🎩 기술은 점점 더 빠르게 발전하고 있을까?

2023. 2. 9.

기술은 점점 더

빠르게 발전하고 있을까?

구독자 안녕! 구독자는 혹시 OPEN AI에서 만든 챗GPT 써봤어? 요즘 정말 챗GPT가 난리인 것 같아. 월간 사용자 수가 1억 명을 돌파하는 데 걸린 시간이 2개월이라고 하니까… 인스타그램이 1억 명을 달성하는 데 걸린 시간은 2년 6개월, 유튜브는 2년 10개월, 구글은 8년이 걸렸다고 하지? MS에서는 이 챗GPT를 활용한 검색 엔진을 발표하려고 하고있고, 이에 뒤질세라 구글도 바드라는 이름의 챗봇을 공개할 예정이라고 해. 이런 상황을 보면 최근 우리 주변의 기술들은 정말 미친듯한 속도로 발전하고 있다는 느낌이 들어.

오늘 마부뉴스에서 다룰 건 챗GPT 자체는 아니야. 아마 추후에 다른 레터를 통해서 챗GPT는 다룰 기회가 있을 것 같고…! 오늘 마부뉴스에서는 과학과 기술의 발전에 대한 이야기를 해보려고 해. 하루가 다르게 기술이 점차 진화해 가는 느낌이 드는 오늘날, 마부뉴스가 구독자에게 던지는 질문은 바로 이거야.

기술은 점점 더 빠르게 발전하고 있을까?

[FEEDBACK] 구독자는 난방비 얼마나 나왔어?

지난 주 <구독자는 난방비 얼마나 나왔어?> 레터는 잘 읽어봤어? 우리 마부뉴스 구독자들도 전기세 폭탄을 피해가지 못한 것 같더라고. 가스비가 13만원이나 나왔다는 구독자, 자취하는데 난방비가 3만원 나왔다는 구독자도 있었어. 에너지 위기를 맞은 세계는 당장의 위기를 넘기기 위해 화석연료 생산과 소비를 늘리고 있어. 우리나라도 2022년 석탄 수입액이 역대 최고를 기록했지. 동시에 에너지 위기가 신재생 에너지의 개발을 가속화할 것이라는 전망도 있어! 우리 구독자들도 두 가지 의견 사이에서 갈리는 모습을 보여주었어. 이번 레터 피드백도 많이많이 부탁해✍️

챗GPT야, 기술은 점점 더 빠르게 발전하고 있니?

거두절미하고 챗GPT에게 물어봤어. 기술은 점점 더 빠르게 발전하고 있냐고 말이지. 마부뉴스가 질문을 던진 챗GPT는 웹 액세스 기능을 추가한 web-챗GPT 버전이야. 최근 인터넷에 올라온 정보까지 접근 가능한 챗GPT이니 더 정확한 된 정보를 얻을 수 있을 거라는 기대를 가지고 물어봤어. 한글로 질문하면 시간이 많이 걸리는 탓에 질문은 영어로 진행했다는 점 이해해 줘!

Is technology advancing faster than in the past?

🤖 Yes, technology is advancing faster than in the past. The rapid development of technology is due to several factors, including the increasing availability of computing resources, improvements in algorithms and data storage, and the growing amount of data available for training machine learning models like CHAT GPT. Additionally, the rise of interdisciplinary research, collaborations, and innovative business models have also contributed to the fast pace of technological progress.

네, 기술은 과거보다 빠르게 발전하고 있습니다. 기술의 빠른 발전은 컴퓨팅 리소스의 가용성 증가, 알고리즘 및 데이터 스토리지의 개선, CHAT GPT와 같은 머신 러닝 모델 학습에 사용할 수 있는 데이터의 증가 등 여러 가지 요인에 기인합니다. 또한 학제 간 연구, 협업, 혁신적인 비즈니스 모델의 증가도 기술 발전의 빠른 속도에 기여했습니다.

챗GPT가 바로 대답을 해줬어. “네. 기술은 과거보다 빠르게 발전하고 있습니다.”라고 말이지. 마치 사람과 대화하는 것처럼 대답하는 챗GPT를 보면 정말 기술이 훌쩍 커버린 느낌이 들어. 챗GPT가 근거로 들었던 건 컴퓨터의 성능 발전, 데이터 양의 증가, 데이터 스토리지의 개선 정도야. 지금부터는 챗GPT가 이야기한 데이터들을 중심으로 얼마나 기술이 발전해 왔는지 검증해 보는 시간을 가져볼게.

먼저 데이터의 양부터 살펴볼게. 구독자가 생각하기에 인류가 여태껏 생산해 낸 모든 데이터를 합치면 얼마나 될 것 같아? 2018년 기준으로 인간이 만든 데이터의 용량은 33제타바이트 정도라고 해. 1제타바이트(ZB)는 1,000,000,000,000,000,000,000바이트로 0이 21개(!)나 붙어있는 단위야. 우리가 그나마 익숙한 단위로 환산하면 ‘조’ 다음, ‘경’ 다음인 ‘해’ 단위를 사용해서 10해라고 표현할 수 있어. 호주국립대학의 천문학자들이 현대의 망원경으로 볼 수 있는 별을 추정해 본 개수가 70제타 개 정도라고 하니 얼마나 대단한 양인지 알겠지?

인간이 생산하는 데이터의 양은 2025년엔 최대 181ZB까지 커질 것으로 예측되고 있어. 2030년엔 해마다 생산하는 데이터의 양이 1요타바이트(YB), 즉 10의 24제곱 바이트까지 될 거라는 자료도 나오고 있지. 지난해 11월 18일 국제단위를 결정하고 관리하는 국제도량형총회에서는 가까운 미래에 10의 24제곱보다 훨씬 더 큰 규모의 수치 정보를 표현해야 하는 상황이 올 거라는 판단을 내렸어. 그래서 10의 27제곱과 10의 30제곱을 나타내는 새로운 단위를 만들기까지 했지. 10의 27제곱은 론나(R), 10의 30제곱은 퀘타(Q)라는 이름이 붙었어.

론나라는 단위가 얼마나 큰지 하나 예를 들어볼게. 우리가 관측할 수 있는 우주의 크기는 지구를 중심으로 약 465억 광년 정도로 보고 있어. 465억 광년이 어느 정도냐면, 빛의 속력은 1초에 299,792,458m를 이동할 수 있는데 이 속력은 물질 혹은 에너지가 가질 수 있는 최대의 속력이야. 요 속도로 465억 년 동안 가야 하는 거리가 바로 465억 광년인 거야. 지름으로 보면 930억 광년인 건데 이걸 미터로 표현하면 8.8 X 10의 26제곱m로 표현할 수 있어. 론나 단위를 사용하면 0.88Rm(론나미터). 천문학적인 규모도 론나 단위를 사용하면 1이 되질 않아.

아이러니하게도 단위 상승을 이끄는 건 거대한 우주가 아닌 아주 작은 반도체 칩 안에서 이뤄지는 컴퓨터와 데이터 과학이야. 데이터의 양은 과거보다 훨씬 더 빠른 속도로 늘어나고 있고, 그걸 바탕으로 학습하는 AI 모델들, 바로 챗GPT 같은 녀석들이 막대한 데이터를 양분 삼아 엄청난 속도로 성장하고 있어.

"기술은 점점 더 빠르게 발전하고 있다"

단순히 데이터의 양만 늘어나는 게 아니라 그걸 처리하고 연산하는 컴퓨터의 능력도 좋아지고 있어. 구독자 아마 무어의 법칙이라는 말 들어본 적 있을 거야. Intel의 공동 창립자 고든 무어의 이름을 따서 만든 이 법칙은 집적 회로의 트랜지스터 수가 2년마다 2배로 증가한다는 법칙을 말해.

집적 회로는 전기 회로와 반도체를 모아 하나의 칩으로 구현된 걸 의미해. 마치 압축파일처럼 칩 하나에 욱여넣는 거지. 집적 회로에 들어가는 반도체 소자가 주로 트랜지스터인데, 트랜지스터는 많으면 많을수록 전자기기의 성능이 좋아진다고 볼 수 있어. 컴퓨터의 두뇌 격인 CPU에 이 집적회로가 사용되면서 컴퓨터의 크기는 줄어들면서 성능은 고도화되는 혁명 같은 발전이 이뤄진 거지.

그래프를 자세히 보고 싶다면 CLICK 👆

무어의 법칙을 그래프로 나타내면 위와 같이 표시할 수 있어. 위의 그래프는 1971년부터 2021년까지 50년간의 주요 집적 회로의 트랜지스터 수를 나타낸 거야. 말 그대로 트랜지스터 수는 기하급수적으로 늘었어. 1971년 세계 최초의 CPU인 Intel 4004에 사용된 트랜지스터가 2,300개 정도였어. 그로부터 50년 뒤, 2021년 애플이 공개한 M1 Max 칩에 사용된 트랜지스터는 무려 570억 개야. 50년 사이에 트랜지스터 개수는 2,478만 배 이상 뛰어올랐어.

데이터도 많아지고, 그걸 가지고 연산하는 컴퓨터의 성능도 기하급수적으로 좋아지면서 그걸 활용하는 인공지능 역시 엄청난 발전속도를 자랑하고 있어. 스탠퍼드 대학교에서 발간한 AI 보고서를 살펴보면 2010년 이후부터 인공지능의 성능 향상 속도가 무어의 법칙보다 7배나 빠르다고 해. 집적 회로가 2년에 2배씩 향상된다면 인공지능은 3.4개월에 2배씩 성능이 좋아지고 있는 거지.

성능이 좋아지면서 비용도 줄어들고, 학습에 걸리는 시간도 점점 줄어들고 있어. 2018년 이후 인공지능이 이미지를 분류하기 위해 훈련하는데 드는 비용은 최대 63.6%나 줄었어. 거기에 훈련 시간은 94.4%나 감소! 비용도 줄어들고 훈련시간도 단축되면서 AI 기술이 점점 고도화되어가고 있어. 발전된 AI 기술을 활용한 연구도 많아지고 있어. 구글의 딥마인드가 공개한 단백질 구조 예측 AI 툴을 활용한 연구팀은 지난 10년의 연구 결과보다 더 많은 단백질 구조를 단 3개월 만에 밝혀낼 정도지.

기술 혁신은 과거보다 둔화되었다?

“어디를 둘러보아도 아이디어를 찾기가 점점 어려워지고 있습니다”

기술 발전 속도가 체감되는 요즘 같은 시기에 무슨 뚱딴지같은 소리야 하겠지만, 이 이야기는 MIT와 스탠퍼드 대학교에서 2020년에 출간한 논문의 결론이야. 논문에 따르면 미국의 연구 생산성은 매년 5.3%씩 감소하고 있어. 13년이면 절반으로 떨어지지. 이를 상쇄하기 위해선 13년마다 연구에 투입되는 자원을 두 배로 늘려야 해. 인력도, 예산도. 그걸 유지할 수 없으면 연구 생산성은 떨어질 수밖에 없겠지.

위에서 이야기했던 무어의 법칙을 계속해서 유지하려면 1970년대 초에 필요했던 연구원보다 18배나 많은 인력이 필요한 상황이야. 과거엔 집적 회로의 집적도가 오를수록 원가 절감도 이뤄졌지만 이제는 불가능한 상황인거지. 경제성 측면에서 더 이상 무어의 법칙을 유지할 수 없게 되었다는 거야. 2022년 엔비디아의 CEO 젠슨 황은 이렇게 얘기했어. 무어의 법칙은 완전히 끝났다고. 비슷한 비용으로 2배의 성능 상승을 기대하는 건 옛 일이라는 거지.

최근으로 올수록 논문과 특허의 창의성이 줄어들고 있다는 연구 결과도 있어. 연구자들은 1945년부터 2010년까지의 논문 2,500만 개와 1976년부터 2010년까지의 390만 개의 특허를 분석해봤어. 어떤 연구가 이전에 있어왔던 연구를 인용한 정도가 높다면 기존 지식을 활용하고 발전시킨 논문으로 볼 수 있겠지만, 그렇지 않다면 자신만의 창의적인 연구를 했다고 판단할 수 있을 거야. 그걸 나타낸 게 CD 지수인데 1에 가까울수록 선행연구를 인용하지 않은 혁신적인 연구를 나타내. 1945년부터 2010년까지 CD 지수의 흐름을 보면 감소하는 추세야.

그래프를 자세히 보고 싶다면 CLICK 👆

생명과학, 물리학, 사회과학, 기술과학 분야를 가리지 않고 과거에 비해 CD 지수는 모두 감소하는 경향이 보였어. 사회과학은 1945년과 비교했을 때 2010년엔 91.9%나 감소했고, 물리학은 100% 감소했지. 특허도 마찬가지야. 특허의 주요 분야(화학, 컴퓨터, 제약, 전자, 기계 등)들이 다 감소하는 경향을 보였어. 컴퓨터 및 통신 특허에서도 93.5%나 감소했고. 과거에 비해 연구과 특허의 창의성은 줄어들고 있어.

이런 관점에서 봤을 때 챗GPT는 세상을 바꿀 파괴적인 기술인 걸까? 2018년 컴퓨터과학의 노벨상이라고 불리는 튜링상을 받은 얀 레쿤은 챗GPT를 두고 훌륭한 서비스이지만 혁명적이지는 않다는 평을 내렸어. 챗GPT가 새로운 기술을 발명한 것이 아니라 기존에 존재하던 방법론을 공학적으로 완성도 있게 내놓았다는 거지. 사실 챗GPT를 들여다보면 구글이 발명한 트랜스포머 모델(인공신경망 모델)에 강화 학습을 적용한 서비스로 볼 수 있거든. 물론 얀 레쿤이 오픈AI의 경쟁상대인 메타의 수석 AI 과학자라는 것은 감안할 필요가 있어.

Q. 피인용 횟수가 기술 혁신의 둔화를 불렀다?

지난 수십 년간 과학 연구를 평가하는 주요 지표로 사용되었던 건 바로 논문 인용 횟수야. 다른 연구 동료들이 해당 논문을 얼마나 인용했는지로 연구의 성과를 판단하겠다는 건데, 일각에서는 이 피인용 횟수가 창의적인 연구를 막는 장애물 역할을 하고 있다고 보고 있어. 과학자들 입장에서 인용될만한 논문을 쓰는 게 유리하니까 새로운 연구 분야를 개척하는 대신 인기 있는 주제에 몰리는 상황이 펼쳐진다는 거지. 그런 인기 있는 주제들이 보통 컴퓨터 과학이라던지 인공지능과 같은 소수의 주제들인 거고.

문화, 예술에서도 발견되는 혁신의 둔화

세상에 뛰어난 과학 기술을 나무에 매달린 열매라고 생각해 보면, 새로운 아이디어를 찾는다는 게 어려운 일이라는 건 당연할 것일 수도 있어. 낮은 높이에 달려있는 열매들은 이미 과거에 다 따고 없을 테니까. 이제 남아있는 과일은 저 높이 달려있는 녀석들뿐이니… 이 녀석들을 얻으려면 시간이 더 걸릴 수밖에 없겠지.

혹은 공부할 지식의 양이 너무 많아졌다는 것도 창의적인 연구를 막는 장애물이 될 수도 있어. 하나의 분야만 공부하려고 해도 봐야 할 정보가 많은데, 그것들을 다 보는 건 사실상 불가능하잖아. 그러다 보면 가장 인기 있는 논문 중심으로 볼 수밖에 없고 결국 새로운 변주를 만들어내기 어려울 수 있겠지. 연구 뿐 아니라 우리가 보는 콘텐츠들도 비슷한 상황이지. 아마 구독자, 넷플릭스나 유튜브보면서 비슷한 경험 해봤을 거야. 한정된 시간 내에 최고로 만족할만한 선택을 하려면 사람들이 가장 많이 본 콘텐츠를 보는 게 가장 안정적인 선택이 되는 거지.

넷플릭스 이야기가 나와서 말인데, 사실 대중문화, 특히 영화계에서도 비슷한 상황이 펼쳐지고 있어. 20세기 할리우드를 지배했던 건 새로운 이야기들이었어. 하지만 지금 영화계의 대세는 속편, 아니면 코믹스를 원작으로 한 히어로물이잖아. 대부분 원작을 기반으로 영화가 만들어지고 있고 흥행도 잘되고 있어. 과거엔 새로운 캐릭터를 창조했다면 지금은 익숙한 캐릭터를 더 견고하게 만드는 데 집중하고 있는 셈이야. 과학, 기술의 접근과 유사하지 않아?

최근 5년간 전 세계 박스오피스 상위 10개 영화를 모아서 분류해 봤어. 속편은 색을 칠하고, 원작을 각색한 작품은 빗금으로 칠했어. 새롭게 만들어낸 오리지널 영화는 칸을 비웠는데, 결과는? 총 50편 중 오리지널 영화는 단 6편에 불과해. 그마저도 <보헤미안 랩소디>는 프레디 머큐리의 전기 영화고, 중국의 프로파간다 영화와 중국 전쟁 영화를 제외하면 크리스토퍼 놀란 감독의 <테넷> 정도만 남아. 나머지는 속편 아니면 코믹스를 원작으로 하거나 리메이크 작품이지.

챗GPT는 세상을 바꿀 파괴적 발견일까?

무엇이든 물어보면 대답해 주는 챗GPT부터 무엇이든 그려달라고 하면 그려주는 DALL-E2, 미드저니 같은 인공지능까지. 과거에는 상상하지 못한 일들이 우리 주변에서 바로 이뤄지고 있어. 이렇게 고도화된 인공지능은 인류가 생각하지 못한 새로운 아이디어들을 뚝딱뚝딱 만들어내는 혁명적인 기술인 걸까? 아니면 점점 고도화되는 기술들을 조금 더 다듬은 훌륭한 서비스인 걸까? 구독자는 어떻게 생각해?

오늘 마부뉴스가 준비한 레터는 여기까지야. 오늘 마부뉴스에선 엄청난 양이 쏟아지는 과학 기술이 정말 발전하고 있는 건지 여러 가지 데이터를 통해 살펴봤어. 오늘 마부뉴스가 구독자에게 마지막으로 던지는 질문은 이거야. 구독자는 챗GPT, 더 나아가 인공지능이 세상을 뒤흔들 파괴적인 기술이라고 생각해? 인공지능이 우리의 일자리를 빼앗을지, 아니면 단순히 도구 정도로 일을 하는데 도움이 될 거라고 생각하는지 아래 링크를 통해 알려줘! 언제나처럼 긴 글 읽어줘서 고마워 :)

참여하기

* 레터에 활용한 데이터와 기사들의 목록은 여기서 볼 수 있어.

* 함께 고민하고 싶은 친구가 있다면 이 링크를 공유해줘.

예전에 마부뉴스에서 다뤘던 뉴스를 현재 시점으로 다시 살펴봅니다. 레터 제목을 클릭하면 예전 마부뉴스 글을 읽어볼 수 있어요.

10·29, 그 이후

지난 2월 4일, 10·29 이태원 참사 100일 시민추모대회가 광화문에서 열렸어. 10·29 참사의 유가족들은 진정한 사과와 제대로 된 진상 및 책임 규명을 요구했지. 이에 앞서 서울시는 녹사평역 지하 4층에 임시추모공간을 마련해 주겠다고 했으나 유가족들은 불쾌감을 표현했어. 그리고 시민추모대회 중 서울광장에 분향소를 설치했는데, 서울시는 이의 철거를 요구하고 있어. 이종철 10·29 이태원참사 유가족협의회 대표는 철거 요구에 응할 것이니 영정과 위패, 그리고 수많은 국화꽃이 있는 제대로 된 합동분향소를 설치해 달라고 했지. 안타까운 참사의 희생자들을 기억하고 유가족들에게 위로를 건넬 수 있는 안정된 공간이 하루빨리 마련되면 좋겠어.

<군중이 군중을 삼켰다> 🔄

친환경을 위한 음반 시장의 변화

최근 케이팝 음반 시장에 변화의 바람이 불고 있어. 하이브 레이블은 소속 아티스트의 앨범을 발매할 때 CD를 QR코드가 인쇄된 종이로 바꾸고 포토북을 디지털화하는 등 불필요한 구성품을 줄인 ‘위버스 버전’을 만들고 있어. 자원 낭비를 줄이는 동시에 가격도 저렴한 이 앨범에 대한 팬들의 반응도 괜찮아. 써클차트가 공개한 2023년 4주 차 앨범 판매량을 살펴보면, 1위는 투모로우바이투게더의 '이름의 장: 템테이션(TEMPTATION)'의 앨범 중 CD가 들어있는 버전이었고, 그 뒤를 같은 앨범의 위버스 버전이 판매량 2위를 기록했어!

<앨범 vs 스트리밍, 무엇이 더 친환경적일까?> 🔄

60초 안에 이번주 마부뉴스에서 다룬 주제와 관련한 쓸모있는 정보 7개를 골라서 요약해드립니다. 매주 7/60만 꼼꼼히 살피면 상식왕은 시간문제!😉 제목을 누르면 기사 페이지로 이동합니다.

Digital Equity

디지털 격차는 통신망의 이용성과 사용률, 컴퓨터를 가진 인구의 비율 등을 통해 계산되는 지표야. 여기에 들어가서 궁금한 미주를 선택하면 그 지역의 디지털 격차를 시각적으로 살펴볼 수 있어. 기술이 빠르게 발전하고 다양한 서비스에서 널리 사용되는 만큼, 그 혜택을 온전히 누리지 못하는 사람들을 위한 정책을 만드는데 도움이 되고자 한다고 해🌐

Using an A.I program to win the New Yorker cartoon caption contest

New Yorker Cartoon Caption Contest에 GPT-3가 작성한 캡션을 제출한 이야기를 담고 있어. 처음에는 인공지능에게 단순히 그림을 묘사해주는 것에서 시작해, 이 이미지가 재미 있는 이유를 설명해주거나 수상작들을 분석하게 하는 등 점점 더 재치 있는 캡션을 만들게 하려고 했어. 과연 인공지능이 어설픈 “아재 개그” 이상의 재치를 갖출 수 있을까?🤪

New ideas are struggling to emerge from the sea of science

수많은 논문 발표는 역설적으로 과학의 발전을 느리게 만들 수 있음
너무 짧은 기간에 많은 논문이 발표되면, 리뷰어들과 독자들은 각 연구의 독창성과 가치보다는 기존 연구와의 관계를 중심으로 내용 파악
새로운 논문은 보다 많은 사람들에게 읽히기 위해 이미 많이 인용되어 익숙한 논문을 인용
새로운 논문 또한 너무 많아 서로 경쟁, 이로 인해 새로운 아이디어가 자리잡기 어려운 구조
논문 간 인용 격차가 심화, 새로운 연구는 기존의 아이디어를 강화하는 방향으로 흘러가

10년 걸린 연구 3개월에 끝낸다... 구글 AI '알파폴드'가 주도하는 생명과학 혁명

구글 딥마인드의 AI 단백질 예측 도구 ‘알파폴드’는 기존 실험을 통해 확인된 단백질 구조와 아미노산 서열을 학습한 뒤 이를 바탕으로 미지의 단백질 구조를 해독 및 예측
세포핵 안팎의 물질 흐름을 조절하는 ‘핵막공복합체’는 ‘뉴클레오포린’ 단백질이 결합된 형태로, 그 구조가 완전히 밝혀지지 않았음
마틴 벡 막스플랑크 생물물리학연구소장의 연구팀은 2016년까지 10년 간 그 중 30%를 밝혀냈으나, 알파폴드를 사용함으로써 작년 10월까지 3개월 동안 그보다 많은 60%를 밝혀내
돌연변이 단백질의 예측은 아직 어렵지만, 3차원에서 단백질이 접히는 방법의 연구 및 분자 수준의 모델링을 통해 더 많은 단백질의 해독과 예측이 가능할 것