인공지능AI 시대의 직업 환경과 직업교육

Frey & Osborne(2013)의 분석이 직종별로 자동화 가능성이 동일하다는 전제 아래서 이루어진 것에 한계가 있다고 보고, Arntz et al.(2016)는 동일 직종 내 근로자라도 과업 구조에 따라 다른 측면을 고려하여 개인의 스킬 활용에 관한 정보를 가지고 직업별로 접근하여 자동화 가능성을 전망했다. 그들은 OECD 21개국의 2012년 국제 성인역량 조사(PIAAC) 데이터를 이용하여 자동화 위험 지수를 계산했다. 국제 성인역량 조사에는 개인별 역량에 대한 직접평가 결과뿐만 아니라, 개인의 직업 및 노동시장 참여, 교육훈련에 관한 방대한 정보가 포함되어 있다. 국제 성인역량 조사에 포함된 개인 별 스킬 활용에 대한 데이터를 바탕으로 자동화 확률을 계산한 후에 직업 수준에서 종합하여 자동화 위험 지수를 계산했다. 병렬처리 기술의 발달만으로 자연어 이해 또는 이미지 해석과 같이 복잡한 작업을 수행하는 것은 가능하지 않다. 이를 위해서는 수많은 고차원적 정보를 병렬처리가 가능한 방식으로 구조화하는 알고리즘의 개발이 선행되어야 한다. 인공지능 과학자들은 그 해답을 인간의 뇌의 작동 방식에서 발견했다. 즉, 인간의 뇌는 외부 자극을 처리할 때 수많은 관련 뉴런들이 동시에 활성화하고, 유사한 자극에 대한 처리를 반복할수록 뉴런들 간의 시냅스 결합이 강화되면서 시냅스 활성화에 있어서 일정한 패턴을 형성하는 방식으로 작업 수행 방법을 학습한다. 컴퓨터 역시 수많은 노드(뉴런)들의 결합(시냅스)으로 구성된 인공신경망 (Artificial Neural Network)이 학습을 통해 노드 간의 결합 가중치를 변경시키는 방법으로 정보처리 능력을 획득한다. 따라서 심층신경망은 층위의 수준에 따라 고차원적 정보의 해석이 가능하며, 이를 통해 복잡한 정보들의 패턴을 발견하고 이를 군집화할 수 있다. 즉, 각각의 얼굴을 인식하는 것뿐만 아니라 얼굴들 간의 공통점과 차이점을 발견함으로써 여자와 남자, 미국인과 한국인, 건강한 사람과 아픈 사람들을 분류할 수 있다(DL4J, 2017). 과학기술의 발전이 지속된다고 가정할 때 심층신경망은 더욱 복잡한 데이터를 군집화하는 매우 효율적인 모델로 성장할 것으로 기대된다. 이는 인공지능이 여러 분야에서 다양한 역할을 담당할 수 있음을 의미 한다. 예를 들어, 인공지능은 특정 서비스에 쉽게 만족하는 고객과 그렇지 않은 고객을 높은 정확도로 구분해낼 것이다(DL4J, 2017). 또한 인공지능은 유전, 생활습관, 학력, 직업 등 가능한 모든 요소를 고려하여 개인의 암발생률을 예측할 수 있을 것이다(DL4J, 2017). 즉, 심층 신경망 알고리즘은 인공지능의 능력을 우리가 상상할 수 있는 이상으로 끌어올리는 데 필요한 딥러닝의 핵심 기술이라고 할 수 있다. 인간의 감정에는 이런 기본 감정 이외에도 자부심, 죄책감, 부끄러움과 같은 자의식 기반 감정(self-conscious emotion)이 존재한다. 현상에 대한 이해(예, 친구들 앞에서 실수를 했다)와 신체적 반응(예, 홍조)이 동반된다는 점에서 자의식 기반 감정과 기본 감정은 동일하다. 그러나 기본 감정과 다르게 자의식 기반 감정은 타인과 구별되는 개체로서의 자아인식이 선행되어야만 가능하다. 따라서 “인공지능이 자부심, 죄책감, 부끄러움 같은 감정을 느낄 수 있는가”라는 질문은 “인공지능에게 자아인식이 가능할 것인가”라는 질문으로 치환된다. 심리학자들에 따르면 인간의 자의식은 나를 주변 환경으로부터 분리하는 경험으로부터 발생한다. 아기가 자신의 팔은 움직일 수 있지만, 천장에 매달린 모빌을 움직이지 못하는 상황을 반복적으로 경험하면서 ‘나’와 ‘모빌’을 분리된 개체로 인식하게 되는 것이다. 로봇의 감각기능의 발달은 서로 다른 감각 센서의 발달에 의존한다. 후각의 경우 1982년 이래로 기계후각(Machine olfaction) 또는 전자코(Electronic nose, e-nose)라고 불리는 후각 센서가 꾸준히 발달되어 왔다. 인간이 냄새를 맡는다는 것은 공기 중에 존재하는 화학물질을 감지하는 것이다. 이와 유사하게 기계후각은 기체 상태 화합물의 조합 패턴을 인식하고 이를 특정 냄새와 연결하는 방식으로 작동한다. 따라서 바람과 같은 장애 요인을 효율적으로 극복하는 기술 발달 등과 함께, 더욱 다양한 패턴의 화학물질을 인식 할수록 기계후각의 감지 능력은 인간의 후각과 유사한 수준 또는 그 이상에 이를 것으로 예상된다. 현재 기계후각은 실험실이나 산업 현장에서 시약 등을 관리하고, 음료나 식품의 품질을 향상시키며, 공기 중의 오염물질을 모니터링하는 등의 용도로 활용되고 있다. 멀지 않은 미래에는 로봇이 후각으로 암을 조기 진단하고, 전쟁 상황에서 폭발 위험이 있는 물질을 발견하고 직접 이를 제거하는 등 더욱 광범위한 영역에서 활용될 것으로 기대된다(전승우, 2015). 후각과 마찬가지로 전자혀(Electronic tongue, e-tongue)라고 불리는 미각 센서는 액체 상태의 화학물질들의 조합을 단맛, 짠맛 등의 인간이 느끼는 맛과 관련지어 인지하는 방식으로 작동한다. 현재 전자혀는 화학물질의 조합을 인식함으로써 수십 종류의 와인을 구분해 내는 수준에 이르렀다. 그러나 인간이 맛을 느끼는 것은 미각의 작용만이 아니라, 미각·후각·시각· 촉각 그리고 과거 관련 경험에 대한 기억의 복합적 작용의 결과인 만 큼 로봇이 인간 수준의 미각을 가지려면 아직 시간이 필요한 듯하다. MOOC란 대규모 온라인 공개강좌(Massive Open Online Course)로서 지능정보 기술과 결합되었다는 점, 다양한 상호작용이 가능한 체제라는 점에서 기존의 온라인 강좌와 질적으로 다르다. 그 안에서 작은 단위로 구성된 강의를 바탕으로 질문과 토론을 하고, 학습 커뮤니티에 참여하는 등의 상호작용이 활발하고, 평가 및 인증이 가능한 시스템이 다. MOOC는 미국에서 선도적으로 개발, 운영되고 있고, 영어의 통용성 덕분에 전 세계 학습자가 이용하고 있다. MIT와 하버드대가 공동 설립한 edX는 대부분의 서비스를 무료로 제공하고 있다. 전 세계 64개 대학과 비영리 기구들이 참여하여 400개 이상의 강좌를 제공하고 있다. Udacity는 AT&T, Google, Facebook 등과 제휴해 직원들에게 유료 강의 서비스를 제공하는 사업에 집중하고 있으며, Coursera는 자사의 양질의 유료 교육과정을 이수한 구직자 와 구인 기업을 연결하는 서비스 등 수익모델을 개발하고 있다.