데이터와 인공지능이 시대적 화두로 떠올랐지만 모든 사람이 데이터 전문가가 될 순 없다. 아니, 될 필요도 없다. 그보다 데이터 관련 소양을 지닌 도메인 전문가로서 데이터 전문가와 협업하는 방식을 익히는 게 훨씬 현명하다. 이에 따라 지난 두 차례의 칼럼에선 ‘기술’이 아니라 ‘소양’과 ‘마인드’로서의 데이터 지능 개념, 그리고 데이터 전문가와 도메인 전문가가 협업하는 업무 절차를 각각 제시했다.

데이터 공부, 출발점은 ‘일상 속 문제 데이터로 접근하기’

그렇다면 데이터 소양은 어떻게 기를 수 있을까? 흔히 ‘데이터를 공부하려면 복잡한 수식이나 알고리즘 이해가 필수’라고 생각한다. 하지만 방대한 데이터 관련 기술을 전부 공부할 순 없는 일. 해당 분야 전문가가 아닌 다음에야 급변하는 기술을 따라 잡기란 사실상 불가능하다. 데이터의 본질이 문제 해결 수단이란 사실을 이해한다면 데이터 공부의 시작은 ‘주변에서 문제 찾기’이며, 실제로 문제 해결 경험을 쌓는 것만 한 공부는 없다.

이런 의미에서 강조하고 싶은 개념은 주변 문제를 끊임없이 데이터로 푸는 ‘데이터의 생활화’, 혹은 ‘생활 데이터’다. 데이터의 생활화가 중요한 건 그 과정에서 데이터 적용 가능 문제를 찾아 해결하는 경험을 쌓을 수 있기 때문이다. 그러다 보면 자연스레 데이터 기반 문제 해결 과정을 경험하고, 어떤 부분에서 추가 학습이 필요한지 감(感)도 잡을 수 있다. 나 역시 데이터 공부를 시작하려는 사람들에게 늘 “주변 문제를 데이터로 풀어보라”고 얘기해준다.

그렇다면 ‘데이터로 풀 수 있는 문제’란 뭘까? 내가 제시하고자 하는 접근법은 두 가지다. 자신의 삶이나 업무에 관련된 문제를 데이터로 해결해보는 방법이 하나, 분야별로 공개된 데이터나 문제를 활용하는 방법이 다른 하나다. 오늘은 그중에서도 전자, 즉 자신의 문제를 스스로 수집한 데이터로 풀어보는 방법에 대해 좀 더 자세히 알아보려 한다.

데이터 분석 결과 공유 커뮤니티 QS, 10년 만에 급성장

전통적으로 데이터를 활용, 자신에게 의미 있는 뭔가를 달성하려는 시도는 몇몇 개인이나 직업군(群)에 국한돼 이뤄져왔다. 데이터 수집과 활용 자체가 특별한 장비나 노력을 필요로 하는 작업이었기 때문이다. 하지만 정보기술이 발전하며 최근 자신의 삶에서 데이터를 수집, 활용하려는 움직임이 전 세계적으로 확산되고 있다. 그리고 이 트렌드의 중심엔 QS(Quantified Self)란 커뮤니티가 자리 잡고 있다.

QS는 자신의 일상에서 여러 가지 데이터를 수집, 분석하고 그 결과를 공유하는 개인들의 커뮤니티다. 2007년 출범한 이래 2018년 1월 현재 약 34개국에 걸쳐 100개 이상의 지역별 그룹을 거느린 단체로 성장해왔다. 2011년부턴 매년 미국과 유럽에서 국제적 규모의 컨퍼런스를 개최해오고 있기도 하다. 최근 개인 데이터 활용에 대한 관심이 얼마나 폭발적으로 성장했는지 짐작할 수 있는 지표다.

개인 데이터 수집·활용에 대한 관심이 늘어난 건 스마트폰처럼 ‘언제 어디서나’ 자신의 정보를 기록, 조회할 수 있는 수단이 널리 보급됐기 때문이다. 실제로 QS가 처음 활동을 시작했던 2007년은 아이폰이 출시된 해이기도 하다. 요즘 등장하는 개인 데이터 관련 솔루션 대부분이 스마트폰 애플리케이션(이하 ‘앱’)이거나 스마트폰에 연동할 수 있는 기기 형태를 띠는 점에도 주목할 만하다.

이처럼 개인 데이터 활용은 시작된 지 10년도 채 안 돼 글로벌 트렌드로 자리매김했지만 개인 데이터의 가능성은 아직 제대로 발견되지 않았단 게 업계의 중론이다. 차세대 스마트 기기로 각광 받는 스마트 워치 등 다양한 웨어러블 기기 사용자가 늘며 시간과 장소에 구애 받지 않고 손수 데이터를 수집, 활용할 수 있는 방법은 점점 늘어갈 전망이기 때문이다. 말하자면 개인 데이터 혁명의 여파가 일반 대중에게로 확산되는 시기가 다가오는 것이다.

‘주행 기록 측정 앱’ 손수 만든 마라토너 사례 참고할 만

QS에 소개된 최근 사례가 그 좋은 예일 수 있다. 프로그래머이면서 아마추어 마라토너이기도 한 토머스 블롬셋(Thomas Blomseth)은 지난해 9월 네덜란드 암스테르담에서 열린 ‘QS17 컨퍼런스’ 당시 자신의 주행 기록 측정법을 발표했다. 그는 마라톤을 연습하며 자신이 초반 페이스를 지나치게 올리기 때문에 완주에 종종 실패한단 사실을 발견한 후 ‘어떻게 하면 달리기 속도를 서서히 낮출 수 있을까?’를 고민하기 시작했다. 처음엔 단순히 종이에 구간별 주행 속도를 기록했지만 이내 불편을 깨닫고 주행 속도 관리 앱을 만들어 쓰기 시작했다.

▲토머스 블롬셋이 밝힌 구간별 주행 속도 기록법. 2015년엔 종이에 메모하는 게 고작이었지만 이듬해엔 자체적으로 앱을 개발, 활용했다

토머스 블롬셋의 사례에서 얻을 수 있는 교훈은 ‘처음부터 고급 기술에 집착할 필요가 없다’는 것이다. 만약 그가 처음부터 앱 개발을 목표로 설정했다면 지레 포기했을 수도 있다. 하지만 블롬셋은 △자신이 떠올릴 수 있는, 가장 간단한 방법에서부터 출발해 △그 방법의 타당성을 확인한 후 △보다 편리한 대안을 찾았다. 또한 스마트워치 등 시중에서 쉽게 구할 수 있는 장비를 동원, 자신의 주행 기록을 정확히 측정하려 애썼다. 그 결과, 데이터 과학자가 아니면서도 데이터를 통한 문제 해결 측면에서 상당한 경지에 오를 수 있었다. (다음 회차에선 분야별로 다양하게 공개된 데이터를 어떻게 하면 보다 효과적으로 활용할 수 있을지 알아보겠다.)

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

요즘 출시되는 자동차 내부엔 100개 이상의 마이크로컴퓨터가 장착됐다. 이들의 역할은 여러 부품이 원활하게 작동될 수 있도록 복잡한 연산을 수행하는 것. 이 과정에서 쓰이는 소프트웨어는 비행기 작동에 사용되는 것보다 복잡한 걸로 알려졌다. 그런데 인공지능이 인간과의 바둑 대국이나 퀴즈 대회에서 승리하고 의사를 대신해 진단까지 도맡는 이 시대에 자동차는 왜 아직 스스로 거리를 돌아다닐 수 없는 걸까? 어떤 기술적 난관 때문에 아직 ‘완전 자율주행’ 단계에 이르지 못한 걸까? 자동차 운전이 바둑이나 진료보다 어렵기 때문일까?

자동차 운전, 바둑이나 진료보다 어렵다?

만약 당신이 자동차로 출퇴근한다면 차에 타서 가장 먼저 할 일은 ‘제일 안 막힐 것 같은 길을 직관적으로 고르는 것’, 혹은 ‘내비게이션의 도움을 받아 목적지를 검색하는 것’일 테다. 일단 자동차를 출발시킨 후엔 목적지에 도착할 때까지 끊임없이 (눈으로) 주변 환경을 감시하고, (귀로) 다른 차량의 경적 소릴 들으며, (몸 전체로) 차량의 움직임과 노면(路面) 상태를 감지한다. 여러 신체 감각 기관에서 접수된 정보는 뇌에서 일괄적으로 처리돼 그 상황에 가장 적합한 운전 유형을 결정하며, 그와 동시에 운전자의 판단에 따라 차체를 움직일 수 있도록 손발을 통제해 운전대·액셀러레이터·브레이크 따위를 조작한다.

자율주행 자동차에도 똑같은 과정이 필요하다. 우선 경로계획 시스템은 디지털 지도상에서 운전자의 위치를 파악한 후 지도 위 도로 상황과 실시간 교통 정보를 활용, ‘운행 시간이 짧으면서도 연비는 좋은’ 길을 선택한다. 탑승자가 자율주행 시작 명령을 내리면 인지 시스템이 가동될 차례다. 인지 시스템은 자동차에 설치된 카메라와 레이더, 레이저 스캐너(LiDAR^[1]) 등의 센서를 사용해 차량 주변 환경 정보를 수집한다. 이 정보들은 기계가 이해할 수 있는 형태로 처리된다.

판단 시스템은 인지된 정보를 이용해 현재 차량(과 그 주변) 상황, 그리고 앞으로 벌어질 일 등을 예측한 후 가장 안전하고 빠른 차량 궤적을 생성한다. 마지막으로 제어 시스템은 판단 시스템 단계에서 제공된 차량 궤적을 부드럽고 정확하게 좇을 수 있도록 운전대와 액셀러레이터, 브레이크를 조작한다. 사실 사람에게 이런 절차는 ‘익숙해지면 누구나 할 수 있는’ 비교적 간단한 일로 여겨질 것이다. 하지만 자동차에 이 모든 과정이 원활하게 작동되도록 하는 시스템을 탑재하는 일은 쉽지 않다.

눈과 손발은 ‘이상무’… 관건은 똑똑한 뇌

사실 현재 도로를 주행 중인 차량에도 꽤 많은 운전 보조 시스템이 내장돼 있다. 대표적인 게 내비게이션 시스템이다. 내비게이션 시스템은 GPS^[2]나 IMU^[3]를 이용, 차량의 현재 위치를 디지털 지도상에서 파악한 후 목적지까지 가장 빠르고 정확하게 이르는 길을 찾아낸다. 이 과정에서 사용되는 게 바로 검색 알고리즘이다. 지도에서 차량이 갈 수 있는 모든 길을 찾아내고, 각각에 점수와 순위를 매겨 최적의 길을 검색하는 방식이다.

자율주행 자동차의 경로계획 시스템 역시 같은 종류의 알고리즘을 사용한다. 컴퓨터는 짧은 시간 내에 수많은 검색 조건을 기준으로 가능한 모든 길에 대해 점수를 매길 수 있으므로 이 분야에 관한 한 이론적으로 사람보다 낫다. 향후 차량 무선 네트워크나 인터넷을 연결하면 더 많은 정보에 접근할 수 있게 되는 만큼 그 단계에선 사람보다 훨씬 훌륭하게 최적의 길을 찾아낼 수 있을 것이다.

안전 운전 보조 장치로 ESC^[4]도 빼놓을 수 없다. 이 시스템은 운전대 각도 센서와 차량 움직임 센서를 활용, 운전자가 원하는 차량 움직임과 실제 차량 움직임을 지속적으로 측정한다. 운전자가 의도하는 움직임과 현재 차량 움직임 간에 큰 차이가 있다면 ESC는 눈 깜짝할 새 각 바퀴에 적절히 제동을 걸어 차량이 운전자 의도대로 안전하게 갈 수 있도록 돕는다.

(2017년 12월) 현재 법적 의무화가 진행 중인 AEB^[5]는 자동차에 달린 카메라나 레이더가 차량의 전방 상황을 분석, 물체와 충돌 위험이 크고 운전자 조작이 적절치 않았을 때 브레이크를 긴급히 작동해 피해를 경감시키는 장치다. 이 같은 시스템을 작동시키는 컴퓨터는 수 십 분의 1초 단위로 센서 정보를 분석하고 해당 알고리즘의 연산을 통해 빠르고 정확하게 운전에 개입한다. 고속으로 달리는 자동차에선 0.1초의 조작 오차가 큰 사고로 이어질 수 있기 때문이다.

요컨대 현재까지의 자동차는 정밀한 센서 기술과 정확한 알고리즘 연산 덕분에 ‘주어진 움직임을 따라가고 충돌에 반응하는’ 기능에 관한 한 인간보다 더 신뢰성 있는 성능을 제공한다. 인간이 미처 반응할 수 없는 긴급 상황에선 이미 시스템에 운전을 맡기고 있는 셈이다. 또 방대한 양의 지도 데이터와 실시간 교통 정보, 탑승자 취향 등을 반영해 최상의 길을 제공하는 부문에서도 시스템이 인간보다 한 수 위라고 할 수 있다. 하지만 이것만으로 차량을 스스로 움직이게 하긴 역부족이다. 성능 좋은 눈과 손발, 다량의 교통 정보가 있지만 그 모든 걸 처리하고 판단 내리는 두뇌가 완벽하지 않은 탓이다.

자율주행 발목 잡는 ‘예측 불가 도로 상황’

‘어려운 일은 쉽고 쉬운 일은 어렵다(Hard problems are easy and easy problems are hard).’ 모리벡의 역설(Moravec’s paradox)은 ‘컴퓨터가 복잡한 퍼즐이나 체커게임에서 어른 이상의 성능을 발휘하도록 하긴 쉽지만 한 살짜리 아이의 환경 인지와 신체 움직임을 재현하긴 어렵다’는 메시지를 담고 있다.

자율주행 자동차가 기술적으로 아직 실현되지 못한 이유 역시 이 역설로 설명될 수 있다. 주변 환경 인식이나 움직임 판단 같은 일은 인간 두뇌에서 무의식적으로 일어나기 때문에 아주 단순하고 쉬워 보이지만 정작 컴퓨터로 그 기능들을 구현하기란 결코 쉽지 않다. 예를 들어 사람은 운전 도중 큰 노력 없이도 엄청나게 많은 것들을 인지할 수 있다. 차선과 주변 차량, 갓돌(연석)·표지판·신호등·보행자·자전거 등 안전 운전에 필수적인 정보를 순식간에 파악할 수 있을 뿐 아니라 사이사이 풍경을 감상하거나 도로 주변 광고 간판을 읽는 것도 가능하다. 심지어 표정과 손짓으로 다른 차 운전자와 간단히 의사를 전달할 수도 있다. 하지만 고성능 센서가 장착된 자율주행 자동차는 운전에 필수적인 정보를 파악하기만도 벅차다. 컴퓨터가 센서에서 발생하는 다량의 데이터를 분석, 처리함으로써 유의미한 유형 정보를 실시간으로 찾아내야 하기 때문이다.

이 데이터를 기반으로 차량의 움직임을 결정, 판단하는 것도 자율주행 자동차의 몫이다. 운전 과정은 대부분 도로를 따라가며 움직이는 반복적 판단으로 이뤄지지만 갑작스럽게 발생하는 사건에 어떻게 대응할지 판단하는 상황도 끊임없이 발생하게 마련이다. 차 앞에 뛰어든 아이나 강아지, 공사 때문에 차선 없이 임시로 설치된 도로, 길 위에 널린 각종 쓰레기 등이 대표적 예. 이런 상황에서 운전자는 이성적 판단이 아니라 본능적 감각으로 대응한다. 하지만 컴퓨터는 미리 프로그래밍되지 않은 상황과 맞닥뜨렸을 때 본능적으로 판단하기가 불가능하다(이걸 가능케 하려면 무한에 가까운 상황을 전부 사전에 입력해줘야 한다).

이처럼 모호하고 예측 불가능한 도로 상황이야말로 자율주행 판단 시스템의 구현을 방해하는 최대 요소다. 따라서 이 같은 비(非)예측성만 없애거나 통제할 수 있다면 자동차에도 기차나 항공기처럼 곧바로 자율주행 기능을 적용할 수 있을 것이다. 실제로 오늘날 이런 한계를 극복하고 자율주행에 필요한 인지·판단 기능을 강화하기 위해 다양한 인공지능 기술이 연구, 적용되고 있다. 특히 딥러닝(과 강화학습)을 통한 인지 기술, 정밀 지도와 인터넷 연결을 통한 데이터 공유 등은 완전 자율주행을 견인할 원동력으로 주목 받는다(각 기술의 상세 내용은 다음 칼럼에서 보다 자세히 다룰 계획이다).

모두가 받아들이는 객관적 지표 만들어야

그렇다면 인류는 모든 상황을 100% 인지, 판단할 수 있는 자율주행 자동차가 나올 때까지 기다려야 할까? 만약 예측 불가능한 도로 상황에 100% 대응할 수 있는 사람에게만 운전할 자격을 줬다면 세상 누구도 운전면허를 취득하지 못했을 것이다. 이처럼 기술적·환경적 한계가 뚜렷한 상황에서 자율주행 자동차를 도입하려면 사용자와 생산자 모두가 받아들일 수 있는, 직관적이고 명확한 지표가 있어야 한다. 이를테면 자동차 엔진 출력은 마력으로, 충돌 안전성은 5스타로 각각 나타내듯 말이다.

현재 연구 단계에 있는 자율주행 자동차의 신뢰도는 시스템 감시자가 주행 거리별로 개입한 횟수에 따라 평가된다. 이와 비슷하게 주행 거리(혹은 시간)에 따른 고장이나 사고 횟수로 신뢰도와 성능을 가늠할 수 있다면 자율주행 자동차가 사람보다 얼마나 안전하고 효율적인지 정량적으로 측정하는 일도 불가능하지 않을 것이다. 소비자 역시 그 기준에 따라 자율주행 자동차를 선택할 테고, 생산자 입장에선 좀 더 높은 기준을 달성하기 위한 동기 부여가 될 테니 모두에게 유용한 기준이라고 생각된다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

^[1] Light Detection And Ranging. 빛을 활용해 거리를 측정하고 물체를 감지하는 기술
^[2] Global Positioning System. 인공위성 신호를 수신, 사용자 위치를 계산하는 위성항법 시스템
^[3] 관성 측정 장비(Inertial Measurement Unit). 센서에 기반해 이동 물체의 속도와 방향, 중력, 가속도를 측정하는 장치
^[4] 차체 자세 제어 장치(Electronic Stability Control)
^[5] 자동 긴급 제동 장치(Autonomous Emergengy Braking)

4차 산업혁명은 지난해 1월 세계경제포럼 연차총회, 일명 ‘다보스포럼’의 의제(agenda)로 등장한 후 미래를 상징하는 대표적 키워드로 자리매김했다. 1차 산업혁명이 1760년대 증기기관 발명과 함께 시작된 면직물 공업의 기계화를 의미한다면, 1870년대에 화학∙자동차 등 당시 신(新)산업을 중심으로 태동한 2차 산업혁명은 전기에너지 기반의 대량 생산 혁명이라고 할 수 있다. 실제로 2차 산업혁명기를 지나며 포드주의[1]∙테일러주의[2] 등 생산성 극대화에 초점이 맞춰진 관리 시스템 덕에 철강∙자동차 등 중공업 분야가 크게 성장했다.

이에 반해 컴퓨터와 인터넷 기술을 기반으로 한 3차 산업혁명은 ‘지식정보혁명’ 또는 ‘정보통신기술혁명’으로 불린다. 이 시기, 기존 제조업이 속속 디지털화(化)됐을 뿐 아니라 구글∙페이스북 등 인터넷을 통한 글로벌 네트워크 기반의 전혀 새로운 거대 IT 기업도 탄생했기 때문이다. 여기서 질문 하나. 여전히 3차 산업혁명이 유효한 가운데 느닷없이 부각된 4차 산업혁명은 뭘 의미할까?

4차 산업혁명, 핵심 키워드는 ‘융합’

4차 산업혁명은 누가, 어떻게 정의하느냐에 따라 다양한 의미를 지닌다. 하지만 공통적 의미를 추려 요약해보면 대략 다음과 같다.

“사람∙사물∙공간 등 거의 모든 것들이 인터넷으로 이어지고(초연결), 그로 인해 생산되는 빅데이터를 기계학습으로 분석하는 과정에서 스스로 진화하는 지능이 존재하며(초지능), 그 지능이 서로 연결된 대상을 다시 하나로 아우르는(초융합) 시대”

알쏭달쏭하다. 대체 어떤 원리로 이렇게 만병통치약 같은 현상이 가능하단 걸까? 이쯤 해서 4차 산업혁명을 그나마 쉽게 풀어낸 전성철 IGM 세계경영연구원 회장의 표현[3]을 잠시 들여다보자.

전 회장에 따르면 4차 산업혁명 과정에서 이뤄지는 융합은 △인간과 기계 간 융합(인공지능∙빅데이터) △현실과 가상세계 간 융합(가상현실) △공학과 생물학 간 융합(바이오∙생명공학) △조직과 비조직 간 융합(공유경제) 등이다. 여기에 마지막으로 앞선 네 가지가 다시 융합한다는 게 그의 설명이다. 바야흐로 ‘융합 혁명’이다.

전성철 회장은 이 같은 변화를 가리켜 “100개의 레고 조각으로 놀던 아이에게 별안간 1억 개의 레고 조각을 쥐여준 격”에 비유했다. ‘사피엔스’의 저자 유발 하라리 이스라엘 예루살렘히브리대 교수의 표현을 빌리면 “신(神)의 영역에 한발 내디딘” 상황이다. 물론 여기에 선악(善惡) 판단은 없다. 기술은 어디까지나 가치중립적이기 때문이다(이 문제에 관해서라면 하라리 교수의 다른 책 ‘호모데우스’를 읽는 것도 좋은 방법이다).

저커버그는 왜 오큘러스를 인수했을까?

‘초연결’ ‘초지능’ ‘초융합’으로 대표되는 4차 산업혁명의 핵심엔 인공지능(AI)∙사물인터넷(IoT)∙로봇∙드론∙자율주행차∙3D프린터∙가상현실(VR) 등의 기술이 있다. 인공지능을 두뇌에, 빅데이터를 혈액에 각각 비유할 수 있다면 가상현실의 역할은 눈이나 손발에 가깝다. 핵심 요소 기술이 따로 존재하는 게 아니라 인체 기관처럼 유기적으로 연결되면서 서로 간의 융합을 통해 새로운 기술 혁명을 일으키게 되는 것이다.

더구나 가상현실은 홀로 존재하기보다 다른 기술과의 융합을 통해 제 역할을 찾아가는 만능 양념이자 최고의 조연이다. (2014년 당시 제대로 된 제품 하나 보유하지 못하고 있던 오큘러스를 2조 원 넘게 주고 인수한 마크 저커버그 페이스북 CEO는 이 점을 정확히 간파하고 있었다.) 즉 4차 산업혁명 시대에 가상현실은 다른 기술이 반드시 필요로 하는, 공기 같은 필수 요소 기술이 될 것이다.

영화 ‘아이언맨(Iron Man)’ 시리즈를 한 번 떠올려보자. ‘스타크’는 충직한 인공지능 비서 ‘자비스’와 무슨 수단을 통해 대화(혹은 협업)하는 걸까? 극중에서 그들이 만지고 확대하며 분석하는 ‘비전시스템’ 기술이 바로 (증강현실과 홀로그램을 포함하는) 가상현실의 영역이다. 물론 아이언맨을 비롯해 ‘매트릭스’ ‘데몰리션맨’ ‘아바타’ 같은 SF영화 속 획기적 가상현실 기술이 며칠 내에 일상 속으로 들어올 순 없을 것이다. 하지만 이것 하나는 확실하다. ‘80일간의 세계일주’로 잘 알려진 프랑스 작가 쥘 베른이 ‘지구에서 달까지’(1865)를 발표한 후 실제 인류가 달에 발을 내딛기(1969)까지 걸린 100여 년보단 훨씬 짧아지리란 사실이다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] Fordism. 조립라인∙연속공정 기술을 활용, 표준화된 제품을 대량 생산∙소비하도록 설계된 체제. 미국 자동차회사 포드 창설자이기도 한 헨리 포드(Henry Ford, 1863~1947)가 확립했다
[2] Taylorism. 노동자의 움직임과 동선, 작업 범위 등을 표준화해 생산 효율성을 높이는 체계. 미국 경영학자 테일러(Frederick Winslow Taylor, 1856~1915)가 처음 주창했다
[3] 조선일보 위클리비즈 2017년 1월 14일자 참조

불과 얼마 전, 이를테면 1990년대만 해도 사람들은 ‘검색의 시대’를 살았다. 누군가가 수(手)작업으로 완성해놓은 카테고리와 디렉토리를 훑어본 후 그 안에 들어가 정보를 찾는 데 익숙했다. 야후(Yahoo!)가 앞장섰던 디렉토리 서비스가 대표적 예다. 이런 유(類)의 서비스는 사람들이 실제로 관심 갖는 키워드를 중요하게 다룬단 점에서 미덕을 갖췄다. 편리하기도 했다. 하지만 인터넷이 성장하며 정보량이 폭발적으로 늘자, 금세 ‘규모(scale)’의 벽에 부딪쳤다.

‘내가 뭘 아는지’ 가늠 못하는 현대인, 갈수록 검색 어려워해

1990년대 말, 알타비스타(altavista)·라이코스(Lycos)·인포시크(Infoseek) 등 수많은 브랜드가 쏟아지며 인터넷 검색 엔진 시장은 백가쟁명(百家爭鳴)을 이뤘다. 급증하는 정보량을 고려할 때 이는 지극히 자연스러운 일이었다. 하지만 몇몇이 책상에 앉아 세상 사람 모두의 관심사를 디렉토리로 구분하거나, 엄청난 규모의 정보를 카테고리로 나누는 일은 이 즈음 이미 효용 면에서 수명을 다했다. 그런 의미에서 1997년 구글의 등장은 가히 혁신적이었다. 검색 속도와 정확성의 수준을 확연히 올려놓으며 검색 시장의 새 국면을 열었기 때문이다. 구글의 검색 결과는 사람이 분류한 디렉토리 안에 저장된 정보처럼 사용자가 찾는 키워드와 관련성이 높았다.

‘페이지랭크(Pagerank)’란 알고리즘으로 무장한 구글이 천하를 평정하자, 기존 디렉토리 서비스는 빠른 속도로 폐기됐다. 이후 검색의 시대가 본격적으로 시작됐다. ‘인터넷을 사용한다’는 말은 곧 ‘인터넷으로 검색한다’와 동의어였고, 그마저도 대부분은 구글 검색을 의미했다. 검색은 모든 곳에 존재했다. 한쪽에선 구글 검색으로 원하는 정보를 누가 빨리 찾는지 겨루는 대회가 열렸고 다른 쪽에선 검색엔진 최적화[1]나 애드센스[2], 애드워즈[3] 등 관련 사업과 생태계가 꽃피었다. 사람들은 하루에도 수십 번씩 검색을 수행하고 결과를 확인하며 지식을 확장해갔다(그건 지금도 별반 다르지 않다).

하지만 사람들이 미처 느끼지 못하는 새, 검색의 독주는 슬그머니 끝났다. 그 틈을 비집고 들어온 건 ‘추천’이었다. 디렉토리 서비스가 검색에 자리를 내어준 것처럼 몇 해 전부터 검색은 추천과의 공존을 서서히 꾀하고 있다. 이렇게 생각해보자. 당신이 뭔가를 검색하려 한다면 일단 검색 대상을 한두 개 단어로 표현해야 한다. 찾고 있는 게 구체적으로 뭔지 이미 알고 있어야 한단 뜻이다. 구글이 처음 등장한 1990년대 말이라면 충분히 가능한 설정이었다. 하지만 오늘날 인류에게 그건 상당히 어려운 얘기다. 인터넷 안에 짐작조차 어려울 만큼 많은 정보(데이터)와 서비스, 상품이 존재하기 때문이다. 이런 ‘정보의 바다’에서 사람들은 자신이 뭘 아는지(모르는지) 좀처럼 가늠하지 못한다.

추천시스템은 사용자를 행으로, 항목을 열로 하는 ‘희소 행렬’

추천시스템(Recommender systems)은 오래 전부터 수많은 웹사이트에서 활발하게 사용되고 있다. △아마존 전자상거래 서비스 △넷플릭스 영화 스트리밍 서비스 △구글 뉴스 서비스 △스포티파이(Spotify) 음악 스트리밍 서비스 등이 대표적. 적용 분야도 금융·보험·헬스케어·(온라인)광고 등에 한정됐던 초기와 달리 현대인의 일상 곳곳에 자연스레 스며들고 있다. 2000년대, 도처에 검색이 있었듯 2010년대엔 사방에 추천이 있다. 물론 차이는 존재한다. 검색은 텍스트 입력이 필요한 검색 창을 전제로 하므로 눈에 잘 보이지만 추천은 웬만해선 눈에 띄지 않는다.

검색은 사용자가 입력한 키워드를 기준으로 그것과 관련성 높은 문서를 찾아 사용자에게 보여주는 형태다. 반면, 추천은 사용자가 좋아할 거라고 예측되는 항목(item)을 컴퓨터가 알아서 예측한 후 제시되는 결과다. 추천시스템의 경우, 사용자가 키워드 따위를 직접 입력하지 않기 때문에 검색보다 훨씬 넓고 깊은 데이터 분석을 필요로 한다. 자연히 검색보다 인공지능에 좀 더 가깝다.

검색에서 핵심이 되는 데이터 모델은 입력된 키워드, 그리고 그에 상응하는 문서다. 인터넷에 존재하는 대다수 정보가 문서 단위로 조직되기 때문이다. 반면, 추천에서 중요한 데이터 모델은 사용자와 항목이다. 이때 사용자란 이름·성별·나이 등 단순 속성의 집합체가 아니다. 과거 어떤 제품을 선호하고 구매했는지, 무슨 링크를 클릭했는지 등 ‘행위’ 관련 정보를 모아놓은 형태다. 또 항목은 영화·음악·도서, 혹은 상품·서비스 등 컴퓨터가 사용자에게 권할 수 있는 전부를 아우르는 개념이다.

추천시스템 알고리즘은 크게 ‘협업 필터링(Collaborative filtering)’과 ‘콘텐츠 기반 필터링(Content based filtering)’으로 나뉘며, 앞서 언급한 대로 사용자와 항목 관련 정보를 기반으로 작동된다. 사용자를 행(row)에, 항목을 열(column)에 각각 놓은 행렬(matrix)을 떠올리면 쉽다. 각 칸은 특정 항목에 대한 사용자의 평점을 담고 있다. 일단 이 행렬은 거대하다. 아마존·구글·넷플릭스 등의 인터넷 서비스 가입(사용)자 수, 그리고 각각의 서비스가 판매하는 상품 종류를 생각하면 그 크기를 어느 정도 예측할 수 있다. 심지어 이 행렬에서 대부분의 칸은 아무런 값을 가지지 않는다. 한 명의 사용자가 구매(혹은 평가)하는 상품 수는 전체와 비교했을 때 극도로 제한돼 있기 때문이다. 따라서 추천시스템이 다루는 행렬은 대부분의 칸이 비어있는 ‘희소행렬(sparse matrix)’이다.

‘사이트 방문 없이도 작동하는’ 추천 알고리즘 활약 기대할 만

결국 추천시스템은 이처럼 비어있는 칸에 들어갈 값을 예측하는 엔지니어링이다. 다양한 행렬 계산과 통계학 방법을 동원, 발전을 거듭해온 추천시스템은 최근 신경망(neural network)과 딥러닝을 등에 업고 계산 측면에서 한층 정확해졌다. 속도도 눈에 띄게 향상됐다. 내가 애용하는 음악 서비스이기도 한 스포티파이 역시 딥러닝을 활용하기 시작하며 추천 음악에 대한 사용자(물론 나도 포함돼 있다) 반응이 전보다 좋아졌단 후문이다.

한 시대를 풍미했던 야후 디렉토리 서비스는 이미 오래전 구글 검색에 자리를 내줬다. 그리고 오늘날 검색은 추천과 공존한다. 시장에 안착한 기업 중 추천시스템을 적극적으로 활용하지 않는 곳은 찾아보기 힘들 정도다. 추천시스템의 질이 향상될수록 사람들은 점점 더 검색 기능을 사용하지 않게 될 것이다. 아닌 게 아니라 매번 적확한 키워드를 떠올려야 하는 검색은 추천에 비하면 꽤 귀찮다. 그런데 이 상황, 생각하기에 따라선 야후 디렉토리 서비스의 부활처럼 느껴진다. 커튼 뒤에서 작업하는 존재가 사람이 아니라 컴퓨터 알고리즘이란 사실, 전보다 훨씬 정교한데다 스케일 문제도 거의 없단 사실만 빼면 말이다.

추천은 아직 ‘웹사이트 방문’이란 사용자 행위를 필요로 한다. 하지만 앞으로의 추천 알고리즘은 채팅봇·메시지·SNS 등 다양한 인터페이스를 활용, 지금보다 훨씬 전방위적으로 확산될 것이다. 당장 떠오르는 모델만 해도 여럿이다. △목적과 예산에 맞춰 계획을 수립해주는 여행 플래너 △계절과 장소에 맞춰 입을 옷을 대신 선택해주는 의류 코디네이터 △취향과 다이어트 식단을 기반으로 매일 먹을 음식을 결정해주는 푸드 가이드 △무크(MOOC)[4] 등의 방식을 활용, 최적의 학습 계획을 세워주고 진행을 돕는 학습 에이전트… ‘추천의 시대’를 살아가는 당신 앞에 곧 펼쳐질 서비스의 면면이다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다.

[1] Search Engine Optimization(SEO). 검색 엔진에 특정 글을 효과적으로 싣고 널리 알릴 수 있도록 웹페이지를 구성, 검색 결과 상위에 오르게 만드는 작업
[2] AdSense. 구글이 운영하는 광고 프로그램. 웹사이트(블로그) 소유자가 가입하면 구글이 해당 사이트 내용을 분석, 그에 걸맞은 광고를 올려주고 방문자가 해당 광고를 클릭하면 구글이 광고주에게서 돈을 받아 그 일부를 웹사이트(블로그) 소유자에게 나눠주는 방식으로 운영된다
[3] AdWords. 구글의 검색광고 네트워크 서비스. 검색광고를 신청하면 제휴 검색 엔진에도 광고가 동시에 게재되는 방식이다. 클릭당 광고비와 클릭율(CTR)을 동시에 적용, 입찰 경쟁 방식으로 제공된다
[4] ‘온라인 공개 수업(Massive Open Online Course)’의 약자

플랫폼(platform)은 각각 ‘구획된 땅’ ‘형태’란 뜻의 영단어 ‘plat’과 ‘form’이 합쳐져 형성된 단어다. 풀이하자면 ‘구획된 땅의 형태’, 즉 용도에 따라 다양하게 쓰일 수 있는 공간이 된다.

플랫폼의 성격을 규정하는 두 가지 키워드는 협력, 그리고 상생이다. 플랫폼에선 누구나 공평하며 행복하다. 다수가 저마다 뚜렷한 역할을 갖고 참여하며, 협업을 전제로 자생한다. 또한 각기 ‘다르면서도 같은’ 운명 공동체를 형성한다.

21세기 부(富), 플랫폼에서 나온다?!

“플랫폼 사업(business)은 인공위성과도 같다”는 게 내 평소 지론이다. 인공위성은 종종 올라가야 할 곳에 오르지 못한다. 최악의 경우, 공중에서 폭발하기도 한다. 하지만 일단 궤도에 오르면 무한 동력을 갖추고 영원히 돌 수도 있다. 이 때문에 혹자는 인공위성을 가리켜 ‘보이지 않는 엔진(invisible engine)’이라고 정의했다.

플랫폼 기업 대다수가 설립 초기 ‘광폭 성장’에 성공할 수 있었던 건 플랫폼의 본질인 협력·상생 정신에 충실하게 운영됐기 때문이다. 마이크로소프트(MS)는 서드파티(3^rd party)의 도움을 받았다. 구글은 모든 참여자에게 자사 플랫폼을 개방하는 한편, 거기서 나오는 혜택을 나눴다. ‘동등한 연결’을 앞세운 페이스북, 클라우드에 기반한 아마존 역시 그 철학 아래 성장해왔다.

플랫폼의 가능성은 글로벌 석학들도 일찌감치 주목했다. ‘플랫폼 전략론의 권위자’로 꼽히는 안드레이 학주(Andrei Hagiu) 미국 매사추세츠공과대학(MIT) 경영대학원 방문교수는 “장(場)을 가진 자가 부의 미래를 지배한다”고 말했다. 일본 경제학자 오마에 겐이치 역시 “21세기 부(富)는 플랫폼에서 나온다”고 주장했다. 내 생각도 그들과 다르지 않다.

향후 플랫폼 성패 가르는 건 ‘연결성’

모든 플랫폼, 특히 서비스 플랫폼을 예로 들면 플랫폼의 성패를 좌우하는 건 ‘얼마나 많은 사람이 연결될 수 있느냐’다. 다시 말해 플랫폼 내 구성원 간 협력이 중요하단 얘기다. 물론 그 전제는 ‘원활한 소통’이다. 이 같은 협력과 소통의 성과는 막대하다. △기술과 규모 △서비스의 양과 질 △차별화와 경쟁우위 △시장 지배력과 표준으로서의 위치 등을 모두 가져갈 수 있기 때문. 너도나도 플랫폼 사업에 뛰어드는 이유 역시 여기서 찾을 수 있다. 플랫폼이 ‘모든 걸 취할 수 있는 비즈니스의 장(場)’으로 자리매김한 것이다.

과거 MS·구글·페이스북 등은 대부분 자사 서비스 특징에 적합한 오픈 API[1] 정책을 도입, 빠르고 편리하게 사용자층을 확대해왔다. 이에 따라 소비자에게 제공되는 서비스도 대부분 서드파티에 의해 개발됐다. 플랫폼을 보유한 기업이 너나 없이 개발자 지원에 나선 것 역시 그 때문이다. 단순히 API를 개방하는 데 그치지 않고 보다 잘 활용할 수 있도록 다양한 개발자 지원 프로그램을 가동시킨 것이다.

오늘날 세상을 지배하는 플랫폼엔 몇 가지 공통점이 있다. 첫째, 하나같이 3차 산업혁명의 결과물이다. 둘째, 막강한 힘을 지닌 채 관련 산업을 지배하고 있다. 셋째, 서드파티와 소비자 등 다수가 참여해 규모를 점차 키워갈 뿐 아니라 급속도로 성장하고 있다. 넷째, 일부 주체의 통제 아래 자동화 공정에 따른 대량 생산이 이뤄지며 그 결과 분야별 강자가 존재하게 됐다.

하지만 해당 산업이 채 포화 상태에 이르기도 전, ‘더 작아지고 빨라지고 짧아지는’ 4차 산업혁명의 특징이 나타나고 있다. 그와 함께 다양하면서도 개개인에게 딱 맞춰진 서비스가 점차 강세를 보이고 있다. 이런 변화의 기저엔 데이터가 존재한다. 좀 거칠게 말하면 인공지능의 초기 버전으로 봐도 무방하다. 즉 기업과 산업, 개별 플랫폼 중심의 기존 구도가 ‘연결과 융합’을 축으로 하는 4차 산업혁명 코드를 만나 서비스와 플랫폼에서의 연결성을 지향하는 모양새다. 이런 추세는 앞으로도 계속 이어질 전망이다.

개방·협업이 대세… 폐쇄성 지양해야

4차 산업혁명기의 플랫폼은 당연히 지금까지의 플랫폼과 그 성격이 다르다. ‘암탉의 배에서 생기다 만 알을 꺼내는 건 어리석은 일’이란 옛말도 있지만 필연적으로 대두될 현상과 관련된 동향을 예견하고 대비하는 일은 아무리 강조해도 지나치지 않는다.

앞서 언급한 오늘날의 플랫폼은 예외 없이 강력한 ‘그들만의 영역’을 보유하고 있다. 흥미로운 건 이들 역시 일명 ‘월드 가든(walled garden)’으로 불리는 폐쇄형 네트워크 서비스에 대한 비판을 등에 업고 태동했단 사실이다. 실제로 한때 시장을 호령했던 폐쇄형 네트워크 서비스는 대대적 개방 정책에 의해 무너졌다. 이후 생겨난 구글과 애플, 아마존과 페이스북은 앞다퉈 “우리야말로 월드 가든의 불합리를 개선했다”고 역설했다.

하지만 오늘날 이들 업체는 과거보다 한층 강력하고 거대한 월드 가든을 형성하고 있다. 지배력 측면에서도 예전과는 비교할 수 없을 정도로 막강한 영향력을 행사한다. 개방과 협업을 외치는 이들의 서비스를 이용하는 사이, 소비자는 자신도 모르게 영화 ‘트루먼쇼’의 주인공이 된 듯한 착각에 빠지게 된다. 이게 바로 ‘플랫폼의 법칙’이다. 일부 운영 주체가 모든 규칙을 지배하려는 욕심이 낳은 결과다.

최근 플랫폼 시장의 위상은 다소 애매모호하다. 하지만 분명한 건 지금이야말로 플랫폼 변화기란 사실이다. 네트워크·단말 사업자는 말할 것도 없고 운영체제(OS)에서도 종류를 막론하고 서비스 플랫폼이 강세를 보이고 있다. 소셜 채널과 O2O(Online to Offline) 플랫폼이 최근 유독 두각을 드러내는 것 역시 이런 현상과 무관하지 않다. 여기에 소셜 채널과 여타 플랫폼 간 연계는 4차 산업혁명기의 플랫폼을 더 빠르게 변화시키는 동인(動因)이 되고 있다.

“작고 빠르되 ‘신뢰’ 가게 만들어라”

“4차 산업혁명은 기술이 아니라 철학이다.” 해외 어느 학자는 이렇게 말했다. 4차 산업혁명기를 실제로 구현하는 건 기술일지 모르지만 최종 목표는 ‘인간을 위한, 새로운 사회’인 만큼 그 바탕엔 인간다운 철학이 있어야 한단 뜻 아닐까?

4차 산업혁명이 도래한 사회를 논할 때 다수가 공통적으로 언급하는 기술이 있다. △빅데이터 △인공지능 △사물인터넷 △로봇 △유전자 편집 등이 대표적 예다. 이런 기술은 상호 연결과 데이터 교환, 예측 불가능한 융합 등의 과정을 거쳐 구현된다.

‘작고 빠르며 가벼운, 그리고 단기간에 성취 가능한’ 특성은 4차 산업혁명기의 플랫폼에서도 동일하게 나타날 것이다. 크고 강한 단위 플랫폼보다 작은 플랫폼이 주목 받으며, 소규모 플랫폼 간 결합은 보다 융통성 있고 유연한 플랫폼을 탄생시킬 전망이다. 수 년 전 미국 뉴스 웹사이트 ‘비즈니스 인사이더(Business Insider)’가 언급한 페이스북 플랫폼 서비스 구조처럼 ‘작지만 대등한 소(小)단위가 결합, 결국 자발적 구속을 거쳐 대형 플랫폼을 이루는’ 형태가 대세로 자리 잡을 것이다.

요컨대 4차 산업혁명기에서 강력한 힘을 발휘하는 건 ‘진정한 개방과 자율에 의한 플랫폼’의 존재다. 현재보다 한참 느슨하지만 새로운 관계와 연결돼 더 많은 연동을 가능케 하는 플랫폼이 진짜 강자로 등극하리란 얘기다. 물론 이때 플랫폼은 지금까지의 것보다 훨씬 작고 빨라야 한다. 그래야 플랫폼 간 연동에서 스스로의 역할에 충실할 수 있기 때문이다. 단, 작고 개방적이며 자율성을 지니고 있다 해도 그게 자신의 고유한 개성을 가려선 안 된다.

어쩌면 앞서 언급한 특성보다 중요한 건 ‘소비자의 선택’인지도 모른다. 기술적 탁월성이 아니라 사용자 개개인에게 적합하면서도 신뢰(trust)가 가는 플랫폼이어야 고객 입장에서 그 가치를 인정할 수 있기 때문이다. 가장 유념해야 할 사항은 3차 산업혁명기든 4차 산업혁명기든 플랫폼 고유의 철학은 변하지 않는단 사실이다. ‘누구나 자유롭게 참여할 수 있는 무대(場)’란 플랫폼의 정의를 잊지 않는다면 무한궤도를 도는 ‘영원한 플랫폼’의 구축도 불가능한 일만은 아니다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] open Application Program Interface. 검색·블로그 등의 데이터 플랫폼을 외부에 공개해 다양한 서비스(혹은 애플리케이션)가 개발될 수 있도록 하는 프로그램

미국에서 있었던 일이다. 유망한 등반가였던 휴 허(Hugh Herr)는 뉴햄프셔주(州) 어느 계곡에서 얼음 등반을 하던 중 눈보라에 갇혀 길을 잃었다. 간신히 구조되긴 했지만 동상에 걸려 무릎 아래 두 발을 절단해야 했다. 20세기였다면 등반가로서의 경력은 거기서 끝났을 것이다. 하지만 그는 티타늄 스파이크가 장착된 의족 보형물을 스스로 제작, 착용한 후 다시 등반에 나섰다. 이 일로 세상을 놀라게 한 그는 이후 매사추세츠공과대학교(MIT)에서 생물의학 기기 관련 박사 학위를 취득했고, 지금도 MIT 부교수로 재직하며 인간 생체 능력을 증강시키는 보조기구 연구에 매진하고 있다.

팔다리가 ‘인공’인 사람을 로봇이라 부르진 않는다

발이 보통 사람과 다르게 생긴 휴 허. 사람들은 그를 로봇이라고 생각할까? 그럴 리 없다. 질문 자체가 우습다. 따지고 보면 신체 일부가 남다른 사람은 휴 허 말고도 많다. 남아프리카공화국 출신 육상선수 오스카 피스토리우스(Oscar Pistorius)는 태어난 지 채 1년도 안 돼 두 다리를 절단했다. 하지만 칼날처럼 생긴, 탄소섬유 재질의 의족을 단 채 올림픽에 출전하며 유명세를 얻었다. 여자친구를 살해하는 범죄를 저지르는 바람에 올림픽에서의 성취가 퇴색하긴 했지만, 아무튼 어느 누구도 그가 (로봇이 아닌) 사람이란 사실을 의심하지 않는다.

로봇공학과 생체의학의 발달 덕분에 요즘은 절단된 팔다리를 정교한 보조기구로 보강하는 일이 그리 어렵지 않다. 실제로 하루가 멀다 하고 “강화 슈트나 가상현실 장비 따위를 착용한 장애인이 신체적 한계를 넘어 걷고 보고 듣는” 뉴스가 쏟아져 나온다. 보조기구의 활약은 눈에 보이지 않은 몸속에서도 이어진다. 플라스틱의 일종인 폴리우레탄으로 만들어진 인공심장 같은 건 어떨까? 아직 완성된 기술이라곤 할 수 없지만 인공심장 역시 다른 생체 보조기구와 마찬가지로 빠르게 발전하는 분야다. 인공심장도 로봇 팔다리와 다르지 않다. 인공심장을 달고 있다 해서 그를 로봇이라고 의심할 사람은 없기 때문이다.

이번엔 사람 머리를 잘라내어 다른 몸통에 이식하는 경우를 생각해보자. 10년 전이었다면 말도 안 되는 상상으로 치부됐겠지만 머리 이식 수술은 지난해 이미 중국에서 원숭이를 대상으로 성공을 거뒀다. 불발되긴 했지만 인간을 대상으로 하는 머리 이식 수술도 한때 실현될 뻔했다. 러시아 컴퓨터 프로그래머 발레리 스피리도노프(Valery Spiridonov)가 그 주인공. 사고로 머리 외 근육 기능을 전부 상실한 그는 뇌사자 가족에게서 기부 받은 타인의 몸통에 자신의 머리를 이식하는 수술 참여를 자원했다(해당 수술은 후원자를 찾지 못해 성사되지 못했다). 이쯤 되면 머리 이식 수술은 더 이상 머릿속 상상이 아니다. 엄연한 현실이다.

온몸이 실리콘과 플라스틱, 탄소섬유인 존재라면?

여기서 상상력을 조금만 더 발휘해보자. 사람 머리를 이식해 연결하는 몸통이 다른 사람 몸이 아니라 인체 형상을 한 보조기구라고 생각하는 것이다. 사람 머리를 잘라 붙이는 대상이 뼈와 살로 이뤄진 진짜 몸이 아니라 탄소섬유와 플라스틱으로 구성된 로봇 육신이라면 어떨까? 그런 형태로 ‘만들어진’ 사람도 여전히 사람으로 여겨질까? 아마 그럴 것이다, 물론 앞선 사례에 비해선 좀 망설여지지만.

로봇이나 생체의학 분야 기술이 지금보다 더 발전하면 눈·귀·코·입 모두 보조기구로 대체할 수 있을 것이다. 시간이 얼마나 걸릴진 말할 수 없지만 궁극적으로 그렇게 되지 말란 법도 없다. 자, 그렇다면 두개골 속 뇌를 제외한 나머지 부분이 전부 탄소섬유와 플라스틱인 존재가 있다고 가정해보자. 그는 여전히 사람일까, 아니면 로봇일까? 사람, 이라고 답하고 싶지만 슬슬 찜찜해진다. ‘보고 만지고 느끼는’ 모든 게 보통 사람의 것이 아니기 때문이다.

 ‘특이점(singularity)’ 개념으로 잘 알려진 미래학자 레이 커즈와일(Ray Kurzweil)은 “머지않은 미래에 인간 두뇌 속 정보를 송두리째 읽어 컴퓨터에 저장하는 기술, 이를테면 마인드업로딩(mind uploading)이나 정신 전송 따위가 가능해질 것”이라고 예측한다. 이미 인공지능 시대를 살고 있는 나와 당신에게조차 황당한 만화처럼 들리겠지만 한편으론 ‘그럴 수도 있겠다’는 생각이 든다. 인공지능이 스스로 바둑을 익혀 이세돌을 이기는 마당에 앞으로 무슨 일이 불가능하겠는가!

마인드업로딩 기술은 “인간 두뇌의 물리적 구성물도 언젠간 (현재의 단백질에서) 실리콘으로 교체될 수 있다”는 사실을 암시한다. ‘인간 정신이 컴퓨터와 하나의 사물로 통합되는’ 시나리오가 실현될 수 있단 얘기다. 그런 일이 실제로 일어났다고 상상해보자. 두뇌를 포함, 머리부터 발끝까지 몸 전체가 실리콘과 플라스틱, 탄소섬유 등으로만 구성된 존재가 당신 눈앞에 있다. 그는 사람일까, 로봇일까? 아마 사람이라고 부르기 어색할 것이다. 사람 의식을 일부 기억하는 로봇, 이라고 하는 게 보다 정확한 개념이지 않을까?

어쩌면 우린 생물학적 진화 담당하는 마지막 세대

최근 인공지능(AI)을 둘러싼 마크 저커버그(Mark Zuckerberg) 페이스북 최고경영자와 엘론 머스크(Elon Musk) 테슬라 최고경영자 간 논쟁이 화제다. 저커버그는 “인공지능이 운전과 진료, 교육 등 많은 분야에서 인간 삶을 보다 안전하고 풍요롭게 만들어줄 것”이라고 낙관한다. 반면, 머스크는 “인공지능 발전이 국가 같은 공공기관의 개입과 통제 없이 무분별하게 이뤄진다면 궁극적으로 인류 생존을 크게 위협할 것”이라고 경고한다. 이 논쟁은 상당히 많은 메시지를 함의하고 있지만 제일 중요한 논점은 역시 인공지능의 자기 인식 여부다.

인공지능(혹은 컴퓨터)은 언젠가 자기(self)를 인식할 것이다. 이때 ‘자기’가 정확히 뭔가 하는 문제는 다분히 철학적 주제인 만큼 이 글의 범위를 벗어난다. 내가 이해하는 인공지능의 자기 인식은 ‘자기애나 슬픔, 분노 같은 감정적·심리적 요소가 아니라 목적의 자율적 설정’에 방점이 찍힌다. 자기 인식의 출발점을 ‘스스로 목적을 세우는 행위’로 보자는 것이다. 그렇다면 이 문단의 첫 문장은 이렇게 다시 쓰일 수 있다. 인공지능(혹은 컴퓨터)은 언젠가 스스로 목적을 설정하게 될 것이다.

‘스스로 목적을 설정하는’ 인공지능의 존재는, 인류 입장에선 거대한 재앙이다. 저커버그가 말했듯 인공지능이 인간에게 풍요와 편리를 안겨주는 건 인간이 정해놓은 목적에 철저히 복무할 때에 한해서다. 인공지능이 스스로 할 일을 정하고 합리성을 추구하기 시작하면 그 깊고 빠른 사고(思考) 속에 인간중심주의가 존재할 자리는 별로 없다. 고도로 발달한 지능이 보기에 인간은 ‘지극히 비효율적이고 비합리적이며 연약한’ 존재에 불과하기 때문이다.

이런저런 이유로 난 지금 이 시각 지구상에 살아있는 우리야말로 인류의 생물학적 진화를 담당하는 마지막 세대일지 모른다고 상상한다. 앞서 살펴본 생체 보조장치가 발전하며 인간과 로봇 간 경계는 서서히 허물어질 것이다. 고도로 발달한 인공지능 역시 사이보그의 일부로 통합될 게 자명하다. 그 결과, 인간은 인공지능에 의해 파멸되는 게 아니라 인공지능과 통합된다. 공상과학(SF) 소설이나 영화 속 인간 대(對) 로봇(인공지능) 간 대결은 어쩌면 무의미한 상상인지 모른다. 언제가 될지 모르지만 미래의 어느 순간, ‘우리가 로봇이자 인공지능인’ 새 시대가 시작될 테니까. 그때가 되면 인간과 로봇의 경계 같은 말은 더 이상 의미가 없(을 것이)다. 너무 황당한 상상일까?

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

구글이 네스트(Nest Labs)를 인수한 건 2014년 1월이었다. 스마트홈용 온도조절기와 화재경보기를 만드는 이 회사의 인수 당시 가격은 32억 달러(약 3조6000억 원). 구글의 네스트 인수를 둘러싼 의견은 엇갈린다. 한편에선 “전략적으로 성공한 인수였다”고 호평하지만 다른 편에선 “인수 이후 더 이상의 혁신을 이끌어내지 못하고 있다”며 비판 받는 것. 특정 현상에 대한 평가는 관점에 따라 달라질 수 있는 만큼 어느 한쪽의 손을 들어주는 건 섣부를 수 있다. 다만 인수 직후 자사 경쟁력을 키우기 위해 네스트가 기울여온 노력을 들여다보는 건 나름대로 의미 있는 작업이다.

구글에 인수된 후에도 ‘승승장구’ 네스트… 비결은?

구글이 네스트에 관심을 보인 건 (온도조절기나 화재경보기 같은) 하드웨어 제품이 필요해서가 아니었다. 구글에 인수됐을 당시 네스트는 신생 기업으로선 드물게 100개 이상의 특허를 보유하고 있었다. 그리고 그중 상당수는 음성인식∙빅데이터∙인공지능 등 하나같이 차세대 기술로 각광 받는 것이었다. 실제로 네스트의 기술과 인력은 구글이 음성인식 기술 ‘구글 어시스턴트(Google Assistant)’나 음성인식 기반 스피커 ‘구글홈(Google Home)’을 개발하는 데 상당한 역할을 한 걸로 알려지고 있다.

2017년 9월 현재 네스트의 주요 인력은 구글로 자릴 옮겼거나 퇴사했다. 기업 규모도 자연히 축소됐다. 하지만 네스트의 기업 가치는 여전히 8억 달러(약 9000억 원)에 이른다. 구글이 인수한 금액에 비하면 4분의 1 수준에 불과하지만 네스트가 신생 제조 기업인 점, 인수 이후 구글이 네스트에서 확보한 인재와 지적 재산 등을 감안하면 결코 낮은 금액이 아니다. 실제로 네스트는 대당 가격이 249달러(약 28만 원)인 학습형 온도조절기(Learning Thermostat)를 월 4만 대, 많게는 5만 대씩 출하하고 있다. 화재감지기 ‘네스트 프로텍트(Nest Protect)’ 역시 타사 동종 제품보다 가격이 다섯 배 이상 비싼데도 인기가 높다.

올해로 설립된 지 7년, 본격적으로 제품을 판매하기 시작한 시점으로 치면 이제 고작 삼사 년밖에 안 된 기업이 이렇게 선전하고 있는 비결은 뭘까? 여러 원인이 있겠지만 가장 큰 이유는 ‘돈 버는 방법’을 바꾼 데 있단 게 내 생각이다. 고객에게 제품을 팔며 돈을 벌던 기존 방식에서 탈피, 고객이 돈을 벌도록 해줌으로써 제품 판매를 이어가고 있는 것이다. 네스트 덕에 돈을 벌게 된 고객이 더 많은 네스트 제품을 구매하고 그 결과, 네스트 매출이 늘어나는 구조인 셈이다.

기업 고객 웃게 하는 ‘인터넷 연계 온도조절기’ 시장

네스트가 처음부터 이런 생각으로 제품을 개발했는지 여부는 알 수 없다. 분명한 건 구글과 만난 이후 사업 전략을 바꿨단 사실이다. 네스트는 구글에 인수되고 나서, 좀 더 엄밀히 말하면 구글을 등에 업고 타깃(target) 고객을 ‘개인’에서 ‘기업’으로 변경했다. 하지만 그게 전부는 아니다. 네스트는 자신들이 판매하는 제품의 가치가 개인 고객보다 기업 고객에서 더 크게 인정 받는다고 판단했다. 실제로 그 즈음, 지역 전력회사나 화재보험사가 네스트 제품에 관심을 보이기 시작했다.

네스트가 만들어 파는 가정용 온도조절기나 화재경보기는, 얼핏 생각하면 주택 건설 시 반드시 필요한 제품인 만큼 건설업자나 주택 설비업자의 관심을 가장 먼저 끌 것 같다. 하지만 이런 생각은 연결성(connectivity) 없는 전통적 제품에 국한된다. 제품이 인터넷에 연결되고 그 상태에서 생성되는 데이터가 활용성을 갖추면 온도조절기나 화재경보기는 단순 주택 설비 이상의 가치를 만들어낼 수 있게 된다. 네스트는 바로 그 점에 주목했다. 신규 기업 고객 역시 그 가치를 눈 여겨보기 시작했다.

네스트 가정용 온도조절기는 고객의 사용 유형(pattern)을 분석, 자동으로 에어컨을 켜고 끄는가 하면 온도도 조절해준다. 개인 고객이 이 제품을 쓰면 당연히 편리할 테고 전기요금도 어느 정도 절약할 수 있을 것이다. 하지만 그뿐이다. 만약 이들 온도조절기를 한데 묶어 제어할 수 있다면 어떻게 될까? 여러 가정의 이용 유형이 모이면 발전소는 발전량을 그에 맞춰 효율적으로 조절할 수 있을 것이다. 그 과정에서 전기 사용량이 최적화돼 발전소를 추가로 짓지 않아도 될지 모른다.

화재경보기도 마찬가지다. 인터넷에 연결된 화재경보기는 연기나 이산화탄소 발생 유형을 분석, 화재 발생 사실을 조기에 감지할 수 있게 해준다. 이 사실은 건물 관리자와 소방서 담당 부서에도 실시간으로 공유된다. 화재로 인한 피해를 예방하거나 최소화할 수 있는 것이다. 이런 구조가 자리 잡히면 화재보험사의 비용은 크게 낮아진다. 수익구조가 개선되면 보험료도 내려간다. 더 많은 고객을 확보할 수 있게 되는 것이다.

네스트 제품을 사용한 덕에 비용을 절감할 수 있게 된 지역 발전소와 화재보험사는 그 비용으로 다시 네스트 제품을 구매해 자사 고객에게 무상으로, 혹은 저렴한 가격에 제공한다. 또한 자신들이 제공하는 상품 가격을 할인해주기도 한다. 자신들과 거래하는 고객이 돈을 절약할 수 있게 돕고, 그 결과는 다시 신규 고객 유치로 이어져 수익이 창출되는 구조다. 요컨대 사물이 인터넷에 연결되며 기업의 돈 버는 방식까지 바꾼 것이다.

“고객에게 실질적 혜택 제공하는 기업만 살아남을 것”

최근 네스트처럼 사물인터넷 제품의 특성을 최대한 활용하는 기업이 점점 늘고 있다. 대표적 사례가 핏빗(Fitbit)이나 미스핏(Misfit) 같은 스마트밴드 공급 기업이다. 이들 역시 초기엔 네스트처럼 개인 고객을 상대했지만 삼사 년 전부턴 건강보험사 등의 기업 고객을 공략하는 방식으로 전략을 바꾸고 있다.

개인에게 스마트 밴드는 단지 활동량 정보 제공 장치에 불과하지만 건강보험사나 기업 고객 입장에선 자사의 손해율(loss ratio, 수입보험료 대비 지급보험금 비율)을 낮추거나 직장의료보험료 부담을 줄이는 수단으로 활용할 수 있기 때문이다. 한 걸음 더 나아가 보험료 인하는 신규 고객 유치나 임직원의 건강 상태 관리를 통한 생산성 개선에도 도움이 된다.

이 같은 전략 수정의 배경은 간단하다. 그저 제품을 판매하는 차원을 넘어 고객에게 실질적 혜택을 제공, 제품이 실제로 많이 팔리게 만드는 것이다. 물론 그 배경엔 “비용 절감과 생산성 향상, 매출 증대와 관련된 각종 지표를 정확하고 구체적으로 제시해주는” 사물인터넷 제품의 특성이 있다. 그 덕에 기업은 데이터에 기반해 크고 작은 결정을 내리는 한편, 한층 체계적이고 합리적인 방식으로 사업을 전개해갈 수 있다.

이제 ‘제품 팔아 돈 버는’ 시대는 지났다. 사물인터넷 세상을 살아가는 기업은 자사 제품(혹은 제품이 제공하는 데이터)을 이용, 고객이 돈을 벌도록 해줘야 한다. 고객의 주머니가 두둑해지면 기업 매출은 자연스레 올라간다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

내가 처음 택한 대학 전공은 물리학이었다. 라플라스[1]가 “우주 내 모든 입자의 위치와 속도를 알면 우주의 미래를 예측할 수 있다”고 말한 것처럼 뉴턴 역학만 알면 만물의 이치를 결정적으로 설명할 수 있을 줄 알았다. 하지만 막상 양자역학을 배우며 ‘우주 내 모든 입자’는 고사하고 입자 수가 네댓 개만 돼도 그들 간의 상호 작용을 깔끔한 수식으로 풀어낼 수 없단 사실에 크게 실망하고 방황했다.

꿈에 그리던 IBM 연구소 입성, 그리고 첫 번째 미션

그 즈음, 우연히 IBM의 체스 인공지능 ‘딥블루(Deep Blue)’가 세계 챔피언 개리 카스파로프[2]를 꺾는 광경을 목격했다. 이후 ‘언젠가 나도 IBM에서 인공지능 만드는 일을 하고 싶다’고 막연하게 생각하며 전공을 전자공학으로 바꿨다. 그리고 약 10년 후인 2007년 5월, 마침내 꿈에 그리던 미국 뉴욕 IBM 연구소에 입성했다.

포스트닥(post-doc, 박사후연구원) 자격으로 입사한 IBM 연구소에서 만난 매니저는 내게 되도록 학구적 업무를 맡기려 했다. 길어야 3년짜리 계약직이었던 만큼 재직 중 논문을 최대한 많이 써서 연구소를 떠난 후 정규직을 구하는 데 도움을 받을 수 있도록 배려한 것이다. 그의 맘이 무척 고마웠지만 내 생각은 좀 달랐다. 정규직으로 승진하려면 회사 이익에 직접적 기여를 해 보일 필요가 있다고 여긴 것이다.

적당한 기회를 물색하던 중 당시 IBM이 차세대 고속 직렬 링크 표준을 정하는 ‘CEI-25’ 위원회에서 지리멸렬한 논쟁을 이어가고 있단 사실을 알게 됐다. 상대는 알카텔 루슨트(옛 벨랩)와 브로드컴(옛 LSI 로직)이 각각 주도한 컨소시엄이었다. 신호 표시(signaling) 방식을 두고 알카텔 루슨트 컨소시엄은 듀오 바이너리[3]를, 브로드컴은 PAM4[4]를, IBM은 NRZ[5]를 각각 표준으로 채택시키기 위해 몇 년째 다투고 있었다.

문제는 각 회사가 저마다 자체적으로 개발한 시뮬레이션 도구(tool)로 성능 평가에 나선 데 있었다. 당연히 알카텔 루슨트에선 듀오 바이너리 방식이, 브로드컴에선 PAM4가 가장 우수한 성능을 보였고 논쟁은 교착 상태에 빠졌다. 이 때문에 CEI-25 위원회는 한때 시뮬레이션 도구를 오픈소스[6]로 만들려는 시도에 나서기도 했다. 하지만 각 사 엔지니어들이 본업을 제쳐두고 이 일에 시간을 투자할 리 만무했기 때문에 그 작업 역시 끝내 완성되지 못했다.

정규직 전환 성공 비결은 ‘관점 전환’과 ‘끝없는 연구’

‘세계적 기업이 처음부터 엉터리 도구를 만들었을 리 없다. 그렇다면 시뮬레이션 조건에 뭔가 비밀이 숨어있지 않을까?’ 브로드컴이 “PAM4가 가장 우수하다”는 시뮬레이션 결과를 발표할 때 우리(IBM)가 “NRZ가 더 낫다”며 반박해봐야 끊임없이 평행선만 달릴 게 뻔했다. 고심 끝에 내린 결론은 이랬다. ‘어떻게 하면 브로드컴 측과 같은 결과가 나올까? 한 번 재현해보자!’

CEI-25에서 뭔가 발표하려면 그 전날까지 관련 슬라이드를 업로드하는 게 당시 규정이었다. 상대방이 발표 내용에 대응할 수 있는 시간을 안 주려다 보니 대개의 자료가 자정에 임박해 올라왔다. 브로드컴 측 결과를 재현하기 위해 이리저리 ‘삽질’을 거듭하다 마침내 그들이 전제 조건에 어떤 장난을 쳤는지 알아냈다. 그 순간의 희열은 지금도 생생하다.

회의까진 고작 두어 시간 남은 상황. 그때부턴 브로드컴 측이 자사에 유리한 결과를 내기 위해 세운 가정이 얼마나 비합리적인지, 그걸 좀 더 합리적인 가정으로 교체하면 결과가 어떻게 달라지는지 효과적으로 보여줄 수 있는 방법 연구에 골몰했다. 극적 효과를 높이려면 어느 시점에 어떤 질문(으로 우아하게 포장된 반격)을 던질지도 궁리했다.

마침내 (IBM 측 채택 희망 방식이던) NRZ가 차세대 고속 직렬 링크 표준으로 결정됐다. 그 공로로 1년여 후인 2008년 8월엔 정규직으로 전환될 수 있었다. 그해 9월 리먼브러더스가 파산하며 세계 금융 위기가 절정으로 치달았다. IBM도 모든 신규 채용을 중지했다. 돌아보면 정말 운 좋게 막차를 탄 셈이었다.

‘과학적 판단 가능한 중립적 배심원’ 활용 검토해볼 만

요즘 원전(原電) 논란으로 아주 시끄럽다. 정치인은 그렇다 치고 과학·기술자 사이에서라도 합리적 논의가 진행돼야 하는데, 원전에서 사고 날 확률을 엉뚱하게 계산하거나 “후쿠시마에 사람이 살아도 아무 문제가 없다”[7]는 등의 극단적 주장만 주목 받는다.

결국 원전 문제는 이를테면 ‘과학적 재판’으로 갈 수밖에 없지 않을까? 관련 분야 전문가는 이해관계에서 자유로울 수 없을 테고, 혹 그런(이해관계에서 자유로운) 사람들이 존재해 “객관적으로 판단한 결과, 원전은 계속 짓는 게 맞는다”는 결론이 나오더라도 고준위(高準位) 방사선 폐기물[8] 처리장 부지 선정 과정에 뒤따를 후폭풍을 감당하긴 쉽지 않을 것이다.

여기서 말하는 과학적 재판이란 논란이 불거진 안건의 타당성을 판단할 때 이해관계에서 완전히 벗어나 있는 비전문가 중 △양측 논리를 전부 듣고 공부한 후 △각 주장에 숨은 가정을 따져보고 △부족한 자료는 요구하며 △미심쩍은 부분은 전문가에게 캐물어 과학적 판단을 내릴 수 있는 이들을 배심원으로 선정, 그들에게 최종 결정을 맡기는 것이다. 물론 이 모든 과정은 문서로 기록돼야 한다, 이후 누가 봐도 논리적으로 승복할 수밖에 없도록.

원전 논란을 과학적 재판으로 풀어가려면 일단 배심원들이 본업을 떠나 원전 공부에 몰두할 수 있는 여건을 만들어줘야 할 것이다. 효율적 학습에 필요한 권한, 예를 들어 자료 제출 요구권이나 전문가 출석 요청권 따위를 부여한다면 몇 년 안에 소위 ‘전문가’로 불리는 사람들보다 훨씬 종합적이고 균형 잡힌 시각에서 최선의 판단을 내릴 수 있으리라 생각한다.

세분화∙파편화된 현대 기술… ‘전문가 만능론’ 경계해야

반도체 패키징[9] 연구에 15년 넘게 종사하며 나름 세계적으로 인정 받을 만한 업적을 제법 쌓았다. 하지만 어디까지나 패키지의 전기적 설계 측면에 국한돼 있다. 패키지 설계만 해도 전기적 측면 외에 기계와 열, 재료 등 여러 변수를 모두 고려해야 하는데 이런 쪽은 겨우 ‘귀동냥 좀 해본’ 수준이다. 생산 쪽으로 넘어가면 이해도는 더 떨어진다. 완전한 미지의 세계라 해도 무방할 정도다.

분야를 막론하고 전체를 꿰고 있는 전문가, 란 게 존재한다면 하나의 조직에 전문가가 수십·수백 명씩 있어야 할 까닭이 없다. 시스템이 복잡하고 기술은 세분화·파편화된 공학 쪽은 더더욱 그렇다. 오히려 전문가일수록 시스템 전체를 파악하지 못하는 문제가 생길 여지가 크다. ‘공학적 지식을 기반으로 하면서 첨예한 논란의 한복판에 있는’ 이슈에 관한 한 과학적 재판이 효과적일 수 있는 건 그 때문이다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] Pierre Simon Laplace(1749~1827). 프랑스 천문학자 겸 수학자

[2] Garry Kasparov(1963~). 러시아 출신 세계 체스 챔피언

[3] duo-binary. 파형의 스펙트럼을 저주파 부분으로 모아 고역 주파수 전송에 따른 감쇠 영향을 경감하는 신호 전송 방식

[4] 펄스진폭변조(Pulse-Amplitude Modulation, 펄스의 폭과 주기를 일정하게 하고 신호파에 따라 해당 진폭만 변화시키는 방식)의 일종

[5] Non-Return-to-Zero. 정보 값에 변화가 생겼을 때에만 펄스를 켜거나 끄는 신호 전송 방식

[6] open source. 소프트웨어 설계도에 해당하는 소스코드를 인터넷 등으로 무상 공개, 누구나 개량∙재배포할 수 있도록 하는 것

[7] 2011년 3월 일본 동북부 지방을 관통한 지진과 쓰나미의 여파로 일본 후쿠시마현 소재 원전의 방사능이 누출되는 사고가 발생했다

[8] 방사선 방출 강도가 높은 방사능 폐기물. 사용 후 핵연료에서 분리된 핵분열 생성물의 농축 폐액이나 플루토늄 등의 초우라늄 원소를 많이 포함한 폐기물 등을 포함한다

[9] semiconductor packaging. 반도체 칩을 탑재 기기에 맞는 형태로 만드는 기술

봇포엣(botpoet.com)이란 웹사이트를 아시는지. 이 사이트는 방문자에게 ‘시인이 쓴 시’와 ‘인공지능 장착 봇(bot)이 쓴 시’를 차례로 보여주며 방문자가 일명 ‘튜링 테스트(Turing test)’를 수행하게 한다. 튜링 테스트는 컴퓨터가 스스로 사고하는지 여부를 측정하기 위해 영국 수학자 앨런 튜링(Alan Turing)이 1950년대에 제안한 실험. 참여자는 커튼으로 가려져 보이지 않는 상대방과 텔레그래프로 채팅, 커튼 뒤 존재가 사람인지 컴퓨터인지 구분한다. 이때 양자를 쉬 구분하지 못하면 컴퓨터가 스스로 사고하는 걸로, 혹은 인간 지능에 근접한 걸로 본다. 편리하다. 하지만 과학적으로 엄밀한 방법은 아니다.

파블로 네루다의 시를 ‘봇’ 작품으로 오판하다

봇포엣에 접속, 튜링 테스트에 참여해본 적이 있다. 대부분 정답을 맞혔지만 늘 그런 건 아니었다. 어떤 시는 사람이 쓴 건데 봇이 쓴 걸로 착각했고, 봇이 쓴 시를 두고 사람 작품이라고 판단하기도 했다. 파블로 네루다[1]가 쓴 시를 봇 작품이라고 잘못 말했을 땐 시인에게 괜히 미안하기도 했다. 시가 영문으로 작성된 탓에 단어 선택이나 문장 배치 등이 자아내는 어감을 면밀하게 포착하기 어려웠고, 그 결과 시인의 시적 파괴와 봇의 엉뚱함을 구별하지 못한 게 오판의 원인이었다.

사실 컴퓨터가 시를 쓰는 건 더 이상 뉴스가 아니다. 인공지능이 시나 소설을 쓰고, 영화 시나리오를 완성하며, 신문 기사를 작성하고, 그림이나 작곡에 도전하는 건 신기한 SF적 상상이 아니라 일상의 일부이기 때문이다. 현재의 발전 속도를 고려하면 인공지능이 시인·소설가·화가·작곡가의 밥그릇을 (심각한 수준에서!) 위협하고, 더 나아가 의사·변호사·대학교수·건축가·프로그래머의 일자리를 빼앗아갈 날도 멀지 않았다.

‘4차 산업혁명’으로 불리는 오늘날의 변화가 단순히 경제·경영 차원의 문제가 아니라 정치·사회·문화 전반에 걸친 인간의 삶이나 존재 자체에 대한 변화를 추동(推動)하고 있다, 는 주장은 조금도 과장이 아니다. ‘인간은 필요 없다’(원제 ‘Human Need Not Apply’)란 책을 쓴 제리 카플란(Jerry Kaplan) 미국 스탠퍼드대 법정보학센터 교수는 인공지능이 몰고 온 노동 시장의 파괴와 불평등 심화에 대해 고민하며 “그런 변화에 대응하기 위해 새로운 경제 체계를 준비해야 한다”고 주장한다. 그리고 이때 고민과 주장의 시점은 ‘미래’가 아니라 ‘현재’다.

같은 이유로 ‘시 쓰는 봇’ 역시 이제 그리 신기하지 않다. 나도 당신도 이미 알고 있다. 인공지능은 시를, 그것도 엄청난 속도로 쓸 수 있단 사실을. 시인 한 사람이 한 편의 시를 쓰기 위해 멀리 여행을 떠나고 술을 마시고 실연을 당하고 불면의 날을 지새는 동안 인공지능은 모르긴 해도 100만 편쯤의 시를 뚝딱 완성해낼 것이다. 그중 10만 편 정도는 사람이 쓴 시와 구별되지 않을 테고 1000편은 뛰어난 시인의 작품이라고 해도 믿길 만한 수준일 게 분명하다. 10편 정돈 ‘걸작’으로 명명해도 될 정도 아닐까? 이세돌과 커제가 하루 한두 판의 대국을 소화하는 동안 알파고가 수십, 수백 판의 대국에도 끄떡없었던 것처럼 생산성 측면에서 인간은 이미 인공지능의 비교 대상이 아니다. 설령 그게 시를 쓰는 일이라 해도.

시를 시일 수 있게 해주는 건 시인의 삶과 생각

그런데 말이다. 시를 쓴 주체가 사람인지 컴퓨터인지 구별하기 어렵다 해서 컴퓨터가 쓴 글을 시라고 불러도 되는 걸까? 예를 들어 앞서 예로 든 ‘100만 편의 시를 쓴 인공지능’ 작품 중 다음과 같은 내용이 포함돼 있다고 하자(사실 이건 윤동주의 시이지만 봇이 그 비슷한 내용의 시를 썼다고 가정해보잔 얘기다)

그런데 시를 쓴 주체가 사람이 아니라 봇이란 사실을 알고 있다면 어떻게 될까? 그때도 봇이 부끄러워하고 괴로워한 걸 상상할까? 그럴 리 없다. 봇에겐 삶이나 감정이 없기 때문이다. 봇은 내면의 서정을 토해내려 활자를 이용하는 게 아니라 학습된 알고리즘에 따라 단어를 이리저리 무심하게 배치할 뿐이다. 그런 의미에서 윤동주의 시를 닮은 위의 것은 교묘하게 배치된 단어의 조합일 뿐 시는 아니다.

따지고 보면 봇포엣의 튜링 테스트 역시 알고리즘 속 시뮬레이션 기능을 점검하는 하는 과정에 불과하다. 봇의 시적 상상이나 서정적 능력을 측정하는 건 아니란 얘기다. 사람들이 윤동주와 네루다의 시를 읽고 감동하는 건 그저 그들이 선택한 단어와 문장의 조합이 훌륭해서가 아니다. 그들이 만든 시적 문장과 그들의 삶이 어떻게 연결되는지 알고 느끼며 배우고 싶기 때문이다. 봇이 쓴 시가 튜링 테스트를 통과한다 해도 진정한 의미에서의 시는 될 수 없는 이유 역시 거기에 있다.

‘온갖 봇’들의 홍수에서 정신 차리고 살아남기

정보를 단순히 취합해 기사를 만들어내는 알고리즘에서 비판적 저널리즘 정신을 기대할 수 없듯, 몇몇 단어 조합으로 ‘시 비슷한 글’을 만들어내는 봇에서 시인 정신을 바라는 건 난센스다. 그것들은 시뮬레이션일 뿐 실제가 아니기 때문이다. 자, 이제 칼럼 서두에서 번역했던 시의 원문을 읽어볼 차례다. 신중하게 생각해보기 바란다. 이걸 쓴 건 사람일까, 인공지능일까?

이건 ‘특이점(singularity)’ 개념의 주창자로 유명한 미래학자 레이 커즈와일(Ray Kurzweil)이 만든 알고리즘 ‘사이버네틱 포엣(Cybernetic Poet)’의 작품이다. 난 처음 이 시를 읽고 ‘사람 작품’이라고 착각했다. 긴가민가했지만 마지막 구절(‘passed their dreams’)에서 깜빡 속고 말았다. 오래된 친구들이 전하는 꿈, 이라니. 세상에, 속을 만하지 않은가.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] Pablo Neruda(1904~1973). 칠레 시인으로 1971년 노벨문학상을 수상했다

1996년은 국내 온라인 전자상거래 역사에서 ‘기록’으로 남을 만하다. 오늘날 대다수가 이용하는 인터넷 쇼핑몰과 온라인 서점이 처음 등장한 해이기 때문이다. 당연한 얘기지만 온라인 쇼핑 등장 이전엔 옷·가전·책·CD 따위를 사려면 시내나 집 근처 오프라인 매장을 방문해야 했다. 하지만 온라인 쇼핑은 이런 불편을 단번에 덜어줬다.

모바일 쇼핑은 전자상거래의 천지개벽?

▲1996년 첫선을 보인 국내 최초 온라인 쇼핑몰 ‘인터파크’ 초기 화면(사진 출처: 단비뉴스)

물론 온라인 쇼핑몰이 처음 등장했을 때엔 이용하기가 지금처럼 쉽지 않았다. 결제 한 번 하려면 상당한 인내심을 발휘해야 했고, 주문한 제품을 받아보기 위해 이삼일씩 기다리는 게 기본이었다. 하지만 너무 바빠 오프라인 쇼핑은 엄두조차 못 내는 사람들에게 온라인 쇼핑은 그야말로 신세계였다.

이후 온라인 쇼핑은 급속도로 일상에 파고들며 비약적으로 성장했다. 통계청에 따르면 지난해 국내 온라인 상거래 시장 규모는 소매 판매 총액(약 34조5000억 원)의 18%에 육박했다. 그 사이, 새로운 쇼핑 수단도 등장했다. 스마트폰을 활용한 모바일 쇼핑이다.

모바일 쇼핑이 본격화되기 시작한 전 2009년이다. 일반적으로 모바일 쇼핑이라 하면 스마트폰·태블릿 같은 모바일 기기를 활용, 무선 인터넷에 접속한 후 진행하는 인터넷 쇼핑을 일컫는다. 엄밀히 말하면 온라인 쇼핑 공간을 PC에서 모바일 기기로 옮긴 것에 불과하다(물론 PC보다 작은 화면에 제품 소개 정보를 보기 좋게 담아내고, 제한된 환경에서 주문이나 결제가 원활하게 진행되도록 하는 기술이 추가되긴 했지만). 하지만 온라인 쇼핑과 모바일 쇼핑 사이엔 아주 큰 차이가 하나 있다.

온라인 쇼핑을 하려는 사용자는 반드시 PC 앞으로 자리를 옮겨야 했다. 하지만 모바일 쇼핑 단계에선 그럴 필요가 없다. 출퇴근 시간은 말할 것도 없고 친구를 기다리는 동안, 심지어 (그래선 안 되겠지만) 회의나 수업 중에도 얼마든지 쇼핑이 가능하다. 즉 쇼핑에서 필연적으로 수반되는 줄 알았던 시간이나 장소의 제약이 완전히 사라진 것이다. (게다가 모바일 쇼핑은 스마트폰 같은 개인용 장치를 사용해 이뤄지는 만큼 ‘개인별 맞춤 서비스’ 제공도 가능하다.)

진짜 중요한 건 ‘디바이스’ 아닌 ‘연결성’

점차 커지는 모바일 쇼핑 시장은 통계에서도 여실히 드러난다. 통계청에 따르면 2017년 5월 현재 한국의 온라인 쇼핑 거래액은 약 6조 3000억 원. 그중 60%(3조 8000억 원)이 모바일 쇼핑 거래액이다. 지난해 5월 온라인 쇼핑 거래액과 모바일 쇼핑 거래액은 5조 2000억 원과 2조 7000억 원. 1년 만에 각각 21%와 41% 늘었다. 성장세로만 따지면 모바일 쇼핑이 온라인 쇼핑을 두 배 가까이 앞서고 있는 것이다.

모바일 쇼핑의 상승세는 언제까지 이어질까? 대부분의 전문가는 현재의 흐름이 당분간 지속될 거라고 전망하지만 내 생각은 그렇지 않다. 사물인터넷 시대, 4차 산업혁명 시대가 도래하면서 자동차·TV·냉장고 등 수많은 사물이 인터넷에 연결되고 있기 때문이다. 여기에 최근엔 사람 말을 알아듣는 음성 인식 스피커 장치도 다수 출시되고 있다(고객 가치 전달 채널의 변화상에 관해선 2015년 12월 삼성전자 뉴스룸에 기고했던 ‘O2O 맹신론을 경계하라’에서도 도표<아래 참조>로 설명한 적이 있다).

▲기술 발달로 상거래 방식은 계속해서 진화하고 있다. 하지만 달라지는 건 ‘구매 방식’일 뿐이며 ‘구매 행위’의 본질 자체는 변하지 않는다

인터넷에 연결된 장치는 단순히 ‘상태 알림’이나 ‘원격 제어’ 기능만 제공하지 않는다. 이전까지 단독으로 이용되던 사물도 인터넷에 접속되는 순간, 혹은 다른 사물이나 비즈니스와 연결되는 순간 전에 없던 기능이나 가치를 발휘할 수 있다.

좀 더 구체적인 예를 들어보자. 커넥티드 디바이스(connected device) 체계가 구축되면 이제껏 PC나 스마트폰을 기반으로 이뤄졌던 음악 청취나 동영상 감상 서비스가 다른 기기에서도 가능해진다. 인터넷에 연결된 압력밥솥이 있으면 거기서 바로 압력밥솥 요리 레시피를 다운로드하고 레시피 속 요리 재료를 구매할 수 있다. 스마트TV만 갖고 집에서 따라 할 수 있는 피트니스나 요가 프로그램을 결제하는 것도 어렵지 않다. 커넥티드 디바이스 환경이 해당 기기에 ‘기존 기능 이외의 새로운 가치’를 부여하며 나타나는 현상이다.

▲커넥티드 디바이스의 최대 특징은 기기 본연의 기능 외에 새로운 고객 가치 제공이 가능해진다는 데 있다

최근 이동통신사나 인터넷 서비스 사업자를 중심으로 속속 출시되는 음성 인식 개인 비서 스피커를 이용하면 치킨이나 피자를 주문할 수도, 택시나 대리기사를 호출할 수도 있다. 머지않아 세탁·청소 같은 집안일도 도움받을 수 있을 것이다. 즉 커넥티드 디바이스로 디지털 콘텐츠나 일반 재화는 물론, 생활 서비스를 구매하고 이용하는 것도 가능해지는 셈이다.

▲요즘 속속 선보이고 있는 음성인식 장치(스피커)는 커넥티드 디바이스의 활용 가능성을 잘 보여준다

확 바뀔 쇼핑 판도… 기업들도 대비해야

이런 현상은 소비자 부문뿐 아니라 모든 산업 분야에서 동시다발적으로 나타날 전망이다. 이미 그런 조짐이 현실화된 분야도 있다. 당장 사무용 복합기에 쓰이는 프린터용 토너나 복사용지 주문은 (해당 기기가 인터넷에 연결돼 있기만 하면) 자동으로 이뤄지고 있다. 일부 산업용 설비 역시 소모품을 알아서 주문하고 부품 정비 서비스도 스스로 요청한다.

커넥티드 디바이스 환경이 불러온 변화는 기업에 새로운 고민거리를 던져줄 것이다. 이제껏 기업들은 오프라인 매장이든 온라인(모바일) 쇼핑몰이든 특정 공간에 판매하려는 제품이나 서비스를 전시해놓고 소비자 선택을 기다려왔다. 하지만 사물인터넷 시대에 이런 방식은 더 이상 유효하지 않다. 스마트 기기 중 상당수는 제품이나 서비스 관련 정보를 띄울 스크린을 탑재하지 않았을 가능성이 크기 때문이다.

향후 기업은 ‘커넥티드 디바이스 환경이 보편화되면 우리 제품과 서비스를 어떻게 판매할 수 있을까?’를 고민해야 한다. 아울러 ‘어떻게 하면 고객이 경쟁사 제품이 아니라 우리 제품을 선택하게 할 수 있을까?’도 생각해볼 필요가 있다. 여기엔 소비자 생활 습관이나 특성 파악을 위한 노력, 일단 확보한 고객의 로열티(loyalty)를 유지하는 전략 등이 포함될 것이다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

알파고와 이세돌의 대국 직후 ‘사피엔스’(김영사)의 저자 유발 하라리가 우리나라를 방문, ‘인공지능이 인류 미래에 끼칠 영향’에 대해 극단적으로 암울한 전망을 내놓은 적이 있다. (개인적으로 하라리에 관해서라면 ‘과거를 통찰하는 능력에 비해 미래에 대한 견해엔 허술한 면이 적지 않다’고 생각하지만) 그의 얘기 중 몇몇은 적극적으로 공감할 만했다. 이를테면 다음과 같은 대목이다.

“현재 학교에서 아이들에게 가르치는 내용의 80% 내지 90%는 그들이 40대가 됐을 때 전혀 쓸모 없을 확률이 크다. 어쩌면 지금 아이들은 선생님이나 연장자에게 배운 교육 내용으로 여생을 준비하는 게 불가능한 역사상 첫 세대가 될지 모른다. 우리가 아이들에게 가르쳐줄 가장 중요한 기술은 ‘어떻게 해야 늘 변화하면서 살 수 있을까?’ ‘어떻게 해야 내가 모른다는 사실을 직면하며 살 수 있을까?’일 것이다.”

혼자선 전공 교과서 못 읽는 대학생, 진짜 문제는 ‘이것’

전자공학 기술은 ‘알파고 사건’ 이전부터 이미 2년 후를 내다보기 어려울 정도로 급변하고 있었다. 하지만 오늘날 대학에서 가르치는 기술은 학생이 졸업해 사회로 나가는 시점이면 이미 구닥다리가 된다. 사정이 이렇다면 대학 교육은 ‘가르치는 내용 자체’가 아니라 ‘공부하는 방법을 깨우치는 일’에 주력해야 한다.

내가 근무하는 아주대학교는 국내 주요 신문사 평가에서 15위 정도를 유지하고 있다. 그중 전자공학과는 10위권쯤으로 여겨진다. 그런데 아주대 전자공학과의 평균적 학생들은 혼자서 교과서를 읽지 못한다. 영어로 쓰여 있어서 그런 건 아니다. 한글로 쓰인 교과서도 마찬가지이기 때문이다. 왜 그럴까?

천재가 아닌 다음에야 전공 서적을 처음 읽으면 그 내용의 3분의 1이나 이해될까 말까 하는 게 정상이다. 그런 다음, 두 번째 읽을 때엔 절반쯤 이해되고 네댓 번 읽으면 비로소 대부분의 내용이 이해되는 것이다. 그런데 학생들은 처음 읽을 때 이해가 안 되면 그 답답함을 견디지 못하는 것 같다. 그동안 학원과 인터넷 강의에서 이해될 때까지 떠 먹여주던 것에 익숙해졌기 때문이리라.

원래 대학수학능력시험 지문은 플라톤의 ‘국가’나 칸트의 ‘순수이성비판’처럼 여느 고교생이라면 절대 읽어보지 않았을 곳에서 가져온다. 낯선 텍스트를 접할 때 짧은 시간 내에 핵심을 파악하는 능력이 있는지 평가하려는 의도다. 정공법은 평소 책을 많이 읽는 것이지만 우리의 놀라운 사교육 체계는 다른 방법을 찾아냈다.

인간이 인공지능보다 나은 건 상상력… 어떻게 키울까?

객관식 보기 중 정답을 골라내는 일이라면 사람은 인공지능을 이길 수 없다. 하지만 상상력이라면 얘긴 좀 달라진다. 상상력을 직역하면 ‘어떤 모양(像)을 떠올리는(想) 능력(力)’이 된다. 상상력을 키우는 최고의 방법은 독서다. 영화 ‘마션(The Martian)’은 2015년 개봉됐지만 원작 소설이 출간된 건 2014년이었다. 영화로 보는 것보다 책을 읽는 게 열 배는 힘들다. 묘사된 문장에서 주인공이 처한 상황을 끊임없이 떠올려야 하기 때문이다. 하지만 이게 바로 상상력을 기르는 훈련이다.

그런데 우리 아이들은 공부하느라 너무 바빠 책 읽을 시간이 없다. 머지않아 인공지능과 경쟁하며 살아야 할 그들에게 정말 필요한 공부는 뭘까? 문제지 열심히 풀게 해 소위 명문 대학 보내는 게 그들을 진정 위하는 길일까? 이제 대기업 정규직은 점점 사라질 것이다. 그 자리를 채우는 건 프리랜서가 될 공산이 크다. ‘내가 좋아하는 분야에서 사회가 필요로 하는 가치(상품이나 서비스)를 어떤 방식으로, 얼마나 빨리 찾아낼 수 있느냐’가 성공의 관건인 시대가 오고 있다.

미국 로봇공학자 한스 모라벡(Hans Moravec)은 일찍이 “체스 인공지능 만들기는 상대적으로 쉬운 반면, 지각·운동 능력이 한 살짜리 아기 정도인 인공지능을 만드는 일은 어렵거나 불가능하다”고 지적했다. 바둑의 역사는 2500년이 채 안 된다. 알파고가 단기간에 인간을 따라 잡을 수 있었던 이유다. 하지만 인간이 두 다리로 걸어 다니기까진, 즉 직립보행하기까진 수백만 년의 학습(진화) 과정이 필요했다. 2족 보행 로봇 개발엔 알파고 개발에 투자한 것보다 훨씬 오랜 시간이 필요하단 얘기다.

‘현존 최고 2족 보행 로봇’으로 꼽히는 ‘아틀라스(Atlas)’[1]는 2000년 등장한 ‘혼다 아시모(Honda ASIMO)’[2]에 비해 엄청나게 발전했다. 하지만 여전히 인간과 비교하긴 초라한 수준이다. 얼마 전 아틀라스가 눈 덮인 비탈길을 그런대로 잘 걸어 내려오는 영상이 공개돼 세상을 깜짝 놀라게 했다. 하지만 이는 로봇이 모터를 자율적으로 제어한 게 아니라 현장에 있던 엔지니어들이 주요 변수를 사전에 면밀하게 설정해준 덕분이었다. 결국 가상 공간에서 숫자로 이뤄진 정보를 처리하는 일은 인공지능이 대체하더라도, 물질 세계를 돌아다니며 타인과 의견을 소통하고 감정을 이해하며 상호 작용하는 일은 여전히 인간을 필요로 할 것이다.

지식 급변 시대의 어른, “나도 틀릴 수 있다” 인정해야

인공지능(로봇)이 쉽게 흉내 내기 어려운 인간의 능력은 곧 인공지능 시대를 살아갈 우리 아이들이 갖춰야 할 경쟁력이다. 대화와 타협의 기술과 남을 배려하는 마음, 협업하는 능력 등은 인성교육 측면에서 예전부터 강조돼온 덕목이다. 하지만 이젠 우리 교육이 최우선으로 추구해야 하는 목표가 됐다.

그런데 우리의 현실은 어떤가? 학생들은 스마트폰 문자 메시지와 ‘카톡’ 단문에 익숙해진 나머지, 긴 글을 쓰거나 얼굴 맞대고 대화하는 일을 지나치게 어려워한다. 그 와중에 어른들은 상대평가 시스템으로 그들을 극단적 경쟁으로 내몰며 “남을 배려하고 갈등을 조정하며 협업해야 한다”고 말한다. 이런 기대가 가당하기나 한가?

내겐 올해로 만 5세 된 아이가 있다. 인공지능 전문가랍시고 이 글을 쓰고 있지만, 실은 내 아이도 어떻게 교육해야 할지 몰라 늘 고민이다. 아이가 갖게 될 직업은, 지금은 존재하지조차 않는 것일 가능성이 높다. 이런저런 교육이 좋을 것 같다, 는 생각이 들긴 하지만 그게 최선이란 확신도 없다.

내가 알고 있던 성공 법칙은 이미 깨졌다. ‘내가 해봤는데 이렇게 하는 게 좋다’는 생각은 틀릴 가능성이 높다. 내 아이를, 내 제자를 사랑하기 때문에 내가 알고 있는 최선의 방법을 권해보지만 늘 ‘내가 틀릴 수도 있다’는 생각을 갖는 게 중요하다. “난 이 방법이 제일 좋을 것 같아 권유하지만 솔직히 확신은 없어. 네 생각은 어떠니? 우리 함께 고민해보자.” 이런 식으로 접근해야 성공 확률이 높을뿐더러 ‘꼰대’ 소리 듣는 것과 같은 부작용도 줄일 수 있다.

잘 알지도 못하면서 자기 확신에 가득 차 소리만 지르는 사람이 점점 늘어간다. ‘내가 틀릴 수도 있다’는 생각이 있으면 좀 겸손해질 텐데. 지식과 기술이 급변하는 시대를 살아가려면 더 많은 융통성과 적응력이 필요하다. 그 출발점은 “나도 틀릴 수 있다”는 사실을 인정하는 것이다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] 미국 로봇 기업 보스턴 다이나믹스(Boston Dynamics)가 개발한 2족 보행 휴머노이드 로봇
[2] 일본 기업 혼다(Honda Motor)가 선보인 세계 최초 2족 보행 휴머노이드 로봇

‘势在人为, The Human Element’. 올해로 6년째에 접어든 MWCS(Mobile World Congress Shanghai) 2017의 공식 슬로건이었다. ‘势在人为’는 ‘세(勢)는 사람이 만들기(爲)에 달려있다’는 뜻. 해석하면 ‘모든 혁신적 기술은 인(간)적 요소와 결합될 때 비로소 빛을 발할 수 있다’ 정도가 되겠다. 지난해 MWCS의 슬로건이었던 ‘모바일이 곧 나(移我所想, Mobile is Me)’ 못지않게 깊이 있고 탁월한 주제다.

105개국서 2000여 개 기업 참여… 중국 기업 약진 괄목할 만

올해 MWCS엔 105개국에서 2000여 개 기업이 참가했다. 행사장을 찾은 인원은 7만 명을 훌쩍 넘어섰다. 수많은 전시 부스 중 눈에 띄었던 건 5G·로봇·인공지능·가상현실(VR)·증강현실(AR)·사물인터넷·무인점포 등. 하나같이 최근 논의가 활발한 4차 산업혁명 관련 분야였다.

중국에서 열린 행사인 만큼 자국 이동통신 3사(차이나모바일·차이나유니콤·차이나텔레콤)를 비롯, 화웨이·ZTE·레노버 등 중국 기업이 많았다. 하지만 △퀄컴·페이팔(이상 미국) △삼성전자·KT(이상 한국) △토요타(일본) 등 글로벌 기업도 적지 않았다. △에릭슨(스웨덴) △노키아(핀란드) △폭스바겐(독일) 등 유럽 기업 역시 묵직한 존재감을 드러냈다.

MWCS 행사장 방문은 지난해에 이어 이번이 두 번째였는데 올해는 두 가지 측면에서 주목할 만했다. 우선 중국 기업의 약진이다. 실제로 올해 MWCS에서 중국 기업들이 마련한 부스는 지난해와는 비교가 안 될 만큼 세련돼진 느낌이었다. 중견 기업과 스타트업의 활약도 두드러졌다. 과거 유사 행사들이 대기업 중심으로 치러지던 걸 떠올리면 격세지감이 느껴지는 대목이었다.

‘스타트업 등용문’ 4YFN 부스 등 ‘MWC 닮은꼴’ 프로그램 인기

전시관 중 유난히 인상적이었던 건 체험관(E1·E2), 그리고 산업관(W1~W5)이었다. 체험관은 그 명칭에 걸맞게 VR·AR·로봇·드론 등 ‘만지고 조작하는’ 경험에 특화된 공간이었다. 특이하게도 이곳에서 만난 방문객 중에선 어린이가 많은 편이었다. MWCS 운영진이 올해 최초로 시도한 ‘유스 모바일 페스티벌(Youth Mobile Festival)’, 일명 ‘요모 페스티벌’ 역시 높아진 어린이 방문객의 존재감을 입증하는 행사였다. 이 축제에 참가한 1만5000여 명의 어린이는 어른 멘토의 도움을 받아 로봇과 웨어러블 기기, 모바일 게임 등을 척척 만들어냈다. 각자 맡은 작업에 몰두하는 아이들의 신나 하는 표정과 뜨거운 눈빛에서 중국의 밝은 미래가 언뜻 비치는 듯했다.

▲MWCS 2017의 부대 행사 중 하나였던 ‘요모 페스티벌’ 현장 풍경. 행사장을 찾은 어린이들이 로봇 손 제작 해커톤 프로그램에 참여하고 있다

‘4YFN(4 Years From Now)’ 부스 운영도 눈길을 끌었다. 4YFN은 MWC(Mobile World Congress) 좀 안다, 하는 이에겐 이미 친숙한 프로그램이다. 젊은 스타트업 주도로 운영되는, 올해로 벌써 4년째 운영 중인 부스를 가리키는 용어이기 때문.

지난해 중국 스타트업을 제외하면 참여 국가가 그리 많지 않았던 MWCS 4YFN 부스는 1년 만에 규모와 아이디어가 한층 풍부해졌다. ‘스타트업 간 연결(Connecting Startup)’을 표방한 올해 부스엔 중국뿐 아니라 한국·영국·타이완·홍콩·스페인 등 다양한 국가 출신의 스타트업이 총출동, △교육 △게임 △음악(코딩) △모션 캡처 △웨어러블 △로봇 △얼굴(음성) 인식 관련 제품과 서비스를 선보였다.

MWC(S)에서 놀라운 속도로 약진 중인 4YFN는 어느덧 ‘글로벌 스타트업의 등용문’이 된 MWC의 위상 변화를 실감케 한다. 4YFN 부스를 개설한 스타트업은 다른 스타트업과의 협업을 기획하는 한편, 행사장을 찾은 글로벌 대기업 담당 임직원이나 벤처 캐피탈 담당자를 만나 투자를 논의하느라 분주한 시간을 보냈다. 올해 MWCS의 관련 통계는 아직 정확히 집계되지 않았지만 올 초 스페인 바르셀로나에서 개최된 MWC 2017 4YFN 부스엔 일반 관람객 1만2500여 명, 벤처 캐피탈 관계자 5200여 명이 각각 방문해 다방면에서 협업이 이뤄졌다.

‘대세 기술’ 5G 시연 활발… ‘바이브 생태계’ 구현한 HTC도 주목

올해 MWCS에서 기술적으로나 사업적으로 확연한 ‘쏠림’ 현상이 나타난 분야를 꼽자면 단연 5G를 들 수 있다. △모바일 인터넷 △스마트 시티 △커넥티드카 △로봇 △사물인터넷 △방송 △VR·AR 할 것 없이 5G 적용을 외쳤기 때문. 5G의 상업적 수행기를 2020년 전후로 내다본 것까지 대동소이했다.

차이나모바일은 30㎞ 밖 자동차 원격 조종 시범과 5G용 드론 중재기를, ZTE는 작동 시간 지연이 없는 로봇을 각각 선보였다. KT는 5G 환경에서 즐길 수 있는 스포츠 VR 영상을 내놓았으며 화웨이는 5G에서 적용 가능한 클라우드 서비스를 시연했다. 이들이 앞다퉈 제안한 5G 기기와 서비스는 흡사 한 무리의 맹신도를 거느린 사이비 종교를 연상시켰다.

▲올해 MWCS 전시장에선 유독 5G 관련 제품과 서비스가 눈에 많이 띄었다. (왼쪽부터 시계 방향으로) 5G 로봇과 VR, 드론 중재기와 스마트 가로등, 원격 주행 자동차가 전시된 모습

일명 ‘HTC 바이브(VIVE) 생태계’가 점차 확고해지는 것 역시 올해 MWCS에서 발견된 조짐 중 하나다. 다만 이때 바이브는 단순히 HTC가 출시한 VR HMD(Head Mounted Display)를 뜻하지 않는다. 실제로 HMD의 성능은 날로 좋아지는 반면, 기기 가격은 지속적으로 하락하는 추세다. 이 때문에 HTC는 자사 소프트웨어 개발 도구(Software Development Kit, SDK)를 서드파티(3^rd party)들이 잘 사용할 수 있도록 정선(精選), 제공해왔는데 그 효과가 이제 서서히 나타나고 있는 셈이다.

올해 MWCS 행사장에서 접할 수 있었던 VR 게임과 서비스는 대부분 바이브를 기반으로 제공됐다. 이는 비단 MWCS뿐 아니라 전 세계 대부분의 유사 전시회에서 공통적으로 나타나는 현상이다. 향후 VR 시장 전체 생태계를 거머쥘 가능성이 가장 높은 기업이 현재로선 HTC란 추측이 가능한 대목이다(애플 앱스토어가 500개 애플리케이션에서 출발했단 사실을 떠올려보라!). 일부 스타트업을 중심으로 MWCS 전시품 시연에 바이브를 활용하는 사례도 눈에 띄었다. 그 광경을 지켜보며 ‘VR 기기 발전이 향후 전자 관련 전시 형태까지 바꿀 수도 있겠다’는 생각이 들었다.

디스플레이 지문 인식, 음성 인식 로봇 등 ‘中 기술 최전선’ 눈길

올해 MWCS엔 이 밖에도 중국 IT 기술의 최전선을 체감할 수 있는 볼거리가 많았다. △휴대전화 제조 기업 비보(vivo)의 디스플레이 지문 인식 △적은 구축 비용으로 효율성을 극대화한 중국판 무인 점포 시스템 △대부분의 기업이 앞다퉈 선보인 음성 인식 기반 로봇 등이 대표적 예. 또 하나, (비단 중국에서만 나타나는 현상은 아니겠지만) 중국 기업들의 클라우드 사랑은 지독할 정도였다. 특히 화웨이는 자사의 네트워크·장비·단말·서비스 일체의 트래픽을 클라우드에 올리려는 전략을 수 년째 이어왔다. MWCS 전시 부스의 모든 장식을 구름(cloud) 형태로 만들어놨으니 말 다 했다. 하긴, 본격화한 5G 시대와 4차 산업혁명기에 데이터를 중시하고 인공지능의 기반을 다지는 측면에서 이 같은 ‘클라우드 중심 전략’은 제대로 된 방향이란 생각이다.

사실 중요한 건 디스플레이 지문 인식도, 무인점포나 음성 인식 로봇도 아니다. 한때 ‘패스트 팔로어[1]’로서의 역할에 충실했던 중국 IT 기업들이 어느새 독창적 기술과 영역을 확보해가고 있단 사실에 훨씬 주목해야 한다. 중국 기업은 더 이상 값싼 제품을 양산하고 모방을 일삼으며 남의 꽁무니만 쫓지 않는다. 앞으로 나아가고 새롭게 개발하며 자신만의 생태계를 구축해가고 있다.

레이쥔(雷軍) 샤오미 최고경영자(CEO)의 과거 발언처럼 중국은 통상적 모방의 단계, 즉 이미 성공한 롤모델을 따르고 이후 혁신성을 보이는 절차를 일찌감치 지나왔는지도 모른다. 물론 아쉬운 점이 전혀 없었던 건 아니다. 비보의 디스플레이 지문 인식은 속도가 느렸고, 전시 기간 내내 인파가 몰렸던 무인점포의 인기 비결은 무료로 물건을 가져갈 수 있는 시스템이었다. 음성 인식 로봇은 (시끄러운 주변 환경 탓도 있었겠지만) 중국에서 만들어졌는데 중국어조차 제대로 못 알아 듣는 경우가 비일비재했다.

▲확 달라진 중국 IT 기술의 현주소를 짐작할 수 있게 해준 기술들. (왼쪽부터)디스플레이 지문 인식과 무인점포, 음성 인식 로봇

높아진 한국 기업 위상 체감… 삼성 ‘아이오셀’ 부스 특히 인상적

물론 주관적 판단이겠지만 올해 MWCS에서도 한국 기업의 활약은 대단했다. 한국어가 공식 컨퍼런스에서 중국어·영어와 함께 동시통역 언어로 선정된 것만 봐도 중국에서 한국 모바일 산업의 위상이 어느 정돈지 짐작할 수 있었다(“삼성전자보다 빨리 스크린 지문 인식 기술을 개발했다”며 자랑하는 비보의 태도에서도 마찬가지였다).

KT가 선보인 5G 기반 콘텐츠에서부터 대구테크노파크 소재 스타트업이 들고 온 서비스에 이르기까지 중국 기업의 것들보다 확실히 비교우위에 있단 생각이 들었다. 삼성전자 스마트폰 갤럭시 S8(과 S8+)은 올해 ‘아시아 모바일 어워드’에서 ‘베스트 스마트폰’의 영예를 안기도 했다. 삼성전자가 자체 개발, 올해 MWCS에서 공개한 이미지센서 브랜드 ‘아이소셀(ISOCELL)’ 광고는 보안 솔루션 ‘녹스(KNOX)’나 결제 솔루션 ‘삼성페이’를 론칭할 때 드러났던 삼성전자의 기술 분야 자부심을 새삼 떠올리게 했다.

한국 기업 부스를 둘러보며 아쉬웠던 건 좀처럼 ‘결과’로 이어지지 않는 운영 방식이었다. 확실한 사전 예약과 예외 없이 진행되는 바이어 미팅, 그리고 계약 성사…. 이 모든 일련의 과정이 유기적으로 어우러지는 이스라엘 기업 부스와는 대조적 광경이었다. 내년 행사에선 한국 기업들도 이 같은 체계를 갖춰 부스를 운영할 수 있게 됐으면 하는 바람이다.

▲삼성전자의 ‘기술 자부심’을 확인할 수 있었던 ‘아이소셀’ 부스(왼쪽 사진). 사전 예약과 바이어 미팅, 계약 성사 등 모든 절차가 체계적으로 진행되는 이스라엘 부스는 매해 부러운 시선을 보내게 되는 공간이다

“나도 얼마든지 마윈처럼 될 수 있다”는 중국 젊은이 패기 놀라워

올해로 6년째 MWC에 참석하고 있다. 그러면서도 지난해와 올해 MWCS 행사장을 찾은 건 최근 중국 모바일 시장과 기술 변화가 예사롭게 봐 넘기기 힘들 만큼 빠르기 때문이다. 5G와 사물인터넷, VR과 AR, 인공지능과 클라우드…. 올해 MWCS에선 어느 누구도 스마트폰을 논하지 않았다(상하이 푸동국제공항에서부터 MWCS 전시장까지 이동하는 도중 스마트폰 광고는 단 한 개도 발견하지 못했을 정도다). 그 대신 기술 분야에서의 ‘차세대 먹거리’엔 지대한 관심을 보였다. IT 기술의 무게중심이 ‘모바일’에서 다른 쪽으로 넘어가고 있단 사실을 확실히 체감할 수 있었다.

행사장을 돌아보던 중 중국 현지 기자와 간단히 대화할 기회가 있었다. MWCS 참관 소감을 묻는 그에게 “정말 놀라웠다”고 답했다. 하지만 중국이 보유한 넓은 시장이나 엄청난 자원, 가격 경쟁력 따위에 놀란 건 아니었다. 정작 날 놀라게 한 건 “나도 얼마든지 마윈 알리바바그룹 회장 같은 IT 거물이 될 수 있다”고 믿어 의심치 않는 중국 젊은이들의 태도였다. 엄청난 사업 모델과 탁월한 기술, 물론 중요하다. 하지만 그보다 훨씬 중요한 건 꿈, 그리고 희망 아닐까? 올해 MWCS 행사장에서 만난 중국 젊은이들에게선 확실히 그게 엿보였다. 이번 출장에서 건져 올린, 가장 값진 성과였다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다
※원고에 삽입된 사진은 필자의 페이스북에서 발췌, 인용됐습니다(일부 제외)

[1] fast follower. 새로운 제품이나 기술을 빠르게 쫓아가는 전략 또는 그 기업

자연에서 벌어지는 일은 ‘생명’ 현상과 ‘무생물’ 현상으로 나뉜다. 이중 생명 현상은 (이제껏 밝혀진 사실대로라면) ‘지구’라는 행성의 출현과 밀접하게 연관된다. 그 이전의 자연은 생명 개념이 존재하지 않는 물리적 세계다. 결국 생명 현상의 역사는 단세포 생명이 탄생한 40억 년 전부터 인간이 출현하기까지의 과정으로 설명된다. 

예술·철학 같은 문화도 따지고 보면 자연과학의 일부?!

‘자연과학을 공부한다’는 건 자연의 구성 요소와 유형을 이해해 과학적 세계관을 추구하려는 노력을 일컫는다. 이때 인간은 자연의 일부이며, 인간이 생성하는 정신 작용 일체도 자연과학의 대상이 된다. 이런 맥락에서 예술은 ‘미(美)적 감각의 추구’로, 철학은 ‘생각 자체를 사고하는 뇌 정보 처리 과정’으로 각각 정의될 수 있다. 인간 문화 전체가 뇌 과학과 생물학의 대상이자 자연과학의 일부로 편입될 수 있는 셈이다. 인간(이 일으키는) 현상이 자연에서도 특이 사례로 꼽히는 건 ‘자연에 대한 시선이 곧 인간에 대한 시선’이기 때문이다.

자연은 구조화돼 있으며, 이때 구조는 사물과 사건의 유형으로 각각 표현된다. 또한 자연 구조는 심층 구조와 표층 구조로 구분된다. 전자는 동일률(同一律)[1]이 무한히 반복되는 원자 유형을, 후자는 국소적으로 변화하는 분자 유형을 각각 뜻한다.

지구 심층 구조인 맨틀(mantle)[2]은 산소·실리콘 원자 결합 유형이 끝없이 반복되는 모양이다. 반면, 지구 표층 구조인 토양은 물·공기·유기물 분자의 국소적 다양체(多樣體)[3]다. 맨틀층은 어느 지역이든 주변 환경이 동일하므로 같은 형태가 무한히 반복되지만 표층에 자리 잡은 토양은 물이나 바람, 각종 생물에 의해 끊임없이 변하는 만큼 ‘변화와 차이’를 본질적 특성으로 지니게 된다.

자연의 심층 구조는 한 가지 기본 유형의 무한 반복이어서 명료한 반면, 표층 구조는 국부적 유형이 변화무쌍하게 달라진다. 결국 자연과학 공부는 무한히 변화하는 표층 구조에서 공통 유형을 발견하는 과정이다. 다만 자연의 표층 구조는 무한히 변화해 공통 유형을 찾기 어렵다. 그래서 자연과학적 세계관 훈련은 단순한 자연의 심층 구조에서 시작해야 한다.

자연과학, 출발점은 ‘무한 반복’ 자연 심층 구조 이해

자연 심층 구조의 특징은 대칭성·모듈(module)성순서성으로 요약된다. 반면, 자연 표층 구조에선 이 세 가지가 깨어진 것처럼 보인다. 자연과학 공부의 지름길은 외관상 복잡하게 변화하는 유형에서 자연의 대칭과 모듈, 순서를 찾아내는 (대칭화·모듈화·순서화) 훈련에 있다. 단, 이때 숨겨진 심층 구조를 찾는 능력은 단순 학습으로 계발되지 않는다. 고강도 집중 훈련을 통한 뇌 신경 회로 형성이 전제돼야 가능하다.

사물과 사건에서 심층 구조를 발견하려면 특별한 정보와 결정적 정보를 구분해야 한다.식물 잎은 그 모양이 전부 다르지만 (잎을 구성하는 심층 구조인) 잎 세포에선 핵과 미토콘드리아, 엽록체를 모두 찾아낼 수 있다. 미토콘드리아를 다시 심층 구조로 파헤칠 수도 있다. 그 결과로 발견되는 시트르산[4] 회로와 전자전달 시스템에 의한 호흡, ATP[5] 생성 과정은 지구상 생명체 대부분에서 공통인 심층 구조다.

인간 뇌의 정신 작용이 구조화된 세계상을 지각하는 과정에서 일정 유형(pattern)이 발견된다. 인간 현상이란 바로 이 세계의 내면화를 통한 지각과 생각의 출현, 곧 ‘구조화된 세계에서 인간 뇌 신경세포가 다시 구조화되는’ 과정이다. 계속해서 변화하는 자연 표층 구조는 박쥐와 고래만큼이나 특이하고 서로 간 차이도 크다. 이처럼 강한 차별성은 역시 강한 신경 자극을 생성, 인간이 특별한 정보를 곧장 기억하게 한다. 이때 그 바탕의 심층 구조는 ‘차별성’보다 ‘공통점’이 본질인 세계여서 뇌를 자극하지 않는다.

가장 좋은 방법은 자연 구조서 ‘대칭·모듈·순서’ 찾기

‘차이에 민감하고 공통점에 둔한’ 인간 신경계의 특성 탓일까, 인간이 자연 유형을 제대로 인식하기란 쉽지 않다. 이 때문에 자연 현상을 보다 잘 기억하는 지름길은 자연 구조에서 대칭과 모듈, 순서를 발견하는 훈련이다.

우선 대칭부터. 대칭을 발견하는 뇌 작용은 사물·사건의 △형태와 맥락을 비교하고 △변화를 예측하며 △(미뤄 짐작하는) 추론을 통해 다양한 대상에서 공통 유형을 추출하는 게 골자다. 다음으로 모듈. 포도당 분자가 결합해 다당류를 형성하고 아미노산이 결합해 단백질을, 핵산이 결합해 DNA를 각각 구성하는 과정이 바로 모듈식 결합이다. 자연 구성 요소가 대칭적 구성 단위인 모듈을 형성하면 이후엔 모듈 사이에 교환 가능성이 생긴다. 모듈은 단위성이며, 단위성은 교환 가능성을 보장한다.

화폐는 100원과 1000원, 1만 원 등의 단위로 구성되며 교환 가능성을 지닌다. 화폐가 교환되는 과정에선 자연스레 ‘시장경제’란 힘을 동반한 사회 현상이 발생한다. 입자와 입자 사이 소립자가 교환되는 과정에서 우주의 네 가지 힘이 출현하듯 기본 요소 사이 교환 과정은 단위성을 기반으로 한다. 이때 단위성이 바로 모듈성이며, 건축이든 자동차든 인간이 만드는 물건은 어느 것이나 그 바탕에 모듈성이 자리 잡고 있다.

한편, 순서성은 생명 현상의 본질이다. 척추동물의 몸 구성 요소도 대칭과 모듈, 순서다. 인간의 척추는 동전이 쌓여 완성된 구조다. 동전 같은 형태가 대칭성과 모듈성을 확보하고 ‘척수 뼈’란 동전이 머리에서 꼬리 방향으로 순서 있게 배열된다.

대칭과 모듈로 구성된 동물, 순서로 인해 생명에 제약

자연의 심층 구조는 대칭과 모듈로 구성되지만 표층 구조에서 대칭과 모듈은 숨겨진 채 국소적으로 존재한다. 생명 현상의 심층 구조는 대칭·모듈·순서가 분자 구조에 새겨지는 반면, 표층 구조는 대칭·모듈·순서가 매 순간 변화하는 환경에 적응하면서 시간 흐름에 따라 상호 작용한다. 요컨대 자연과학 공부는 대칭화·모듈화·순서화 과정을 거쳐 끊임없이 달라지는 유형 가운데 불변의 공통 유형을 찾아내는 훈련이다.

소립자 세계에서 시간 순서는 대칭적이어서 현재에서 과거로의 시·공간 이동이 가능하다. ‘과거에서 현재를 거쳐 미래로 향하는’ 시간 흐름의 설정을 거꾸로 적용할 수도 있다. 반면, 핵산과 단백질 간 상호 작용의 결과로 출현한 생명 현상에서 시간의 화살은 (과거에서 미래로의) 일방적 방향만 허용된다.

생명의 방향은 DNA 분자를 구성하는 핵산(nucleic acid)에 의해 정해진다. 핵산은 리보스당과 염기, 인산으로 구성되며 당과 인산 결합의 방향이 핵산 연결 순서를 결정한다. 리보스당은 탄소 다섯 개가 고리 형태로 결합한 5탄당이다. DNA를 살펴보면 △1번 탄소에 아데닌·구아닌·티민[6] 염기 △2번 탄소에 수소 △3번 탄소에 OH기 △4번 탄소에 CH₂가 각각 결합한다. CH₂의 탄소가 5번 탄소이며 여기에 인산기가 결합한다.

핵 속 산성 물질인 핵산의 구성 분자는 뉴클레오타이드(nucleotide)이며, 뉴클레오타이드는 서로 결합해 DNA와 RNA의 고분자를 만든다. 이 과정에서 △아데닌 3인산 △구아닌 3인산 △티민 3인산 △시토신[7] 3인산 등 인산기가 3개인 분자들이 DNA 중합 효소의 작용으로 초당 수십 개씩 결합, 폴리뉴클레오타이드[8]를 형성한다. 그리고 그 순간, 인산기 사이 결합을 절단해 아데닌 1인산 형태로 결합한다. 아데노신 3인산에서 인산기 두 개를 절단, 아데노신(adenosine) 1인산이 되는 과정에서 방출된 결합 에너지를 활용해 DNA 중합 효소가 지속적으로 작동, DNA 복제가 가능해진다.

DNA 복제 결과, 새로 생성된 DNA가 말단에서 조금씩 짧아지는 현상으로 인해 동물 체세포는 무한히 복제될 수 없다. 동물 체세포가 생식 세포와 달리 영원히 생존할 수 없는 이유다. 결국 (자연 심층 구조의 3대 특징인) 대칭·모듈·순서 중 다세포 동물의 생명을 제한하는 건 ‘순서’다. 이렇게 볼 때 생명은 시간적 순서인 ‘변화’와 공간적 순서인 ‘방향’을 갖는, 자연의 일부라고 할 수 있다

인간과 생명 보다 잘 이해하려면 효율적 뇌 훈련 필수

자연과학을 잘 공부하려면 끊임없이 변화하는 자연의 표층 구조에서 절대 변하지 않는 심층 구조를 밝혀내는 훈련에 집중할 필요가 있다. 그 작업의 성패는 자연 심층 구조를 각인시키는 뇌 훈련을 얼마나 효율적으로 진행하느냐에 달려있다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] 논리학 상의 근본 요구를 나타내는 원리. ‘모든 대상은 그 자체와 같다’로 요약된다
[2] 지구 내부 핵과 지각 사이에 있는 부분. 지구 부피의 83%, 질량의 68%를 각각 차지한다
[3] 점∙선∙면∙구 등 기하학적 도형의 집합을 하나의 공간으로 봤을 때 해당 공간의 총칭
[4] citric acid. 약한 유기산의 일종. 지방∙단백질∙탄수화물의 생리적 산화반응에 관여하는 화학물이다
[5] Adenosine TriphosPhate. 아데노신에 인산기가 3개 달린 유기화합물. 모든 생물의 세포 내에 존재하며 에너지대사에 중요한 역할을 한다
[6] adenine∙guanine∙thymine. 핵산을 구성하는 퓨린 염기들
[7] cytosine. 핵산을 구성하는 피리미딘 염기 중 하나
[8] polynucleotide. 뉴클레오타이드가 여러 개 중합해 생성된 고분자 물질

코딩 교육의 열기가 뜨겁다. 당장 내년부터 의무적으로 시행되는 소프트웨어 교육에 발맞춰 관련 업계부터 발 빠르게 움직이고 있다. 아이들에게 코딩을 가르치는 학원이나 고액 과외가 등장했단 얘긴 이제 너무 흔해 뉴스도 아니다. 코딩 강사 양성 교육 과정도 속속 등장하고 있다. 영국·이스라엘·미국 같은 선진국에선 이미 코딩 교육이 본격적으로 실시 중이다. 세계적 추세를 따르려면 이 같은 노력은 불가피한 측면이 있다.

자, 이제 질문은 ‘(아이들에게) 코딩을 가르칠 건가, 말 건가?’가 아니라 ‘뭘 어떻게 가르칠 건가?’로 좁혀진다. 이와 관련해선 전문가들의 견해도 분분하다. 교육 인력 부족이나 낙후된 시설, 정밀한 교과과정 부재 같은 기술적 문제에 대한 논의 역시 활발하다. 따라서 이 글에선 코딩 교육 자체를 둘러싼 얘기 대신 코딩의 ‘본질’을 짚어보려 한다. 이제까지의 논의에서 한 걸음 더 들어가는 셈이다.

코딩의 본질은 ‘기술 습득’ 아닌 ‘논리적 추상 능력’

코딩의 본질은 추상과 논리다. 코딩에서 ‘특정 언어의 문법에 따라 손가락으로 키보드를 두드리는 행위’는 지엽적 일부에 불과하다. 반면, 추상과 논리는 기술 습득과 무관한 본질적 능력이다. 그리고 코딩 학습자는 나이가 어릴수록 이 같은 본질에 집중해야 한다. 코딩 교육과 관련해 가장 걱정되는 대목도 바로 여기 있다.

코딩의 본질이 추상과 논리에 있단 사실을 스스로 이해하지 못하는 강사는 아이들에게 특정한 코딩 기술을 가르치는 데 집중할 것이다. 하지만 어린 나이에 기술에만 치중하면 추상과 논리의 힘은 성장하기 어렵다. 어린아이가 스테로이드 주사를 맞으며 근육을 키우면 성장이 둔화되는 것과 마찬가지 논리다.

모든 프로그래밍 언어는 객체지향이나 함수형 같은 대규모 패러다임에 속한다. 언어는 특정 패러다임의 구현이다. C언어·자바·파이썬·자바스크립트 등 다양한 언어 중 어느 하나를 택해 오래 사용하면 해당 언어가 구현한 패러다임에 익숙해진다. 사고가 흐르는 길이 굳어져버리는 것이다. 이렇게 되면 어떤 문제를 해결하려 할 때 그 문제를 정의하고 해결책을 떠올리며 해법을 검증하는 방법은 일찌감치 결정된다. 한국인이 밥을 보면 김치를 떠올리고, 미국인이 햄버거를 보면 감자튀김을 연상하는 것과 비슷한 이치다. 같은 프로그래머라 해도 어떤 패러다임에 익숙한지에 따라 대화를 나누는 일 자체가 어려워질 수 있을 정도다.

프로그래머가 특정 패러다임을 일단 숙지한 후엔 다른 패러다임을 익히기가 매우 어려워진다. 한국에서 나고 자란 사람에게 영어를 익히는 일이 어려운 것과 유사하다. 새로운 패러다임을 익히려면 이미 체화된 패러다임, 익숙한 사고 방식의 체계를 허물어야 하므로 고통이 수반된다. 간단한 의지와 노력만으론 결코 이룰 수 없는 일이다. 20대 중·후반에 익힌 프로그래밍 언어조차 10년 후 다른 언어를 배우려 할 때 심각한 방해 요인으로 작용한다. 하물며 10대 초반에 익힌 프로그래밍 언어가 10년 후 그 사람에게 어떤 방해가 될지 생각하면 끔찍할 정도다.

특정 언어에 아이들 가두는 건 ‘독 든 잔’ 건네는 일

모든 프로그래밍 언어의 생명 주기는 유한하다. 제아무리 유명한 패러다임이라 해도 마찬가지다. 따라서 하나의 언어(혹은 패러다임)에 익숙해지는 일은 곧 독이 든 술잔을 받아 드는 것이다. 지금 당장은 필요하기 때문에 어쩔 수 없이 받아 마실지 몰라도 10년·20년이 지나면 그 술이 발뒤꿈치를 물어 온몸에 독을 퍼뜨릴지도 모른다. 그렇기 때문에 특정 언어나 패러다임의 틀에 아이들을 가두는 일은 위험천만할 수 있다.

추상과 논리는 코딩의 본질일 뿐 아니라 술잔 속 독성을 잠재울 수 있는, 일종의 해독제다. 코딩이란 행위의 본질은, 어떤 프로그래밍 언어(나 패러다임)로 사고하더라도 추상과 논리에 맞닿아 있다. 따라서 단순한 코딩 기술에 연연하지 않고 추상하는 능력과 논리를 이끌어가는 힘을 근본적으로 키우면 다양한 프로그래밍 언어와 패러다임을 자유롭게 넘나들며 코딩을 수행할 수 있다. 마크 저커버그 페이스북 최고경영자(CEO)가 강조하는 코딩 교육의 핵심은 특정 언어 사용 능력이 아니라 이 같은 코딩의 본질일 것이다.

추상이란 복잡하게 얽힌 실타래에서 불필요한 부분을 하나씩 제거해가는 능력이다. 필요 없는 걸 제거하고 꼭 필요한, 즉 본질에 해당하는 부분만 남겨놓음으로써 복잡한 걸 단순하게 만드는 힘이다. 이 과정을 거쳐 남은 핵심은 의미를 명확하게 하기 위해 이전과 전혀 다른, 새로운 말이나 그림으로 표현된다. 이게 바로 추상이다. 이 같은 과정을 거쳐 정제된 추상은 인간의 사고력을 한 단계 높여줄 뿐 아니라 문제 해결 능력도 극적으로 향상시킨다.

요즘 부쩍 많이 언급되는 머신러닝(machine learning)은 추상의 한 예다. 머신러닝에서 가장 간단한 알고리즘에 속하는 선형회귀(linear regression)부터 떠올려보자. 선형회귀 알고리즘은 X축과 Y축 사이에 무수히 흩뿌려진 데이터 포인트를 분석, 그것들이 그리는 전체적 윤곽을 직선으로 표현한 것이다. X 값이 새롭게 주어지면 선을 이용해 Y 값을 예측하는 식이다. 선형회귀 알고리즘은 아주 정확하진 않아도 전체 윤곽에 평균적으로 수렴한다. 또한 복잡하게 뿌려진 여러 개의 점을 하나의 직선으로 추상했을 때 어떤 장점이 제공되는지 보여준다.

‘인공지능과 함께하는 세상’ 수용하는 상상력 익혀야

인간이 현실 세계에서 해결해야 하는 문제는 사방에 흩뿌려진 점처럼 복잡하고 무작위적인 모습으로 다가온다. 심지어 점들은 제자리에 서있지 않고 미친 듯 움직이며 돌아다닌다. 또한 사물인터넷·로보틱스·인공지능·3D프린터·양자컴퓨터 등으로 대표되는 4차 산업혁명의 물결 속에서 코딩으로 해결해야 하는 문제는 하나의 패러다임으로 온전히 포착할 수 있을 만큼 얌전히 존재하지 않는다. 서로 중첩되고 격렬하게 움직이며 모습을 뒤바꾼다. 죽었다 살아나는가 하면, 폭발과 수축을 거듭하며 혼란을 가중시키기도 한다.

현대인에게 더없이 익숙한 폰 노이만 구조(Von Neumann architecture)[1] 컴퓨터조차 언제 모습을 감출지 알 수 없는 게 현실이다. 자바나 파이썬 같은 특정 프로그래밍 언어는 말할 것도 없다. 코딩으로 불리는 행위는 인공지능에 맡긴 채 다른 일을 찾아야 하는 시간도 빠른 속도로 다가오고 있다.

요컨대 지금 아이들에게 가르쳐야 하는 건 코딩이 아니다. 코딩은 미래가 아니다. 선진국이 뭘 하는지 의식할 필요가 없다. 아이들이 배워야 하는 건 코딩 기술이 아니라 논리적으로 추상하는 힘이다. 세상 만물의 근원을 궁금해하고 사유할 수 있는 힘, 그리고 인공지능과 함께 살아가는 세상을 자연스레 받아들이는 상상력이다. 이런 능력이 비단 아이들에게만 요구되는 것도 아니다. 지금 이 시각, 온통 코딩인 세상을 살아가는 어른들도 유념해야 할 화두다.

[1] 미국 수학자 폰 노이만(Johann Ludwig von Neumann, 1903~1957)이 1949년 고안해낸 컴퓨터 중앙처리장치 내장형 프로그램. 오늘날에도 거의 모든 컴퓨터 설계의 기본이 되고 있다

4차 산업혁명은 디지털 기술을 이용해 현실 세계와 가상 세계를 연결, 사업 구조(business paradigm)를 근본적으로 바꾸는 현상이다[1].

자동차를 예로 들어보자. 자동차를 직접 구매하려는 소비자 수는 점차 줄어들 것이다. 자동차가 필요할 때마다 중개 플랫폼, 이를테면 ‘우버(Uber)’ 같은 걸 활용해 서비스를 제공 받는 게 훨씬 더 편하기 때문이다. 운동화나 셔츠 같은 생필품 구매 행태도 달라질 게 분명하다. 사람들은 대량으로 생산된 기성품 중 하나를 고르기보다 각자의 취향이나 신체적 특성을 반영, ‘맞춤형’ 제품을 제공 받으려 할 것이다.

다시 말해 생산자(혹은 공급자)를 중심으로 형성돼온 기존 산업 생태계 전반은 머지않아 소비자 중심으로 재편될 것이다. 그리고 이런 현상은 제조업뿐 아니라 모든 산업에 걸쳐 나타날 전망이다.

자동차 구매자 감소와 맞물린 우버 이용률 급증

오늘날 주요 기업은 이 같은 추세에 발맞춰 디지털 기술을 활용, 사업 절차를 ‘소비자 중심’으로 바꾸는 데 역량을 집중하고 있다. 이런 노력은 3차 산업혁명 때처럼 그저 상품 생산 과정에만 한정되지 않는다. △상품이 고객에게 제공하는 가치를 발굴하고 △이를 다시 고객에게 전달하며 △이용 정도에 따라 비용을 청구하는 등 모든 사업 영역에 걸쳐 발견된다. 이게 바로 ‘디지털 전환(digital transformation)’이다. 디지털 전환은 디지털 기술이 도입된 사업의 전(全) 영역이 유기적으로 이어져야 비로소 완성된다.

이제까지의 디지털 전환이 ‘생산 라인의 디지털화(化)’를 중심으로 전개됐다면, 앞으로의 디지털 전환은 기업이 제공하는 상품에 연결성(connectivity)을 제공하는 형태로 이뤄질 것이다. 이때 연결성은 기본적으로 ‘상품이 인터넷에 연결된다’는 의미다. 하지만 인터넷에 연결된 상품은 (역시 동일 인터넷 상의) 다른 사용자나 상품, 한 걸음 더 나아가 인터넷 클라우드 어딘가에 존재하는 인공지능과도 다양하게 연결될 수 있다.

요컨대 다른 사물이나 사람, 혹은 인공지능과의 연결은 그 자체가 새로운 가능성을 내포하고 있다. 즉 ‘특정 상품에 연결성이 더해지면 전에 없던 신규 고객 가치 제공이 가능해질 것’이라고 기대해볼 수 있다.

어떤 제품이 인터넷에 연결돼 있다고 가정해보자. 그러면 사용자가 제품과 멀리 떨어진 곳에 있더라도 해당 제품의 상태를 파악하거나 동작을 제어할 수 있게 된다. 실제로 이미 많은 소비자가 스마트폰으로 냉장고 속 식자재를 확인하며 스마트 램프를 켜고 끈다. 가스레인지 밸브도 간편하게 잠근다. 제품 제어 과정에 굳이 사람이 관여하지 않는 형태도 속속 등장하고 있다. 인터넷에 연결된 공기청정기는 실시간 기상 데이터를 바탕으로 작동 여부를 스스로 판단한다. 사무실에 설치된 시스템 에어컨은 실내 거주자 수를 자동으로 헤아려 냉방 온도를 조절한다.

매출, ‘제품 팔아서 올리는’ 형태 말고 뭐 없을까?

연결성을 갖춘, 그래서 스스로 판단할 수 있는 상품의 등장은 새로운 사업 모델을 창출하는 데에도 유용하다. 그동안 제품을 만들어 팔기만 했던 제조 기업들은 이제 소비자의 제품 이용 빈도·환경 등 관련 정보를 바탕으로 제품을 원격으로 관리할 수도, 필요한 정비 서비스를 제공할 수도 있다.

다른 사업 분야를 활성화하기 위한 수단으로 제품을 이용할 수도 있다. 매월 일정한 대여료를 지불하고 두 달에 한 번씩 필터 교체·청소 서비스를 제공하는 정수기를 예로 들어보자. 이때 소비자는 정수기를 실제로 쓴 만큼 이용료를 지불하게 된다. 그리고 역시 사용량을 기준으로 필터를 교체하거나 청소 주기를 조절할 수 있다.

특정 상품에 대한 소비자의 이용 행태·환경, 활용 방식 같은 정보는 그 제품의 기능을 개선하거나 고도화하는 데에도 충분히 쓰일 수 있다. 이를테면 제품에서 가장 이용되는 기능이 제어판의 맨 앞쪽에 자리 잡고, 거의 이용되지 않는 기능은 새로운 기능으로 대체되지 않을까? 물론 메뉴의 구성이나 배치는 개별 사용자에 따라 달라지겠지만 말이다. 또한 새로운 기능이나 서비스는 언제든 인터넷으로 업데이트되고 설사 보안상 결함이 발견되더라도 즉각적 대응이 가능해진다. 말하자면 인터넷에 연결되는 제품이 스스로 진화를 거듭하는 셈이다.

‘자주, 많이 쓰일’ 제품 만드는 데 역량 집중해야

그렇다면 연결성 갖춘 상품이 제공하는 가치는 어떻게 하면 발견할 수 있을까? 상품의 유형이나 특성에 따라 달라지긴 하겠지만 최소한 다음 세 가지 질문은 스스로에게 던져야 한다, 는 게 내 생각이다. 첫째, 상품을 다른 제품이나 서비스와 연결해 어떤 문제를 해결할 수 있는가? 둘째, 상품을 다른 제품이나 서비스와 연결하면 당면한 문제를 더 쉽고 효과적으로 해결할 수 있는가? 셋째, 연결성이 부가되며 달라지는 상품의 특성을 사용자가 자연스레 수용할 수 있는가? 세 질문 모두 “앞으로의 기업은 상품을 기획·판매·이용할 때 공급자 관심사보다 이용자 관점에 초점을 맞춰야 한다”는 메시지를 강하게 내포하고 있다.

설사 어떤 상품이 이 같은 방식으로 만들어져 시장에 나온다 해도 사용자가 그 상품을 자주 쓰지 않는다면 무용지물일 것이다. 특정 상품이 사용자에 의해 자주, 많이 이용된다는 건 곧 그 상품이 제공하는 고객 가치가 그만큼 크고 다양하단 사실을 의미하기 때문이다. 따라서 4차 산업혁명 시대의 기업은 단순히 튼튼하고 정교한 상품을 만들려고 노력하기보다 사용자에 의해 더 많이, 더 자주 쓰이는 제품을 만드는 데 역량을 집중해야 할 것이다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] 이 과정은 앞선 칼럼(기업, ‘디지털 트랜스포머’로 변신해야 산다’)에서도 ‘사이버물리시스템(Cyber-Physical System, CPS)’이란 개념으로 언급된 적이 있다

알파고와 인간 최고수(세계 랭킹 1위) 커제 9단과의 대결은 (대다수의 예상처럼) 알파고의 ‘싱거운 승리’로 끝났다. 지난해 3월 있었던 ‘알파고 대(對) 이세돌 9단’ 간 대결 제목이 ‘챌린지(challenge·도전)’였던 반면, 이번 대국의 주제는 ‘바둑의 미래 서밋(summit·정상회담)’이었다. 인간과 인공지능 간 대결 자체보다 둘의 공존 방안을 모색해보려는 취지가 강했단 뜻이다. 자연히 이번 대결에선 ‘알파고-커제’ 대국만큼이나 일명 ‘페어 바둑(fair~, 프로 기사가 알파고와 팀을 이뤄 또 다른 프로 기사와 알파고로 구성된 팀을 상대하는 방식)’에 시선이 집중됐다.

‘알파고-커제’ 대국의 또 다른 관전 포인트, 페어 바둑

이 대국에서 렌샤오 8단 팀은 중반까지 구리 9단 팀에 비해 호흡이 잘 안 맞는 것처럼 보였다. 하지만 종반 들어 승부수가 통하며 역전에 성공했다. 1대 1 대국에선 좀처럼 역전을 허용하지 않던 알파고가 페어 바둑에서 파트너와의 공조 정도에 따라 역전을 허용한 점이 흥미로웠고, 프로 기사들이 종종 알파고의 수를 이해하지 못해 당황하는 광경을 지켜보는 재미도 쏠쏠했다.

대결을 지켜보는 내내 ‘앞으로 인간과 인공지능이 팀을 이뤄 출전하는 대회가 늘어나겠다’는 생각이 들었다. 인간과 인공지능이 번갈아 가며 착수하는 페어 바둑 외에 인간이 인공지능의 도움을 받아 대국하는 대회도 생겨날 것이다. 그 단계에 이르면 인간은 인공지능에 정밀한 수 읽기를 맡긴 채 ‘큰 틀에서의 전략’을 짜는 데 집중하지 않을까? 그렇게 되면 바둑은 전혀 새로운 경지에 도달할지도 모른다.

이 같은 현상이 비단 바둑에서만 나타나는 건 아니다. 분야를 막론하고 인간과 컴퓨터 간 협력(multiplicity)이 중요해지고 있기 때문이다. 머신 러닝 기술과 대중의 지혜 간 결합은 이미 오래전 현대인의 일상을 완전히 바꿔놓았다. 인터넷 검색 엔진 알고리즘이나 스팸 필터가 다수의 피드백을 바탕으로 하루가 다르게 개선되고 있는 것, 소셜네트워크서비스(SNS)에서 사용자에게 유용한 뉴스피드(news feed)가 조직되고 인터넷 서점에서 ‘고객님이 좋아하실 만한 책’이 추천 목록에 떠오르는 것 모두 그 덕분이다.

실제로 오늘날 인공지능 연구는 인간과 컴퓨터의 상호작용(Human-Computer Interaction, HCI)에 걸림돌이 되는 음성 인식이나 자연어 처리에 집중하고 있다. 적어도 한동안은 인간을 완벽하게 이해하는 인공지능이 나오기 어려운 만큼, 미래 사회에선 역(逆)으로 인공지능을 보다 잘 헤아리고 적응하는 인간이 각광 받을 것이다.

인간 바둑, 인공지능 바둑보다 탄탄한 팬층 확보하려면

인공지능을 이해하고 적응한다는 건 어떤 의미일까? 다시 바둑의 예로 돌아가보자. 어떤 장르든 ‘프로(페셔널)’는 팬을 위해 존재한다. 지금껏 대다수의 프로 기사는 “당신이 팬에게 제공할 수 있는 최고 서비스가 뭐냐”는 질문을 받으면 으레 “좋은 기보를 남기는 것”이라고 답했다. 그래서 관중 하나 없는 한국기원 대국실에 둘이 틀어박혀 바둑을 둔 후 (그 대국이 궁금했을 팬들을 위해) 기보를 남겼다.

문제는 어느덧 인공지능 간 기보 수준이 인간 최고수 간 기보 수준을 훌쩍 뛰어넘었단 사실이다(최근 공개된 알파고 간 기보 50건은 지나치게 난해해 아마추어 바둑 팬은커녕 정상급 프로 기사도 온전히 이해하기 힘들 정도였다). 인공지능은 실수가 없을 뿐 아니라 창의적이기까지 하다. 자연히 기보의 질적 측면으로만 따지면 인간 프로 기사는 인공지능과 경쟁이 되지 않는다. 기보 자체가 목적이던 시대는 지난 것이다. 따라서 지금 활동 중인 프로 기사라면 기보를 매개로 팬에게 다가갈 방법부터 모색해야 한다.

간혹 TV에서 바둑 중계를 접한다. 대개 승패가 결정된 후 승자 인터뷰가 이어지는데, 그 내용은 천편일률적이다. “이번 판은 운이 좋아 승리했을 뿐이며, 다음 판도 상대가 나보다 강한 만큼 ‘한 수 배운다’는 자세로 겸허하게 임하면 좋은 결과를 얻을 수 있을 것”이란 게 요지다. 이런 식의 인터뷰가 언제까지 바둑 팬의 마음을 움직일 수 있을까?

앞으로의 바둑은 ‘대국자끼리의 복기’를 넘어서야 한다. 팬들을 상대로 자전 해설에 나서는 한편, 주요 승부처에선 ‘흑백 바꿔 두기’ 같은 시도도 감행할 필요가 있다. 궁극적으로 대국의 모든 순간, 어떻게 생각하고 무슨 감정을 느끼는지 파악하기 위해 대국자가 팬과 실시간으로 소통할 수 있는 환경을 만들어야 한다. 다시 말해 ‘인공지능 바둑은 제공할 수 없는’ 서비스로의 차별화가 시급하다. 그렇게 되면 설사 기술적 측면에서 수준이 다소 떨어진다 해도 바둑 팬은 인공지능 바둑 대신 인간 바둑 관전을 택할 것이다.

AI가 ‘사람처럼’ 되려면 에너지 효율 500억 배 향상돼야

구글은 “이번 대국을 끝으로 더 이상 바둑 인공지능은 연구하지 않겠다”며 “추후 목표는 알파고 기술을 활용, 한층 다양한 영역에 적용되는 ‘범용 인공지능’을 만드는 것”이라고 밝혔다. 그러고 보면 알파고는 바둑‘만’ 잘 둔다. 그것도 19줄 바둑판에서만 위력을 발휘한다.

만약 당장 내일 아침, 20줄 바둑판에서 알파고와 이세돌 9단이 다시 대결한다면 어떻게 될까? 이세돌 9단이 압승을 거둘 게 분명하다. 알파고 신경망에서 바둑판 상황은 ‘한 줄의 숫자 행렬’로 입력되는데 바둑판이 한 줄 늘어나면 그 순서가 전부 헝클어지기 때문. 반면, 인간은 20줄 바둑판에서도 본 실력이 거의 그대로 나온다(물론 ‘바둑판이 평소보다 약간 넓은 것 같다’고 생각할 순 있다). 이런 차이는 어디서 기인하는 걸까?

영국 과학 전문 주간지 ‘네이처(Nature)’의 논문 결과에 따르면 알파고의 인공 신경망은 기껏해야 10만 개 정도의 뉴런을 흉내 낸 형태다. 하지만 인간은 대뇌피질에만 1000억 개의 뉴런을 갖고 있어 훨씬 큰 틀에서의 유형(pattern) 인식이 가능하다. 인간이 바둑을 둘 수 있는 건 물론, 퀴즈를 풀거나 그림을 그릴 수 있는 건 모두 그 덕분이다. 이 대목에서 혹자는 말할 수도 있다. ‘그럼 알파고를 100만 대 연결하면 인간처럼 온갖 일을 다 해낼 수 있겠네!’ 물론 가능하다. 충분히 상상할 수 있는 일이다.

단, 걸림돌이 하나 있다. ‘에너지’ 문제다. 이세돌 9단은 밥 한 끼(약 20W) 챙겨 먹고 1000억 개의 뉴런을 가동할 수 있었다. 이와 대조적으로 알파고는 고작 10만 개의 뉴런을 흉내 내는 데 1MW에 육박하는 전력을 썼다. 결국 알파고 100만 대를 20W 수준에서 돌리려면 에너지 효율이 지금보다 500억 배 향상돼야 한다. 이는 오늘날 반도체 기술 발전 추세만으론 도저히 달성되기 어려운 목표다. ‘날로 정교해지는 반도체 공정에 비례해 에너지 효율이 개선되지 않는’ 상황은 이미 수 년 전부터 이어져오고 있다.

기업들, ‘머신 러닝 최적화된 프로세서’ 선점 경쟁 치열

구글은 이번 대회 직후 일명 ‘텐서 처리 장치(Tensor Processing Unit, TPU)’ 홍보에 주력했다. 머신 러닝에선 소수점 아래로 길게 내려가는 계산이 굳이 필요하지 않는단 점에 착안, 이 공정을 줄여 계산 효율을 높인 게 TPU의 특징이다. TPU의 입지가 강화되면 현재 인공지능 관련 데이터 처리 장치로 많이 쓰이는 그래픽 처리 장치(Graphics Processing Units, GPU) 시장은 위협 받을 수 있다.

GPU 개발·제조사 엔비디아의 경우, 당장은 기존 GPU로도 장사가 너무 잘 돼 새로운 프로세서를 내놓지 않고 있지만 TPU가 출시되고 관련 시장이 커지면 즉시 TPU에 대응할 제품을 발표할 게 분명하다. 애플 같은 기업도 크고 작은 하드웨어(반도체) 회사를 수직 계열화하며 ‘머신 러닝에 최적화된 프로세서 보유’를 자체 경쟁력으로 갖추기 위해 채비하고 있다. 아직 초기 단계이긴 하지만 뉴로모픽 컴퓨터(neuromorphic computer)[1]나 양자컴퓨터(quantum computer)[2]도 에너지 효율을 크게 개선할 수 있는 해결책 중 하나로 연구되고 있다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

지난 2007년[1]을 기점으로 한층 정교해지고 저렴해진 모바일 센서가 속속 개발되며 신규 사업이 봇물처럼 쏟아졌다. 상당수는 ‘온라인과 오프라인 간 연결’을 골자로 하는 것이었다. 물론 온·오프라인 결합 상품은 인터넷이 일상화된 이후 꾸준히 있어왔다. 하지만 이런 콘셉트는 모바일 특유의 이동성과 속도감, 한층 쉬워진 결제 방식 등과 결합하며 수많은 신예 기업을 등장시켰다. 그중 가장 큰 주류를 이룬 게 O2O(Online to Offline) 산업이다.

#1. 흥(興)

대표적 사례가 모바일 차량 예약 이용 서비스 ‘우버(Uber)’다. 스마트폰만 있으면 원하는 장소에서 편리하게 차량을 호출, 이용할 수 있는 우버가 세계 각국에서 선풍적 인기를 끌며 지난해엔 ‘우버라이제이션(uberization, 모바일 기술을 바탕으로 소비자와 공급자가 직접 연결돼 이뤄지는 각종 주문·배달 서비스)’이란 신조어까지 생겨났다. 실제로 우버의 ‘전공’인 교통은 말할 것도 없고 음식 배달이나 이사, 심지어 도시 설계에 이르기까지 거의 대부분의 영역이 급속히 ‘우버화(化)’되고 있다.

△단 한 개의 방도 없이 전 세계에 수천 만 개의 객실을 보유한 ‘에어비앤비(airbnb)’ △26만 명 규모인 국내 택시 기사 중 25만 명 이상을 가입시킨 ‘카카오택시(kakaotaxi)’ △지난 한 해에만 1조8000억 원의 결제액을 기록한 음식 배달 서비스 ‘배달의 민족’ 등 우버라이제이션의 범주에 넣을 수 있는 서비스는 당장 떠오르는 것만 해도 가짓수가 상당하다. 그리고 국경을 넘나들며 번져가는 ‘글로벌 O2O 산업 열풍’의 중심엔 (당연하게도!) 스마트폰이 있다.

#2. 망(亡)

국내에서도 최근 몇 년간 O2O 산업 열풍을 등에 업고 무수한 스타트업이 출현했다. 하지만 그 모두가 충분한 사업성을 갖추고 있었느냐, 고 되묻는다면 선뜻 고개를 끄덕이기 어렵다. 사실 O2O 산업은 기술적으로나 사업 형태로나 ‘(사용자) 위치와 인구’를 기반으로 움직인다. 자연히 주요 서비스 지역이나 국가의 법과 제도, 문화에 의해 상당 부분 제약을 받는다. 우버가 적지 않은 국가나 사업자와 충돌을 거듭하고 한국·중국·덴마크 등에선 실제로 철수하는 등 ‘쓴맛’을 본 건 그 때문이다(아직 건재하긴 하지만 여전히 많은 곳에서 백기를 들고 있는 게 사실이다).

야심만만하게 출발했다 이런저런 암초에 부딪쳐 곤욕을 치른 O2O 기업은 사실 꽤 많다. 청소 대행 서비스로 각광 받았지만 종업원 처우 개선 관련 소송에 시달리고 추가 투자 유치에까지 실패하며 결국 폐업에 이른 미국 스타트업 ‘홈조이(Homejoy)’가 대표적(공교롭게도 국내에서 홈조이와 비슷한 사업 모델을 표방했던 ‘홈클’ 역시 폐업 수순을 밟았다). ‘세탁계의 우버’로 불리며 승승장구하던 세탁 대행 서비스 ‘워시오(Washio)’ 역시 창업 3년여 만에 문을 닫았다. 이 밖에도 벨기에에서 출발해 유럽 전역으로 서비스 지역을 확장해가던 음식 배달 O2O 서비스 ‘테이크잇이지(Take it easy)’, 한때 중국 내 시장점유율이 75%를 웃돌 만큼 인기를 끌었던 차량 세차·수리 서비스 기업 ‘보파이(Bopai)’가 지난해 줄줄이 도산했다.

O2O 기업이 서비스 지역을 불문하고 고전하는 데엔 몇 가지 이유가 있다. 당장 떠오르는 건 △서비스 제공 지역 내 법과 제도, 문화와의 충돌 △초기 투자 자금 소진과 그에 따른 후속 투자 유치 실패 △낮은 기술 장벽으로 인한 동종 업계 내 경쟁 과열 등이다. 하지만 지금 이 시각에도 적지 않은 국내외 O2O 기업이 현실을 도외시한 채 신기루를 좇고 있다. 그 결과는 예외 없이 경영 부진과 파산으로 이어진다.

#3. 성(盛)

당연한 얘기겠지만 모든 O2O 기업이 실패한 건 아니다. 전 세계 주요 선진국 대부분엔 내로라하는 O2O 사업 플랫폼, 이를테면 △카카오톡(kakaotalk, 한국) △위챗(微信, 중국) △라인(LINE, 일본) △왓츠앱(Whatsapp)과 페이스북 메신저(이상 미국) 등이 존재한다. 이들 플랫폼은 하나같이 다운로드 횟수와 가입자 수, 사용자 수(Monthly Active Users)가 많다. O2O 사업 모델의 첫 번째 전제 조건이 ‘활발한 고객 트래픽’이기 때문이다[2].

실제로 앞서 언급한 O2O 사업 플랫폼은 이미 오래전 수억 명 규모의 가입(사용)자를 갖췄다. 흥미로운 건 가입(사용)자 수 자체가 수익으로 이어지진 않는단 사실이다. 이들 사업자는 주력 서비스(인터넷 메신저)로 매출을 일으키는 대신 콘텐츠(게임·이모티콘 등) 이용료와 중개 수수료, 광고료 등으로 막대한 수익을 창출하고 있다. 일찍이 한 번도 출현한 적 없던 ‘다각화 비즈니스’다.

시장 상황이 어렵다곤 하지만 여전히 건재한 O2O 기업(스타트업)도 적지 않다. △2011년 독일에서 창업한 음식 배달 서비스 기업 ‘딜리버리 히어로(Delivery Hero)’ △미국 음식 배달 O2O 서비스의 선두주자 ‘그럽허브(GrubHub)’ △2000년 덴마크에서 창업, 영국으로 거점을 옮긴 후 20년 가까이 탄탄하게 운영 중인 ‘저스트잇(JUST EAT)’ △‘중국판 우버’로 불리는 차량 공유 서비스 ‘디디추싱(滴滴出行)’ 등이 주요 사례. 국내에서도 △‘직방’ ‘다방’(이상 부동산 거래) △‘배달의 민족’(음식 배달) △교보문고 ‘바로드림’(도서 주문) 등의 서비스가 치열한 경쟁 속에서도 성공가도를 향해 차근차근 달려가고 있다.

아래 표는 2017년 6월 현재 국내에서 제공되고 있는 O2O 서비스 현황을 분류한 것이다. 표 내용에서 알 수 있듯 대부분은 생계(생활)형이다. 다시 말해 차원을 달리한 고급 시장으로 넘어가면 ‘절대강자’라 할 만한 기업이나 서비스는 별로 눈에 띄지 않는다(그 자체가 ‘새로운 가능성을 타진해볼 수 있는’ 하나의 힌트 역할을 하는 셈이기도 하다).

#4. 쇠(衰), 그리고 미래

특정 산업의 흥망성쇠를 논할 때 특히 주목해야 할 대목은 ‘쇠(衰)’ 부분이다. 추가 동력을 얻지 못한 채 스러져가는 이유를 하나씩 따져보면 자연스레 해당 산업의 미래를 점칠 수 있기 때문이다. O2O 산업이 교육·문화·금융·의료 등 적용 분야를 확장해가며 앞으로 나아가지 못하는 건 시장 확신 부족에 그 원인이 있다. 실제로 턱없이 많은 사업 자금과 낮은 기술 진입장벽, 그로 인한 과열 경쟁 등의 난관은 여전히 O2O 기업들의 발목을 잡고 있다.

“인터넷은 사라질 것(Internet will be disappear)”이란 에릭 슈미트 구글 회장의 예언은 역설적으로 ‘일상 깊숙이 들어온’ 인터넷의 위상 강화를 대변했다. 마찬가지로 O2O 산업 역시 머지않아 ‘굳이 인식할 이유조차 없는’ 일상 속 서비스가 될 게 분명하다. 따라서 O2O 산업의 쇠락은 ‘몰락’과 사뭇 다른 의미를 지닌다.

그런 의미에서 지난 2015년 우버가 핀란드 헬싱키에 제안한 일명 ‘스마트 시티’ 프로젝트는 의미심장하다. 우버는 자사 고객과 운전자의 행동 유형을 토대로 헬싱키 시내 교통의 흐름과 시민들의 이동 경로에 관한 데이터를 전부 수집했다. 이 같은 ‘빅데이터’는 도시 전체의 교통 설계를 가능케 한다. 이것이야말로 진정한 O2O 서비스의 미래가 아닐까? 결국 O2O 산업의 미래는 현대인의 일상과 밀접한 생활 데이터의 생성, 그리고 활용에 달려있다.

▲자사가 보유한 (빅)데이터를 바탕으로 ‘스마트 시티’ 프로젝트를 구상한 우버의 사례는 앞으로 O2O 산업이 어떤 방향으로 나아가야 할지 여실히 보여준다

최근엔 국내에서도 ‘데이터 기반 O2O 모델’의 성공 사례가 종종 발견된다. 대표적인 게 카카오 내비게이션(옛 ‘김기사’)이다. 카카오 내비게이션은 고객이 위치한 장소 주변 맛집을 추천하며 그 근거로 과거 해당 음식점 관련 데이터(방문자 수, 평가 등)를 활용한다. 한때 몇몇 전문가의 주관적 논평에 의지할 수밖에 없었던 맛집 평가가 그 기준을 객관적 빅데이터로 바꾼 것이다.

이 같은 ‘데이터 기반 추천’ 방식은 앞으로도 한층 강화될 전망이다. 이제 모든 기업은 ‘고객이 어딜, 얼마나 자주 가서 뭘 사고 먹으며 지불 수단으론 어떤 걸 활용하느냐’에 집중할 수밖에 없다. 그 모든 기록이 매출을 좌우하는 기초 데이터 역할을 하기 때문이다. “세상은 데이터 기술(DT) 시대로 가고 있다”던 몇 년 전 마윈 알리바바 회장의 메시지가 점차 현실로 다가오고 있는 셈이다. 그 기초가 되는 게 O2O 산업인 건 더 말할 필요가 없다.

오늘날은 O2O 산업의 쇠락기라기보다 옥석(玉石)이 가려지는 시기라 할 수 있다. O2O 산업은 현대인의 일상을 파고들며 점차 가치가 높은 분야로의 이동을 시도한다. 그리고 그 핵심엔 인공지능이 자리 잡고 있다[3]. 요컨대 현대인이 온·오프라인을 넘나들며 창출하는 데이터는 4차 산업혁명의 재료가 된다. 그리고 이들 데이터는 끊임없이 유기적으로 순환하며 한층 빠르고 섬세하며 정확한 인공지능 서비스를 구현해낸다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다
※원고에 삽입된 도표는 필자의 페이스북에서 발췌, 인용됐습니다(일부 제외)

여기저기서 “창의성이 중요하다”고들 한다. 부모치고 ‘우리 아이 창의력 키우기’ 같은 문구에 한 번쯤 혹해보지 않은 적 없을 터. 하지만 구체적 방법론에 이르면 다들 고개를 갸웃거린다. ‘대체 무슨 수로 창의성을 계발할 수 있단 거지?’

“인공지능 세상, 암기는 시대착오적 학습법”이라고?

‘이전의 인상이나 경험을 의식 속에 간직하거나 도로 생각해냄’. 기억(記憶)의 사전적 정의다. 그런데 만약 이 기억이 창의성과 밀접한 관계에 놓여있다면 어떨까?

뇌(腦)과학에서 기억은 ‘인지 능력의 본질적 구성 성분’으로 정의된다. 실제로 기억은 인간의 지각과 행동에 지속적으로 반영된다. 생각은 이렇게 기억된 것들이 반딧불이처럼 반짝이는 현상이다. 사람들의 일상은 대개 습관적·반복적 행동과 생활 용어로 구성된다. 매일 특별한 운동 능력을 발휘하거나 학술 용어로 소통하는 이는 많지 않다. 어려운 추상 명사나 자연과학 서적에나 등장할 법한 개념어를 몰라도 생활하는 데 별 어려움이 없는 건 그 때문이다.

반면, 인간이 자연 현상을 기록하고 설명하는 과정에선 필연적으로 수학적(혹은 물리학적) 언어가 쓰인다. 또한 과학적 사고를 전개하려면 과학 용어의 개념을 이해, 기억할 수 있어야 한다. 혹자는 “요즘 같은 인공지능 시대에 수학 공식을 암기하고 역사적 사건의 발생 연대를 기억하는 학습은 시대에 뒤떨어진 방식”이라고 주장한다. 하지만 기억이 없으면 인간은 그저 동물적 상태에 머물 뿐이다. 당연히 새로운 방식으로 사물을 바라볼 수도 없다. ‘새롭다’는 개념 자체가 이전 방식과의 비교를 전제로 하는 만큼 이전 방식에 대한 기억이 없다면 뭔가를 새롭다고 규정하는 것조차 불가능하기 때문이다. 실제로 알파고가 인간과의 바둑 대국에서 승리할 수 있었던 바탕에도 가공할 기억 능력이 있었다.

기억의 본질적 기능은 ‘뭔가를 잊지 않아 일관된 행동을 가능하게 해주는 것’이다. 생존에 필요한 사물이나 사건을 유념했다가 비슷한 상황에 닥쳤을 때 적절하게 대응할 수 있도록 돕는단 얘기다. 하지만 그와 별도로 인간의 기억은 인지적 측면에서 세 가지 핵심 기능을 갖는다. 오늘 칼럼의 주제도 바로 이것이다.

“내 마음 나도 몰라”, 뇌 입장선 지극히 당연한 결과

첫째, 기억은 정신 작용을 지속하게 해준다. 기억의 지속성은 예외적 정신 능력이다. 인간(을 포함한 동물)의 뇌는 매 순간 변화하는 환경에서 입력되는 감각을 그때그때 처리해야 생존할 수 있다. 일반적으로 인간의 생각이 극히 짧게 지속되는 건 그 때문이다. 실제로 생각은 점멸하는 자극에 따라 벼룩처럼 튀어 다닌다. 그러고 보면 유행가 가사 “내 마음 나도 몰라”는 그냥 나온 말이 아니다. 끊임없이 바뀌는 자극을 처리해야 하는 뇌 입장에선 지극히 당연한 결과다.

입력되는 감각이 지속적으로 달라지는 자연에서 동물은 감각에 즉각적으로 반응하는 감각 종속적 존재가 되기 쉽다. 당연히 기억을 매개로 한 반응은 미약할 수밖에 없다. 그래서 동물, 혹은 (기억이 아직 축적되지 않은) 어린아이의 행동은 감각자극에서 곧장 나온다.

일반적으로 운동엔 두 단계가 있다. ‘계획’이 하나, ‘실행’이 다른 하나다. 즉각적 행동은 별다른 계획 없이 반사적으로 표출된다. 하지만 사춘기를 지나고 학습된 기억이 점차 쌓이며 인간은 무작정 행동하기보다 ‘기억이 반영된’ 행동을 더 많이 한다. 어른이 돼 전두엽이 발달하면 즉각적 반응에서 지연된 반응으로 운동 출력을 점차 지연시킬 수 있다.

목표 지향적으로 행동하는 인간은 실시간으로 입력되는 감각 정보를 자신의 기억과 비교, 판단한 후 그 결과를 살펴 목적에 적합한 운동을 선택한다. 단발성 동작이 연결돼 일련의 행동으로 나타나려면 목표 지향적 기억 정보가 지속적으로 반영돼야 한다. 그래서 기억은 정신 작용의 연속성을 유지하는 데 반드시 필요하다.

한국사 공부를 예로 들어보자. 고조선·부여·고구려·마한·진한·변한·마립간·진흥왕·왕건·무신정권·이성계·세종대왕·이순신·영조·정조…. 이런 고유명사를 제대로 기억하지 못한다면 한국사 자체가 성립하기 어렵다. 요컨대 기억은 정신 작용의 재료가 아니라 역사·수학·문학·예술 등 모든 분야를 관통하며 계산하고 추론하는 정신 작용 그 자체다.

스마트폰 문자 메시지 주고받기, 생각 분산의 주범

매 순간 작동하는 작업 기억은 인간의 현재이기도 하다. 그렇기 때문에 빈약한 기억은 빈약한 사고를 만든다. 문명화 이전의 원시 부족인은 오로지 자신이 경험한 사건만 얘기했다. 경험을 일반화한 추상명사가 존재하지 않았기 때문에 각각의 사건을 구체적으로 표현할 순 있었지만 하나의 사건을 다른 유사 사건과 연결 지어 공통점을 범주화하진 못했다.

고유명사와 추상명사는 사물을 지시하고 사물의 본질을 포착, 오랫동안 유지하게 해준다. 오래 기억되며 범주화된 표상은 인간 뇌 정보 처리 과정을 사물과 사건에 지속적으로 집중, 면밀하게 분석할 수 있는 일명 ‘시간적 지속 과정’을 생성한다. 근육 운동과 뇌 신경세포의 작용이 기억의 흔적을 만들어 시냅스 연결이 강화되면 그 연결망은 ‘정보 고속도로’가 돼 강하고 신속한 정신작용을 가능케 한다.

특정 기억이 다른 기억과 연결되려면 일정 시간이 소요된다. 다른 기억과 만나기 전 원래 생각이 바뀌면 다른 기억과 만날 확률은 그만큼 낮아진다. 사물과 사건의 의미를 명확히 판단하려면 비교와 예측, 추론은 말할 것도 없고 다른 기억들과의 연결이 반드시 필요하다. 이 과정엔 불가피하게 시간이 들며, 그동안 뇌는 한 가지 생각에 집중해 다른 감각 작용을 무시할 수 있어야 한다. 이때 ‘한 가지 생각에 집중’할 수 있는 요소가 바로 기억이다.

기독교의 주기도문이나 불교의 염불은 반복적 단어 암송을 통해 행위자의 사고를 철저히 하나의 대상에 머물게 하려는 행위다. 생물학 중 생화학 과정을 공부할 때에도 아미노산·ATP·핵산·세포공생·호흡작용·광합성 같은 핵심 개념어를 지속적으로 떠올려야 해당 개념이 느낌으로 의식 깊숙이 자리 잡을 수 있다.

기억은 생각을 한 방향으로 머물게 하는 동시에 다른 생각과 연결 지을 수 있는 시간적 여유도 만들어낸다. 기억을 유지하는 능력이 약한 사람은 생각이 자주 분산되고 머릿속도 혼란해진다. 스마트폰으로 끊임없이 문자 메시지를 주고받는 행동은 사실상 잡담에 가깝다. 자연히 이런 행위가 반복되면 생각이 분산될 수밖에 없다.

생각의 일관성은 기억을 (집요하게!) 유지하는 시간에 비례한다. 다시 말해 기억은 인간의 사고를 지속시켜줘 사고의 일관성을 만든다. 생각의 일관성은 행동의 일관성으로 이어졌고, 이는 인간 문화 출현의 밑바탕이 됐다. 동물의 행동은 감각에서, 인간의 행동은 기억에서 각각 나온다. 알파고는 대규모로 축적된 기억을 연결, 인간 바둑의 최고 고수를 이겼다. 특정 분야에 한해서이긴 하지만 기계의 기억이 인간의 기억을 이긴 것이다.

안타깝게도 오늘날 인간은 점점 기억과 멀어지고 있다. 지극히 순간적 행동인 ‘스마트폰 문자 메시지 보내기’가 급증하는 것만 봐도 그렇다. 기억은 시간 차원에서 작동, 미래를 예측하게 하는 힘을 지닌다. 따라서 기억과 거리가 먼 인간은 감각에 종속되는 ‘반사적 인간’일 수밖에 없다.

“알면 사랑하게 된다”는 말, 기억∙감정 간 관계 함축

둘째, 기억은 감정과 정서를 동반한다. 이 같은 기능은 ‘지식을 떠올리고 활용하는’ 것 이상으로 중요한 기억의 가치다. 가을·바람·바다·구름·꽃·별…. 이런 단어는 사용자가 누군지에 따라 나름의 고유한 정서가 묻어있다. 하지만 고유명사는 다르다. 어감이 생소해 정서적 관련성을 부여하기 어렵기 때문이다. 이 때문에 고유명사는 처음부터 뇌리에 각인되지 않고 반복적으로 발음해야 비로소 기억된다.

기억은 감정을 일으켜 인간을 행동하게 만든다. 바꿔 말하면 기억이 없는데 웃거나 슬퍼할 순 없다. 특정 분야의 관심과 애정은 전적으로 그 분야의 기억 양(量)에 비례한다. 암석학이나 생화학, 양자역학 같은 단어를 접하고도 아무런 느낌이 생기지 않는다면 그건 분명 그 분야에 대한 기억이 없(다시피 하)기 때문이다.

뇌과학적 측면에서 봐도 기억과 감정은 분리된 실체가 아니며, 일명 ‘파페즈 회로(Papez circuit)[1]’라고 불리는 뇌 신경 회로로 연결돼 있다. 파페즈 회로는 다음과 같은 경로로 구성된다.

신경 자극은 감정·중독 관련 뇌 영역인 편도체와 중격(中隔) 영역에서 기억을 형성하는 파페즈 회로로 입력된다. 불의에 대한 분노, 어려운 시절을 견뎌내는 의지는 모두 강한 정서적 기억에서 비롯된다. 감정적 느낌이 풍부한 사건과 지식이 기억에 오래 남는 건 편도체가 정서적 자극에 반응, 사건 기억을 형성하는 해마로 노르에피네프린(norepinephrine, 교감신경계의 신경 전달 물질)을 분비하기 때문이다.

노르에피네프린은 기억의 공고화 과정을 촉진한다. 꿈에선 노르에피네프린의 분비가 중단돼 기억이 굳어지지(鞏固) 않는다. 아침에 눈을 떴을 때 지난밤 꿈 내용이 잘 떠오르지 않는 이유다. 학습 성과는 ‘알고 싶어하는’ 욕구에 비례한다. 경험과 학습을 통해 기억된 내용이 빈약하면 학습 의욕도 기대할 수 없다. 요컨대 기억과 감정은 상호 연관된 뇌 작용이다. 따라서 공부를 잘하려면 배운 내용을 최대한 많이 기억해야 한다. 기억하는 생각을 반복하다 보면 느낌이 생긴다. 결국 ‘알면 사랑하게 된다’는 기억의 정서적 속성을 단적으로 드러낸 표현이라고 할 수 있다.

새로운 관점이 필요해? 시선의 방향·높이부터 바꿔봐!

셋째, 기억은 창의성을 발현시키는 핵심 동력이다. 새로운 분야를 학습하거나 중요한 내용을 암기하려는 노력은 종종 평가절하된다. 심지어 혹자는 암기를 창의성의 반대 개념으로 폄하하기도 한다. 하지만 양질의 기억이 축적되지 않으면 창의성 역시 제대로 발휘되기 어렵다. 창의성이란 ‘새롭고 가치 있는 뭔가’를 만들어내는 과정이다. 따라서 사물과 사건을 새로운 관점에서 관찰하는 훈련이 전제돼야 한다.

사물을 관찰할 땐 시선의 방향과 높이, 대상과의 거리 등이 주요 변수로 작용한다. 새로운 시선이 새로운 관점을 만들어주는 셈이다. 대부분의 인간은 사물이든 사건이든 ‘늘 봐왔던 방향으로’ 바라본다. 세상이 좀처럼 새롭게 느껴지지 않는 건 그 때문이다. 시선의 방향을 이전까지와 달리하기 힘든 건 대상과의 일정 거리를 확보하는 일이 쉽지 않은 데 그 원인이 있다.

관찰자와 관찰 대상 간 거리가 제대로 상정되지 않으면 관찰 대상은 관찰자의 일부가 돼 더 이상 새롭지 않다. 반대로 익숙했던 대상이 갑자기 낯설게 느껴지면 그제야 비로소 새로운 시선이 열린다. 관찰 대상과 접촉하지 않은 채 일정 거리를 유지하면 해당 대상의 다양한 측면을 관찰할 수 있다. 또한 시선의 방향이 자유로워지려면 관찰 대상과의 객관적 거리를 유지해야 한다. 그래야 자신이 이미 알고 있거나 보고 싶은 측면이 아닌, 그 대상의 다른 측면이 노출된다.

인간은 본래 ‘접촉 지향적 문화’ 성향이 강하다. 접촉 지향은 농경 사회의 대표적 속성이다. 관찰 대상과의 거리 확보가 여의치 않은 접촉 지향 성향은 논리적·객관적 공간을 없애는 한편, 그 자리에 감정적 반응을 자리 잡게 한다. 이런 상황에선 감정적 반응이 판단의 근거로 기능할 수밖에 없다.

시선의 방향이 새로운 세상을 열고 시선의 높이가 가치를 결정한다. 하늘을 올려다 보면 별과 태양이 눈에 들어오지만 사람 키 높이로 시선을 고정하면 사람들만 보일 뿐이다. 인간이 인간에 익숙해지고, 인간에 매몰되는 것이다. 미지의 자연이 사라진 시야를 채우는 건 뻔한 일상 생활 공간이다.

거친 바다를 개척하고자 하는 시선이 대탐험 시대를 열었다. 크고 작은 지리상의 발견과 과학 발전을 가능케 했다. 시선의 방향과 높이를 새롭게 하려면 관찰 대상과의 일정 거리 확보가 필수다. 하지만 접촉 지향 문화는 대상과의 거리를 소멸시켜 객관적 논리의 공간을 사라지게 만든다.

대리석을 건축에 즐겨 썼던 서양인은 기하학적 도형의 객관적 관계에 익숙하다. 서양에서 과학이 태동할 수 있었던 비결이다. 창의성은 객관적 사실의 기억을 바탕으로 발생하는 두뇌 작용이다. 객관적 세계에선 사물에 대한 지식의 경계가 분명하다. ‘아는 것’과 ‘모르는 것’을 분명하게 구분하는 게 과학의 출발이다.

창의성의 본질은 ‘기존 기억의 새롭고도 독특한 조합’

미지(未知)의 세계는 쉬이 접근하기 어렵다. 그래서 가설이 생겨났으며, 그걸 증명하는 과정이 바로 실험이다. 과학은 가설과 실험의 세계이며, 그 바탕엔 무지(無知)에 대한 자각이 존재한다. 창의성은 기존 기억을 새로우면서도 독특하게 조합하는 과정의 결과다. 어렵거나 새로운 문제에 직면했을 때 인간은 각자 기억의 새로운 조합을 바탕으로 가설을 세운 후 실험을 통해 그걸 증명해낸다. 그리고 이 모두의 출발점은 기억이다. 기억을 ‘창의성의 바탕’으로 정의할 수 있는 근거가 바로 여기 있다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

미국 디지털 광고 시장 규모는 지난 2015년 이미 600억 달러에 이르렀다. 우리 돈으로 환산하면 70조 원이다. 미국 경제 일간지 월스트리트저널(WSJ)에 의하면 이 수치는 올해 870억 달러에 달할 전망이다. 그만큼 성장 속도가 가파르다. 전체 광고 시장 규모(187억 달러)에 비하면 아직 3분의 1 수준이지만 “디지털 광고가 머지않아 TV나 빌보드(billboard, 대형 옥외 게시판) 같은 전통적 광고 매체를 뛰어넘을 것”이란 사실을 의심하는 이는 많지 않다.

“적재적소 비용 집행” 광고주 로망 실현시키다

광고주 입장에서 봤을 때 디지털 광고가 전통적 매체에 비해 매력적인 이유는 분명하다. 우선 정확한 사용자 그룹을 겨냥할 수 있다. TV나 빌보드 광고는 광고하려는 브랜드를 최대한 노출시킴으로써 구매를 유도하지만 매체의 특성상 상관 없는 사람에게 노출되는 걸 피할 수 없다. 광고를 무작위로 노출시키는 건 ‘비용 대비 효과’ 측면에서 비효율적이다. 이에 비해 디지털 광고는 데이터에 기반, 특정 그룹을 표적으로 삼는 게 가능하다.

그뿐 아니다. 디지털 광고는 (광고를 접한) 사용자가 취하는 행동을 정확히 추적할 수 있단 점에서도 매력적이다. 전통적 매체에선 불가능한 일이다. 클릭처럼 즉각적 반응은 물론, 상품 구매나 회원 가입 등의 구체적 성과도 데이터로 파악할 수 있다. 돈을 허공에 뿌리지 않고 꼭 필요한 곳에 쓰고 싶어하는 광고주 입장에선 이보다 반가운 장점이 없다.

디지털 광고의 역사를 논하려면 지난 1994년으로 거슬러 올라가야 한다. 그해 미국 월간지 ‘와이어드(Wired)’의 온라인 버전이었던 ‘핫와이어드(HotWired)’는 자사 웹사이트에 배너를 하나 올렸다. 그 배너엔 이런 문장이 적혀있었다. “Have you ever clicked your mouse right here? You will(여길 마우스로 클릭해본 적이 있나요? 앞으론 그렇게 될 겁니다).” 웹사이트 일부를 광고에 할당하고 돈을 받는 온라인 광고가 시작된 것이다. ‘온라인 광고의 역사’란 글에 의하면 이 공간을 최초로 구입한 기업은 미국 통신회사 AT&T. 당시 집행된 광고료는 3만 달러였다.

첨단 기술 각축장… 봇∙증강현실 등 속속 도입

배너와 함께 시작된 디지털 광고는 구글이 등장하며 키워드 검색 형태로 발전했다. 이후 페이스북 같은 소셜네트워크서비스(SNS)가 폭넓게 사용되면서 사용자 정보와 온라인에서의 행동을 바탕으로 최적화된 광고를 보여주는, 정교한 알고리즘이 등장했다. 여기에 더해 최근엔 웹사이트가 제공하는 콘텐츠와 광고가 쉽게 구별되지 않도록 만드는 네이티브 광고까지 널리 사용되고 있다. 이 모든 기술의 배후엔 ‘데이터’라는 큰 강물이 존재한다.

디지털 광고는 어떤 면에서 월스트리트 금융 거래와 닮았다. 광고가 노출되는 온라인 공간을 제공(supply)하는 매체와 자사 브랜드(혹은 상품) 광고 노출 공간을 필요로(demand) 하는 광고주를 빠르게 연결시켜주는(matchmaking) 과정이 주식 거래와 비슷하기 때문이다. 같은 이유로 애드테크(ad tech) 업계에서 사용되는 기술 역시 월스트리트에서 쓰이는 기술과 비슷하다. 앱넥서스(AppNexus)나 미디어매스(MediaMath), 미디어오션(MediaOcean) 등 크고 작은 애드테크 기업이 미국 뉴욕 맨해튼을 중심으로 발전하고 있는 건 결코 우연이 아니다.

“인터넷 발전을 추동(推動)한 원동력은 포르노와 광고”란 말이 있을 정도로 핫와이어드 배너 광고 이후 디지털 광고는 첨단 기술의 각축장이 돼왔다. 최근 뜨거운 이슈로 부각되고 있는 봇(bot) 기술이나 증강현실(AR)을 활용한 광고가 집중적으로 개발되고 있는 것 역시 그 때문이다.

채팅봇∙사용자 간 대화, 머신러닝 학습 재료로

‘채팅봇(chatting bot)’으로 대표되는 봇 기술은 현대 인공지능의 성과가 집약된 영역이다. △음성 인식 △자연어 처리(NLP) △감정 인식 등 최첨단 인공지능 기술이 한데 모여 인간과 기계, 혹은 기계와 기계 간 자연스러운 대화를 가능하게 만들기 때문이다. 인터넷의 한 시기가 (구글로 대표되는) ‘검색의 시대’였다면 오늘날엔 (인공지능이 장착된) ‘채팅의 시대’로 넘어가고 있다. 여기서 언급되는 봇은 시리(애플)나 엘릭사(아마존)처럼 ‘인간 음성을 알아 듣고 대답하는 기본적 수준의 인공지능’을 포함하는 개념이다.

광고에서 가장 중요한 건 언제나 사용자 의도를 파악하는 일이다. 배너 광고가 막 시작된 1990년대에도 광고주들은 웹사이트 방문 사용자의 의도를 파악하기 위해 가능한 모든 기술을 동원했다. 검색의 시대엔 사용자가 검색 창에 입력한 단어를 바탕으로 사용자 의도를 분석해야 했다. 실제로 브라우저의 ‘주소’ 란에 특정 도메인을 입력하거나 특정 링크를 클릭하는 행위만으로도 사용자의 의도를 일부 파악할 수 있었다. 하지만 대개 분절된 단어를 대상으로 하고 있어 한계를 지닐 수밖에 없었다.

(채팅)봇의 시대로 접어들며 사용자 의도를 파악하는 수준은 이전과 비교할 수 없을 정도로 정교해졌다. 키워드 검색이 문맥을 상실한 채 한계에 부딪친 것과 달리 봇은 사용자에게 직접 질문을 던져 의도를 파악할 수 있게 해주기 때문이다. 예를 들면 이런 식이다. “채팅봇, 12시 정각에 점심 먹을 수 있게 준비해줘.” “한식으로 준비할까요?” “아니, 더 간단한 걸로.” “피자를 주문할까요?” “그래.” “그럼 피자헛에서 항상 드시던 페퍼로니 피자를 주문하겠습니다!”

사람과 채팅봇 간의 이 대화에서 ‘피자헛’은 피자를 먹으려는 사용자 등장을 탐지한 광고주들이 실시간으로 치열하게 경합을 벌인 결과다. 또한 “피자를 주문할까요?” 같은 질문은 사용자 의도를 파악하기 위한 최선의 방법이다. 이처럼 (‘피자 주문’이라는) 광고주의 매출로 이어지는 대화는 데이터로 저장돼 머신러닝의 학습 재료로 활용된다. 이 과정을 거치며 사용자의 의도와 행위를 더 많이 알게 된 인공지능은 한층 정교한 광고를 대화 속에 자연스레 끼워 넣을 수 있게 된다.

성패, ‘엉터리 데이터’와의 싸움 결과에 달렸다

디지털 광고에도 그늘은 있다. 사용자 경험을 해치는 공격적 광고는 말할 것도 없다. 광고주 입장에선 사용자를 흉내 내는 컴퓨터 프로그램이나 봇이 만들어내는 엉터리 데이터와의 싸움 역시 고민거리다. 사기 탐지 시스템(Fraud Detection System, FDS)은 바로 그 때문에 애드테크 업계에서 매우 민감하고 중요한 화두다. 그렇긴 하지만 애드테크는 첨단기술과 창의력이 만나 수익을 창출한단 점에서 무척 흥미로운 영역이다. 정보기술을 보유한 나라 입장에선 이만한 미래 먹거리도 없다. 전 세계에 수많은 디바이스를 깔아놓고 있는 삼성전자 같은 기업이 특별히 관심 가질 만한 분야이기도 하다.

지난 칼럼(‘4차 산업혁명, 너 대체 정체가 뭐니?’)에서 “4차 산업혁명은 이전까지의 세 차례 산업혁명과 달리 ‘소비자에 의한 생산 혁명’으로 보는 게 바람직하다”는 얘길 했었다. 기존 산업혁명이 제조업을 중심으로 생산자가 제품 전반의 모든 요소를 주도했던 것과 달리 4차 산업혁명 시대엔 소비자가 제품의 특성과 디자인은 물론, 생산 시점까지 결정하는 방식으로 비즈니스 패러다임이 바뀌고 있기 때문이다.

4차 산업혁명을 ‘소비 주도 생산 혁명’으로 규정할 수 있는 배경엔 ‘생산자와 소비자가 이제까지와는 다른 방식으로 연결될 것’이란 확신이 자리 잡고 있다. 온라인 쇼핑을 예로 들어보자. 오늘날 흔히 볼 수 있는 온라인 쇼핑은 오프라인 매장을 방문, 그곳에 진열된 제품 중 하나를 골라 구매하는 일련의 과정을 온라인 공간에 구현해놓은 데 불과하다. 반면, 미래의 온라인 쇼핑 풍경은 이와 사뭇 다를 전망이다. 고객이 온라인 판매자를 거치지 않고 직접 생산자와 연결될 테니 말이다.

여기서 한 걸음 더 나아간 시나리오도 떠올릴 수 있다. 소비자가 생산 시설, 혹은 생산자가 보유한 협력사와 소통하는 형태다. 생산 시설이나 협력사의 원료 공급 체계 역시 인터넷을 통해 연동될 것이기 때문이다. 현실 세계에 존재하는 실물 개체가 사물인터넷 기술을 매개로 사이버 세계에 존재하는 가상 개체와 연결돼 작동하는 것, 이를 ‘사이버물리시스템(Cyber-Physical System, CPS)’이라고 일컫는다. CPS는 4차 산업혁명을 이해하는 핵심 개념이기도 하다.

실제로 기업들은 이 같은 시장 환경 변화에 발 빠르게 대처하기 위해 사업 절차 전반을 앞다퉈 디지털로 전환하고 있다. 그리고 이런 노력을 통칭하는 용어가 바로 ‘디지털 트랜스포메이션(digital transformation)’이다. 즉 기업 입장에서 디지털 전환이란 ‘주요 사업 요소가 디지털 요소와 결합, 근본적 변화를 일으키는 현상’으로 정의될 수 있다.

지난 2011년 국내에도 번역, 출간된 알렉산더 오스터왈더(Alexander Osterwalder)와 예스 피그누어(Yves Pigneur)의 공저 ‘비즈니스 모델의 탄생’(원제 ‘Business Model Generation’)에 따르면 모든 사업은 주요 요소를 9개 영역으로 구분해놓은 일명 ‘비즈니스 모델 캔버스(Business Model Canvas, BMC)’<아래 도표 참조>에 의해 규정된다.

▲비즈니스 모델 캔버스(BMC)는 특정 사업에 포함되는 9개 요소의 합으로 구성되며, 소비자에게 제공되는 가치를 기준으로 좌우 영역이 나뉜다

캔버스 한가운데엔 생산자가 소비자에게 제공하는 가치(value proposition)가 자리 잡고 있다. 이를 중심으로 왼쪽엔 가치 생성과 관련된 활동이, 오른쪽엔 생성된 가치를 고객에게 전달하는 방법이 각각 배치된다.

캔버스 내 각 영역에 포함되는 내용은 업(業)의 특성에 따라 조금씩 달라진다. 그 결과에 따라 비즈니스 모델 자체도 변화한다. 하지만 고객에게 가치를 전달하고 이를 수익화하는 방식의 조합은 대개 몇 가지 유형으로 나타난다. 이처럼 고객에게 가치를 전달하고 수익을 창출하는 방식(위 도표로 치면 ‘수익 흐름’ 영역)을 가리켜 ‘수익 모델(revenue model)’이라고 부른다. 수익 모델은 그 막대한 영향력 때문에 종종 비즈니스 모델과 같은 개념으로 취급되기도 한다.

기계화와 대량 생산, 그리고 자동화. 각각 1·2·3차 산업혁명을 대표하는 특징이다. 이를 비즈니스 모델 캔버스에 대입해 살펴보면 산업혁명의 차수가 바뀌며 캔버스 내 가치 창출 ‘핵심 활동’이 혁신적 변화를 거듭해온 걸로 해석할 수 있다. 이를 뒷받침하는 ‘핵심 자원’ 역시 증기기관에서 전기로, 다시 신재생에너지로 달라졌다. 요컨대 3차 산업혁명기까지의 기업(특히 제조업)은 생산량을 늘리거나 생산 원가를 줄이는 방식으로 비용 구조를 개선, 결과적으로 소비자에게 일명 ‘가성비(가격 대비 성능) 높은’ 제품을 제공하는 데 주력해왔다.

여기서 주목할 만한 사실 하나. 3차 산업혁명기부터 디지털화(化) 현상이 본격화되기 시작했다. 기계들은 하나둘 디지털 방식으로 제어되기 시작했고, 그 과정에서 생성된 데이터는 디지털 기술에 기반해 수집·분석·활용되기 시작했다. 아울러 소비자에게 제공되는 가치, 다시 말해 제품이나 서비스 중에서도 디지털 기술을 바탕으로 하는 것들이 점점 더 많은 비중을 차지하기 시작했다.

기업의 디지털 전환 노력이 제품이나 서비스의 생산 관련 영역에서만 일어났던 건 아니다. 1990년대 중반 이후 온라인 상거래가 가능해지면서 오프라인 하나뿐이었던 가치 전달 채널은 온·오프라인으로 양분되기 시작했다. 스마트폰·태블릿·웨어러블 등으로 활용 기기도 급속도로 다양해졌다. 이에 따라 대(對)고객관계 업무 처리도 이메일과 (고객센터) 애플리케이션, 소셜네트워크서비스(SNS) 같은 디지털 수단으로 전환되고 있다.

문제는 이 모든 디지털 전환 노력이 파편화돼 있단 사실이다. 상당수 기업이 디지털 수단을 총동원, 제품 관련 고객 의견을 수집한다. 하지만 그중 실제 고객 가치 개선에 쓰이는 건 거의 없다고 봐도 과언이 아니다. 다양한 채널을 통해 판매되는 제품이나 서비스 관련 데이터 역시 생산자에게 실시간으로 공유되지 않는다. 기껏해야 시차를 두고, 혹은 최종 결과만 전달될 뿐이다. 다시 말해 가치를 생성·전달하는 방식이나 가치 전달 채널, 고객 관계 등 각각의 요소는 충분히 디지털로 전환되고 있지만 유기적 결합 없이 개별적으로 구축·운영되고 있는 것이다.

다가올 4차 산업혁명 시대엔 비즈니스 모델 캔버스의 전 영역이 디지털로 전환될 뿐 아니라 각각이 유기적으로 연결될 것, 이란 게 내 생각이다. 이렇게 되면 소비자의 생각이 생산자에게 실시간으로 전달될 것이다. 소비자 요구를 반영한 제품이 그때그때 생산돼 소비자에게 배달되는 상황도 충분히 가정해볼 수 있다. 이에 따라 기업은 지금까지와는 비교도 안 될 만큼 디지털화된 방식으로 수익 창출 시도에 나설 것이다. (다음 칼럼에선 4차 산업혁명 시대에 고객에게 제공되는 가치는 어떻게 달라지는지, 그런 가치를 발굴하는 방법은 뭔지에 대해 알아보겠다.)

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다