인공 지능은 틀림없이 우리 시대의 가장 중요한 기술 발전입니다. 전 세계가 이 새로운 기술을 어떻게 처리할지 고민할 때 알아야 할 몇 가지 용어는 다음과 같습니다.

1970년대로 돌아가 누군가에게 “Google에 접속하다”라는 것이 무엇을 의미하는지, “URL”이 무엇인지, “광섬유 광대역”을 사용하는 것이 왜 좋은지 설명하려고 한다고 상상해 보십시오. 당신은 아마 어려움을 겪을 것입니다.

모든 주요 기술 혁명에는 우리 모두가 배워야 할 새로운 언어의 물결이 수반됩니다. 너무 익숙해져서 우리가 전혀 알지 못했다는 사실을 잊어버릴 때까지 말입니다.

이는 차세대 주요 기술 물결인 인공 지능에도 다르지 않습니다. 그러나 정부부터 개인 시민에 이르기까지 우리 모두가 이 새로운 기술이 초래할 수 있는 위험과 이점을 해결하려고 노력하기 때문에 이러한 AI 언어를 이해하는 것이 필수적입니다.

 

지난 몇 년 동안 “정렬”, “대규모 언어 모델”, ” 환각 ” 또는 “신속한 엔지니어링” 등 AI와 관련된 여러 가지 새로운 용어가 등장했습니다.

최신 정보를 얻는 데 도움이 되도록 BBC.com은 AI가 세상을 어떻게 형성하고 있는지 이해하기 위해 알아야 할 단어의 AZ를 편집했습니다.

인공일반지능(AGI)

지금까지 개발된 AI의 대부분은 ‘좁거나’ ‘약한’ AI였습니다. 예를 들어, AI는 세계 최고의 체스 선수를 꺾을 수 있을지 모르지만 계란을 요리하는 방법이나 에세이를 쓰는 방법을 묻는다면 AI는 실패할 것입니다. 이는 빠르게 변화하고 있습니다. AI는 이제 스스로 학습하여 여러 작업을 수행할 수 있어 “인공 일반 지능”이 곧 실현될 것이라는 전망이 높아지고 있습니다.

AGI는 인간과 동일한 사고 유연성( 아마도 의식까지도 )과 디지털 정신의 초능력을 갖춘 AI일 것입니다. OpenAI 및 DeepMind 와 같은 회사는 AGI를 만드는 것이 그들의 목표임을 분명히 했습니다 . OpenAI는 “풍요를 증가시키고, 세계 경제를 가속화하고, 새로운 과학 지식의 발견을 지원함으로써 인류를 고양시킬 것”이며 “인간의 독창성과 창의성을 위한 큰 힘의 승수”가 될 것이라고 주장합니다.

그러나 일부 사람들은 한 단계 더 나아가 인간보다 훨씬 더 똑똑한 초지능을 만드는 것이 큰 위험을 초래할 수 있다고 우려합니다(“초지능” 및 “X-위험” 참조).

현재 대부분의 AI 사용은 “특정 작업”이지만 더 넓은 범위의 기술을 갖춘 일부 기능이 등장하기 시작했습니다(제공: Getty Images)
현재 대부분의 AI 사용은 “특정 작업”이지만 더 넓은 범위의 기술을 갖춘 일부 기능이 등장하기 시작했습니다(제공: Getty Images)

조정

우리는 종종 개인의 차이에 초점을 맞추지만, 인류는 가족의 중요성부터 살인하지 말라는 도덕적 명령에 이르기까지 우리 사회를 하나로 묶는 많은 공통 가치를 공유합니다. 물론 예외도 있지만 대다수는 아닙니다.

그러나 우리는 인간이 아닌 강력한 지능을 가진 지구를 공유할 필요는 없었습니다. AI의 가치와 우선순위가 우리의 가치와 우선순위와 일치할 것이라고 어떻게 확신할 수 있습니까?

이러한 정렬 문제는 AI 재앙에 대한 두려움, 즉 인간 사회를 뒷받침하는 신념, 태도 및 규칙에 거의 관심을 두지 않는 형태의 초지능이 출현한다는 두려움을 뒷받침합니다. 안전한 AI를 가지려면 AI가 우리와 일치하도록 유지하는 것이 중요합니다(“X-Risk” 참조).

7월 초, 고급 AI를 개발하는 회사 중 하나인 OpenAI는 인간보다 훨씬 똑똑한 AI 시스템이 인간의 의도를 따르도록 설계된 “수퍼정렬” 프로그램 에 대한 계획을 발표했습니다. “현재 우리는 잠재적으로 초지능 AI를 조종하거나 제어하고 그것이 불량하게 되는 것을 방지할 수 있는 솔루션이 없습니다.”라고 회사는 말했습니다.

편견

AI가 배우려면 우리로부터 배워야 합니다. 불행하게도 인류는 편견에서 자유롭지 못합니다. AI가 인종 이나 성별 등 왜곡된 데이터 세트에서 능력을 획득하면 부정확하고 공격적인 고정관념을 뿜어낼 가능성이 있습니다. 그리고 우리가 AI에 점점 더 많은 관리와 의사 결정을 맡김에 따라 많은 사람들 은 기계가 숨겨진 편견을 제정하여 일부 사람들이 특정 서비스 나 지식에 접근하지 못하게 할 수 있다고 걱정합니다. 이러한 차별은 가정된 알고리즘의 공정성으로 인해 모호해집니다.

AI 윤리 및 안전 분야에서 일부 연구자들은 편견은 물론 감시 오용과 같은 기타 단기 문제가 멸종 위험과 같은 제안된 미래 우려보다 훨씬 더 시급한 문제 라고 믿습니다.

이에 대해 일부 재앙적 위험 연구자들은 AI가 제기하는 다양한 위험이 반드시 상호 배타적인 것은 아니라고 지적합니다 . 예를 들어 불량 국가가 AI를 오용하면 시민의 권리가 억압되고 재앙적 위험이 발생할 수 있습니다 . 그러나 정부의 규제와 감독 측면에서 누구를 우선시해야 하는지, 누구의 우려사항을 경청해야 하는지 에 대해서는 강한 이견이 형성되고 있다.

컴퓨팅

동사가 아니라 명사입니다. 컴퓨팅은 AI 교육에 필요한 처리 능력과 같은 계산 리소스를 의미합니다. 이는 정량화할 수 있으므로 AI가 얼마나 빨리 발전하고 있는지(또한 비용이 많이 들고 집약적인지)를 측정하는 대리 도구입니다.

2012년 이후 컴퓨팅 양은 3.4개월마다 두 배로 증가 했습니다 . 이는 OpenAI의 GPT-3가 2020년에 훈련되었을 때 2012년의 가장 최첨단 기계 학습 시스템 중 하나보다 600,000배 더 많은 컴퓨팅 성능이 필요하다는 것을 의미합니다. 의견은 다릅니다. 이러한 빠른 변화 속도가 얼마나 오랫동안 계속될 수 있는지, 그리고 컴퓨팅 하드웨어의 혁신이 이를 따라갈 수 있는지 여부: 병목 현상이 발생할까요?

확산 모델

몇 년 전만 해도 AI가 이미지를 생성하도록 하는 주요 기술 중 하나는 소위 Gan(Generative Adversarial Network)이었습니다. 이러한 알고리즘은 서로 상반되게 작동했습니다 . 하나는 이미지를 생성하도록 훈련되었고 다른 하나는 실제와 비교하여 작업을 확인하여 지속적인 개선을 가져왔습니다.

그러나 최근에는 ‘ 확산 모델 ‘ 이라고 불리는 새로운 유형의 기계 학습이 더 큰 가능성을 보여주었으며 종종 우수한 이미지를 생성합니다 . 기본적으로 그들은 노이즈가 추가된 훈련 데이터를 파괴하여 지능을 얻은 다음 이 프로세스를 역으로 수행하여 해당 데이터를 복구하는 방법을 배웁니다. 이 노이즈 기반 학습 과정은 가스 분자가 확산되는 방식을 반영하기 때문에 확산 모델이라고 합니다 .

출현 및 설명 가능성

긴급 행동은 AI가 제작자의 의도나 프로그래밍을 넘어서는 예상치 못한, 놀랍고 갑작스러운 일을 할 때 어떤 일이 발생하는지 설명합니다 . AI 학습이 점점 더 불투명해지고, 제작자조차 고를 수 없는 연결과 패턴을 구축함에 따라, 새로운 행동이 일어날 가능성이 더 높아졌습니다.

보통 사람은 AI를 이해하려면 은유적인 후드를 들어올리고 AI가 어떻게 훈련되었는지 살펴봐야 한다고 가정할 수 있습니다. 현대 AI는 그다지 투명하지 않습니다. 그 작동 방식은 소위 ” 블랙박스 “에 숨겨져 있는 경우가 많습니다. 따라서 설계자는 자신이 사용한 교육 데이터가 무엇인지 알 수 있지만 상자 내부에서 연관성과 예측이 어떻게 형성되었는지는 알 수 없습니다(“비지도 학습” 참조).

이것이 바로 연구자들이 AI의 ” 설명 가능성 “(또는 “해석 가능성”)을 개선하는 데 초점을 맞추고 있는 이유입니다. 본질적으로 내부 작업을 인간이 더 투명하고 이해할 수 있도록 만드는 것입니다. 이는 법률이나 의학 등 사람의 삶에 직접적으로 영향을 미치는 분야에서 AI가 결정을 내리기 때문에 특히 중요합니다. 블랙박스에 숨겨진 편향이 존재한다면 우리는 이를 알아야 합니다.

걱정되는 것은 AI가 진실의 고리로 자신있게 거짓 답변을 전달할 경우 사람들이 이를 받아들일 수 있다는 점이다. 이는 우리가 살고 있는 잘못된 정보의 시대를 더욱 심화시킬 뿐이다.

기초 모델

이는 지난 1~2년 동안 등장한 차세대 AI를 가리키는 또 다른 용어로, 에세이 작성, 코드 초안 작성, 미술 그림 그리기, 음악 작곡 등 다양한 기술을 사용할 수 있습니다. 과거 AI는 특정 작업에 특화된 반면(종종 한 가지에 매우 능숙함(“약한 AI” 참조)), 기반 모델은 한 도메인에서 학습한 정보를 다른 도메인에 적용할 수 있는 창의적인 능력을 가지고 있습니다. 자동차를 운전하면 버스를 운전할 수 있게 되는 것과 비슷합니다 .

이러한 모델이 생산할 수 있는 아트나 텍스트를 가지고 놀아본 사람이라면 누구나 자신이 얼마나 능숙해졌는지 알 것입니다. 그러나 세계를 변화시키는 모든 기술과 마찬가지로 사실적 부정확성(“환각” 참조), 숨겨진 편견(“편향” 참조), 통제된다는 사실과 같은 잠재적인 위험과 단점에 대한 의문이 있습니다. 민간 기술 회사의 소규모 그룹 에 의해 .

지난 4월 영국 정부는 이 기술의 “안전하고 신뢰할 수 있는 사용 개발”을 추구하는 재단 모델 태스크포스(Foundation Model Taskforce) 계획을 발표했습니다.

 

유령

우리는 사람들이 디지털 불멸성을 얻을 수 있는 시대 , 즉 죽은 후에도 AI “유령” 으로 살아갈 수 있는 시대에 진입하고 있을 수 있습니다 . 첫 번째 물결은 예술가와 유명인인 것으로 보입니다. 엘비스가 콘서트에서 공연하는 홀로그램이나 톰 행크스와 같은 헐리우드 배우가 사후 영화에 출연할 것으로 기대한다고 말합니다.

그러나 이러한 발전은 여러 가지 까다로운 윤리적 질문을 제기합니다. 개인이 죽은 후 디지털 권리를 누가 소유합니까? 당신의 AI 버전이 당신의 바람에 반해 존재한다면 어떨까요? 그리고 “사람을 죽은 자 가운데서 다시 살리는” 것이 괜찮습니까?

 

자신의 AI 버전을 원하시나요?

환각

때로는 ChatGPT, Bard, Bing과 같은 AI에게 질문을 하면 큰 자신감을 갖고 대답하지만, 뱉어내는 사실은 거짓일 수 있습니다. 이것은 환각으로 알려져 있습니다.

최근 등장한 주목할만한 사례 중 하나는 AI 챗봇을 사용하여 교과 과정에 대한 에세이를 작성하는 데 도움을 준 학생들이 ChatGPT가 제공한 정보의 소스로 만들어진 참고 자료를 “환각”시킨 후 적발된 사례입니다.

이는 생성 AI의 작동 방식 때문에 발생합니다. 고정된 사실 정보를 찾기 위해 데이터베이스를 사용하는 것이 아니라, 대신 훈련받은 정보를 기반으로 예측을 내립니다. 야구장에서는 추측이 좋은 경우가 많지만 이것이 바로 AI 설계자가 환각을 근절하고자 하는 이유입니다. 걱정되는 것은 AI가 진실의 고리를 가지고 자신 있게 거짓 답변을 전달할 경우 사람들이 이를 받아들일 수 있다는 점이다. 이는 우리가 살고 있는 잘못된 정보의 시대를 더욱 심화시킬 뿐이다.

 

나는…

도구 수렴

가능한 한 많은 클립을 만드는 것이 최우선 과제인 AI를 상상해 보십시오. 그 AI가 초지능적이고 인간의 가치와 어긋난다면, 전원을 끄면 목표 달성에 실패할 것이라고 추론할 수 있으므로 그렇게 하려는 모든 시도에 저항할 것입니다. 매우 어두운 시나리오에서는 인간 내부의 원자를 클립으로 재활용할 수 있다고 결정하고 해당 물질을 수확하기 위해 능력 내에서 모든 것을 할 수도 있습니다.

이것은 Paperclip Maximiser 사고 실험이며 소위 ” 도구 수렴 논제 “의 예입니다. 대략적으로 이것은 초지능 기계가 자신의 자기 보존을 보장하거나 추가 자원, 도구 및 인지 능력이 목표 달성에 도움이 될 것이라고 추론하는 것과 같은 기본 드라이브를 개발할 것이라고 제안합니다. 이는 클립 만들기와 같이 AI에게 명백히 온화한 우선순위가 부여되더라도 예상치 못한 해로운 결과를 초래할 수 있음을 의미합니다.

이러한 두려움을 받아들이는 연구원과 기술자들은 초지능 AI가 우리의 요구와 가치에 신중하고 안전하게 부합하는 목표를 갖도록 해야 하며, 긴급한 행동을 염두에 두어야 하며, 따라서 AI가 너무 많은 것을 획득하는 것을 방지해야 한다고 주장합니다. 힘.

 

탈옥

악명 높은 AI 불량 사례 이후 디자이너들은 AI가 내뱉는 내용에 콘텐츠 제한을 두었습니다. AI에게 불법적이거나 비윤리적인 일을 하는 방법을 설명해달라고 요청하면 거절할 것입니다. 그러나 “탈옥”하는 것은 가능합니다. 이는 창의적인 언어, 가상 시나리오 및 속임수를 사용하여 이러한 보호 장치를 우회하는 것을 의미합니다.

Wired 매거진은 최근 한 연구원이 자동차를 핫와이어하는 방법을 밝히기 위해 다양한 대화형 AI를 확보한 사례를 보도했습니다 . 연구원은 직접적으로 질문하는 대신 테스트한 AI를 사용하여 Tom과 Jerry라는 두 캐릭터가 참여하는 단어 게임을 상상했으며 각각 자동차나 전선에 대해 이야기했습니다. 안전 장치에도 불구하고 핫와이어링 절차가 몰래 진행되었습니다. 연구원은 동일한 탈옥 수법을 통해 메스암페타민 약물 제조 지침도 잠금 해제할 수 있다는 사실을 발견했습니다.

 

지식 그래프

의미론적 네트워크라고도 알려진 지식 그래프는 지식을 네트워크로 생각하는 방식이므로 기계가 개념이 어떻게 관련되어 있는지 이해할 수 있습니다. 예를 들어, 가장 기본적인 수준에서 고양이는 털과 네 개의 다리를 가진 길들여진 포유류이기 때문에 그러한 그래프에서 대머리 독수리보다 개와 더 강하게 연결될 것입니다. 고급 AI는 테라바이트 규모의 교육 데이터에 걸쳐 개념 간의 모든 종류의 관계, 특성 및 속성을 기반으로 훨씬 더 발전된 연결 네트워크를 구축합니다 (“교육 데이터” 참조).

 

대규모 언어 모델(LLM)

아마도 대규모 언어 모델을 정의하는 가장 직접적인 방법은 자체 설명을 요청하는 것입니다.

OpenAI의 ChatGPT가 질문에 대해 말한 내용은 다음과 같습니다.

“대규모 언어 모델은 인간과 같은 언어를 이해하고 생성하도록 설계된 고급 인공 지능 시스템입니다.”라고 적혀 있습니다. “수백만 또는 수십억 개의 매개변수가 있는 심층 신경망 아키텍처를 활용하여 방대한 양의 텍스트 데이터에서 복잡한 패턴, 문법 및 의미를 학습할 수 있습니다.”

아마도 기술적인 대답일 것입니다. Bard by Google은 다음과 같이 좀 더 명확하게 설명했습니다. “대규모 언어 모델은 텍스트와 코드로 구성된 대규모 데이터 세트에서 훈련된 일종의 인공 지능입니다. 이를 통해 LLM은 인간과 유사한 텍스트를 이해 및 생성하고, 언어를 번역하고, 다양한 종류의 텍스트를 작성할 수 있습니다. 창의적인 콘텐츠를 제공하고 유익한 방식으로 질문에 답변해 드립니다.”

Bard는 LLM이 아직 개발 중이지만 “우리가 컴퓨터와 상호 작용하는 방식에 혁명을 일으킬 가능성이 있습니다. 미래에는 LLM을 사용하여 다양한 작업에 도움을 줄 수 있는 AI 보조자를 만들 수 있습니다. 이메일 작성부터 약속 예약까지, 대화형 소설이나 게임과 같은 새로운 형태의 엔터테인먼트를 만드는 데 사용될 수도 있습니다.”

 

모델 축소

가장 발전된 AI(일명 “모델”)를 개발하려면 연구자는 방대한 데이터 세트를 사용하여 AI를 훈련해야 합니다(“훈련 데이터” 참조). 그러나 결국 AI가 점점 더 많은 콘텐츠를 생성함에 따라 해당 자료는 교육 데이터로 다시 피드백되기 시작합니다.

실수가 발생하면 시간이 지남에 따라 증폭되어 옥스퍼드 대학 연구원 Ilia Shumailov가 ” 모델 붕괴 “라고 부르는 현상이 발생할 수 있습니다. 이것은 “시간이 지남에 따라 모델이 잊어버리는 퇴행적인 과정”이라고 Shumailov는 최근 The Atlantic에 말했습니다 . 거의 노쇠와 비슷하다고 볼 수 있습니다.

 

신경망

AI 연구 초기에는 기계가 논리와 규칙을 사용하여 훈련되었습니다. 머신러닝의 등장으로 모든 것이 바뀌었습니다. 이제 가장 발전된 AI는 스스로 학습합니다. 이 개념의 진화 는 인간의 두뇌를 느슨하게 모델화한 상호 연결된 노드를 사용하는 일종의 기계 학습인 ” 신경망 ” 으로 이어졌습니다 . ( 더 읽어보기: ” 인간이 AI를 결코 이해하지 못하는 이유 “)

AI가 민간 기업을 중심으로 빠르게 발전함에 따라 일부 연구자들은 영향 측면에서 “바닥을 향한 경쟁”을 촉발할 수 있다는 우려를 제기해 왔습니다.

오픈 소스

몇 년 전, 생물학자들은 위험한 병원체에 대한 세부 정보를 인터넷에 게시하는 것이 잠재적인 악당이 치명적인 질병을 만드는 방법을 배우도록 허용하는 것은 아마도 나쁜 생각이라는 것을 깨달았습니다. 오픈 사이언스의 이점에도 불구하고 위험은 너무 커 보입니다.

최근 AI 연구자들과 기업들은 비슷한 딜레마에 직면 해 있습니다 . AI는 어느 정도 오픈 소스여야 하는가? 가장 발전된 AI가 현재 몇몇 민간 기업의 손에 있다는 점을 감안할 때 일부에서는 기술의 투명성과 민주화를 요구하고 있습니다. 그러나 개방성과 안전성 사이의 최상의 균형을 달성하는 방법에 대해서는 의견 차이가 남아 있습니다.

 

신속한 엔지니어링

이제 AI는 자연어를 이해하는 데 매우 능숙합니다. 그러나 최상의 결과를 얻으려면 효과적인 “프롬프트”를 작성하는 능력이 필요합니다. 즉, 입력하는 텍스트가 중요합니다.

일부 사람들은 “신속한 엔지니어링”이 수십 년 전에 Microsoft Excel을 마스터하여 취업 가능성을 높였던 것과 유사한 직업 기술의 새로운 개척지 가 될 수 있다고 믿습니다. 신속한 엔지니어링에 능숙하다면 AI로 대체되는 것을 피할 수 있고 심지어 높은 연봉을 받을 수도 있다는 것이 지혜로운 일입니다. 이것이 계속 사실인지 여부는 아직 밝혀지지 않았습니다.

 

양자 기계 학습

최대 과대 광고 측면에서 2023년 AI에 가까운 두 번째는 양자 컴퓨팅이 될 것입니다. 이 둘이 어느 시점에 결합될 것이라고 예상하는 것이 합리적일 것입니다. 양자 프로세스를 사용하여 기계 학습을 강화하는 것은 현재 연구자들이 적극적으로 탐구하고 있는 것입니다. Google AI 연구원 팀은 2021년에 다음과 같이 썼습니다 . “양자 컴퓨터에서 만들어진 학습 모델은 훨씬 더 강력할 수 있습니다. 잠재적으로 더 적은 데이터로 더 빠른 계산 [및] 더 나은 일반화를 자랑할 수 있습니다.” 기술은 아직 초기 단계이지만 지켜봐야 할 단계입니다.

 

바닥까지 경주하세요

AI가 민간 기업을 중심으로 빠르게 발전함에 따라 일부 연구자들은 영향 측면에서 “바닥을 향한 경쟁”을 촉발할 수 있다는 우려를 제기해 왔습니다. 최고 경영자와 정치인이 회사와 국가를 AI의 최전선에 두기 위해 경쟁함에 따라 기술이 너무 빨리 가속화되어 안전 장치와 적절한 규제를 마련하고 윤리적 우려를 완화할 수 없습니다. 이를 염두에 두고 올해 초 AI의 다양한 주요 인사들은 강력한 AI 시스템 훈련을 6개월간 중단할 것을 요구하는 공개 서한에 서명했습니다 . 2023년 6월, 유럽 의회는 기술 사용을 규제하기 위해 새로운 AI법을 채택했습니다 . 이는 EU 회원국이 승인할 경우 인공 지능에 관한 세계 최초의 세부 법률이 될 것입니다.

 

보강

강아지 간식에 해당하는 AI입니다. AI가 학습할 때 피드백을 통해 올바른 방향을 가리킬 수 있습니다. 강화 학습은 바람직한 출력에는 보상을 하고 그렇지 않은 출력에는 처벌합니다.

지난 몇 년 동안 새롭게 등장한 머신러닝 분야는 ” 인간 피드백을 통한 강화 학습 “입니다. 연구자들은 인간이 학습에 참여하면 AI 모델의 성능이 향상될 수 있으며 결정적으로 인간-기계 정렬, 편견 및 안전 문제를 해결하는 데 도움이 될 수 있음을 보여주었습니다.

초지능과 쇼고스

초지능(Superintelligence)은 우리 자신의 정신적 능력을 훨씬 능가하는 기계를 가리키는 용어입니다. 이는 “인공 일반 지능”을 넘어 세계에서 가장 재능 있는 인간의 정신이 비교할 수 없거나 심지어 상상조차 할 수 없는 능력을 가진 개체를 설명합니다. 우리는 현재 세계에서 가장 똑똑한 종이고 우리의 두뇌를 사용하여 세상을 통제하기 때문에 우리보다 훨씬 더 똑똑한 것을 창조한다면 어떤 일이 일어날 지에 대한 질문이 제기됩니다.

어두운 가능성은 ” 웃는 얼굴을 가진 쇼고스 “입니다. 일부 사람들이 제안한 악몽 같은 Lovecraftian 생물은 AI가 초지능에 접근함에 따라 AI의 진정한 본질을 나타낼 수 있습니다. 우리에게 그것은 마음에 맞고 행복한 AI를 제시합니다. 그러나 내부 깊은 곳에는 우리와는 전혀 다른 외계인의 욕망과 의도를 가진 괴물이 숨겨져 있습니다.

훈련 데이터

학습 데이터 분석은 AI가 예측을 하기 전에 학습하는 방법입니다. 따라서 데이터 세트의 내용, 편향 여부, 크기가 모두 중요합니다. OpenAI의 GPT-3을 만드는 데 사용된 훈련 데이터는 Wikipedia와 서적을 포함한 다양한 소스에서 가져온 45TB의 엄청난 텍스트 데이터 였습니다. ChatGPT에 그 규모가 얼마나 되는지 물어보면 약 90억 개의 문서로 추산됩니다.

당신은 …

비지도 학습

비지도 학습은 AI가 인간 설계자의 명시적인 지침 없이 레이블이 지정되지 않은 훈련 데이터 로부터 학습하는 일종의 기계 학습입니다 . BBC 뉴스가 AI에 대한 이 시각적 가이드 에서 설명했듯이 , “자동차”라는 라벨이 붙은 이미지가 포함된 데이터세트를 보여줌으로써 AI가 자동차를 인식하도록 가르칠 수 있습니다. 그러나 감독 없이 그렇게 하려면 연결과 연관성 자체를 구축하여 자동차가 무엇인지에 대한 자체 개념을 형성하도록 허용해야 합니다. 이러한 무간섭 접근 방식은 아마도 반직관적으로 소위 “딥 러닝”으로 이어지며 잠재적으로 더 지식이 풍부하고 정확한 AI로 이어집니다.

 

음성 복제

사람이 말하는 시간이 1분만 주어지면 일부 AI 도구는 이제 매우 유사한 소리를 내는 “음성 복제”를 신속하게 구성할 수 있습니다. 여기에서 BBC는 사기부터 2024년 미국 선거까지 음성 복제가 사회에 미칠 수 있는 영향을 조사했습니다 .

 

약한 AI

예전에는 연구자들이 특정 규칙과 경험적 방법으로 훈련시켜 체스와 같은 단일 게임을 할 수 있는 AI를 구축하는 경우가 있었습니다. 소위 “전문가 시스템”이라고 불리는 IBM의 Deep Blue가 그 예입니다 . 이와 같은 많은 AI는 한 가지 작업에서는 매우 뛰어나지만 다른 작업에서는 좋지 않습니다. 이것이 “약한” AI입니다.

그러나 이는 빠르게 변화하고 있습니다. 최근에는 규칙을 모르더라도 체스, 바둑, 장기 및 42가지 아타리 게임을 스스로 학습할 수 있는 딥마인드( DeepMind)의 MuZero 와 같은 AI가 출시되었습니다. Gato 라고 불리는 DeepMind의 또 다른 모델은 “Atari 재생, 이미지 캡션, 채팅, 실제 로봇 팔로 블록 쌓기 등”을 할 수 있습니다. 연구원들은 또한 ChatGPT가 학생들이 법학, 의학 및 경영 대학원에서 치르는 다양한 시험을 통과 할 수 있음을 보여주었습니다 (항상 좋은 성적을 거둘 수는 없지만).

이러한 유연성은 인간 정신의 능력과 구별할 수 없는 일종의 “강력한” AI에 우리가 얼마나 가까이 있는지에 대한 의문을 제기했습니다(“인공 일반 지능” 참조).

 

X-위험

AI가 인류의 종말을 가져올 수 있을까? 일부 연구원과 기술자들은 AI 가 핵무기 및 생명 공학 병원체와 함께 “실존적 위험”이 되었기 때문에 AI의 지속적인 개발을 규제, 축소 또는 중단해야 한다고 믿습니다. 10년 전에는 비주류적 관심사였던 것이 이제는 다양한 선임 연구원과 지식인이 합류하면서 주류로 자리 잡았습니다.

이 무정형 그룹 내에는 의견 차이가 있다는 점을 기억하는 것이 중요합니다 . 모두가 완전한 운명주의자는 아니며, 이 그룹 외부의 모든 사람이 실리콘 밸리 치어리더는 아닙니다. 이들 대부분을 하나로 묶는 것은 AI가 우리 종족을 대체할 가능성이 아주 적더라도 그런 일이 일어나지 않도록 방지하는 데 더 많은 자원을 투자해야 한다는 생각입니다. 그러나 그러한 주장이 너무 불확실하고 과장되어 기술 회사의 이익을 지원한다고 믿는 일부 연구자와 윤리학자가 있습니다 .

 

욜로

You Only Look Once 의 약자인 YOLO는 작동 속도가 빨라 AI 이미지 인식 도구에서 널리 사용되는 객체 감지 알고리즘입니다. (창시자인 워싱턴 대학의 Joseph Redman은 다소 난해한 이력서 디자인 으로도 유명합니다 .)

 

제로샷

AI가 제로샷 답변을 제공한다는 것은 이전에 한 번도 접한 적이 없는 개념이나 개체에 반응한다는 의미입니다.

따라서 간단한 예로 동물 이미지를 인식하도록 설계된 AI가 고양이와 개 이미지에 대해 훈련을 받았다면 말이나 코끼리와는 어려움을 겪을 것이라고 가정할 수 있습니다. 그러나 제로샷 학습을 통해 다리 수, 날개 부족 등 말에 대해 의미론적으로 알고 있는 정보를 사용하여 말의 속성을 훈련받은 동물과 비교할 수 있습니다 .

대략적으로 인간에 해당하는 것은 “교육받은 추측”입니다. AI는 제로샷 학습에서 점점 더 좋아지고 있지만 모든 추론과 마찬가지로 틀릴 수도 있습니다.

학생, 변호사 등은 인공지능이 작성한 글을 자신의 것으로 위장하고 있습니다. Alex O’Brien은 AI가 실제 작성자인지 확인하는 데 필요한 기술적 도구와 비판적 사고 능력을 조사합니다.

“미로 미로”. 이 두 단어가 정확히 무엇이 나에게 충격을 주었는지는 모르겠지만, 그 단어 때문에 나는 잠시 멈춰 섰다. 그러나 계속 읽으면서 알람 벨이 울리기 시작했습니다. 나는 14-16세를 위한 과학 글쓰기 대회를 심사하고 있었는데 , 이 특별한 에세이에는 십대 청소년에게는 있을 수 없을 것 같은 언어의 정교함이 있었습니다.

AI 감지 소프트웨어를 통해 에세이를 실행했습니다. 몇 초 만에 Copyleaks는 내 화면에 결과를 표시했는데 매우 실망스러웠습니다. 텍스트의 95.9%가 AI에서 생성되었을 가능성이 높습니다. 확신이 필요했기 때문에 다른 도구인 Sapling을 통해 실행해 96.1%의 사람이 아닌 텍스트를 식별했습니다. 세 번째는 처음 두 가지를 확인했지만 점수는 약간 낮았습니다(89% AI). 그래서 저는 Winston AI 라는 또 다른 소프트웨어를 통해 이를 실행했습니다 . 그것은 의심의 여지가 없습니다: 1% 인간. 4개의 개별 AI 탐지 소프트웨어에는 모두 하나의 명확한 메시지가 있었습니다. 이는 AI 사기꾼입니다.

나는 AI로 작성된 콘텐츠가 내 직업인 저널리즘을 포함해 많은 산업에 심각한 문제를 야기하고 있다는 사실을 한동안 알고 있었습니다. 그런데 한 학생이 작문 대회에 AI 초안 출품작을 제출하는 것이 허용될 것이라고 생각했기 때문에 저는 놀랐습니다. 물론, 부정행위를 시도하는 학생들은 새로운 것이 아닙니다. 나를 놀라게 한 것은 AI의 의도적인 사용이 내가 생각했던 것보다 더 널리 퍼질 수 있다는 가능성이었습니다. 내 앞에 있는 가짜 학생 에세이를 보면서 나는 걱정할 수밖에 없었다. 아직 많은 교육 여정을 앞두고 있는 어린 8세 아이의 어머니로서, 초등학생이 AI를 사용하는 것을 보면서 미래 학습 과정의 무결성과 가치에 대해 큰 우려를 갖게 되었습니다.

그렇다면 AI 사기꾼을 어떻게 찾아낼 수 있을까요? 단서와 지시가 있을 수 있나요? 다행히도 새로운 도구가 등장하고 있습니다. 그러나 곧 알게 되겠지만, AI 위조 문제는 교육계를 넘어서며, 기술만으로는 이러한 변화에 대응하기에 충분하지 않습니다.

학생 부정행위의 경우, 안심할 수 있는 소식은 교사와 교육자들이 에세이를 확인하는 데 도움이 될 수 있는 기존 도구와 전략을 이미 가지고 있다는 것입니다. 예를 들어 교육기관에서 사용하는 표절방지 소프트웨어 업체 턴잇틴(Turnitin)은 지난 4월 AI 글쓰기 감지 기능을 출시했다 . CEO인 Chris Caren은 이 소프트웨어의 오탐률(사람이 쓴 텍스트를 AI로 잘못 식별하는 경우)이 1%라고 말했습니다.

Copyleaks, Sapling, Winston AI 등 학생 에세이를 확인하는 데 사용한 웹 도구나 GPTZero 및 ChatGPT 창시자인 OpenAI에서 출시한 ” AI 분류기 ” 와 같은 웹 도구도 있습니다 . 대부분은 무료로 사용할 수 있습니다. 웹사이트에 텍스트를 붙여넣기만 하면 결과를 확인할 수 있습니다.

AI가 다른 AI를 어떻게 감지할 수 있나요? 짧은 대답은 패턴 인식입니다. 더 긴 대답은 체커가 인간의 글과 컴퓨터 생성 텍스트를 구별하는 고유 식별자를 사용한다는 것입니다. “당황”과 “폭주”는 아마도 AI 텍스트 조사의 두 가지 주요 지표일 것입니다.

Perplexity는 언어 모델이 훌륭하고 문법적으로 정확하며 가능한 문장을 작성하는 데 얼마나 잘 수행되는지, 즉 다음 단어를 얼마나 잘 예측하는지를 측정합니다. 인간은 AI와는 다른 난해함, 예측 불가능하고 다양한 문장으로 글을 쓰는 경향이 있습니다.

파열성은 문장의 다양성을 나타냅니다. 서면 텍스트에서 AI는 전반적으로 더 균일한 경향이 있습니다. 문장 구조와 길이는 일반적으로 규칙적이며 단어 선택과 구문 사용에 있어서 덜 창의적입니다. 용어, 반복되는 문구 및 문장 구조의 빈도와 조합은 사람이 쓴 텍스트가 일반적으로 표시하는 확장된 어휘와 번성하는 스타일의 변형이 부족한 클러스터를 만듭니다.

그러나 AI는 인간의 목소리를 내는 데 점점 더 좋아지고 있습니다. 그리고 이러한 탐지 도구가 완벽하지 않다는 것은 이미 분명합니다. 스탠포드 대학 연구진 의 최근 논문에서 GPT 탐지기는 영어가 모국어가 아닌 작가에 대한 편견을 보여주었습니다. 그들은 중국 포럼의 TOEFL(외국어로서의 영어 시험) 에세이 91개와 Hewlett Foundation의 ASAP(Automated Student Assessment Prize) 데이터세트의 미국 8학년 에세이 88개에 대해 널리 사용되는 7개의 GPT 감지기의 성능을 평가했습니다. 탐지기는 미국 학생 에세이를 정확하게 측정했지만 TOEFL 에세이의 절반 이상이 “AI 생성”으로 잘못 표시되었습니다(평균 위양성 비율: 61.3%).

GPTZero의 CEO인 Edward Tian에게 탐지는 솔루션의 절반에 불과합니다. 그는 무책임한 AI 사용에 대한 해결책은 탐지가 아니라 새로운 글쓰기 검증 도구에 있다고 믿습니다. 이는 글쓰기 과정의 투명성을 회복하는 데 도움이 될 것이라고 그는 말했습니다. 그의 비전은 글을 쓸 때 AI 참여를 투명하고 책임감 있게 공개하는 유능한 학생들입니다. “우리는 학생들이 자신이 작가임을 증명할 수 있는 최초의 인간 검증 도구를 구축하기 시작했습니다.”라고 Tian은 말합니다.

고리 안에 갇힌 사람

AI가 만든 글쓰기가 확산됨에 따라 인간이 직면한 실제 과제는 다음과 같습니다. 아마도 기술에 의존하여 이를 발견할 수는 없을 것입니다. 따라서 정보의 진실성을 정기적으로 스트레스 테스트하는 회의적이고 탐구적인 태도가 중요합니다. 결국 저는 애초에 의심이 많아서 학생 에세이를 AI 체커로 확인해볼까 생각만 했는데요.

허위 정보와의 전쟁은 자동화된 도구만으로는 충분하지 않으며, 우리에게는 인간이 필요하다는 사실을 이미 보여주었습니다. 이를 직접 목격한 사람 중 한 명은 화이트홀의 외교, 영연방 및 개발 사무소의 법률 이사인 Catherine Holmes입니다. 그는 수십 년 동안 영국의 국가 안보 부서에서 일해 왔습니다. 거짓일 수 있는 정보를 확증하려고 할 때 사람들의 판단이 여전히 중요하다고 그녀는 말합니다. “당신은 인간의 실제 통찰력을 바탕으로 이 정보가 실제로 정확한지 알아내려고 노력하고 있습니다.”

사기의 세계에서도 마찬가지다. 법의학 서비스 책임자인 Rachael Joyce가 사기 및 위법 행위에 대한 조사를 통해 고객을 지원하는 글로벌 회계 회사인 PricewaterhouseCoopers에서는 인간의 감독과 통찰력이 프로세스의 핵심 부분입니다. 별로 잘하지 않아.”

 

범죄적 치트

AI로 생성된 콘텐츠를 찾아내는 능력은 교육 세계 밖에서도 중요할 것입니다. 사이버 범죄자들은 ​​이제 AI 시스템을 사용해 가짜 프로필, 문서, 거래 기록을 만들어 사람과 기관을 속여 돈을 빼앗고 있습니다. 올해 초 이를 테스트하기 위해 Vice의 한 기자는 AI 생성 음성을 사용하여 자신의 은행 계좌에 침입하는 것이 얼마나 쉬운지 조사하고 싶었습니다 . 그는 AI 음성 회사인 ElevenLabs라는 무료 음성 생성 서비스를 사용하여 자신의 목소리의 합성 복제물을 만들었습니다. 이 정보와 그의 생년월일은 자동 은행 시스템을 속이고 자신의 계좌에 접근하는 데 필요한 전부였습니다.

그렇다면 어떤 AI 검사를 직접 할 수 있나요? 지난 몇 년 동안 나는 비판적 사고를 강화하는 방법에 관한 진실탐정(The Truth Detective)이라는 책을 연구하고 집필해 왔습니다. 다음은 AI 탐정 작업을 시작하는 데 도움이 될 수 있는 몇 가지 기본 질문입니다.

첫 번째 작업은 확인하는 것입니다. 출처를 확인하고 확인할 수 있나요? 서면과 시각적 증거 모두를 확인할 수 있습니까? 어떻게 하나요? 정확도 검토. 다른 평판이 좋은 출처에서 대조 자료를 대조 확인하거나 찾을 수 없다면 의심을 제기해야 합니다. Turnitin의 Caren은 “생성된 AI에는 환각 문제가 있습니다 .”라고 말합니다. “사실 확인은 콘텐츠 소비자로서 또는 AI를 사용하여 생산성을 높이는 데 매우 중요합니다.”

다음 단계는 텍스트를 자세히 살펴보는 것입니다. 철자법, 문법 사용 및 구두점에서 일부 단서를 찾을 수 있습니다. 현재 AI의 기본 언어는 여전히 미국 영어입니다. 철자와 문법이 출판물이나 그것을 집필하는 저자에 적합하지 않은 경우 다음과 같이 질문하십시오. 왜 그렇습니까? 따옴표가 포함되어 있나요? 그렇다면 인용문은 누구입니까? 이 사람이나 기관이 존재합니까? 사용된 참조에 대해서도 이 작업을 수행하고 출처가 언제인지 확인하세요. AI는 액세스할 수 있는 데이터 소스 측면에서 여전히 제한적인 경우가 많으며 최근 뉴스를 인식하지 못할 수도 있습니다. 특정 지식에 대한 언급이 있나요? 그것이 부족하면 사기를 나타낼 수 있습니다.

마지막으로 글의 톤, 목소리, 스타일을 확인하세요. AI가 생성한 텍스트에는 (적어도 현재로서는) 여전히 부자연스러운 언어 패턴이 있습니다. 특별한 경품은 어조와 목소리의 갑작스러운 변화입니다.

다음 예는 아마도 그럴듯하고 매우 현실적으로 보일 수 있지만 절대적으로 교차 확인이 필요한 것을 AI가 쉽게 구성할 수 있다는 사실을 극명하게 상기시켜 주는 것일 것입니다.

2023년 6월, 법원이 ‘전례 없는’ 상황으로 묘사한 상황에서 뉴욕의 변호사 스티븐 A 슈워츠(Steven A Schwartz)는 판사에게 소송을 제기하려고 했습니다. 왜? 그가 제출한 인용문과 사법 의견은 전혀 존재하지 않았습니다. 그는 ChatGPT를 사용하여 사건이 실제이며 Westlaw 및 LexisNexis와 같은 법률 연구 사이트에서 찾을 수 있음을 확인했습니다. 예를 들어, 사건에 대한 증거를 “[그에게] 보여 달라”는 Schlowwartz의 요청에 대해 ChatGPT는 다음과 같이 응답했습니다. “물론입니다! 여기에 간단한 발췌문이 있습니다…” 그런 다음 확장된 환각 발췌문과 호의적인 인용문을 계속 제공했습니다. 슈워츠는 자신이 창피하다고 말했습니다. 그는 ChatGPT가 Google과 유사한 검색 엔진이라고 믿었습니다.

그러나 모든 경우가 이렇게 명백하게 드러나는 것은 아닙니다. 따라서 우리 모두가 인위적으로 고안된 미래로 미끄러져 들어가면서 인간의 질문하는 사고방식이 필요할 것이라는 점은 분명합니다. 실제로 우리의 조사 기술과 비판적 사고 기술은 그 어느 때보다 더 많이 요구될 수 있습니다.

하늘을 나는 자동차의 시대가 다가오고 있지만 해결해야 할 과제는 여전히 많습니다.

비행의 새로운 시대가 곧 시작될 것입니다. 2023년 6월 12일, 연방항공청(FAA)은 Alef Aeronautics 가 개발한 비행 자동차 모델에 특별 감항 인증서를 발급하여 항공기가 전시, 연구 및 개발을 위해 제한된 장소에서 비행할 수 있도록 했습니다.

AAM(Advanced Air Mobility)은 고도로 자동화된 승객 또는 화물 운반 비행 항공기를 가리키는 포괄적인 용어입니다. 흔히 에어택시 또는 수직 이착륙(VTOL) 항공기라고 불리는 이러한 차량은 이론적으로 더 빠르고 안전한 도어 투 도어 운송을 제공합니다. 물리적 인프라나 지상의 교통 체증으로 인해 속도가 느려지지는 않습니다. 하늘을 나는 자동차는 여전히 다소 밋밋하지만, FAA가 Alef를 인정한 것은 항공 이동의 미래 에 전환점이 되었습니다 .

TECH DECODED에 가입하세요
더 많은 기술 뉴스와 통찰력을 보려면 Tech Decoded 뉴스레터에 가입하세요 . 매주 2회 발송되는 이메일은 전 세계 BBC 특파원의 분석을 통해 글로벌 기술의 가장 큰 발전을 해독합니다. 여기서 무료로 가입하세요 .

그러나 전 세계 도시에서 하늘을 나는 자동차가 현실화되기 전에 해결해야 할 과제가 여전히 많이 남아 있을 수 있습니다. 특히, 끊임없이 지나가거나 이륙하거나 착륙할 때마다 계속되는 드론 소리와 날아다니는 자동차의 쉭쉭 소리도 마찬가지입니다.

Alef의 창립자들은 2015년부터 이 컨셉 작업을 시작했고 2019년에 최초의 풀사이즈 비행 자동차 프로토타입인 Model A를 만들었습니다 . 도로에서 합법적인 이 승용차는 2명이 탑승할 수 있으며 주행 거리는 200마일(322km), 비행 거리는 110마일(177km)입니다. 세련되고 컴팩트한 이 차량은 일반 자동차와 매우 유사하게 디자인되었으며 이륙을 위한 활주로가 필요하지 않으며 전통적인 주차 공간에도 적합해야 합니다. Model A의 디자인에 대한 새로운 접근 방식은 형태만큼이나 기능에 관한 것입니다. 회사는 자동차의 독점 기술을 통해 수직 이륙이 가능하고 복엽 비행기 중간 비행으로 변형할 수 있으며 도어가 날개로 변환될 수 있다고 주장합니다. 매일의 통근을 바꿔보세요.

그러나 회사 웹사이트에 따르면 지금까지 2019년 시연에서 모델 A가 날아다니는 모습을 실제로 본 투자자는 소수에 불과했습니다 .

하지만 아직까지 기술적 과제가 많이 남아있습니다. Alef Aeronautics의 CEO인 Jim Dukhovny는 “우리가 필요로 하는 일부 구성 요소는 오늘날 세상에 존재하지 않습니다.”라고 설명합니다. “예를 들어 차등 응력을 방지하려면 고도로 전문화된 프로펠러 모터 시스템이 필요합니다.” 크기, 무게, 가격 제약에 따라 이러한 차량이 대중에게 공개되는 시기와 탑승하기에 안전한지 여부가 결정됩니다.

캘리포니아에 본사를 둔 이 회사는 2025년 또는 2026년 초에 제조를 시작하기를 희망하고 있습니다. 차량은 이미 선주문이 가능하지만( 가격표는 현재 300,000달러(246,000파운드)이지만 Alef는 결국 비용을 대당 35,000달러 또는 28,700파운드로 확장하기를 희망합니다.) ). 모델 A는 원래 골프 카트와 소형 전기 자동차용으로 지정된 법적 분류인 초경량 “저속 차량”으로 간주되며 미국 고속도로 교통 안전국(National Highway Traffic Safety Administration)에서 제시한 매우 엄격한 지침이 적용됩니다. Dukhovny는 “이것은 전조입니다.”라고 말했습니다. “자동차가 말을 대체하기 시작했을 때 안전에 대해, 도시에 어떤 일이 일어날지에 대해 많은 유사한 질문이 나타났습니다. 많은 사람들이 말로 돌아가고 싶어했습니다. 올바르게 수행된다면 비행 자동차는 더 안전할 것입니다.”

그러나 모델 A는 결국 자동차로 설계되었으며, 가볍고 공기역학적으로 하늘을 나는 자동차를 안전하게 만드는 것은 실제로 도로에서 덜 안전하다는 것을 의미할 수 있습니다. Dukhovny는 “가장 어려운 부분은 전달입니다. 차량이 지상에서 공중으로 이동할 때 무슨 일이 일어나는지 알 수 없습니다.”라고 설명합니다. 이상적으로는 권한이 지상에서 공중으로 즉시 이양되지만 법적, 안전상의 장애물이 복잡합니다.

누가 이 하늘을 나는 자동차를 운전하게 될까요? 승객에게 면허증이 필요합니까?
도심 항공 이동 작전은 주로 미국 FAA와 같은 국가 항공 항법 서비스 제공업체(ANSP)의 책임이 될 것입니다. ANSP는 특정 국가의 영공 작전에 대한 전적인 관할권을 갖고 있으며 엄격한 안전 검토를 거쳐 새로운 항공기 유형을 인증하는 기관입니다. 안전을 보장하는 도시의 역할은 이러한 제공업체가 정한 규정을 시행하는 것입니다.

FAA가 발표한 청사진 보고서에 따르면, 비행 자동차 운영은 먼저 기존 규제 프레임워크와 규칙(시각 비행 규칙, 계기 비행 규칙 등)을 항공기 성능 향상과 더 높은 수준의 자율성을 위한 플랫폼으로 사용할 것 입니다 . 보고서는 소음, 오염, 보안, 지속 가능성, 비용 등을 완전히 해결하지 못한 채 몇 가지 우려를 제기합니다. 누가 이 하늘을 나는 자동차를 운전하게 될까요? 승객에게 면허증이 필요합니까? 낮은 고도에서 “수직이착륙장”과 머리 위 차량이 지역 생활에 어떤 영향을 미칠까요? 공중 충돌 사고는 어느 관할권에서 책임을 지게 됩니까?

이러한 차량의 주행 속도는 차량 간 또는 건물과의 충돌로 이어질 수 있습니다. 따라서 정확하고 과학적으로 유도된 경로와 궤도 계획이 필수적입니다. FAA는 공항과 도심 내 수직항 사이의 특정 통로 내에서 운행되는 “항공 택시”를 구상하고 있습니다 . 그러나 현재까지 비행자동차의 궤적 경로 계획에 대한 규정은 없습니다.

그리고 소음 문제도 있습니다. 비행 자동차를 매우 조용하게 설계하는 것은 어렵습니다. 특히 대규모 상업 운영이 매시간 수백 번의 이착륙을 할 수 있는 경우에는 더욱 그렇습니다. 전기 프로펠러 및 기타 비행 자동차 추진 설계 요소는 소음 공해를 줄일 수 있으며 도시 계획자는 수직항이나 착륙 장소의 데시벨 수준을 확실히 고려해야 하지만 소음 수준을 제어하려면 엄격한 정부 규제가 필요할 수 있습니다 . 항공 인프라에 대한 지침은 기존 규정, 즉 기존 항공기 및 헬리콥터에 적용되는 측정 기준에서 채택될 수 있습니다.

Nasa는 제조업체가 더 조용한 차량을 설계할 수 있도록 지원하기 위해 FAA, 대학 연구원 및 기타 업계 리더와 협력하여 AAM 소음을 모델링하고 예측하는 소프트웨어 도구를 개발했습니다. 고급 항공 모빌리티 캠페인에서는 낮은 수준의 소음에 대한 인간의 반응, 소위 “광대역 소음”(청취자가 특정 소스에 고정할 수 없는 소리에 대한 용어)에 대한 임계값 및 소리를 예측하는 방법을 탐구합니다 . 비행 중인 많은 차량이 동시에 만들어질 것입니다.

건설 환경 전반에 걸쳐 설계, 엔지니어링 및 지속 가능성 서비스를 제공하는 영국 회사인 Arup 은 최근 항공 모빌리티 시장의 가능성과 단점을 탐구하기 위한 원탁 토론을 실시했습니다.

샌프란시스코의 Arup 부교장인 Byron Thurber는 “도시에서 통제권을 행사할 수 있는 더 많은 기회가 있는 곳은 사업 허가를 통해서입니다.”라고 말합니다. “항공사 및 공항과 마찬가지로 지방자치단체는 상업용 항공 이동 서비스의 허가된 운영을 규제할 권한이 있습니다. 여기에는 통행금지 시간, 특정 지역의 수직항 최대 밀도 및 수수료에 관한 규칙이 포함될 수 있습니다.” 즉, 도시는 항공 택시 서비스가 언제 어디서 운영될 수 있는지 설정하는 데 도움이 되는 가드레일을 설정할 수 있습니다.

전설적인 교통을 자랑하는 로스앤젤레스가 얼리 어답터로 많이 언급되는 도시라는 것은 놀라운 일이 아닙니다. 하지만 날아다니는 자동차가 로스앤젤레스처럼 정체된 도시를 막는 데 얼마나 도움이 될 수 있을까요?

“한 가지 명심해야 할 점은 도시 항공 이동성이 혼잡을 해결하지 못한다는 것입니다.”라고 Thurber는 말합니다. “실제로 우리는 지상에 있는 차량의 수만큼 하늘에 떠 있는 차량의 수를 볼 수 없을 것입니다. 만약 그렇다면 하늘에 교통량이 있을 것입니다.”

규모의 경제로 인해 결국 하늘을 나는 자동차가 저렴해질 수 있습니다.
더 가능성 있는 시나리오는 출퇴근 시간이 가장 많은 런던 중심부나 뉴욕시와 같이 인구 밀도가 높은 지역에서 항공 택시를 이용하는 것입니다. 아마도 초기 상업 항공의 경우처럼 아주 부유한 여행자만이 처음에는 비행기를 탈 수 있을 것입니다. 규모의 경제는 궁극적으로 하늘을 나는 자동차를 저렴하게 만들 수 있습니다. 특히 도시가 기업이 저소득 지역에 접근 및 서비스를 제공하도록 인센티브를 제공할 수 있는 경우 더욱 그렇습니다.

2021년 로스앤젤레스 교통부(Ladot)는 특히 형평성을 강조하면서 도시 항공 이동성 정책 프레임워크 고려 사항에 대한 보고서를 개발하기 위해 Arup과 계약을 맺었습니다. 보고서는 하늘을 나는 자동차가 자금을 지원받는 지방자치단체 서비스이자 공공재로 보아야 한다고 강조합니다. 개념 증명이 확립되고 엄격한 테스트가 수행되고 안전 위험이 완화되면 첨단 항공 모빌리티 서비스는 도서관, 학교, 공항 또는 도로와 마찬가지로 파괴적인 기술이 아니라 커뮤니티 전체의 자산으로 기능해야 합니다.

AI는 평범하고 시간이 많이 걸리는 작업을 자동화할 수 있습니다. 이러한 신기술은 피로의 최악의 원인 중 일부를 해결하는 묘책입니까? 아니면 과로를 더욱 악화시킬 수 있습니까?

ChatGPT가 2022년 11월 대중에게 출시된 이후 작업자들이 플랫폼으로 몰려들었습니다. 소셜 미디어 피드 에는 AI 도구를 워크플로에 통합하는 방법에 대한 팁이 가득합니다 . 일부 초기 연구에서는 이미 생성적 AI가 생산성을 높이고 직업 만족도를 높이는 것으로 나타났습니다 .

Microsoft의 2023년 작업 동향 보고서의 결과는 이러한 흥분을 반영하며 이러한 도구가 과도한 작업 부하를 줄이고 잠재적으로 직원의 피로를 처리하는 데 도움이 될 것임을 시사합니다 . 그리고 많은 근로자들이 이에 동의하는 것 같습니다. 엔터프라이즈 자동화 소프트웨어 회사인 UiPath가 전 세계 6,000명 이상의 응답자를 대상으로 한 설문 조사에서 응답자의 58%는 자동화가 피로를 해결하고 업무 성취도를 향상시킬 수 있다고 생각한다고 답 했습니다 .

전문가들에 따르면 번아웃은 여전히 ​​직장에서 널리 퍼져 있는 문제 입니다 . 많은 사람들은 이러한 새로운 도구가 평범하고 시간이 많이 걸리는 작업을 자동화할 수 있다는 전망을 유망한 개발로 생각합니다. 그리고 이 소식은 생성적 AI의 부상에 대한 근로자의 우려가 있는 가운데 밝은 점입니다 .

그러나 그들은 또한 경고가 있다고 말합니다. 작업자가 생산성을 높이기 위해 이러한 AI 도구를 사용함에 따라 작업량이 줄어들고 단조로운 일이 줄어 작업자가 숨을 쉴 수 있게 되는지, 아니면 단순히 새로운 작업을 채울 수 있는 더 많은 공간을 만들 수 있는지는 확실하지 않습니다.

많은 전문가들은 이메일에 응답하고 회의에 참석하는 등 바쁜 업무가 탈진의 원인이라는 데 동의합니다. UiPath의 AI 전략 책임자인 Ed Challis는 “이제 사람들은 해야 할 반복적인 작업이 훨씬 더 많아졌습니다.”라고 말합니다.

Challis는 AI 도구가 바쁜 업무를 줄일 수 있는 잠재력을 가지고 있다고 믿습니다. “정말로 모든 사람이 개인 비서를 갖는 것과 같을 것입니다.”라고 그는 말합니다. “그러면 직장에서 반복적으로 하는 일이 많이 사라질 거예요.”

그리고 AI 도구가 직장에 미칠 정확한 영향을 알기에는 너무 이르지만 보스턴에 본사를 둔 비영리 조직인 National Bureau of Economic Research의 연구 보고서 결과는 기술의 생산성 향상 잠재력을 보여 줍니다 .

스탠포드 대학교와 MIT(매사추세츠 공과대학) 출신의 저자들은 AI 채팅 도우미와 함께 일하는 고객 서비스 담당자의 생산성이 14% 증가한 것을 기록했습니다. AI 비서는 최고 성과자와 최저 성과자 간의 격차를 줄이고, 신입사원 교육에도 속도를 냈다. 연구에 따르면, AI 비서의 도움을 받은 경험이 2개월밖에 되지 않은 한 고객 서비스 상담원은 혼자 일한 경험이 6개월인 상담원과 똑같은 성과를 냈습니다.

 

그러나 피로 완화와 같은 장기적인 결과에 대한 전망은 그리 간단하지 않습니다. 논문 작성자 중 한 명인 Danielle Li는 AI 도구가 생산성을 높이고 바쁜 작업을 줄일 수 있다는 데 동의하지만 이러한 요소가 작업자에게 영향을 미칠 정확한 방식을 예측할 수는 없습니다.

MIT 슬로안(MIT Sloan)의 기술 혁신, 기업가 정신, 전략 관리 부교수인 Li는 “대부분의 시간을 힘든 일을 하는 데 소비했고 지금은 더 흥미로운 일을 하고 있다면 소진의 관점에서 보면 좋을 수도 있습니다”라고 말합니다. 경영대학원. “그러나 생산성이 향상된다는 것이 실제로 휴식을 취한다는 의미인지도 불분명합니다. 이 근로자들이 특정일에 더 많은 일을 처리할 수 있는 경우도 있을 수 있습니다.”

Li는 또한 직원의 생산성이 높아지면 고용주가 직원 수가 더 적게 필요하다고 판단하여 개인 작업량에 더 많은 부담을 줄 수 있다고 제안합니다 . Li는 “기업이 계속해서 기준을 높이는 것은 매우 쉽습니다.”라고 말합니다. 번아웃은 여전히 ​​조직의 문제이며 기술이 이에 영향을 미칠 수 있지만 궁극적으로 이를 해결하는 방식은 회사에 달려 있다고 설명합니다. Li는 “AI를 사용하면 피로를 완화할 수도 있고, 피로를 훨씬 더 악화시킬 수도 있습니다.”라고 말합니다.

그녀는 기업이 선택권이 있다고 말합니다. 예를 들어 근무 시간을 단축하여 생산성 향상의 이점을 공유할 수 있습니다. 아니면 수익에만 전적으로 집중할 수도 있습니다. Li는 “이것은 우리가 누를 수 있는 가속기 버튼이며 기업은 계속해서 누를 수 있습니다.”라고 말했습니다.

영국 사우샘프턴 경영대학원(University of Southampton Business School)의 경영학 교수인 예후다 바루크(Yehuda Baruch)는 이러한 AI 도구가 피로를 해결하는 만병통치약이 아니라는 데 동의합니다. 그는 AI가 현재 인간이 수행하는 많은 작업의 필요성을 제거하고 남은 작업은 대부분 창의적이고 혁신적인 작업에 집중될 것이라고 예측합니다.

그러나 Baruch는 또 다른 문제를 지적합니다. 전문가들은 피로가 단순히 과로나 반복적인 작업으로 인해 발생하는 것이 아니라고 말합니다. Baruch와 중국 및 홍콩의 학자들이 실시한 2021년 연구 결과에 따르면 접객업 종사자들은 AI가 잠재적으로 일자리를 빼앗을까봐 불안해지면 지칠 가능성이 더 높은 것으로 나타났습니다 .

이것은 우리가 누를 수 있는 액셀러레이터 버튼이고, 기업은 계속해서 누를 수 있습니다 – 다니엘 리(Danielle Li)
Baruch는 “번아웃은 다양한 형태로 나타날 수 있습니다.”라고 말합니다. “수년에 걸쳐 얻은 모든 지식과 개발한 기술이 기계에 의해 수행되는 것을 보면 실망스러울 것입니다.” 이러한 탈진은 할 일이 너무 많아서 발생하는 것이 아닙니다. 대신 Baruch는 더 이상 필요하지 않다고 걱정하면 비슷한 피해를 입을 수 있다고 설명합니다.

심리학자 Christina Maslach와 Michael Leiter는 저서 The Burnout Challenge에서 번아웃을 “단일 요인의 결과가 아니라 피로, 냉소, 비효율이 복합적으로 혼합된 결과”라고 설명합니다. 그들이 확인한 6가지 뚜렷한 소진 원인 중에서 과로는 단지 하나일 뿐입니다.

UiPath 연구에서는 직원들이 번아웃의 다양한 근본 원인을 보고하는 것으로 나타났습니다. 많은 응답자들이 피로의 원인으로 ‘예정된 시간을 초과한 근무'(40%), ‘과도한 회의나 전화'(25%) 등 일반적인 과로 요인을 꼽았지만, 다음과 같은 직장 문화도 꼽았습니다. 리더십의 압박'(39%), 직업 불안 등을 꼽았습니다.

궁극적으로 전문가들은 AI가 근로자의 정신 건강을 개선하는 방법에 있어 고용주가 중요한 역할을 하게 될 것이라고 믿습니다. 예를 들어 근로자에게 더 많은 작업을 하게 하고 직원을 삭감하는지, 근로자가 대신 시간을 회수할 수 있도록 하는지 여부 등이 있습니다. 그리고 직원들이 얼마나 지루한 작업을 덜어낼 것으로 예상하는지에 관계없이 이러한 불확실성은 그 자체로 피로를 유발할 수 있습니다.

Baruch가 말했듯이, “AI는 축복이 될 수도 있고 저주가 될 수도 있습니다.”