생각하는 숙명: AI와 인간

저는 AI의 발전이 사회와 우리의 삶의 방식을 어떻게 변화시킬지에 대해 숙고해왔습니다.

AI가 더 많은 지적 노동을 수행하게 되면서 인간은 더 이상 생각할 필요가 없을 것처럼 보일 수도 있습니다. 하지만 저는 인간에게 전통적인 지적 노동과는 다른 종류의 사고가 요구될 것이라고 생각합니다.

이는 기계화를 통해 인간이 육체노동에서 크게 해방되었지만, 동시에 다른 종류의 신체 활동에 참여해야 했던 것과 비슷합니다.

이러한 다른 종류의 신체 활동은 손과 손가락을 섬세하게 사용하는 작업을 포함합니다. 이는 장인과 같은 숙련된 노동이거나, 컴퓨터와 스마트폰을 조작하는 것일 수 있습니다.

마찬가지로, 우리가 지적 노동에서 해방되더라도, 우리는 생각하는 지적 과제로부터 벗어날 수 없습니다.

그렇다면 어떤 종류의 지적 활동이 필요할까요?

이 글에서는 AI 시대 소프트웨어 개발의 패러다임 전환에 대한 제 생각을 소개하고, 생각해야 하는 존재로서 우리의 숙명을 탐구할 것입니다.

프로세스 지향 소프트웨어

저는 객체 지향을 넘어 프로세스 지향을 다음 패러다임으로 제안합니다.

이는 프로그래밍의 중심 모듈을 프로세스로 삼는 접근 방식입니다. 프로세스는 이벤트나 조건에 의해 트리거되고, 프로세스 내에 정의된 순서에 따라 다양한 역할에 의해 처리되며, 최종적으로 종료됩니다.

시작부터 종료까지 이 전체 흐름을 하나의 단위로 생각하는 것은 인간의 직관에 부합합니다.

이러한 이유로, 요구사항 분석부터 구현, 그리고 테스트와 운영에 이르기까지 소프트웨어와 시스템을 주로 프로세스를 통해 이해할 수 있습니다.

시스템의 주요 프로세스를 구현한 후에는 보조 프로세스 또는 새로운 기능 추가를 위한 프로세스를 플러그인처럼 연결할 수 있습니다.

일부 추가 프로세스는 주 프로세스와 독립적인 이벤트나 조건으로 시작할 수 있지만, 다른 일부는 주 프로세스에 의해 조건이 충족될 때 시작될 수 있습니다.

그러나 그러한 경우에도 주 프로세스를 수정할 필요는 없습니다. 주 프로세스가 시작 조건을 충족할 때 추가된 프로세스가 시작되도록 정의하는 것으로 충분합니다.

또한, 프로세스가 단일 모듈로 처리되기 때문에, 프로세스의 정의에는 해당 프로세스가 수행하는 모든 처리가 포함됩니다.

그뿐만 아니라, 프로세스는 앞서 언급한 시작 조건뿐만 아니라 처리 중에 필요한 정보를 기록하기 위한 변수 및 데이터 영역도 가집니다.

프로세스가 단위 모듈로 취급되고 필요한 모든 처리 및 데이터 영역을 포함하므로, 수많은 프로세스에 걸쳐 처리 및 구조화된 데이터의 중복 구현 가능성이 높습니다.

한 가지 선택지는 이들을 공통 모듈로 만드는 것이지만, 대신 중복을 허용하는 방향으로 나아가는 것도 틀리지 않습니다.

특히 AI가 프로그래밍을 지원하면서, 여러 모듈에 걸쳐 유사하지만 구별되는 많은 구현이 존재하는 것이 문제가 되지 않을 수 있습니다.

처리 및 데이터 유형의 공통성은 주로 개발된 소프트웨어의 프로그램 코드 양을 줄여 관리 및 이해를 용이하게 하는 것을 목표로 합니다.

그러나 AI에 의해 구현 코드 관리 비용이 크게 절감된다면, 공통성의 필요성은 줄어듭니다.

따라서 공통성으로 인한 소프트웨어 구조의 복잡성을 피하고, 많은 중복이 있더라도 각 프로세스에 대해 모든 처리 및 데이터 구조를 개별적으로 정의하는 정책은 충분히 합리적입니다.

이는 전역 최적화라는 사고방식에서 개별 최적화로의 전환을 의미합니다. 공통성이 없으면 서로 다른 모듈에 걸쳐 유사한 프로세스를 개별적으로 튜닝할 수 있기 때문입니다.

개별 최적화 사회

프로세스 지향적 사고를 적용한 소프트웨어와 마찬가지로, AI 기반 자동화가 높은 효율성과 생산성을 가져오는 사회에서는 사고방식이 전역 최적화에서 개별 최적화로 전환됩니다.

이는 개별 최적화 사회라고 부를 수 있는 현상입니다.

우리 사회에는 규칙, 상식, 예절, 일반 지식과 같은 다양한 공통 가치와 기준이 있습니다.

그러나 이러한 것들이 모든 상황과 환경에 엄격하게 적용된다면, 많은 예외적인 경우에 불편함이 발생합니다.

따라서 우리는 공통 가치와 기준을 강조하면서도, 개별적인 상황과 환경에 따라 유연한 판단을 허용합니다.

이는 규칙에 명시된 명시적인 예외 조항이거나, 개별 사례별로 판단해야 한다는 규칙일 수 있습니다. 또한, 명시적으로 문서화되지 않더라도 암묵적인 이해일 수 있습니다.

예를 들어, 법률에는 다양한 예외 조항이 명시적으로 규정되어 있습니다. 또한, 법률에 명시적으로 규정할 수 없더라도, 사법 제도를 통해 개별 사건에 따라 형량이 영향을 받습니다. 정상 참작은 정확히 개별 상황을 반영한다는 생각입니다.

이러한 관점에서 보면, 모든 상황과 환경의 개별성을 신중하게 확인하고 그 개별성에 기반하여 판단하는 개별 최적화의 개념이 이미 사회에 깊이 뿌리내리고 있음을 알 수 있습니다.

반면에, 모든 것을 개별적으로 신중하게 판단하는 것은 확실히 비효율적입니다. 따라서 높은 효율성이 중요한 시대에는 전역 최적화가 추구됩니다.

그러나 AI를 통해 사회가 고도로 효율화될수록 전역 최적화를 추구하는 가치는 줄어듭니다. 그리고 각 개별 상황과 환경에 대해 신중한 판단이 이루어지는 개별 최적화 사회가 실현되어야 합니다.

주관적 철학

상황이나 환경에 따라 개별적으로 최적의 판단을 내린다는 것은, 일반적인 판단을 즉시 적용하는 대신 숙고해야 함을 의미합니다.

저는 숙고하는 행위 자체가 가치를 지닌다는 이러한 윤리적 관점을 "주관적 철학"이라고 부릅니다.

모든 사건은 언제나 "지금", "여기"에서 다른 사건과는 구별되는 고유한 개별성을 지닙니다. 이러한 개별성을 고려하여 판단을 내릴 때 "나"에게 상응하는 책임이 부과됩니다.

개별성을 무시하고 틀에 박힌 표준화된 판단을 내리거나, 숙고를 포기하고 되는대로 판단을 내리는 것은 결과의 좋고 나쁨과 상관없이 비윤리적입니다.

반대로, 판단의 결과가 의도치 않은 결과를 초래하고 나쁜 일이 발생하더라도, 그 판단이 여러 관점에서 충분히 숙고되었고 책임이 다해졌다면, 그 판단 자체는 윤리적입니다.

이처럼 우리가 효율성과 표준화의 개념을 넘어설 수 있게 되면서, 온디맨드 개별 최적화, 즉 주관적 철학이 요구되는 시대에 진입하게 될 것입니다.

프레임워크 설계

철학이든, 사회든, 소프트웨어든 최적화를 위해서는 개념적 구조인 프레임워크가 중요합니다.

이는 각 대상을 어떤 관점에서 보고 어떻게 평가하느냐에 따라 최적화의 방향이 달라지기 때문입니다.

전역 최적화의 관점에서는 프레임워크가 다양한 것들을 고도로 추상화하고 가능한 한 단순하게 만들어야 합니다. 이 추상화 과정에서 개별성은 상실됩니다.

반면에 개별 최적화의 경우, 특정 사건이나 대상에 맞춰 다양한 관점에서 사건이나 대상을 파악하고 평가하는 것이 바람직합니다.

전역 최적화의 경우, 다양한 것들을 이해하기 위해 어떤 프레임워크를 사용해야 할지 고려하는 데 소수의 사람들만으로 충분했습니다.

대부분의 사람들은 소수의 사람들이 고안한 프레임워크에 따라 사물을 이해하고 평가하며 판단할 수 있었습니다.

그러나 개별 최적화의 경우, 많은 사람들이 개별적인 사안의 개별성을 적절하게 파악하기 위해 각 개별 사안에 대한 프레임워크를 고안해야 할 필요가 생길 것입니다.

따라서 프레임워크를 설계하는 능력과 기술이 많은 사람들에게 요구될 것입니다.