Where are we now?

의사의 역할이 '기계로 대체되고있다'는 인식이 널리 확산되어 있지만, 이러한 인식의 확산은 AI의 다양한 긍정적  활용에 방해가 될 수 있다. 헬스케어에 있어 AI 적용의 예를 들자면, 전문가가 환자를 만나고 의사가 질병을 진단하는데 도움이 되는 시간을 확보할 수 있다. Google과 Moorfields Eye Hospital의 연구원들은 안구의 상태를 매우 정확하게 자동으로 감지 할 수 있는 딥 러닝 알고리즘을 개발했지만 이러한 의료서비스를 실제 적용하기까지 해결해야하는 산재된 이슈들, 예를 들면 개인 정보 보호 문제나 데이터 장애물 등,이 있다. 의료 부문에서 빅 데이터 분석 및 신기술의 사용은 의료 전문가와 개인간에 의료 데이터 사용, 액세스, 분석 및 공유하는 방식을 크게 변화 시켰지만 오래된 관행 속에서 신기술을 수용하는 조직, 가장 대표적인 예로 개인의 건강 데이터를 처리하는 조직은 높은 수준의 보안 및 개인 정보 유지해야 한다. 또한 인구의 고령화, 질병과 의료 요구의 변화 (예 : 비만 및 당뇨병 증가), 항생제 내성 및 중앙 집중화 추진으로 인한 지역 서비스 폐쇄와 같이 현재 NHS가 직면하고있는 몇 가지 주요 과제도 있다.

Where do we want to go?

ⓒ Cristina Guitian 

이 시나리오에서 의료 종사자는 AI를 사용하여 의료 문제가 발생할 위험이 있는 사람들을 식별한다. 기술 발전을 통해 의료 종사자는 환자가 본인의 진단에 대한 안좋은 결과에 대처할 수 있도록 돕는 '인간'측면에 더 많은 시간을 할애 할 수 있다.

2030 년의 의료 종사자 :

• AI를 사용하여 상태가 위중하거나, 병이 발생할 위험에 처한 사람들을 식별한다.

• 원인과 증상을 치료한다.

• 환자가 더 건강한 습관을 가질 수 있도록 다양한 선택지를 알려주고 지도한다.

• 효과가 있는 근거에 대해 연구하고 대중과 연구를 연결해주는 다리역할을 한다.

Scenario #3: Predictive precision

AI는 다양한 유형의 사람들이 예방적이고 건강한 행동 습관을 취하도록 동기를 부여할 뿐만 아니라 질병이 발생할 위험이 있는 사람들의 데이터를 학습하고 그들을 식별하는데 사용된다. 알고리즘 디자인은 다음과 같은 기능을 내재한다.

• 데이터가 어떻게 수집되어지는지, 데이터 기부를 개선할 수 있는 기회로 보고 더 총체적인 데이터 프로파일을 제공하는 이점을 명확하게 시각화하기.

• 분석 모델이 어떻게 디자인되는지, 컴퓨터가 다른 컨텍스트들을 이해하는 데 도움이 되는 데이터 변수를 확장하기위해 인간의 통찰력을 사용하기.

• 그리고 마지막으로 인간 (또는 인간과 유사한) 대화를 기반으로 권한을 부여하는 개입유형 설계하기. 이는 더 건강한 습관과 행동을 채택하기 위해 선택 가능한 다양한 안을 제시하고 '환자'를 지도할 수 있다.

AI는 의사 결정의 90 %를 통해 사람들을 식별, 분류, 안내할 수 있으므로 의료 전문가는 그 외의 분야에서 임상 실습과 함께 직관, 윤리적 식별 및 감정을 활용할 수 있다. 사람의 평균 수명이 길어지기때문에 살아야 하는 의지와 바람직한 죽음에 대한 더 많은 대화가 요구되어 진다.

AI, data and design skills: Fostering Design Skills

영국은 기계로 움직이는 제조경제에서 서비스와 신기술로 움직이는 경제로 전환했다. 디자인은 이러한 모든 발전에 있어 중요한 역할을 수행해 왔으며, 이는 전후 변화를 개척 한 산업디자이너부터 오늘날 로봇과 인공 지능을 디자인하는 사람들에 이르기까지 경제 변화와 함께 생산성을 높이고 혁신을 촉진하는 데 중요한 역할을 했다. 그러나 오늘날의 디자인업은 4 차 산업 혁명이 진행됨에 따라 학문 간 경계가 계속 모호해지면서 유동적인 상태로 가고있다고 볼 수 있다. 우리의 미래는 인간이 기계와 함께 디자인 기술을 사용하여 보다 효과적이고 생산적이며 혁신적인 방법으로 사회에 기여할 것으로 예측한다. 그러나 미래 영국 성장에 기여할 수 있는 디자인 경제의 잠재력은 아직 개발되지 않은 상태로 남아 있지 않으며, 디자인에 접근하는 기업과 그렇지 않은 기업, 그리고 그러한 기술을 가진 기업과 그렇지 않은 기업 사이에 불평등이 심화될 위험이 있다. 이러한 산업의 이슈는 디자인 교육과 연관되어질 수 있는데, 지난 몇 년 동안 디자인, 기술과 같은 과목의 채택이 크게 감소하는 추세를 보였다. D & T의 GCSE 점유는 2000 년 40만 이상에서 현재 10만 미만으로 감소했으며 2011/12년과  2015/16년 사이에 창의 예술, 디자인 과목에서 학부 또는 대학원 자격을 취득한 사람들의 수가 7 % 감소했다. 디자인업이 경계가 모호해지고 유동적으로 변화하는 반면, 영국의 교육 시스템의 각 과목은 서로 다른 방식으로 가르치거나 다른 분야에 걸쳐 연결되어 있지 않고 학생들은 제품, 서비스, 환경 디자인의 이론과 응용에 대해 배우지 않는다. AI에 의해 얼마나 많은 일자리가 손실되거나, 획득 또는 변경 될지에 대한 많은 예측이 있었지만, 각 연구에서 이야기하는 미래 인력이 필요로 하는 기술은 디자인과 밀접한 관련이 있으며, 미래 직업 시장에서 창의성은 더욱 중요해질 것이라고 공통된 예측을 내놓고 있다.

ⓒ Cristina Guitian 

Reference:

https://www.designcouncil.org.uk/news-opinion/ai-data-and-design-skills-outputs-design-council-workshop

 

영국 리포터_이보연.