[논문 리뷰] A multidisciplinary task-based perspective for evaluating the impact of AI autonomy and generality on the future of work

Enrique Fernández‐Macías, Emília Gómez외 5명|arXiv (Cornell University)|2018. 07. 06.

Digital Transformation in Industry참고 문헌 22인용 수 9

한 줄 요약

이 논문은 인공지능의 자율성과 일반성의 향후 노동 시장에 미치는 영향을 평가하기 위해 다학제적임무기반 프레임워크를 제안한다. 이 프레임워크는 임무의 사회경제적 및 계산적 시각을 통합하고 인간 및 AI 능력과 연결한다. 논문은 AI의 진전을 측정하는 데 있어 과거의 태스크 중심 성능 평가에서 벗어나 자율성과 일반성을 평가하는 데로 전환해야 하며, 이는 자동화가 고용 시장 전반에 미치는 영향을 예측하는 데 필수적이라고 주장한다.

ABSTRACT

This paper presents a multidisciplinary task approach for assessing the impact of artificial intelligence on the future of work. We provide definitions of a task from two main perspectives: socio-economic and computational. We propose to explore ways in which we can integrate or map these perspectives, and link them with the skills or capabilities required by them, for humans and AI systems. Finally, we argue that in order to understand the dynamics of tasks, we have to explore the relevance of autonomy and generality of AI systems for the automation or alteration of the workplace.

연구 동기 및 목표

• 다양한 부문에서 AI 시스템이 업무 태스크를 자동화하거나 변화시키는 방식에 대한 종합적인 이해 부족을 해결하기 위해.
• 특히 인간 및 AI 능력과 관련하여 사회경제적 영역과 계산적 영역에서 '임무'의 정의가 상이한 점을 조율하기 위해.
• 자율성과 일반성이 미래의 노동을 어떻게 규정하는지, 특히 이러한 특성이 인간 노동과 기존 자동화 방식을 어떻게 구분하는지 분석하기 위해.
• 고립된 태스크 성능이 아닌 스킬, 자율성, 일반성 기반의 일관된 AI 시스템 평가 프레임워크를 개발하기 위해.
• AI 평가를 성능뿐 아니라 공정성, 투명성, 데이터 효율성과 같은 더 넓은 사회적 및 경제적 가치로 이르기 위한 정책 및 연구 지침을 제시하기 위해.

제안 방법

• 사회경제적 관점(출력을 생성하는 고립된 작업 단위로 정의된 임무)과 계산적 관점(인공지능 시스템 내 문제 해결 연산으로 정의된 임무)에서 '임무'를 정의한다.
• 스킬을 태스크 정의와 시스템 성능 사이의 다리로 삼아 인간 및 AI 능력을 공통 프레임워크에 통합한다.
• 자율성(자기 결정적 목표 추구 및 행동 적응)과 일반성(최소한의 재훈련으로 광범위한 태스크 커버리지)의 정의를 제안한다.
• 태스크 정확도 외에도 데이터 효율성, 신뢰성, 공정성, 투명성 등의 차원을 포함하여 AI 시스템을 평가할 것을 제안한다.
• 노동 경제학, 인지 과학, 인공지능 연구를 융합한 다학제적 시각을 통해 다양한 산업에서의 자동화 가능성을 평가한다.
• 태스크 중심의 벤치마크 평가에서 벗어나, 자율성과 일반성 수준이 다른 인공지능 시스템을 인지 자원으로서의 통합적 평가로 전환한다.

실험 결과

연구 질문

• RQ1 사회경제적 및 계산적 관점에서 '임무'의 개념은 어떻게 다름과 그에 따른 직장 내 AI 자동화에 대한 영향은 무엇인가?
• RQ2 다양한 태스크 영역에서 인간과 AI 능력을 비교할 수 있는 공통 기반으로서의 스킬은 어느 정도 가능성이 있는가?
• RQ3 AI 시스템의 자율성과 일반성이 복잡하고 동적인 업무 환경에서 인간 노동을 대체하거나 보완하는 데 있어 어떤 영향을 미치는가?
• RQ4 실제 직무 통합을 위한 AI 시스템 평가 시 성능 외에 어떤 평가 차원을 우선시해야 하는가?
• RQ5 역사적 노동 분업과 정형화 경향은 일반성과 자율성이 주도하는 점점 진전되는 자동화 영역과 어떻게 관련이 있는가?

주요 결과

• 현재의 좁은 범위의 AI 자동화 중심 평가가 장기적인 고용 시장 역학을 규정하는 데 핵심적인 자율성과 일반성의 역할을 간과하고 있다.
• 인간 노동은 이전부터 본질적인 자율성과 일반성 덕분에 유지되어 왔으며, 이는 점점 더 고도화된 AI 시스템이 타깃으로 삼고 있다.
• 높은 일반성과 자율성을 갖춘 AI 시스템은 재훈련과 감시의 필요성을 줄여 다양한 태스크에서 비용 효율성과 확장성을 높인다.
• AI 시스템에서 신뢰성과 일반성 사이에는 상충 관계가 존재하며, 광범위한 능력은 중요한 응용 분야에서 예측 가능성과 신뢰도를 감소시킬 수 있다.
• AI 평가는 과거의 태스크 중심 벤치마크를 넘어서 공정성, 투명성, 재현 가능성, 데이터 효율성 등의 차원을 포함하여 책임감 있는 배포를 위해 진화해야 한다.
• AI의 직장 통합은 생물학적 또는 인공적 기원 여부에 관계없이 인간 자원을 인지 자원으로 재정의할 필요가 있으며, 이에 따라 새로운 평가 프레임워크가 필요하다.