본문 바로가기
카테고리 없음

인간의 삶에 로봇이 깊숙히 들어오게된다면

by Issuetok 2022. 9. 27.

과연 인간의 삶의 질은 어떻게 변할까요?

역사적으로 급진적인 신기술을 둘러싼 각종 이슈는 노동 대체 가능성에 대한 우려로 완화됩니다. 혁신에 의해 촉발된 자동화가 노동력을 보완하고 대체할 수 있다는 것을 보여준 예가 있습니다. 에이스모글루와 레스트레포는 산업용 로봇 사용 증가가 1990~2007년 미국 지역 노동시장에 어떤 영향을 미쳤는지 살펴봅니다. 그들의 연구 결과는 산업용 로봇의 채택이 고용 및 임금과 부정적으로 상관되어 있음을 시사합니다. 특히 각각의 추가 로봇은 6명의 노동자의 고용을 감소시켰으며 1,000명의 노동자에 걸쳐 1대의 새로운 로봇은 임금을 0.5%나 감소시켰습니다. 그레츠와 마이클스는 로봇 사용에 따라 임금이 상승하는 반면 저숙련 및 중급 숙련 노동자의 평균 노동시간은 감소한다는 사실을 발견했습니다. 독일의 유사한 연구에 따르면 각각의 추가 산업용 로봇은 2개의 제조 일자리를 잃게 되지만 이러한 일자리는 서비스 산업에서 새롭게 창출된 역할로 상쇄된다고 하니 각각의 장단점이 있지만 로봇 공학의 발전으로 발생하는 인공 지능 산업이 옳고 그름을 따지기엔 아직 시기적이지 않나 싶습니다. 또한 자동화 작업은 로봇공학만이 아닌 인공지능을 고려하거나 집중하는 경우가 늘고 있습니다. 프레이와 오스본은 특히 머신러닝 기술인 컴퓨터화가 비루틴 업무에 어떤 영향을 미칠지 예측했습니다. 직업에 가장 많이 관여하는 과제에 기초하여 미래에 자동화 위험에 처할 수 있는 직종을 제안 합니다. 그들의 결과는 미국 내 고용의 47%가 컴퓨터화의 높은 위험에 처해 있음을 시사합니다. 프레이와 오스본의 연구는 다른 나라의 연구자들에 의해 적용되었습니다. 브레스키와 버크는 같은 방법론을 사용하여 독일 인력의 59%가 자동화에 매우 취약할 수 있다고 제시하고, 파자린느와 루비넨은 핀란드 인력의 35%가 높은 위험에 처해 있다고 제시하고 있습니다. 프레이와 오스본이 활용하는 과제 기반 접근법과 유사하게 브린졸프손 외 연구진은 직무 기반 접근방식을 취하여 머신러닝에 대한 직업의 적합성을 평가합니다. 그들은 임금 및 임금 청구서 스펙트럼에 걸친 직업도 똑같이 취약하다는 것을 보여주며, 기계 학습이 초기 자동화 단계보다 노동력의 다른 부분에 영향을 미칠 가능성이 있음을 말합니다. 자동화 및 노동에 대한 작업은 여러 분석 단위에 집중되어 왔습니다. 기존 경제 분야 업무의 상당 부분이 경제 전반에 집중돼 왔습니다. 예로 프레이와 오스본은 직업 레벨별로 자동화의 위험을 측정하지만, 직업 레벨은 글로벌 레벨로 간주합니다. 인공지능과 로봇공학에 대한 기존 연구도 승자와 패자를 가려내고 이들 신기술의 유통효과를 파악하려고 시도합니다. 이 연구의 한 단체는 산업간 효과를 살펴보며 산업별 생산성 증가가 영향을 받는 산업 내 고용 감소와 관련이 있다는 것을 보여주지만, 다른 부문의 긍정적인 유출은 부정적인 자국 산업 효과를 상쇄하는 것보다 더 크다는 결론을 도출해 냈습니다. 이와 마찬가지로 만델은 전자상거래의 상승기동안 무차별적으로 소매점을 조사하여 콜센터에서 창출되는 새로운 일자리가 백화점의 일자리 감소분을 메우는 것보다 더 많다는 것을 발견했습니다. 다른 연구에서는 기술 구성이 이러한 신기술의 잠재적인 보완 또는 대체 효과에 어떻게 영향을 미칠 수 있는지 살펴봅니다. 연구진이 최근 발간한 작업 논문은 다른 종류의 교육을 받은 노동자들이 인공지능을 사용했을 때의 성능 효과를 정의 했습니다. 그들은 인공지능 기술로 생산성이 컴퓨터 과학과 공학을 가진 개인의 배경에 의해 크게 영향을 받는다고 말합니다. 필요한 컴퓨터 공학이나 공학 기술을 가진 개인은 그 기술이 없는 개인보다 인공지능 기술을 이용한 우수한 성과를 낼 수 있습니다. 펠텐 외 연구진은 최근 인공지능과 고용, 임금 증가 간의 연관성을 평가하기 위해 능력 기반 접근법을 사용합니다. 소프트웨어 기술 비중이 상대적으로 높은 직종은 인공지능의 영향을 받을 때 고용의 성장을 보는 반면, 다른 직종은 인공지능의 영향과 고용 성장의 의미 있는 관계를 보지 못한다는 것입니다. 의사결정에서 머신러닝 알고리즘의 활용을 연구하는 사례가 많이 등장하고 있습니다. 주로 경제학, 전략, 정보시스템 등에서 입니다. 인공지능이 기업이나 개인에게 그들의 배경에 따라 어떻게 다르게 영향을 미치는가에 대한 통찰력을 얻기 위해 세분화된 미시적 수준의 데이터를 사용합니다. 이 작품 중 일부는 인공지능과 머신러닝 도구의 사용이 개인의 편향에 영향을 미치는지, 어떻게 영향을 미치는지 정의 했습니다. 예를 들어, 기계에 기반한 알고리즘은 잠재적 구속 전 재판과 관련된 결정을 내리는 데 있어 판사들을 능가하고 불평등을 감소시키는 것으로 확인 됩니다. 호프만 외 연구진은 기계 기반 알고리즘에 의해 구성된 권고 사항에 반하여 채용을 선택하는 관리자들이 더 나쁜 채용을 선택하는 것을 발견합니다. 이러한 결과는 함께 머신러닝 알고리즘이 의사결정 품질과 형평성을 개선하는 데 잠재력을 가질 수 있음을 시사하는 것으로 보입니다. 그러나 다른 연구에서는 기계학습 알고리즘이 종종 그들만의 형태의 편견을 포함하고 있다고 경고합니다. 예를 들어, 과학, 기술, 공학, 수학 직업에 대한 광고를 전달하기 위해 고안된 기계 학습 알고리즘은 해당 광고가 분명히 중립적, 구글의 애드세팅 머신러닝 알고리즘은 더 적은 광고를 표시합니다. 남성보다 여성에게 높은 급여를 주는 직업에 대한 양도, 사법적 의사결정에 사용되는 인공지능 기반 도구는 인종 편견을 나타내는 것으로 나타납니다. 이러한 편견이 문제가 되기는 하지만, 일부에서는 알고리즘 프로세스가 인간 의사결정의 반사실적 측면에 비해 품질과 공정성의 개선을 제공하며, 특히 머신러닝 도구는 인간 의사결정자들이 편향성과 높은 수준의 불일치를 보일 때 편견을 가장 잘 완화할 수 있다고 주장할 수 있습니다. 추천자 시스템은 전자상거래 플랫폼에서 공통적으로 사용되는 도구로, 권장사항 작성에 머신러닝이나 인공지능 알고리즘을 자주 통합합니다. 온라인 마켓플레이스에서 판매자를 위한 추천 시스템을 사용할 경우 명시적인 금전적 인센티브를 대체할 수 있음을 보여주며 기업이 비용을 절감하기 위해 인공지능 기술을 사용할 수 있는 한 가지 방법을 강조하자면 다음과 같습니다. 온라인 노동 시장에서 추천 시스템을 연구하여 기업들이 내부 능력에 의존하여 최상의 조합을 선택하기 전에 AI가 주도하는 권고안을 사용하여 일반적으로 수용 가능한 초기 파트너 집합을 식별하는것 입니다. 특히 추천제 활용은 전문직과 경력직의 활용도가 높습니다.

댓글0