이론 나열이 아니라 하나의 질문을 6단계로 따라가는 논증입니다. 슬라이드마다 강사가 그대로 읽을 수 있는 설명 산문을 넣었고, 텍스트가 잘리지 않도록 높이는 가변(최소 16:9)으로 두었습니다.
이 장은 AI 사례를 잔뜩 나열한 게 아니라 한 질문을 끝까지 따라가는 하나의 논증이다. 본론에 들어가기 전, 우리가 지나갈 전체 길을 먼저 펼쳐 둔다. 윗줄은 "AI가 정말 우리 곁에 있는가"를 6단계로 논증하고, 아랫줄은 그렇게 확인한 AI를 일상에서 찾아내고 분별해 쓰는 법으로 잇는다.
"AI 하면 뭐가 떠오르냐"고 물으면 학생들은 거의 예외 없이 휴머노이드 로봇·터미네이터·먼 미래를 답한다. AI를 영화 속 존재나 천재 과학자만 다루는 첨단 장비쯤으로, '아직 내 일상과는 거리가 먼 것'으로 여기는 것이다. 이 거리감을 깨는 데서 이 강의가 시작된다.
영화가 그린 AI는 몸을 가진 인격체다. 그러나 현실의 AI 대부분은 몸도 얼굴도 없이, 당신이 매일 쓰는 앱 안에 숨어 추천하고 거르고 알아본다. '로봇'을 기다리는 사이, 진짜 AI는 이미 손안의 화면에서 작동 중이다.
이 강의가 증명하려는 한 문장은 이것이다 — AI는 미래가 아니라 현재이고, 멀리가 아니라 손안에 있다. 단지 'AI'라는 이름표를 달지 않았을 뿐, 당신은 오늘 아침부터 이미 AI를 여러 번 썼다. 잠금 해제부터 메시지 자동완성, 사진 검색, 길찾기 도착시간, 유튜브 다음 영상까지 — 전부 데이터로 학습한 AI가 뒤에서 한 일이다.
이것들은 화면에 "AI 작동 중"이라고 알리지 않는다. 그냥 기능처럼 보인다. 자동완성은 '키보드 기능', 추천은 '앱 기능'으로 느껴질 뿐이다. 잘 작동할수록 우리는 그 뒤에 AI가 있다는 사실을 의식하지 못한다.
AI가 '안 보이는' 이유는 심리적이다. 어떤 기술이 처음 나오면 신기해서 'AI'라 부르지만, 익숙해지고 잘 작동하기 시작하면 우리는 그걸 그냥 '기능'으로 강등시킨다. 이 현상에는 이름이 있다 — AI 효과(AI effect). AI가 한 칸씩 성공할 때마다, 'AI'라는 말은 아직 안 풀린 다음 문제로 옮겨간다.
→ 지금은 그냥 '기능'이라 부른다.
성공한 AI는 일상에 녹아 투명해진다. 그 결과 우리 머릿속 'AI 목록'에는 아직 안 된 것(완벽한 대화, 자율주행 등)만 남는다. "AI는 아직 멀었다"는 느낌은 바로 이 착시가 만든다.
매끄럽게 숨어 있던 AI가 갑자기 '보이는' 순간이 있다 — 바로 틀릴 때다. 자동완성이 엉뚱한 단어를 넣고, 사진 검색이 머핀을 강아지로 착각하고, 추천이 전혀 안 맞는 영상을 띄울 때. 이 실패는 고장이 아니라 AI의 본질을 보여준다. AI는 '정답을 아는' 게 아니라, 데이터를 보고 가장 그럴듯한 답을 확률로 추측하는 기계다.
AI는 규칙을 외운 게 아니라 수많은 예시에서 패턴을 통계로 익혔다. 그래서 본 적 드문 입력엔 자신 있게 틀린다. "마법처럼 똑똑하다"가 아니라 "대체로 맞히지만 가끔 그럴듯하게 틀리는 추측기"가 정확한 정체다.
"AI도 결국 프로그램 아니냐"는 반론은 절반은 맞다. AI는 분명 컴퓨터 프로그램이다. 하지만 보통 프로그램과 결정적으로 다른 점이 하나 있다 — 규칙을 사람이 직접 쓰는가, 아니면 데이터에서 스스로 찾아내는가. 바로 이 한 가지가 '전통 프로그램'과 'AI'를 가른다.
"점수가 60 이상이면 합격"처럼, 사람이 if-then 규칙을 일일이 적어 넣는다. 고양이를 알아보게 하려면 "귀가 뾰족하고, 수염이 있고…"를 전부 규칙으로 써야 한다 — 사실상 불가능하다.
고양이 사진 수만 장을 보여주면, AI가 스스로 "고양이다움"의 패턴을 찾아낸다. 사람은 규칙을 쓰지 않고 예시를 준다. 새로운 데이터에 적응하고 틀리며 나아진다 — 이게 '학습'이다.
지금까지의 논증을 한 문장으로 모으면 이렇다 — AI는 멀리 있는 미래도, 전능한 마법도, 인류를 위협하는 로봇도 아니다. 데이터로 배워 대체로 잘 맞히지만 가끔 틀리는, 우리 곁의 도구다. 도구이기에 망치처럼 잘 쓰면 이롭고 잘못 쓰면 해롭다. 그래서 우리가 길러야 할 것은 두려움도 맹신도 아닌 '언제 믿고 언제 의심할지 아는 눈'이다.
| AI를 보는 세 태도 | 믿음 | 결과 |
|---|---|---|
| 두려움 — "AI가 다 빼앗는다" | 회피·외면 | 이미 곁에 온 도구를 못 쓴다 |
| 맹신 — "AI는 늘 맞다" | 무비판 수용 | 그럴듯하게 틀린 답에 속는다 |
| 분별 — "도구로 쓰되 검증한다" | 이해 + 의심 | 이롭게 쓰고, 틀림을 잡아낸다 ✓ |
AI가 도구임을 알았으니, 이제 그 눈으로 평범한 하루를 다시 따라가 보자. 특별한 날이 아니라 오늘 같은 보통날에도, 아침에 눈뜨는 순간부터 밤에 잠들기까지 AI는 수십 번 우리를 돕는다. 어떤 AI 기술이 어디서 일하는지 이름표를 붙여 보면, AI가 '곁에 있다'는 주장이 추상이 아니라 눈에 보이는 사실이 된다.
AI의 핵심 아이디어(신경망 등)는 사실 수십 년 전에 나왔다. 그런데 오랫동안 잠잠하다가 2010년대에 갑자기 꽃핀 이유는 천재 한 명 때문이 아니라, 세 가지 재료가 동시에 충분히 모였기 때문이다. 요리에 비유하면 — 좋은 레시피(알고리즘)가 있어도, 풍부한 재료(데이터)와 강한 불(연산)이 없으면 요리가 안 됐던 것이다.
스마트폰·인터넷으로 사진·글·영상이 폭증. AI가 배울 '예시'가 무한히 쌓였다.
게임용 칩(GPU)이 대량 계산을 값싸게 처리. 학습에 걸리던 시간이 몇 달→몇 시간으로.
여러 층으로 깊게 쌓는 딥러닝 기법이 무르익어, 데이터·연산을 실력으로 바꿨다.
같은 도구라도 결과는 사람에 따라 갈린다. AI를 잘 쓰는 사람은 더 많이 믿거나 더 많이 겁내는 사람이 아니라, 믿을 자리와 의심할 자리를 구분하는 사람이다. AI는 대체로 맞히지만 가끔 그럴듯하게 틀리므로, 핵심은 '맞을 때'가 아니라 '틀릴 법한 순간'을 미리 아는 것이다.
이 장은 AI 사례를 모은 게 아니라, 하나의 질문을 끝까지 따라간 추론이었다. 출발점은 "AI는 먼 미래의 로봇"이라는 통념이었고, 도착점은 "AI는 데이터로 배우는, 우리 곁의 도구"라는 결론이었다. 그 사이를 AI 효과·확률적 본성·학습의 정의가 각자의 역할로 이어주었다.