Plenary Session 3 Basic Income and Human Emancipation 인공지능과보편기본소득의권리 강남훈 1. 머리말 2016 년 3 월 9 일알파고 (Alphago) 가이세돌 9 단을이기자사람들은큰충격을받았다. 인간의지능적인작업을대신할인공 지능시대가닥칠것이확실하게되었다. 인공지능이현재하고있는인간의노동의절반이상을대체할것이라는전망속에 28 서전세계적으로기본소득에대한관심도증가하고있다. 일자리가없어진세계에서사람들이생존하기위해서소득이필요 할것이다. 이것은인간다운생활을할권리라는관점에서기본소득을정당화하는것이다. 다른측면에서인공지능이만들 어내는막대한물건들을판매하려면사람들에게소득이필요할것이다. 이것은거시경제적관점에서기본소득을정당화하는것이다. 이글에서는인공지능시대의기본소득을생존권이나거시경제적관점이아니라재산권의관점에서정당화하려고한다. 즉, 인공지능이우리모두의공유자산이므로그로부터발생한소득에대하여 1/n의권리가있다고주장하려고한다. 노벨경제학상수상자허버트사이먼 (Herbert Simon) 은다음과같은주장을하였다 (H. Simon, 2000). 소득의 90% 는이전세대에의해서축적된지식을활용한것이다. 그러므로모든소득에대하여 90% 의세율로일률적으로과세하는것이정당하다. 그러나경제활동에대하여인센티브를주기위해서모든소득에대하여 70% 의세율로일률적으로과세하고그렇게해서모아진금액을기본소득으로나누어갖자. 허버트사이먼은제한적합리성 (bounded rationality) 개념을연구한덕택으로노벨경제학상을받았지만, 단순한경제학자가아니었다. 그는 1956년다트머스대학에서두달간열린인공지능워크샵에참여하여, 인공지능의아버지중한사람으로불린다. 1) 사이먼이위의글에서소득의 90% 는다른사람의지식 ( 공헌 ) 이라고말했을때, 사람들은과장된표현이라고생각하였을것이다. 16년이지난오늘날우리는인공지능이여러분야에등장하고있는것을보면서, 인공지능이실제로어떻게만들어지고있는지를알수있게되었다. 이글에서는소득의 90% 는다른사람의지식덕택이라는사이먼의주장에대하여하나의해석을제시하려고한다. 이글의접근방법은정치경제학의가치론과게임이론이다. 그동안우리나라에서전개되었던정보재가치논쟁의성과를인공지능에적용해볼것이다.( 강남훈 2002; 강남훈외 2007, 안현효 2016) 그리고협조게임에서의섀플리가치 (Shapley value) 를인공지능에적용하여각사람들이기여한가치를계산해볼것이다.( 강남훈, 2015)
이글의구성은다음과같다. 제2절에서는인공지능에서데이터가차지하는의미에대하여살펴볼것이다. 그리고인공지능에필요한데이터가인터넷이라는공유지에서만들어졌다는것을살펴볼것이다. 제3절에서는인공지능에대하여가치론적분석을하여인공지능으로부터발생할소득의상당한부분이지대에해당된다는것을확인할것이다. 제4절에서는섀플리가치를설명하고, 인공지능게임에서각주체들이기여분에대하여섀플리가치를계산해볼것이다. 섀플리가치만큼의분배를보장하기위해서모든사람에게기본소득이지급되어야한다. 2. 인공지능과데이터 인공지능은인간이만든지능이다. 러셀과노빅은사람처럼행동하는시스템, 사람처럼생각하는시스템, 합리적으로생각하 는시스템, 합리적으로행동하는시스템이라는네가지기준으로인공지능을정의하였다.(S. Russell and P. Norvig, 2010) 네그네빗스키는인공지능을 문제를풀고, 결정을내리기위해배우고이해하는능력 으로정의하였다.(M. Negnevitsky, 2005: 22) 사람처럼생각하고행동하거나합리적으로생각하고행동하기위해서는학습과정이필수적이다. 네그네빗스키의정의에서는학습이인공지능의중요한요소로명시적으로드러나있다. 인공지능의연구분야는인식, 추론, 학습이라는세가지범주로나눌수있다. 인식 (recognition) 은보고듣고말하는능력을말한다. 문자인식, 음성인식, 동영상인식등이여기에포함된다. 추론 (inference) 이란주어진사실이나규칙으로부터결론을얻는과정을의미한다. 정리의증명, 게임, 프로그램자동생성등이포함된다. 학습 (learning) 은사실과규칙을반복적인과정을통해습득하는과정을의미한다.( 조영임, 2012, pp.14-15) 인공지능에서먼저상용화된시스템은지식기반인공지능 (knowledge-based AI) 의일종인전문가시스템 (expert system) 이었다. 전문가들의지식을모아서방대한지식베이스를만들고이것으로부터추론을거쳐서결론을내렸다. 이시스템은지식을많이입력할수록더좋은성과를냈지만, 기본적으로입력한지식이상의것을할수없었고, 점점더많은지식의입력이필요하였다.( 마쓰오유타카, 2015) 기계학습 (machine learning) 은컴퓨터로하여금일일이프로그램하지않은채로배울수있게하는능력을부여하는것이다.(Phil Simon, 2013) 컴퓨터가스스로배우려면방대한데이터가필요하다. 그래서기계학습은데이터를지능행위로변환시키는컴퓨터알고리즘으로정의할수도있다. 기계학습은컴퓨터파워, 통계적방법, 수많은데이터라는세가지요인에의해서가능해졌다. 기계학습에서컴퓨터는데이터를추상화 (abstraction) 하고일반화 (generalization) 하는과정을거쳐서학습한다. 추상화는자료의특징 (features) 을표현 (representation) 하는과정이고, 일반화는표현된특징으로부터다른자 Social and Ecological Transformation and Basic Income 29 the 16TH BIEN CONGRESS 료에적용할수있는지식 (knowledge) 으로만들어내는과정이다.(Brett Lantz, 2013) 최근의인공지능의발전은기계학습중에서도심층학습 (deep learning, 심층학습 ) 이주도하고있다. 심층학습은인간의두뇌구조를모방한신경망 (neural network) 의한종류이다. 신경망은입력층과출력층사이에은닉층 (hidden layer) 을넣어서자료의특징 (features) 을학습하도록만든구조인데, 심층학습은이러한은닉층을여러겹으로쌓는다. 심층학습은데이터의특징을사람이가르쳐주지않고인공지능스스로특징을찾아내면서학습하므로, 특징표현학습 (representation learning) 이라고도부른다.( 마쓰오유타카, 2015) 인공지능을발전시킨세가지요인, 즉하드웨어, 알고리즘, 데이터에대하여생각해보자. 컴퓨터하드웨어는소위무어의법칙 (Moore s law) 에따라지수적으로성장해왔다. 그러나하드웨어의발전이인공지능개발에필수적이기는하지만결코충분한조건은아니다. 구글이새로운알고리즘으로접근하기전까지는슈퍼컴퓨터를가지고도자동번역에실패하였기때문이다. 알고리즘이더중요한요인이다. 그런데인공지능을만들어낸알고리즘은데이터를통해서학습하는알고리즘이다. 데이터가없으면인공지능을만들수없다. 신경망알고리즘은이미 1950년대부터개발되어왔지만, 21세기들어서빅데이
터가활용가능하게되기전까지는인공지능을만들수없었다. 결국빅데이터의존재와빅데이터를활용해서학습하는알고리즘의개발이인공지능을만들어낸것이라고할수있다. 빅데이터가인공지능의발전에어떤역할을했는지에대해서는다음과같은두가지사례를살펴보는것이좋을것이다. 하나는인간의지식을모은것이고다른하나는인간의행동을모은것이다. IBM은문법과단어를컴퓨터에게가르쳐서, 자동번역을하는인공지능컴퓨터를만들어내려고하였다. 그러나번역을위해서는컴퓨터에게규칙뿐만아니라예외도가르쳐야하는데, 이것은불가능하다는것이드러났다. 1980년대후반통계적방법을활용하여영어와불어사이에자동번역을하자는아이디어가등장하였지만, 그당시활용했던캐나다의사록에는 10 년치 300만개문장밖에들어있지않아서실패하였다. 2004년구글은모든책을스캔해서공짜로제공하겠다는프로젝트를시작하였다. 스캔한디지털이미지는 OCR을사용하여텍스트로전환시켰다. 2006년이되면구글은 1조단어로된 950억개의문장을저장하게되었다. 이과정에서성경책처럼전세계언어로정확하게번역된책이있다는것을알게되었다. 구글은저장된문장들을활용하여자동번역을하는데성공하였다. 2012년에는 60개이상의언어로된 2,000만권의책을자동번역에활용하였다. 이와같이자동번역이라는인공지능은과거에수많은사람들이정확하게번역해놓은결과들을검색해서해당되는문장을찾아주는과정을중심으로만들어진것이다.(Viktor Mayer-Schonberger and Kenneth Cukier, 2014) 구글은뛰어난인터넷검색도구로세계적인기업이되었다. 이전의검색엔진은가능한한많은사이트를찾아가서사이트내용을분류하고판단하여점수를매겼다. 사용자가검색어를입력하면검색엔진이매긴점수순서대로사이트들을보여주었다. 구글의공동창업자인래리페이지 (Larry Page) 는이것과전혀다른접근방식을선택하였다. 검색엔진이좋다고판단한사이트에높은점수를매기는것이아니라사용자들이오래머무른사이트, 해당사이트에링크를걸어놓은사이트가많은사이트에높은점수를매겼다. 이렇게사용자들의행동에따라점수를매기는방법을페이지랭크 (Pagerank) 라고부른 30 다.(Sergey Brin and Lawrence Page, 1998) 예를들어사용자가 책 이라는검색어를치면 책 이라는검색어를친사람 들이많이가고여러사이트에서추천하는사이트를먼저보여주는것이다. 이것이바로구글검색엔진이세계를제패하게 된비결이다. 한사람의천재가아니라인터넷을이용하는수많은사람들의행동이똑똑한인공지능을만들어낸것이다. 인간은몇개의데이터만보면특징을추출할수있지만, 컴퓨터는엄청나게많은데이터가있어야만학습할수있다. 구글의심층학습은고양이를인식하기위해서인터넷으로부터 1,000만장의이미지를다운로드했다.(Quoc V. Le et al., 2012) 페이스북은 4백만장의얼굴사진으로학습시킨결과 97.35% 의정확도로사람의얼굴을인식시킬수있었다.(Yaniv Taigman et al., 2014) 알파고는 KGS라는인터넷바둑사이트에서 6~9단기사들이둔 16만개의기보로부터 3,000만개의데이터를모았다.(David Silver et al., 2016) 이러한빅데이터는인터넷에이미존재하는것이거나인터넷을통해서수집된것이다. 인터넷이없었더라면빅데이터를엄청난비용이들었거나아예모을수없었을것이다. 인터넷은어떻게해서이런빅데이터의보고가되었을까? 그것은인터넷이공유지로서출발하였기때문에가능한일이었다. 로렌스레식 (Laurence Lessing) 은인터넷의공유지가된것은그코드 (TCP/IP) 계층이자유롭기때문이라고설명하였다. 2) 여기서자유롭다는것은아무런허락없이사용할수있거나사용허락이중립적인경우를의미한다. 인터넷의최초의설계자들은지능적인작업은네트워크의끝에배치하고네트워크자체는어떤형태의자료이든어떤곳으로든자료를전송하는기능만을한다는 E2E원칙 (end-to-end) 을세웠다.(Lawrence Lessing, 2002) 기본소득에비유하자면, 인터넷은보편성 ( 누구나인터넷에접근할수있다 ) 과무조건성 ( 인터넷에서무엇이든자신이원하는일을할수있다 ) 이보장되는자유로운공간이다. 팀버너스리 (Tim Berners-Lee) 는공유지인인터넷위에월드와이드웹 (World Wide Web) 이라는땅을만들었다. 그는 HTTP와 HTML 등의코드를만들면서보편성과무조건성이라는인터넷의원칙을발전시켰다. 그리고그는자신의발명품을 나를부유하게만들지말고세상을부유하게만들자 는말과함께인류에게무상으로선물함으로써오늘날우리가쓰고있
는인터넷을확대된공유지로만들었다. 3) 공유지가된인터넷은수많은사람들이자신들의지식을모아위키피디아를만들었다. 이렇게모아진지식들은제퍼디에서인간챔피언을이긴 IBM의딥블루에입력되었다. 인터넷을검색하는사람이늘어날수록구글의검색엔진은더똑똑해졌다. 취미로자신들이좋아하는고양이사진을올린수많은사람들은고양이를인식하는인공지능을만드는데기여하였다. 친구들과소식을나눈수많은사람들은딥페이스를만들었다. 바둑게임을하면서기보를남기수많은사람들은알파고를만들었다. 인터넷이라는보편적이고무조건적인공유지위에서자유로운사람들이생각하고말하고일하고노는과정에서빅데이터가만들어졌고, 빅데이터가다시인공지능을만들게된것이다. 3. 인공지능과지대 인공지능으로부터평균이윤이상의이윤이발생한다고가정할때그것의원천은어디에있을까? 이절에서는이질문에대하여정치경제학적으로대답해보려고한다. 인공지능의높은이윤과이러한현상과연관된세가지개념즉, 특별잉여가치, 지대, 독점이윤을먼저설명해보자. 특별잉여가치는특별한생산력으로인해서사회적가치와개별적가치의차이로정의된다. 어떤기업이새로운생산방법을사용하여사회적가치보다더적은노동시간동안에생산하게되면특별잉여가치가발생한다. 이때새로운생산방법하에서고용된노동력은강화된노동으로서더많은가치를창출한것으로간주된다. 예외적으로생산력이높은노동은강화된노동 (potenzierte Arbeit) 으로서기능한다. 다시말하면동일한시간내에사회적평균노동보다더많은가치를창조한다. (K. Marx, 1867, 411) 특별잉여가치는기업이가진생산력의우위에의해서발생한다. 그것은가치법칙에따른등가교환이면서생산력의우위가초과이윤으로나타난것이므로평등교환이라고규정한다. 4) 특별잉여가치는새로운생산방법이일반화되어사회적가치와개별적가치의차이가사라지면소멸한다. 지대 5) 도특별잉여가치와마찬가지로개별적가치와사회적가치의차이에의해서발생한다. 그러나지대는초과이윤의원천이 기계나석탄등등과같이노동이생산할수있는생산물과결부되어있는것이아니라특정한토지조각의특정한자연조건과결부되어있는것이다. (K. Marx,1894, 797) 특별잉여가치는초과이윤의원천이기업이보유한우수한생산력에있는데반해서지대의경우에는유리한외부적환경에있다. 지대는외부적환경이사라지지않는한경쟁에의해서사라지지않는다. 그래서지대는등가교환이지만불공정교환이라고할수있다. 외부적환경이라는재생산불가능한생산자원의불평등한소유때문에생기는것이므로불공정교환으로규정하는것이다. Social and Ecological Transformation and Basic Income 31 the 16TH BIEN CONGRESS 독점하에서는가격이 생산물의가격이생산가격이나가치에의해결정되는것이아니라구매자의구매욕과지불능력에의해결정 (K. Marx, 1894, p.953) 된다. 독점기업이이렇게가격을정할수있는것은경쟁이부재하기때문이다. 독점이윤은가치가생산된것이아니라, 다른자본이나소비자들로부터가치가이전된것이다. 즉, 독점은등가교환이아니다. 그리고지대와마찬가지로불평등한교환이다. 독점이윤은시간이지나서경쟁이회복되면사라진다. 세가지개념의차이를요약하면다음의표와같이될것이다. 특별잉여가치지대독점이윤 이윤의원천생산력의우위외부적환경의우위경쟁의부재 가치법칙등가교환등가교환부등가교환 공정교환공정교환불공정교환불공정교환 동태적과정 기술확산에의해소멸 경쟁이나기술확산에의해소멸되지않음 표. 특별잉여가치, 지대, 독점이윤의비교 경쟁에의해소멸
이상의분석을인공지능의경우에적용시켜보자. 앞장에서의분석처럼인공지능은하드웨어, 알고리즘, 데이터가합쳐서만들어진것이므로인공지능이초과이윤을벌어들인다고할때그것은우수한하드웨어덕택일수도있고, 새로운알고리즘덕택일수도있고, 기업이소유한빅데이터덕택일수도있다. 먼저하드웨어 (CPU, GPU 등 ) 때문일경우를생각해보자. 이것은특별잉여가치에해당된다. 그러나인공지능이하드웨어때문에특별잉여가치를획득하게되는경우는많이발생하지않을것같다. 하드웨어시장은상당히경쟁적인상태이고기술확산도빠르기때문이다. 그리고대부분의인공지능을만드는기업들이하드웨어를직접만들지않고다른기업으로부터구매하고있는현실도이러한추론을뒷받침하고있다. 만약하드웨어에초과이윤의원천이있다면, 하드웨어의가격이올랐을것이고, 하드웨어를구입해서인공지능을만드는기업은초과이윤을얻을수없을것이다. 다음으로새로운우수한알고리즘때문에인공지능이초과이윤을얻는경우를생각해보자. 이경우새로운인공지능알고리즘을개발한기업은생산력의우위때문에초과이윤을얻게되므로지대가아니라특별잉여가치라고말할수있다. 다른기업이아직이알고리즘을활용하지못하는기간동안초과이윤을얻을수있다. 그런데알고리즘으로인해생긴특별잉여가치도오래지속되기는힘들어보인다. 대학에서교수들에의해서개발된알고리즘은학술지에실려서빠르게퍼지고, 얼마안가교과서에실리게된다. 자율자동차를개발했던세바스찬쓰런 (Cebastian Thrun) 의유다시티 (Udacity) 에서의인공지능강의는이미수십만명이수강하였다. 기업이개발한알고리즘이라고할지라도결국은경쟁기업들이알아내게되고그때쯤이면특별잉여가치는사라지게된다. 알고리즘에대한비밀을유지함으로써특별잉여가치를오랫동안유지하려는것은이윤추구를하는기업의합리적행동이라고예상되지만, 인공지능기업들은종종정반대의길을가고있다. 앞에서언급한바와같이페이스북과딥마인드는인공지능알고리즘을학술지에게재하여학계에서널리연구되도록만들었다. 심지어프로그램소스까지완전히공개해서오픈소 32 스로만들기까지하고있다. 6) 인공지능알고리즘을오픈소스로공개하는것은오픈소스로인공지능의성능을빨리높이려는 목적일수도있고, 일부소스를공개하더라도생산력우위가빨리사라지지않을것이라는자신감일수도있으며, 인공지능 개발자의플랫폼을만들어서플랫폼을주도하려는목적도있을것이다. 어떤것이든오픈소스가되면특별잉여가치의일부를포기할수밖에없다. 그렇다면초과이윤의가장큰원천으로남아있는것은데이터에서생기는초과이윤이다. 인공지능이구글, 페이스북, 바이두, 아마존등플랫폼기업들에의해서주도되고있다는것은흥미로운일이다. 사람들은플랫폼이제공하는서비스를무상으로이용하면서플랫폼에자신들의지식, 행동, 생각등의데이터를올리고있다. 이러한데이터들이쌓여서빅데이터가되고, 플랫폼은빅데이터를소유하게된다. 빅데이터는인공지능을만들어내는데중요한기여를하고있다. 플랫폼기업들은광고라는수익모델만가지고있었는데, 이제는빅데이터와인공지능이라는수익모델을추가적으로가지게된것이다. 사람들이의도적으로생산한정보일수도있고, 사람들의행동을플랫폼이기록한것일수도있다. 어떤경우이든플랫폼기업은추가적인노동투입없이데이터를가지게된다. 플랫폼이사람들의행동을기록할때에도소프트웨어가알아서기록하므로추가적인노동이투입되는것은아니다. 데이터로부터부터생긴초과수익은지대에속한다고보아야할것이다. 사람들은플랫폼이라는사유지위에모여서놀다가데이터를남긴다. 플랫폼의입장에서빅데이터를얻기위해추가적인노동을투입할필요는없다. 빅데이터를생산하는노동은프로슈머가하고, 데이터를모으는작업은소프트웨어가한다. 빅데이터를활용해서인공지능을만든플랫폼에게는예쁘게가꾼자기땅에사람들이많이모여들어서초과이윤이생기는것이다. 인공지능이얻는초과수익중에서알고리즘에서부터생기는것은특별잉여가치에해당되고, 데이터로부터생기는부분은지대에해당된다. 특별잉여가치는경쟁에의해서장기적으로소멸되지만, 지대는시간이갈수록경향이있다. 특별잉여가치와지대모두등가교환에서생기지만특별잉여가치는공정교환에속하고지대는불공정교환에속한다. 지대의불공정을해결하는방법의하나는지대에과세해서기본소득으로나누어갖는것이다. 인공지능시대에기본소득은프로슈머들의수탈을막기위한장치이다. 빅데이터생산에참여한사람들은기본소득에대한재산권이있다.
4. 인공지능과섀플리가치로서의기본소득 이절에서는협조게임 (cooperative game) 에서의섀플리가치 (Shapley value, 1953) 를인공지능에서기본소득을합리화 하는근거로제시하려고한다. 7) 이글에서는섀플리자신이분석한바있는장갑시장게임 (gloves market game) 을인공지 능게임으로설정해서데이터와알고리즘의섀플리가치를계산해보려고한다.(Shapley and Shubik, 1969) 가. 인공지능게임에서시장가치 논의를단순화하기위하여하드웨어는무시하고, 데이터를제공한경기자 2 명 ( 경기자 1, 2) 과알고리즘을제공한경기자한 명 ( 경기자 3) 이있다고가정한다. 데이터 1 개와알고리즘 1 개가만날때에만 1( 조원 ) 의가치를가진인공지능이만들어지고, 그이외의경우에는 0 의가치가만들어진다고가정한다. 알고리즘을제공하는사람이동시에플랫폼을가지고있어서빅데 이터에혼자서만접근할수있다고가정한다. 경기자들이만들수있는모임을연합 (coalition) 이라고부른다. 공집합을제외하고, 이게임에서가능한연합은 {1}, {2}, {3}, {1,2}, {1,3}, {2,3}, {1,2,3} 의 7개가있다. 경기자혼자있는경우를단독연합 (singleton) 이라고부른다. 경기자전체로이루어진연합 ({1,2,3}) 을대연합 (grand coalition) 이라고부른다. 연합내의경기자들이확실하게만들수있는가치를연합의값어치 (worth of coalition) 라고정의한다. 연합의값어치를 v라는함수로표시할때이게임에서 7개연합의값어치는다음과같이된다. 8) v(1) = v(2) = v(3) = v(1,2) = 0 v(2,3) = v(1,3) = v(1,2,3) = 1 Social and Ecological Transformation and Basic Income 33 경기자들에게분배되는몫을보수 (payoff) 라고부른다. 각경기자의보수를 x1, x2, x3라고할때보수벡터는 x = (x1, x2, x3) 라고표시할수있다. 모든경기자의보수를합친것을 x(n) 으로표시한다. 즉 x(n) = x1 + x2 + x3 이다. 연합 S 내에서의경기자들의보수합은 x(s) 라고표현한다. 예를들어 S = {1,3} 일때, x(s) = x1 + x3 이다. 대연합의값어치전체를남김없이분배하는것을파레토효율분배라고부른다. 즉, 파레토효율조건은다음과같다. the 16TH BIEN CONGRESS 모든경기자의보수가경기자들이단독연합의값어치보다큰경우개별합리성 (individual rationality) 을충족시킨다고말한다. 구성원이두명이상인모든연합에대해서연합내경기자들의보수합이연합의값어치보다크거나같은경우연합합리성 (coalition rationality) 을충족시킨다고말한다.
파레토효율이고, 개별합리성과연합합리성을충족시키는보수분배를코어 (core) 라고정의한다. 위의장갑게임에서코어는 다음과같은조건들을충족시키는보수분배이다. 위의식을모두만족시키는유일한값은 x1 = 0, x2 = 0, x3 = 1 이다. 대연합이만들어낼수있는값어치는 1인데, 경기자 1이모든값어치를다가져가고, 경기자 2나경기자 3은한푼도가져가지못한다. 섀플리는경쟁시장에서시장균형은코어안에존재한다는것을밝혔다.(Scarf, 1962) 이정리를이용하면위의게임에서시장균형은하나뿐인코어와일치해야한다. 즉, x1 = 0, x2 = 0, x3 = 1은코어이면서유일한시장균형이다. 시장균형에서데이터를가진사람에게한푼도배당되지않는이유는경쟁의관점내지협상의관점에서생각하면이해할수있다. 일단경기자 1과경기자 3이연합해서 1의가치를만들고이것을 1/2, 1/2씩나누어가지기로합의했다고가정해보자. 그러나이합의는경기자 2의새로운제안에의해서깨질수있다. 예를들어경기자 2은경기자 3에게몫의 2/3를줄터이니자기하고연합하자고제안할수있다. 이제안을경기자 3이받아들이면, 기존의연합은깨뜨려진다. 그러나새로생긴연합도불안정하다. 경기자 1이몫의 3/4을주겠다고다시제안할수있다. 이런과정이반복되면결국경기자 3은값어치의거의전부를차지할수있게된다. 34 나. 인공지능게임에서섀플리가치 섀플리가치는다음과같이정의된다.(Shapley, 1953) 세사람이임의의순서로연합을형성한다고할때존재할수있는모든순서는 (1,2,3), (1,3,2), (2,1,3), (2,3,1), (3,1,2), (3,2,1) 의 6가지가된다. 모든순서가발생할확률이동일하다는가정하에순서에따른사람들의기여분을평균한것이섀플리가치이다. 위의인공지능게임에서섀플리가치는다음과같이계산된다. 세사람의기여분을각각 m1, m2, m3라고표현하자. 예를들어순서가 (1,2,3) 일때 v(1) = 0, v(1,2) = 0, v(1,2,3) = 1 이므로 m1 = v(1) = 0, m2 = v(1,2) - v(1) = 0, m3 = v(1,2,3) - v(1,2) = 1 이된다. 6가지순서에대하여이러한방식으로기여분을계산하여평균하면다음의표와같이섀플리가치 (1/6, 1/6, 4/6) 를얻을수있다. 순서 m1 m2 m3 1,2,3 0 0 1 1,3,2 0 0 1 2,1,3 0 0 1 2,3,1 0 0 1 3,1,2 1 0 0 3,2,1 0 1 0 합 1 1 4 평균 ( 섀플리가치 ) 1/6 1/6 4/6 표. 인공지능게임에서섀플리가치
섀플리가치와코어는대연합의값어치 1을분배하는방식의하나이다. 코어 (0, 0, 1) 과비교할때섀플리가치는데이터를가진두사람에게 0이아니라 1/6씩의가치를부여한다. 9) 알고리즘을제공하는사람이플랫폼도가지고있다는가정하에서도, 데이터를제공하는사람들에게약간씩의가치를부여하게된다. 위의게임에서는코어와섀플리가치가다르기때문에섀플리가치는시장을통해서는도달불가능하다. 만약섀플리가치대로분배하려면국가가개입해야한다. 알고리즘을가진사람의소득에 50% 의세금을물려서 1/2의가치를모은다음, 세사람이 1/6씩기본소득으로나누어가지면된다. 다. 섀플리가치와기본소득 섀플리가치는바람직한분배의성질들을정해놓고이로부터공리적으로도출하는것이가능하다. 섀플리는효율성공리 (efficiency, 대연합의값어치를남김없이분배한다 ), 대칭성공리 (symmetry, 동등한기여를하는사람을동등하게분배한 다 ), 무기여자공리 (null player, 모든순서하에서기여를하지않는사람에게는분배하지않는다 ), 가법성공리 (additivity, 두게임의섀플리가치의합은두게임을합친게임의섀플리가치와같다 ) 라는네가지바람직한성질을충족시키는유일한분배방법이라는것을증명하였다.(Shapley, 1953) 무기여자공리와가법성공리는강단조공리 (strong monotocity, 기여가많은게임에서보수도많다 ) 하나로대체할수있다.(Young, 1985; Peters, 2008) 섀플리가치는공정하다. 그것은 개인의기여에대한공정한평가 (fair account of each person s contribution) (Shapley and Shubik, 1969: 340) 에기초하고있다. 위의공리중에서대칭성공리와무기여자공리는공정성과관련된다. 기여가동일하면동일한보수를받는것이다. 뿐만아니라강단조공리를보거나, 섀플리가치의정의를보면기여가많을수록보수가많아진다는것을확인할수있다. 이런성질들을종합하면섀플리가치는기여가없으면보수가 0이고, 기여가동일하면보수가동일하고, 기여가많으면보수가많아지는특징을가지고있다. 이특징들을이글에서는기여공정성이라고부르려고한다. 10) 섀플리가치는효율적이고, 기여공정하다. 그런데섀플리가치는우연하게정해진특정한순서하에서사람들의기여를평가하는것이아니라, 모든가능한순서하에서기여를평가한다. 이것을기회균등조건이라고부르려고한다. 기회균등조건하에서는어느누구도배제되지않으므로, 기회균등조건은비배제성조건을포함한다. 섀플리가치는비배제성이포함된기회균등조건하에서, 효율적이고기여공정한분배를모색하는것이다. 공정한분배를하려고할때기회균등조건하에서기여를평가하여야한다는것에대해서는수많은철학적정당화가가능할것이다. 여기서는롤스의정의의원칙을제시해보겠다.(Rawls, 1999) 원초적상태에서무지의장막 (veil of ignorance) 뒤에서생각해보면, 개인들은어떤순서로연합을형성하게될지모른다. 따라서유일하게공정한방법은가능한모든순서하 Social and Ecological Transformation and Basic Income 35 the 16TH BIEN CONGRESS 에서사람들의기여를평가하는것이다. 섀플리가치는이와같이기회균등조건하에서효율적이고공정한분배를모색하기 때문에, 착취나수탈여부를판단하는기준이될수도있다. 기본소득은시장균형이불공정할때최소수혜자에게섀플리가 치를보장하는수단이될수있다. 라. 데이터 2 개와알고리즘 1 개로인공지능을만들때 위의게임을확대해서데이터를제공하는사람이 3명이있고, 알고리즘을제공하는사람이 1명이있는경우를생각해보자. 여전히알고리즘을소유한사람과플랫폼을소유한사람이일치한다고가정한다. 인공지능을만들기위해서는알고리즘 1 개와데이터 2개의결합이필요하다고가정한다. 11) 이경우에의섀플리가치는알고리즘을제공하는사람이전체의 1/2을가지고나머지사람들이 1/2을나누어갖게된다. 도출과정은생략하겠지만, 이경우에도코어는 (0, 0, 0, 1) 뿐이다. 시장균형은코어안에있으므로, 시장에맡겨놓으면알고
리즘 ( 과플랫폼 ) 을가진사람이가치전부를가져간다. 이것은불공정한게임이다. 이경우가장불리한사람에게섀플리가 치를보장하려면소득의 2/3 를세금으로걷어서 4 명이나누어야한다. 순서 m1 m2 m3 m4 순서 m1 m2 m3 m4 1,2,3,4 0 0 0 1 3,1,2,4 0 0 0 1 1,2,4,3 0 0 0 1 3,1,4,2 0 0 0 1 1,3,2,4 0 0 0 1 3,2,1,4 0 0 0 1 1,3,4,2 0 0 0 1 3,2,4,1 0 0 0 1 1,4,2,3 0 1 0 0 3,4,1,2 1 0 0 0 1,4,3,2 0 0 1 0 3,4,2,1 0 1 0 0 2,1,3,4 0 0 0 1 4,1,2,3 0 1 0 0 2,1,4,3 0 0 0 1 4,1,3,2 0 0 1 0 2,3,1,4 0 0 0 1 4,2,1,3 1 0 0 0 2,3,4,1 0 0 0 1 4,2,3,1 0 0 1 0 2,4,1,3 1 0 0 0 4,3,1,2 1 0 0 0 2,4,3,1 0 0 1 0 4,3,2,1 0 1 0 0 합 4 4 4 12 섀플리가치 1/6 1/6 1/6 1/2 표. 데이터 2개과알고리즘 1개가인공지능을만들때섀플리가치 36 일반적으로 n 명이데이터를제공하고 n+1 번째사람 1 명이알고리즘을제공할때, 50% 의사람들이데이터를제공하지않 더라도인공지능이만들어진다고가정해보자. 이경우시장에서는알고리즘을제공하는사람이가치의전부를차지하게된 다. 그러나섀플리가치에따르면알고리즘을제공하는사람은 의가치를갖게된다.( 데이터를제공하는사람의 수가무한히많아지면이값은 1/2 에수렴한다 ). 데이터를제공하는사람들은 씩가치를나누어가지게된다. 이 경우모든사람의기본소득을합치면 1/2 이된다. 12) 5. 맺음말 인공지능을만드는데에는하드웨어, 알고리즘, 데이터가필요하다. 하드웨어의발전이인공지능개발에필수적이기는하지만결코충분한조건은아니다. 최근인공지능의개발은심층학습알고리즘이주도하고있다. 이알고리즘은빅데이터를사용해서학습하는알고리즘이다. 그래서인공지능을만들기위해서는빅데이터가필수적인데, 인터넷이라는공유지가빅데이터를제공해주고있다. E2E 원칙에서시작된인터넷은 WWW로발전되면서사람들이말하고놀고공부하는거대한공유지가되었다. 인터넷에서수많은사람들의공부하고행동하고노는것이인공지능을만드는데기여하고있는것이다. 인공지능에서발생하는초과이윤이알고리즘에서비롯된것이라면그것은정치경제학에서특별잉여가치에해당된다. 특별잉여가치는경쟁에의해서소멸되므로항구적인초과이윤의원천이될수없다. 플랫폼기업들은인공지능의알고리즘을공개하면서특별잉여가치의일부를포기하면서지대를낳을수있는플랫폼을구축하는전략을쓰고있다. 만약초과이윤이데이터에서비롯된것이라면지대에해당된다. 지대는경쟁시장의등가교환하에서발생하는것이지만, 불공정한교환이다.
자신의생산력이아닌외부적환경에근거를두고있기때문이다. 데이터생산에기여한프로슈머들은자신들의기여에대하여정당한대가를못받는다는의미에서수탈당하는것이다. 지대는경쟁에의해서소멸되지않고시간이갈수록더커지는경향이있다. 이러한불공정은기본소득에의해서정정될수있다. 데이터생산에기여한사람들의정당한분배몫은섀플리가치를계산해서구할수도있다. 섀플리가치는게임에참여하는경기자들이임의의순서로연합을형성한다고할때존재할수있는모든순서하에서경기자들의기여분을평균한것이다. 섀플리가치는우연하게정해진특정한순서하에서사람들의기여를평가하는것이아니라, 모든가능한순서하에서기여를평가한다. 섀플리가치는기회균등조건하에서는효율적이고기여공정한분배를추구한다. 여러가시상황에서섀플리가치를계산해보면인공지능게임에서데이터를제공하는사람들은대략절반정도의가치를분배받는것이공정하다. 그러나시장에맡겨놓으면모든가치는플랫폼을소유한알고리즘제공자의몫이된다. 공정한분배를위해서는최소수혜자의섀플리가치를보장할수있도록과세를통해서기본소득으로나누어야한다. 이제우리는허버트사이먼이소득의 90% 는남의지식을활용한대가라는말을더잘해석할수있게되었다. 몇가지가정 하에서만든인공지능게임에서섀플리가치로계산한기본소득의크기는허버트사이먼이제안한 70% 가아니라제임스미드가제안한 50% 정도이다. 인공지능으로인해서직업이사라지므로사람들의생존을위해서는기본소득이필요하다. 직업이사라져가는시대에서노동의의미를새롭게생각해야한다. 그리고인공지능이만든물건들이잘팔려서경제가순조롭게재생산되기위해서도기본소득이필요하다. 그러나더욱강력하게, 우리모두가인공지능의생산에참여하고있으므로, 우리모두는인공지능에대한재산권을가지고있다. 최근팀버너스리는케인즈의가족인수마야케인즈 (Soumaya Keynes) 가 당신도기본소득을지지하는컴퓨터과학자에속하느냐 라고질문을하자, 기본소득은효율적이고단순하기때문에지지한다 고대답하면서기본소득은 기술이가져온대규모지구적불평등을교정할수있는수단의하나 라고대답하였다.(Kate McFarland, 2016) WWW라는공유지를선물로준사람이기본소득을지지하니기본소득지지자로서매우기쁘다. 그러나만약버너스리가자신이만든공유지로인해서빅데이터가쌓이고, 빅데이터로인해서인공지능의개발이가능해졌다는것을인식하였다면, 모든사람들이기본소득에대한권리를가지고있다고한층더강하게말할수있었을것이다. 주 Social and Ecological Transformation and Basic Income 37 the 16TH BIEN CONGRESS 1) 인공지능 (AI) 이라는용어는이워크샵에서처음으로사용되었다. 이무렵사이먼과뉴월 (H. Simon and A. Newell) 은 LT(Logic Theorist) 라는인공지능프로그램을개발하였다. LT 는러셀과화이트헤드의수학의원리제2장정리들을대부분증명할수있었고, 몇몇명제는더짧게증명했다. 버트란드러셀은사이먼의 AI가만든증명을보고매우기뻐했다고한다.(S. Russell and P. Norvig, 2010, p.22) 사이먼은 LT 를더욱발전시킨 GPS(General Problem Solver) 라는인공지능도만들었다. 이것은인간과같은사고시스템이라는인공지능의첫번째목표를달성한최초의프로그램이었다.( 조영임, 2012, p.8) 2) 레식은통신시스템을물리적계층, 코드계층, 콘텐츠계층으로나누고, 코드계층이자유로운시스템을공유지라고불렀다.(Lawrence Lessing, 2002) 3) 1990년은버너스리에게무척바쁜한해였다. 그는결혼을했고, 웹의지적재산권을포기하기로결심하였으며, 크리스마스날지구최초의웹서버의스위치를켰다 (Businessweek, 2002. 3. 4). 4) 이글에서공정교환이란생산성을고려해서동등한노동이교환되는경우를의미한다. 생산성이높은노동은더많은노동으로간주된다. 지대를낳는노동의경우에는생산력의원천이외부의환경에있으므로생산성이높은노동으로간주되지않는다. 지대가불공정교환이라는것은이런의미에서이다. 이글에서사용하는공정교환개념은지능같은내적천부의차이에의한불평등을고려하지않는개념이다.(Phillipe Van Parijs, 2003 참조 )
5) 이글에서말하는지대란차액지대를말한다. 6) 페이스북은 2015년 1월 16일에토치 (Torch, http://torch.ch/) 를위한오픈소스의딥러닝 (Deep learning) 모듈을다른경쟁사들보다먼저공개했다 (Venturebeat, Techcrunch, Facebook Blog, 16 Jan 2015). 구글은 2015년 11월 10일일본도쿄의 기계안의마술 (The Magic in the Machine) 행사에서기계학습기술인 텐서플로 (TensorFlow, http://tensorflow.org) 를오픈소스프로젝트로공개하고외부에서도무료로쓸수있도록했다.( 차원용, 2016) 7) 로이드섀플리 (1923-2016) 는 2012년노벨경제학상을수상하였다. 8) 엄밀하게는 v({1}), v({1,3}), v({1,2,3}) 등으로표현해야하지만, 혼동의여지가없으므로, v(1), v(1,3), v(1,2,3) 등으로표현하기로한다. 보수 x도마찬가지로표현한다. 즉, x(1) = x({1}) = x1 이고, x(1,2)=x({1,2})=x1+x2 이다. 9) 만약알고리즘을제공하는사람이플랫폼독점이사라져서서로경쟁하게되면알고리즘제공하는사람의섀플리가치는적어지고, 데이터를제공하는사람들의섀플리가치는커진다. 10) 엄밀하게말하면, 이글에서는대칭성과강단조성을합쳐서기여공정성이라고정의한것이다. 11) 데이터를제공하는사람이많아질경우일부의사람이데이터를제공하지않더라도인공지능은만들어질것이다. 물론많은사람들이데이터를제공하지않으면인공지능은만들어지지않을것이다. 이모델에서는이런상황을고려해서 1명의사람이데이터를제공하지않아도인공지능이만들어진다고가정한것이다. 12) 알고리즘을제공하는사람의섀플리가치는다음과같이구할수있다. 알고리즘제공자가기여하는가치가 1이되는경우는순서상제일마지막에위치하는경우 1가지와데이터를제공하는사람들의후반부에위치하는경우를합해서모두개의경우가있다. n은짝수라고가정한다. 각각의경우마다개의순서가존재하므로, 모두개의순서가존재하고이것이전체순서개에서차지하는비율은가된다. 참고문헌 38 Brin, Sergey and Lawrence Page(1998), The Anatomy of a Large-Scale Hypertextual Web Search Engine, Computer Networks and ISDN Systems. David Silver, Aja Huang, Chris J. Maddison, Arthur Guez, Laurent Sifre, George van den Driessche, Julian Schrittwieser, Ioannis Antonoglou, Veda Panneershelvam, Marc Lanctot, Sander Dieleman, Dominik Grewe, John Nham, Nal Kalchbrenner, Ilya Sutskever, Timothy Lillicrap, Madeleine Leach, Koray Kavukcuoglu, Thore Graepel, and Demis Hassabis(2016), Mastering the game of Go with deep neural networks and tree search, Nature, Vol. 529, 28 Jan. Lantz, Brett.(2015), Machine Learning with R, 2nd edition, Packit Publishing, 전철욱옮김, R을활용한기계학습, 에이콘, 2014 Lessig, Lawrence(2002), The Future of Ideas: the Fate of the Commons in a Connected World, Vintage Books. Marx, Karl(1867), 김수행옮김, 자본론, 제1권, 비봉출판사, 1992 Marx, Kl.(1894), Capital Vol. 3, 김수행옮김, 자본론 제3권, 비봉출판사, 2004. Mayer-Schonberger, Viktor and Kenneth Cukier(2014), Big Data: A Revolution That Will Transform How We Live, Work, and Think, Eamon Dolan/Mariner Books, 이지연옮김, 빅데이터가만드는세상 : 데이터는알고있다, 21세기북스, 2013. McFarland, Kate, UNITED KINGDOM: Web inventor Sir Tim Berners-Lee on benefits of UBI, Basic Income News, 2016. 5. 28. Negnevitsky, M.(2005), Artificial Intelligence, 2nd edition, 김용혁옮김, 인공지능개론, 한빛아카데미, 2013. Phil Simon(2013), Too Big to Ignore: The Business Case for Big Data. Wiley. 장영재, 이유진옮김, 당신의흔적에기회가있다 : 무시하기에는너무큰존재, 빅데이터, 한국경제신문사, 2015. Poole, D. and Mackworth, A.(2010), Artificial Intelligence: Foundations of Computational Agents, Cambridge University Press. Quoc V. Le, Marc Aurelio Ranzato, Rajat Monga, Matthieu Devin, Kai Chen, Greg S. Corrado, Jeff Dean, and Andrew Y. Ng(2012), Building High-level Features Using Large Scale Unsupervised Learning, Proceedings of the 29th International Conference on Machine Learning, Edinburgh, Scotland, UK, 2012. Russell, S and Norvig, P.(2010), Artificial Intelligence: A Modern Approach, 3rd. edition, Prentice Hall, 류광옮김, 인공지능, 현대적접근방식, 제3판, 제이펍, 2016 Scarf, Herbert. 1962. An Analysis of Markets with a Large Number of Participants, Recent Advances in Game Theory, The Princeton Univeristy Conference. Shapley, L. S. 1953. A Value for N Person Games, Annals of Mathematical Studies, XL: 307-17.
Shapley, L. S. and Martin Shubik. 1969. Pure Competition, Coalitional Power, and Fair Division, International Economic Review, 10(3): 337-362. Simon, Herbert(2000), UBI and the Flat Tax, Phillip van Parijs eds., What's Wrong with a Free Lunch, Beacon Press. Van Parijs, Philipe(2003), Real Freedom for All, Oxford. Yaniv Taigman, Ming Yang, Marc'Aurelio Ranzato, and Lior Wolf(2014), DeepFace: Closing the Gap to Human-Level Performance in Face Verification, Conference on Computer Vision and Pattern Recognition (CVPR), June 24, 2014 강남훈 (2002), 정보혁명의정치경제학, 문화과학사. 강남훈, 강성윤, 류동민, 박성수, 이경천, 이채언, 채만수 (2007), 정보재가치논쟁, 한신대학교출판부. 마쓰오유타카 (2015), 인공지능과딥러닝, 박기원옮김, 동아엠엔비차원용 (2016), 페이스북인공지능-기계학습-딥러닝의현재와미래, Electronic Science, 2013. 3. 4.,(http://www.elec4.co.kr/article/ articleview.asp?idx=14047#) the 16TH BIEN CONGRESS 39 Social and Ecological Transformation and Basic Income