SPECIAL REPORT 2020-5 | 2020.05.15.

21

뉴욕타임즈 AI 스페셜 리포트뉴욕타임즈 AI 스페셜 리포트

SPECIAL REPORT 2020-5 | 2020.05.15.

뉴욕타임즈 AI 스페셜 리포트

윤창희수석(AI·미래전략센터, yunch@nia.or.kr)

뉴욕타임즈에서 발간(‘20.4.8)한 최신 인공 지능 스페셜 리포트로서 기술이

어떻게 진화하며 우리의 삶에 영향을 미치는지 다양한 주제별로 다루고 있음

1 사람에게 배우던 컴퓨터가 스스로 가르칠 수 있을까?

- 과학자들은 기계가 자신의 상식을 개발할 수 있는 접근법을 연구

2 해양 데이터 가치의 이해를 돕는 AI

- 머신러닝 응용 프로그램이 지구의 가장 큰 영역을 차지하는 해양분야 연구에 특별한 지원을 제공

AI의 미래는 비지도 학습 컴퓨터 시스템

- 지도 학습 시스템으로는 여전히 인간 수준의 지능 도달에 부족할 것

※ Yann LeCun : 많은 레이블된 데이터가 필요한 지도 학습에 한계 존재

훈련 데이터에 의존하지 않는 지도학습으로 매우 제한적인 강화 학습도 존재

- 쥐가 음식을 먹기 위해 레버를 누르는 것을 배우는 것과 유사한 것으로 AI의 미래를 위한 포괄적인 개념은

패턴을 인식할 뿐만 아니라 결과를 예측하고 행동을 선택하는 시스템을 의미하는 "예측학습"

※ 버클리 로봇 학습 연구소, Pieter Abbeel : self-play 라는 방법으로 더 빨리 배우기 위해 경쟁하는 강화 학습

시스템 사용

강화 학습만큼 강력하지만 다른 형태의 기계 학습이 일반 지능에 더 중요(LeCun 박사)

- 레이블이 붙지 않은 많은 양의 데이터를 수집하고 지도나 보상 없이 모든 것을 이해하는 컴퓨터 시스템을

언급

지구에서 가장 큰 70%를 차지하고 있으나 기후 변화에 따른 해양분야에 머신러닝 및 인공지능의 적용이

매우 유용

- 멸종위기에 있는 개체수 보호, 불법 포획 방지, 해양 산성화 방지 등 활용성 증대

※ 점차 지구 온도가 상승하고 해류 이동에 따른 종의 이동으로 정확한 데이터 확보가 어려움

Google이 멸종위기에 있는 어종의 개체수를 실시간으로 모니터링

- 고래의 노래와 기타 소음이 확인된 1시간의 주석이 달린 데이터를 사용하여 흑등고래를 식별하기 위해

신경망 훈련

- Google은 불법 활동을 막고 바다에서 개체수를 건강한 수준으로 유지하기 위해서는 선박의 위치와 활동을

수집하고 공개하여 전 세계 어획을 모니터링 지원

※ 많은 어류 개체군이 이동하거나 과하게 포획되고 있으며, 그 어업의 상당 부분이 불법적으로 이루어지고 있음

- 위성, 수중 음파 탐지기, 레이더, 관측, 해류 등에서 데이터를 수집하여 기계 학습 알고리즘 훈련을 통해

고래의 위치에 대한 확률 모델을 만듦

※ 이러한 정보를 이용하여 항로 및 속도와 낚시에 대한 결정을 보다 신속하게 내릴 수 있어 고래 보호 가능

인간과 유사한 상식의 수준으로 구축하는 것을 목표로 신경 심볼릭 AI 심층 네트워크와 전통적인 형태의

인공 지능 결합(MIT-IBM Watson AI Lab의 콕스 박사)

- 많은 사람들이 로봇이 인공 지능을 구현하고 세계에서 자유롭게 행동하기를 희망하고 있으나 거기에

도달하려면 지도 학습 이상의 것이 필요

※ 현재 로봇은 변형이 거의 없는 잘 정의된 환경에서만 작동 가능

일반적인 알고리즘을 구축하고 실제로 작업을 수행하는 로봇에 탑재하여 로봇이 환경을 탐색하고 기본

지식을 구축하는 일종의 자체 지도학습 사용(Berkeley 교수, 조수 레빈)

※ 예를들어, 문을 여는 방법을 학습시키기 이해 로봇은 서로 다른 로봇이 다양한 방법으로 문을 가지고

다루면서 다양성을 반영한 새로운 문으로 일반화하는 알고리즘을 도출

결국 시간의 문제일 뿐, 모든 방법들이 결합되면서 인간처럼 지능적인 시점에 기계를 만들 수 있다고

전망(Abbeel 박사, LeCun 박사)

SPECIAL REPORT 2020-5 | 2020.05.15.

43

뉴욕타임즈 AI 스페셜 리포트뉴욕타임즈 AI 스페셜 리포트

해양화학 및 오염에도 딥러닝 및 인공지능 응용프로그램 적용

- 기계 학습은 아직 해양 산성화, 탈산소화 또는 질산염 농도와 같은 해양 화학의 다른 문제를 평가하는데 사용

가능

- 플랑크톤의 수명을 추적하고 행동을 모델링하여 이산화탄소가 바다를 산성화하는 과정을 파악

※ 해양의 이산화탄소 저장 규모를 파악하는 것이 미래의 기후 변화를 모델링하고 해양의 산성화를 방지

하는데 중요

식량 공급 과정의 혁신은 - 현장과 소비자 사이에서 수십만 개의 제품을 이동·처리하는 시스템 - 사람들이

매일 먹는 음식에 더 큰 영향을 줄 수 있을 것

- 기계는 모양, 계절의 다양성, 단맛, 질감과 같은 특성에 주의를 기울이는 음식에 대한 요리사의 생각 방식을

고려하도록 훈련을 받고 있어 날음식 낭비가 감소하고, 제품이 신선하고 더 좋은 상태로 도착

블루베리 분류기를 발명하여 열매를 색상별로 빠르고 신중하게 분류 가능

- 수십만 개의 분류된 사진을 사용하는 인공지능과 초당 2,400개의 과일 이미지를 처리할 수 있는 그래픽

프로세서 기반 플랫폼을 개발

- 이 소프트웨어는 새 팩에서 줄기 구멍을 식별하는 방법을 배웠으며 썩을 가능성이 있는 구멍이 뚫린 과일을

걸려냄

- 수십 가지의 다양한 품종과 미묘한 계절적 차이를 감지하는 방법을 배우기 때문에 계절이 시작될 때 재배된

과일은 마지막에 나오는 과일과 다르게 분류되고 포장됨

혁신적이 아이디어로 선별 및 포장 혁신

- 전통적인 분류·슬라이싱 기계는 각 감자의 특성에 관계 없이 동일한 튀김 크기와 모양을 생성하도록

설계하지만

- AI는 긴 감자튀김 다지기 또는 테이터 토츠에 적합한 컷팅 등을 결정할 수 있고 또한 감자 껍질을 벗겨 내기

전에 각 감자를 분류하여 최소한의 감자가 제거되도록 껍질을 벗기는 과정에 사용

- 칩의 두께, 튀김 시간, 온도는 작업자가 칩을 지속적으로 샘플링하지 않고도 완벽한 요리 완료 시점을 조정

- 나쁜 감자를 골라서 버리는 것과 같은 반복적인 작업은 작업자에게 1-2 초가 걸릴 수 있으나 AI 분류기는

빠르게 결정할 수 있어 한 시간 안에 수천 파운드의 감자를 처리

자동화는 숙련된 인력이 부족한 기업을 돕고 소비자를 위해 더 맛있는 칩을 만듦

- Mirza는 레이의 가방을 열었을 때 녹색 또는 갈색 칩을 발견한 마지막이 언제냐고 물으며, 이는 오랬동안 AI

를 사용했기 때문인데 품질이 향상되면서 점차 이런 일이 발생하는 것을 인지하지 못한 채 손에는 더 좋은

제품이 놓여 있게 될 것이라 말함

3 지속적인 도움을 희망하는 영화에서의 AI

- 똑똑한 컴퓨터와 인간 사이에서 선과 악을 창의적으로 보여주는 5개 영화

4 음식의 종류에 맞는 적정한 맛을 찾아내는 AI

- 기계는 모양, 계절의 다양성, 단맛, 질감과 같은 음식의 특성을 고려하는 요리사의 생각 방식을

읽도록 훈련을 받고 있음

영화를 통해 인간이 문제해결을 위한 지나친 기술 의존 양상에 경고

- 인간과 기술의 관계가 얼마나 가까우면서 오싹한 관계인지를 탁월하게 묘사하고 디지털과 현실에 대한

신중한 비판

- 기계가 공감을 느끼게 만드는 놀라운 일을 하면서 사람은 기계를 갈망하게 됨

- 기계는 점점 더 사람과 연결되고 지각력이 높아짐에 따라 관계의 복잡성이 기술적 성취의 복잡성과 어떻게

일치 할 수 있는지를 보여줌

SPECIAL REPORT 2020-5 | 2020.05.15.

65

뉴욕타임즈 AI 스페셜 리포트뉴욕타임즈 AI 스페셜 리포트

패턴 인식의 머신러닝을 사용하여 코칭을 혁신하고 모든 종류의 팀들이 첨단 분석 기능을 사용

- 프로 스포츠에 영향을 미치고 스포츠 의학을 변화시킬 뿐만 아니라 결국 스포츠 베팅의 가능성을 변경이라고

전망

시애틀 스포츠 과학 인공지능 설계자인 John Milton은 스페인의 축구팀 Málaga와 함께 4K 초고속

고화질 비디오 약 20대의 카메라로 경기장의 모든 것을 포착

- 선수의 기술과 일관성, 팀의 방어 구조뿐만 아니라 어떤 빈도로 패스를 주고 받는지 평가하는데 심지어 볼의

스핀 축과 회전 속도를 추적

Phil Wagner 박사의 Sparta Science는 운동선수의 신체 상태 평가

- 힘과 균형을 측정하는 지상의 전자 판에서 데이터를 수집하는 기계 학습을 사용하며 이 시스템은 초당

3,000개의 데이터 포인트를 수집하고 점프 또는 밸런싱 테스트는 약 20초 소요

오프 시즌 동안 거의 매주 회사 시설을 방문하여 수직 점프, 흔들림, 눈가리고 판자 위의 팔, 다리 균형

테스트를 받음

- 수집된 데이터를 바탕으로 이전과 비교해 어떻게 움직이는지, 이상적 움직임을 알려주고 Sparta Science는

자신의 운동을 그 이상에 가깝게 유도

스포츠 기술의 핵심은 데이터이며 알고리즘은 오고 가지만 데이터는 영원하며 컴퓨터 비전은 엑스레이의

종양이든 도로의 자전거든 무엇을 찾아야 하는지 알아내는 것

- Seattle Sports 과학의 경우, 컴퓨터는 다양한 조명 조건에서 공을 인식하고 발의 어느 면이 공을 차는지를

이해하도록 훈련

- 이를 위해서는 먼저 사람이 고통스럽게도 수백만 개의 이미지에 주석을 달아야 하는데 주석이 달린 데이터가

많을수록 기계학습 분석이 정확해짐

AI 설계자 Milton은 가장 많은 레이블된 데이터를 가진 사람이 승리자

- 쉽게 이용할 수 있는 알고리즘과 현재 어디에서나 이용 가능한 클라우드 컴퓨팅 기능을 갖춘 차별화 요소는

데이터라는 점에 주목

- 기계 학습 시스템을 적절하게 훈련시키기에 충분한 데이터를 구축하는데 Sparta Science는 10년 소요

- 의사결정 요소는 여전히 인간의 관여가 필요하고 입력 데이터 품질을 높이기 위해 라벨링 데이터를 개선할

것이라고 함

스트리밍 카메라의 새로운 기술은 비정상적인 동작을 표시하거나 개가 짖는 이유 파악

- 강아지를 관찰하며 사진을 찍고 강아지가 짖을 때 알림을 보낼 수 있는 스트리밍 카메라인 Furbo는 스마트

폰 앱을 통해 확인할 수 있어서 실시간으로 음식 제공 가능

- 앞으로 몇 달 안에 강아지 비정상적인 행동을 알려주고 짖는 소리가 다를 때 차이점도 구분할 수 있는 새로운

기능을 출시할 예정

주인에서 위험을 알릴 수 있는 강아지를 고용

- 강아지가 그냥 짖는 소리뿐만 아니라 끙끙거리거나 울부짖는 소리를 알려줄 수 있으며 기본적으로 실제

긴급 경보 전송 가능

- 수천 명의 비디오 데이터를 통한 머신러닝의 결과라며 사용자 피드백을 받은 기술로 캡처한 10초 클립에

의존한 것

대화형 애완동물 카메라로 최신 버전에는 Amazon Alexa 가 장착

- AI는 강아지 주인에게 동물의 행동을 더 잘 이해하도록 돕고 있으며 비정상적인 행동을 탐지 할 수 있을 것

AI 기반 기술은 집을 떠나 있을 때 강아지를 보증받을 수 있는 주인의 요구에 초점

- 그는 미래 기술은 애완동물의 건강에 더 집중할 것이라며 애완동물을 볼 때 안심하고 편안하게 느끼기

때문에 이 카메라를 사용하는 사람들이 점차 증가

많은 사람들이 대화형 카메라를 사용하여 하루 종일 추적하는데 한 스타트업 기업은 자동 재생 시간을

위한 지능형 레이저를 고안

- 동물들을 추적하기 위해 카메라를 사용하고 방에 설치된 카메라는 무작위가 아니라 지능적으로 레이저를

움직여 추적

- 그 결과 특정 놀이 시간에 앱을 통해 예약 할 수 있는 장난감 Felik이 있으며, 구역 제한 기능이 있어 가구와

같이 레이저로 갈 수 없는 지역을 지정

클라우드에 저장하지 않았으며 많은 비디오 제품과 같이 인터넷 연결이 필요하며 데이터를 분석

- 고양이가 어디에 있고 현재 하고 있는 일 다음에 무엇을 할지 예측하는 것을 결정하며 먹이를 쫓는 게임을

만들 수 있음

- 레이저 장난감이 그의 고양이와 고객의 고양이들에게 몇 시간의 놀이 시간을 제공했다며 어떤 사람들은

거의 매일 그것을 사용하며 어디에 주로 있는지 등의 기록

5 더 나은 스포츠를 원한다면 이 AI를 주목해 보세요.

- 선수, 팀, 스포츠 의학 및 심지어 도박에 영향을 미치는 기계 학습의 패턴 인식 능력

6 AI 환경에서는 더 이상 비밀이 될 수 없는 애완동물의 비밀 생활

- 스트리밍 카메라의 새로운 기술은 비정상적인 행동을 인지하고 개가 짖는 이유도 파악 할 수 있음

SPECIAL REPORT 2020-5 | 2020.05.15.

87

뉴욕타임즈 AI 스페셜 리포트뉴욕타임즈 AI 스페셜 리포트

Steve Jobs는 개인 컴퓨팅을 ‘마음의 자전거’라고 설명하며 컴퓨터가 인간의 창의성을 향상시키는 지능

증폭기로 사용 가능할 것으로 전망

- 국립 의학 도서관은 바이러스에 관한 44,000개가 넘는 세계 과학 연구 논문을 과학자들이 패턴연구를 돕는

기계학습 프로그램을 사용하는 새로운 탐색방식을 발표

- 과학적 발견에 도움을 주는 AI를 오랫동안 꿈을 꾸어 왔는데 이제 질문은 우리가 그렇게 할 수 있는지 여부

- 인간 언어를 처리하는 SW 응용 프로그램의 새로운 발전은 인공 지능과 같은 컴퓨터 기술이 인간의 창의력을

향상시키거나 대체할 것인지에 대한 오랜 논쟁의 핵심

기계학습을 통해 과학 논문의 의미를 추출하고 논문 사이의 연결을 식별하여 연구자들이 보다 신속하게

이해를 얻도록 도와줌

Turing-NLG(자연어 생성)를 도입하면서 인공 지능 무기 경쟁에 영향

- 인간이 쓴 방대한 텍스트에서 훈련된 프로그램으로부터 170억개의 파라미터 또는 가중치로 구성된 기계학습

behemoth는 인터넷을 통해 활용 가능한 문서보다 효과적

- 그 결과, 인간과의 믿을 수 있는 대화를 주고 받을 수 있을 뿐만 아니라 타당한 문장과 문단을 작성하는

능력을 포함하여, 언어 모델을 만들기 위한 중요한 주장을 제기

- AI, 빅데이터 및 알고리즘에 대해 2019년에 인간이 작성한 기사, 논문, 법을 수집한 GPT-2를 ‘미세 조정’한 후,

알고리즘적 의사결정은 인권에 위험을 초래할 수 있다며 프로그램을 개발

- 차세대 도구가 사람들이 저자로 만드는 방식을 변화시킬 것이고 항상 자동 완성 기능을 사용하고 있고 이미

비밀은 공개된 것

클래식 음악을 작곡하고 시와 랩 가사를 쓰도록 GPT-2를 훈련시킴

- 프로그램이 진정으로 창조적인지 의문을 제기하며 그들이 인간의 작품과 구별할 수 없는 예술 작품을 만들

수 있다면, 그들은 인간이 만든 것들을 평가 절하 가능

- 프로그램이 단순히 보조적이며 예술 작품을 만들거나 다른 지적 업적을 독립적으로 만들지 않았다는 것

- 우리는 한때 인간 컴퓨터로 가득 찬 방을 사용하여 이러한 작업을 수동으로 수행했으나 아무도 그 시대로

돌아가고 싶지 않을 것

- 그러나 앞으로는 이러한 새로운 도구가 작문, 작곡, 기타 예술적 도전과 같은 창의적인 작업 수행이 가능할

것이고 사람의 마음은 보존 가치가 있는 사실

예술계가 기술 발전에 적응하는 것은 새로운 것이 아님

- 최근 증강현실과 가상현실은 20년 전에는 상상조차 할 수 없었던 표현방법으로 예술가의 상상력을 사로잡음

그러나 최근 몇년 사이의 현상인 AI의 등장은 그와는 다른 매혹적인 방식으로 머신지능을 사용하는

예술가의 도구 및 종종 같은 작품에서 감상해야 할 주제이기도 함

파리에 있는 미술단체 Obvious가 시작한 AI가 만든 초상화가 2018년 Christie에서 $432,500에

판매되었을 때 미술 시장도 새로운 영역으로 도전을 받음

Mr. Paglen은 AI 영토에서 가장 잘 알려진 아티스트 중 하나

- 이미지는 얼굴 인식 프로그램을 훈련시키는데 사용되었으며, Paglen씨는 데이터가 어떻게 무기화되는지에

의문

- 다른 예술가들에게도 주제가 되었는데 왜냐하면 기계가 사람들에 의해 훈련을 받으며 어떤 내포된 변수에

따라 전달되는지 의문을 가졌기 때문

- 나는 내 자신의 훈련 데이터 세트를 만들고 처음부터 데이터 분류 체계를 만들었는데 컴퓨터가 사람을

어떻게 생각하는지에 대한 관점을 포함하면 결과물이 두려움

De Young은 14명의 예술가 또는 작품을 특징으로 한 ‘Uncanny Valley’작품의 전반적인 톤을 ‘불안이

아닌 관심의 하나’라고 견해를 밝힘

- AI 기계학습이 실제로 적용된 것을 보여주는 것이며 장기적으로는 잠재적인 결과물이 그렇게 깊지 않은

생각으로 발생 가능

2017년에 이래 약 절반의 공연이 어떤 식으로든 AI의 영향을 받음

- 아마도 풀타임 기술자에게 적합하겠지만 그의 작업은 AI를 사용하는 다른 사람들의 것보다 긍정적인 변화를 줌

- 그러나 사람들이 ‘거울’을 볼 때 자신을 보지 않음. 얼굴은 이전에 사용했던 사람의 얼굴로 대체되는데 미소나

찡그림 같은 당신의 표정과 매치시킴

그러나 기술 문제에 대해 다양한 시각을 가져야 하고 대중이 모든 종류의 대화(비판적 또는 재미있든

어떤 것이든)를 할 수 있도록 작품을 만드는 것이 중요

- 세계의 모든 것은 긍정적인 면과 부정적인 면이 있다며 컴퓨터 전원을 끄는 버튼을 찾을 수 있는 한 AI의 양면을

탐색하는 것은 우리의 힘에 달려있음

7 AI 없이 맞춤법을 올바로 사용하기 곤란한 시대의 도래

- 인간의 언어를 처리하는 SW 응용프로그램의 발전이 인간의 창의력을 향상 시킬지 대체할

것인지 논쟁

8 우려감을 가지고 AI를 바라보는 예술가들

- 다가오는 미래에 AI가 무엇을 만들어 낼지 우려

SPECIAL REPORT 2020-5 | 2020.05.15.

109

뉴욕타임즈 AI 스페셜 리포트뉴욕타임즈 AI 스페셜 리포트

지금까지 AI의 끊임없이 정진하며 직업 복원력에 관한 사례 연구를 함

- 필사는 인간의 언어를 텍스트로 변환하는 것으로 음성인식은 AI 기술이 가장 빠르게 발전한 작업 중 하나임.

Trint 및 Otter.ai와 같이 자동필사 기술이 인기

- 인간 필사자는 멸종 위기에 처한 종처럼 보이겠지만 37세인 Leonard씨는 자동화된 서비스와 AI 기술의

발전에도 불구하고 번성

- 그녀의 경험은 자연어 처리 분야의 지속적인 한계를 지적: 컴퓨터 사용으로 언어인식뿐만 아니라 언어의

의미를 포착하려는 것

소리에서 단어를 만드는 것보다 완벽한 필사본을 만드는 작업에 더 관련이 많음

- 사람들은 단어와 언어가 같은 것이라고 생각하지만 그렇지 않으며 “Mary Smith는 스탠포드 최고의 로봇

공학자이다” 하는 문장을 들으면 컴퓨터는 분류 도구를 통해 Mary Smith는 여자이고 Stanford는 대학교라고

판단

- 그러나 사람은 그녀가 똑똑하고 야심이 있다고 컴퓨터가 식별하는 것과 다르게 받아들임

노동력 파괴를 촉진하는데 있어 언어가 더욱 필요한 분야에 AI가 적용되면서 발생할 것이며 이미 고객

서비스 콜센터 및 질문에 응답하는 챗봇 서비스가 시작

- 미래는 문서를 읽고 요점을 집어내고 이슈를 요약하는 Alexa 스타일 도우미를 생각할 수 있는데 이메일, 웹

페이지, 비디오를 검색하여 관심 있는 주제를 찾아주고 디지털 조력자로서 학습

- 이 기술은 얼마나 빠르고 다양할지 모르겠지만 많은 작업을 변경하고 일부 작업을 제거할 것은 분명해 보임

- AI 엔진이 90% 이상의 정확도를 제공하기 시작하면 상용화 준비가 된 기술이며 오늘날 단어의 정확성은

95% 초과 가능하고 한 명의 화자가 명확하게 발표 가능한 수준

AI 소프트웨어와 비교할 수 없는 서비스를 제공하는데 자신의 고객을 알고 있으며 고객의 기록 내용과

가장 중요한 주제에 대해 자주 이야기 함

- 100년 역사에 대한 10부 다큐멘터리를 위해 30분에서 6시간에 이르는 100건 이상의 인터뷰를 완벽하며

깨끗하게 작성

- Leonard씨는 자동화된 도구를 사용하지 않고 모든 단어를 직접 듣고 싶어서 “나는 타이핑하는 내용보다 더 많이

알고 있고 뇌에 새겼다”고 말함

- 그녀의 수공법은 작업 경험을 풍부하게 함. “나는 그것은 매우 즐기고 있다”고 말하며 “너무 많이 배울 수 있고

일부는 무료 대학 과정과 같다”고 함

9 AI와의 전투에서 자신의 방법을 고수하는 여성

- 자동화 서비스와 AI 기술 발전에도 번성한 Ellie Leonard의 필사 사업

물리적으로 거의 폐쇄된 대학 캠퍼스의 대형 군집 장소에서 관리자는 AI를 활용하여 학생들과의 관계를

보존하고 구축하는데 도움을 받음

- 볼티모어 Loyola University Maryland 부사장 Eric Nichols는 우리는 가까운 미래에 학생들과 어떤 방식으로든

직접적으로 교류할 수 없을 것이라고 함

- 전국적으로 대학 수업은 온라인 학습 플랫폼으로 전환되었으나 캠퍼스는 특히 현재의 복지제도 등록 안내

등을 학생들에게 전달해야 함

- 문자 교환을 통해 사람의 대화를 시뮬레이션 할 수 있는 챗봇 및 가상 비서의 사용을 높이고 있음

Pounce로부터 지불 알림 메세지를 수신 한 사람들의 54%가 12시간 이내에 ‘우리가 해야 할 일’에

응답했고 이와 대조적으로 20% 미만이 보통 캠퍼스 전자 메일을 열람한다고 밝힘

- 챗봇은 데이터베이스만큼 우수하며 결제 알림을 통해 몇 분 안에 계정 정보를 업데이트해야 함

애틀랜타 Jill Watson 챗봇은 대규모로 듣기 위한 도구이며 곤경에 처한 사람들은 질문에 시달리고

있는데, 그중 80%가 봇에 의해 처리될 수 있으나 개인적으로 주의를 기울여야 할 것이 있음

보통 질문의 많은 부분은 학생들이 자신의 감정을 공유하는 것이고 그 자체가 유용한 것이라고 하지만

특히 Sunny(챗봇)가 대답할 수 없는 질문을 높이 평가

- 10명의 학생들은 재정적 어려움 등에 직면했거나 유학생들이 머무를 것인지 여부에 확신이 없기 때문에

무엇을 해야 할지 걱정했다고 함. 캠퍼스 리더들이 각 학생을 도와줄 수 있는 사람에게 연결시켰다고 말함

- “Sunny는 도움이 필요한 학생들을 찾는 매우 효율적인 방법”

10 어려운 대학생활의 친구, Iggy, Pounce, Cowboy Joe 및 Sunny!

- 대학 캠퍼스는 문자 대화를 할 수 있는 언어속도와 음색을 가진 챗봇과 가상 비서의 활용 확대

SPECIAL REPORT 2020-5 | 2020.05.15.

1211

뉴욕타임즈 AI 스페셜 리포트뉴욕타임즈 AI 스페셜 리포트

1. 사람에게 배우던 컴퓨터가 스스로 가르칠 수 있을까?

과학자들은 기계가 자신의 상식을 개발할 수 있는 접근법을 연구

인공지능은 어디에나 있는 것처럼 보이지만, 우리가 실제로 목격하고 있는 것은 지도학습의 혁명

- 우리가 아이들에게 읽기를 가르치는 것처럼 컴퓨터도 패턴을 보도록 가르치지만 AI의 미래는

지도학습 없이 스스로 학습하는 시스템에 달려 있다고 연구원들은 말함

엄마가 아이에게 강아지를 가리키며 강아지를 보라고 말하면 아이는 털이 있는 네발 달린

친구를 뭐라고 불러야 할지 배우는데 이것이 지도학습

- 그러나 아기가 서고 비틀거리며 걸을 수 있을 때까지 훈련하는 과정은 지도학습과 다른 의미

- 컴퓨터도 사람이 대부분 관찰이나 시행착오를 통해 학습하는 것처럼 지도학습을 넘어 인간

수준의 지능이라는 고지까지 도달해야 할 것

지도 학습은 이미지, 오디오 또는 텍스트에 수 많은 사람들이 힘들게 표시한 주석이 달린

데이터에 의존

- 레이블된 데이터는 무엇을 찾을지 컴퓨터 알고리즘에 공급되며 수백만 개의 레이블된 이미지를

통해 알고리즘은 인식 전문가가 되지만 훈련 데이터로 정의된 좁은 영역으로 제한적

- 인공지능 혁명의 창시자이며 2018년 컴퓨터 과학 부문 노벨상 수상, 페이스 북의 부사장인

Yann LeCun은 많은 레이블된 데이터가 필요하기 때문에 오늘날 지도학습을 적용할 수 있는

것에 한계가 있다고 말함

- 인간 의존적이지 않은 방법은 지도학습의 성공, 자율 주행차에서 번역에 이르는 많은 실제 응용

프로그램에 의해 중요성이 퇴색되었으나 지도학습은 아직 유아를 위한 간단한 일도 수행 곤란

퀘벡 AI 연구소 Mila를 설립하고 LeCun박사와 Geoffrey Hinton과 튜링상을 공유한

Yoshua Bengio는 인간 수준의 AI는 아직 부족할 것이며 인간은 그렇게 많은 지도학습이

필요하지 않다고 언급

- 이제 인공 지능 연구의 최전선에 있는 과학자들은 비지도 학습 방향으로 관심을 전향

- Yoshua의 동생이자 Google의 연구 과학자 Samy Bengio는 모델을 콤팩트 하게 표현한

후 입력을 재구성하고 비디오의 미래를 예측하거나 입력의 일부를 마스킹하고 재구성하려고

하는 등 자체 지도학습 및 관련 아이디어가 있다고 언급

훈련 데이터에 의존하지 않는 매우 제한적인 지도학습과 병행하는 강화 학습도 존재

- 현재 University of Alberta의 Richard Sutton이 개척한 컴퓨터 과학의 강화 학습은 뇌에서

보상 중심의 학습을 모델로 한 것으로 쥐가 음식을 먹기 위해 레버를 누르는 학습과 유사

- 이 전략은 컴퓨터 시스템이 행동을 취하도록 가르치기 위해 개발되었고 목표를 설정하면 강화

학습 시스템은 지속적으로 보상을 받을 때까지 사람과 같이 시행착오를 통해 해당 목표를 향해

노력

- Sutton 박사는 심리학을 공부한다면 강화는 명백한 아이디어라며 AI의 미래를 위한 포괄적인

용어는 패턴을 인식할 뿐만 아니라 결과를 예측하고 행동을 선택하는 시스템을 의미하는 ‘

예측학습’이라고 말함

- 또한 모든 사람들은 예측 학습이 필요한 것에는 동의하지만 어떻게 도달할지에 대한 방법에는

동의하지 않으며

- 어떤 사람들은 지도학습의 확장으로 우리가 도달하고 다른 사람들은 우리가 강화 학습의

확장으로 갈 수 있다고 밝힘

캘리포니아에서 버클리 로봇학습 연구소를 운영하는 Pieter Abbeel은 self-play 라는

방법으로 더 빨리 배우기 위해 경쟁하는 강화학습 시스템을 사용

- 같은 모의 로봇은 스모가 서로 씨름하면서 처음보다 빠르게 향상 가능하며 자신을 상대로

실행함으로써 어떤 변형이 도움이 되는지 볼 수 있고 점차 기술을 익힐 수 있다고 설명

LeCun 박사는 강화 학습만큼 강력하지만 다른 형태의 기계 학습이 일반 지능에 더

중요하다고 판단하면서

- “내 돈은 자체 지도학습에 있다”며 레이블이 붙지 않은 많은 양의 데이터를 수집하면서 지도나

보상 없이 모든 것을 이해하는 컴퓨터 시스템을 언급

- 그는 일종의 상식을 표현할 수 있는 충분한 배경 지식의 축적 및 관찰을 통해 학습하는 모델을

연구

- 만약 ‘2001년 영화 우주 오디세이’의 스틸로 장식된 뉴욕 대학의 사무실에 대해 기계에 비디오

클립을 제공하고 다음에 어떤 일이 일어날지 예측한다면

- 이를 수행하기 위해서 기계는 데이터 표현을 개발해야 하는데 생물체 객체와 무생물 객체가

있다는 것을 이해해야 하고 무생물은 예측 가능한 궤도를 가지고 있지만 다른 물체는 그렇지

않은 것이고

SPECIAL REPORT 2020-5 | 2020.05.15.

1413

뉴욕타임즈 AI 스페셜 리포트뉴욕타임즈 AI 스페셜 리포트

- 자체 지도 컴퓨터 시스템이 수백만 개의 YouTube 비디오를 ‘감시’한 후 일부 표현을 유추할

것이고 다음 시스템에 특정 작업을 수행하라는 요청을 받으면 해당 표현을 찾을 수 있는 시스템

자체를 가르칠 수 있다고 판단

MIT-IBM Watson AI Lab의 콕스 박사는 인간과 유사한 상식 지식의 기준 수준을 구축을

목표로 신경 심볼릭 AI라고 부르는 심층 네트워크와 더 전통적인 형태의 인공 지능을 결합

- 매일 우리가 하는 일의 상당 부분은 끊임없이 세상의 정신 모델을 정제한 다음 그 정신 모델을

사용하여 문제를 해결하는 것이며 이것은 AI가 하고 싶은 일을 엄청나게 요약한다고 설명

- 많은 사람들이 로봇이 인공 지능을 구현하고 세계에서 자유롭게 행동하기를 희망하고 있으나

거기에 도달하려면 지도 학습 이상의 것이 필요한데 현재 로봇은 변형이 거의 없는 잘 정의된

환경에서만 작동 가능

로봇 인공 지능 및 학습 연구소 운영중인 Berkeley 교수 조수 레빈은 우리의 작업에 있어

만약 우리가 일반적인 알고리즘을 구축하면 실제로 작업을 수행하는 로봇에 적용하는

것인데 이는 로봇이 환경을 탐색하고 기본 지식을 구축하는 일종의 자체 지도학습을

사용하는 것이라고 말함

- Levine 박사는 실험실 로봇에 대해 그들은 환경을 가지고 놀면서 배우는 것이고 로봇은

본질적으로 일어날 수 있는 일을 상상한 다음 그 일을 어떻게 하는지 알아내려고 노력한다며

이를 통해 로봇은 새로운 환경에서 사용할 수 있는 지식을 구축하고 결국 로봇은 네트워크를

통해 각각의 지식을 공유 할 수 있다고 설명

- 또한 로봇은 몇 시간 동안 문을 가지고 놀면서 이런 식으로 움직이며 그 문을 열 수 있다며

우리는 6개의 서로 다른 로봇을 가지고 있기 때문에 우리가 모두 다른 종류의 문을 가지고

놀면, 아마도 새로운 문을 주면, 그 다양성을 충분히 보았기 때문에 실제로 새로운 문으로

일반화 할 것이라 전망

산업 자동화를 위한 AI 로봇 공학을 구축하는 회사인 Covariant의 설립자인 Abbeel

박사는 결국이 모든 방법들이 결합될 가능성이 있다고 설명

- 인간처럼 지능적인 시점에 기계를 만들 수 있냐는 의문에 대해서는 시간의 문제일 뿐 의심의

여지가 없다고 LeCun 박사는 밝힘

2. 해양 데이터 가치의 이해를 돕는 AI

머신러닝 응용 프로그램이 지구의 가장 큰 영역을 차지하는 해양분야 연구에 특별한 지원을

제공

태평양에서 약 180,000시간의 수중 녹음 중에 혹등고래가 언제 어디서 노래를 했는지

알아야 한다면 Google을 사용하시겠습니까?

- 국립 해양 대기청의 연구 생태학자인 앤 앨런이 2018년 1월에 Google에 접근하여 돌고래

호출이나 선박 엔진과 같은 다른 모든 해양 소음 속에서 혹등고래 노래의 신호를 찾는 데

도움이 될지 문의

구글 엔지니어인 Julie Cattiau는 고래의 노래와 기타 소음이 확인된 1시간의 주석이 달린

데이터를 사용하여 구글 비디오의 소리를 인식하는 모델을 기반으로 노래를 감지하기 위해

신경망을 훈련시켰고

- 약 9개월 후, 앨런 박사는 혹등고래 노래를 식별하기 위한 모델을 가졌으며, 태평양 섬에서

종의 발생과 지난 10년 동안 변화 연구에 사용

- Google은 비슷한 알고리즘을 사용하여 캐나다 수산 해양국이 멸종 위기에 처한 남부 주민

오카(약 70마리)의 개체수를 실시간으로 모니터링

머신러닝 및 인공 지능 응용 프로그램은 바다에서 특히 유용한데

- 넓은 표면, 심한 깊이 및 충분하지 않은 데이터는 너무 비싸서 모든 종류의 샘플 수집에 어려움이

있고 기후 변화로 인해 기계 학습이 훨씬 더 가치가 있음

- 동물이 서식지를 이동하고 온도가 상승하고 해류 이동에 따라 과학자들이 이용할 수 있는 많은

데이터가 점차 정확하지 않고 종의 이동에 따라 개체수 관리가 더욱 중요

- 멸종 위기에 처한 북대서양 고래는 개체수가 약 400마리에 달해 기술적으로 진보된 모니터링의

혜택을 받을 수 있는 동물 중 하나

- 기온이 높아지면서 고래들은 전통적으로 걸프만에서 캐나다의 세인트로렌스 걸프만으로

이동, 이러한 변화를 NOAA에서는 ‘비정상적인 사망률 사건’이라고 칭함

- 2017년 이후 캐나다에서 21마리, 미국에서 9마리로 30마리의 고래가 사망한 것으로 알려져

있고 대부분은 선박 파업이나 어업 장비와 관련

SPECIAL REPORT 2020-5 | 2020.05.15.

1615

뉴욕타임즈 AI 스페셜 리포트뉴욕타임즈 AI 스페셜 리포트

고래를 보호하기 위해 과학자들은 현재 위치를 알아야 하며 이것이 바로 찰스 스타크

드레이퍼 연구소와 뉴잉글랜드 수족관이 ‘공간에서 고래를 세는 것’이라고 함

- 위성, 수중 음파 탐지기, 레이더, 관측, 해류 등에서 데이터를 수집하여 기계 학습 알고리즘을

훈련하여 고래의 위치에 대한 확률 모델을 만듦

※ Draper의 전 세계 문제 책임자인 Sheila Hemami에 따르면, 연방, 주 및 지방 당국은 이러한

정보를 이용하여 항로 및 속도와 낚시에 대한 결정을 보다 신속하게 내릴 수 있어 고래를 더 잘

보호 할 수 있음

- 많은 어류 개체군이 이동하거나 과하게 포획되고 있으며, 그 어업의 상당 부분이 불법적으로

이루어지고 있음

- Google은 불법 활동을 막고 바다에서 개체수를 건강한 수준으로 유지하기 위해서는 선박의

위치와 활동을 수집하고 공개하여 전 세계 어획을 모니터링하는 조직인 Global Fishing

Watch를 지원하기 시작

Global Fishing Watch의 David Kroodsma는 해양은 데이터를 개선할 수 있는 기회가

너무 많다고 언급하며

- 역사적으로 어업의 경우 다른 생산업과 비교할 때 매우 열악했기 때문에 바다는 빅데이터로

작업하기에 매우 흥미로운 곳

- 어업의 20%가 불법이거나 보고되지 않거나 규제되지 않은 상태라고 말하며 우리가 삼림의

20%를 모르거나 탄소 배출량을 알지 못할 때 발생하는 결과와 같은 양상

해양 플라스틱 모니터링과 같은 작업을 위해 해양 화학 및 오염에 다른 응용 프로그램이

사용됨

- 국제 우주 정거장에서 대기질 모니터링 센서와 유사한 Draper는 해양에서 발견되는 미세

플라스틱의 특성에 대한 데이터를 수집

- Hemami 박사는 이 정보를 바탕으로 ‘특정 화학 물질의 지문’을 생성하고 이 지문을 사용하여

플라스틱 종류를 식별하는 알고리즘을 훈련시킴

그들은 여전히 테스트 단계에 있지만, 엄청난 쓰레기 지대의 본거지인 북태평양 근처에 1

세대 센서를 배치하여 시스템 작동 방식에 대한 정보를 제공

- 기계 학습은 아직 해양 산성화, 탈산소화 또는 질산염 농도와 같은 해양 화학의 다른 문제를

평가하는데 널리 사용되지는 않았지만

- Hemami 박사는 그 분야에 상당한 가능성이 있다고 말하며 적어도 하나의 경우에, 동물 관찰

및 화학적으로 집중된 적용은 중첩되며 그들은 같은 목적으로 함께 모인다고 판단

Monterey Bay Research Aquarium Institute의 수석 엔지니어인 Kakani Katija

는 기계 학습을 사용하여 이러한 동물원 플랑크톤의 수명을 추적하고 있으며, 이 동물원

플랑크톤은 점액으로 정교한 집을 짓고 행동을 모델링

- 그들의 작은 거품이 있는 집(3피트를 초과 할 수 있음)에서 작은 동물 (새 연필 길이의 약 절반)

은 바다 표면에서 가라 앉는 입자와 이물질을 포획하는 과정에서 물을 걸러냄

- 이 해면 먼지로 구조물이 막히면, 그 과정에서 대기 중 이산화탄소를 끌어 내린 광합성

유기체로 구성되어 있으며, 동물들은 집을 버리고 해저로 가라 앉아 바닥에 사는 동물들에게

먹이를 줌

- 그러나 그들은 또 다른 중요한 기능을 가지고 있고 모든 잔해물을 가두면 점액 집이 이산화탄소를

격리시켜 바다의 바닥으로 보내며 화석 연료를 태우면서 이산화탄소를 방출하는데, 이 중

대부분은 바다에 흡수

- 결과적으로 바다는 지구의 온도가 섭씨 36도(약 1도 대신)까지 올라가지 못하도록 막았지만,

이 모든 이산화탄소는 바다를 더 산성으로 만듦

- 해양이 얼마나 많은 이산화탄소를 저장하고 있는지를 아는 것은 미래의 기후 변화를

모델링하는데 중요하며, 전 세계에 있는 이 생물체의 유병률과 그들이 걸러 낼 수 있는 물의

양을 감안할 때 상당한 양일 것

Katija 박사는 바다나 기타 환경에서 우리는 이러한 운명과 우울한 상황에에 빠지기가 매우

쉽다며

- AI의 기술이나 진보를 좋아하는 이유는 이 기술이 희망을 보여줄 것이고 지속 가능한 미래

환경을 만드는데 중대한 영향을 미칠 것이기 때문이라고 말함

SPECIAL REPORT 2020-5 | 2020.05.15.

1817

뉴욕타임즈 AI 스페셜 리포트뉴욕타임즈 AI 스페셜 리포트

3. 지속적인 도움을 희망하는 영화에서의 AI

똑똑한 컴퓨터와 인간 사이에서 선과 악을 창의적으로 보여주는 5개 영화

우리가 대유행을 다룰 때 급변하는 환경 속에 급변하는 기술적용 방식이 바뀌고 인공지능과

인간을 다루는 영화가 종종 등장

영화는 재미있는 이야기를 들려주지만, 문제해결을 위해 기술에 너무 의존하는 문제에 대해

경고

- 똑똑한 기계가 구원이나 파괴를 가져오는지를 아래의 인공지능의 장단점을 서술하는 5편의

영화를 통해 조망

1 2001 : 우주 오디세이(1968)

Stanley Kubrick의 선사 시대부터 시작하여 미래의 공간으로 확장하며 시선을 사로잡는

이 공상 과학 고전 영화는 우주의 신비와 인간의 의식과의 관계를 대담한 방식으로 탐구

- 가장 잘 알려진 인물 중 하나는 인간이 아니라 수퍼 컴퓨터인 HAL 9000로서 점점 이해력이

높아지면서 우주 비행사와 임무를 수행할 때 우주 비행사와 충돌하는 계산된 결정을 내림

- 이러한 결정은 인간과 디지털 모두에서 시스템의 비극적인 무능화로 이어짐

※ 이 영화는 인간과 기술의 관계가 얼마나 가까우면서 오싹한 관계인지를 탁월하게 묘사

2 터미네이터(1984)

“2001”에 나타난 악의적 컴퓨터의 등장은 James Cameron의 단편 영화에서 세계를

파괴하는 거대한 묘사로 절정을 이룸

- 주요 디지털 주인공은 인공 지능 방어 시스템인 Skynet이고 인간이 그것을 비활성화하려고 할

때, Skynet은 핵 공격을 시작하며 반격

- 시간 여행, 정교한 무기 및 하나의 거대한 킬러 Arnold Schwarzenegger "터미네이터"는

적절한 액션 장면과 카메론의 영화에서 도피주의 세계관인 사라 코너(린다 해밀턴)에 뿌리를

내릴 강력한 영웅으로 존재

3 매트릭스(1999)

AI가 “터미네이터”보다 인간을 혼란에 빠뜨리는 더 창의적인 방법을 찾지 못했다고 가정

- 빨간약을 복용하고 Lana와 Lilly Wachowski의 공상과학, 행동 및 쿵푸의 맥박이 잘 드는

콤보에 독창적인 컴퓨터가 어떻게 되는지 주목

- Neo(Keanu Reeves)는 다시 한번 지능형 기계가 인간을 능가하는 세계에 대한 청중

안내서이며 그들은 대다수의 인간을 부속품으로 만들고 사람들의 에너지를 수확

- 대부분의 세계가 거대한 디지털 시뮬레이션에 연결되어 있지만, 포드에서 해방된 사람들은

통제권을 되찾기 위해 싸우고 있고

- 이 영화의 기괴함은 숨막히는 액션 세트와 획기적인 시각 효과로 디지털과 현실에 대한

신중하고 비판적인 비평을 만듦

4 AI 인공 지능(2001)

디지털은 Steven Spielberg의 Android Pinocchio 이야기에서 감정적으로 묘사됨

- Haley Joel Osment는 환경 재앙으로 인해 출산에 한계가 생겼을 때 아동이 없는 성인들에게

아들의 사랑과 위안을 제공하도록 프로그램된 감각 로봇인 데이비드 (David)에 매료

- 그의 새로운 어머니 Frances O'Connor와의 첫 만남은 친절하면서 어색하지만 어머니에 의해

그의 시스템에서 특별한 각인 프로그램이 활성화되면, 그는 그녀에게 불멸의 애착을 개발

- 당신은 그의 눈에 매우 인간적인 모습의 반짝임과 그의 목소리에 대한 헌신적인 얼굴이 아닌

인간의 광채를 볼 수 있음

- 영화는 관객을 친절하게 대우하지 않는 안드로이드 리더에게 공감을 느끼게 만드는 놀라운

일을 하면서 당신은 그의 갈망을 느낄 것

5 그녀(2013)

소프트웨어를 좋아하는 사람에 대한 Spike Jonze의 영화가 발표된 후 7년 동안 사람들은

자신의 기술과 더 많은 일상적인 대화를 나눔

- Joaquin Phoenix의 헌신적인 공연과 Scarlett Johansson의 특별한 음성 작업으로

Samantha는 이 영화를 우리 시대의 흥미롭고 낭만적인 코미디로 만듦

- 그리고 사만다는 점점 더 연계되고 지각력이 높아짐에 따라 관계의 복잡성이 기술적 성취의

복잡성과 어떻게 일치 할 수 있는지를 보여줌

SPECIAL REPORT 2020-5 | 2020.05.15.

2019

뉴욕타임즈 AI 스페셜 리포트뉴욕타임즈 AI 스페셜 리포트

4. 음식의 종류에 맞는 적정한 맛을 찾아내는 AI

기계는 모양, 계절의 다양성, 단맛, 질감과 같은 음식의 특성을 고려하는 요리사의 생각

방식을 읽도록 훈련을 받고 있음

식품 가공은 익숙한 행위로서, 딸기가 수확할 만큼 충분히 익었는지, 컨베이어 벨트를 아래로

미끄러지는 생칠면조가 추수 감사절 테이블에 적합하거나 쿠키가 너무 맛있어서 소비자가

상점 선반에 있는 12가지 이상의 다른 옵션을 선택하는데 필요한 실습 기술을 고려

- 이러한 각 결정에는 긴 교대근무 후에도 무난하게 일을 처리할 수 있는 경험이 충분한 근로자의

감각적 판단이 필요한데, 이는 노동력의 유연성과 식량 공급에 변화가 요구되고 코로나

바이러스로 인한 식량의 가공 및 배송에도 도전적인 과제임

피자 배달 로봇 및 질병 감지 농장 드론과 같은 인공지능 실험은 최근 많은 매체에 주목을

받았지만, 식량 공급 과정의 혁신은 - 현장과 소비자 사이에서 수십만 개의 제품을 이동·

처리하는 시스템 - 사람들이 매일 먹는 음식에 더 큰 영향을 줄 수 있을 것

- 기계는 모양, 계절의 다양성, 단맛, 질감과 같은 특성에 주의를 기울이는 음식에 대한 요리사의

생각 방식을 고려하도록 훈련을 받고 있음. 결과적으로 날음식 낭비가 감소하고, 제품이

신선하고 더 좋은 상태로 도착하며, 노동자들은 보다 혁신적으로 자유로워짐

AI는 우리가 하는 일을 극대화 시키는 논리적 확장이라고 뉴질랜드 해밀턴에 있는 BBC

Technologies CEO Geoff Furniss가 언급

- 부모님이 양철 창고에서 시작한 블루베리 농장에서 자란 배경을 가진 그는 다루기 어려운

인공지능과 그레이딩 블루베리의 관계에 대한 세계적인 권위자임

- 블루 베리는 표준 색상을 가지고 있으며 매우 섬세한 특성이 있는데 심지어 조금이라도 멍이

들면 식료품점이나 식당에 도착하기 전에 거칠게 상할 수 있다고 함

- 블루베리가 6인치 높이에서 떨어지면 유통기한이나 보관물이 손상될 것이며 기계식 분류기는

잔해물을 제거하고 크기와 색상별로 분류하는 작업을 수행 할 수 있지만 오랫동안 컨베이어

벨트 위에서 다루는 민첩한 작업자가 필요

2000년에 그의 아버지는 블루베리 분류기를 발명하여 열매를 색상별로 빠르고 신중하게

분류할 수 있게 되었으며 이로 인해 BBC Technologies 설립

- 이 회사는 2015년에는 광학을 사용하여 프로세스를 개선한 카메라 시스템을 추가하는 등

지속적인 기술개발과 함께 수십만 개의 분류된 사진을 사용하는 인공지능과 초당 2,400개의

과일 이미지를 처리할 수 있는 그래픽 프로세서 기반 플랫폼을 개발

- 이 소프트웨어는 새 팩에서 줄기 구멍을 식별하는 방법을 배웠으며 썩을 가능성이 있는 구멍이

뚫린 과일을 걸려냄

- 수십 가지의 다양한 품종과 미묘한 계절적 차이를 감지하는 방법을 배우기 때문에 계절이

시작될 때 재배된 과일은 마지막에 나오는 과일과 다르게 분류되고 포장됨

- 이러한 미묘한 차이는 일주일 동안 어떤 열매를 먹어야 하는지 결정할 때 중요하며 남미에서

미국으로의 긴 여행에 더 좋을 뿐만 아니라 체리와 같은 다른 섬세한 과일에도 같은 기술이

적용됨

아이디어가 매우 혁신적이라 노르웨이의 선별 및 포장 거물인 TOMRA Food는 2018년에

가족 회사를 6,690만 달러에 인수

- 전통적인 분류·슬라이싱 기계는 각 감자의 특성에 관계 없이 동일한 튀김 크기와 모양을

생성하도록 설계

- 그러나 AI는 긴 감자튀김 다지기 또는 테이터 토츠에 적합한 컷팅 등을 결정할 수 있고 또한

감자 껍질을 벗겨 내기 전에 각 감자를 분류하여 최소한의 감자가 제거되도록 껍질을 벗기는

과정에 사용

감자 칩을 위해 - 냉동 감자튀김보다 생산하기에 더 섬세한 간식으로서- AI는 각 칩이 매번

동일한 색상과 크런치를 갖도록 보장하기 위해 활용됨

- Shahmeer Mirza가 Frito-Lay 브랜드를 소유한 PepsiCo.에서 일을 시작했을 때 처음에 한

작업 중 하나는 기계 감각 인식을 가르치는 것으로 칩을 누군가 물을 때 레이저를 활용해

발생하는 소리를 포착하는 기능

- 칩의 두께, 튀김 시간, 온도는 작업자가 칩을 지속적으로 샘플링하지 않고도 완벽한 요리 완료

시점을 조정하며 그의 작품이 특허를 받은 것은 혁명이지만 AI가 간식 공장에서 사용되는

유일한 방법일 뿐

SPECIAL REPORT 2020-5 | 2020.05.15.

2221

뉴욕타임즈 AI 스페셜 리포트뉴욕타임즈 AI 스페셜 리포트

- 나쁜 감자를 골라서 버리는 것과 같은 반복적인 작업은 작업자에게 1-2 초가 걸릴 수 있으나

AI 분류기는 빠르게 결정할 수 있어 한 시간 안에 수천 파운드의 감자를 처리

- 이제 완전히 자동화된 긴 컨베이어를 쳐다보는 2~5명의 사람들에게 요구되는 판단을

얘기하고 있으며 그는 7-Eleven의 연구개발 부서에서 일하며 애틀랜타 Georgia Institute

of Technology에서 석사 학위를 취득

이와 같은 자동화는 숙련된 인력이 부족한 기업을 돕고 소비자를 위해 더 맛있는 칩을 만듦

- Mirza는 레이의 가방을 열었을 때 녹색 또는 갈색 칩을 발견한 마지막이 언제냐고 물으며,

이는 오랬동안 AI를 사용했기 때문인데 품질이 향상되면서 점차 이런 일이 발생하는 것을

인지하지 못한 채 손에는 더 좋은 제품이 놓여 있게 될 것이라 말함

5. 더 나은 스포츠를 원한다면 이 AI를 주목해 보세요

선수, 팀, 스포츠 의학 및 심지어 도박에 영향을 미치는 기계 학습의 패턴 인식 능력

수십년 전에 Microsoft 선임관리자인 Jeff Alger는 주립 축구팀을 지도하면서 선수개발에

과학이 거의 없다는 것을 인지

- Alger는 선수의 상태를 측정할 수 있는 객관적인 방법은 없었다며 ‘측정할 수 없으면 아무 것도

없는 것과 같다’고 설명

- 문제를 파악하기 위해 자신의 시스템 설계 감각을 손상시켰음에도 아무 것도 할 수 없어서

급기야 직장을 그만두고 스포츠 경영 석사 학위를 받고 인공 지능을 활용한 운동 능력과

훈련을 평가하는 회사 설립

그의 회사인 Seattle Sports Sciences는 패턴 인식 머신러닝을 사용하여 코칭을 혁신하고

모든 팀들이 첨단 분석 기능을 사용할 수 있도록 도와주는 회사 중 하나

- 프로 스포츠에 영향을 미치고 스포츠 의학을 변화시킬 뿐만 아니라 결국 스포츠 베팅의

가능성을 변경이라고 전망

시애틀 스포츠 과학 인공지능 설계자인 John Milton은 스페인의 축구팀 Málaga와 함께

4K 초고속 고화질 비디오 약 20대의 카메라로 경기장의 모든 것을 포착

- 이것은 마치 전지전능한 것과 같다며 ISOTechne라는 시스템은 선수의 기술과 일관성, 팀의

방어 구조뿐만 아니라 어떤 빈도로 패스를 주고 받는지 평가하는데 심지어 볼의 스핀 축과

회전 속도를 추적

- 이것이 회사의 기술이 사용되는 유일한 방법은 아니며 프로 축구팀은 선수를 거래하며 더욱

많은 수입을 얻는 구조

- 축구 아카데미는 재능있는 선수를 개발한 후 다른 팀으로 이적시키는 구조로 수익을 올리게 됨

- 현재 70억 달러 규모의 사업임에도 선수 능력의 객관적인 측정 없이 선수에게 가치를 부여하는

것은 어려움

시애틀 스포츠 과학의 사장 겸 CEO Alger는 선수의 이동과 선수가 특정 팀으로 이적하려고

공에 들이는 노력에 대한 문제라고 설명

- 예를들어, 그의 회사는 게임의 다른 기능 보다는 코너킥이나 프리킥에서 공을 전달하는 것이

더 나은 선수를 식별 가능

일부 시스템은 부상을 감지하고 예측할 수도 있는데 Sparta Science는 최고 경영자이자

설립자인 Phil Wagner 박사는 운동선수의 신체 상태 평가 장비와 육상 트랙을 가지고

있는 실리콘 밸리의 창고에서 일하고 있음

- 이 회사는 힘과 균형을 측정하는 지상의 전자 판에서 데이터를 수집하는 기계 학습을 사용하며

이 시스템은 초당 3,000개의 데이터 포인트를 수집하고 점프 또는 밸런싱 테스트는 약 20초

소요

- Wagner 박사는 선수들은 부상이 있거나 부상이 있음을 인식하지 못하고 있다며 시스템은

부상을 진단하거나 예측하는 기능이 입증한 바 있고 위험을 파악하고 그 위험을 줄이기 위한

최상의 권장 사항을 제공

샌프란시스코 자이언츠와 엔트리 명단을 놓고 경쟁하는 Tyson Ross는 2008년 이래로

Sparta Science 시스템을 사용하고 있는데 오프 시즌 동안 거의 매주 회사 시설을

방문하여 수직 점프, 흔들림, 눈가리고 판자 위의 팔, 다리 균형 테스트를 받음

- 수집된 데이터를 바탕으로 이전과 비교해 어떻게 움직이는지, 이상적 움직임을 알려주고

Sparta Science는 자신의 운동을 그 이상에 가깝게 유도

SPECIAL REPORT 2020-5 | 2020.05.15.

2423

뉴욕타임즈 AI 스페셜 리포트뉴욕타임즈 AI 스페셜 리포트

Wagner 박사는 Pittsburgh Steelers, Detroit Lions 및 Washington Redskins 등

이 이 시스템을 정기적으로 사용

- Sparta Science는 내셔널 풋볼 리그의 연례 대학선수 스카우트에서도 선수평가에 사용함.

물론 머신러닝의 예측력이 스포츠 산업의 또 다른 수익성의 끝판인 베팅에 적용되는 것은

불가피함

- 또한 몬트리올에 본사를 둔 회사인 Sportlogiq는 주로 하키, 축구, 축구, lacrosse의 선수와

팀을 분석하기 위한 방송 시스템을 보유

- 이 회사의 최고 기술 책임자이자 공동 창립자 중 한 명인 Mehrsan Javan은 지난 4명의

Stanley Cup 챔피언을 포함한 내셔널 하키 리그 팀의 대다수가 Sportlogiq의 시스템을

사용하여 선수를 평가했다고 말함

- 오하이오 프로 하키 프랜차이즈 Columbus Blue Jackets의 Josh Flynn 부사장은 이 팀이

선수와 전략을 분석하기 위해 Sportlogiq를 사용한다고 하며 Flynn은 이전보다 게임에 대한

질문에 대해 더 깊이 탐구 할 수 있다고 함

- 그러나 Sportlogiq는 분석 데이터를 미국 북메이커에게 판매하여 베팅에 대한 배당률을 높이고

곧이어 개별 참여자에게 정보를 판매하기를 희망하며 Javan은 베팅 부사장을 고용하려 함

Alger는 모든 스포츠 중심 기술의 핵심은 데이터이며 알고리즘은 오고 가지만 데이터는

영원하다며, 컴퓨터 비전은 엑스레이의 종양이든 도로의 자전거든 무엇을 찾아야 하는지

알아내는 것이라고 함

- Seattle Sports 과학의 경우, 컴퓨터는 다양한 조명 조건에서 공을 인식하고 발의 어느 면이

공을 차는지를 이해하도록 훈련

- 이를 위해서는 먼저 사람이 고통스럽게도 수백만 개의 이미지에 주석을 달아야 하는데 주석이

달린 데이터가 많을수록 기계학습 분석이 정확해짐

기본적으로 누구든 가장 많은 레이블된 데이터를 가진 사람이 승리자라고 AI 설계자

Milton이 말함.

- Seattle Sports 과학은 학습 데이터 플랫폼인 Labelbox를 사용하는데 이는 시애틀에서

일하는 Milton의 데이터 과학팀이 하루 24시간 데이터 라벨링 작업을 하는 인도 근로자와의

교대 근무를 하도록 도와줌

- Milton은 현대의 비전인 AI와 경쟁하기 위해 얼마나 빨리 움직여야 하는지 의문을 제기하며

기본적으로 라벨링 무기 경쟁이라고 함

- Sparta Science의 Wagner 박사는 쉽게 이용할 수 있는 알고리즘과 현재 어디에서나 이용

가능한 클라우드 컴퓨팅 기능을 갖춘 차별화 요소는 데이터라는 점에 주목하며

- 기계 학습 시스템을 적절하게 훈련시키기에 충분한 데이터를 구축하는 데 Sparta Science는

10년이 걸렸다고 언급

- 호주 멜버른 빅토리아 대학교 스포츠 공연 및 비즈니스 프로그램을 운영자 Sam Robertson

은 기술이 스포츠를 변화시키는 데 시간이 걸릴 것이며

- 의사결정 요소는 여전히 인간의 관여가 필요하고 입력 데이터 품질을 높이기 위해 라벨링

데이터를 개선할 것이라고 함

6. AI 환경에서는 더 이상 비밀이 될 수 없는 애완동물의 비밀 생활

스트리밍 카메라의 새로운 기술은 비정상적인 행동을 인지하고 개가 짖는 이유도 파악 할

수 있음

스트리밍 카메라의 새로운 기술은 비정상적인 동작을 표시하거나 개가 짖는 이유를 파악

할 수 있음

- 대부분의 강아지 주인은 강아지의 말을 직관적으로 이해하기 때문에 강아지가 배고픈지

아픈지 차이를 아는데, 집에 있는 기계도 곧 이해할 수 있을 것

- 강아지를 관찰하며 사진을 찍고 강아지가 짖을 때 알림을 보낼 수 있는 스트리밍 카메라인

Furbo는 스마트 폰 앱을 통해 확인할 수 있어서 실시간으로 음식 제공도 가능

- 앞으로 몇 달 안에 Furbo는 강아지 비정상적인 행동을 알려주고 짖는 소리가 다를 때 차이점도

구분할 수 있는 새로운 기능을 출시할 예정

Furbo 제조사인 Tomofun의 북미 총괄 관리자 Andrew Bleiman는 이러한 이유로

주인에서 위험을 알릴 수 있는 강아지를 고용했다고 함

- 강아지가 그냥 짖는 소리뿐만 아니라 끙끙거리거나 울부짖는 소리를 알려줄 수 있으며

기본적으로 실제 긴급 경보 전송 가능

- 애완동물 지향 기술의 세계는 이제 강아지 주인이 원거리에서 간식을 주고 셀카를 찍고

고양이와 놀 수 있을 뿐만 아니라 인공지능은 동물 행동에 대해 알고 있는 것을 지속적으로

개선시킬 것

SPECIAL REPORT 2020-5 | 2020.05.15.

2625

뉴욕타임즈 AI 스페셜 리포트뉴욕타임즈 AI 스페셜 리포트

- Bleiman는 Furbo의 새 버전은 수천 명의 비디오 데이터를 통한 머신러닝의 결과라며 사용자

피드백을 받은 기술로 캡처한 10초 클립에 의존한 것(Furbo는 사용자의 데이터 공유 거부

허용 가능 함)

- 제품의 진정한 진화는 컴퓨터 비전과 생물 음향 차원에서 이루어졌으므로 SW의 지능이며,

하루 종일 개를 쳐다보며 듣는 카메라를 가지고 있다면 이로 인한 데이터의 양이 엄청날 것

- Furbo팀은 강아지의 품종이나 크기에 따라 데이터를 세분화 가능하다고 하며 예를 들어

적어도 평균 카메라가 인식한 만큼 Newfoundland는 하루에 4번 짖고 Husky는 하루에 36

번 짖는 것을 파악

Petcube는 또 다른 대화형 애완동물 카메라로 최신 버전에는 Amazon Alexa 가

장착되어 있음

- 회사의 최고 경영자이자 공동 설립자인 Yaroslav Azhnyuk은 AI는 강아지 주인에게 동물의

행동을 더 잘 이해하도록 돕고 있으며 비정상적인 행동을 탐지 할 수 있을 것이라고 함

- 우리는 애완동물의 행동을 이해하고 그들이 말하려는 내용이나 느낌을 이해하기 위해 알고리즘을

적용하기 시작했으며 강아지의 활동이 평소보다 적으면 수의사에게 문의하라고 할 것임

- 코로나 바이러스 전염병으로 인해 많은 애완동물 소유자가 낮에 집에서 일해야했기 때문에

애완동물을 실시간으로 확인할 수 있는 카메라에 대한 수요가 유발되었으며 Bleiman는

Furbo 사용자가 주중에 평균 하루에 10번 이상 애완 동물을 점검할 것이라고 말함

- Azhnyuk는 애완동물 주인이 일주일에 약 50분 동안 카메라를 통해 애완동물과 대화를 나

누었으며 엄마와 아이에게 전화를 걸 때와 같은 방법으로 개나 고양이에게 전화를 걸고 싶어

하고 거북이, 뱀, 닭, 돼지 등 모든 종류의 동물에 Petcubes를 사용하는 사람들을 보았다고 함

뉴욕시에서 코로나 바이러스 확산을 막기 위한 조치로 재택근무를 하는 43세의 Patty

Lynch는 그녀의 개 Sadie를 볼 시간이 충분하다며

- 그녀는 Battery Park 아파트에서 떨어져 있을 때에 Google Nest를 사용하여 계속

지켜보았으며, 원래 강아지의 수술 회복기간 동안 비디오 스트리밍을 위해 3년 전에 카메라를

구입했다고 함

Lynch 부사장은 강아지가 움직이면 경고 메세지를 받는다고 말하며 강아지가 짖기

시작하면 소음 알림도 받고 실시간으로 하고 있는 일을 알아낼 수 있을 뿐만 아니라 가끔

강아지를 확인하고 싶고 그냥 강아지를 보고 있으면 웃게 된다고 함

미시간 대학교 정보 대학 부교수이자 미시간 로봇 공학 연구소의 핵심 교수 P. Lionel P.

Robert Jr.는 AI 기반 기술은 집을 떠나 있을 때 강아지가 문제가 없다는 보증을 받기

원하는 주인의 요구에 초점을 맞춘다고 함

- 그는 미래 기술은 애완 동물의 건강에 더 집중할 것이라며 애완동물을 볼 때 안심하고 편안하게

느끼기 때문에 이 카메라를 사용하는 사람들이 많이 있으며 지금은 애완동물보다 인간에게 더

많이 적용된다고 함

- 모든 데이터가 수의사에게 실시간으로 전송된다고 상상해 보면 이는 애완동물을 위한 건강,

체중, 운동 거리에 대한 아이디어가 될 것

- 다른 나라에서는 기술이 한 단계 더 발전하면서 실제로 로봇 애완 동물을 입양하고 있다고 함

Petcube 및 Furbo와 같은 제품은 주로 강아지 주인에게 사용하지만 고양이를 위한 AI도

있음. 많은 사람들이 대화형 카메라를 사용하여 하루 종일 추적하는데 한 스타트업 기업은

자동 재생 시간을 위한 지능형 레이저를 고안

- Yuri Brigance는 이혼 후 약 4년 전 아이디어를 생각해 내는데 집에서 떨어져 하루에 10

시간씩 일하면서 집에 있는 두 마리의 고양이에 대해 걱정을 함

- 이 아이디어는 동물들을 추적하기 위해 카메라를 사용하고 방에 설치된 카메라는 무작위가

아니라 지능적으로 레이저를 움직여 추적

- 그 결과 특정 놀이 시간에 앱을 통해 예약 할 수 있는 장난감 Felik이 있으며, 구역 제한 기능이

있어 가구와 같이 레이저로 갈 수 없는 지역을 지정

Brigance는 자신의 제품이 비디오를 클라우드에 저장하지 않았으며 많은 비디오 제품과

같이 인터넷 연결이 필요하며데이터를 분석한다고 함

- Brigance는 기계학습을 사용하여 semantic segmentation을 수행하는데 이는 기본적으로

배경, 방과 그 안의 고양이 또는 인간처럼 움직이는 모든 재미있는 물체를 분리하는 것

- 그다음 고양이가 어디에 있고 현재 하고 있는 일 다음에 무엇을 할지 예측하는 것을 결정하며

먹이를 쫓는 게임을 만들 수 있음

- Brigance는 레이저 장난감이 그의 고양이와 고객의 고양이들에게 몇 시간의 놀이 시간을

제공했다며 어떤 사람들은 거의 매일 그것을 사용하며 가구를 긁거나 아무 조치도 취하지

않으면 정말로 흥분할 수 있는 곳, 어디에 주로 있는지 등의 기록하고 있다고 함

- 또는 아침에 야옹거리며 주인을 깨우려는 고양이가 있다면 아침에 고양이를 산만하게 할 수

있도록 설정하여 조금 더 잠을 잘 수 있게 할 수 있다고 함

SPECIAL REPORT 2020-5 | 2020.05.15.

2827

뉴욕타임즈 AI 스페셜 리포트뉴욕타임즈 AI 스페셜 리포트

7. AI 없이 맞춤법을 올바로 사용하기 곤란한 시대의 도래

인간의 언어를 처리하는 SW 응용프로그램의 발전이 인간의 창의력을 향상 시킬지 대체할

것인지 논쟁

Steve Jobs는 개인 컴퓨팅을 ‘마음의 자전거’라고 설명한 바 있는데 이는 컴퓨터가

인간의 창의성을 향상시키는 지능 증폭기로 사용될 수 있다는 그의 생각으로서 이제 코로나

바이러스로 인해 시험대에 올라 있음

- 3월에 인공지능 연구 그룹과 국립 의학 도서관은 바이러스에 관한 44,000개가 넘는 세계 과학

연구 논문을 과학자들이 패턴연구를 돕는 기계학습 프로그램을 사용하는 새로운 탐색방식을 발표

- 마이크로 소프트 공동 창립자 Paul Allen이 2014년에 설립한 비영리 연구소 인 앨런 AI

연구소의 Oren Etzioni는 이것은 인공 지능의 기회라고 말함

- 과학적 발견에 도움을 주는 AI를 오랫동안 꿈을 꾸어 왔는데 이제 질문은 우리가 그렇게 할 수

있는지 여부임

- 인간 언어를 처리하는 SW 응용 프로그램의 새로운 발전은 인공 지능과 같은 컴퓨터 기술이

인간의 창의력을 향상시키거나 대체할 것인지에 대한 오랜 논쟁의 핵심

- 이 프로그램은 스위스 군용 나이프로 기사, 서적, 시 쓰기에서 음악 작곡, 번역 및 과학적

발견에 이르기까지 다양한 응용 분야에 AI가 효과적임

- 기계가 창의적 생각이 가능한지에 대한 질문을 제기하는 것 외에도 SW는 실험의 흐름을 묘사하며

지적권 법에 대한 새로운 도전과 스팸, 정보, 사기로 오용될 수 있는지에 대한 우려를 제기

2015년에 시작된 Allen Institute 프로그램 Semantic Scholar는 이 신종 SW의

초기 버전이 기계학습을 통해 과학 논문의 의미를 추출하고 논문 사이의 연결을 식별하여

연구자들이 보다 신속하게 이해를 얻도록 도와준다고 함

- 그 이후로 다양한 기술 회사 및 연구 그룹을 이끌고 새로운 언어처리 기술을 기반으로 빠르게

발전하였으며 언어 모델은 다음의 내용보다 더 강력해짐

지난 2월 MS가 영국 수학자이자 컴퓨팅 개척자 Alan Turing의 이름을 딴 Turing-NLG(

자연어 생성)를 도입하면서 인공 지능 무기 경쟁에 영향

- 인간이 쓴 방대한 텍스트에서 훈련된 프로그램으로부터 170억개의 파라미터 또는 가중치로

구성된 기계학습 behemoth는 인터넷을 통해 활용 가능한 문서보다 효과적

- 그 결과, 인간과의 믿을 수 있는 대화를 주고 받을 수 있을 뿐만 아니라 타당한 문장과 문단을

작성하는 능력을 포함하여, 언어 모델을 만들기 위한 중요한 주장을 제기함

- 가장 흥미로운 응용 프로그램이 실제로 창조적인 공간에 있는 것을 우리가 보았다고, 사회적 기여

AI 기술을 개발하는 샌프란시스코에 본사를 둔 OpenAI의 기술이사 Ashley Pilipiszyn는 언급

- 작년 초 이 그룹은 GPT-2(Generative Pretrained Transformer)라는 언어 모델을 발표했지만

잘못된 정보를 만드는 데 오용 가능성이 우려된다며 처음에는 공개하지 않았으나 연말에 이

프로그램은 광범위하게 이용 가능해짐

- Pilipiszyn는 모두가 타고난 창조적인 능력을 가지고 있으며, GPT-2는 그 한계를 더욱

뛰어넘도록 도와주는 도구라고 말함

- Temple University의 Klein Media and Communication College의 부교수 Hector

Postigo는 GPT-2가 출시된 직후 실험을 시작했고 그의 첫 번째 아이디어는 AI 시스템의 윤리

정책에 대한 간단한 정책 설명을 자동으로 작성하도록 프로그램을 훈련시키는 것

- AI, 빅데이터 및 알고리즘에 대해 2019년에 인간이 작성한 기사, 논문, 법을 수집한 GPT-2

를 ‘미세 조정’한 후, 알고리즘적 의사결정은 인권에 위험을 초래할 수 있다며 프로그램을 개발

- 이 프로그램은 인간의 행동은 오류가 발생하기 쉽다고 가정하는 의사 결정 시스템이라고

시작되는 단편 에세이를 만듦

- 이것이 데이터 중심 사회의 오류라며 이러한 문제를 인식하면 인류가 우리에게 맡겨둔 도구를

사용하여 현재 가장 시급한 권리와 보안 문제를 해결할 수 있다고 함

- Postigo씨는 차세대 도구가 사람의 저자로 만드는 방식을 변화시킬 것인데 항상 자동 완성

기능을 사용하며 이 기능의 비밀은 이미 공개된 것이라 함

그의 첫 실험 이후, 그는 클래식 음악을 작곡하고 시와 랩 가사를 쓰도록 GPT-2를 훈련시킴

- 그것은 프로그램이 진정으로 창조적인지에 대한 의문을 제기하며 그들이 인간의 작품과 구별

할 수 없는 예술 작품을 만들 수 있다면, 그들은 인간이 만든 것들을 평가 절하 할 수도 있는

것인지 문제 제기

- 수십 년 동안 현장에서 일해온 AI 연구원들은 프로그램이 단순히 보조적이며 예술 작품을

만들거나 다른 지적 업적을 독립적으로 만들지 않았다는 것을 인식하는 것이 중요하다고 함

- 초기 징후는 새로운 도구가 빠르게 수용될 것이며 에치오니 박사는 시맨틱 학자 코로나

바이러스 웹 페이지가 처음 3일 동안 10만회 이상 조회되었다고 밝힘

- Google Health, Johns Hopkins University, Mayo Clinic, Notre Dame University,

Hewlett Packard Labs 및 IBM 연구원들은 이 서비스를 사용 중

SPECIAL REPORT 2020-5 | 2020.05.15.

3029

뉴욕타임즈 AI 스페셜 리포트뉴욕타임즈 AI 스페셜 리포트

- 실리콘 밸리 최초의 1980년대 Semantic, Teachledge AI기업 2곳에서 일한 AI 연구원 제리

카플란은 새로운 언어 모델링 소프트웨어는 실제 ‘생각하는 컴퓨터’라기 보다는 새로운 유형의

데이터베이스 검색기술일 뿐이라고 지적

- 창의력은 여전히 전적으로 인간 편이고 이 모든 특정 도구가 수행하는 작업은 수년의 연구가

필요한 통찰력을 얻는 것이라고 함

- 그것이 사실일 수도 있지만, 철학자들은 이러한 새로운 도구가 인간의 창의성을 영구적으로

바꿀 것인지 궁금해하기 시작

- University of Toronto의 AI 교수 Brian Smith는 학생들이 여전히 손으로 긴 나눗셈 방법을

배우지만 이제는 계산기가 보편적으로 사용된다고 함

- 우리는 한때 인간 컴퓨터로 가득 찬 방을 사용하여 이러한 작업을 수동으로 수행했으나 아무도

그 시대로 돌아가고 싶지 않을 것이라고 말함

- 그러나 앞으로는 이러한 새로운 도구가 작문, 작곡 및 기타 예술적 도전과 같은 창의적인 작업

수행이 가능할 것이라며 우리가 결정해야 할 것은 사람의 마음은 보존 가치가 있는 것이라고 말함

8. 우려감을 가지고 AI를 바라보는 예술가들

다가오는 미래에 AI가 무엇을 만들어 낼지 우려

예술계가 기술 발전에 적응하는 것은 새로운 것이 아님

- 목재 판넬은 한때 그림의 표준이었지만 17세기에는 캔버스에 의해 주로 사용되었고 물감

자체도 바뀌었으며 현재 주류인 비디오 아트는 1960년대에 새로운 현상이었음

- 최근 증강현실과 가상현실은 20년 전에는 상상조차 할 수 없었던 표현방법으로 예술가의

상상력을 사로잡음

그러나 최근 몇 년 사이의 현상인 AI의 등장은 그와는 다른 양상으로 매혹적인 방식으로

머신지능을 사용하는 예술가의 도구일 뿐만 아니라 종종 같은 작품에서 감상해야 할

주제이기도 함

- 많은 작품의 근간은 깊은 불안인데 뉴욕 박물관 Lisa Phillips은 불안조차 기계가 인수할 것으로

보인다며 우리가 무슨 일을 벌이는지 모르겠다고 덧붙임

파리에 있는 미술단체 Obvious가 시작한 AI가 만든 초상화가 2018년 Christie에서

$432,500에 판매되었을 때 미술 시장도 새로운 영역으로 도전을 받음. 초상화는 전형적인

남자 모습으로 번지고 흐릿한 특징이 있음

- 올봄에 예정된 박물관 및 기타 전시 공간에서도 AI를 적용하여 제작했으며 이 중 일부는 코로나

바이러스 때문에 폐쇄 후 지연되고 있음

- 여기에는 10월 25일까지 샌프란시스코의 드영 박물관에 예정된 ‘Uncanny Valley : AI의

시대에 인간이 되는 것’이라는 주제도 포함

- 올해 초 Artechouse Washington에서 열렸으며 올해 하반기에 Artechouse의 마이애미로

이동하기 위한 ‘미래 스케치’; 샌프란시스코 Altman-Siegel Gallery의 Trevor Paglen의

사진; 6월 24일부터 9월 27일까지 새 박물관에 예정된 ‘Ed Atkins : Get Life/Love 's Work’

Mr. Paglen은 AI 영토에서 가장 잘 알려진 아티스트 중 하나. 그의 노력과 국가 감시의

주제는 2017년 John D.와 Catherine T. MacArthur Foundation 교부금(‘천재’

보조금)를 얻는데 도움

- Paglen은 한동안 작업을 해왔고 몰두하기 시작하면 멈추지 않았다고 말함. 그는 뉴욕에 있으며

3개의 스튜디오 중 2개를 보유하고 있고 다른 하나는 베를린에 있음

- Altman-Siegel에서 19세기 미국 서부를 연구했던 그의 일은 컴퓨터가 데이터를 활용하여

세상을 인식하는 방식(공식적으로 ‘보여지는 것’이 어떻게 동력 역학을 만들어 내는가)을

알아내려는 시도

- Paglen씨는 ‘Uncanny Valley’의 ‘피고인과 죽은 자의 얼굴을 가져갔습니다… (SD18)’라는

제목의 작품을 소유. 1918년에 설립된 비영리 단체인 Standards Institute는 광범위한 기술

분야를 포함하여 산업 전반에 걸쳐 합의된 표준 수립 지원

- 이미지는 얼굴 인식 프로그램을 훈련시키는데 사용되었으며, Paglen씨는 데 이터가 어떻게

무기화되는지에 의문

- 다른 예술가들에게도 주제가 되었는데 왜냐하면 기계가 사람들에 의해 훈련을 받으며 어떤

내포된 변수에 따라 전달되는지 의문을 가지고 있기 때문

- Paglen은 사물은 본질적으로 고유하지 않은 범주로 분류되어 있고 AI를 비판하면서 예술을

만드는 데 사용됨. 2017년 ‘Adversarially Evolved Hallucinations’시리즈를 만들기 위해

그는 이미지를 제작하는 AI 시스템을 개발

- 나는 내 자신의 훈련 데이터 세트를 만들고 처음부터 데이터 분류 체계를 만들었는데 컴퓨터가

사람을 어떻게 생각하는지에 대한 관점을 포함하면 결과물이 약간 두려움

SPECIAL REPORT 2020-5 | 2020.05.15.

3231

뉴욕타임즈 AI 스페셜 리포트뉴욕타임즈 AI 스페셜 리포트

샌프란시스코 미술 박물관의 최고 현대 큐레이터 ‘Uncanny Valley’의 주최자 De Young

은 14명의 예술가 또는 작품을 특징으로 한 ‘Uncanny Valley’작품의 전반적인 톤을 ‘

불안이 아닌 관심의 하나’라고 견해를 밝힘

- 그녀는 이번 쇼의 많은 작품들은 추론적 환상이 아닌 AI 기계학습이 실제로 적용된 것을

보여주는 것이며 장기적으로는 잠재적인 결과물이 그렇게 깊지 않은 생각으로 발생할 수

있다고 함

Schmuckli는 2016년 휴스턴에서 샌프란시스코로 이사했으며 해킹, Facebook 및 데이터

회사인 Cambridge Analytica의 후반 선거폭로가 그녀의 생각에 영향을 끼쳤다고 말함

- 그녀는 이것은 내가 시급히 이해가 필요한 영역이었고 기술 중심의 Bay Area에서의 이벤트는

그녀의 신경을 자극했다고 함

- 개방에 대한 참가율은 매우 놀랍고 우리는 과거에 이 박물관에 방문하지 않은 많은 사람들을

보았다며

- 뉴욕, 워싱턴, 마이애미에 지사를 둔 영리 전시 공간 Artechouse는 이름에서 알 수 있듯이

전적으로 예술과 기술의 연결에 초점을 맞추고 있다고 함

공동 창립자인 Tati Pastukhova는 이것이 틈새시장이라고 판단했고 2017년에 창립된

이래 약 절반의 공연이 어떤 식으로든 AI의 영향을 받았다고 함

- 이와 같은 최신 전시회인 ‘Future Sketches’은 M.I.T. Media Lab 겸임 부교수인 Zach

Lieberman과의 공동 작업(대학 약력에서 그를 해커라고 함)이었음

- 아마도 풀타임 기술자에게 적합하겠지만 그의 작업은 AI를 사용하는 다른 사람들의 것보다

긍정적인 변화를 줌

- 2018년 London Design Biennale를 위해 처음 제작된 그의 Artechouse 작품‘Expression

Mirror’는 사용자의 얼굴표정을 읽고 얼굴의 68개 지점에서 근육 움직임을 추적

- 그러나 사람들이 ‘거울’을 볼 때 자신을 보지 않음. 얼굴은 이전에 사용했던 사람의 얼굴로

대체되는데 미소나 찡그림 같은 당신의 표정과 매치시킴. 이것을 지문 버전인 ‘표정 코딩

시스템’이라고 부른다고 Lieberman은 말함

- 그는 일부 예술가들은 장기적인 영향으로 인해 AI에 부정적이라는 이유와 컴퓨터의 불안정

요소를 모두 이해했다고 언급

- 당신이 공급하는 것은 블랙 박스라며 이해할 수 없는 면이 있다고 말함.

그러나 Lieberman은 기술 문제에 대해 다양한 시각을 가져야 한다고 말하며 대중이

모든 종류의 대화(비판적 또는 재미있든 어떤 것이든)를 할 수 있도록 작품을 만드는 것이

중요하다고 Artechouse의 다른 창립자인 Sandro Kereselidze도 언급

- “세계의 모든 것은 긍정적인 면과 부정적인 면이 있는데 컴퓨터 전원을 끌 수 있는 한 AI의

양면을 탐색하는 것은 우리의 힘에 달려있다”고 덧붙임

9. AI와의 전투에서 자신의 방법을 고수하는 여성

자동화 서비스와 AI 기술 발전에도 번성한 Ellie Leonard의 필사 사업

Mont Lolo에 있는 Red Pencil Transcripts의 소유주이자 유일한 직원인 Ellie Leonard

는 지금까지 AI의 끊임없이 정진하며 직업 복원력에 관한 사례 연구를 함

- 간단히 말해, 필사는 인간의 언어를 텍스트로 변환하는 것으로 음성인식은 AI 기술이 가장

빠르게 발전한 작업 중 하나임. Trint 및 Otter.ai와 같이 자동으로 필사가 시작되는 기술이

인기를 얻고 있음

- 인간 필사자는 멸종 위기에 처한 종처럼 보이겠지만 37세인 Leonard씨는 자동화된 서비스와

AI 기술의 발전에도 불구하고 번성

- 그녀의 작품은 프로젝트를 기반으로 다양하지만 대학 연구원, 다큐멘터리 영화 제작자, 작가,

변호사 및 기자로 부터 요구 증대(뉴욕 타임즈는 때때로 Red Pencil Transcripts의 서비스를 사용)

- 지난해 Leonard는 $40,000 이상을 벌었는데 이는 4명의 어린 자녀를 키울 수 있는 철도

직원인 남편의 훌륭한 급여 수준이자 수입원

- 그녀의 경험은 자연어 처리 분야의 지속적인 한계를 지적: 컴퓨터 사용으로 언어인식뿐만

아니라 언어의 의미를 포착하려는 것

- Leonard씨의 고객(일부는 자동 필사 서비스를 시도한 고객)은 배경지식, 문맥 및 자신의

작업에 대한 주제를 제공하며 사람들의 이름을 찾고, 이름과 머리글자를 올바르게 입력함

- 악센트, 크로스 토크 및 배경 소음은 SW 필사기를 사용하는 경우가 많기 때문에 횡설수설하지 않음

소리에서 단어를 만드는 것보다 그녀의 완벽한 필사본을 만드는 작업에 더 관련이 많음.

Northwestern University 컴퓨터 과학 교수 및 AI 연구원인 Kristian Hammond은

사람들은 단어와 언어가 같은 것이라고 생각하지만 그렇지 않다고 말하며

SPECIAL REPORT 2020-5 | 2020.05.15.

3433

뉴욕타임즈 AI 스페셜 리포트뉴욕타임즈 AI 스페셜 리포트

- 설명을 위해 Hammond씨는 수업시간에 사용하는 예로서 “Mary Smith는 스탠포드 최고의

로봇 공학자이다” 하는 문장을 들으면 컴퓨터는 분류 도구를 통해 Mary Smith는 여자이고

Stanford는 대학교라고 판단함

- 그러나 사람은 그녀가 똑똑하고 야심이 있다고 컴퓨터가 식별하는 것과 다르게 받아들임

- 다른 예로서, Hammond씨는 학생들에게 Mary가 주당 80시간의 근무 시간을 보내고

친구들과 함께 칵테일을 마시기 위해 술집을 들른다고 말함. 학생들은 그녀를 섬길 것인가?

물론 그의 학생들은 대답하는데, 그들은 컴퓨터가 할 수 없는 방식으로 그녀가 박사 학위를

받아야 한다는 것을 알고 있고 대학원 과정을 마쳤으므로 적어도 30대 중반이라 예상

- Hammond는 인간은 세계의 모든 배경지식을 언어로 제공받지만 우리는 그 사실을 모른다며

언어에 대한 컴퓨터의 이해 수준은 표면을 긁는 수준이라고 함

- 그러나 현재 기술의 한계에도 불구하고 최근의 진보와 개선의 변화는 자연어 처리가 직업에

중대한 영향을 미칠 것으로 시사하며 2030년까지 최대 1/3의 미국인이 새로운 직종으로

전환해야 한다고 컨설팅 회사 McKinsey Global Institute는 추정

노동력 파괴를 촉진하는데 있어 언어가 더욱 필요한 분야에 AI가 적용되면서 발생할

것이라고 전문가들은 말함. 이미 백 오피스 사무 업무를 자동화하기 위해 고객 서비스 콜센터

및 질문에 응답하는 챗봇 서비스가 시작됨

- 미래는 문서를 읽고 요점을 집어내고 이슈를 요약하는 Alexa 스타일 도우미를 생각할 수

있음. 이메일, 웹 페이지 및 비디오를 검색하여 관심 있는 주제를 찾아주고 디지털 조력자로서

학습하며 꾸준히 도전적인 과제를 수행

- 이 기술은 얼마나 빠르고 다양할지 모르겠지만 많은 작업을 변경하고 일부 작업을 제거할 것은

분명해 보임

- 맥킨지 연구소의 Michael Chui는 자연어 처리는 개시자이자 견인자로서 많은 작업에서

중추적인 기능을 할 것

- 단어 비율의 정확성 또는 이해는 많은 작업의 효율성에 대한 제약이 아니며 필사가 좋은 예

- AI 엔진이 90% 이상의 정확도를 제공하기 시작하면 상용화 준비가 된 기술이며 오늘날 단어의

정확성은 95%를 초과 할 수 있으며, 한 명의 화자가 명확하게 이야기 할 수 있는 수준

- 기술적용 결과는 일반적으로 수정이 필요하며 단락으로 나뉘며 갭이 있겠지만 최고의 자동화

시스템은 빠르고 저렴하며 계속 향상

네브라스카 주 의회는 런던 기반의 스타트 업 Trint 기업의 자동화 서비스를 사용하여 입법

세션과 청문회 작성에 도움을 받기 위해 작년에 도입함. 네브라스카 주의회 의원은 홀수년에

90일 동안, 짝수 년에 60일 동안 진행됨

- 이 기술의 채택을 감독하는 의회의 네트워크 관리자인 Daren Gillespie는 아침기도(한 사람이

마이크에 대고 말하는 사람)의 필사 정확도는 거의 100% 수준이라며 여러 다른 화자와

크로스 토크를 진행하는 청문회 중에 정확성을 "nose-dives"라고 함

- 필사 작업인력은 두 그룹으로 구성되었는데 첫 번째는 AI가 생성한 텍스트를 논리적 단락으로

나누고 화자를 식별하고 두 번째 그룹은 실수를 바로 잡음. 그들의 업무가 필사자에서 편집자로

근본적으로 바뀐 것이라고 함

- 1년전 13명에서 8명으로 정규직 및 시간제 근로자가 줄어듦. Gillespie는 사람들의 일자리를

제거할 목표가 없으나 기술로 효율적으로 작업을 수행 할 수 있다면 정부 일자리를 유지하지는

않을 것이라고 함

Montana에 있는 Leonard는 AI 소프트웨어와 비교할 수 없는 서비스를 제공함. 그녀는

자신의 고객을 알고 있으며 고객의 기록 내용과 가장 중요한 주제에 대해 자주 이야기 함

- 올해 초에 발표된 Green Bay Packers의 100년 역사에 대한 10부 다큐멘터리를 위해

Leonard는 30분에서 6시간에 이르는 100건 이상의 인터뷰를 완벽하며 깨끗하게 작성했음.

Ellie는 스크립트에 공백을 남기지 않았다고 다큐멘터리를 공동 제작한 비디오 제작팀 운영

관리자 Bobbie Fredericks가 언급

- 또 다른 Red Pencil 고객인 University of Montana의 부교수 Ted Catton은 국립 공원

관리청(National Park Service)과 계약을 맺은 장부의 역사 프로젝트를 작성함

- 그의 연구에는 종종 정부 프로그램, 미국 인디언 장소 이름, 지역 억양을 위한 약어로 가득 찬

구두 역사가 포함됨

- 그녀는 이해할 수 없는 단어나 문구를 이해하기 위해 자세히 들여다 본다고 Catton씨는

Leonard씨에 대해 말함. “이것은 매우 귀중하다”고 강조

- Leonard씨는 자동화된 도구를 사용하지 않고 모든 단어를 직접 듣고 싶어서“나는 타이핑하는

내용보다 더 많이 알고 있고 뇌에 새겼다”고 말함

- 그녀의 수공법은 작업 경험을 풍부하게 함. “나는 그것은 매우 즐기고 있다”고 말하며 “너무

많이 배울 수 있고 일부는 무료 대학 과정과 같다”고 함

SPECIAL REPORT 2020-5 | 2020.05.15.

3635

뉴욕타임즈 AI 스페셜 리포트뉴욕타임즈 AI 스페셜 리포트

10. 어려운 대학생활의 친구, Iggy, Pounce, Cowboy Joe 및 Sunny!

대학 캠퍼스는 문자 대화를 할 수 있는 언어속도와 음색을 가진 챗봇과 가상 비서의 활용

확대

물리적으로 거의 폐쇄된 대학 캠퍼스의 대형 군집 장소에서 관리자는 AI를 활용하여

학생들과의 관계를 보존하고 구축하는데 도움을 받음

- 볼티모어 Loyola University Maryland 부사장 Eric Nichols는 우리는 가까운 미래에

학생들과 어떤 방식으로든 직접적으로 교류할 수 없을 것이라고 함

- 이번 달과 지난 달에 허가된 학생의 날 모임이 취소되었는데 Mr. Nichols는 아쉬운 듯 지난

1,400명이 캠퍼스의 Reitz Arena에 모였을 때를 언급

- 하루를 총장과 나 자신의 아침 환영으로 시작했고 워크샵, 정독을 위한 테이블, 점심 식사 및

캠퍼스를 체험하기 위한 투어가 있었음

- 이제 느낌은 다른 곳으로부터 와야 하는데 이는 Loyola가 그레이하운드 마스코트인 Iggy의

목소리로 구현된 새로운 AI 챗봇을 구현

- 다음 달부터 학생과 학부모는 - 문자 메시지, Facebook 메신저 또는 학교 웹 사이트를 통해 -

Iggy로부터 듣거나 챗봇에게 캠퍼스 방문, 오리엔테이션 계획, 수강신청 등을 문의할 수 있음

- 전국적으로 대학 수업은 온라인 학습 플랫폼으로 전환되었으나 캠퍼스는 특히 현재의

복지제도 등록 안내 등을 학생들에게 전달해야 함

- 문자 교환을 통해 사람의 대화를 시뮬레이션 할 수 있는 챗봇 및 가상 비서의 사용을 높이고

있음

- 챗봇은 사람이 만든 Q&A를 활용하면서 여러 가지 방법으로 쿼리를 만드는(철자법) 방식을

구현

- 100개가 넘는 캠퍼스에 적용한 보스턴 회사 AdmitHub의 CEO이자 공동 설립자인 Drew

Magliozzi는 좋은 챗봇은 몬테소리 선생님 또는 필요한 순간에 도와주고 사라지는 훌륭한

식당의 웨이터를 모델링해야 한다고 함

- 챗봇 회사 AdmitHub는 캠퍼스에 재밌으나 사랑스럽고 유익하고 즐거운 것으로 만들어진

수천 개의 Q&A가 있는 프레임워크 및 정보 은행을 제공

- 그런 다음 캠퍼스팀은 현지 지식과 봇의 ‘음성’을 반영하기 위해 응답 테스트 및 수정 과정을

통해 봇을 조정하고 가르침

애틀랜타에 있는 Georgia State University의 대학원생 Kara Herd는 모피의 파란

팬더곰 마스코트의 목소리인 캠퍼스 챗봇 Pounce를 스크립하는데 도움을 주고 있음

- 최근에 그녀의 아파트에서 소파에 대해 얘기하면서, Herd는 Pounce가 캠퍼스 온라인 학습

플랫폼인 iCollege에 로그인하는데 어려움을 겪는 사람들에게 어떻게 대답했는지 테스트했음

- Herd 부사장은 모든 사람을 기술 지원으로 보내고 있다면서 Pandemic 전에는 항상 수업에

갈 수 있었기 때문에 적절한 대답이었지만 이제는 지식을 변경해야 하기 때문에 학생들은

교수들에게도 문의한다고 함

- 많은 제작 챗봇 응답과 마찬가지로, Herd씨는 경쾌한 톤을 사용하면서 친구들과 대화 할

수 있는 방법을 알려줌. 나는 그림 이모티콘을 사용하고 느낌표를 넣음(“손 이모티콘은 매우

부분적”이라고 하면서 “Covid-19에 작동하지 않음”)

Wyoming 대학교의 Shetland 조랑말 마스코트인 챗봇 Cowboy Joe를 관리하는 대본

작가 Katie Carroll이 있는데 학생들과 농담을 하지만 비속어는 피하며 친근감이 있지만

수준은 프로급

- Carroll 부사장은 이 학교가 Cowboy Joe가 AI 기반인 질문을 좋아하는 로봇 포니라는 사실을

숨기지 않았다고 말함

- 학생들이 당신을 매우 반갑게 생각한다는 표현이나 애정, 심지어 사랑한다는 표현도 하지

않았음

- 공식 웹 사이트와 대량 이메일을 피하는 세대에 도달하기 위해 노력하는 전국의 캠퍼스

리더들에게 한마디로 ‘혼란을 극복하라’는 이유는 챗봇이 더 개인적으로 느끼기 때문임

- 챗봇은 쿼리의 99%를 6-10초 안에 응답(응답이 부족하면 사람에게 확인해 보라고 함)

조지아주의 학생 성공 담당 수석 부사장이자 종교 연구 교수인 Timothy Renick은 ‘그것은

챗봇이 대화를 나눌 수 있다는 것을 의미’한다고 함

- Renick씨가 문제를 해결하는 데 도움이 된 적이 있는데 2015년에 그는 대학에 진학한 300명

이상의 ‘여름 용해’로 알려진 현상으로 보이지 않았던 학생들을 가을에 발견함.

- 그는 많은 사람들이 저소득 1세대 학생들이며 대학에 다니지 않았고 아무데도 없어다는 것을

알아냄

- Renick은 2016년에 Pounce를 예방 접종 형식으로 전환하면서 재정 지원 문제를 해결하고

그 과정에서 발생하는 특정 합병증에 대응하는 챗봇으로 테스트하기로 결정

SPECIAL REPORT 2020-5 | 2020.05.15.

3837

뉴욕타임즈 AI 스페셜 리포트뉴욕타임즈 AI 스페셜 리포트

- 그는 대규모 봉사 활동은 개인적인 문제에 반응하지 않았는데 이는 마치 불참한 부모로부터

정보를 얻는 것과 같다고 함. 시범은 매우 성공적이어서 (첫해에 19%까지 여름 용해 감소)

계속 유지를 하고 최근엔 챗봇의 역할을 확대했음

올 봄학기는 모든 학부생들에게 제공되었는데 25,000명 중에 21,000명 학생들이

Pounce에게 문자를 보냄. 핵심은 학생에게 보내는 모든 메시지가 개인화되었다는 것인데

“학생들에게 적절했고 시간에 민감했다”고 Renick씨가 말함

- 그는 최근 Pounce로부터 지불 알림 메세지를 수신 한 사람들의 54%가 12시간 이내에 ‘우리가

해야 할 일’에 응답했고 이와 대조적으로 20% 미만이 보통 캠퍼스 전자 메일을 열람한다고 밝힘

- 챗봇은 데이터베이스만큼 우수하며 결제 알림을 통해 몇 분 안에 계정 정보를 업데이트해야

한다고 말함

- Pounce, 기타 챗봇 등 대학 접근성 및 지속성에 대한 연구를 한 피츠버그 대학의 교육 부교수

Lindsay Page는 챗봇은 특히 절차적인 ‘박스 체크’ 소통에 능숙하다고 말함

- 실제로 디지털 세대의 일부 학생들은 실제 사람을 참여시키는 것보다 편안하고 안전하다고

느낄 수 있다고 말하면서 특히, 가족에게 경제지원이나 대학 등록금 지불과 같은 스트레스를

줄 수 있다고 함

- 그녀가 다음에 보게 될 것은 : AI가 ‘능동적인 봉사활동 시스템 구축’을 포함하여 학생들의

니즈를 어떻게 예측 할 수 있을지이다

애틀랜타에 있는 Georgia Institute of Technology의 Interactive 컴퓨팅 학부 교수

Ashok Goel은 가상 교육 조교인 Jill Watson을 만들었으며 Jill은 강의 계획서와 관련된

모든 질문에 대답 할 수 있다고 말함

- 그러나 Goel씨는 AI가 할 수 있는 다른 일도 연구 중인데 감정분석을 통해 (단어순서, 단어의

구절을 사용하여 기분과 성격 유형을 분류) 가상 도구가 어떻게 사람의 감정에 답할 수 있는지

탐구하며

- 나의 정서가 절망적이라면 어떻게 대응할 것인지에 대해 ‘고요한 효과’를 갖는 대답을 하기

위해 챗봇이나 가상 비서는 AI를 사용할 수도 있는데 “선생님을 직접 만나기를 원하느냐?”

며 AI는 새로운 기회를 만드는데 사생활과 윤리문제 뿐만 아니라 —“우리가 정신 건강 문제를

감지할 수 있을까? 아마도 우리가 개입할 여지가 있을 것이다”라고 Goel씨가 말함

- 현재는 여전히 캠퍼스에서 사람이 책임지고 있으나 그들은 AI에게 정보를 얻는 것뿐만 아니라

무엇이 돌아오는지를 기대하고 있음

- AdmitHub의 Magliozzi 씨는 이것은 대규모로 듣기 위한 도구이며 곤경에 처한 사람들은

질문에 시달리고 있는데, 그중 80%가 봇에 의해 처리될 수 있으나 개인적으로 주의를 기울여야

할 것이 있다고 함

Arizona State University의 관리자가 발견한 것인데 3월 16일 오전 10:30에 캠퍼스

챗봇 Sunny는 66,800명의 캠퍼스 내 1학년과 2학년 학생들에게만 대학 Covid-19

업데이트 링크를 안내했음

- Sunny는 항상 질문에 답변을 드리겠다고 하고 약 5,900명에게 응답했으며 대부분의 사람들은

강의와 대학 서비스에 대한 원격 접근에 대해 알고 싶어 한다고 챗봇 지원 및 등록 서비스를

담당하는 이사인 Kevin Kovaleski는 말함

- 또한 보통 많은 질문은 학생들이 자신의 감정을 공유하는 것이고 그 자체가 유용한 것이라고

함. 그러나 그는 특히 Sunny가 대답할 수 없는 질문을 높이 평가

- 10명의 학생들은 재정적 어려움 등에 직면했거나 유학생들이 머무를 것인지 여부에 확신이

없기 때문에 무엇을 해야 할지 걱정했다고 함. Kovaleski는 캠퍼스 리더들이 각 학생을 도와줄

수 있는 사람에게 연결시켰다고 말함

- “Sunny는 도움이 필요한 학생들을 찾는 매우 효율적인 방법”

본 보고서는 The New York Times에서 발간한 ‘Artificial Intelligence: A Special Report’를 요약·정리한

것으로 원문에 대한 저작권은 The New York Times에 있습니다.

1. �「SPECIAL REPORT」는 글로벌 미래전략과 디지털 혁신 동향을 시의성있게 분석한 보고서 입니다.

2. 본 보고서는 방송통신발전기금으로 수행한 정보통신·방송 연구개발 사업의 결과물입니다.

3. 본 보고서 내용의 무단 전재를 금하며, 가공·인용할 때는 반드시 출처를 「한국정보화진흥원(NIA)」이라고

밝혀 주시기 바랍니다.

4. 본 보고서의 내용은 한국정보화진흥원의 공식 견해와 다를 수 있습니다.