TED - The jobs we'll lose to machines - and the ones we won't
Speaker - Anthony Goldbloom
URL - https://www.ted.com/talks/anthony_goldbloom_the_jobs_we_ll_lose_to_machines_and_the_ones_we_won_t
[Vocabulary]
1. ophthalmologist - a specialist in the branch of medicine concerned with the study and treatment of disorders and diseases of the eye.
2. seemingly - so as to give the impression of having a certain quality; apparently
[Expression]
-
[Translation]
이 친구는 제 조카입니다. 이름은 얄리죠. 이제 9살이 되었답니다. 의사인 어머니와 변호사인 아버지 사이에서 태어났죠. 하지만 얄리가 대학에 갈때 쯤이면 지금 부모님이 하고 계시는 일이 지금과는 전혀 다른 모습일 지도 모릅니다.
2013년 옥스포드 대학의 연구진들은 미래직업에 대한 연구를 진행했습니다. 현존하는 직업 중 절반이 기계에 의해 자동화된다는 결과를 냈습니다. 머신러닝이 바로 이 엄청난 결과를 야기할 기술입니다. 인공지능 연구에서 가장 영향력 있는 분야죠. 기계가 데이타를 학습해서 인간이 할 수 있는 일들을 흉내낼 수 있도록 만듭니다. 제가 일하는 회사 케글(Kaggle)에서는 최첨단 머신러닝을 운영하고 있습니다. 산학에서 발생하는 여러가지 중대한 문제들을 해결하도록 수백 수천명의 전문가들을 모았습니다. 이를 통해서 저희는 기계가 어떤 일은 할 수 있고 어떤 일을 못하는지, 미래의 어떤 일들이 자동화되거나 위협받을지에 대한 새로운 사실을 알아낼 수 있었습니다.
머신러닝은 1990년대 초부터 산업에서 이용되기 시작했습니다. 처음엔 그저 단순한 업무 처리용에 불과했죠. 대출 서류에서 신용 위험도를 평가하거나 편지에 수기로 적힌 우편번호를 읽어 분류하는 작업 정도였습니다. 하지만 얼마지나지 않아 엄청난 발전을 이루었습니다. 이제 훨씬 더 복잡한 일까지 처리할 수 있게 된 것이죠. 2012년 케글은 고등학교 수행평가 에세이에 성적을 메기는 알고리즘으로 도전장을 내밀었습니다. 성공한 알고리즘으로는 실제 선생님들이 점수를 매긴 것과 동일한 결과를 얻었습니다. 이어서 지난해에는 더 복잡한 문제까지 해결했습니다. 안구 사진을 찍어서 당뇨병성 망막증을 진단해낼 수 있을까요? 또 한번, 완성된 알고리즘이 안과의사들이 진단하듯이 병을 찾아냈죠.
그렇다면 이는 정확한 데이터만 주어진다면 기계는 인간이 일을 하는 것보다 더 나은 성과를 보일 수 있습니다. 한 명의 선생님이 40년 동안 약 만 개 정도의 에세이를 평가한다고 합니다. 의사는 약 오만 개의 눈을 진단할 수 있죠. 하지만 한 기계는 불과 몇 분안에 수백만개의 에세이와 눈을 평가하고 관찰할 수 있습니다. 반복적이고 양이 많은 일에 한해서는 기계를 따라잡을 수가 없습니다.
하지만 기계는 못하고 인간만이 할 수 있는 일들이 있습니다. 기계들이 제대로 할 수 없는 건 기존에 없던 일이 닥쳤을 때 입니다. 학습 양이 부족한 부분은 해결할 수가 없는 겁니다. 머신러닝의 가장 큰 취약점은 막대한 양의 과거 데이터가 학습되야 한다는 점입니다. 하지만 인간은 그럴 필요가 없습니다. 처음 보는 일도 서로 전혀 다른 단서들을 조합해서 해결할 수 있죠.
퍼시 스펜서는 2차 세계 대전 당시 레이더를 연구하던 물리학자였는데 한 번은 전자관이 초코바를 녹여버린 걸 발견했습니다. 전자기 방사선에 대해 이해한 그는 - 짐작이 가시나요? - 요리 관련 지식을 활용해서 전자레인지를 발명했습니다.
이야 말로 창의력의 대표적인 예입니다. 이렇게 다방면의 지식을 활용하는 일은 별거 아닐지라도 하루에 빈번하게 발생합니다. 기계는 이렇듯 새로운 상황을 대처하는 일에 한해서는 인간을 앞설 수 없습니다. 그래서 기계로 자동화되는 일에 근본적인 한계가 정해지는 겁니다.
미래의 일들에는 어떻게 적용될까요? 아마도 다음 질문의 대답에 달려있을 겁니다. 어떤 일이 작업량이 많은 반복작업으로 분류되고 어떤 일이 새로운 상황을 다루는 일로 분류될까요? 전자에 한해서 기계는 갈수록 똑똑해질 겁니다. 병까지 진단하죠. 미래에는 회계감사도 수행하고 계약서도 읽을 수 있게 될 겁니다. 하지만 회계사와 변호사는 여전히 필요합니다. 복잡한 조세 규정을 다루거나 소송을 진행해야 하니까요. 하지만 기계는 한계를 넘어 이 직업들까지 넘보긴 할 겁니다.
말씀드렸다시피 기계는 새로운 상황에 대처하는데 익숙치 않습니다. 마케팅 프로젝트에서 소비자들의 이목을 한번에 잡으려면 광고 카피가 잘 나와야되죠. 대중들의 눈에 띄어야 합니다. 경영 전략도 아무도 하지 않은 일, 틈새 시장을 찾아야 합니다. 마케팅 프로젝트에서 광고 카피를 쓰고 경영 전략을 세우는 일을 하는 주체는 바로 인간입니다.
얄리는 매일매일 어떤 결정을 내리든지 새로운 도전을 맞이할 겁니다. 새로운 걸 한다는 건 기계보다 낫다는 거죠.
감사합니다.
[Review]
작년에 통번역 수업을 처음 들으면서 교수님께서 하신 말씀 중에 기억이 남는 말이 있다. 기계에게 통번역이라는 일이 대체될 걱정은 아직 할 필요가 없다는 말씀이었다. 네이버 파파고, 구글 번역기는 강의에서 언급한 머신러닝을 기반으로 개발되었다. 최근에는 준수한 성능을 보이며 짧은 문장 번역은 거의 완벽하다시피 해내고 있다. 가끔 문제풀다가 해석하기 너무너무 귀찮을 때 한 두문장 돌려보면서 나보다 낫다라는 생각이 들 정도로 인공지능의 수준은 날이 갈수록 발전하고 있다. 물론 문장이 길어지고 접속사, 관계사가 많아지는 순간부터 번역기는 제 성능을 발휘하지 못하지만 단순 번역만 따지면 웬만한 번역가, 사람들보다 낫다. 머신러닝을 통해 접속사, 관계사가 많이 들어간 문장의 예시도 인공지능이 학습하면 긴 문장도 자연스럽게 번역할 날이 머지 않았다.
하지만 많은 통역가, 번역가들은 기계보다는 사람이 낫다고 하는데 이유는 무엇일까? 아직 긴 문장은 제대로 번역하지 못하며 관계사가 어느 단어를 꾸미는지 명확하게 짚어내지 못한다는 한계도 있고 소설이나 시의 경우엔 문법이 정확히 지켜지지 않은 경우도 많기 때문일테다. 기계는 아직 새로운 경우들을 전부 가려내지 못한다. 아무리 기계의 발전이 빠르다고는 하나 수많은 정보를 인공지능에 데이터로 입력해 넣고 수 십개의 언어로된 자료들을 취합하기엔 시간이 더 필요하다. 그래도 언젠가는 기계가 긴 문장도 번역하는 날이 올테다.
마치 기계가 곧 사람을 뛰어 넘을 것처럼 적고 있지만 이렇게 말해도 기계가 인간은 완벽하게 뛰어넘진 못한다. 인간에게는 감성이 있기 때문이다. 소설과 시에서 복잡한 관계를 바탕으로 뱉어지는 말들, 문맥을 이해해서 번역해야 하는 부분들은 단지 기계가 문장의 뜻을 살려 번역할 순 있어도 그 속뜻을 담아내긴 어렵다. 단순히 고전시만 읽어도 읽는 사람마다 다르게 해석을 하고 시대상에 따라 의미가 변하는데 단순히 과거의 자료들을 토대로 번역해내는 기계는 어떻게 보면 실시간으로 변하는 글 속의 흐름을 짚어낼 수 없다. 번역이나 통역은 단지 단어의 뜻을 풀어내는 게 아니라 책이나 말의 전체의 분위기, 문장의 의미, 인물의 태도처럼 눈에 보이지 않는 색을 담아내야 하기 때문에 기계에게 쉽게 대체되지 않는다. 설령 대체되더라도 그건 기계가 스스로 생각하고 미래 영화에나 나올 법하게 감정을 가졌을 때일 것이다.
I remembered a saying from a professor when I first took a lecture of translation theory in last year. It was that we do not have to worry about replacing our job to machines. Online Translators such as Papago from NAVER, Google Translator are developed by the technology which is mentioned above from the lecture, machine learning. Recently, it has well-performed, especially for translating short sentences. I sometimes felt its translation becomes better and well-translated than mine because I put sentences when I was too bored of doing homework, I checked it. It has a limit owing to sentences are long, or it has many conjunctions and relatives, however, just think about simple translation, it is much better than common people. From machine learning, an artificial intelligence can get a lot more example of sentences that have conjunctions and relatives, then, the day will be come it translates those sentences naturally.
Nevertheless, still many translators and interpreters said human are better than machine when it comes to translation, but why? It is because machines cannot translate long sentences as mentioned already and figure out which relatives support which words. Morever, there is a part grammars wrong in novels and poems. Yet, machines have no ability to solve novel situation. Even if the machines developed very fast, more time is needed to put data for learning and also have to classify a bunch of sources which are written by hundreds of language. Perhaps, one day will come machines translate a long, but not sooner than later.
As if I wrote that machines will overcome human, but even I said like it, machines cannot jump up to human in complete. Because we have a soul. Machines could translate a sentence into a word that fits well by just reading it, but it is hard to make sayings spontaneous that are mixed with complex relationship between people in novels and poems and parts that have to be translated with understanding of context. We know it is difficult to do when we read a old poem since each person who reads it has all their own interpretation and it changes through the phases of the time. As a learner, only using a data of past, not a real time flow in those understanding, machine has its bar that can never cross. Translation and Interpretation are not only a way to explaining meaning of words in row but it has to join altogether, like circumstance, sense of sentences, attitudes, and a mood that cannot be seen just as looking up in a dictionary. That is the reason why they will not be substituted by machines easily. Whenever they are replaced by machines, it will be the future that machines have feeling and thinking themselves like as in SF movies.
----
2018.2.13 1차 작성
2018.2.13 1차 수정