인공지능 비즈니스 트렌드

인공지능, 비즈니스의 미래를 꿈꾸다

다트머스 회의와 튜링 테스트 _ 인공지능의 과거와 현재

인공지능 비즈니스의 탄생

인공지능은 1950년대에 이론적 씨앗이 뿌려졌으나 관련 기술과 컴퓨팅 파워의 한계로, 비즈니스에 제대로 접목되지 못한 채 1990년대까지 더딘 발전을 보였다. 그러다가 1997년 IBM이 개발한 슈퍼컴퓨터 ‘딥블루(Deep Blue)’가 러시아의 체스 챔피언 개리 카스파로프(Garry Kasparov)를 꺾으며 중요한 전환기를 맞는다. IBM은 딥블루 외에도 ‘왓슨(Watson)'이라는 이름의 슈퍼컴퓨터를 개발해 2011년 퀴즈쇼 <제퍼디! Jeopardy!>에서 다시 한 번 세계를 놀라게 만들었다.

인공지능 비즈니스의 한 줄기가 IBM에서 시작됐다면, 다른 한 줄기는 미국 국방부에 의해 발전되기 시작했다. 음성인식 서비스 ‘시리(Siri, Speech Interpretation and Recognition Interface)’와 ‘자율주행차(self-driving car)’가 미 국방부, 더 정확히는 방위고등연구계획국(Defense Advanced Research Projects Agency, DARPA)의 지원에 힘입어 만들어진 대표적인 인공지능 기술들이다. 2004년부터 시작된 DARPA 그랜드 챌린지(Grand Challenge)는 자율주행차 기술이 본격적으로 발전하는 계기가 된다.

인공지능 비즈니스의 현재

이 같은 역사적 배경에서 발전하기 시작한 인공지능 비즈니스는 2000년대 후반에 들어 눈에 띄는 성장을 하게 된다, 대량의 데이터를 빠르게 수집할 수 있는 빅데이터 기술, 여러 형태의 과제를 해결할 수 있는 다양한 머신러닝 알고리즘, 강력한 컴퓨팅 기술의 발전 등이 그 같은 성장을 가능하게 만들었다. 또 구글, 마이크로소프트, 아마존, 페이스북 등 IT 기업들의 공격적인 투자와 인공지능 생태계의 성장, 적극적인 산학협력은 과거에는 이론이나 실험에만 머물렀던 인공지능 기술들을 현실화하고 산업화하는 데 큰 기여를 했다.

이런 발전 속도에 걸맞게 인공지능 비즈니스에 대한 투자 또한 대폭 증가하고 있다. 미국 국립과학재단 National Science Foundation, NSF이 2018년 초에 내놓은 <과학과 공학 지표 2018 Science & Engineering Indicators 2018> 자료에 따르면, 2011년부터 2016년까지 미국 벤처캐피털 업계가 ‘시드(seed) 단계’의 인공지능 스타트업에 투자한 금액은 약 8억 달러(약 9,000억 원)에 달했다. 시드 다음 단계인 초기와 후기 단계에서 인공지능 스타트업에 투자한 금액은 2013년 12억 달러(약 1조 3,000억 원)에서 2016년 39억 달러(약 4조 4,000억 원)로 3배 이상 증가했다.

시진핑 주석이 읽은 두 권의 인공지능 책 _ 인공지능의 개념과 기술 트렌드

인공지능 기술의 최신 트렌드

포레스터 리서치(Forrester Reseach)에서 2017년에 발표한 <테크레이더™: 인공지능 기술(TechRadar™: Artificial Intelligence Technologies)> 그래프에 따르면, 음성인식, 자연어 생성, 가상비서, 머신러닝 플랫폼, 인공지능 최적화 하드웨어, 의사결정 관리 시스템 등이 인공지능 시장을 주도하고 있으며 한동안 그 자리를 유지할 것으로 보인다. 그 다음으로 텍스트 분석 및 자연어 처리, 로보틱 프로세스 자동화, 이미지 분석, 바이오메트릭스(지문, 홍채, 음성, 얼굴 등 개인의 고유한 신체 정보를 추출하고 분석하여 개인의 신원을 확인하는 기술), 시맨틱 기술, 딥러닝 플랫폼이 성장하고 있다.

이미 생존 단계에 들어선 음성인식, 시맨틱 기술, 바이오메트릭스, 이미지 및 영상 분석 기술 가운데 음성인식과 이미지 및 영상 분석 기술의 성장 속도가 눈에 띈다. 성장 단계에 있는 기술 중에는 텍스트 분석과 자연어 처리 기술이 빠른 발전 속도를 보이고 있다. 가상비서나 머신러닝 플랫폼, 인공지능 최적화 하드웨어 등의 기술이 다음 단계인 안정 단계로 진입하는 데는 5년에서 10년 정도가 소요될 것으로 보인다. 한편 집단지성과 관련한 인공지능 기술은 상대적으로 시장 영향력이 낮을 것으로 예상된다.

머신러닝의 정의

인공지능 시장을 파악하기 위해 꼭 알아야 할 개념이 바로 머신러닝(machine learning:기계학습)이다. 머신러닝은 주어진 데이터를 분석해 분류하거나, 미래에 새로 들어올 데이터의 결과를 예측하는 일을 컴퓨터가 스스로 최대한 잘 해낼 수 있도록 학습시키는 알고리즘을 뜻한다. 앞 문장에서 머신러닝 설명하기 위해 데이터라는 단어를 두 번이나 썼는데, 그만큼 머신러닝에서 데이터는 결정적인 요소다. 머신러닝 이전의 컴퓨터 시스템들이 주로 인간 전문가의 능력을 컴퓨터로 옮기는 수준에 그쳤다면, 머신러닝은 사람이 아닌 데이터에 기반해 스스로 결과물을 내놓는다. 따라서 우리가 평소 쓰는 계산기는 인공지능 시스템이라고 부를 수 없다.

월드컵 우승팀을 잘 예측하는 인공지능 시스템을 만들기 위해 일단 필요한 것은 각 팀과 선수들의 과거 데이터와 이를 활용한 통계적 수식이다. 여기서 과거 데이터란 월드컵에 출전해 몇 번을 승리했고, 몇 골을 기록했는지 등을 담은 정보다. 각 선수가 어떤 포지션에서 경기당 몇 미터를 달렸으며, 프리킥 찬스에서 골로 연결시켰는지 등 더욱 세밀한 데이터가 있다면 통계적으로 더 정확한 예측 수식을 만들 수 있다. 그리고 이 수식을 시험 데이터에 적용해 얼마나 잘 예측하는지 테스트하게 된다. 개념 원리에서 소개했듯이 머신러닝은 주어진 문제와 데이터에 따라 예측을 할 수 있을 뿐만 아니라 데이터를 분류하거나 그룹을 짓는 등 다양한 방향으로 결론을 내릴 수 있다. 

딥러닝의 정의

학창시절 회귀분석을 배운 사람들이라면 머신러닝의 기본적인 개념을 수월하게 이해할 수 있을 것이다. 반면 딥러닝은 이해하기가 쉽지 않다. 관련 전문가들이 사용하는 용어나 그래프가 생소하고 수식이 난해하기 때문이다. 딥러닝은 인간의 뇌 신경망 구조에 착안하여 만든 머신러닝기법 중 하나로, 단어 그대로 기존 머신러닝 기법들의 한계를 보완해 보다 심도 있는 분석을 시스템 스스로 할 수 있도록 만든 기술이다.

딥러닝 기술을 쉽게 체험할 수 있는 사례로 ‘구글 포토(Google Photo)’나 ‘사진 앱’을 들 수 있다. 이들 앱에 들어가면 사용자가 찍은 사진 속 인물들의 폴더가 자동으로 만들어져 있는 것을 볼 수 있다. 사용자가 사진 속 인물이 누구라고 사전에 지정한 적도 없는데, 자동으로 인식되고 분류된 것이다. 이전의 머신러닝 기법이었다면 각 인물의 특징이 무엇인지 미리 알려줬어야 하지만, 딥러닝을 통해 시스템 스스로 사진 속 인물의 특징을 파악할 수 있게 되었다. 페이스북 등 그 밖의 다른 서비스에도 이와 유사한 기능이 적용 중인 것을 확인할 수 있다. 딥러닝은 이러한 이미지 인식 외에도 음성 및 영상 합성, 자동 번역, 로보틱스, 자율주행차 등 다양한 영역에 걸쳐 폭넓게 적용되고 있다.

인공지능 기반의 최신 비즈니스 전략

가장 진보된 형태의 마케팅 _ IBM과 언더아머(Under Armour)의 만남

현재의 마케팅은 과거의 마케팅과는 현저히 다르다. 다를 뿐만 아니라 새로운 방향으로 진화를 거듭하고 있다. 다수를 대상으로 진행되던 마케팅은 개인 맞춤형으로 바뀌었고, 마케팅 채널도 신문, 잡지, TV 등 오프라인 위주에서 온라인 위주로 바뀌었다. 온라인에서도 이메일과 인터넷 배너 광고 등이 중심이었다면, 이제는 모바일과 영상, 웨어러블기기, 인플루언서 등을 통해 마케팅이 진행되고 있다. 특히 브랜드보다는 가성비와 실용성을 강조하는 밀레니얼 세대의 등장으로 인해, 마케팅에서 브랜드 충성도 같은 측면보다는 제품 자체의 품질과 가격이 더욱 강조되고 있다.

마케팅에 최신 기술이 결합됨에 따라 전략, 집행 방식, 활용 매체 등 마케팅 전반에서 커다란 변화가 이어지고 있다. 이러한 마케팅 테크놀로지의 발전은 곧 마케팅 담당자가 끊임없이 변화하는 시장과 관련 기술에 주의를 기울여야 한다는 것을 의미하기도 한다. 특히 4차 산업혁명을 대변하는 여러 기술 중에서도 가장 핵심은 바로 인공지능이다. 방대한 양의 데이터를 빠르게 분석하고 유의미한 패턴을 찾아내는 인공지능은 마케팅 전략을 수립하는 데 있어 필수불가결한 존재로 자리매김해가고 있다.

인공지능 마케팅의 파괴적 진화

최근 인공지능 기반의 마케팅이 가장 많이 활용되는 온라인 플랫폼으로는 구글과 페이스북, 인스타그램 등이 있다. 사용자에 따라 각기 다른 광고가 노출되며, 조회 수가 비교적 높고 타깃 사용자 도달률이 일정 수준 보장되기 때문에 많은 마케팅 담당자가 페이스북과 구글 광고를 중심으로 마케팅 전략을 세우고 실행하고 있다.

광고 디자인뿐만 아니라 광고 카피를 작성해주는 인공지능 카피라이터도 있다. 퍼사도 Persado는 인공지능 카피라이팅 플랫폼이다. 퍼사도는 마케팅 담당자들이 주로 쓰는 문장, 단어들과 기준 카피에 대한 소비자들의 감정을 분석하고 타깃의 연령ㆍ취향ㆍ감정에 맞게 조합하여 광고 카피를 작성한다. 퍼사도를 소개하는 영상에서 퍼사도는 “뭐해? 오늘 저녁에 만날래?”라는 데이팅 메시지를 “오늘 공원에 가기 참 좋은 날이다. 그치?”로 바꿨다. “4시 30분입니다. 처방된 약을 복용하세요”라는 메시지는 “찰스 씨, 약 먹을 시간입니다. 당신의 가족은 당신이 건강하기를 바랍니다”로 바꿔 노출했다. 그 결과 퍼사도를 통해 노출된 광고 반응률이 기존 대비 80~110% 증가했고, 퍼사도 솔루션은 골드만삭스로부터 3,000만 달러(약 300억 원)를 투자 받았다.

온라인뿐만 아니라, 오프라인에서도 인공지능 마케팅이 가능하다. 영국에서 개발된 디지털 사이니지signage 광고판은 광고를 본 행인들이 해당 광고에 머무는 시간, 표정, 시선 등을 데이터로 수집해 분석한다. 이를 토대로 반응이 좋지 않은 광고는 내리고, 가장 반응이 좋은 광고만 노출한다. 인공지능을 통해 실시간 데이터 수집과 분석을 해낼 수 있기 때문에 이러한 방식의 마케팅이 가능하다.

국내에서는 신세계가 자체 개발한 인공지능 ‘S마인드’를 활용하여 고객 맞춤형 마케팅을 하고 있다. S마인드는 온오프라인 신세계 백화점에서 구매 이력이 있는 고객의 정보를 바탕으로, 고객이 취향에 맞는 브랜드를 분석하고, 개인별 선호 브랜드에 맞는 쇼핑 정보와 할인 정보를 취합해 모바일 애플리케이션을 통해 제공한다.

인공지능 마케팅을 가장 활발하게 펼치고 있는 분야는 금융업계다. 삼성카드와 국민카드 같은 신용카드사는 인공지능을 통해 카드 결제 승인 데이터를 분석한 후 실시간으로 모니터링하며 고객의 행동 시점에 고객 니즈에 적합한 혜택을 실시간으로 제공한다. 이러한 마케팅은 마케팅 담당자가 실시간으로 모니터링하는 방식이 아니라 인공지능이 고객의 카드 사용 내역을 학습하고 분석한 내용을 기반으로 진행된다. 또한 인공지능을 통해 고객 상담 내역을 데이터로 수집한 후 상담 유형과 고객의 니즈를 분석해내는 작업을 할 수 있다. 고객이 불편하게 여기는 부분을 제대로 분석하면 반대로 카드 상품 개발과 마케팅에 큰 도움이 되기 때문이다.

인공지능 마케팅의 장단점

앞서 언급한 사례와 같이 인공지능을 마케팅에 활용하면 긍정적인 측면이 많다. 먼저 고객을 분석하고 세분화하는 시간이 절약되며 더 상세하게 분류할 수 있다. 인공지능이 활용되기 전에는 고객을 파악하기 위한 즉각적인 데이터 수집이 불가능했고, 고객 세분화 작업에 큰 비용과 시간을 들여야 했다. 다행히도 인공지능을 활용하면서 고객을 분석하는 데 드는 시간이 대폭 줄었고, 더 정확한 예측을 할 수 있게 되었으며, 개개인에게 맞는 마케팅이 가능해졌다.

그러나 이러한 인공지능 마케팅에도 부정적인 측면은 존재한다. 마케팅 용도로 활용하는 챗봇이나 음성인식 기술을 사람들이 모두 좋아한다고 볼 수는 없다. 물론 대화하는 대상이 인공지능이나 로봇이라고 느껴지지 않을 만큼 시스템을 정교하게 만들 수 있겠지만, 최신 기술에 익숙하지 않은 사람들은 이를 불편하게 여길 수 있다.

인공지능이라는 단어 자체를 활용한 마케팅 방식에도 문제가 제기되고 있다. 실제로 인공지능 기반 기술이 적용되지 않았음에도 불구하고‘인공지능’이라는 단어를 활용해 과장 혹은 허위로 마케팅을 펼치는 사례가 있다. 대외적으로는 인공지능을 활용해 보다 혁신적이고 새로운 방식의 마케팅을 하는 것으로 널리 알려져 있지만, 알고 보면 사람이 일일이 수작업으로 처리하고 있는 웃지 못할 경우도 있다.

인공지능의 알고리즘이 항상 옳은 것도 아니다. 수학적으로 설계된 인공지능의 알고리즘이 잘못될 확률은 낮지만, 알고리즘이 제대로 기능하지 않을 수 있다. 게다가 인간 역시 인공지능과 마찬가지로 끊임없이 진화하고 변화한다. 알고리즘이 아무리 잘 설계되었다 해도, 경제 위기나 자연재해 같은 외부적인 요인과 사회적 분위기에 따라 급격하게 변할 수 있는 인간의 감정과 생각, 행동 등에 대해 모두 적절하게 대응할 수는 없다.

더 효과적인 인공지능 마케팅을 위해서는 더 많은 소비자 데이터가 필요하다. 인공지능이 소비자 관련 데이터를 더 풍부하게 학습하고 분석할수록 더 정교하고 예측도 높은 개인화 추천, 마케팅이 가능하기 때문이다. 그런데 이때, 방대한 소비자 데이터에 민감한 개인정보가 포함되어 있다던가, 불필요하거나 적합하지 않은 정보가 활용되는 경우 등의 문제가 발행할 수 있다.  

글로벌 인공지능 시대를 대비하라

영향력에 비례하는 인공지능의 리스크 _ 인공지능, 믿을 수 있을까?

버락 오바마 전 미국 대통령이 나와 연설을 하는 특정 동영상이 큰 화제가 된 적이 있다. 이 동영상이 이슈가 된 이유는 영상 속 오바마 전 대통령이 후임자인 트럼프 대통령을 겨냥해 욕설과 비속어가 섞인 표현을 거침없이 했기 때문이었다. 물론 이 동영상은 나중에 가짜로 판명되었다. 문제가 된 동영상은 딥러닝을 기반으로 한 ‘딥페이크 Deep Fake’라는 기술로 만들어졌다. 제작자가 합성 프로그램을 이용해 특정인의 표정, 동작, 억양, 목소리, 행동 패턴, 버릇 등을 성대모사 하듯 모두 익히고 촬영을 한 후 이를 특정인의 기존 영상에 프레임 단위로 1:1 매칭시켜 덧입히는 것이다. 문제는 이러한 동영상이 늘어날 경우, 수많은 사람들이 피해를 볼 수 있어 향후 사회 문제로까지 번질 수 있다는 점이다.

대부분의 사람들은 인공지능 기술, 그리고 그와 관련된 비즈니스가 가져다줄 편리함과 효율성에 대해 대체로 긍정적인 인식과 기대감을 갖고 있다. 하지만 그와 동시에, 인공지능 기술과 이를 이용한 비즈니스는 우리에게 악영향 또한 미칠 수 있음을 생각해볼 필요가 있다. 인공지능 기술과 비즈니스가 점차 확대될 것으로 예상되지만, 그 효용 가치만큼이나 우리 생활에 미치는 위험 혹은 부작용 또한 만만치 않을 수 있다.

과연 데이터를 신뢰할 수 있는가?

사람이 교육과 배움을 통해서 더 똑똑해지듯이, 인공지능도 ‘데이터’를 통해 인간의 지능처럼 고도화될 수 있도록 훈련된다. 이를테면 데이터는 인공지능에게 있어 ‘배움을 위한 교과서’라고 할 수 있다. 데이터의 종류는 그 내용과 형태에 따라 다양하며 폭넓게 존재한다. 문제는 인공지능 기술의 기본 바탕이 되는 데이터 자체에 오기 혹은 오류가 있을 수 있다는 점이다.

특히 의료 분야에서 사용되는 빅데이터는 환자의 건강과 생명에 직결되어 있기에 데이터의 신뢰성 확보가 필수적이다. 신뢰도가 낮은 데이터를 기반으로 한 분석은 왜곡된 결과를 초래해 환자에게 잘못된 진단과 처방을 내릴 수 있다. 최근 들어 딥러닝 알고리즘을 통해 훈련된 인공지능이 접목된 의료 기술이 각광받고 있지만, 사실 그 밑바탕이 되는 의료 관련 빅데이터의 신뢰성을 판단할 수 있는 기준은 표준화되어 있지 않은 것이 현실이다. 아무리 연구 목적으로 사용된다 하더라도 환자 데이터 자체가 민감한 개인정보를 담고 있는 까닭에 대부분의 병원에서는 환자 데이터의 유효성 및 신뢰성 검증, 더 나아가 데이터 기반 의료 활동에 소극적인 모습을 보인다. 이는 의료 관련 빅데이터 표준화 및 신뢰성 문제에 있어 큰 걸림돌 중 하나다.

인공지능 의사로 불리는 IBM 왓슨의 경우도 이와 비슷한 맥락의 고민을 안고 있는 것으로 보인다. 왓슨을 도입한 국내 병원들은 왓슨이 내놓는 진단이 의사의 소견과 상당 부분 일치할 뿐만 아니라, 설문조사 결과 환자들의 만족도도 대체로 높아 긍정적인 효과를 거두고 있다고 밝힌 바 있다. 하지만 IBM은 “의사가 환자 정보를 정확히 입력해야만 더 정확한 치료법이 나온다”라고 말한다. 이는 결국 누군가가 빅데이터의 신뢰성을 높이기 위해 많은 사례를 직접 관리해야만 한다는 결론에 도달하게 된다. 환자 데이터의 형태와 종류가 다양하고 그마저 병원 시스템에 분산되어 있는 경우가 대부분이라 데이터들을 표준화된 형태로 모으는 일은 상당히 고된 일이다. 하지만 인공지능을 이용해 좀 더 최적화된 결과를 내기 위해서는 꼭 필요한 과정이기에 많은 기관들이 시간이 걸리더라도 데이터 수집과 관리에 박차를 가하고 있다.

인공지능 시대와 정부의 역할 _ 미국 하원의 인공지능 관련 보고서

민간 기업들이 인공지능 기술 개발과 비즈니스 개발에 막대한 투자를 하는 것과는 별개로, 세계 각국의 정부들은 경쟁에서 우위를 점하거나 인공지능이 가져올 미래의 변화에 뒤쳐지지 않기 위해, 더 나아가 인공지능 기술이 향후 초래할 수 있는 부작용에 미리 대비하기 위해 국가적 정책을 수립하고 연구개발 예산을 투입하고 있다.

인공지능 기술 개발에 대한 투자 못지않게 정부가 중요하게 다뤄야 할 사안은 인공지능이 초래할 수 있는 급작스러운 정치ㆍ사회적 혼돈이나 부작용을 미리 예측하고, 그 과정에서 소외될 수밖에 없는 사회 구성원에 대한 정책을 마련하는 것이다. 치열하게 인공지능 기술 개발 레이스를 펼치는 선진국 정부들이 이런 부분에 얼마나 신경을 쓰고 있으며, 어떤 정책들을 수립하고 시행하고 있는지 살펴보는 것 또한 의미 있을 것이다.

각국 정부의 인공지능 기술 지원 현황

* 미국

<국가 인공지능 연구개발 전략 계획>에 의하면, 미국 정부는 2015년에 이미 인공지능 관련 연구개발 프로젝트에 11억 달러(약 1조 2,000억 원)를 투자했다. 2018년 9월에는 미 국방고등연구계획국 DARPA이 향후 5년간 인공지능 연구개발에 20억 달러(약 2조 2,000억 원)의 예산을 투자할 것이라고 발표했는데, 당장 사용할 수 있는 인공지능 기술은 미국 기업들이 주도하고 있으므로 미국 정부는 10년 혹은 20년 후를 내다보는 이른바 문샷 Moonshot 연구를 통해 지속적으로 인공지능 분야의 리더 자리를 지키고자 하는 것으로 해석할 수 있다.

현재까지는 미국이 인공지능 분야에서 리더의 자리를 차지하는 것으로 보고되고 있지만, 최근 들어 인공지능 기술 수준 및 비즈니스 규모에서 급격하게 성장하고 있는 중국의 추격이 만만치 않다. 중국의 인공지능 관련 연구개발 예산은 2000년에서 2015년 사이에 약 200% 증가했으며, 2019년을 기점으로 양국의 연구개발 예산 규모가 역전될 것이라는 전망도 나오고 있기 때문이다.

* 중국

중국은 미국이나 영국에 비해 인공지능 분야에 늦게 뛰어들었지만, 최근 수년간 인공지능 분야 인재들을 적극 영입해왔고, 머신러닝에 있어 가장 중요한 ‘방대한 양의 데이터’를 확보할 수 있다는 장점을 바탕으로 무서운 속도로 미국을 추격하고 있다. 2017년 7월 중국 정부는 차세대 인공지능 개발 계획 A Next Generation Artificial Intelligence Development Plan을 통해 인공지능의 이론, 기술, 응용에 있어 세계 최고가 되겠다는 야심을 드러냈다.

중국 정부는 2025년까지 몇몇 인공지능 분야를 세계 최고 수준으로 끌어올리고, 2030년에는 인공지능 비즈니스 혁신의 중심이 되겠다는 청사진을 제시했다. 이를 위해 중국 정부는 수도 베이징에 21억 달러(2조 4,000억 원)를 들여 인공지능 기술 단지 AI District를 설립할 계획임을 밝혔다.

* 한국

한국 정부 역시 이러한 인공지능 분야의 흐름에 동참하기 위해 2018년 ‘I-Korea 4.0 실현을 위한 인공지능 R&D 전략’을 발표했다. 2018년부터 2022년까지 약 2조 2,000억 원의 투자를 통해 한국 인공지능 기술 역량을 대도약시키고, 인공지능을 통해 4차 산업혁명 시대의 성장 동력을 확충하는 것을 목표로 하고 있다. 한국 정부는 이 전략을 바탕으로 4년 동안 1)세계적 수준의 인공지능 기술을 확보하고, 2)인공지능 분야의 우수 인재를 양성하고 확보하며, 3)개방 협력형 연구 인프라를 조성할 계획이다.

또한 인공지능 고급 인재를 양성하고 확보하기 위해 2022년까지 인공지능 대학원 신설을 추진하고, 글로벌 전문가 영입과 산학협력을 통해 2022년까지 1,400명 규모의 인공지능 인력을 양성할 계획임을 밝혔다. 

미국, 중국, 한국 정부뿐 아니라 영국, 캐나다. EU 등도 인공지능 분야에서 미국과 중국을 따라잡기 위해 연구소를 설립하고 연구개발 예산을 확충하고 있다. 한국이나 중국의 경우와는 달리, 미국은 2022년까지 어떤 수치를 달성하겠다는 목표를 세우기보다는 지금 당장 상용화 가능한 기술을 넘어 그 이상의 기술을 내다보고 있다. 어느 방식이 옳다 그르다를 따지기보다는 현재 인공지능 분야에서 ‘선도적 위치’에 있는 정부와 ‘추격자 위치’에 있는 정부의 입장 차이에서 비롯된 상황이라고 이해하면 될 것이다.

* * *

본 도서 정보는 우수 도서 홍보를 위해 저작권자로부터 정식인가를 얻어 도서의 내용 일부를 발췌 요약한 것으로, 저작권법에 의하여 저작권자의 정식인가 없이 무단전재, 무단복제 및 전송을 할 수 없으며, 원본 도서의 모든 출판권과 전송권은 저작권자에게 있음을 알려드립니다.