인사이트리포트

‘인공지능에게 정복 당하지 않고 사용하기’

들어가며

2022년 11월부터 세상이 AI 인공지능에 대한 이야기로 뜨겁게 달아오르고 있다.

‘인공지능’이라고 하는 개념은 이미 1950년대부터 제안되기 시작했고, 미래를 그렸던 영화나 소설 등에서 많이 등장하던 것이기 때문에 딱히 새롭다는 느낌을 가지고 있지 않았을 것이다. 하지만 이 기술이 2020년대에 들어서서 급격히 발전된 모습으로 그리고 영화가 아닌 현실로 다가온 것 같다.

언어나 예술과 같이 인간의 전유물일 것이라는 여겨졌던 분야에서 인공지능의 결과물이 쏟아져 나오게 되고 그 퀄리티가 무시할 수 없는 수준으로 사람들에게 알려지기 시작하며 더욱 빠르게 전파되었고, 2020년부터는 NFT, 메타버스가 지배하던 키워드를 빠르게 인공지능으로 대체하게 되었다.

향후 전 분야에 걸쳐 다양한 방법으로 인공지능에 대한 활용이 확대 될 것이 확실시 된 시점에서 우리는 어떻게 인공지능을 바라보고 이해해야 할까? 이제라도 깊은 고민이 필요하다.

기술분야나 서비스분야, 예술분야뿐만 아니라 UI/UX 디자인 분야에서도 이러한 고민들이 시작되었기 때문에 본 아티클에서 한번 다뤄보도록 하겠다.

인공지능의 흐름

인공지능이라는 분야는 1950년도에 이미 제안되었다. 그 당시 사용했던 접근 방법을 기호기반 인공지능, 규칙기반 인공지능이라고 부르는데. 이것은 연구하는 사람들이 기계에게 세상을 설명해 주는 방식이다. 예를 들어 ‘사람이란 이런 것이다, 강아지란 이런 것이다, 문장은 이렇게 만드는 것이다’ 라는 규칙을 설명해주는 방법이다. 언어의 경우에는 1950년대 말 노엄 촘스키의 변형생성문법 같은 규칙 기반의 언어학 이론들이 등장하다 보니 이런 문법적인 규칙을 다 입력해주면서 인공지능을 발전시키려 했었다. 하지만 이후 30년동안 기계에게 세상을 설명해주는 것은 모두 실패했다.

그래서 1980년대에 새로운 방법이 제안된다. 바로 학습기반 인공지능, 머신러닝이다. 이 방식은 피아제나 비고츠키 등의 발달심리학의 연구결과, 그 어느 부모도 아이들에게 현실을 하나하나 규칙으로 설명해주는 부모는 없다는 사실에서 착안되었다. 인간이 학습 할 때 데이터를 경험하면서 세상을 배우는 것과 같이, 기계에게 일일이 규칙과 사물에 대해 설명하지 않고 스스로 학습을 하도록 유도하는 방식으로 전환한 것이다.

하지만 머신러닝 역시 2000년대 초반까지 약 30년 정도 시도되다가 별다른 성과를 얻지 못하였으나, 2010년대에 들어서 심층학습기반(딥러닝) 개발방식으로 변경되며 괄목할 만한 결과를 보여주기 시작했다.

흥미로운 사실은 딥러닝 방식의 알고리즘 자체는 기존의 머신러닝 방식과 별반 다르지 않았다는 것이다. 차이가 있다면 학습을 위한 데이터의 양이 상상을 초월할 정도로 대용량이 되었다는 점이다.

1990년대 인터넷이 본격적으로 보급되고 인터넷 채널이 확대되면서, 인공지능이 학습할 데이터가 100개단위에서 10만개, 100만개 수준으로 폭발적으로 늘어났고, 이러한 광대한 데이터를 통해 기계가 세상을 이해하기 시작했던 것이다.

이러한, 딥러닝(심층학습)에서 사용한 방법은 뇌를 모방한 인공신경세포였다.

바로 이 학습 방법에서의 인공지능은 새로운 것을 만들어내는 것이 아니라 세상을 식별하고 알아보는 방법과 Convolution 알고리즘 방식을 사용한 데이터의 병렬처리가 핵심이다. 수십만 수백만 장의 데이터를 학습하기 위해서는 어마어마한 계산량이 요구되어 병렬 처리하지 않고서는 학습이 불가능하기 때문에 병렬 방식인 GPU 프로세서의 니즈가 급격하게 늘어났다.

성과를 내기 시작한 인공지능이 학습 기능이 필요한 영역에 이 GPU가 점차 활용되기 시작하였는데, 2017년 Google 브레인의 바스와니 라는 인도출신 과학자가 Transformer 라는 새로운 알고리즘을 제안하였다. 이 기술을 사용한 영역이 바로 자연어처리 언어처리 분야이다.

우리가 영상이나 사진을 인식할 때는 하나의 장면으로 볼 수 있어서 처리가 비교적 쉬운데, 언어처리가 어려운 이유는 언어는 문법이 존재하며 순서가 있다는 것이었다. 언어는 문장을 끝까지 들어야 맥락이 이해가 되는데 문장이 길어지면 길어질수록 첫 번째 단어를 들은 이후 기계가 기억해야 할 것이 점점 늘어난다. 그렇기 때문에 문장을 완벽하게 이해하는 것이 사실 불가능했다.

하지만, 바스와니가 제안한 Transformer 알고리즘은 문장의 순서를 배제시키고 집중 알고리즘이라는 것을 사용한다. 이것은 수천억 단위의 학습 데이터를 사용하고 인터넷에 있는 모든 문장을 학습하는 것이다. 여기서 학습이란 것은 인터넷에 있는 모든 글에서 단어와 단어, 문장과 문장의 확률관계를 학습하는 것을 말한다.

2018년 Open AI라는 NGO 스타트업이 등장하는데 Open AI 의 초기 목표는 인공지능 기술이 발달하면서 강한 인공지능이 등장할 수 있기 때문에 총강력한 인공지능을 막는 방법을 연구하는 것이었다.

여기서 구글이 만든 Transformer 알고리즘을 활용한 GPT(Generative Pre-Trained Transformer 미리 학습하여 생성하는 Transformer 알고리즘)라는 방법을 제안한다. 이 방식으로 인간이 만들어낸 언어의 확률적인 지도를 하나 만들어 낸 것이다. 이것은 언어의 내비게이션이라고 생각하면 되는데, 인간이 프롬프트를 입력하면 이 내비게이션을 통해 생성을 해주는 것이다.

지난 10년동안 인공지능은 식별과 구별을 했다면 이제는 결과물을 창작 할 수 있다는 것이 가장 신기하고 놀라운 일이다. 물론 GPT가 처음 나왔을 때 문장이 어색하고 완벽성이 떨어지는 문제가 있었다. 그 이유는 기존 알고리즘으로 문장을 만들 경우 확률을 우선으로 고려하여 문장을 구성하는데, 가장 확률이 높은 단어로만 문장을 만들면 사람이 읽었을 때 자연스럽지 않다는 것 때문이었다.

하지만 GPT3.5, GPT4가 등장하며 문장의 결과가 크게 향상되었다. 그 이유는 Open AI 가 인간의 피드백(제3세계 국가들 사람의 판단이 포함된)을 통해 기존 알고리즘에 강화학습을 추가하였기 때문이다.

ChatGPT로 인한 사용자 경험 및 서비스 트렌드의 변화

이제부터 PSM을 작성의 관점과 유지관리 관점에서 살펴보겠다.

PSM은 일반적으로 유해누구(NUGU), 지니, 클로바 같은 AI 스피커들이 등장하고 사용자들은 점점 인공지능이라는 것에 익숙해지기 시작하였다.

사용자들이 AI 스피커들과 대화하는 성향을 분석해 보면 다양한 발화를 통해 커뮤니케이션 했다는 것을 알 수 있는데, 그 중에서도 ‘비기능’ 발화 (안녕, 사랑해, 고마워, 잘 자, 노래 불러줘, 우울해, 심심해)에 초점을 맞춰보니 사용자들의 감성 키워드를 파악할 수 있었는데, 사용자들이 발화한 감성 키워드에 대해 ‘단답식의 대화를 하지 않고, 2~3턴을 주고받을 수 있었으면’, ‘내가 이야기한 것에 대해 인정해 주고 공감해 줘야 하는 거 아니야?’ 같은 피드백을 원한다는 것을 알 수 있었다.

이런 제품들이 등장할 당시에는 이러한 피드백을 얻을 수 없었지만 ChatGPT의 등장으로 우리는 불가능 할 것 같았던 경험을 하고 있다.

이러한 경험을 통해 정보검색 및 인터렉션에 대한 사용자들의 멘탈 모델이 변화하고 있으며, ChatGPT를 주로 일상적인 대화, 자주 묻는 질문, 대화가 길어지는 질문에 활용하고 있다. 그러나 여전히 실시간 검색이나 개인 검색 이력을 기반으로 한 맥락적 결과에는 검색이 우위를 차지하고 있다.

많은 사람들이 생성형 AI 기술의 등장으로 인해 언어 기반의 직무 전반에 영향을 미치게 될 것이라고 언급하고 있다. 예를 들어, 영상, 금융, 프로그래밍, 데이터 분석, 법률, 시장 조사, 교육, 디자인, 고객 상담 센터 등의 분야가 영향을 받을 것이라고 예측하고 있다. 이런 분야에서 대체의 단계까지 가는 것은 직무 별로 얼마만큼 자동화가 되느냐에 따라 결정되는데, 기술을 통해 도움을 받느냐 vs 대체가 되느냐에 문제이다. 물론 인간 고유 지능인 소셜, 감성은 AGI(강 인공지능)이 올 때까지는 대체할 수 없을 것이라고 보고 있다.

ChatGPT와 Gen AI가 가져다 줄 3세대 상호작용 기술의 미래

인간과 기계간의 대화를 통한 상호작용의 세대를 크게 나누면 아래와 같다.

– 1세대: Eliza

– 1.5세대: Rule-based Chatbot

– 2세대: Google Assistant

– 3세대: ChatGPT/GenAI

현재 ChatGPT가 널리 알려지고 있는 상황은 상호작용 3세대부터이다.

상호작용 기술을 사용한다는 것은 이 기술을 통해서 기계가 사람 대신 뭔가를 해줄 수 있었을 때 효용이 있다고 보는데, 현재 AI를 사람들이 사용하면서 ‘어떻게 해야 내가 더 잘 쓸 수 있을까?’ 라고 고민하는 것 자체가 3세대 AI기술이 아직 더 발전해야 한다는 의미일 것이다.

대화형 상호작용에서 중요하게 차지하는 부분이 우리는 너무 익숙해서 잘 인지하고 있지 못하지만 입력장치(키보드, 마우스) 의 역할이다. 우리가 데이터를 넣거나 검색을 하거나 하는 상호작용의 첫 출발이 키보드이다. 이것은 디지털 상호작용에서 가장 중요한 접점이 되기 때문에 중요하게 생각해봐야 한다. ChatGPT의 등장으로 검색이 아니라 대화를 통해서 정보를 얻을 수 있게 되었지만, 이것 또한 키보드와의 상호작용으로부터 시작한다는 점 때문이다.

우리가 사용하는 디바이스들은 제약이 많은 환경을 가지고 있는데, 그 제약 때문에MemEX, 마우스와 GUI, Hypertext 개념들이 등장하게 되었고 그 이후 좀 더 편하게 사용자들이 활용하기 시작했다. 그러한 경험을 바탕으로 UI나 UX에 좀 더 관심을 가지고 발전시키면서 우리가 사용하는 환경을 개선해나가기 시작했는데, 상호작용3세대에 이르러서 우리가 사용하는 디바이스들은 디지털 동반자와 같은 서비스로 발전될 것이다.

디지털디바이스에 대한 사용자 경험을 향상시키기 위해 상호작용을 보다 인간친화적으로 만드는 방법은 무엇일까 생각해 본다면, 사용자와 컴퓨터, 혹은 에이전트 간의 공존 경험이 중요해진다. 그리고 사용이 아닌 보조, 대신한다는 경험을 디자인하는 게 중요하다. 또한 사용자의 동반자로서의 역할과 경험에 대한 고민이 중요해질 것이다.

AI기술 자체는 의식이 없지만, 사람이 보기에 의식이 있는 것처럼 보이는 행위까지도 충분히 할 수 있을 것이다. 그렇기 때문에 우리는 기술을 도입할 때 어떻게 수용할 것인지, 어떻게 관계를 맺을 것인지가 제일 중요하다. 우리는 이 기술들을 어떻게 써야 할지 고민해야 한다.

Interaction Centric AI

앞서 인공지능의 흐름에서 이야기한대로 인공지능은 모델중심 AI와 데이터 중심 AI의 패러다임으로 발전되어왔고 이러한 체계가 인간의 피드백을 통한 인간중심, 상호작용 중심 AI 의 패러다임으로 발전되고 변화하고 있다는 것을 알 수 있다.

AI 기술을 통해 사용자경험이나 상호작용이 조금 더 원활해질 수 있을 것이다. 프로토타입을 쉽고 빠르게 만들 수 있을 것이고 이를 통해 다양한 사용자 피드백을 빠르게 얻을 수 있기 때문에 이런 측면에서 AI 기술이 많은 도움이 될 것이다.

하지만 현재 AI 기술을 사용하는 사용자는 자신이 원하는 것을 쉽게 얻을 수 없기 때문에 프롬프트(명령어)를 고도화해서 AI에게 요구해야 한다. 이런 상황을 인터페이스 측면에서 생각한다면 누구나 자연어를 이용하여 쉽게 사용할 수 있고, 그 결과가 바로 도출된다는 것은 장점이지만 원하는 것을 얻는 데에 오랫동안 시행착오를 거쳐야 하고, 사용자가 예측하기 어렵고 원하는 것을 정확하게 말해도 결과가 잘 도출되지 않는다는 어려움이 존재한다.

그리하여 AI 커뮤니티에서도 현재 인지하고 있는 것이 사람의 피드백이 중요하다.

대부분의 GenAI 모델들은 사람의 피드백을 받아 Fine-Tunung 하는 과정을 통해서 기술적인 문제를 해결하여 모델을 더욱 발전시키는 방향으로 진행되고 있다.

앞으로 AI 기술이 사용자의 컨트롤에 맞춰 원하는 바를 잘 도출하기 위해서는 AI 기술만 발전시킬 것이 아니라 HCI, 윤리, 사회적 인식, 법과 제도, 데이터 등의 다양한 요소들이 잘 만들어져야 하고, 그 조건들이 해결된다면 인간과 AI간의 상호작용이 제품, 서비스, 어플리케이션의 설계에 핵심요소로 작용하여 인간은 AI와 공존하고 협업할 수 있을 것이다.

UX 및 상품기획에서 GenAI의 활용방식

ChatGPT가 문장을 생성해주거나 MidJourney나 Stable Diffusion같은 이미지 생성AI의 결과물에 놀란 사람들은 AI의 활용방식을 확장시켜나가고 있다.

[ChatGPT — 웹사이트의 내용 구성, 상세 문구, 메뉴 구성, Midjourney, Stable Diffusion — 이미지 생성, Designs.ai — 로고, 비디오, 배너 생성, Microsoft Designer — 웹사이트 템플릿 생성, Adobe Photoshop — 이미지 편집]

다양한 생성형 AI 서비스들을 활용하여 기존 UI/UX 디자인 단계에서 인간의 역할을 대체하려는 노력이 현재 이루어지고 있고, 완벽한 결과물을 바로 생성하는 것은 어려운 단계이지만 꽤나 쓸만한 결과물들을 제공하는 것을 경험하고 있는 단계라고 할 수 있다.

AI는 프롬프트를 사용해서 대화를 하는 방식으로 사용하게 되는데 이것이 아주 중요한 포인트라고 할 수 있다. 프롬프트를 잘 쓰는 것이 다가 아니고, 프롬프트를 통해 대화를 해서 원하는 바를 이끌어내는 것 자체가 인터랙션이다. 그리고 이 인터랙션을 어떻게 하는가에 따라서 기술을 수용하는 정도가 달라질 수 있을 것이기 때문에 앞으로 이 부분을 중점적으로 어떻게 발전시켜야 하는지 학습이 필요하다.

마치며

1950년대부터 제안되었던 인공지능은 2022년 11월 ChatGPT 가 본격적으로 세상에 알려지게 되면서 Gen AI (생성형 인공지능) 가 조명되고, 앞으로 인간의 역할 변화가 필연적으로 일어나게 될 것이라는 것을 모두가 예측하고 있다.

2020년부터 Metabus, NFT 등의 키워드가 관심을 끌었다가 급격히 식어버리는 경향이 보였는데, ChatGPT는 관심도나 영향력의 수준이 다른 것을 알 수 있다. 그만큼 인간의 실질적인 니즈나 실생활에 끼치는 영향이 크고, 밀접한 것을 알 수 있다.

현재 생성형 인공지능은 처음 제안된 이후, 이전 발전속도와는 비교할 수 없을 정도로 빠르게 진행되고 있으며, 실생활에 많은 부분 적용 될 것이 예상되고 있다. 그 속도는 앞으로 기하급수적으로 증가할 것이 분명하다. 또한 인간들이 예측한 것과는 달리 인간들의 전유물이라고 생각했던 창의적인 분야에서부터 인공지능의 역할이 분명해지고, 빠르게 발전되고 있기 때문에 그 충격이 더 크게 느껴지고 있는 상황이다.

다른 많은 분야도 마찬가지지만 디자인 분야 또한 이러한 흐름에서 자유롭지 못하고, 아주 빨리 많은 변화가 일어날 수 있다는 것을 알 수 있다. 물론 현재까지는 인공지능이 완벽한 결과물을 만들어 주고 있지 않지만 그것이 언제 어디서 어떻게 얼만큼 향상될 것인지 알 수 없다.

이 기술이 인간에게 얼마나 유용하고, 사용하는데 있어서 윤리적인 문제, 제도적인 개선, 인간과의 공존이 어떻게 자연스럽게 이루어질 것인지에 대한 고민이 필요한 상황이지만 이러한 문제점들은 아주 빠르게 해결될 수 있을 것이라고 생각한다.

마이크로소프트 CEO가 이야기 한 것처럼 우리는 이제 일하는 방식을 바꾸고 어디에 더 힘을 쏟을 것 인지를 명확히 할 기로에 서있는 것 같다.

인공지능에게 지배 당할 것인지 사용할 것인지 명확히 해야 할 것 같다.