AI 시대, 인간의 호기심

호기심은 인류의 놀라운 성공을 이끄는 원동력이었다. 우리가 현 상태에 의문을 제기하고 미지의 세계를 탐구하도록 강요함으로써 이러한 타고난 학습 욕구는 우리의 가장 위대한 업적 중 일부를 촉발시켰고 인류 역사의 과정을 형성했다.
AI가 우리 삶을 빠르게 변화시키고 있는 세상에서 인간의 호기심이 그 어느 때보다 필요하다는 것은 당연해 보일 수 있다. 그러나 인간의 호기심을 옹호하는 대부분의 주장은 사실상 AI가 인류를 따라잡지 못할 것이라고 스스로를 안심시키려는 시도이다.

 

예를 들면,

• AI의 능력이 가치 있는 과제를 향해 나아가도록 하려면 인간의 지도가 필요하다.
• AI 결과를 의미 있는 방식으로 해석하고 실제 상황에 적용하려면 인간의 호기심이 필요하다.
• AI가 할 수 있는 영역을 계속 확장하는 방법을 구상하려면 인간의 호기심이 필요할 것이다.

 

이 모든 주장은 논쟁의 여지가 있다. 사실 AI에는 인간의 호기심이 전혀 필요하지 않을 수도 있다. 그러나 AI 시대에 그 어느 때보다 인간의 호기심이 필요한 데는 설득력 있는 이유가 있으며, 이는 인간과 AI의 호기심 사이의 근본적인 차이에서 비롯된다.

 

 

 

 

 

 발견의 이중 엔진

인간과 AI 호기심의 서로 다른 역할을 이해하기 위해서는 비교 프레임워크를 통해 그들의 고유한 특성을 살펴보는 것이 도움이 된다는 것을 알았다. 이 프레임워크는 호기심의 세 가지 주요 측면(처리, 관점, 목적)을 살펴보고 이러한 차원에서 인간과 AI가 어떻게 다른지 조사한다.

 

정보를 처리하는 보다 직관적인 방법 덕분에 인간은 분명하지 않은 연결을 통해 뜻밖의 발견을 할 수 있다.
이러한 직관적인 처리 덕분에 알렉산더 플레밍(Alexander Fleming)은 포도상구균 박테리아가 들어 있는 오염된 페트리 접시가 곰팡이의 성장에 의해 억제되었다는 사실을 알아차렸고, 그 결과 1928년 페니실린이 발견되고 항생제가 개발되었다.

대조적으로, AI 호기심은 계산적이며, 대량의 정보를 효율적으로 처리하여 숨겨진 패턴과 상관관계를 밝혀내는 데 탁월하다. 이것이 바로 AI가 신약 발견을 위한 강력한 도구인 이유이다.

딥마인드(DeepMind)가 개발한 AI 시스템인 알파폴드(AlphaFold)는 단백질 구조를 정확하게 예측하여 과학자들이 기록적인 시간 내에 약물을 설계할 수 있도록 함으로써 약물 발견에 혁명을 일으켰다.
인간 호기심의 주관적 특성을 통해 우리는 다양한 관점과 도덕적 의미를 고려하고 아이디어를 탐색할 때 풍부하고 공감적인 맥락을 통합하여 실제 상황의 미묘한 차이를 파악할 수 있다. 이러한 호기심이 포용적 교육, 공감적 디자인, 지속 가능한 패션을 탄생시켰다.

반면에 AI 호기심은 객관적이고 사실 기반의 관점에서 작동한다.(훈련 데이터 세트가 항상 편견을 주입하기 때문에 이는 의문의 여지가 있음)

이러한 "중립적" 렌즈는 인간의 편견을 완화하는 데 도움이 될 수 있지만 비인간적인 해결책으로 이어질 수도 있다.

기후 위기를 해결하는 임무를 맡은 AI는 현재 인간 활동이 기후 변화의 주요 원인으로 간주된다는 점을 고려할 때 인간을 제거하는 것이 가장 효과적인 해결책이라고 제안할 수 있다.

 

마지막으로, 탐구하려는 인류의 본질적인 동기는 즉각적인 실제 적용이 불가능할 수도 있지만 획기적인 발견과 혁신으로 이어질 수 있는 질문과 아이디어를 추구하도록 유도할 수 있다.

1965년 아르노 펜지어스(Arno Penzias)와 로버트 윌슨(Robert Wilson)이 우주 마이크로파 배경 복사를 발견한 것은 호기심을 위해 탐험하던 중 이루어진 획기적인 발견의 한 예이다.
펜지어스와 윌슨은 전파 망원경을 사용하여 우주의 신호를 연구하던 중 설명할 수 없는 지속적인 배경 소음을 발견했다. 이 소음은 빅뱅의 잔재로 밝혀졌다.

AI 호기심은 더욱 착취적이며 실질적인 결과를 달성하는 데 맞춰져 있다. IBM의 프로젝트 디베이터 AI(Project Debater AI)는 논의된 주제의 미묘한 차이를 진정으로 탐구하기보다는 경쟁적인 토론에 참여하는 것을 목표로 한다. OpenAI의 DALL·E 모델은 창의적인 프로세스 자체를 탐색하기보다는 정확한 표현을 생성하는 것을 목표로 텍스트 설명을 기반으로 이미지를 생성하도록 훈련되었다.

AI 호기심은 체계적이고 무관심하며 결과 지향적이다. 이는 매우 효율적이다. 이것이 바로 우리에게 인간의 호기심이 그 어느 때보다 필요한 이유이다. 우연한 발견, 공감, 무한한 창의성을 불러일으키는 일종의 호기심이다. 다행히 인간과 AI의 호기심은 상호 배타적이지 않다.

 

 

 

 

 

 호기심을 증폭시키다

인간과 AI의 호기심을 결합함으로써 우리는 그들의 독특한 강점을 활용하여 우리의 창의적 잠재력을 더욱 강화할 수 있다. 인간 호기심의 직관적인 특성은 AI 호기심의 계산 능력과 협력하여 발견을 가속화하고 혁신을 주도할 수 있다.

연구자는 AI 도구를 사용하여 방대한 양의 데이터를 효율적으로 처리하고 숨겨진 패턴을 식별하는 동시에 인간의 직관을 적용하여 예상치 못한 연결을 탐색하고 새로운 가설을 생성할 수 있다.
이러한 협력적 접근 방식에서 AI의 공정한 접근 방식은 인간의 편견을 완화하는 데 도움이 될 수 있으며, 연구자의 개인적인 경험과 윤리적 고려 사항은 AI에서 생성된 결과를 번역하는 데 중요한 맥락을 제공할 수 있다.

AI는 새로운 의약품의 발견을 가속화할 수 있지만, 환각 치료에서 설정과 설정의 중요성을 이해하게 된 것은 인간의 호기심이었다. 사이키델릭 경험이 발생하는 환경이 치료 결과에 심오한 영향을 미칠 수 있다는 생각은 주관적인 경험에서 공감하고 맥락화하고 의미를 도출하는 능력에서 태어난 명백히 인간의 통찰력이다.

건축에서 AI의 컴퓨팅 능력은 방대한 설계 공간을 효율적으로 검색하여 주어진 제약 조건에 대한 최적의 재료, 구조 및 레이아웃을 식별할 수 있다. 이는 보다 에너지와 비용측면에서 효율적이고 탄력적인 건물로 이어질 수 있다.
그러나 이러한 디자인이 기능적일 뿐만 아니라 미적으로 즐겁고 문화적으로 관련 있는 방식으로 어떻게 생생하게 구현될 수 있는지 상상하려면 인간의 호기심이 필요하다. 예를 들어 공동체 의식을 조성하거나 거주자의 고유한 정체성을 반영하는 것이다.

궁극적으로 우리는 뇌가 어떻게 아이디어를 생성하는지, 인간 인지와 인공 인지를 근본적으로 구별하는 것이 무엇인지 거의 이해하지 못한다. 우리가 인지에 대해 아직 발견하지 못한 부분이 얼마나 많은지를 고려하면, 자신 있게 호기심을 AI에 양보하는 것은 시기상조일 것이다.

그 사이에 우리는 인간과 AI 호기심 사이에 강력한 시너지 효과를 만들어 복잡한 문제를 해결하고 인간적이고 기술적으로 진보된 솔루션을 만들 수 있다. 인간과 AI 호기심 사이의 협업을 지원하는 플랫폼을 만들어야 한다.
여기에는 인간의 호기심을 대체하기보다는 증대시키는 AI 시스템을 개발하는 것이 포함되어 지식 근로자가 AI를 워크플로에 쉽게 통합할 수 있다. 이는 또한 학교, 가정, 직장에서 본질적으로 동기 부여된 지적 탐구를 통해 인간의 호기심을 키우는 교육 및 환경 설계에 투자하는 것을 의미한다.

AI 시대 인간 호기심의 미래는 제로섬 게임이 아니다. 인간과 AI 호기심의 고유한 강점이 서로를 기반으로 강화되는 발견의 선순환을 만들 수 있는 기회이다. 그것은 공유된 목적지를 향한 여정일 수 있다.

출처 Ness Labs: Human Curiosity in the Age of AI

---

▶ 함께 읽으면 좋은 글

[▶ 직장인/직장인 정보] - 독서를 매일 하면 생기는 놀라운 효과

[▶ 직장인/직장인 정보] - 우리가 바쁜 일에 중독되는 이유