글쓴이 보관물: salab

2024년 여름호

알면 쓸모 있는 세 가지 궤변

 

강성원(KAIST 교수)

 

1. 서론

궤변(fallacious argument, fallacy)은 중대한 오류를 갖고 있는 논증을 뜻한다. 어떤 궤변에는 사람들을 속이려는 의도가 들어 있는데 그런 궤변을 그렇지 않은 것과 구별하기 위해 기만적 궤변이라고 부르기도 한다. 궤변은 소크라테스 시대에도 있었다. 당시에 많은 궤변가들이 있었고, 소크라테스를 궤변가로 본 사람들도 있었다. 수사학(rhetoric)은 사전에 “사람들에게 영향을 주기 위한 화법 혹은 작문법으로 완전한 정직성이나 진정성을 가지지 못할 수 있다.”[1]로 정의되어 있는데, 때로는 궤변과 수사적 표현의 차이가 미미하여 어느 쪽인지 알아채기 어려울 수 있다. 그러나 궤변은 중대한 오류를 갖고 있는 논증이고 따라서 궤변에 대한 철저한 지식을 갖고 있으면 궤변에 속지 않고 잘못된 논증에 기반한 잘못된 판단을 피할 수 있다. 그러나 현대인들은 바쁘고 학습에 들일 시간이 여의치 않을 수 있다. 그럴 때 자주 쓰이면서 우리를 가장 많이 속이는 궤변을 공부하여 대비하면 최소의 노력을 들여 최대 효과를 보는 차선책이 될 것이다.

그럼 우리의 대화나 논의 속에서 가장 많이 등장하는 궤변들로 어떤 것들이 있을까? 많이 이용되는 궤변의 종류는 수십가지에 달하지만, 이 글에서는 논점 이탈의 궤변, 인신 공격의 궤변, 피장파장의 궤변의 세 가지를 소개한다. 이 세 가지 궤변들 중에서 인신 공격의 궤변과 피장파장의 궤변은 사람들이 자주 사용하는 논증에 대응되는 궤변 종류이다. 이 말은 궤변 유형에 대응되는 논증 유형이 있어서 논증 유형에 맞게 올바로 사용되면 설득력 있는 논증이 되는데, 논증자의 고의나 착오 혹은 무지에 의해 논증이 오류를 갖게 되고 그로 인해 궤변이 된 경우라는 뜻이다. 논점 이탈의 궤변의 경우에는 따로 대응되는 논증 유형이 없다. 즉, 어느 논증의 종류가 특별히 그 종류의 궤변을 발생시키는 것이 아니라, 어떤 종류의 논증도 잠재적으로 논점 이탈의 궤변을 발생시킬 수 있는 것이다.

 

2. 논점 이탈의 궤변

논점 이탈의 궤변은 전제들로부터 결론으로 진행하는 추리의 연결이 논리적이지 않고 이탈이 일어난 경우이다. 우리말에 “삼천포로 빠졌다.”라는 표현이 있는데, 정작 가야 할 곳으로 가지 않고 엉뚱한 곳으로 갔다는 것을 나타내는 표현이다. 논증이 삼천포로 빠지면 논점 이탈이 일어난 것이다. 대화 상황에서는 사람들이 동문서답을 한다고 말할 때 논점 이탈의 발생을 지적하는 것이다. 논점 이탈은 올바른 결론에 도달하는데 장애를 주는 중대한 논증 오류여서 궤변에 해당된다. 다음은 논점 이탈 궤변의 예이다.

길동: “T커피가 F커피보다 맛있다.”

길녀: “T커피는 N회사가 만들었다. 그런데 N회사는 P제품을 만들었고

     P 제품을 먹고 수천 명의 아이들이 죽었기 때문에 너의 생각을 틀렸다.”[2]

이 대화에서 길동이 말한 “T커피가 F커피보다 맛있다.”라는 진술이 길동이 아무런 전제 없이 자신의 생각 혹은 느낌을 말한 것이라면 길동의 발언을 논증이 아니다. 그러나 달리 해석하여, 길동이 명시적으로 언급하지는 않았지만 많은 사람들이 그렇게 생각하기 때문에 자신도 그렇게 생각한다는 것을 말한 진술이라면 길동의 발언은 하나의 논증이 된다. 그런데 길녀는 T커피를 만든 N회사가 많은 아이들이 먹고 죽은 P제품을 만들었기 때문에 길동의 생각을 받아들일 수 없다고 한다. 길녀의 의견은 도덕적으로 깨어 있는 생각이긴 하지만, 길동이 커피 맛이 아닌 다른 이슈에 대해 길녀와 달리 생각한다고 말한 적도 없고, 길동은 단지 커피의 맛에 대해서만 얘기하고 있었다. 따라서 길녀는 이 대화에서 논점 이탈을 한 것이다. 논점 이탈의 궤변의 다른 예로 법정이나 국회 청문회에서 증인이 심문자의 질문에 맞는 답을 하지 않고 엉뚱한 답변을 한 경우가 이에 해당된다.

 

3. 인신 공격의 궤변

인신 공격의 궤변은 상대의 주장을 논리적으로 반박하지 않고 상대방의 성격이나 동기를 근거로 상대방의 주장을 받아들일 수 없다고 하는 논증이다. 인신 공격의 궤변에 대하여 논의하기에 앞서 인신 공격의 논증에 대하여 논의한다. 앞에서 소개한 논점이탈의 궤변은 대화 상황에서도 발생할 수 있지만 독백 상황에서도 발생할 수 있다. 그러나 인신 공격의 논증은 인신 공격을 하는 사람과 인신 공격을 받는 사람이 있어야 하기 때문에 대화 상황에서만 발생한다. 인신 공격의 논증이 어떤 주장을 공격하지 않고 사람을 공격한다고 해서 반드시 오류 논증이 되는 것은 아니다. 때로는 개인의 행위, 성격, 동기 등에 대한 질문이 정당하고 논의의 쟁점과 관련이 있을 수 있기 때문이다.[3] 다음 예를 보자.

어떤 부모가 자녀에게 너희 선생님은 4년제 대학교를 졸업하지 않아서 잘 가르치지 못한다고 말한다.

이 논증은 기본적으로 인신 공격의 논증이다. 왜냐하면 선생님의 지식이나 가르치는 능력에서 잘 가르치지 못하는 능력의 원인을 찾지 않고, 선생님 개인의 학력에서 그 원인을 찾았기 때문이다. 이 논증의 한가지 가능한 해석은 이것이 선생님에 대한 객관적 평가라는 해석이다. 선생님이 잘 가르치지 못했고 그 이유로 아마도, 4년제 대학교를 졸업하지 않은 다른 선생님들도 잘 가르치지 못한다는 평가가 있는데 이 선생님도 이런 경우에 해당된다는 논리일 수 있다. 그렇다면 이 논증은 설득력 있는 논증이 된다. 그러나 또 다른 해석으로, 4년제 대학교를 졸업하지 않은 선생님들이 잘못 가르친다는 증거가 없는 상황에서 이런 말을 했다면 이 주장은 설득력 있는 논증이 아니라 선생님에 대한 공격이 된다. 특히 그 선생님이 4년제 대학을 졸업하지 않았다는 점을 드러내며 인신공격을 한 것으로 볼 수 있다. 이 논증은 이와 같이 인신 공격의 궤변을 저지른 논증인 동시에 그 과정에 잘 가르치지 못하는 진짜 원인을 찾지 않고 인신 공격으로 넘어간 논점 이탈의 궤변을 저지른 논증이다.

이번에는 분명한 인신공격 궤변의 예를 보자.[4]

길동: 우리 아저씨는 모든 살인자를 사형에 처해야 한다고 말한다. 왜냐하면

      그러면 아무도 사람을 죽이려 하지 않을 것이기 때문이다.

길녀: 너희 아저씨 감옥에 간 적이 있니? 나는 범죄자의 의견을 믿어서는 안

     된다고 생각해.

범죄자라도 옳은 말을 할 수 있을 뿐 아니라 어떤 사람이 범죄자인지의 여부가 그 사람의 말이 옳은 지의 문제와 직접적으로 관련된다고 보기 어렵다. 따라서 길녀는 인신공격의 궤변을 저지른 것이다. 다음 대화의 논증도 마찬가지이다.

길녀: 소고기를 먹으면 이산화탄소 배출이 많아져 지구환경에 나쁘다.

길동: 그런데 너는 왜 소고기를 먹니?

이 대화에서 길동은 길녀의 말을 반박하지 않고 길녀의 언행불일치를 문제삼아 길녀를 공격하기 때문에 길동이 인신 공격의 궤변을 저지른 것이다.

 

4. 피장파장의 궤변

피장파장의 궤변에 대한 논의도 인신 공격의 궤변에 대한 논의의 경우와 마찬가지로 먼저 논증에 대하여 논의하고 그 다음에 궤변에 대해 논의한다. 피장파장의 논증은 정치에서 상대의 지적 또는 공격에 대한 대응으로 가장 많이 이용되는 논증 유형이다.[5] 피장파장의 논증은 논증자가 상대방의 주장을 비판하는 게 아니라 상대방을 비판함으로써 상대방의 주장을 비판하는 논증으로, 상대방이 논증자보다 나을 게 없다는 주장을 동반한다. 영어로는 너도 마찬가지라는 뜻으로 “You Too Argument”라고 부르기도 하고 양쪽이 모두 잘못했다는 뜻으로 “Two Wrongs Argument”라고 부르기도 한다. 피장파장의 논증은 상대방의 주장을 비판하는 게 아니라 상대방을 비판하기 때문에 쉽게 인신공격이 될 수 있다. 피장파장의 논증은 논증자도 있고 상대도 있어야 “피장파장”이 되기 때문에 대화 상황에서 발생한다. 다음은 피장파장의 논증의 예이다.

길동: 나는 네가 네 수학책에서 시험문제 답을 베끼는 것을 보았다.

길녀: 그건 내 수학책이었어. 너는 철수의 리포트를 빌려서 네가 한 것으로

     제출하지 않았니?

이 대화에서 길녀는 자신이 부정행위를 한 것을 부정하지 않지만, 길동이 한 부정행위는 자신이 한 것에 비해서 더 심각하다는 점을 지적하고 그러므로 길동이 그녀를 비난할 처지가 아니라는 점을 말하고 있다. 만일 여기서 길녀가 근거 제시 없이 자신이 한 부정행위를 부인했다면 피장파장은 성립하지 않는다. 그러나 길녀가 부정행위를 인정했기 때문에 길녀가 피장파장의 상황이라고 말한 셈이 되고 길녀의 말에 궤변은 없다.

또 다른 예로 다음의 상황을 보자.

A당이 B당을 향해 정당으로서 역할을 제대로 하지 못한다는 것을 지적하자, B당은 이에 대해 A당은 그런 말을 할 자격이 없다고 대응하고 더 이상의 논의를 거부한다.

B당은 A당이 왜 정당의 역할을 제대로 하지 못한다고 하는지에 대한 이유를 알려 하지 않고, A당도 더 나을 게 없다고 하여 공격한다. 역할을 제대로 하는 것이 무엇인지를 양 당이 같이 규정하고 각 항목에서 어느 쪽이 어느 정도 했는지를 비교한다면 합리적인 논의가 되었을 것이다. 그러나 위의 예에서는 아마도 이와 같은 방법으로 유리한 결과를 얻기 어렵다고 판단하기 때문이거나 아니면 논증자가 아예 그런 것에 관심이 없기 때문에 논의를 거부한 발언으로 볼 수 있다. 여기서 B당이 단순히 A당은 그런 말을 할 자격이 없다고만 했으면 A당이 정말로 그런 지를 따져 보아야 한다. 만일 자격이 없는 것이 사실이면 B당은 피장파장의 논증을 한 것이다. 그러나 A당이 실제로는 자격이 있거나 혹은 B당이 A당의 자격이 없다고 말한 이유가 이를 구실로 논의를 거부하려 한 것이라면 A당은 피장파장의 궤변을 저지른 것이다.

다음은 한 노인과 젊은이 간의 대화에서 나온 발언이다.

“아저씨도 담배 피우면서, 저 더러 담배 피우지 말라고 하지 마세요.” [6]

이 발언을 면밀히 분석하면 다음과 같은 상황임을 알 수 있다:

노인은 담배를 피운다.

젊은이도 담배를 피운다.

노인이 젊은이에게 담배는 건강에 해로우니 피우지 말라고 말한다.

젊은이는 “스스로 지키지 않는 것을 타인에게 요구해서는 안 된다”고 말한다.

노인이 자신은 담배를 피는 만족감을 취하면서 젊은이에게 그 만족감을 얻을 수 있는 행위를 하지 말라는 뜻으로 위와 같이 말했다면 노인의 말은 설득력이 없다. 그러나 흡연으로 인해 젊은이가 노인보다 건강에 더 큰 피해를 입을 수 있다는 뜻으로 얘기한 것이라면 노인의 요구는 근거가 있는 것이며, 노인이 왜 그런 말을 하는지 이해하려 하지 않고 노인의 주장을 일방적으로 되받은 젊은이의 주장이 오히려 논점 이탈의 궤변이 된다. 또한 이 경우, 젊은이의 발언이 이유를 무시하고 당신도 담배를 피우니 나에게 담배를 피지 말라고 할 자격이 없다고 말한 게 되어 이 발언은 피장파장의 궤변이다. 그리고 동시에 단순히 발언자가 자격이 없다는 이유로 발언자의 말이 틀렸다고 주장하는 것은 논리적 비약이며 인신공격의 궤변이다.

 

5. 결론

논점 이탈의 궤변에의 논의에서 본 바와 같이 궤변에 대응되는 논증 유형이 존재하지 않아 비교적 쉽게 궤변임을 알아볼 수 있는 논증들도 있지만, 인신공격의 궤변과 피장파장의 궤변과 같이 대응되는 논증 유형이 존재하는 궤변은 그 논증이 설득력 있는 논증인지 궤변인지 판단하기 위해서 더욱 세심한 분석이 필요하다

논증을 올바로 평가하기 위해서는 먼저 화자의 말에서부터 어떤 논증이 들어 있는지 파악하는 노력을 해야 한다. 이때 적용해야 할 중요한 원리가 “자비의 원칙(Principle of Charity)”이다. 자비의 원칙이 중요한 이유는 표현된 논증이 논증자가 의도한 논증의 정확한 표현이 아닐 수 있고 또 논증의 정확한 내용을 파악하기 위해서는 논증의 문맥(context)을 온전히 알아야 하는데 해당 논증의 문맥에 관한 정보가 없거나 부족한 경우가 많기 때문이다. 같은 표현도 문맥에 따라서 전혀 다른 해석을 가질 수 있기 때문에 논증의 문맥을 올바로 파악하는 것은 논증의 평가를 위해 매우 중요하다. 논증을 평가하는 사람이 문맥을 온전히 이해하기 위해 때로는 많은 배경적인 사실들을 탐색하고 분석해야 한다. 논증을 올바로 평가하는 위해서는 또한 논증의 평가가 무엇을 위해 필요한지를 명확히 파악해야 한다. 논증 평가의 목적이나 용도에 따라 평가 기준이 달라져야 할 수도 있기 때문이다. 예를 들어 논증의 교환이 가장 체계적으로 이루어지는 영역의 하나인 재판의 경우, 민사 재판과 형사 재판에서 적용하는 죄 또는 책임의 입증 기준이 다르다. 형사 재판에서는 법을 어긴 사람을 엄벌하는 것 이상으로 중요한 것이 죄를 저지르지 않은 사람에게 잘못하여 유죄를 선고하지 않는 것이기 때문에 유무죄의 입증 기준은 “합리적 의심의 여지없음 기준(beyond reasonable doubt standard)”의 엄격한 기준이 적용되지만, 민사 재판에서는 책임 소재의 입증 기준으로 지지 논증들이 반대 논증들보다 더 강한 것으로 충분한 “우월한 증거 기준(preponderance of evidence standard)”이 적용된다.

이 글은 우리가 흔히 접하는 세 가지 궤변을 소개하였고, 여러 예를 통해서 논증의 평가가 때로는 까다로울 수 있고 올바른 평가를 하기 위해서는 관련 문맥을 정확히 파악해야 하다는 것을 알 수 있었다. 또한 논증의 파악과 평가에 필요한 간단한 원칙들도 살펴보았다. 논증과 궤변에 대해 이런 기본적인 이해를 습득한 독자는 더 깊은 지식을 얻기 위해 여러 논증 유형들과 궤변 유형들, 그리고 논증의 평가 방법, 논증의 도식화와 자동화에 대하여 공부하는 선택을 할 수 있다.

 

참고문헌

[Walton 08] Walton, Douglas, Informal Logic: A Pragmatic Approach, 2nd Ed., Cambridge University Press, 2008.

[Bluedorn 15] Nathaniel Bluedorn, Hans Bluedorn, The Fallacy Detective: Thirty-Eight Lessons on How to Recognize Bad Reasoning, Bluedorn, 2015.

 

===

[1] Oxford Learner’s Dictionary, “speech or writing that is intended to influence people, but that is not completely honest or sincere.”

[2] [Walton 08]p.100

[3] [Walton 08]p.170

[4] [Bluedorn 15]p.44

[5] [Walton 08]p.171

[6] [Walton 08]pp.178

2024년 봄호

인공지능 입법 동향과 보완점[1]

 

김휘식

 

  1. 서설

오픈AI가 2022년에 선보인 ChatGPT의 성능은 인공지능에 대한 기대와 우려를 가속화하고 있다. 생성형 인공지능인 ChatGPT는 강한 인공지능의 가능성을 보여준다. 유럽연합 의회는 2023년 6월 ChatGPT와 같은 생성형 인공지능에 대응하기 위하여 「유럽연합 인공지능법안」을 수정하였다. 이 법안에 생성형 인공지능이 속한 파운데이션 모델의 경우 ① 인공지능이 제작한 콘텐츠임을 명시하고, ② 불법 콘텐츠 생성을 방지하도록 설계하며, ③ 훈련에 사용된 저작권 데이터를 요약하여 게시하는 의무를 추가하였다.[2] 미국 바이든 대통령은 2023년 10월 안전하고 신뢰할 수 있는 인공지능의 사용에 관한 행정명령에 서명하였다. 이 행정명령은 ① 인공지능 개발 기업의 안전성 평가 의무, ② 인공지능 생성 콘텐츠 인증, ③ 워터마킹 표준 마련 등 인공지능 규제를 강화하는 내용을 포함하고 있다.[3]

 

  1. 우리나라 인공지능 입법 동향

국회의안정보시스템에서 인공지능을 명시한 법안은 2024년 2월을 기준으로 13개가 검색된다.[4] 초기에 발의된 법안은 지원을 위한 내용이 중심을 이루고 있었으나, 최근에 발의된 법안은 규제에 관한 내용이 추가되고 있다. 그 구체적인 예로 「인공지능산업 육성 및 신뢰 확보에 관한 법률안」, 「알고리즘 및 인공지능에 관한 법률안」, 「인공지능 육성 및 신뢰 기반 조성 등에 관한 법률안」 등 7개 법안을 통합한 위원회 대안은 고위험 영역에서 활용되는 인공지능을 정의하고 있다(제2조).[5] 또 위원회 대안은 고위험 영역에서 활용되는 인공지능을 이용하여 제품 또는 서비스를 제공하려는 자는 해당 제품 또는 서비스가 고위험 영역에서 활용되는 인공지능에 기반하여 운용된다는 사실을 이용자에게 사전에 고지하여야 한다(제27조)고 명시하고 있다. 한편 위원회 대안은 국가나 지자체, 공공기관 등이 국민에게 영향을 미치는 의사결정을 위해 사용되는 인공지능을 고위험 영역에서 활용되는 인공지능으로 명시하고 있다. 그 외에도 위원회 대안은 인공지능 학습용데이터 관련 시책 수립을 규정하고(제14조), 고위험 영역에서 활용되는 인공지능 개발자 등은 신뢰성 확보 조치를 이행하도록 규정하고 있다.[6]

가장 최근에 발의된 인공지능 관련 법안인 「인공지능 책임 및 규제법안」은 총칙(제1장), 인공지능 개발 및 이용에 관한 규제의 원칙(제2장), 고위험 인공지능의 개발 및 이용(제3장), 인공지능 윤리 및 신뢰성 확보(제4장) 등으로 구성되어 있다. 이 법안은 인공지능의 유형을 금지된 인공지능, 고위험 인공지능, 저위험 인공지능으로 구분한다(제2조). 특히 국가, 지방자치단체, 「공공기관의 운영에 관한 법률」에 따른 공공기관 등이 사용하는 인공지능으로서 국민을 평가, 분류, 통제하는 의사결정에 사용되는 인공지능을 고위험 인공지능으로 명시하고 있고 우선허용･사후규제 원칙(제5조), 고위험 인공지능 사업자의 책무(제8조, 제9조)를 규정하고 있다. 이 법안은 또한 고위험 인공지능 이용자의 권리로 설명요구권, 이의제기권 또는 거부권을 인정하였고(제10조), 고위험 인공지능 사업자에게 손해배상 감면을 위한 입증책임을 부담하게 하였다(제11조). 그 밖에도 이 법안은 인공지능 주요 정책을 심의･의결하는 인공지능 위원회를 국무총리 소속으로 규정하고 있다(제13조). 이와 같은 내용으로 최근의 법안은 법안명에서 표현되는 바와 같이 위원회 대안에 비하여 인공지능 규제의 밀도를 높였다.

 

  1. 인공지능 입법 방안의 보완점

인공지능에 대한 규제 방안은 과학기술에 대한 규제로 연결되기 때문에 규제와 더불어 불투명성, 편향성, 자율성, 데이터 기반 등 인공지능 자체의 특성을 고려하여 만들어야 한다. 기술 혁신을 촉진하기 위한 우선허용･사후규제를 원칙으로 하되, 리스크에 유연하게 대응할 수 있는 리스크 기반 규제, 규제 지체에 유연하게 대응할 수 있는 원칙 기반 규제, 자율규제와 가이드라인, 규제계약 등 다양한 수단으로 규제를 보완하고 견제할 수 있다. 구체적인 보완 방법으로 인공지능 사업자에게 신고나 허가를 요구할 수 있으며, 인공지능 이용자에게 설명요구권을 부여하는 방법도 생각할 수 있다. 인공지능에 대한 규율에 있어, 금지의 성질을 추상적 위험 발생의 예방과 구체적 위험 발생의 진압으로 나누어 본다면,[7] 구체적 위험 발생을 진압할 수 있도록 유연한 규정을 두는 것은 적절하나 추상적 위험 발생을 예방하기 위하여 세부적인 규정을 두는 것은 적절하지 않다고 보아야 한다.

인공지능을 법규범으로 규제하는 접근방식은 유럽연합의 경우와 같은 일반법적･전면적 방식과 미국의 경우에서 보는 바와 같이 가이드라인 형태로 출발해서 점차 개별법을 제･개정하고 일반법을 마련하는 개별법적･점진적 방식으로 나눌 수 있다. 일반법적 방식은 포괄적이고 체계적일 수는 있지만 과도한 규제로 인해 인공지능 기술 발전을 억제할 위험성이 있고, 개별법적･점진적 방식은 어느 정도 특정된 문제점에 대응한다는 점에서 과도한 규제로 인한 위험성은 줄어들지만 규제의 공백으로 인해 제3자의 피해를 예방하기 어렵다는 단점이 있다. 우리나라의 경우에는 현재는 개별적･점진적 방식에 가깝다. 그러나 유럽연합의 방식도 폭넓은 논의를 바탕으로 금지되는 인공지능의 유형을 정하고 있는 정도이고 전면적인 규제로 보기는 어려우며 나머지는 여전히 개방되어 있다고 볼 수 있다.[8] 인공지능은 다양한 분야에서 활용될 수 있고 그에 따라 규제의 정도도 다르며 기술 혁신을 지원할 필요가 있다는 점에서 보면 현재로서는 개별법적･점진적 방식이 설득력이 있는 방식이다. 각국이 처한 상황과 법체계의 차이에 따라 적절한 방식은 달라진다. 그러나 처한 상황과 법체계가 다르지만 인공지능의 혜택을 최대화하고 위험성을 견제하고자 하는 목표는 각국이 서로 다르지 않으므로, 세부적인 내용은 서로 영향을 주고받으면서 절충점을 찾게 될 것이다.[9]

인공지능을 규율하는 조직과 관련하여 유럽의 경우 「유럽연합 인공지능법안」으로 유럽 인공지능이사회를 설립하고(제56조), 회원국은 관할 당국을 지정하도록 규정하고 있다(제59조). 미국의 경우 「미국 알고리즘 책임법안(2023)」은 입법 목적 등에서 연방거래위원회를 집행기관으로 명시하고 있다. 우리나라 국회에서 논의 중인 「인공지능산업 육성 및 신뢰 확보에 관한 법률안」, 「인공지능 책임 및 규제법안」 등은 국무총리 소속으로 인공지능 정책을 심의･의결하는 인공지능위원회를 규정하고 있다. 인공지능 정책의 집행을 위해서는 담당 전담 기구가 전문성, 독립성, 공정성을 확보할 수 있고 관련 기관과 협력할 수 있도록 구축되어야 한다.[10] 전문성을 요하는 업무는 합의제 기관이 적합하고 독립성과 중립성을 요하는 업무는 상호독립적 동격 기관이 적합하기 때문에,[11] 전문성을 요하는 인공지능 규율을 심의･의결하는 인공지능위원회를 합의제 기관으로 설치하는 것이 적절하다. 다만 인공지능위원회의 독립성을 강화할 필요가 있고 인공지능위원회가 직접 분쟁조정을 하는 것은 아니므로, 인공지능 분쟁조정위원회를 따로 두어야 할 것이다.

 

  1. 결어

인공지능 기술의 발전을 촉진하기 위한 지원과 함께 딥페이크, 가짜뉴스 등 인공지능의 악용 가능성에 대한 우려로 규제의 중요성이 점점 더 커져가고 있다. 이에 대처하기 위하여 우리나라가 처한 상황에 맞게 인공지능 규제의 정도를 정할 필요가 있으며, 이를 위해 인공지능에 대한 규율에 있어 구체적 위험 발생을 진압할 수 있도록 유연한 규정을 두는 것은 적절하나 추상적 위험 발생을 예방하기 위하여 세부적인 규정을 두는 것은 적절하지 않다. 또한 전문성을 요하는 인공지능 규율을 심의･의결하는 인공지능위원회를 합의제행정기관으로 설치하는 것은 적절하나, 효과적으로 기능하기 위해서는 인공지능위원회의 독립성을 강화할 필요가 있다. 나아가 전문성과 독립성 강화를 위해 인공지능 소프트웨어 전문가와 법률가가 인공지능위원회의 위원으로 포함되어야 한다.

 

[참고문헌]

  1. 김광수, “인공지능 알고리즘 규율을 위한 법제 동향-미국과 EU 인공지능법의 비교를 중심으로-”, 행정법연구 제70호, 2023.3.
  2. 김송옥, “AI 법제의 최신 동향과 과제-유럽연합(EU) 법제와의 비교를 중심으로-”, 공법학연구 제22권 제4호, 2021.11.
  3. 김휘식, “인공지능을 활용한 자동적 처분에 곤한 공법적 연구”, 고려대학교 박사학위논문, 2024.
  4. 이성엽(편), 데이터와 법, 제2전정판, 박영사, 2024.
  5. 이원우/김태오, “경제행정법”, 김철용(편), 특별행정법, 박영사, 2022.
  6. 홍석한, “유럽연합 ‘인공지능법안’의 주요 내용과 시사점”, 유럽헌법연구 제38호, 2022.4.
  7. European Parliament, P9_TA(2023)0236, Artificial Intelligence Act, Amendments adopted by the European Parliament on 14 June 2023 on Artificial Intelligence Act and amending certain Union legislative acts (COM(2021)0206 – C9-0146/2021 – 2021/0106(COD).
  8. US Executive Order No. 14110, Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence, 88 Fed. Reg. 75191(Oct. 30, 2023).

———–

[1] 이 글은 김휘식, “인공지능을 활용한 자동적 처분에 관한 공법적 연구”, 고려대학교 박사학위논문(2024)의 일부 내용을 요약, 수정한 것입니다.

[2]  European Parliament, P9_TA(2023)0236, Artificial Intelligence Act, Amendments adopted by the European Parliament on 14 June 2023 on Artificial Intelligence Act and amending certain Union legislative acts (COM(2021)0206 – C9-0146/2021 – 2021/0106(COD).

[3] US Executive Order No. 14110, Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence, 88 Fed. Reg. 75191(Oct. 30, 2023).

[4] 현재 심의 중인 법안은 최근 발의된 순으로 「인공지능 책임 및 규제법안(안철수 의원 등 10인)」, 「인공지능책임법안(황희 의원 등 14인)」, 「인공지능산업 육성 및 신뢰 확보에 관한 법률안(윤두현 의원 등 12인)」, 「인공지능교육진흥법안(조해진 의원 등 12인)」, 「한국인공지능･반도체공과대학교법안(안민석 의원 등 13인)」, 「알고리즘 및 인공지능에 관한 법률안(윤영찬 의원 등 12인)」, 「인공지능에 관한 법률안(이용빈 의원 등 31인)」, 「인공지능 육성 및 신뢰 기반 조성 등에 관한 법률안(정필모 의원 등 23인)」, 「인공지능교육진흥법안(안민석 의원 등 10인)」, 「인공지능 기술 기본법안(민형배 의원 등 10인)」, 「인공지능 집적단지의 육성에 관한 특별법안(송갑석 의원 등 11인)」, 「인공지능산업 육성에 관한 법률안(양향자 의원 등 23인)」, 「인공지능 연구개발 및 산업 진흥, 윤리적 책임 등에 관한 법률안(이상민 의원 등 11인)」이다. 2023년 2월 국회 과학기술정보방송통신위원회 법안심사소위원회는 「인공지능산업 육성 및 신뢰 확보에 관한 법률안」, 「알고리즘 및 인공지능에 관한 법률안」, 「인공지능 육성 및 신뢰 기반 조성 등에 관한 법률안」 등 7개 법안을 통합하여 위원회 대안으로 처리하기로 합의하였다.  https://likms.assembly.go.kr/bill/BillSearchResult.do

[5] 에너지, 먹는 물 공급, 보건의료, 의료기기, 핵물질과 원자력시설의 안전관리･운영, 범죄 수사나 체포에서의 생체정보 분석･활용, 채용이나 대출 심사, 자율주행을 포함한 교통수단, 교통시설, 교통체계의 주요한 작동 및 운영, 국가나 지자체, 공공기관 등이 국민에게 영향을 미치는 의사결정을 위해 사용되는 인공지능과 같이 국민의 안전, 건강, 기본권 보호에 중대한 영향을 미칠 수 있는 인공지능을 말한다.

[6] 이를 구체화한 과학기술통신부장관 고시(안)는 인공지능이 도출한 결과, 결과 도출에 활용된 주요 기준, 학습용 데이터의 개요 등에 대한 설명 방안을 포함하도록 규정하고 있다. 손도일/이성엽, “인공지능과 데이터 활용의 법적 이슈”, 이성엽(편), 데이터와 법, 제2전정판, 박영사, 2024, 505면.

[7] 이원우/김태오, “경제행정법”, 김철용(편), 특별행정법, 박영사, 2022, 523면.

[8] 김송옥, “AI 법제의 최신 동향과 과제-유럽연합(EU) 법제와의 비교를 중심으로-”, 공법학연구 제22권 제4호, 2021.11, 130면.

[9] 김광수, “인공지능 알고리즘 규율을 위한 법제 동향-미국과 EU 인공지능법의 비교를 중심으로-”, 행정법연구 제70호, 2023.3, 191면.

[10] 홍석한, “유럽연합 ‘인공지능법안’의 주요 내용과 시사점”, 유럽헌법연구 제38호, 2022.4, 273면.

[11] 이원우/김태오, “경제행정법”, 김철용(편), 특별행정법, 박영사, 2022, 489-491면.

2023년 겨울호

TinyML는 지속가능한가?

 

Shvetank Prakash(하버드대학교 John A. Paulson School of Engineering and Applied Sciences 박사과정 학생), Matthew Stewart(하버드대학교 박사후 연구원), Colby Banbury, Mark Mazumder (하버드대학교 John A. Paulson School of Engineering and Applied Sciences 박사과정 학생), Pete Warden(Useful Sensors사 CEO 겸 스탠포드대학교 박사과정 학생), Brian Plancher(컬럼비아대학교 Barnard 대학 전산학과 조교수), Vijay Janapa Reddi(하버드대학교 Engineering and Applied Science학과 부교수)

 

번역: 강성원(KAIST)

 

[옮긴이의 말] 이 글은 Communications of the ACM의 2023년 11월 호(Vol. 66 No. 11)에 실린 논문 “TinyML는 지속가능한가?”의 전반부를 우리말로 옮긴 것이다. 기계학습을 사용하는 인공지능 기술이 세상을 크게 바꾸고 있는 가운데 거대언어모델(LLM) 같은 기계학습 모델은 훈련비용이 작게는 100만달러에서 많게는 1억 달러가 소요될 정도로 많은 비용과 전력을 소모시키며 동시에 많은 이산화탄소를 발생시키고 있다. 이 논문은 하버드 대학교와 스탠포드 대학교의 박사과정 학생들이 중심이 되어 작성한 논문으로 최신 인공지능 기술의 혜택을 누리는 동시에 지구환경보존에 기여할 수 있는 기술로서 TinyML의 이용 현황과 잠재력을 소개한다. 이 논문은 TinyML을 활용한 MCU들이 대규모로 배포될 경우 이로 인해 새로운 환경 문제가 발생할 수 있지만, TinyML을 활용하여 기존의 환경 문제들을 해결하여 얻는 이점이 TinyML의 도입으로 인한 단점보다 더 클 것으로 기대한다.  다만 개별 MCU의 탄소 배출량은 적을지라도 전 세계에 배포될 MCU의 수는 적지 않기 때문에, 지속가능한 TinyML의 적용을 위한 노력이 필요하다고 말한다.

 

탄소 배출량과 지구 환경에 해로운 글로벌 폐기물이 지속적으로 늘어남에 따라, 환경에 심각한 우려가 제기되고 있고 지속가능한 미래에 대한 요구는 더 커지고 있다. 이에 대한 응답으로 유엔(UN)은 2030년 “지속가능한 개발을 위한 공동 프레임워크”를 만들었다. 이는 인류와 지구의 평화와 번영을 목표로 하고 있으며, 그 핵심으로 17개의 지속가능한 발전 목표(Sustainable Development Goals: SDG)들을 제시한다. SDG는 모든 국가가 환경적으로, 경제적으로, 사회적으로 더 지속가능한 미래를 만들기 위한 노력을 하도록 독려하는 행동요구이다.

극소형 기계학습(Tiny Machine Learning)을 뜻하는 TinyML은 마이크로컨트롤러(MCU) 장치 안에서 기계학습을 가능하게 한다. 따라서 특히 환경 지속가능성과 관련된 다양한 유엔의 지속가능한 발전 목표에 대한 해결책을 줄 수 있는 큰 잠재력을 갖고 있다. TinyML의 운영상의 이점으로 종종 지속가능성이 강조되고 있지만, 순 탄소 감소를 보장하기 위해서는 어플리케이션과 하드웨어의 전체 수명 주기를 고려해야 한다. 본 논문은 TinyML의 지속가능성 이점을 보여주는 몇몇 사례를 보이고, 생명주기 분석(Life Cycle Analysis)을 통해 MCU 및 시스템 수준에서 TinyML의 환경 영향을 검토하며, 지속가능한 TinyML을 위한 향후 연구 방향을 제시한다.

TinyML에서는 기계학습 알고리즘을 저비용, 저전력의 제한된 자원의 마이크로컨트롤러(MCU) 시스템에 배치한다. TinyML은 인공 신경망 모델을 플래시와 같은 메모리에 저장하고 기기 내 센서 데이터로부터 추론을 실행하여 그 결과를 출력한다. 보통 클라우드와의 통신을 통해 데이터를 전송한 뒤 외부에서 처리하는 기존의 사물인터넷(IoT) 접근 방식과 달리 이 방식은 장치 안에서의 지능적 센서데이터 분석을 수행한다. 중요한 점은 TinyML이 전통적인 기계학습 시스템에 필요한 계산 리소스의 양에 비해 극히 적은 양만을 사용함으로써 같은 목표를 달성한다는 것이다. 표 1은 TinyML과 (클라우드 및 모바일 시스템과 같은) 전통적인 BigML을 비교한다. 표 1은 TinyML이 계산, 메모리, 저장소, 전력, 비용 등에서 훨씬 적은 리소스를 필요로 한다는 것을 보여준다. MCU 장치의 이질성과 제한된 자원은 장치 내 훈련, 모델 업데이트 및 배포에 대한 새로운 도전을 제기하지만, 최근의 연구 및 Microcontrollers를 위한 TensorFlow Lite와 같은 기계학습 프레임워크의 개발로 TinyML을 이용하기는 한결 용이해졌다.

표 1. 클라우드와 모바일 기계학습 시스템과 TinyML의 비교. TinyML 시스템의 풋프린트(footprint)가 훨씬 작다.

플랫폼 속도 메모리 저장 용량 전력소모 가격 탄소 배출량
클라우드 GHz 10+GB TBs-PBs ~1 kW $1000이상 수백 킬로그램
모바일 GHz Few GB GBs ~1 W $100이상 수십 킬로그램
TinyML MHz KBs 수 MB ~1 mW $10 수 킬로그램

 

 

MCU의 보편성, 저렴한 가격, 작은 전력 소모는 TinyML이 인터넷 연결이 없어도 동작한다는 특징과 결합되어, 규모에 상관없이 전 세계 어디서든 기계학습모델을 배포할 수 있도록 한다. 이러한 이유로, 대역폭, 지연, 에너지 소비, 신뢰성 및 개인 정보 보호와 관련된 우려도 있지만, 내장된 단말 디바이스에서 직접 기계학습을 실행하는 TinyML의 방식이 인기를 끌고 있다.

현재 전 세계에 2500억 개 이상의 MCU가 배치되어 있는데, MCU의 단위 가격이 0.50달러 미만으로 떨어질 것으로 예상된다. 그로 인해 향후 10년 동안 매년 400억 개의 MCU가 판매되어 이 수치는 더 커질 것이다. 따라서 TinyML은 점점 더 보편적인 기술이 될 것으로 예상된다. 그러나 TinyML를 탑재한 디바이스의 수명이 다하며 ‘쓰레기의 인터넷(Internet of Trash)’을 만들 위험이 있는지도 생각해 보아야 한다.

지속가능성을 높이는 TinyML의 적용들

MCU에서의 기계학습이 환경에 주는 영향을 공정하게 평가하기 위해 우리는 먼저 TinyML의 이점을 고려해 보았다. 일반적으로 TinyML은 소비자를 대상으로 한 키워드 감지, 이미지 분류 및 이상 감지와 같은 기능에 주로 이용되었다. 그러나 미래를 더 지속 가능하게 하는 데 이용될 수 있는 많은 다른 TinyML의 응용 프로그램도 있다. 지금부터 환경 관련 중요한 지속가능 발전 목표(SDGs)에 TinyML이 도움이 되는 새로운 응용 프로그램들을 조명한다.

TinyML는 전 세계적으로 농업의 지속가능성 향상, 야생 동물 보호 지원, 그리고 기후 변화와 그 영향과 싸우는데 적합하다.

 

기아 인구 제로와 건강과 복지 (SDG #2와 #3).

굶주림을 종식시키고, 식량 안보 및 영양 개선 달성하고, 지속가능한 농업 촉진, 그리고 모든 연령에서의 복지 증진을 통한 건강한 생활을 보장해야 한다.

기계학습 응용 프로그램은 데이터 기반 방법을 통해 농업 생산을 증가시킬 수 있다. 예를 들어, PlantVillage 프로젝트의 Nuru는 휴대전화 및 클라우드 기반 기계학습 앱으로, 식물 질병을 감지하는 데 있어 인간보다 정확하며 개별 농민의 수익을 55% 증가시키고 수확량을 146% 증가시키는 데 기여했다. 또한, 기계학습은 소량의 농약을 사용하는 정밀 농업을 가능케 하는 작은 드론과 같은 자율 장치에도 활용되었다. 이들 드론은 농약 사용을 기존의 블랭킷 스프레이의 0.1%로 줄일 수 있다. 또 다른 예로는, 연구자들이 돼지의 호흡 문제 발생을 감지하기 위해 동물 우리 위에 마이크로폰을 배치하여 표준 방법보다 12일 더 빨리 농부에게 경고하는 기침 감지 시스템을 개발했다.

TinyML는 이러한 시스템들이 주는 영향을 증가시킬 수 있는 잠재력을 가지고 있다. 첫째, 저전력 및 저연결성 운영을 통해 이와 많은 다른 응용 프로그램이 원격 지역에서 사용될 수 있도록 할 수 있다. 둘째, 이는 이러한 스마트 센서들의 확장 배치를 가능하게 하여 더 정확한 정보를 제공할 수 있다(예: 기침 감지 시스템의 경우 실시간으로 모든 개별 돼지에 대한 정보). 가장 중요한 것은 비용을 줄임으로써 이러한 기술에 대한 전 세계적인 접근성을 증가시킬 것이다. Sparrow와 Howard가 언급한 것처럼, 기기들이 “작은 농장에서도 사용 가능할 수 있게 충분히 저렴하게 제조되고 판매될 수” 있는 경우에만 전 세계적으로 수용될 것이다.

TinyML는 우리의 건강과 복지를 지원하는 데도 이용될 수 있다. 유엔의 지속가능 발전 목표(SDG) 보고서에 언급된 질병 중 하나는 말라리아로, 이 질병은 전세계에 엄청난 규모로 피해를 준다. 실제로 세계 인구의 거의 절반이 모기로 인해 사망한 역사도 있다. 열악한 자금 사정과 의료 설비로 인해 2019년에는 아프리카에서 모든 말라리아 발병과 사망의 94%가 발생했다. TinyML 개발 플랫폼인 Edge Impulse를 사용하여 날개 진동 소리 분류를 통해 치명적인 모기를 88.3%의 정확성으로 식별하는 시스템이 프로토타입으로 제작되었다. 이러한 시스템이 전 세계에 보급되면 큰 영향을 끼칠 수 있고, 이는 많은 사람들의 목숨을 구할 수 있는 TinyML의 잠재력을 보여주는 또 다른 예이다.

 

육지와 해저의 생명체(SDG #14와 #15).

육지와 수상 생태계를 보호, 회복, 보존하고 지속가능한 방식으로 이용할 수 있게 하며, 또한 숲과 해양 자원을 지속가능하게 관리하고 사막화와 생물다양성의 감소를 막아야 한다.

TinyML는 분산 센싱 네트워크에 의존하는 보전 노력의 효율성을 향상시킴으로써 지구의 생물 다양성을 보존하는 데 도움을 줄 수 있다. 아시아와 아프리카에서의 인간-코끼리 충돌을 해소하는 것이 그 한 예이다. RESOLVE의 Wild-Eyes 인공지능 카메라는 비디오 스트림 전체를 클라우드로 전송하는 대신 코끼리 감지의 알림만을 전송함으로써 리튬이온 배터리 하나로 1.5년 이상 작동한다. 최신 인공지능 기술은 또한 말라위의 리워드 국립 공원에서 밀렵을 방지하는 데 사용되었으며, 2019년 9월까지 30개월 동안 동물들이 밀렵 당하지 않았다. 이와 유사한 시스템이 붐비는 수로에서 고래와의 충돌을 방지하는 데 사용되고 있다. 예를 들어, Google은 Vancouver Bay의 선박에 경보를 울리기 위해 수중 마이크로폰인 하이드로폰에 TinyML 모델을 배치했다.

낮은 계산 요구 사항으로 인해, TinyML 응용 프로그램을 위한 재활용된 전자 장치뿐 아니라 (버려진 것으로부터 새것을 만드는 것을 뜻하는) 새활용(upcycling)된 전자 장치에 대한 기회도 존재한다. Rainforest Connection(RFCx)는 재활용된 스마트폰을 사용하여 장거리에서 산림 벌채를 정확하게 포착하기 위한 태양 전원 리스닝 장치를 개발하고 있다. 이와 유사한 기회는 MCU의 새활용에도 존재한다.

 

기후 행동(SDG #13)

기후 변화 및 그 영향에 대처하기 위해 긴급한 조치를 취해야 한다.

TinyML을 이용하면, 환경 모니터링 응용 프로그램으로 기후 변화와 그 영향에 대항할 수 있다. 예를 들어, 최근 Ribbit 네트워크는 분산 지능 센서를 통해 세계 최대의 온실 가스 배출 데이터셋을 크라우드소싱하는 노력을 시작했다. 이런 방법으로 값싸고 정확한 배출에 대한 지역 데이터를 얻을 수 있다. 이와 비슷하게, SmartForest 프로젝트에서는 원격 모니터링 시스템을 활용하여 나무의 성장 정보를 제공한다. 이로 인해 이제는 150~160 명의 직원이 정기적으로 현장에 나갈 필요가 없고, 대신 한번의 출장으로 센서를 설치하여 생태계에 미치는 영향을 크게 감소시키는 동시에 데이터 품질을 향상시켰다.

장기적으로 보면 TinyML은 차세대 소형 로봇에 새로운 능력을 부여하여 기후 변화가 지구에 미치는 충격을 줄이는 데 도움을 줄 수 있다. 예를 들어, 기후 변화는 꿀벌과 같은 꽃가루를 나르는 필수 수분자들의 수를 크게 감소시켜 전 세계적인 식량 공급을 위협한다(앞에서 언급한 SDG #2). TinyML를 이용하면 Robobee 와 같은 소형 로봇에 지능을 제공하여 인공 수분자로 이용할 수 있다. 그러나 소형 로봇의 학습 기술을 확보하기 위해서는 많은 개발과 도전이 필요하다.

마지막으로 건축 부문은 현재 큰 관심을 받고 있는 분야이다. 기존의 시스템들도 조명, 자동 창 셰이딩 그리고 사람이 있는 지를 탐지하는 점유 센서 및 조도 센서를 기반으로 하는 HVAC(Heating, Ventilation, and Air Conditioning)을 사용하여 건물 에너지 사용량을 20%~40% 줄이고 있다. 이러한 시스템들에 기계학습 기능을 추가하면 효율성이 더욱 향상될 것이다. 이렇게 효율성을 높이는 것이 중요한 이유는, 에너지 생산 및 주거용과 상업용 에너지 사용이 전 세계 온실 가스 배출의 큰 부분을 차지하기 때문이다.

공지사항 테스트 1

(테스트용 텍스트입니다.)

국가는 국민 모두의 생산 및 생활의 기반이 되는 국토의 효율적이고 균형있는 이용·개발과 보전을 위하여 법률이 정하는 바에 의하여 그에 관한 필요한 제한과 의무를 과할 수 있다. 정당의 설립은 자유이며, 복수정당제는 보장된다. 지방자치단체는 주민의 복리에 관한 사무를 처리하고 재산을 관리하며, 법령의 범위안에서 자치에 관한 규정을 제정할 수 있다.

계속 읽기 →

2023년 가을호

AI시대, 자동화의 역설

 

유 신 (KAIST 전산학부 교수)

 

2009년 6월 1일, 브라질 리오에서 출발해 프랑스 파리로 향하던 에어프랑스 447편 에어버스 330 비행기가 대서양에 추락, 승무원과 승객 228명 전원이 사망하는 사고가 있었다. 에어프랑스 447편은 경로상에 발생한 태풍을 피하기 위해 고도를 급격히 올리다가 양력을 잃는 실속(失速, Stall) 현상을 겪게 되었다. 세 명의 조종사가 조종석에 있었음에도 불구하고 에어프랑스 447편은 이를 극복하지 못하고 고도를 잃어 결국 추락하고 말았다.

첨단 전자 제어 시스템 (fly-by-wire)을 갖추고 그 때까지 매우 우수한 안전 운행 기록을 보유했던 에어버스 330 기종이 추락한 이유는 무엇이었을까? 우선 사건의 복합적인 배경을 이해해야 한다. 첫째, 세 명의 조종사가 있었지만 한 명은 비교적 신입이어서 경험이 부족했고, 다른 한 명은 브라질에서 휴가를 보낸 뒤 돌아오는 길이어서 피곤했고, 나머지 한 명은 최근에 관리직으로 승진하여 예전에 비해 비행을 자주 하지 않는 상태였다. 둘째, 태풍을 피하기 위해 신입 조종사가 고도를 급히 올린 결과 일부 센서가 얼어서 작동하지 않게 되었다. 셋째, 센서가 얼어붙은 결과 전자 제어 시스템이 더 많은 조종 권한을 수동으로 넘기는 모드로 전환하였다.

하지만 가장 치명적인 이유는 전자 제어 시스템의 자동 제어 보조 기능에 대한 오해였다. 일반적으로 비행기가 실속을 겪은 것은 고도를 너무 급히 높이려고 하다가 속도가 줄어들어 양력을 잃기 때문이다. 따라서 실속 상태를 벗어나는 교과서적인 대응 방법은 역설적으로 기수를 아래로 숙여서 우선 속도를 높이고, 높은 속도를 바탕으로 양력을 회복하는 것이었다. 그런데 에어프랑스 447편의 조종사들은 실속 경고등이 점등된 것을 전자 제어 시스템이 실속에서 자동으로 대처하는 줄 착각하고 계속해서 고도를 높이려고 했다. 그 결과 실속 상태가 전자 제어 시스템의 판단 범위를 넘어서자, 실속 경고등이 꺼지게 되었고, 조종사들이 기수를 낮추자 센서의 판단 범위 안으로 다시 비행기가 돌아왔기 때문에 실속 경고등이 다시 켜지는 일이 일어났다. 이는 조종사들을 완전히 혼란에 빠뜨렸고, 결국 조종사들이 상황을 이해하고 기수를 낮췄을 때에는 오랜 실속으로 인해 이미 고도가 너무 낮아진 뒤였다. 결국, 에어프랑스 447편은 충분한 속도와 양력을 회복하지 못한 채 추락하고 말았다.

AI 시대에 대한 이야기를 하면서 일견 관계가 없어 보이는 비행기 추락 사고를 길게 묘사한 것은 무슨 이유인가? 에어프랑스 447 추락 사고는 비행기와 같이 매우 복잡한 시스템을 사람이 관여하지 않아도 될  정도로 완전히 자동화했을 경우에 벌어질 수 있는 사고에 대해 심각한 시사점을 보여주고 있다. 조종사들이 빠르게 상황 파악을 하지 못한 것은 평소에 유사한 회피 기동을 경험할 만한 기회가 거의 없을 정도로 자동화된 항법 시스템에 익숙해져 있었기 때문이다. 인간의 빠른 개입과 판단력이 가장 필요한 상황이 됐을 때, 인간은 역설적으로 가장 준비가 되어 있지 않았던 것이다. 이른바 자동화의 역설이다. 이는 AI와 이에 기반한 자동화가 우리에게 어떤 영향을 미칠까 하는 문제를 고려함에 있어 매우 새로운 관점을 제시한다.

현재 AI 기반 자동화에 대한 논의는 주로 결과물의 정확도, 그리고 생산성 향상의 정도에 초점이 맞춰져 있다. 전산학 연구자의 입장에서 주로 관심이 가는 것은 결과물의 정확도일 것이고, 경제적인 관심은 이를 바탕으로 얼마나 편의성과 생산성을 향상시킬 수 있을까 하는 점일 것이다. 지금도 관련 기술이 엄청난 속도로 발전하고 있지만, 그 근본적인 한계와 작금의 기술 성능을 모두 고려할 때 “정확도가 100%는 아니지만 그럼에도 불구하고 생산성과 사용자 편의성에 상당한 파급 효과를 가질만큼 자동화 가능한 업무가 많다”라고 현재 상태를 요약해도 크게 틀리지 않을 것이다. 자동화의 역설은 이러한 배경 위에 사회 전체가 고민해야 하는 안전의 문제가 존재한다는 사실을 가리키고 있다. 99%의 경우에는 정확한 AI기술 기반의 자동화 시스템을 사회 곳곳에 도입하여 생산성과 편의성을 높였다고 하자. 하지만, 인간의 판단이 절실하게 필요한 1%의 상황이 벌어졌을 때, 우리는 개입해서 올바른 판단을 할 준비가 되어 있을 것인가?

자동화의 역설은 AI 기반 자동화 시스템을 설계할 때 단순히 AI의 정확도나 계산 효율을 넘어선, 고도로 다차원적인 요구사항을 분석 및 고려해야 함을 알려준다. 자율 주행 시스템을 예로 들어보자. 시험 주행에서 자율 주행 차량이 사고 없이 주행할 수 있는지 (정확도), 그리고 실시간으로 다양한 센서 입력을 모두 분석할 수 있는지는 (효율) 모두 중요한 기본적인 사항이다. 하지만 자율 주행 기능이 잘 작동하면 할수록 운전자는 자동화의 역설에 직면한다. 자율 주행 기능은 99%의 도로 상황에서 아무 무리 없이 작동할 것이고, 그 동안 운전자는 도로를 주시할 필요도 없이 옆 사람과 대화를 나누거나, 무언가를 먹어도 된다고 생각하게 될 것이다. 하지만 나머지 1%의 매우 드문 도로 상황에서 자율 주행 기능이 정확한 판단을 할 수 없다고 스스로 판정한 뒤 인간에서 운전대를 넘길 경우, 과연 무슨 일이 벌어질까? 운전자는 그간 별로 주의를 기울이지 않아도 된다는 점을 “학습”했을 것이며, 따라서 가장 중요한 순간에 준비가 되어 있지 않을 확률이 높을 것이다. 결국 시스템 전반의 안전을 고려한 설계는 단순히 자율 주행의 정확도나 효율뿐 아니라 운전자와 자율 주행 기능 사이에 어떤 종류의 신뢰가 쌓이는지, 이러한 신뢰를 어느 정도 적정 수준에 유지하면서 동시에 운전자의 주의력을 확보할 것인지 등의 문제를 함께 고려해야 한다는 결론에 이른다.

위와 같은 논리는 AI 기술과 프로그래밍 교육 사이의 관계에도 적용해볼 수 있다. 기초적인 프로그래밍 교육 과정에서 종종 요구되는 프로그래밍 실습 과제 등을 대규모 언어 모델(LLM)들이 쉽게 풀 수 있다는 사실이 알려지면서, 프로그래밍 교육의 미래는 어떤 모습이어야 하는가에 대한 논의가 활발하게 진행되고 있다. 하지만 지금까지 대부분의 논의는 AI가 과제를 대신 해 주는 경우를 어떻게 처리할 것인가에 집중되어 있다. 예를 들어 개인적으로 하는 프로그래밍 과제는 거의 의미가 없으므로 평가에서 비중을 줄이고, 실시간으로 진행하는 실습의 비중을 늘리는 식의 새로운 평가 방식이 필요하다는 것이다. 프로그래밍이라는 업무에 있어 자동화의 역설이 어떤 의미인지 생각해보면, 이러한 위험을 인지하고 여기에 대비하는 방법을 교육하는 것 또한 중요한 목표라는 결론을 얻을 수 있다. 만약 AI 자동 완성으로 작성한 코드가 모두 올바른 코드였다면, 정확도가 높으므로 아무런 문제가 없는 것일까? 이 경우 진정한 위험은 자동 완성의 정확도보다 오히려 자동 완성된 코드를 받아들이는 인지 비용이 점점 더 낮아지고 (“지금까지 모두 맞았으니까 이번에도 문제없겠지?”), 자동 완성된 코드를 반사적으로 그냥 받아들이는 행동이 습관이 되고 만다는 점이다.

AI가 상당한 수준의 문제 해결 능력을 갖췄을 경우, 자동화의 역설에 빠지지 않으면서도 그 능력을 적절하게 활용하는 방법은 무엇일까? AI가 인간을 대체할 가능성을 논할 수준에 이른 것이 최근의 일이기 때문에, 어떤 면에서 우리는 어떻게 AI를 활용할 것인가의 문제를 진지하게 고민해보지 못했다. 혹은 자동화의 역설을 고려하지 못한 채, 모든 것을 AI에 맡기는 가장 간단한 활용 형태로 모든 것이 충분할 것이라고 생각한 것일 수도 있다. 특정 도메인에서 AI와 인간의 문제 해결 능력이 거의 비슷한 수준에 이르렀다고 가정할 때, 인간과 AI간 협업의 형태가 구체적으로 어떤 모습이어야 하는지는 앞으로 많은 연구가 필요한 부분이다. 매우 다양한 디자인이 가능하겠지만, 두 가지의 양 극단을 쉽게 상상해볼 수 있다. 극단적인 디자인의 한쪽 끝에는 AI가 모든 문제를 해결하고 사람은 그 결과를 감독하며, 문제가 발생할 때에만 개입하는 모델이 있다. 또 다른 반대 쪽에는 사람이 모든 문제를 해결하고 AI가 그 결과를 감독하는 모델이 있다. 전자의 경우 자동화의 역설을 해결하지 못하는 반면, 후자의 경우 사람이 자동화로부터 얻는 이익이 별로 없게 된다. 저명한 경제 저널리스트인 팀 하포드는 전자의 모델을 따르되, 아무 문제가 없는 경우에도 AI가 임의로 소규모의 문제를 일부러 일으켜서 사람의 주의력과 문제 해결 능력을 확보해야 한다는 재미있는 주장을 하기도 한다.

자동화의 역설을 무시한 AI 기반 기술의 도입은 어떤 면에서 단기적인 생산성 향상에 집중한 나머지 장기적인 인간 행동의 변화와 이에 따른 위험을 무시하는 결정이라고 할 수 있다. 장기적으로 인류가 AI 기반 기술을 효과적으로, 그리고 안전하게 사용하기 위해서는 상시적인 자동화가 인간 행동과 사회 전반에 미치는 영향을 포괄적으로 고려하는 것이 필수적이다. 이를 위해서 전산학 전 분야에 걸친 전문성은 물론 다양한 학제간 연구가 필요한 것은 말할 나위가 없다.

 

 

2023년 여름호

 

소프트웨어 개발자와 윤리 의식

 

강성원(KAIST 교수)

 

더 중요해진 소프트웨어 개발자의 역할

소프트웨어는 인간이나 기계가 할 일을 자동화한다. 하는 일을 지능적이고 효율적으로 해낼 수 있다면 소프트웨어는 이용자에게 그만큼 더 큰 가치를 제공하게 된다. 따라서 인공지능(AI: Artificial Intelligence)을 포함하여 사용자 인터페이스, 데이터베이스 등의 다양한 시스템 요소 기술의 개발자들과 이러한 요소 기술의 컴포넌트들을 연결하여 시스템을 구축하는 소프트웨어 개발자들은 소프트웨어를 더 지능적이고 더 효율적으로 만드는 데 박차를 가하고 있다. 특히 최근에는 AI 기술의 혁명적 발전으로 AI 서비스에 대한 수요가 증가하며 전통적 소프트웨어를 개발하던 많은 개발자들이 AI 기반 시스템(AI-enabled System) 즉 AI 시스템을 개발하게 되었다.

소프트웨어 개발 과정에 개발자들은 회사의 CEO를 비롯한 관리자들의 지휘를 받기 때문에 이 글에서는 소프트웨어 개발자라는 용어를 이들을 모두 포함하는 넓은 뜻으로 사용한다.

 

더 강력히 요구되는 소프트웨어 개발자의 윤리 의식

증기기관, 전기, 컴퓨터 발명의 예에서 볼 수 있는 것처럼 기술의 발전은 혜택을 가져올 뿐 아니라 늘 부작용을 수반해 왔다. 그러나 최근의 AI 기술은 일자리를 앗아갈 것뿐만 아니라 AI를 이용한 인명 살상 무기의 개발, 가짜 뉴스나 거짓 정보의 생성 등 다양한 부작용을 동반하고 있다. 이런 점에서, AI는 매우 유용하기도 하지만 또한 매우 위험한 기술이기도 하다. 의도하지 않은 부작용의 수준을 넘어 나쁜 의도를 가진 사람들에 의하여 적극적으로 악용될 수 있다는 점에서 핵기술이나 유전자 기술과 같이 매우 위험한 기술일 뿐 아니라, 이들 기술보다도 인류에 더 큰 위협이 될 수 있다. 그 이유는 첫째로 AI 가 인간의 두뇌의 역할을 대신하여 판단과 결정을 하는 데 쓰이고, 둘째로 복제가 용이하여 그 혜택이나 파괴력이 엄청날 수 있기 때문이다. AI의 대부로 알려진 Geoffrey Hinton교수가 인간은 자신의 지식을 복사하여 다른 사람에게 전달할 수 없지만 AI 시스템은 하나가 어떤 경험을 하는 순간 즉시 모든 다른 AI시스템과 그것을 공유할 수 있다고 한 것은 이러한 취지의 언급이다.[1] 핵무기나 기후 문제도 인류를 크게 위협하지만 AI가 갖는 복제력은 없다. 이런 이유로 최근의 AI 기술 혁명으로 인한 소프트웨어 개발의 부작용은 불편이나 손실의 수준을 넘어 인류와 인류의 미래를 위협할 수 있는 지경에 이르렀고, 따라서 AI기술의 개발자[2]와 소프트웨어 개발자[3]의 윤리 의식은 더 할 나위 없이 중요하게 되었다. 최근의 몇몇 사례들을 보면 이를 생생히 실감할 수 있다.

 

소프트웨어 개발자의 취약한 윤리 의식으로 발생하는 문제의 사례들

Facebook 사건. 2021년 10월 5일 미국 상원 청문회에서 Facebook의 프로덕트 매니저였던 Frances Haugen이 Facebook에서 사용하는 수많은 알고리즘들의 위험성을 지적하며 다음과 같이 발언하였다. “나는 페이스북이 아이들에게 해를 끼치고, 분열을 조장하며, 민주주의를 약화한다는 생각으로 오늘 이 자리에 섰다. 이러한 문제는 충분히 해결될 수 있다. 페이스북도 방침을 바꾼다면 더 안전하고, 표현의 자유를 중시하며, 더 즐거운 소셜 미디어가 될 수 있다. 그러나 페이스북은 스스로 바뀌지 않을 것이다.”[4] 알고리즘들에 있는 문제점의 상당수는 악의적인 설계에 의한 것이 아니라, 알고리즘이나 지능 모델의 기반이 되는 데이터에 내재하는 편향성과 부적절성을 없애려는 노력을 적극적으로 기울이지 않았거나 회사 내부에서 나오는 문제점들에 대한 지적을 받아들이지 않은 결과일 것이다. Facebook의 내부 고발 사건은 2021년 12월 Facebook의 회사명을 Meta로 변경한 주된 이유를 회사의 실추된 이미지를 회복하려는 시도로 보는 시각이 있을 정도로 회사나 일반인들에게 큰 충격이었다.

소프트웨어 다크패턴. 다크패턴(Dark Pattern)은 기만적 설계 패턴으로도 불리며 사용자를 속여 어떤 행위를 하거나 물건을 사게 만드는 소프트웨어 설계를 말한다. 2023년 6월 미국 연방거래위원회(FTC)는 Amazon 이 Prime서비스를 제공하며 서비스 가입은 쉽지만 탈퇴 과정을 고의적으로 복잡하게 만들어 연방거래법과 온라인 신뢰회복법을 위반했다며 소송을 제기했다.[5] 우리나라에서도 쿠팡의 와우멤버십 서비스가 Amazon Prime서비스와 비슷한 다크패턴의 해지/가입 방식을 제공한다고 비난 받았다. 또한 2023년 4월 네이버는 광고에 “인공지능 기술을 활용해, 이용자가 착각할 만한 게시물이나 댓글을 쓰는 방식의”[6] 다크패턴의 광고 서비스를 시작하여 물의를 일으킨 바 있다. 다크패턴이라는 용어가 만들어진 것은 2010년도로, 다크패턴이 최근에 발생하기 시작한 문제가 아니라 오래전부터 있었던 악의적 소프트웨어 개발 방식으로 그 유형도 다양하다.[7] 필자가 기억하는 몇 십년 전의 한 사례에서는 어느 금융 소프트웨어 개발자가 모든 거래에서 발생하는 1센트 미만의 금액을 본인의 계좌로 입금되도록 했다가 발각되어 몇 개월간 감옥살이를 한 뒤 자신의 경험을 살려 소프트웨어 보안 컨설턴트로 전향하였다.

거대 IT기업의 윤리팀 해체. 2023년 3월에는 Microsoft가 마지막 남은 7명의 AI 윤리팀 직원들을 해고하면서 Microsoft의 AI윤리팀이 완전히 해체되었다.[8] Google, Amazon, Meta, Twitter도 역시 비슷한 시점에 윤리팀을 해체하거나 대폭 축소하였다. 그 이유는 이 회사들이AI제품 개발에 경쟁적으로 더욱 속도를 내기 위한 것으로 보인다.

 

소프트웨어 개발은 사회적 관심사이다

2018년 KAIST 국방 인공지능 융합연구센터가 설립되자 Toby Walsh교수와 Geoffrey Hinton교수를 포함한 전세계의 57명의 학자들이AI기술이 인명살상무기 개발에 이용될 것을 우려하여 KAIST와의 연구협력을 보이콧할 것이라는 서한을 KAIST에 보냈다. 이들은 KAIST총장으로부터 KAIST는 인간윤리에 위배되는 연구를 수행하지 않을 것이라는 해명을 들은 뒤 보이콧 선언을 취소하였다. 이 사건으로부터 우리는 과학기술인이 윤리 의식이 매우 민감한 문제이며 큰 사회적 관심사가 될 수 있음을 확인할 수 있다.

2023년 3월에는 “AI 시스템들이 이제 일반적인 작업에서 인간 수준의 경쟁력을 갖게”된 데 충격을 받은 사람들이 거대AI실험의 중지를 촉구하는 공개 서한을 발표하였다.[9] 이 서한에는 Geoffery Hinto, Yoshua Bengio, Sam Altman, Demis Hassabis를 비롯하여 전세계에서 3만명 이상이 서명하였다.[10] 이들은 다음과 같은 질문들을 던졌다:

  • 기계들이 우리의 정보 채널을 선전 및 거짓 정보로 넘쳐나게 놔둬야 할까요?
  • 지금도 잘 되고 있는 일을 포함하여 모든 일자리를 자동화해서 없애야 할까요?
  • 인간보다 그 수가 더 많고, 더 똑똑하고, 우리를 쓸모 없게 만들고 대체할 수 있는 비인간적인 지능을 개발해야 할까요?
  • 우리 문명에 대한 통제력을 상실할 위험을 무릅써야 할까요?

이 서한에서 이들은 “이러한 결정들은 선출되지 않은 기술 리더들에게 위임되어서는 안 된다”고 하였다. 여기서 이들이 ‘선출되지 않은’이라고 표현한 것은 이런 문제들이 사회문제의 영역에 들어가며 사회 구성원 모두의 관심사임을 뜻한 것이라고 볼 수 있다.

이와 같이 시스템의 요소 기술을 포함한 소프트웨어 시스템의 개발은 이제 기술의 문제를 넘어 사회 구성원 한명 한명에게 이익과 불이익을 줄 수 있고 때로는 인류 전체의 흥망성쇠에까지 영향을 미칠 수 있는 활동이 된 것이다.

 

정부와 회사의 윤리 강령 제정

소프트웨어 개발자의 윤리 의식의 중요성은 꽤 오래전부터 인식되어 왔다. 1997년에 ACM/IEEE가 8개의 항목으로 이루어진 “소프트웨어공학 윤리강령”을 발표하였고 2016년에는 우리나라 소프트웨어공학 소사이어티가 이를 소사이어티 구성원을 위한 윤리강령으로 채택하였다.[11] 2018년에는 한국정보화진흥원에서 “지능정보사회 윤리 가이드라인”을 발표하였고 2020년에는 과학기술정보통신부가 인간 존엄성, 사회의 공공선, 그리고 기술의 합목적성이라는 세 개의 원칙을 근간으로 하는 “AI 윤리기준”을 발표하였다.[12] 뿐만 아니라 국내의 앞서가는 여러 IT기업들로 자체적으로 윤리 강령을 제정하였다.[13] 이와 같이 정부와 앞선 기업들은 윤리 기준을 이미 만들어 놓았다. 그러나 윤리 의식과 윤리적 판단의 주체인 개인에게 이를 고취시키려는 적극적인 노력은 아직까지 알려진 사례가 별로 없다.

 

실천의 필요성

아무리 좋은 윤리 강령이 있어도 현장의 소프트웨어 개발자들이 그것을 가슴으로 느끼고 몸소 실천하지 않으면 그것은 공염불에 지나지 않을 것이다. 윤리 강령의 취지 달성은 소프트웨어 개발 회사들과 회사의 구성원들이 얼마나 뚜렷한 윤리 의식을 갖고 이를 실천하느냐에 달려 있다. 인간이 일생 동안 하는 여행중 가장 긴 여행이 머리에서 가슴으로 그리고 가슴에서 발로 이어지는 여행이라고 한다.[14] 이는 실천하는 것이 생각을 갖는 것보다 훨씬 더 어려운 일임을 일깨우는 말이다.

Geoffrey Hinton 교수는 최근 그가 Google을 떠난 이유가 Google의 사업에 영향을 주지 않고 AI의 안전성 문제에 대하여 자신의 생각을 얘기하고, 나아가 기술 산업계의 지도자들과 협력하여 AI가 주는 위협이 무엇인지 파악하여 그것에 대응하는 일들을 하기 위해서라고 하였다.[15] 우리 소프트웨어 개발자들도 함께 협력하여 올바른 소프트웨어 개발자가 되는 길로 같이 나아간다면 개개인이 고군분투하는 것보다 훨씬 힘을 덜 들이면서 더 효과적으로 ‘책임감 있는” 소프트웨어 개발을 이루어 낼 수 있을 것이다.

 

[1] Will Douglas, MIT Technology Review, May 2, 2023

https://www.technologyreview.com/2023/05/02/1072528/geoffrey-hinton-google-why-scared-ai/

[2] 지능을 제공하는 로직 또는 모델을 설계하고 구현하는 사람들을 지칭한다.

[3] AI 컴포넌트나 그 외의 컴포넌트들로부터 시스템을 구축하는 사람들을 말한다.

[4] Karen Hao, MIT Technology Review, 2021년 10월 8일

https://www.technologyreview.kr/facebook-algorithms/

[5] 임지선, 유선희, 정인선, 2023년 7월 3일

https://www.hani.co.kr/arti/economy/it/1098419.html

[6] 임지선, 유선희, 정인선,2023년 7월 3일

https://www.hani.co.kr/arti/economy/it/1098419.html

[7] https://en.wikipedia.org/wiki/Dark_pattern

[8] Cristina Criddle, Madhumita Murgia, 2023년 3월 29일

https://www.ft.com/content/26372287-6fb3-457b-9e9c-f722027f36b3

[9] Pause Giant AI Experiments: An Open Letter

Pause Giant AI Experiments: An Open Letter

[10] 이들 이외에 공개서한에 서명한 명사들로 Steve Wozniak, Stuart Russell, Yuval Harari, Elon Musk가 있다.

[11] http://sigsoft.or.kr

[12] 과학기술정보통신부, 인공지능(AI) 윤리기준」마련, 2020. 12.

[13] 한국연구재단 연구윤리정보센터, ‘인공지능(AI)윤리 가이드라인’의 중요성과 국가별대응 현황: 국내,” 2020.

[14] 신영복, 담론 – 신영복의 마지막 강의, 돌베개, 2015. pp. 19-20.

[15] Will Douglas, MIT Technology Review, May 2, 2023

https://www.technologyreview.com/2023/05/02/1072528/geoffrey-hinton-google-why-scared-ai/

2023년 봄호

양자 소프트웨어에 대한 ChatGPT의 답변

(ChatGPT’s Answers on Quantum Software)

질문자: 이단형 (한국소프트웨어기술진흥협회 회장)
답변자: ChatGPT
질의응답 번역: ChatGPT
번역 검수자: 이선아 (경상대학교 교수)

 

질의 응답의 배경 및 후기 (이단형)

인류는 이미 양자컴퓨팅 시대에 진입했으며, 향후 100년간 양자컴퓨터와 양자소프트웨어의 획기적인 기술발전이 이루어질 것이다. 양자이론은 우주에 질량이 존재할 수 있음을 설명해주며, 우주 만물이 생성된 근원을 알려준다. 양자컴퓨터는 정보처리와 문제해결에 양자이론, 양자수학, 양자비트(Qubit)를 활용해서, 두 비트의 디지털컴퓨터와는 달리, 거의 무한대에 이르는 경우의 수를 동시에 처리할 수 있다. 우주의 원리(파동함수, 위상수학, 확률, 복소수, 지수함수, 삼각함수, 양자얽힘, 중첩성, 가역성, 등)를 양자컴퓨터가 활용할 수 있기 때문이다.

우리가 익숙한 디지털컴퓨터에서는 기술혁신의 90 퍼센트 이상을 소프트웨어가 이끌어왔다. 앞으로 양자소프트웨어도 양자컴퓨팅 기술혁신의 90 퍼센트 이상을 주도해 나갈 것으로 예견된다.

ChatGPT에게 양자소프트웨어의 기술 영역, 기존 소프트웨어와의 차별성, 주요국가들의 양자소프트웨어 정책, 현 양자소프트웨어의 기술적 취약점, 이러한 취약점을 극복하기 위해 필요한 연구 전략 등을 질문해보았다. 질문자의 주관적인 관점에서 볼 때, ChatGPT 답변은 90점 수준의 지식을 갖춘 것으로 판단한다. 그러나, 답변에 대한 논리적/실증적 근거 제시가 없는 점, 참고문헌의 제공이 없는 점은 개선해 나가야 한다고 본다.

 

편집진 노트

ChatGPT는 엄청난 양의 정보를 학습하여 놀라운 지식과 지능을 가지고 있지만, 때로는 부정확한 정보, 사실이 아니 꾸며낸 정보, 환각(hallucination)이라고 부르는 엉뚱한 답변을 주기도 한다. 따라서 본 기고의 양자 소프트웨어에 대한 ChatGPT의 답변은 독자가 참고할 수 있는 자료로 소개되며 ChatGPT답변의 적절성에 대해서는 독자가 판단해야 한다. 양자 소프트웨어에 대한 ChatGPT의 답변 뒤에는, 질문자가 제공하는 참고문헌 논문과 책의 목록과 ChatGPT가 번역한 ChatGPT와의 질의 응답을 두어 독자가 참고할 수 있게 하였다.

 

양자 소프트웨어에 대한 ChatGPT의 답변

Question 1: Explain the roles and functionality of quantum software in quantum computing.

Quantum software is essential for designing and executing algorithms on quantum computers. Quantum computing is different from classical computing in that it operates on quantum bits, or qubits, which can exist in multiple states simultaneously. This property of qubits allows quantum computers to perform certain calculations much faster than classical computers.

Here are some of the key roles and functionalities of quantum software in quantum computing:

  1. Algorithm design: Quantum software is used to design quantum algorithms that take advantage of the unique properties of qubits. This involves developing algorithms that can exploit quantum parallelism and quantum interference to solve complex problems.
  2. Simulation: Since quantum computers are still in their early stages of development and have a limited number of qubits, quantum software is used to simulate quantum systems to study their behavior and test new algorithms.
  3. Programming: Quantum software is used to write programs that can be executed on quantum computers. These programs are typically written in quantum programming languages such as Qiskit, Cirq, or Microsoft’s Q#.
  4. Optimization: Quantum software is used to optimize quantum circuits, which are sequences of quantum gates that implement quantum algorithms. This involves reducing the number of gates required to implement an algorithm, minimizing the error rates, and optimizing the circuit layout.
  5. Error correction: Quantum software is used to implement error correction protocols, which are necessary to correct errors that occur due to the fragile nature of qubits. This involves designing and implementing quantum error correction codes that can detect and correct errors.

Overall, quantum software plays a crucial role in developing and executing quantum algorithms and making quantum computing accessible to a wider audience.

 

Question 2: Compare ten key similarities and differences between quantum software and traditional software.

Here are ten key similarities and differences between quantum software and traditional software:

Similarities:

  1. Both quantum software and traditional software are used to design, develop, and execute programs.
  2. Both types of software require programming languages and frameworks to write and execute programs.
  3. Both types of software are used to solve problems and perform calculations.
  4. Both types of software require testing and debugging to ensure that programs run correctly.
  5. Both types of software require optimization to improve performance and reduce errors.
  6. Both types of software require version control to manage changes and collaboration among developers.

Differences:

  1. Quantum software operates on qubits, which have different properties and behaviors than classical bits used in traditional software.
  2. Quantum software takes advantage of quantum parallelism, which allows multiple calculations to be performed simultaneously, whereas traditional software performs calculations sequentially.
  3. Quantum software is highly sensitive to noise and errors due to the fragile nature of qubits, whereas traditional software is more robust.
  4. Quantum software requires specialized hardware to execute programs, whereas traditional software can be executed on any computer or device.
  5. Quantum software requires specialized knowledge of quantum mechanics and quantum computing, whereas traditional software requires knowledge of programming languages and computer science.
  6. Quantum software requires complex mathematical concepts such as linear algebra and quantum algorithms, whereas traditional software requires more basic mathematical concepts.
  7. Quantum software is still in the early stages of development, whereas traditional software has been used for several decades and is more mature.
  8. Quantum software has fewer applications and use cases compared to traditional software, which is used in almost every industry and field.
  9. Quantum software development is more expensive and time-consuming than traditional software development.
  10. Quantum software has the potential to revolutionize fields such as cryptography, optimization, and drug discovery, whereas traditional software has already transformed industries such as finance, healthcare, and education.

 

Question 3: Explain ten key categories and use cases of quantum software.

Here are ten key categories and use cases of quantum software:

  1. Quantum simulation: Quantum simulation software is used to simulate the behavior of quantum systems, which can be useful for predicting the behavior of complex molecules and materials, designing new drugs, and optimizing chemical processes.
  2. Optimization: Optimization software uses quantum computing to solve complex optimization problems that are difficult or impossible to solve using classical computing. Applications include logistics and supply chain optimization, financial portfolio optimization, and traffic optimization.
  3. Quantum cryptography: Quantum cryptography software is used to secure communications using quantum key distribution (QKD) protocols. This technology uses the laws of quantum mechanics to transmit keys that are impossible to intercept or clone, providing unbreakable encryption.
  4. Quantum machine learning: Quantum machine learning software uses quantum computing to train and run machine learning algorithms that can be used for tasks such as image and speech recognition, natural language processing, and anomaly detection.
  5. Quantum finance: Quantum finance software is used to develop new financial models and trading strategies that can take advantage of quantum computing. Applications include portfolio optimization, risk management, and option pricing.
  6. Quantum sensing: Quantum sensing software is used to improve the sensitivity and accuracy of sensors used for applications such as navigation, imaging, and medical diagnosis.
  7. Quantum error correction: Quantum error correction software is used to detect and correct errors that occur due to the fragile nature of qubits. This is essential for building large-scale quantum computers that can perform complex computations.
  8. Quantum cryptography analysis: Quantum cryptography analysis software is used to analyze and test the security of QKD protocols and other quantum cryptographic techniques.
  9. Quantum compilers and libraries: Quantum compilers and libraries are used to make quantum programming more accessible and efficient. These tools can convert high-level quantum programs into executable circuits and provide pre-built modules for common quantum operations.
  10. Quantum games and entertainment: Quantum games and entertainment software is used to create games and interactive experiences that use quantum computing to provide new types of gameplay and challenges.

Overall, quantum software has the potential to revolutionize many industries and fields, from drug discovery and finance to cybersecurity and entertainment.

 

Question 4: Explain types of quantum programming languages.

Quantum programming languages are used to write programs that can be executed on quantum computers. Here are some of the types of quantum programming languages:

  1. Circuit-based languages: Circuit-based quantum programming languages, such as Qiskit and Cirq, are similar to classical circuit design languages, where programs are represented as circuits made up of quantum gates that act on qubits. These languages are typically low-level and provide fine-grained control over the operations performed on the qubits.
  2. High-level languages: High-level quantum programming languages, such as PyQuil and Strawberry Fields, provide a more abstract and intuitive way of programming quantum computers. These languages allow developers to write code that is more similar to classical programming languages, with constructs such as loops, conditionals, and functions.
  3. Hybrid languages: Hybrid quantum programming languages, such as Microsoft’s Q#, allow developers to write programs that combine classical and quantum code. These languages provide a way to interface with classical computers and use classical algorithms to preprocess or postprocess quantum data.
  4. Graphical languages: Graphical quantum programming languages, such as Quipper, use visual representations to build quantum circuits. These languages are typically used for research and education purposes and provide an intuitive way of visualizing the behavior of quantum algorithms.
  5. Domain-specific languages: Domain-specific quantum programming languages are designed for specific applications or use cases, such as quantum chemistry or optimization. These languages provide high-level abstractions and pre-built modules for common quantum operations.

Overall, the choice of quantum programming language depends on the application and the level of control and abstraction required by the developer. As quantum computing continues to develop, new quantum programming languages are likely to emerge, each with its own strengths and weaknesses.

 

Question 5: How can a beginner learn Q# and Cirq?

Learning Q# and Cirq requires some basic understanding of quantum mechanics and linear algebra. Here are some steps you can follow to learn Q# and Cirq:

  1. Learn the basics of quantum mechanics: To understand quantum computing, it’s important to have a good understanding of quantum mechanics. You can start with introductory courses or textbooks that cover the basics of quantum mechanics, such as quantum states, superposition, and measurement.
  2. Learn linear algebra: Linear algebra is an essential tool for understanding quantum mechanics and quantum computing. You can take an online course or read a textbook on linear algebra to get a solid foundation in this subject.
  3. Learn the syntax and concepts of Q# and Cirq: Once you have a good understanding of the basics, you can start learning the syntax and concepts of Q# and Cirq. You can start with the official documentation and tutorials provided by Microsoft for Q# and by Google for Cirq.
  4. Practice with examples and exercises: After learning the basics, it’s important to practice by working through examples and exercises. You can find examples and exercises in the official documentation or in online courses and textbooks.
  5. Join the community: Joining the Q# and Cirq communities can help you learn from others and get support when you need it. You can join online forums, discussion groups, or attend conferences and meetups.
  6. Build projects: Finally, building your own projects can help you solidify your understanding of Q# and Cirq. You can start by building simple programs and gradually move on to more complex projects.

Overall, learning Q# and Cirq requires dedication and practice. With the right resources and a willingness to learn, you can become proficient in these languages and start building your own quantum programs.

 

Question 6: Compare technology level of quantum software for US, EU and China.

It is difficult to compare the technology level of quantum software for the US, EU, and China because quantum computing is still an emerging field, and progress is happening rapidly in all regions. However, here are some general observations based on current developments and research:

  1. United States: The US is home to many of the leading companies and research institutions working on quantum computing, such as IBM, Google, Microsoft, and Amazon. These companies are investing heavily in developing quantum hardware and software and are making significant progress in areas such as quantum algorithms, error correction, and quantum machine learning. The US government has also launched several initiatives to promote research and development in quantum computing, such as the National Quantum Initiative Act.
  2. European Union: The European Union is also investing heavily in quantum computing research and development. The EU has launched the Quantum Flagship program, which is aimed at accelerating the development of quantum technologies and bringing them to the market. The program has several projects focused on developing quantum software for a range of applications, including cryptography, simulation, and optimization. The EU is also home to several leading research institutions and startups working on quantum computing.
  3. China: China has been investing heavily in quantum computing in recent years, with the goal of becoming a global leader in the field. China has launched several initiatives, such as the National Laboratory for Quantum Information Sciences, aimed at developing quantum hardware and software. Chinese companies, such as Alibaba, Baidu, and Huawei, are also investing in quantum computing research and development. China is making significant progress in areas such as quantum cryptography, quantum communication, and quantum simulation.

Overall, all three regions are making significant progress in quantum software development, and there is intense competition to become a leader in the field. However, it is worth noting that the pace of progress and the specific focus areas may vary depending on the priorities and resources of each region.

 

Question 7: What are ten key shortfalls of current quantum software?

While quantum software has made significant progress in recent years, there are still some key shortfalls that need to be addressed. Here are ten of the most significant:

  1. Limited number of qubits: Current quantum computers have a limited number of qubits, which restricts the size and complexity of problems that can be solved.
  2. High error rates: Quantum hardware is prone to errors, which can significantly impact the performance of quantum algorithms. Error correction techniques are still in their infancy, and more work is needed to reduce error rates.
  3. Limited hardware access: Quantum hardware is still in the early stages of development, and access to it is limited. This restricts the ability of developers to test and validate their quantum software on real hardware.
  4. Limited compatibility with classical systems: Most quantum software is designed to work with quantum systems only and is not easily integrated with classical systems. This makes it difficult to build hybrid classical-quantum applications.
  5. Limited number of quantum programming languages: There are only a few quantum programming languages currently available, which limits the choices available to developers.
  6. Lack of standardization: There is currently no standardization for quantum software development, which can make it difficult for developers to share code and collaborate on projects.
  7. Limited quantum software development tools: Compared to classical software development, there are limited tools available for debugging, profiling, and optimizing quantum software.
  8. Lack of quantum software development expertise: Quantum software development requires specialized knowledge of quantum mechanics and linear algebra, which is still a relatively niche skill set.
  9. Limited range of quantum algorithms: The range of quantum algorithms that have been developed so far is still limited, which restricts the range of problems that can be solved using quantum software.
  10. Limited scalability: Current quantum software is not easily scalable, which restricts the ability to solve large-scale problems using quantum computers.

Overall, addressing these shortfalls will require continued investment in quantum software development, collaboration between researchers and industry, and standardization efforts to improve interoperability and ease of use.

 

Question 8: What can be ten research strategies in the future to overcome the previous shortfalls?

Here are ten research strategies that could help overcome the shortfalls of current quantum software:

  1. Improving error correction techniques: Research into more advanced error correction techniques could help reduce the impact of hardware errors on quantum algorithms.
  2. Developing new quantum programming languages: The development of new quantum programming languages could provide developers with more choices and make it easier to integrate quantum and classical systems.
  3. Developing more quantum algorithms: Research into new quantum algorithms could expand the range of problems that can be solved using quantum computers.
  4. Building hybrid classical-quantum systems: Research into building hybrid classical-quantum systems could improve the integration of classical and quantum systems and expand the range of problems that can be solved.
  5. Improving quantum software development tools: The development of better debugging, profiling, and optimization tools could help make quantum software development more efficient and effective.
  6. Developing new quantum simulation techniques: Research into new simulation techniques could improve the ability to simulate quantum systems and test quantum algorithms.
  7. Advancing quantum machine learning: Research into quantum machine learning could help improve the performance of quantum algorithms and expand their range of applications.
  8. Developing new quantum communication protocols: Research into new quantum communication protocols could improve the security of quantum communication systems and expand their range of applications.
  9. Advancing quantum cryptography: Research into quantum cryptography could help improve the security of data transmission and storage systems.
  10. Improving scalability: Research into new approaches for scaling quantum systems could help overcome current limitations and enable the development of larger and more complex quantum algorithms.

Overall, addressing the shortfalls of current quantum software will require continued investment in research, collaboration between researchers and industry, and efforts to improve standardization and interoperability.

 

양자 소프트웨어에 대한 참고문헌

논문

  • Michael A. Cusumano, “From Quantum Computing to Quantum Communications,” Communications of the ACM, Volume 66 Issue 1, pp 24–27, January 2023. https://doi.org/10.1145/3571450
  • A. Serrano, J. A. Cruz-Lemus, R. Perez-Castillo, and M. Piattini, “Quantum Software Components and Platforms: Overview and Quality Assessment,” ACM Computing Surveys, Vol. 55, No. 8, Article 164, December 2022.
  • Ali, T. Yue, and R. Abreu, “When Software Engineering Meets Quantum Computing,” Communications of the ACM, Vol. 65 No. 4, pp. 84-88, April 2022.
  • Weder, B., Barzen, J., Leymann, F., Salm, M., and Vietz, D., “The quantum software lifecycle,” Proceedings of the 1st ACM SIGSOFT International Workshop on Architectures and Paradigms for Engineering Quantum Software, pp. 2–9, 2020.
  • Piattini, M., Peterssen, G., and Pérez-Castillo, R., “Quantum computing: a new software engineering golden age,” ACM SIGSOFT Software Engineering Notes 45(3), pp. 12–14, 2020.
  • Frank Arute et al., “Quantum supremacy using a programmable superconducting processor,” Nature 574, pp. 505-510, 2019.
  • Biamonte, P. Wittek, N. Pancotti, P. Rebentrost, N. Wiebe and S. Lloyd, “Quantum machine learning,” Nature 549, pp. 195-202. 2017.
  • Peter W. Shor, “Progress in Quantum Algorithms,” Quantum Information Processing 3, pp. 5–13, 2004. https://doi.org/10.1007/s11128-004-3878-2

책

양자 소프트웨어만을 독립적인 주제로 다루는 책은 아직 없지만, 양자 컴퓨팅과 양자 정보처리에 관하여 다음 책들을 참고할 수 있다.

  • Jack D. Hidary, Quantum Computing: An Applied Approach, 2nd Edition, Springer in 2021
  • Eric R. Johnston, Nic Harrigan, and Mercedes Gimeno-Segovia, Programming Quantum Computers: Essential Algorithms and Code Samples, O’Reilly Media, 2019.
  • Marco Tomamichel, Quantum Information Processing with Finite Resources: Mathematical Foundations, Springer, 2017.
  • Richard J. Lipton and Kenneth W. Regan, Quantum Algorithms via Linear Algebra: A Primer, The MIT Press, 2014.
  • Peter Wittek, Quantum Machine Learning: What Quantum Computing Means to Data Mining, Academic Press, 2014.
  • Scott Aaronson, Quantum Computing since Democritus, Cambridge University Press, 2013.
  • Eleanor G. Rieffel and Wolfgang H. Polak, Quantum Computing: A Gentle Introduction, The MIT Press, 2011.
  • Noson S. Yanofsky and Mirco A. Mannucci, Quantum Computing for Computer Scientists, Cambridge University Press, 2008.
  • Phillip Kaye, Raymond Laflamme, and Michele Mosca, An Introduction to Quantum Computing, Oxford University Press, 2007.
  • Dirk Bouwmeester, Artur K. Ekert, and Anton Zeilinger, The Physics of Quantum Information: Quantum Cryptography, Quantum Teleportation, Quantum Computation, Springer, 2000.
  • Michael A. Nielsen and Isaac L. Chuang, Quantum Computation and Quantum Information, Cambridge University Press, 2000.

 

질문 1: 양자 컴퓨팅에서 양자 소프트웨어의 역할과 기능을 설명하십시오.

양자 소프트웨어는 양자 컴퓨터에서 알고리즘을 디자인하고 실행하는 데 필수적입니다. 양자 컴퓨팅은 복수의 상태에 존재할 수 있는 양자 비트 또는 큐비트를 사용하여 작동하는 전통적인 컴퓨팅과는 다릅니다. 큐비트의 이러한 특성은 양자 컴퓨터가 일부 계산을 전통적인 컴퓨터보다 훨씬 빠르게 수행할 수 있도록 합니다.

다음은 양자 소프트웨어가 양자 컴퓨팅에서 수행하는 주요 역할 및 기능입니다:

  1. 알고리즘 설계: 양자 소프트웨어는 큐비트의 독특한 성질을 활용하는 양자 알고리즘을 설계하는 데 사용됩니다. 이는 양자 병렬성과 양자 간섭을 이용하여 복잡한 문제를 해결하는 알고리즘을 개발하는 것을 의미합니다.
  2. 시뮬레이션: 양자 컴퓨터가 아직 초기 개발 단계이며 큐비트 수가 제한적이기 때문에, 양자 소프트웨어는 양자 시스템을 시뮬레이션하여 그 행동을 연구하고 새로운 알고리즘을 테스트하는 데 사용됩니다.
  3. 프로그래밍: 양자 소프트웨어는 양자 컴퓨터에서 실행될 수 있는 프로그램을 작성하는 데 사용됩니다. 이러한 프로그램은 일반적으로 Qiskit, Cirq 또는 Microsoft의 Q#과 같은 양자 프로그래밍 언어로 작성됩니다.
  4. 최적화: 양자 소프트웨어는 양자 알고리즘을 구현하는 일련의 양자 게이트인 양자 회로를 최적화하는 데 사용됩니다. 이는 알고리즘을 구현하는 데 필요한 게이트 수를 줄이고 오류율을 최소화하며 회로 레이아웃을 최적화하는 것을 의미합니다.
  5. 오류 교정: 양자 소프트웨어는 큐비트의 부서지기 쉬운 성질로 인해 발생하는 오류를 교정하기 위한 오류 교정 프로토콜을 구현하는 데 사용됩니다. 이는 오류를 감지하고 교정할 수 있는 양자 오류 교정 코드를 설계하고 구현하는 것을 의미합니다.

전반적으로, 양자 소프트웨어는 양자 알고리즘을 개발하고 실행하며 양자 컴퓨팅을 더 넓은 대중에게 접근 가능하게 만드는 데 결정적인 역할을 합니다.

 

질문 2: 양자 소프트웨어와 전통적인 소프트웨어 간의 10가지 주요 유사점과 차이점을 비교하세요.

다음은 양자 소프트웨어와 전통적인 소프트웨어 간의 10 가지 중요한 유사점과 차이점입니다:

유사점:

  1. 양자 소프트웨어와 전통적인 소프트웨어 모두 프로그램을 디자인, 개발, 실행하는 데 사용됩니다.
  2. 프로그램을 작성하고 실행하기 위해 프로그래밍 언어와 프레임워크가 필요합니다.
  3. 문제를 해결하고 계산을 수행하는 데 사용됩니다.
  4. 프로그램이 올바르게 실행되도록 테스트와 디버깅이 필요합니다.
  5. 성능을 향상시키고 오류를 줄이기 위해 최적화가 필요합니다.
  6. 개발자 간의 변경 사항 관리 및 협력을 위해 버전 관리가 필요합니다.

차이점:

  1. 양자 소프트웨어는 전통적인 소프트웨어에서 사용되는 클래식 비트와는 다른 속성과 동작을 가진 퀀텀 비트를 다룹니다.
  2. 양자 소프트웨어는 병렬 계산을 가능케 하는 양자 병렬성을 활용하여 여러 계산을 동시에 수행하지만, 전통적인 소프트웨어는 순차적으로 계산을 수행합니다.
  3. 양자 소프트웨어는 퀀텀 비트의 부서지기 쉬운 특성으로 인해 노이즈와 오류에 매우 민감합니다. 반면 전통적인 소프트웨어는 보다 견고합니다.
  4. 양자 소프트웨어는 프로그램을 실행하기 위해 특수한 하드웨어가 필요하지만, 전통적인 소프트웨어는 모든 컴퓨터나 장치에서 실행될 수 있습니다.
  5. 양자 소프트웨어는 양자역학과 양자 컴퓨팅에 대한 전문 지식이 필요하지만, 전통적인 소프트웨어는 프로그래밍 언어와 컴퓨터 과학에 대한 지식이 필요합니다.
  6. 양자 소프트웨어는 선형 대수와 양자 알고리즘과 같은 복잡한 수학 개념이 필요하지만, 전통적인 소프트웨어는 보다 기본적인 수학 개념이 필요합니다.
  7. 양자 소프트웨어는 아직 초기 개발 단계에 있지만, 전통적인 소프트웨어는 수십 년간 사용되어 왔으며 보다 성숙한 기술입니다.
  8. 양자 소프트웨어는 거의 모든 산업과 분야에서 사용되는 전통적인 소프트웨어에 비해 응용 분야와 사용 사례가 적습니다.
  9. 양자 소프트웨어 개발은 전통적인 소프트웨어 개발보다 비용과 시간이 더 많이 듭니다.
  10. 양자 소프트웨어는 암호학, 최적화 및 약물 발견과 같은 분야를 혁신할 수 있는 잠재력을 가지고 있지만, 전통적인 소프트웨어는 이미 금융, 건강 관리 및 교육 분야를 혁신하였습니다.

 

질문 3: 양자 소프트웨어의 10가지 주요 분류 및 사용 사례에 대해 설명하세요.

다음은 양자 소프트웨어의 10 가지 주요 분류 및 사용 사례입니다:

  1. 양자 시뮬레이션: 양자 시뮬레이션 소프트웨어는 복잡한 분자 및 물질의 행동을 예측하고 새로운 약물을 설계하며 화학 공정을 최적화하는 데 유용합니다.
  2. 최적화: 최적화 소프트웨어는 양자 컴퓨팅을 사용하여 클래식 컴퓨팅으로는 해결하기 어렵거나 불가능한 복잡한 최적화 문제를 해결합니다. 물류 및 공급망 최적화, 금융 포트폴리오 최적화 및 교통 최적화 등이 해당됩니다.
  3. 양자 암호화: 양자 암호화 소프트웨어는 양자 열쇠 분배(QKD) 프로토콜을 사용하여 통신 보안을 제공합니다. 이 기술은 양자 역학의 법칙을 이용하여 가로채거나 복제할 수 없는 열쇠를 전송하여 깨뜨릴 수 없는 암호화를 제공합니다.
  4. 양자 머신러닝: 양자 머신러닝 소프트웨어는 이미지 및 음성 인식, 자연어 처리 및 이상 탐지와 같은 작업에 사용할 수 있는 머신러닝 알고리즘을 교육 및 실행하는 데 양자 컴퓨팅을 사용합니다.
  5. 양자 금융: 양자 금융 소프트웨어는 양자 컴퓨팅을 활용하는 새로운 금융 모델과 거래 전략을 개발하는 데 사용됩니다. 포트폴리오 최적화, 리스크 관리 및 옵션 가격 책정 등이 해당됩니다.
  6. 양자 감지: 양자 감지 소프트웨어는 항해, 이미징 및 의료 진단과 같은 응용 분야에 사용되는 센서의 민감도와 정확도를 향상시킵니다.
  7. 양자 오류 정정: 양자 오류 정정 소프트웨어는 퀴비트의 부서지기 쉬운 특성으로 인해 발생하는 오류를 감지하고 수정하는 데 사용됩니다. 이것은 복잡한 계산을 수행할 수 있는 대규모 양자 컴퓨터를 구축하는 데 필수적입니다.
  8. 양자 암호 분석: 양자 암호 분석 소프트웨어는 QKD 프로토콜과 기타 양자 암호 기술의 보안을 분석하고 테스트하는 데 사용됩니다.
  9. 양자 컴파일러 및 라이브러리: 양자 컴파일러 및 라이브러리는 양자 프로그래밍을 보다 접근 가능하고 효율적으로 만드는 데 사용됩니다. 이러한 도구는 고수준의 양자 프로그램을 실행 가능한 회로로 변환하고 일반적인 양자 작업에 대한 미리 구축된 모듈을 제공할 수 있습니다.
  10. 양자 게임 및 엔터테인먼트: 양자 게임 및 엔터테인먼트 소프트웨어는 양자 컴퓨팅을 활용하여 새로운 게임플레이와 도전을 제공하는 게임 및 인터랙티브 경험을 만드는 데 사용됩니다.

전반적으로, 양자 소프트웨어는 약물 발견과 금융부터 사이버 보안 및 엔터테인먼트에 이르기까지 많은 산업과 분야를 혁신할 잠재력이 있습니다.

 

질문 4: 양자 프로그래밍 언어의 종류를 설명하십시오.

양자 프로그래밍 언어는 양자 컴퓨터에서 실행 가능한 프로그램을 작성하는 데 사용됩니다. 다음은 일부 양자 프로그래밍 언어 유형입니다:

  1. 회로 기반 언어: Qiskit 및 Cirq와 같은 회로 기반 언어는 프로그램을 큐비트에 작용하는 양자 게이트로 이루어진 회로로 표현하는 고전 회로 설계 언어와 유사합니다. 이러한 언어는 일반적으로 저수준이며 큐비트에서 수행되는 작업을 세밀하게 제어합니다.
  2. 고수준 언어: PyQuil 및 Strawberry Fields와 같은 고수준 양자 프로그래밍 언어는 더 추상적이고 직관적인 방식으로 양자 컴퓨터를 프로그래밍하는 방법을 제공합니다. 이러한 언어는 루프, 조건문 및 함수와 같은 구성 요소를 사용하여 일반적인 고전 프로그래밍 언어와 유사한 코드를 작성할 수 있습니다.
  3. 하이브리드 언어: Microsoft의 Q#과 같은 하이브리드 양자 프로그래밍 언어를 사용하면 고전 및 양자 코드를 결합한 프로그램을 작성할 수 있습니다. 이러한 언어는 고전 컴퓨터와 상호 작용하고 양자 데이터를 전처리하거나 후처리하기 위해 고전 알고리즘을 사용할 수 있는 방법을 제공합니다.
  4. 그래픽 언어: Quipper와 같은 그래픽 양자 프로그래밍 언어는 시각적 표현을 사용하여 양자 회로를 구성합니다. 이러한 언어는 일반적으로 연구 및 교육 목적으로 사용되며 양자 알고리즘의 동작을 직관적으로 시각화하는 방법을 제공합니다.
  5. 도메인 특화 언어: 도메인 특화 양자 프로그래밍 언어는 양자 화학 또는 최적화와 같은 특정 응용 분야나 사용 사례를 위해 설계됩니다. 이러한 언어는 일반적인 양자 연산에 대한 미리 작성된 모듈 및 고수준 추상화를 제공합니다.

전반적으로, 양자 프로그래밍 언어의 선택은 응용 분야와 개발자가 요구하는 제어 수준과 추상화 수준에 따라 다릅니다. 양자 컴퓨팅이 발전함에 따라, 새로운 양자 프로그래밍 언어가 등장할 것으로 예상되며, 각각의 장단점이 있을 것입니다.

 

질문 5: 초보자가 Q#과 Cirq를 어떻게 배울 수 있나요?

Q#과 Cirq를 배우기 위해서는 양자역학과 선형대수학에 대한 기본적인 이해가 필요합니다. Q#과 Cirq를 배우는 데 도움이 되는 몇 가지 단계는 다음과 같습니다:

  1. 양자역학의 기초를 배워보세요: 양자 컴퓨팅을 이해하기 위해서는 양자역학의 기초를 잘 이해하는 것이 중요합니다. 양자 상태, 중첩, 측정 등의 기초 개념을 다루는 입문용 강좌나 교재를 찾아보세요.
  2. 선형대수학을 배워보세요: 양자역학과 양자 컴퓨팅을 이해하기 위해서는 선형대수학이 필수적인 도구입니다. 온라인 강좌나 교재를 활용하여 선형대수학의 기초를 쌓으세요.
  3. Q#과 Cirq의 구문과 개념을 배워보세요: 기초를 충분히 이해한 후에는 Q#과 Cirq의 구문과 개념을 배워보세요. 마이크로소프트에서는 Q#의 공식 문서와 튜토리얼을, 구글에서는 Cirq의 공식 문서와 튜토리얼을 제공하고 있습니다.
  4. 예제와 연습문제로 연습하세요: 기초를 학습한 후에는 예제와 연습문제를 활용하여 연습해보세요. 공식 문서나 온라인 강좌, 교재 등에서 예제와 연습문제를 찾을 수 있습니다.
  5. 커뮤니티에 참여하세요: Q#과 Cirq 커뮤니티에 참여하여 다른 사람들로부터 배울 수 있고 필요한 지원을 받을 수 있습니다. 온라인 포럼이나 토론 그룹에 가입하거나 컨퍼런스나 밋업에 참석해보세요.
  6. 프로젝트를 직접 구현해보세요: 직접 프로젝트를 구현해보면 Q#과 Cirq의 이해도를 높일 수 있습니다. 간단한 프로그램부터 시작하여 점차 복잡한 프로젝트로 나아가보세요.

전반적으로, Q#과 Cirq를 배우기 위해서는 열정과 연습이 필요합니다. 적절한 자료와 배우기를 원하는 의지가 있다면, 이 언어들을 능숙하게 다룰 수 있으며 자신만의 양자 프로그램을 작성할 수 있게 될 것입니다.

 

질문 6: 미국, EU 및 중국의 양자 소프트웨어 기술 수준 비교하세요.

미국, 유럽 연합, 중국의 양자 소프트웨어 기술 수준을 비교하는 것은 양자 컴퓨팅이 여전히 떠오르는 분야이며, 모든 지역에서 진전이 빠르게 이루어지고 있기 때문에 어렵습니다. 하지만 현재 개발과 연구에 기반하여 일반적인 관찰 몇 가지를 제시해보겠습니다.

  1. 미국: 미국은 IBM, Google, Microsoft, Amazon 등 양자 컴퓨팅 분야의 선두 기업과 연구기관이 많이 위치하고 있어 양자 하드웨어 및 소프트웨어 개발에 많은 투자를 하고 있으며 양자 알고리즘, 오류 수정 및 양자 기계 학습 등의 분야에서 상당한 발전을 이루고 있습니다. 미국 정부는 미국 국가 양자 이니셔티브 법 등의 이니셔티브를 통해 양자 컴퓨팅 연구 및 개발을 촉진하고 있습니다.
  2. 유럽 연합: 유럽 연합도 양자 컴퓨팅 분야의 연구 및 개발에 큰 투자를 하고 있습니다. 유럽 연합은 양자 플래그십 프로그램을 시작하여 양자 기술을 발전시키고 시장에 적용시키는 것을 목표로 하고 있습니다. 이 프로그램에는 암호화, 시뮬레이션, 최적화 등 다양한 응용 분야의 양자 소프트웨어 개발을 위한 프로젝트들이 있습니다. 유럽 연합은 또한 양자 컴퓨팅 분야에서 연구 및 스타트업 기업을 선도하는 몇몇 우수한 연구 기관과 스타트업 기업들이 위치하고 있습니다.
  3. 중국: 중국은 양자 컴퓨팅 분야에서 세계적인 선두주자가 되는 것을 목표로 최근 몇 년간 큰 규모의 투자를 하고 있습니다. 중국은 양자 하드웨어 및 소프트웨어 개발을 위한 국가 양자 정보 과학 실험실 등의 이니셔티브를 시작하였습니다. 알리바바, 바이두, 화웨이 등 중국 기업들도 양자 컴퓨팅 분야의 연구 및 개발에 투자를 하고 있습니다. 중국은 양자 암호화, 양자 통신 및 양자 시뮬레이션 분야에서 상당한 발전을 이루고 있습니다.

전반적으로 세 지역 모두 양자 소프트웨어 개발 분야에서 큰 진전을 이루고 있으며, 이 분야에서 선도 역할을 하는 것에 대한 격려적인 경쟁이 이어지고 있습니다. 그러나 각 지역의 우선순위와 자원에 따라 진행 속도와 구체적인 집중 분야가 다를 수 있다는 점을 주목할 필요가 있습니다.

 

질문 7: 현재 양자 소프트웨어의 10가지 주요 단점은 무엇인가요?

양자 소프트웨어는 최근 몇 년 동안 큰 발전을 이루었지만, 아직 해결해야 할 중요한 결함이 있습니다. 다음은 가장 중요한 10가지 결함입니다.

  1. 제한된 큐비트 수: 현재 양자 컴퓨터는 제한된 큐비트 수를 가지고 있어 문제의 크기와 복잡성을 제한합니다.
  2. 높은 오류율: 양자 하드웨어는 오류에 취약하기 때문에 양자 알고리즘의 성능에 중요한 영향을 미칩니다. 오류 보정 기술은 아직 초기 단계이며, 오류율을 낮추기 위해 더 많은 작업이 필요합니다.
  3. 제한된 하드웨어 액세스: 양자 하드웨어는 아직 초기 단계이며 액세스가 제한되어 있습니다. 이로 인해 개발자는 실제 하드웨어에서 자신들의 양자 소프트웨어를 테스트하고 유효성을 검사하는 능력이 제한됩니다.
  4. 고전 시스템과의 제한된 호환성: 대부분의 양자 소프트웨어는 양자 시스템에서만 작동하도록 설계되어 있으며, 고전 시스템과 쉽게 통합되지 않습니다. 이로 인해 하이브리드 고전-양자 응용 프로그램을 구축하는 것이 어렵습니다.
  5. 제한된 양자 프로그래밍 언어 수: 현재 사용 가능한 양자 프로그래밍 언어는 매우 적어 개발자들의 선택권을 제한합니다.
  6. 표준화 부재: 현재 양자 소프트웨어 개발을 위한 표준화가 없어 개발자들이 코드를 공유하고 프로젝트에 협력하는 것이 어렵습니다.
  7. 제한된 양자 소프트웨어 개발 도구: 고전 소프트웨어 개발에 비해 양자 소프트웨어 디버깅, 프로파일링 및 최적화를 위한 도구가 제한적입니다.
  8. 양자 소프트웨어 개발 전문성의 부재: 양자 소프트웨어 개발은 양자 역학과 선형 대수학의 전문 지식이 필요하며, 아직 상대적으로 좁은 기술 세트입니다.
  9. 양자 알고리즘의 범위 제한: 지금까지 개발된 양자 알고리즘의 범위는 여전히 제한적이며, 이로 인해 양자 소프트웨어를 사용하여 해결할 수 있는 문제의 범위도 제한됩니다.
  10. 제한된 확장성: 현재의 양자 소프트웨어는 쉽게 확장할 수 없으며, 이로 인해 양자 컴퓨터를 사용하여 대규모 문제를 해결하는 능력도 제한됩니다.

전반적으로, 이러한 결함을 해결하기 위해서는 양자 소프트웨어 개발에 대한 지속적인 투자, 연구원과 산업 간의 협력, 상호 운용성과 사용 편의성을 개선하기 위한 표준화 노력이 필요합니다.

 

질문 8: 이전 단점들을 극복하기 위한 미래의 10가지 연구 전략은 무엇일까요?

  1. 오류 수정 기술 개선: 더 발전된 오류 수정 기술 연구를 통해 하드웨어 오류가 양자 알고리즘에 미치는 영향을 줄일 수 있습니다.
  2. 새로운 양자 프로그래밍 언어 개발: 새로운 양자 프로그래밍 언어의 개발은 개발자들에게 더 많은 선택권을 제공하고 양자 및 고전 시스템을 쉽게 통합할 수 있도록 도와줄 수 있습니다.
  3. 더 많은 양자 알고리즘 개발: 새로운 양자 알고리즘 연구는 양자 컴퓨터를 사용하여 해결할 수 있는 문제 범위를 확장할 수 있습니다.
  4. 하이브리드 고전-양자 시스템 구축: 하이브리드 고전-양자 시스템 구축에 대한 연구는 고전 및 양자 시스템의 통합을 개선하고 해결 가능한 문제 범위를 확장할 수 있습니다.
  5. 양자 소프트웨어 개발 도구 개선: 더 나은 디버깅, 프로파일링 및 최적화 도구의 개발은 양자 소프트웨어 개발을 보다 효율적이고 효과적으로 만들 수 있습니다.
  6. 새로운 양자 시뮬레이션 기술 개발: 새로운 시뮬레이션 기술 연구는 양자 시스템의 시뮬레이션 능력을 향상시키고 양자 알고리즘을 테스트하는 데 도움이 될 수 있습니다.
  7. 양자 기계 학습 발전: 양자 기계 학습 연구는 양자 알고리즘의 성능을 개선하고 응용 범위를 확대하는 데 도움이 될 수 있습니다.
  8. 새로운 양자 통신 프로토콜 개발: 새로운 양자 통신 프로토콜 연구는 양자 통신 시스템의 보안을 개선하고 응용 범위를 확대할 수 있습니다.
  9. 양자 암호학 발전: 양자 암호학 연구는 데이터 전송 및 저장 시스템의 보안을 개선하는 데 도움이 될 수 있습니다.
  10. 확장성 향상: 양자 시스템의 확장을 위한 새로운 접근 방식에 대한 연구는 현재의 제한을 극복하고 더 크고 복잡한 양자 알고리즘 개발을 가능하게 할 수 있습니다.

전반적으로 현재 양자 소프트웨어의 단점을 극복하기 위해서는 연구에 대한 지속적인 투자, 연구자와 산업 간의 협력, 표준화와 상호 운용성 개선에 노력이 필요합니다.

2022년 겨울호

Moshe Vardi의 “기술이 사회에 미치는 영향에 대한 숙고”

 

                                                                                                       저자: Moshe Vardi & Leaf Hoffmann
역자: 강성원(KAIST)

 

이 글은 “기술이 사회에 미치는 영향에 대한 숙고(Considering the Impact of Technology on Society)”라는 제목으로 기술분야 작가인 Leaf Hoffmann이 Moshe Vardi 교수를 인터뷰한 기록의 번역이다. 원문은 Communication of the ACM의 2023년 3월호(pp. 99-100)에 게재되었다. 마지막 질문과 대답을 제외한 모든 질의 응답이 여기에 번역되어 있다. Moshe Vardi는 Rice 대학교 전산학과 교수로 2008년부터 2017년까지 Communication of the ACM의 책임편집자를 역임하였다. 그는 기업윤리, 기술과 윤리, 컴퓨팅과 사회 등의 주제로 기술과 사회에 연결성에 대한 사람들의 의식을 고취시키는데 앞장서고 있다.

 

당신은 자동 추론과 논리에 집중한 경력이 있지만, 최근 몇 년간 기술의 사회적 영향을 검토하는 데에도 활발하게 참여해 왔습니다.

저는 우리가 애미시(Amish) 사람들에게서 조금은 배워야 한다고 생각합니다. 많은 사람들이 애미시가 반(反)기술주의자라고 생각하지만, 정확히 그런 것은 아닙니다. 애미시 사람들은 기술 반대자가 아니라, 그들이 지키고 싶은 가치관을 가지고 있는 것입니다. 그리고 새로운 기술이 나타날 때, 애미시 원로 회의에서는 그 영향에 대해 평가하고 “그 영향이 무엇일까?”를 묻습니다. 저는 컴퓨팅 분야에서도 우리가 이와 같은 일을 해야 한다는 결론에 도달하였습니다.

 

그것은 대부분의 기술인들이 스스로 묻지 않는 질문입니다.

“기술이 사회에 어떤 영향을 미치고 있는가?”라는 질문은 매우 근본적인 질문이지만, 우리는 그 질문에 대하여 그리 많이 생각하지 않습니다. 우리는 기술인들입니다. 우리는 기술을 즐기고 기술적 도전에 흥분합니다. 애미시 사람들처럼 할 수 있는지는 분명하지 않지만, 우리도 잠시 멈추고 스스로에게 ” 그 영향이 무엇일까?”를 물어볼 수 있습니다.

예를 들어, 애미시 사람들은 사람들이 긴밀한 공통체에서 살아가는 것을 당연히 여깁니다. 말과 마차로는 멀리 갈 수 없지만, 자동차로는 더 멀리 갈 수 있습니다. 그래서 자동차는 사용하지 않습니다. 핸드폰으로는 사람들이 서로 대화할 수 있습니다. 이것은 좋은 일입니다. 그래서 그들은 핸드폰을 가지고 있지만, 스마트폰과 소셜 미디어는 사용하지 않습니다.

 

소셜 미디어는 복잡하고 항상 긍정적인 영향만을 주지는 않은 기술 중 하나입니다.

우리가 잘 못하고 있는 일들 중 하나가 어떤 것을 대규모로 적용할 때 실제로 무슨 일이 일어날지를 평가하지 않는 것입니다. Facebook이 수년간 내세우던 구호가 마찰 없는 공유였습니다. 25억 명의 사람들이 아주 쉽게 많은 것을 공유할 수 있는 상황에서 어떤 일이 일어날까요? 그것은 편리하지만, 온갖 종류의 다른 부정적인 현상들로 가는 문을 열어놓습니다.

 

이러한 부정적인 현상들은 소셜 미디어 사용이 잘 자리 잡힌 이후에야 많은 주목을 끌게 되었습니다.

지난 50년 동안, Erik Brynjolfsson과 Andrew McAfee의 말을 인용하면 우리는 “기계와의 경쟁”을 만들어내고, 소위 지식 경제를 도입했습니다. 그리고 ACM 커뮤니티의 우리들은 그 혁명의 승리자로서 그것을 만끽하고 있습니다.

그러면 누가 패배자인가요? 데이터는 미국의 노동 계급이 지난 세대에 비해 퇴보했다는 것을 보여줍니다. 이것은 경제학자들이 노동 양극화라고 부르는 것입니다. 고급기술직은 잘 나갔습니다; 실제로 고숙련 노동자를 필요로 하는 일자리는 예전보다 훨씬 많아졌습니다. 한편, 저숙련 노동자들은 지난 50년 동안 변하지 않은 최저임금을 받고 있으며, 노동 시장의 중간 기술 부분은 줄어들었습니다. 이것은 사회경제적으로 양극화된 사회를 만들었으며, 이러한 양극화된 사회에 불 난 집에 기름을 붓듯이 우리는 소셜 미디어를 밀어 넣었습니다.

 

인공지능(AI)은 사회가 따라잡기 어려운 속도로 발전하는 또 다른 분야입니다.

딥러닝은 엄청난 성과를 거둬냈으며, 이제 우리는 Stuart Russell 이 제기한 질문을 해야합니다. “만약 성공한다면?”[1]이라는 질문이지요. 만약 우리가 인공 일반 지능을 개발할 수 있다면 어떤 일이 벌어질까요?

이것이 아주 소수의 사람들만이 물었던 질문입니다. 튜링의 1950년도 원래 논문으로 돌아가보면, 기계 지능의 가능성에 대한 놀라운 예언이 담겨 있습니다. 그러나 튜링은 기술적인 도전에 대해 매우 기대를 하고 있지만, 그 논문은 그 결과에 대하여는 아무 말도 하고 있고 있습니다. Erik Brynjolfsson은 인간을 모방하려고 하면 인간의 모든 결함들을 그대로 재생산할 수 있기 때문에, “튜링 테스트”라는 말을 “튜링의 덫”[2]으로 불렀습니다

 

학문 분야 내에서 이러한 문제들에 대하여 논의하고자 하는 우리의 의지 관점에서 어떤 진전이 있었나요?

우리 학문 분야는 우리가 하는 일이 사회에 미치는 영향을 살펴보지 않았으며, 이 문제를 다루는데 지금까지 아주 큰 어려움을 겪고 있습니다. 사실, 내가 예전에 자동화와 노동에 대한 부정적인 영향에 대해 이야기하기 시작했을 때가 기억납니다. 내가 이야기를 마친 후 누군가가 – 누구인지는 기억이 나지 않는데 – 내게 다가와서 “말씀하신 것 같은 발표는 하지 마세요. 자금 조달에 좋지 않습니다.” 라고 말했습니다.

그러나 산업계는 성공을 거듭하고 있으며, “나는 실리콘밸리와는 아무 상관이 없다”고 말하는 것은 쉽지 않습니다. 제 학생들도 많이 그리로 갑니다. 많은 학자들이 그들로부터 자금을 지원받습니다. ACM도 이러한 회사들과 밀접히 연결되어 있습니다. 사회적 책임에 대한 대화는 하기 어렵습니다. 그래서 때로는 사람들이 어려운 대화에 대해 대처하는 방법은 “더이상 이야기하지 말자. 너무 유쾌하지 않아.”라고 말하는 것입니다.

 

당신은 학생들에게 무어라고 말씀하시나요?

제가 지도하는 학부학생들 중 많은 학생들이 졸업 후 실리콘 밸리로 가고 싶어합니다. 거기서는 그들이 학사 학위로 시작하는 월급이 아마도 박사 학위를 가진 조교수보다 높을 것입니다. 그들은 대학원에 가기보다 산업계에 가서 잘하고 싶어합니다.

그래서 저는 Rice 대학교에서 기술 윤리에 관한 강의를 설계하는 데 참여했습니다. 이 강의에서 기말시험이 없습니다. 대신, 학생들은 전문가로서의 사회적 책임에 대한 개인적인 생각에 관한 에세이를 써야 합니다. 어떤 에세이들은 매우 감동적입니다. 어떤 학생들은 “나는 전에는 거의 눈이 멀었었지만 이제는 볼 수 있다. 기술은 무조건 긍정적인 것이라고 생각했지만 이제는 그것이 더 복잡한 것이라는 것을 알게 되었다”라고 말하는 것 같았습니다.

 

공공보건부터 정치 문제까지 많은 이슈들에 대한 논의를 어렵게 만드는 ‘옳지 않으면 그르다‘는 이진법적 사고에서 벗어날 수 있도록 도움을 줄 수 있다면 공공에 이익을 주는 아주 좋은 기여가 될 것입니다.

이러한 문제를 ‘검은색이 아니면 흰색이다’라고 말하기는 쉽습니다. 그러나 말씀하신 것처럼 사실은 그렇지 않습니다. 물론 기술은 엄청난 긍정적인 영향을 끼쳤습니다. 덕분에, 우리는 이 대화를 Zoom을 통해 할 수 있고, 제가 당신의 얼굴도 볼 수 있습니다. 그리고 팬데믹 기간 동안 대부분의 지식 노동자들은 집에서 일할 수 있었고 경제는 붕괴하지 않았습니다.

하지만 아시다시피 그것에는 대가가 따릅니다. 만약 당신이 교육받은 전문가라면, 버블[3]속에 살고 있고 대부분 다른 교육받은 전문가들과 소통을 합니다. 자신의 버블 밖에서 일어나는 상호작용은 대부분 거래적이며, 당신은 다른 사람들의 삶에 대해 거의 알 수 없습니다. Amazon에서 물건을 주문하면 누군가가 집으로 그것을 배송합니다. 만약 내가 집에 있다면 배송원에게 간단히 감사 인사를 건넬 수 있지만 들어와서 커피 한 잔을 드시라고 하지는 않습니다. 그렇지만 아마 저부터 커피 한잔을 대접해야 하겠지요.[4]

 

[1] https://bit.ly/3BNTsOw

[2] https://stanford.io/3JAXbkt

[3] 팬데믹으로부터 보호받기 위해 사회적 거리 두기를 같이 하는 집단.

[4] 생계나 공익을 위해 버블 속에만 머물 수 없는 사람들을 고맙게 생각해야 한다는 뜻이 있다.

 

2022년 가을호

논증 교육과 민주주의

 

강성원(KAIST 교수)

 

논증

논증[1]의 사전적 의미는 “어떤 행위 또는 아이디어가 옳거나 그르다고 다른 사람들을 설득할 목적으로 제시된 이유 혹은 이유들”이다.[2] 논증은 생활과 사회 활동에서 설득, 협상 및 의사결정의 수단이 되고 발견과 탐구와 같은 학문활동에도 필요불가결하다. 다음은 아인슈타인을 20세기의 최고의 과학자로 만든 논증이다.

아인슈타인의 일반 상대성 이론이 맞다면, 개기일식때 달 주위의 별의 위치가 평소의 달 주위의 별의 위치와 다르게 관측될 것이다(명제 1). 1919년 개기일식 때 에딩턴은 달 주위의 별의 위치가 평소의 달 주위의 별의 위치와 다르다는 것을 관측하였다(명제 2). 그러므로 아인슈타인의 상대성 이론은 옳다(명제 3).

이 진술들은 명제 1과 명제 2를 전제로 하고 명제 3을 결론으로 갖는 하나의 논증이다. 과학자들이 명제 3과 같이 아인슈타인의 상대성 이론이 옳다는 결론을 받아들이게 된 것은 그들이 논증의 전제들인 명제 1과 명제 2를 받아들였기 때문이다.

그러나 이 논증은 논리적으로 타당하지 않은 논증이다. 위의 논증은, “만일 명제 A가 참이면 명제 B가 참이다. 명제 A가 참이다. 그러므로 명제 B가 참이다.”이라는 타당한 논증과 달리 “만일 명제 A가 참이면 명제 B가 참이다. 명제 B가 참이다. 그러므로 명제 A가 참이다.”라는 형태를 갖기 때문에 두 개의 전제가 결론을 함축하지 않고 논리적으로 타당하지 않은 논증이다. 그러나 합리적인 사람은 위의 논증을 설득력 있는 것으로 받아들이고 결론을 수용할 것이다.

이와 같이 우리의 일상과 학문에서는, 연역적으로는 타당하지 않지만 합리적인 사람이라면 수용하는 많은 설득력 있는 논증들이 있다. 또 그럴듯한 논증의 모습을 가지고 있지만, 그 안에 오류가 들어 있고 심지어 그런 오류가 의도적으로 심어진 논증들도 있다. 따라서 일상의 대화에서나 학문을 수행함에 있어서, 논증을 식별하고 논증의 설득력을 평가하는 능력은 대화와 학문 수행을 효과적으로 만들어 사람들이 공동의 목표를 함께 달성할 수 있도록 하는 중요한 능력이다.

 

민주주의를 위협하는 정치가들의 궤변과 가짜뉴스

21세기에 나타난 많은 새로운 사회 현상들 중 민주주의 사회를 위협하는 두드러진 현상으로 정치가들의 궤변이 과거보다 부쩍 많아지고 더 교묘해졌다는 점과 가짜뉴스가 만들어지기 시작했다는 점을 들 수 있다. 2016년 미국 대선 때 등장했던 “프란치스코 교황, 도널드 트럼프의 지지를 선언하여 충격”이라는 제목의 뉴스는 잘 알려진 가짜 뉴스이다.[3] 가짜뉴스는 “선거 때가 되면 으레 기승을 부리는 온갖 가짜뉴스가 사회적 미디어에 넘쳐난다.”[4]는 말이 나올 정도로 많아졌다. 또한 하루에도 몇 개씩 언론 매체에 등장하는 정치가들의 궤변은 일반인들의 정치적 판단을 흐리게 하지만, 논증에 훈련되지 않은 사람들은 이들의 논증에 의도적으로 감춰져 있는 오류를 쉽게 식별하지 못한다.

얼마전 여당 지도자가 여당의 잘못을 지적하는 질문을 받자 야당도 집권했을 때 그러지 않았냐고 답변했다.[5] 이는 무방비한 청중에게는 일견 그럴 듯한 말로 생각될 수 있다. 그러나 논증의 핵심을 꿰뚫어 볼 수 있는 사람에게는, 그 답이 질문에 대하여 정당하게 답변한 것이 아니라 논의의 초점을 여당의 지적된 잘못에서 야당의 잘못으로 옮기는 “논점이탈의 궤변”을 범한 것이거나, 아니면 여당이나 야당이나 어느 쪽이 더 나을 게 없다는 “피장파장의 궤변”을 범한 것으로 보일 것이다. 여당 지도자의 답변에 대하여 (예기치 않게) 여당 대변인이, 과거에 여당이었던 야당처럼 잘못하지 말라고 국민들이 과거의 야당을 현재의 여당으로 만들어 준 게 아니냐는 성찰적 지적을 하였다. 이는 여당 지도자의 답변을 위의 두 가지 궤변 해석 중에서도 “피장파장의 궤변”인 것으로 본 지적이었다.

언론 매체에 빈번히 등장하는 이런 궤변과 가짜뉴스들은 민주주의에 큰 위협이 된다. 왜냐하면 민주주의 제도에서 국민들은 투표를 통해 국가의 중요한 선택과 결정을 하는데, 궤변과 가짜뉴스는 사람들의 판단을 흐리게 하여 그들로 하여금 심지어 자신에게 불리한 선택을 자신에게 유리한 선택으로 잘못 생각하게 하기도 하고 그들을 궤변과 가짜뉴스를 만들어 내는 사람들이 원하는 방향으로 잘못 투표하도록 유도할 수 있기 때문이다.

 

우리 나라 논증 교육 현황

앞의 궤변의 분석에서 볼 수 있듯이, 논증 분석에 훈련된 사람은 논증의 잘못된 점을 파악하여 이로부터 올바른 논증과 올바른 판단이 이어지게 할 수 있다. 논증의 오류를 파악하고 올바른 논증을 할 수 있는 능력을 배양하는 교육이 바로 비판적 사고[6]의 교육이다.

비판적 사고는 “무엇을 믿고 무엇을 할 것인지에 관한 의사 결정에 초점을 맞춘 합당하고 반성적인 사고”이다.[7] 또한 미국철학회가 철학자, 교육학자, 사회과학자, 자연과학자들 46명으로 구성된 전문가들이 수행한 연구 결과에서 비판적 사고는 “의도적이고 자기 규제적인 판단으로, 그 판단의 근거가 되는 증거적, 개념적, 방법론적, 표준적, 혹은 문맥적 고려사항들에 대한 해석, 분석, 평가 및 추리와 더불어 설명을 산출한다.”[8]라고 정의하고 있다. 이러한 비판적 사고의 개념들에서 볼 수 있듯이 비판적 사고 능력을 배양하기 위해서는 상당히 광범위하고 체계적인 교육×훈련이 필요하다.

그러나 우리 나라 교육과정에서 제공되는 비판적 사고의 교육×훈련은 시간적으로도 부족하고, 아직 많은 사람들에게 제공되지 못하는 상황이다.[9] 우리나라에서 비판적사고 능력을 평가 측정하는 논술시험이 대학교 입시에 처음 포함된 것이 1986년이었다. 제도 도입 초기에는 일부대학교의 일부 학과만이 논술시험을 요구하였고 논술 준비를 할 수 있는 교육체계가 제대로 갖추어지지 않아 소수의 고등학생들 만이 비판적 사고를 공부할 수 있었다. 1997년부터 논술시험은 “시사문제 중심, 고전논술 등 여려 형태로 변화해 오다 2000년대 중반부터 여러 영역의 사고력을 통합해 측정”하는 시험이 되었고, 2013년에는 우리나라 4년제 대학교 198곳 중 14%인 28개 대학이 논술로 신입생을 선발하였다.[10] 따라서 비교적 많은 고등학생들이 비판적사고의 교육을 받기 시작한 것은 최근 20년의 일로 볼 수 있다.[11] 즉 현재 30대를 포함하여 그 이하의 연령에 있는 사람들의 일부만이 비판적 사고의 교육을 받았고, 비판적 사고의 교육을 받지 않은 이 연령층 밖의 일반인들은 궤변과 가짜뉴스를 파악하고 대처하는 능력이 그리 높지 않다고 보는 것이 타당할 것이다. 논술시험을 위해 비판적 사고의 교육×훈련을 받은 사람들의 경우에도, 이런 교육×훈련이 주로 대입 논술시험 준비 및 시험에 필요한 작문 중심으로 진행되어 현실의 궤변과 가짜뉴스를 파악하고 대응하는 데에는 충분하지 않다.

 

맺는 말

가짜 뉴스에 대해서는 정보 매체의 개선을 통해서 우리는 어느 정도 대응할 수 있을 것이다.[12] [13] 그러나 정보 매체의 개선은 가짜 뉴스의 확산을 막아 줄 수는 있어도, 개개인이 가짜 뉴스와 궤변을 파악하고 이에 대처할 수 있는 수단을 제공하지는 못한다. 따라서 정치가의 궤변과 가짜뉴스를 시민들 각자가 스스로 간파하고 올바른 판단을 하여 진정한 자기 의사를 정치에 반영시키는 것이 근본적인 해결책일 것이다. 이를 위해서는 시민 한 사람 한 사람이 비판적 사고 능력과 논증 능력을 가져야 한다.

물론 비판적 사고의 교육을 받아도 모든 사람이 올바른 논증과 판단 능력을 획득할 수 있는 것은 아닐 것이다.[14] 그러나 필자는 비판적 사고의 교육이 자라나는 세대 뿐 아니라 기성 세대에까지 보편적 교육으로 확대되어야 한다고 생각한다. 무엇보다 아직까지 비판적 사고의 교육을 충분히 받지 못한 40대 이상의 사람들이 민주주의 사회의 주인 답게 사고하고 판단할 수 있어야 하기 때문이다. 또한 비판적 사고와 논증에 대하여 공부할 기회가 널리 제공되면 이를 배우는 사람들도 더 흥미를 가지고 깊이 알려고 노력하게 될 것이고 그 결과 비판적 사고와 논증에 숙달된 사람들이 많아질 것이기 때문이다.

사람들은 우리나라 발전의 발목을 잡는 것이 정치라고 말한다. 이런 상황에서 비판적 사고 능력으로 무장된 시민들은 거짓을 알아보고 진실을 요구하여 정치발전을 앞당길 수 있을 것이다. 세계 최고 수준의 문해율[15], 지능, 순발력, 적응력의 자질을 지닌 한국인들이다. 좋은 환경만 갖추어지면 우리의 잠재력은 현실의 능력이 될 것이다. 젊은 사람 나이든 사람 모두가 궤변에 가려진 거짓을 꿰뚫어보고 설득력 있는 논증을 구사할 수 있어, 중요한 사회적 결정들에 있어서 시간과 노력의 허비없이 합리적인 합일점에 도달하는 그런 세상을 기대해 본다.

 

참고 문헌

[송두율 2020] 송두율, “가짜뉴스의 시대”, 경향신문, 2020.01.20.

[김명일 2022] 김명일, ““민주당처럼 하지 말라고 뽑아준 것” 尹 공개 비판한 국힘 대변인”, 조선일보, 2022.07.05.

https://www.chosun.com/politics/politics_general/2022/07/05/WZU3J3K2KJE3XGXT23F4HDFZ3Q/

[한국공학교육학회 2021] 한국공학교육학회 비판적사고교육위원회, 공학도를 위한 비판적 사고 교육, 황영미, 박상태 편집, 한국학술정보(주), 2021.

[Facione 1990] Peter A. Facione, Critical Thinking: A Statement of Expert Consensus for Purposes of Educational Assessment and Instruction – Executive Summary of “The Delphi Report by American Philosophical Association”, 1990.

[송현숙 2013] 송현숙, “대입 논술시험의 역사”, 경향신문, 2013.01.08.

https://m.khan.co.kr/opinion/column/article/202001202111015#c2b

[O’Connor 2019] Cailin O’Connor, James Owen Weatherall, The Misinformation Age: How False Beliefs Spread, Yale University Press, 2018.

[김광수 2007] 김광수, 논리와 비판적 사고, 쇄신판, 철학과현실사, 2007.

[박은진 2008] 박은진, 김희정, 비판적 사고, 아카넷, 2008.

[앤 톰슨 2009] 앤 톰슨, 비판적 사고: 실용적 입문, 최원배 옮김, 서광사, 2009.

[홍경남 2011] 홍경남, 논증의 이해 비판적 사고를 위한 논리, 중앙대학교출판부, 2011.

[정지윤 2007] 정지윤, “논술교육 현황 및 문제점 개선 연구”, 한양대학교 석사학위논문, 2007.

[윤초희 2016] 윤초희, “국내외 비판적 사고교육 효과연구 고찰: 쟁점과 향후 연구과제”, 아시아교육연구 17권 4호 pp. 1-35, 2016.

======

[1] argument

[2] “A reason or a set of reasons given with the aim of persuading others that an action or idea is right or wrong,” Google Oxford Languages.

[3] [송두율 2020]

[4] [송두율 2020]

[5] [김명일 2022]

[6] critical thinking

[7] 이 비판적 사고의 정의는 오늘날 가장 널리 받아들여지는 Robert Ennis의 정의이다 ([한국공학교육학회 2021]p.20)

[8] [Facione 1990]p.2, “We understand critical thinking to be purposeful, self-regulatory judgment which results in interpretation, analysis, evaluation, and inference, as well as explanation of the evidential, conceptual, methodological, criteriological, or contextual considerations upon which that judgment is based.”

[9] [정지윤 2007][윤초희 2016]

[10] [송현숙 2013]

[11] 비판적 사고에 대한 대표적인 국내 서적의 발간 연도를 보아도 이를 짐작할 수 있다: 김광수의 “논리와 비판적 사고”는 2007년에, 박은진의 “비판적 사고”는 2008년에, 앤 톰슨의 “비판적 사고: 실용적 입문”의 번역서는 2009년에, 홍경남의 “논증의 이해” 초판은 2011년에 각각 발간되었다.

[12] [O’Connor 2019]

[13] [송두율 2020]

[14] [김광수 07]p.8에서 “논증을 재구성하는 일이 대단히 어렵기 때문”에 “오직 소수의 구도자적 정신을 가진 독자들에게만” 자신의 책을 권하고 싶다고 말한다.

[15] literacy rate

2022년 여름호

재도약하는 이카로스들을 위하여 

 

빅피처랩 대표 금창섭

 

제2의 벤처 붐이 불고 있다. 지난해 만들어진 창업 기업만 142만 개라는 것에서 그 인기를 실감할 수 있다. 단순히 사업체의 개수만 늘어난 것이 아니라 2021년 신규 투자액 역시 2017년에 비해 약 3배 정도 늘어난 7조 7,000억의 규모로 무서운 상승세를 보여준다[1]. 또한, 개인들이 돈을 모아 신생 벤처기업에 투자하는 ‘엔젤 투자’ 역시 2018년에 이미 5,538억 원을 기록해 제1벤처 붐 때의 투자액을 넘으며 역대 최고 수치를 경신했다[2].

벤처 붐은 개인적인 차원뿐 아니라, 국가적 차원에서도 긍정적 영향을 미친다. 개인의 관점에서 보면 취업이 어려운 상황에서 오히려 이를 기회로 삼아 개인의 강점과 관심사를 살린 자신의 회사를 설립할 수 있고 그 결과 더 큰 성취와 자아실현에 도움을 줄 수 있다. 국가적 관점에서 봐도 일자리 창출, 외화 수입, 국력 향상 등 많은 긍정적 요소가 있다.

제2벤처 붐에 정부 역시 크게 호응하는 듯하다. 중소벤처기업부에 따르면 올해 창업지원 사업 예산은 3조 6,668억 원의 규모로 역대 최대이다. 벤처 사업을 향한 관심과 투자 자체는 괄목할 만하지만 아쉬운 점도 있는데 우리 정부는 ‘청년’창업에만 집중하는 경향이 있는 것 같다는 것이다. 그 결과 대학생으로 대표되는 청년을 위한 창업 정책은 넘쳐나지만, 이미 뛰어난 기술력과 다양한 경험을 보유하고 있는 고급인력인 ‘시니어’의 창업에는 별다른 정책이 없는 듯싶다. 올해만 봤을 때도 ‘청년 특화 창업 지원 사업’, ‘농림·문화 분야 청년 및 대학생 전용 창업지원 사업’. ‘청년창업사관학교’ 등 청년창업을 위한 사업[3]의 수와 예산은 막대하지만, 시니어 창업을 위한 사업과 예산은 상대적으로 미미한 실정이다.

청년 실업도 시급한 국가적 문제이지만 고령화가 매우 빠른 속도로 진행되는 한국 사회의 특성상 ‘퇴직 후 실업’ 역시 급한 문제다. 퇴직 후 실업 문제는 자연스러운 현상이지만 이것이 심각한 문제인 이유는 기대수명은 늘어가는 데 반해 실질적인 퇴직 시기는 점점 빨라지기 때문이다. 2021년 잡코리아와 알바몬이 함께 실시한 설문조사에 따르면 대기업에 근무하는 직장인들이 체감하는 정년퇴직 시기는 ‘평균 49.5세’였다[4]. 인생 100세 시대 사회에 50세도 안 된 나이에 정년퇴직이라니! 남은 인생은 어떻게 살아가라는 말인가. 게다가 대기업에서 임원직을 역임한 유능한 인적자원도 퇴직 후 재취업이 어렵다는 이야기는 여느 뉴스 기사에서도 쉽게 찾아볼 수 있다. 그렇다면 정년퇴직자의 상당수가 퇴직 후 굉장히 어려울 상황에 직면할 것은 너무나도 자명하다.

이 상황의 해결방안으로 ‘퇴직 후 벤처 창업’을 자연스러운 현상으로 사회적 분위기를 만들고 원활한 창업이 가능하도록 정부가 적극적으로 지원하는 정책을 수립하는 가능성을 생각해볼 수 있다. 이를 위해 새로이 백지상태에서 정책을 만드는 방법을 생각할 수 있지만, 예산확보의 문제도 있을뿐더러 어떻게 시작할지 구체적인 방안을 만드는 문제가 만만치 않다. 보다 현실적인 방법으로 이미 존재하지만 제대로 기능하지 못하는 정책을 수정 보완하는 방법을 생각할 수 있을 것이다. 여러 가지 그러한 정책 중 주목할만한 것이 정부출연연구기관(출연연) 혁신 창업 정책이다. 출연연에는 세계수준의 기술력을 가진 박사급 인적자원이 풍부하며 연구기관 특유의 정적인 환경에서 오래 근무한 연구원들이 창업과 같은 도전적인 일에도 새로이 흥미를 느낄 가능성이 많아 창업 정책을 펼치기에 적합한 환경이기 때문이다.

정부가 출연연 혁신창업 정책을 고려한다면 관련하여 필자가 제언하고 싶은 사항은 크게 세 가지가 있다. 첫째, 출연연 혁신창업에 대한 심리적 허들을 낮춰야 한다. 출연연 혁신창업의 출발은 우수한 기술을 가진 박사연구원들이 `창업의 길`에 나설 수 있도록 도와주는 것이다. 연구원들은 대부분 모험적인 삶보다는 안정적으로 살아왔기 때문에 실패를 두려워하는 경향이 있다. `창업했다 실패하면 어떡하지?` 이런 실패에 대한 공포는 창업에 대한 두려움으로 이어지고 이 두려움이 창업의 최대 걸림돌이다. 설령 창업이 실패해도 이전 직장으로 복직해서 다시 연구 업무에 매진할 수 있다면, 단지 연구만 수행하던 이전과 달리 사업화 경험이 큰 자산이 될 수 있다. 그런데 문제는 현행 창업 휴직 기간이 최대 6년이라는 점이다. 6년은 언뜻 생각하면 긴 시간으로 보이지만 첨단기술 중심의 기업이 설립 후 IPO나 EXIT(회수)에 걸리는 평균 기간이 10년이 넘는 현실에 비추어 성공 혹은 실패를 경험하기에는 다소 촉박한 시간이다. 한창 사업 중인 연구원 출신 기업대표에게 사업이 궤도에 오르기도 전에 복귀할 기한이 다가온다면 난감한 일이다. 창업 휴직 기간이 적어도 10년은 되어야 심리적 안정감을 가지고 혁신기술창업 도전 길에 좀 더 쉽게 다가설 수 있을 것이다.

둘째, 민관협력형 출연연 혁신창업 모델을 만들어야 한다. 출연연 출신 창업가가 보유한 기술의 수준은 결코 글로벌 스타트업에 뒤지지 않는 것으로 알려져 있다. 문제는 출연연 창업이 너무나 기술 중심이라는 점이다. 글로벌 성공 사례를 보며, 시장의 문제를 잘 아는 사업화 전문가와 기술 전문가가 함께 연결되어 시너지를 내는 데 반하여 우리나라의 경우 출연연 박사연구원들은 사업에 대한 이해가 전무한 채로 시장의 니즈와 무관한 기술 개발에 매달리다가 실패로 끝나는 경우가 허다하다. 시장에서 어떤 제품이 필요한지를 아는 것은 매우 전문적인 영역이고 이를 마케팅하고 세일즈하는 일 역시 마찬가지이다. 즉, 출연연 박사연구원들이 기술개발에 매달리며 회사 운영을 하는 방식으로는 해결되지 않는다. 이를 위해서는 창업 초기부터 시장전문가와 함께 공동창업하는 형태가 좋겠지만, 출연연 창업의 경우 이런 사례는 매우 드물다. 이에 대한 해결방안으로 출연연 내부에 있는 기술창업 지원부서가 사내벤처를 인큐베이팅할 때부터 시장에 대한 이해도가 높은 액셀러레이터를 참여시켜 창업아이템을 함께 기획하고 시작하는 것이다. 출연연 기술창업 지원부서는 아직은 시장 경험이 부족하여 민간 액셀러레이터와 협력하여 시스템을 익히고 배우고 축적해야, 출연연 고유의 혁신창업 모델을 견고하게 만들어 갈 수 있다.

셋째, 혁신창업의 선순환 구조를 만들어 혁신창업 성공률을 높여야 한다. 혁신창업에 도전하는 연구원의 수가 늘어나고 이들이 시장에 진출하여 성과를 내고 출연연에 복귀하고, 민관협력 창업지원 모델의 선순환 구조가 구축되면 혁신창업 성공률은 높아지게 된다. 혁신창업 선순환 구조는 그간 지적되던 출연연의 연구개발 생성성 문제도 해결할 수 있다. 시장 경험을 가진 창업가들이 예전 일터로 복귀한다면 이전에 버려지던 연구개발 결과물이 새 주인을 만나 사업화에 성공할 가능성이 이전에 비해 높아지게 된다. 복귀한 연구원들은 자신의 경험을 후배들과 공유하고, 마음에 맞는 후배들과 출연연 기술을 활용한 두 번째, 세 번째 창업에도 나설 수도 있다. 아울러 그동안의 경험을 토대로 시장 활용도가 더 높은 기술 개발에 매진할 수 있어서 연구결과물의 기술이전 비율도 크게 늘어날 것이다.

그리스 로마 신화에 등장하는 이카로스는 항상 하늘 높이 날아가고 싶은 욕망이 있었다. 하지만 그의 아버지는 그에게 너무 높거나 낮게 날지 말라고 늘 경고했다. 결국, 이카로스는 이를 어기고 너무 높이 날아 태양에 날개가 녹아 추락사한다. 이카로스가 아버지의 말을 안 들어서 죽었으니 그의 죽음에 그만이 책임이 있다고 말할 수 있을까? 높게 날아본 적이 없는 자가 너무 높게 나는 것과 너무 낮게 나는 것의 경계를 아는 것은 매우 어려운 일이다. 어쩌면 모르는 것이 당연하다. 오히려 이카로스의 죽음에 더 큰 책임은 그의 아버지에게 있을지도 모른다. 이카로스의 날개가 태양에 가까이 가도 녹지 않도록 날개를 강화하는 방법을 찾아 미리 보완했으면 그가 그렇게 허무하게 죽지 않았을지 모른다. 그게 아니라도 이카로스가 떨어질 경우를 대비해 최소한 그를 세심히 관찰하고 안전장치를 사전에 마련했으면 그의 죽음을 막을 수 있었을 것이다.

창업 역시 이카로스 신화와 비슷해 보인다. 성공한 창업자 중 첫 번째 시도로 사업을 성공시킨 사람은 매우 드물다. 다시 말해 창업은 ‘태양을 향해 날아가는 것’이자 ‘추락의 연속’이며 ‘추락과 재도약의 반복’이라는 것이다. 추락은 이미 지킬 것이 많은 시니어에게 더 뼈아프다. 그런 위험에도 불구하고 Intel의 창업자 고든 무어는 39세의 나이에 인텔을 설립했고 맥도날드의 공동창업자 레이 크록은 53세의 나이에 새로운 사업을 시작했으며 심지어 KFC 할아버지로 유명한 커넬 샌더스는 62세에 KFC를 창업했다. 도전이 없었다면 이런 눈부신 성과 역시 없었을 것이다. 따라서 정부는 청년창업을 적극적으로 지원하기도 해야 하지만 시니어 창업에도 더 섬세한 관심을 기울여야 한다. 끊임없이 추락해도 결국 높이 나는 사람들이 있다. 그래서 정부는 언젠가는 높이 날 그들을 위해 추락했을 때도 삶을 이어 나갈 수 있도록 세심하게 보호하고 지원해야 한다. 이런 각고의 노력 끝에 높이 날아 태양을 넘어 국가를 빛내는 유니콘들이 탄생할 수 있지 않을까? 그 유니콘 기업을 만들 창업자의 나이는 예측할 수 없다. 그렇기에 오직 ‘청년’에 주안점을 두기보다는 ‘시니어’ 쪽에도 힘을 실어 균형을 맞추면 좋을 것이다. 그 첫걸음으로 정부가 출연연 혁신 창업 정책을 보완해 출연연 연구원들이 용기를 가질 수 있게 해주기를 기대해본다.

—–

[1] 『제2의 벤처·창업붐, 일관된 정부 정책으로부터…』, 매일경제, 2022.5.27

[2] 『“역대 최대” 벤처투자액 4조원 달성…GDP대비 세계 4위』, IT 조선, 2020.1.29

[3] 『정부, 올해 3조 6668억원 규모 창업지원사업 시행…4일 통합공고』, 중소벤처기업부, 2022.1.3

[4] 『직장인 체감하는 정년퇴직, ‘평균 51.7세’』, 잡코리아, 2021.10.31