2020년대, 인공지능의 진정한 의미
전기, 철강, 조립 라인, 증기 엔진이 당시 사회의 생산성을 크게 향상시...



    • [Information Technology/Productivity]

    2020년대, 인공지능의 진정한 의미

    By Global Trends Editor Group

    전기, 철강, 조립 라인, 증기 엔진이 당시 사회의 생산성을 크게 향상시켰던 것처럼, 오늘날 인공 지능은 직간접적으로 거의 모든 산업 부문에 영향을 미칠 것으로 예상된다. 특히 그 경제적 영향력은 훨씬 더 즉각적이고 극적일 것으로 보인다. 인공지능을 기반으로 하는, 향후 5∼10년 사이 가장 큰 영향을 가져올 애플리케이션과 솔루션으로는 무엇이 있을까? 이것이 경제 성장, 고용, 삶의 질에 미치는 영향은 무엇일까?

    전기, 철강, 조립 라인, 증기 엔진을 포함하는 이전의 변혁적 기술들은 범용화를 통해 당 시대의 생산성을 크게 급등시켰다. 이와 필적할 만한 것으로 오늘날 인공지능이 있다. 인공지능은 오늘날 거의 모든 산업에 직간접적으로 변혁을 일으킬 거대한 잠재력을 갖고 있다. 핵심은 이전의 기술과 마찬가지로, 범용화 즉, 기능 향상과 비용에 있다. 이는 대량 시장으로의 도약에 이르는 궤적을 통해 이뤄질 것이다.

    오늘날 기업들은 이 기술을 최대한 활용하는 데 필요한 데이터 세트와 역량을 수집하면서, 센서 기술, 클라우드 기반 인프라, 인공지능 가속기 하드웨어, 인공지능 소프트웨어 도구라는 놀라운 발전을 함께 이루고 있다.

    ‘노동 인구 통계’와 ‘고객 니즈’에 있어 이러한 트렌드를 가속화시킨 것은 코로나 팬데믹이다. 이는 오늘날 인공 지능에 기반하는 솔루션에 대한 기대가 예상보다 훨씬 더 커지고 있다는 것을 보여주고 있다.

    또한 이것은 기술, 인구통계, 행동에 대한 일종의 통합, 즉 컨버전스인데, 이전 기술 경제 혁명에서도 보였던 특징이기도 하다. 그러나 반드시 주목해야 할 부분은 과거에 ‘전기의 발견과 솔루션’처럼, 어떤 근원적 발견과 그것의 경제적인 혁신 솔루션 사이의 간극이 동시에 연결되지는 않는다는 점이다.

    전기로 비유하자면, 인공지능은 볼타(Volta)와 패러데이(Paraday)의 시대를 훨씬 넘어섰지만 이제 막 에디슨과 테슬라 시대로 접어들고 있다. 그리고 전기 조명, 영화, 전력 유틸리티 그리드와 같이 판도를 바꾸는 일상적 솔루션은 아직 초기 단계에 있다.

    이러한 이유로 인해 많은 소비자, 관리자, 투자자는 인공지능이 ‘핵융합 전력’ 또는 ‘양자 컴퓨팅’만큼 과대 광고되었고, 아직은 시기상조라고 생각하는 것 같다.

    하지만 기회와 위기의 측면에서 그 잠재력을 제대로 이해하려면 집적 회로, 철강과 마찬가지로 인공지능이 다면적인 범용 변혁 기술임을 인식하는 것이 중요하다. 인공지능은 상상할 수 없을 만큼 일련의 제품, 서비스, 비즈니스 프로세스, 산업을 변화시킬 잠재력을 가지고 있고, 그 잠재력의 일부는 현재로서는 예측조차 할 수 없을 정도다.

    그에 비해 핵융합 전력은 더 저렴하고 깨끗한 전기 공급원이고, 양자 컴퓨팅은 이론적으로 중요하지만 고전 컴퓨팅에는 적합하지 않은 제한된 문제를 해결할 수 있는 도구에 불과하다.

    따라서 현재는 인공지능이 언제 어디서 가장 큰 성공을 거둘지 예측하는 것이 중요하다. 이러한 이해를 바탕으로 인공지능이 더 넓은 경제 전반으로 그 포착된 가치를 어떻게 확산시킬 것인지를 고려해야 한다. 다행히도, 2023년 초에 이르러, 안개가 빠르게 걷히고 있어 기회와 위기에 대해 더 잘 이해할 수 있게 되었다.

    우리가 알고 있는 사실과 역사가 보여준 교훈부터 시작해보자.

    우리는 1930년에 대량생산 기술-경제 혁명의 과도기에 막 진입했었다. 이는 2001년의 디지털 기술-경제 혁명이 위치해있던 시기와 유사하다. 그러한 맥락 내에서, 저명한 경제학자 존 메이너드 케인즈(John Maynard Keynes)는 기술적 실업(technological unemployment)에 대한 일련의 예측을 내렸다. 그가 다음과 같이 기술한 것에서 발생하는 현상이었다.

    “노동의 새로운 용도를 발견할 수 있는 속도를 능가하는, 노동사용을 절약하는 수단의 발견!”

    케인즈의 예측이 옳았다면 미국인들은 1930년보다 더 많지는 않더라도 평균적으로 주당 많은 시간을 일하는 대신, 기술 변화로 인해 발생한 새로운 여가 시간을 어떻게 활용해야 할지 고민하였을 것이다. 알다시피, 몇몇 일자리는 미국에서 사라졌다. 그러나 실제로는 세계화가 세계화가 20세기 후반과 21세기 초반의 기술 덕분에 일자리를 더 비용 효율적인 곳으로 이동시켰다는 것이다.

    그리고 상당 부분에 있어, 지난 30년 동안의 컴퓨팅 혁명 덕분에 적시 공급망의 세계화가 가능해졌다. 하지만 세계화가 미국을 비롯한 선진국에서 일자리를 없애는 효과는 이제 역전되고 있다.

    국가 안보 문제와 인구 통계학적 트렌드가 OECD 국가들, 특히 북미 지역 전반에 갑자기 ‘재산업화(reindustrialization)를 요구하기 시작한 것이다. 이는 제2차 세계대전 이후 처음으로 '성장 모멘텀'이 서비스에서 상품으로 이동하고 있다는 의미이다. 그리고 이러한 변화는 선진국에게 ’생산성 향상‘을 요구하고 있다.

    이 재산업화 시대는, 인공지능의 능력과 비용이 마침내 인공지능을 대규모로 혁신적 배치를 가능하게 할 때, 비로소 열릴 것이다.

    하지만 변화 단계는 많은 정책 입안자와 관리자들에게 충격으로 다가올 것이다. 왜냐하면 전자상거래와 기타 영역에서 기초적 수준의 인공지능 초기 배치가 노동 생산성과 다요소 생산성 성장(multifactor productivity growth)과 같은 주요 노동 시장 성과 지표에 거의 영향을 끼치지 못했기 때문이다.

    케인즈가 예상한 것과 똑같이, 인공지능 주도의 기술 변화가 ‘노동사용을 절약하는 새로운 수단을 가능하게 하여 노동의 새로운 용도를 발견할 수 있는 속도를 능가한다면’ 인공지능이 널리 보급됨에 따라 두 통계 모두 증가할 것으로 예상할 수 있다.

    그러나 실제로는 OECD 국가에서 정반대의 일이 발생한 것으로 보인다. 즉, 인공지능이 등장했을 때 생산성 성장은 오히려 둔화되었던 것이다. 다시 말해, 우리는 인공지능과 컴퓨팅이 완전히 새로운 산업을 창출하는 것을 보고 있지만, 총 생산성 증가 수치는 오히려 더 느려졌다. 이 역설을 어떻게 설명해야 할까?

    문제는 대체로 입력(inputs)과 출력(outputs)의 가치를 측정하고 포착하는 우리의 현재 능력과 관련이 있다.

    18세기 후반 산업 혁명이 시작된 이래로, 우리 사회는 소위 ‘노동 총량 불변의 오류(lump of labor fallacy)’라는 반복적 오류를 범해왔다. 이 광범위한 경제적 오해는 1891년 경제학자 데이비드 슐로스(David Schloss)에 의해 처음 공식화되었다.

    노동 총량 불변의 오류는, 시장에 존재하는 일의 양이 정해져 있어, 노동자 수가 늘어나면 일자리가 줄어든다고 생각하는 오류이다. 이것이 사실과 거리가 멀다는 증거가 있다.

    우선 스프레드시트 소프트웨어 등장을 보자. 스프레드시트 소프트웨어는 회계사와 비즈니스 애널리스트들의 시장을 잠식했지만, 실제로 더 큰 시장을 만들었다. 간단한 사례 계산에서 해방되자, 남은 인력과 리소스는 더 복잡한 시나리오를 개발하는 데 배치되었다.

    아마도 더 큰 요인으로, 총 생산성 수치에 있어 또 다른 요인은 일반적으로 인터넷 플랫폼 애플리케이션과 특히 ‘인공지능 기능’과 관련되어 생산성 향상 정량화가 어렵다는 데 있다.

    GPS 내비게이션, 시리(Siri), 구글 검색, 구글 번역, 알렉사(Alexa), 소셜 미디어와 같은 애플리케이션과 다양한 제품 추천 엔진, 챗봇 및 구성 프로그램은 매년 최종 사용자에게 수조 달러의 가치를 창출시키지만, 대체로 무료로 제공되는 서비스로 그 운용비용은 마케팅 예산으로 충당된다. 그리고 이러한 서비스는 일반적으로 ‘세계 최초의 기능’을 제공하기 때문에, 이들이 노동력에 미치는 영향도 평가하기 어렵다.

    따라서 지금까지 인공지능의 경제적 영향력은 상당했지만 정량화하기는 어려웠다. 그리고 인공지능이 상업과 노동력에 미치는 영향은 앞 세대의 기술 경제 혁명과 일반적으로 다르다. 인공지능이 가장 높은 단계 혹은 영역에 위치한 노동력에 가장 크고 즉각적인 영향을 미칠 것으로 나타난 것이 그 다른 점 중 하나이다.

    즉, 임금이 낮고 이미 성숙한 산업은 적어도 단기적으로는 혼란을 겪을 가능성이 가장 낮다는 의미이다. 인공지능이 궁극적으로 택시 드라이버, 창고 직원, 트럭 운전사뿐만 아니라 제조, 소매, 개인 관리 및 식품 서비스 분야의 일반 노동자들에게 큰 영향을 미칠 것은 분명하다. 다만 지금 당장은 아니다.

    그렇다면 인공지능은 우선적으로 어디에 가장 큰 영향을 미칠 것인가? 2020년대의 판도는, 상대적으로 새로운 전자 상거래 산업뿐만 아니라 과학 연구, 의학, 소프트웨어 개발, 엔지니어링 같은 분야일 것이다. 최근 수년 간 인간의 한계와 기술 부족으로 가장 제약을 많이 받은 영역이라면 더욱 그렇다.

    일견 가장 위험에 처한 것으로 간주되었던 하위 분야의 노동자들에 대한 영향을 보자.

    예를 들어, 자율 주행 자동차의 경우, 인공지능의 발전이 빠르게 이뤄지지 않고 있다. 더군다나 고속도로 자율주행 자동차 및 트럭과 관련된 책임 소재 요소가 너무나도 광범위한 문제가 있다. 기술은 입증되었지만 자율 주행 자동차가 작동할 제도적 환경을 정리하는 것은 여전히 난제인 상황인 것이다.

    자율 주행 자동차를 운행하려면 복잡한 네트워크에서 상호 작용하는 수천 개의 소프트웨어 제어 센서와 프로세서도 필요하다. 차량이 보행자, 애완동물, 공, 날씨, 우발적 위험 요소, 기타 다른 차량들과 상호 작용할 때 발견할 수 있는 거의 무한에 가까운 상황들을 감지해내려면 이러한 기능들이 완벽하게 작동해야 한다. 더군다나 이러한 기능들의 일부는 사람이 제어해야 하는데, 이는 소프트웨어 및 하드웨어에 의해 실행되는 것보다 예측하기가 훨씬 더 어렵다.

    가장 중요한 문제 중 하나는 무언가 잘못되었을 때 책임을 평가하는 데 있다. 자율 주행 자동차의 세계에서 인간 운전자가 없다면 사고가 난 경우 누가 책임을 져야 할까? 필수적인 안전 기능이 소프트웨어로 제어되는 경우, 올바른 버전의 소프트웨어가 로드되고 작동되고 있는지 누가 어떻게 알거나 확인할 수 있는가?

    이러한 다양하고 어려운 문제로 인해, 교통 면허 당국은 적절한 규정을 마련하지 않고 이러한 차량이 도로에 나오도록 내버려두지 않을 것이다. 이러한 제도적 문제와 운영 문제가 완전히 해결될 때까지 트럭과 우버(Uber) 운전자는 충분한 직업 안정을 누릴 수 있을 것이다.

    이는 무인 항공 택시도 마찬가지이다. 항공 택시 산업은 2025년부터 등장하여 향후 수십 년 동안 매우 빠르게 성장할 것으로 보인다. 이 항공기에는 처음에는 인간 조종사가 탑승할 것이다. 하지만 이후에도 이들은 원격 제어를 통해 여러 대의 반자율 항공기를 조종할 것으로 보인다.

    이와 비슷한 이야기는 대부분의 다른 산업에서도 비슷하다. 센서 기술, 클라우드 기반 인프라, 인공지능 가속기 하드웨어, 인공지능 소프트웨어 도구, 심지어 로봇 장치에 대한 가격 대비 성능의 급격한 향상에도 불구하고 공장 노동자와 노인 요양 인력을 비용 효율적으로 대체하려면 아직도 갈 길이 멀다. 좀 더 구체적으로 말하자면, 휴머노이드와 같은 형태의 로봇이 등장해도, 향후 20년 동안 공장 및 노인 요양 노동자 부족의 일부만 해결할 것으로 보인다.

    결론은 인공지능에 의해 대체될 생산직 일자리는 상대적으로 적을 것으로 보이다. 특히 인간의 정교한 감각 기술과 이동성, 예기치 않은 사고나 사건의 처리 등이 결합될 때는 더욱 그렇다. 요컨대, 배관공, 벽돌공, 목수, 간호사, 중장비 노동자는 인공지능 기반 도구의 지원을 점점 더 많이 받게 되겠지만, 향후 20년 동안 일자리는 줄어들지 않고 늘어날 가능성이 높다.

    그렇다면 인공지능이 경제를 변화시키고 막대한 부를 창출할 곳은 어디인가? 역설적이게도 앞 세대의 기술 경제 혁명이 거의 영향을 미치지 않은 분야이다. 그리고 그 해당 분야에서는 현재 가장 빠른 변화가 일어나고 있다.

    그곳은 바로 인간의 능력이 인공지능에게 가장 쉽게 압도되는 고도로 정교한 기술 분야이다. 실제로 인공지능이 가장 많이 진출하고 있는 곳이기도 하다.

    예를 들자면, 질병 진단, 약물 발견, 분자 설계, 재료 설계, 산업, 전기 기계 공학 등이 있다. 이것은 놀라운 일이 아니다. 인공지능은 패턴과 관계를 식별하고 과학의 본질인 엄격한 시행착오를 평가하는 데 특히 유용하다. 적절한 ‘자동화 실험실’과 결합하면 인공지능 시스템은 인간 연구원의 성과를 몇 배나 증폭시킨다. 이전에는 불가능했던 일들이 갑자기 일상이 되고 있는 것이다.

    이러한 인공지능의 트렌드를 고려할 때, 우리는 다음과 같은 예측을 내려볼 수 있을 것이다.

    첫째, 대규모 자연어 모델은 적어도 2028년까지 인공지능 정교화와 배치의 선두에 있을 것이다.

    GPT-4 및 람다(LaMDA)와 같은 소위 대규모 언어 모델에 의해, 단순 편집자, 고객 서비스 직원, 번역가를 포함하여 생계를 위해 단어에 의존하는 일부 사람들은 현 직업에서 쫓겨날 가능성이 있다.

    이는 인공지능이 향후 5년 이내에 대졸자의 고용을 줄이기 시작할 가능성이 있음을 의미한다. 이 기술이 계속 발전함에 따라 인공지능이 이전에는 높은 수준의 교육과 기술이 필요하다고 생각했던 작업을 대체할 수 있게 될 것이기 때문이다. 특히 기업들은 이러한 프로세스를 자동화하여 비용을 절감하려 하기 때문에 이는 많은 산업에서 노동자들이 일자리를 잃는 방향으로 이어질 것이다.

    세부 사항은 작업과 산업에 따라 다르겠지만, 한 가지 분명한 사실은 인공지능이 대학 교육을 받은 노동자의 고용 시장에 상당한 영향을 미칠 것이라는 점이다. 따라서 인공지능의 발전을 모니터링하면서, 기계가 점점 더 많은 작업을 수행할 수 있는 세상에서 자신의 기술과 전문 지식을 어떻게 활용할 수 있는지를 고려하는 것이 중요할 것이다.

    물론 이것은 하루아침에 일어나지는 않을 것이다. 그럼에도 불구하고 지금은 단어 중심의 사무직 노동자들이 기술을 다양화하기 시작해야 할 때라 할 수 있다. 특히 인공지능이 적합하지 않은 기능을 보완하는 영역을 고민해야 할 것이다.

    둘째, 2020년대에는 인공 지능의 시장 지배력이 1980년대 컴퓨팅에서 보았던 것처럼 거대 기술 기업에서 일련의 혁신적인 신생 기업으로 바뀔 것이다.

    인공지능 연구의 가장 뜨거운 영역 중 하나인 대규모 언어 모델의 최신 개발 사항을 보자. 우리는 오픈에이아이(OpenAI)의 GPT-4, 구글의 람다(LaMDA)와 같은 강력한 모델을 챗봇뿐만 아니라 정보 검색, 온라인 콘텐츠 조정, 문서 요약 또는 프롬프트를 기반으로 완전히 새로운 텍스트 구절 생성에도 사용할 수 있다.

    지금까지 이러한 최첨단 도구는 제한적이고 독점적이었다. 그러나 블룸(BLOOM, BigScience Large Open-science Open-access Multilingual Language Model)은 2022년 빅사이언스(BigScience)라는 프로젝트에서 1,000명 이상의 자원 봉사 연구원에 의해 만들어졌다. 블룸은 허깅 페이스(Hugging Face)라는 인공지능 스타트업에 의해 보완되었고, 프랑스 정부의 자금 지원을 받아 2022년 7월 12일에 공식 출시되었다.

    누구나 허깅 페이스 웹사이트에서 무료로 블룸을 다운로드하거나 수정할 수 있다. 사용자는 31개의 음성 언어 중 하나를 선택한 후 요리법이나 시 쓰기, 텍스트 번역 또는 요약, 11개 프로그래밍 언어로 컴퓨터 코드 작성과 같은 작업을 수행하도록 블룸에 요청 인풋을 넣을 수 있다.

    가장 중요한 것은 인공지능 개발자가 블룸을 기초로 사용하여 자체 애플리케이션을 구축할 수 있다는 것이다. 이는 1,760억 개의 매개 변수로 오픈에이아이의 1,750억 매개변수 GPT-3보다 크다. 빅사이언스는 동일한 크기의 다른 모델과 유사한 수준의 정확도를 제공한다고 주장한다. 특히 스페인어 및 아랍어와 같은 언어의 경우 블룸은 최초의 ‘풀 스케일’ 언어 모델이다. 점점 더 강력해지는 규제와 반독점 환경과 결합하여 이러한 혁신적인 신생 기업의 등장은 진화하는 인공지능 공간에서 오늘날 거대 기술 기업의 지속적인 지배력이 쉽게 대체될 수 있음을 보여준다.

    셋째, ‘일자리를 파괴하는 인공지능’이라는 경고와 달리 2020년대의 나머지 기간. 특히 미국에서 ‘하드 스킬’을 보유한 노동자에 대한 수요가 급증할 것이다.

    베이비 붐 세대가 은퇴하고 미국이 제조 기반을 획기적으로 업그레이드함에 따라, 배관공, 전기 기사, 중장비 운전자, 트럭 드라이버, 자동화 기술자 등 ‘하드 스킬’을 보유한 노동자들의 공급이 점점 더 부족해질 것이다.

    넷째, 자율 주행 자동차와 트럭이 등장하고 있지만 2030년대 중반이나 그 이후까지 운전 관련 일자리는 사라지지 않을 것이다.

    자율 주행 자동차가 모든 도로를 점령할 수 있는 역량을 갖추더라도, 기술, 책임 등과 관련된 제도적 문제가 해결되지 않는 한 인간은 계속 그 일자리에 머물 수 있을 것이다. 특히 책임 문제와 관련하여 제도적 장애물이 예상보다 훨씬 높은 것으로 나타나고 있다.

    다섯째, 2040년에는 인공지능이 조종하는 소형 자율 항공기가 보편화될 것이다.

    빠르면 2025년, 항공 택시가 등장하여 인공지능 기반 지원에 크게 의존하는 새로운 유형의 조종사를 위한 고용 기회가 창출될 것이다. 그러나 진정한 자율 항공 택시는 훨씬 이후에나 상업 서비스에 들어갈 것이다. 이는 레벨 파이브(5)라는 완전 자율 자동차와 트럭들이 고속도로를 장악하기 시작하는 시기에 일어날 가능성이 높다.
    한편 무인 화물 드론은 원격조종을 시작으로 2020년대 후반부터 보편화될 전망이다. 이는 상품 배송 경제에 큰 영향을 미칠 것이다. 그리고 이는 점점 더 많은 지상 기반 드론 조종사 및 유지 보수 인력에 대한 수요를 창출할 것이다. 2030년이 되면 비상시 인간이 원격 개입하는 것이 가능한 ‘완전 자율 인공지능 기반 화물 드론’이 널리 배치될 것이다.

    여섯째, 휴머노이드 로봇이 놀라운 만한 수준의 가격 및 성능 목표를 달성하더라도, 비경제적 요인으로 2035년까지 노동력 부족 문제가 크게 해결되지 않을 가능성이 크다.

    최근 미국기업연구소(AEI) 소속 경제학자 제임스 페토쿠키스(James Pethakoukis)가 강조한 것처럼 신뢰, 안전, 프라이버시와 관련된 문제는 신속한 채택을 가로막는, 정량화하기 어려운 장애물 중 하나이다.

    다행스럽게도 일부 환경과 문화는 휴머노이드 로봇의 조기 채택에 심리적으로 더 적합하다. 혁신을 긍정적으로 받아들이는 미국과 소비자 영역에서 이러한 로봇 도입의 역사를 가지고 있는 일본이 2020년대에 얼리어답터가 될 가능성이 높다. 휴머노이드 로봇이 그러한 환경에서 스스로를 입증하면, 세계 경제로 확산될 것이다.

    일곱째, 인공 지능을 통해 의료 서비스는 엄청난 새로운 혁신의 시대에 진입할 것이다.

    인공지능은 특히 방사선학, 유전체학 분야에서 질병의 진단 및 치료를 지원하는 데 이미 급속한 발전을 이루고 있다. 그러나 상업적으로나 치료적으로 가장 큰 영향을 미칠 것은 신약 발견에 대한 인공지능의 속도에 있다. 이러한 속도로 인해 가격 대비 성능과 기능 발전으로 이전에는 불가능했던 혁신의 문이 열리고 있다.

    예를 들어 크로마(Chroma)와 로제타폴드(RoseTTAFold)라는 두 개의 새로운 인공지능 애플리케이션은 최근 다양한 단백질에 대한 정밀한 디자인을 생성할 수 있는 최초의 본격적인 솔루션이 되었다.

    두 애플리케이션 모두 원형, 삼각형 또는 육각형 단백질을 포함하여 여러 대칭성을 가진 단백질을 생성할 수 있다. 크로마가 ‘만들어 질 수 있는’ 디자인을 생성했는지 여부를 테스트하기 위해 제너레이트 바이오메디슨(Generate Biomedicines) 연구팀은 단백질을 구성하는 아미노산 문자열을 다른 인공지능 프로그램을 통해 실행했다. 이를 통해 실행 가능한 단백질 디자인임이 밝혀졌다.

    로제타폴드 연구팀은 연구실에서 일부 단백질 디자인을 합성하여 크로마보다 한 걸음 더 나아갔는데, 혈중 칼슘 수치를 조절하는 부갑상선 호르몬에 부착하는 새로운 단백질 디자인이었다. 연구팀은 이를 다음과 같이 설명했다.

    “우리는 기본적으로 로제타폴드에 호르몬만 주고 다른 것은 주지 않았습니다. 그런 다음 호르몬에 결합하는 단백질을 만들 것을 지시했습니다.”

    이 새로운 단백질을 테스트한 결과, 연구팀은 그것이 다른 계산 방법을 사용하여 생성될 수 있는 그 어떤 것보다 더 단단하게 호르몬에 부착된다는 사실을 발견했다.

    이러한 초기 성공은 의료 산업의 판도를 바꾸는 새로운 약물 발견의 물결이 향후 5년 동안 임상 시험에 진입할 가능성이 높은 이유를 보여준다. 결과적으로 이는 소비자에게 더 건강하고 행복한 삶을, 산업계에는 막대한 수익과 이익을 제공해줄 수 있을 것이다.

    여덟째, 인공지능은 2020년대에 재료 과학의 판도를 바꾸는 폭발적 발전을 촉발할 것이다.

    돌, 청동, 철, 강철, 플라스틱, 실리콘, 그래핀과 같은 재료는 인류가 생존하고 번영할 수 있는 기술 및 경제적 가능성과 연관되어 있다. 그러나 오늘날 컴퓨터 칩, 센서, 로봇, 전기 자동차 및 무수한 기타 응용 프로그램에 필요한 기능을 가진 새로운 재료를 설계하고 생산하는 것은 쉬운 일이 아니다.

    전 세계적으로도 이 문제는 기술과 역량의 한계에 제약을 받고 있다. 경제적으로 중요한 물질이 어디에 있는지 알 수 없기 때문에 주기율표의 모든 요소를 결합하여 생성된 물질에는 위험성이 따르고, 그 과정 또한 복잡하고 종종 긴 여정을 필요로 한다.

    하지만 매터리얼 에이아이(Material.ai)와 같은 새로운 인공지능 기반 도구가 모든 것을 바꾸고 있다. 이 도구는 인간이 상상할 수 없는 규모로 재료의 특성과 관계를 검사할 수 있다. 이러한 특성과 관계는 원하는 특성을 가진 새로운 재료를 형성할 가능성이 있는 요소 조합을 식별하고 숫자로 순위를 매기는 데 사용될 수 있다.

    그리고 이 순위는 미지의 화학 공간 탐색을 표적 방식으로 안내하여 실험 조사를 훨씬 더 효율적으로 만드는 데 사용된다. 또한 더 빠르고 저렴하다는 것에 그치지 않고, 진정으로 새로운 재료를 발견하는 데까지 나아간다. 이는 기존 재료와 유사하게 새 재료를 설계하고, 이미 가지고 있는 재료와 유사한 재료로 이어졌던 기존의 기본적 접근 방식을 벗어나는 것이다.

    이렇게 새로운 방식으로 탄생한 신소재는 전 세계가 안고 있는 과제를 해결할 뿐만 아니라 새로운 사회적 이익 창출, 새로운 과학적 현상과 이해까지 나아간다. 이러한 이해는 차세대 인공지능을 교육하는 데도 도움이 된다. 의료와 마찬가지로 재료 과학에 대한 인공지능의 선진국에 더 많은 일자리를 창출하는 막대한 가치를 창출할 것이다.

    Resource List
    1. Trends. December 2022. The Trends Editors. Economic Realities Driving America’s AI-Based Reindustrialization.

    2. W. W. Norton & Co. 1963. John Maynard Keynes. Essays in Persuasion: pages 358-373.

    3. Law, Innovation and Technology: Volume 11. September 12, 2019. Nynke E. Vellinga. Automated driving and its challenges to international traffic law: which way to go?

    4. Faster, Please!. November 5, 2022. James Pethokoukis. Will the Next Big Thing be (finally) humanoid robots?

    5. MIT Technology Review. May 20, 2021. Karen Hao. The race to understand the exhilarating, dangerous world of language AI.