1973년 이후 세계는 거대한 침체(the great stagnation)로 명명되는 ‘생산성 증가 둔화’를 경험해오고 있다.
그럼에도 경제 성장이 가능했던 이유는 70~80년대 베이비붐 세대의 유입과 90년대 시작된 세계화의 물결 때문이었다.
하지만 이러한 일회성 이벤트는 그 효과가 사라지고 있다.
다행스럽게도 기술 주도 생산성 성장의 새로운 물결이 그 바통을 이어받았다.
새로운 기술 혁신의 물결이 가져올 위협과 기회는 무엇일까?
기술 주도 경제 혁명이 중요한 이유는 무엇일까?
**
대량생산기술 경제 혁명의 ‘황금기’와 그 ‘성숙’ 단계는 대략 1943년부터 1974년까지 진행되어 빠르고 지속적인 생산성 성장의 물결을 가져왔다.
특히 미국에서는 이 시기 1인당 소득과 부가 전례 없이 증가하기도 했다.
그러나 1973년 이후 세계는 ‘거대한 침체’라는 생산성 증가 둔화를 경험해오고 있다.
이 슬럼프가 잠깐 유예된 시기가 있는데, 바로 1997년부터 2005년까지의 기간으로 인터넷이 주도하여 생산성을 급증시킨 시기였다.
1943년부터 2005년까지, 약 50년 동안 측정 가능한 경제 성장은 주로 70년대와 80년대 베이비붐 세대를 통한 노동자이자 소비자였던 인구의 유입, 1991년 냉전 종식에 따른 세계화 물결 때문이었다.
즉 단기적이고 1회에 한 하는 인구 통계학적, 그리고 지정학적 사건에 의해 촉진되었을 뿐이다.
그러나 오늘날 베이비붐 세대들은 은퇴로 사라지고 있으며, 세계화는 그 효과가 역전되고 있다.
다행스러운 점은 기술 경제 혁명 이론 중 디지털 기술 경제 혁명이 이제 ‘황금시대’를 본격적으로 이끌고 있다는 점이다.
따라서 우리는 앞으로 어떤 것들이 일어날 것인지 예의주시해야 한다.
현재 상당한 수의 경제학자들, 기업경영 관리자들, 정책 입안자들은 노동력 감소, 천연 자원 제약 및 의존 비율 증가로 인해 경제 성장이 약화되어, 인간의 건강과 행복이 감소할 것이라 우려하고 있다.
이러한 문제의식은 그리 놀라운 일이 아니다.
1980년대 후반부터 ‘인구학적 겨울’로 더 잘 알려진 세계적인 ‘인구 변화’로 인한 불가피한 영향은 이미 경고되어 왔다.
도시화와 산업화 경향은 OECD 국가들을 포함하여, 전 세계 대부분의 새롭게 산업화된 세계에서 출산율 붕괴를 가져왔다.
그 결과 20세기에 목도했던 것보다 더 적은 수의 신규 노동자 유입, 그리고 새로운 소비자 프로파일이 생겨났다.
따라서 지속적으로 번영하려면 더 높은 생산성이 요구되는 동시에 진화하는 소비자 프로파일의 현실에 최적화된 다양한 신제품 및 서비스를 보다 효율적으로 제공해야 한다.
다행스럽게도 빠르게 성숙하는 기술들이 합류하면서 1948년부터 1973년까지 미국이 경험한 것과 같은 수준의 생산성 증대를 제공할 준비를 갖추고 있다.
이 기술 변화를 지원하는 데 필요한 다면적 변환은 장기적으로 거의 모든 사람에게 큰 혜택을 안겨줄 것이다.
다만 향후 10년 동안 거대한 승자와 일부 큰 패자가 발생할 것이다.
이로 인한 불확실성은 그 수준이 광범위하여 사람들에게 두려움을 불러일으키고 있는 것도 사실이다.
무엇이 그러할까? 사실을 고려해보자.
기술 경제 혁명의 다음 물결은 깊게 그리고 광범위하게 퍼질 것이다.
19세기가 농업에서 제조업으로, 20세기가 제조업에서 서비스업으로 전환되었듯 21세기에 우리는 기존에 알고 있던 서비스 경제에서 새롭고 다른 것으로의 전환을 경험할 것이다.
이것이 기존의 농업, 제조업 또는 서비스를 위축시킬 것이라는 의미는 아니다.
사실 우리는 2100년에 지금보다 훨씬 더 좋은 식품, 공산품, 서비스를 생산할 것이다.
그러나 그 미래에는 가치 창출 프로세스가 훨씬 더 효율적이고 효과적일 것이고 소비자 우선순위는 지금과 상당히 다를 것이다.
즉, 제품, 직업, 공급망, 시장 등 모든 것이 오늘날 사람들이 경험하는 것과 다를 전망이다.
오늘날의 상거래를 남북전쟁 당시 사람들이 과연 상상이나 했을까? 물론 일부분은 변화하지 않을 것이다.
사람들은 여전히 자신의 건강, 안전, 행복을 극대화하기를 원할 것이다.
다만 이를 달성하는 방법은 인구 통계학적, 제도적 제약 내에서 작동하는 사용 가능한 기술에 따라 달라질 것이다.
필연적으로 모든 혁명들은 판도를 바꾸는 제품이나 서비스가 시장에 진입하여 소비자 수요와 관련 기술 혁신의 물결을 촉발하는 티핑 포인트에 도달한다.
주요 사례로 싱어의 재봉틀, 에디슨의 전구, 벨의 전화기, 포드의 모델T 자동차, IBM의 오리지널 PC, 팀 버너스리의 월드와이드웹 프레임워크, 애플의 아이폰 등이 있다.
이들은 각각 해당 시대의 경제에 혁명을 일으킨 소비 및 비즈니스 혁신의 쓰나미를 일으켰다.
2023년, 우리에게 일어난 일 중 어떤 것이 이런 혁명의 바통을 이어받을 것인가? 그중 하나인 오픈AI(OpenAI)의 챗GPT(ChatGPT)가 2023년 4월 이후 진정으로 파괴적인 제품 라인에 합류할 준비가 된 것으로 보인다.
‘UBS 보고서’에 따르면 챗GTP는 2022년 11월 첫 출시 이후 60일 만에 월간 사용자 1억 명을 돌파했다.
이로써 챗GPT는 역사상 가장 빠르게 성장하는 소비자 앱이 되었다.
포드의 모델T나 애플의 아이폰과 마찬가지로 챗GPT도 혼자는 아니다.
챗GTP의 현재 주요 경쟁자로 구글의 바드(Bard), 중국 바이두(Baidu)의 어니(Ernie), 딥마인드(DeepMind)의 스패로우(Sparrow), 메타(Meta) 블렌더봇(BlenderBot)이 있다.
잠재적으로 챗GPT를 능가할 잠재력이 있는 블룸(BLOOM)으로 불리는 EU 기반의 대안, 아직 등장하진 않았지만 엘런 머스크의 트루스GTP(TruthGTP)도 있다.
선두주자 챗GPT의 가장 기본 버전은 무료로 사용할 수 있는 인공지능 챗봇 제품으로, GPT-4 구조를 기반으로 한다.
GPT-4는 시퀀스에서 다음 단어가 나올 확률을 확인하는 딥 러닝 알고리즘을 포함하는 소위 ’대규모 언어 모델‘이다.
GPT는 ’제너레이티브 프리-트레인드 트랜스포머(Generative Pre-Trained Transformer)‘의 약자로 ‘사전에 훈련된 생성 변환기’라는 의미이다.
이러한 유형의 컴퓨터 모델은 신경망을 사용하여 ‘언어 패턴’에 대한 컨텍스트(context), 즉 문맥, 맥락, 전후 사정을 학습한다.
그러한 언어 패턴은 음성 언어 또는 컴퓨터 프로그래밍 언어일 수 있다.
챗GPT와 그 경쟁자들의 기반이 되는 ‘대규모 언어 모델’은 자신이 말하는 내용을 ‘인지하지’ 못하지만, 훈련에 사용된 ‘데이터 세트’를 기반으로 어떤 기호나 단어가 뒤따를지 알고 있다.
챗GPT의 경우 월드 와이드 웹(World Wide Web)의 많은 부분을 구성하는 데이터 세트를 기반으로 학습되었다.
거기에서 인간은 인공 지능이 생성한 출력에 대한 피드백을 제공하여 사용된 단어가 의미가 있는지 확인했다.
즉, 챗GPT와 같은 인공지능 챗봇은 정보에 입각한 지능적인 결정을 내리지 않는다.
대신, 그들은 ‘앵무새’의 인터넷 버전이다.
이들은 단순히 자연스러운 대화 과정에서 서로 옆에서 발견될 가능성이 있는 단어를 반복한다.
즉, 이들의 기본 계산은 모두 확률에 관한 것이다.
사실 이러한 기본 계산과 확률로 이들은 인간이 생성하는 데 몇 시간 또는 며칠이 걸리는 텍스트를 단 몇 초 만에 생성할 수 있다.
이미 여러 기관에서 챗GPT의 ‘질문에 대한 답변 기능’을 소프트웨어 기능에 이미 통합했다.
오픈AI에 자금을 제공하는 마이크로소프트는 빙(Bing) 검색에서 미리보기로 챗GPT를 출시했다.
그리고 세일즈포스닷컴(Salesforce.com)은 아인슈타인(Einstein) 디지털 비서의 형태로 일부 CRM 플랫폼에 챗GPT를 추가했다.
개인용 컴퓨터, 아이폰, 월드 와이드 웹에서 목도하였듯이, 비용은 급감하고 기능은 급증하면서 이러한 대규모 언어 모델에 대한 새롭고 예상치 못한 용도가 빠르게 등장할 것을 우리는 예상할 수 있을 것이다.
챗GPT는 영리, 비영리 조직을 모두 운영하는 실험연구소인 오픈AI에 의해 구축되었다.
2015년 창립 당시 오픈AI는 아마존 웹 서비스, 인포시스(InfoSys) 및 YC 리서치(YC Research)는 물론 엘론 머스크와 피터 틸(Peter Thiel)을 포함하는 기술 투자자들로부터 자금을 수혈 받았다.
이후 머스크는 이들과 관계를 끊었고, 마이크로소프트가 오픈AI에 100억 달러의 자금을 제공했다.
하버드대학교의 클레이튼 크리스텐슨(Clayton Christenson) 교수는 챗GPT가 마침내 검색, 요약, 심지어 단순한 소프트웨어 제작과 같은 업무를 수행할 수 있게 됨으로써, 기존에 이 기능을 수행했던 이들을 큰 혼란에 빠뜨렸다고 말했다.
비즈니스 맥락에서 챗GPT는 컴퓨터 코드 작성 및 디버깅을 수행하고 기본 보고서, 프레젠테이션, 이메일 및 웹 사이트를 생성하여 생산성을 현실적으로 향상시킬 수 있다.
마이크로소프트는 오픈AI가 워드, 365 비즈니스 제품군의 일부에 제공된다고 발표하면서 그 주요 기능을 선보였는데, 이러한 기능은 이 인공지능이 가져올 거대한 물결의 시작에 불과할 것이다.
한편, 인공지능의 채택 범위가 빠르게 진화하고 있는데, 이로 인해 이전 시대의 공장, 개인용 컴퓨터, 전기가 그러했듯이, 인공지능 또한 공격적인 반발을 불러일으키고 있다.
이 저항에는 일자리를 잃을까 두려워하는 노동자, 자신의 고유 영역을 지키기 위해 인공지능과 경쟁해야 하는 사람들, 인간이 세상을 통제할 수 없을지를 두려워하는 평범한 사람들이 포함된다.
아마도 인공지능이 지구를 장악한다는 공상과학 소설에서 영감을 받았을지 모르지만, 기술 분야의 일부 유명 인사들은 이미 인공지능에게 ‘자율 통제(free reign)’를 부여하는 것에 주의를 촉구하고 있다.
2023년 4월 엘론 머스크를 비롯하여 많은 사람들이 서명한 청원서는 더 많은 보호 장치가 구축되기 전까지 기업들이 대규모 인공지능 개발을 중단할 것을 촉구했다.
이에 대해 오픈AI는 자사 제품이 법 집행 또는 거버넌스와 관련된 결정에 사용하기 위한 것이 아니라고 주장했다.
그러나 이러한 주장이 여론을 왜곡하는 편견에 대한 우려를 해소해주진 못했다.
인공지능의 인간 세상 지배보다 더 시급한 문제인 개인정보 보호로 이탈리아는 챗GPT를 금지시켰다.
이에 대해 오픈AI는 챗GPT가 유럽 연합의 엄격한 개인정보 보호 규칙 내에서 작동하는 방법을 찾기 위해 노력 중이다.
인공지능 솔루션은 사무 작업, 소프트웨어 프로그래밍, 고객 서비스를 비롯해 현재 많은 수의 인력이 고용되어 있는 다양한 경제 영역을 잠재적으로 변화시킬 것이기 때문에 점점 더 논란이 되고 있다.
이러한 직업군은 ‘산업용 기계, 로봇과 관련된 전통적인 블루칼라 영역의 자동화’와 ‘인공지능이 인간 혼자서는 할 수 없는 기능을 수행할 수 있는 정제된 과학적 영역’ 사이에 있다.
그 결과, 이러한 도구의 적절한 사용에 대한 논의는 감정적이고 다면적이고 분열적으로 변모하고 있다.
장기적으로 ‘블루칼라’와 ‘골드칼라’ 인공지능 시스템으로 불리는 것은 다른 중간 단계의 애플리케이션보다 경제에 훨씬 더 큰 영향을 미칠 가능성이 높다.
미국의 경우, 앞으로 10년 동안 경제 전반의 재산업화가 예고되어 있어 특히 더 그렇다.
그 이유를 알고 싶다면 인공지능이 인간의 잠재력을 비약적으로 증폭시킬 수 있는 방법을 생각해보면 된다.
각종 매체에서 수없이 보도되고 소개된 것과 같이, 상당히 많은 부문의 과학 및 공학 분야에서 인공지능은 인간의 능력을 이미 압도했다.
각각 수백 개의 정확한 매개 변수와 수백만 개의 데이터 포인트가 포함된 수천 개의 엄격한 실험을 수행하고 해석하는 일은 인간으로서는 처리할 수 없는 작업이다.
이러한 작업은 현재와 미래의 인공 지능 시스템의 강점이 고스란히 적용되는 부문이다.
약물 발견, 의료 진단, 합성 생물학, 재료 과학과 같은 수많은 과학 분야에서 전통적인 인간 연구자들이 접근할 수 있는 방법은 자신들의 손이 닿는 낮은 곳에 위치한 과일만 따는 것이다.
하지만 인공지능은 인간 연구자들이 접근할 수 없었던 완전히 새로운 수준의 문을 열 것을 약속하고 있다.
앞으로 수년 내 산업계, 정부, 대중은 인공지능이 우리의 삶과 경제에서 수행할 정확한 역할을 결정할 것이다.
그 과정에는 다양한 의제를 가진 정치 및 시장 행위자들이 모두 참여하게 될 것이다.
오늘날 누가 승자와 패자가 될지를 예견하는 건 어렵고 불분명하다.
하지만 인공지능이 다양한 형태로 널리 보급될 것이며 여러 수준에서 생산성을 크게 높일 것으로 보는 것이 정확할 것이다.
이러한 새로운 기술 경제 혁명에 대해 우리는 다음과 같은 예측을 내릴 수 있을 것이다.
첫째, ‘인간의 의식’과 같은 것을 모방하는, 범용 인공지능(Artificial General Intelligence, AGI)은 구글의 레이 커즈와일(Ray Kurzweil)과 같은 열성 팬들만이 포용하는 환상으로 남을 것이다.
범용 인공지능은 특정 문제뿐만 아니라 주어진 모든 상황에서 생각하고 학습하고 창작할 수 있는 능력을 컴퓨터로 구현하는 기술, 혹은 이에 대한 연구로 인공지능 연구의 궁극적 목표 중 하나이다.
커즈와일은 그의 유명한 2005년 저술서 ‘특이점이 온다(The Singularity is Near)’에서 범용 인공지능이 2040년 정도에 가능할 것으로 예측했다.
우리는 현재 그가 예측한 그 시기의 절반 정도에 있고, 오늘날 기계 학습은 더 나은 기초 하드웨어와 상당히 많은 교육 데이터로 인해 확실히 더 ’효과적인‘ 상황이 되었다.
하지만 컴퓨터는 현재도 ’의식적‘이지 않다.
컴퓨터는 단순히 더 많은 입력을 통해 동일한 작업을 더 빠르게 수행할 뿐이다.
커즈와일과 같은 소위 트랜스휴머니스트(transhumanist)들은 그들의 의식을 인공지능 시스템에 업로드하여 문자 그대로 ‘불멸’을 달성하는 것을 꿈꾼다.
그러나 현재 과학은 업로드할 수 있는 뇌 기능의 표현이 실제로 ‘당신’이라고 믿을 만한 근거를 거의 제공하지 않는다.
따라서 래리 페이지와 같은 유물론자들의 희망과 투자에도 불구하고 인공지능을 통해 불멸을 추구하는 사람들은 아쉽게도 실망감을 맛보게 될 것이다.
둘째, 우리의 삶, 문화, 문명에 대한 인공지능의 주요 위협은 시스템 자체의 ‘마음’이 아니라 창조자의 편견과 우선순위에서 비롯될 것이다.
진정한 과학적 발견을 일구고, 제품을 제조하고, 일상생활에서 우리에게 서비스를 제공하는 것과 관련하여 인공지능은 이전 시대의 파괴적인 범용 기술보다 더 위협적이지 않다.
그러나 챗GPT와 같은 대규모 언어 모델은 우리의 인식에 부정적 영향을 미칠 수 있는 전례 없는 잠재력을 가지고 있다.
엘론 머스트와 다른 전문가들이 인공지능 초기부터 주장해 왔듯, 이 기술은 개발자의 편견이 투입되어 객관적 진실을 왜곡하는 데 사용될 수 있다.
예를 들어, 하버드대학교의 최근 연구에 따르면 구글은 단순히 ‘검색 편향’을 사용하여 최근 선거에서 유권자 선호도를 바꾸는 데 성공했다.
챗GPT와 같은 인공지능 기반 콘텐츠 도구는 그 기능을 강화하고 기술이 아이디어 시장을 왜곡하는 것을 방지하기 위해 무엇을 할 수 있는지에 대한 논쟁을 강화할 것이다.
이에 대규모 언어 모델은 우리 삶에서 ‘빅 테크 기업들’의 역할에 대한 입법적 및 사법적 영역의 지속적 재평가 면에서 중요한 문제가 될 것으로 예상된다.
셋째, 과거의 기술 경제 혁명들의 중추적 범용 기술과 달리, 인공지능은 노동력의 가장 높은 영역에 가장 크고 즉각적인 영향을 미칠 것이다.
인공지능은 임금이 낮고 성숙한 산업에는 적어도 단기적으로는 혼란을 줄 가능성이 그다지 높지 않다.
언젠가는 인공지능이 택시 운전수, 창고 노동자, 트럭 운전수뿐만 아니라 제조, 소매, 고객관리, 식품서비스 분야의 일반 노동자들에게도 영향을 미칠 것이지만, 2020년대의 판도를 바꾸는 이 응용 프로그램은 상대적으로 새로운 전자 상거래 산업뿐만 아니라 과학 연구, 의학, 소프트웨어 개발, 엔지니어링 등의 희소 분야에 우선적인 영향을 먼저 미칠 것이다.
최근까지 인간의 본질적인 한계와 기술 부족으로 가장 제약을 많이 받은 영역일수록 더욱 그렇다.
두려워할 필요는 없다.
스프레드시트가 비즈니스 분석가들에 대한 더 많은 수요를 창출한 것처럼 인공지능 연구개발 도구는 과학자와 엔지니어들에 대한 더 많은 수요를 창출할 것이다.
넷째, ‘일자리를 파괴하는 인공지능’이라는 경고와 달리 2020년대 나머지 기간 특히 미국에서는 ‘하드 스킬’을 보유한 노동자들의 수요가 급증할 것이다.
베이비 붐 세대가 은퇴하고 미국이 제조 기반을 획기적으로 업그레이드함에 따라 배관공, 전기 기사, 중장비 기사, 트럭 운전수, 자동화 기술자 등의 ‘하드 스킬’ 직종의 노동력이 점점 더 부족해질 것이다.
성숙한 밀레니얼 세대와 계속되는 이민으로 특히 건설 산업에서의 노동력 부족은 당장 현실의 문제로, 인공지능과 새로운 기술들이 이러한 부족한 노동력을 대체할 것이다.
다섯째, 자율주행 자동차와 트럭이 등장하고 있지만 적어도 이들이 2030년대 중반 이전까지는 운전 관련 일자리를 거의 없애지 못할 것이다.
자율주행 자동차에 있어 여러 부문에 대한 책임 소재의 문제는 생각보다 제도적 장벽의 높이가 예상보다 훨씬 더 높은 것으로 나타났다.
미국보다는 경제에 대한 통제가 다소 덜 한 싱가포르와 아랍 에미리트와 같은 국가들이 이러한 솔루션을 먼저 출시하여 적용했을 때 이것이 실제로 안전한지 확인해야 할 것이다.
여섯째, 인공지능이 조종하는 소형 자율 항공기들이 2040년에 이르러 보편화될 것이다.
이르면 2025년, 파일럿이 조종하는 항공 택시가 등장하여, 인공지능에 기반하는 기술 지원에 크게 의존하는 새로운 종류의 파일럿들을 위한 고용 기회를 창출할 것이다.
물론 진정한 자율 항공 택시는 훨씬 나중에 상업 서비스에 들어갈 것이다.
그것은 규제 당국과 소비자들이 고속도로를 장악한 레벨 5 수준의 자율 주행 자동차와 트럭에 익숙해지는 것과 같은 시기에 일어날 가능성이 높다.
한편 무인 화물 드론은 원격 조종을 시작으로 2020년대 후반부터 보편화될 전망이다.
이는 상품 배송 경제에 큰 영향을 끼칠 것이고, 점점 더 많은 지상 기반 드론 조종사 및 유지 보수 인력에 대한 수요를 창출할 것이다.
그리고 2030년에 이르면, 비상 상황에서만 인간이 원격 개입하는 형태의, 완전 자율 인공지능 기반 화물 드론이 일부 지역에 널리 배치될 것이다.
일곱째, 휴머노이드 로봇이 놀라운 가격 및 성능 목표를 달성할 수 있더라도, 비경제적 요인으로 인해 2035년까지 인간 노동력 부족에 의미있는 해결책을 주지 못할 가능성이 높다.
제조 및 노인 간호 응용 분야에서 엘론 머스크의 범용 휴머노이드 로봇 개념을 활용하는 것을 포함한 골드만 삭스(Goldman Sachs)의 시장 분석을 보자.
이 분석에서 미국기업연구소 경제학자 제임스 페타쿠키스(James Pethakoukis)는 신뢰, 안전, 개인정보 보호와 관련된 문제들이 로봇 도입에 대한 정량화하기 어려운 장애물로 식별했다.
다만 일부 환경과 문화는 휴머노이드 로봇의 조기 채택에 심리적으로 더 적합하기도 하다.
예를 들어 ‘혁신’과 ‘생산성’이 시급한 미국의 공장들은 2020년대에 휴머노이드 로봇의 얼리어답터가 될 가능성이 높다.
또한 일본은 소비자 영역에서 이러한 최첨단 혁신을 수용한 최고의 역사를 가지고 있다.
휴머노이드 로봇이 여러 환경에서 그들의 가치를 증명하고, 경제적 효율성을 갖출 때, 세계 경제로 크게 확산될 것이다.
여덟째, 인공지능은 의료 서비스가 2020년대 후반에 이르러 엄청난 혁신의 새로운 시대에 진입할 수 있도록 도울 것이다.
인공지능은 특히 방사선학과 유전체학 분야 중 질병의 진단과 치료를 지원하는 부문에서 이미 급속한 발전을 이루고 있다.
하지만 상업과 치료 부문에 있어 가장 큰 영향은 아마도 신약 발견에 있을 것이다.
인공지능은 이미 신약 발견에 엄청난 속도의 기여를 하고 있다.
급속도로 개선된 가격 대비 성능과 기능의 발전으로 이전에는 불가능했던 혁신의 문이 열린 것이다.
예를 들어 로제타폴드(RoseTTAFold)라는 인공지능 애플리케이션은 최근 다양한 단백질에 대한 정밀한 디자인을 생성할 수 있는, 최초의 본격적인 솔루션이 되었다.
로제타폴드는 원형, 삼각형, 또는 육각형 단백질을 포함하여 여러 대칭의 약물 관련 단백질을 생성할 수 있다.
로제타폴드 연구팀은 실험실에서 몇 가지 단백질 디자인을 합성했는데, 하나는 혈중 칼슘 수치를 조절하는 부갑상선 호르몬에 부착되는 새로운 단백질이었다.
연구팀 리더는 로제타폴드에게 기본적으로 호르몬만 제공하고, 호르몬에 결합하는 단백질을 만들라고 지시했다고 밝혔다.
이후 생성된 새로운 단백질을 테스트했을 때, 연구팀은 다른 계산 방법을 사용하여 생성될 수 있는 어떤 것보다 더 단단하게 호르몬에 부착된다는 것을 발견했다.
인공지능을 통한 신약 발견에 대한 이러한 성공 사례는 새롭게 판도를 바꾸는 신약 발견의 물결이 향후 5년 동안 임상 시험까지 들어갈 가능성이 높은 이유를 보여준다.
결과적으로 인류에게는 더 건강한 삶을, 관련 업계에는 막대한 수익을 안겨줄 수 있다.
아홉째, 인공지능은 2020년대에 재료 과학의 판도를 바꾸는 폭발적인 발전을 촉발할 것이다.
돌, 청동, 철, 강철, 플라스틱, 실리콘, 그래핀과 같은 재료는 항상 사람들이 생존하고 번창할 수 있는 기술이자 경제적 가능성을 정의해 왔다.
지구촌의 문제를 해결하는 각 사회의 역량은 여전히 재료를 설계하고 생산하는 능력에 의해 제한받아 왔다.
여기서 재료는 컴퓨터 칩, 센서, 로봇, 전기 자동차를 비롯하여 무수한 기타 응용 프로그램에 필요한 목표 기능을 가진 것을 의미한다.
경제적으로 중요한 물질이 어디에 있는지는 알 수가 없다.
따라서 주기율표의 모든 요소를 결합하여 생성되는 무한한 물질의 세계에서 그것을 추적하기란 위험도가 높고 복잡하며 종종 긴 여정이 된다.
다행스럽게도 매터리얼에이아이(Material.ai)와 같은 새로운 인공지능 기반 도구가 모든 것을 바꾸고 있다.
이 도구는 인간이 상상할 수 없는 규모로 알려진 재료의 특성과 관계를 검토한다.
이러한 특성과 관계는 원하는 특성을 가진 새로운 재료를 형성할 가능성이 있는 요소 조합을 식별하고 숫자로 순위를 매기는 데 활용된다.
그리고 이 순위는 미지의 화학 공간 탐색을 표적 방식으로 안내하여 실험 조사를 훨씬 더 효율적으로 만드는 데 사용된다.
더 빠르고 저렴하다는 것만이 다가 아니다.
지금까지 기본적인 접근 방식은 기존 재료와 유사하게 새 재료를 설계하는 것이었고, 이는 일반적으로 이미 가지고 있는 재료와 유사한 재료로 이어진다.
하지만 이 새로운 인공지능 기반 도구는 진정으로 새로운 재료를 발견해낸다.
이렇게 발견한 신소재는 신기술을 통해 지구촌의 도전과제를 해결하는 데 도움을 주고, 사회적 이익을 창출할 뿐만 아니라 새로운 과학적 현상과 이해를 밝혀낸다.
그리고 이러한 전반적 이해는 차세대 인공지능을 교육하는 데도 도움을 준다.
의료와 마찬가지로 재료 과학에 대한 인공지능의 기여는 선진국에 더 많은 일자리를 창출하는 막대한 가치를 일궈낼 것이다.
열째, 인공지능 구현을 방해했던 막대한 비용 장벽이 무너지고 있으며 이러한 붕괴는 더욱 가속화될 것이다.
2014년에 전기와 데이터 센터 간접비를 포함하는 최첨단 인공지능 가속기의 총 소유 비용은 3년 유효 수명 기간 1만1천400달러였다.
2030년까지 동일한 처리 기능의 비용이 0.05달러 미만이 될 것으로 예상된다.
22만8천 배의 놀라운 가격 대비 성능 향상이다.
결과적으로 아마존, 구글, 페이스북과 같은 기업에서만 사용할 수 있었던 인공지능 솔루션을 거의 모든 기업가들이 저렴하게 도입할 수 있게 될 것이다.
또한 인공지능으로 인한 생산성 급증은 2030년까지 인공지능 가속기 하드웨어에 대한 1조 7,000억 달러 규모의 글로벌 시장을 창출할 것으로 예상된다.
엔비디아(Nvidia) 인공지능 가속기 시장을 창출했고 오늘날 여전히 선두를 달리고 있다.
하지만 향후 8년 동안 수많은 도전자들이 시장에 진입할 가능성이 높다.
칩 스타트업을 위한 벤처 자금은 지난 5년 동안 두 배로 증가했고, 테슬라의 도조(Dojo) 슈퍼컴퓨터는 신경망을 훈련하고 성능을 극대화하기 위해 인공지능 하드웨어 계층에 수직으로 통합되는 경쟁자이기도 하다.
Resource List
1. Trends. January 2023. Trends Editors. The Putting the Great Stagnation Behind Us.
16. The Mercury News. April 6, 2023 MERCURY NEWS & EAST BAY TIMES EDITORIAL BOARDS. EDITORIAL: Tech must craft AI safety protocols, forget naive call for pause.
Safely Unlocking the Technology Of Exponential Growth
By Global Trends Editor Group
The Together the “golden age” and “maturity” stages of the Mass Production Techno-Economic Revolution ran from roughly 1943-to-1974, bringing a wave of rapid and sustained productivity growth.
Especially in the United States, this led to an unprecedented rise in per capita wealth and income.
But since 1973, the world has experienced a productivity slowdown referred to as “the great stagnation. ”That slump was only interrupted by the Internet-driven productivity surge from 1997 to 2005.
Measurable economic growth during this 50-year period was fueled primarily by one-time demographic and geopolitical events including the influx of workers & consumers from the Baby Boom generation in the 70s and 80s, and the globalization wave that followed the end of the Cold War in 1991.
Today, the Boomers are retiring and globalization is reversing.
Yet the theory of Techno-Economic Revolutions indicates the Digital Techno-Economic Revolution should be surging into its “golden age.”
So, what lies ahead? Most economists, managers and policymakers are worried that some combination of a shrinking labor force, limited natural resources and a rising “dependency ratio” will undermine economic growth, leading to a decline in human health and happiness.
These issues will not come as a surprise to our subscribers.
Since the late 1980s, the Trends editors have been warning about the inevitable implications of a global “Age Wave,” better known as “Demographic Winter.”
The trends toward urbanization and industrialization have led to collapsing birth-rates across the OECD countries as well as most of the “newly industrialized” world.
This resulted in fewer new workers and dramatically different consumer profiles than we saw in the 20th century.
Therefore, continued prosperity will require higher productivity, while more efficiently delivering a host of new products and services optimized for the evolving consumer realities.
Fortunately, a confluence of rapidly maturing technologies is poised to deliver levels of productivity growth like the United States experienced from 1948-to-1973.
The multi-faceted transformation required to support this technological change will benefit almost everyone over the long-term.
However, there will be some big losers, as well as big winners during the coming decade.
The resulting level of uncertainty is creating widespread and often-unwarranted fear.
Consider the facts.
The next wave of techno-economic innovation will be felt far and wide.
Just as the 19th century saw a transition away from agriculture to manufacturing, and the 20th century saw a transition away from manufacturing to services, the 21st century will experience a transition away from the kind of service economy we’ve known to something new and different.
Don’t assume this means that agriculture, manufacturing, or services will atrophy.
In fact, we’ll produce far more and better foods, manufactured goods, and services in 2100 than we do today.
However, the value creation process will be dramatically more efficient and effective, while consumer priorities will be substantially different.
That means the products, jobs, supply chains and markets will be as different from what people experience today, as today’s commerce is from what people knew at the time of the Civil War.
However, some things don’t change.
People still want to maximize their health, safety, and happiness.
But how they accomplish this depends on the available technologies, acting within our demographic and institutional constraints.
Inevitably, each revolution reaches a tipping point at which a game-changing product or service enters the marketplace triggering a wave of consumer demand and related technological innovation.
Key examples include Singer’s Sewing Machine, Edison’s electric light bulb, Bell’s telephone, Ford’s Model T automobile, IBM’s original PC, Tim Berners-Lee’s World Wide Web framework, and Apple’s iPhone.
Each of these set off a tsunami of consumer and business innovation which revolutionized the economy of their era.
As of April 2023, OpenAI’s ChatGPT (or an alternative like Elon Musk rumored “TruthChat”) appears poised to join this line of truly disruptive products.
Within 60 days of its launch in November 2022, it reached 100 million monthly users, according to a UBS report.
That makes ChatGPT the fastest-growing consumer app in history.
And, like the Model T and the iPhone, ChatGPT is not alone.
As of this writing, it’s primary competitors are Google’s Bard, Baidu’s Ernie, DeepMind’s Sparrow and Meta’s BlenderBot.
Others which potentially outperform ChatGPT include an EU-based alternative called BLOOM and Musk’s yetto-emerge TruthChat.
The most basic version of ChatGPT is a free-to-use AI chatbot product.
It is built on the structure of GPT-4.
GPT-4 is a so-called “large language model,” which includes a deep learning algorithm that checks for the probability of which words might come next in a sequence.
The abbreviation GPT stands for generative pre-trained transformer.
This type of computer model uses a neural network to learn context about any “language pattern.”
That language pattern might be a spoken language or a computer programming language.
The large language models underlying ChatGPT and its competitors don’t “know” what they are saying, but they do know what symbols or words are likely to come after one another based on the “data set” used to trained them.
In ChatGPT’s case, it was trained on a data set consisting of a large portion of the World Wide Web.
From there, humans gave feedback on the output generated by the artificial intelligence to confirm whether the words it used made sense.
That means that artificial intelligence chatbots, such as ChatGPT, don’t really make intelligently informed decisions; instead, they’re the internet’s version of “parrots”; they simply repeat words that are likely to be found next to one another in the course of natural speech.
The underlying math is all about probability.
The companies that make and use these AI chatbots promote them as potential “symbolic productivity genies.”
They can already generate text in a matter of seconds that would take a human hours or days to produce.
Several organizations have already incorporated ChatGPT’s ability to answer questions into software features.
Microsoft, which provides funding for OpenAI, rolled out ChatGPT in Bing search as a preview.
And Salesforce.com has added ChatGPT to some of its CRM platforms in the form of its Einstein digital assistant.
As we saw with the PC, iPhone and World Wide Web, we can expect new and unexpected uses for large language models to rapidly emerge as costs plummet and capabilities soar.
ChatGPT was built by OpenAI, a research laboratory with both nonprofit and for-profit branches.
At the time of its founding in 2015, OpenAI received funding from Amazon Web Services, InfoSys and YC Research as well as tech investors including Elon Musk and Peter Thiel.
Since then, Musk has cut his ties with the company, while Microsoft has provided $10 billion in funding for OpenAI.
As Harvard’s Clayton Christenson might have said, ChatGPT is finally “good enough” to disrupt mainstream functions like search, summarization, and even simple software production.
In a business context, ChatGPT can realistically enhance productivity by writing and debugging computer code, as well as creating basic reports, presentations, emails and websites.
Microsoft showed off key features when it announced that OpenAI is coming to Word and some other parts of the Microsoft 365 business suite.
And this first wave of capability is likely just the beginning of a whole wave of AI-based consumer functionality.
Meanwhile, AI’s trajectory of adoption is rapidly evolving.
Just like factories, personal computers, and electricity in earlier eras, AI has spawned aggressive push-back.
This resistance features workers afraid of losing their jobs, AI competitors jockeying for position, and ordinary people afraid of losing control of their world.
Perhaps inspired by science fiction stories about AI taking over the earth, some high-profile players in tech are already urging caution about giving AI “free reign.”
In April, a petition signed by Elon Musk and many others urged companies to pause large AI development until more safeguards can be built in.
In response, OpenAI insisted that its products are not intended for use in decisions related to law enforcement or governance.
However, this does not address concerns about its biases distorting public opinion.
Privacy, which is a more pressing concern than global domination, has led Italy to ban ChatGPT.
In response, OpenAI is working to find a way to let ChatGPT work within the European Union’s strict privacy rules.
Such solutions have become increasingly controversial because they’ll potentially transform clerical tasks, software programming, customer services, and other areas of the economy where large numbers of humans are now employed.
These jobs lie between the traditional “blue collar” automation associated with industrial machines & robots, and the rarified scientific specialties in which AI can perform functions that no human could ever hope to do alone.
As a result, the expanding debate over the proper use of these tools is rapidly becoming emotional, multifaceted, and divisive.
Over the longer term, what we like to call “blue collar” and “gold collar” AI systems are likely to make a far bigger impact on our economy than these mid-tier applications.
That’s especially true as North America reindustrializes in the coming decade.
To see why, consider how AI can and will lead to a quantum leap in human potential.
As we’ve explained in prior issues, human capabilities have been overwhelmed in many scientific and engineering disciplines.
Conducting and interpreting thousands of rigorous experiments each involving hundreds of precise parameters and millions of data-points is a task the human mind is not equipped to handle.
However, it’s ideally suited to the strengths of current and future artificial intelligence systems.
In many fields like drug discovery, medical diagnostics, synthetic biology, and materials science, the low-hanging fruit accessible to traditional human researchers has been picked, but AI promises to unlock a whole new level of discoveries otherwise inaccessible to mankind.
Over the next few years, business, government, and the public will determine the precise roles AI will play in our lives and in our economy.
That process will involve both political and market actors with diverse agendas.
Today, it’s unclear who the winners and losers might be.
However, it’s safe to say that artificial intelligence will become pervasive in many forms, and it will substantially increase productivity at many levels.
Given this trend, we offer the following forecasts for your consideration.
First, General Artificial Intelligence (or GAI) with something resembling “human consciousness” will remain a fantasy embraced by enthusiasts like Google’s Ray Kurzweil.
In his famous 2005 book The Singularity is Near , Kurzweil forecast that GAI would be available by 2040.
We’re half-way there and machine learning has certainly gotten more “effective,” primarily because of better underlying hardware and more training data.
However, as Trends forecast at the time, computers are no more “conscious” now than they were then.
They simply do the same things faster using more input.
So-called “transhumanists” (like Kurzweil) dream of achieving literal “immortality” by uploading their “consciousness” to an AI system.
But, as explained in our December 2022 issue, current science gives us little reason to believe that any uploadable representation of your brain function would actually be “you.”
So, despite the hopes and investments of materialists like Larry Page, those who seek immortality via AI will be sadly disappointed.
Second, AI’s primary threat to our lives, culture and civilization will come from the biases and priorities of its creators, not the “mind” of the system itself.
When it comes to making genuine scientific discoveries, manufacturing products and serving us in our daily lives, AI is no more threatening than disruptive general-purpose technologies of prior eras.
However, large language models like ChatGPT have an unprecedented potential to adversely influence our perceptions.
As Elon Musk and other experts have been insisting since the infancy of AI, such technology can be used to distort the objective truth by inserting its developers’ biases.
For example, a recent study by Harvard researchers showed that Google succeeded in shifting voter preferences in recent elections simply using “search biases.”
AI-based content tools like ChatGPT will enhance that capability and intensify the debate over what can be done to prevent technology from distorting the marketplace of ideas.
Expect large language models to become a significant issue in the on-going judicial and legislative reassessment of “big tech’s” role in our lives.
Third, unlike the pivotal general-purpose technologies of the first four techno-economic revolutions, AI will have its greatest and most immediate impact within the highest realms of the workforce.
That means lower paying and more mature industries are not the one’s most likely to see disruption, at least in the short-term.
AI will eventually impact taxi drivers, warehouse workers and truck drivers as well as rank-and-file workers in manufacturing, retail, personal care and food service.
However, the game-changing applications of the 2020s will be in the rarified fields of scientific research, medicine, software development and engineering as well as in the relatively new industry of ecommerce.
And that’s good, because it’s those areas which have been most constrained by human limitations and the skills shortages of recent years.
And just as spreadsheets created more demand for business analysts, AI-based R&D tools will create more demand for scientists and engineers doing what they do best.
More complete details appeared in the January 2023 issue.
Fourth, contrary to warnings of “job destroying AI,” the remainder of the 2020s will see demand soar for workers with “hard skills,” particularly in the United States.
Plumbers, electricians, heavy equipment operators, truck drivers and automation technicians will all be in increasingly short supply as Baby Boomers retire and America dramatically upgrades its manufacturing base.
For instance, in order to address the housing shortage driven by maturing Millennials and continuing immigration, the construction workforce, decimated after the 2008 housing crash will be rebuilt and augmented with new technology.
Fifth, self-driving cars and trucks are on the way, but they will eliminate few driving jobs prior to at least the mid-2030s.
As explained previously in Trends , institutional hurdles are proving far higher than expected, especially as related to issues of liability.
Expect countries like Singapore and the UAE to roll-out these solutions first, with less controlled economies watching to see when they are really safe.
Sixth, small autonomous aircraft piloted by AI will become commonplace by 2040.
Piloted air taxis will emerge as soon as 2025, creating employment opportunities for a new kind of pilot who relies heavily on AI-based assistance.
However, truly autonomous air taxis will enter commercial service much later.
In fact, that’s likely to happen in the same time frame that regulators and consumers become comfortable with Level 5 self-driving cars and autonomous 18-wheelers taking over the highways.
On the other hand, unmanned cargo drones will become commonplace in the late 2020s, starting with remote-controlled operations.
As explained in prior issues, this will make a huge impact on package delivery economics.
And it will create demand for a growing cadre of ground-based drone pilots and maintenance personnel.
By 2030, fully autonomous AI-based cargo drones with remote human intervention (in case of emergency) will be widely deployed in some locations.
Seventh, even if humanoid robots can achieve extraordinary price and performance targets, non-economic factors are likely to prevent them from making a significant dent in the labor shortage by 2035.
A recent Trends issue dissected a market analysis by Goldman Sachs involving the use of Elon Musk’s general-purpose humanoid robot concept in manufacturing and elder-care applications.
In that analysis, AEI economist James Pethakoukis, identified issues related to trust, safety and privacy as among the hard-to-quantify impediments to rapid adoption.
Fortunately, some settings and cultures are more psychologically amenable to early adoption of humanoid robots.
For instance, American factories, which extol “innovation,” are likely to become early adopters of humanoid robots in the 2020s.
Meanwhile Japan has the best history of accepting such leading-edge innovations in the consumer domain.
Once humanoid robots prove themselves in such environments, they will diffuse into the global economy when and if the economics make sense.
Eighth, artificial intelligence will enable health care to enter a new era of enormous breakthroughs by the late 2020s.
AI is already making rapid progress in supporting diagnosis and treatment of disease, especially in the areas of radiology and genomics.
But it is AI’s accelerating contributions to drug discovery which will have the biggest impact, both commercially and therapeutically.
Suddenly, advances in price-performance and functionality have opened the door to formerly impossible breakthroughs.
For example, an AI application called RoseTTAFold recently became the first full-fledged solution that can produce precise designs for a wide variety of proteins.
It is able to generate drug-related proteins with multiple degrees of symmetry, including proteins that are circular, triangular, or hexagonal.
The RoseTTAFold team synthesized several of its protein designs in their lab.
One was a new protein that attaches to the parathyroid hormone, which controls calcium levels in the blood.
According to the team’s leader, “We basically gave RoseTTAFold the hormone and nothing else. Then we told it to make a protein that binds to the hormone. ”
When they tested the novel protein in the lab, they found that it attached to the hormone more tightly than anything that could have been generated using any other computational methods, and more tightly than any existing drugs. - This early success shows why it’s likely that a wave of new game-changing drug discoveries created by AI will enter clinical trials over the next five years.
The result will be healthier and happier consumers as well as enormous revenues and profits for the industry.
Ninth, AI will trigger explosive game-changing advances in materials science during the 2020s.
Materials, such as stone, bronze, iron, steel, plastics, silicon and graphene have always defined the technological and economic possibilities which permit people to survive and thrive.
Society’s capacity to solve global challenges is still constrained by our ability to design and make materials with the targeted functionality needed for computer chips, sensors, robots, electric vehicles and myriad other applications.
Since it is not known where economically important materials might exist, the search amounts to a high-risk, complex and often long journey across the infinite space of materials created by combining all of the elements in the periodic table.
Fortunately, new AI-based tools, such as Material.ai, are changing all that.
These tools examine the characteristics and relationships of known materials at a scale inconceivable for humans.
These characteristics and relationships are used to identify and numerically rank combinations of elements that are likely to form new materials with desired characteristics.
Those rankings are used to guide exploration of unknown chemical spaces in a targeted way, making experimental investigation far more efficient. - And it’s not just about being faster and cheaper.
Until now, the default approach has been to design new materials by close analogy with existing ones, which usually leads to materials which are similar to ones we already have.
On the other hand, the new AI-based tools discover truly new materials.
And these new materials not only create societal benefit by enabling new technologies to tackle global challenges, but they also reveal new scientific phenomena and understandings.
Those understandings then help train the next generation of AI.
As with health care, AI’s contribution to material science will create enormous value leading to more jobs across the advanced economies.
And, Tenth, the enormous cost barrier which has impeded AI implementation is now collapsing and this collapse will only accelerate.
In 2014, the total cost of ownership for a state-of-the-art AI accelerator, including electricity & data center overhead, was $11,400 over its 3-year useful life.
By 2030 that same processing capability is expected to cost less than $0.05; that’s an astounding price-performance improvement of 228,000-times!
As a result, AI solutions once only affordable to companies like Amazon, Google and Facebook will be affordable to almost any entrepreneur.
And the productivity surge enabled by AI is expected to create a $1.7 trillion global market for AI accelerator hardware by 2030.
Although Nvidia created the market for AI accelerators and still leads today, many challengers are likely to enter the market during the next eight years.
Venture funding for chip startups has doubled in the last five years, and Tesla’s Dojo supercomputer is a contender that is vertically integrating into the AI hardware layer to train its neural nets and maximize performance.
Resource List
1. Trends. January 2023. Trends Editors. The Putting the Great Stagnation Behind Us.
16. The Mercury News. April 6, 2023 MERCURY NEWS & EAST BAY TIMES EDITORIAL BOARDS. EDITORIAL: Tech must craft AI safety protocols, forget naive call for pause.
