사람의 판단과
삶을 위한 AI 연구

AI의 신뢰성을 따지려면 무엇을 믿을 수 있다고 말하는 것인지부터 구체적으로 밝혀야 합니다. 연구회는 재현과 검토에 필요한 정보를 개별 연구의 기록으로 관리합니다. 잘된 사례와 실패한 사례를 함께 공개하는 방식은 뒤의 연구가 같은 한계를 되풀이하지 않도록 돕습니다.

특정 시스템을 도입한 전후의 차이를 모두 그 시스템의 효과라고 단정하지 않습니다. 가능한 비교 조건을 유지하고, 유지하지 못한 차이는 한계로 밝힙니다. 과제별 목표값은 기초 자료를 확인한 뒤 본 실증 전에 정하며, 결과를 본 뒤 유리한 지표만 고르지 않습니다.

학술적 검토가 이루어지면 실패의 뜻도 달라집니다. 시스템이 기대한 효과를 내지 못했을 때 구현의 오류인지, 적용 조건이 맞지 않았는지, 원래 가설의 한계인지 나누어 살필 수 있습니다. 연구회가 쌓으려는 것은 좋은 결과뿐 아니라 이런 구분을 가능하게 하는 근거와 판단의 기록입니다.

연구의 의뢰자와 수행자, 학술적 검토자의 역할을 밝히고, 결과에 영향을 줄 수 있는 이해관계를 기록할 필요가 있습니다. 연구 결과가 기대와 다르더라도 그 내용을 검토할 수 있어야 합니다. 연구비를 내는 조직의 요청과 실제 영향을 받는 사람의 요구가 다르면 그 차이를 기록하고 검토합니다.

하나의 적용 연구가 끝나면 다음 질문은 그 결과가 어디까지 일반화되는가입니다. AI 연구가 기존 학술에 질문을 돌려줄 수도 있지만, 인공적인 시스템에서 얻은 결과만으로 인간 사회의 법칙을 확정할 수는 없습니다. 한 현장의 성과를 곧바로 사회 전체의 효과로 넓히지 않고, 다음 현장에서 다시 확인해야 할 질문으로 이어 갑니다.