도구 아닌 행위자로 부상한 AI…다시 다가온 물음 ‘인간이란 무엇인가’[이은수의 아이겐밸류 - 인간의 고유함을 되묻다]

(19) 인간과 기술의 공존

인공지능 핵심기술의 수학적 근간을 이루는 선형대수학에서 아이겐밸류는 행렬변환 후에도 변화가 없이 그 자신으로 남는 고유벡터의 고윳값을 가리키는 이름이다. 인공지능의 파고가 모든 이들에게 다양하게 다가오겠지만 인공지능이라는 엄청난 변화를 겪고도 여전히 그 자리에 남을 인간의 고유한 것이 무엇이겠는가?

단백질 구조 예측 모델 만들고
질병 진단·기후변화 패턴 추산
그리스 비문 소실 부분 재구성
베토벤 미완성 교향곡 복원 시도

다방면 활용되는 인공지능 기술
인간과 관계에서 도구 그 이상
또다시 우리가 마주해야 할 질문
‘어디까지 기술에게 맡길 것인가’

고대 그리스어 비문 재구성 예시. 네이처지에 실린 논문 ‘Restoring and attributing ancient texts using deep neural networks’에 수록됐다. 위키미디어

지금까지의 글을 통해 우리가 하나로 압축해온 질문은 이것이다. ‘인공지능이 우리가 과거에 목격하지 못했던 인간과 자연에 대한 새로운 사실을 목격할 어떤 새로운 도약을 마련해줄 수 있는가?’ 오늘 우리는 이 질문에 대한 답으로서, 인공지능(AI)의 발전이 인간의 지식과 자연에 대한 이해를 새로운 차원으로 끌어올리는 중요한 역할을 수행하고 있음을 생각해볼 것이다. 구체적으로 인공지능 기술을 의학 및 생명과학, 기후 및 환경과학, 생태학, 인문학, 심지어 예술 분야에서 혁신적인 발견과 해석을 가능하게 하는 도구로 활용함으로써, 우리가 과거에는 목격하지 못했던 새로운 사실들을 밝혀내고 있는 예들을 살펴보기로 하자.

먼저 의학 및 생명과학 분야에서 AI는 질병 진단 및 신약 개발을 위해 사용되고 있다. AI는 의료 영상 판독 및 진단에서 특별히 눈부신 발전을 보여주는데, 의료 영상 판독을 통한 종양 등의 질병 진단 능력이 이미 의사들의 진단 정확도를 넘어선다는 연구 결과가 보고됐다. 심지어 이제는 일반인도 AI의 진단 결과를 의사의 진단 결과보다 더 신뢰한다는 조사 결과까지 나오는 상황이다. 영상 분석 외에도 환자의 유전자 서열 분석을 통해 질병의 원인이 되는 유전자 돌연변이를 확인하고, 각 원인에 맞는 환자별 정밀 치료법을 제시하는 데에도 AI가 활용된다. 유전자 서열 정보는 너무나 방대해 모든 환자의 서열을 분석해 임상에 활용하기에는 한계가 있었지만, 이제 AI를 통해 방대한 정보를 손쉽게 분석해 환자별 정밀 치료법을 제시하는 데 활용할 수 있게 됐다.

우리의 몸속 세포 안에서 생체 반응을 매개하는 ‘단백질’의 구조를 이해하는 데에도 AI는 큰 역할을 한다. 단백질을 구성하는 아미노산 사이의 인력과 반발력으로 복잡한 꼬임과 주름을 갖게 되는 단백질의 입체구조를 해독하는 이른바 ‘단백질 구조 연구’는 고된 작업인 데다 오랜 시간이 걸리는 일이었다. 이런 상황에서 구글의 ‘딥마인드’는 2018년부터 AI ‘알파폴드’란 이름으로 아미노산 서열만 넣으면 단백질의 입체구조를 예측하는 프로그램을 만들어 공개했다. 현재 단백질 구조를 예측하는 중요한 도구로 생명과학 연구 및 신약 개발 과정에서 널리 활용된다.

단백질의 네 가지 구조. 위키피디아

‘알파폴드’는 기존에 알려진 단백질의 서열과 입체구조 정보를 활용해 AI를 훈련하는 방식으로 만들어졌다. 단백질 구조 ‘예측’의 정확도는 아직 완성 단계에 미치지 못하지만, 데이터가 점점 더 축적되면 AI가 단백질 구조를 예측하는 정확도와 신뢰도가 높아질 것이고, 이는 생명과학 연구와 신약 개발 기간을 상당히 앞당길 것으로 예측할 수 있다. ‘알파폴드’를 통해 자연에 존재하는 단백질의 입체구조뿐 아니라 인위적인 합성 단백질의 입체구조도 클릭 한번으로 예측해볼 수 있게 됐다. 이러한 ‘혁신성’이 가져올 변화 또한 주목해야 한다.

기후 및 환경과학에서도 AI는 지구의 기후와 환경을 모니터링하는 데 필요한 복잡한 데이터를 분석하는 중요한 역할을 담당하고 있다. 미국 항공우주국(NASA)과 IBM연구소는 인공지능 기계학습 및 데이터 과학자, 고성능 컴퓨팅 전문가, 기상 및 기후 전문가를 비롯한 다양한 전문가들의 협업을 이끌어내며, 기상·기후를 예측하고 모니터링하기 위한 AI 기초모델을 만드는 노력을 경주하고 있다. AI 기반 기상 및 기후 프로젝트는 위성 데이터를 활용해 해수면 상승, 극지방의 빙하 손실 등을 모니터링하며, 기후변화의 복잡한 패턴을 이해하는 데 큰 도움을 줄 것이다. 이러한 분석은 기상현상과 장기적인 기후변화 추세에 대한 예측을 가능하게 하며, 이는 과거 전통적 방법론으로는 달성하기 어려운 일이었다.

AI 기술은 생물 다양성 감소의 위기 대응에 있어서도 중요하게 활용될 수 있다. 지구의 역사에서 생물의 70% 이상이 사라지는 대멸종사태는 지금까지 5번 있었다. 생태학자와 지질학자들은 이미 6번째 대멸종이 시작되었음을 경고한다. 2020년 미국국립과학원회보(PNAS)의 연구결과에 따르면 이 멸종 속도는 초기에 예상했던 것보다 훨씬 빠르게 진행되고 있으며, 20세기 동안 사라진 육상 척추동물의 수에 맞먹는 수의 생물종이 앞으로 20년 안에 멸종할 것으로 내다봤다.

이런 상황에서 생태학자들은 멸종위기에 처한 동물들을 모니터링하기 위해 ‘표식-재포획 방법’을 사용해왔다. 개체수를 모두 세기 어려운 동물 집단의 크기를 추정하기 위해 집단의 일부분을 포획해 표시하고 놓아준 뒤 다른 부분을 포획해 표시된 개체를 세어 전체의 수를 추정하는 방법이었다. 그러나 이 전통적인 방법은 많은 수고와 시간을 들여야 하기 때문에 멸종의 속도가 가속화되고 있는 상황에 보완이 시급한 접근법이었다. 생태학자들은 해결책으로 2014~2015년 와일드북(Wildbook) 프로토타입을 만들어 시민 과학자들이 찍은 사진을 활용해 동물들의 개체수와 활동 상황 등을 기록하고자 했다. 마이크로소프트의 ‘지구를 위한 인공지능(AI for earth)’ 프로젝트는 와일드북이 수천 종의 야생동물을 효율적으로 식별하고 기록할 수 있도록 AI와 클라우딩 컴퓨팅 기술을 지원한다. 발견하기도 전에 멸종하고 사라져버릴 생물들의 다양성을 보존하는 데 AI 기술이 활용되는 것이다.

비단 과학 분야 연구뿐 아니라 인문학 연구에서도 AI는 고대 텍스트 분석이나 고고학적 유적지의 위성 이미지 해석에 활용돼 과거 문명에 대한 새로운 이해를 제공한다. 많은 사례 중 비교적 최근 예를 들어보자면, AI 기술을 활용해 고대 그리스 로마 시대 비문의 사라진 부분을 복원한 연구를 생각해볼 수 있다. 고대 지중해 세계에 세워졌던 수많은 비문들은 부서진 조각들로 발견되는 경우가 많았다. 금석학을 연구하는 학자들은 이 남아있는 조각들을 토대로 사라진 조각들에 적혔을 내용을 재구성하는 작업을 수행해왔다. 비문의 글이 기록돼 있는 방식이 띄어쓰기 없이 연속해 기록(scriptio continua)되어 있기 때문에, 금석학자들은 먼저 글자 하나에 해당하는 크기를 기준으로 빈 영역에 몇 개의 글자를 메워 넣어야 하는지 어림셈한 다음 남아있는 글자들을 갖고 만들 수 있는 단어들의 리스트를 작성해 빈 영역에 들어맞는지 일일이 확인해야 했다.

AI 기술은 지금까지 학자들이 재구성했던 연구 결과와 참조할 수 있는 지중해 세계의 고대 문헌과 어휘 목록들을 학습해 고대 비문 복원 작업의 속도를 크게 높이고 있다. 이렇듯 AI 기술이 사용돼 고대 사료에 대한 새로운 정보를 확보할 수 있게 된 것은 인문학 분야에서 AI의 잠재력을 잘 보여준다.

예술과 창조성 분야에서도 AI의 역할은 주목할 만하다. 음악 작곡, 그림 그리기, 시 쓰기 등 다양한 예술 형태에서 AI는 인간의 창조성과 기술의 가능성을 결합해 전에 없던 예술 경험을 제공한다. 잘 알려져 있는 바와 같이 베토벤의 10번째 교향곡은 미완으로 남아 있다. 1827년 베토벤이 사망한 이후 짧은 스케치로만 남아있던 교향곡 10번을 두고 1983년 영국의 음악학자 배리 쿠퍼가 1·2악장을 복원하려고 시도했다. 도이치 텔레콤은 베토벤 탄생 250주년을 맞는 2020년에 AI 기술을 활용해 나머지 3·4악장을 작곡해 2021년 독일 본의 베토벤 생가에서 초연하기도 했다. 물론 이렇게 완성된 10번 교향곡에 대한 평가는 여럿으로 갈린다. 그러나 베토벤이 그저 짧은 스케치로만 남겼던 미완의 작업을 더 잘 완성할 기술의 가능성을 확인했다는 데 의의가 있다.

이러한 예시들은 AI가 어떻게 다양한 분야에서 새로운 발견과 이해를 가능하게 하는 중요한 도구로 작용하고 있는지 잘 보여준다. 분명 AI는 인간의 지식과 경험을 확장하는 데 중요한 역할을 하며, 이 새로운 도약은 인류의 지식과 이해를 한 단계 높은 차원으로 이끌 것이다.

동시에 AI 기술의 이런 발전은 인간과 기술 간의 상호작용 방식에 대해 중요한 질문을 제기한다. 베르그송의 표현을 빌리자면 ‘호모 파베르(Homo Faber)’인 인간은 오랜 역사 속에서 도구를 사용하여 유무형의 산물을 만들어왔다. 기술은 어디까지나 도구로서 인간이 목적한 바를 수행하기 위해 인간을 돕는 보조적인 수단으로 이해됐다. 그러나 작년에 타계한 프랑스의 철학자 브뤼노 라투르는 행위자-네트워크 이론(ANT)을 통해 인간과 비인간(기술 포함) 요소들이 상호작용하는 방식에 대해 새로운 시각을 보여준 바 있다. 이 이론은 모든 요소가 네트워크 안에서 상호 영향을 미치는 ‘행위자’로서 기능한다고 주장한다. 사회적·기술적 요소가 상호작용하며 형성하는 이 네트워크 속에서 기술과 인간 사이의 경계가 모호해지며, 인간뿐만 아니라 기술도 ‘행위자’로 간주된다고 봤다.

기술도 하나의 행위자로 보는 이 견해가 아직은 낯설게 느껴지기는 하겠지만 시계를 돌려 산업혁명 기간으로 돌아가보면, 이미 그때부터 기계는 단순한 도구가 아니라 생산 과정에서 중요한 역할을 하는 ‘행위자’로 부상했다고도 볼 수 있다. 18세기의 기계화된 직조기가 직물 산업을 혁신적으로 변화시키면서 단순한 기술적 진보를 넘어서 사회적 구조와 인간 노동의 본질을 재정의했기 때문이다.

인공지능 시대에는 더더욱 AI가 단순한 도구가 아니라 의사결정 과정에서 중요한 역할을 하는 행위자로 등장할 것이다. AI의 분석 능력과 인간의 창의력, 윤리적 판단을 통합하고자 하는 노력 속에서, 이제 인간과 기술의 상호작용이 단순한 명령과 순응의 관계가 아닌 복잡하고 동적인 관계로 변화할 것이기 때문이다.

인간과 기술의 관계가 점점 더 복잡해지고 있는 상황에서 자연스럽게 양극단을 경계할 필요가 있다. 하나의 극단은 기술을 여전히 인간에 종속적인 도구로만 간주하면서 기술의 진보하는 능력을 경시하는 태도일 것이고, 다른 극단은 기술에 지나친 장밋빛 미래를 투영하는 태도일 것이다. 인간과 AI의 협력적이고 균형 잡힌 관계를 추구하면서 인공지능 시대의 바람직한 공존 모델을 찾기 위해, 우리는 계속 양극단 사이 다양한 스펙트럼 중 어딘가에서 지속적으로 기술의 잠재력을 최대한 활용하고 동시에 인간의 가치와 존엄성을 보존할 고민을 이어가야 할 것이다.

생성형 AI를 비롯해 AI 기술을 활용한 여러 발전적 사례들이 쏟아져 나오면서, 이제 기술이 인간의 자연적인 능력의 한계를 넘어서는 영역에서 독자적인 지위를 갖게 되리라는 예상에 더 무게가 실리게 됐다. 심지어 이 기술들을 만들고 있는 프로그래밍 개발자, 데이터를 분석하는 과학자도 점점 자신들의 업무를 더 경제적으로 수행하는 AI 기술의 추격 때문에 입지를 잃어간다고 걱정하는 형편이다. 따라서 우리는 기술의 발전을 무시하던 왼쪽의 극단에서부터 기술에 더 의존하게 되는 오른쪽 극단으로 이동하고 있는 셈이다. 이런 상황에서 나는 사람들이 스스로 할 수 있는 일, 스스로 해야만 의미 있는 일들조차 기계에 맡겨버릴까 싶어 걱정한다.

최근에 나는 2007년 ‘파이낸셜 타임스’에서 구글의 미래를 소개한 기사를 다시 찾아볼 기회가 있었다. 기사에서 당시 구글의 최고경영자였던 에릭 슈미트가 했던 말이 한층 더 충격적으로 다가왔다. 미래의 구글이 어떻게 보일지에 대한 기자의 질문에 “구글의 검색 알고리즘은 더 좋아질 것이고, 개인화된 검색을 제공하는 데 있어서 더 나아질 것이다”라고 답하면서, 구글이 사용자의 검색 질문에 단순히 답을 주는 차원을 넘어, 사용자가 구글 검색창에 “내일 무엇을 할까, 어떤 직업을 가져야 할까와 같은 질문을 할 수 있을 만큼 사용자에게 지침을 내려줄 정도로 발전하기 원한다”고 대답했기 때문이다. 과연 나의 미래에 대한 결정을 내가 스스로 직접 하지 않고도 내 삶이라고 말할 수 있을까?

그때로부터 15년도 넘은 시간이 지난 지금 구글이 그런 비전을 달성했는지는 의문이 들지만, 확실히 점점 더 많은 사람들은 내가 해야 할 고민과 결정을 기술과 기계에 위임하고 싶어하는 듯하다. AI 알고리즘은 검색엔진의 형태든, 거대 언어 모델의 형태든 나에 대한 정보를 다방면에서 수집해왔다. 과거와 현재 수많은 사람들의 다양한 삶의 방식과 결과를 통계적으로 분석하는 AI 알고리즘이 나에 대해 나보다 나은 결정을 확률적으로 계산해줄 수 있으리라고 믿는 기대 때문일 수도, 결정을 치열하게 검토해야 하는 피로감과 귀찮음 때문일 수도 있다.

대학에서 글을 읽고, 대화하고, 토론하며, 정리된 생각을 다시 글로 풀어내는 이 훈련을 쉽사리 인공지능에 다 내어줄 수 없는 이유는 다른 누구도 대신해줄 수 없고 나만이 깊게 고민해봐야 할 고민과 생각들이 있기 때문일 것이다. 이때는 그 생각의 옳고 그름의 여부나 높고 낮음의 수준이 중요한 것이 아니다. 내가 내 경험에 기반해 다른 사람의 생각을 존중하고 내 원래 생각을 수정하면서 생각의 근육을 단련하는 일이 더 중요하다고 믿는 것이다.

결국 우리는 AI 기술에 점점 더 많은 것을 위임하는 데 비례해 그만큼 더 인간으로서 우리 스스로 해야 할 생각과 고민들을 잘 확보해두는 노력이 필요할 것이다. 그래서 이 연재의 끝은 ‘다시, 인간이란 무엇인가’를 되묻고자 한다. 물론 이 질문의 방점은 ‘다시’라는 부사에 있다. 기술과 인간의 공존을 바라보는 이 시점에 우리는 ‘다시’, 인간을 어떻게 정의하고 싶은 것일까?

이은수



서울대 철학과 교수. 서울대학교와 스탠퍼드대학교에서 수학, 서양고전, 과학사를 공부하였다.

카이스트에서 수행했던 인문학과 기술의 상호 발전에 대한 연구 및 강의를 바탕으로 서울대에서 디지털인문학이란 이름으로 인문학의 미래에 대한 연구를 이어가고 있다.

서양 고대로부터 과학혁명 시기에 이르기까지 수학 및 과학적 지식의 생성과 발전 및 혁신 과정을 주로 연구하고 있다.

이은수 서울대 철학과 교수