After ChatGPT

neural network 기반의 AI 서비스인 ChatGPT 가 최근에 뜨거운 이슈다.

 

분명한 것은 훈련에 사용한 자료를 활용하여 확률에 근거하여 만들어지는 문장이므로, 적절한 질문을 던지면 괜찮은 문장을 만들어 줄 수 있다. 한계가 뚜렷한 서비스이지만, 사람들이 쉽게 매혹되는것 같다. 이런 질문의 답을 받아서 그대로 사용할 수는 없다. 출처를 확인하고 내용의 정확성을 검증해서 오류가 없다는 것을 확인할 수 있어야 참고 문헌으로 사용할 수 있다. 하지만, neural network 기반의 deep learning 이기 때문에, 어떤 것에 근거해서 이런 문장이 완성됐는지 확인할 수 없다. 즉, 괜찮아 보이는 내용이나 문서가 될 수는 있지만, 내용에 대한 교차 검증이 어렵기 때문에 신뢰할 수 있는 참고 문헌으로 사용하기 힘들다. 또한 어떤 방향성을 찾기 위한 탐색 과정을 간소화 시키려는 목적으로 사용하려면 정확한 논점이 들어간 질문을 해야 한다. 모든 문제들은 다양한 방향성을 가진다. 어떤 정책의 장점을 질문하고 그 답을 근거로 단점에 대한 논의를 진행할 수는 없는 것이다. 즉, 장점에 대한 질의와 단점에 대한 질의를 순차적으로 진행하고, 교차 검증을 한 이후에야 대략의 방향성을 찾아 볼 수 있을 것이다. 

 

이런 논의가 갑자기 나타난 새로운 이론은 아니다. 최근 연산장치의 비약적인 발전과 cloud service 로 설명하는 대용량 서버군의 등장이 이론을 실제화 시켜서 나타난 현상이다. 

 

Network Science - Linked 세상 사람들은 대략 7단계의 연결점들을 찾으면 대부분의 사람들과 연결 경로를 만들 수 있다는 얘기가 있다.

 

'Strength of Weak Tie'  에서 설명하는 특정 그룹 사이를 연결하는 미약한 링크의 존재의 중요성이 논의된다.

 

최근 봤던 논문은 양자역학 이론의 특이점에 대한 정리를 네트워크의 확장과 방향성을 위해서 활용하는 연구였다. 연관성이 없어 보이는 일들이 서로 연결되기도 한다는 점이 흥미로웠다. 하지만 우리 주변의 대부분의 사실이나 현상들은 Network - System 이라는 큰 범주에 서 논의해서 연결 할 수 있을 것이다. 아마도 이런 방향이 앞으로 기술이나 사회 변화 방향이 될 것 같다.

 

결국, 어떤 문제에 대해서 잘 정의해서, 잘 질문할 수 있는 역량이 필요해지는 것이다.

 

정확한 출처를 확인하지는 못했지만, 아인슈타인은 한 시간 동안 삶을 바꿀 문제 해결을 해야 한다면, 55분은 어떤 질문을 할 것인지 문제에 대해서 고민하고, 나머지 시간에 그 문제의 답을 찾을 것이라고 했다.

 

https://blog.naver.com/yunvestor1/220426338141

아인슈타인 문제해결 명언

 

질문을 잘 하는 사람이 천재이다. 주어진 질문에 답하는 것으로는 변화를 만들어 내기 어렵다.

 

 

- 2024. 4.20 추가

 

처음 ChatGPT 가 등장한 이후로 '프롬프트 엔지니어'라는 직업군이 등장하기도 했다. 

- 챗GPT, 질문이 돈이 되는 세상  :  https://product.kyobobook.co.kr/detail/S000201598178

- AI, 질문이 직업이 되는 세상  :  https://product.kyobobook.co.kr/detail/S000212223953

 

ChatGPT가 동작하는 동작원리에 대한 지식이 부족하기 때문에 생겨난 것이라고 생각한다. 어떤 원리로 이런 결과가 나오는 지는 알 수 없지만, 질문의 순서나 방법을 바꾸면 결과가 바뀐다는 현상에서 보다 빨리 결과를 얻어 내기 위한 방향으로 당장 사용하기 위한 방법이다. 분명한 것은 대부분의 사람들에게 '왜 그렇게 동작하는 가' 라는 동작원리는 필요하지 않다. 이제는 대부분읜 사람들은 자동차의 내부 동작원리를 생각하며 차를 운전하지 않는다. 차에 문제가 생기면 이유를 생각하지 않고, 그냥 서비스 요청을 보내고, 수리 기간동안에는 다른 차를 운전한다.  AI 를 이용하는 방법도 비슷한 형태가 될 것이다. 그리고, AI의 발전방향은 여기에 가깝다. 사람들이 질문을 정확하게 하지 않아도,  질문의 의도를 찾아서 답을 제시하는 것이다. 질문에 대한 답의 선택과정을 지식으로 축적하면, 보다 쉽고 정확한 답을 제시할 수 있게된다. 어쩌면, 질문을 잘 하는 것도 필요없는 시대로 가고 있는지도 모르겠다.

 

최근에 인간형 로봇에 대한 연구가 많이 발표되고 있다. 기존에는 인간형 로봇이 자립하여 이동하는 것, 문을 열고, 계단을 오르는 것이 뉴스에 나왔다면, 요즘은 요리를 할 수 있는 로봇들이 연구되고 있다. 이런 로봇의 개선에도 AI 가 사용되고 있다. 회사는 한명의 직원에게 주는 급여의 3배 이상의 결과를 기대한다고 한다. 이런 로봇들의 도입 및 유지비용들이 낮아지고 있다. 아직까지 많은 생산라인의 자동화가 일부 특정 기능에만 집중되어 있는데, 이런 인간형 로봇들이 발전하는 속도가 조금만 가속된다면, 지금 사람들이 하는 대부분의 일들이 대체된다는 말이 된다. 특히, 공장과 같이 아주 제한적이고 대부분의 상황들이 통제 가능한 환경이라면 도입은 훨씬 빨라질 것이다. 기존에 로봇 도입이 제한되었던 이유는 한번 도입한 로봇은 특정 영역에서만 사용되고 다른영역으로 이전이 힘들었기 때문이다. 하지만, 지금 인간형 로봇들이 AI를 이용한 적응력을 갖춘다면 새로운 기능을 추가할 수 있게 된다. 회사에서는 조립 라인에서 여기저기로 이동 배치할 수 있고, 그 로봇을 이용한 생산결과는 오롯이 회사에 귀속된다. 100명의 사람들에게 연봉 1억씩을 주고 300억의 매출을 만들었던 회사가 150억을 들여서 로봇 100대를 도입해서 같은 300억의 매출을 만들어 낸다면, 회사는 당연하게 후자를 선택할 것이다. 도입 1년차에는 수익이 줄어들 수 있지만, 2년차부터는 훨씬 많은 부분이 회사로 귀속되고, 관리에 난이도는 더 낮아지기 때문이다. 엘론 머스크는 인류의 화성으로 이주가 목표라고 말한다. 그리고, 인간형 로봇을 연구하고 있다. 다음과 같은 시나리오를 생각핼 볼 수도 있다. 화성으로 이주해서 사람이 주거 가능한 환경을 만들기 위한 많은 사전 작업들이 필요할 것이다. 지구에서 만들어서 보내는 부분들을 조립하기 위해서도 사람들이 필요하다. 하지만, 이런 인간형 로봇의 성능이 향상된다면 사람을 화성에 보낼 필요가 사라진다. 인간형 로봇을 보내고, 그 로봇으로 작업을 진행하면 된다. 그리고, 충분한 사전준비 이후에 사람들의 이주를 진행할 수 있다. 아직 세상에서 노동과 생산의 중심은 사람에 맞춰져 있다. 이런 중심을 바꿀 수 없다면, 사람의 기준에 맞춰서 일을 할 수 있는 로봇을 만들어 보려는 노력이 이런 방향일 것이다.