[눈 떠보니 선진국], 박태웅, 한빛비즈, 2021, (220323)

머리말 : 대한민국은 정말 선진국이 된 것일까

 

제1부 선진국의 조건

 

눈을 떠 보니 선진국이 되어 있었다

 

1. 정의하는 사회 - 백서보다 녹서를?

 

사회 전체가 앞으로 어느 방향으로 나아가야 할지를 어떻게 토론으로 합의하고, 이슈들에 대해 전 사회의 중지를 모으고 나면, 그것을 추진하는 데 얼마만큼의 동력이 실릴지를 쉽게 예상할 수 있다. 선진국이 된다는 것은 '정의'를 내린다는 것이다. 앞보다 뒤에 훨씬 많은 나라가 있는 상태, 베낄 선례가 점점 줄어들 때 선진국이 된다. 

 

2. 데이터 기반의 사회 - 숫자가 말을 하게 해야 한다

 

미국은 데이터법에 아예 포맷을 못박고 있다. 예를 들어 백악관의 관리예산처는 반드시 하나의 통일된 데이터 형식, 즉 '스키마'를 유지관리하여 모든 연방 지출 보고서를 구조화할 것을 법령으로 의무화하고 있다. '데이터법 정보모델 스키마(DATA Act Information Model Schema : DAIMS)'라고 불리는 이것은 쉽게 말해 정부 예산 보고서를 기계가 읽을 수 있도록 하는 표준 포맷이다. 정부가 공개하는 데이터는 '기계가 읽을 수 있어야 한다(Machine readable)'는 원칙을 법으로 구현한 것이다. 한국 정부는 데이터가 4차산업혁명시대의 원유라고 한다. 디지털 혁신의 캐치프레이즈도 D.N.A.(데이터, 네트워크, 인공지능)다. 한 해에만 558조가 넘는 돈을 쓰는, 한국경제에서 가장 큰 단일 주체인 저웁가 먼저 '데이터에 기반한' 정책을 펴는 게 D.N.A.가 성공하는 첩경이 될 것이다. 이런 일들을 총괄하는 정부의 CIO(최고정보책임자)와 CDO(최고데이터책임자)가 있으면 범부처의 일들을 더욱 전문적으로 처리할 수가 있다. 미국은 일찌감치 연방 CIO와 CDO를 두고 있다. 대한민국 정부 내에 소프트웨어와 IT에 대한 이해가 깊은 CIO와 CDO들이 있어서 각 부처의 데이터 처리를 기술적으로 잘 맡아주었더라면 기획재정부가 한 해 예산을 PDF에 담아 발표하는 안타까운 일도 없었을 것이다. 

 

3. 중산층이 두터운 사회 - 목표를 바꿔야 한다

 

4. 협상하는 사회 - 딜을 가르쳐야 한다

 

도덕적 개인은 가르치되, 합리적인 시민을 가르치지 않는 것, 신독(남이 보지 않는 곳에 혼자 있을 때에도 도리에 어긋나지 않도록 조심하여 말과 행동을 삼감)하되 협업하지 않는 것, 현대 한국 사회의 공교육이 높치고 있는 부분이다. 공교육을 대학까지 정상적으로 다 마쳐도 계약서 한 장을 제대로 못 쓰고, 취업을 위해 애는 쓰지만 노동법은 읽어본 적도 없고, 딜은 영화에서나 본 적이 있는 교육은 명백히 고장이나 있다. 사람과 사람이 뉴런처럼 촘촘히 연결된 초연결의 사회에서 이런 결점은 치명적인 걸림돌이다. 

 

신뢰자본을 제대로 쓸 때다?

 

서울대 김병연 교수에 따르면 한 사회의 사람과 사람 간의 믿음이 10% 올라가면 GDP가 0.8%나 올라간다고 한다. 2020년 추정 GDP가 1,898조193억 원이니까, 0.8%면 15조쯤이 된다. 많은 박사와 고급 연구원들은 지금도 연구를 하는 대신에 영수증에 풀칠을 하느라 숱한 시간을 보내고 있다. 더 놀라운 건 이렇게 꼼꼼하게 관리를 하는데 정작 연구성공률은 매년 93~97% 이상이다. 정부가 민간에 연구비를 언제 지원하게 되는지를 생각해보면 이건 아주 이상한 일이다. ○ 산업 발전에 대단히 중요한 분야인데 우리가 아주 초보 단계에 있을 때. ○ 성공 확률이 낮아서 민간에서 투자하기가 적절하지 않을 때. ○ 연구비가 워낙 많이 들어가는 일이라 민간기업만으로는 엄두가 나지 않을 때. 이런 경우가 될 것이다. 셋 다 성공률이 상당히 낮을 거라는 건 쉽게 짐작할 수 있다. 그런데 연구과제의 97%가 성공을 하는 것은 문제가 있다는 것을 알 수 있다. 또 다른 예를 보자. 가령 인공지능과 관련하여 하나의 연구주제에 예산을 잡으려면 기획재정부의 예비타당성조사를 포함해 2년이 걸린다. 그런데 IT쪽에선 이렇게 시간이 걸리면 막상 2년 뒤쯤에는 실효성이 사라진 경우가 많다. 이미 낡은 주제가 되어 있을 가능성이 크다는 것이다. 그러나 과제는 처음에 정한 대로 가야 한다. 예산서에 그렇게 되어 있기 때문이다. 이미 망한 연구를 시작하는 것이다. 

 

참된 선진국의 조건, 뉴런의 자유결합?

 

셰익스피어가 필요한 때?

제2부 고장난 한국 사회?

 

물은 땅이 패인 모양을 따라 흐른다? - 한국 사회의 고장난 인센티브 시스템

 

AI 시대의 교육 - 한국 교육의 치명적인 3가지 결핍

 

프로그래밍 작업의 90% 이상은 협업으로 이뤄진다. 따라서 '경청하기'와 '논리적으로 말하기'는 AI에 필수적인 역량이 된다. 문제를 의식하고 되짚어 중요한 오류를 찾는 것(디버깅 debugging), 상대의 요구를 듣고 관찰해 세밀하게 이해하는 것(사항명세 Requirement Specification), 있을 수 있는 경우를 생각해 그려보는 것(사용자 시나리오 User Scenario), 반복되는 일들에서 공통점을 찾아내느 것(알고리즘 Algorithm)들을 할 수 있는 능력을 길러주는 게 말하자면 AI 교육의 핵심이 된다. 

 

경로의 저주 - 사람이 길을 만들고, 길이 사람을 만든다 

 

3개의 질문

 

코로나 시대의 재정 정책

'통화유통속도'은 시중에 "돈이 얼마나 빨리 도는가?"하는 것이다. 명목총생산을 통화로 나눈 값이다. 총통화 유통속도는 2004년 0.98에서 2018년 0.72로 계속해서 떨어지고 있다. 우리나라의 유통속도 하락률은 -3.5%로 OECD 16개국 중 가장 폭이 컸다. '통화승수'라는 것도 있다. 중앙은행이 화폐 1원을 발행했을 때 몇 배의 통화량을 창출하는지를 보여주는 지표다. 본원통화를 시중통화향으로 나눠 계산한다. 우리나라의 통화승수는 지난 2010년까지 24 수준이었지만 이후 지속적으로 하향곡선을 그리면서 2020년 12월 16.83까지 떨어진 상황이다. 역시 돈이 잘 돌지 않고 있다는 뜻이다. 통화승수와 통화유통속도가 계속 떨어지고 있다는 것은 중앙은행의 통화 정책이 점점 실효성을 잃고 있다는 것을 의미한다. 실제로 기준금리를 역대 최저치인 0.75%까지 떨어트렸지만, 돈은 부동산과 단기성 금융상품으로 몰리고 있다. 금리, 즉 돈값을 떨어트려도 그게 투자나 소비로는 좀체 이어지지 않고 있다는 것이다. 

 

돈과 관련해서 정부가 쓸 수 있는 정책으로는 '통화 정책'과 '재정 정책'이 있다. 통화 정책은 아주 간략히 말해서 시중의 통화의 양을 조절해서 경기에 대응하는 것이다. 돈을 많이 풀면 금리가 낮아지고, 그래서 대출이 많이 일어나고 그게 투자와 소비를 활성화한다는 것이다. 반대의 경우에는 시중에 도는 돈을 회수한다. 재정 정책은 정부가 직접 돈을 집행해서 수요를 만들어 경기에 대응하는 것이다. 경기가 과열이 될 때는 정부가 돈을 덜 쓰거나 세금을 더 많이 걷고, 경기가 나쁘면 재정을 풀어 수요를 늘려 경기를 좋게 한다는 것이다. 통화 정책은 조금씩 실효성이 줄어들고 있다. 비단 우리나라만 그런 게 아니다. 미국 연방준비제도 의장을 지낸 벤 버냉키도 통화 정책의 한계를 말하고 있다. 2021년 1월 4일 전미경제학회 '새로운 통화 정책 수단'이라는 제목의 특별 강연에서 그는 "성장률이 낮고 인플레이션과 금리도 낮은 상황에서 통화 정책의 대응 능력은 제한적일 수밖에 없다"라고 토로했다. 버냉키는 중앙은행이 공급하는 유동성의 일부를 재정 지출이나 감세 재원으로 활용하여 실물 경기를 직접 자극하는 것이 가능하다는 견해도 밝힌 바 있다. 스탠리 피셔, 그레고리 맨큐 등 주류 경제학자들도 최근에는 '직접 지원'을 강조하고 있다. 

 

재정 정책의 집행에 관해서는 아래와 같은 네 가지를 기준으로 삼을 만하다고 생각한다. ① 미래를 대비할 수 있는 일이어야 한다. ② 일회성에 그치기보다는 인프라 또는 지속적인 수요 창출이 될 수 있는 일이 좋다. ③ 일자리가 많이 생긱는 일이 좋다. ④ 중소기업이 투입되는 일이 좋다. 

 

제3부 AI의 시대

과학기술정보통신부장관께

In the age of AI

 

AI와 알고리듬의 작동원리

 

구글 포토가 흑인 사진을 '고릴라'로 태깅해 인종차별 논란을 낳은 경우도 있다. 구글은 곧바로 "매우 잘못된 일"이라고 사과하고 수정을 약속했다. 하지만 구글은 이 기능을 제대로 수정하지 못했다. 이 알고리즘은 주로 백인들 사진을 대상으로 안면인식을 학습해왔기 때문이었다. <와이어드>에서 1만장이 넘는 다양한 인종의 얼굴 사진을 올린 다음 흑인을 지정하는 'African American'을 입력하자, 결과는 풀 먹는 영양 사진 한 장 만 나올 뿐이었다. 이런 사례들은 인공지능과 알고리즘이 안고 있는 잠재적 위험을 잘 보여준다. 입력한 데이터가 적절하지 않으면 결과값은 언제든 오염된 형태로 나타날 수밖에 없는데, 그 이유를 알고리즘을 만든 사람조차 알 수 없을 때가 많다. 

 

AI가 사회에 미칠 영향이 막대하기 때문에, 그 숨겨진 편향과 불공정의 위험도 대단히 엄중하게 다뤄져야 한다. 관련해서 EU는 2021년 4월 21일 인공지능 영역을 규율하기 위한 법안을 발표했다. 위험도가 특히 높기 때문에 금지되는 기술은 다음의 네 가지 유형이다. ① 사람이 의식하지 못하는 사이에 사람의 행동양식에 왜곡을 가져오거나 피해를 초래할 수 있는 인공지능 시스템. ② 나이, 신체적 장애, 정신적 장애 등 특정 집단에 속하는 사람의 취약점을 이용해 이들이나 제3자에게 해를 끼칠 우려가 있는 인공지능 시스템. ③ 개인의 사회적 행동양식이다 속성에 기초해 사회적 신뢰도 등에 대해 공공기관기 점수화하고 이로부터 부당한 불이익이 발생할 수 있는 유형의 인공지능 시스템. ④ 공공장소에서 법집행을 목적으로 실시간 원격 생체정보 식별을 하는 인공지능 시스템 중 납치, 테러, 범죄자 확보 등 법에서 허용하는 예외 상황에 해당하지 않는 경우. 금지되지 않지만 위험도가 높은 것으로 분류되는 인공지능도 있다. ○ 생체정보를 이용한 식별 및 유형화. ○ 교통이나 전기 등 중요한 사회적 인프라 관리. ○ 교육 및 직업훈련, 고용 및 인사 관리, 신용도 평가 등 주요 사적 및 공적 서비스. ○ 법집행, 이민, 사법 및 민주적 절차 등 여러 인공지능 기술이 포함된다. 

 

미국은 주로 연방거래위원회에서 지침을 내놓고 있다. 역시 2021년 4월 19일 '기업이 인공지능 기술을 개발하는 과정에서 어떻게 진실성, 공정성, 형평성을 추구해야 할 것인지'에 관한 지침을 게시했다. 이번 지침에는 다음 사항들의 중요성이 강조됐다. ○ 인공지능 모형의 개발에 이용되는 데이터셋 자체의 편향을 최소화하기 위한 노력. ○ 인공지능 모형을 적용한 결과 불공정하거나 차별적 상화잉 발생하지는 않는지에 대한 모니터링. ○ 투명성과 개방성의 확보. ○ 개별 기업이 자신의 인공지능 기술이 공정하다거나 편향이 없는 결과를 가져온다는 식의 과장된 언급을 함부로 하지 않도록 주의. ○ 이용자의 데이터를 이용할 경우 용도에 관한 명확한 고지. ○ 인종이나 성별 등이 고려된 맞춤형 광고를 제공할 경우 부당한 차별이 초래될 가능성에 유의. ○ 문제가 발생하면 책임을 질 준비를 할 것 등이다.   

 

기계가 읽을 수 있어야 한다 - 데이터 공개의 제 1원칙

 

모든 로 데이터를 다 공개하기는 현실적으로 어려울 것이다. ① 자주 요청을 받는 데이토는 로 데이터로 제공을 한다. ② 한 번이라도 제공한 적이 있는 로 데이터는 특별한 사정이 없는 한 전체 공개한다. ③ 로 데이터를 제공 받아 정제해서 연구에 사용한 기관/사람은 정제한 데이터를 전체 공개로 다시 제공해야 한다. 

 

컴퓨팅적 사고능력의 시대 - 소프트웨어가 세상을 집어삼키고 있다

 

컴퓨팅적 사고(Computational Thinking)는 정답이 정해지지 않은 문제에 대한 해답을 일반화하는 과정이다. 정답이 정해지지 않은 문제는 다양한 변수에 기반한 포괄적이며 유의미한 해당도출이 필요한데, 컴퓨팅 사고를 통해서 발견한 문제 분해, 자료 표현, 일반화, 모형, 알고리듬이 필요하다. 먼저 발생한 문제를 구조화한 후, 그게 맞는 알고리듬을 도입해을 도입해 단계별로 문제를 해결해 나간다면 컴퓨팅적 사고로 문제를 해결했다고 할 수 있다. 아해 4가지 절차를 거친다면 이것은 컴퓨팅적 사고라고 할 수 있다. ○ 분해 : 자료, 과정, 문제를 작고 다룰 수 있는 부분으로 나누기. ○ 패턴 인식 : 데이터 안에 있는 패턴, 동향, 규칙들을 관찰하기. ○ 추상화 : 이 같은 패턴들을 만드는 일반 원칙 정하기. ○ 알고리듬 설계 : 이 문제나 유사한 문제를 풀기 위한 단계적 방법 만들기. 요약하면 컴퓨팅적 사고능력은 문제를 해결하는 능력, 그 중에서도 단답형이 아니라. '정답이 정해지지 않은' 문제를 해결하는 능력이다. 

 

문제는 생태계다 - 한국 소프트웨어 산업의 쇠락의 원인들

 

네트워크의 시대, 암호의 시대

 

멈출 수 없다