인공지능의 A부터 Z까지

인공 지능이 우리 세계의 더 큰 부분이 되면서 전문 용어의 바다에서 길을 잃기 쉽습니다. 하지만 방향을 잡는 것이 오늘날보다 더 중요한 때는 없었습니다.

AI는 향후 몇 년 동안 고용 시장에 큰 영향을 미칠 준비가 되어 있습니다(자동화 참조). 이를 관리하는 방법에 대한 논의는 정치적 대화에서 더 큰 역할을 하고 있습니다(참조: 규제). 그리고 가장 중요한 개념 중 일부는 학교에서 배우지 않은 것입니다(참조: 경쟁 압력).

속도를 높이려고 노력하는 것은 어려울 수 있습니다. AI 연구는 복잡하며, 연구자들에게도 많은 언어가 새로운 것입니다. 그러나 우리가 기후 변화와 인터넷에 관해 배운 것처럼 대중이 큰 문제를 해결하기 위해 씨름하지 못할 이유는 없습니다. 모든 사람이 AI 토론에 더욱 완벽하게 참여할 수 있도록 TIME은 가장 일반적인 용어에 대한 편리한 용어집을 정리했습니다.

완전히 초보자이거나 GPT를 통해 AGI를 이미 알고 있는 분이라면 이 A부터 Z까지 인공 지능의 힘, 가능성, 위험에 맞서 싸우는 모든 사람을 위한 공개 리소스로 설계되었습니다.

AGI는 인공일반지능(Artificial General Intelligence)의 약자로, 인간보다 더 효과적으로 경제적으로 가장 생산적인 작업을 수행할 수 있는 가상의 미래 기술입니다. 이러한 기술을 지지하는 사람들은 이러한 기술이 새로운 과학적 발견을 밝혀낼 수도 있다고 믿습니다. 연구자들은 AGI가 가능한지, 가능하다면 얼마나 멀리 떨어져 있는지에 대해 동의하지 않는 경향이 있습니다. 그러나 세계 최고의 AI 연구 조직인 OpenAI와 DeepMind는 모두 AGI 구축에 전념하고 있습니다. 일부 비평가들은 AGI가 마케팅 용어에 불과하다고 말합니다. (참조: 과대 광고.)

"정렬 문제"는 AI에서 가장 심오하고 장기적인 안전 문제 중 하나입니다. 오늘날의 AI는 디자이너를 압도할 수 없습니다. 그러나 언젠가는 많은 연구자들이 그렇게 될 것이라고 예상합니다. 그 세계에서 AI를 훈련하는 현재 방식은 자의적인 목표를 추구하든, 우리를 희생하여 권력을 추구하려는 명시적인 전략의 일부로든 인류에게 해를 끼치는 결과를 초래할 수 있습니다. 위험을 줄이기 위해 일부 연구자들은 AI를 인간의 가치에 "맞추기" 위해 노력하고 있습니다. 하지만 이 문제는 어렵고, 해결되지 않았으며, 완전히 이해되지도 않았습니다. 많은 비평가들은 비즈니스 인센티브로 인해 선도적인 AI 연구소가 AI의 역량을 강화하는 데 집중하고 컴퓨팅 능력을 집중하게 되면서 이 문제를 해결하기 위한 작업이 뒷전으로 밀리고 있다고 말합니다. (참조: 경쟁 압력.)

자동화는 인간의 노동이 기계로 대체되거나 지원되는 역사적 과정입니다. 새로운 기술, 아니 이를 구현하는 사람들은 이미 자동차 조립 라인 근로자부터 식료품점 점원에 이르기까지 많은 인간 근로자를 임금을 요구하지 않는 기계로 대체했습니다. OpenAI의 최근 논문과 Goldman Sachs의 연구에 따르면 최신 세대의 AI 혁신으로 인해 더 많은 사무직 근로자가 일자리를 잃을 수 있다고 합니다. OpenAI 연구원들은 미국 근로자의 약 5분의 1이 일상 업무의 절반 이상을 대규모 언어 모델로 자동화할 수 있다고 예측했습니다. Goldman Sachs 연구원은 향후 10년 내에 전 세계적으로 3억 개의 일자리가 자동화될 수 있다고 예측합니다. 이러한 격변으로 인한 생산성 향상이 광범위한 경제 성장으로 이어질지 아니면 단순히 부의 ​​불평등이 더욱 증가할지는 AI에 세금이 부과되고 규제되는 방식에 달려 있습니다. (참조: 규제.)

기계 학습 시스템이 내리는 결정이 지속적으로 편견적이거나 차별적일 때 "편향적"이라고 설명됩니다. AI로 강화된 선고 소프트웨어는 심지어 동등한 범죄에 대해서도 백인 범죄자에 비해 흑인 범죄자에게 더 높은 징역형을 선고하는 것으로 나타났습니다. 그리고 일부 얼굴 인식 소프트웨어는 검은 얼굴보다 흰색 얼굴에 더 잘 작동합니다. 이러한 실패는 해당 시스템이 훈련된 데이터가 사회적 불평등을 반영하기 때문에 자주 발생합니다. (참조: 데이터.) 현대 AI는 본질적으로 패턴 복제자입니다. 신경망을 통해 대량의 데이터를 수집하고 해당 데이터에서 패턴을 찾아내는 방법을 학습합니다. (참조: 신경망). 얼굴 인식 데이터세트에 흑인 얼굴보다 백인 얼굴이 더 많거나 과거 선고 데이터에서 흑인 범죄자가 백인 범죄자보다 더 긴 징역형을 선고받은 것으로 나타나면 머신러닝 시스템이 잘못된 교훈을 학습하고 이러한 불의를 자동화하기 시작할 수 있습니다.