는 AI의 심오한 사회적 함의를 다루기 위해 스탠퍼드 인간 중심 AI 연구소를 설립했으며, 대학을 넘어선 전체론적 프레임워크를 옹호합니다. 그녀는 컴퓨터 과학 교육에 윤리를 통합하기 위한 커리큘럼 변경을 주장했습니다. 또한, 인간 대상 실험에 사용되는 확립된 기관 심사위원회(IRB) 규제 프레임워크와 유사하게 AI 개발에 대한 윤리적 감독의 필요성을 제안합니다.

젊은 세대에게 가장 큰 위험은 주로 AI 도구의 수동적 소비로 인한 인간 주체성과 학습 및 생활에 대한 내재적 동기 상실 가능성입니다. 진정한 학습은 노력, 시간, 그리고 때로는 어려움에 직면하는 것을 필요로 합니다. 리 박사는 AI에 대한 완전한 의존과 도구의 전면적인 금지 모두를 피하는 균형 잡힌 접근 방식을 옹호합니다. 그녀는 AI가 학습 과정을 우회하는 단순한 보조 도구가 아니라 더 깊은 학습으로 사용자를 이끄는 지원 동반자 역할을 해야 한다고 제안합니다.

AI 모델에 효과적으로 질문하는 기술인 프롬프트는 소크라테스의 질문 방법론과 유사한 근본적인 현대 기술로 식별됩니다. 이 기술은 AI 중심 세계에 대비하여 K-12 교육에 통합되어야 한다고 주장됩니다. 소크라테스는 통찰력 있는 질문을 통해 진리를 추구하는 방법론을 강조한 역사상 최고의 프롬프트 전문가로 인용되며, 이 원칙은 AI와의 상호작용에 직접 적용될 수 있습니다.

로봇에 대한 대중의 인식은 종종 로봇의 물리적 경직성에 의해 영향을 받으며, 이는 두려움을 유발할 수 있습니다. 페이페이 리 박사는 베이맥스와 같은 캐릭터처럼 '다형성' 또는 '스펀지형' 디자인을 포함하도록 로봇 미학을 재구상하여 로봇을 더 접근하기 쉽게 만들 것을 제안합니다. 이러한 인간 중심 디자인 철학은 로봇의 외형에 대한 현재의 개념을 수정하여 불안감을 줄이는 것을 목표로 합니다. 더 부드럽고 매력적인 디자인에 중점을 둠으로써 물리적인 로봇에 대한 더 큰 수용과 편안함을 조성하고, 로봇이 덜 위협적이고 일상생활에 더 통합되도록 하는 것이 목표입니다. 이러한 디자인 변화는 순전히 기능적인 고려 사항을 넘어 인간-로봇 상호작용의 감정적, 심리적 측면을 다룹니다.

AI를 둘러싼 현재의 대중 담론은 두려움을 불러일으키는 극단적인 '종말론'과 잠재적인 함정을 간과하는 유토피아적 시각 사이를 오가며 불균형적입니다. AI의 실제 적용과 과제에 초점을 맞춘 더 온건한 대화를 조성할 필요가 있습니다. 미디어는 종종 이러한 선정주의에 기여하며, 더 극적인 서사를 선호하여 협력적인 AI 개발 이야기를 간과하는 경우가 많습니다. 균형 잡힌 논의는 AI 사용에 대한 실용적인 접근 방식을 개발하는 데 중요합니다.

월드 랩스(World Labs)는 사용자가 텍스트나 스케치를 사용하여 상상 속에서 직접 환경을 생성할 수 있도록 함으로써 실제 이미지를 캡처하는 것을 넘어 AI 창작 도구를 발전시키고 있습니다. 이 기술은 엔터테인먼트, 디자인 및 로봇 공학 교육 분야에 적용되도록 설계되었으며, 맞춤형 상상 속 세계를 만드는 것이 중요합니다. AI의 새로운 경계는 실제 데이터 해석과 완전히 상상 속 환경 생성을 결합하여 방대한 창의적 가능성을 열어줍니다.

기술의 주요 목표는 일자리를 대체하기보다 인간의 창의성을 향상시키고 일자리를 개선하는 것이어야 합니다. 창작자를 역량 강화하고 그들의 능력을 증강하여 창의성을 효과적으로 '초능력화'하는 데 초점을 맞춰야 합니다. 이를 위해서는 기술자와 업계 전문가 간의 긴밀한 협력이 필요하여 창의적인 전문가에게 진정으로 도움이 되는 도구를 개발해야 합니다. VFX와 같은 산업은 기술 발전과 함께 사라지는 것이 아니라 적응하고 변화하는 방식을 보여주는 좋은 예이며, AI가 노후화를 촉진하기보다 진화를 촉진할 수 있는 잠재력을 보여줍니다.