Tags » Research Stuff » Page 2

Like Jornalero, the new app for low income workers, could backfire

미국 이야기입니다. 2008년 서브프라임 모기지 사태 이후, 저소득 계층을 중심으로 선불 스마트폰 시장이 크게 확대됐습니다. 경기 침체 속에서 미국인들은 교통, 의류 등 다양한 항목에서 지출을 줄였지만, 인터넷 사용과 소비자 기술 부문의 지출은 오히려 늘였습니다.

BUSINESS

Can Human and Technology be compatible?

전 편에 이어서 생긴 질문이 있다. 바로 그렇다면, 기술로 인해서 사라진 일자리들이 있을 것이고, 그 이외에 새로 생기는 일자리들도 있을 것이다. 그렇다면 후자의 총량이 전자의 총량보다 많을까라는 의문점이 남는다.

BUSINESS

Is Technology Making Inequality Worse?

한국도로공사는 2020년까지 스마트톨링 시스템으로 톨게이트를 교체할 것이라고 발표했다. 스마트톨링은 수납 무인화 시스템이다. 그렇다면 고속도로 톨게이트 수납원들의 운명은 어떻게 되는 것일까?

스마트톨링 시스템은 이미지 인식 소프트웨어로 차량의 번호판을 식별해 요금을 부과한다.

BUSINESS

Social Media가 Democracy에 미친 영향

오늘은 대한민국 총선일입니다. 다들 투표는 하셨는지요?

유독 정치 뉴스가 많이 나오는 요즘, 소셜 미디어가 어떻게 정치를 변모시켰는지에 대해서 한 번 생각해보았습니다. 

국내 보다는 해외 사례를 가져왔습니다.

BUSINESS

AlphaGo and AI 2편

글을 쓴 이후에 많은 이야기를 듣고 보았습니다.

주요 토론 내용은 역시 알파고 때문에 곧 우리는 직업을 잃을까요?

알파고의 승리는, 인공지능의 승리라기 보단 체스 천재 데미스 하사비스가 자신의 게임 능력을 전산화하고, 그것으로 이세돌에게 승리했다고 보는 것이 적절하다고 생각합니다.

인공지능과 기계학습에 대해 약간의 경험이 있다면, 다음의 논의를 공감하리라 생각합니다.

인공지능이 뭔가 구실을 하려면, 훈련 데이터셋을 어떻게 제공하는가가 가장 큰 문제입니다. 즉, 알파고가 바둑 고수가 되려면 먼저 역대 고수들의 바둑패 기록을 제공해야 합니다. 바둑은 게임 특성상, 2차원 평면에 검은 돌과 흰 돌로 명확하게 구분되기 때문에 훈련에 사용할 데이터셋을 기록하고 제공하기 쉬운 편에 속합니다. 그런데 바둑 말고 일반적인 직업들은 어떨까요?

어떤 직업상의 업무를 인공지능이 대체하려면, 먼저 해당 업무를 잘 수행한 예시 데이터를 아주 많이 제공해야 합니다. 이 때, 가장 큰 문제는 다음과 같습니다.

1. 해당 업무의 진행과 결과를 전산화된 형태로 저장해야 합니다. 또한 그 중 성공적인 사례들만을 잘 분류해야 합니다. 일단 이 부분이 정말 힘든 지적/육체적 노동입니다. 경우에 따라 비용도 상당할 수 있습니다. 전산화도 어렵지만, 성공과 실패가 무엇인지 분명하게 정의하는 것 자체가 어려운 경우도 많습니다.

2. 1이 가능하다고 해도 그러한 사례를 아주 아주 많이 제공해야 합니다.

3. 해당 사례에 맞는 학습 알고리즘 자체는 시행착오와 비교를 통해 사람이 결정해줘야 합니다. 이런 점 때문에, 데미스 하사비스의 승리라고 말씀드린 것입니다. 어떤 알고리즘이 바둑에서 승리할 가능성이 높은지 자체를 알파고가 결정할 수 없고, 데미스 하사비스와 그의 팀이 결정해 줘야하기 때문입니다. 또한, 바둑으로 훈련된 지능은 다른 곳에 적용될 수 없습니다. 물론 이것은 인간도 마찬가지입니다. 프로 바둑기사의 지적 능력은 뛰어나지만, 그렇다고 지적인 작업 모두에 현재까지의 훈련을 적용할 수는 없습니다.

위의 측면을 염두에 둔다면, 페이스북의 경우, 얼굴 인식이라는 문제를 상대하기에 매우 적절했습니다. 사람들이 자발적으로 얼굴 지역을 태그해줬기 때문에 인공지능이 학습할 아주 많은 데이터셋이 생성됐기 때문입니다. 얼굴의 탐지는 성공과 실패를 매우 명확하게 판별할 수 있습니다. 산업군에서는, 금융의 경우가 인공지능이 상대하기 용이합니다. 전산화되고 수치화된 자료가 데이터베이스에 저장되어 있고, 긍정 또는 부정적인 결과인가가 명확한 편이라고 할 수 있습니다.

반면, 공공정책을 결정하는 인공지능을 만든다고 가정하면, 학습할 데이터셋을 만들기가 굉장히 어렵거나, 불가능합니다. 공공정책을 결정하는 과정을 어떻게 전산화할 수 있나요? 성공적인 정책은 어떻게 측정하고 전산화해야 하나요? 이런 질문은 사회철학적이며 정답을 결정하기 어렵습니다. 오랜 시간 교육받은 인간이 다른 인간들의 지지를 받아서 수행하고 있지만, 잘하는지에 대해서는 언제나 의견이 갈립니다. 선거가 어느 정도 정량적인 근거를 제공하지만, 그것이 특정 공공정책에 대한 평가라고 하기에는 어렵습니다.

인공지능이 학습할 수 있는 지식의 범주는 우리 인간이 상대하는 수많은 것들 중 매우 제한적인 것들에만 해당됩니다. 학습 대상을 전산화하기 어려운 것들이 너무나 많기 때문입니다. 대부분의 직업군에서는 인공지능을 학습시키는 것이 불가능하거나 매우 어렵습니다. 기계의 보조를 받을 수는 있지만, 언제나 인간이 필요하다고 생각합니다.

지식근로의 일부가 자동화된다고 해도 인간의 일자리가 뺏긴다는 측면보다는, 잡일을 해결하느라 실제로 노력을 쏟고 싶던 부분에 집중하지 못하던 문제에 기계의 도움을 받아서 우리 인간의 생산성에 비약적 향상을 가져오는 새로운 발판을 제공할 거라 생각합니다.

BUSINESS

Slow city initiativet kunde vara vitaminsprutan Raseborg behöver

Om Raseborg för 6 år sen blivit en del av Slow City nätverket hade vi med all sannolikhet idag haft ett helt annat och mera “hållbart” Raseborg på alla plan – ekonomiskt, socialt och miljömässigt.  1,068 more words

Inspiration

AlphaGo and AI 1편

사실 세기의 대결이라 했던 이세돌과 AlphaGo의 대결이 끝난 이후의 여론이 잠잠해지길 기다렸습니다. 알파고의 승리로 끝났다. 어렸을 때 남들처럼 바둑을 배웠고, 저도 매우 흥미롭게 지켜 보았습니다. 68 more words

BUSINESS