최근에 읽은 기술 관련 서적에서 가능 흥미로운 책입니다. 산책을 하면서 재미있게 듣고 그리고 읽고 정리한 책입니다. 김국현님은 한국마이크로소프트에 계시기 전부터 글과 그림, 컬럼으로 너무나 재미있게 읽고 본 분입니다. ㅎㅎ 개인적인 친분은 없지만 쓰신 글과 그림들은 참 멋지고 좋습니다. "자바 2명 타! " 이런 IT인력시장의 그림으로도 유명하신 분입니다.
--------------
"기술이 미래 부의 지도를 바꾼다!"
테크놀로지를 안내하는 마음으로 지도를 그렸습니다.
일과 생활에서 불확실성이 늘어나버린 시대, 세계화의 인구 변화에 기후 변화에, 여기에 다시 극단적 정보화와 같은 기술 변화까지, 게다가 최근의 코로나19 팬데믹까지 더해지니 참으로 가혹한 시절입니다.
"기술은 항상 승리할 것입니다. 법의 간섭으로 기술을 지연시킬 수는 있지만, 기술은 법이 쳐놓은 장벽을 돌아 흐를 것입니다." 앤드루 그로브
IT의 비용은 막무가내로 저렴해지고 있으며, 그 결과 모든 산업의 리더는 소프트웨어 기업이 되어버린다는 것이었습니다.
기술이 '미래 부의 지도'를 바꾼다.
코로나19 팬데믹 직후, 혼돈 속에서 자본시장을 구원한 것은 대형 기술주였습니다. 그리고 비트코인 등 암호화폐는 아찔할 만큼의 낙폭ㄹ을 보이면서도 동시에 '말도 안되는 수준'의 상승세도 보였습니다. 각국에서 풀어버린 유동성은 큰 의미에서 보면 기술 관련 분야가 흡수하고 있었던 셈입니다.
그런 의미에서 기술은 누군가에게 부를 가져다주고 있다고 말할 수도 있겠네요.
1)생산수단의 민주화가 개인 단위에서 완성됨
2)변화의 가속도가 빠르고, 그 파급력이 전방위적임
골방이나 창고에서 만들어낸 가상세계가 현실을 금세 장악할 수도 있습니다. 우리가 의존하는 수많은 온라인 서비스들은 모두 그렇게 시작되었습니다. 흥미로운 점은 혁신의 도구가 모두의 책상 위, 무릎 위, 주머니 속에 찾아오면서 우리의 삶을 구성하는 많은 요소에 영향을 마치기 시작했다는 것입니다.
2021년 신생아 수가 1971년 신생아 수보다 1/4로 줄어들었으니까요. 불과 50년만에 벌어진 일입니다.
사람들은 자기의 시간을 들여서 만든 '코드'를 오픈소스로 무료 공개합니다. 왜 그럴까요? 돈을 얼마 버는 것보다도 자신이 기여한 사실을 알리는 방향이 더 큰 가치가 있었기 때문입니다.
우리는 이미 기술 중심의 세상에서 살고 있습니다.
10년이 걸려도 힘든 도약이 단 1년만에 이뤄졌다고 입을 모으고 있습니다. 바로 코로나19팬데믹 때문입니다. 기술이 미래를 바꿀 수 있다는 가능성을 보여준 상황이지요. 팬데믹의 영향으로 재택근무나 원격 교육 등이 활발해지면서 새로운 기술이 일상생활을 변화시켰습니다.
우리는 삶의 상당 부분을 일터에서 소진합니다. 이 일터도 변했습니다. 굳이 한곳에 모여서 일하지 않아도 됩니다. 원격회의와 재택근무를 적절히 조합함으로써 생산성이 높았다고 털어놓는 기업도 적지 않습니다. 디지털에 익숙한 기업들, 특히 빅테크 기업 및 스타트업 회사중에는 재택근무가 끝나고도 회사로 출근하는 일정을 늦추거나 트위터, 네이버 라인처럼 원격 근무를 선언하기도 했습니다.
디지털 리터러시에 따라 가격은 차별화되고요. 속을 들춰보니 어쩐지 마음이 상합니다.
(디지털 문해력을 뜻합니다. 디지털 세계를 접하면서 필요한 정보를 얻고, 나아가 비판적으로 이해하고 활용하며 스스로 생산까지 할 수 있는 개인의 능력을 뜻합니다.)
그런데 팬데믹 종료후에 일상이 어느 정도로 과거로 되돌아갈 수 있을지는 생각해볼 문제입니다. 우리는 이미 다른 가능성을 목격했고, 한번 본 이상 계속 생각이 날 테니까요.
모여 있다고 해서 생산성이 발휘되는 것도 아니라는 사실을 느꼈습니다. 온라인 쇼핑이 때로는 더 싸고 편한 방법이라는 것, 교육이 교실이 아닌 온라인으로도 가능하다는 것을 익혔습니다.
세상을 뒤흔드는 디지털 기술들은 사실 알고리즘의 승리에서 기인합니다. 구글이 세상의 온갖 정보를 정리해서 순식간에 찾아주는 것도 그들이 고안해낸 검색순위 알고르짐덕입니다. 유튜브를 한번 보기 시작하면 빠져들어서 헤어나오지 못하게 만드는 것도 그들의 추천 알고리즘 덕입니다. 페이스북의 광고가 집요한 것도 알고리즘 덕이지요.
시장에 넘쳐나는 범용 부품을 모아 뭐든지 뚝딱 만들어내는 일은 21세기 공업의 특기가 되고 있습니다. 그렇게 모인 보통 부품들을 특별한 제품으로 만들어내기 위한 비장의 묘약이 누구에게나 있기 때문입니다.
그런데 이래서야 너무 복잡하니, 방대한 데이터를 보여주며 기계를 학습시키기도 합니다.
인공지능 개발을 위한 노력이 다각도로 이루어지고 있는 가운데, 사람의경험을 하나하나 풀어서 컴퓨터도 이해할 수 있는 규칙으로 만들어가는 방법이 있습니다. 이를 '규칙기반(Rule Based)'이라 하고, 이러한 연구의 흐름을 기호주의라고 합니다. 인간의 지능과 지식을 기호로 차근차근 정리해 나갔으니까요.
'데이터를 그냥 그대로 던져주고, 기계 스스로 학습하게 하자'라는 식의 아이디어가 바로 기계학습입니다.
실은 날것 그대로 던져줄 수는 없고 기계가 소화할 수 있도록 형식을 맞춰줘야 합니다. 이를 전처리라고 하는데, 손이 많이 가는 작업입니다.
예전의 번역 프로그램은 사전과 문법을 모두 분석해서 설계해야 했습니다. 그런데 근래의 번역 서비스들은 대부분 기계학습으로 만들어져 있습니다.
회귀분석(Regression)은 x값으로 y값을 예측하는 모형을 만드는 일을 의미하니까요.
복잡하게 분포된 데이터에서 이를 이해하기 위한 주된 성분, 즉 데이터의 축을 알아내는 일인 주성분분석(PCA: Principal Component Analysis)도 데이터로부터 세상을 이해하기 위한 모형, 즉 모델을 만들기 위한 노력의 일환인 셈입니다. 우리가 고등학교에서 확률,통계를 배우는 이유가 여기에 있었지요.
그런 의미에서 딥러닝은 지능의 탄생이라기보다는 감각기관의 탄생이라고 보는 편이 적합합니다. 컴퓨터에 드디어 눈과 귀가 생긴 셈이지요.
그렇기에 딥러닝은 산업 및 생활에서 검지, 검출, 인식이라는 단어가 어울리는 분야에서 대활약하고 있습니다. 자율주행처럼 경계를 게을리할 수 없는 보안이나 방위 분야에서도 유망주가 되었고, 환자의 병소를 놓치고 싶지 않은 의료 연구 분야에서도 각광을 받고 있습니다.
댓글 없음:
댓글 쓰기
참고: 블로그의 회원만 댓글을 작성할 수 있습니다.