강의 1-1: AI의 역사와 작동 원리

3.1 왜 목회자가 작동 원리를 알아야 하는가

목회자가 컴퓨터 공학자가 될 필요는 없습니다. 그러나 최소한의 정확한 이해는 필요합니다. 이유는 세 가지입니다.

첫째, 부정확한 전제 위의 신학은 빗나갑니다. "AI가 스스로 생각하고 스스로 목적을 세운다"는 전제로 설교하면, 그 설교는 현재 존재하지 않는 대상을 다루는 것이 됩니다.

둘째, 과장과 축소 모두 성도를 오도합니다. AI를 지나치게 두려워하게 만드는 것도, 지나치게 신뢰하게 만드는 것도 목회적 실패입니다.

셋째, 기술의 작동 방식 자체가 신학적 함의를 갖습니다. 예컨대 언어모델이 "확률적 예측"으로 문장을 만든다는 사실은, 그 산출물의 진리성과 권위에 대한 판단(11장 설교 윤리)에 직접 영향을 줍니다.

3.2 인공지능 연구의 역사적 전개

① 태동기 (1950년대) 1950년 앨런 튜링(Alan Turing)은 「계산 기계와 지능」에서 "기계가 생각할 수 있는가"라는 질문을 "기계가 인간과 구별되지 않게 대화할 수 있는가"로 바꾸어 놓았습니다. 이 전환 자체가 매우 중요합니다. 그는 내면의 실재에 관한 질문을 외적 행동에 관한 질문으로 치환했습니다. 이 치환의 정당성 여부가 16장의 핵심 쟁점이 됩니다. 1956년 다트머스 회의에서 '인공지능(Artificial Intelligence)'이라는 용어가 공식적으로 채택되었습니다.

② 기호주의와 첫 번째 겨울 (1960~1980년대) 초기 AI는 인간 전문가의 지식을 규칙(if-then)으로 명시하여 프로그램에 담는 기호주의(symbolic AI) 접근을 취했습니다. 의료 진단 전문가 시스템 등이 이 시기의 성과입니다. 그러나 현실 세계의 지식은 규칙으로 다 적을 수 없을 만큼 방대하고 암묵적이었습니다(이른바 '상식 문제'). 기대에 미치지 못하자 연구비가 끊기는 'AI 겨울'이 두 차례 찾아옵니다.

③ 기계학습의 부상 (1990~2010년대) 접근이 뒤집힙니다. 규칙을 사람이 적어 주는 대신, 데이터를 주고 기계가 규칙(패턴)을 스스로 찾게 하는 방식입니다. 통계적 방법과 신경망이 결합되고, 2012년경 심층학습(deep learning)이 이미지 인식에서 결정적 성과를 내면서 판도가 바뀝니다.

④ 대규모 언어모델의 시대 (2017년~ ) 2017년 '트랜스포머(Transformer)' 구조가 발표되면서 언어 처리 능력이 비약적으로 향상됩니다. 이후 모델의 크기와 훈련 데이터를 키우자 예상치 못한 능력들이 나타났고, 2022년 말 대화형 생성 AI가 대중에게 공개되면서 사회 전체가 이 기술을 체감하게 되었습니다.

도식: 인공지능 발전의 흐름

1950  튜링 "계산 기계와 지능"  ── 질문의 전환: 내면 → 행동
  │
1956  다트머스 회의            ── 'AI' 용어 확립
  │
  ├─ 기호주의 시대 (규칙을 사람이 적는다)
  │     └─ 전문가 시스템 → 상식 문제의 벽 → 두 차례의 AI 겨울
  │
1990s ├─ 기계학습으로 전환 (규칙을 데이터에서 찾는다)
  │
2012  ├─ 심층학습 돌파 (이미지 인식)
  │
2017  ├─ 트랜스포머 구조 등장
  │
2022  └─ 대화형 생성 AI 대중화 ── 사회 전체가 체감
  │
현재     "능력은 넓어졌으나 이해의 본질은 논쟁 중"

3.3 두 접근의 근본적 차이

이 표의 마지막 행에 주목하십시오. 오늘날 주류가 된 학습 기반 AI의 특성 — 불투명성과 데이터 편향의 재생산 — 이 곧 제2부 윤리 논의의 기술적 근거가 됩니다.

3.4 대규모 언어모델은 실제로 무엇을 하는가

이것이 이 강의에서 가장 정확히 이해해야 할 부분입니다.

대규모 언어모델의 핵심 작동은 다음에 올 언어 단위(토큰)를 확률적으로 예측하는 것입니다. 방대한 텍스트를 학습하면서 "이런 맥락 다음에는 이런 표현이 올 확률이 높다"는 통계적 관계를 극도로 정교하게 익힙니다. 문장을 생성할 때는 이 예측을 한 단위씩 반복합니다.

입력: "여호와는 나의 목자시니 내게"
          ↓
   [학습된 확률 분포 계산]
          ↓
   부족함이 (0.87) │ 필요한 (0.04) │ 주시는 (0.02) │ ...
          ↓
   선택 → "부족함이"  → 이 과정을 반복 → 완성된 문장

여기서 두 가지 오해를 모두 경계해야 합니다.

오해 A: "그냥 앵무새처럼 따라 하는 것이다." — 이것은 과소평가입니다. 모델은 문장을 저장했다가 꺼내는 것이 아니라, 언어의 통계적 구조에서 문법·문체·논증 형식·개념 간 관계에 해당하는 매우 추상적인 패턴을 추출합니다. 그 결과 훈련 데이터에 없던 조합의 문제도 상당 수준 처리합니다. 이를 무시하면 실제 능력을 오판하게 됩니다.

오해 B: "이해하고 답하는 것이다." — 이것은 과대평가입니다. 모델의 목표 함수는 "참을 말하는 것"이 아니라 "그럴듯한 다음 단어를 고르는 것"입니다. 그렇기 때문에 자신 있게 틀린 말을 생성하는 현상(환각, hallucination)이 결함이 아니라 구조에서 나옵니다. 존재하지 않는 성경 구절, 실존하지 않는 신학자의 저서, 잘못된 원어 분석이 매끄러운 문장으로 제시될 수 있습니다.

목회적 경고 (11장에서 상술) 언어모델은 "베드로전서 5장 12절"처럼 실제로는 다른 내용인 구절을 그럴듯하게 인용하거나, 존재하지 않는 논문을 각주로 달 수 있습니다. 설교 준비에 사용할 경우 모든 성경 인용과 인용 출처는 반드시 원문에서 직접 확인해야 합니다.

3.5 현재 AI의 능력과 한계 지도

마지막 두 행이 이 과정의 신학적 논의가 집중되는 지점입니다.

3.6 목회적 착지점

이 강의의 실천적 결론은 단순합니다. AI는 강력한 언어 도구이지, 진리의 원천이 아닙니다. 목회자는 이 도구를 자료 정리, 초안 구성, 번역 보조 등에서 유용하게 쓸 수 있습니다. 그러나 도구의 산출물을 검증 없이 강단에 올리는 것은, 출처를 확인하지 않은 인용을 설교하는 것과 정확히 같은 종류의 잘못입니다.

4-1. 인공지능 발전사 — 규칙을 적는 시대에서 패턴을 배우는 시대로

4-2. 목회자를 위한 AI 이해 요약표