1장. 인지의 수단

 

1장. 인지의 수단

 

마이크로소프트의 견해는 간단한 워드 프로세서부터 양자 컴퓨터에 이르기까지 모든 것에 AI가 포함되어야 하며, 마이크로소프트의 용어를 빌리자면 모든 것에 AI가 '주입(infused)'되어야 한다는 것이다. — 제임스 톰슨(James Thompson, 2018)

새로운 전기 (THE NEW ELECTRICITY)

2016년, 스탠퍼드 대학교 교수이자 기업가이며 바이두의 전 수석 과학자이자 구글 브레인의 전 수장이었던 앤드류 응(Andrew Ng)은 AI를 **'새로운 전기'**라고 명명하며 다음과 같이 주장했습니다. "100년 전 전기가 거의 모든 것을 변화시켰던 것처럼, 오늘날 나는 앞으로 몇 년 안에 AI가 변화시키지 못할 산업을 생각하기조차 어렵습니다.". 응은 AI를 새로운 산업 혁명을 이끄는 기본 유틸리티로 생각하는 유일한 사람이 아닙니다. 이러한 생각은 세계 경제 포럼(WEF)과 같은 자본주의 기관들이 발표한 '4차 산업 혁명' 선언에도 암시되어 있습니다. 기술 전문가 케빈 켈리(Kevin Kelly) 또한 이를 명시적으로 주장하며, 가까운 미래에 "모든 것의 배후에서 작동하는 값싸고 신뢰할 수 있는 산업 등급의 디지털 스마트함"이라는 **'공통 유틸리티'**를 갖게 될 것이라고 예측했습니다. 그는 "모든 유틸리티가 그렇듯 AI는 인터넷, 글로벌 경제 및 문명을 변화시키면서도 지극히 지루한 것이 될 것이다. 1세기도 더 전에 전기가 그랬던 것처럼 그것은 불활성 물체에 생기를 불어넣을 것이다. 이전에 전력화했던 모든 것을 이제 우리는 **인지화(cognitize)**할 것이다."라고 말했습니다.

응과 켈리의 이러한 예측은 AI가 마르크스가 **'일반적 생산 조건(general conditions of production)'**이라 불렀던 것의 일부가 될 수 있음을 시사합니다. 이는 특정 장소와 시간에 자본주의 생산을 위한 환경을 형성하는 기술, 제도 및 관습을 의미합니다. 마르크스는 통신 및 운송 수단을 포함한 인프라를 일반적 생산 조건의 중요한 구성 요소로 언급했습니다. 만약 AI가 새로운 전기가 된다면, 그것은 단순히 강화된 형태의 작업장 자동화로 적용될 뿐만 아니라 자본주의 경제 그 자체의 깊고 광범위한 인프라 재편의 기초로 적용될 것입니다. 이러한 AI의 편재성은 그것이 개별 자본가들이 배치하는 특정 도구의 형태를 취하는 것이 아니라, 오늘날의 전기나 통신처럼 모든 자본주의 기업의 생산 과정에서 전제되는 인프라, 즉 **'인지의 수단(means of cognition)'**이 될 것임을 의미합니다. 우리는 마르크스의 통신 및 운송 수단에 대응하는 AI 등가물로서 '인지의 수단'이라는 용어를 제안하지만, 이것이 포스트 오페라이스모(post-operaismo)의 '인지 자본주의(cognitive capitalism)' 개념과 혼동되어서는 안 된다고 강조합니다.

이 논거를 전개하기 위해서는 먼저 자본주의의 AI 도입 역사, 머신러닝(ML) 접근 방식에 기반한 기존 및 예상되는 상업적 AI 응용 분야에 대한 조사, 그리고 현대 AI 산업에 대한 분석이 필요합니다. 이 산업의 축적 기반은 고도로 발전된 기술-과학적 상품이지만, 다른 모든 자본주의 기업과 마찬가지로 잉여가치 생산의 강제, 즉 이윤 추구, 경쟁, 투자 유치, 시장 지배 및 과점과 독점 형성을 통한 라이벌 패배의 원칙에 의해 지배됩니다. 그러나 우리는 AI가 일반적 생산 조건의 일부가 되는 데 기여할 수 있는 이 산업의 두 가지 구조적 특징에 주목합니다. 첫째는 경제적, 행정적 및 군사적 목적을 위해 AI 발전을 육성하려는 신자유주의 국가들의 아낌없는 지원과 보조금이며, 둘째는 도구와 템플릿이 무료로 배포되고 협력적으로 연구되지만 결국 AI 과점 기업들의 플랫폼과 우선순위로 수렴되는 대규모의 활발한 오픈 소스 구성 요소의 존재입니다.

우리는 가까운 미래에 머신러닝이 가능케 하는 인지 및 지각 기능이 단순한 챗봇부터 스마트 시티와 사물 인터넷(IoT)에 이르기까지 다양한 애플리케이션을 통해 어떻게 보편화될 수 있을지 추측해 봅니다. 이러한 사례들은 AI가 일반적 생산 조건으로 자리 잡을 수 있는 몇 가지 방식들을 보여줍니다. 이 분석은 '일반 지성(general intellect)'이라는 개념을 네트워크로 연결된 대중(multitude)의 새로운 능력으로 보는 포스트 오페라이스모의 인문주의적 재구성과는 반대되는 그림을 그립니다. 반대로, 일반적 생산 조건의 일부로서 AI의 가능한 미래는 일반 지성을 사회적 인간 노동으로부터 분리되어 자본에 축적된 기계적 역량으로 규정한 마르크스의 원래 정식화를 뒷받침합니다. 현재 AI 개발이 상당 부분 네트워크 대중으로부터 추출된 데이터의 마이닝과 처리에 의존하고 있지만, 이러한 개발의 목적은 자본에게 노동으로부터 전례 없는 독립성을 부여하는 완전히 새로운 수준의 자동화에 도달하는 것입니다.

AI 산업과 기계 지능의 과점 기업들

새로운 AI의 실제 및 잠재적 용도에 대한 기업의 관심은 소매 판매부터 엔터테인먼트 및 산업 생산에 이르기까지 다방면에 걸쳐 있지만, AI 시스템의 실제 생산은 보다 한정된 수의 첨단 기술 기업들의 핵심 관심사입니다. 우리는 이 복합체를 상업적 AI 응용이라는 더 넓은 분야와 구별하여 **'AI 산업'**이라고 부릅니다. 비즈니스 관련 출판물들이 AI가 자본주의 생산을 '혁명적으로' 변화시킬 것이라고 계속 상기시키지만, 우리의 분석은 그러한 변혁이 일어난다면 그것은 아직 초기 단계에 불과하다는 점을 시사합니다. 대신 우리는 AI를 다른 신기술들과 영향력이 얽혀 있으며 아직 확실성을 확인하기 어려운 하나의 신생 산업으로 봅니다. AI에 대한 비즈니스적 관심은 높지만, AI 산업 외부에서 이 기술에 대한 실제 투자 수준은 높지 않습니다. 2017년 응용 인공지능 컨퍼런스 참가자들을 대상으로 한 설문 조사에 따르면 "AI 채택은 여전히 낮은 수준이며, 대부분의 주요 성공 사례는 업계 최대의 기술 플레이어들에게서만 나오고 있다"고 결론지었습니다.

AI 개발이 독자적인 산업 부문으로 처음 등장한 것은 1980년대였습니다. AI 산업의 이 첫 번째 시대는 GOFAI(기호주의 AI) 전문가 시스템을 기반으로 했습니다. 이 시대의 AI 산업은 기업 고객을 위해, 그리고 전형적으로 고객과 협력하여 생산 수단으로서 시스템을 생산하는 소수의 소규모 회사들로 구성되었습니다. 어떤 경우에는 대기업들이 독점적인 전문가 시스템을 개발하기 위해 내부 AI 부서를 설립하기도 했습니다. 이러한 시스템은 상당한 정도의 전문화를 필요로 했고, 적용 분야가 극히 좁았으며, 생산 및 업데이트에 많은 노동력이 필요했습니다. 어떤 분야에도 적용할 수 있는 '범용' 전문가 시스템을 개발하려는 시도가 있었지만 궁극적으로 실패했습니다. 이러한 시스템에 대한 상업적 열풍은 1990년대에 가라앉았지만, 거의 같은 시기에 학계에서 머신러닝 접근 방식이 힘을 얻었고, 2010년대에 컴퓨팅 파워의 발전과 개선된 학습 알고리즘에 힘입어 AI는 상업 영역으로 복귀했습니다. 2017년까지 《이코노미스트(The Economist)》는 "명시적으로 프로그래밍되지 않고도 패턴을 인식하고 예측을 수행하기 위해 데이터를 걸러내는" 머신러닝의 힘이 상업적으로 중요해지고 있는 분야들의 후보 목록을 제안했습니다. 몇 가지를 살펴볼 가치가 있습니다.

머신러닝 기반 AI 산업은 전문가 시스템의 첫 번째 시대보다 훨씬 더 다양합니다. 이것이 최근 선진 자본주의가 심각한 AI 열풍을 앓게 된 이유 중 하나입니다. 《이코노미스트》는 온라인 광고 타겟팅 및 제품 추천, 가상 개인 비서 및 증강 현실(AR) 시스템의 생성, 그리고 자율 주행 차량의 전망에 대해 열광해 왔습니다. 2019년 초 현재, 이들 중 일부는 이미 고도로 발전된 반면 다른 것들은 이제 막 시작 단계에 있습니다. 광고 및 추천의 알고리즘 타겟팅은 10년 이상 디지털 웹 2.0 기업의 토대였습니다. 애플의 Siri, 아마존의 Alexa 또는 마이크로소프트의 Cortana와 같은 디지털 개인 비서는 서서히 보편화되고 있습니다. 물리적 현실 위에 가상의 이미지와 정보의 메시를 겹쳐 놓는 증강 현실 제품은 이제 막 상품으로 판매되거나 인앱 구매 및 데이터 마이닝을 위한 무료 수단으로 배포되기 시작했습니다. 포켓몬 고(Pokémon Go)와 같은 게임 및 기타 모바일 앱이 AR의 가능성을 테스트하고 있는 반면, 의료 응용 분야와 같은 더 진보된 영역은 구글, 애플, 마이크로소프트와 같은 회사들에 의해 활발히 연구되고 있습니다. 머신러닝의 상업적 이용을 위한 아마도 가장 큰 보상이자 동시에 가장 벅찬 도전은 자율 주행 자동차와 트럭의 창조일 것입니다. 이 '문샷(moonshot)'에는 구글과 바이두 같은 선도적인 정보 기업, 포드, GM, 다임러와 같은 기존 자동차 업계 거물들, 그리고 우버와 테슬라 같은 신흥 진입자들이 모두 뛰어들어 자본주의의 운송 부문 전체를 변화시키기 위해 경쟁하고 있습니다.

AI 산업 기업들은 머신러닝 기술을 구축하는데, 종종 처음에는 자체 비즈니스 운영에 사용하기 위해, 하지만 또한 판매나 대여를 위한 상품으로, 혹은 '무료' 서비스로 구축합니다. 그들은 마르크스가 사회의 총생산물과 총생산 과정을 나눈 두 가지 주요 '부문' 모두를 위한 상품을 생산합니다. 즉, 생산적 소비를 위한 상품인 **제1부문(생산 수단)**과 개인 소비를 위한 상품인 **제2부문(소비 수단)**입니다. 머신러닝에 관한 일부 논평가들은 이 두 부문에 깔끔하게 대응하는 '두 개의 AI'가 있을 것이라고 제안했습니다. 하나는 비즈니스 응용 분야를 위한 것이고, 다른 하나는 소비자 기기를 위한 것입니다. 제1부문에서는 월마트와 같은 거대 기업이 조직 전체의 기능을 미세하고 실시간으로 모니터링할 수 있게 해주는 머신러닝 기반 클라우드 데이터베이스 플랫폼인 SAP의 HANA와 같은 예를 볼 수 있습니다. 또한 "AI 기반 적응형 제조, 자동화된 품질 관리, 예측 유지보수 등"을 제공하여 산업 제조를 완전히 정비하는 것을 목표로 2017년에 설립된 앤드류 응의 스타트업 Landing.ai가 있습니다. 제2부문에는 아마존 홈(Amazon Home)과 유사한 장치와 같은 다양한 소비자 상품들이 포함됩니다. '스마트 스피커'로 마케팅되는 홈은 알렉사 디지털 개인 비서에 대한 사용자 음성 인터페이스로, 다양한 홈 자동화 및 조직적 과업을 가능하게 합니다. AI는 전화기나 TV와 같은 다른 스마트 기기에서도 발견되며, 머신러닝 기반 추천 시스템이 타임라인을 큐레이션하고 다음에 무엇을 보거나 들을지 제안하는 페이스북, 트위터 또는 유튜브와 같은 무료 제품-서비스의 구성 요소로도 '제공'됩니다. 결국 이러한 시스템들은 광고 수익을 촉진하기 위해 고객 데이터를 수집합니다. 그러나 우리가 보게 될 것처럼, 제1부문과 제2부문 AI의 생산은 종종 동일한 과점 기업들에 의해 지배되며, 공유된 클라우드 컴퓨팅 시설의 사용을 포함하여 다양한 방식으로 상호 연결될 수 있습니다.

2015년부터 AI 연구에 대한 기업 투자, 머신러닝 스타트업에 대한 벤처 자금 지원, AI 인재의 경쟁적 고용은 물론 많은 인수 합병 활동이 급격히 에스컬레이션되었습니다. 이 활동의 규모를 측정하는 것은 어렵습니다. 한 분석에 따르면 AI 산업은 2015년에 1,260억 달러의 수익을 올렸고 2024년까지 3조 610억 달러로 성장할 것으로 예상되지만, 또 다른 분석은 2018년 전 세계 AI 지출이 191억 달러에 불과했으며(2017년 대비 54.2% 증가), 2021년에는 겨우 522억 달러에 이를 것으로 예측합니다. 《이코노미스트》는 2017년에 전 세계 기업들이 AI 관련 인수 합병에 약 213억 달러를 지출했으며, 이는 2015년보다 26배 더 많은 수치라고 계산합니다. 이러한 상충하는 추정치들(종종 AI 벤더와 비즈니스 컨설팅 회사의 사익에 의해 주도됨)은 혼란스럽지만, AI가 선진 자본의 대표자들의 상상력을 사로잡았다는 점은 분명합니다. 《이코노미스트》가 표현했듯, "경쟁, 높은 기대 및 과대광고에 힘입어 AI 붐은 첫 번째 캘리포니아 골드러시처럼 느껴질 수 있습니다.".

머신러닝 전문가를 향한 기업 간 경쟁은 치열합니다. 링크드인 프로필 데이터를 기반으로 한 연구에 따르면 'AI 연구 및 응용 분야에서 일할 능력이 있는' 박사 학위 소지자는 22,000명이며, 그중 3,074명만이 현재 일자리를 찾고 있습니다. 수요가 공급을 훨씬 초과합니다. 미국의 정보 자본가들은 자율 주행 차량 프로젝트를 가진 주요 자동차 회사들과 같은 새로운 경쟁자들뿐만 아니라, 이제는 실리콘밸리에 자회사를 설립한 중국의 기술 기업들과도 경쟁하고 있습니다. 최고의 인재를 영입하는 것이 AI 자본의 성공에 결정적인 것으로 간주됨에 따라, 이러한 경쟁은 "기업들이 교수와 대학원생들이 학위를 마치기도 전에 그들을 고용하기 위해 학과를 약탈하는 추세를 촉발"했으며, 취업 박람회가 마치 광란의 "월마트 블랙 프라이데이 세일"과 닮은 분위기를 조성했습니다. 이러한 머신러닝 인재 경쟁은 임금이 높다는 것을 의미하기도 합니다.

최근 《뉴욕 타임스》 기사는 "학교를 갓 졸업한 박사 소지자와 교육 수준은 낮지만 몇 년의 경력이 있는 사람들을 포함한 전형적인 AI 전문가들이 주요 기술 기업에서 일하거나 그들로부터 제안을 받은 9명에 따르면 연봉과 주식으로 연간 30만 달러에서 50만 달러 이상을 받을 수 있다"고 보도했습니다. 구글이 2014년에 딥마인드를 인수했을 때 50명의 직원을 둔 회사를 위해 6억 5천만 달러를 지불했습니다. 2016년에 이 실험실이 400명의 직원으로 확장되면서 '인건비'만 총 1억 3,800만 달러, 직원당 평균 34만 5천 달러에 달했습니다. 이러한 수치에 비추어 머신러닝 전문가들이 **'새로운 투자 은행가'**라는 제안도 있었습니다. 물론 AI 프로젝트 관리 경험이 있는 임원들의 보상은 훨씬 더 높습니다. 자율 주행 자동차 기술의 소유권을 두고 우버를 상대로 벌인 법정 소송에서, 구글은 자사의 자율 주행 자동차 부문 리더 중 한 명이 경쟁사로 옮기기 전에 1억 2,000만 달러 이상의 인센티브를 챙겼다는 사실을 폭로했습니다. 그러나 머신러닝 기술을 갖춘 갓 졸업한 학생이라도 20대 중반에 "10만 파운드에서 때로는 100만 파운드 이상"을 벌 수도 있습니다.

AI 산업은 그 범위가 국제적입니다. 2016년과 2018년 사이에 그것은 특히 긴장이 고조되는 시대에 군사적 응용 가능성을 고려할 때 미국과 중국 사이의 중요한 기술 경쟁 축으로 널리 인식되었습니다. 중요한 중국 AI 개발자로는 최대 검색 엔진 기업인 바이두와 전자상거래 거인 알리바바가 있습니다. AI 산업의 다른 중요한 국가적 거점으로는 캐나다, 이스라엘 및 영국이 있습니다. 그러나 거의 모든 평가는 미국이 선도적인 위치에 있음을 시사합니다. AI 개발 측면에 관여하는 전 세계 3,000개 이상의 회사를 조사한 한 추정치에 따르면 40%가 미국에 있습니다. 그러나 6개 기업이 압도적입니다. 바로 알파벳(구글의 모회사), 아마존, 애플, 페이스북, IBM 및 마이크로소프트입니다. 이 회사들은 모두 타를턴 길레스피(Tarleton Gillespie)와 닉 서닉(Nick Srnicek)이 각각 '플랫폼' 또는 **'플랫폼 자본주의'**라고 묘사한 것의 전형입니다. 이들의 핵심 특징은 검색 엔진, 소셜 미디어 네트워크, 비디오 또는 음악 스트리밍 서비스 사용자이든, 혹은 컴퓨터 소프트웨어나 소매 소비자이든 관계없이 고객이 생성한 빅데이터를 디지털로 수집하는 것입니다. 이러한 거대한 데이터 보관소에 대한 접근은 플랫폼 기업들을 머신러닝 시스템 학습을 위한 유리한 장소로 만듭니다.

• IBM: 이들 중 IBM은 여러 면에서 아웃라이어입니다. '빅 블루'는 1956년 다트머스 워크숍 참여부터 1997년 딥 블루의 승리, 그리고 2011년 퀴즈 쇼 《제퍼디!》 우승으로 한때 새 세대 AI의 얼굴이 되었던 왓슨(Watson)에 이르기까지 AI에 대한 오랜 관심을 보여왔습니다. 그러나 시스템에 대한 1,500만 달러의 투자에도 불구하고 왓슨은 이후 상업적으로 제한적인 성공만을 거두었습니다. 고수익 의료 및 건강 보험 분야에서의 사용에 중점을 두었으나 2018년에 해당 부문 직원을 대거 해고하고 새로운 초점을 찾겠다고 발표했습니다. IBM은 머신러닝 학습에 필요한 대규모의 독점적 빅데이터 풀을 보유하지 못한 점 때문에 어려움을 겪고 있을 가능성이 높습니다. 반면 다른 주요 미국 AI 생산자들은 이 문제를 겪지 않습니다.
• 알파벳(구글): 알파벳은 수년 동안 사용자 데이터를 수집하고 이를 AI 프로젝트 발전을 위해 적용해 왔습니다. 구글 브레인(Google Brain) 부문은 선도적인 기업 머신러닝 연구 그룹으로 널리 인정받습니다. 2014년과 2018년 사이에 구글은 딥마인드를 포함하여 적어도 12개의 AI 관련 회사를 인수했습니다. 이러한 연구는 구글의 알고리즘 온라인 서비스 및 구글 홈 기기뿐만 아니라 웨이모(Waymo) 자율 주행 차량 부문 및 로봇 관련 회사들과도 연결됩니다. 구글의 소유주인 세르게이 브린과 래리 페이지, 그리고 '엔지니어링 이사'인 레이 커즈와일의 이념적 헌신과 막대한 자금, 전문 지식의 결합은 구글을 상업적 AI 연구에서 예외적인 위치에 올려놓았습니다.
• 페이스북과 아마존: 페이스북의 성공에는 사용자의 관심사와 상호 관계를 도식화한 '소셜 그래프'의 알고리즘 분석 및 예측이 핵심적이었으며, 이는 대규모 온라인 광고 수익을 창출합니다. 페이스북 AI 리서치(FAIR)는 전 세계에 4개의 AI 연구소를 운영하며 최첨단 연구를 수행하고 있습니다. 아마존의 추천 시스템 개발은 막대한 양의 소비자 데이터에 대한 알고리즘 분석에 의존하며, 이는 현재 거대하고 부분적으로 로봇화된 창고 및 주문 처리 시스템 운영과 점점 더 통합되고 있습니다. 에코(Echo) 스마트 홈 시스템, 알렉사(Alexa), 텍스트를 음성으로 바꾸는 폴리(Polly), 이미지 인식 서비스인 레코그니션(Rekognition) 등 다수의 구체적인 AI 기반 제품을 보유하고 있습니다.
• 마이크로소프트와 애플: 마이크로소프트는 수십 년간의 소프트웨어 개발 경험뿐만 아니라 코타나(Cortana)나 다양한 챗봇 벤처를 위해 수백만 명의 컴퓨터 사용자와의 상호작용 기록을 활용합니다. 마지막으로, 애플은 2016-17년에 시리(Siri)의 지속적인 개발과 아이폰 사용자를 위한 안면 인식 보안 시스템인 FaceID 개발과 함께 이 분야에 본격적으로 뛰어들었으며, 2018년에는 구글의 AI 수장을 극적으로 영입했습니다.
• 기술 거물들 너머: 최상위 기술 기업들 주변에는 생명공학부터 농업, 교육, 상품 판매 및 감시 시스템에 이르기까지 AI 산업의 전문 분야에서 틈새시장을 개척하려는 많은 소규모 스타트업이 밀집해 있습니다. 이러한 스타트업 중 성공한 곳들은 AI 산업 거물들에 의해 인수되는 익숙한 패턴을 따를 가능성이 높습니다. 엔비디아(Nvidia)와 인텔(Intel) 같은 지배적인 하드웨어 업체들의 그늘에서도 AI 시스템을 위한 전용 하드웨어를 생산하는 기업들이 계속 나타나고 있습니다.

국가 행위자들: AI 초강대국 (STATE ACTORS: AI SUPERPOWERS)

AI 개발의 또 다른 핵심 행위자는 국가입니다. 마르크스가 자본주의 국가에 부여한 명확한 기능 중 하나는 인프라와 같은 특정한 일반적 생산 조건을 조성하는 것이었으며, 이는 수익성 있는 벤처가 되면 민간 자본으로 이전될 수 있습니다. 이러한 민영화된 산업들은 결과적으로 자본주의 국가들에게 경쟁국에 대항하는 국가 안보라는 이름으로 행사되는 기술적 힘을 제공합니다. 이것이 군사-산업 복합체의 역동성입니다. 미국의 디지털 기술 개발 과정이 이를 전형적으로 보여줍니다. 컴퓨터와 네트워크는 펜타곤의 군사-기업-학계 부문에서 배양된 후 일반적인 상업적 용도로 넘어갔습니다. 미국 첨단 기술 산업의 창조는 자유지상주의적 자기 과시와는 반대로, 냉전 승리에 큰 역할을 했던 기술 창조를 위한 국가 주도의 연구, 보조금 및 계약에 의존했습니다.

이러한 국가-자본 상호작용은 냉전 종식 이후 세계화 시대에 미국 너머로 널리 채택되었습니다. 많은 이론가가 국가의 쇠퇴를 선언했지만, 실제로는 자본주의 세계화가 세계 시장에서의 경쟁적 참여를 위해 디지털 산업과 인프라를 지원하고 보조하는 국가들의 중재를 통해 전개되었습니다. 2008년 월스트리트 붕괴로 미국의 제국적 패권이 약화되자 경제적, 군사적 경쟁이 더욱 날카롭게 부각되었으며, 여기에 경쟁국들의 AI 계획이 통합되었습니다.

미국 정부는 2016년에야 비로소 전반적인 국가 인공지능 R&D 전략 계획을 수립하기 시작했습니다. 트럼프 행정부는 "기술 혁신 선도뿐만 아니라 정보 국가 기술, 무기화 및 감시 분야에서의 역할" 때문에 AI를 국가적 우선순위로 명명했습니다. 미국 국방부는 5년 동안 AI 발전을 위해 최대 20억 달러를 투자하겠다고 발표했습니다. 실리콘밸리 노동자들의 군사 계약 참여 반대 시위에도 불구하고 펜타곤은 향후 10년 동안 특별 군사 클라우드 컴퓨팅인 합동 기업 국방 인프라(JEDI)에 100억 달러를 지출할 계획을 포함한 'AI 파동(AI surge)'이 첫 번째 단계일 뿐임을 분명히 했습니다.

미국 국가가 AI에 대해 갑작스러운 시급함을 느끼게 된 것은 심각한 디지털 라이벌인 중국의 등장 때문입니다. 2017년 중국은 2030년까지 AI 혁신의 '주요' 센터가 되겠다는 야심 찬 차세대 인공지능 발전 계획을 발표했습니다. 전 구글 차이나 대표인 리카이푸(Kai-Fu Lee)는 현재 세대의 AI, 특히 머신러닝이 획기적인 돌파구의 순간에서 혁신적인 응용의 단계로 넘어갔다고 주장합니다. 그는 이 시나리오에서 중국이 수많은 유능한 소프트웨어 엔지니어, 격렬하게 경쟁적인 디지털 자본 부문, 그리고 사실상 제한 없이 수집되는 거대한 양의 데이터를 보유하고 있다는 점에서 AI 우위를 점하고 있다고 봅니다. 그는 미국과 중국이 2030년까지 AI 산업 통제 측면에서 국가 수준의 **'양강 구도(duopoly)'**를 형성할 것이라고 제안합니다.

다른 국가들은 미국-중국 AI 양강 구도 비전에 묵인하기를 꺼립니다. 2018년 유럽 연합은 2020년까지 AI 연구 개발에 최소 200억 유로를 투자하는 것을 목표로 하는 공동 '민관' 프로그램을 발표했습니다. 유럽 기업들의 불안 요인 중 하나는 EU의 최근 일반 데이터 보호 규정(GDPR)인데, 이는 미국이나 중국에 비해 훨씬 엄격하게 기업의 데이터 수집을 제한합니다. 이는 AI 자본이 고도의 감시 거버넌스 체제를 정상화하고 요구할 가능성이 있음을 보여주는 불편한 전조입니다. 유럽은 또한 AI 인재 유출을 막기 위해 다국적 유럽 AI 연구소인 ELLIS를 출범시켰지만, 그 내부에서는 영국, 프랑스, 독일이 지역 리더 자리를 놓고 경쟁하고 있습니다. 다른 국가들(일본, 러시아, 뉴질랜드, 폴란드, 케냐, 튀니지 등)도 AI 전략을 수립하며 세계적인 AI 자본 유치 경쟁에 뛰어들었습니다. 리카이푸의 예측 중 하나는 "AI가 풍부한 국가들이 놀라운 이윤을 챙기는 동안 특정 기술 임계값을 넘지 못한 국가들은 자신들이 통제할 수 없는 AI 시설을 사용하기 위해 시장과 데이터 접근권을 필사적으로 거래하며 ... 거의 완전한 의존과 복속 상태로 후퇴하게 될 것"이라는 경고입니다. 이러한 전망은 어떤 국가도 자본주의 생산과 파괴의 떠오르는 일반적 생산 조건 개발에서 배제되기를 원치 않게 만듭니다.

에지, 클라우드 그리고 규모의 경제 (EDGE, CLOUD AND ECONOMIES OF SCALE)

기업이든 국가든 AI 산업에 필수적인 것은 AI가 실행되는 고가의 하드웨어입니다. 오늘날 이는 주로 사용자가 인터넷을 통해 비용을 지불하고 접속할 수 있는 거대한 에너지 소비형 데이터 센터인 **'클라우드'**의 형태를 취합니다. 지난 몇 년 동안 클라우드 AI 또는 **'서비스형 AI(AI as a service)'**가 가능해졌습니다. AI가 주입된 소비자 기기 및 서비스는 실제 AI 처리가 수행되는 클라우드로 데이터를 보냅니다. 딥 머신러닝 모델 학습을 위한 강도 높은 계산 요구 사항 때문에 소규모 회사들은 필요한 하드웨어를 직접 구매하기 어려워 대신 클라우드 제공업체로부터 컴퓨팅 시간을 구매합니다. 아마존 웹 서비스(AWS)와 마이크로소프트 애저(Azure)가 최고의 성과를 보였으며 구글, IBM, 바이두 클라우드가 시장 점유율 확대를 노리고 있습니다. 이미 클라우드의 소유권은 소수의 '선택된 소수'의 손에 통합되어 있으며 기술 거인들이 지배적인 공급자입니다.

클라우드는 **에지 컴퓨팅(edge computing)**이라는 새로운 기술로 보완됩니다. 에지 컴퓨팅은 일부 처리를 클라우드로 보내는 대신 기기에서 로컬로 수행하는 방식입니다. 에지 컴퓨팅은 대역폭, 네트워크 지연 시간 및 보안 측면에서 클라우드보다 이점을 제공합니다. 자율 주행 차량과 같은 응용 분야에서 약간의 지연은 치명적일 수 있기 때문입니다. 그러나 아무도 에지가 클라우드를 대체할 것이라고 생각하지 않으며 두 기술은 협력하여 작동합니다.

요약하자면, AI 산업은 상호 연결된 수많은 상업적 벤처들—자연스러운 자본주의 활동을 선호하는 이들이 채택한 용어인 '에코시스템(생태계)'—을 생성하고 있습니다. AI의 확산 전망은 자본이 이러한 인지의 수단에 대한 접근을 전제하는 미래, 즉 AI가 일반적 생산 조건의 일부가 되는 미래의 타당성을 시사합니다. 이러한 일반화 과정에서 AI 산업 지형에 극적인 변화가 있을 수 있지만, 현재로서는 기술 거인들이 정점의 위치를 차지하고 있습니다. 클라우드 컴퓨팅 시설에 대한 통제, 대규모 데이터 세트의 소유권, 그리고 한정된 풀에서 최고의 AI 인재를 고용할 수 있는 부는 그들의 많은 장점 중 일부입니다. 이러한 요인들은 소수의 거대 기업에 의한 정보 기술 부문의 지배가 AI 시대에도 계속될 것임을 시사합니다. 따라서 AI 산업의 한 가지 가능성 있는 궤적은 마르크스가 자본주의 축적의 일반 법칙에 고유한 것으로 묘사했던 것, 즉 자본주의 권력의 중앙 집중화와 집중입니다.

AI 거품인가? (AI BUBBLE?)

2010년대 후반에 들어서며 'AI 거품'의 출현에 대한 추측이 널리 퍼졌습니다. 비즈니스 컨설팅 회사인 가트너(Gartner)는 대부분의 벤더가 고객의 요구와 비즈니스 가치를 식별하기보다 단순히 AI 기반 제품을 구축하고 마케팅하는 데만 집중하고 있다고 경고하며 'AI 워싱(AI washing)'이나 과장된 광고에 속지 말 것을 당부했습니다. 만약 AI 기술이 일반적 생산 조건의 일부를 구성할 만큼 충분히 일반화되기 전에 또 다른 **'AI 겨울'**로 빠져들게 된다면 어떨까요?.

'AI 거품'이 터지고 최근 진입자들 중 다수가 실패한다고 해서 그것이 반드시 AI 자본의 종말을 의미하는 것은 아닙니다. 가치가 과대평가된 스타트업의 붕괴는 수 세기 동안 자본 혁신의 정상적인 주기적 특징이었습니다. 가장 적절한 최근 사례는 2000년 미국 '닷컴' 버블 붕괴로, 이는 초기 전자 상거래 시도들을 황폐화시켰지만 이후 구글, 페이스북 등이 수정된 비즈니스 모델로 등장하며 더 큰 규모의 디지털 상품화 물결을 일으켰습니다.

그러나 AI 산업에 대한 장밋빛 전망을 더 깊이 방해할 수 있는 다른 가능성들도 있습니다. 하나는 기술 자체의 심각하고 고유한 문제를 발견하는 것입니다. 예를 들어, 머신러닝 객체 인식 시스템이 Peacocks(공작새)나 Leopards(표범)와 같은 실제 실체와 특정 추상 패턴을 혼동하면서도 매우 높은 신뢰도로 보고하는 경향이 문서화되었습니다. 이는 신경망이 생산자에게조차 불투명하며 완전히 예기치 않은 결과를 갑자기 던질 수 있음을 의미합니다. 2018년 자율 주행 차량의 연쇄적인 치명적 사고는 이러한 기술이 수반하는 복잡하고 비용이 많이 드는 책임 소재를 상기시키며 비즈니스 신뢰도에 찬물을 끼얹었습니다.

또한 AI가 자본이 기대하는 바를 전달하지 못할 가능성도 있습니다. 전체 디지털 '정보 혁명'은 **생산성 역설(productivity paradox)**이라는 문제에 시달려 왔습니다. 이는 로버트 솔로우(Robert Solow)가 "컴퓨터 시대는 어디에서나 볼 수 있지만 생산성 통계에서는 볼 수 없다"고 비꼬았던 문제입니다. 1990년대 말의 짧은 기간을 제외하고, 선진 자본주의 경제에서 디지털 기술의 광범위한 채택은 이전의 혁신 주기들이 보여주었던 생산성 증가를 (2019년 현재까지) 보여주지 못하고 있습니다. 2008년 금융 위기 이후 미국의 기업 지출은 금융 및 투기 활동에 비해 낮았습니다. 마이클 로버츠(Michael Roberts)는 "대부분의 주요 자본주의 경제에서 생산성 성장이 둔화된 것은 자본가들이 신기술에 대한 투자를 늘리지 않았기 때문"이라고 제안합니다. 현재의 새로운 AI 연구 파도가 실험실을 벗어나 비즈니스 관행의 광범위한 변혁으로 실제로 이어질 것이라는 절대적인 보장은 아직 없습니다.

일반적 생산 조건 (THE GENERAL CONDITIONS OF PRODUCTION)

자본의 AI를 향한 현재의 열정이 성능 실패와 변심으로 깨지지 않는다고 가정해 봅시다. 이 결합의 최종 결과물은 무엇일까요? 우리는 종종 간과되는 마르크스의 개념인 **'일반적 생산 조건'**으로 눈을 돌립니다. 마르크스는 《자본론》에서 이 범주를 스쳐 지나가듯 언급했지만 《요강》에서는 깊이 있게 논의했습니다.

먼저 이러한 조건들이 왜 '일반적(general)'인지를 이해하는 것이 도움이 됩니다. 마르크스의 시스템에서 '일반적'은 거의 항상 '개별적(particular)'인 것과 대조됩니다. 그는 이를 개별 자본이 생산을 유지하기 위해 직접 구매하거나 생산하는 '개별적 생산 조건'(원자재, 생산 수단, 노동 등)과 구별했습니다. 개별적 조건이 특정 개별 자본의 생산에 관한 것인 반면, 일반적 생산 조건은 모든 자본에 공통적입니다. 마르크스는 《요강》에서 개별 자본과 일반적 생산 조건의 관계를 "개별 자본 및 그 특정한 생산 과정의 조건과는 구별되는, 사회적 생산의 공동적이고 일반적인 조건에 대한 자본의 구체적인 관계"라고 설명했습니다. 일반적 조건은 따라서 "모든 개별 자본주의 생산 과정에 혜택을 주거나 방해를 주는 무언가"입니다. 도로, 운하 또는 철도와 같은 인프라는 단일 자본이 아니라 특정 지역의 모든 개별 자본에 혜택을 준다는 점에서 일반적 생산 조건의 성격을 잘 보여줍니다. 따라서 마르크스는 일반적 생산 조건을 통해 개별 자본이 특정 역사적 순간에 처하게 되는 일반적인 환경을 묘사했습니다. 그것은 계급 투쟁과 자본가 경쟁이 벌어지는 지형입니다.

중요한 것은, 이러한 조건들이 일반적인 이유는 모든 개별 자본이 잠재적으로 이용 가능하기 때문입니다. 이것이 그것이 공짜라거나 모든 자본이 실제로 얻을 수 있다는 뜻은 아닙니다. 어떤 것은 상품이자 동시에 일반적 생산 조건일 수 있습니다. 예를 들어 운송 및 통신(컨테이너 운송이나 인터넷 연결 하드웨어)은 모든 개별 자본이 비용을 지불해야 하며 현대 자본주의 생산에 필수적입니다. 해로의 보호나 운송 인프라의 유지 보수는 세금을 통해 간접적으로 지불됩니다. 일반적 생산 조건은 통신 및 운송 수단, 생산과 보관을 위한 건물의 일반적 사용, 시장(유통 과정), 정치적 세계 질서, 과학/기술/엔지니어링의 일반적 상태, 심지어 특정 종류의 생산(기계에 의한 기계 생산) 및 생산의 규모와 속도에 이르기까지 놀라울 정도로 다양한 것들을 포함합니다.

일반적 생산 조건의 구체적인 기능은 무엇일까요? 마르크스는 인프라를 논의하면서 "모든 일반적 생산 조건은 ... 유통을 촉진하거나 ... 가능하게 하거나 ... 혹은 생산력을 증가시킨다"고 주장했습니다. 잘 설계된 고속도로나 터널 시스템은 유통을 더 빠르게 함으로써 유통을 촉진합니다. 유통을 가속화하면 자본이 생산에서 잉여가치를 추출하고 시장에서 이를 실현하는 주기를 단축할 수 있게 됩니다. 인프라가 아닌 일반적 생산 조건에도 유사한 고려가 적용됩니다. 예를 들어 생산 자동화 수준을 높이면 기계가 인간 노동만이 가질 수 있는 것보다 훨씬 더 큰 물리적 힘을 가할 수 있게 하므로 잉여가치 추출이 강화됩니다.

일반적 생산 조건이 AI 내에서 어떻게 기능할 수 있는지를 이해하려면 그것이 생산 양식 자체와 보조를 맞추어 발전한다는 점을 논의해야 합니다. 즉, 일반적 조건은 항상 특정한 장소와 기간을 지칭하며, 이는 매뉴팩처 시대의 일반적 조건이 대공업 시대의 것과 달랐고, 이것이 다시 포디즘 등과 달랐음을 의미합니다. 중요한 점은, 한 시대의 일반적 조건이 다음 시대에는 '부적절'하거나 '참을 수 없는 족쇄'가 될 수 있으며, 따라서 새로운 시대에 '적절'하도록 적응하거나 업데이트되어야 한다는 것입니다. 적절해졌을 때 "생산 양식은 탄력성, 즉 비약적으로 갑자기 확장할 수 있는 능력을 획득"하게 됩니다. 즉, 이전 시대보다 생산의 속도와 규모가 더 높은 수준에서 일어날 수 있게 됩니다.

이러한 동학을 설명하기 위해 마르크스는 면방적의 기계 혁명이 조면기(gin)의 발명을 불러온 사례를 언급했습니다. 이 기술 없이는 목화 공급이 기계화된 면방적의 속도를 따라갈 수 없었기 때문입니다. 일반적 조건의 관점에서 이 동학은 거대하게 나타납니다. 대공업 생산은 또한 대량의 균일하고 정밀하게 가공된 기계 부품을 생산할 수 있어야 했습니다. 따라서 "대공업은 그 자체의 특징적인 생산 도구인 기계 자체를 장악하고 기계에 의해 기계를 생산해야만 했다. 그렇게 되었을 때 비로소 대공업은 자신에게 적합한 기술적 기초를 창조하고 스스로 자립할 수 있었다.". 기계가 기계 부품을 생산하기 시작했을 때 비로소 기계 장치 자체가 일반적 생산 조건이 될 수 있었으며, 이는 충분한 양과 질로 모든 개별 자본이 이용 가능해졌음을 의미합니다.

21세기 자본주의를 위한 일반적 생산 조건

마르크스 시대 이후 자본주의 생산 양식은 적어도 두 가지 주목할 만한 시기를 거쳤습니다. 테일러주의와 조립 라인으로 정의되는 포디즘과, 주로 ICT와 물류에 의해 정의되며 흔히 포스트 포디즘으로 묘사되는 시기입니다. 포스트 포디즘이라는 용어의 모호성을 인식하며 우리는 디지털 자본주의, 물류 또는 공급망 자본주의, 그리고 인지 자본주의와 같은 명칭들에 주목합니다. 우리는 아마도 포스트 포디즘을 넘어 **'현존 AI 자본주의'**라고 부르는 생산 양식의 새로운 시기에 진입하고 있을 것입니다. 이는 완전한 AI 자본주의를 향해 나아가는 더 큰 '사이버네틱 자본주의' 양식의 중간 단계로 볼 수 있습니다.

제시된 표는 자본주의 생산 양식과 그에 수반되는 일반적 생산 조건의 개략적인 역사를 보여줍니다. 마르크스의 이론화에 따르면 경제의 한 부문에서의 혁명은 AI가 일반적 생산 조건의 일부가 되도록 광범위한 AI 채택의 필요성을 유발할 수 있습니다. 2장에서 우리는 AI 개발에 대한 많은 흥분이 저렴한 노동력을 찾으려는 자본의 세계화된 탐색이 직면한 위기에 대한 대응임을 제안할 것이며, 3장에서는 AI가 이전 시대로부터 남겨진 선진 자본의 족쇄인 '인간 노동이라는 끈질긴 족쇄'를 극복할 가능성을 진지하게 고려해야 한다고 주장할 것입니다.

인프라로서의 AI (INFRASTRUCTURAL AI)

인프라로서의 AI라는 구체적인 개념은 AI 자본의 대변인들로부터 직접 나옵니다. 앞서 보았듯 앤드류 응과 케빈 켈리는 AI가 오늘날의 전기나 인터넷 접속처럼 네트워크 인프라에 의해 분산되어 도처에 존재하게 될 것으로 기대합니다. 마이크로소프트는 이를 **'인간 인지 한계'**라는 근본적인 제약에서 찾습니다. 현대성을 컴퓨터와 함께 에스컬레이션되는 정보 폭발로 규정하며 마이크로소프트는 "이 정보의 풍요 속에서도 우리는 여전히 이를 흡수하는 인간의 능력에 의해 제약받고 있다"고 한탄합니다. 이는 데이터 중심의 생산 양식으로의 전환이 진행 중이며, 대공업에 대해 마르크스가 주장했듯 기술 산업이 **'인지의 수단'**이라는 인프라로서의 AI라는 '적절한 기술적 기초'를 창조하기 전까지는 자립할 수 없을 것이라는 관념입니다.

주요 AI 생산자들이 선진 자본을 위한 일반화된 AI 인프라 구축을 추진하는 슬로건은 **'AI의 민주화'**입니다. 마이크로소프트, 구글, 아마존은 모두 이 목표를 가진 프로젝트를 발표했습니다. 마이크로소프트는 "우리의 삶 속에서 주변 컴퓨팅, 에이전트와 상호작용하는 방식을 근본적으로 바꾸기 위해 AI를 활용할 것"이며, "우리가 상호작용하는 모든 기기, 모든 시점의 모든 애플리케이션에 지능을 주입할 것"이라고 선언했습니다. 마이크로소프트는 AI가 모든 것에 주입되는 것을 마치 기술적 정령 신앙처럼 상상합니다. "키보드든 카메라든 비즈니스 애플리케이션이든 모든 것에 지능을 주입함에 따라 우리는 본질적으로 애플리케이션이 보고, 듣고, 예측하고, 배우고, 행동하도록 가르치고 있는 것입니다.".

'민주화' 프로그램의 가장 중요한 축 중 하나는 AI 산업의 이익 지향성과 모순되는 것처럼 보일 수 있습니다. AI 산업은 AI를 만들기 위한 도구와 템플릿이 무료로 배포되고 프로젝트가 협력적인 온라인 프로그래밍 집단에 의해 수행되는 거대하고 활기찬 오픈 소스 커뮤니티를 특징으로 합니다. 거의 모든 기술 거인들이 일부 AI 관련 자료를 오픈 소스화했습니다. 2015년 구글이 딥러닝 프로그래밍 도구 라이브러리인 TensorFlow를 공개한 이후 다른 기업들도 뒤를 따랐습니다. 오늘날 거의 모든 AI 프로젝트는 이러한 오픈 소스 툴킷에 의존합니다. 우리는 이것이 AI가 일반적 생산 조건의 일부가 되는 중요한 이정표라고 생각합니다.

이러한 오픈 소스 프로젝트가 AI가 거대 기업의 통제를 벗어난 길을 걷게 될 것임을 의미할까요?. 과거 오픈 소스 운동의 역사를 기억할 필요가 있습니다. 기업들은 이제 오픈 소스 커뮤니티를 위험한 전복의 근원이 아니라 비용이 들지 않는 강력한 프로그래밍의 원천이자 잠재적인 인재 영입장, 그리고 사용자를 자사 플랫폼으로 끌어들이기 위한 전략적 장소로 보고 있습니다. 구글의 안드로이드(Android) 운영 체제 사례가 이를 잘 보여줍니다. 안드로이드는 애플의 독점에 대응하기 위해 '개방형'으로 출시되었지만, 현재 구글은 오픈 소스 기반에 핵심 독점 앱과 서비스를 결합하는 '폐쇄 소스 크리프(closed source creep)'를 제도화했습니다. 실질적으로 안드로이드는 구글의 거대한 데이터 수집 작업의 부속물로 작동하며 구글의 막대한 광고 수익과 머신러닝 시스템 학습을 뒷받침합니다.

대형 기업 AI 생산자들은 오픈 소스 AI 개발과 공존할 뿐만 아니라 실제로 이를 경쟁사에 대항하는 무기로 사용할 수도 있습니다. 또한 기술 기업들이 자인하듯 소프트웨어를 오픈 소스로 제공하는 것은 한 기업의 단일 팀이 성취할 수 있는 것 이상의 가속화된 개발과 개선으로 이어질 수 있습니다. 오픈 소스 AI 프로젝트는 대형 AI 기업들의 독점적인 인프라를 위한 '온램프(진입로)' 역할을 합니다. 플랫폼 자본주의와 오픈 소스 AI는 매우 공생적인 관계가 되었으며, 이는 파올로 비르노(Paolo Virno)가 **'자본주의의 공산주의(communism of capitalism)'**라고 부른 것의 전형입니다. 즉, 기업이 아래로부터의 다양하고 종종 무료인 상품 생산을 적극적으로 육성한 후 그중 가장 성공적인 결실을 상품화하여 수확하는 전략입니다. 만약 AI가 일반적으로 이용 가능해진다면, 그것은 여전히 이러한 자본주의 공급자들의 통제 하에 있을 것입니다.

스마트 시티, 사물 인터넷, 앰비언트 인텔리전스 (THE SMART CITY, THE INTERNET OF THINGS, AMBIENT INTELLIGENCE)

AI가 일반적으로 이용 가능하게 될 수 있는 또 다른 경로로 고도 기술 자본이 선호하는 세 가지 주제인 **사물 인터넷(IoT), 스마트 시티, 그리고 앰비언트 인텔리전스(주변 지능)**가 있습니다. IoT는 '네트워크로 연결된 스마트 객체의 보편적 배치'로 정의될 수 있습니다. IoT의 목표는 기계가 인간 중개자 없이 스스로 세상을 관찰하고 이해하며 세상에서 지능적으로 소통하고 행동하는 것입니다. 일부 분석가들은 이러한 기계 인구가 기능적으로 실현되기 위해 AI가 필요할 것이라고 제안합니다.

스마트 시티는 도시 환경의 바로 그 직조 속에 '도처에 널려 있고 편재하는 컴퓨팅과 디지털 도구 기기들'이 존재하는 것을 의미합니다. 여기에는 기계 간 통신을 통해 교통, 유지 보수, 에너지 분배 또는 다양한 도시 흐름을 자동으로 최적화하는 센서와 카메라가 포함될 수 있습니다. 스마트 시티는 IoT의 구체적인 도시적 발현이지만 도시 개발을 점점 더 대형 AI 자본가들의 손에 맡기려는 암묵적인 정치적 의제를 담고 있습니다.

이러한 개념들은 모두 사람들이 존재하는 환경이 사람의 존재를 감지하고 반응하는 **앰비언트 인텔리전스(주변 지능)**라는 관념의 서로 다른 표현들입니다. 이 패러다임의 목표는 조명, 음향, 시각, 가전제품 및 개인 건강 관리 제품이 기기에 연결된 네트워크에 숨겨진 정보와 지능을 사용하여 집단적으로 작동하여 자연스럽고 직관적인 인터페이스를 통해 사용자 경험을 개선하는 것입니다. 사용자가 환경에 반응하는 대신 사용자와 환경이 지속적인 양방향 상호작용 과정에 참여하게 됩니다.

일반화된 앰비언트 인텔리전스는 AI가 일반적 생산 조건의 일부가 될 수 있는 한 가지 방법입니다. 만약 실현된다면 그것은 자본의 기술적 환경에 근본적인 변화를 가져올 것입니다. 인간의 지식과 기술이 죽은 노동으로 변할 뿐만 아니라, 죽은 노동이 역사적으로 인간이 독점해 온 지각 및 인지를 위한 근본적인 역량을 획득하게 된다면 어떤 일이 벌어질까요?. 지각과 인지는 전기화처럼 보편적이고 평범한 사물 일반의 속성이 될 것입니다. 우리는 현재 고정 자본으로 기능하는 몇 가지 기존 AI 응용 사례를 통해 그것이 일반적 생산 조건의 일부가 된 상황을 상상해 볼 수 있습니다.

한 가지 사례는 챗봇입니다. 이러한 앱들은 사무, 행정 및 통신 작업의 일부를 기계에 아웃소싱하여 '전통적으로 여성의 노동으로 간주되어 온 것의 자동화'를 대변합니다. 오늘날 챗봇은 주로 텍스트 기반이지만 구글의 듀플렉스(Duplex)는 제한된 설정에서 놀랍도록 인간과 유사한 음성 대화 기술을 보여주었습니다. 업계 분석가들은 곧 챗봇이 AI를 사용하여 비정형 데이터와 복잡한 과업을 관리할 것으로 기대합니다. 챗봇은 이전의 고객 대면 비즈니스 요소들을 자동화된 자연어 대화로 대체하는 새로운 인터페이스 역할을 하도록 의도되었습니다. 챗봇은 고객 서비스뿐만 아니라 소프트웨어 개발자들이 작업장에서 '협업 마찰을 줄이기' 위해 사용하는 등 다양한 분야에서 사용되고 있습니다.

또 다른 사례는 2016년 시애틀에 문을 연 자동화 편의점인 **아마존 고(Amazon Go)**입니다. '그냥 들고 나가는 쇼핑(just walk out shopping)'이라는 이름으로 홍보된 아마존 고는 컴퓨터 비전, 딥러닝 알고리즘 및 센서 융합을 사용하여 계산원과 계산대 줄을 없앴습니다. 아마존 고는 기계 지각을 위한 일련의 장치에 의존하며 여기에서 얻은 데이터는 AI에 의해 처리되고 합성됩니다. 널리 퍼진 AI 기반 기계 지각을 통해 아마존 고는 소매 거래를 인간 대 인간(계산원) 또는 인간 대 기계(셀프 계산대)의 상호작용에서 인간 고객에게는 보이지 않는 상품 대 기계의 상호작용으로 변화시킵니다.

이러한 사례들에서 AI는 복잡한 상황을 단순화하는 인터페이스 역할을 합니다. 컨설팅 회사인 액센츄어(Accenture)는 AI가 오늘날 우리 화면에 편재하는 그래픽 사용자 인터페이스를 대체하는 차세대 사용자 인터페이스가 될 것이라고 선언했습니다. AI는 단순히 정보를 사용자에게 보여주는 것이 아니라 지각하고 인지함으로써 사용자가 행동하기 전과 행동하는 동안 정보를 능동적으로 수집, 처리, 공개 및 숨기는 인터페이스로 기능합니다. 이는 앰비언트 인텔리전스 옹호자들이 상정한 '새로운 지능형 레이어'의 상상된 기능입니다.

일반적 생산 조건의 기능은 생산 양식에 탄력성, 즉 생산의 규모와 속도를 확장할 수 있는 능력을 부여하는 것임을 상기하십시오. 인간의 제한된 정보 처리 능력이라는 족쇄와 자본이 충돌하는 맥락에서 인프라로서의 AI는 정보 흐름을 **'큐레이션(curation)'**하여 기계가 아직 처리할 수 없는 것들을 위해 인간의 인지 장치를 아껴두는 위치에 놓이고 있습니다. 자본에 필수적이지만 성가시게 시간과 생각과 임금을 소모하는 소매 거래는 아마존 고의 AI로 무형화되고 가속화될 수 있습니다. 이러한 거래는 아마존에 의해 실질적으로 존재하지 않도록 큐레이팅되고 있습니다. 인프라로서의 AI가 유통을 최적화하거나 생산력을 증가시킬 수 있는 모든 방식들을 여기서 일일이 열거할 수는 없습니다. 하지만 지각 및 인지 능력을 주변 환경 전반으로 오프로딩함으로써 자본의 가치 증식과 실현이 강력해질 수 있는 다른 많은 방법이 분명히 존재합니다.

우리는 AI가 일반적 생산 조건의 일부가 될 수 있으며 자본에 의해 그렇게 배치되고 있다고 제안합니다. 만약 그렇게 된다면 AI는 통신 및 운송 수단의 인지적 아날로그인 **'인지의 수단'**이 될 것입니다. 인지의 수단은 생산 수단 및 통신/운송 수단과 얽힌 새로운 기술 인프라 레이어가 될 것입니다. 자본주의 생산은 항상 구상과 실행 모두에서 인간의 인지 능력에 의존해 왔지만 AI 인프라는 인지 및 지각 과업을 기계에 분산시켜 기계가 이를 서로 다른 기계적인 방식으로 수행하게 할 것이며 이는 생산 양식에 혁명적인 효과를 줄 수 있습니다. 인지의 수단을 구축함으로써 자본은 비유가 아니라 실제로 생각하고 지각하는 능력을 얻게 될 것입니다. AI를 '민주화'하려는 움직임은 이러한 근본적인 능력들을 포착하여 사회 전반에 분산된 기계에 구현하려는 자본의 노력으로 읽힐 수 있습니다.

인지의 수단 (THE MEANS OF COGNITION)

자본은 아직 인류를 완전히 내버릴 준비가 되어 있지는 않지만 점점 더 '똑똑해지는' 기술 환경을 형성하는 기계에 인간의 인지 능력을 점점 더 많이 주입할 준비가 되어 있습니다. 인지의 수단이 구축되면 생산은 확실히 점점 더 자동화될 것이며 지능형 기계가 지각하고 배우고 소통하는 환경 내에서 그렇게 될 것입니다. 머신러닝이 향상되고 새로운 AI 기술이 등장함에 따라 이 지능형 기계 네트워크는 그 능력을 더욱 확장할 것이며 소셜 팩토리(social factory) 전반에 걸친 자본은 점점 더 인식하고 지능적이며 소통적인 존재가 될 것입니다.

인지의 수단 시나리오는 포스트 오페라이스모 분석과 호환되지 않는다고 우리는 주장합니다. 포스트 오페라이스모 분석 내에서 인지는 엄격하게 **인간 중심적(anthropic)**이기 때문입니다. 사실 우리는 인지의 수단 시나리오가 포스트 오페라이스모가 마르크스로부터 차용한 일반 지성 개념의 완전한 수정을 수반한다고 주장합니다.

마르크스는 일반 지성을 기술에 나타난 것으로 묘사했으며 이는 자본주의 생산 양식에서 주로 자본의 형태로 나타납니다. 마르크스는 《요강》의 유명한 구절에서 고정 자본의 발전이 "일반적인 사회적 지식이 어느 정도나 직접적인 생산력이 되었는가"를 나타낸다고 썼습니다. 여기서 사회적 개인의 지식은 오직 기계에 구현되었을 때만 직접적인 생산력이 되는데 그 이유는 오직 인간 신체 외부의 객체 내에서만 인간의 기술과 지식이 사회적 즉 일반화될 수 있기 때문입니다. 오늘날 구글 번역에 접속할 수 있는 사람이라면 누구나 수십 개의 언어로 된 문구를 즉석에서 이해할 수 있는 능력을 갖습니다. 일반 지성은 기계적 형태로 자본이 소유한 이러한 끊임없이 증가하는 기술과 지식의 매니폴드를 지칭합니다. 구현되기 전의 사회적 개인의 기술과 지식은 마르크스에 의해 **'사회적 뇌(social brain)'**라고 불렸습니다. 자본은 끊임없이 사회적 뇌의 측면들을 잘라내어 모방하고 기계에 구현하여 일반 지성에 추가합니다. 일반 지성이 사회적 뇌를 더 많이 포착할수록 자본은 더 강력해집니다.

포스트 오페라이스모는 마르크스의 원래 일반 지성 정식화를 거부했습니다. 파올로 비르노(Paolo Virno)는 이를 "인간 종에 공통적인 언어적-인지적 기능"으로 재정의합니다. 그에 따르면 오늘날 일반 지성은 무엇보다도 살아있는 주체들의 소통, 추상화, 자기 성찰로 나타납니다. 비르노에게 일반 지성은 의사소통적 상호작용, 추상화, 대화적 퍼포먼스, 언어 게임, 협력 및 의사소통 능력을 포함하는 네트워크로 연결된 인간의 새로운 사회적 역량입니다. 포스트 포디즘에서 자본은 노동의 이러한 능력들에 의존하며 자본은 이를 통제하거나 모방할 수 없습니다. 즉 일반 지성 시대에 인간 노동은 자본이 기계로 대체할 수 없는 새로운 일련의 힘을 누린다는 관념입니다.

그러나 우리는 비르노가 자동화 불가능하다고 본 이러한 인간의 능력들이 AI 시스템으로 전이되고 있는 사례들을 이미 보았습니다. 비르노가 강조한 의사소통 역량은 AI 연구에서 가장 성공적인 응용 분야 중 하나입니다. 자연어 처리, 음성 합성 및 챗봇은 AI가 의사소통 역량의 구현을 가능케 하는 방식들 중 일부에 불과합니다. 2012년부터 내러티브 사이언스(Narrative Science)는 신문과 웹사이트를 위해 공식에 박힌 스포츠 및 금융 기사를 쓰는 데 AI를 사용해 왔습니다.

의사소통과 관련된 협력 또한 AI가 구현하기 시작했습니다. 생성적 적대 신경망(GAN)은 두 개의 머신러닝 시스템이 적대적 관계에 참여하여 서로를 개선하며 위조 불가능한 화폐를 만드는 위조범과 이를 감지하려는 경찰의 관계처럼 작동하며 새로운 결과물을 만들어내는 초보적인 협력의 형태입니다. OpenAI는 5개의 신경망으로 구성된 팀인 'OpenAI Five'를 구축하여 인기 있는 멀티플레이어 컴퓨터 게임인 도타 2(Dota 2)에서 프로 선수 팀을 이겼습니다. 이 팀원들은 명시적인 의사소통 없이 수치적 보상의 최적화를 통해 협력했습니다.

추상화 능력이나 "무한한 종류의 개념과 논리 체계"를 생성하고 파악하는 능력은 어떨까요?. 딥러닝의 선구자들은 딥러닝 시스템의 특징적인 능력이 "여러 추상화 수준에서 데이터의 표현을 학습하는 것"이라고 직접 설명합니다. 기계 번역은 이제 신경망으로 수행되는데 이는 신경망이 패턴을 찾고 관련 언어 개념(규칙)을 개발하여 다른 어떤 자동화 기술보다 더 나은 번역을 생산할 수 있기 때문입니다.

마지막으로 기계에게 역사적으로 가장 취약했던 역량인 **감정(affect)**입니다. 2019년 현재 기계가 감정을 표현한다는 증거는 없지만 인간의 감정 상태 데이터를 캡처하고 처리하는 AI의 능력은 계속해서 향상되고 있습니다. 텍스트에서 감정과 의견을 인식하는 감성 분석, 음성에서의 감정 인식, 안면 감정 인식 분야에 AI 기술이 배치되고 있습니다. 많은 기업들이 고객의 감정을 모니터링하고 조종하기 위해 AI를 사용하는 데 관심을 보이고 있습니다.

이러한 사례들이 보여주듯 비르노가 인간의 일반 지성을 위해 남겨두었던 능력들은 AI 중심의 구현 과정에 있습니다. 그렇다면 인간 노동은 AI 자본 내에서 어떤 위치를 찾게 될까요?. 마르크스가 《요강》의 '기계에 관한 단편'에서 지나가듯 던진 말이 시사하는 바가 큽니다. 그는 고도로 자동화된 작업장에서 "인간은 생산 과정에 대해 감시자 및 조절자로서 관계하게 된다"고 상상했습니다. 인간 수행원은 불이 꺼진 공장을 지켜보며 무언가 잘못되었을 때만 정지 버튼을 누르기 위해 존재합니다. 마르크스는 또한 "기계 장치에 적용되는 것이 인간 활동의 결합 및 인간 교류(intercourse/verkehr)의 발전에도 똑같이 적용된다"고 덧붙였습니다. '교류(verkehr)'는 생물학적 재생산, 언어적/의미적 교환, 상업적 교환은 물론 '전쟁에서의 사격 교환'까지 포함하는 모든 종류의 상호작용을 의미합니다. 따라서 여기서 마르크스는 인간이 자신들의 사회 발전과 이를 뒷받침하는 인프라에 대해서도 단순한 감시자로 관계하게 될 수 있음을 시사하는 듯 보입니다. 인지의 수단 구축에 수반되는 인지 능력의 오프로딩은 자본이 그러한 깊은 통제를 달성할 수 있는 수단을 제공할 수 있습니다.

결론적으로 자본은 여전히 인간의 지각과 인지에 필연적으로 뒷받침되고 있지만 이러한 기본 역량들을 AI 인프라로 대체하려는 프로젝트가 진행 중입니다. 인지의 수단 구축은 문자 그대로 자본의 논리를 세상에 주입하여 자본 내에 위치한 인간 대신 자본이 생각하고 지각하도록 하려는 프로젝트로 해석될 수 있습니다.

---

제1장의 번역을 마쳤습니다. 인용 번호 [i]는 제공된 소스의 패널 인덱스 번호를 따랐습니다. 추가로 궁금한 점이나 다른 작업이 필요하시면 말씀해 주세요.