정치인을 대체할

로봇대통령 ‘  로바마’AI 엔진

2016년 오늘날의 사회경제정치 세계는 대단히 복잡하다. 지리적으로 멀리 떨어진 세계 여러 지역이 모두 초연결사회로 연결되어 있어 세계 곳곳에서 나타나는 다양한 사회 현상을 판단하기 어렵게 만든다. 기술 발전이 가속화되면서 모든 상황은 급속하게 다변화되었고, 그 결과 인류는 기존에 전혀 경험하지 못했던 새로운 세상과 마주하고 있다.

이러한 급격한 변화 속에서 일반 시민뿐만 아니라 국민을 대표하여 정부와 의회를 구성하는 전문가들조차 중요한 문제에 연관된 상황을 이해하고 의사결정을 하는 데 필요한 전문지식을 갖추지 못하는 난감한 상황이 벌어진다. 또한 현재의 사회·정치적 의사결정 프로세스는 비효율적일 뿐만 아니라 때로는 국민의 대표자들이 편견에 사로잡혀 잘못된 선택을 하게 만들기도 한다. 인간으로서는 도저히 정확하고 편견 없는 선택을 할 수 없는 복잡한 의사결정들이 기하급수적으로 늘어난다. 그렇다면 인류는 이런 복잡한 세상과 급격한 사회적 변화에 어떻게 대처해야 할까?

인공지능혁명2030 저자 벤 고르첼과 박영숙

AI 사회정치적 분석시스템 만들기

세상의 복잡성과 사회정치적 빠른 변화에 효과적으로 대처할 핵심솔루션은 인간의 의사결정을 인공지능 으로 보강하는 것이다. 이것이 불가능해 보이는가?

자율주행차의 사례를 생각해보자. 20년 전, 사람 없이 혼자 운전하는 자동차 이야기가 나왔을 때 대다수 사람들은 비웃었지만, 이제는 모두 믿어 의심치 않는다. 사람들은 정부나 국회를 사람이 운영해야 한다고 생각한다. 그러나 이미 수많은 일들이 인공지능으로 대체되고 있다. 자율주행차가 우리에게 다가오듯이 가장 부패하기 쉬운 정부나 의회에 인공지능을 적용하는 시대가 다가오고 있다.

현재 인공지능은 인간 분석가들이 하던 일은 대부분 대체할 수 있으며 일반적으로 인공지능은 정보를 학습하고 패턴을 감지·분석하는 폭넓은 기능을 갖고 있기에 인간보다 더 잘한다. 중요한 결정에 대한 정보파악, 증거분석, 대조·요약하고 다른 의사결정을 지원하는 추론의 근거를 만들 수 있다. 대통령이나 국회의원들 같은 주요한 의사결정자와 대중들에게 귀중한 정보를 구성, 수집, 보고할 수 있다.

이처럼 정부와 의회를 대체할 수 있는 의사결정 프로세스 지원 프로그램이 바로 로바마 AI 프로그램이다. 모든 새로운 기술은 성숙할 시간이 필요하듯이, 로바마 프로그램 AI 응용프로그램 역시 마찬가지이다. 이러한 과정을 가장 잘 보여주는 사례는 자율주행차다. 우리는 지금 자율주행차를 직접 몰지 않고 옆에서 지켜보다가 문제가 발생하면 인간이 주행하도록 컨트롤을 시작한다. 인공지능 운전기사가 인간의 운전을 즉시 교체할 수는 없다. 그러나 자율주행차가 보편화되면 운전은 점차 자율주행차가 하게 되듯이 사회정치적 의사결정도 점차 인공지능이 하게 된다.

이렇게 가다 보면 다음 단계에서는 의사결정지원을 하는 강력한 AI기반의 소프트웨어가 의회나 정부 정치인들의 의사결정을 대행하게 된다. 뿐만 아니라 정치인, 기업인, 일반시민에게도 의사결정을 지원하게 된다. 그리고 부패하기 쉽고 어려운 정치나 정부운영은 인공지능에게 맡기고 인간은 더 재미있는 일을 찾게 된다.

로바마 AI를 어떻게 훈련시킬 것인가

인공지능을 잘 가르치면 스스로 학습하고 구상하여 더 좋은 시스템으로 끊임없이 진화한다. 따라서 초기 인공지능기반 사회·정치적 의사결정 지원시스템을 구상할 때는 우선 2가지 측면을 고려해야 한다.

1. 정책을 잘 평가하도록 가르쳐야 한다

•  AI 시스템에게 한국의 모든 법과 정책을 학습시키고, AI시스템은 한국 정책을 이해하여 분석, 대답하게 한다.

•  과거의 정책들은 AI 시스템에 표기되고, AI 시스템은 이 정책의 장단점 혹은 결과를 분석, 대답하게 만든다.

2. 국민이 원하는 정책을 찾도록 도와야 한다

•  AI에게 목표를 설정해주고, 현재의 정치적 이해관계에서 단순한 것과 복잡한 것을 분석하여 균형 잡힌 정책을 세우도록 한다. 다양한 정책 문제들은 국민이 원하는 방향에 대한 정보를 주어, 더 실용적인 정책 혹은 이상적인 정책을 찾아 선택하도록 한다.

인공지능이 사회정치적 분석을 하려면, 인간이 AI에게 모든 법, 뉴스, 정책 브리핑, 전문가 분석, 소셜 미디어와 다양한 종류의 정량적 데이터를 포함하여 폭넓은 정보를 입력해야 한다. 이런 정보가 내부적으로 유연한 방법으로 모두 상호 연관되도록 하고, 다양한 패턴 및 추론을 이끌 수 있는 데이터 유형으로 주입하고 가르쳐줘야 한다. 인공지능은 스스로를 가르쳐서 더 나은 인공지능이 된다.

이렇게 정보를 입력하고 훈련시킨 AI 사회정치분석 시스템은 인간에게 다양한 종류의 결과물을 생성해준다. 즉 아래와 같은 인공지능 AI소프트웨어를 만들어준다.

• 인간 상호대화의 장: 이러한 것은 자연 언어가 중심이 될 것이지만, 데이터 세트를 나타내는 사용자 및 차트 또는 정량 분석​​의 결과를 공급하는 시스템을 포함할 수 있다.

• 기술 보고서: 정량적 데이터 분석 또는 질적 데이터의 체계적인 패턴 결과를 요약​​.

• 인포메이션 그래픽: 간단한 텍스트 설명과 함께 질적으로 흥미로운 방법으로 정량적인 정보를 배열.

• 정책평가와 제안을 설명하는 정책 브리핑 시스템: 우리는 애초에 아름다운 산문이 아닌 명확한 설명을 목표로 한다.

• 상호논쟁의 장 즉 토론 사이트: DebateGraph(http://debategraph.org/)와 유사한 인터페이스를 사용하여 인간과 함께 논쟁하는 장 혹은 사이트를 구축하여 인간 상호작용이 가능하도록 구축하고, 인간과 인공지능이 합리적 이해와 관련성 있는 사회정치적 문제분석으로 함께 해결방법을 찾는다. 예를 들면, DebateGraph 같은 도구를 국민들이 공적으로 사용하는 방법을 구상한다. 그 안에서 국민들의 정책입안을 하도록 하고, AI 사회정치적 분석가가 분석하고, 전문가와 일반시민들이 모든 잠재적인 정책 및 실질적 정책 등 기타 사회정치적 이슈와 관련한 다양한 입장에서 합리적이고 건설적인 논쟁으로 결론을 낸다.

그렇다면 우리는 AI에게 어떤 정책적인 질문을 던질 수 있을까?

AI에게 묻는 정책 평가 질문 사례

• 한국 국민 모두에게 최소기본소득을 주려면 무엇이 문제가 되는가?

• 최소기본소득을 제공하기로 결정했다면 1~10년간 얼마를 주는 것이 가장 적당한가?

• 평균수명이 100세로 증가하고, 100세가 현재의 80세와 같은 건강을 유지한다면, 사회와 경제에 미치는 영향은? (기술실업률이 향후 30년간 5%에서 90%까지라는 다양한 경우를 생각해보자.)

• 모든 한국인에게 처방약이 무료로 공급된다면 어떤 일이 벌어질까?

AI에게 묻는 정책 개념 질문 사례

• 저소득층 부모가 자녀들에게 최고 고등교육을 격려하는 방법은?

• 약물 복용하는 것을 잘 잊는 노인들에게 시간 맞추어 꼭 약물을 복용하도록 할 수 있는 방법은?

• 교육혁신을 통해 기하급수적으로 발전하는 미래 사회에 살아가도록 아이들을 준비시킬 수 있는 방법은?

물론 현재의 기존 AI시스템은 이 같은 문제를 처리할 수​​없다. 인간이 AI에게 엄청난 정보를 주고 위의 예와 같은 질문을 정확한 시뮬레이션 및 데이터 분석으로 바꾸고, 수많은 가정을 신중하게 설정해줘야 한다. 가정에 대한 현명한 의사결정은 가장 어렵고도 재미있는 일 중의 하나이기는 하지만 우리는 AI 사회정치적 분석을 위한 도전 과제를 궁극적으로 극복할 수 있다. 여기에 필요한 것은 바로 인공지능 인력양성이다.

약인공지능이 아닌 인공일반지능이 필요하다

인공지능은 1960년대에 등장하여 이미 금융계에서 활용되어 왔다. 주식시장에서 수억 개의 주식주문을 인간이 처리할 수가 없다. 인공지능이 주식시장의 기본 기술이다. 하지만 일반인들의 관심을 모은 인공지능은  컴퓨터 하드웨어의 발전으로 , 자율주행차, 스마트폰, 챗봇  등의 출현으로  최대의 4차 산업 기술이 될 전망이다.  한 가지, 즉 알파고의 바둑은 바둑전문가의 마인드로 바둑의 룰을 외우고 특별한 데이트 세트를 이해하여 특수 분야 훈련을 잘 받고 손으로 바둑을 잘 두도록 만든 것이다.

그러나 이렇게 한 분야를 잘하는 것이 인공지능이 아니다. 인공지능은 수십, 수백, 수천 가지를 한꺼번에 잘할 수 있는 인공일반지능 즉 AGI이어야 한다. 이제 인공지능 은 약한인공지능 즉 좁은AI 에서 인공일반지능 으로 넘어가야 한다. 거대한 잠재력을 가진 기술을 한군데만 사용할 필요가 없다. 모든 분야에서 인간을 대신할 수 있도록 만들어야 한다.

인공일반지능은 아주 초기의 개발단계에 있지만 목표는 원대하다. 즉 인공일반지능은 다른 업무를 보고 다양한 환경에 유연하게 적응하여 인간의 능력을 대신할 수 있고 더 잘할 수 있다. 이런 인공일반지능은 우선 인간이 어떤 상황에 놓여 있는지를 이해해야 하며, 어느 정도의 자율성을 갖고 스스로 결정할 수 있어야 한다. 그 자율성은 개념적 자율성 또는 일상에서의 실질적 자율성으로, 사람들이 어떻게 의사결정을 하는지에 대한 이해를 바탕으로 이루어진다. 그래서 AGI의 지식이나 경험이 점점 커지면서 더 똑똑해지고 더 많이 배우고 결국 인간보다 더 잘할 수 있어야 한다. 앞으로 15~20년 동안 인간의 모든 연구과 국가 산업들이 모두 좁은AI 즉 약인공지능에서 AGI 즉 강인공지능 또는 인공일반지능으로 전환하게 된다. 좁은AI 즉 약인공지능은 비지능 알고리즘으로 여전히 가치를 유지하겠지만, AGI가 점점 더 중요하게 인간들이 이용하는 기술이 된다. 왜냐하면 인간의 삶에서 중요한 많은 작업들은 새로운 환경에 유연하게 적응하는 능력을 필요로 하며, 이를 AGI가 대신해줄 것이기 때문이다.

사회·정치적 의사결정 시스템은 좁은AI 즉 약인공지능으로는 해결하기 어렵다. ‘기계 학습’ 시스템은 인간이 직관적으로 이해하기에 너무 복잡한 데이터에서 패턴을 식별할 수 있다. 그러나 정말로 완전히 이해하고 분석하여 사회·정치적 의사결정을 하는 데 보조를 맞추려면 좁은AI에서 AGI로의 발전이 필요하다.

사회와 정치체제의 본질은 모든 문명사회에서 익숙한, 근본적으로 빠른 변화와 혼재된 것이다. 필요한 것은 새로운 사회적, 정치적, 경제적 구조에 적응하고 발전할 수 있는 AGI 시스템이다. 이러한 방법만이 진정으로 적응하고, 지능적이며, 미래에 정통한 방법으로 정책 평가 및 개념을 만들 수 있다.

“저소득 부모가 자녀 교육을 최고 고등교육까지 시키도록 어떻게 장려할 수 있는가?” 하는 문제를 위에서 예로 들었다. 기술적 도구와 경제적 구조가 빠르게 변화하고 있는 현대 사회에서는 단순한 이력 데이터 분석만으로는 이 문제에 대한 올바른 해결책을 제시할 수 없다. 경제적 구조와 교육과 학습에 대한 맥락을 더 신중하게 이해하고 과거로부터 미래를 추정할 수 있는 AGI 기능을 구비한 인공일반지능이 훨씬 더 현명한 답변들을 제공할 것이다.

사회정치적 의사결정 지원용 인공일반지능의 가치

사회정치적 의사결정 로바마 AI엔진의 복잡성은 너무나 다양하고 엄청난 데이터 인풋에 기인한다. 인간은 이렇게 복잡한 데이터를 처리할 수 없다. 인풋 데이터는 자연인간체계의 엄청난 데이터, 국내 모든 법과 정책, 인간의 행동과 삶에 필요한 다양한 관측 데이터 등이다. 그 외에 다양한 아웃풋 의사결정은 정책, n차 선택 등이다. 일반적으로 AI소프트웨어 접근방식이 다양할수록 더 다양한 데이터가 나온다. 그래서 한 가지 접근방식보다 다양한 접근방식으로 알고리즘을 만드는 것이 더 좋은 의사결정을 도출할 수 있다. 다양한 알고리즘을 사용하면 다양한 문제를 더 손쉽게 해결해줄 수 있다.

통합적인 접근의 시작은 신경-심볼릭 통합이다. 심층 신경망을 포함한 신경 회로망은 정량적 데이터 및 영상, 음성 데이터를 처리하는 데 특히 적합하다. 반면에 확률 및 퍼지 시스템을 포함한 심볼릭 로직 시스템은 법률, 판례, 비즈니스 규칙 및 공식 정책과 같은 공적인 지식을 처리하는 데 적합하다. 확률로직엔진과 함께 심층 회로망을 통합하는 시스템을 만드는 것이, 사회 정치적 시스템의 전체적인 복잡성과 씨름하는 AI를 활용하는 데 매우 가능성이 높은 방법 중 하나이다.

현 정책에 대한 결과평가는 해당 데이터가 가능한 정량, 예를 들면 딥 러닝 모델의 도움을 받아 로직엔진을 통해 수행할 수 있다. 그리고 새로운 정책의 창조적 개념을 이해하려면 논리적이고 심층적인 학습뿐만 아니라, 근본적으로 새로운 것을 받아들이는 데 적합한 진화적 학습과 개념 융합과 같은 기술들이 필요하다.

효과적인 사회·정치적 의사결정은 ‘  마음 이론’- 특별한 인간의 마음과 사회 집단의 ‘  마음’(공유인지모델)이 지닐 수 있는 내용을 모델링할 수 있는 능력과 - 을 갖춘 AI를 요구하는 문화적​​, 심리적 요인의 통합을 필요로 한다. 인간은 논리추론, 경험패턴인식, 공감 모델링의 조합을 통해 ‘  마음 이론’을 수행한다. 궁극적으로 사회·정치적 의사결정 AI는 이러한 모든 측면의 가능성 또한 통합해야 한다.

사회·정치적 의사결정 지원용 OpenCog AI

이러한 필요한 통합을 달성하는 한 가지 방법은 사회·정치적 의사결정 지원을 지원하기 위한 OpenCog 통합 AGI 양식을 활용하는 것이다. OpenCog는 공통지식표현을 사용 –Atomspace로 불리는 무게를 얻고, 표기되는 하이퍼그래프 –하여 다양한 종류의 데이터에서 상징적·양적·에피소드적, 특정, 불특정 지식과 패턴을 나타낸다.

이것은 딥 러닝 알고리즘, 심볼릭 로직 시스템, 진화개념적 융합 알고리즘 및 기타 AI 방법을 함께 사용할 수 있는 장을 제공한다. 이것은 ‘  인지 시너지’ 원리에 따라 효과적으로 함께 작용하도록 설계된 다양한 인지알고리즘을 포함한다.

OpenCog를 사회정치적 의사결정의 목적에 맞게 설계하는 데는 상당한 노력이 필요하다. 우리는 ROBotic Analysis of Multiple Agents의 약어로 ROBAMA를 사용하여 사회정치적 시스템에 관련된 인간과 같은 다양한 지능형 문제의 상호작용을 분석하는 OpenCog AI 시스템의 전문성을 나타낸다. 아래 그림은 사용자와 데이터 소스가 상호작용하는 ROBAMA 시스템의 기본개념구도를 나타낸다.

ROBAMA 시스템 한국에서 실행방법 및 순서

• NLP 시스템을 한글로 맞춘다.

• NL 정보는 사회정치적 사안 관련 글을 추출하도록 설정한다.

• 사회정치적 사안 관련 구조화된 관계와 정량적 지식을 불러들이기 명령어 설정한다.

• 사회경제적 사안 추론 컨트롤을 설정한다.

• 인공지능 추론 과정을 인간이 이해할 수 있는 수준으로 단순화시키는 코드를 만든다.

• 진화하는 학습과 개념 융합을 통한 새로운 창의적인 아이디어를 만들어내도록 설정한다.

• AI 의사결정 역량을 평가하고 학습할 수 있도록 과거 사례를 평가한다.

• 간편하게 상호작용하고 이용할 수 있도록 만든 사용자 인터페이스 디자인(대화상자와 다이어그램 활용).

• 지정한 템플릿 방식에 따라서 기술 보고서, 인포그래픽, 정책 브리프를 출력할 수 있게 만드는 문서 생성 코드를 설정한다.

• 사용자 지정 DebateGraph와 통합하거나 사용자 지정 DebateGraph 유형의 툴을 만든다.

• OpenCog 컴퓨터 시스템 확장성을 늘린다.

• 프로젝트의 구성, 팀원 구성 및 훈련

• NLP 시스템을 한글로 맞춘다.

• 관련 데이터와 정량적 데이터를 입력한다.

• 분야에 맞게 학습과 추론을 하도록 설정한다.

• 사례 평가 시스템 구축한다.

• 사용자 인터페이스 디자인하고 초기 버전을 만든다.

• 중간 결과물: 정책 평가 자료 조회에 맞게 기술 보고서를 생성하고 간단한 대화가 가능한 시스템.

• 한국어 NLP 시스템에 잘 맞게 조율

• 사례 평가에 대한 추론 실험

• 평가단 대상 사용자 인터페이스 테스트하기

• 중간 결과물: 정책 평가 조회에 맞게 정책 브리프와 인포그래픽을 생성할 수 있고 대용량 데이터와 다수의 사용자를 수용할 수 있는 시스템 확장성을 갖춘 시스템

• 정교한 의사결정지원 가능한지 테스트

• 실시간 처리 가능한 시스템 확장성 갖추기

• 다양한 평가단에게 선보이기

• 중간 결과물: 복잡한 정책 평가와 간단한 새로운 정책 입안을 시행할 수 있는 시스템

• 체계적인 사용자 테스트

• 추론 통제, 추론 커뮤니케이션 방식 개선

• 실제 사례와 역사적 사례를 두고 체계적으로 평가