김영주: 지금부터 2021년 제19차 한국학술정보협의회 정기총회를 시작하겠습니다. 안녕하십니까? 사회를 맡은 한국학술정보협의회 사무국장 김영주입니다. 올해의 주제는 도서관의 D.N.A.입니다. 이번 정기총회 및 콘퍼런스는 개회식 및 안건처리 후 세션1 기조강연과 세션2에는 세 개의 세부 주제에 대한 발표로 이어질 예정입니다. 그럼 지금부터 제19차 한국학술정보협의회 개회식을 시작하겠습니다. 국민의례는 생략하고 오늘 행사를 주최하는 한국학술정보협의회 회장이신 현진권 국회도서관장님의 개회사가 있겠습니다.
현진권: 안녕하십니까. 한국학술정보협의회장 현진권입니다. 올해 한국학술정보협의회 정기총회는 직접 뵙고 인사드리고 싶었는데 아쉽게도 온라인으로 개최하게 되었습니다. 먼저 이번 행사의 영상으로 축하 인사를 주신 박병석 국회의장님을 비롯하여 신기남 도서관정보정책위원회 위원장님과 남영준 한국도서관협회 회장님 그리고 기조강연을 맡아주신 카이스트 이광형 총장님께 감사드립니다. 아울러 온라인으로 참여해 주신 회원 기관 여러분께도 감사와 반가운 마음을 전합니다. 한국학술정보협의회는 학술정보의 공유와 협력 참여를 통한 정보의 확산과 정보격차 해소를 목적으로 2002년에 출범하였습니다. 특히 올해는 전국 17개의 모든 교육청과 MOU를 마무리했습니다. 5,000번째 협정 체결이라는 성과를 이루었고 현재 총 5,700여개 회원기관이 한국학술정보협의회에 참여함으로써 국내 최대의 학술정보협력 협의체로 성장했습니다. 제19차 학술정보협의회 정기총회 및 컨퍼런스의 올해의 주제는 도서관의 D.N.A.입니다. 인간의 생존을 위해 쌓아온 인류의 정보인 DNA유전자를 통해 자손들에게 이어집니다. 이후 문자가 발명되면서 정보가 기록되기 시작했고 그것은 곧 인류의 지적자산으로 이어져 왔습니다. 또 기록으로 시작되는 정보는 컴퓨터와 인터넷 발달로 인해 유통채널이 확산되었습니다. 이제 축적된 정보를 통해 또다른 생활에 혁명을 경험할 수 있게 되었습니다. 정보는 모이고 가공되어 빅데이터가 되고 이를 기반으로 인공지능이 학습합니다. 이는 또 다시 네트워크를 통해 유통이 되는 순환을 의미합니다. 인공지능은 이제 모든 영역에 파고들고 있습니다. 기존 질서 영역에 충격을 주고 있습니다. 사회 전 분야는 변화하는 정보기술 환경 속에서 살아남기 위해 변화해야 합니다. 우리 도서관계 역시 이러한 변화 속에서 실질적인 역할을 해내는 것이 매우 중요합니다. 그러려면 도서관 구성원들이 정보 혁명에 대한 지식으로 무장해야 할 것입니다. 이번 콘퍼런스가 여러분에게 그런 기회가 되기를 간절히 바랍니다. 도서관에 D.N.A.에 관한 현황과 다양한 고민을 공유하고 함께 발전시키는 시간이 되시기를 바랍니다. 끝으로 컨퍼런스에서 발표하시는 모든 분에게 깊은 감사의 마음을 전합니다. 무엇보다 학술정보 협의회 관심을 주시고 적극적으로 참여해 주신 전국의 회원 기관 여러분들께 깊은 감사의 말씀을 드립니다. 감사합니다.
김영주: 다음은 축사입니다. 박병석 국회의장님과 신기남 도서관정보정책위원회 위원장님 남영준 한국도서관협회 회장님이 코로나19로 인해 총회에 직접 참석 대신 영상 축사를 보내 주셨습니다. 축사를 보시겠습니다.
박병석: 국회의장 박병석입니다. 제19차 한국학술정보협의회 정기총회 및 콘퍼런스 개최를 축하드립니다. 이 자리를 마련해 주신 현진권 한국학술정보협의회 회장님, 신기남 도서관정보정책위원장님과 회원기관 대표님 여러분 반갑습니다. 오늘 발표를 맡아주신 전문가 여러분과 행사를 준비해주신 관계자 여러분들께서도 수고 많으셨습니다. 한국학술정보협의회는 2002년 국가 지식을 공유하고 융합하는 생태계를 구축하기 위해 창립되었습니다. 5,700여 개 기관이 참여하는 국내 최대의 학술정보 협력네트워크로 성장했습니다. 코로나19 상황이 엄중해 올해도 직접 만나지 못하고 온라인으로 행사를 개최하게 되었습니다. 내년에는 우리 모두 마스크를 벗고 함께 얼굴을 맞댈 수 있기를 기대합니다. 오늘 콘퍼런스 주제는 도서관의 D.N.A.입니다. D.N.A.는 데이터(Data), 네트워크(Network), 인공지능(AI)을 의미합니다. 4차산업 혁명시대를 이끌 핵심 기술들입니다. 이런 추세에 발맞춰 국회도 '의원실 AI 인턴', '지능형 의안정보시스템' 등 D.N.A. 국회를 향해 나아가고 있습니다. 특히 도서관과 D.N.A.는 바늘과 실처럼 밀접한 사이입니다. 지식 정보와 D.N.A.가 만나면 상상을 뛰어넘는 큰 빛을 발휘할 수 있습니다. 코로나19로 비대면이 일상이 되면서 디지털화가 가속 되고 있습니다. 도서관이 이런 사회 변화에 발맞춰 지식전달체계를 혁신하는 선두에 서야 합니다. 오늘 컨퍼런스가 도서관 혁신에 길을 모색하는 뜻깊은 자리가 될 수 있기를 기대합니다. 다시 한번 제19차 한국학술정보협의회 정기총회 및 콘퍼런스 개최를 축하드립니다. 함께 해주신 국내외 전문가 여러분의 건승을 기원합니다. 감사합니다.
신기남: 여러분 반갑습니다. 대통령 소속 도서관정보정책위원회 위원장 신기남입니다. 한국학술정보협의회 제19차 정기총회와 콘퍼런스 개최를 축하합니다. 직접 뵙지 못해서 아쉽지만 온라인으로나마 뜻깊은 자리를 마련해 주신 현진권 국회도서관장님을 비롯한 관계자 여러분 협의회 회원 모든 분들께 깊이 감사드립니다. 한국학술정보협의회가 그동안 지식정보의 공유와 협력 확산을 위해 애써 주신 노고에 감사의 말씀을 드리고 싶습니다. 코로나19의 영향으로 정보의 공유와 네트워크를 통한 연결은 그 어느 때보다도 더욱 중요해졌습니다. 사회적 거리두기가 일상화 되고 비대면 소통방식이 확대되고 있는 이런 상황에서 도서관계도 새로운 시대를 대비해야 하는 그런 과제를 안게 되었습니다. 특히나 제4차 산업혁명과 팬더믹이 맞물려서 인공지능과 메타버스 등 화두가 되고 있는 디지털 기술 혁신은 우리 삶의 패러다임의 변혁을 예고하고 있습니다. 이런 시기에 데이터와 네트워크, 인공지능을 다루는 이번 콘퍼런스의 주제 ‘도서관의 D.N.A.’는 매우 흥미롭습니다. 데이터와 정보가 쌓이면 인공지능의 신뢰도는 높아질 것이고 또 상호 연결 되어 활용할 수 있다면 도서관에 중심으로 하는 정보의 공유와 확산의 목표는 가능해 질 것입니다. 한국학술정보협의회가 도서관 변혁의 중심에 선도적 역할을 할 수 있기를 기대하겠습니다. 새로운 시대 도서관의 지속적인 발전을 이루기 위해서 도서관계의 긴밀한 교류와 협력은 필수적입니다. 저희 도서관정보정책위원회는 관종을 초월한 우리 도서관의 비전을 세우고 정책을 만드는 그런 역할을 하기 위해서 노력하겠습니다. 시대가 변하더라도 우리 삶의 질을 높일 수 있는 도서관 정책 개발을 위해서 힘을 보태겠습니다. 현장에서 말은 관심과 협력을 부탁드립니다. 아무쪼록 오늘 이 자리가 새로운 시대의 흐름을 파악하는 정보교류의 장으로 또 함께 미래를 준비하고 협력하기 위한 귀중한 만남의 장이 되기를 바랍니다. 모든 분들의 건승을 바랍니다.
남영준: 감사합니다. 한국학술정보협의회 회원 여러분 안녕하십니까? 한국도서관협회를 맡고 있는 남영준입니다. 아직도 여전한 코로나19 때문에 요즘 주변 사람들과 새로운 인사를 하고 있습니다. 백신을 2차까지 다 맞으셨습니까? 백신 접종을 서둘러 끝내고 일상으로 돌아오고 싶은 마음에 새로이 생겨난 인사말입니다. 이번 코로나19 사태를 겪으면서 저는 참 많은 것을 느끼며 보고 있습니다. 그 가운데서도 인류가 빙하시대, 홍수, 기아, 전쟁을 어떻게 극복했는지를 실감하고 있습니다. 답답하게만 느껴졌던 마스크는 오히려 안 쓰면 어색하게 느껴지고 신학기의 동영상 강의는 당연히 비대면 실시간 채널에 맞추어 강의교재를 새롭게 준비하고 있는 저를 보고 있습니다. 이 모든 행동의 어색함은 사라지고 당연하고 자연스럽게 새로운 환경에 적응해 나가고 있습니다. 자연의 도전에 인간 응전의 핵심은 적응을 넘어 진화해 나가는 능력을 보았습니다. 코로나19 사태가 발생하기 이전에 물리적 공간에서 이루어지던 도서관 서비스는 이 상황이 종료될 때까지 제한적 형태로 이루어질 수 밖에 없습니다. 이는 도서관에 역할 축소와 함께 이용자들에게 양질의 도서관 서비스를 제공하지 못하는 악순환의 시작을 의미합니다. 이런 문제 때문에 지난 한해 사서들은 북드라이브 혹은 택배를 이용한 대출 등과 같은 방법으로 일을 해결하였습니다. 그러면서 우리 사서들은 4차 산업 혁명시대를 설명하고 있는 디지털 트랜스포메이션과 디지털 트윈에서 활용되고 있는 기술과 디바이스를 적극적으로 도서관 영역으로 받아 들였습니다. 그렇지만 온라인 공간에서 도서관 서비스를 효과적으로 제공하기 위해서는 필연적으로 전자책과 저작권 디지털정보격차 해소 등과 같은 우선적으로 해결할 일들이 우리의 활동을 제약하였습니다. 진화하는 우리 도서관계는 이번 도전에도 이전보다 더 진지하고 능동적으로 전자책 서비스와 저작권을 해결하기 위해 앞으로 나아갔고 디지털정보격차 해소를 위한 방안을 과거 어느 때 보다 적극적으로 응원하고 있습니다. 그렇지만 오직 이용자에게 최상의 도서관 서비스를 제공한다는 대원칙을 지키기 위해 지금 이 순간에도 진화를 거듭하고 있습니다. 그렇기 때문에 제19차 한국학술정보협의회 에서 선정한 도서관의 D.N.A. 라는 주제는 너무나도 시의 적절합니다. 데이터와 네트워크, 인공지능은 우리 도서관이 응전의 재료로 활용한 주요 자산이기 때문입니다. 도서관인들의 피에 녹아있는 서비스 DNA에 꼭 필요한 필수 영양소입니다. 우리나라 도서관계를 위해 이런 좋은 주제와 자리를 만들어 주신 현진권 국회도서관장님께 도서관인의 한사람으로써 존경과 감사를 드립니다. 그리고 한국학술정보협의회를 위해 좋은 기조강연을 맡아주신 이광형 총장님께서 특별히 감사를 드립니다. 박병석 국회의장님은 너무나 공사다망 하셔서 많이 바쁘실 텐데도 우리 도서관계를 축하해 주시어 감사인사를 드리오며 도서관에 지속적인 관심과 지원을 부탁드립니다. 그리고 오늘 도서관의 D.N.A. 주제발표를 해주실 김학래 교수님과 유시형 수석님, 김민지 PD님께도 감사를 드리오며 실제 공간에서 열띤 강연을 직접 들을 수 있기를 간절히 기대해 봅니다. 끝으로 한국학술정보협의회 총회에서 상을 받으신 기관에게도 진심으로 수상을 축하드립니다. 그리고 이 자리에 직접 참석해 주신 분들 온라인을 참석하신 모든 분들에게 건강과 행복이 깃들기를 바라며 제 인사를 마치도록 하겠습니다. 제19차 한국학술정보협의회 정기총회와 세미나 개최를 다시 한번 진심으로 축하드립니다. 감사합니다.
김영주: 축사에 감사드립니다. 아울러 오늘 온라인으로 정기총회에 참여하고 계신 회원기관 참가자분들께도 다시 한번 깊은 감사의 말씀을 드립니다. 이어서 공로상 수상 기간을 발표하겠습니다. 시상은 학술정보의 사업에 기여한 공로가 큰 기관의 수여하는 것으로 지식 정보 공유 실적 및 협의회 활동 참여 등을 고려하여 10개 기관이 선정되었습니다. 먼저 국회의장상 수상 기관입니다. 홍익대학교, 한국건설기술연구원, 대구광역시립두류도서관입니다. 축하드립니다. 다음은 국회도서관장상입니다. 충남대학교, 환경부, 경상남도의회, 조선일보사, 대구광역시립동부도서관, 충남도서관, 육군학생군사학교가 수상하셨습니다. 축하드립니다. 수상기관께 진심으로 축하와 감사의 인사를 드리며 앞으로도 학술정보서비스 취지를 빛내 주시기 바랍니다. 이상으로 제19차 한국학술정보협의회 개회식을 마치고 안건 처리가 이어지겠습니다. 감사합니다. 지금부터 정기총회 안건 처리를 시작하겠습니다. 오늘 총회는 회원 기관들이 유튜브 국회도서관 채널을 통해 온라인으로 참가 중이며 사전에 1,623개 기관에서 위임 의사를 표시해 주셔서 회원기관 총 5,750개 중 5분의 1 이상의 정족수를 충족하여 성원이 되었음을 보고 드립니다. 그럼 현진권 한국학술정보협의회 회장님의 개회선언으로 정기총회를 시작하겠습니다.
현진권: 지금부터 개회 하도록 하겠습니다. 한국학술정보협의회 회칙 제12조 제2항의 규정에 따라 성원이 되었으므로 한국학술정보협의회 제19차 정기총회를 개의 하겠습니다. 먼저 2020년도 경과보고가 있겠습니다. 보고는 사무국장이 해주시겠습니다.
김영주: 2020년도 경과보고를 드리겠습니다. 2020년 11월 20일에 이사회를 개최 하였고 상정안건은 2021년 정기총회 관련된 2건이었습니다. 회의 결과는 첫째 2021년 정기총회 및 콘퍼런스 개최 주제에 관한 건으로 2021년 정기총회 주제를 도서관의 D.N.A.로 정하였고 총회 형식을 사회적 거리두기 단계에 따른 모임행사 규정에 기준하여 개최하는 방향으로 마련하였습니다. 두번째는 2021년 정기총회 및 컨퍼런스 개최지를 부산광역시로 선정하였습니다. 이상 경과보고를 마치겠습니다.
현진권: 수고하셨습니다. 경과보고에 이어 2021년도 정기총회 안건을 상정하여 심의 하도록 하겠습니다. 2021년도 정기총회 안건인 2022년 제20차 정기총회 및 콘퍼런스 개최지에 관한 건을 상정합니다. 올해 정기총회에 상정된 안건은 이사회에서 선정한 2022년 제20차 정기총회 및 콘퍼런스 개최지를 부산광역시로 확정하는 것입니다. 이 안건에 대하여 협의회장에게 일관 위임하셨으므로 2022년도 제20차 한국학술정보협의회 정기총회 및 콘퍼런스 개최지를 부산광역시로 결정합니다. 협의회 활동에 대하여 의견이 있으시면 언제든지 사무국으로 의견을 주시기 바랍니다. 이상으로 제19차 한국학술정보협의회 정기총회 안건 심의를 마치도록 하겠습니다.
김영주: 이것으로 제19차 한국학술정보협의회 개회식 및 정기총회를 모두 마치겠습니다. 잠시 후 기조강연을 시작하겠습니다. 감사합니다.

현진권: 안녕하십니까 현진권입니다. 오늘 제가 발표하는 강좌에 제목은 D.N.A.입니다. 디지털 시대의 D.N.A.는 데이터, 네트워크, Artificial Intelligence 인공지능을 의미합니다. 디지털 D.N.A.는 우리 사회의 현 모습이며 우리가 그리는 미래 사회의 밑바탕으로 작용할 기본 구조가 될 것입니다. 코로나의 장기화로 인해 비대면 디지털사회로의 전환은 빠르게 현실화되고 있습니다. 이제 디지털 방식은 새로운 기준이며 뉴 노멀입니다. 경제적인 측면에서 볼 때 인류 역사는 생산과 소비가 혁신하는 과정이었습니다. 디지털 시대의 핵심인 데이터와 AI는 또 다른 산업 혁명입니다. 결국 미래 경쟁은 데이터에 확보와 AI 역량 강화가 핵심입니다. 도서관 역시 이런 큰 흐름을 따라야 합니다. 지금도 도서관 서비스에 많은 변화가 있습니다. 지난해부터 전국도서관이 휴관하는 사태가 되풀이되고 있습니다. 서울도서관의 경우 전자책 및 오디오북의 대출은 전년 대비 약 2.2배 정도 증가했습니다. 국회전자도서관 이용률도 매우 증가했습니다. 2019년 대비 약 60% 증가 했습니다. 언택트 시대 변화에 맞추어 도서관의 서비스 양식이 변화하고 있습니다. 만남 기반의 도서관이 언택트 시대에 살아남기 위해서는 새로운 서비스를 창출해야 합니다. 물론 그동안 도서관이 ICT 기술을 활용하여 자동화 등 혁신을 이루었습니다. 방대한 원문 데이터베이스 구축하여 도서관을 방문할 필요가 없어졌습니다. 앞으로는 데이터의 구축과 가공 등 컨텐츠를 기반으로 하는 혁신이 필요합니다. 이제 혁신을 향한 국회도서관의 성과를 말씀드리겠습니다. 국회도서관에서는 대한민국 국회 회의록을 기반으로 한 일명 국회회의록 빅데이터와 소셜네트워크 기반 빅데이터 분석 시스템인 아르고스가 있습니다. 이외에도 AI기술을 도입하여 인공지능 일본법 자동번역서비스의 개발을 완료했습니다. 정기포럼을 통해 향후 인공지능 도입 방안을 모색하고 있습니다. 이러한 성과물은 한국학술정보협의회라는 네트워크를 통하여 공유 되길 원합니다. 또한 지식공유를 통해 자율참여형 지식네트워크를 실현하고 있습니다. 국회도서관은 이제 단순히 데이터를 축적하고 전달하는 기관이 아닙니다. 빅데이터와 인공지능을 활용해서 새로운 서비스를 구현하고자 합니다. 여러가지 일들 중에서 대표적인 몇 가지 내용들을 소개해 드리겠습니다. 먼저 데이터입니다. 국회도서관에서는 2019년부터 국회회의록 데이터를 기반으로 발언자 안건 및 발언 내용들을 활용하는 일명 국회회의록 빅데이터를 구축했습니다. 이번 9월부터 서비스를 시작했습니다. 주요 내용을 살펴보겠습니다. 안건 및 법률 정보 등의 검색과 주제 워드 클라우드 발언 내용의 시계열 분석 등을 제공합니다. 또 기존에 구축되어있는 국회도서관의 데이터와 연계함으로써 발언 내용과 연관된 법률안, 저서, 정책자료, 논문 등을 함께 확인할 수 있습니다. 회의록을 기반으로 하는 다양한 검색 및 연구가 가능해집니다. 이는 국회의원별로 의정활동의 성과를 평가할 수 있음을 의미합니다. 데이터 활용을 통해 국회가 좀 더 효율적으로 작동하는 계기가 될 것입니다. 아울러 이런 데이터는 공공 및 민간 서비스 창출에도 지대한 공헌을 할 것입니다. 두 번째입니다. 인공 지능입니다. 국회도서관에서는 인공지능 기술의 도입에 그동안 많은 노력을 기울였습니다. 국회도서관에 법령 데이터를 기반으로 네이버 파파고의 인공지능 자동번역 기술을 도입했습니다. 국회도서관이 구축한 일본 법령을 실시간으로 번역하는 사업을 마쳤습니다. 이는 인공지능 기술의 도입을 위한 민관협력의 대표적인 모델이 될 것입니다. 아울러 인공지능 관련 산업 발전에 지대한 공헌을 할 것입니다. 이밖에 18차례 국회 포럼을 실시함으로써 국회도서관이 어떻게 인공지능을 활용할 것인지 고민을 계속했습니다. 여러 가지 고민 중에서 가장 최근에 기억에 남는 포럼은 '메타버스 속에 나는 누구인가' 하는 제목 하에서 인공지능의 철학적인 질문과 고민을 했습니다. 마지막입니다. 국회도서관에 네트워크입니다. 이 영상을 보시는 많은 분들은 한국학술정보협의회원일 것입니다. 한국학술정보협의회는 2002년도 국회도서관이 지식정보의 공유와 전자도서관 활성화라는 목적으로 조직된 도서관 통신망입니다. 이제 총 5,750개 회원 기관의 학술정보 네트워크로 성장했습니다. 협의회는 앞으로도 이런 지식 정보 공유를 위해 끊임없이 나갈 것입니다. 이런 네트워킹은 최근 가상현실을 융합한 메타버스 플랫폼을 통해 활발하게 이루어지고 있습니다. 국회도서관에서는 요새 유행하는 게더타운, 제페토 등 메타버스 기술을 활용해서 업무 분야에서 공간과 장소에 제약 없이 현실과 가상의 경계를 넘나드는 그런 만남과 소통을 활성화 하고 있습니다. 이에 국회도서관 내부회의를 넘어서 포럼 및 정보협의회 등 다양한 문화 행사에도 활용할 수 있도록 준비 중에 있습니다. 여러분들도 많은 활용을 부탁드리겠습니다. 도서관의 발전을 위해서는 도서관에 네트워크를 넓혀야 합니다. 지금까지 우리는 도서관들에 한해 내부의 네트워크만 생각해 왔습니다. 그런데 여러분 한번 생각해 보십시오. 결국 도서관은 누구에 의해서 만들어지는 것입니까? 결국 정치인에 의해서 만들어집니다. 그래서 이제 도서관은 정치와의 새로운 네트워크를 가져야 합니다. 다시 말씀드려서 도서관을 정치구조 속에서 이해하고 정치인에게 도서관이 얼마나 중요한 정치 상품인가를 그 중요성을 알려야 합니다. 정치는 본질적으로 경쟁구조에 있습니다. 모든 정치인의 관심은 선거에서의 당선입니다. 국민에게 박수 받는 정치 체질이 되기 위해서는 정치인이 국민이 원하는 정책 혹은 정치 상품을 개발 하게 해야 합니다. 이제 국민이 원하는 상품은 바로 도서관입니다. 정치인이 좀 더 나은 그리고 좀 더 혁신적인 도서관을 개발하는 일명 도서관 경쟁을 할 때 우리 국민의 삶의 질은 그만큼 높아집니다. 이제 우리 도서관인들도 정치인에게 가장 중요한 새로운 개념을 요구해야 합니다. 그것이 바로 도서관 경쟁입니다. 여러분들도 다 아시다시피 민주주의는 국민이 주인 되는 정치체제입니다. 대의 민주주의 혹은 간접 민주주의는 필연적으로 정치를 경제시장과 같이 경쟁체제로 가게 합니다. 이른바 정치도 정치 시장으로 이해를 해야 되는 것입니다. 경제 시장에서 수요자와 공급자가 있듯이 정치 시장에도 공급자와 수요자가 있습니다. 정치 공급자는 국회의원, 시장, 구청장 많은 정치인들입니다. 반면에 정치 수요자는 유권자입니다. 투표권을 가진 유권자입니다. 즉 국민입니다. 이제 정치인과 유권자가 만나는 정치 시장에서 가장 중요한 정치 상품인 도서관이 중심에 있게 해야 합니다. 그러기 위해서는 정치인이 좀 더 혁신적인 도서관을 건립하는데 서로 경쟁하는 이른바 도서관 경쟁이 되도록 해야 합니다. 이제 도서관 민주주의 시대를 열어야 합니다. 민주주의 핵심에 이제 도서관을 넣어야 합니다. 그러기 위해서는 도서관과 민주주의에 대한 개념을 이해해야 합니다. 이른바 도서관 민주주의입니다. 새로운 개념이고 새로운 용어입니다. 이제 우리 도서관인들도 도서관 민주주의를 외쳐야 할 시기입니다. 이런 외침은 도서관인을 위한 이기적인 외침이 아닙니다. 국민을 위한 외침입니다. 또한 새로운 개념입니다. 다음 주에 저희 책 도서관 민주주의가 발간됩니다. 이 책에서 도서관 민주주의에 대한 철학을 이해하시고 무장하시기 바랍니다. 이상으로 국회도서관의 D.N.A.를 간략히 살펴보았습니다. 우리 국회도서관의 D.N.A.가 앞으로 도서관계 가지는 D.N.A.에 작은 도움이 되기를 희망합니다. 미래학자 데이토는 미래학에 있어 절대 미래는 존재하지 않는다고 말했습니다. 인간의 노력과 준비 자세에 따라 여러 가지 다양한 대안 미래가 전개 됩니다. 우리 도서관계도 마찬가지입니다. 우리의 고민과 노력이 어떤 미래를 가져 올 것인가 고민해야 할 때입니다. 디지털 시대에 우리 도서관의 D.N.A.는 어떻게 해야 하는 가에 고민해야 합니다. 이런 고민을 이번 정기총회에서 ‘도서관의 D.N.A.’ 라는 주제로 준비하였습니다. 감사합니다.

이광형: 안녕하십니까. 카이스트 총장 이광형입니다. 오늘 여러분과 함께 ‘AI 메타버스 시대의 국가전략’이란 제목으로 말씀 드리도록 하겠습니다. 말씀드린 순서는 이와 같습니다. 지금 우리가 살고 있는 시대 우리 앞에 전개될 시대를 보면은 가장 큰 변화가 AI와 메타버스 시대의 전개라고 볼 수가 있겠습니다. 우리가 살고 있는 시대에서 약 20년만 가면은 싱귤러리티 시대가 전개될 것으로 봅니다. 싱귤러리티 시대라고 하는 거는 기계가 인간을 능가하는 지능의 관점에서 그런 시대가 다가오고 그렇게 되면 사람들만 살고 있었는데 우리 하고 비슷한 기계가 나타난다 이거죠. 그러면은 어떻게 되겠어요. 기계가 인간이 지능의 관점에서 서로 경쟁하는 그런 상태가 될 거라고 봅니다. 지금까지 인간은 이 지구상에 아주 유일한 지구의 최초 만물의 영장이었습니다. 그런데 그 위상이 변화가 되는 거죠. 그래서 그동안 우리 지구에서 모든 의사결정은 인본주의, 휴머니즘에 관점에서 모든 것이 일어났는데 이제 우리하고 지능이 비슷한 AI 가 나타나면 우리 위상이 변하고 또 우리가 하는 매일 하는 일자리도 변화되고 이런 상황이 이제 벌어질 겁니다. 그렇게 되면 지금까지 우리가 살고 있는 이 사회의 모든 사회, 규범, 윤리는 인간이 최고 정점에 있는 유일한 지배자로서의 관점에서 우리 사회규범이 만들어졌는데 인간과 비슷한 물체가 태어난다 그러면은 거기에도 변화가 올 거라고 저는 생각을 합니다. 혹시 여러분들은 '그럴 리가 있느냐 인공지능은 기계일 뿐인데 우리하고 어떻게 비슷할수 있냐'라고 생각할지 모르는데 우리 인류의 역사에서 보면 생각의 흐름을 보면 예를 들어서 노예를 생각해 보세요. 노예가 해방돼서 우리하고 같은 지위를 얻게 된 게 불과 150년 전 또 50년 전에 비로소 투표를 하고 이런 처지였습니다. 또 여성문제를 한번 봅시다. 탈레반 뭐 이런 문제 나오는데 지금도 지구 한쪽에서는 여성을 비하하고 그런 사상이 있는 거예요. 여성이 투표를 하게 된 게 불과 100년 전입니다. 백 년 전만 해도 여성은 남성에 비해서 저급하다 생각을 해서 투표권을 주지 않던 그런 사상이 지배하던 시대예요. 그런데 여성도 그렇고 노예도 그렇고 우리 지능의 관점에서 신체적으로 거의 비슷하다 그러니까 구별할 수가 없다 해서 우리 사상이 바뀌어 가지고 지금은 윤리규범이 생겼지 않습니까. 저는 기계가 지능을 우리 하고 비슷하게 또는 그 우월한 기능을 갖게 되면 반드시 이런 시대가 올 거라고 생각을 합니다. 예를 들어 보겠습니다. 2016년에 한국에서 알파고하고 이세돌 9단이 바둑을 했던 것 기억하시죠. 2017년에는 그 다음에도 바로 중국에서 우리가 기억 하듯이 커제 9단 하고 알파고하고 3판을 뒀습니다. 근데 알파고가 3대0으로 이겼어요. 이거 기억하시죠. 그런데 그 바둑 하고 동시에 있었던 바둑이 또 하나 있었습니다. 복식 바둑입니다. 복식 바둑은 두 명씩 편을 먹고 하는 거예요. 마치 우리 테니스에서 복식 테니스 복식 탁구하고 비슷해요. 그 팀을 어떻게 짰느냐면은 구리 9단이 있는 팀 있어요. 구리 팀이라고 구리 9단하고 알파고하고 붙었어요. 그리고 렌샤오 8단하고 알파고하고 했어요. 그러니까 알파고는 두 개가 똑같고 구리 9단하고 렌샤오 8단이기 때문에 여러분들 결과가 어떻게 됐을거라고 생각하세요? 바둑에서 당연히 9단이 8단을 이기죠. 그런데 결과는 렌샤오 8단쪽이 이겼습니다. 놀라운거죠. 그런데 한편 생각해 보면 이게 가능한 일입니다. 우리가 탁구나 테니스에서 복식을 하면은요. 어떤 팀이 잘 승리하냐면 각자 개인 플레이 잘하는 사람들도 중요하지만 팀웍을 잘해야 하는 겁니다. 파트너 하고 잘 맞춰서 하는 팀이 이기거든요. 그래서 여기에도 그런 현상이 나타난 겁니다. 아마 렌샤오 8단은 알파고 인공지능의 특성을 잘이해 해가지고 알파고가 장점, 단점을 자기가 보안해줘 가지고 바둑을 두었을 것 같아요. 그러니까 9단을 이기죠. 바로 이것이 우리의 미래 사회를 보여 주는 거라고 생각을 합니다. 그래서 우리 미래의 인간은 기계를, 인공지능을 잘 활용해서 특성을 이해하고 잘 활용해서 잘 이해해야 됩니다. 그래서 협력하는 사람이 성과를 많이 내고 그런 사람들이 사회의 리더로 커가는 그런 시대가 될 거라고 저는 생각을 하는 거지요. 자 그러면 메타버스 시대를 생각해 봅시다. 우리 앞에 전개되고 있는데 우리 문명의 발달은 사람이 무엇을 보느냐에 따라서 새로운 것이 열립니다. 인간은 태어날 때부터 가시광선을 보면서 많은 주파수 중에서 굉장히 좁은 대역의 그것을 봅니다. 그러다가 과학 기술이 발전하면서 자외선도 보고 적외선도 보고 이렇게 X선도 보고 이렇게 이제 점차 그 파장을 넓혀 갔지요. 그중에 하나가 뭐냐면은 망원경입니다. 17세기에 망원경이 나타나므로 해서 천체를 관측할 수 있게 됐고 그러니까 태양이 지구를 도는 게 아니라 지구가 태양을 중심으로 돌고 있다는 걸 알게 된 거예요. 우리 세계관이 바뀌었습니다. 그리고 17세기 후반에 현미경이 나타났습니다. 현미경이 나타나므로 해서 미생물을 볼 수 있게 되었어요. 그래서 우리가 가시광선을 통해서 우리 눈으로 보던 그 세계가 아니라 더 작은 세계를 보면서 이제 병균도 알게 되고 질병으로부터 우리 인간을 보호하는 그런 과학이 발전하게 된거지요. 그 다음에 전자 현미경이 나타났습니다. 20세기 초에 전자현미경 나타남으로써 이제 비로소 세계 뿐 아니라 바이러스도 볼 수 있게 된 거예요. 지금 우리가 고통 받고 있는 바이러스 코로나바이러스가 바로 이겁니다. 만약에 전자현미경 없었다면 우리는 지금 무엇이 이 코로나 질병을 일으키는 지도 모를 세상입니다. 이와 같이 새로운 문명을 발전시키는 거죠. 그런데 그 다음에 원자 현미경이 나타나서 바이러스보다 더 작은 원자레벨의 사물을 봅니다. 즉 원자현미경을 보기 때문에 우리가 반도체 칩을 만들 수 있고 칩 설계가 가능하고 거기에 품질 관리가 가능합니다. 이와 같이 새로운 도구가 발달하면 무엇을 볼 수 있게 만들어 주냐에 따라서 새로운 문명히 발전하는 거죠. 지금 우리 앞에는 AR/VR 이런 것들이 있어 가지고 메타버스 시대를 열어가고 있습니다. 우리가 현실세계하고 가상세계가 서로 결합이 들어가서 구별이 잘 안 되는 그런 시대가 열리고 있는 거죠. 그래서 지금 우리 앞에는 우리가 지금까지 경험하지 않았던 기성세대가 경험하지 않았던 그런 세상이 눈앞에 열리고 있다. 이걸 말씀드리겠습니다. 자 그러면 여러분들 고향의 봄이라는 노래는 다 아시죠. 이거 한번 들어 보십시오. 가사랑 읽어보면서 한번 생각해 보세요. 우리 나의 살던 고향은 꽃피는 산골 복숭아꽃 살구꽃 아기 진달래, 이 고향의 봄의 노래를 부르면 생각하면 머리 속에 무엇이 떠오르십니까? 각자 마음속에 가지고 있는 고향이 떠오르지 않습니까? 아마 이 강의를 들으시는 여러분들은 대개 어려서 골목에서 구슬치기를 하고 딱지치기, 고무줄놀이 하고 그런 게 떠오를 거라고 저는 생각이 듭니다. 저 자신하고 비슷하죠. 그런데 컴퓨터 게임을 많이 하는 10살, 15살 어린이들한테 고향의 봄이란 노래를 들려주면서 자 고향이라는 것은 마음속에 떠오르는 추억이다. 제가 그런데 고향의봄 노래를 들으면 무엇이 떠오르니 질문 하면은 걔네들은 바로 이런 것이 떠오릅니다. 리니지 속에 있는 켄트성, 메이플스토리 있는 그 성, 마인크래프트 이런 성이 떠올라요. 우리가 생각하는 골목에서 구슬치기, 고무줄놀이 걔네들은 고무줄놀이 그런 거 해 본 적이 없어요. 걔네들은 시간이 나면은 바로 이런 그 가상세계 속에서 놀았기 때문에 걔네들의 마음의 고향은 바로 이겁니다. 그래서 우리가 지금 기성세대 가지고 있는 고향하고 지금 신진으로 자라나는 세대의 고향은 다른 겁니다. 그리고 우리 어려서 생각해 보세요. 갖고 싶은 선물, 선물 있죠? 생각해 보세요. 10살때, 15살때 무엇을 갖고 싶어 했습니까? 그런데 지금 어린애들은 구글 플레이 그리고 게임에 나오는 아이템 무기 뭐 이런 걸 갖고 싶어 하는 거예요. 그래서 이제 마음 속에 있는 고향이 완전 달라지는 그런 시대로 이제 접어들고 있습니다. 지금 10살, 15살 돼는 아이들이 30대, 40대가 되면 그때가 바로 2040년이 되는 거예요. 그때가 되면 우리 이 사회를 움직이는 주류 세력들의 머리 속에는 우리가 가지고 있는 그 관념 하고 완전히 다른 게 될 겁니다. 그래서 그 어린이들한테 새로운 세계, 가상세계가 고향을 만들어 주고 새로운 경험을 만들어 주고 그 경험을 가지고 새로 창의력을 빌휘하는 것 아닙니까? 그것을 만드는 사람이 저는 미래를 지배한다고 봅니다. 그래서 우리가 같이 협력하여 AI 를 만들 수 있는 사람, 메타버스를 만들어서 고향을 만들어 줄 수 있는 사람, 그런 사람들이 우리 사상을, 관념을 지배하는 그런 세계가 된다, 이렇게 생각을 해요. 그럼 누가 AI하고 메타버스를 만드느냐? AI하고 메타버스를 이해하는 사람이 만들 수 있어요. AI를 제작할 수 없는 사람은 남이 만들어 놓은 AI를 사용할 수 밖에 없죠. 우리 스스로 자동차를 못 만들면 자동차 만들어 오면 그걸 쓸 수밖에 없어요. AI를 만들지 못 하면은 비싼 돈을 내면서 남들이 만드는 것을 쓸 수 밖에 없는 그런 시대가 될 겁니다. 예를 들어 보겠습니다. 지금 현재 전세계 소프트웨어 시장을 지배하는 구글, 애플, 마이크로소프트 이 제품들이 일정 부분 우리 삶을 지배하고 있습니다. 우리가 모른다 그렇지 않다고 할 수 있지 모르는데 우리가 잘 모르는 거 궁금한 게 있으면 어떻게 하세요? 휴대폰 꺼내 가지고 검색하지 않습니까? 검색하는 방법, 절차 이 검색하는 단계별 이것이다 우리가 정한 게 아니에요. 이 대기업들이 정해 놓은 걸 우리는 따라가고 있습니다. 우리나라의 한글 있지 않습니까? 예를 들어서 우리 정부에서 한글맞춤법을 고쳤다 해봐요. 한글맞춤법을 고치면 우리나라는 고치면 되죠. 그런데 현실을 보세요. 우리가 한글맞춤법을 고친다고해서 고쳐지나요? 워드프로세서 컴퓨터가 이걸 지원해 주지 않으면 고쳐집니까? 우리 컴퓨터에서 쓰는 워드프로세서가 두 가지예요. 아래아한글하고 마이크로소프트 워드가 있습니다. 만약에 워드 마이크로소프트가 고치기 어렵습니다라고 하면 어떡하겠어요. 고쳐지지 않는 겁니다. 다행히 우리나라는 그래도 국산 워드프로세서가 있어 가지고 일부는 가능하겠지만은 만약에 국산 워드프로세서가 없이 마이크로소프트가 100% 독점하고 있다하면은 아마 맞춤법 하나 고치는데 엄청난 돈을 지불해야 될 겁니다. 이와 같이 이미 이런 소프트웨어 회사들이 우리 삶을 규정하고 있는 겁니다. 그래서 이와 같이 AI 하고 메타버스를 제작할 수 없는 국가는 다른 사람들이 만드는 것을 사용하면서 지배 받게 되는 거예요. AI와 메타버스를 만들 수 없고 만드는 그 언어를 이해할 수 없다, 프로그램을 할 수 없다 그거는 마치 현대 사회에서 영어를 못 하고 그 사람들이 영어로 하는데 그 사람들 사고방식 이해 못 해 가지고 질질 끌려 가는 그런 상태가 될 걸로 저는 보는 겁니다. 그래서 우리가 지금 우리가 할 것은 우리 후손들한테 다른 사람이 만들어 놓은 메타버스나 AI의 지배를 받지 않고 당당하게 어깨를 피고 살게 하려면은 그런 거를 가르쳐야 됩니다. 소프트웨어나 코딩, 알고리즘, 컴퓨터적인 사고방식 이걸 가르쳐야지 우리 후손들이 AI 를 스스로 만들고 메타버스를 스스로 만들어서 우리 스스로가 우리의 고향을 만들어 내고 우리후손들의 사상을 우리가 만들 수 있는 것이죠. 자 그러면 두 번째로 가서 글로벌 패러다임의 변화를 보도록 하겠습니다. 우리는 국제정치를 얘기합니다. 국제정치는 표면에 있어요. 그림에 보시다시피 각 국가의 외교관, 정상들이 하지 않습니까? 그 밑에는 그런데 그 전에는 이념이 있었지만 지금은 경제란 걸 알고 있어요. 중국과 미국이 경쟁을 하는 것도 이념의 문제가 아니라 돈의 문제입니다. 근데 그 아래에 보면 과학 기술 있다는 것을 알 수 있습니다. 기술이 있어요. 지식 재산 때문에 중국과 미국이 지금 갈등 하고 있는 거죠. 그래서 지금은 그 전에는 하드파워 이념이라든지 군사력 이런 것이 주였지만 지금은 경제나 이런 거 중심에서 이제 과학기술중심 밑에 있는 기술을 누가 가지고 있고 특허를 누가 가지고 있냐 요거에 따라서 지금 국제 정치가 변하고 있는 그런 상태죠. 예를 들어보겠습니다. 2018 미국이 화웨이를 압박을 했습니다. 이건 뭐냐면 화웨이가 미국의 기술을 도용하고 있다는 거죠. 2019년에 한국과 일본의 무역 분쟁이 있었습니다. 이 때 일본이 한국을 공격했는데 결과는 어떻게 됐습니까? 그 공격을 견뎌내면서 우리가 생산 차질이 없었지요. 그다음에 2020년에 호주와 중국이 무역분쟁이 또 있었습니다. 2020년부터 미중 간에 반도체 분쟁이 계속되고 있습니다. 여기를 보면 궁극적으로 무엇이 바탕에 깔려 있냐면 조금전에 말씀드렸다시피 경제인데 거기 경제에는 기술이 있어요. 지식재산을 보호하기 위해서 전방위적으로 지금 경쟁하고 있는 겁니다. 특히 몇 달 전에 우리 대통령께서 미국에 가셔 가지고 그 한미 간에 동맹을 강하게, 강하게 하지 않았습니까? 그때 나타나게 뭐냐면은 반도체입니다. 배터리! 미국이 원하는 것을 우리가 생산하고 우리나라 배터리가, 반도체가 만약에 없다면 미국 산업의 문제가 되고 있어요. 그리고 원자력 건설기술 우리나라 원자력 건설기술이 뛰어납니다. 그래서 미국은 건설하는 능력이 거의 소멸 됐어요. 이런 협력 관계를 해서 우리가 서로 같이 일을 하기 때문에 한미정상회담이 굉장히 잘 돼 가지고 동맹관계가 더욱 강화됐어요. 그리고 G7정상회담 있지 않았습니까? 이거는 대 중국에 압박하는 그런 회의였는데 그때도 우리 한국이 초대를 받았어요. 이거는 미국이나 우방들이 가지고 있는 기술을, 산업생산력을 가지고 있기 때문입니다. 저는 이걸 좀 과하게 얘기하면 신애치슨라인이 만들어지고 있다고 생각합니다. 과거의 애치슨 라인이 뭐예요. 미국이 어디까지 미국의 방위선이라고 선언한거 아닙니까? 그때 한국은 에치슨 라인에서 벗어나기 때문에 우리가 6.25 전쟁이 일어났지요. 지금 한미간의 이런 반도체, 배터리 동맹이 이루어지기 때문에 신애치슨 라인 속에 우리는 안전하게 들어가 있는 겁니다. 지금 미국과 중국 사이에서 대만이 굉장히 중요한 위치로 부상하고 있습니다. 지정학적인 위치도 중요하지만 대만에 있는 TSMC가 중요해졌다고 저는 생각합니다. TSMC가 문을 닫으면 뒤에 TSCM 가 중국의 영향권에 들어가면은 미국의 산업이 엄청난 타격을 입게 돼있습니다. 그래서 대만의 존재가 더욱 중요해진 거예요. 그래서 이제는 기술패권 시대는 이념 동맹에서 기술 동맹으로 변하고 있습니다. 그리고 기존에는 지리적인 지오폴리틱스가 중요했는데 이제는 기정학입니다. 기술을 가지고 정치를 하는 그런 시대로 접어들고 있어요. 저는 그래서 이제 지오폴리틱스가 테크폴리틱스로 변하고 있다고 생각을 합니다. 그래서 이제 국제정치도 과학기술을 알아야 되고요. 과학기술 알아야 되는 거는 예를 들어서 중국이나 일본 가지고 있는 기술이 어디까지고 그 사람들이 생산력을 어디까지고 생산하는데 그 부품들 어디서 오고 이걸 알아야지 서로 견제할 수 있고 견제가 들어오면 공격에 방어할 수가 있고 그게 바로 국제정치인 거죠. 그래서 글로벌테크놀로지! 각국들이, 경쟁 국가들이 기술을 산업생산은 어떻게 하는지, 지도를 알고 있어야 해요. 지도를 그리고 있어야 됩니다. 이 기술지도라 하는 거는 빅데이터인 지식재산권 특허 등 이런 유형재산, 무형재산 들을 파악을 해 가지고 국가간의 역학관계를 파악하는 겁니다. 그래서 국가전략 기술의 예측과 동향 관리를 할 수 있고 전략기술 포트폴리오 예를 들어서 우리가 반도체 생산을 잘하고 있는데 여기서 우리가 가지고 있는 특허가 있고요. 우리가 없는 특허가 있어요 부족한 게 있어요. 그러면 이게 부족한 특허를 어느 회사 어느 나라 하고 동맹을 맺어 가지고 특허 서로 주고 받아 가지고 협력해서 생산해 낼 수가 있어야 돼요. 바로 지금 그렇게 하고 있어요. 근데 우리가 강한 게 뭐고 약한 게 뭔지 알아야지 우리가 전략을 세울 수가 있어요. 그래서 부족한 거는 핵심기술은 전략적으로 연구개발해서 획득하고요. 또는 돈을 주고 사기도 하고 그래서 또 기술만 특허만 있어서 안 됩니다. 실제로 생산할 때는 그 부품을 어디서 사오는지 부품들이 아랫단계로 계속 내려가다 보면은 우리 경제국가 우리 하고 나중에 적이 될 수 있는 국가에서 부품이 만약에 온다 하면은 그거 우리 서플라이체인 공급망은 굉장히 불안한 거죠. 그런 관계를 잘 우리가 조절해야 된다 그래서 이건 오른쪽에서 보는 그림에서와 같이 포커게임을 하는데요. 내가 가지고 있는 패가 있으면 내가 보유하는 카드가 있어요. 상대방이 가지고 있는 히든카드가 있어요. 그래서 이 기술지도라는 거는 바로 상대방에 가지고 있는 히든카드까지 보는 바로 그겁니다. 현재로써 알 수 없는 중요한 글로벌 기술 및 가치 사슬을 미리 읽어내는 거예요. 그래 가지고 그걸 국제정치에 적용하는 것이 되겠지요. 결론으로 가겠습니다. 지금 시대에는 제가 AI 메타버스 시대로 전개된다고 얘기했습니다. 그런 시대 그러니까 그 시대는 2040년, 2050년입니다. 2040년에 살아야 될 인재는 지금 오늘 날 우리하고 같이 사는 인재들하고 달라질 거예요. 우리가 우선 어떤 인재로 생각해야 되냐 현재 인재상이라고 하면 지식을 많이 가진 사람, 창의적인 사람, 사람과의 협동을 잘하는 사람 이걸 잘하는 사람을 우리가 생각할 겁니다. 그러나 미래에는 2040년, 제가 아까 말씀 드렸습니다. 2040년 시대에는 인공지능과 협동을 잘 해야 돼요. 협조를 잘 해야 돼요. 그리고 메타버스하고 현실세계가 혼재돼 있어요. 그래서 그 혼재된 상황속에서 자기 상상력을 펼칠 수가 있어야 돼요. 그리고 지식도 내 머릿속에 다 가질 필요가 없어요. 기계가 인공지능이 지식을 많이 가지고 있어요. 그걸 어떻게 활용하느냐에 달려 있어요. 그래서 미래 인재상은 개인이 지식을 어느 정도 가지고 있지만 AI를 잘 활용하셔서 개인적인 창의 좋아요. 그런데 그 창의가 현실세계에서만 발휘되는 창의가 아니라 메타버스 속에서도 상상을 하는 그런 사람! 능력 그리고 협동! 사람들끼리 협동뿐이 아니라 AI 하고 협동해서 성과를 내는 그런 인재를 기르는 쪽으로 우리가 해야 된다. 그러니까 지금 2040년의 사회에서 활동할 인재라고 하는 건 지금 우리 초등학교 중학생들입니다. 지금 초등학교, 중학생들 어떻게 가르칠지 생각해야 되는 겁니다. 그래서 AI 적인 사고, 컴퓨터 방식, 메타버스 시대 창의력 저는 그렇게 생각해요. 이미 세상이 메타버스 시대로 가기 때문에 여러분들 가정에서 우리 애가 너무 게임을 많이 해서 너무 힘들어요. 그래서 게임을 전혀 안 했으면 좋겠다 라고 생각할 줄 모르는데 이미 저는 그 거대한 역사의 수레바퀴가 흘러가고 있기 때문에 우리 아이들을 게임으로부터 완전 단절 시키겠다 저는 그게 좋은 전략이라고 생각하지 않습니다. 걔네들은 메타버스 그런 가상세계를 알지 못하면요. 어떤 일이 생기냐면 자기 상상력을 발휘하여 수 있는 폭이 좁아지는 거야 마치 오늘날 우리 현실세계에서 그냥 집에만 있는 거예요. 여행도 다니고 어디 놀러 가고 친구들하고 뭐 극장도 가고 막 그래야지 많은 걸 경험해서 거기로부터 상상력을 펼치지 않습니까? 마찬가지로 지금 걔네들 세대에서는 게임도 하고 그러면서 자기 상상력을 펼칠 수 있는 공간을 넓히는게 좋겠다, 이렇게 생각을 합니다. 그러려면 그런 AI 하고 메타버스는 남들이 만들어 놓은 거 계속 쓸 거예요? 마치 우리나라 자동차 생산하지 않고 남들이 만드는 자동차 사다 계속 쓸 거예요? 그러면 안 되지요. 그러기 위해서는 우리 후손들 한테 코딩, 소프트웨어, 알고리즘 이런 문화교육을 지금부터 해야 된다고 생각을 합니다. 그 다음에 국가 산업전략 관점에서 보도록 하겠습니다. 앞에서 말씀드렸듯이 국가 산업은 이제 국가 전략, 외교 전략이 됐습니다. 그래서 산업 포트폴리오 우리가 무엇을 가지고 있고 무엇이 부족한지 이걸 다 알아 가지고 이 지식재산을 어떻게 획득하고 관리 할 건지 어떻게 보호 할 것인지를 우리가 대응을 해야 되고 그리고 앞으로 우리 앞에는 탄소제로의 산업규제가 강하게 올 겁니다. 이거에 대응 전략을 세워야 돼요. 그래서 국가전략 기반의 새로운 창업전략도 세우고 이런 거를 종합적으로 관리하는 우리나라의 컨트롤타워가 있어야 된다고 생각합니다. 지금은 이런 업무가 각자 여러 부서로 나눠져 있어요. 내가 종합적으로 할 수 있는 그래서 이런 컨트롤타워가 있어 가지고 산업 지식 재산 서플라이 채널 관리를 하고 기술 맵을 관리하면서 국제정치 하시는 대통령께 상황을 보고하고 대통령이 외교 전략을 세울 수 있도록 그런 하나의 기능이 필요하겠다 이런 말씀 드리면서 마치도록 하겠습니다. 여러분 감사합니다.

김학래: 안녕하세요. 저는 중앙대학교 문헌정보학과에 재직하고 있는 김학래입니다. 오늘 저는 도서관과 관련된 얘기를 할 건데 데이터와 관련된 도서관의 현재와 미래에 대해서 말씀 드리려고 합니다. 다만 제가 오늘 발표하는 주제는 가능성에 대한 무궁무진한 가능성은 아마 다른 발표에서도 들었을 것 같고 그리고 많은 과제나 여러분들이 추진하는 미래에 어떤 전망에 대해서는 긍정적이라고 생각을 하기 때문에 제 자료에서는 가능하면 현재 에 대한 부분을 많이 말씀을 드릴 거고요. 그리고 그 현재가 도서관이라고 하는 변하지 않는 공간이거든요. 변하지 않는 공간은 변화라는 게 꼭 나쁜 의미가 아니라 도서관에 가치라는 게 결국은 변하지 않는데 향후에 데이터나 인공지능이라는 기술적인 접근을 함에 있어서 어떻게 도서관이 미래에 더 새로운 가치를 만들 것이냐 이런 관점에서 논의를 해보려고 합니다. 데이터에 대한 얘기는 많이 있습니다. 여기에 유명한 분들이 데이터와 관련된 설명한 인용구를 제가 갖고 왔는데 처음 인용한 거는 팀 버너스리죠. 웹 월드와이드웹을 만든 분인데 이분이 얘기했던 것 중에 데이터는 굉장히 중요한 것이고 동시에 시스템 보다 오래 갈 것이다 이런 얘기를 하거든요. 우리가 구축하는 시스템 하나하나 보다는 데이터가 중요하다 이런 걸 강조 하고요. 팀 오랄리 같은 경우에는 소프트웨어 보다 더 중요한 데이터가 새로운 세상을 만들 거다 이런 걸 강조하고 에릭 슈미트는 빅데이터 얘기를 하면서 굉장히 큰 5XB에 대한 이 정도 규모의 데이터가 매일매일 만들어 질 것이고 그리고 맨 마지막에 있는 가트너의 바이스 프레지던트인 피터 같은 경우에는 21세기의 정보와 그 정보가 Oil에 비유된다 이런 얘기를 하고 동시에 애널리틱스인거죠. 데이터를 분석하는 것은 우리가 그동안 봤던 흡사 내연기관과 같은 존재다 이렇게 비교를 하는데 이런 전망이나 긍정적인 미래는 우리가 너무나 잘 알고 있습니다. 데이터가 중요한 것도 이제 누구도 부연하지 않고요. 오른쪽에 있는 그림은 포르쉐에서 데이터를 포르쉐 자동차 어떻게 연결하면 되는 건지 그래서 컨셉추얼 하긴 하지만 포르쉐에서 빅데이터를 이용해서 자기들이 만드는 자동차가 향후에는 자율주행 뿐만이 아니라 실시간적으로 데이터를 분석해서 자동차에 운전 하는 것을 사용자들한테 새로운 경험치를 주겠다 이런 비전을 얘기를 합니다. 물론 이런 비전이 도서관 입장에서 보면 되게 다른 사람들이 하는 이야기인듯 하지만 결국은 데이터라는 하나의 주제로 보면 같은 주제이고 가야할 길은 같다라고 저는 생각을 합니다. 이제는 되게 오래전 얘기처럼 들리거든요. 2016년에 구글 딥마인드 챌린지를 하면서 사실 우리가 일반인 심지어는 초등학생 중학생까지도 AI 에 대해서 굉장히 관심이 많아졌던 계기가 실은 이세돌 9단과 알파고의 대전을 한번 보면서 우리가 그동안 느끼지 못했던 AI가 상당히 빨리 개발되고 있구나 그래서 사실 저 때 이런 얘기를 많이 했어요. 기계 대 인간 대결에 구도로 많이 접근을 했었거든요. 물론 그 얘기 에 대해서 제가 시간이 나면 뒤에서 이제 말씀을 드리겠지만 과연 지금 우리가 얘기하는 인공지능과 빅데이터가 인간의 사고를 뛰어넘는 직관을 뛰어넘는 그런 수준이냐 혹은 기계와 인간 대결구도로 우리가 해결해야 되는 거냐 거기에는 이견이 있습니다. 그리고 특히나 오늘 제가 여러분들께 말씀드리고 있는 주제는 만약이라는게 있어요. 알파고가 성공하는 계기는 첫번째는 알고리즘에 있어서 정말 세계에서 세계적으로 탑텐 안에 들어가는 연구자들 딥러닝 관련된 연구자들이 사실은 딥마인드 회사 있었습니다. 그래서 알파고가 성공한 가장 큰 계기를 우리는 딥러닝이다 이런 식으로 표현을 했었죠. 반면에 알파고가 성공하는데 만약에 데이터가 없었다면 지금은 이제 알파고는 알파고 제로같은 경우에는 스스로 데이터를 만들거든요. 그런데 딥마인드 챌린지를 할 그 당시에는 데이터를 한국, 중국, 일본에 있는 기보 데이터를 수집하고 분석하는 단계가 있었습니다. 마지막으로 알파고가 딥마인드 챌린지를 함에 있어서는 구글이 딥마인드를 인수한 다음에 정말 거대한 규모의 클라우드 컴퓨팅을 딥마인드 챌린지를 위해서 별도로 설계를 했었거든요. 그래서 세 가지 중에 만약 구글이 딥마인드를 인수하지 않았다면 만약 알파고가 라지 스케일 데이터라고 표현했는데 바둑과 관련된 대규모 데이터 없었다면 혹은 머신러닝과 딥러닝이라는 알고리즘이 그 수준으로 개발 되지 않았다라고 하면 우리가 보았던 그런 이벤트는 성공적이지 않았을 겁니다. 사실 여기에서 제가 말씀드린 이 세 가지의 조건은 모든 시스템을 성공하기 위한 기본 전제 조건입니다. 그래서 이 세 가지 요소를 여러분들이 기억을 해 주셨으면 좋겠고 알파고가 성공하기 위해서 이런 세 가지 조건이 필요한 만큼 사실 도서관에서 앞으로 우리가 데이터를 처리함에 있어서 이런 조합을 균형 있게 접근 하는 게 상당히 중요합니다. 인공지능 빅데이터 관련돼서 한 가지 비디오를 하나 보여드릴 텐데요. 비디오를 먼저 보시겠습니다 이 영상은 1987년도에 애플이 만든 비전을 보여주는 비디오거든요. 그래서 이 안에 들어 있는 전반적인 가상머신을 애플은 '널리지 내비게이터' 라는 이름을 붙였습니다. 1987년 이면 올림픽 우리나라에서 1988년 올림픽 했으니까 바로 전에 좀 전 해 인거죠. 그때 애플이 보여준 비젼은요. 그 당시에 보면 정말 센세이션 했던 거고 저게 가능한가 그정도의 수준이거든요. 근데 아마 여러분들께서 눈치가 있다거나 아이폰을 쓰는 경우에는 이 비디오에 나오는 게 시리라는 거를 금방 짐작할 수 있을 겁니다. 그래서 이제 제가 이 비디오를 보여 드리면서 말씀드리고 싶었던 건 뭐냐면 가상비서 뭐라고 하는 아마 집에 한두 개 정도는 가상비서 스피커가 있을 텐데요. 이런 걸 만들기 위해서는 단순히 기계 하나 정도 시스템 하나가 있는 게 아니라 이 안에 들어가는 데이터나 시스템, 그리고 그런 것들을 처리하기 위한 프로세스들이 전부 다 균형감있게 구성이 됐을 때 이런 것이 가능하다는 것을 보여 드리고 싶었던 거고요. 두 번째 비디오는 2년 전 정도에 비디오인데요. 이 비디오는 우리가 지금 쓰고 있는 가상 스마트 스피커에 해당하는 비디오들이 여러 가지가 있는데 그 스마트 스피커들을 테스트를 해 본 겁니다. 구글에서 제공하는 거 애플 아마존 알렉사 이런 것들을 실제 어른들을 대상으로 영어를 이제 말을 하게 하고 답을 맞추는 지를 테스트 하는 그런 영상입니다. 한번 같이 보겠습니다. 이 영상을 보시면 재밌는 게 각국의 그 실험하는 대상의 사람들이 엑센트를 좀 다르게 하거든요. 이탈리아 사람도 하고 일본 사람도 하고 그런데 어떤 것들은 우리가 인제 아시아인 경우에 비디오를 보면 어떤 걸 느낄 수 있냐면 아이리시 나 이탈리아인들이 얘기하는 그 발음은 좀 이상하게 들리는데 대부분의 스피커들이 답을 합니다. 반면에 일본 그 여자분이 발음 하는 것들은 좀 이상하다 느끼는데 안 되는 게 있고요. 그리고 아주 일본인이 쓰는 영어처럼 발음을 하는데 잘 되는 거 있어요. 근데 그것들을 조금 요약을 해 보면 어떤 현상이 있냐면 답을 잘하는 그 스피커가 있고요. 답을 잘 하지 못하는 스피커가 있습니다. 이러한 궁극적인 차이는 사실 데이터의 차이입니다. 보시면 지금 다섯 개의 스피커에 대한 성능 테스트를 한 게 보이는데요.오른쪽에 있는 구글 홈과 구글 어시스턴트 같은 경우에는 응답률이 80%, 90% 이상이 되고요. 그리고 정확도도 굉장히 뛰어납니다. 왼쪽에 있는 아마존 알렉스나 삼성의 빅스비 같은 경우에는 응답률도 낮고요. 그리고 정답률도 낮습니다. 가장 큰 차이는 어떤 거냐면 구글 같은 경우에는 검색엔진 회사 다 보니까 이런 유형의 데이터를 많이 갖고 있고요. 애플이나 알렉스 같은 경우는 이런 데이터를 갖고 있지 않습니다. 예를 들어 아마존 알렉사 같은 경우에는 영국의 트루널리지 라고 하는 회사를 인수했거든요. 그 트루널리지는 질문 셋을 많이 만들었던 회사였어요. 그러니까 질문은 잘 알아듣는데 아마존 알렉사 답을 못 하는 거고 애플의 시리 같은 경우에는 전체적으로 보이스로 인식해서 ios 하고 통합시키는 기술은 잘 발전을 시켰는데 실제 데이터가 없다 보니까 애플 같은 경우에는 울프람알파 라고 하는 서드파티와 연결해서 서비스를 하는 그런 형태를 갖고 있습니다. 여러분들이 스마트 스피커를 테스트할 때 여러분들이 질문을 했는데 그 질문을 알아듣는 게 첫 번째구요. 그리고 그 질문에 대해서 답을 잘 못하는 경우는 100% 데이터가 없는 겁니다. 그래서 우리가 지금 사용하고 있는 스마트 스피커나 AI 기술에 있어서 데이터는 거의 기반의 가깝기 때문에 그런 데이터가 없으면 아무리 위쪽에서 좋은 서비스를 만든다고 해도 동작하지 않을 수 있습니다. 그래서 구글 같은 경우에는 이런 데이터들을 중앙에 있는거에 보시면요. Speech to Text, NLP, Knowledge Graph 이렇게 돼 있는데 어떤 얘기를 하면 말을 텍스트로 바꾸고요 텍스트를 자연어 처리 한 다음에 지식그래프라고 하는 기술로 바꿔줍니다. 그래서 저 부분이 일종의 우리가 알고 있는 인공지능의 백그라운드가 되는 데이터에 해당이 되거든요. 그래서 구글 같은 경우는 인프라를 이미 갖추고 있기 때문에 스마트 스피커나 혹은 어시스턴트 분야에서도 상당히 경쟁력을 갖고 시장을 점유해 나가고 있는 상황입니다. 그런데 이제 반대로 이런 생각을 해 볼 필요가 있습니다. 과연 빅데이터나 우리가 얘기하는 인공지능이라는 기술이 다 성공적이냐 그러진 않을 수 있습니다. 우리가 최근이죠 한 2, 3년 동안 챗봇 서비스를 정부에서도 많이 만들고 있고요. 유통업계에서도 많이 만들고 있습니다. 그리고 실제 챗봇 시장은 글로벌한 시장으로만 봐도 계속 성장하고 있습니다. 카드사, 보험사, 은행사 대부분 챗봇을 만들고 있고요. 제가 알기로는 도서관에서도 많은 접근을 하고 있습니다. 그런데 불행하게도 오른쪽에 챗봇서비스를 종료한다는 쓱닷컴 에서 했던 챗봇닷컴을 종료하는 케이스를 보고요. 그리고 이런 케이스가 여러개 나오기 시작했거든요. 올해만 해도 제가 알기로는 한 두개 메이저 유통업계에서 챗봇서비스를 접었던 이유는 기술이 발전이 덜 되었다라기 보다는 처음에 챗봇을 만들 때 문제 정의를 했을때 기대치는 그런 거예요. 사람이 직접 상담 하지 않고 챗봇에 유입되는 사람들의 질문이 많을 것이다 그런데 그 부분을 만족시키지 못 하다 보니까 챗봇서비스는 결국 닫을 수밖에 없다는 거죠. 그런데 이런 것들을 우리가 볼 때 이런 생각을 할 필요 있어요. 상당히 규모도 큰 그런 국가과제를 통해서 정부나 공공기관에서 만드는 시스템들이 오래 지속되지 못하는 경우가 있잖아요. 그런 경우가 사실 챗봇서비스 를 종료 하는 거와 거의 비슷하다고 보면 됩니다. 그래서 몇 가지 문제 정의라는 부분을 말씀을 드릴 때 여기 지금 얘기하는게 리얼리티 체크예요. 현실이라는거죠. 기술도 있고 그 기술에 대한 장미빛 전망이 있는데 반해서 사실 잘 안되는 케이스가 많이 있거든요. IBM 왓슨 경우에도 의료분야에서 굉장히 선도적이라고 했고 무엇인가 문제를 금방이라도 풀 거 같았어요. 암을 정복할 수 있을 것이다 그런 얘기를 했는데 2017년부터 IBM왓슨에 대해서 회의적인 시각이 계속 있고 올해 6월 정도에 좀 기사가 크게 났습니다. 왓슨이 몰락한 거냐 이런 얘기를 했어요. 물론 몰락했다라고 생각은 안 하고요. 왜냐하면 IBM이 왓슨을 만드는 그 과정 시기에는 의사결정 포인트가 어떤 게 있었냐면 인공지능 기술과 빅데이터 기술로 옮겨 가려고 하는 그런 움직임도 있었고요. 반면에 IBM 자체가 컴퓨터나 하드웨어를 만드는 전형적인 매뉴팩쳐였거든요. 그런 부분을 자기네들이 업을 바꾸려고 하는 노력에서 왓슨을 이용한 것도 있죠. 그래서 그런 종합적인 관점을 보면 왓슨이 의료분야에서 어느 정도 성공사례를 만드는 데는 부족했을지 모르겠지만 정말 이제 신문에서 얘기하는 이게 몰락이냐 그렇게 생각은 들지 않습니다. 하지만 우리가 이미 제가 이제 두 가지 왓슨의 경우하고 스마트 스피커 그리고 챗봇을 설명을 드렸는데 사실 국내에서 지금 이 기술 정말 될 거 같다 이렇게 언급하는 기술들 중에 하나거든요. 하지만 그 기술들이 우리가 생각하는 문제 영역을 정확하게 정의하지 못하면 이런 기술들은 그냥 기술을 뿐입니다. 그래서 이제 제가 오늘 설명드릴 첫 번째 포인트는 어떤 거냐면 인공 지능에서 이런 얘기를 많이 해요. 프라블럼 스페이스가 있고요. 문제 영역에 있는 거고 그리고 솔루션 스페이스가 있습니다. 우리는 늘 저걸 원하거든요. 항상 어떤 문제가 있으면 그 문제를 풀고 싶어 해요. 근데 다만 여러분들께서 업무를 하시면서 혹은 과제를 쿠킹 하시면서 어떤 우리나라에서 하고 있는 것 중에 이런 글들이 많을 거야 인공지능 기반 딥러닝 기반 그리고 나서 여러분들의 업무 주제가 딱 나오죠 과제 이름이에요 익숙하실 거예요. 그런데 한번 이렇게 반대로 생각해보면 그러면 그동안 했던 예를 들어 도서대출시스템이 있는데 도서대출시스템을 딥러닝 기반으로 해 보자 그러면 반대로 여러분들이 생각하실 건 도서관이나 여러분들이 하고 있는 업무 영역에서는 그 업무가 중요한 거지 예를 들어 도서관이 인공지능이나 딥러닝 개발하는 곳은 아니잖아요. 그러면 딥러닝 기반에 가령 도서대출시스템이 중요한게 아니라 도서대출시스템에서 현재 어떤 문제가 있는데 그 문제를 풀기 위해서 딥러닝 기술은 얼만큼을 사용해야 된다라는 접근이 지금은 이제 필요하거든요. 그래서 한 번 정도 지금 나와 있는 빅데이터, 데이터 혹은 데이터사이언스 딥러닝 이런 것들을 적용함에 있어서 실무담당자로서는 과연 내가 지금 문제를 정의하고 어떤 문제를 풀고 싶고 그 문제를 푸는 데 있어서 어떤 기술을 얼만큼 사용해야 되는지를 많이 생각을 해 보셨으면 하는 생각입니다. 두 번째는 그래서 결국 우리가 생각해 봐야 할 거는 아래에 있는 기술과 서비스는요 단편적인 수 있습니다. 공학을 전공하신 분들이나 실제 시스템을 개발하시는 분들은 물론 저것도 테크닉이 많이 필요하죠. 저도 회사에서 10년 이상 서비스를 개발하고 시스템 개발 했었거든요. 물론 그게 중요하지만 항상 그보다 더 중요한 건 여러분들이 풀고 싶은 문제가 무엇인지구요. 그 문제를 푸는데 있어서 어떤 데이터가 필요한지가 가장 중요하구요. 두 번째는 그거 만큼 중요한게 누가 이 서비스를 사용할 거냐 한 거예요. 과제가 끝났을 때 누군가가 사용자가 될 것이냐 그 사용자는 여러분 스스로가 될 수도 있고 완전히 외부에 있는 사람일 수도 있거든요. 그런데 이런 부분을 해결함에 있어서 가장 문제를 정의하고 해결하는 데 있어서 가장 중요한 거는 적어도 도서관이라면 기술과 서비스가 먼저가 아니라 사용자와 데이터에 대한 정의가 먼저 이루어지고 거기에 필요한 기술이나 서비스를 검토하는 그런 방법과 순서가 병행 되었으면 하는 생각을 하게 됩니다. 그래서 이제 한번 생각을 해 볼 필요가 있습니다. 데이터 영역으로 좀 넘어와서 도서관에 업무는 장소를 관리하고 학술이나 원문 데이터 관리하고 도서관 인프라도 있죠. 그리고 최근에 이제 대부분의 도서관 조직을 보면 빅데이터 분석 서비스 한다 이런 주제도 있거든요. 그런데 다시 한번 생각해 보면 그럼 도서관에서는 어떤 데이터가 필요하냐 데이터 얘기를 저희가 하다 보면요. 저도 이제 자문을 많이 해보고 실제 도서관이나 기업의 시스템에 대한 자문을 하다 보면 우리가 이런 얘기를 많이 해요. 데이터가 엄청 크다 엄청 많다 복잡하다 그리고 다 떨어져 있다 이게 일반적이거든요. 근데 이 일반적이라는 문제는 여러분의 문제는 아닙니다. 무슨 말씀인지 하면 여러분들이 하고 있는 업무와 여러분들이 지금 해결하려고 하는 문제에서 과연 데이터가 얼마나 큰지를 여러분들이 쪽 펼쳐놓고 보면 사실은 데이터 크지 않을 수도 있습니다. 그리고 그 데이터가 복잡하지 않을 수 있다는 거죠. 그래서 모든 문제를 일반적으로 정의한 인공지능 중요하고 데이터가 중요하고 거기에 맞게 빅데이터 중요하다라고 하는 것보다는 조금 간추려서 업무에 정의하는게 필요하지 않나 싶고요. 더 중요한 건 과연 여러분들이 풀고 싶은 게 기술적인 적용이 중요한 거냐 아니면 오른쪽에 있는 것처럼 도서관에서 실제 풀고 싶은 문제를 정의하고 그 안에 있는 컨텐츠를 조금 더 효과적으로 만들려고 하는 게 필요한지에 대한 고민이 이제 필요하고요. 현실적으로 데이터를 보겠습니다. 우리가 막연하게 빅데이터 하면 될 것처럼 이렇게 얘기 하지만 지금이 사례는 도서관에서 실제 구축하고 있는 일부 사례 중에 하나거든요. 데이터가 실제 구축이 되구요. 데이터가 서비스 단계로 넘어가는데 보시면 의미적으로 해석 되지 않는 데이터가 많이 있고요. 그리고 컬럼에 값을 열어 보시면 2번에 보면 컬럼값 부여규칙 일관적이지 않다라는 건 뭐냐면 어떤 건 숫자하고 마이너스기호 언더스코어가 있고 어떤 거는 이렇게 큰 괄호가 있어요. 그리고 설명도 들어가구요 뒤에 거 한번 보실까요. 뒤에는 중간에 있는 2번에 다른 의미의 데이터 존재라고 돼있는데 여러분들 이거 보시면 어떤 생각이 들거냐면 어 이거 마크인데 이런 생각 드실 거예요. 실제 도서관에서 지금도 아주 중요하게 쓰고 있는 마크라는 그 표기법인데요. 마크에서 저렇게 표기하라고 돼 있죠. 페이지를 먼저 기술을 하고 실제 물리적인 컨텐츠 사이즈를 기술 해라 하지만 데이터를 처리하는 그 단계에서 저런 정보는요 다 한 번 더 작업을 해야 되는 겁니다. 즉 페이지 번호와 물리적인 그 책의 사이즈를 구분할 필요가 있다는 거예요. 그러면 이거는 과연 그럼 마크 라는게 계속 이렇게 가는 게 맞냐 도서관에서 즉 근본적인 거부터 여러분들이 한번 고민을 해 볼 필요가 있다 라는겁니다. 이제는 그런 챌린지를 해야 되는 거고 거기에 대한 물음이 해결이 돼야 그 뒤편에 여러분들이 생각하시는 빅데이터나 인공지능기술을 도입을 해도 잘 돌아간다 라는거죠. 아무리 좋은 기계를 여기에 도입을 해도 데이터가 이런 식으로 되어 있으면 효과적인 그런 서비스를 기대할 수는 없습니다. 마지막으로 리얼리티 체크라고 하는 포인트는 왼쪽은 지금 국회도서관에서 학술정보검색 시스템에 있는 정보고요. 오른쪽에 있는건 아메리칸 메모리 미국에서 구축한 시스템이거든요. 두 가지를 보시면 왼쪽에 있는 것들은 메타데이터 굉장히 심플해요. 그리고 텍스트 유형이예요. 사실 저걸 가지고 우리가 분석을 할 수 있는 정보는 그렇게 많지 않습니다. 반면에 오른쪽에 있는 정보들은 메타데이터도 굉장히 풍부하고 전부다 링크 값을 갖고 있어요. 즉 부가적인 정보를 충분히 따라가면서 해석할 수 있는 여지가 있더라는 거죠. 그래서 결국은 우리가 빅데이터다, 데이터가 많다라고 하기 전에 얼마나 정확한 데이터를 우리가 구축하고 있느냐 그리고 유지하고 있느냐가 서비스를 향상시킨다는 포인트가 됩니다. 그리고 이제 다른 주제로 말씀을 드릴 텐데 정부에서 데이터 기반 행정 활성화에 관한 법률을 통과시켰고 올해 전수조사나 혹은 어떻게 기관마다 실제 실현 할건지에 대한 과정은 이제 진행이 되고 있는데요. 그 과정에서 보면 행안부 중심으로 해서 안쪽에 빅데이터센터를 구축하고 부처 사이에 기관 사이에 데이터를 공동활용 한다라고 하는 그런 얘기를 하기 시작합니다. 이 얘기는 뭐냐면 정부가 조금 더 데이터 기반으로 한 발짝 움직인다라는 얘기를 하고 있는 거고요. 다만 여러 가지 문제가 있는데 그중에 하나가 서로 다른 플랫폼 사이에서는 데이터 공유가 안 됩니다. 보시면 왼쪽에 공공데이터포털 있고요. 오른쪽을 부처별로 구축하고 있는 빅데이터 플랫폼이라고 얘기를 하면 물론 저걸 연기하려고 하는 시도는 하고 있으나 현재 잘되고 있지 않다는 겁니다. 이 그림을 조금만 내려 가지고 생각을 해 보시면 조금 규모가 있는 도서관이라고 할 때 과연 도서관이 갖고 있는 시스템과 그 시스템 아래 있는 도서관들이 유기적으로 다 묶여 있느냐 공동으로 활용할 수 있느냐 아마 그렇게 대부분 되어 있지 않을 겁니다. 그래서 데이터를 여러분들이 데이터를 가지고 도서관을 정말 바꾸고 싶다 하면 도서관에서 사용하는 데이터들은 하나로 묶여 있어야 되고 서로 연결할 수 있는 그런 구조를 만들어야 됩니다. 그래서 이제 제가 다른 곳에서도 계속 이 제안을 하고 있는 그림인데요. 결국은 데이터를 하나로 묶을 수 있게 메타데이터 어휘 체계나 연계 규칙 이런 것들이 표준화 돼야 되고 그런 데이터들이 조금 더 맵 수준의 하나의 눈으로 다 보이는 그런 데이터를 만드는 것들이 지금 이제는 필요한 겁니다. 그래서 도서관에 장소도 많고 하는 서비스마다 여러가지 데이터 셋들이 있지만 그런 세트를 하나로 묶으려고 하는 시도를 이제는 한 번 정도는 진지하게 검토할 시간이 되었다라고 보고요. 데이터와 관련돼서 주제를 한번 바꿔 놓으면요 사실 데이터를 분석하는 사람들이 최근에 제일 어려워 하면서 관심 있어 하는 게 어떤 거냐면 내가 쓰고 싶은 데이터를 제대로 찾고 싶은 거예요. 그래서 이제 거기에서 반어적으로 이런 사례로 설명을 합니다. 이 사례는 뭐냐면 날고 기는 데이터 과학자들이 도서관에 온 거예요. 책을 보러 와서 내가 통계 좀 공부하고 싶은데 이 책 좋아? 그랬더니 옆에 친구가 이 책 별론 거 같아 알고리즘 별론 거 같아 이렇게 얘기하니까 사서가 이렇게 앉아서 그 얘기를 듣고 있다가 책을 막 찾아요. 그래서 이 책하고 이 책은 좋은 거 같다. 그리고 이 책에는 알고리즘에 대해서 예를 들면 리니어 레귤레이션에 대해서는 이 책이 코멘트도 좋습니다. 그러니까 이제 데이터 과학자가 뭐라고 하냐면 우리도 이런 시스템 필요한데 사실은 이런 게 좀 더 이상적이죠. 도서관에 정말 이렇게 다 되면 얼마나 좋겠습니까? 근데 이런 시스템을 데이터를 실제 분석하는 사람들도 같이 고민을 하고 있다는 거예요. 무슨 얘기냐면 도서관에서 지금까지 구축하거나 경험한 그런 경험치들이 잘 활용을 하면 외부에서 데이터로 활용하는 분들한테도 충분히 나은 서비스를 제공할 수 있는 그런 환경이 됐다라고 보고요. 반대로 도서관 자체에서 여기 있는 내용 전체를 도서관으로 다시 대입을 시키면 어떤 얘기 해야 되냐면 책은 이렇게 찾을 수 있어요. 근데 도서관에 있는 모든 정보가 데이터로 구축이 됐을 때 저기 사서 1번이 했던 우리 도서관에 있는 데이터는 이렇게 분포가 돼 있어요 라고 하는 접근이 이제 필요하다라는 겁니다. 또 하나의 챌린지가 되는 거고요. 이런 걸 할 때 왜 이런 얘기가 나오냐면 데이터를 분석하는 대부분의 사람들은요, 데이터를 멋있게 분석하고 오른쪽에 있는 것처럼 시각화하는 그런 일을 하지 않아요. 대부분 내가 분석하고 싶은 데이터를 찾고요. 그 데이터가 맞는 데이터인지 보고 그리고 데이터에 잘못된 데이터를 수정하는 일을 많이 합니다. 제가 조금 전에 도서관에서 실제 구축한 데이터를 이런 식으로 데이터를 주면 향후에 활용하는데 어렵다라고 한 것처럼 결국은 그런 작업을 많이 하거든요. 그래서 여러분들이 도서관에서 빅데이터나 데이터 사이언스나 혹은 인공지능한다 라고 하시면 결국은 다시 돌아갑니다. 좋은 데이터를 만드는데 돌아갈 거고 그리고 조직이나 도서관 전체로 보면 결국은 도서관 전체에서 우리가 데이터를 어떻게 관리하고 어떤 서비스에 응용하겠다라는 전반적인 전략이 필요합니다. 그래서 이런 것들이 현실세계에서는요 데이터거버넌스 갭이라고 표현해요. 오른쪽 그림을 보시면 하양하는 곡선은 뭐냐면요 진짜 데이터 만져 봤더니 안 된다예요. 계속 안 된다에요. 이건 뭐냐면 실무자들이 느끼는 어려움이에요. 근사한 과제를 몇억짜리를 투입해서 해봅시다라고 하면 실무자들 하향곡선을 가요. 안 되는데요, 데이터 수정할 거 너무 많은데요하면서 막 밤새고 어려운 길로 가고요. 여러분들의 조직의 리더나 관장님은 무슨 생각을 하시면 다 될 것처럼 익스펙테이션이 막 올라가요. 왜 안돼 멋진거 나와야 되잖아요. 그러면 이제 갭이 이만큼이 생긴다는 거예요. 모든 조직에서 저런 갭이 생기기 때문에 그래서 거버넌스를 잘 관리를 하고 여러분들이 컨트롤 하는 그런 과정이 필요하고요. 그래서 이런 것들을 해결하기 위한 방법 중에 하나가 데이터 카탈로그라는 얘기를 이제 많이 합니다. 그래서 기업이나 조직이나 혹은 도서관에 있는 모든 데이터를 하나로 모아서 관리할 수 있는 그런 시스템과 아이디어가 지금 구현되고 데이터 맵을 표준적으로 표현하기 위한 표준을 데이터맵 어휘라는 이름으로 제안을 해서 현재 표준이 발표가 됐구요. 얘가 하는 역할은 모든 데이터를 하나로 묶어서 서비스 하는 게 목적이구요. 그것들을 적용한 게 이거는 이제 공공데이터로 하는 부분에 있는 것들을 가지고 제가 작업을 한 건데 데이터를 한 120개 정도 데이터를 가지고 실제 데이터 맵을 구현하는 방법들을 표현을 했고 맨 앞에서 제가 잠깐 말씀드렸던 지식그래프 형태로 데이터를 만들면 오른쪽에 보이는 좀 아무처럼 보이지만 얘는 이제 정말 기계가 처리할 수 있는 형태로 데이터를 만든거구요. 이렇게 만들면 데이터를 이렇게 시각화 할 수 있습니다. 시각화도 할 수 있고 분석하는데 쓸 수 있고 그래서 이번 장에 보면 어떤 데이터들이 어떤 식으로 연결이 돼 있다, 이거를 이제 만약에 시스템 단으로 보면 도서관에 수도 없이 많은 데이터를 존재한다 라고 하면 그 데이터를 사이의 관계를 볼 수 있고 도서관과 도서관 사이의 데이터도 여러분들이 분석하는데 활용할 수 있습니다. 뒷부분을 제가 되게 급하게 막 설명을 드렸는데 제가 오늘 이제 설명을 드리고 싶었던 건 데이터가 중요하다라는 건 여러분들이 다 알고 있거든요. 그리고 이와 관련된 많은 움직임 그리고 과제도 많은 게 사실입니다. 그런데 이제 제가 첫 번째 강조하고 싶었던 건 기술이나 시스템을 도입하는 것보다는 여러분들이 만드는 데이터와 실제 시스템을 사용할 사용자 그리고 왜 이 문제를 해결하기 위해서 기술이나 시스템을 찾으려고 했는지 그래서 문제를 먼저 정의하고 그 문제를 해결하기 위한 데이터 구축과 활용이 중요하다 그리고 두번째는 도서관에서 실제 적용할 수 있어야 되고 실용적이어야 된다는 거예요. 사용자도 있고 시스템이 계속 지속 가능하게 돌아가야 투자한 보람이 있는 거잖아요. 그래서 어떤 시스템이나 기술을 도입했을 때 정말 실용적이면서 지속 가능 해야 된다라는 그런 전략을 이제는 고민을 했으면 좋겠고 이런 게 가능하려면 결국은 도서관 안에서도 데이터나 기술에 대한 거버넌스 체계에 대해서 이해를 해야 되고요. 그 이해를 바탕으로 전반적인 실제 실천과제들을 만드는 게 적합하다라고 생각합니다. 1, 2. 3번을 다 말씀을 드렸지만 실은 가장 중요한 건 제가 생각하는 것은 여러분들이 가장 중요합니다. 물론 이제 대학도 졸업하시고 현업에서 10년, 20년 경력의 쌓다보면 새로운 기술들이잖아요. 새로운 기술 환경이기 때문에 아우 난 잘 모르니까 신입이 들어오면 프레시한 친구가 들어오면 할 거야 그렇게 하면은요 그 친구들이 10년 동안 배워야 해요. 여러분들이 지금 보고 여러분들이 이런 가치를 연습해보고 수용할 자세를 만들고 태도가 되어야 신입한테 당신이 한번 해 보세요. 그런 환경이 되거든요. 그래서 결국은 사람이 가장 중요한데 지금은 도서관에 계시는 문헌정보와 기록관리와 이런 그 주제를 갖고 계신 분들이 다시 한번 열심히 공부하고 연구하고 그거를 실무에 적용 할 때가 되었다고 봅니다. 뒤에 많은 발표에서 인공지능이나 빅데이터 중요성을 많이 말씀을 드릴 텐데 조금만 제가 삐딱한 그런 얘기를 하긴 했지만 결국 중요한 건 여러분들이 가장 중요하고 그리고 문제를 잘 정의해서 해결하려고 하는 방향으로 전략을 잘 디자인해서 실천하기를 바랍니다. 네, 감사합니다.

유시형: 안녕하십니까 한국지능정보사회진흥원 빅데이터 추진단 유시형 수석연구원입니다. 한국 지능정보사회진흥원은 주무부처인 과학기술정보통신부와 함께 한국판 뉴딜의 10대 대표 과제 중 하나인 데이터 수집 가공거래 활용 기반을 강화하여 데이터 경제를 가속화하는 데이터 댐 구축을 위해 다양한 분야의 빅데이터 플랫폼 및 센터구축사업을 2019년부터 추진해오고 있습니다. 데이터 플랫폼을 통해 변화되어 가고 있는 세상의 모습을 플랫폼 활용사례를 기반으로 설명 드리겠습니다. 오늘의 주요 발표 내용입니다. 데이터의 개요에서는 데이터와 정보 지식의 의미와 시장 규모를 알아보고자 합니다. 플랫폼의 개요에서는 데이터와 플랫폼의 개념과 프로세스, 기능, 구축현황 그리고 2019년부터 추진되고 있는 빅데이터 플랫폼 및 센터구축사업 에 대해 알아보겠습니다. 이어서 플랫폼의 역할과 성과를 통해 플랫폼의 주요한 역할과 대표적인 성과 사례는 무엇인지 살펴보고 플랫폼의 향후 추진 방향에 대해 고려해 보겠습니다. 그리고 마지막으로 플랫폼이 바꾸어 가고 있는 세상에 대해 사례 중심으로 말씀을 드리겠습니다. 데이터의 개요입니다. 보시는 바와 같이 데이터는 우리 인간들이 살아가면서 만들어내는 것이라고 할 수 있습니다. 그럼 우리 인간들이 살아가면서 만들어내는 다양한 데이터가 있고 이를 정보로써 또 활용하는 부분이 있는데요. 정보는 데이터를 분해해서 상관관계와 의미 있는 패턴을 찾아내는 것이며 지식은 의미 있는 정보를 활용하여 수익이나 공익적인 가치 활동에 경쟁력 있는 의사결정을 하도록 하는 것이라고 할 수 있습니다. 종종 현대는 변화의 주기가 매우 빠르고 짧기 때문에 단절의 시대라고도 하는데요. 이는 과거를 답습하거나 관습적 반복적 사고로는 결코 경쟁에서 살아남기 못하기 때문입니다. 그래서 다양한 데이터를 확보하여 의사결정에 활용하는 것이 중요한 시대가 되었습니다. 여기에 데이터의 중요성이 커지고 있습니다. 데이터에서 지식을 만들어내는 과정을 보여주고 있습니다. 정보를 통한 최적의 의사결정을 위해서는 수집된 데이터에서 분석할 데이터를 추출하고 다양한 데이터를 함께 분석하기 위한 데이터의 타입 등을 맞추는 전처리와 변환 과정이 필요하고요. 데이터마이닝 을 통한 상관관계 및 패턴을 뽑아내어 분석결과의 의미를 해석하고 의사결정에 활용하게 됩니다. 데이터의 개요에 대해서 말씀드리겠습니다. 예를 들어 부산지역에 통신요금제 통화량 소액 결제 데이터와 신용카드 결제 데이터를 함께 융합해서 분석하면 어떤 결과가 나올 것 같습니까? 보시는 바와 같이 관광지별 연령대별 주요 여가 활동 지역정보와 소비패턴 정보 등을 찾을 수 있고 이를 통해 연령대별 라이프스타일을 알 수 있습니다. 라이프스타일은 판매전략 해서 굉장히 중요하고요. 하나의 핵심적인 마케팅이 되고 있습니다. 분석된 내용을 간단하게 살펴보면 30대는 주로 부산 지역에 센텀시티와 기장 지역의 해안 카페를 주로 이용하고 40대는 해동용궁사부터 을숙도까지 활동 범위가 넓은 걸 알 수 있습니다. 관광 유형도 도심 중심에서 즐기는 유형과 해안가와 먹자골목 중심 유형으로 분석이 가능합니다. 최종적으로 이러한 분석 결과를 다양한 소비계층별 분석결과로 다시 재분류할 수 있고요. 이을 통해서 맛집을 찾는 4·50대의 여성 유형 자연과 캠핑과 아웃도어를 중심으로 하는 유형 또 가족과 함께 하지만 바쁜 가장 유형 대부분의 가장들이 포함될 수 있을 텐데요. 이런 라이프스타일을 도출할 수 있습니다. 이러한 도출을 통해서 적합한 관광 상품판매 전략이나 소비상품 제안에 활용될 수 있습니다. 간단하게 한번 살펴보았습니다. 지금까지 이러한 사례를 통해서 살펴보신 바와 같이 데이터는 데이터를 분석하고 거기에 관련된 상관관계와 거기가 가지는 규칙 그 다음에 보여지는 패턴을 통해서 우리들이 활용하고 의사결정에 활용할 수 있는 지식이 만들어집니다. 지식 부분까지 저희가 살펴봤는데요. 그러면 지혜는 어떻게 설명할 수 있을까요? 이 부분은 지식을 통해서 명확하게 알게 된 이를 기반으로 앞으로 다가올 미래에 대한 원리를 찾아내는 것이라고 할 수 있는데요. 기상청에서 날씨 예보를 하거나 내비게이션에서 도착 시간이나 교통혼잡도 예측은 이런 데이터를 활용한 미래의 이해 원리인지 의사대로 볼 수 있습니다. 우리들은 이러한 데이터를 통해서 합리적이고 과학적이며 위험률이 낮은 의사결정과 실시간 대응 및 맞춤형 서비스 개발 숨은 정책적 니즈와 수요를 발견할 수 있습니다. 과거와 현재의 규칙성과 상관관계를 토대로 최적의 미래예측을 할 수 있습니다. 우리는 왜 이런 미래예측이 필요할까요? 미래의 가면 갈수록 많은 요인에 의해서 불확실해지고 있기 때문입니다. 데이터 시장 규모는 25년까지 43조 원으로 확대될 전망입니다. 이것은 데이터만이 아니라 여러분이 잘 아시는 요번에 주제가 되는 5G네트워크나 인공지능이 함께 확대 융합되면서 더욱 커질 것이라고 생각됩니다. 그럼 이제 플랫폼에 대해서 알아보겠습니다. 데이터의 가치 창출을 지원하며 다양한 데이터에 저장 가공 분석 거래 유통을 지원하는 데이터 플랫폼에 대해서 알아보겠습니다. 데이터 플랫폼은 간단하게 정의하면 데이터를 모아서 활용할 수 있는 가치를 창출하는 기반이다 라고 정의할 수 있습니다. 그래서 여기에는 이런 가치를 창출하고 데이터를 모으기 위한 하드웨어 소프트웨어 그리고 애플리케이션이 유기적 순환으로 가치창출을 가능하게 합니다. 데이터 플랫폼의 개념은 데이터 관리에 필수적인 하드웨어, 소프트웨어 등 인프라를 기반으로 데이터를 생산 수집 가공 분석하는 체계로써 데이터를 공급하는 공급자와 데이터를 이용하는 수요자가 데이터플랫폼 을 통해서 가치를 창출하도록 데이터 상품 및 서비스의 개방 유통 활용 전반에 활동을 잘 관리할 수 있도록 지원하는 시스템을 의미합니다. 플랫폼은 초기에는 분야별 데이터를 수집해서 체계적으로 저장하는 기능 제공 중심이었다면 오늘날에 빅데이터 플랫폼 또는 데이터 플랫폼은 분석과 거래 유통까지 지원하는 통합시스템으로 발전 진행에 가고 있습니다. 데이터 플랫폼의 처리 절차입니다. 데이터를 생산 수집하고 저장하고 가공하고 분석 시각화의 처리절차를 가집니다. 데이터에 관한 정보인 메타데이터의 구조 및 목록을 표준화하여 플랫폼 간 통합 검색과 개방 유통 이력 관리 등에 활용하고 있으며 데이터 분석과 시각화는 다양한 시장에 자동화솔루션과 도구를 활용하고 있습니다. 데이터 플랫폼의 흐름도를 보면 저장 수집 축적된 데이터를 통해서 고품질의 유연하고 신속한 데이터 상품화를 추진하고 사용자 편의 중심의 데이터유통 데이터융합 분석 활용 지원으로 새로운 데이터 가치인 다양한 서비스와 수익창출에 순환적 흐름을 가집니다. 이러한 데이터 플랫폼이 가져야될 기능을 알아보면 데이터 양이 기하급수적으로 늘어나면서 확장성 있는 대용량의 처리 기능과 다양한 이기종 데이터 수집 및 처리 기능이 필요합니다. 그리고 빠른 데이터 처리 기능 대량의 데이터 저장관리기능 다양한 데이터 분석 기능이 요구되고 있습니다. 이러한 데이터 플랫폼은 최근 국내 기업과 중앙정부, 지방 정부 공공기관 등에서 데이터를 기반으로 다양한 형태와 규모의 데이터 플랫폼을 구축, 추진하고 있습니다. 데이터 3법이나 한국판 뉴딜정책 추진으로 데이터의 중요성에 따른 데이터 플랫폼 구축운영에 많은 관심이 집중되고 있습니다. 데이터플랫폼 구축은 통계 보건 의료 통신 금융 관광 등 다양한 분야별로 추진될 뿐만 아니라 개방 분석 그다음에 거래 등 지원 기능도 복합적입니다. 부처별 데이터 포털이나 플랫폼의 구축사례를 보면 교육부에 알리미와 국토부의 교통정보, 기재부에 열린 재정, 문체부에 한국관광 플랫폼이 있습니다. 보건복지부는 올해 2월에 한국형 암 K-Cancer 통합 빅데이터 구축 방안을 통해 전체 암환자 데이터의 70% 를 차지하는 300만명 규모의 한국인 주요 암인 위암, 대장암, 폐암 등 암 10종에 대해 전국 암 병원에 암진료 데이터, 암영상 데이터를 포함한 데이터와 건강검진데이터, 유전체데이터, 사망통계 데이터 등을 연계해서 통합 빅데이터를 구축할 예정입니다. 이를 통해 기존 치료 중심의 방식에서 플랫폼을 통해서 건강을 예방하고 관리하는 중심으로 트렌드가 바뀌어 가고 있습니다. 행정안전부에 빅데이터 데이터 포털이나 플랫폼 관련해서는 혜안 공공데이터포털 있고요. 환경부의 환경정보 융합플랫폼 등이 있습니다. 지금까지는 공공 분야에 대한 데이터 플랫폼을 살펴보았고요. 민간데이터 플랫폼을 보시면 주식이나 증권 채권등에 데이터를 제공하는 코스콤과 중소기업 NICE평가정보, SKT의 통신SK데이터허브가 있습니다. 네이버 같은 경우에는 쇼핑이나 검색어 관련 네이버 데이터랩 웹스라는 기업에서는 특허 중심의 특허정보 ‘웹스오늘’ 그리고 카카오는 ‘카카오 데이터트렌드’ 등이 있습니다. 이와 같이 공공과 민간에서 각자 데이터의 중요성과 가치에 대해서 데이터 플랫폼을 구축하고 있고요. 정부추진 사업에 대해서 말씀을 좀 드리겠습니다. 과기정통부와 한국지능정보사회진흥원은 공공과 민간협력 기반의 데이터 플랫폼을 19년 최초 시작하여 산업별 특징을 살린 가치 있고 고품질의 데이터 생산 유통 활용을 촉진하는 빅데이터 플랫폼 및 센터 구축 사업을 추진해 오고 있습니다. 19년에서 20년까지 1,472억원을 투자하여 데이터의 생산 유통 분석 활용 등 전 주기를 지원하는 16개 빅데이터 플랫폼과 150여개의 센터를 구축 운영하고 있는데 플랫폼 분야 중에 19년도에 구축을 시작한 10개 플랫폼은 금융 문화 헬스케어 유통소비 통신 지역경제 살림 등이 있고요. 20년도에 추가 구축한 여섯개 플랫폼에는 농식품 라이프로그 스마트치안 해양수산 분야 등이 있습니다. 그럼 이제 빅데이터 플랫폼 및 센터구축 사업의 소개 동영상을 함께 보시고 설명을 이어가겠습니다. -동영상- 동영상을 잘 보셨습니까? 이제는 플랫폼의 역할과 성과에 대해 알아보겠습니다. 미래 사회의 특성은 앞에서 말씀드린 것과 같이 불확실성 위험 스마트융합 이라고 할 수 있으며 데이터 플랫폼은 이를 해결하는 역할을 할 수 있습니다. 그럼 각각의 특징을 어떻게 플랫폼이 해결할 수 있는지 좀 말씀을 드리자면 데이터를 활용한 여러가지 가능성에 대한 시나리오 시뮬레이션을 통해 불확실한 상황 변화에 유연하게 대처할 수 있습니다. 또 데이터에 기반을 둔 정보 패턴 분석을 통해 리스크를 사전에 파악하고 실시간으로 대용할 대응할 수 있습니다. 또한 데이터 분석을 통해 개인화, 지능화된 서비스 제공을 확대하여 스마트 사회에서 삶의 질을 향상시키고 트렌드 변화 분석을 통해 각 기업이 제품의 경쟁력을 확보할 수 있습니다. 그리고 다양한 산업 분야의 결합을 유도하여 새로운 가치와 새로운 융합시장을 창출하는 것이 플랫폼의 역할이라고 할 수 있습니다. 플랫폼은 데이터 전 주기를 지원하는 선도적인 정책 모델로서 빅데이터 플랫폼 및 센터 구축사업을 통해 지금까지 데이터 4,036종이 개방 되고 있고요. 데이터 활용건수는 구축을 시작한 19년 대비 38.2배 증가한 116,325건이 활용되고 있습니다. 데이터도 판매되고 있는데요. 판매 건수는 14.4배 증가해서 3,335건이 거래되고 있습니다. 그럼 데이터에 사례 플랫폼을 통한 성과를 한번 함께 살펴보시죠. 데이터 플랫폼을 통한 성과 중에 중소기업을 위한 성과입니다. 실시간 신용평가 실현으로 중소기업이 매출채권을 현금화하는 기간을 단축함으로 인해서 중소기업의 자금난 해소에 혁신을 창출한 성과가 있습니다. 중소기업의 경우에 판매대금회수 지연의 문제를 실시간 신용평가모델 개발을 통해서 기존의 채권을 현금화하는데 3개월 정도가 걸렸다면 이 모델개발을 통해서 3일로 단축하는 매출채권의 현금화 서비스를 실현하였습니다. 이로 인해서 중소기업의 자금난을 혁신적으로 개선하여 주는 계기가 되고 있습니다. 사회현안과 관련해서 또 플랫폼이 역할을 하고 있는데요. 탄소 중립을 위한 고사목을 조기 발견하는 시스템 개발이 빅데이터 플랫폼을 통해서 가능해졌습니다. 아시다시피 기후변화로 인해서 고사목들이 많이 생기고 있고요. 고사목들을 하루 바삐 싱싱한 나무로 다시 바꿔야 하는데 기후변화에 따른 이러한 고사목에 대해서 산림생태계를 복원하는데 많은 시간과 노력이 필요한 상황이 되었습니다. 그래서 이를 빅데이터와 딥러닝 기술을 접목한 고사목 판독의 효율을 향상 시켰는데요. 기존의 사람이 육안으로 판독 하는데 52일이 걸리던 면접을 이미지 판독으로 2시간 만에 고사목을 모두 판독하는 성과를 달성했습니다. 네 이러한 기술은 살림 뿐만이 아니라 도시의 무허가건축이나 증축을 빠르고 쉽게 찾아내는 우리의 행정 분야에서도 기술이 활용되고 있습니다. 국민편익을 제공하는 측면에서 또 성과를 알아보겠습니다. 중고차 허위매물이 많아지고 있는데요. 이러한 허위매물 모니터링 및 적발에 데이터플랫폼을 활용한 사례가 있습니다. 온라인상에 중고차 매물을 실시간 모니터링 해서 허위매물로 의심되는 물건을 적발하고 사전에 차단하도록 함으로써 소비자 피해를 예방하는 성과를 달성했습니다. 2020년도에 경기도에서는 34건에 허위매물을 적발 하였고 아홉건의 형사고발을 추진하여 중고차 허위매물 모니터링결과 그 허위매물을 상당히 제거한 그러한 성과 사례가 있습니다. 이러한 성과 사례를 한번 살펴봤는데요. 그런 플랫폼이 앞으로 어떻게 발전해 나갈 것인가에 대해서 한번 알아보겠습니다. 플랫폼은 민간과 공공이 같이 협력해서 수요기반의 플랫폼을 구축 확대해 나갈 것입니다. 빅데이터 플랫폼은 2022년부터 24년까지 15개 분야를 추가 구축할 예정입니다. 그리고 다양한 데이터에 소재 정보를 공유 연기할 수 있는 통합데이터 지도와 플랫폼 연계를 추진해 나갈 예정 있습니다. 통합 데이터지도 url은 보시는 바와 같이 www.bigdata-map.kr 인데요. 앞에서 설명 드린 16개 빅데이터 플랫폼은 물론이고 AI 허브 한국관광데이터랩과 연계되어 있으며 올해 말까지 행정안전부에 공공데이터포털과도 연계되어 향후 앞에서 살펴보신 부처 플랫폼과 민간 플랫폼과도 연계를 계속 확대해 나갈 예정입니다. 데이터 플랫폼을 통해 데이터의 분석 활용 유통단계 지원 등 데이터 기반 혁신을 창출에 나갈 예정으로 분석 서비스 바우처, 데이터 안심구역 확대, 가명정보 종합 컨설팅, 데이터 수요 예보제 도입, 공공부문 데이터 구매 지원 등을 통해서 데이터유통 활성화와 다양한 데이터 분석과 결합의 데이터 활용촉진을 추진해 나갈 것입니다. 플랫폼이 현재와 미래의 세상을 어떻게 바꿔 나가는지 함께 살펴보겠습니다. 플랫폼을 통해 풍부한 수요자 맞춤형 데이터가 늘어나고 국민 누구나 쉽고 편리하게 개인이 필요로 하는 데이터를 찾아 분석 활용하며 어디서나 고품질의 데이터를 구매할 수 있게 될 것입니다. 그렇게 되면 어떻게 될까요? 맞춤형 건강정보와 교통의 최적화 다양하고 저렴한 제조 상품 생산이 실현될 것입니다. 개인 맞춤형 서비스로 현재 서비스가 되고 있는 사례들을 살펴보면요. 피부 특성별 맞춤형 화장품 제조를 통한 소비자 제공이 현재 이루어지고 있고요. 개인별 체질 맞춤형 건강 식단과 기능식품 컨설팅이 서비스 되고 있습니다. 도서와 관련하여서도 성별이나 연령 관심사 기반 개인별 정보 분석으로 개인 맞춤형 도서 추천 서비스 제공되고 있습니다. 데이터가 바꾸는 세상에 대해 3개 상위 20개 사례를 한번 살펴보면요 민간분야는 이윤 확대 중심의 고객 확보와 재고관리, 마케팅 지점 위치 선정 등에 주로 활용하고 공공분야는 공공 안전과 정책 모니터링 위험사전감지 피해 규모 예측 등에 활용하고 있습니다. 그 중에 먼저 패스트푸드점 같은 경우에는 피크 타임에 조리 순서를 빅데이터를 통해서 바꾼다고 합니다. 그래서 가장 짧은 시간 안에 많은 제품을 많은 상품을 생산할 수 있도록 하고요. 특히 상품 재고량 추정에 활용하고 있다고 합니다. 은행은 여러분들이 많이 쓰고 있지 않은 현금의 양을 어떻게 은행에 비축 예비 할지에 대해서 빅데이터 활용 하고 있고요. 미디어나 엔터테인먼트는 수요자 성향분석과 고객 확보 전략의 이 부분을 활용하고 있습니다. 인터넷 포털이나 페이스북을 하시다 보면 어느 순간 내가 최근에 검색한 상품이 자동으로 나타나는 것을 아마 경험하셨을 것입니다. 이런 부분들이 다 플랫폼의 역할이다 플랫폼에 대한 영향을 받고 계시다 이렇게 생각하시면 될 것 같습니다. 재난관리 나 국가안보와 관련하여서는 그 조기 재난 식별 및 조치 또 피해 규모 예측 테러나 사회범죄 탐지 바이러스나 질환 대응에 활용됩니다. 최근에 백신 관련해서도 그렇고 또 최근에 태풍이 올라오거나 강우가 비가 많이 오게 되면 정부 공공기관에서는 피해예측 규모를 사전에 빅데이터를 통해서 플랫폼을 통해서 대응 준비를 하고 있다고 보시면 될 거 같고요. 통신과 관련해서는 고객 분석 또는 네트웍에 보안 이상 패턴 탐지 속에 또 네트웍의 효율적 관리 부분에서 빅데이터를 데이터 플랫폼을 활용하고 있다라고 볼 수 있습니다. 비즈니스 모델로 현재 이미 적용 중인 사례 몇 가지만 또 한번 살펴보겠습니다. 자동차 제조사 인 경우에 가까운 미래를 예측해 해서 그 예전에 이동했던 경로와 유사한 시간에 장소별 교통 상황을 고려해서 자동차에서 이러한 데이터를 축적하고 분석을 해서 최적의 도착경로와 이동거리를 사전에 예측해 줍니다. 이게 어떠한 운전자에게 정보를 주는가 하면 주유 시기와 연료를 어떻게 절약해서 운전할 수 있는지 연료 배분에 대해서 알려 준다고 하고 있고요. 또 원자재를 판매하는 판매점의 경우에는 그 상품별 원가 변동추이를 실시간으로 분석해서 원가가 낮아지는 떨어져서 이익율이 높은 상품을 바로 마케팅해서 이윤을 극대화해서 최대화 하는데 활용하고 있다고 합니다. 초밥체인점 같은 경우에는 음식 폐기가 주요한 손해 비용으로 나타나는데요. 이러한 그 손에 비용을 감소시키기 위해서 초밥에 쓰이는 재료별 매출과 동향을 실시간으로 파악을 해서 이런 음식 폐기율을 75% 감소시키고 있다고 합니다. 여러분의 좋아하시는 스포츠 같은 경우에 프로스포츠에서 다양한 선수의 통계 데이터를 활용하고 최소의 비용으로 최대의 효과를 얻고자 하는 선수의 영입과 트레이드에 활용하고 있습니다. 예전과 같은 경우에는 한 가지 통계란 눈에 보이는 어떤 그 선수 외형이 아닌 다양한 통계분석 기록은 상관관계를 종합해서 이러한 선수의 트레이드의 의사 결정을 내리고 있는 것입니다. 데이터 플랫폼은 지금까지 공공 정책이나 기업 마케팅 등에 사용되고 있지만 점차 우리의 삶 속에 깊이 들어와 보다 효율적인 삶을 살아가도 다양한 분야에서 지원해 줄 것으로 기대됩니다. 또한 데이터 플랫폼은 새로운 산업 영역으로 성장해서 사회를 움직이는 시스템으로 자리 잡아 나갈 것입니다. 지금까지 플랫폼이 바꾸는 세상을 주제로 부족한 발표를 들어주셔서 감사합니다. 발표 내용에 대해서 혹시 궁금하신 점이 있다면 제 이메일로 보내 주시면 답변 드리도록 하겠습니다. 이상으로 발표를 마치겠습니다. 감사합니다.

김민지: 안녕하십니까. SBS ‘세기의 대결 AI 대 인간’을 연출한 김민지 PD라고 합니다. 일단 이 프로그램에 대한 제작기를 많은 분들과 나눌 수 있는 소중한 시간을 주셔서 정말 감사드립니다. AI 에 대한 관심이 전 세계적으로 굉장히 뜨거운 거 같아요. 우리 정부도 AI 관련된 정책이나 사업에 많은 돈을 투자하고 있고 또 최근에는 학교 교육에서도 AI 과목이 신설돼기도 했죠. 이 거역할 수 없는 어떤 흐름 속에서 이 프로그램을 탄생하게 되었습니다. 모두가 기억하실 거 같아요. 2016년에 알파고와 이세돌의 바둑 대결 있었죠. 바둑을 모르는 저 조차도 굉장히 재밌게 봤었는데 이 대결은 모두에게 재미를 선사하기도 했지만 한편으로는 인공 지능이 얼마나 위대한 지에 대해서 다시 한번 우리가 모두 실감할 수 있는 중요한 모먼트가 되었던 거 같습니다. 이때를 기점으로 많은 사람들이 인공 지능이 인간보다 뛰어날 수 있다는 두려움을 갖게 된 거 같아요. 그리고 5년이 흐른 지금 AI와 인간이 다시 한번 리벤지 매치를 하게 됩니다. 저희는 이 프로그램을 통해서 AI 가 얼마나 놀랍게 발전했는지 그 현주소를 살펴보면서 AI에 대해서 제대로 알아 갈 수 있는 그런 계기를 마련하고자 했습니다. 이프로그램은 제목에서 알 수 있듯이 AI 와 인간이 대결을 합니다. 각 분야에서 가장 뛰어난 AI들을 섭외해서 그들이 인간 최고수들과 대결하게 됩니다. 세기의 대결 AI 대 인간은 총 6개 분야의 AI 를 소개하고 있습니다. 먼저 가장 대결의 룰을 보여 줄 수 있는 스포츠 그리고 요즘 온 국민의 관심사라고 할 수 있는 주식 투자 그리고 예술과 창작의 영역에 도전하는 AI를 엿볼 수 있는 작곡 인간의 목소리를 그대로 흉내내는 아주 신기한 기술을 가진 모창 AI 또한 인간을 할 수 없다고 여겨졌던 심리 인식 AI 까지 총 6개 분야에서 AI를 소개하고 그들이 인간 최고수와 대결을 펼치는 그런 이야기인데요. 저희는 대결이라는 예능적 재미를 갖고 가면서도 대중들에게 최신과학기술을 굉장히 흥미롭고 재미있게 전달할 수 있는 장치를 마련하고자 했습니다. 나아가서 AI 와 인간이 서로 공존할 수 있는 방향에 대해서 모색하고 앞으로 다가올 미래가 어떤 모습일지를 한번 이 대결을 통해 상상해보면 좋겠다. 그런 생각으로 계획을 하게 되었습니다. 구체적으로 저희가 어떤 AI들을 다루고 있는지를 설명을 드리겠습니다. 먼저 어떤 가수의 목소리도 따라 할 수 있는 모창 AI인데요. 저희도 이기술을 발견했을 때 굉장히 놀랐던 기억이 있습니다. 이 AI는 수십만번의 학습을 통해서 악보만 입력하면 어떤 가수의 목소리도 따라 할 수 있는 AI 인데요. 그 가수에 어떤 독보적인 창법이나 발성 바이브레이션 음정까지 아주 고스란히 똑같이 복제를 해내서 저희 제작진과 출연자들의 놀라움을 자아냈던 그런 AI입니다. 기존의 목소리를 복사 붙여 넣기 하는 단순한 기술이 아니라 사람처럼 감정을 담아서 노래를 부를 수 있는 것이 굉장히 놀라웠는데요. 저희는 궁금했습니다. 사람들이 모창AI 와 실제 가수가 블라인드로 노래를 하면 인간의 목소리를 맞출 수 있을까 라고요. 물론 프로그램을 통해서 보시면 결과는 아시겠지만 녹화 당시에 저희 프로그램에 출연해 주셨던 가수 옥주현 씨를 비롯해서 연예인 출연자들 스탭들이 모창AI 가 보여준 복제기술의 놀라움을 금치 못했습니다. 이 모창AI 가 더 놀라움을 선사했던 건 우리 모두가 사랑하는 가수 김광석의 목소리를 재현해냈을때 였는데요. 유가족에 동의를 받아서 김광석씨의 가창 데이터를 확보를 했습니다. 이 데이터를 학습한 AI가 김광석씨가 생전에는 부를 수 없었던 김범수의 보고 싶다라는 노래를 녹화를 통해 들려주게 되는데요. 청중들을 비롯해서 나는 김광석씨의 팬분들께서 AI가 재현해낸 김광석씨 목소리를 듣고 많은 감동과 울림을 받았다 그런 피드백을 전하셨습니다. 그때 저희는 모창 AI라는 기술이 놀라움만 전수하는 것이 아니라 우리 인간에게도 울림을 줄 수 있는 그런 따뜻한 기술이 될 수 있다는 것도 다시 한번 알게 된 거 같아요. 가장 화제가 되었던 거는 골프를 치는 AI 인데요. 미국에서 태어난 이 친구는 엘드릭이란 이름을 갖고 있습니다. 이 이름은 타이거 우즈의 분명이기도 한데요. 이 AI가 직접 한국에 와서 대한민국 골프여제인 박세리씨와 대결하게 됩니다. 이 골프 AI는 두번의 실수는 없습니다. 매순간 골프 현장에 바람의 세기, 지형의 굴곡 이런 것들을 정확하게 읽어내고 한 번 실수하면 두 번은 하지 않도록 피드백을 줌으로써 완벽한 샷을 구사 하게 되죠. 총 세 개의 분야에서 대결을 펼치게 되는데 골프여제 박세리와 AI 가 과연 대결을 펼쳤을 때 누가 이겼을까요? 방송을 보시면 아시겠지만 아마 놀라운 결과를 보시게 될 겁니다. 다음으로 얼굴 인식 만으로 사람의 마음을 읽어내는 AI 인데요. 늘 우리는 꿈꾸죠. 타인의 속마음을 알고 싶어 하는 그런 욕망이 있습니다. 이 심리인식 AI는 우리 인간의 얼굴에 나타나는 미세한 진동을 감지합니다. 이거는 인간은 파악할 수 없고 AI만 감지할 수 있는 기술인데요. 이거를 통해서 그 사람의 감정상태와 거짓말까지를 알아차리게 됩니다. 실제로 이 기술은 중국공항 등지에서 용의자들을 색출하는 기술로도 실제 투입이 되고 있고요. 그렇게 해서 범죄자를 검거하는 기술로도 활용되고 있습니다. 저희는 프로그램을 통해서 이 심리인식AI가 인간 프로파일러와 대결 했을 때 실제 폭발물이 든 가방을 운반하는 용의자를 잡아낼 수 있을지 그거를 얼굴 표정만으로 범인을 잡아낼 수 있을지에 대한 대결을 펼쳤습니다. 다음으로는 주식 투자 AI인데요. 이 AI는 2,800여개 종목을 분석하고 120억개 데이터를 학습해서 실제 빅데이터와 딥러닝을 바탕으로 주식투자를 했을 때 어떤 종목이 상승 할 것이다,허락할 것이다를 예측해 내는 AI인데요. 이 AI는 코스피 지수 대비 연간 10% 이상의 안정된 수익률을 자랑하고 있었습니다. 저희는 이 AI와 인간 최고수 마하세븐이라 불리는 전업투자자를 섭외해서 대결을 펼치게 됐죠. 다음으로 저희를 가장 놀라게 하기도 했던 작곡AI 인데요. 이런 궁금함이 있었던 거 같아요. 사실 기술이라는 거는 굉장히 차갑고 또 인간의 감성을 어루만질 수 있을까에 대한 궁금증을 자아내기 마련인데 기회 마련인 작곡이라는 것도 엄밀히 말하면 인간만이 할 수 있는 창작의 영역이라고 여겨지기 쉽잖아요. AI가 과연 이 영역까지 도전할 수 있을까 굉장히 궁금함을 가지고 시작했었습니다. 그런데 AI가 이를 해냈습니다. 이 AI는 10초에 한곡을 작곡하는 친구인데요. 지금까지 10만 곡을 작곡을 했다고 해요. 원리를 살펴보니 우리 인간이 작곡을 학습하고 곡을 쓰는 원리와 굉장히 유사하다는 걸 알 수 있었습니다. 방대한 작곡이론 학습하고 이를 토대로 음표들을 무작위로 만들어 됩니다. 그래서 그 음표들이 얼마나 음악적으로 가치가 있는지를 판단하고 인간의 숱한 피드백을 거침으로써 완벽에 가까운 곡을 작곡을 해내죠. 사실 AI는 자연인이 아니기 때문에 저작권이 과연 이걸 어떻게 해결할 수 있을까에 대한 궁금증이 있었는데요. AI는 지금이 이봄이라는 사람의 이름을 가지고 저작권협회 등록이 되어 있습니다. 그래서 지금 저작권 같은 경우도 뭐 많은 논의가 필요하긴 하지만 AI가 앞으로 인간과 인간 작곡가 협업해서 곡을 써 내게 된다면 아마 창작하는 수많은 인간 작곡가들에게도 영감을 줄 수 있을 것이란 생각이 드네요. 여러분의 목소리만 듣고 얼굴 몽타주를 그려낼 수 있다고 하면 믿으시겠습니까? AI가 과연 그걸 해낼 수 있을까요? 저희 방송에서는 오디오 몽타주 AI가 등장합니다. 이 AI는 6초의 오디오만 있으면 그 목소리를 듣고 목소리 주인공 몽타주를 그려낼 수 있는 굉장히 신기한 기술을 가진 AI인데요. 원리는 이렇습니다. 어떤 가설이 있었다고 해요. 목소리와 얼굴의 상관관계 그러니까 이런 목소리를 가진 사람은 이런 얼굴일 것이다라는 학계의 가설이 있는데 이 목소리와 얼굴의 상관관계를 가지고 전세계에 있는 수백만명의 데이터를 학습을 합니다. 아주 완벽하게 묘사를 해내지 못 하지만 어떤 특수한 얼굴의 특징을 잡아내는 몽타주를 그려낼 수 있는 기술인 건데요. 실제로 사진과 어떤 몽타주를 비교했을 때 그 유사도가 80% 육박했다고 해요. 이 신기한 기술은 우리에게 놀라움만 전해 주지 않습니다. 만약 AI 기술이 점점 더 발전한다면 우리가 기억하는 목소리만 단서로 남아 있는 미제사건들 이형호 유괴 사건 같은 이런 미제사건들을 해결하는 단서로서 작용할 수 있을 것이라고 많은 사람들이 기대하고 있습니다. 저희 또한 이 기술을 소개할 때 많은 범죄사건 프로파일러들과 함께 이 기술을 바탕으로 전세계 대한민국 등등 각지에서 가지고 있는 수많은 범죄 사건을 해결하는 어떤 좋은 기술로서 활용되기를 바라는 마음으로 프로그램을 통해서 기술을 소개하게 되었습니다. 이 프로그램의 제작기간은 1년 정도 걸렸습니다. 그 1년 정도에 8할은 AI를 학습시키고 좋은 데이터 좋은 결과물을 뽑아내는 그 과정의 연속이었는데요. 사실 프로그램을 연출하는 제 입장에서도 사람이 아니라 기술을 AI라는 기술을 섭외 한 건 처음이었습니다. 이 AI는 여러분도 아시다시피 실체가 없는 소프트웨어입니다. 그렇기 때문에 이 AI가 어떻게 학습하고 판단해서 결과물을 도출해 내는지 이거를 시각화하는 것이 정말 어려운 작업이었습니다. 사람이 아닌 AI 는 감정도 없고 말도 못 하기 때문에 제가 인터뷰를 할 수도 없고 그렇기 때문에 많은 시간 동안 AI 를 어떻게 사람들에게 이해시키고 재미있게 전달할 수 있을지를 고민을 많이 했는데요. 가령 작곡 AI 같은 경우는 이제 10초에 한국을 뽑아내는 친구입니다. 인간으로 따지면 24시간 끊임없이 곡을 뽑아내는 느낌을 생각할 수 있었는데요. 심지어 이 AI 는 인간이 자는 동안에도 끊임없이 학습을 해서 곡을 뽑아냅니다. 저희는 이러한 AI창작의 고통을 보여 줄 수 있는 방법을 고민한 끝에 AI가 있는 연구실에 카메라를 터치를 해서 밤새도록 컴퓨터가 돌아가는 모습을 보여줬습니다. 이 장면을 본 시청자들은 AI가 이런 방법을 통해서 이런 과정을 거쳐서 학습을 한다는 것을 실제로 비주얼적으로 느낄 수 있었다는 그런 반응을 많이 보여 주셨고요. 목소리만 듣고 얼굴을 그려 내거나 혹은 목소리를 그대로 복제해 내는 AI 같은 경우는 저희가 그래픽 기술을 구현해서 실제 살아있는 움직임을 가진 생명체처럼 보여줄 수 있는 그런 노력들을 했던 거 같습니다. 저희가 AI 기술을 소개하면 있어서 가장 혁혁한 공을 세워 주신 분들은 바로 AI 뒤에서 끊임없이 개발에 애써왔던 개발자 분들인데요. 저희는 이분들을 AI 부모라고 부릅니다. 마치 저희 스튜디오에서 AI 와 인간이 대결하는 동안 그분들은 부모가 드는 심정으로 혹시나 AI가 인간에게 지진 않을까 실수하지 않을까 전전긍긍 하는 모습을 보면서 굉장히 재미있었는데요. AI가 더 열심히 학습을 하기 위해서 컴퓨터를 더 좋은 성능으로 바꿔주기도 하고 또 작곡하는 AI 같은 경우는 트로트 화성학 책을 독하게 시키는 스스로 개발자들도 공부를 해서 AI, 가르쳐 주는 모습을 보이기도 했습니다. 결국에 이 기술이 더 눈부신 결과를 낼 수 있었던 것은 인간 개발자들의 노력이 때문이라는 생각이 듭니다. 저희 프로그램의 주축은 대결입니다. AI 와 인간이 다양한 분야에서 대결을 하죠. 이건 결국에는 데이터가 집단의 싸움이었습니다. AI는 많은 데이터를 학습 할수록 더 좋은 결과물을 낼 수 있게 되고 하지만 AI 가 따라 할 수 없는 것이 인간만이 가진 직관의 영역이었습니다. 그것이 가장 두드러졌던 대결이 심리인식 대결이었는데요. 2,500건에 살인사건 그리고 그 중에서 1,000여명의 살인자들의 자백을 받아냈던 프로파일러는 그 수십년동안 그가 현장에서 겪어오고 느꼈던 바들 이런 것들은 AI는 구현할 수 없는 부분이었습니다. 결과 놓고 보면 AI 와 인간은 모두 범죄자를 맞출 수 있었지만 그 과정에서 인간이 보여줬던 인간만이 가진 통찰과 철학은 AI 라는 기술이 아직까지는 그 영역을 따라가기는 쉽지 않다라는 것을 다시 한번 느끼게 해 주었구요. 그런 면에서 늘 AI 라는 기술에 대해서 양가적인 감정이 존재하는 거 같아요. 인간을 위협할 것이다, 인간의 일자리를 빼앗을 것이다 혹은 인간에게 도움이 될 것이다, 인간의 삶을 이롭게 할 것이다라는 시선이 존재하는데요. 저희는 1년 동안 이 프로그램을 존재하면서 조금 더 청사진을 그릴 수 있게 된 거 같습니다. 물론 AI 기술을 개발하는 것은 인간이기 때문에 인간이 어떤 윤리적 태도로 기술을 접근하느냐에 따라서 이 기술이 좋은 쪽으로 쓸 수도 있고 나쁜 쪽으로도 쓸 수 있다고 그렇기 때문에 인간을 끊임없이 학습하고 개발하는 과정에서 고민하고 성찰해야 된다고 생각합니다. 어떻게 하면 우리가 가진 사회 안 좋은 면을 기술을 통해서 극복할 수 있을까? 우리의 삶을 조금더 좋은 쪽으로 나아가게 할 수 있을까에 대한 고민을 개발자들은 물론 있고 전사회가 가져와야 된다고 생각합니다. 그래서 저희는 이런 묵직한 질문을 던지고 싶었던 거 같아요. 여섯 개 분야를 보여 주면서 굉장히 재미있는 방식으로 AI 를 소개하고 있지만 종국에는 우리가 AI 라는 기술을 어떻게 대할 것이냐 이 놀라운 기술을 우리 인간이 어떻게 껴안고 함께 공존에 갈 수 있을 것인가에 대한 그런 철학적 질문도 던지고 싶었던 거 같습니다. 아까 제가 말씀드렸을 거예요. 일년 동안 프로그램을 제작했다고요. 국내외 정말 다양한 AI 들을 섭외하러 다녔고 발품을 팔면서 프로그램에 담아내지 못하는 재미있는 AI도 있었습니다. 바로 스포츠 분야에서였는데요. 인간과 철인 3종경기를 펼쳐도 될만큼 막강한 AI들이 많이 있었습니다. 농구를 하는 AI도 있었고요. 골키퍼, 컬링, 포커, 탁구, 정말 다양한 부분에서 인간과 대적할 수 있는 AI들이 속속들이 등장하고 있었습니다. 그 중에서도 가장 놀라웠던 거는 이런 게 있었어요. 요리를 하는 AI 인데요. 전세계 수많은 셰프들이 존재하는데 이 쉐프들이 개발한 수 천개의 레시피를 학습해서 식재료만 주면 새로운 레시피를 개발해내는 AI도 있었고요. 그리고 현대시와 소설을 학습해서 문장생성 기술을 활용해 신화수필에 창작하는 AI도 있었습니다. 그림을 그리는 AI도 있었고요. 특히 이 코로나 시국에 기침 소리만 듣고 그 증상 여부를 판단하는 코로나 진단 AI도 있었어요. 중국에서는 군중속에서 특정 목소리를 찾아 내는 소머즈AI 라는 그런 기술도 있었고요. 이처럼 점점 더 다양한 기술들이 우리 인간사회로 다가오고 있고 앞으로도 5년뒤 10년 뒤에는 지금과는 상상할 수 없었던 더 놀라운 기술을 가진 AI 들이 등장할 것이라고 생각합니다. 이처럼 놀랍게 발전하고 있는 AI 성장을 지켜본 인간은 어떤 역할을 해야 될까요? 올해 초에 대화형 AI 이루다 논란을 기억하실겁니다. 이 AI는 현실사회에 가진 차별과 편견을 그대로 학습을 한 AI입니다. 이 기술을 보면서 사람들이 많은 우려를 표했던 거 같아요. AI 가 더 발전하면 인간사회가 가지고 있는 혐오나 차별, 편견의 감정들의 어떤 감정들 정서를 그대로 학습해서 오히려 더 사회적 갈등을 부추기는게 아니냐라고 많은 분들이 걱정을 하셨을 것 같은데요. 저는 이 대화형 AI 논란이 우리 사회에 많은 질문을 던지고 있다고 생각합니다. 결국에 기술과 첨단과학이 누구의 손에 들어가느냐에 따라서 이 선과 악은 끊임없이 대결 할 수밖에 없다고 생각합니다. 그리고 그것을 해결할 수 있는 열쇠는 인간이 쥐고 있다고 생각합니다. 이런 말이 있죠. 의식이 없는 과학은 칼날과도 갔다고요. 그게 바로 지금의 AI 기술을 바라본 인간의 태도를 말하는 거 같다고 생각하는데요. 결국 인간이 AI 를 어떻게 사용하느냐에 따라서 그리고 어떻게 개발 하냐에 따라서 활용 방향은 충분히 달라질 수 있다고 생각합니다. 저는 이런 이야기를 해 보고 싶어요. 저희 프로그램이 AI에 대한 첨단 과학 기술에 대한 이해도를 높이고 그거를 대중들이 친숙하게 다가오게 만드는 역할을 했다면 앞으로 해야 될 역할은 이 기술에 대한 우리의 감수성을 키워가야 되는 부분이라고 생각합니다. 우리가 사회에서 정의나 공정성 이런 부분에 대한 가치를 두고 그거를 굉장히 중요하게 생각하는 경향이 있는데요. AI 기술 개발에 대해서도 우리가 어떻게 하면은 개발해 나갈지 좋은 방향으로 개발해 나갈 수 있을지에 대한 사회적 역할과 윤리문제에 대한 고민을 진지하게 모두가 해 나가야 될 거라고 생각합니다. 지금 보면 중국과 미국은 원천기술을 굉장히 많이 갖고 있습니다. 아직까지는 한국은 걸음마 수준이라고 볼수 있을건데요. 지금이 저는 적기 라고 생각합니다. 이 기술이 앞으로 더 무궁한 발전을 이루기 위해서는 저는 이 기술을 대하는 우리 인간의 문화적 법적 토양을 잘 쌓아 가는 것이 중요하다고 생각합니다. 프라이버시의 문제도 있을 것 같고요. AI를 어떻게 제어하고 관리 할 것이냐에 대한 부분도 사회적 합의가 필요하다고 생각합니다. AI 대 인간이라는 저희 프로그램 뿐만 아니라 최신 기술을 활용한 신선한 콘텐츠들이 많이 나오고 있습니다. VR/AR 실감기술 등 앞으로 더 많은 이런 기술들을 활용한 콘텐츠들이 늘어날 것이라고 생각합니다. 저는 굉장히 반갑습니다. 영상을 만드는 사람으로서 담아내지 못했던 상상만 했던 것들을 이런 기술을 활용해서 우리 머리속을 좀 더 확장시키고 창작의 지평을 넓힐 수 있다는 측면에 있어서 제작자 입장에서는 굉장히 반가운 측면이 있기도 한데요. 어 저는 이 프로그램 뿐만 아니라 앞으로 이러한 첨단 기술을 활용한 다양한 콘텐츠들이 우리 대중들에게 다가올 미래에 대해서 조금 더 상상할 수 있는 계기를 주었으면 좋겠습니다. 저희 프로그램 AI 대 인간 대결은 끝나지 않았고 그 결말은 아직 찾아오지 않았다고 생각합니다. AI 를 인류의 든든한 동반자로 함께 장밋빛 미래를 그려 나갈지 아니면 우리 인간이 기술에서 소외되거나 잠식당할지는 결국 우리의 역할에 있다고 생각합니다. 그래서 저는 이 프로그램을 통해서 우리가 지금의 현재가 아닌 더 큰 미래를 상상하는 그런 계기가 되었으면 좋겠습니다. 감사합니다.