AI 싱킹과 협업 지성

인간과 인공지능이 만드는 협업의 미래
인간의 직관적 사고와 인공지능의 정교한 인식이 만나는 시대가 도래했다. 대니얼 카너먼의 ‘빠른 생각’과 ‘느린 생각’ 이론에 따르면, 인간의 빠른 직관적 사고는 인공지능의 느리고 정교한 사고와 결합될 때 비로소 완전한 문제 해결이 가능하다. 이 책은 이러한 배경에서 인간과 인공지능의 협업을 통해 초개인화와 초지능화의 새로운 시대를 대비하는 방법을 탐구한다. 대규모 언어모델(LLM)의 한계를 짚으며, 인간과 AI의 협력 모델이 창의성과 지속 가능성을 어떻게 향상시킬 수 있는지 설명한다. 컴퓨팅 사고와 AI 싱킹의 이해는 단순한 프로그래밍 능력을 넘어 AI와 데이터 구조를 이해하고 해석하는 능력을 포함한다. 인간과 AI는 서로의 부족함을 보완하며 협업을 통해 시너지를 창출할 수 있다. 디자이너는 AI에게 최적의 디자인을 제안 받고, AI 채팅봇은 고객의 문의를 처리해 인간이 더 복잡한 문제에 집중할 수 있게 돕는다.
그러나 AI에 지나치게 의존하면 인간의 주의력과 성장이 저해될 우려가 있어 비즈니스에 AI를 도입할 때는 인간 중심의 접근이 필요하다. 이 책은 켄타우로스의 현자 케이론 이야기를 통해 인간과 AI의 이상적 협업 모델을 제시하며, 협업 지능(CQ) 모델을 개발하고 적용하는 방법을 구체적으로 제안한다. 인간과 AI의 지속 가능하고 조화로운 협업을 통해 ‘케이론의 시대’를 맞이해 보자.

인간의 직관적 사고와 인공지능의 정교한 인식이 만나 협업하는 ‘협업 지능(CQ)’ 모델을 소개한다. 이를 통해 초개인화와 초지능화의 시대를 대비하는 방법을 탐구한다. 컴퓨팅 사고와 AI 싱킹에 대한 이해, 켄타우로스의 현자 케이론의 이야기를 통해 인간 중심의 AI 활용법과 협업 모델을 제시한다.

여현덕
현재 카이스트 지스쿨(KAIST G-School) 원장으로 재직 중으로 ‘인공지능 경영 과정(AIB)’을 설립했고, ‘AI스토리텔링 학습법’을 설계했다. AI의 원리를 기술과 인문, 경영을 아우르는 융합적 관점에서 녹여 깊은 통찰력을 제공하고 있다. 영국 애버딘대학교 교수, 미국 조지메이슨대 석좌교수, 다보스포럼 수석자문역을 거쳐 현재 뉴욕대ᐨ카이스트(NYU-KAIST) 혁신캠퍼스 석좌교수를 겸하고 있다. 인공지능 관련 주요 연구로 권위 있는 국제학술지 ≪IEEE(Institute of Electrical and Electronics Engineers)≫에 “Vision Transformer Equipped with Neural Resizer on Facial Expression Recognition Task”(IEEE, 2022 공저)를 게재했으며, 『인공지능 스토리텔링 학습법』, 『AI 트랜스포메이션 사례 연구』, 『인공지능 시대의 AI영재교육론』 등 다수의 AI 논문과 4차 산업혁명의 원리와 동력을 탐구한 『나도 피카소 그림을 살 수 있다』를 저술했고, 『명탐정 준의 AI 파란노트』를 감수했다. 신간『AI 채용과 해고』를 탈고하여 출간을 앞두고 있다.

AI 시대의 케이론을 기다리다

01 AI 싱킹 : 사람, 인공지능, 생성형 AI
02 AI의 수직적 사고와 인간의 수평적 사고
03 디자인 싱킹과 인공지능 방식
04 인공지능 대규모 언어모델에게 인간은 무엇일까?
05 협업지능 CQ : AI+인간이 함께할 때
06 축구와 인공지능-인간의 협업
07 로또 판결에 대응하는 AI 판사+인간의 협업
08 히포크라테스 AI 닥터 협업의 선물
09 인공지능 라이프 사이클과 창조적 발상
10 인공지능 사고법 : 생각을 다시 생각하는 법

그런데 여기서 놓쳐서는 안 될 중요 포인트가 있다. 챗GPT의 성능을 높인 핵심 요인은 결국 AI 모델이 생성한 결과가 얼마나 우수한가를 판단하는 휴먼 피드백에 있었다는 점이다. 즉 AI 지능(AIQ)은 궁극적으로는 인간을 대체하는 방향이 아닌 인간의 지성과 함께하는 공진화(coevolution) 과정으로 발전한다는 뜻이다.
－01_“AI 싱킹: 사람, 인공지능, 생성형 AI” 중에서

이렇게 수많은 장점에도 불구하고, LLM은 인간의 감성이 배제된 연산 모델일 뿐이다. 통제된 이성을 우상화하는 시스템에서 ‘나르치스’의 모습을 발견한다. 입력된 데이터 세트를 따라 하는 운명을 벗어나지 못하는 영리한 앵무새일 뿐이다. LLM은 단어와 텍스트에서 감정을 표시하는 데이터들을 모으고 클러스터링 기법도 사용하지만, 본질적으로는 감정과 무관하다. 주어진 정보와 규칙에 따라 순차적이고 논리적으로 분석하는 수직적 방법론이다. 한마디로 연산하는 두뇌는 크고 심장이 비어 있는 데카르트 모델이라고 할 수 있겠다.
－04_“인공지능 대규모 언어모델에게 인간은 무엇일까?” 중에서

세계적 프로축구 구단들은 AI 경쟁에 돌입했다. 영국 프리미어리그의 리버풀 FC는 축구에 AI를 접목하기 위해 구글 디프마인드에 수년간의 경기 데이터를 제공했다. 스페인의 라리가는 마이크로소프트(MS)와, 독일의 분데스리가는 아이비엠(IBM)과 손잡고 팬을 관리하고 선수를 스카우트하고 가르치는 데 필요한 AI 솔루션을 개발하고 있다.
－06_“축구와 인공지능-인간의 협업” 중에서

가령, AI 작곡 시스템을 개발하는 과정에서 전통적인 팝 음악 장르에 맞춰 곡을 생성하도록 데이터를 학습시킨다. 하지만 여기에 재즈, 클래식, 월드 뮤직 및 실험적이고 혁신적인 음악 샘플들도 추가할 수 있다. 이렇게 증강된 데이터를 통해 AI는 고정된 장르 내에서도 더욱 다채롭고 발산적인 아이디어를 생성할 수 있게 된다.
－09_“인공지능 라이프 사이클과 창조적 발상” 중에서