인공지능(AI)의 세계적 권위자인 앤드루 응(57) 미국 스탠퍼드대 교수가 20일 카카오 판교자이트에서 강연을 열었습니다. 챗GPT를 비롯한 AI 기술 혁명의 기초가 되는 기술을 개발했던 인물로, 요슈아 벤지오(몬트리올대), 제프리 힌턴(토론토대), 얀 르쿤(뉴욕대) 교수와 함께 AI의 세계 ‘4대 구루(guru·권위자)’로 꼽히는 그는, 네 사람 가운데 AI 기술 발전 도입과 확대를 가장 강력히 주장하는 AI 긍정론자입니다. 제프리 힌턴 교수가 ‘AI 기술 발전 중단’을 주장하는 AI 규제론자가 된 것과 달리 말이죠. 

그는 미국 구글, 중국 바이두에서 두 회사의 AI 기술 및 서비스의 뼈대를 만들었고, 2012년 미국 최대 온라인 교육 사이트 코세라를 창업하거나 AI 펀드를 운영하는 등 기술을 적극적으로 활용하는 인물로도 꼽힙니다. 그가 생각하는 AI의 미래에 대한 생각을 들어봤습니다. 실제 수차례 창업했던 응 교수가 창업에 대해 갖고 있는 생각도 나옵니다. 응 교수가 이번 방한에서 다른 장소에서도 강연을 수차례 했는데, 특히 카카오 강연이 좋았던 것 같습니다. 카카오 크루들의 날카로운 질문 덕분인 것 같습니다. 응 교수도 '좋은 질문입니다'라는 말을 수차례 하더군요. 이번에도 강연 전문을 실었고, 인공지능의 도움을 받았습니다. 

저는 수년 동안 AI가 새로운 전기라고 말해왔습니다. AI는 범용 기술이기 때문에 한 가지 용도로만 유용한 것이 아니라 전기처럼 다양한 작업에 유용합니다. 그래서 제가 AI에서 볼 수 있는 몇 가지 기회에 대해 여러분과 이야기를 나누고자 합니다.

이 도표는 현재와 3년 후를 내다보며 몇 가지 AI 기술에서 얻을 수 있는 가치가 무엇이라고 생각하는지 보여줍니다. 현 시점에서 가장 중요한 두 가지 AI 기술은 지도 학습과 제너레이티브 AI라고 생각합니다. 사물에 라벨을 붙이는 데 매우 능숙한 지도 학습은 오늘날 엄청난 가치를 지니고 있습니다. Google과 같은 단일 기업의 경우 연간 1,000억 달러 이상의 가치를 지니고 있으며, 여러분을 포함한 수백만 명의 개발자가 이 분야에서 일하고 있기 때문에 앞으로도 계속 성장할 것입니다. 제너레이티브 AI는 많은 응용 분야를 가진 새로운 도구입니다.

그 외에도 몇 가지 다른 도구가 있는데, 이 도구의 장점을 알고 계신다면 이 프레젠테이션에서 다룰 필요가 없을 것입니다. 하지만 이 서클이 오늘날 이러한 기술의 가치를 보여준다면 3년 후를 내다보면 이렇게 성장할 것이라고 생각합니다. 지도 학습은 더 많은 사람들이 연구하고 있기 때문에 그 가치가 두 배로 늘어날 수 있습니다. 따라서 현재보다 훨씬 더 큰 규모로 성장할 것입니다. 제너레이티브 AI는 지금은 훨씬 작지만 두 배 이상 성장할 것이라고 생각합니다.

이 프레젠테이션에서 한 가지 알아두셨으면 하는 것은 AI 기술은 범용 기술이기 때문에 다양한 업무에 유용하다는 점입니다. 지도 학습을 통해 창출할 수 있는 가치는 여전히 무궁무진합니다. 하지만 아직 지도 학습의 사용 사례를 다 파악하지는 못했지만, 이제 또 다른 도구인 제너레이티브 AI가 있습니다. 따라서 이제 AI로 할 수 있는 일의 범위가 훨씬 더 넓어졌습니다.

하지만 한 가지 중요한 주의 사항이 있는데, 바로 단기적인 유행이 있을 수 있다는 점입니다. 예를 들어, 자신의 사진 몇 장을 업로드하면 우주비행사나 과학자로 변신한 멋진 그림을 그려주는 Lensa라는 앱을 생각해 보세요. 이 앱의 수익이 급상승했다가 갑자기 폭락했습니다. Lensa는 매우 강력한 API 위에 구축된 매우 얇고 단순한 소프트웨어 계층이었기 때문이라고 생각합니다. 좋은 아이디어였지만 장기적으로 지속 가능한 사업은 아니었습니다.

마지막으로 기술 플랫폼이 크게 바뀌었을 때, 스티브 잡스가 아이폰을 내놓았을 때 누군가가 실제로 앱을 만들었고 저는 1.99달러를 지불하고 LED 손전등을 켰습니다. LED 조명을 켜서 손전등으로 만드는 것은 좋은 아이디어였지만 장기적으로 지속 가능한 비즈니스는 아니었습니다. 하지만 우리가 휴대전화를 받았을 때 누군가가 장기적으로 지속 가능한 비즈니스인 AirBnB, Uber, Tinder를 구축하는 방법을 알아낸 것처럼 말입니다.

이제 우리는 제너레이티브 AI를 기반으로 오랫동안 모두를 위해 가치를 창출할 수 있는 정말 깊고 어려운 비즈니스를 구축할 수 있는 기회를 얻게 되었다고 생각합니다. 따라서 범용 기술로서의 AI가 많은 기회를 제공한다는 점을 한 가지 트렌드로 삼았으면 합니다.

제가 여러분과 공유하고 싶은 두 번째 트렌드는 우리가 15년, 10년, 15년 동안 AI에 대해 이야기해 왔음에도 불구하고 왜 아직 소비자 소프트웨어 인터넷 외부에서 더 널리 채택되지 않는가 하는 점입니다. 현재 진행 중인 프로젝트와 잠재적인 AI 프로젝트를 가치 감소 순서대로 정렬하면 다음과 같은 곡선을 그릴 수 있습니다.

이 곡선의 왼쪽에는 대형 기술 기업의 온라인 광고, 웹 검색, 온라인 제품 추천과 같은 가장 가치 있는 프로젝트가 있습니다. 구글, 마이크로소프트, 카카오, 네이버와 같은 대형 기술 기업이라면 100명의 엔지니어를 고용해 하나의 소프트웨어를 개발할 수 있고, 더 관련성 높은 온라인 광고를 만들 수 있으며, 하나의 소프트웨어를 1억 명 또는 10억 명의 사용자에게 적용하여 막대한 금전적 가치를 창출할 수 있다는 것이 밝혀졌습니다.

하지만 저와 제 친구들이 약 10년 전에 개발한 이 방법은 소비자 인터넷을 벗어나면 효과가 없다는 것이 밝혀졌습니다. 왜냐하면 다른 곳에서는 소프트웨어 하나를 적용할 수 있는 천만 또는 1억 명의 사용자를 보유한 기업이 거의 없기 때문입니다.

예를 들어, 피자 제조 공장에서 치즈가 고르게 뿌려졌는지 확인하기 위해 피자 사진을 찍어야 하는 프로젝트를 진행 중입니다. 이 프로젝트는 약 500만 달러 규모의 프로젝트이지만, 500만 달러 규모의 프로젝트를 위해 100명의 엔지니어를 고용할 수는 없습니다.

또는 밀 수확을 고려해보세요. 이미 재배된 밀밭이 있는 경우 농업 회사와 협력하여 밀의 키를 예측하고 적절한 높이에서 밀을 잘라내면 농부가 판매할 수 있는 수확량을 늘릴 수 있다는 사실을 알아냈습니다. 그리고 이것은 환경에도 더 좋습니다. 하지만 이것은 기존 방식으로는 불가능한 500만 달러 규모의 또 다른 프로젝트입니다.

재료 등급 분류, 천 등급 분류, 판금 등급 분류에도 동일하게 적용됩니다. 이 곡선의 왼쪽에는 우리가 구축하는 방법을 알고 있는 수십억 달러 규모의 프로젝트가 있는 반면, 이 곡선의 오른쪽에는 우리가 총체적으로 어려움을 겪고 있는 수만 개의 5백만 달러 규모의 프로젝트가 있습니다. 하지만 오른쪽 꼬리 부분에 있는 모든 프로젝트의 총 가치는 머리 부분에 있는 소수의 프로젝트보다 훨씬 더 가치가 있다고 생각합니다.

문제는 어떻게 이 모든 프로젝트를 완수할 수 있을까요? 그래서 제가 언급하고 싶은 두 번째 트렌드는 더 나은 도구입니다. 로우코드, 노코드 툴을 통해 사용자는 자신만의 AI 시스템을 커스터마이징할 수 있게 되었습니다. 예를 들어, 피자 프로젝트를 위해 10명의 엔지니어를 고용할 필요 없이 피자 제조 공장의 IT 부서에서 자체 AI 시스템을 커스터마이징하여 이러한 가치를 창출할 수 있을 정도로 도구가 쉬워지고 있습니다.

그런데 피자 사진은 공장 내부에만 존재하고 인터넷에는 존재하지 않습니다. 따라서 구글, 빙 등에서는 이 사진에 액세스할 수 없습니다. 하지만 프롬프트 기반 도구와 데이터 중심 AI 도구를 사용하면 이제 이런 일이 가능해졌습니다.

아직은 소비자용 소프트웨어 인터넷에 집중되어 있는 AI를 다른 많은 산업 분야로 확장할 수 있다는 점에서 매우 흥미롭습니다.

제가 작업해 온 것 중 하나에 대해 간단히 말씀드리자면, 약 5년 전부터 가치 있는 AI 프로젝트가 많이 가능해졌다고 느꼈습니다. 제가 풀고 싶었던 퍼즐은 어떻게 하면 이 다양한 프로젝트를 모두 완수할 수 있을까 하는 것이었습니다. 구글과 바이두에서 AI 팀을 이끌었던 저는 구글, 바이두, 그리고 카카오와 같은 다른 기술 회사들이 AI를 활용할 수 있는 환상적인 기회를 많이 가지고 있다고 느꼈습니다. 하지만 대형 기술 회사에서 팀을 운영하면서 제가 원하는 다양한 기회를 쫓아갈 수 있는 방법을 알 수 없었습니다.