초지능 시대 생존을 위한 AI 교양 수업
 
지은이 : 바오쿤 (지은이), 하은지 (옮긴이)
출판사 : 지니의서재
출판일 : 2026년 08월




    • 인공지능의 탄생부터 AI 파트너 시대까지, 단 한 권으로 꿰뚫는 AI의 모든 것. 컴퓨터의 아버지 앨런 튜링의 대담한 상상에서 출발하여 딥블루와 알파고를 거쳐 온 인공지능의 진화사를 한 편의 거대한 역사 다큐멘터리처럼 펼쳐 놓는다.



    초지능 시대 생존을 위한 AI 교양 수업


    꿈의 제작소: AI가 펼치는 기발한 아이디어의 향연
    미래의 창작 활동: AI는 예술 분야에서 혁신을 일으킬 수 있을까
    AI는 여러 영역에서 이제껏 경험하지 못했던 창의력과 다양성을 마음껏 펼쳐 보일 것이다.

    문학 창작: 감정 표현과 개성화된 스타일
    앞으로 AI는 문학 창작에서 현존하는 기술적 장벽을 뛰어넘어 인간의 감정을 심도 있게 모방할 것이다. 톨스토이의 서술 기법이나 무라카미 하루키의 감각적 문체, 문학 작품 속에 들어 있는 서사 구조를 분석해 감정적인 묘사가 충분히 드러나는 서사 구조를 만들어 낼 수 있을 것이다. 심지어 특정 작가의 고유한 특징과 문체를 기막히게 모방하는 것도 가능하다. 예를 들어 사용자가 "고독과 구원의 서사가 가미된 SF 소설을 써 줘"라고 요구하면, AI는 완벽한 줄거리를 생성하는 것은 물론 사용자가 검색했던 기록을 토대로 선호도를 파악해 그 요소를 가미한다. AI가 창작한 백만 자 소설로 2024년 아쿠타가와상을 수상한 사례가 실제로 있음을 고려하면, 앞으로 이러한 능력은 훨씬 더 발전할 것이다.

    시각 예술 창작: 정밀함과 창의성을 겸비한 창작 혁명
    미술 영역에서 AI는 스타일의 모방을 뛰어넘어 원작자를 넘어서는 모습을 보여 줄 수 있다. 멀티모델 기술을 통해 프롬프트에 있는 추상적인 개념들(예를 들어 ""가득 채워진 와인잔의 씁쓸함"")을 분석한 뒤 그 결과를 물리적 빛 반사 규칙, 예술의 역사 등의 데이터베이스와 결합해 정확한 구도와 감정적 은유가 적절히 겸비된 이미지를 만들어 낼 것이다. 구체적인 예는 다음과 같다.

    (1) 화풍을 융합한 혁신: 반 고흐의 붓 터치와 사이버펑크 룩을 결합한 미래주의 회화 작품을 만들 수 있다.
    (2) 역동적인 협업: 예술가들은 손짓이나 언어를 통해 실시간으로 AI가 생성한 스케치를 수정함으로써 인간과 기기의 컬래버레이션을 실현할 수 있다.
    (3) 3차원 공간 형성: 2차원 스케치를 근거로 3차원 모형을 자동으로 생성해 게임 장면이나 영상 특수 효과에 적용할 수 있다.

    음악 창작: 작곡 어시스트에서 마음을 울리는 메인 창작가로
    AI의 음악 창작은 기존의 단순한 멜로디 생성 방식을 뛰어넘어 인간 작곡가와 깊이 있는 협력을 실현하게 될 것이다. AI는 청취자의 심박수, 뇌파와 같은 생체 정보와 감정적인 피드백을 분석해 그 결과를 음악적 요소에 반영할 것이다.

    (1) 감정 기반 편곡: ""상실-치유""라는 감정선의 변화에 따라 자동으로 그에 어울리는 멜로디 또는 악기의 음색을 생성할 수 있다.
    (2) 문화의 융합: 전통적인 판소리와 전자 음악을 결합해 새로운 유형의 음악을 창조할 수 있다.
    (3) 실시간 공연 협업: 뮤지컬이나 음악회에서 AI는 객석에 있는 관중들의 호응도에 따라 실시간 변주가 가능하다.

    영상 창작: 각본부터 편집까지 모든 과정의 지능화
    미래 AI는 대본부터 영화 제작까지 모든 과정에 참여하게 될 것이다. 사용자가 대략적인 시놉시스를 입력하면 AI는 다음의 작업을 완수한다.

    (1) 대본 생성: 등장인물의 관계와 갈등 구조에 따라 자동으로 대사와 반전 포인트 등을 생성한다.
    (2) 사이버 연기자 생성: 실제 연기자들의 표정을 자세히 분석한 데이터를 기반으로 실제 배우와 유사한 가상의 연기자를 생성한다.
    (3) 맞춤형 편집: 대중의 선호도에 따라(예: 스릴러 혹은 로맨스) 여러 가지 버전의 결말을 생성할 수 있다.
    (4) 멀티모덜 합성: 텍스트, 영상, 오디오가 한데 잘 어우러진 작품을 만들어 관중이 더 몰입할 수 있게 한다.

    인간과 기기의 새로운 협력 시스템: 창조력이 배가 되다
    AI는 인간을 대체해 창작 활동을 할 수 없다. 그러나 작품의 창작 생태계에 핵심적인 인프라가 될 것이다.

    (1) 영감 네트워크: 전 세계 문화 데이터(예: SNS 핫이슈나 고대 문화 유적 발전)를 분석해 예술가들에게 시공간을 초월하는 영감을 제공한다.
    (2) 창작 효율화: 80% 이상의 단순 작업이나 중복 작업(예: 콘티 제작, 악보 제작 등)을 자동으로 처리함으로써 사용자가 핵심적인 창작 활동에 더욱 집중할 수 있다.
    (3) 윤리와 저작권 문제 해결: 블록체인 기술 등을 활용해 AI의 창작물 가운데 인류가 공헌한 정도를 명확히 구분해 공정한 수익 분배 체계를 마련할 수 있다.

    미래의 AI 창작은 ""피라미드"" 구조를 보일 것이다. 가장 밑부분은 AI가 이끄는 규격화된 콘텐츠의 생산으로 이뤄지며, 중간층은 인간과 기계의 협업으로 만들어지는 혁신의 영역이 될 것이다. 가장 윗부분은 인간만이 수행 가능한 독특하고 철학적인, 참신한 아이디어로 구성될 것이다. 이러한 협업 모델은 새로운 예술 형식(예: AI가 만드는 메타버스)을 탄생시켜 ""창의력""이라는 개념을 새롭게 정의하게 된다.

    앞으로 인류는 ""왜 창작해야 하는가""와 같은 질문을 고민하고 답을 찾기 위해 노력해야 할 것이다. 그에 반해 AI는 ""어떻게 더 잘 창작할 것인가""를 해결하는 데 집중한다. 천재 화가 피카소는 "컴퓨터는 아무런 쓸모가 없고, 우리에게 답을 알려 주기만 할 뿐"이라고 말했지만, 앞으로 인류와 AI는 더욱 고결하고 아름다운 사명을 따로, 또 함께 짊어지는 운명 공동체가 될 것이다.


    대화형 AI의 치트키: 언어의 마술사
    프롬프트 엔지니어링: AI와 대화하는 기술
    프롬프트 엔지니어링(prompt engineering)이란, 최적의 결과물을 만들어 낼 수 있도록 AI 프롬프트를 작성하고 이를 기반으로 한 개발 방법론을 의미한다. 쉽게 말해 AI와 상호작용하고, 사용자의 목적에 맞게 모델의 반응을 최적화하는 기술이다. 프롬프트 엔지니어링이 중요한 이유는 사용자의 질문이 두루뭉술하여 모호한 경우, 아래와 같은 상황이 나타날 수 있기 때문이다.

    우문현답: 우주에 관한 지식을 물어봤는데 SF 소설 이야기를 내놓는다.
    불완전한 대답: AI에 요약 정리를 부탁했더니 절반의 내용만 정리한다.
    할루시네이션: AI가 멋대로 ""상상""한 내용을 마치 사실처럼 얘기한다.

    그러나 정확한 프롬프트를 사용하면 AI는 사용자가 원하는 바를 명확히 이해하여 가장 적절한 답을 제시한다. 이어서 적절한 프롬프트 활용에 대해 알아보자.

    CO-STAR 프레임워크: 프롬프트의 만능 공식
    CO-STAR 프레임워크는 AI와 더욱 효율적으로 소통할 수 있는 도구이다. 애매한 대화가 아니라 조금 더 정확하고 세밀하게 ""대화""를 나누도록 도와주는 도구라고 볼 수 있다. 여기에는 다음의 여섯 가지가 포함된다.

    (1) 맥락(Context): 글을 쓰거나 어떤 이야기를 전할 때 육하원칙에 따라 시간과 장소, 인물이 꼭 들어가야 하는 것처럼 AI에 먼저 임무의 배경과 맥락을 알려 주어야 한다. 만일 ""강아지""에 관한 글을 쓰고 싶다면 먼저 맥락을 설명하는 것이다. "우리 집 강아지 이름은 정배야. 정배는 날아다니는 나비를 쫓아다니는 걸 좋아해. 그러다가 자꾸 나무에 부딪혀." 이렇게 하면 AI가 정배라는 존재를 이해한 뒤 그것을 주제로 한 이야기를 지어 준다.

    (2) 목표(Objective): AI가 수행해야 할 일은 무엇인지, 어떤 부분이 가장 중요한지 명확히 알려 줘야 한다. "재미있는 글을 쓰고 싶어. ""뭐든 서두르면 안 된다""라는 주제를 강조하는 글이었으면 해." 이렇게 하면 AI는 맥락을 벗어나지 않은 상태에서 ""개 껌 먹는 강아지""에 관한 글을 이어 간다.

    (3) 스타일(Style): 그림을 그릴 때 수채화로 표현할 것인지, 유화 물감으로 그릴 것인지 선택하는 것처럼, AI에 어떤 표현 방식으로 표현하고 싶은지 명확히 말해 줘야 한다. "그림체는 <페파피그(Peppa Pig)> 스타일로 하고 여기에 유머를 좀 섞어 줘." 이렇게 하면 AI는 정배가 나비를 따라다니다가 나무에 부딪히는 이야기를 조금 더 재미있게, 애니메이션 <페파피그> 스타일로 지어 준다.

    (4) 어조(Tone): 어떤 어조로 할 것인지, 이를테면 가벼운, 즐거운, 엄숙한, 혹은 친구와 대화하는 정도 등을 AI에 알려 줘야 한다. 그리고 "마지막엔 용기를 주는 말을 넣어 줘!" 등으로 구체적으로 명령하는 것이 좋다. 그러면 AI는 다음과 같은 결과를 내놓는다. "정배는 결국 나무에 세차게 박치기하고 말았지만, 기분은 좋아 보였다. 삶에서 중요한 건, 결과가 아니라 노력하는 과정이다."

    (5) 대상(Audience): 글을 보는 대상이 누구인지 정확히 알려줘야 한다. "이 글은 여덟 살, 초등학교 1학년 아이들에게 보여 줄 거야." 그러면 AI는 "강아지의 행동을 생물학적으로 분석해 본 결과…"와 같이 어려운 표현을 사용하지 않는다.

    (6) 응답 형식(Response Format): 응답의 형식을 규정하는 것이 좋다. "총 3단락으로 나눠서 이야기를 구성해 줘. 각 단락은 5문장을 넘어가지 않게 하고 재미있는 제목도 지어 줘!" 그러면 AI는 아마 <하늘을 날고 싶은 정배>라는 제목으로 재미있는 이야기를 만들어 줄 것이다.


    사고의 도약: AI에 ‘논리적 추론’을 가르치다
    추론 특별 수업: AI에 ‘탐정처럼 사고하는’ 방법 가르치기
    인간의 대뇌 시스템은 ""빠른 사고""와 ""느린 사고""로 나뉜다. ""느린 사고""는 다른 말로 ""시스템 2""라고도 하는데 깊은 사고와 분석, 논리적인 추론을 거친 사고방식을 의미한다. 예를 들어 보자.

    복잡한 수학 문제: ""9X9""를 계산할 때는 기계적으로 ""81""이라는 답이 나온다. 하지만 ""99X99""를 물으면 직관적으로 바로 대답하기보다 계산하기 위해 시간이 필요하다.

    체스/바둑: 대국 초반에는 빠른 속도로 게임이 가능하다. 기보가 어느 정도 정해져 있어서다. 하지만 일정 시간이 지나면 상대가 놓을 수까지 미리 계산해야 하기 때문에 심사숙고가 필요하다.

    그러나 기존의 LLM은 ""시스템 2"", 즉 ""느린 사고"" 능력을 갖추지 않았다. 진짜 문제에 대해 깊이 사고하는 게 아니라 확률과 패턴에 근거해 다음에 올 단어를 예측하는 것뿐이다. 이로 인해 반드시 논리적 추론이 필요한 문제를 만나면 오류가 생기기 쉽다. 그렇다면 AI가 ""느린 사고""를 하게 하려면 어떻게 해야 할까?

    느린 사고의 각성: AI는 어떻게 깊이 사고할까
    ""99X99""는 어떻게 계산할까? 세로식으로 만들어 계산하는 사람이 대부분일 것이다. 동일한 원리로 AI에 느린 사고를 가르치려면 아이들에게 "급하게 하려고 하면 안 돼. 천천히 하고 한 번 더 검토해 봐"라고 가르치듯 해야 한다. 다음은 AI에 느린 사고를 가르칠 때 자주 사용하는 방법이다.

    점진적 질문법: 성을 쌓듯, 한 단계씩 차례로
    한 단계씩 점진적으로 질문을 쌓아 가는 방법을 ""점진적 질문법""이라고 한다. 한 번에 정답을 요구하기보다, 답을 바탕으로 다음 질문을 조금씩 수정·추가해 가며 결론을 점진적으로 좁혀 가는 질문 전략이다. 이 방법을 사용하면 AI는 직관적으로 아무렇게나 답을 말하지 않고 열심히 시험 문제를 푸는 학생처럼 단계별로 추론하고 계산해 정확한 답을 도출한다.

    그렇다면 AI에 점진적 질문법을 사용하는 이유는 무엇일까? 레고 블록을 선물 받았다고 해 보자. 그런데 그 안에 설명서가 없다면 어떨까? 블록 조각을 아무렇게나 조립하게 되고, 포장 상자에 나와 있는 것처럼 멋진 성을 완성할 수 없다.

    그런데 설명서가 제대로 들어 있으면 순서에 따라 조립하면 된다. 먼저 바닥을 튼튼하게 만들고 그 위에 기둥을 세운 뒤 성벽 구조를 만들고 지붕을 덮는 식이다. 이렇게 단계별로 하나씩 조립하다 보면 어느새 멋진 성이 완성된다. 물론 이 과정은 직관적으로 해 나가는 것보다는 오래 걸린다. 그러나 성공률이 훨씬 높아 엉터리 결과물을 내놓을 일이 적어진다.

    AI로 복잡한 작업을 처리할 때도 마찬가지다. 질문에 즉시 답하게 하기보다 레고 블록을 하나씩 조립하듯 단계별로 문제를 해결하게 하면 오류를 줄이고 보다 정확한 답을 얻을 수 있다.

    점진적 질문법은 큰 케이크를 한 조각씩 나눈 다음 AI에 한 입씩 천천히 먹여 주는 것과 같다. 다시 말해, 큰 문제를 분절해 단계별로 사고하게 하는 방법이다.

    1. 점진적 질문법의 훈련 단계
    ""2천 원으로 살 수 있는 가장 가성비 높은 문구류""를 점진적 질문법으로 AI에 물어보면 다음과 같이 활용할 수 있다.

    1단계: "2천 원으로 살 수 있는 문구를 나열해 줘."
    AI는 먼저 문구점에서 1,000원으로 살 수 있는 문구류, 연필, 지우개, 노트, 자 등을 생각한다.

    2단계: "각 품목의 가격 정보를 알려 줘."
    AI는 연필 한 자루 500원, 지우개 500원, 노트 1,000원, 자 700원 등으로 품목별 가격을 열거한다.

    3단계: "품목별로 섞어서 구매할 때 가격을 알려 줘."
    AI는 각 품목의 조합을 제시한다. 예를 들면 다음과 같다. ""연필 1 + 지우개 1 + 노트 1 = 2,000원"", ""지우개 2 + 노트 1 = 2,000원"", ""노트 2 = 2,000원"", ""노트 1 + 자 1 = 1,700원, 남는 돈 300원’

    4단계: "2천 원으로 가장 합리적으로 문구류를 사는 방법은 뭘까?"
    AI는 구매할 수 있는 모든 조합을 나열하여 비교한 뒤 그중에서 가장 가성비 높은 조합을 선택하고 그 이유에 대해 설명해 줄 것이다.

    5단계: 답안 도출
    AI는 계산 결과에 근거해 다음과 같은 답을 도출한다. "연필 한 자루, 지우개 한 개, 노트 한 권을 사는 게 가장 합리적입니다." 이 답은 어림잡거나 추측한 것이 아니라 진짜 계산을 통해 얻어 낸 것이다.


    인간과 함께 춤추는 무대: AI 시대의 생존 철학
    역할 재설정: 만물의 주인에서 AI의 협력자로 
    만약 AI가 모든 혁신과 새로운 발견을 이끈다면 인간은 과연 무엇을 해야 할까?

    (1) AI와 협력하기: 미래의 과학자, 엔지니어, 의사 같은 직업은 혼자서 작업을 완수하기보다 AI와 함께 ""협력""하는 방식이 보편화될 것이다.
    (2) AI의 목표를 정의하기: AI는 새로운 발명을 할 수는 있지만, 어떤 발명이 가장 중요한지는 알지 못한다. 따라서 인간이 질문을 제시하고 AI는 답을 찾아내는 구조가 되어야 한다.
    (3) AI의 안전성과 윤리성 확보: AI의 능력이 점점 커지는 만큼, 인간은 그것이 남용되거나 사회에 부정적 영향을 미치지 않도록 안전성과 윤리성을 확보해야 한다.

    AI의 발전 속도는 이미 사람들의 예상을 뛰어넘었다. AI는 단순한 도구를 넘어, 미래 모든 혁신의 주체가 될 수도 있다. AI가 스스로 과학적 법칙을 발견하고 신약을 설계하며 기술을 최적화하고 미래를 예측할 수 있는 이 시대에, 인간의 역할은 근본적으로 바뀔 수밖에 없다.

    우리는 이제 고민해야 한다. AI를 활용해 어떻게 과학적 진보를 이끌 것인가? AI 시대에 맞춰 인간의 교육 방식은 어떻게 조정해야 하는가? AI의 발전을 안전하고 통제 가능하며 인간의 가치관에 부합하도록 보장하려면 어떻게 해야 하는가? 이 질문에 대한 답을 찾기 위해 부단히 노력해야 한다.

    AI가 대체할 수 없는 영역: 인간만이 누리는 ‘인지’의 영역
    AI가 주식 시장을 예측하고 코드를 생성하며 심지어 백신을 설계하고 신약을 개발하는 이 시대에 인간만이 할 수 있는 유일한 영역은 무엇일까? 앞으로 10년, 100년, 1000년, 혹은 영원히 AI가 할 수 없는 인간 고유의 능력은 무엇일까? 나는 이것을 세 가지로 나누어 설명하고자 한다.

    첫째는 책임감이다. 즉, 결과를 감당할 수 있는 능력이다. AI는 다양한 선택지를 제시하고 의사결정을 지원할 수 있다. 하지만 그 판단의 결과에 대한 책임을 질 수는 없다. 세계에서 가장 뛰어난 참모가 될 수는 있어도, 최종적인 결정은 결국 인간이 내려야 한다. 그리고 결정에는 언제나 책임이 따른다. 자율 주행 분야를 예로 들어 보자. AI는 어느 길로 갈지, 언제 멈출지, 언제 출발할지를 판단할 수 있다. 그러나 불가피한 사고 상황에서 어떤 선택이 옳은지에 대한 기준은 기술이 아니라 인간과 사회가 정해야 한다. AI가 스스로 책임의 주체가 될 수 없기 때문이다.

    둘째는 가치 판단이다. AI는 방대한 데이터를 분석해 사실을 설명하고 예측할 수 있다. 내일 비가 올 확률을 묻는다면 계산을 통해 답할 수 있다. 하지만 무엇이 더 중요하고, 무엇을 추구해야 하며, 어떤 삶이 더 의미 있는지에 대한 가치의 문제는 또 다른 차원의 이야기다. 예를 들어 우리가 SNS 게시물에 ""좋아요""를 누르는 행동은 단순한 클릭이 아니라, 무엇을 지지하고 공감하는지에 대한 가치 판단의 표현이다. AI는 콘텐츠를 생성할 수 있지만, 무엇을 소중하게 여길지에 대한 최종적인 선택은 인간의 몫이다.

    셋째는 정신적인 추구이다. AI는 신경망을 가지고 있지만 정신세계나 자아를 지니고 있지는 않다. 성공 확률을 계산하고 최적의 선택을 제안할 수는 있지만, 자신의 신념을 위해 위험을 감수하거나 삶의 의미를 탐구하지는 않는다. 인간은 유한한 삶 속에서도 새로운 가능성에 도전한다. 때로는 데이터와 통계가 가리키는 방향을 넘어, 그 한계를 의심하고 새로운 길을 개척하기도 한다. 이러한 도전 정신과 의미 추구는 인간 문명을 발전시켜 온 중요한 원동력이다.

    따라서 우리는 AI에 대체될 것을 두려워할 필요가 없다. 오히려 AI를 전폭적으로 받아들이고 인간만이 지닌 고유한 가치를 최대한 발휘해야 한다.