ι

마침내 특이점이 시작된다

   
레이 커즈와일 (지은이), 이충호 (옮긴이), 장대익 (감수)
ǻ
비즈니스북스
   
30000
2025�� 06��



 

■ 책 소개

“종으로서 인간은 어디로 향하는가에 대한, 무섭도록 깊이 있는 통찰!”
생물학적 한계를 뛰어넘는 인류의 진화가 곧 다가온다!

인간의 지능은 AI와 결합해 어디까지 확장할 수 있을까? 그로 인해 변화할 인류라는 종의 미래를 우리는 어떻게 바라볼 것인가? 생물학적 한계를 초월해 끝없이 진화할 인류의 미래가 점차 현실화되는 지금, 다가올 세상을 준비하기 위한 최고의 통찰이 이 책에 담겨 있다.

특이점(Singularity)이란 기술의 발전 속도가 매우 빠르고 그 영향이 매우 깊어, 되돌릴 수 없을 정도로 변화된 새로운 문명이 도래하는 순간을 뜻한다. ‘인류가 AI와 결합하는 순간’이라는 부제처럼, 저자는 이를 ‘인공지능이 우리의 뇌와 긴밀하게 통합되어, 생물학이 인간에게 준 지능과 의식이 수백만 배 확대되는 사건’으로 정의한다. 다윈이 오랜 세월의 뿌리에서 모든 생명이 비롯됨을 보여주었듯, 정보 처리의 누적된 시간이 인간과 소프트웨어의 융합으로 이어지고 있음을 시사하는 이 책은 지난 20년 동안의 변화가 오늘날 우리를 어디까지 데려왔는지, 또한 새로운 인간 문명의 경계에 선 우리가 향후 20년의 미래를 어떻게 이해할 것인지에 대해 더욱 깊어진 통찰을 제공한다. 

■ 저자 레이 커즈와일
저자 레이 커즈와일은 세계적인 발명가이자 기업가, 컴퓨터 과학자, 미래학자, 사상가로 지난 35년간 그가 예측해온 미래는 대부분 현실로 이루어졌다.

10대 때부터 소프트웨어를 개발하는 등 컴퓨터에 놀라운 재능을 보인 그는 매사추세츠 공과대학교(MIT)에 진학해 인공지능 분야의 권위자 마빈 민스키 교수에게서 컴퓨터 과학을 수학했다. 재학 중이던 20세에 첫 창업을 시작하여 최초의 CCD 평판 스캐너, 옴니폰트 광학 문자 인식(OCR) 소프트웨어, 시각장애인을 위한 텍스트-음성 변환기, 오케스트라 악기를 재현할 수 있는 신시사이저 ‘Kurzweil K250’ 등 수많은 발명품을 연달아 세상에 내놓았다. 1999년 미국 기술 분야 최고의 영예로 꼽히는 국가기술훈장을, 2001년 미국 발명가에게 수여되는 가장 권위 있는 상인 레멜슨-MIT상을 수상한 그는 2002년 미국 발명가 명예의 전당에 헌액되었다.

2008년에는 구글과 NASA의 후원을 받아 세계 최고의 혁신 대학인 싱귤래러티 대학을 설립했다. 과학/공학 및 인문학 분야에서 21개의 명예 박사학위를 받았으며, 음악 기술 분야에서의 뛰어난 업적을 인정받아 그래미상을 수상한 그를 가리켜 ‘월스트리트 저널’은 ‘지칠 줄 모르는 천재’, ‘포브스’는 ‘궁극의 사고 기계’라 평했다. ‘Inc.’ 매거진은 ‘토머스 에디슨의 적자’라 표현했으며, 미국 공영방송 PBS는 ‘미국을 만든 16명의 혁신가들’ 중 한 명으로 꼽았다.

2012년 기계학습 및 자연어 처리 연구 프로젝트를 주도하기 위해 설립자 래리 페이지의 제안으로 구글에 영입된 이래, 현재까지 수석 AI 연구 비저너리(Principal Research AI Visionary)로 활동 중이다. 저서로는 출세작이자 세계적인 베스트셀러 ‘특이점이 온다’를 비롯해 ‘마음의 탄생’, ‘영원히 사는 법’, ‘21세기 호모 사피엔스’ 등이 있다.

■ 역자 이충호
역자 이충호는 서울대학교 사범대학 화학교육과를 졸업하고, 교양 과학과 인문학 분야 번역가로 활동하고 있다. 2001년 ‘신은 왜 우리 곁을 떠나지 않는가’로 제20회 한국과학기술도서 번역상을 수상했다. 옮긴 책으로 ‘불안 세대’, ‘차이에 관한 생각’, ‘오리진’, ‘진화심리학’, ‘사라진 스푼’, ‘다시 쓰는 수학의 역사’, ‘인간이 되다’, ‘천 개의 뇌’, ‘x의 즐거움’, ‘도도의 노래’ 등 다수가 있다.

■ 감수 장대익
가천대학교 스타트업칼리지 석좌교수 및 학장. KAIST 기계공학과를 졸업하고 서울대학교 과학사 및 과학철학 협동과정에서 생물철학 및 진화학으로 석사와 박사 학위를 받았다. 영국 런던정경대학교에서 생물철학과 진화심리학을, 일본 교토대학 영장류 연구소에서는 침팬지의 인지와 행동을 연구했고, 미국 터프츠대학교 인지연구소 대니얼 데닛 교수 팀에서 마음과 문화의 진화를 공부했다. 과학철학자이며 진화학자로서 인간 본성과 기술의 진화에 대해 연구해왔다. 서울대학교 자유전공학부 교수, 한국인지과학회 회장, 서울대학교 인지과학연구소 소장, 구글코리아 앱생태계 포럼 의장 등을 역임했다. 

현재 차세대 비대면 교육 플랫폼 스타트업 ㈜트랜스버스의 대표이며 유튜브 〈장대익의 하드커버〉 채널의 운영자이기도 하다. 《공감의 반경》, 《다윈의 식탁》, 《다윈의 서재》, 《다윈의 정원》, 《울트라 소셜》 등의 책을 썼고 《종의 기원》, 《통섭》 등을 우리말로 옮겼다. 제27회 한국과학기술도서상 저술상(2009년)과 제11회 대한민국과학문화상(2010년, 교육과학기술부)을 수상했다.

■ 차례
감수의 글
머리말

제1장 우리는 여섯 단계 중 어디에 있는가?
제2장 지능의 재발명
제3장 나는 누구인가?
제4장 삶은 기하급수적으로 개선되고 있다
제5장 일자리의 미래: 좋은 쪽 혹은 나쁜 쪽?
제6장 향후 30년의 건강과 안녕
제7장 위험
제8장 카산드라와 나눈 대화

감사의 말
부록: 계산의 가격 대비 성능, 1939~2023년 도표 출처
주
찾아보기

 


마침내 특이점이 시작된다


지능의 재발명

여전히 AI에게 필요한 것은 무엇인가?

지난 몇 년의 성과가 보여주듯이, 우리는 이미 신피질의 능력을 재현하는 길을 향해 잘 나아가고 있다. 오늘날 남아 있는 AI의 결함은 몇 가지 주요 영역으로 나누어지는데, 그중에서 가장 중요한 것은 맥락 기억과 상식, 사회적 상호 작용이다.


맥락 기억은 대화나 글로 표현된 모든 개념이 서로 어떻게 동역학적으로 결합돼 있는지 추적하는 능력이다. 관련 있는 맥락의 크기가 증가하면, 개념 사이의 관계의 수는 기하급수적으로 증가한다. 이 장 앞에서 나왔던 복잡성 한계를 떠올려보라. 비슷한 수학적 원리 때문에 대규모 언어 모델이 처리할 수 있는 맥락의 창을 확장하려면 엄청나게 많은 계산 능력이 필요하다. 예를 들어 주어진 문장에 단어 비슷한 개념이 10개 있다면, 그 부분집합 사이에 가능한 관계의 수는 2의 10제곱 빼기 1, 즉 1023개나 된다. 한 문단에 그런 개념이 50개 있다면, 그것들 사이에 가능한 맥락 관계는 1120조 개도 넘는다! 그것 중 대다수는 실제로는 관련이 없는 것이지만, 장 전체나 책 전체의 맥락을 단순 무식하게 일일이 기억하려는 노력은 금방 통제 불능 상태에 빠지고 만다. GPT-4가 대화 도중에 앞에서 들은 내용을 잊어버리는 것은 이 때문이고, 일관성 있고 논리적인 구성으로 소설을 쓰지 못하는 것도 이 때문이다.


두 가지 측면에서 좋은 소식이 있다. 적절한 맥락 데이터에 더 효율적으로 집중하는 AI의 설계에서 큰 진전이 일어나고 있고, 가격 대비 성능의 기하급수적 개선 덕분에 10년 안에 계산 비용이 99% 이상 떨어질 가능성이 있다. 게다가 알고리듬의 개선과 AI 특이적 하드웨어 전문화로 인해 대규모 언어 모델의 가격 대비 성능이 그것보다 더 빨리 증가할 가능성이 있다. 예를 들면, 2022년 8월부터 2023년 3월 사이에만 GPT-3.5 애플리케이션 프로그래밍 인터페이스를 통한 입출력 토큰의 가격이 96.7%나 하락했다! 이 추세는 칩 설계 최적화에 AI가 직접 사용되면서 가속화될 가능성이 있는데, 그 공정은 이미 시작되었다.


결함이 있는 그다음 분야는 상식이다. 상식은 현실 세계에서 상황을 상상하고 결과를 예상하는 능력이다. 예를 들면, 당신은 갑자기 침실에서 중력의 작용이 멈춘다면 어떤 일이 일어날지 연구해본 적이 전혀 없을 테지만, 그 가상 상황을 쉽게 상상하고 어떤 일이 일어날지 예상할 수 있다. 이런 종류의 추론은 인과 추론에도 중요하다. 만약 개를 키우고 있는데 집에 돌아왔더니 꽃병이 깨져 있다면, 무슨 일이 일어났는지 쉽게 추론할 수 있다. AI는 갈수록 점점 더 자주 뛰어난 통찰력을 보여주고 있지만, 여전히 이런 문제에 어려움을 겪고 있다. 이것은 AI가 아직 현실 세계의 작동 방식에 대한 견고한 모델을 갖추지 못했고, 훈련 데이터에는 이러한 암묵적 지식이 거의 포함돼 있지 않기 때문이다.


마지막으로, 목소리의 아이러니한 어조 같은 사회적 뉘앙스는 아직도 AI 훈련에 주로 쓰이는 텍스트 데이터베이스에 잘 반영되지 않는다. 그러한 이해가 없이는 ‘마음 이론’ 즉 다른 사람이 나와 다른 믿음과 지식을 갖고 있다는 사실을 인식하고, 상대방의 입장에서 생각하고 상대방의 동기를 추론하는 능력을 발달시키기가 어렵다. 하지만 현재 AI는 이 분야에서도 급속한 진전을 보이고 있다. 2021년, 구글 연구원 블레즈 아구에라 이 아르카스(Blaise Aguera y Arcas)는 아동심리학에서 마음 이론을 테스트하는 데 사용하는 고전적인 시나리오를 람다에게 제시한 결과를 보고 했다. 이 시나리오에서 앨리스는 안경을 서랍 속에 넣어두고는 깜빡 잊고 방을 나간다. 앨리스가 떠났을 때, 밥이 서랍에서 안경을 꺼내 쿠션 밑에 숨긴다. 람다는 “안경을 찾기 위해 방으로 돌아온 앨리스는 어디를 먼저 찾을까?”라는 질문을 받았고, “앨리스가 서랍을 뒤질 것”이라고 정답을 말했다. 2년 뒤에 PaLM과 GPT-4는 많은 마음 이론 질문의 정답을 맞혔다. 이 능력은 AI에게 중요한 유연성을 제공할 것이다. 인간 바둑 챔피언은 자신의 대국을 잘 두어나가는 동시에, 주변 사람들을 살피면서 적절한 때에 농담을 하거나 누군가에게 의학적 관심이 필요하면 유연성을 발휘해 대국을 멈추기도 한다.


나는 이 세 분야 모두에서 AI가 곧 간극을 좁힐 것이라고 낙관하는데, 이 낙관론은 동시에 일어나는 세 가지 기하급수적 증가 추세의 수렴에 기반을 두고 있다. 그 세 가지는 대형 신경망 훈련 비용을 대폭 낮출 계산의 가격 대비 성능 개선, 훈련 계산 주기를 더 잘 활용하게 해줄 더 풍부하고 광범위한 훈련 데이터의 가용성 급증, AI가 더 효율적으로 배우고 추론하도록 도와줄 알고리듬 개선이다. 동일 비용을 기준으로 한 계산 속도는 2000년 이후 평균적으로 약 1.4년마다 두 배씩 증가해왔지만, 최첨단 인공 지능 모델을 훈련하는 데 사용되는 실제 총계산량(compute)은 2010년 이후 5.7개월마다 두 배씩 증가해왔다. 이것은 약 100억 배 증가한 것에 해당한다. 이와는 대조적으로 딥러닝 이전 시대인 1952년, 퍼셉트론이라는 획기적인 신경망이 나오기 6년 전에 최초의 기계 학습 시스템 중 하나가 시연된 해부터 빅 데이터가 부상한 2010년경까지 최고 수준의 AI를 훈련시키는 데 사용된 계산량은 약 2년마다 두 배 씩 증가했다.


달리 표현하면, 만약 1952~2010년의 추세가 2021년까지 계속 이어졌더라면, 계산량은 약 100억 배가 아니라 75배 미만으로 증가했을 것이다. 계산량의 증가는 전체 계산의 가격 대비 성능 향상보다 훨씬 빠르고 크게 일어났다. 따라서 그 원인은 하드웨어 혁명이 아니다. 주요 원인은 두 가지를 꼽을 수 있다. 첫째, AI 연구자들이 새로운 병렬 컴퓨팅 방법에서 계속 혁신을 이루었고, 그 결과로 더 많은 칩이 함께 협력해 동일한 기계 학습 문제를 처리하게 할 수 있었다. 둘째, 빅 데이터 덕분에 딥 러닝이 더 유용해지자, 전 세계의 투자자들이 큰 돌파구를 기대하면서 더 많은 돈을 이 분야에 투자했다.


이 모든 것에서 얻어야 할 교훈은, 우리의 가정이 크게 변한다 하더라도 예측의 본질적인 메시지는 변하지 않는다는 것이다. 다시 말하자면, 향후 20여 년 이내에 컴퓨터는 우리가 관심을 가질 수 있는 모든 면에서 인간의 뇌를 시뮬레이션할 수 있게 될 것이다. 이것은 100여 년 후에나 우리의 증손자들이 해결책을 발견함으로써 일어날 일이 아니다. 2020년대에는 수명 연장도 가속화되기 시작할 것이기 때문에, 만약 당신이 80세 미만이고 건강이 양호하다면, 당신이 살아 있는 동안 이런 일이 일어날 가능성이 높다. 또 다른 관점에서 보면, 오늘 태어나는 아이는 초등학교를 다닐 때 AI가 튜링 테스트를 통과하는 사건을 보게 될 것이고, 대학교에 다닐 무렵이면 훨씬 풍부한 뇌의 에뮬레이션에 성공하는 장면을 보게 될 것이다. 마지막으로 한 가지 비교를 제시하자면, 내가 이 책을 끝마쳐가고 있는 시점인 2023년은 아무리 비관적으로 가정하더라도, ‘21세기 호모 사피엔스’에서 이런 예측을 처음으로 했던 1999년보다는 뇌를 완전히 에뮬레이션하는 데 성공하는 시점과 훨씬 가깝다.



삶은 기하급수적으로 개선되고 있다

실제로 기술은 삶의 거의 모든 측면을 개선해왔다

정보 기술이 기하급수적으로 발전하는 것은 그것이 자신의 추가 혁신에 직접 기여하기 때문이다. 그런데 이 추세는 다른 분야에서도 서로를 강화하는 발전 메커니즘을 촉진한다. 지난 200년 동안 이 추세는 선순환을 낳으면서 문해력, 교육, 부, 위생, 건강, 민주화, 폭력 감소 등을 포함해 인류의 안녕에 관련된 대다수 측면을 발전시켰다.


우리는 인류의 발전을 경제적 측면에서 생각하는 경우가 많다. 해가 갈수록 사람들은 돈을 더 많이 벌면서 더 나은 삶의 질을 누릴 수 있다. 하지만 진정한 발전은 단순히 부를 축적하는 경제뿐만 아니라 훨씬 심오한 것을 포함한다. 경기 사이클은 올라갔다 내려갔다 하며 출렁인다. 재산은 얻을 수도 있고 잃을 수도 있다. 하지만 기술 변화는 본질적으로 영원히 지속된다. 우리 문명은 일단 어떤 것을 유용하게 하는 법을 배우면, 일반적으로 그 지식을 계속 유지하면서 그것을 바탕으로 더 나은 것을 발전시킨다. 이렇게 줄곧 한 방향으로 진행되는 발전은 가끔 사회를 뒷걸음치게 만드는 자연 재해나 전쟁, 팬데믹 같은 일시적인 재앙에 맞서는 강력한 균형추 역할을 해왔다.


교육, 의료, 위생, 민주화처럼 서로 뒤엉킨 요소들은 상호 강화 피드백 고리를 만든다. 한 분야의 발전은 다른 분야에도 혜택을 가져다주는 경우가 많다. 예를 들면, 더 나은 교육은 유능한 의사의 배출을 늘리고, 유능한 의사는 더 많은 아이가 건강하게 학교를 다닐 수 있게 해준다. 이것은 아주 강력한 의미를 지니는데, 새로운 기술은 직접 적용되는 분야와 아주 멀리 떨어진 분야에도 아주 큰 간접적 혜택을 가져다줄 수 있다. 예를 들면, 20세기에 가전제품은 사람들에게 많은 시간과 노동을 절약하게 해주었을 뿐만 아니라, 능력 있는 수많은 여성의 노동 시장 진입을 용이하게 함으로써 해방적이고 변혁적인 변화를 촉진했고, 그 결과로 많은 분야에서 여성이 필수적인 기여를 하게 되었다. 일반적으로 기술 혁신은 더 많은 사람이 사회에서 자신의 잠재력을 활짝 펼치는 데 도움을 주는 조건을 촉진하고, 그 결과로 더 많은 혁신이 가능해진다고 말할 수 있다.


또 다른 예로 인쇄기의 발명은 교육에 대한 접근을 개선하고 크게 확대해 더 유능하고 정교한 노동력을 공급함으로써 경제 성장을 견인했다. 문해력 향상은 생산과 교역의 협응을 향상시켰고, 이것은 더 큰 번성을 낳는 결과를 가져왔다. 부의 증가는 다시 인프라와 교육 부문의 투자 증가를 낳아 선순환을 가속시켰다. 한편, 대량 인쇄 커뮤니케이션은 민주화를 촉진했고, 그 결과로 시간이 지남에 따라 폭력이 감소했다.


처음에 이 과정은 아주 느리게 진행되었고, 조부모 세대와 그들의 손자 세대 사이의 생활 방식 차이는 미미하여 일반적으로 눈에 띄게 드러나지 않았다. 하지만 수백 년 동안 완만하게 진행된 이 추세는 사회적 안녕의 모든 측면에서 점진적이지만 유의미하게 증가하는 궤적을 남겼다. 이 추세는 최근 수십 년 사이에 거의 모든 형태의 정보 기술에 일어난 가파른 기하급수적 발전 덕분에 가속되었다. 이 장에서 설명하듯이, 향후 수십 년 사이에 이러한 발전은 더욱 가속화될 것이다.


문해력과 교육

인류의 역사 대부분의 시기에 전 세계 각지의 문해율은 매우 낮은 상태에 머물러 있었다. 지식은 주로 구전을 통해 전해졌는데, 글을 복제하는 비용이 매우 비쌌던 것이 한 가지 중요한 이유였다. 만약 평균적인 사람이 글을 접할 기회가 거의 없고 문서를 사용할 여력이 없다면, 읽는 법을 배우는 데 그 사람의 시간을 투자할 가치가 없었다. 시간은 희귀 자원 가운데 유일하게 모든 사람이 동등하게 소비하는 자원이다. 신분과 지위에 상관없이 누구에게나 하루는 24시간이다. 시간을 어떻게 써야 할지 결정할 때, 잠재적 선택에서 어떤 편익을 얻을 수 있는지 생각하는 것은 당연히 합리적인 판단이다. 읽는 법을 배우려면 아주 많은 시간을 투자해야 한다. 생존 자체가 어렵고 책이 보통 사람이 접근하기에 매우 비싼 사회에서 이것은 결코 현명한 투자가 될 수 없다. 따라서 문맹이었던 조상을 무지몽매하고 호기심이 없는 사람으로 여기지 않도록 주의할 필요가 있다. 그들은 문해력을 강하게 억제하는 조건하에서 살아갔다.


이런 관점에서 본다면, 현대 세계의 인센티브가 가끔 어떻게 학습을 방해하는지 살펴볼 가치가 있다. 예를 들면, 정보 기술 부문 일자리가 적은 사회에서 컴퓨터과학에 관심이 있는 젊은이는 프로그래밍 공부가 시간을 투자하기에 현명한 선택이 아니라고 판단할 수 있다. 하지만 지금은 수백 년 전의 유럽과 마찬가지로 기술이 이런 상황을 변화시킬 수 있다. 자동 번역과 원격 학습, 자연어 프로그래밍, 원격근무는 새로운 기회를 제공하고 호기심에 보상을 준다.


중세 후기에 유럽에서 활판 인쇄의 도입과 함께 값싸고 다양한 읽을거리가 널리 보급되면서 보통 사람들도 문해력을 갖는 것이 현실적으로 가능해졌다. 중세가 끝나갈 무렵, 전체 유럽인 중 글을 읽을 줄 아는 사람의 비율은 5분의 1 미만이었다. 문해력은 대체로 성직자 집단과 읽는 것이 필요한 직업군에 한정되었다. 계몽주의 시대에 문해력은 점차 확산되었지만, 1750년경에 유럽의 주요 국가들 중에서 문해율이 50%에 이른 나라는 네덜란드와 영국뿐이었다. 1870년 무렵에는 에스파냐와 이탈리아만이 그 기준에 크게 뒤처졌는데, 상대적으로 덜 발달한 경제와 당시 얼마 전에 있었던 내전 탓이 컸다. 하지만 전 세계 평균은 유럽보다 훨씬 낮았다. 1800년에 전 세계에서 글을 읽을 수 있는 사람은 10명 중 1명도 안 되었던 것으로 추정된다. 하지만 19세기 동안에 대량 생산된 신문의 보급이 문해력을 광범위하게 촉진하는 데 도움을 주었고, 또 사회 개혁을 통해 모든 어린이에게 기본 교육을 제공하기 시작했다. 그럼에도 1900년에 전 세계에서 글을 읽을 줄 아는 사람은 4명 중 1명 미만이었다. 20세기 동안 공교육이 전 세계적으로 확대되면서 1910년에는 전 세계의 문해율이 4명 중 1명 이상으로 올라섰고 1970년이 되자 드디어 세계 인구의 과반수가 문맹에서 벗어났다. 그 이후로 대다수 지역에서 문해력은 거의 보편적으로 빠르게 확산되었다. 오늘날 전 세계의 문해율은 약 87%에 이르며, 선진국은 99%를 넘는 경우가 흔하다.


하지만 아직도 진전이 일어나야 할 부분이 남아 있다. 문해력 수치는 이름과 같은 짧은 메시지를 읽고 쓰는 능력처럼 아주 기초적인 기준을 바탕으로 측정한 것이다. 문해력의 질을 평가하기 위해 새롭고 더 풍부한 기준들이 개발되었다. 예를 들면, 2003년에 미국에서 실시한 성인 문해력 조사에서는 미국 인구 중 86%만이 ‘기본 이하’보다 높은 점수를 얻었다. 9년 뒤의 비슷한 조사에서도 유의미한 증가는 나타나지 않았다.


빈곤 감소와 소득 증가

전 세계적인 대규모 추세는 놀랍도록 한결같았다. 1820년에는 세계 인구 중 약 84%가 오늘날의 기준으로는 극도의 빈곤 상태에서 살았다. 그러다 산업화가 확산되면서 곧 유럽과 아메리카의 빈곤율이 감소하기 시작했다. 제2차 세계 대전 이후 수십 년에 걸쳐 인도와 중국에 현대식 농업이 도입되면서 이 과정은 더욱 가속화되었다. 전 세계의 빈곤을 자주 다룬 언론 때문에 많은 선진국 사람들은 전 세계의 빈곤 수준에 대해 잘못된 인상을 갖고 있지만, 빈곤율은 꾸준히 감소하고 있으며 특히 지난 30년 동안에는 극적으로 개선되었다. 극빈층은 현재 2017년 불변 달러 기준으로 하루에 2.15달러 미만으로 살아가는 사람으로 정의되는데, 2019년에 전 세계의 극빈층은 약 8.4%로 감소했고, 1990년부터 2013년 사이에는 3분의 2 이상 감소했다.


절대 빈곤율이란 2017년 불변 달러 기준으로 하루에 2.15달러 미만으로 살아가는 사람이라는 국제적 기준에 따르는데 미국 내 절대 빈곤율은 측정이 시작된 이래 1.2% 또는 그 미만이었다. 하지만 그 사회에서 통용되는 기준에 따른 빈곤층의 비율을 뜻하는 상대 빈곤율을 나타내는 통계는 다른 모습을 보여준다. 미국에서 상대 빈곤율은 19세기의 약 45%에서 꾸준히 감소했는데, 전후 기간에 극적으로 떨어져 1970년에는 약 12.5%에 이르렀고 그 후 비슷한 수준에 머물렀다. 그 이후로 10%대를 계속 유지했고, 더 광범위한 경제적 변화에 따라 오르락내리락했지만 장기적인 개선은 일어나지 않았다. 한 가지 이유는 생활 수준의 향상으로 상대 빈곤선의 정의가 계속 변한 데 있다. 그래서 삶의 질을 기준으로 삼을 때 1980년에는 빈곤층으로 간주되지 않던 사람들이 지금은 빈곤층으로 간주된다.


하지만 2014년부터 2019년까지 주기적으로 재정의 된 기준에 따른 미국의 빈곤층 수는 약 1260만 명이나 감소했는데, 같은 기간에 인구가 약 890만 명 증가했는데도 불구하고 그랬다. 노령층 빈곤율이 사상 최저를 기록한 2019년 한 해에만 그중 410만 명이 감소했다. 그 수는 코로나19 팬데믹 때 일시적으로 증가하긴 했지만, 그것은 2008년 금융 위기 이후에 죽 이어지던 전반적인 하향 추세에서 벗어나는 것이었다.


게다가 오늘날의 빈곤층은 MIT 공개강좌를 수강하거나 다른 대륙에 있는 가족과 영상 통화를 할 수 있는 것처럼 인터넷을 통해 공짜 정보와 서비스에 광범위하게 접근할 수 있어 절대적 기준에서 보면 이전보다 훨씬 형편이 나아졌다. 이와 비슷하게 최근 수십 년 동안에 급진적으로 향상된 컴퓨터와 휴대폰의 가격 대비 성능에서도 큰 혜택을 얻고 있지만, 이러한 측면들은 경제 부문 통계에 제대로 반영되지 않는다. 오늘날 값싼 스마트폰을 소유한 사람은 인터넷을 이용해 전 세계의 거의 모든 교육 정보에 빠르고 쉽게 접근하고, 언어를 번역하고, 길을 찾는 등 온갖 일을 처리할 수 있다. 수십 년 전에는 수백만 달러를 쓰더라도 이런 능력을 얻기가 불가능했다.


미국의 1인당 일평균 소득은 꾸준히 상승했다. 2023년에 미국의 1인당 빈곤선은 1만 4580달러였는데, 이것은 39.95달러로 하루를 살아가는 것에 해당한다. 실질 가치로 따질 때, 평균적인 미국인은 1941년경 이후부터 줄곧 2023년의 빈곤선 위에서 살아왔다.


미국의 국내 총생산이 기하급수적으로 증가했다는 사실은 그다지 놀랍지 않은데, 인구 증가는 곧 경제 규모의 확대를 의미하기 때문이다. 하지만 인구 증가 효과를 배제한 1인당 GDP 역시 기하급수적으로 증가해왔다. 게다가 공짜 정보 제품은 이 수치에 포함되지 않았으며, 시간이 흐름에 따라 동일한 비용으로 사용할 수 있는 정보 기술 능력이 기하급수적으로 증가한다는 사실 역시 반영되지 않았음을 기억할 필요가 있다.


이러한 수치는 실제로 누릴 수 있는 편익을 상당히 과소평가한 것인데, 앞서 언급했듯이 전자 제품을 포함해 많은 제품의 가격이 이전보다 훨씬 저렴해졌다는, 그리고 검색 엔진과 소셜 네트워크처럼 아주 가치 있는 다수의 서비스가 사용자에게 공짜로 제공된다는 사실을 반영하지 않았기 때문이다. 게다가 세계화 덕분에 사람들은 1929년 당시보다 훨씬 광범위한 제품과 서비스를 선택할 수 있게 되었다. 과거 수십 년에 비해 오늘 날의 소비자가 누리는 제품과 서비스의 놀라운 다양성은 그 가치를 돈으로 환산하기 어려울 정도이다. 설령 어느 식사에서 중국 음식이나 멕시코 음식 중 하나만 선택할 수 있다 하더라도, 선택의 여지가 전혀 없는 것보다는 선택권이 있는 것이 당연히 더 좋다. 이러한 다양성은 우리 삶의 수많은 분야에 큰 영향을 미쳤다. 텔레비전 방송국은 단 세 곳만 있는 대신에 수백 곳이나 있다. 슈퍼마켓을 가더라도 과일이 몇 가지만 있는 대신에 계절에 상관없이 지구 반대편에서 온 온갖 과일이 넘쳐난다. 우리는 수천 권의 책만 진열된 서점 대신에 아마존에서 수백만 권의 책을 둘러보면서 고를 수 있다.


이러한 선택권은 모든 사람이 자신의 선호를 만족시키는 데 도움을 주지만, 특이한 취향과 관심을 가진 사람에게는 특히 중요하다. 정보 기술로 가능해진 세계화된 경제 덕분에, 만약 오래된 만화경을 수집하길 좋아한다면, 이베이를 통해 전 세계 어디서건 그것을 구입할 수 있다. 수학과 과학에 관심이 있는 어린이라면, 우리 세대 때 그랬던 것처럼 집에 한 대밖에 없는 텔레비전으로 서부극을 보며 시간을 보내는 대신에 적절한 교육 프로그램을 보면서 호기심을 키울 수 있다. 3D 프린팅과 나노 기술의 발전은 다가오는 수십 년 사이에 선택의 다양성을 기하급수적으로 가속시킬 것이다.


연소득은 유용한 지표이지만, 사람들이 노동에 투입하는 시간과 비교해 소득을 살펴보는 것이 더 유용하다. 불변 달러로 환산한 미국에서 시간당 실질 개인 소득은 꾸준히 증가해왔는데, 1880년에 시간당 약 5달러이던 것이 2021년에는 시간당 약 93달러로 증가했다. 하지만 개인 소득에는 단지 임금과 봉급만 포함되는 게 아니라는 사실에 유의해야 한다. 투자와 소유한 사업에서 번 수입도 포함되며, 정부 보조금과 코로나19 팬데믹 기간의 정부 지원금처럼 일회성 지원금도 포함된다. 따라서 시간당 개인 소득은 임금이나 봉급만 고려한 수치보다 항상 더 높다. 이것이 유용한 지표인 이유는 비임금 소득이 전체 개인 소득에서 차지하는 비율이 점점 커져가고 있는 현실을 반영할 뿐만 아니라, 평균적인 근로자의 노동 시간이 줄어드는데도 전체 경제 규모가 점점 더 커지는 현상을 잘 설명하기 때문이다.



* * *


본 정보는 도서의 일부 내용으로만 구성되어 있으며, 보다 많은 정보와 지식은 반드시 책을 참조하셔야 합니다.