TED Salon Zebra Technologies
Matt Beane: How do we learn to work with intelligent machines?
매트 빈: 어떻게 인공지능과 함께 일 할 수 있을 까요?
Filmed:
Readability: 4.2
1,770,815 views
전세계 사람들이 기술을 배우는 과정은 수천년 동안 변함이 없었습니다. 전문가의 지도를 따라서 작고 쉬운 일부터 위험성 있고 어려운 과업까지 차근히 해 나가는 것이지요. 하지만 민족지 학자인 매트 빈에 의하면 점점 늘어가는 인공지능의 사용에의해 이런 전통적인 과정이 방해를 받고 있으며 효율성을 향상시키려는 과정에서 인간의 학습이 희생되고 있습니다. 우리는 어떻게 해야 할까요? 매트 빈씨는 오늘날의 상황을 뒤집어서 인공지능의 엄청난 가능성을 최대한 활용하면서 동시에 인간들도 숙련도를 쌓을 수 있는 방법에 대해서 제안합니다.
Matt Beane - Organizational ethnographer
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. Full bio
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. Full bio
Double-click the English transcript below to play the video.
00:13
It’s 6:30 in the morning,
0
1292
1875
아침 6시 30분입니다.
00:15
and Kristen is wheeling
her prostate patient into the OR.
her prostate patient into the OR.
1
3583
4875
크리스틴은 자기의 전립선
환자를 밀어 수술실에 들어갑니다.
환자를 밀어 수술실에 들어갑니다.
00:21
She's a resident, a surgeon in training.
2
9500
2250
그녀는 외과 레지던트 ,
즉 수련의입니다.
즉 수련의입니다.
00:24
It’s her job to learn.
3
12333
2167
배우는 것이 그녀의 일입니다.
크리스틴은 신경 보존 절개를
해보고 싶어 합니다.
해보고 싶어 합니다.
00:27
Today, she’s really hoping to do
some of the nerve-sparing,
some of the nerve-sparing,
4
15292
3351
00:30
extremely delicate dissection
that can preserve erectile function.
that can preserve erectile function.
5
18667
3875
이 수술은 환자의 발기 기능을
유지시키는 무척 섬세한 수술이지요.
유지시키는 무척 섬세한 수술이지요.
00:35
That'll be up to the attending surgeon,
though, but he's not there yet.
though, but he's not there yet.
6
23500
3338
이것은 주치의에게 달려있지만,
주치의는 아직 수술실에 없습니다.
주치의는 아직 수술실에 없습니다.
00:39
She and the team put the patient under,
7
27625
2393
그녀는 팀과 함께 환자를 마취하고
하복부에서 먼저 8인치의 절개를 합니다.
00:42
and she leads the initial eight-inch
incision in the lower abdomen.
incision in the lower abdomen.
8
30042
3708
00:47
Once she’s got that clamped back,
she tells the nurse to call the attending.
she tells the nurse to call the attending.
9
35042
3586
수술 부위를 집게로 고정시키고
간호사에게 주치의를 불러달라 합니다.
간호사에게 주치의를 불러달라 합니다.
00:51
He arrives, gowns up,
10
39583
2292
도착한 주치의는 가운을 입고
그리고 거기서부터는
00:54
And from there on in, their four hands
are mostly in that patient --
are mostly in that patient --
11
42458
5792
그들의 네 손이
거의 환자 몸 안에만 있습니다.
거의 환자 몸 안에만 있습니다.
01:00
with him guiding
but Kristin leading the way.
but Kristin leading the way.
12
48708
2917
주치의의 지시를 따르면서 크리스틴은
주도적으로 수술을 진행해 나갑니다.
주도적으로 수술을 진행해 나갑니다.
전립선을 제거한 후
01:04
When the prostates out (and, yes,
he let Kristen do a little nerve sparing),
he let Kristen do a little nerve sparing),
13
52875
4643
(네! 물론 주치의는 이 수술의 일부를
크리스틴에게 맡겼습니다.)
크리스틴에게 맡겼습니다.)
01:09
he rips off his scrubs.
14
57542
1226
주치의는 수술복을 벗고 나가서
수술과 관련된 서류를 작성합니다.
01:10
He starts to do paperwork.
15
58792
1375
01:12
Kristen closes the patient by 8:15,
16
60833
5375
남은 크리스틴은 8시 15분에
수술부위를 봉합하고
수술부위를 봉합하고
한 후배 레지던트는
어깨너머로 그녀를 보고 있습니다.
어깨너머로 그녀를 보고 있습니다.
01:18
with a junior resident
looking over her shoulder.
looking over her shoulder.
17
66583
2435
01:21
And she lets him do
the final line of sutures.
the final line of sutures.
18
69042
3083
그리고 마지막의 봉합을
후배가 하게 해줍니다.
후배가 하게 해줍니다.
01:24
Kristen feels great.
19
72833
3042
크리스틴은 마음이 아주 뿌듯합니다.
01:28
Patient’s going to be fine,
20
76250
1559
환자는 괜찮을 거고
01:29
and no doubt she’s a better surgeon
than she was at 6:30.
than she was at 6:30.
21
77833
3167
틀림없는 것은
그녀가 6시30분의 자신보다
더 좋은 외과 의사가 된 것입니다.
더 좋은 외과 의사가 된 것입니다.
01:34
Now this is extreme work.
22
82208
2834
이 일은 고난이도의 작업입니다.
01:37
But Kristin’s learning to do her job
the way that most of us do:
the way that most of us do:
23
85417
3833
하지만 크리스틴은 우리들과 마찬가지로
자기 기술을 배워갑니다.
자기 기술을 배워갑니다.
01:41
watching an expert for a bit,
24
89625
1893
전문가들이 하는 것을 조금 보고
쉽고 안전한 부분으로부터
조금씩 참여하다가
조금씩 참여하다가
01:43
getting involved in easy,
safe parts of the work
safe parts of the work
25
91542
3142
전문가들이 크리스틴이 준비됐다고
생각할 때 그들의 지도를 따라서
생각할 때 그들의 지도를 따라서
01:46
and progressing to riskier
and harder tasks
and harder tasks
26
94708
2185
01:48
as they guide and decide she’s ready.
27
96917
2333
더 위험하고 어려운 일을
하게 되는 과정입니다.
하게 되는 과정입니다.
01:52
My whole life I’ve been fascinated
by this kind of learning.
by this kind of learning.
28
100042
2892
저는 살면서 이런 방식으로 배우는 데
항상 매료되어있습니다.
항상 매료되어있습니다.
기본적인 요소 인 것 같아요.
01:54
It feels elemental,
part of what makes us human.
part of what makes us human.
29
102958
3667
우리를 인간으로 만드는 요소.
이렇게 배우는 방식은
여러 이름이 있습니다.
여러 이름이 있습니다.
01:59
It has different names: apprenticeship,
coaching, mentorship, on the job training.
coaching, mentorship, on the job training.
30
107750
5417
'어프렌티십', '코칭',
'멘토링', '실무 훈련' 등.
'멘토링', '실무 훈련' 등.
수술 에서는
'보고 따라하고 가르치다'로 부릅니다.
'보고 따라하고 가르치다'로 부릅니다.
02:05
In surgery, it’s called
“see one, do one, teach one.”
“see one, do one, teach one.”
31
113542
3291
하지만 과정은 똑같으며
02:09
But the process is the same,
32
117625
1344
전 세계 사람들은 수천 년간
이런 식으로 기술을 배워왔습니다.
이런 식으로 기술을 배워왔습니다.
02:10
and it’s been the main path to skill
around the globe for thousands of years.
around the globe for thousands of years.
33
118993
4174
하지만 오늘날 인공지능의 사용에 의해
이런 과정이 방해받고 있습니다.
이런 과정이 방해받고 있습니다.
02:16
Right now, we’re handling AI
in a way that blocks that path.
in a way that blocks that path.
34
124333
4500
효율성을 향상시키려는 과정에 의해
배움의 기회가 사라지는 것이지요.
배움의 기회가 사라지는 것이지요.
02:21
We’re sacrificing learning
in our quest for productivity.
in our quest for productivity.
35
129625
2690
제가 MIT에 있을 때 수술을 하면서
이런 사실을 처음 알게 되었는데
이런 사실을 처음 알게 되었는데
02:25
I found this first in surgery
while I was at MIT,
while I was at MIT,
36
133292
2809
지금은 이런 현상이 곳곳에서
벌어진다는 것을 확인했습니다.
벌어진다는 것을 확인했습니다.
02:28
but now I’ve got evidence
it’s happening all over,
it’s happening all over,
37
136125
2476
여러 가지 산업 분야에서
매우 다양한 인공지능이 쓰이고 있지요.
매우 다양한 인공지능이 쓰이고 있지요.
02:30
in very different industries
and with very different kinds of AI.
and with very different kinds of AI.
38
138625
3875
02:35
If we do nothing, millions of us
are going to hit a brick wall
are going to hit a brick wall
39
143083
5851
아무런 대처가 없다면
수백만 명의 사람들이 아무것도 하지 못하고
인공지능을 다루는 방법 만을
공부해야 할 것 입니다.
공부해야 할 것 입니다.
02:40
as we try to learn to deal with AI.
40
148958
2417
설명 좀 드리기 위해
다시 수술로 돌아갑시다.
다시 수술로 돌아갑시다.
02:45
Let’s go back to surgery to see how.
41
153125
1772
6개월 후 입니다.
02:47
Fast forward six months.
42
155708
1935
02:49
It’s 6:30am again, and Kristen
is wheeling another prostate patient in,
is wheeling another prostate patient in,
43
157667
5476
다시 아침 6시30분,
크리스틴은 또 다른 전립선 환자를
밀어 옵니다.
밀어 옵니다.
다만 이번에는 로봇 수술실로 향합니다.
02:55
but this time to the robotic OR.
44
163167
3166
주치의는 팔이 4개 있는
무게가 천 파운드인 로봇을
무게가 천 파운드인 로봇을
02:59
The attending leads attaching
45
167667
1684
03:01
a four-armed, thousand-pound
robot to the patient.
robot to the patient.
46
169375
2833
환자에 부착합니다.
두 사람은 다 수술복을 벗고
03:04
They both rip off their scrubs,
47
172750
2434
10에서 15 피트 떨어진
컨트롤 콘솔로 향합니다.
컨트롤 콘솔로 향합니다.
03:07
head to control consoles
10 or 15 feet away,
10 or 15 feet away,
48
175208
3125
그리고 크리스틴은
03:11
and Kristen just watches.
49
179167
3750
그냥 가만히
보기만 합니다.
로봇만으로 주치의가 혼자서
수술을 다 할 수 있으므로
수술을 다 할 수 있으므로
03:16
The robot allows the attending
to do the whole procedure himself,
to do the whole procedure himself,
50
184375
3053
당연히 혼자서 다 합니다.
03:19
so he basically does.
51
187452
1583
주치의는 크리스틴에게
연습이 필요하다는 것을 알고 있죠.
연습이 필요하다는 것을 알고 있죠.
03:21
He knows she needs practice.
52
189917
2101
그녀가 통제 할 수 있게
해주고 싶습니다.
해주고 싶습니다.
03:24
He wants to give her control.
53
192042
1583
하지만 그녀는 더 느리고 실수가
더 많을 것도 잘 알고 있어서
더 많을 것도 잘 알고 있어서
03:26
But he also knows she’d be slower
and make more mistakes,
and make more mistakes,
54
194250
3393
환자를 위해 차마 그럴 수가 없습니다.
03:29
and his patient comes first.
55
197667
1500
때문에 이번 수술에서는 크리스틴이
03:32
So Kristin has no hope of getting anywhere
near those nerves during this rotation.
near those nerves during this rotation.
56
200250
4625
그 신경들 근처에도 가지 못했지요.
4시간의 수술에서 그녀가 15분이라도
수술을 한다면 운이 좋은 것입니다.
수술을 한다면 운이 좋은 것입니다.
03:37
She’ll be lucky if she operates more than
15 minutes during a four-hour procedure.
15 minutes during a four-hour procedure.
57
205417
4375
그리고 만약 그녀가
사소한 실수를 하더라도
사소한 실수를 하더라도
03:42
And she knows that when she slips up,
58
210250
2625
주치의가 스크린을 터치하게 될 것이고
자신은 다시 보기만 해야 되겠지요.
자신은 다시 보기만 해야 되겠지요.
03:45
he’ll tap a touch screen,
and she’ll be watching again,
and she’ll be watching again,
59
213458
3042
마치 바보 모자를 쓰고
구석에 앉은 벌 받는 아이처럼요.
구석에 앉은 벌 받는 아이처럼요.
03:48
feeling like a kid in the corner
with a dunce cap.
with a dunce cap.
60
216917
2625
지난 8년 동안 제가 했던 일들과
모든 로봇 관련 연구처럼
모든 로봇 관련 연구처럼
03:53
Like all the studies of robots and work
I’ve done in the last eight years,
I’ve done in the last eight years,
61
221583
3501
포괄적이고 열린 질문으로
문제 해결을 시작했습니다.
문제 해결을 시작했습니다.
03:57
I started this one
with a big, open question:
with a big, open question:
62
225108
2118
03:59
How do we learn to work
with intelligent machines?
with intelligent machines?
63
227250
2792
우리는 어떻게 인공지능과
일하는 법을 배워야 할까?
일하는 법을 배워야 할까?
04:02
To find out, I spent two and a half years
observing dozens of residents and surgeons
observing dozens of residents and surgeons
64
230792
5809
답을 찾기 위해 2년 반 동안
수십여 명의 외과 레지던트와 주치의들이
04:08
doing traditional and robotic surgery,
interviewing them
interviewing them
65
236625
3476
전통 수술과 로봇 수술을
하는 것을 지켜보고
하는 것을 지켜보고
배움의 과정에 있는 레지던트들을
인터뷰하거나
인터뷰하거나
04:12
and in general hanging out
with the residents as they tried to learn.
with the residents as they tried to learn.
66
240125
3338
그들과 어울리며 시간을 보냈습니다.
저는 미국에서 최고의 18개
대학병원을 살펴보았는데
대학병원을 살펴보았는데
04:16
I covered 18 of the top
US teaching hospitals,
US teaching hospitals,
67
244250
3351
결론은 똑 같았습니다.
04:19
and the story was the same.
68
247625
1458
04:21
Most residents were in Kristen's shoes.
69
249875
2542
대부분 레지던트의 상황은
크리스틴과 같았어요.
크리스틴과 같았어요.
04:24
They got to “see one” plenty,
70
252958
1792
보는 것을 많이 하게 되지만
04:27
but the “do one” was barely available.
71
255583
2292
직접 하는 것은 별로
가능하지 않았습니다.
가능하지 않았습니다.
04:30
So they couldn’t struggle,
and they weren’t learning.
and they weren’t learning.
72
258333
2528
때문에 어려움도 없었고
배움도 없었습니다.
배움도 없었습니다.
04:33
This was important news for surgeons, but
I needed to know how widespread it was:
I needed to know how widespread it was:
73
261291
3810
이는 외과 의사들에게
매우 중요한 소식인데
매우 중요한 소식인데
이러한 상황이 얼마나
널리 퍼져있는지 알고싶었습니다.
널리 퍼져있는지 알고싶었습니다.
04:37
Where else was using AI
blocking learning on the job?
blocking learning on the job?
74
265125
3833
인공지능 때문에 실무 교육을 실행하기
어려워지는 경우는 또 어디에 있을까요?
어려워지는 경우는 또 어디에 있을까요?
답을 찾기 위해 작지만 점점 커지고 있는
젊은 연구원 그룹에 연락을 했습니다.
젊은 연구원 그룹에 연락을 했습니다.
04:42
To find out, I’ve connected with a small
but growing group of young researchers
but growing group of young researchers
75
270208
4310
이들은 인공지능에 관련된 여러 분야에
대해 실용적인 연구를 해왔지요.
대해 실용적인 연구를 해왔지요.
04:46
who’ve done boots-on-the-ground studies
of work involving AI
of work involving AI
76
274542
3434
04:50
in very diverse settings
like start-ups, policing,
like start-ups, policing,
77
278000
2976
예를 들면 창업, 치안 유지,
투자 은행 업무 그리고 온라인 교육까지
포함되어 있습니다.
포함되어 있습니다.
04:53
investment banking and online education.
78
281000
2601
04:55
Like me, they spent at least a year
and many hundreds of hours observing,
and many hundreds of hours observing,
79
283625
5851
저처럼 그들은 적어도 1년 이상 그리고
수백 시간 동안
수백 시간 동안
연구 대상을 관찰하고 인터뷰하고
종종 그들과 함께 업무를 수행했습니다.
종종 그들과 함께 업무를 수행했습니다.
05:01
interviewing and often working
side-by-side with the people they studied.
side-by-side with the people they studied.
80
289500
3917
05:06
We shared data, and I looked for patterns.
81
294458
2417
우리는 서로 데이터를 공유해서
저는 거기에 패턴을 찾아봤어요.
저는 거기에 패턴을 찾아봤어요.
어떤 업계든, 어떤 일이든,
어떤 인공지능이든
어떤 인공지능이든
05:09
No matter the industry, the work,
the AI, the story was the same.
the AI, the story was the same.
82
297917
5208
상황은 똑 같습니다.
이들은 인공지능을 이용해서
결과를 얻으려고 계속 노력하고
결과를 얻으려고 계속 노력하고
05:16
Organizations were trying harder
and harder to get results from AI,
and harder to get results from AI,
83
304042
3642
05:19
and they were peeling learners away from
expert work as they did it.
expert work as they did it.
84
307708
3542
초보자들을 전문적인
일에서 손 떼게 했습니다.
일에서 손 떼게 했습니다.
창업 관리자들은
05:24
Start-up managers were outsourcing
their customer contact.
their customer contact.
85
312333
2875
고객의 정보를 외주에 맡겼고요.
경찰들은 전문가의 지원이 없이
범죄 예측을 해야 했습니다.
범죄 예측을 해야 했습니다.
05:27
Cops had to learn to deal with crime
forecasts without experts support.
forecasts without experts support.
86
315833
4042
은행의 신입 직원들은 복잡한
분석을 하지 못 하게 했고
분석을 하지 못 하게 했고
05:32
Junior bankers were getting
cut out of complex analysis,
cut out of complex analysis,
87
320875
3250
더구나 교수들은 도움이 없이
온라인 수업을 만들어야 했습니다.
온라인 수업을 만들어야 했습니다.
05:36
and professors had to build
online courses without help.
online courses without help.
88
324500
3083
모든 분야의 결과가
수술 분야와 같았습니다.
수술 분야와 같았습니다.
05:41
And the effect of all of this
was the same as in surgery.
was the same as in surgery.
89
329125
3226
05:44
Learning on the job
was getting much harder.
was getting much harder.
90
332375
2917
직접 일을 하면서 배우는 것은
매우 어려워지고 있습니다.
매우 어려워지고 있습니다.
05:48
This can’t last.
91
336958
1417
계속 이러면 안 됩니다.
맥캔지는 2030년이 되면 일상 업무에서
05:51
McKinsey estimates that between half
a billion and a billion of us
a billion and a billion of us
92
339542
4267
5억 명에서 10억 명 사이의 사람들이
05:55
are going to have to adapt to AI
in our daily work by 2030.
in our daily work by 2030.
93
343833
4125
인공지능과 함께 일하는 삶에
익숙해져야 할 것이라고 말했습니다.
익숙해져야 할 것이라고 말했습니다.
동시에 경험을 통해서
기술을 배우는 과정도
기술을 배우는 과정도
06:01
And we’re assuming
that on-the-job learning
that on-the-job learning
94
349000
2011
오늘날과 마찬가지로
계속될 것 입니다.
계속될 것 입니다.
06:03
will be there for us as we try.
95
351035
1917
엑센츄어의 최신 조사 결과에 따르면
06:05
Accenture’s latest workers survey showed
that most workers learned key skills
that most workers learned key skills
96
353500
4268
대부분 노동자들이 정식 교육보다
직장에서 실제로 일을 하면서
직장에서 실제로 일을 하면서
06:09
on the job, not in formal training.
97
357792
2291
핵심 기술을 배우는 것으로 나타났습니다.
06:13
So while we talk a lot about its
potential future impact,
potential future impact,
98
361292
3517
인공지능의 잠재적 영향력에 대해서
이야기 할 때
이야기 할 때
지금 현재 가장 중요한 부분은
06:16
the aspect of AI
that may matter most right now
that may matter most right now
99
364833
3685
인공지능으로 인해 현장에서의 배움이
줄어든다는 것입니다.
줄어든다는 것입니다.
06:20
is that we’re handling it in a way
that blocks learning on the job
that blocks learning on the job
100
368542
3375
딱 우리가 제일 필요한 시점에요.
06:24
just when we need it most.
101
372375
1625
우리는 모든 산업 현장 중에
06:27
Now across all our sites,
a small minority found a way to learn.
a small minority found a way to learn.
102
375458
6042
한 소수 집단이
배우는 방식을 알아냈습니다.
배우는 방식을 알아냈습니다.
그들은 규칙을 무시하거나
왜곡하는 방식을 선택했지요.
왜곡하는 방식을 선택했지요.
06:35
They did it by breaking and bending rules.
103
383625
3042
06:39
Approved methods weren’t working,
so they bent and broke rules
so they bent and broke rules
104
387083
4643
기존의 방법들을 통하지 않기 때문에
규칙들을 바꾸거나 무시해서
전문가들과 실습을 수행하였습니다.
전문가들과 실습을 수행하였습니다.
06:43
to get hands-on practice with experts.
105
391750
1976
제 분야에서는
06:45
In my setting, residents got involved
in robotic surgery in medical school
in robotic surgery in medical school
106
393750
5601
레지던트들이 의대에서
로봇 수술에 참여하며
로봇 수술에 참여하며
대신 일반의 과정을 생략하거나
06:51
at the expense
of their generalist education.
of their generalist education.
107
399375
3583
추가적으로 수백시간을 들여서
06:56
And they spent hundreds of extra hours
with simulators and recordings of surgery,
with simulators and recordings of surgery,
108
404417
5851
녹화된 수술 영상을 시청하고
시뮬레이터를 활용하기도 하지요.
시뮬레이터를 활용하기도 하지요.
원래는 수술실에서
배워야 함에도 불구하고요.
배워야 함에도 불구하고요.
07:02
when you were supposed to learn in the OR.
109
410292
2541
그리고 가장 인상적인 모습은
07:05
And maybe most importantly,
they found ways to struggle
they found ways to struggle
110
413375
3476
전문의의 지도가 아직 부족한 상태에서도
로봇 수술에 도전한다는 것이지요.
로봇 수술에 도전한다는 것이지요.
07:08
in live procedures
with limited expert supervision.
with limited expert supervision.
111
416875
3750
저는 이 모두를
"그림자 학습"이라고 부릅니다.
"그림자 학습"이라고 부릅니다.
07:13
I call all this “shadow learning,”
because it bends the rules
because it bends the rules
112
421792
4309
이런 일들은 규칙 위반이며
몰래 이루어지기 때문이지요.
몰래 이루어지기 때문이지요.
07:18
and learner’s do it out of the limelight.
113
426125
2000
그럼에도 불고하고 모두가
이런 일들을 다 눈감아 줍니다.
이런 일들을 다 눈감아 줍니다.
07:21
And everyone turns a blind eye
because it gets results.
because it gets results.
114
429542
4101
성과가 있기 때문이지요.
07:25
Remember, these are
the star pupils of the bunch.
the star pupils of the bunch.
115
433667
3166
이들은 모두 재능이 있는 학생들입니다.
하지만 당연히 이는 옳지 못한 일이고
장기간 지속 될 수 없습니다.
장기간 지속 될 수 없습니다.
07:29
Now, obviously, this is not OK,
and it’s not sustainable.
and it’s not sustainable.
116
437792
3208
그 누구도 해고당할 위협을 무릅쓰고
07:33
No one should have to risk getting fired
117
441708
2185
직업에 필요한 기술들을
배울 필요는 없습니다.
배울 필요는 없습니다.
07:35
to learn the skills
they need to do their job.
they need to do their job.
118
443917
2150
하지만 이들에게 배울 점은 있습니다.
07:38
But we do need to learn from these people.
119
446792
2056
07:41
They took serious risks to learn.
120
449917
2250
그들은 배움을 위해
큰 위험을 감수했습니다.
큰 위험을 감수했습니다.
그들은 업무에 있어서
도전과 난관이 있어야만
도전과 난관이 있어야만
07:44
They understood they needed to protect
struggle and challenge in their work
struggle and challenge in their work
121
452792
4351
어려운 문제들을 해결해가는 과정에서
07:49
so that they could push themselves
to tackle hard problems
to tackle hard problems
122
457167
2892
잠재력을 한계까지
끌어낼 수 있다는 것을 알았지요.
끌어낼 수 있다는 것을 알았지요.
07:52
right near the edge of their capacity.
123
460083
1959
물론 그들도 항상 가까운 곳에
전문의가 있는 상태에서
전문의가 있는 상태에서
07:54
They also made sure
there was an expert nearby
there was an expert nearby
124
462458
2216
사고를 방지 할 수 대비책과
충고를 얻었습니다.
충고를 얻었습니다.
07:56
to offer pointers and to backstop
against catastrophe.
against catastrophe.
125
464698
3094
이 도전과 전문가의 도움의 조합을
08:00
Let’s build this combination
of struggle and expert support
of struggle and expert support
126
468875
3458
인공지능이 활용되는
다른 분야에 적용해봅시다.
다른 분야에 적용해봅시다.
08:04
into each AI implementation.
127
472708
2750
지금 당장 제 머릿속에 떠오르는
이야기가 하나 있습니다.
이야기가 하나 있습니다.
08:08
Here’s one clear example
I could get of this on the ground.
I could get of this on the ground.
128
476375
2828
로봇이 생기기 전에는
08:12
Before robots,
129
480125
1226
08:13
if you were a bomb disposal technician,
you dealt with an IED by walking up to it.
you dealt with an IED by walking up to it.
130
481375
4792
만약 당신이 폭탄 제거 전문가였다면
직접 접근해야만
사제폭탄을 처리 할 수 있었습니다.
사제폭탄을 처리 할 수 있었습니다.
여러분의 후배는 몇 백 피트
떨어진 곳에서
떨어진 곳에서
08:19
A junior officer was
hundreds of feet away,
hundreds of feet away,
131
487333
2143
08:21
so could only watch and help
if you decided it was safe
if you decided it was safe
132
489500
3309
보기만 하다가 당신이 안전하다고
판단했을 때에만 와서 도울 수 있었지요.
판단했을 때에만 와서 도울 수 있었지요.
08:24
and invited them downrange.
133
492833
1417
현재에는 방탄 트럭에 나란히 앉아서
08:27
Now you sit side-by-side
in a bomb-proof truck.
in a bomb-proof truck.
134
495208
3893
08:31
You both watched the video feed.
135
499125
1809
함께 영상으로 현장을 확인하며
08:32
They control a distant robot,
and you guide the work out loud.
and you guide the work out loud.
136
500958
4310
후배가 직접 로봇을 원격 조종하고
여러분은 옆에서 지도만 할 수 도 있지요.
여러분은 옆에서 지도만 할 수 도 있지요.
이렇게 하면 로봇이 생기기 전보다
수습자들은 오히려 더 잘 배웁니다.
수습자들은 오히려 더 잘 배웁니다.
08:37
Trainees learn better than they
did before robots.
did before robots.
137
505292
3208
이 방식은 수술, 창업, 치안유지,
08:41
We can scale this to surgery,
start-ups, policing,
start-ups, policing,
138
509125
3933
08:45
investment banking,
online education and beyond.
online education and beyond.
139
513082
2625
투자 은행 업무, 온라인 교육 등
다양한 분야에 적용 할 수 있습니다.
다양한 분야에 적용 할 수 있습니다.
08:48
The good news is
we’ve got new tools to do it.
we’ve got new tools to do it.
140
516375
2500
게다가 우리는 이를 위한
새로운 도구들도 가지고 있지요.
새로운 도구들도 가지고 있지요.
인터넷과 클라우드 시스템 덕분에
한 명의 전문가가 여럿을 가르칠 수 있고
한 명의 전문가가 여럿을 가르칠 수 있고
08:51
The internet and the cloud mean we don’t
always need one expert for every trainee,
always need one expert for every trainee,
141
519750
4082
물리적으로 떨어져있거나
같은 단체에 있지 않아도 상관이 없지요.
같은 단체에 있지 않아도 상관이 없지요.
08:56
for them to be physically near each other
or even to be in the same organization.
or even to be in the same organization.
142
524167
4458
게다가 이를 돕는 인공지능을
만들 수 도 있습니다.
만들 수 도 있습니다.
09:01
And we can build AI to help:
143
529292
3041
배우려는 학습자들을 도우면서
가르치려는 전문가들을 돕거나
가르치려는 전문가들을 돕거나
09:05
to coach learners as they struggle,
to coach experts as they coach
to coach experts as they coach
144
533167
5059
이 두 집단을 연결시켜주는 일을
효과적으로 할 수 있지요.
효과적으로 할 수 있지요.
09:10
and to connect those two groups
in smart ways.
in smart ways.
145
538250
2542
09:15
There are people at work
on systems like this,
on systems like this,
146
543375
2542
이미 이런 시스템을
현장에서 활용하는 곳도 있습니다.
현장에서 활용하는 곳도 있습니다.
하지만 지금까지는 주로
형식적인 훈련에만 적용해왔지요.
형식적인 훈련에만 적용해왔지요.
09:18
but they’ve been mostly focused
on formal training.
on formal training.
147
546333
2792
허나, 더 중요한 부분은
현장의 실무교육입니다.
현장의 실무교육입니다.
09:21
And the deeper crisis
is in on-the-job learning.
is in on-the-job learning.
148
549458
2584
09:24
We must do better.
149
552417
1851
우리는 더 나아져야 합니다.
09:26
Today’s problems demand we do better
150
554292
2583
오늘날의 문제들은 우리에게
더 나아질 것을 요구합니다.
더 나아질 것을 요구합니다.
인공지능의 놀라운 가능성을
최대한 활용하면서
최대한 활용하면서
09:29
to create work that takes full advantage
of AI’s amazing capabilities
of AI’s amazing capabilities
151
557375
4875
동시에 이 과정에서 우리의
실력도 키워 나가야 합니다.
실력도 키워 나가야 합니다.
09:35
while enhancing our skills as we do it.
152
563042
2750
09:38
That’s the kind of future
I dreamed of as a kid.
I dreamed of as a kid.
153
566333
2750
이게 바로 제가 어렸을 때
꿈꿨던 미래였고
꿈꿨던 미래였고
그 미래를 만들 시기가
바로 지금입니다.
바로 지금입니다.
09:41
And the time to create it is now.
154
569458
2167
감사합니다.
09:44
Thank you.
155
572333
1226
09:45
(Applause)
156
573583
3625
(박수)
ABOUT THE SPEAKER
Matt Beane - Organizational ethnographerMatt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy.
Why you should listen
Matt Beane does field research on work involving robots to help us understand the implications of intelligent machines for the broader world of work. Any of his projects mean many hundreds of hours -- sometimes years -- watching, interviewing and often working side by side with people trying to work with robots to get their jobs done.
Beane has studied robotic surgery, robotic materials transport and robotic telepresence in healthcare, elder care and knowledge work. He has published in top management journals such as Administrative Science Quarterly, he was selected in 2012 as a Human Robot Interaction Pioneer and is a regular contributor to popular outlets such as Wired, MIT Technology Review, TechCrunch, Forbes and Robohub. He also took a two-year hiatus from his doctoral studies to help found and fund Humatics, an MIT-connected, full-stack IoT startup.
Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. He received his PhD from the MIT Sloan School of Management.
Matt Beane | Speaker | TED.com