2030년의 인공지능과 삶(Artificial Intelligence and Life in 2030)

One Hundred Year Study on Artificial Intelligence (AI100)의 2016년 보고서, “ARTIFICIAL INTELLIGENCE AND LIFE IN 2030”를 요약한 것입니다.

 

링크: https://ai100.stanford.edu/2016-report

 

먼저 논문에 대한 전반적인 정보를 요약한 뒤, 세부적인 요약문을 적어 두도록 하겠습니다.

 

논문요약

 

2016년 스탠포드 대학교의 “인공지능 100년 연구(AI100)” 보고서는 2030년까지 인공지능(AI)이 우리 사회의 여러 부분에 어떤 영향을 미칠지에 대해 자세히 설명하고 있습니다. 이 보고서는 다음과 같은 여덟 가지 분야를 중점으로, 지난 15년 동안의 발전과 앞으로 15년 동안의 발전을 예측합니다.: 교통, 서비스 로봇, 건강관리, 교육, 저자원 커뮤니티, 공공안전 및 보안, 고용 및 직장, 그리고 엔터테인먼트.

 

보고서는 AI 기술이 특정 영역에 특화되어 있으며 각 어플리케이션은 신중함을 요구하고 유일한 구조를 필요하는 연구에 특화되어 있다고 강조합니다. 그럼에도 불구하고, 자율주행 자동차, 건강 진단 및 맞춤형 치료, 노인을 위한 물리적 도움 등 AI 기술의 미래적인 사용에 대해 상당한 증가가 예상된다고 말합니다. 또한 AI와 로봇 기술은 농업, 식품 가공, 배송 센터, 공장과 같이 젊은 노동자를 유치하는데 어려움을 겪고 있는 산업에 전 세계적으로 적용될 것으로 예상됩니다.

 

그러나 일부 우려와는 달리, 연구 패널은 AI가 인류에게 급격한 위협이 될 것이라는 걱정은 할 필요가 없다고 말합니다. 자기를 유지(self-sustaining)하고 장기 목표와 의도를 가진 기계는 아직 개발되지 않았으며, 가까운 미래에도 개발될 가능성이 낮기 때문이라 말합니다. 오히려 AI를 이용한 응용 프로그램이 우리 사회와 경제에 깊은 긍정적 영향을 미칠 것이라고 패널은 주장합니다. 하지만 이러한 발전은 인간 노동이 AI에 의해 보완되거나 대체되는 방식에 따라 우리 사회를 어떻게 변화시킬지에 대한 새로운 도전을 야기한다고 말합니다.

 

---

이제 본문을 단락별로 요약합니다.

---

서문

 

"인공지능 100년 연구"(One Hundred Year Study on Artificial Intelligence, AI100)는 2014년부터 시작된 인공지능 분야와 인공지능이 인간, 인공지능 커뮤니티, 사회에 미치는 영향에 관한 장기 연구입니다. 전문가 패널을 5년마다 조직하여 인공지능의 상황을 평가합니다.

이 연구는 최소 100년 동안 진행될 것이며, 이번 보고서는 다양한 인공지능 전문가 17명이 참여한 패널의 첫 성과물입니다. 인공지능의 활용과 영향은 사회적, 기술적 발전과 연결되어 있기 때문에, 이번 주제는 '2030년의 인공지능과 삶'으로 결정되었습니다. 제한된 자원 때문에 연구 대상 지역은 북미 도시로 한정되어 있고, 군사용 인공지능에 대해서는 다루지 않습니다.

 

I. 인공지능은 무엇인가?

 

인공지능에 대한 명확한 정의는 아직 없지만, Nils J. Nilsson은 인공지능을 “기계를 지능적으로 만드는 활동”이라고 설명했습니다. 여기서 “지능”이란, 주어진 환경에서 선견지명을 가지고 행동하는 것을 의미합니다. 따라서 계산기와 인간의 차이는 속도, 규모, 독립성, 일반성 등에 있습니다.

 

한 번 인공지능이 등장하고 사람들이 익숙해지면, 그것이 더 이상 인공지능이 아니라고 생각하는 현상(AI effect or odd paradox)이 발생합니다. 예를 들어, 1997년 IBM의 딥블루가 인간 체스 챔피언을 누르고 나서, 사람들은 그것이 진짜 지능이 아니라고 생각했습니다. 이후 딥블루와 관련된 출판물에도 “지능”이라는 단어는 한 번도 나타나지 않았습니다. 인공지능의 정의는 연구자들이 어떤 작업을 수행하는지에 따라 달라질 수 있습니다. 이 보고서에서는 인공지능을 지능의 속성을 합성(synthesize)하여 연구하는 컴퓨터 과학의 한 분야로 간주합니다. 지능은 복잡한 개념으로, 심리학, 경제학, 신경과학, 생물학, 공학, 통계학, 언어학 등 다양한 학문에서 연구되고 있습니다. 이러한 연구 결과는 인공지능 발전에 영향을 줍니다.

인공지능은 이미 우리 삶에 들어와 있습니다. 인공지능 혁명을 가속화한 주요 요인은 클라우드 컴퓨팅과 웹기반 데이터 수집이 지원한 머신러닝의 성장입니다. 머신러닝은 뉴럴 네트워크 중 하나인 ‘딥 러닝’(deep learning)의 발전을 통해 크게 성장했습니다. 하드웨어 발전과 새로운 시장의 등장이 이러한 알고리즘 발전에 도움을 주었습니다. 2016년 현재 인기 있는 연구 분야는 다음과 같습니다.

 

• - 대규모 머신러닝(Large-scale machine learning): 많은 데이터에 기존 알고리즘을 적용할 수 있는 방법 개발. 딥러닝(Deep learning): 컴퓨터 비전 분야에 큰 영향을 미쳤으며, 오디오, 스피치, 자연어 처리 등 다른 분야에서도 활용되고 있음.
• - 강화학습(Reinforcement learning): 패턴 인식에 초점을 맞춘 전통적 머신러닝 대신, 의사 결정에 중점을 두는 학습 방법.
• 로봇공학(Robotics): 로봇이 일반화되고 예측 가능하게 세계와 상호작용할 수 있도록 하는 것. 다른 분야보다 많은 데이터를 얻기 어렵다는 문제가 있음.
• 컴퓨터 비전(Computer vision): 현재 가장 중요한 기계 인식 분야로, 최근 몇 년 간 크게 발전해 인간보다 뛰어난 성능을 보여주기 시작했음. 이미지와 비디오의 자동 설명(captioning)에 관심을 기울이고 있음.
• 자연어 처리(Natural Language Processing): 활발한 연구 분야로, 구글은 모바일 검색의 20%가 음성 검색이라고 발표했음. 최근 실시간 통역 가능성을 보여주었고, 인간과 대화를 통해 상호작용하는 시스템 연구가 확대되고 있음.
• 협동 시스템(Collaborative systems): 하나의 시스템이 다른 시스템이나 인간과 협력할 수 있게 만드는 것으로, 인공지능과 인간의 강점을 상호 보완적으로 활용하는 관심 분야임.
• 크라우드 소싱 및 인간 계산(Crowdsourcing and human computation): 컴퓨터가 어려움을 겪는 문제를 인간의 지능을 활용해 해결하고 컴퓨터 성능을 개선하는 방식. 크라우드 소싱은 인간 지능을 창의적으로 이용하는 것으로, 위키백과가 대표적인 예입니다. 최근 연구는 인간과 컴퓨터의 능력과 비용을 고려하여 작업을 최적화하는 방법을 찾는 중임.
• 알고리즘 게임 이론 및 컴퓨터 사회 선택(Algorithmic game theory and computational social choice): 인공지능의 경제적, 사회적 영역에서 새로운 관심사임.
• 사물인터넷(IoT): 다양한 기기들이 정보를 수집, 공유하며 연결되고 있고, 인공지능을 통해 그 데이터를 지능적이고 유용한 목적으로 사용함.
• 뉴모피직 컴퓨팅(Neuromorphic Computing): 전통적인 컴퓨팅 모델을 벗어나 생물학적 뉴런에서 영감을 받은 새로운 컴퓨팅 모델을 개발해 하드웨어 효율을 향상하려고 함. 이는 입력/출력, 명령 처리, 메모리와 같은 기존 모델과는 다른 방식을 사용함.

 

데이터 기반 인공지능의 엄청난 성공에 따라 전통적인 인공지능 패러다임이 대체되었습니다. (2016년 이후) 앞으로 15년 동안 인간과 상호작용하는데 특화된 인공지능 시스템인 인간-인지(human-aware) 시스템이 주목받을 것입니다. 인터랙티브하고 확장 가능한 방식으로 로봇을 가르치는 창의적인 교육 방법도 많이 시도하고 있습니다. 인공지능의 사회, 경제적 측면이 고려되면서 사물 인터넷(IoT) 유형의 시스템에 대한 관심도 커지고 있습니다. 앞으로 새로운 지각/사물 인식 능력과 인간에게 안전한(human-safe) 로봇 플랫폼이 발전할 것입니다. 데이터 기반의 상품과 시장도 성장할 것이며, 순수 딥러닝의 한계를 극복하기 위해 일부 전통적인 인공지능 요소가 재차 나타날 것으로 예상됩니다.

 

II. 인공지능의 영역

 

인공지능의 다양한 연구와 업무는 머신러닝 같은 기술을 공유하기도 하지만, 다른 경제와 사회적 영역에서도 차이를 보입니다. 여기서는 8개 영역에서 인공지능 연구와 활용, 그리고 인공지능의 영향과 과제를 살펴보겠습니다. 이 분석을 바탕으로 앞으로 15년 동안 북미 지역의 추세를 예상해봅니다.

 

1. 교통(TRANSPORTATION)

 

자율주행 자동차는 곧 일반화할 것이며, 이를 통해 대부분의 사람들이 물리적으로 구현된 인공지능을 처음 경험하게 됩니다. 따라서 인공지능에 대한 사람들의 인식에 크게 영향을 줄 것입니다. 자동차가 인간보다 더 잘 운전할 수 있게 되면, 도시에 사는 사람들은 차량을 덜 소유하게 되고, 직장에서 멀리 살면서 시간을 다른 방식으로 활용하게 됩니다. 이렇게 변화가 일어나면 완전히 새로운 도시 구조를 만들게 됩니다. 이런 변화는 자동차뿐만 아니라 비행체와 개인 로봇 등에도 적용되어 사회적, 윤리적, 정책적 이슈를 불러올 것입니다.

 

• 스마트카(더 영리한 자동차, Smarter cars): 자동차가 GPS, 자이로센서, 광센서, 습도센서 등 다양한 센서를 이용해 운전자를 도우며, 일부 영역에서는 완전히 대체하고 있습니다. 비전과 레이더 기술이 이를 발전시키고 있으며, 딥러닝도 사물 인식이나 소리 인식을 개선하는 데 도움이 됩니다.
• 자율주행 운송수단: 1930년대부터 과학 소설에서 나온 자율주행 자동차는 1960년대 이후로 인공지능 분야의 도전 과제였습니다. 2000년대에는 바다, 하늘 및 화성에서 자율주행 수단이 구현되었습니다. 도시에서 작동하는 자율주행 자동차는 복잡성 때문에 지금까지 연구실에만 있었지만, 최근 센싱 기술과 머신러닝의 발전으로 큰 변화가 일어났습니다. 가까운 미래에는 인간 능력을 넘어선 센싱 알고리즘을 개발할 것입니다. 최근 보고서에 따르면 2020년에는 자율주행 자동차가 널리 보급되고, 개인 운송뿐만 아니라 원격 조종 운송수단, 비행수단, 트럭 등에도 적용될 것입니다. 로봇 기술의 발달로 드론 같은 다른 운송 기술도 출현할 것입니다. 자율주행은 교통사고를 줄이고, 출퇴근시간에 다른 일을 할 수 있게 해 주며, 거주지역에도 영향을 미칠 것입니다. 주차 공간이 줄어들어 도시 디자인에도 영향을 주며, 어린이, 노약자, 장애인들의 활동 범위가 넓어질 것입니다. 자동차 소유욕구도 사라질 수도 있습니다. 앞으로 안전성과 인명 사고를 피할 수 없는 상황에서의 프로그래밍 등 윤리적인 문제가 남아있습니다. 2016년 기준 미국 4개 도시와 캐나다, 영국, 프랑스, 스위스에서는 공공 도로에서 자율주행 자동차를 테스트할 수 있는 법이 통과되었지만, 사고 시 책임을 물을 법은 아직 없습니다.
• 교통 계획(Transportation planning): 2005년 경부터 도시들은 교통 상황을 측정할 수 있는 인프라에 투자하기 시작했습니다. 현재 사용되고 있는 센서로는 인덕티브 루프, 카메라, 레이더, GPS 등이 있습니다. 인공지능은 버스와 지하철 스케줄 계획, 유동적 고속도로 요금, 유동적 제한 속도 적용 등에 활용되고 있습니다. 2006년 이후로는 구글맵 같은 서비스를 기반으로 실시간 정보를 활용한 경로 탐색이 널리 사용되고 있습니다. 그러나 이런 발전에도 불구하고, 센싱과 최적화 기술은 개인 사용에 비해 도시 인프라에서는 덜 활용되고 있습니다. 기술 표준의 부재, 비용, 도시별 다양한 우선순위, 프라이버시 문제 등이 그 이유입니다.
• 주문형 교통(On-demand transportation): 우버 같은 서비스는 센싱, 연결성(connectivity), 인공지능을 중심으로 한 주요 응용 프로그램 중 하나입니다. 인간과 상호작용(Interacting with people): 미래에는 자동차가 더 스마트해지고 드론도 활용될 것이지만, 2030년까지 현재와 다른 형태와 기능을 가진 교통수단이 널리 쓰이지 않을 것으로 보입니다. 드론이 일반적인 교통수단으로 사용되기도 어렵습니다. 자율주행 자동차와 드론을 학습, 실행, 평가하는 데에 인간은 파트너 역할을 맡게 될 것입니다.

2. 가정/서비스 로봇(HOME/SERVICE ROBOTS)

 

지난 15년 동안 가정용 로봇의 발전은 느렸지만, 앞으로 15년 동안은 안전성과 사용성에 대한 신뢰가 높아질 것입니다. 하지만 기계를 만드는 비용과 기술적 제약 때문에 상업적 기회는 특정 제품에만 한정될 것입니다.

 

• 진공 청소기(Vacuum cleaners): 진공 청소기 로봇인 트릴로바이트(Electrolux Trilobite)는 2001년 출시된 최초의 상업적 가정용 로봇입니다. 트릴로바이트는 단순한 길찾기와 장애물 회피 기능을 갖고 있었습니다. 프로세싱 파워와 램이 향상됨에 따라 이러한 로봇의 인공지능 능력도 크게 발전했습니다. 간단한 길찾기, 자동 충전, 가득 찬 쓰레기 처리 등의 기능이 추가되었습니다. 최근에는 집 내부의 3D 모델을 구축하는 기능도 갖게 되었습니다. 그러나 가정용 로봇에 기대되는 기능들은 아직 다 구현되지 않았습니다. 로봇 청소기는 평평한 곳만 다닐 수 있습니다. 가정에서 로봇 이동 연구는 거의 진행되지 않고 있습니다. 이미지 묘사와 3D 사물 인식 등의 기능은 학계에서는 일반적이지만, 상품으로 만들어지기까지는 아직 몇 년이 걸릴 것입니다.
• 2030년의 가정용 로봇(Home robots 2030): 가정용 로봇의 발전이 더디긴 하지만, 앞으로 15년 동안 변화가 기대됩니다. 아마존 로보틱스나 우버 같은 회사는 다양한 통합 기술을 사용하여 경제의 거대한 규모를 확장하고 있습니다. 삼성과 같은 모바일칩 제조업체는 시스템 인 모듈(System in Module)을 생산하고 있어, 10년 전 슈퍼컴퓨터보다 뛰어난 성능을 가집니다. 이는 저렴한 기기도 인공지능을 탑재할 수 있게 됨을 의미합니다. 클라우드는 많은 집에서 수집된 데이터를 기반으로 머신러닝을 가능하게 하고, 향상된 기능을 이미 배치된 기기에 적용할 수 있게 해 줍니다. 음성 인식과 사물 인식 기능의 개선은 로봇과 인간의 상호작용을 돕게 됩니다. 저렴한 3D 센서는 가정용 로봇 도입을 가속화할 것입니다. 지난 3년 동안 저렴하면서도 안전한 로봇팔이 등장했고, 2025년 경에는 가정에서도 사용 가능할 것입니다. 소셜 인터랙션에 집중한 가정용 로봇을 만드는 스타트업도 있습니다. 이로 인해 새로운 윤리와 개인 정보 보호 이슈가 발생할 수 있습니다.

3. 의료(HEALTHCARE)

 

인공지능 기술은 의료 분야에서 전망이 밝다고 여겨져 왔습니다. 이로 인해 수많은 사람들의 건강과 삶의 질이 향상될 것이라 기대하고 있습니다. 그러나 먼저 의사, 간호사, 환자의 신뢰를 얻어야 하며, 정책, 법규, 상업적 장애물을 해결해야 합니다. 주요 응용분야로는 임상 지원, 환자 모니터링, 수술이나 간호를 돕는 자동 기기, 의료 시스템 관리 등이 있습니다. 의료 전문가와 환자와의 상호 작용을 개선하는 것이 중요한 과제가 될 것입니다.

 

• 임상 현장(The clinical setting): 인공지능이 임상의를 돕는 것은 오래된 기대였습니다. 최근 발전이 있긴 했지만, 현재 인공지능 기반의 의료 시스템은 구조적 문제로 인해 발전이 더뎠습니다. 전자의료기록(electronic health records, EHRs) 활용이 증가하고 있지만, 시스템 구현에 문제가 있어 임상의들로 하여금 유용성을 의심하게 되었습니다. 이러한 문제와 법규, 구조적 장애로 인해 전자의료기록 데이터 분석의 가능성이 제한되고 있습니다. 앞으로 15년 동안 인공지능 발전은 인간 임상의의 역할을 변화시킬 것입니다. 현재 내과 의사는 환자로부터 증상을 듣고, 병과 관련 지식을 연결하는데, 인공지능이 보조하면 의사는 이 과정을 지도하고 경험과 직관을 활용해 인공지능 결과를 평가하는 역할을 하게 될 것입니다. 내과 의사의 기본적인 업무 능력은 여전히 중요합니다.
• 의료 분석(Healthcare analytics): 인공지능이 수백만 명의 환자 의료 데이터를 분석할 수 있어, 보다 세분화된 개인 맞춤형 진단과 치료가 가능합니다. 그러나 개인 의료 정보와 관련한 프라이버시 보호 기준이 부족해 AI 연구와 혁신이 지연되고 있습니다. 이미지 자동 분석은 크게 발전했습니다만 의료 이미지 분석에는 혁신이 부족합니다. 몇 가지 문제들이 발전을 방해하고 있습니다. 대부분의 병원 이미지 저장소가 디지털화된 것이 10년 밖에 되지 않았으며, 이미지를 인식하는 것보다 분석하여 판단해야 하는 의료 이미지 분석에는 엄격한 규제가 존재합니다. 기관 간 데이터 교환의 어려움도 문제입니다. 그러나 자동화/증강 이미지 분석은 발전을 시작했으며, 향후 15년 동안 완전히 자동화된 방사선학은 나타나지 않겠지만, 초기 이미지 분류나 추가 검사로 의료 이미지 분석의 효율을 향상시킬 것입니다.
• 의료용 로봇(Healthcare robotics): 15년 전의 의료용 로봇은 과학소설이었으나, 최근에는 수술용 로봇 연구와 활용이 급격히 발전했습니다. 2000년에 나온 다빈치 시스템은 처음에 심장 우회수술 보조용으로 사용되었고, 현재의 4세대 다빈치 시스템은 3차원 시각화와 관절기기를 제공합니다. 이는 물리적 플랫폼뿐만 아니라 수술 과정 연구의 플랫폼으로도 작용하며, 복강경 수술 처치의 표준으로 여겨져 매년 30만 건의 수술에 사용됩니다. 병원에서의 지능적 자동화는 성공적이지 않습니다. 많은 의료 업무가 도움을 받을 것이지만 완전한 자동화는 늦을 것입니다. 바늘을 봉합선 가까이로 유도하는 것은 비교적 쉽습니다. 이는 많은 미래의 시스템이 인간과 기계의 밀접한 상호작용을 포함하며 그들의 협업을 돕는 기술이 필요함을 의미합니다.
• 모바일 건강(Mobile health): 현재 데이터 기반 의료 분석은 전통적인 의료 데이터에 기반합니다. 임상 현장에서는 새로운 데이터를 기대합니다. 예를 들어, 이스라엘의 정신과 의사는 환자의 스마트폰에서 수집된 데이터를 토대로 행동 패턴을 추출하여 스트레스 성 행동의 조기 징후 파악에 사용하고 있습니다. 모바일 컴퓨팅 혁명이 주도하는 "일상의 생체 인식" 성장은 희망적이면서 예기치 않은 경향이 있습니다. 이는 특수화된 모션 추적 기기와 가정 건강 모니터링 기기 간의 연결성이 결합되어 새로운 혁신을 만들고 있습니다. 노인 의료(Elder care): 앞으로 15년 동안 미국의 노인 인구는 50% 이상 증가할 것입니다. 커뮤니케이션 기기, 가정 건강 모니터링, 가벼운 식사 준비 등 이 분야의 많은 가능성에도 불구하고 지난 15년 동안 큰 변화는 없었습니다. 하지만 다가오는 세대 교체는 노인들의 기술 수용에 변화를 가져올 것입니다. 현재 70세인 사람은 개인용 IT를 중년 이후에 경험했을 것이나, 50세인 사람은 기술에 훨씬 친숙합니다. 결과적으로 육체적, 감정적, 사회적, 정신적 건강을 돕는 기술에 대한 관심과 시장이 성장할 것입니다. 이는 개인 정보 보호 문제와 함께 은퇴 후 유례없이 활발한 인구를 수용해야 하는 새로운 과제도 만들어낼 것입니다.

 

4. 교육(EDUCATION)

 

지난 15년 동안 교육 분야에서 인공지능은 크게 발전했습니다. 양질의 교육에는 항상 인간 교사가 필요하지만, 인공지능은 모든 단계에서, 특히 개인화를 통해 교육의 질을 높일 것입니다. 의료 분야처럼 인간과 인공지능의 대면 상호작용 구성이 중요한 문제가 될 것입니다. 앞으로 15년 동안 일반적인 북미 도시에서는 인공지능 교사나 기술이 교실에서 선생님을 도와주게 되며, 가정에서도 상당히 널리 확산될 것입니다. 가상현실 기반의 학습 애플리케이션 역시 성장할 것입니다. 하지만 컴퓨터 기반 시스템이 학교에서 인간 선생님의 교육을 완전히 대체하지는 않을 것입니다.

 

• 로봇 교사(Teaching robots): 다양한 언어로 프로그래밍 가능한 새로운 센서 기술을 가진 로봇 제조 회사들이 유치원부터 고등학교까지 대상으로 하는 키트를 생산하고 있습니다. 어린이들에게 코딩을 가르치는 오조봇(Ozobot), 로봇 블럭을 조립하며 논리적 사고를 배우게 하는 큐버렛(Cubelet), 환경의 다양한 측면에 반응하도록 로봇을 가르치는 통해 어린이들이 생물학을 배울 수 있게 하는 프레오 rb(PLEO rb) 등이 있습니다. 이것이 널리 활용되기 위해서는 학생들의 학업 능력이 향상된다는 증거가 필요할 것입니다.
• 지능적 교습 시스템과 온라인 학습(Intelligent Tutoring Systems, ITS 및 online learning): ITS는 원래 연구실에서 개발되었습니다. 인간과 기계 사이의 대화를 돕기 위해 만들어진 물리 문제 풀이용 Why-2 Atlas도 있습니다. ITS는 연구실의 실험적 단계에서 실생활 활용으로 빠르게 도입되고 있습니다. 음성 인식과 자연어 처리를 활용한 외국어 교육뿐만 아니라 고등학교 수학, 지리, 화학, 프로그래밍 등 다양한 교육 분야에서 사용되고 있습니다. 공군 기술자들이 비행기 전자 시스템을 진단하는데도 쓰입니다. 대규모 온라인 강의(Massive Open Online Courses, MOOCs)를 포함한 온라인 교육 모델이 크게 확산되고 있습니다. 여러 대규모 온라인 강의에서는 자연어 처리, 기계학습, 크라우드 소싱 기법 등을 사용하여 에세이 질문이나 프로그래밍 숙제 점수를 매깁니다.
• 학습 분석(Learning analytics): 대규모 온라인 강의에서 수집된 데이터는 학습 분석 분야의 급격한 발전을 촉발하고 있습니다. 이를 통해 학습 질 향상 및 과학적 발견에 기여할 수 있습니다. 딥러닝, 자연어 처리 등의 인공지능 기술을 활용하여 학생들의 참여, 행동, 결과 등을 분석하고 있습니다. 최근에는 이해, 글쓰기, 지식습득, 기억과 관련된 인지적 과정을 파악하고 교육에 적용하는 연구가 이루어지고 있습니다.
• 도전과 기회(Challenges and opportunities): 지금이라도 학교, 대학 등에서 점점 더 복잡한 인공지능 기술이 사용될 것이라 기대할 수 있습니다. 하지만 이루어지지 않은 이유는 이러한 기관들의 예산과 기술 효과를 증명할 데이터가 부족하기 때문입니다. 다른 인공지능 분야와 마찬가지로 대규모 온라인 강의의 효과에 대한 기대가 종종 비현실적이지만, 새로운 교육 기술의 잠재력에 대한 현실적인 분석도 진행되고 있습니다. 앞으로 15년 동안 인간 교사는 AI의 도움을 받을 가능성이 높습니다. AI 기술은 교실 교육과 자기학습 사이의 경계를 없앨 것입니다. 정규 교육은 사라지지 않겠지만 온라인 학습은 전 세대에 걸쳐 학습의 일부가 될 것입니다. 이러한 발전은 학생들이 그들의 속도에 맞춰 학습할 수 있도록 도울 것입니다. 디지털 미디어로의 전환은 교육에서도 일반화 될 것이며, 디지털 독서 기기는 더 스마트해질 것입니다. 기계 번역은 교육 자료 번역을 편리하게 할 것입니다. 온라인 학습은 성인과 전문가들의 지식 향상에도 활용될 것입니다.
• 더 넓은 사회적 결과(Broader societal consequences): 교육 상황이 열악한 국가에서는 온라인 자료가 긍정적 영향을 줄 것입니다. 반면 부정적인 측면으로는 학생들이 사회적 활동을 온라인으로만 제한한다는 점이 있습니다. 교육이 점점 더 온라인화 된다면 학생들의 사회성 발달에 어떤 영향을 미칠까요?

 

5. 빈곤 지역(LOW-RESOURCE COMMUNITIES)

 

인공지능(AI)은 북미의 일반 도시 빈곤 지역의 상황 개선 가능성이 있습니다. 이는 세계의 다른 빈곤 지역에도 적용될 수 있습니다. AI는 이들에 대해서 크게 주목하지 않았고, 투자자들은 비상업적 분야에 관심을 보이지 않았습니다. 인센티브와 지원을 통해 AI 기술이 빈곤 지역의 요구를 파악하는 데 도움을 줄 수 있습니다.

• 기계학습, 데이터 마이닝 접근(Machine learning, data mining approaches): AI의 예측 모델은 정부 기관이 한정된 예산을 더 효율적으로 사용할 수 있게 도와줍니다.
• 스케줄링, 계획(Scheduling, planning): 일정 분배와 계획 기법은 남은 음식이 부패되기 전에 배분할 수 있도록 사용되어 왔습니다.
• 사회적 관계와 영향 최대화(Reasoning with social networks and influence maximization): 사회적 관계는 대규모 인구를 대상으로한 초기 저비용 접촉에 활용될 수 있습니다. 예를 들어, AI는 건강 관련 정보를 전파하는 데 도움을 줄 수 있습니다. LA에는 5,000명 이상의 청년 노숙자가 있습니다. 개별 접촉은 어렵고 비용이 많이 듭니다. 청년들의 기관에 대한 불신으로 인해 중요한 메시지는 그들 중 리더에 의해 전파됩니다. AI는 이러한 리더를 파악하는 데 도움이 될 수 있습니다.

 

6. 공공의 안전 (PUBLIC SAFETY AND SECURITY)

 

도시들은 공공 안전을 위해 이미 인공지능(AI)을 사용하고 있습니다. 2030년까지 일반적인 북미 도시들은 이에 크게 의존하게 될 것입니다. 잠재적 범죄를 감시하는 카메라, 드론, 정책을 위한 예측 시스템 등이 포함됩니다. 대부분의 이슈에서와 같이, 여기에는 장점과 위험이 있습니다. 대중의 신뢰를 얻는 것이 중요합니다.

 

가장 성공적인 AI 분석 활용 중 하나는 신용카드 사기 같은 화이트 칼라 범죄를 발견하는 것입니다. AI 도구는 경찰이 범죄 현장을 관리하거나 수색, 구조 상황에서 일의 우선 순위를 결정하고 자원을 배분하는 데 도움을 줄 수 있습니다. 현재 전세계에 설치된 카메라는 범죄 해결에 더 사용되는 경향이 있습니다. 이는 비디오를 통한 사건 분석의 질이 낮고 대규모 비디오를 보고 있을 인력이 부족하기 때문입니다. 이 분야의 AI가 발전하면 더욱 정확한 비디오 자동 분석으로 범죄 예방과 기소에 더 큰 도움을 줄 것입니다. 이러한 발전은 감시의 폭을 더 늘리는 효과를 가져올 수 있습니다. 일부 도시는 이미 감시용 드론을 항구, 공항, 해안 지역, 공업 시설 등에 사용하고 있어 프라이버시(Privacy)와 안전 등의 이슈를 야기할 것입니다.

기계학습은 범죄 발생 시점과 장소, 그리고 범죄를 일으킬 가능성이 있는 범인을 예측하는 능력을 크게 향상시키고 있습니다. 이로 인해 죄없는 사람을 지목할 위험이 있지만, 인간의 편견을 줄이거나 없애는 가능성도 있습니다. AI를 사용한 소셜 미디어 데이터 분석으로 위험 요소를 파악할 수도 있습니다. 미국 운수보안국(TSA)을 포함한 기관들은 현재 AI를 사용하고 있습니다. 비전, 스피치 분석, 걸음 분석 등을 활용하여 잠재적 사기와 범죄를 발견하는 데 사용하고 있습니다.

 

7. 고용과 직장(EMPLOYMENT AND WORKPLACE)

 

인공지능(AI) 기술은 북미 지역의 고용과 일터에 큰 영향을 미칠 것이지만, 그 긍정적이고 부정적인 효과를 정확하게 예측하는 것은 어렵습니다. 지금까지 디지털 기술은 여행사 직원과 같은 중급 기술에 영향을 끼쳤습니다. 그러나 AI 기술이 발전할수록 디지털 시스템이 할 수 있는 일의 범위가 점점 늘어나게 됩니다. 또한, AI는 이제까지 없던 전문적인 일을 포함한 많은 범위로 확장되고 있습니다. AI 혁신은 사람들의 불안감을 해결해야 합니다. 추후에는 AI는 직업을 완전히 대체하기보다는 일부 업무를 대체하게 되며, 새로운 직업도 만들어낼 것입니다. 고용에서의 변화는 대체로 조금씩 일어납니다. 이런 추세는 AI가 일터로 천천히 이동하면서 지속될 것입니다. 일부 대체와 증강 사이에서 완전한 대체까지, 다양한 정도의 결과가 나타날 것입니다.

 

AI는 직장의 크기와 위치에도 영향을 미칩니다. 많은 기관의 규모가 큰 이유는 그들의 기능을 확장하기 위해서 인간을 추가해야만 하기 때문입니다. AI가 많은 기능을 대체하면서, 규모가 큰 기관이더라도 확장성이 더 이상 중요하지 않게 됩니다.

 

AI가 인간의 노동을 대신함으로써, 많은 상품과 서비스의 비용이 낮아지며 모두를 더 부유하게 만들 것입니다. 그러나 부를 나누는 것보다 인간에게는 일자리를 잃는 것이 더 중요한 문제입니다. AI는 삶의 질을 향상시키는 도구가 아니라 일자리에 대한 위협으로 인식되곤 합니다. 한 세대 만에 인간의 모든 일을 대체하게 될 AI에 대한 두려움도 있습니다. 이런 급격한 변화는 거의 발생하지 않을 것이지만, AI는 점차 거의 모든 고용 분야에 침투할 것입니다.

 

사람들의 인지능력을 필요로 하는 직업에서 인공지능(AI)의 사용은 제조 분야에서 자동화와 로봇이 인간을 대체하는 것에 비유할 수 있습니다. 많은 중년 노동자들은 높은 월급을 받는 공장 일자리와 함께, 그 일자리와 연관된 사회·경제적 지위도 잃게 되었습니다. 장기적으로 더 많은 노동자가 인지능력이 필요한 일자리를 잃을 수 있습니다. 이러한 변화는 순수히 경제적인 문제가 아니라 정치적인 대응이 필요한 문제입니다.

 

단기적으로 교육이나 새로운 상품 및 서비스 개발 등이 이러한 효과를 줄일 것입니다. 장기적으로 현재의 사회 보장 체계는 의료보험, 교육 또는 기본소득 보장 같은 더 나은 사회 서비스로 전환되어야 합니다. AI를 부를 창출하는 급진적인 새로운 도구로 볼 수도 있습니다. 그리고 AI가 만들어낸 부익부는 모든 사람에게 나눠주어야 합니다. AI 기술의 경제적 성과를 어떻게 나눌 것인지에 대한 사회적 토론은 지금 당장 필요한 것이 아닐 수 있습니다. 전통적인 사회에서 아이들이 부모를 부양했던 것처럼, 우리가 만든 인공적인 “자녀”(AI)들이 “지능”을 가진 그들의 부모인 인간을 부양해야 할 것입니다.

 

8. 엔터테인먼트 ENTERTAINMENT

 

인터넷 없는 일상을 상상하기가 어렵습니다. 인공지능(AI) 덕분에 인터넷은 사용자가 만드는 콘텐츠를 정보와 오락 엔터테인먼트의 원천으로 만들었습니다. 소셜 네트워크 서비스, 온라인 게임, 온라인 커뮤니티 등의 인터넷 규모는 AI 기술이 필요합니다. 전통적인 엔터테인먼트도 AI를 사용하고 있습니다. 프로 스포츠는 이제 데이터를 분석하며, 센서와 카메라를 이용해 현장을 모니터링할 수 있습니다. 컴퓨터 비전과 자연어 처리 기술은 무대 공연에도 쓰이고, 예술 역사 연구에도 적용되고 있습니다.

 

AI 주도 엔터테인먼트에 대한 열광은 인간적 접촉 감소에 대한 우려도 함께 제기합니다. 아이들은 밖에서 친구들과 놀기보다 집에서 게임을 하는 것을 더 좋아합니다. AI는 엔터테인먼트를 더 인터랙티브(상호작용), 개인화, 참여적으로 만들 것이며, 이것을 개인과 사회에 긍정적으로 연결할 방법을 연구해야 합니다.

 

미래 엔터테인먼트를 정확히 예측하기는 어렵지만, 몇 가지 특징은 눈에 띕니다. 소프트웨어 중심의 정보 혁명은 저렴한 센서와 기기의 등장으로 하드웨어 혁신을 가져올 것이며, 가상현실(VR)이나 햅틱 기술 같은 것이 집에서 점점 사용될 것입니다. 음성인식의 발전으로 인간과 로봇, 오락 시스템 간의 대화 기반 인터랙션도 기대할 수 있습니다. 이러한 시스템은 감정, 공감, 환경 적응과 같은 다양한 특성들을 발전시키며, 더욱 세련된 도구와 앱으로 표현이 가능할 것입니다.

 

디지털 형태로 전달되는 컨텐츠와 소비자의 취향과 특성이 포함된 대량의 데이터는 미디어 기관이 개인단위로 분석하여 컨텐츠를 제공할 수 있게 할 것입니다. 미디어 기업이 개인의 생각과 온라인 경험을 컨트롤 할 수 있는 "빅 브라더"가 될 수 있는 것입니다. 사회가 이를 막을 수단을 만들어낼 수 있을지는 지켜봐야 할 일입니다. 이와 관련해서는 다음 섹션에서 더 자세히 다루겠습니다.

 

III. AI 정책의 전망과 제언

 

 

AI 응용 프로그램의 목적은 사회를 위해 가치를 창출하는 것이어야 합니다. 사람들이 AI 시스템을 이해할 수 있는 능력을 향상시키고 AI를 사용하는 데 참여를 늘리는 전략은 신뢰를 쌓고 극단적 실패를 막는 데 도움이 될 수 있습니다. 인간의 능력과 상호작용을 강화하고 차별을 피하기 위해 노력해야 합니다. AI가 가져올 수 있는 광범위한 영향에 대한 새로운 또는 개선된 법이 필요할 것입니다. "더 많은" 또는 "더 까다로운" 규범 대신, 혁신을 장려하고 전문 지식을 창출 및 공유하며, 이러한 기술이 야기할 수 있는 사회적 이슈에 대한 기업과 민간의 책임감을 촉진해야 할 것입니다. 장기적으로는 AI는 부의 창출을 가능케 할 것이고, 이를 통해 AI 기술의 경제적 이익을 어떻게 분배할지에 대한 사회적 논의가 필요하게 될 것입니다.

 

1. 인공지능 정책, 현재와 미래(AI POLICY, NOW AND IN THE FUTURE)

 

인류의 역사 속에서는 항상 새로운 기술을 발명하고 그것에 잘 적응해가고 있습니다. AI(인공지능) 기술도 점차 발전해 나가고 있으며, 현재 우리가 사용하는 것들을 기반으로 발전해서 사용자들에게 더 쉽게 적응되도록 개선될 것입니다. 그렇게 함으로써 기법, 컴퓨팅 파워, 데이터 접근성 등의 발전을 통해 전혀 새로운 어플리케이션을 만들어낼 것입니다. AI 어플리케이션의 성공 여부는 그 가치를 우리의 삶에 얼마나 잘 전달할 수 있는지를 판단하는 척도가 됩니다. 그리고 미래에 사람들이 AI 어플리케이션을 얼마나 쉽게 사용하며 적응할 수 있느냐도 AI 성공의 중요한 기준으로 작용할 것입니다.

 

하지만 반대로, AI는 가끔씩 에러와 실패를 만들어 내는 경우도 있습니다. 그렇기 때문에 사용자들이 이런 결점을 어떻게 받아들이고 이해하는지도 AI의 성공 여부를 판단하는 기준이 될 것입니다. AI가 더 많이 적용되고 중요한 작업에 사용되다 보면 시스템의 실수가 사용자들의 반발을 일으키고 신뢰도에 부정적인 영향을 줄 수 있습니다. 예를 들면 자율주행 자동차는 인간 운전자에 비해 사고 확률이 낮지만, 발생한 사고는 더 큰 주목을 받게 됩니다. 그래서 사용자가 AI 시스템과 그 판단을 더 잘 이해할 수 있도록 하는 디자인 전략은 신뢰를 쌓는 데 도움이 되고, 최악의 실패를 방지할 수 있게 할 것입니다.

또 한 가지 중요한 점은 AI(인공지능) 시스템이 특정 업무를 대체할 때, 사람들의 능력과 사용성에 어떤 영향을 줄 것인지 생각해봐야 합니다. 때로 기계가 인간보다 뛰어난 능력을 보여주기도 하는데, 그럼에 따라 인간의 능력은 줄어들게 됩니다. 예를 들어, 계산기의 등장으로 아이들이 기본적인 계산 능력이 약화된 경우가 있습니다. 그렇지만 인간과 AI는 여전히 서로를 보완하는 능력을 가지고 있습니다. 사람들은 기계가 못 하는 일을 강조하는 경향이 있는데, 이러한 특징들이 서로의 능력을 보완할 수 있습니다.

 

요즘 어린이들은 스마트폰의 개인 비서, 테마 파크의 가상 에이전트 등 AI 어플리케이션에 이미 쉽게 접하고 있습니다. AI가 삶의 자연스러운 일부가 되면서 어린이들은 일찍부터 AI와 상호 작용하면서 인터렉션 능력이 향상될 것입니다. 이로 인해 AI가 사회에 미치는 영향을 받아들이는 방식에서 젊은 세대와 성인 사이에 차이가 생길 수 있습니다. 그리고, AI 기술이 사회 내에서 고르지 않게 분포되면, 기존의 기회 불평등이 더 확대될 수 있습니다. 예를 들어, 음성 번역 기술이 영어에만 적용된다면, 영어를 모르는 사람들은 불리한 상황에 처하게 됩니다.

 

AI 어플리케이션과 그것이 기반으로 하는 데이터는 개발자와 사용자의 편향성을 가지고 있을 수 있는데, 이러한 사실은 기존의 사회적 편견을 더 가중시키고, AI 의 혜택을 어떤 경우에는 불공평하게 쏠릴 수 있게 합니다. 예를 들어, 음성 인식 기술은 여성이나 특정 발음을 가진 사람들에게는 잘 작동하지 않는 경우가 있습니다. 그러나 인간 판단의 편향성과 비교하면, AI 기반의 판단 도구는 대출 승인이나 어떤 사람을 구속할지 등의 결정 과정에서 편향성을 크게 줄일 수 있는 가능성을 가지고 있습니다.

 

또한, AI 기반 감시와 관련해서 개인의 프라이버시(privacy) 측면에서의 이슈도 발생할 수 있습니다. 편향성과 프라이버시와 관련된 문제는 개인적이고 사회적인 도덕과 가치 판단이 깊이 관련되어 있기 때문에, 이에 대한 논의는 계속해서 늘어날 것이며, 바로 해결하기 어려운 문제들이 많습니다. AI가 큰 부를 창출하고 있지만, 특히 AI 전문 지식과 그 데이터가 소수의 대기업에 집중되어 있는 상황에서, 이러한 기술의 경제적 이익을 어떻게 나누어 가져갈 것인지에 대한 논의도 점점 더 확산될 것입니다.

 

AI 기술의 개인적이고 사회적인 영향에 대한 논의와 관련해서, 다음과 같은 세 가지 일반적인 정책을 제안합니다.:

 

• 모든 정부 차원에서 AI 전문 지식을 축적하기 위한 계획을 세워야 합니다. AI 기술, 정책 목표, 전반적인 사회적 가치 사이의 상호 작용을 분석하고 이해할 수 있는 전문가의 수가 더 많이 필요합니다.
• AI 시스템의 공정성, 안전, 프라이버시, 사회적 영향에 대한 연구를 어렵게 하는 요소를 제거해야 합니다.
• AI의 사회적 영향에 대한 다학제적 연구를 지원하기 위해 공적이나 사적인 지원을 늘려야 합니다.

 

2. 정책적, 법적 고려사항(Policy and legal considerations)

 

AI와 법의 상관 관계를 통합적으로 검토하는 것은 이 리포트의 범위를 벗어나지만, 단기, 중기, 장기적으로 어떠한 법적인 가정이라도 AI에 의해 도전받을 수 있는 가능성이 있다는 점은 명확해 보입니다. 법과 정책이 어떻게 AI 발전에 적응하고, AI가 법과 정책에 반영된 가치에 적응할지는 다양한 사회적, 문화적, 경제적 요소 등에 좌우될 것이고 관할 지역에 따라서도 차이를 보일 것입니다.

 

AI가 다양한 맥락에서 일으킬 수 있는 법적/정책적 이슈를 넓은 분류로 열거해볼 수는 있을 것입니다.

 

3. 프라이버시(Privacy)

 

AI에 의한 결정과 예측 과정에서 개인의 사적 정보가 노출 될 수 있습니다.

 

4. 혁신 정책 (Innovation policy)

 

협력을 촉진시켜 AI 혁신을 장려하는 것과 제3자에 의한 위해를 막는 것 사이의 적절한 균형을 유지하는 것이 중요할 것입니다.

 

5. 공민에 관한 책무 (Liability (civic))

 

AI가 개발자가 예상하지 못한 방법으로 동작할 수 있다는 전망은, 민사법에서 예측 가능한 손해에 대해서만 보상해야 한다는 원칙에 도전적으로 작용할 수 있습니다. 법원에서 인간 행위자에게 임의로 책임을 물을 수도 있고, 반대로 AI가 일으킨 손해를 예측할 수 없었다는 이유로 책임을 인정하지 않을 수도 있습니다. 기계의 행위로 인한 인간의 책임이 줄어들 경우, 제품 책무의 역할이 커질 가능성이 높아집니다.

 

6. 범죄에 관한 책무 (Liability (criminal))

 

만약 불법 행위법이 상해가 예측가능해야 한다고 본다면, 형법은 더 나아가 상해가 의도적이어야 한다고 봅니다. 미국법은 특히 의도에 상당한 무게를 두고 있습니다. AI 어플리케이션이 인간이 했더라면 범죄로 여겨질 수 있는 행위에 참여함에 따라, 법원은 어떤 이론에 기반하여 누구에 책임을 물을 것인지 고민해야 할 것입니다.

 

7. 에이전시 (Agency)

 

상기의 이슈는 AI 시스템이 사람 혹은 기업의 대리자로서 기능할 수 있는지 혹은 어떤 상황에서 기능할 수 있는지에 대한 질문을 야기시킵니다.

 

8. 자격 (Certification)

 

“인공 지능”이라는 개념은 인간의 기술과 독창성의 대체를 의미합니다. 운전이나 수술을 집도하는 데 있어서 인간은 반드시 어떤 자격이나 면허를 획득 해야만 합니다. 따라서 법과 정책은 AI 시스템의 역량을 어떻게 평가할지 고민해야 합니다.

 

9. 노동 (Labor)

 

AI가 인간의 역할을 대체함에 따라 일부 일자리는 사라지고 새로운 일자리가 생겨날 것이다. 일자리와 관련한 결과가 어떻게 될지는 아직 불분명합니다. 하지만 노동 시장은 모두에게 공평하게 작용하지 않을 것입니다. 몇몇 종류의 기술과 능력에 대한 수요는 현저하게 줄어들 것이고 그와 관련한 기술을 지닌 사람들의 고용율과 임금에 부정적인 영향을 끼칠 것입니다. AI 때문에 고용에 영향을 받거나 일자리를 잃은 사람들은 입법기관과 법원에 호소할지도 모릅니다. 어쩌면 세계 최대 고용법 법률회사인 리틀러 멘델슨(Littler Mendelson, LLP)이 로보틱스와 인공지능을 위한 부서를 갖고 있는 이유인지 모릅니다.

 

10. 조세 (Taxation)

 

인간 대신 AI를 이용해서 업무를 처리하는 것이 더 빠르고 정확할 수 있습니다. 그리고 고용 세금을 피할 수 있습니다. 주 예산의 급여와 소득 세금에 대한 의존 정도에 따라, 이러한 변화는 불안정을 야기시키며 AI는 인간과 다른 “습관”을 보일 수 있고, 그 결과 세금 부과 영역을 감소시키게 될 수 있습니다. 예를 들어서 자율 주행 자동차가 속도 위반이나 주차 위반을 하지 않도록 만들 수도 있는 것입니다.

 

11. 정치 (Politics)

 

“자동녹음전화”(robocall)나 소셜미디어의 봇(bot) 등 이미 AI 도구는 정치적 영역에서 사용되고 있습니다.

 

위에서 제시한 리스트는 완전한 것이 아니며, 미국 내의 정책에 초점을 맞추고 있습니다. 여기서 배울 수 있는 것은, 현재 AI를 특정한 상황에 맞춰 규제하는 방식과 산업계 및 사회 전체에서 관심을 받는 AI 기술 관련 주제들을 좀 더 포괄적으로 고려하는 사이의 간극이 크다는 것입니다. AI 전문 지식을 축적하고 다양한 맥락에서 적용되는 AI 표준을 설정하기 위해 새로운 기관을 만드는 것이 좋아 보일 수 있습니다. 그러나 AI에 대한 명확한 정의가 없고, 위험과 고려사항은 분야에 따라 다양하기 때문에, "AI"라는 범주 전체를 규제하려는 시도는 오히려 부정적인 결과를 초래할 수도 있습니다. 대신, 정책 입안자들은 여러 산업 부문이 시간이 지남에 따라 다양한 수준에서 명확한 규칙이나 정적인 기준이 필요하다는 점을 인식해야 합니다. 정부는 표준과 기술을 연구하고 필요한 규칙을 세우는 데 필요한 전문가들을 확보해야 할 것입니다.

 

11. 미래를 위한 가이드라인 (Guidelines for the future)

 

AI 기술의 깊은 변화에 직면하게 됨에 따라 "더 많은" 또는 "더 엄격한" 법규를 요구하는 압력은 불가피하게 느껴질 것입니다. AI인 것과 아닌 것에 대한 정확한 판단이 미흡하면, 그로 인해 모두에게 도움이 될 수 있는 기술에 대한 부정적인 인식이 확산될 수 있습니다. 이는 매우 아쉬운 일이 될 것입니다.

 

다행히도, 현재 디지털 기술에 대한 성공적인 법률 원칙들을 참조할 수 있습니다. 프라이버시(privacy)와 관련해 스페인이나 프랑스처럼 엄격하고 세부적인 규정을 가진 국가에서는, 기업들이 프라이버시 준수를 법적 의무로 보고 벌금을 피하기 위해 집중했습니다. 이로 인해 혁신과 프라이버시 보호 모두가 저해되는 결과를 가져왔습니다. 그와 반대로, 미국과 독일의 애매한 목적과 엄격한 투명성 요구 사항은 기업들에게 프라이버시를 책임으로 여기게 만들었습니다.

 

AI 분야의 창의력을 격려하면서, AI를 우리의 삶과 사회에 더 윤택하게 하는 방향으로 이끄는 논의가 중요하고 시급합니다. 정책 평가의 기초는 AI의 혜택을 공정하게 분배하고, AI 발전을 민주적으로 이루어지게 해야 합니다. 미래 AI 기술과 그 영향을 완벽하게 예측할 수 없기 때문에, 정책은 점차적으로 재검토되어야 합니다.

 

AI와 관련한 상당한 발전은 지난 15년 동안 이미 북미 도시에 큰 영향을 미쳤습니다. 앞으로 15년 동안 훨씬 더 중요한 발전이 일어날 것입니다. 최근의 발전은 인터넷을 통해 가능해진 대량 데이터의 증가와 분석, 센서 기술의 발전과 최근의 “딥러닝”이라는 기술에 근거합니다. 앞으로 교통, 의료 등의 분야에서 사람들이 새로운 AI 어플리케이션을 경험하게 될 것이므로, 신뢰와 이해를 구축하고 인권을 존중하는 방식들이 마련되어야 합니다. 혁신을 독려하면서, 정책과 개발 과정에 있어서 윤리, 프라이버시(privacy), 안전을 고려하고, AI 기술의 이익이 공정하게 분배되도록 해야 합니다. 이러한 접근 방식은 2030년 이후의 북미 도시에서 AI가 긍정적인 영향을 가져올 수 있도록 하는데 매우 중요한 역할을 할 것입니다.