인간의 미래, 기계의 과거: 문화적 기억과 상상으로 AI 다시 보기

스웨덴 고등연구소 기조 강연으로, 웁살라 대학의 Anna Foka 교수가 AI를 문화적 기억과 상상의 틀에서 살펴본다. 알고리즘적 상상력, 과거의 인식론이 내장된 기술, 인문학을 방법으로 삼는 관점을 차례로 다루며, 지속가능성과 민주주의 문제, 아카이브와 디지털화의 선택이 무엇을 보이게 하고 무엇을 지우는지 짚는다. 이 요약은 강연 전반부 내용을 정리한 것이다.

⏱ 00:02스웨덴 고등연구소(Swedish Collegium for Advanced Study)의 기조 강연으로, 새 글로벌 연구 이니셔티브 'Human Futures'의 출범과 함께 진행되었다. 발표자 Anna Foka는 웁살라 대학 디지털 인문학 교수이자 AI Futures of Culture and Memory 클러스터의 공동 책임자로, AI의 문화·윤리적 차원과 디지털 유산을 연구해 왔다.

그는 역사학자로서 언어와 물질 자료를 함께 다뤄 온 배경을 밝히며, 이번 강연을 청중과 질문을 주고받는 대화형 형식으로 진행하겠다고 예고했다.

⏱ 02:43강연의 중심 질문은 알고리즘 지능의 시대에 인간임이 무엇을 뜻하는가이다. 발표자는 이 질문을 다룬 선행 연구가 많다는 점을 인정하고, 그 관점들을 엮되 역사·문화·언어의 시각에서 자신들의 협업 연구를 덧붙이겠다고 말한다.

강연은 네 부분으로 구성된다. 첫째, AI를 서사이자 도구·방법으로 보는 알고리즘적 상상력을 다루고, 둘째 과거의 인식론이 알고리즘 기술에 내장되는 방식을 살핀다. 셋째 인문학을 방법론으로 삼는 논의를 펼치며, 마지막으로 의미와 해석에 관한 열린 결론으로 맺는다.

⏱ 05:50발표자는 웁살라 대학 연구진과 수행해 온 프로젝트들을 소개했다. 이미지 자동 분류, AI 아카이브와 진정성, 생성형 AI가 역사성을 지닐 수 있는지를 묻는 Synthetic Pasts 연구, 문화·기억·예술·창의성의 미래를 다루는 AI Futures of Culture and Memory 프로젝트가 그것이다. 지속가능성 인식을 높이기 위한 cultural code 활동도 언급되었다.

AI는 연구를 빠르게 하고 장보기 같은 일상까지 돕는 도구로 과장되게 홍보되는 한편, 인터넷 대중화에 비견되는 거대한 변화로 받아들여지기도 한다. 발표자는 Kate Crawford의 The Atlas of AI를 인용해 환경 비용과 불평등 문제를 짚었다. 데이터센터와 채굴 현장 주변 공동체가 가장 큰 환경 부담을 지지만 이익은 그들에게 가지 않으며, 사용자에게는 에너지 소비가 잘 보이지 않는다는 지적이다. 그에 따르면 지속가능성은 AI 윤리의 주변부가 아니라 정의, 접근성, 책임의 중심 문제다.

⏱ 11:07발표자는 기술이 민주적 관행을 단순히 반영하는 데 그치지 않고, 공적·사적 삶이 가능한 조건 자체를 바꾼다고 말한다. 알고리즘 양극화, 감시와 사회 통제, 마이크로타깃 조작, 공론장의 침식, AI 권력의 집중이 그 예로 제시되었고, 이에 맞설 회복력(resilience)이 필요하다는 점에는 여러 학자가 동의한다고 했다.

그는 Jan von Bonsdorff와 쓴 AI and Image와, Clelia La Monica와 엮은 Evolving Perspectives in Digital Classics를 소개했다. 전자는 AI가 이미지 컬렉션을 보는 방식을 다루며 주로 유산 기관 종사자를 겨냥하고, 후자는 고대 그리스·라틴 연구에 AI를 적용하는 최근 흐름을 모은 책이다. 주석이 잘 된 고전어 데이터가 많아 텍스트 분석, 문체 측정, 감정·의미 분석, 고문서 해독, 고대 공간의 연결 데이터 구축 등에 활용 여지가 크다고 설명했다.

⏱ 14:08역사학자인 발표자는 무엇이 보존되고 큐레이션되며 계산되는가가 곧 무엇을 배울 수 있는지를 결정한다고 강조한다. 제도화된 아카이브는 중립적이지 않으며, 식민지 기록은 식민자의 관점을 과도하게 대표하는 경우가 많다. 대규모 디지털화가 확산됐지만 접근의 민주화로 이어지지는 않았고, 누가 무엇을 어떤 품질과 메타데이터로 디지털화할지를 정하는 문제가 남아 있다.

또한 과거 방식으로 만든 디지털 자료가 몇 년 뒤에는 같은 방식으로 쓰기 어려워지는 레거시 디지털화의 문제가 있다. AI는 기록되지 않은 것을 학습할 수 없다는 알고리즘적 망각도 짚였다. 구전 전통, 원주민 지식체계, 주변부 아카이브는 우선순위에서 밀려 디지털화되지 못했기 때문에 AI 세계에서 보이지 않는다.

⏱ 17:07발표자는 모든 기계학습 시스템이 인간이 과거에 생산한 데이터로 훈련되므로, 그 데이터에 역사의 모순이 함께 실린다고 말한다. 그는 Carl Öhman의 The Afterlives of Data와 Roopika Risam의 Data Empire를 언급하며 이 문제의 중요성을 강조했다.

분석 틀로는 세 축이 제시되었다. 문화 서사는 데이터셋에서 누가 보이고 누구의 지식이 권위를 갖는지, 어떤 미래가 상상 가능한지를 묻는다. 역사적 편향은 구조적 불평등, 과소 재현, 젠더와 인종 위계의 내장을 가리킨다. 인식론적 틀은 합리주의적·서구 중심의 존재론, 실증주의적 지식관, 시간을 지배하는 수단으로서의 예측을 문제 삼는다. 발표자는 입력은 알 수 있어도 기술이 그 위에 더하는 처리 과정은 종종 불투명하다고 덧붙였다.