2030년의 인공지능과 삶 Artificial Intelligence and Life in 2030

2030년의 인공지능과 삶 Artificial Intelligence and Life in 2030

PREFACE

"인공지능 100년 연구 One Hundred Year Study on Artificial Intelligence(AI100)"는 인공지능 분야 그리고 인공지능이 인간, 인공지능 커뮤니티, 사회에 끼치는 영향에 대한 장기 연구로서 2014년 시작되었다. 5년 마다 전문가 패널을 조직해서 인공지능의 상황를 평가한다.

이 보고서는 최소 100년 간 진행될 연구의 최초 성과물로, 다양한 인공지능 전문가 17명이 패널로 참여했다. 인공지능의 활용과 영향은 사회적, 기술적 여러 발전 상황과 맞물려 일어나는 것 이기에, 특정 분야를 다루는 대신 금번 주제는 '2030년의 인공지능과 삶'으로 정하였다. 제한적인 자원으로 인해 연구 대상 지역은 북미의 도시들로 한정하였다. 군사용 인공지능도 다루지 않는다.

SECTION I: 인공지능은 무엇인가?

인공지능에 대한 아직 합의된 정의는 없지만 Nils J. Nilsson은 다음과 같이 정의했다. "인공지능은 기계를 지능적으로 만드는 것을 다루는 활동이다.  그리고 지능은 어떤 개체가 놓여진 환경에 대한 선견을 갖고 적절하게 행동하는 자질이다." 이에 따르면 계산기와 인간 사이의 차이점은 특별한 것이 아니라 속도, 규모, 자율성의 정도, 일반성에 있다.

어떤 인공지능이 등장한 후 그것에 익숙해지면 사람들은 그것은 더이상 인공지능이 아니라고 여기는 현상(AI effect or odd paradox)이 있다. 1997년 IBM의 딥블루가 인간 체스 챔피언을 이긴 후, 곧 그것은 진짜 지능이 아니라는 반응이 나왔다. 실제로 이후 IBM의 딥블루에 대한 출판물에도 지능이란 단어는 한 번도 언급되지 않았다.

인공지능은 또한 이 분야 연구자들이 무엇을 하는지에 따라 정의할 수도 있다.  이 보고서는 인공지능을 지능을 합성(synthesize)하는 것을 통해 지능의 속성을 연구하는 컴퓨터 과학의 하위 분야로 본다. 지능은 복잡한 현상으로서 이것의 다양한 측면이 심리학, 경제학, 신경과학, 생물학, 공학, 통계학, 언어학 등 여러 분야의 관심을 끌고 있다. 자연히 이같은 여러 관련 분야의 발전이 인공지능에 기여한다.

인공지능은 이미 우리 삶에 스며들고 있다. 인공지능 혁명을 가속화한 가장 중요한 요인은 클라우드 컴퓨팅과 광범위한 웹기반 데이터 수집이 뒷받침한 머신러닝의 성장이다. 머신러닝은 뉴럴 네트워크의 일종인 '딥 러닝'에 의해 크게 발전했다. 하드웨어의 발전과 새로운 시장의 등장이 이러한 알고리듬의 발전에 기여했다. 이러한 경향에서 현재 인기 연구 분야는 다음과 같다.

• Large-scale machine learning: 기존의 알고리듬을 엄청나게 많은 데이터에 적용 가능하게 만드는 것.
• Deep learning: 딥러닝은 컴퓨터 비전 분야에 크게 기여했고 오디오, 스피치, 자연어 처리 등 다른 지각 분야에도 적용되고 있다.
• Reinforcement learning: 전통적 머신러닝이 패턴인식에 집중한 반면, 강화 학습은 의사 결정에 중점을 둔다.
• Robotics: 로봇이 일반화, 예측 가능한 방식으로 세계와 인터랙션할 수 있도록 만드는 것. 다른 분야에 비해 이를 위한 대규모 데이터를 얻기 어렵다는 문제가 있다. 
• Computer vision: 컴퓨터 비전은 현재 가장 중요한 기계 지각이다. 최근 몇 년 사이 비약적으로 발전했고, 처음으로 일부 영역에서 인간보다 뛰어난 성능을 보였다. 현재 연구는 이미지와 비디오 자동설명(captioning)에 집중하고 있다.
• Natural Language Processing: 자연어 처리 역시 활발한 분야이다. 구글은 모바일 검색의 20%가 음성으로 이뤄지고 있다고 발표했고, 최근 실시간 통역의 가능성도 보여주었다. 현재는 제한된 요청에만 반응하는 것이 아니라 대화를 통해 인간과 인터랙션할 수 있도록 하는 시스템에 대한 연구로 넘어가고 있다.
• Collaborative systems: 하나의 시스템이 다른 시스템 혹은 인간과 협력할 수 있도록 만드는 것. 인공지능과 인간의 강점을 상호보완적으로 활용하는 것에 대한 관심이 높아지고 있다.
• Crowdsourcing and human computation: 컴퓨터가 잘 풀지 못하는 문제를 인간의 지능을 활용해서 해결함으로써 컴퓨터의 성능을 높이는 것. 크라우드 소싱은 인간 지능을 창의적으로 활용할 방법을 찾는 것으로, 위키피디아가 잘 알려진 예이다. 현재 연구에서는 인간과 컴퓨터의 능력과 비용을 고려하여 최적의 방식으로 일을 배분하는 방법을 찾고 있다.
• Algorithmic game theory and computational social choice: 인공지능의 경제적, 사회적 측면에 대한 새로운 관심이 생기고 있다.
• Internet of Things (IoT): 다양한 기기들이 연결되어 감각 정보를 수집하고 공유할 수 있게 되고 있고, 인공지능은 이러한 데이터를 지능적이고 유용한 목적으로 사용할 수 있다.
• Neuromorphic Computing: 인풋/아웃풋, 지시-처리, 메모리의 전통적 컴퓨팅 모델에서 벗어난 생물학적 뉴런에 영감을 받은 새로운 컴퓨팅 모델을 개발하여 하드웨어의 효율성을 높이는 것.

데이터 주도 인공지능의 굉장한 성공은 전통적 인공지능 패러다임을 대체했다. 향후 15년 동안에는 인공지능이 특정한 대상과의 인터랙션에 특화된 human-aware 시스템이 집중적으로 개발될 것이다. 인터랙티브하고 확장 가능하게 로봇을 가르칠 수 있는 창의적 교육 방법을 찾는 시도도 많다. 인공지능의 사회, 경제적인 측면이 고려됨에 따라 IoT 타입의 시스템에 대한 관심 역시 증가하고 있다. 앞으로는 새로운 지각/사물인식 능력과 안전한(human-safe) 로봇 플랫폼이 발전할 것이다. 데이터 주도 상품과 시장도 성장할 것이다. 또한 연구자들이 순수 딥러닝의 한계를 피할 수 없음을 인지함에 따라 일부 전통적 형태의 인공지능이 재등장할 것으로 본다.


SECTION II: 인공지능의 영역

인공지능의 다양한 연구와 업무가 머신러닝 같은 동일한 기술을 공유 하기도 하지만 다른 경제, 사회적 영역에서는 차이를 보이기도 한다. 여기서는 8개의 영역에서 인공지능 연구와 활용 그리고 인공지능의 영향과 과제를 알아본다. 이 분석을 기준으로 향후 15년 동안 북미 지역의 경향을 예측해보겠다.


교통 TRANSPORTATION
자율주행 자동차는 곧 일반화 될 것이고 이를 통해 대부분의 사람들은 처음으로 물리적으로 구현된 인공지능을 경험하게 될 것이다. 따라서 인공지능에 대한 대중의 인상에 강하게 영향을 줄 것이다. 차가 인간보다 더 운전을 잘 하게 되면 도시 거주자들은 차를 덜 소유하게 될 것이고 직장에서 멀리 거주하며 시간을 다른식으로 보냄에따라 완전히 새로운 도시 조직을 형성하게 될 것이다. 이러한 변화는 자동차에 국한되는 것이 아니라 비행체와 개인 로봇 등에도 적용되어 사회적, 윤리적, 정책적 이슈를 일으킬 것이다.

• 스마트카 Smarter cars: 자동차가 GPS, 자이로센서, 광센서, 습도센서 등 여러 센서를 장착하여 운전자를 돕거나 일부 영역에서는 완전히 대체하고 있다. 비전과 레이더 기술이 이를 더 발전시킨다. 딥러닝 역시 자동차의 사물인식이나 소리 인지를 향상시키는 데 적용되고 있다.
• 자율주행 운송수단 Self-driving vehicles: 1930년대 과학 소설에 등장한 자율주행 자동차는 1960년대 이래로 인공지능계의 도전 과제였다.  2000년대 이르러 자율주행 운송수단은 바다와 하늘 그리고 화성에서까지 실현되었다. 도시에서 작동하는 자율주행 자동차는 그 복잡성 때문에 연구실 내에만 머물렀는데, 최근 센싱 기술과 머신러닝의 도움으로 크게 발전하였다. 가까운 미래에 운전에 필요한 센싱 알고리듬은 인간 능력을 초월할 것이다. 최근 보고서에 따르면 2020년에는 자율주행 자동차가 널리 보급될 것이고 이것은 개인 운송에만 국한 되는 것이 아니라 원격 조종되는 운송수단, 비행수단, 트럭 등에도 적용될 것이다. 로봇 기술의 발달로 로봇이나 드론 같은 다른 운송 기술도 등장할 것이다. 자율주행은 사고를 줄이고, 출퇴근 시간 동안 다른 일을 할 수 있게 하며, 거주지역에도 영향을 끼칠 것이다. 주차공간의 필요성이 줄어들면서 도시 디자인에도 영향을 끼칠 것이다. 어린이, 노약자, 장애인들의 활동 범위도 넓혀줄 것이다. 자동차 소유에 대한 욕구도 없앨지 모른다. 안전성, 인명사고를 피할 수 없는 경우에 대한 프로그래밍 등의 윤리 이슈가 있다. 2016년 지금 미국의 4개 도시, 캐나다, 영국, 프랑스, 스위스는 공공 도로에서 자율주행 자동차를 테스트할 수 있도록 법을 통과시켰지만, 사고시 책임을 묻는 문제에 대한 법은 없다.
• 교통 계획 Transportation planning: 2005년 경 도시들은 교통상황을 측정할 수 있는 인프라에 투자하기 시작했다. 현재 사용되고 있는 센서는 inductive loop, 카메라, 레이더, GPS 등이 있다. 인공지능은 버스와 지하철 스케쥴 계획, 유동적 고속도로 과금, 유동적 제한 속도 적용 등에 쓰이고 있다. 2006년 이래 구글맵 등의 서비스를 기반으로 실시간 정보를 활용한 경로 탐색이 널리 쓰이고 있다. 이러한 발전에도 불구하고 센싱과 최적화 기술은 개인 사용에 비해 도시 인프라에는 덜 활용되고 있다. 기술 표준의 부재, 비용, 도시마다 다양한 우선순위, 프라이버시 문제 등이 그 이유이다.
• 주문형 교통 On-demand transportation: 우버 같은 주문형 교통은 센싱, 연결성(connectivity), 인공지능의 중심적인 어플리케이션 중 하나다. 
• 인간과 인터랙션 Interacting with people: 미래에는 자동차가 더 스마트해지고 드론도 활용될테지만 2030년 내로는 현재 우리가 사용하는 다른 형태와 기능을 가진 운송 수단이 널리 쓰일 것으로 보이지 않는다. 드론이 일반적인 운송 수단으로 사용되지도 않을 것이다. 자율주행 자동차와 드론을 학습, 실행, 평가하는 데 인간이 파트너가 될 것이다.

가정/서비스 로봇 HOME/SERVICE ROBOTS

지난 15년 동안 가정용 로봇의 발전은 느렸지만 다가 올 15년 동안은 안전성과 사용성에 대한 신뢰가 증가할 것이다. 하지만 기계적인 제품을 만드는 비용과 기술적 제약 때문에 상업적인 기회는 특정한 제품에 제한될 것이다.

• 진공 청소기 Vacuum cleaners: 진공 청소기 로봇인 트릴로바이트Electrolux Trilobite은 최초의 상업적 가정용 로봇으로서 2001년 등장했다. 트릴로바이트는 단순한 길찾기와 장애물 피하는 기능을 갖고 있었다. 프로세싱 파워와 램이 향상됨에따라 이러한 로봇의 인공지능 능력도 비약적으로 발전했다. 단순한 길찾기, 자동 충전, 가득찬 쓰레기 대처 등의 능력이 추가되었다. 최근에는 청소중인 집 내부의 3D 모델을 구축하는 능력도 갖게 되었다. 그러나 우리가 가정용 로봇에 기대했던 기능들은 아직 다 구현되지 않았다. 로봇 청소기는 평평한 곳만 다닐 수 있다. 가정에서 로봇의 이동에 관한 연구는 거의 되지 않고 있다. 이미지 묘사와 3D 사물 인식 등의 기능은 학회에서는 일반적이지만 상품으로 만들어지기까지는 아직 몇 년이 더 걸릴 것이다.
• 2030년의 가정용 로봇 Home robots 2030: 가정용 로봇의 더딘 발전에도 불구하고 다가올 15년에는 변화의 조짐이 보인다. 아마존 로보틱스나 우버 같은 업체는 다양한 집적 기술을 사용하여 거대한 규모의 경제를 발전시키고 있다. 그리고 삼성 같은 모바일칩 생산업체는 System in Module을 쏟아내고 있다. 이는 10년 전 슈퍼컴퓨터보다도 성능이 좋다. 저렴한 기기도 인공지능을 탑재할 수 있게 되리란 것을 의미한다. 클라우드는 많은 집에서 수집된 데이터를 기반으로 머신러닝을 가능케 하고 향상된 기능을 이미 배치된 기기에 적용할 수 있도록 해 줄 것이다. 음성인식과 사물인식 기능의 향상은 로봇과 인간의 인터랙션을 도울 것이다. 저렴한 3D 센서도 가정용 로봇의 도입을 가속화 할 것이다. 지난 3년 동안 저렴하면서 안전한 로봇팔이 등장했는데 2025년 경이면 가정에도 적용 가능할 것이다. 소셜 인터랙션에 집중한 가정용 로봇을 만드는 스타트업들도 있다. 그 결과 새로운 윤리, 프라이버시 이슈가 야기될 수 있다.

의료 HEALTHCARE
인공지능 기술자에게 의료 분야는 오랫동안 전망이 밝은 것으로 여겨졌다. 이는 앞으로 수 백만의 사람들의 건강과 삶의 질을 향상 시킬 것이다. 그러나 먼저 의사, 간호사, 환자의 신뢰를 얻어야 하고 정책, 법규, 상업적 장애물이 제거되어야 한다. 주요 어플리케이션으로는 임상 지원, 환자 모니터링, 수술이나 간호를 보조하는 자동 기기, 의료 시스템 관리 등이 있다. 의료 전문가 그리고 환자와 인터랙션하는 방법을 향상시키는 것이 중요한 과제가 될 것이다.

• 임상 현장 The clinical setting: 인공지능이 임상의를 돕는 것은 진부한 비전이다. 최근 발전을 보이고 있긴 하지만 현재 인공지능에 기반한 의료 시스템은 불행히도 구조적으로 문제가 있어서 발전을 더디게 하고 있다. 전자의료기록electronic health records(EHRs) 활용이 증가하고 있지만 시스템 구현이 나빠 임상의들로 하여금 유용성을 의심하게 만든다. 이러한 문제와 더불어 법규와 구조적인 장애로 인해 전자의료기록 데이터 분석의 가능성이 실현되지 않고 있다. 향후 15년 동안의 인공지능 발전은 인간 임상의에 할당되는 인지적 활동을 변화시킬것이다. 현재 내과 의사는 환자로부터 증상을 듣고 자신이 알고 있는 병과 연결짓는다. 인공지능이 보조하면, 내과 의사는 이러한 과정을 감독하고 자신의 경험과 직관을 사용하여 입력 과정을 가이드하고 인공지능의 결과를 평가하게 될 것이다. 내과 의사의 기본적인 실무능력은 여전히 중요하게 남을 것이다.
• 의료 분석 Healthcare analytics: 수 백만 환자의 의료 데이터를 분석할 수 있는 인공지능의 능력은 더 세부적이고 개인화된 진단과 치료를 가능케 한다. 개인의료정보와 관련한 프라이버시 보호를 위한 방법과 기준이 부족하다는 점 때문에 이 분야의 인공지능 연구와 혁신이 지연되고 있다. 이미지 자동 분석은 크게 발전하고 있다. 그런데 의료 이미지 분석에 이와 같은 혁명이 없다는 것은 놀랍다. 몇 가지 문제가 발전을 늦추고 있다. 대부분의 병원 이미지 아카이브가 디지털화 된 것은 10년 밖에 되지 않았다. 더 중요한 것은, 의료 이미지 분석은 이미지에 무엇이 있는지 인식하는 것이 아니라 이미지를 분석하고 판단을 해야 한다는 것이다. 이러한 중요한 판단에는 엄격한 규제가 있다. 또한 기관 사이에 데이터 교환이 어렵다는 문제도 있다. 하지만 자동화/증강 이미지 분석은 발전을 시작하고 있다. 향후 15년 동안 완전히 자동화된 방사선학이 등장하지는 않겠지만 초기 이미지 분류나 2차적 검사로 의료 이미지 분석의 효율을 향상시킬 것이다.
• 의료용 로봇 Healthcare robotics: 15년 전 의료용 로봇은 과학소설이었지만 최근 수술용 로봇에 대한 연구와 활용은 폭발적이다. 2000년의 다빈치 시스템은 심장 우회수술 보조용으로 나왔는데, 현재의 4세대 다빈치 시스템은 3차원 시각화와 관절기기를 제공한다. 이는 물리적 플랫폼으로서 뿐만 아니라 수술 과정을 연구하는 플랫폼으로서 복강경 수술 처치의 표준으로 간주되고 있고 매년 30만 건의 수술에 사용되고 있다. 병원에서의 지능적 자동화는 덜 성공적이다. 많은 의료 업무가 도움을 받을 것이지만 완전한 자동화는 빠르지 않을 것이다. 바늘을 봉합선 가까이로 유도하는 것은 비교적 쉽다. 이것은 많은 미래의 시스템이 인간과 기계의 밀접한 인터랙션을 수반할 것이고 그 둘의 협업을 돕는 기술이 요구될 것임을 의미한다.
• 모바일 건강 Mobile health: 현재 데이터 기반 의료 분석은 전통적 의료 데이터에 기반하고 있다. 임상 현장에서는 새로운 데이터를 기대한다. 예를들어, 이스라엘의 정신과 의사는 환자의 스마트폰에서 수집된 데이터를 기반으로 행동 패턴을 추출하는 서비스를 환자의 스트레스성 행동의 조기 징후를 파악하는데 사용하고 있다. 모바일 컴퓨팅 혁명이 주도하는 “일상의 생체인식”의 성장은  희망적이면서 예기치 않은 경향이다. 이것이 특수화된 모션추적 기기, 그리고 가정과 건강 모니터링 기기 사이의 연결성과 결합되어 새로운 혁신을 만들고 있다.
• 노인 의료 Elder care: 향후 15년 동안 미국의 노인 수는 50퍼센트 이상 증가할 것이다. 커뮤니케이션 기기, 가정 건강 모니터링, 가벼운 식사 준비 등 이 분야의 많은 가능성에도 불구하고 지난 15년 간 별로 일어난 일이 없다. 하지만 다가오는 세대교체는 노인들의 기술 수용에 변화를 가져올 것이다. 현재 70살인 사람은 개인용 IT를 중년 이후에 처음 경험했을 것이지만 50살인 사람은 기술에 훨씬 더 친숙하다. 그 결과 육체적, 감정적, 사회적, 정신적 건강을 돕는 기술에 대한 관심과 시장이 성장할 것이다. 이는 프라이버시 문제와, 은퇴를 훨씬 지나 유례없이 활발히 활동하는 인구를 수용해야 하는 새로운 과제를 만들어 낼 것이다.

교육 EDUCATION
지난 15년 간 교육에서 인공지능은 상당히 발전했다. 양질의 교육에는 언제나 인간 교사가 필요하겠지만 인공지능은 모든 단계에서, 특히 개인화를 통해 교육의 질을 향상시킬 것이다. 의료에서와 마찬가지로 인간과 인공지능의 면대면 인터랙션을 어떻게 구성할 것인가가 핵심적인 문제다. 향후 15년 간 일반적인 북미 도시에서는, 인공지능 교사나 인공지능 기술이 교실에서 선생을 보조하게 될 것이고, 가정에서도 상당히 널리 퍼질 것이다. 가상현실 어플리케이션 기반의 학습도 성장 할 것이다. 하지만 컴퓨터 기반 시스템이 학교에서 인간 선생의 교육을 완전히 대체하지는 않을 것이다.

• 로봇 교사 Teaching robots: 다양한 언어로 프로그래밍 가능한 새로운 센서 기술을 가진 로봇을 만드는 회사들이 유치원에서 고등학교까지를 대상으로 하는 키트를 생산하고 있다. 어린이들에게 코딩을 가르치는 Ozobot, 로봇 블럭을 조립하는 것으로 논리적 사고를 가르치는 Cubelet, 환경의 다양한 측면에 반응하도록 로봇을 가르치는 것을 통해 어린이들이 생물학을 배울 수 있도록 하는 PLEO rb 등이 있다. 이 것이 널리 활용되기 위해서는 이를 통해 학생들의 학업 능력이 향상된다는 것에 대한 증거가 필요할 것이다.
• 지능적 교습 시스템과 온라인 학습 Intelligent Tutoring Systems (ITS) and online learning: ITS는 원래 연구실에서 개발되었다. 인간-기계 사이의 대화를 지원하여 물리 문제를 풀기위해 만들어진 Why-2 Atlas가 있다. ITS는 연구실의 실험적 단계에서 급속도로 실생활 활용으로 옮겨가고 있다. 음성인식과 자연어 처리를 활용한 외국어 교육뿐만 아니라 고등학교 수학, 지리, 화학, 프로그래밍 등 다양한 분야의 교육에 사용되고 있다. 공군 기술자가 비행기의 전자 시스템을 진단하는 것을 가르치는 데도 쓰이고 있다. 대규모 온라인 강의Massive Open Online Courses(MOOCs)을 포함한 온라인 교육 모델의 확산이 가장 놀랍다. 다수의 대규모 온라인 강의는 자연어 처리, 기계학습, 크라우드 소싱 테크닉 등을 사용해 에세이 질문이나 프로그래밍 숙제의 점수를 매긴다.
• 학습 분석 Learning analytics: 대규모 온라인 강의에서 수집된 데이터는 학습 분석 분야의 급속한 발전을 일으키고 있다. 이는 학습 질의 향상과 이에 대한 과학적 발견에 이바지할 수 있다. 딥러닝, 자연어 처리 등의 인공지능 기술을 활용해 학생들의 참여, 행동, 결과 등을 분석하고 있다. 최근에는 이해, 글쓰기, 지식 습득, 기억과 관련한 인지적 과정을 이해하고 이를 교육에 적용하는 연구가 이뤄지고 있다.
• 도전과 기회 Challenges and opportunities: 지금쯤 학교, 컬리지, 대학에서 점점 더 복잡한 인공지능 기술이 사용될 것이라 기대할 수 있을 것이다. 그렇지 않은 이유는 이러한 기관들의 예산과 기술의 효과를 입증할 데이터가 부족하다는 것이다. 다른 인공지능 분야와 마찬가지로 대규모 온라인 강의의 효과에 대한 기대는 종종 비현실적이지만 새로운 교육 기술의 잠재력에 대한 냉철한 분석도 이뤄지고 있다. 향후 15년 동안에는 인간 교사는 AI의 도움을 받을 가능성이 높다. AI 기술은 교실에서의 교육과 자가 학습 사이의 경계를 지울 것이다. 정규 교육이 사라지진 않겠지만 온라인 학습은 전 세대에 걸쳐 학습의 일부가 될 것이다. 이러한 발전은 학생들이 자신의 페이스에 따라 학습할 수 있도록 도울 것이다. 현재의 출판된 책에서 디지털 미디어로 전환은 교육에서도 일반화 될 것이다. 디지털 독서 기기는 더 스마트해 질 것이다. 기계 번역은 교육 자료의 번역을 쉽게 할 것이다. 온라인 학습은 성인과 전문가들이 자신의 지식을 향상시키는 데도 활용될 것이다.
• 더 넓은 사회적 결과 Broader societal consequences: 교육이 원활하지 않은 나라에서는 온라인 자료가 긍정적 효과를 가질 것이다. 부정적인 면으로는, 학생들이 자신들의 사회적 활동을 온라인으로 한정한다는 데 있다. 만약 교육이 점점 더 온라인화 된다면 학생들의 사회성 개발에 어떤 효과를 가져올까?

빈곤 지역 LOW-RESOURCE COMMUNITIES

인공지능은 북미의 일반 도시의 빈곤 지역의 상황을 향상시킬 수 있는 가능성을 갖고 있다. 이는 세계의 빈곤 지역에도 적용될 수 있다. AI에서는 이들에 대해서 크게 집중하지 않았고 투자자들은 비상업적 분야에는 관심을 가지지 않았다. 인센티브와 지원이 있다면 AI 기술이 빈곤지역의 니즈를 파악하는 데 도움을 줄 수 있다. 

• 기계학습, 데이터 마이닝 접근 Machine learning, data mining approaches: AI의 예측 모델은 정부 기관이 한정된 예산을 더 효율적으로 사용할 수 있도록 도운다.
• 스케쥴링, 계획 Scheduling, planning: 업무분장 스케쥴링과 계획 기법은 남은 음식이 부패하기 전에 분배되도록 하는 데 사용되어 왔다.
• 사회적 관계와 영향 최대화 Reasoning with social networks and influence maximization: 사회적 관계는 대규모 인구를 대상으로한 초기, 저비용 접촉에 활용될 수 있다. 예를 들어, AI는 건광과 관련된 정보를 퍼뜨리는 데 도움을 줄 수 있다. LA에는 5천 명 이상의 청년 노숙인들이 있다. 개별 접촉은 어렵고 비용이 많이 든다. 청년들의 기관에 대한 불신으로 인해 중요 메시지는 그들 중 리더에 의해 퍼진다. AI는 리더를 파악하는 데 도움을 줄 수 있을지 모른다.

공공의 안전 PUBLIC SAFETY AND SECURITY

도시들은 공공의 안전을 위해 벌써 AI를 사용하고 있다. 2030년에 이르면 일반적 북미 도시들은 이에 크게 의존하게 될 것이다. 잠재적 범죄를 감시하는 카메라, 드론, 정책을 위한 예측 시스템 등이 이에 포함된다. 대부분의 이슈에서와 마찬가지로 여기에는 이점과 위험이 있다. 대중의 신뢰를 얻는 것이 중요하다. 가장 성공적인 AI 분석의 활용 중 하나는 신용카드 사기 같은 화이트 칼라 범죄를 발견하는 것이다. AI 도구는 경찰이 범죄 현장을 관리하거나 수색, 구조 상황에서 일의 우선 순위를 결정하고 자원을 배분하는 데 도움을 줄 수 있다.
현재 전세계에 설치된 카메라는 범죄 예방보다는 해결에 더 사용되는 경향이 있다. 이것은 비디오를 통한 사건 분석의 질이 낮고 대규모 비디오를 보고 있을 인력이 부족하기 때문이다. 이 분야의 AI가 발전하면 더욱 정확한 비디오 자동 분석으로 범죄 예방과 기소에 더 큰 도움을 줄 것이다. 이러한 발전은 감시의 폭을 더 늘리는 효과를 가져올 수 있다. 몇몇 도시는 이미 감시용 드론을 항구, 공항, 해안 지역, 공업 시설 등에 사용하고 있고 이는 프라이버시, 안전 등의 이슈를 일으킬 것이다.
기계학습은 언제 어디서 범죄가 발생하고 누가 그것을 일으킬지 예측하는 능력을 상당히 향상시키고 있다. 이것은 죄없은 사람을 지목할 위험이 있지만 인간의 편견을 줄이거나 없앨 가능성도 갖고 있다. AI를 사용한 소셜 미디어 데이터 분석으로 위험 요소를 파악할 수도 있다. 미국 운수 보안국(TSA)를 포함한 기관은 현재 AI를 사용하고 있다. 비전, 스피치 분석, 걸음 분석 등을 활용하여 잠재적 사기와 범죄를 발견하는 데 쓰고 있다.

고용과 직장 EMPLOYMENT AND WORKPLACE

AI 기술은 북미 지역의 고용과 직장에 심대한 영향을 끼칠 것이지만 그것의 긍정적, 부정적 효과를 정확하게 예측하는 것은 어렵다. 현재까지 디지털 기술은 여행사 직원같은 중급 기술에 영향을 끼쳐왔다. 그러나 AI 기술이 발전할수록 디지털 시스템이 할 수 있는 일의 범위도 늘어나고 있다. 또한 AI는 기계가 한 번도 한적이 없던 전문적 일을 포함한 극단의 범위까지 옮겨가고 있다. AI 혁신은 소외되는 인간의 불안을 극복해야 한다. 당분간 AI는 직업을 대체하기 보다는 업무를 대체하게 될 것이고 또한 새로운 직업을 만들어내기도 할 것이다. 고용에서의 변화는 대게 점진적으로 일어난다. 이러한 경향은 AI가 직장으로 천천히 이동함에따라 계속될 것이다. 일부의 대체나 증강에서 완전한 대체까지, 다양한 정도의 결과가 나타날 것이다.
AI는 직장의 규모와 위치에도 영향을 끼칠 것이다. 많은 기관의 규모가 큰 이유는 그들의 기능을 키우기 위해서는 인간을 추가해야만 하기 때문이다. AI가 많은 기능을 대체함에따라 확장성은 더이상 큰 규모를 의미하지 않는다.

AI가 인간의 노동을 대신함으로써 많은 상품과 서비스의 비용이 내려갈 것이고 모두를 더 부자로 만들 것이다. 하지만 경제적 이익을 나누는 것보다 인간에게는 일자리를 잃는 것이 더 중요한 문제이다. 그리고 AI는 삶의 질을 향상시키는 도구로 보다는 일자리에 대한 위협으로 받아들여진다. AI가 한 세대만에 인간의 모든 일을 대체할 것이라는 두려움까지 있다. 이러한 갑작스러운 변화는 거의 일어나지 않을 것이다. 하지만 AI는 점진적으로 거의 모든 고용 분야에 침투할 것이다.

인간의 인지적 직업에 대한 AI의 대체는 제조에 있어서 자동화와 로봇이 인간을 대체하는 효과에 비유된다. 많은 중년 노동자는 보수가 높은 공장 일자리와 그에 수반되는 사회 경제적 지위를 함께 잃었다. 장기적으로 훨씬 많은 노동자가 "인지적" 일자리를 잃게 될 수 있다. 이러한 변화는 순수히 경제적이기 보다는 정치적인 대응을 필요로 하게 될 것이다.

단기적으로는 교육, 새로운 상품과 서비스의 발명 등이 이러한 효과를 경감시킬 것이다. 장기적으로는 현재의 사회 보장망은 의료보장, 교육 혹은 기초 수입 보장과 같은 더 나은 모두를 위한 사회적 서비스로 진화해야 할 것이다. AI을 부의 창출을 위한 급진적으로 새로운 메카니즘으로 볼 수도 있다. 그리고 AI가 만들어낸 보물은 모든 사람에게 주어져야 한다. AI 기술의 경제적 과실을 어떻게 나눌 것인가에 대한 사회적 논의는 이른 것이 아니다. 전통적 사회에서 자녀들이 부모를 부양했듯이 우리의 인공적 "자녀들"은 그들 "지능"의 부모인 우리인간을 부양해야 할 것이다.

엔터테인먼트 ENTERTAINMENT

인터넷 없는 일상을 상상하기는 쉽지 않다. AI의 적용으로 인터넷은 사용자가 생산한 컨텐츠를 정보와 엔터테인먼트의 원천이 되었다. 소셜 네트워크 서비스, 온라인 게임, 온라인 커뮤니티 등이 인터넷 규모로 작동하기 위해서는 AI 기술에 의존해야 한다.  전통적인 엔터테인먼트도 AI를 활용한다. 프로 스포츠는 이제 데이터 분석 대상이 되었다. 통계적 분석을 넘어서, 센서와 카메라를 활용한 현장 모니터링도 이뤄질 수 있다. 컴퓨터 비전과 자연어 처리기술은 무대 공연에도 쓰이고 있다. AI는 예술 역사 연구에도 활용되고 있다.

AI 주도 엔터테인먼트에 대한 열광은 인간적 접촉의 감소에 대한 우려도 함께 일으킨다. 아이들은 밖에서 친구들과 노는 것보다 집에서 게임을 하는 것을 훨씬 좋아한다. AI는 엔터테인먼트를 점점 더 인터렉티브, 개인화, 참여적으로 만들 것이다. 이러한 요소를 어떻게 개인과 사회의 이익으로 연결할 수 있을지에 대한 연구가 필요하다.

• 미래 예측 Imagining the Future: 사람들이 좋아하는 엔터테인먼트의 형태는 다양하고 항상 변화한다. 따라서 15년 후의 양상을 정확히 예측하기는 어렵다. 그럼에도 불구하고, 현재의 경향은 미래 엔터테인먼트 풍경이 보일 최소 몇가지 특징을 암시한다.
  현재까지 정보 혁명은 대부분 소프트웨어적인 것이었지만, 저렴한 센서와 기기의 등장으로 엔터테인먼트 분야의 하드웨어 혁신이 예상된다. 가상현실과 햅틱은 우리의 거실에 도입될 수 있다. 개인화된 동반자 로봇은 이미 개발되었다. 음성인식의 발전으로 인간과 로봇, 엔터테인먼트 시스템과의 인터렉션은 대화에 기반하게 될 것이다. 그러한 시스템은 감정, 공감, 환경적 적응 등의 새로운 특성들을 발전시킬 것이다.
  현재 누구나 비디오 카메라와 소프트웨어로 비교적 괜찮은 영상을 만들 수 있다. 미래에는 더 수준 높은 도구와 앱으로 양질의 컨텐츠를 훨씬 쉽게 만들 수 있게 될 것이다. 예를 들어 음악을 작곡한다던지 아바타를 사용하여 안무를 만드는 등. AI로 창조되는 미디어의 민주화와 확산은 사람들의 취향이 어떻게 변화할지 예측하기 어렵게 만든다.
  디지털 형태로 전달되는 컨텐츠와 소비자의 취향과 특성이 포함된 대량의 데이터는 미디어 기관이 개인단위로 분석하여 컨텐츠를 제공할 수 있게 할 것이다. 미디어 기업이 개인의 생각과 온라인 경험을 컨트롤 할 수 있는 "빅 브라더"가 될 수 있는 것이다. 사회가 이를 막을 수단을 만들어낼 수 있을지는 지켜봐야 할 일이다. 이와 관련해서는 다음 섹션에서 더 자세히 다루겠다.

SECTION III: AI 정책의 전망과 제언

AI 어플리케이션의 목적은 사회를 위해 가치를 양산하는 것이어야 한다. 사람들이 AI 시스템을 이해할 수 있는 능력을 향상시키고 AI를 사용하는 데 참여를 늘리는 전략은 신뢰를 쌓고 극단적 실패를 막는 데 도움이 될 수 있다. 인간의 능력과 인터랙션을 증강/향상시키고 차별을 피하기 위해 노력해야 한다. AI가 가져올 수 있는 광범위한 영향에 대한 새로운 혹은 개편된 법이 필요할 것이다. "더 많은" 혹은 "더 까다로운" 규범 대신, 도움이 될 수 있는 혁신을 독려하고 전문지식을 양산/공유하며, 이러한 기술에 의해 야기되는 사회적 이슈에 대한 기업과 민간의 책임감을 조성해야야 할 것이다. 장기적으로는 AI는 새로운 부의 창출을 가능케 할 것이고, 이에 따라 AI 기술의 경제적 과실을 어떻게 나눌 것인가에 대한 사회적 논의를 필요로 하게 될 것이다.

인공지능 정책, 현재와 미래 AI POLICY, NOW AND IN THE FUTURE
역사적으로 인간은 새로운 기술을 만들어내고 동시에 이에 적응해왔다. AI 기술은 점진적으로 발전할 것으로 전망된다. 그리고 현재 존재하고 있는 것을 토대로 발전해서 적응하기 용이할 것이다. 반면, 기법, 컴퓨팅 파워, 데이터 접근성에 있어 작은 발전이 때로 판을 바꾸는 어플리케이션을 만들어 낼 것이다. AI 어플리케이션의 성공을 가늠하는 척도는 이것이 인간 삶을 위해 만들어 내는 가치일 것이다. 앞으로, 사람들이 AI 어플리케이션을 얼마나 쉽게 사용하고 적응할 수 있느냐도 마찬가지로 AI 성공의 기준이 될 것이다.
반대로, AI는 에러와 실패를 만들어 낼 수 있으므로, 사용자들이 이 결점을 어떻게 받아들이고 참느냐도 AI의 성공에 대한 척도가 될 것이다. AI가 점점 더 이상 생활에 스며들고 중요한 일에 사용됨에 따라, 시스템의 실수는 사용자들의 반발을 일으키고 신뢰에 부정적 영향을 끼칠 수 있다. 예를 들어, 자율주행 자동차는 인간 운전자보다 사고를 일으킬 확률이 적지만, 그것이 일으키는 사고는 더 주목을 받을 것이다. 인간이 AI 시스템과 그것의 판단을 더 잘 이해하게 만드는 디자인 전략이 신뢰를 쌓고 극단적인 실패를 막는 데 도움이 될 수도 있을 것이다.
또 다른 중요한 점은 특정 업무를 대체할 AI 시스템이 어떻게 사람들의 어포던스(affordance)와 능력에 영향을 끼칠 것인가 하는 것이다. 일부 영역에서 기계는 초인간적인 능력을 보이기 때문에, 그에 대한 인간의 능력은 시들게 된다. 이미, 교실에 계산기를 도입함으로 인해 어린이들이 기본적인 계산을 하는 능력이 저하되었다. 인간과 AI는 여전히 서로 보완적인 능력을 갖고 있다. 사람들은 기계가 잘 할 수 없는 일을 강조하는 경향이 있다.
어린이들은 전화기의 개인비서나 테마 파크의 가상 에이전트와 인터력센하는 등 AI 어플리케이션에 이미 노출되어 있다. 삶의 자연스러운 일부가 될 AI와 어린이들이 일찍 AI와 접함으로써 인터렉션 능력이 향상될 것이다. 그 결과, AI의 사회에 대한 영향을 어떻게 받아들이는 것에 젊은 세대와 기성 세대 사이에 차이가 나타날 것이다.
마찬가지로, AI 기술이 사회에 불평등하게 배포된다면, 현재의 기회 불평등을 확대시킬 수도 있다. 예를들어 만약 음성 번역이 영어로만 가능하다면, 영어를 모르는 사람은 불리한 조건에 처하게 될 것이다.
나아가, AI 어플리케이션과 그것이 기반하고 있는 데이터는 어플리케이션 디자이너와 사용자의 편향성을 반영할 수 있다. 이것은 기존의 사회적 편견을 심화시키고 AI의 이점을 시회의 일부에 불평등하게 집중시킬 수 있다. 예를 들어 음성 인식 기술은 여성과 엑센트를 가진 사람들에게는 잘 작동하지 않는다.반면 인간 판단의 편향성에 비교하여, AI 기반 판단 도구는 누구에게 대출을 허락할 것인가 혹은 누구를 감옥으로 보낼 것인가 등에 있는 편향성을 현저하게 감소시킬 수 있는 가능성도 갖고 있다.
AI 기반 감시와 관련한 프라이버시 이슈도 있다. 편향성과 프라이버시에 대한 관점은 개인적/사회적인 도덕적/가치적 판단에 기반하고 있기 때문에 이에 대한 논의는 증가할 것이며, 즉각적인 해결책을 내기는 어려울 것이다. AI가 상당한 부를 양산하고 있고, 특히 AI 전문 지식과 그것이 기반하는 데이터가 소수의 대기업에 집중되어 있기 때문에 AI 기술의 경제적 과실을 어떻게 배분할 것인가에 대한 논의도 증가할 것이다.
급격히 진화하고 있는 AI 기술의 개인적/사회적 함의에 대한 논의와 관련하여 다음의 세 가지 일반적인 정책을 제안한다.
1. AI 전문지식 축적에 대한 계획을 모든 정부 단위에서 정의하라. AI 기술, 정책 목적,  전반적인 사회적 가치 사이의 인터랙션을 이해하고 분석할 수 있는 더 많은 전문가가 필요할 것이다.
2. AI 시스템의 공정성, 안전, 프라이버시, 사회적 영향에 대한 연구를 방해하는 요소를 제거하라.
3. AI의 사회적 영향에 대한 다학제적 연구를 위한 공적/사적 지원을 증가시켜라.

• 정책적, 법적 고려사항 Policy and legal considerations
  AI와 법의 상관 관계를 통합적으로 검토하는 것은 이 리포트의 범위를 벗어나지만, 단기, 중기, 장기적으로 어떠한 법적인 가정이라도 AI에 의해 도전받을 수 있는 가능성이 있다는 점은 명확해 보인다. 법과 정책이 어떻게 AI 발전에 적응하고, AI가 법과 정책에 반영된 가치에 적응할지는 다양한 사회적, 문화적, 경제적 요소 등에 좌우될 것이고 관할 지역에 따라서도 차이를 보일 것이다.
  AI가 다양한 맥락에서 일으킬 수 있는 법적/정책적 이슈를 넓은 분류로 열거해볼 수는 있을 것이다.
  
  프라이버시 Privacy
  AI에 의한 결정과 예측 과정에서 개인의 사적 정보가 노출 될 수 있다.
  
  혁신 정책 Innovation policy
  협력을 촉진시켜 AI 혁신을 장려하는 것과 제3자에 의한 위해를 막는 것 사이의 적절한 균형을 유지하는 것이 중요할 것이다.
  
  책무(공민의) Liability (civic)
  AI가 디자이너가 예측하지 못한 방식으로 행동할 것이라는 전망은, 불법 행위법에서 예측할 수 있는 상해에 대해서만 보상한다는 추정을 도전에 직면하게 만든다. 법원은 임의적으로 책임을 인간 행위자에게 부과할지도 모른다. 아니면 AI가 야기한 피해를 피고가 예측할 수 없었다는 이유로 법원은 책임을 찾는 것을 거부할지도 모른다. 기계의 행위에 있어 인간의 책임이 줄어들면 제품의 책무의 역할이 증가할 공산이 크다.
  
  책무(범죄의) Liability (criminal)
  만약 불법 행위법이 상해가 예측가능해야 한다고 본다면, 형법은 더 나아가 상해가 의도적이어야 한다고 본다. 미국법은 특히 의도에 상당한 무게를 둔다. AI 어플리케이션이 인간이 했더라면 범죄로 여겨질 수 있는 행위에 참여함에 따라, 법원은 어떤 이론에 기반하여 누구에 책임을 물을 것인지 고민해야 할 것이다.
  
  에이전시 Agency
  상기의 이슈는 AI 시스템이 사람 혹은 기업의 대리자로서 기능할 수 있는지 혹은 어떤 상황에서 기능할 수 있는지에 대한 질문을 야기시킨다.
  
  자격 Certification
  "인공 지능"이라는 개념은 인간의 기술과 독창성의 대체를 의미한다. 운전이나 수술을 집도하는 데 있어서 인간은 반드시 어떤 자격이나 면허를 획득 해야만 한다. 따라서 법과 정책은  AI 시스템의 역량을 어떻게 평가할지 고민해야 한다.
  
  노동 Labor
  AI가 인간의 역할을 대체함에 따라 일부 일자리는 사라지고 새로운 일자리가 생겨날 것이다. 일자리와 관련한 결과가 어떻게 될지는 아직 불분명하다. 하지만 노동 시장은 모두에게 공평하게 작용하지 않을 것이다. 몇몇 종류의 기술과 능력에 대한 수요는 현저하게 줄어들 것이고 그와 관련한 기술을 지닌 사람들의 고용율과 임금에 부정적인 영향을 끼칠 것이다. AI 때문에 고용에 영향을 받거나 일자리를 잃은 사람들은 입법기관과 법원에 호소할지도 모른다. 어쩌면 세계 최대 고용법 법률회사인 Littler Mendelson LLP가 로보틱스와 인공지능을 위한 부서를 갖고 있는 이유인지 모른다.
  
  조세 Taxation
  인간 대신 AI를 이용해서 업무를 처리하는 것이 더 빠르고 정확할 수 있다, 그리고 고용 세금을 피할 수 있다. 주 예산의 급여와 소득 세금에 대한 의존 정도에 따라, 이러한 변화는 불안정을 야기시킨다. 또한 AI는 인간과 다른 "습관"을 보일 수 있고, 그 결과 세금 부과 영역을 감소시키게 될 수 있다. 예를 들어서 자율 주행 자동차가 속도 위반이나 주차 위반을 하지 않도록 만들어지는 등.
  
  정치 Politics
  "자동녹음전화robocall"나 소셜미디어의 "봇bot" 등 이미 AI 도구는 정치적 영역에서 사용되고 있다.
  
  이상의 리스트는 완전한 것이 아니고 미국 내의 정책에 집중하고 있다. 한 가지 배울 수 있는 점은 구체적 맥락에 기반해서 AI를 다스리는 현재 방식과, 산업계와 사회 전반에서 AI 기술과 관련하여 공유되고 있는 주제들을 더 광범위하게 고려하는 것 사이의 단절이 커진다는 것이다. 새로운 기관을 만들어 AI 전문 자료를 축적하고 다양한 맥락을 관통하는 AI 기준을 설정하는 것이 매력적으로 보일 수 있다. 하지만 AI에 대한 분명한 정의가 없고 위험과 고려 사항들은 분야에 따라 매우 다르기 때문에 "AI" 일반을 규제하려는 시도는 잘못된 방향으로 흐를 수 있다. 대신, 정책 입안자들은 다양한 정도에서 시간에 따라 여러 산업계가 분명하고, 정적한 규범들을 필요로 할 것이라는 점을 인식해야 한다. 정부는 기준과 기술을 조사하고 필요한 규범을 만들 수 있는 전문가를 필요로 하게 될 것이다.

• 미래를 위한 가이드라인 Guidelines for the future
  AI 기술이 만들어낼 수 있는 심오한 변화를 직면함에 따라 "더 많은" 그리고 "더 엄격한" 법규를 위한 압력을 피할 수 없을 것이다. 무엇이 AI이고 무엇이 AI가 아닌지에 대한 오해는 모두를 이롭게 할 수 있는 기술에 대한 반감을 확산시킬 수 있다. 그것은 비극적인 실수일 것이다.
  다행히 현재의 디지털 기술에 대한 성공적인 법규 원칙을 참고할 수 있다. 프라이버시와 관련하여 스페인과 프랑스와 같이 엄격하고 세분화된 규범들을 가진 나라에서는 기업이 프라이버시를 준법 활동으로 보고 처벌을 피하는 것에 집중했다. 따라서 혁신과 프라이버시 보호, 두 가지 모두를 저해하는 효과를 가져왔다. 반대로 미국과 독일의 모호한 목적과 엄격한 투명성 요건은 기업들로 하여금 프라이버시를 자신의 의무로 여기게 만들었다.
  AI 분야에서의 창의성을 독려하면서, AI를 우리 삶과 사회를 윤택하게하는 방향으로 이끄는 것에 대한 활발한 논의가 중요하고 시급하다. 정책 평가의 기반은 AI 이익의 공정한 분배와,  AI의 민주적 발전이어야 할 것이다. 그리고 미래 AI 기술과 그것의 영향을 완벽히 예측할 수 없음에 따라 정책은  점진적으로 재평가되어야 할 것이다.
  AI와 관련한 상당한 발전은 지난 15년 간 이미 북미 도시에 영향을 끼쳐왔다. 그리고 훨씬 더 중요한 발전이 다음 15년 동안 일어날 것이다. 최근의 발전은 인터넷으로 인해 가능해진 대규모 데이터의 증가와 분석, 센서 기술의 발전과 최근의 "딥러닝"에 기반한다. 앞으로 사람들이 교통과 의료와 같은 영역에서 새로운 AI 어플리케이션을 경험하게 될 것이므로, 신뢰와 이해를 구축하고 인권을 존중하는 방법들이 만들어져야 할 것이다. 혁신을 장려하면서, 정책과 개발 절차에서 윤리, 프라이버시, 안전이 고려되어야 할 것이며 AI 기술의 이익이 공평하게 분배되도록 해야 할 것이다. 이것은 2030년과 그 이후의 북미 도시의 삶에 AI가 긍정적인 영향을 가져올 수 있을 지에 있어 매우 중요할 것이다.

*One Hundred Year Study on Artificial Intelligence (AI100)의 2016년 보고서, "ARTIFICIAL INTELLIGENCE AND LIFE IN 2030"를 요약 번역했다.