인공지능
고래 보호에서 편리성 향상까지, AI가 할 수 없는 것은 무엇일까?
Securities.io를 Google의 선호 소스에 추가
인공지능은 일상 생활에서 점점 더 흔해지고 있습니다. ChatGPT와 같은 대형 언어 모델(LLM, Large Language Models)의 도입으로 AI가 모든 사람의 손에 들어왔습니다. 하지만 이 기술은 LLM이 시장에 등장하기 훨씬 전부터 이미 삶을 변화시키는 길을 걷고 있었습니다. 다음은 현재 AI가 할 수 없는 일과 미래에 어디로 나아갈지에 대한 간략한 살펴보기입니다.
AI 진화
AI 분야는 기술의 능력과 접근성에 따라 수많은 반복을 거쳐 왔습니다. 인간과 같은 기계에 대한 개념은 고대까지 거슬러 올라갑니다. 르네상스 시대에 이러한 개념이 부활했으며, 레오나르도 다 빈치와 같은 유명한 발명가들이 1495년에 자동인형을 통해 이 개념을 보여주었습니다.
오늘날 우리가 보는 인공지능은 1935년 알란 튜링의 범용 튜링 기계에서 그 뿌리를 찾을 수 있습니다. 불과 15년 후 그는 튜링 테스트를 만들었습니다. 튜링 테스트는 인간과의 대화를 통해 AI 시스템이 인간과 같은 능력을 넘어섰는지를 판단합니다. 이 테스트는 오늘날에도 AI 상호작용의 기준점으로 사용됩니다.
1990년대의 계산 혁신은 AI 시스템을 한층 더 발전시켰습니다. 이 시기에 머신러닝 및 기타 AI 시스템이 등장하기 시작했으며, 2000년대 초에는 획기적인 진전이 이루어졌습니다. 예를 들어 IBM은 왓슨의 AI 능력을 보여주기 위해 퀴즈 쇼 ‘제퍼디’를 인간보다 앞서 이겼습니다. 같은 시기에 구글은 신경망 시스템에 대한 데이터를 공개하기 시작했습니다.
AI 오늘날
이 십년은 지금까지 가장 큰 AI 기술 도약을 목격했습니다. 토크 클러스터링 알고리즘과 같은 자체 학습 AI 기술의 도입으로 이 분야는 뜨거운 논의의 대상이 되었습니다.
이러한 기술적 진보는 도덕적 질문과 환경적 우려와도 맞물렸습니다. 모든 이러한 요인들은 AI의 미래와 일상 생활에 미치는 영향에 대한 더 많은 검토를 촉발했습니다. 그렇다면 AI가 할 수 없는 것은 무엇일까요? 이 프로젝트들은 현재 AI의 능력과 한계를 일부 보여줍니다.
도시를 더 나은 곳으로 만들도록 돕기
AI 시스템은 도시 계획자가 보다 효과적이고 효율적인 커뮤니티를 설계하도록 도울 수 있습니다. AI는 교통 흐름 및 기타 중요한 데이터를 추적하여 새로운 서비스, 고속도로 및 기타 커뮤니티 필요 시설의 위치를 결정하는 데 큰 가치를 제공합니다.
인프라 인사이트
AI 시스템이 이미 안전하고 보다 편안한 동네를 만들기 위해 활용되는 한 가지 방법은 인사이트 제공입니다. 1 스마트 시티와 사회 저널에 발표된 연구는 전기 보안 및 안정성을 깊이 탐구합니다.
특히 이 연구는 에너지 분배, 주택 요구 사항, 각 주택이 사용하는 에너지 유형 및 이러한 요소가 전력 손실 위험을 높이는지 여부를 조사합니다. 연구에 따르면 전기화가 진행될수록 일부 위험이 간과될 수 있다고 설명합니다.
특히, 이 보고서는 태양광 패널이 여름에는 훌륭한 에너지 원이지만 겨울 폭풍 및 기타 환경 조건에서는 전체 커뮤니티를 정전 상태에 빠뜨릴 수 있음을 강조합니다. 전면 전기화가 진행됨에 따라 이러한 상황은 점점 더 흔해지고 있습니다.
전력 손실 위험 순위를 매기는 AI 모델 구축
스티븐스 연구진은 에너지부(DOE) 건물 재고 데이터를 분석했으며, 여기에는 129,000가구의 에너지 패턴이 포함되었습니다. 이 주택들은 8개 주에 걸쳐 위치해 있어 다양한 환경에서 시스템을 테스트할 수 있었습니다.
머신러닝 모델은 개별 주택의 에너지 시스템 발자국을 성공적으로 파악했습니다. 이후 이 데이터를 자체 데이터 모델과 교차 검증하여 주택이 의존하는 에너지 유형을 결정했습니다.
또한, 시스템은 이 데이터를 활용해 해당 주택 및 커뮤니티의 정전 위험을 판단했습니다. 이제 팀은 더 많은 커뮤니티로 테스트 범위를 확대하여 계획자가 보다 안전하고 회복력 있는 전력망을 구축하도록 돕고자 합니다.
지구를 구하기
환경 조건, 오염, 인간의 확장 및 기타 요인으로 인해 많은 야생 동물 서식지가 파괴되었습니다. 인공지능은 환경 보호론자들이 야생 동물 패턴을 파악하는 데 활용하는 한 가지 해결책이 되었습니다.
이 시스템은 보존가들이 종의 급격한 변화를 감지하도록 도와주며, 이는 희귀하고 멸종 위기에 처한 동물을 보호하는 데 귀중한 도구가 됩니다. 이미 AI 시스템은 이동 경로, 건강 상태, 밀렵 활동 및 기타 중요한 데이터를 추적할 수 있습니다.
고래 보존
러트거스 대학교-뉴브런즈윅의 혁신적인 연구팀은 최근 국제 선박이 멸종 위기 종을 피하도록 돕는 AI 모델을 소개했습니다.
연구의 주요 저자인 Ahmed Aziz Ezzat와 Josh Kohut는 북대서양 오른쪽 고래 종을 보호하기 위해 다양한 데이터를 활용해 고래 이동 및 추적 모델을 만들었습니다. 안타깝게도, 미국 해양대기청(National Oceanic and Atmospheric Administration) 데이터에 따르면 야생에 남아 있는 이 장엄한 생물은 400마리 미만이며, 그 중 번식 가능한 암컷은 70마리뿐이라 보존가들의 우려가 커지고 있습니다.
출처 – Nature Communications
특히 팀은 1990년대 초반까지 거슬러 올라가는 Rutgers University 해양 관측 센터 데이터, 델라웨어 대학교의 위성 이미지, 그리고 수중 글라이더 정보를 모델에 통합했습니다. 글라이더는 다양한 센서를 갖춘 수중 기기로, 해저를 탐색하며 미지의 지역을 지도화하고 환경 변화를 추적하며 귀중한 자원을 탐색합니다.
AI는 고래의 선호도, 과거 위치, 환경 조건 및 계절을 기반으로 고래 군집의 위치와 시간을 예측했습니다. 이를 통해 연구자들은 이러한 점들을 연결해 고래 목격 가능성을 높이는 패턴을 찾을 수 있었습니다. 앞으로 이 시스템은 선박에게 고래 군집이 어디에 있는지 정확히 알려주어 자연 서식지를 피하도록 경로를 재설정할 수 있게 할 것입니다.
사물인터넷 인공지능 (AIoT).
인공지능과 사물인터넷 기술이 결합하면서 현재 성장 중인 AIoT 산업이 탄생했습니다. 이 분야는 IoT 시스템의 도달 범위와 데이터 수집 능력을 AI 시스템이 제공하는 패턴 인식, 처리 및 편리성과 결합합니다.
AIoT 시스템은 물류 기업이 제품을 전 세계에 더 빠르게 전달하고, 위조를 줄이며, 불가능했던 다양한 고급 기능을 제공하도록 돕습니다. AIoT는 효율성 등 몇 가지 핵심적인 방식으로 IoT 개념을 개선합니다.
전통적인 IoT 시스템은 센서 역할을 합니다. 이들은 데이터를 인터넷을 통해 다른 위치로 전송하고, 그곳에서 데이터를 처리합니다. AIoT는 데이터를 인터넷을 통해 전송할 필요를 없애고, 시스템 자체에서 정보를 처리함으로써 시간, 비용 및 대역폭 요구를 줄입니다.
스마트 경제
AIoT는 내일의 스마트 경제에서 중요한 역할을 할 것입니다. 오늘날 스마트 홈은 다양한 인간 활동 인식 프로토콜에 의존해 사용자에게 편리함을 제공하려 합니다. 예를 들어, Alexa에게 운동하고 싶다고 말하면 일련의 작업이 자동으로 시작되어 과정을 더 편리하게 만들 수 있습니다.
이러한 작업에는 조명 조절, 음악 재생, 블라인드 닫기, 운동 후 스무디 메이커 가동 등이 포함될 수 있습니다. 현재는 사전 설정된 매크로를 사용해 이러한 것이 가능하지만, 고급 인간 활동 인식 AI 시스템을 사용하면 이 과정이 자동화됩니다.
MSF-Net
인천대학교 엔지니어들은 최근 소개한3 MSF-Net(다중 스펙트럼 융합 네트워크) WiFi 인간 활동 추적 시스템으로 큰 관심을 모았습니다. 이 시스템은 채널 상태 정보(CSI)를 활용해 미세한 인간 활동을 판단할 수 있습니다.
이 기술은 스마트 홈을 더욱 편리하게 만들 것입니다. 곧 AI는 사용자가 요리 중인지, 휴식 중인지, TV를 보는 중인지, 출근 준비 중인지 판단해 환경을 자동으로 조절할 수 있게 됩니다. 이 기술은 제조, 보안, 의료 등 다양한 분야에 통합될 가능성이 있습니다.
도덕적 조언
AI 기술이 아무리 발전해도 이러한 시스템에 대한 약간의 불신은 항상 존재할 것 같습니다. 최근 연구4는 인지(Cognition) 저널에 실리며 인간이 도덕적 조언에 관해 AI 시스템을 신뢰하지 않는다는 점을 강조했습니다.
심리학부는 왜 AI 시스템에 대한 불신이 존재하는지, 이것이 채택을 어떻게 늦추는지, 그리고 이러한 장벽을 극복하려면 무엇이 필요한지를 연구했습니다. 연구진은 인공 도덕 조언자(AMA)의 부상과 이들이 언젠가 일반화될 가능성을 살펴보았습니다.
인공 도덕 조언자는 사전 프로그래밍된 윤리 이론, 원칙 및 가이드라인을 활용해 사용자가 어려운 도덕적 딜레마에 대한 답을 제공하도록 설계된 알고리즘입니다.
특히, 연구는 사람들이 인간 조언자가 제공한 동일한 조언이라도 AI의 도덕적 조언에 대해 경계한다는 점을 발견했습니다. 또한 많은 사람들이 AI에 대한 오해와 AI가 폭주할 가능성에 대한 우려를 가지고 있음을 보여주었습니다.
미래에는 AMA가 당신 곁에 있어 올바른 선택을 돕게 될 수도 있습니다. 최소한 잘못된 선택을 기록하고 아마도 보고할 것입니다. 따라서 인류가 AI에게 미사일 발사 코드를 넘겨줄 준비는 되어 있지만, 설교를 맡기지는 않을 것이라는 점은 이해하기 쉽습니다.
AI가 할 수 없는 것? 아직도 많은 것이 남아 있습니다
AI 혁명은 한창이며 주요 기술적 돌파구가 계속해서 AI 시스템의 역량을 확장하고 있습니다. AI가 여러분의 일을 빼앗을 것이라는 지속적인 이야기가 있음에도 불구하고, 대부분의 사람들은 로봇 군주가 통제권을 잡기까지 아직 충분한 시간이 남아 있습니다. 그러나 인간적인 손길은 여전히 탈출구가 됩니다.
불신과 오해와 같은 여러 요인은 AI의 진정한 역량과 목적에 대한 회의론을 불가피하게 만들 것입니다. 현재 이 기술은 무한한 잠재력을 가지고 있지만 인간과 연결되는 능력에는 한계가 있습니다. LLM과 로봇공학이 발전함에 따라 인간과 AI 사이의 경계는 더욱 흐려져 새로운 현실의 문을 열게 될 것입니다.
연구 참고문헌:
1. Majowicz, A., Popli, C., & Odonkor, P. (2025). 전력 중단에 대한 가정의 취약성 정량화: 스마트 시티에서 급속 전기화 위험 평가. 스마트 시티와 사회 저널, 0(0). https://doi.org/10.1177/27723577241306340
2. Ji, J., Ramasamy, J., Nazzaro, L., Kohut, J., & Ezzat, A. A. (2024). 북대서양 오른쪽 고래 존재 모델링을 위한 머신러닝, 미국 중대서양 해상 풍력 에너지 개발 지원. Scientific Reports, 14, 29147. https://doi.org/10.1038/s41598-024-80084-z
3. Chen, J., Xu, X., Wang, T., Jeon, G., & Camacho, D. (2024). WiFi 기반 거친 및 정밀 활동 인식을 위한 다중 모드 주파수 융합 AIoT 프레임워크. IEEE Internet of Things Journal, 11(24), 39020-39029. https://doi.org/10.1109/JIOT.2024.3400773
4. Myers, S., & Everett, J. A. C. (2025). 사람들은 인공 도덕 조언자가 더 공리주의적일 것으로 기대하고 공리주의적 도덕 조언자를 신뢰하지 않는다. Cognition, 256, 106028. https://doi.org/10.1016/j.cognition.2024.106028
