Offcanvas

AI / CIO / 소비자IT / 신기술|미래 / 인문학|교양

칼럼 | AI의 환상에서 벗어나는 순간

2024.07.10 Matt Asay  |  InfoWorld
AI가 모든 것을 해결할 수 없다는 실망감을 극복하고 나면, 그제서야 실제로 AI가 잘하는 일에 활용할 수 있다.

오래 걸리지 않았다. AI에 대해 "이번엔 다르다"고 외쳤던 모든 말들 이후, 기업은 이미 현실을 직시하고 있다. AI는 여러분의 일자리를 빼앗지 않을 것이다. AI는 여러분의 코드를 작성해 주지도 않을 것이다. 모든 마케팅 카피도 작성하지 않을 것이다(인간을 다시 고용하여 수정할 준비가 되어 있지 않은 한). 그리고 인공 일반지능(AGI)과는 거리가 멀고 앞으로도 그럴 일은 없을 것이다. 어쩌면 영원히 없을지도 모른다.
 
ⓒ Getty Images Bank

맞다. 우리는 특이점이 곧 다가올 것이라는 믿음을 버렸고, AI가 인간을 대체하는 것이 아니라 인간을 증강하는 방법을 찾기 시작하면서 환멸의 늪에 빠져들고 있다. 이쪽 업계의 초심자라면, 그래서 블록체인, 웹3.0, 서버리스 등 거의 모든 것을 과대포장에 대한 우리의 집단적 경향에 익숙하지 않다면, 걱정할 필요는 없다. AI는 자기 자리를 찾을 것이다. 다만, 모든 곳에 적용되지는 않을 것이다.
 

수많은 어리석은 희망

생성형 AI, 머신러닝, 딥러닝 등 그 명칭이 무엇이든 간에 AI는 우리가 AI에 거는 엄청난 기대를 결코 충족시킬 수 없을 것이다. 우리가 지금까지 AI를 오랫동안 방치해 온 이유 중 하나는 AI가 우리의 능력을 넘어선다고 느꼈기 때문이라고 생각한다. 프롬프트를 수집하고 사려 깊고 지능적으로 들리는 엄청나게 사실적인 이미지나 텍스트를 만들어내는 블랙박스 알고리즘이라는 마술 같은 것이 있었기 때문이다. 왜 안 될까? 주요 LLM은 모두 사려 깊고 지적인 다른 사람들의 수많은 사례를 학습해 왔으며, 챗GPT 같은 도구는 LLM이 "학습한" 내용을 그대로 모방한다.

하지만 문제는 LLM이 실제로 아무것도 배우지 못한다는 것이다. 추론할 수 없다. 최근 IEEE의 연구에 따르면, 패턴 매칭에는 능숙하지만 과거 학습 데이터에서 미래의 문제를 추론하는 데는 능숙하지 못하다. 소프트웨어 개발은 생성형 AI의 가장 유망한 분야 중 하나이지만, 우리가 기대했던 만큼은 아닐 수도 있다. 예를 들어, GPT-3.5는 2021년 이후에는 훈련 데이터가 부족했다. 따라서 2021년 이후에 나온 정보가 필요한 리트코드(LeetCode)의 쉬운 코딩 문제를 해결하는 데 어려움을 겪었다. 연구 결과, 쉬운 문제에 대한 성공률은 89%에서 52%로 급락했고, 어려운 코딩 문제에 대한 코드 생성 능력은 40%에서 0.66%로 떨어졌다.

미셸 햄슨은 이 연구 결과는 챗GPT가 "인간의 비판적 사고 능력이 부족하고 이전에 접했던 문제만 해결할 수 있다는 것을 보여준다"고 지적했다. 팀 클랩도르는 "챗GPT는 주제를 학습하지도 않았고, 연구도 하지 않았으며, 검증도 하지 않았고, 새로운 생각, 아이디어, 개념도 제공하지 않았다. 챗GPT는 단지 모든 데이터를 식민지화했을 뿐이다. 그리고 챗GPT는 이제 그 정보를 적시에 복사/붙여넣기할 수 있다. 하루에 70만 달러의 컴퓨팅 비용을 지출하고 있기 때문이다”라고 꼬집었다. 

그렇다고 생성형 AI가 소프트웨어 개발이나 다른 분야에 쓸모없다는 뜻은 아니지만, 우리의 기대치와 접근 방식을 다시 설정해야 한다는 뜻이다.
 

아직 배우지 못한 점

이런 실망감은 비단 AI만의 문제가 아니다. 우리는 거의 모든 반짝이는 신기술에 대해 부풀려진 기대와 환멸의 과정을 겪는다. 클라우드처럼 안정적으로 자리 잡은 기술도 계속 흔들린다. 데이비드 린티컴은 최근 클라우드 컴퓨팅에 대해 "기대했던 생산성 향상과 비용 절감 효과가 대부분 실현되지 않았다"고 주장했다. 린티컴의 주장이 과장된 것 같지만, 필자를 포함한 많은 전문가가 거의 모든 IT 문제에 대한 해결책으로 클라우드를 내세웠다는 점을 고려하면, 린티컴의 지적은 비난하기는 어렵다.

린티컴도 서버리스를 도입했다. "서버리스 기술은 엣지 컴퓨팅이나 마이크로클라우드와 같은 다른 클라우드 컴퓨팅 패러다임의 등장으로 인해 계속 뒷전으로 밀려날 것이다"라고 지적했다. 이유는 "서버리스 컴퓨팅의 획일적인 접근 방식이 아니라 특정 비즈니스 요구 사항에 맞는 맞춤형 접근 방식을 통해 보다 미묘한 솔루션을 시장에 선보였기 때문"이다. 필자는 한때 서버리스가 쿠버네티스와 컨테이너를 대체할 수 있다고 제안한 적이 있다. 틀렸다. 린티컴의 보다 신중한 접근 방식은 항상 큰 흐름을 따라가기 때문에 옳다. 완전히 무너지는 것이 아니라 모든 문제를 해결하는 척하는 것을 멈추고 대신 소박하지만 여전히 중요한 애플리케이션을 위해 사용하는 것이다.

이것이 바로 우리가 AI와 함께 나아가고 있는 방향이다. 이미 많은 기업이 생성형 AI를 모든 문제의 해답으로 여겼다가 실패하고 있지만, 일부 문제에 대한 보완적인 솔루션으로 활용함으로써 성공을 거두고 있다. 지금은 AI를 버릴 때가 아니다. 오히려 AI를 어디에 어떻게 사용할지 신중하게 고민해야 할 때다. 그러면 이전의 많은 트렌드(오픈소스, 클라우드, 모바일 등)와 마찬가지로 AI는 우리의 유일한 업무 방식이 아니라 업무 방식을 보완하는 중요한 요소가 될 것이다.
editor@itworld.co.kr
CIO Korea 뉴스레터 및 IT 트랜드 보고서 무료 구독하기
Sponsored
추천 테크라이브러리

회사명:한국IDG 제호: CIO Korea 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아01641 등록발행일자 : 2011년 05월 27일

발행인 : 박형미 편집인 : 천신응 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2024 International Data Group. All rights reserved.