상단주메뉴

  • cover styory
  • focus
  • lifestyle
  • culture
  • human
  • community
    • 손글씨
    • 1등기업인물
    • 나도한마디
    • 기사제보
  • subscription

기계에 일자리를 빼앗길 직업과 그러지 않을 직업

지면으로 보는 TED 강연 - 앤서니 골드블룸(Anthony Goldbloom)

아홉 달 된 제 조카 얄리가 있습니다. 그 아이의 엄마는 의사이고 아빠는 변호사죠. 얄리가 대학에 갈 때쯤에는 부모님의 직업이 완전히 다르게 보일 거예요. 2013년 옥스퍼드 대학의 연구자들은 미래 직업에 대한 연구를 했습니다. 그리고 현재 직업의 둘 중 하나는 기계가 대체할 위험이 높다고 결론 내렸습니다. 이런 직업 붕괴에서 가장 큰 역할을 하는 게 기계학습입니다. 기계학습은 인공지능의 가장 강력한 분파입니다. 우리 회사인 캐글(Kaggle)은 기계학습의 최첨단을 다룹니다. 우리는 산업과 학계의 중요한 문제들을 해결하기 위해 수십만 명의 전문가들을 결집했습니다. 1990년대 초반부터 기계학습이 산업에 적용되기 시작했습니다. 처음에는 비교적 간단한 과제를 수행했습니다. 대출신청의 신용도 평가, 손으로 쓴 우편번호를 읽어서 우편물 분류하기 같은 일부터 시작했죠. 지난 몇년 동안 우리는 극적인 돌파구를 찾았습니다. 기계학습은 이제 훨씬 더 복잡한 과제를 수행합니다. 2012년 캐글은 고등학생의 에세이 성적을 매길 수 있는 알고리즘을 구축해 전문가 사회에 파문을 일으켰습니다. 지난해 우리는 훨씬 더 어려운 과제에 도전했습니다. 눈을 촬영한 사진으로 당뇨병성 망막증을 진단할 수 있을까요? 이번에도 뛰어난 알고리즘으로 인간 안과의사의 진단에 필적할 수 있었습니다. 이제 데이터만 제대로 입력하면 기계가 인간보다 이런 일들을 더 잘합니다. 하지만 기계는 할 수 없지만 우리만 할 수 있는 일들도 있습니다. 기계는 새로운 상황에 대처하는 면에서는 거의 발전을 이루지 못했습니다. 여러 차례 보지 않았던 일들은 잘 다루지 못합니다. 기계학습의 근본적인 한계는 엄청난 양의 과거 데이터를 통해 배워야 한다는 점입니다. 인간은 그렇지 않죠. 우리는 한 번도 본 적 없는 문제들을 해결하기 위해 이질적으로 보이는 요소들을 꿰어 맞출 능력이 있습니다. 제2차세계대전 때 레이더 관련 일을 하던 물리학자 퍼시 스펜서(Percy Spencer)는 마그네톤이 자신의 초콜릿 바를 녹이는 모습을 주의 깊게 지켜봤습니다. 그는 전자기방사선과 요리에 관한 자신의 지식을 결합해 전자레인지를 발명했습니다. 하지만 사소하게는 우리 각자의 삶에서 하루에도 몇천 번씩 이렇게 서로 관계없는 요소들을 혼합하는 일들이 일어납니다. 새로운 상황을 다루는 데 있어서는 기계가 우리와 경쟁할 수 없고, 이 때문에 기계가 자동화할 수 있는 인간의 일은 근본적으로 제한됩니다.

이것이 직업의 미래에 대해 어떤 의미를 던질까요? ‘얼마나 빈번하고 방대한 과제를 다루는 일인가’ ‘얼마나 새로운 상황과 씨름해야 하는 일인가’란 질문으로 어떤 직업의 미래든 가늠할 수 있습니다. 빈번하고 방대한 과제를 다루는 일에서는 기계가 점점 더 똑똑해지고 있습니다. 몇 년이 흐르면 기계가 회계감사를 하고 법적인 계약서의 문안을 읽을 것입니다. 회계사와 변호사는 아직 필요합니다. 복잡한 세금체계, 혁신적인 소송 때문에 그들은 필요할 것입니다. 그러니 내 조카 얄리는 무슨 일을 하겠다고 결정하든 매일같이 새로운 도전을 해야 합니다. 그렇게 할 때 기계보다 계속 앞서나갈 수 있습니다.



The jobs we'll lose to machines and the ones we won't

So this is my niece. Her name is Yahli. She is nine months old. Her mum is a doctor, and her dad is a lawyer. By the time Yahli goes to college, the jobs her parents do are going to look dramatically different. In 2013, researchers at Oxford University did a study on the future of work. They concluded that almost one in every two jobs have a high risk of being automated by machines. Machine learning is the technology that's responsible for most of this disruption. It's the most powerful branch of artificial intelligence.My company, Kaggle, operates on the cutting edge of machine learning. We bring together hundreds of thousands of experts to solve important problems for industry and academia. Machine learning started making its way into industry in the early '90s. It started with relatively simple tasks. It started with things like assessing credit risk from loan applications, sorting the mail by reading handwritten characters from zip codes. Over the past few years, we have made dramatic breakthroughs. Machine learning is now capable of far, far more complex tasks. In 2012, Kaggle challenged its community to build an algorithm that could grade high-school essays. Last year, we issued an even more difficult challenge. Can you take images of the eye and diagnose an eye disease called diabetic retinopathy? Again, the winning algorithms were able to match the diagnoses given by human ophthalmologists. Now, given the right data, machines are going to outperform humans at tasks like this.

But there are things we can do that machines can't do. Where machines have made very little progress is in tackling novel situations. They can't handle things they haven't seen many times before. The fundamental limitations of machine learning is that it needs to learn from large volumes of past data. Now, humans don't. We have the ability to connect seemingly disparate threads to solve problems we've never seen before. Percy Spencer was a physicist working on radar during World War II, when he noticed the magnetron was melting his chocolate bar. He was able to connect his understanding of electromagnetic radiation with his knowledge of cooking in order to invent the microwave oven. Now, this is a particularly remarkable example of creativity. But this sort of cross-pollination happens for each of us in small ways thousands of times per day. Machines cannot compete with us when it comes to tackling novel situations, and this puts a fundamental limit on the human tasks that machines will automate.

So what does this mean for the future of work? The future state of any single job lies in the answer to a single question: To what extent is that job reducible to frequent, high-volume tasks, and to what extent does it involve tackling novel situations? On frequent, high-volume tasks, machines are getting smarter and smarter. Today they grade essays. They diagnose certain diseases. Over coming years, they're going to conduct our audits, and they're going to read boilerplate from legal contracts. Accountants and lawyers are still needed. They're going to be needed for complex tax structuring, for pathbreaking litigation. So Yahli, whatever you decide to do, let every day bring you a new challenge. If it does, then you will stay ahead of the machines.

앤서니 골드블룸(Anthony Goldbloom)

캐글(Kaggle)의 공동 설립자이자 CEO이다. 캐글은 데이터과학자들이 데이터를 다운로드해서 어려운 문제들을 해결하는 기계학습 대회를 주최하고 있다.
  • 2016년 09월호
  • 페이스북
  • 트위터
  • 목록
  • 프린트
나도 한마디는 로그인 후 사용하실 수 있습니다.

related article

지면으로 보는 TED 강연 - 로라 트라이스(Laura Trice)

[2017년 05월호]

지면으로 보는 TED 강연 - 카말 미틀(Kamal Meattle)

[2017년 04월호]

지면으로 보는 TED 강연 - 앨리슨 킬링(Alison Killing)

[2017년 03월호]

지면으로 보는 TED 강연 - 줄리언 트레저(Julian Treasure)

[2017년 02월호]

지면으로 보는 TED 강연 - 제이슨 테일러(Jason Taylor)

[2017년 01월호]

지면으로 보는 TED 강연 - 짐 헤멀링(Jim Hemerling)

[2016년 12월호]

지면으로 보는 TED 강연 - 후안 엔리케스(Juan Enriquez)

[2016년 11월호]

지면으로 보는 TED 강연 - 레지나 하틀리(Regina Hartley)

[2016년 10월호]

지면으로 보는 TED 강연 - 숀다 라임스(Shonda Rhimes)

[2016년 08월호]

지면으로 보는 TED 강연 - 재닛 에힐만(Janet Echelman)

[2016년 07월호]

지면으로 보는 TED 강연 - 애덤 그랜트(Adam Grant)

[2016년 06월호]

지면으로 보는 TED 강연 - 매튜 차일즈(Matthew Childs)

[2016년 05월호]

지면으로 보는 TED 강연 - 매그더 세이예그(Magda Sayeg)

[2016년 04월호]

지면으로 보는 Ted 강연 - 딘 오니시(Dean Ornish)

[2016년 03월호]

지면으로 보는 Ted 강연 - 로버트 월딩거(Robert Waldinger)

[2016년 02월호]

지면으로 보는 Ted 강연 - 줄리언 트레저(Julian Treasure)

[2016년 01월호]

지면으로 보는 Ted 강연 - 에이미 퍼디(Amy Purdy)

[2015년 12월호]

지면으로 보는 Ted 강연 - 리처드 세인트 존(Richard St. John)

[2015년 11월호]

지면으로 보는 Ted 강연 - 이사벨 아옌데(Isabel Allende)

[2015년 10월호]

지면으로 보는 Ted 강연 - 그레이엄 힐(Graham Hill)

[2015년 09월호]

지면으로 보는 Ted 강연 - 캔디 창(Candy Chang)

[2015년 08월호]

지면으로 보는 Ted 강연 - 엘롤라 하디(Elora Hardy)

[2015년 07월호]

지면으로 보는 Ted 강연 - 데이비드 스타인들 라스트(David Steindl-Rast)

[2015년 06월호]

지면으로 보는 Ted 강연 - 캐롤 드웩(Carol Dweck)

[2015년 05월호]

지면으로 보는 Ted 강연 - 가이 윈치(Guy Winch)

[2015년 04월호]

지면으로 보는 Ted 강연 - 아지즈 아부 사라(Aziz Abu Sarah)

[2015년 03월호]

지면으로 보는 Ted 강연 - 댄 길버트(Dan Gilbert)

[2015년 02월호]

지면으로 보는 Ted 강연 - 이사벨 아옌데(Isabel Allende)

[2015년 01월호]

하단메뉴

상호 : (주)조선뉴스프레스 | 대표이사 : 김창기 | 사업자등록번호 : 104-81-59006 | 통신판매 신고번호 : 제2015-서울마포-0073호
서울 마포구 상암산로 34 DMC 디지털큐브빌딩 13층 Tel : 02)724-6834, Fax : 02)724-6829 | 청소년보호책임자 : 임현선
Copyright ⓒ topclass.chosun.com All Rights Reserved.

조선뉴스프레스 | 광고안내 | 기사제보 | 독자센터 | 개인정보 취급방침