The Rise of the Machines – Why Automation is Different this Time

The Rise of the Machines – Why Automation is Different this Time

SUBTITLE'S INFO:

Language: Korean

Type: Human

Number of phrases: 172

Number of words: 1341

Number of symbols: 4581

DOWNLOAD SUBTITLES:

DOWNLOAD AUDIO AND VIDEO:

SUBTITLES:

Subtitles prepared by human
00:01
언제쯤이면 기계가 당신보다 일을 더 잘하게 될까요? '자동화' 라는 단어는 크고 멍청한 기계가 공장에서 반복적인 일을 하는 것을 의미해왔습니다. 오늘날 기계들은 비행기를 착륙시키기도, 암 진단을 하고, 주식거래를 하기도 합니다. 우리는 지금껏 보지 못했던 새로운 자동화의 시대에 들어서고 있습니다. 2013년의 어느 연구에 의하면, 미국에 있는 직업들의 반 이상이 앞으로 20년 이내에 자동화가 될 것이라고 합니다. 하지만 잠시만요, 자동화는 이미 수십년동안 존재하지 않았나요? 이번엔 대체 뭐가 다른거죠? <오프닝 음악> 과거에 있었던 혁신 옛날엔 혁신이 단순했었습니다. 혁신은 사람이 하던 일을 쉽게 만들었고 생산량을 늘려주었죠 즉, 같은 수의 인력이 투입 되었을 때 시간당 생산량이 증가했다는 말이죠. 이는 많은 수의 일자리를 없애버린 대신, 더 좋은 중요한 일자리를 만들어냈습니다. 증가한 인구만큼 직장이 필요했었기 때문이죠. 그래서 요약하자면, 혁신으로 인해서
01:09
생산성이 높아졌고, 과거의 일거리가 줄었고, 새로운 일거리와 더 좋은 직업이 늘었습니다. 전체적으로, 이 과정은 대부분의 사람들에게 이득이었고 삶의 질은 향상되었습니다. 인간이 삶에서 필요로 했던 것들이 이런 식으로 발전해갔습니다. 우리는 농사짓는 일에 가장 긴 시간을 들였었습니다. 그러다가 산업혁명과 함께 생산직이 농사를 대체했습니다. 그리고 자동화가 널리 보급되면서 인간은 서비스직으로 자리를 옮깁니다. 그런데 인류역사에서 얼마 전에, 정보시대가 열립니다. 갑자기 지금까지의 규칙이 깨지게 되었습니다. 우리의 직장들은 이제 과거보다 훨씬 빠른 속도로 기계들에게 빼앗기고 있습니다. 당연히 걱정스러울수 밖에 없는 일입니다. 하지만 혁신은 분명 우리를 구해주겠죠? 정보시대의 산업들이 세를 늘려가고 있지만, 그로 인해 창출되는 일자리는 점점 줄어들고 있습니다. 1979년 GM은 80만명이 넘는 직원들을 고용하고 110억 달러를 벌었습니다. 2012년 구글은 140억 달러를
02:12
5만 8천명의 직원만으로 벌었습니다. 이런 비교를 안좋아할수도 있겠지만 구글은 과거에 새로운 직업들을 만들어냈던 예시 중 하나입니다. 혁신적인 신 산업들에서 말이죠. 오래된 혁신산업들은 기력을 다하고 있습니다. 자동차 처럼 말이죠 100년전 자동차가 나왔었을 때, 자동차는 거대한 산업들을 만들어냈습니다. 자동차는 우리의 삶의 방식과 사회 기반 시설, 그리고 도시들을 완전히 바꿔놓았죠 그리고 이로 인해 수백만명의 사람들이 직접적으로나 간접적으로 직장들을 잡았습니다. 수십년의 투자는 여기에 탄력을 붙게 했습니다. 오늘날, 이런 과정은 거의 완성되었습니다. 자동차산업에서의 혁신은 예전만큼 많은 직업들을 만들지 못 하게 되었죠. 전기자동차가 뜨고 있지만, 그게 수백만의 새로운 직장들을 만들어내진 못 할겁니다. 근데 잠깐... 인터넷은 어떨까요? 몇몇 기술들은 인터넷이 전기의 도입처럼 혁신이라는 것을 보여줍니다. 만일 우리가 비교를 해본다면 우리는 과거와 현대의 혁신이 어떻게 다른지를 볼 수 있을 겁니다. 인터넷은 새로운 산업들을 만들었습니다. 하지만 그게 충분한 직업들을 만들어내지는 못했죠. 인구 증가를 따라갈 만큼이나 인터넷이 죽이고 있는 산업들을 대체할 만큼 말입니다.
03:20
정점을 찍은 2004년에 블록버스터는 84,000명의 직원들로 60억 달러를 벌어들였습니다. 2016년에는 넷플릭스가 4,500명의 직원들로 90억 달러를 벌어들였습니다. 이해를 돕기 위해 예를 들자면, 딱 12명의 정규 팀만으로 Kurzgesagt은 수백만명의 사람들에게 다가갈수 있지만 같은 수의 시청자를 가진 TV 방송국은 훨씬 더 많은 직원들을 필요로 합니다. 정보시대에서 혁신은 충분히 새로운 직업들이 생겨나는 것을 의미하지 않습니다. 새로운 직업들은 그보다 부족해지겠죠. 하지만 이젠 자동화와 신세대 기계들의 새로운 물결이 천천히 다가오고 있습니다. 이를 이해하기 위해서, 우리는 먼저 우리 스스로를 이해할 필요가 있습니다. 인류의 진보는 노동의 분업에 기반을 두고 있습니다. 수천년이 지나도록 발전하면서 직업들도 더욱 더 전문화되었죠. 가장 똑똑한 기계들도 복잡한 일들을 하는데 어려워하지만 지금은 재정의되어 예측가능한 일들을 매우 잘합니다. 이로 인해 공장에서의 일자리를 사라지게 했습니다.
04:28
하지만 충분히 많이 복잡하고 어려운 직업들을 봅시다. 그 직업들이 정말로 많이 제한적으로 정의되고 예측가능한 일을 차례대로 하고 있단 걸 발견하게 될 것입니다. 기계는 이제 곧 능숙해질 것입니다. 복잡한 일들을 많은 예측가능한 일들로 분할하는 것에 말이죠. 그리고 그 일들은 수많은 사람들을 위해 전문화될 여지가 전혀 없을 겁니다. 우리는 경쟁에서 탈락할 수 있는 그런 경계선에 있습니다. 디지털 기계들은 이것을 기계학습을 통해 이룹니다. 기계학습은 디지털 기계들이 데이터 분석을 통해 정보와 기술들을 받아들일 수 있게 해주죠. 이는 그 기계들이 찾아낸 관계들을 통해 더 나아지게 만들어줍니다. 기계들이 스스로 공부하는 거죠. 우리는 컴퓨터에게 우리가 더 나아졌으면 하는 것과 관련된 수많은 데이터를 제공함으로써 이를 가능하게 만듭니다. 당신이 온라인에서 샀던 모든 물건들을 기계에게 한번 보여주세요. 그리고 그것은 천천히 당신에게 무엇을 추천할 지를 배울 것이고 당신은 더 많은 물건들을 사겠죠. 기계학습은 지금 더 많은 잠재력을 충족시키고 있는 중입니다. 왜냐하면 최근에 인류는 모든 것에 대한 데이터를 모으기 시작했기 때문이죠. 행동, 날씨 패턴, 의료 기록, 의사소통 시스템, 여행 데이터
05:32
그리고 물론 직장에서 우리가 하고 있는 일에 대한 데이터 등도 있습니다. 우리가 우연히 만들어내온 것은 거대한 도서관입니다. 그 도서관은, 기계들이 인류가 어떻게 일하는지를 배우는 데 사용할 수 있고, 그걸 더 좋게 해내도록 배우는 데 사용할 수도 있습니다. 이 디지털 기계들은 아마도 가장 큰 직업 살인마가 되겠죠. 기계들은 즉시 그리고 공짜로 복제될수 있습니다. 그것들의 성능이 향상했을 때, 당신은 커다란 철제 물건에 투자할 필요가 없습니다. 그저 새로운 코드를 사용할 수 있게 되는 것이지요. 그리고 그것들의 성능은 더욱 빨라질 겁니다. 얼마나 빨라질까요? 만약 오늘날 당신의 일이 컴퓨터에서 복잡한 업무를 포함하고 있다면 당신은 공장에서 일하는 사람들보다도 훨씬 더 빠르게 해고될 수 있을겁니다. 이런 변화가 어떻게 일어나는지에 대한 실제 사례가 있습니다. 한 샌프란시스코 회사는 중간 관리직을 제명하기로 되어있는 대기업들을 위해 프로젝트 관리 소프트웨어를 제공합니다. 그것이 새 프로젝트를 위해 채용되었을 때, 그 소프트웨어는 먼저 어느 직종이 자동화 될 수 있는지를 결정했고, 또 즉시 어디에 실제 전문적인 사람들을 필요로 하는 지를 결정했습니다. 그러고 나서 그것은 인터넷을 통해 프리랜서 팀을 구인하는데 도움을 주었습니다.
06:37
그러고 나서 일들을 사람들에게 분할하고 업무의 질을 조정했습니다 프로젝트가 끝날 때까지 개인 업무를 추적하면서 말이죠. 좋아요. 이건 그다지 나쁘게 들리진 않는군요. 이 기계가 일자리를 없애지만, 프리랜서들을 위해 일자리들을 만들어냅니다. 그렇죠? 글쎄요. 그 프리랜서들이 그들의 업무를 마칠 때 학습 알고리즘은 그들을 추적하고 그들의 일과 어느 업무가 그 업무를 이루고 있는지에 대해 정보를 모읍니다. 그런 과정을 거치면서 프리랜서들은 기계에게 그들을 대체하는 법을 가르치게 됩니다. 평균적으로 이 소프트웨어는 첫해에 약 50%정도의 비용을 줄입니다. 그리고 또 다른 25%는 이듬해에 줄이지요. 이는 많은 예시들 중 단 하나의 예시에 지나지 않습니다. 기계들과 프로그램들은 모든 분야에서 사람들보다 좋거나 더 나아질 겁니다. 약사부터 시작해서 분석가, 기자, 방사선 전문의, 계산원, 은행 상담원, 혹은 기술이 필요없이 햄버거를 만드는 단순 노동직 등등. 이 모든 일자리들은 하룻밤사이에 사라지지 않겠지만, 점점 사람의 일자리는 계속 줄어들 겁니다. 우리는 다음 비디오에서 몇몇 경우들을 의논해 볼겁니다.
07:43
일자리가 사라지는 것은 안 좋지만 그건 하고자 하는 이야기의 반도 안되죠. 우리가 더욱 빨리 행동해야 하는 이유 오래된 직종을 새 직종으로 대체하는 것만으로는 충분치 않습니다. 우리는 끊임없이 새로운 일자리들을 만들어낼 필요가 있습니다. 왜냐하면 세계 인구는 증가하고 있으니까요. 과거엔 우리는 이를 혁신을 통해서 해결했습니다. 하지만 1973년 이후로 미국에서 새로운 일자리는 계속 줄어들었고 그리고 21세기의 첫 10년은 첫 사례를 기록하게 됩니다. 미국에서 일자리의 전체 수가 처음으로 증가하지 않은 사례였죠. 그저 인구 증가를 유지하기 위해 한달에 150,000개의 새로운 일자리가 필요한 나라에서는 이는 나쁜 뉴스이며, 또한 삶의 기준에 영향을 주기 시작했습니다. 과거에는 생산량이 증가함에 따라 더 많고 더 좋은 직업들이 생겨났다는 게 분명히 존재했습니다. 그러나 숫자들이 다른 이야기를 하기 시작했죠. 1998년, 미국 노동자들은 총 1940억 시간을 일했습니다. 그후 15년 동안, 그들의 생산량은 42%정도 증가했습니다.
08:50
그러나 2013년, 미국 노동자의 총 노동시간은 여전히 1940억 시간입니다. 이것이 무엇을 의미하냐면, 철저하게 생산량이 증가하고, 수천개의 창업, 그리고 미국의 인구 증가가 4천만이 넘도록 이루어졌음에도 불구하고 15년동안 노동시간이 증가가 전혀 없던 것입니다. 동시에 미국 대학교 졸업생들의 임금은 과거 10년동안 계속 낮아져왔고 40%까지의 새 졸업생들에겐 학력을 요구하지 않는 직업이 강요되고 있습니다. 결론 생산성은 인간노동과 분리되고 있습니다. 자연의 혁신과 정보시대는 우리가 이전에 맞닥뜨린 모든 것과는 다릅니다. 이 과정은 몇 년전에 시작했고, 이미 착실히 진행되고 있습니다. 심지어 자가주행 자동차나 로봇 회계사처럼 새로운 혼란 없이 말이죠. 이는 이번엔 자동화는 다르다는 것을 보여주는 것 같습니다. 이번에 기계들은 우리 일자리를 진짜로 빼앗을 수 있습니다.
09:55
현재 우리의 경제는 사람이 소비한다는 전제에 기반되고 있습니다. 하지만 만약 적은 사람들이 일자리를 가지면 누가 그 소비들을 할까요? 우리는 그저 정말 적은 사람들만이 우리의 모든 물건과 서비스들을 살 수 있도록 훨씬 더 값싸게 생산을 해온 것일까요? 아니면 미래는 나머지 우리를 지배하는 기계를 소유한 갑부들의 소수집단을 예견하고 있을까요? 그리고 우리의 미래는 정말 그런 암울한 미래가 될까요? 현재 어두운 이야기를 하고 있지만 상당히 먼 이야기로 바뀔수 있습니다. 정보화 시대와 자동화는 거대한 기회가 될 수 있을겁니다. 인간 사회를 바꾸고 빈곤과 불평등을 극적으로 줄일 기회말이죠. 이는 인류역사에서 과도기가 될것입니다. 이제 그럼 한번 가능성과 가능한 해결책에 대해서 이야기 해봅시다. 이 비디오의 두 번째 파트에서 세계적인 기본소득 같은 제도에 대해 알아보도록 하지요. 우리는 크게, 그리고 빠르게 생각하여야합니다 하나는 확실합니다, 기계들은 오지 않을것입니다. 이미 도래했으니까요 우리는 이것을 만드는데 900시간, 9달이 걸렸습니다.
11:02
이런 프로젝트는 여러분의 후원 없이는 불가능 할것입니다. 우리를 돕고 자신만의 Kurzgesagt 새를 갖고 싶으시다면 정말 유용할 것입니다 우리는 비디오의 대부분을 두개의 좋은 책을 기반으로 만들었습니다. 'The Rise of the Robots'과 'The Second Machine Age' 말이죠. 동영상 설명에서 책으로 가는 링크를 찾으실 수 있고 이것을 매우 추천합니다. 그리고 우린 작은 로봇 포스터를 만들었습니다 그것하고 우리의 상품들을 DFTBA 상점에서 구매할 수 있습니다 이 비디오는 기술에 대한 더 큰 시리즈의 일부입니다. 어떻게 기술이 이미 변화하고 있으며 인류의 삶을 완전히 바꿀 것인지 말이죠 계속 시청하고 싶으시다면 우리는 재생 목록을 몇 개 준비해 놓았습니다

DOWNLOAD SUBTITLES: