Chat GPT 얘기를 하는게 일상이 된지 1달이 지났습니다.
얼마 안된거 같은데, 오랜 기간처럼 느껴지네요.
그만큼 우리에게 강렬한 충격을 줬기 때문이 아닐까 싶습니다.
특히 챗 지피티가 법률 전문직 분들껜 피부로 와닿는 위협이었을 겁니다.
인공지능이 발달해도, 화이트칼라는 쉽게 대체하지 못할거라는 인식이 송두리째 뒤흔들려 버렸으니까요.
알파고가 이세돌을 이겼을 때까지만 하더라도 ‘대단하다’ 싶었지만
크게 와닿진 않으셨을겁니다.
하지만 ChatGPT는 다릅니다. 지식과 정보를 엮어내는 맥락이 너무나 ‘사람’다워 졌기 때문입니다. 피부로 와닿는 위협입니다.
그래서 법률 전문직 분들은 많은 실험들을 거치고, 토론도 해보셨을겁니다.
그리고 그 결과는 ‘아직까지는 안심이다’ 쪽으로 굳혀진것 같네요.
우리나라 법률과 세법에 대한 습득이 덜 되어서, 잘못된 정보로 답변하는 케이스가 너무도 많기 때문입니다.
Chat GPT가 법률전문직을 대체하니 마니
호들갑을 떠는 경우가 많은데 안심하세요.
절대 그정도는 못 됩니다.
딱 이 지점까지 결론을 내리고 생각을 멈추시는 분들이 많을겁니다.
그런데 과연 이렇게 성급하게 판단할 수 있는 일일까요?
만약 그렇다면 600명 이상의 변호사와 1200명 이상의 직원을 고용하고 있는 영국 거대로펌이 아래와 같은 채용공고를 내지 말았어야 합니다.
인공지능의 위험성을 ‘억지로’ 외면하는게 아니라
그 유용성을 인정하고 활용 전략을 연구하겠다는 의도가 보이지 않으신가요?
위 채용공고는 법률 전문직 분들의 대체 가능성을 그대로 보여주는 방증이 아닐까 싶습니다.
가장 늦게 대체될 것이라는 화이트칼라 직종이 어쩌면 가장 빠르게 대체될 가능성이 높지요.
그 때를 대비하려면, 결국 인공지능 활용법을 배워야 합니다.
그래서 존재불안을 느끼는 것에서 끝나지 않고, 주도적으로 인공지능을 활용할 수 있는 경쟁력을 만들어야 해요.
그래서 이번 칼럼에서는 Chat GPT의 언어모델과 한계점을 간단하게 짚어드리겠습니다.
Chat GPT의 특징
지금까지 나온 모든 인공지능은
복잡한 규칙 속에 단순한 논리가 숨어있는 데이터들에서 주요한 성과를 보였습니다.
바둑부터 스타크래프트 같은 게임이 대표적인 예시입니다.
하지만, 단순한 논리로 돌아가지 않는 분야에선 인공지능이 어려움을 겪을 수 밖에 없습니다.
갖은 종류의 오차와 변수가 있는 곳에선, 기존 데이터 모델로는 계산할 수 없기 때문입니다.
그런 오차를 어떻게 보정을 할 수 있을지를 연구하다 나온 것이
바로 인간 피드백형 강화학습(Reinforcement Learning w/ Human Feedback). 즉, RLHF입니다.
이번에 많은 화제가 된 Chat GPT가 바로 RLHF가 적용된 인공지능입니다.
여기서 중요한건 Chat GPT가 ‘인간의 반응(피드백)을 활용’한다는 점입니다.
그래서 채팅봇을 만들어서 인간의 반응을 체크하고, 그에 맞춰 정보를 수정하죠.
이 점을 활용하여 인공지능과 소통하면서 질문을 구체화시켜 나가는 것이 Chat gpt의 일반적인 사용법입니다.
Chat GPT(챗 지피티)의 한계
저번 글에서도 말씀드렸다시피, 어떤 지식이든 가장 중요한 지식은
바로 한계에 대한 지식입니다.
챗지피티에 대한 한계점도 짚어드리겠습니다.
한계점1: 데이터 정확도에 의존할 수 밖에 없다.
인간 피드백형 강화학습은 엄연히 인간의 반응(피드백)을 바탕으로 오차를 줄여나가는 계산모델입니다.
그러므로 인간의 반응 데이터가 정확하지 않으면, 그런 데이터가 많아지면 인공지능도 틀린 답을 내놓게 되지요.
즉, 사공이 많으면 배가 산으로 갈 수 밖에 없다는 겁니다.
수 많은 사람들의 다양한 종류의 반응들에 맞춘 다양성을 담는 것은
애당초 이런 종류의 계산과학적 모델의 목표가 아니라는 점을 참고하실 필요가 있습니다.
수 천명의 스타일과 실력을 가진 바둑기사를 키우는게 아니라,
가장 이길 확률이 높은 바둑기사 1명을 키워내는게 지금까지의 인공지능 발전 방향이었으니까요.
한계점2: 어디까지나 ‘일반화’를 위한 계산모델
한계점 1과 이어지는 내용입니다.
RLHF와 같은 데이터기반 모델작업은 언제나 ‘일반화’를 위한 것이지, ‘전문화’를 만들어내는 것이 아닙니다.
사람들의 선택지를 따라갈 뿐인데, 다수의 선택지를 따라가는 것이 어떻게 전문화일까요?
그래서 전문지식을 뽑으려고 하면, 틀린 정보가 계속 나오는 겁니다.
인터넷에 전문지식이 많지도 않고, 대부분은 마케팅 대행사에서 배끼고 찍어내는 정보들인데
어떻게 제대로 된 답이 나올 수 있을까요?
그래서 전문화된 정보와 인사이트를 뽑고 싶다면, 잘 정리된 데이터셋을 만드는게 첫 번째 도전과제고
데이터를 잘 학습시켜서 활용하는 방법론이 두 번째 도전과제입니다.
디지털 리터러시, 그리고 생산성
디지털 리터러시라는 용어가 있습니다.
디지털 기술과 미디어를 활용할 수 있는 능력을 뜻하지요.
본래는 디지털에 친숙하지 않은 어르신 분들과 어린 아이들이 주 교육 대상이었습니다만
앞으로는 교육의 범위가 훨씬 확대될 것이라 생각합니다.
디지털 리터러시의 최종 종착지는 인공지능의 활용기술이 될 테니까요.
이제 법률 전문직 분들이 개업을 해서 살아남기 위해선
2가지 기술이 꼭 필요해집니다.
- 온라인 브랜딩 및 마케팅 기술
- 인공지능 활용기술
온라인 브랜딩 및 마케팅 기술은 법률 서비스를 사업화할 수 있는 가장 중요한 기술입니다.
더 자세한 이야기는 이 글에서 참고하실 수 있구요.
저는 법률 전문직 중에서 세무사님들을 대상으로 블로그 활용기술을 말씀드리고 있습니다.
그리고 앞으로는 인공지능을 어떻게 하면 더 잘 활용할 수 있는지가 계속 연구될 것입니다.
전문직 분들께 ‘생산성’은 곧 능력의 척도이고, Chat gpt같은 인공지능 기술이 그 생산성을 채워줄 수 있는 기술이 될 테니까요.
