본문으로 건너뛰기
피드

이세돌이 말한 인공지능 시대의 핵심은 ‘정답’보다 ‘질문’이었다

ai-ml 약 4분

이세돌 UNIST 특임교수와 이창호 사범이 인공지능 시대의 인간 가치와 판단력에 대해 이야기함. 알파고 이후 바둑에서 드러난 ‘삼삼’ 사례를 통해 인공지능이 인간의 고정관념을 깨는 도구가 될 수 있지만, 생각의 주도권을 넘기면 위험하다고 짚었음.

  • 1

    알파고 마스터의 삼삼은 바둑계 고정관념을 깨뜨린 대표 사례

  • 2

    인공지능이 준 답을 그대로 받는 것과 자기 것으로 이해하는 것은 다름

  • 3

    이세돌은 인공지능이라는 무기를 소수가 쥐는 상황을 디스토피아로 봄

  • 4

    UNIST는 2027학년도부터 10명 내외를 GRIT 인재전형으로 선발

  • 5

    GRIT인재융합학부는 학생이 질문과 진로를 직접 설계하는 교육 모델

  • 이세돌 UNIST 특임교수가 인공지능 시대를 두고 꽤 현실적인 얘기를 꺼냈음

    • 핵심은 “인공지능이 강하다”가 아니라, 사람이 그 답을 보고 무엇을 다시 물을 수 있느냐임
    • 인공지능에 생각의 주도권을 빼앗기지 않는 선에서 활용하면 긍정적일 수 있다고 봄
  • 이세돌이 든 대표 사례는 알파고 마스터의 ‘삼삼’임

    • 삼삼은 바둑판 모서리에서 가로세로 세 번째 줄이 만나는 지점임
    • 당시 프로 기사들은 어릴 때부터 삼삼에 두지 말라고 배웠기 때문에 쉽게 둘 수 없었음
    • 그런데 알파고 마스터가 그 수를 두기 시작했고, 이세돌은 이걸 인간의 고정관념이 깨진 사례로 설명함

ℹ️참고

> 바둑에서는 인공지능이 고정관념을 깨는 장면이 눈에 보이지만, 다른 분야에서는 그 신호를 못 알아차릴 수 있다는 게 이세돌의 포인트임.

  • 이창호 사범도 비슷한 방향으로 봤음

    • 인공지능과의 대국에서 처음엔 받아들이기 힘든 수들이 있었지만, 그런 발상이 바둑뿐 아니라 다른 분야에도 접목될 수 있다고 말함
    • 다만 인공지능에 너무 의존하면 안 되고, 자기 스타일을 어느 정도 만든 뒤 도움을 받는 게 좋다고 봄
  • “정답을 보는 것”과 “정답에 이르는 길을 이해하는 것”은 다르다는 말도 나왔음

    • 인공지능이 좋은 수를 알려줘도 그걸 자기 것으로 만드는 과정은 결국 사람이 해야 함
    • 개발자로 치면 코드 생성 결과를 붙여넣는 것과, 왜 그렇게 짰는지 이해하고 운영 가능한 코드로 만드는 것의 차이에 가까움
  • 이세돌이 가장 경계한 미래는 인공지능을 특정 소수 집단이 쥐고 좌지우지하는 상황임

    • 그는 이런 상황을 디스토피아로 봐야 한다고 말함
    • 이창호는 인공지능의 좋은 면과 나쁜 면이 공존하니, 인문학 같은 기초가 있어야 위험을 방어할 수 있다고 덧붙임
  • 행사 자체는 UNIST가 새로 출범한 GRIT인재융합학부를 알리는 첫 공개 프로그램이었음

    • UNIST는 2027학년도부터 10명 내외 신입생을 GRIT 인재전형으로 별도 선발함
    • 학생이 학과를 먼저 고르는 대신, 연구 질문과 관심 분야, 진로 목표를 스스로 정해 학업 경로를 설계하는 모델임
    • 수업은 프로젝트 기반 탐구교육 중심이고, 전담 교수가 1대1로 학업과 탐구 과정을 지도함
  • 평가 방식도 기존 학점 경쟁을 줄이는 쪽으로 설계됨

    • 패스/노레코드 평가를 적용해 도전적 학습을 장려함
    • 졸업생은 융합이학사 또는 융합공학사 학위를 받고, 학생이 직접 설계한 전공명이 성적증명서에 공식 표기됨
  • 결국 이 기사의 메시지는 꽤 단순하지만 무겁게 남음

    • 인공지능 시대에 필요한 건 더 빨리 정답을 얻는 능력만이 아님
    • 자기 질문을 만들고, 인공지능의 답을 자기 판단으로 소화하는 사람이 계속 앞서갈 가능성이 큼

개발자에게도 꽤 찔리는 이야기임. 생성형 인공지능이 답을 빨리 주는 시대일수록, 진짜 차이는 ‘뭘 물을지’와 ‘그 답을 어디까지 믿을지’에서 갈릴 가능성이 큼.

댓글

댓글

댓글을 불러오는 중...

ai-ml

위버스, 구글 클라우드 대화형 AI로 245개국 팬 문의 처리

위버스가 구글 클라우드의 대화형 AI와 자동화 기술을 기반으로 글로벌 팬 지원 시스템을 구축했어. 지난 3월 도입 후 245개 국가 및 지역에서 들어온 고객 문의를 처리했고, 연내 처리 효율을 두 배로 높이겠다는 계획도 내놨어.

ai-ml

아정당, 제네시스 클라우드 AI로 고객 상담 운영 갈아엎는다

아정당이 제네시스 클라우드를 도입해 고객 경험과 상담 운영을 AI 중심으로 고도화한다. 창립 4년 만에 매출이 약 20배 성장하면서 고객 수와 서비스 복잡도가 커졌고, 이를 단일 플랫폼 기반의 고객 데이터, 자동화, 여정 관리, 워크포스 관리로 풀겠다는 내용이다.

ai-ml

위버스, 구글 클라우드 AI로 글로벌 팬 문의 24시간 처리한다

위버스가 구글 클라우드의 머신러닝과 자연어 처리 기술을 도입해 글로벌 팬 지원 시스템을 강화했다. 지난 3월 도입 이후 245개 국가와 지역에서 들어온 고객 문제를 처리했고, 앞서 데이터 분석 플랫폼도 BigQuery로 옮긴 상태다.

ai-ml

스토리, AI 에이전트용 오픈소스 프레임워크 ‘스토리 스킬’ 공개

스토리가 AI 코딩 에이전트와 개발자가 자사 SDK와 스마트 컨트랙트를 더 쉽게 쓰도록 돕는 오픈소스 프레임워크 ‘스토리 스킬’을 공개함. IP 등록, 라이선싱, 로열티 관리 같은 반복 작업을 재사용 가능한 워크플로우로 묶어 AI 에이전트가 바로 참고할 수 있게 만든 게 핵심임.

ai-ml

AI 모델이 너무 많아진 시대, 기업들은 ‘멀티 AI 에이전트’로 묶어 쓰기 시작했다

카카오, 제논, NHN, 마이크로소프트, 구글 등이 여러 AI 모델과 업무 도구를 한 인터페이스에서 연결하는 멀티 AI 에이전트와 AI 오케스트레이션에 속도를 내고 있다. 단일 챗봇을 넘어 MCP, 사내 시스템, 외부 서비스, 로컬 환경까지 엮어 실제 업무 행동을 자동화하려는 흐름이다.