행사 목적

하루가 다르게 발전하는 생성형 AI 가 무서운 속도로 일상에 파고들고 있습니다. 지금까지 우리가 연구해 온 방식, 가르치고 학습해 온 방식이 모두 곧 구태가 되는 건 아닐지 걱정이 들기도 합니다. 우리에게 익숙한 삶의 조건과 방식을 허물며, 벌써 그 근간을 바꾸고 있는지도 모르겠습니다.

‘유능한 AI’에 대한 막연한 두려움은 이미 우리 사회에 스며들었습니다. 특히 디지털 격차에 이어 AI 격차가 우리 사회의 불평등을 더 깊게 만들 수도 있다는 걱정이 큽니다. 더이상 인공지능 시대의 흐름을 단순히 부정하거나 거부할 수는 없습니다. 지금 우리는 이 흐름을 똑바로 마주하고, 비판적으로 이해하며, 어떤 방향으로 활용할지에 관해 깊이 고민해야 할 때입니다.

과학의 즐거움과 과학기술의 이로움이 시민의 공공재가 되기를 꿈꾸는 ESC는 생성형 AI 시대의 연구와 교육 그리고 윤리에 관해 시민 여러분과 함께 고민하고, 해답을 찾아보고자 합니다. 그 첫걸음으로 ‘생성형 AI의 이해’라는 목적지를 선택했습니다.

행사 요약

주) 발표와 토론의 음성 녹취록을 클로바노트(clovanote.naver.com)에서 텍스트로 변환한 뒤, 챗GPT를 활용하여 요약했습니다. 이 점을 감안해 열람해 주세요. 

[발표1] 생성형 AI의 이해: 언어 모델과 에이전트(LLM & Agent) _ 윤태웅 (고려대학교)

• 서두 및 주제 소개: 발표자 자신이 AI 전문가가 아닌 관심 분야로 연구 중이라는 점을 전제하며, 생성형 AI에 대한 이해를 돕고자 강연을 시작했습니다. 그는 전문가가 아닌 사람의 관점에서도 유의미한 이야기를 나눌 수 있다고 생각합니다.
• 기술과 공존: 그는 인간과 기계의 공존을 주제로 다루며, 단순히 기계와 인간을 동등하게 바라보는 것이 아니라, 현대 기술 문명 속에서 인간과 기계가 어떻게 상호작용하고 있는지에 대한 복잡한 관계를 설명했습니다.
• 언어 모델과 생성형 AI: 생성형 AI의 중요한 구성 요소로 언어 모델에 대해 설명했습니다. 특히 텍스트 생성에 초점을 맞추어 언어 모델과 도구가 결합된 형태인 에이전트의 개념을 소개했습니다. 딥러닝과 기계 학습을 통해 언어 모델이 어떻게 발전해 왔는지, 그리고 이를 통해 생성형 AI가 어떻게 텍스트를 생성하는지에 대해 설명했습니다.
• 학습 방법: AI 학습 방법을 크게 지도 학습, 비지도 학습, 강화 학습으로 구분하고, 각각의 학습 방법이 어떻게 작동하는지 설명했습니다. 특히 언어 모델에서 사용되는 자기주도 학습 방법에 대해서도 언급했습니다.
• 과학기술과 언어 정의: 과학기술에서 사용하는 언어가 얼마나 설득적 정의를 기반으로 하는지에 대한 비판적 시각을 제시하며, 용어를 객관적으로 정의하는 것의 중요성을 강조했습니다.
• 기계 학습과 신경망 구조: 인공신경망의 구조와 작동 원리를 간단한 수식을 통해 설명하며, 이러한 기술이 데이터에 기반해 어떻게 발전하는지, 그리고 그 한계와 가능성에 대해 논의했습니다.
  
  

이 강연은 생성형 AI의 기술적 측면과 인간과 기계의 공존에 대한 철학적 논의가 조화된 내용으로, 복잡한 주제를 이해하기 쉽게 풀어내며 끝맺었습니다.

[발표2] 기계가 95% 인류보다 똑똑한 시대, 인간지능의 재정의 _ 신은경 (고려대학교)

• 인공지능의 발전과 인간 지능: 신은경 교수는 인공지능, 특히 GPT-4와 같은 모델이 어떻게 대부분의 사람들보다 높은 지능을 보여주고 있는지를 설명했습니다. GPT-4의 IQ 테스트에서 126이라는 결과가 나왔는데, 이는 인구의 95%보다 높은 수치입니다.
• 기계 학습과 인간의 역할 변화: 기계가 데이터를 통해 학습하고 인간이 설정한 파라미터를 넘어서서 자가 학습을 통해 높은 성능을 보이는 상황을 예로 들어, 기계 학습의 진화가 인간의 역할을 어떻게 변화시키고 있는지를 설명했습니다.
• 인공지능의 역사와 현재: 인공지능이 1950년대부터 시작되었지만, 당시에는 프로그래밍 패러다임에 머물러 있었고, 러닝 패러다임으로의 전환이 인공지능의 급격한 발전을 이끌었다는 점을 강조했습니다.
• 사회적 문제와 인공지능: AI가 발전하면서 발생하는 성 차별적 결과나 인종 차별적 편향 문제 등도 언급했습니다. 이는 AI가 인간의 데이터를 바탕으로 학습하기 때문에, 데이터에 내재된 편향이 AI에 반영된 결과라고 지적했습니다.
• 인공지능의 영향력: 챗GPT가 넷플릭스나 트위터 등 기존의 다른 플랫폼보다 훨씬 빠르게 사용자층을 확대했다는 점을 들어, AI의 사회적 파급력이 엄청나게 크다는 점을 강조했습니다.

이 발표는 인공지능이 인간 지능을 어떻게 대체할 수 있는지, 또 그로 인해 인간 지능의 정의가 어떻게 바뀌어야 할지에 대한 질문을 던지며, 그 과정에서 발생하는 여러 사회적, 윤리적 문제를 성찰했습니다.

[자유토론] 질의응답을 포함 연구. 교육. 윤리 측면에서 AI 활용에 대한 주요 논점 발굴 및 숙의 _ 김재인(경희대학교), 신은경(고려대학교), 윤태웅(고려대학교), 정한별(사회, KISTEP)

• AI의 사회적·윤리적 이슈: 인공지능이 사회에 미치는 영향과 관련된 윤리적 문제에 대한 토론이 시작되었습니다. 특히 AI 기술의 발전이 어떻게 사회적 변화와 연결되는지에 대한 논의가 이뤄졌습니다.
• 참가자들의 배경 이해: 참가자들이 자신을 인공지능 기술의 사용자, 생산자, 교육자, 연구자 등으로 분류하여 서로의 배경을 이해하고 토론에 임했습니다.
• 인공지능의 정의와 범위: AI가 단일한 개념이 아니라 다양한 기술과 애플리케이션을 포괄하는 것임을 지적하며, 특정 AI 기술의 미래를 논하는 것과 AI 전체의 미래를 논하는 것의 차이에 대해 이야기했습니다.
• 멀티모달 AI: 현재의 AI 모델이 대부분 언어 모델을 기반으로 하고 있다는 점과, 멀티모달 AI의 발전 방향에 대해 논의했습니다. AI가 언어와 비언어적 데이터를 처리하는 방식에서의 한계점과 가능성에 대해서도 다뤘습니다.
• 인간 지능과 AI의 비교: 인간의 뇌와 AI의 뉴럴 네트워크를 비교하려는 시도에 대해 논의했습니다. 인간 뇌의 작동 원리와 AI의 학습 방식이 일대일 대응이 불가능하다는 점에서, AI가 인간 지능을 모방할 수 있는지에 대한 의문이 제기되었습니다.
• 데이터와 인식: AI가 다루는 데이터와 인간이 인식하는 정보의 차이에 대한 논의가 있었습니다. 인간은 데이터로 기록되지 않은 환경적 요인까지 학습 과정에 영향을 받지만, AI는 데이터화된 정보만을 처리할 수 있다는 점에서 AI의 한계가 언급되었습니다.
• 학습 이론과 AI: 인간의 학습 과정이 AI의 학습과 어떻게 다른지에 대한 고민이 제기되었습니다. 특히 감각 정보의 획득, 추상적 사고, 실천을 통한 학습 과정이 인간에게는 입체적이며, AI는 이 부분에서 차원이 다르다는 점이 강조되었습니다.

이 토론은 인공지능의 기술적, 철학적, 사회적 측면을 다양하게 논의하며, AI와 인간의 지능, 학습 방식의 차이와 한계점에 대해 깊이 있는 논의를 진행했습니다.