출판사 서평
실리콘밸리에서 만들어지지 않는 유일한 것,
당신과 자녀의 일자리가 사라지고 있다!
KBS 〈시사기획 창〉 인공지능 시리즈 완결판
인간을 위한 일자리는 어디에 있는가?
모든 것을 기계에 빼앗기기? 전에
우리와 다음 세대의 생존전략을 모색하라!
‘튜링 테스트(Turing Test)’를 아는가? 기계 즉 컴퓨터나 봇(Bot) 같은 프로그램에 인간만이 가진 ‘지능’이 있는지 확인하기 위해 만들어진 테스트다. 일상에서 가장 흔히 볼 수 있는 튜링 테스트로는 캡차 프로그램이 있다. 캡차는 찌그러진 문자와 숫자 그리고 배경 이...
실리콘밸리에서 만들어지지 않는 유일한 것,
당신과 자녀의 일자리가 사라지고 있다!
KBS 〈시사기획 창〉 인공지능 시리즈 완결판
인간을 위한 일자리는 어디에 있는가?
모든 것을 기계에 빼앗기기 전에
우리와 다음 세대의 생존전략을 모색하라!
‘튜링 테스트(Turing Test)’를 아는가? 기계 즉 컴퓨터나 봇(Bot) 같은 프로그램에 인간만이 가진 ‘지능’이 있는지 확인하기 위해 만들어진 테스트다. 일상에서 가장 흔히 볼 수 있는 튜링 테스트로는 캡차 프로그램이 있다. 캡차는 찌그러진 문자와 숫자 그리고 배경 이미지의 조합으로 이루어져 있는데, 사람은 유심히 보면 본래 어떤 모양이었는지 알 수 있지만 컴퓨터는 추론해내기 어렵다. 이러한 원리로 캡차는 어떤 웹사이트에 회원가입을 시도하고 있는 상대방이 인간인지 아니면 컴퓨터가 만들어낸 프로그램인지 자동으로 식별한다.
그동안 많은 과학자들이 캡차를 통과하기 위해 시도했지만 번번이 실패했다. 그러다 2013년 처음으로 캡차 통과에 성공한 인공지능이 나타났다. 비카리우스(Vicarious)의 공동설립자이자 뇌과학자인 딜리프 조지는 실제 뇌가 작동하는 원리를 컴퓨터 알고리즘에 적용해 인공지능을 만들고 있다. 그들이 만든 인공지능은 구글과 야후, 페이팔닷컴, 캡차닷컴 등 수많은 웹사이트에서 캡차의 이미지를 인식하는 데 성공했다. 무려 90%의 성공률이다.
인공지능이 캡차를 통과했다는 사실은 무엇을 의미할까? 기계가 인간의 전유물이었던 예측하고 상상하는 능력을 가지게 되리라는 것이다.
비카리우스는 2010년에 실리콘밸리에 세워진 스타트업이다. 실리콘밸리에는 이들처럼 인공지능을 기반으로 한 기업들이 계속 생겨나고 있다. 병원에서 환자들에게 필요한 음식을 가져다주는 로봇에서부터 대형마트에 물건을 사러 간 고객에게 쇼핑목록을 족집게처럼 추천해주는 미래형 카트 같은 것들이 이곳에서 개발되고 있다. 그동안 인류가 살아왔던 생활방식과 크고 작은 영역들을 자동화하는 아이디어와 기술들이 실리콘밸리에서 만들어지고 있다.
하지만 실리콘밸리에서 만들어지지 않는 것도 있다. 바로 새로운 일자리다. 실리콘밸리에서 일하고 있는 기존 직원들이 너무 많아서도 아니고, 역량 있는 인재를 찾지 못해서도 아니다. 그만큼의 부가가치를 창출하는 데 예전처럼 많은 직원들이 필요하지 않기 때문이다. 애플이나 아마존, 페이스북 같은 기업들을 보라. 이 세 기업의 시가총액을 모두 합하면 1조 달러가 훨씬 넘는다. 그러나 이들 회사에서 일하는 임직원을 모두 합해도 15만 명이 되지 않는다. 2014년 기준 국내외 임직원 수가 31만 9000명에 달하는 삼성전자의 절반도 되지 않는 규모다. 훨씬 적은 수의 직원으로 글로벌 기업 삼성전자보다 훨씬 높은 가치를 평가받는 것, 이것이야말로 실리콘밸리의 저력이자 우려할 지점이다. 혁신적인 기술의 등장은 예전보다 훨씬 적은 수의 사람들이 그동안 결코 상상할 수 없었던 가치와 부를 생산하는 일을 가능하게 만들고 있다. 그리고 그 와중에 인간이 설 자리는 점점 줄어들고 있다.
인간이 직면한 위험에 대한 세계 석학들의 경고와 통찰!
“당신은 이 파고를 헤쳐 나갈 준비가 되었습니까?”
이 책에는 현재 우리가 목격하고 있는 기술혁신이 어떤 미래를 만들어낼지, 미래사회가 필요로 하는 인재의 조건은 무엇인지에 관한 고민이 담겨 있다. KBS 1TV 〈시사기획 창〉의 4차 산업혁명 특별기획 ‘로봇혁명’과 ‘기계와의 대결’을 기획, 취재하면서 저자는 미국, 영국, 독일, 일본 등 전 세계에서 로봇기술과 인공지능 및 알고리즘 개발을 주도하고 있는 혁신가들의 미래 전망에 대해 직접 들었고, 그들이 시시각각 앞당기고 있는 미래사회가 어떤 모습인지 현장에서 목격했다. 아울러 이러한 변화가 불러올 파장은 무엇이며, 이에 대해 세계 석학들은 어떤 대안을 제시하는지 들었다. 이를 바탕으로 저자는 산업혁명 이후 다시 휩쓸리게 될 ‘기계와의 대결’ 2라운드가 인간을 얼마나 무용(無用)한 존재로 만들 수 있는지 경고하는 한편, 미래에 기계와 공존하는 인재가 되기 위해서는 어떤 요건이 필요한지 제시하고 있다.
특히 한국 교육 시스템의 변화를 촉구하는 목소리는 단호하면서도 절박하다. 공부하는 기계들이 바꿔나갈 세상은 기성세대보다 미래세대에 더 치명적이기 때문이다. 좋은 대학에 입학하면 안정적인 직장에 취직할 수 있고 행복한 가정을 꾸려 편하게 살 수 있다던 성공 공식은 이제 고루한 옛날이야기가 됐다. 기계는 시간이 지날수록 더욱 빠른 속도로 발전할 것이고, 인간만이 가능했던 영역들을 빠르게 잠식해나갈 것이다. 더욱이 알파고와 이세돌 9단의 대결에서 이미 경험했던 것처럼 그들은 결코 지치지도 않는다.
그런데도 많은 취업준비생과 학생들은 과거의 죽은 지식을 배우느라 10시간 넘게 책상 앞에 버티고 있다. 이미 정해진 답을 구하는 것은 컴퓨터가 훨씬 잘하는데도 말이다. 누군가는 현재 벌어지고 있는 기술발전과의 싸움에서 승리하겠지만, 그보다 훨씬 많은 이들은 과학기술의 발전이 불러올 지각변동에 적응하지 못해 좌절하게 될 것이다. 자신의 부모들이 살아왔던 시대와는 완전히 다른 방법으로 미래를 준비해야 할 이유가 여기에 있다.
지금 이 순간에도 수많은 취업준비생들과 초중고교 학생들이 도서관과 학교, 학원에서 불안한 자신의 미래를 볼모로 늦은 밤까지 씨름하고 있다. 그들의 고단하고 지난한 싸움을 말없이 바라보고 있는 부모들의 심정 또한 불안하고 안타깝기는 마찬가지다. 이 책을 읽으며 미래에 새로 생겨날 직업들은 어떤 모습인지, 미래사회가 필요로 하는 인재는 어떤 자질과 능력을 갖춰야 하는지에 관한 큰그림을 그려보는 시간을 갖게 될 것이다. 어쩌면 이것은 오늘날의 기술발전을 이끌어온 기성세대들이 마땅히 해야 할 고민인지도 모른다.
책속으로 추가
우리가 궁금한 것은 이 제약로봇이 얼마나 정확하게 약을 조제하느냐일 것입니다. 약을 조제하는 과정에서 로봇이 실수라도 하게 되면 환자에게 치명적일 수 있으니까요. 다행스러운 점은 이 로봇이 지난 6년 동안 40만 건의 처방전을 바탕으로 약을 조제하면서 단 한 건의 실수도 하지 않았다는 사실입니다. 특정 환자에게 가야 할 약이 다른 환자의 약에 섞여 들어가거나 하는 등의 실수가 전혀 없었다는 것이죠. 사람이라면 평균 4000건 정도의 실수를 할 수 있는 양입니다.
제약로봇이 병원에서 약을 만드는 로봇이라면 터그는 병원에서 환자들에게 의약품이나 환자복, 음식물을 실어 나르는 로봇입니다. 터그는 수술 중인 의사에게 필요한 의료장비나 의약품을 가져다줄 수 있고 주사기나 거즈 등 수술실에서 나온 의료폐기물을 사람의 손이 닿지 않는 안전한 곳으로 옮겨놓을 수도 있습니다. 엘리베이터를 혼자서 타고 내리고 병실문을 스스로 열 수도 있습니다. 복도에서 만나는 환자나 의료진과 부딪히지 않게 피해갈 수도 있고 한 번에 500kg이 넘는 양의 의약품을 옮길 수도 있습니다. 병원 건물 이곳저곳을 자유자재로 돌아다니며 필요한 일을 할 수 있는 로봇인 셈입니다. 2016년 현재 미국에서만 140곳이 넘는 병원에서 400여 대의 터그가 일하고 있습니다.
― 2부 모든 것이 기계에 못 미친다
이로열티의 알고리즘이 콜센터로 전화를 걸어온 어떤 고객을 일중독자(Workaholic) 유형이라고 분석해서 알려준다고 가정해보죠. 알고리즘이 고객의 언어습관과 패턴을 분석해 알려준 정보입니다. 이런 고객과 연결된 콜센터 직원은 어떤 방식으로 응대하는 것이 현명할까요? 알고리즘은 일중독자 타입의 고객들은 자신의 요구나 불만사항이 신속하게 처리되기를 선호한다고

운송업체에 가장 중요한 것은 운송시간 단축과 비용절감입니다. 이를 위해 기업들은 그동안 꾸준히 인간의 노동력을 기계나 로봇으로 대체해왔습니다. 기업이 가진 기본적인 속성에 충실하다면 무인트럭의 상용화를 막을 방도가 없습니다. 무인트럭이 일반 자율주행 승용차보다 먼저 상용화될 것이라는 전망이 나오는 것은 이런 이유 때문입니다.
고전경제학의 창시자 데이비드 리카도의 이론은 로봇과 인공지능의 발전이 일자리에 어떤 영향을 불러올지 가늠할 수 있는 좋은 근거입니다. 예를 들어 고용주 입장에서 어떤 기계를 빌리는 데 2파운드의 비용이 드는 반면 노동자 한 명을 고용하는 데 5파운드가 든다면, 둘의 시간당 단위 생산량이 같다고 가정할 경우 고용주는 비용이 많이 드는 노동자 대신 기계 도입을 선택한다는 겁니다.
고용주의 이 같은 선택은 다른 노동자들의 임금과 일자리에도 영향을 미칠 수밖에 없습니다. 기계로 대체 가능한 나머지 노동자들에게 고용주가 과연 예전처럼 5파운드의 임금을 선선히 지불할까요? 2파운드짜리 대안이 있는데도요? 고용주의 입장에서는 노동자들에게 고용을 보장하는 대신 더 적은 임금, 예컨대 3파운드 선에서 임금을 결정하려고 할 가능성이 높습니다. 이를 받아들일 수 없는 노동자들은 공장을 떠날 수밖에 없는 상황에 처하게 됩니다. 새로운 기계의 도입이 노동자들의 임금하락 압력을 부르고, 노동자들은 더욱 값싼 노동력으로 전락하는 현실을 피할 수 없게 된다는 의미입니다.
― 1부 기계와의 대결 2라운드

이처럼 새로운 기술의 등장은 기존의 일자리 지형을 뒤흔들거나 전에 없던 새로운 직업을 창출합니다. 산업혁명 이후 줄곧 이어져온 현상입니다. 더러는 새로 생겨나는 일자리가 기술에 의해 사라지는 일자리보다 많을 때도 있었습니다. 하지만 이제 이런 역사적인 패턴이 바뀌고 있습니다. 맥아피 교수는 이렇게 설명합니다.
“기술발전에 의해 점점 더 많은 일자리가 자동화되고 있습니다. 반면 새로 만들어지는 일자리는 줄어들고 있어요. 최근 몇 년간 일자리가 늘어나는 비율과 임금상승률 등의 통계를 보면서 현재 우리가 목격하고 있는 기술발전이 이전과는 완전히 다른 결과를 가져오고 있다는 생각을 했습니다. 잘 보세요. 미국 경제는 전 세계에서 가장 기술화된 경제입니다. 하지만 여전히 매달 새로운 직업이 만들어지고 있기 때문에 아직은 경제가 성장하는데 고용은 감소하는 단계까지는 가지 않았습니다. 경제는 성장하는데 고용은 반대로 감소한다, 기존의 경제학 이론 중 이런 현상을 설명하는 이론은 없었어요. 하지만 현재 우리가 목격하고 있는 자율주행차나 인공지능, 그리고 로봇기술의 발전 속도를 생각해보면 머지않아 이런 현상을 보게 되리라는 생각이 듭니다. 경제성장으로 매우 풍족한 삶을 누리지만 인간의 노동력은 그다지 필요하지 않은 현상이죠. 문제는 이런 일이 50년 안에 일어나느냐, 20년 안에 일어나느냐 하는 것입니다.”
― 2부 모든 것이 기계에 못 미친다

인간이 영위하는 직업 가운데 60%가량은 정보를 모으고 분석하는 일입니다. 하지만 이 직업들은 컴퓨터 기술의 발전으로 일자리를 잃기 쉬운 취약업종으로 전락하고 있습니다. 정보를 모으고 분석하는 일은 컴퓨터가 인간보다 훨씬 잘할 수 있으니까요. 이디스커버리(e-Discovery)는 소송에 필요한 자료를 수집하고 분석하는 소프트웨어입니다. 미국의 수많은 변호사 사무실에서 사용하고 있죠. 변호사들은 그동안 소송을 위한 기록을 찾고 분석하는 일에 많은 시간을 할애했습니다. 하지만 지금은 이 소프트웨어가 그 일을 대신하고 있습니다. 수십 명의 변호사들이 몇 달 동안 매달려야 했던 수십만 건의 소송기록을 이디스커버리는 불과 며칠 만에 수집하고 분석합니다. 그렇게 찾아낸 자료와 정보들은 실제 소송에서 결정적 증거로 활용되고 있습니다.
로봇과 인공지능, 알고리즘의 발전은 우리가 미처 생각하지 못하는 사이 그동안 인간이 일해왔던 방식과 업무환경 전반을 바꾸어놓고 있습니다. 전쟁에서 기밀정보를 몰래 수집하고 분석하는 로봇에서부터 월스트리트에서 주식을 사고파는 알고리즘까지, 불과 몇 년 전만 해도 존재하지 않았던 수많은 로봇과 알고리즘들이 인간을 대신해 일하기 시작한 겁니다. 인간은 업무 효율과 생산성 증가라는 열매를 얻었습니다. 생산성이 증가하면서 물질적 부와 풍요 또한 얻었고요.
― 2부 모든 것이 기계에 못 미친다

우리가 궁금한 것은 이 제약로봇이 얼마나 정확하게 약을 조제하느냐일 것입니다. 약을 조제하는 과정에서 로봇이 실수라도 하게 되면 환자에게 치명적일 수 있으니까요. 다행스러운 점은 이 로봇이 지난 6년 동안 40만 건의 처방전을 바탕으로 약을 조제하면서 단 한 건의 실수도 하지 않았다는 사실입니다. 특정 환자에게 가야 할 약이 다른 환자의 약에 섞여 들어가거나 하는 등의 실수가 전혀 없었다는 것이죠. 사람이라면 평균 4000건 정도의 실수를 할 수 있는 양입니다.
제약로봇이 병원에서 약을 만드는 로봇이라면 터그는 병원에서 환자들에게 의약품이나 환자복, 음식물을 실어 나르는 로봇입니다. 터그는 수술 중인 의사에게 필요한 의료장비나 의약품을 가져다줄 수 있고 주사기나 거즈 등 수술실에서 나온 의료폐기물을 사람의 손이 닿지 않는 안전한 곳으로 옮겨놓을 수도 있습니다. 엘리베이터를 혼자서 타고 내리고 병실문을 스스로 열 수도 있습니다. 복도에서 만나는 환자나 의료진과 부딪히지 않게 피해갈 수도 있고 한 번에 500kg이 넘는 양의 의약품을 옮길 수도 있습니다. 병원 건물 이곳저곳을 자유자재로 돌아다니며 필요한 일을 할 수 있는 로봇인 셈입니다. 2016년 현재 미국에서만 140곳이 넘는 병원에서 400여 대의 터그가 일하고 있습니다.
― 2부 모든 것이 기계에 못 미친다

이로열티의 알고리즘이 콜센터로 전화를 걸어온 어떤 고객을 일중독자(Workaholic) 유형이라고 분석해서 알려준다고 가정해보죠. 알고리즘이 고객의 언어습관과 패턴을 분석해 알려준 정보입니다. 이런 고객과 연결된 콜센터 직원은 어떤 방식으로 응대하는 것이 현명할까요? 알고리즘은 일중독자 타입의 고객들은 자신의 요구나 불만사항이 신속하게 처리되기를 선호한다고 알려줍니다. 알고리즘이 알려준 정보는 이 고객이 “어떻게 지내세요?” 같은 콜센터 직원들의 사소한 친절에는 별다른 관심이 없다는 의미를 함축하고 있습니다. 다시 말해 콜센터 직원과 불필요한 질문을 주고받느라 귀중한 시간을 낭비하기보다 빨리 본론으로 들어가기를 더 원하는 사람이라는 의미입니다.
이와 달리 상대방의 대화에 잘 응해주는 반응형(Reactors) 고객들도 있습니다. 이들에게는 인사치레가 생략해도 좋은 것이 결코 아닙니다. 오히려 콜센터 직원들이 “어떻게 지내세요?”와 같은 사소한 대화나 호의를 보이지 않으면 자신을 무시한다고 생각해 기분 나빠 하는 경우가 많죠.
이로열티의 언어분석 알고리즘은 250명의 언어학자와 행동과학자 그리고 통계학자가 사람들이 감정을 표현하는 방법과 그때마다 사용하는 언어들을 분석해 정량화한 결과물입니다. 고객과 콜센터 직원 사이에 오가는 수천만 가지의 복잡하고도 미묘한 대화를 분석해 고객의 성향 및 그들이 원하는 것을 신속하게 파악하기 위해 만들어진 기술이죠. 이로열티의 알고리즘은 6억 건에 달하는 통화내용을 분석해 저장하고 있습니다. 600테라바이트에 달하는 방대한 양입니다.
미국의 경우 기업들이 콜센터 직원 한 사람을 고용하는 데 드는 비용은 1년에 대략 5만 달러 정도로 알려져 있습니다. 미국의 최대 통신회사인 AT&T 같은 거대 기업들은 많게는 10만 명가량의 콜센터 직원을 고용하고 있습니다. 해마다 수입 억 달러에 달하는 비용을 기업 이미지를 지키고 고객들을 유지하는 데 쓰는 셈입니다. 하지만 고객들의 대화내용을 자동으로 분석하는 이로열티 시스템은 직원 한 명이 1개월에 하던 일을 175달러에 처리하고 있습니다. 덕분에 이로열티의 음성분석 시스템을 도입한 기업들은 콜센터를 유지하는 데 드는 비용을 20%가량 줄일 수 있었습니다. 콜센터 직원들의 앞날이 걱정스러운 이유입니다.
― 2부 모든 것이 기계에 못 미친다

영국의 스타트업 지테크(G-TECH)는 인공지능 작곡 시스템을 구축하는 회사입니다. 의뢰인이 작곡을 요청하면 그에 맞는 음악을 만들어주는 것이죠.
이미 인터넷의 음악 라이브러리를 통해 수많은 음악을 사용할 수 있는데, 인공지능 작곡 서비스가 굳이 필요할까 의문이 들었습니다. 이에 대해 지테크의 공동설립자 패트릭 스토브스는 이렇게 대답했습니다.
“맞습니다. 기존의 뛰어난 음악 라이브러리가 이미 있죠. 그러나 거기에는 한계가 있습니다. 우선 라이브러리에 있는 음악들은 사전 녹음되었기 때문에 정적입니다. 새로운 콘텐츠로 적용할 수 없죠. 예를 들어 22초짜리 영상이 있는 경우 라이브러리에서 3분 길이의 음악을 가져다가 22초에 맞춰 잘라야 합니다. 저희 기술로는 그 자리에서 바로 작곡이 가능하죠. 22초 길이의, 콘텐츠에 완벽히 들어맞으며, 적당한 클라이맥스를 지닌 곡을 말입니다. 5년 혹은 5개월 전에 만들어진 음악보다는 저희 음악이 콘텐츠에 더 잘 어울리겠죠.”
이들의 작곡 서비스를 이용하면 저렴한 비용으로, 콘텐츠에 부합하는 독특한 음악을 주문 제작할 수 있습니다. 물론 저작권 문제도 걱정할 필요가 없고요. 아, 기다릴 필요가 없다는 것도 언급해야겠네요. 5분 길이의 음악을 MP3 파일 형태로 내놓는 데 20초 정도밖에 걸리지 않으니까요. 지금은 ‘43초짜리 빠르고 경쾌한 포크음악’ 등 구체적인 주문을 해야 작곡이 가능하지만 앞으로는 영상과 게임 등 콘텐츠를 분석해 어울리는 곡을 자동으로 작곡하는 수준을 목표로 하고 있다고 합니다. 사용자들에게 매우 편리한 수단이 되겠죠. 그러나 오랜 시간 음악을 공부해온 작곡가들에게는 재앙이 될 수도 있습니다.
― 3부 모든 것을 기계에 빼앗기기 전에

여기서 간과해서는 안 되는 요소가 있습니다. 직업의 위기가 단순업무에 종사하는 비숙련직에만 올 것이라 생각해서는 결코 안 된다는 사실입니다. 이 영역은 이미 상당 부분 자동화가 진행되었기 때문에 앞으로의 대체속도는 오히려 완만합니다. 그보다 더 위험한 직종은 숙련직 화이트칼라입니다.
기업가이자 컴퓨터 설계 전문가인 마틴 포드는 2009년에 펴낸 책 《터널 속의 빛(The Lights in the Tunnel)》에서 자동화 기술의 발전으로 점점 더 많은 직업이 기계에 의해 대체되고 있는 반면 새로 생겨나는 직업은 줄고 있다고 역설했습니다. 지금까지의 일자리들은 고도의 숙련된 기술을 필요로 하는 사람들이 상대적으로 높은 임금을 받는 구조였습니다. 반대로 숙련도가 낮은 일을 하는 노동자들은 훨씬 적은 임금을 받았죠. 이 두 그룹의 중간에는 반복적인 업무를 담당해왔던 중산층 노동자들이 있습니다. 꽤 괜찮은 수준의 임금을 받으며 사무실에서 일하는 화이트칼라들이 대부분이었죠. 하지만 이들은 컴퓨터 기술의 발달로 기계에 의해 꾸준히 대체돼 왔습니다. 중산층이 가져왔던 일자리가 줄면서 직업구조는 고도의 숙련된 기술을 필요로 하는 일자리와 전문적 기술이 거의 필요 없는 일자리로 꾸준히 양극화돼 왔습니다. 중간층이 얇아지는 대신 매우 높은 임금을 받는 숙련된 기술이 필요한 직업과 값싼 노동력이 채우는 일자리 구조로 변해온 것이죠. 인간의 특정 능력을 대체할 수 있는 기술의 발전은 이미 두려울 정도의 수준에 도달해 있으니까요.
심지어 현재 인공지능 분야에서는 고도로 숙련된 전문가들의 역량을 모방하는 연구도 활발하게 이루어지고 있습니다. 엑스퍼트 시스템(expert system)이라는 분야죠. 엑스퍼트 시스템은 전문가들의 지식과 경험, 노하우를 컴퓨터가 기억하도록 만들어 필요한 경우 정확한 판단을 내리도록 하는 시스템입니다.
일례로 인간 퀴즈챔피언 2명과의 대결에서 보란 듯이 이긴 IBM의 왓슨은 현재 미국의 한 대학병원에서 의사들의 진단과 처방을 돕고 있습니다. 의사란 두말할 필요 없이 고도의 전문적 지식과 기술, 판단력을 필요로 하는 대표적인 전문직입니다. 그런데 이 일을 왓슨이 한다는 것이죠. 일부 병원에는 왓슨을 통해 진료하는 ‘왓슨진료과’가 생기기도 했고요.
― 3부 모든 것을 기계에 빼앗기기 전에

강정수 소장은 ‘알고리즘 사회’에 어떻게 대응할 것인지에 대한 사회적 논의가 필요하다고 역설합니다. 독일을 비롯한 일부 국가들에서는 알고리즘 사회의 환경 변화에 따라 교육 시스템이 어떻게 바뀌어야 하는지에 대해 이야기하고 있습니다. 한마디로 위키피디아에 나오는 지식을 암기해서 시험을 볼 필요는 없다는 것입니다. 찾으면 나올 수 있는 것을 왜 학생들에게 테스트하느냐는 것이죠. 그것보다는 정보를 찾고, 이것을 새롭게 조합해서 새로운 지식으로 만들어내는 방향으로 교육해야 한다는 것입니다.
실제로 온라인에는 세계 유수 대학의 강의가 무료로 공개돼 있습니다. 원한다면 언제 어디서든 석학들의 강의를 들을 수 있죠. 기술의 발달이 교육의 모습을 바꾸고 있는 좋은 예입니다. 정보와 지식을 전하는 가장 기본적인 교육은 이미 온라인에서 이뤄지고 있는 셈입니다. 교육현장에서 할 일은 질문하고 토론하는 것, 그럼으로써 새로운 지식을 만들어가는 것이 될 것입니다. 이런 맥락에서 미래에는 평생 다시 배우는 일이 일상화될 겁니다. 교육이 필요 없어지는 것이 아니라 더욱 중요해질 것이란 의미입니다. 기술이 새로운 변화를 끊임없이 만들어내면서 인간과의 협력을 요구할 것이기 때문이죠.
― 3부 모든 것을 기계에 빼앗기기 전에

1997년에 그 유명한 슈퍼컴퓨터 딥블루가 인간 체스 챔피언을 이겼습니다. 체스보다 훨씬 복잡한 바둑에서도 인공지능이 인간 챔피언을 이겨버렸으니, 이제 딥블루의 승리는 더 이상 새로울 것은 없다고 생각되기도 합니다. 그러나 우리가 간과해서는 안 될 이야기가 그 뒤에 펼쳐집니다.
인간과 인공지능의 대결이 세계적인 이벤트가 된 이래 많은 체스 게임이 열렸습니다. 그 과정에서 게임방식에도 변화가 생겨 인간과 인공지능이 짝을 이룬 팀이 대결에 나오기도 했습니다. ‘인공지능, 인간, 인간-인공지능’ 이 세 범주의 플레이어들이 게임에 참가한 것이죠. 2005년에 열린 체스 게임의 승자는 인간과 컴퓨터가 짝을 이룬 팀이었습니다. 이들은 체스에 관한 한 아마추어였습니다. 게다가 그들의 짝은 5만 원짜리 체스 소프트웨어를 탑재한 일반 컴퓨터였습니다. 평범한 인간과 평범한 컴퓨터의 협업으로 인간 챔피언은 물론 슈퍼컴퓨터까지 이기고 승리한 것입니다.
이것이 체스에만 해당되는 이야기일까요? 똑같은 일이 비즈니스, 법률, 의료 등 다른 영역에서 일어나면 어떤 결과가 나타날까요? 컴퓨터는 어떤 인간보다도 뛰어난 연산능력을 보이지만, 한 살짜리 아기가 가진 인식능력을 갖추기란 여간 어렵지 않습니다. 서로의 핵심역량이 다르다는 뜻이죠. 인간과 기계가 서로의 핵심역량을 보완할 수 있다면 상당한 시너지 효과가 일어날 것이 분명합니다.
― 3부 모든 것을 기계에 빼앗기기 전에

목차
프롤로그｜ 어떤 미래가 다가오는가
1부 기계와의 대결 2라운드
1. 인간처럼 예측하고 상상하는 기계
2. 인간의 상식을 갖춘 기계
3. 인간의 도움 없이 공부하고 깨우치는 기계
4. 로봇이 로봇을 가르치며? 학습하다
5. 인간처럼 예측하고 상상하는 기계
6. 기계를 보조하는 인간?
2부 모든 것이 기계에 못 미친다
1. 실리콘밸리에서 만들어지지 않는 유일한 것
2. 누가 기계만큼 근면할 수 있는가
3. 누가 기계만큼 정확할 수 있는가
4. 누가 기계만큼 신속할 수 있는가
5. 누가 기계처럼 분석할 수 있는가
6. 누가 기계처럼 판단할 수 있는가
3부 모든 것을 기계에 빼앗기기 전에
1. 기계의 일, 경계는 없다
2. 로봇을 쓸까, 인간을 쓸까
3. 기존의 일자리, 기존의 비즈니스가 사라진다
4. 사라질 직업, 사라질 인재
5. 인간을 위한 일자리는 어디?
6. 기계에 대체되지 않을 조건
7. 새로운 교육 시스템이 필요하다
8. 협업은 가능하다
에필로그 | 기계와 함께 살기 위해 필요한 몇 가지 준비물
주(註)