1
00:00:00,787 --> 00:00:04,632
미국인들이 가장 좋아하는 파이는?

2
00:00:04,632 --> 00:00:08,138
청중: 사과요. 
케네스 쿠키어: 당연히 사과죠.

3
00:00:08,138 --> 00:00:09,369
어떻게 알았을까요?

4
00:00:09,369 --> 00:00:12,122
데이터가 있으니까 알죠.

5
00:00:12,122 --> 00:00:14,188
슈퍼마켓의 매출을 보면 됩니다.

6
00:00:14,188 --> 00:00:17,054
30 센치 크기의 
냉동 파이 매출을 보면

7
00:00:17,054 --> 00:00:21,129
사과 파이가 선두입니다. 
경쟁이 안 되죠.

8
00:00:21,129 --> 00:00:26,309
대부분의 매출이 사과 파이입니다.

9
00:00:26,309 --> 00:00:31,833
하지만 슈퍼마켓들이 11센치의 
작은파이들을 판매하기 시작했고,

10
00:00:31,856 --> 00:00:36,030
그러자 사과 파이는
4번째, 5번째로 추락했죠.

11
00:00:36,030 --> 00:00:38,905
왜요? 무슨 일이 일어난 걸까요?

12
00:00:38,905 --> 00:00:41,723
생각해봅시다.

13
00:00:41,723 --> 00:00:45,571
30센치 파이를 살 때는

14
00:00:45,571 --> 00:00:47,832
가족 전원이 동의를 해야 합니다.

15
00:00:47,832 --> 00:00:51,853
그리고 사과는 모두가 두 번째로
좋아하는 파이였던 겁니다.

16
00:00:51,853 --> 00:00:53,558
(웃음)

17
00:00:53,558 --> 00:00:57,173
하지만 개인이 먹을 
11센치 파이를 살 때는

18
00:00:57,173 --> 00:01:00,918
자기가 원하는 것을 살 수 있어요.

19
00:01:00,918 --> 00:01:04,933
자기가 가장 원하는 것을
살 수 있는 것이죠.

20
00:01:04,933 --> 00:01:07,169
자료가 더 많아진 겁니다.

21
00:01:07,169 --> 00:01:12,585
여러분은 적은 양의 데이터였을 때는 
볼 수 없는 뭔가를 볼 수 있죠.

22
00:01:13,265 --> 00:01:15,953
여기서의 요점은 더 많은 데이터가 단지

23
00:01:15,953 --> 00:01:20,245
우리가 보는 같은 것에서 더 많은 것만을
보여주는 것이 아니라는 겁니다.

24
00:01:20,245 --> 00:01:23,438
더 많은 데이터는 
새로운 걸 볼 수 있게 해주죠.

25
00:01:23,438 --> 00:01:29,412
우리가 더 잘 보게 해주고,
우리가 다른 것을 보게 해주고,

26
00:01:30,188 --> 00:01:39,017
이 경우에는, 미국인들이 가장 좋아하는
파이가 사과가 아니란 걸 알려줍니다.

27
00:01:39,017 --> 00:01:42,430
다들 빅데이터라는 말을 
들어보셨을 겁니다.

28
00:01:42,430 --> 00:01:46,107
사실, 그, 빅데이터라는 단어에
식상하셨을거예요.

29
00:01:46,117 --> 00:01:49,447
빅데이터가 
구설수에 오르는 건 사실이지만,

30
00:01:49,447 --> 00:01:51,779
굉장히 안타깝게 생각합니다.

31
00:01:51,779 --> 00:01:58,185
왜냐하면 빅데이터는 사회의 발전에 있어서
굉장히 중요한 도구이기 때문입니다.

32
00:01:58,559 --> 00:02:02,370
과거에, 우리는 소량의 자료를 보며

33
00:02:02,370 --> 00:02:05,320
세상을 이해하려 노력하는 게 
무엇을 의미하는지 생각했습니다.

34
00:02:05,320 --> 00:02:07,311
지금 우리는 그 어느 때보다도

35
00:02:07,311 --> 00:02:10,033
많은 자료를 가지고 있습니다.

36
00:02:10,033 --> 00:02:11,910
방대한 양의 자료가 있으면

37
00:02:11,910 --> 00:02:14,634
근본적으로 더 적은 자료로는

38
00:02:14,634 --> 00:02:17,910
할 수 없었던 것들을 
할 수 있다는 것을 깨달았습니다.

39
00:02:17,910 --> 00:02:20,921
빅데이터는 중요하고, 
빅데이터는 새롭습니다.

40
00:02:20,921 --> 00:02:33,028
여러분이 생각해 보시면, 기아와 
의료 지원, 전력 공급,

41
00:02:33,028 --> 00:02:36,280
기상변화로그들이 고통받는 문제와 같은
세계적인 난관들을 해쳐나갈 수 있었던

42
00:02:36,280 --> 00:02:39,920
유일한 방법은 데이터를 효과적으로
사용했기 때문이죠.

43
00:02:39,920 --> 00:02:43,772
그러면 빅 데이터가
새롭고 중요한 이유는 뭘까요?

44
00:02:43,772 --> 00:02:46,289
글쎄요, 그 질문에 대답 하기 위해,

45
00:02:46,289 --> 00:02:51,185
과거에는 정보라는 것이 물리적으로 
어떤 형태였는지 알아보죠.

46
00:02:51,219 --> 00:02:55,290
1908년에, 크레테 섬에서,

47
00:02:55,290 --> 00:02:59,565
고고학자들이 진흙 접시를 
하나 발견했습니다.

48
00:02:59,565 --> 00:03:04,074
기원전2000년의 접시로 추정했으니
4000년 정도 됐겠네요.

49
00:03:04,074 --> 00:03:05,988
그 접시에 뭔가 새겨진 게 있었는데요,

50
00:03:05,988 --> 00:03:08,293
뭘 의미하는 지는 모릅니다.
완전히 미지의 것이지만,

51
00:03:08,293 --> 00:03:13,081
요점은, 4000년 전에는 정보가
이런 형태였다는 사실입니다.

52
00:03:13,081 --> 00:03:19,118
그 사회는 정보를 이런 형태로
저장하고 전파한 것입니다.

53
00:03:19,142 --> 00:03:23,302
아직 사회는 그리 
많이 발달하진 않았어요.

54
00:03:23,302 --> 00:03:26,776
우리는 지금도 여전히 
디스크에 정보를 저장해요.

55
00:03:26,776 --> 00:03:31,270
하지만 이전의 그 어느때 보다 
훨씬 더 많은 양을 저장할 수 있죠.

56
00:03:31,270 --> 00:03:34,313
수색하는 것이 더 쉽고, 
복사하는 것도 더 쉽고,

57
00:03:34,313 --> 00:03:37,813
공유하기도 더 쉽고, 
처리도 더 쉬워졌습니다.

58
00:03:37,813 --> 00:03:39,799
우리가 이제 할 수 있는 것은

59
00:03:39,799 --> 00:03:43,593
데이터를 처음 수집했을 때는 
상상하지 못한 방법으로

60
00:03:43,593 --> 00:03:45,608
이 정보를 다시 
사용할 수 있다는 겁니다.

61
00:03:45,608 --> 00:03:47,860
이러한 관점에서,

62
00:03:47,860 --> 00:03:51,392
데이터는 저장된 것에서 흐름으로,

63
00:03:51,392 --> 00:03:55,330
고정되고 변하지 않는 것에서

64
00:03:55,330 --> 00:03:58,939
움직이고 변화하는 
유동적인 것으로 바뀌었습니다.

65
00:03:58,939 --> 00:04:02,962
여기에 정보의 
유동성이 있는 것입니다.

66
00:04:02,962 --> 00:04:06,596
크레테 섬에서 발견된 접시는

67
00:04:06,596 --> 00:04:10,200
4,000년이나 지났고, 무거웠으며,

68
00:04:10,200 --> 00:04:12,162
정보의 양도 많지 않았고,

69
00:04:12,162 --> 00:04:15,278
이를 바꿀 수도 없었죠.

70
00:04:15,278 --> 00:04:17,669
이와는 대조적으로

71
00:04:17,669 --> 00:04:23,740
미국 국가안보국에서
에드워드 스노든이 빼낸 모든 파일은

72
00:04:23,771 --> 00:04:27,830
손톱만한 메모리 스틱에

73
00:04:27,830 --> 00:04:29,360
다 들어갔고,

74
00:04:29,360 --> 00:04:33,945
빛의 속도로 공유할 수 있었습니다.

75
00:04:33,945 --> 00:04:39,200
더 많은 자료는 계속 늘어갑니다.

76
00:04:39,200 --> 00:04:41,174
오늘날 세계에 데이터가 
넘쳐나는 이유 중 하나는

77
00:04:41,174 --> 00:04:45,466
정보를 제공 받은 자료들을
항상, 언제다 모으기 때문이고요,

78
00:04:45,886 --> 00:04:47,932
또 다른 이유는

79
00:04:47,932 --> 00:04:53,850
정보로써 가치는 있지만 자료의 형태로
가공되지 못했던 것을 이제는

80
00:04:53,850 --> 00:04:56,259
자료의 형태로 가공할 수 있게
되었기 때문입니다.

81
00:04:56,259 --> 00:04:59,567
에를 들어, 
위치에 대한 질문을 생각해보죠.

82
00:04:59,567 --> 00:05:01,816
마틴 루터를 예로 들어 볼게요.

83
00:05:01,816 --> 00:05:06,033
1500년 경에 마틴 루터의
위치를 파악하려면,

84
00:05:06,080 --> 00:05:08,172
항상 그의 꽁무니를 쫓아다니면서

85
00:05:08,172 --> 00:05:11,999
펜과 잉크병을 들고,
기록을 해야만했죠.

86
00:05:11,999 --> 00:05:14,368
하지만 지금의 모습은 어떤지
생각해 보세요.

87
00:05:14,368 --> 00:05:18,710
여러분들의 위치를 실시간으로
기록하는 스프레드시트나 아니면

88
00:05:18,736 --> 00:05:23,872
최소한 데이터베이스 입력 형태로
통신사 데이터베이스라던가,

89
00:05:23,872 --> 00:05:27,283
어딘가에는 아마 있을 겁니다.
휴대전화를 가지고 있고,

90
00:05:27,283 --> 00:05:30,130
그 전화에 GPS가 있다면, 
아니 없다고 하더라도,

91
00:05:30,130 --> 00:05:32,515
여러분의 정보를 기록할 수 있습니다.

92
00:05:32,515 --> 00:05:36,599
즉, 이제 위치는 
데이터화가 되었다는 말이죠.

93
00:05:36,599 --> 00:05:41,200
이제 자세를
예로 들어 보겠습니다.

94
00:05:41,200 --> 00:05:43,515
여러분들이 앉아있는 자세요.

95
00:05:43,515 --> 00:05:48,066
이 분의 자세와, 저 분의 자세, 또
저쪽 분의 자세는 모두 다릅니다.

96
00:05:48,066 --> 00:05:51,453
이는 다리 길이와 등, 또 등의 굽어진
정도에 따른 함수와 같거든요.

97
00:05:51,456 --> 00:05:53,657
만약 여러분이 지금 앉아있는 의자에 


98
00:05:53,657 --> 00:05:55,753
수많은 센서를 단다고 한다면,

99
00:05:55,753 --> 00:05:59,353
개개인에 맞는 상수들을 
다 만들 수 있었을 겁니다.

100
00:05:59,353 --> 00:06:03,762
손가락은 아니지만, 
지문과 비슷하겠군요.

101
00:06:03,762 --> 00:06:06,731
이걸로 뭘 할 수 있을까요?

102
00:06:06,731 --> 00:06:09,128
도쿄의 연구자들은 이를 통해

103
00:06:09,128 --> 00:06:13,516
자동차 도난 방지기를 
만드는 것을 모색하고 있습니다.

104
00:06:13,516 --> 00:06:16,440
원리는 이렇습니다.
자동차 도둑이 운전석에 앉아서

105
00:06:16,440 --> 00:06:18,544
차를 움직이려고 하지만 
자동차가 운전석에 앉은 사람이

106
00:06:18,544 --> 00:06:20,906
인증된 운전자가 아님을 인식하고

107
00:06:20,906 --> 00:06:23,070
엔진을 끄거나 할 겁니다.

108
00:06:23,070 --> 00:06:26,247
그 사람이 
비밀번호를 입력하거나 해서

109
00:06:26,247 --> 00:06:28,650
자신이 허가받았다는 것을 
알리지 않는 한 말이죠.

110
00:06:28,650 --> 00:06:29,963
좋아요.

111
00:06:31,053 --> 00:06:34,898
유럽에 있는 모든 차량에
이 기술이 적용되었다면 어떨까요?

112
00:06:34,915 --> 00:06:38,080
그러면 무엇을 할 수 있을까요?

113
00:06:38,080 --> 00:06:52,600
데이터를 모아 5초 후의 자동차사고를
예측할 수 있는 조짐을 알아낼 수 있죠.

114
00:06:53,026 --> 00:07:01,733
또 운전자의 피로를 데이터로 만들어서
운전자가 그 상태에 접어들게 되면

115
00:07:01,733 --> 00:07:06,827
차량이 이를 감지하고 자동적으로
내부 알람을 작동시키는 거죠.

116
00:07:06,841 --> 00:07:11,216
운전대가 진동한다던지, 내부에서,
"정신차려! 도로를 봐야지!"하는

117
00:07:11,216 --> 00:07:12,491
경보가 울리게 하는 것처럼요.

118
00:07:12,491 --> 00:07:17,134
우리의 삶을 더 분석할 수 있다면
이런 일들이 가능해집니다.

119
00:07:17,165 --> 00:07:20,840
그렇다면 빅데이터는 
어떤 가치를 가지고 있을까요?

120
00:07:20,840 --> 00:07:23,030
자, 생각해 보세요.

121
00:07:23,030 --> 00:07:28,772
더 많은 정보가 있으면
전엔 할 수 없었던 일들을 할 수 있어요.

122
00:07:28,783 --> 00:07:35,449
이런 일이 일어나는 가장 인상적인 분야 중
하나는 바로 기계 학습의 영역입니다.

123
00:07:35,495 --> 00:07:38,572
기계학습은 인공지능의 한 분야인데,

124
00:07:38,572 --> 00:07:41,950
인공지능은 
컴퓨터 공학의 일부입니다.

125
00:07:41,950 --> 00:07:43,493
쉽게 말하자면

126
00:07:43,493 --> 00:07:45,610
컴퓨터에게 지시를 내리는 대신에

127
00:07:45,610 --> 00:07:48,230
데이터와 문제를 주고

128
00:07:48,230 --> 00:07:51,436
스스로 알아내게 만드는 겁니다.

129
00:07:51,436 --> 00:07:53,213
그 기원으로 거슬러 올라가보면

130
00:07:53,213 --> 00:07:56,765
이해에 도움이 될 거예요.

131
00:07:56,765 --> 00:07:58,683
1950년경에,

132
00:07:58,683 --> 00:08:02,745
IBM의 컴퓨터 학자인 
아서 사무엘은 첵커 게임을 즐겼어요.

133
00:08:02,745 --> 00:08:04,147
그래서, 컴퓨터 프로그램을 짜서

134
00:08:04,147 --> 00:08:06,960
컴퓨터를 상대로 게임을 했죠.

135
00:08:06,960 --> 00:08:09,671
게임을 했더니 이기고,

136
00:08:09,671 --> 00:08:11,774
게임을 했더니 또 이기고,

137
00:08:11,774 --> 00:08:14,789
계속해서 이겼죠.

138
00:08:14,789 --> 00:08:16,567
왜냐하면 컴퓨터는 단지

139
00:08:16,567 --> 00:08:18,794
게임규칙만 알았지만

140
00:08:18,794 --> 00:08:20,881
아서 사무엘은 
그 이상을 알았기 때문이죠.

141
00:08:20,881 --> 00:08:25,510
사무엘은 전략이라는 걸
알고 있었던 겁니다.

142
00:08:25,510 --> 00:08:27,906
그래서 그는 
보조 프로그램을 개발했어요.

143
00:08:27,906 --> 00:08:34,250
그 프로그램은 안에서 작동하면서 
주어진 게임의 형국에서 움직일 때마다

144
00:08:34,260 --> 00:08:39,630
이길 형국과 질 형국으로
나아갈 확률만을 계산했습니다.

145
00:08:39,678 --> 00:08:42,828
그래도 컴퓨터랑 게임을 하면 이기고,

146
00:08:42,828 --> 00:08:45,336
컴퓨터랑 게임을 하면, 또 이기고

147
00:08:45,336 --> 00:08:49,067
컴퓨터랑 게임을 하면, 
계속해서 이겼죠.

148
00:08:49,067 --> 00:08:51,344
그러고 나서 
아서 사무엘은 컴퓨터가

149
00:08:51,344 --> 00:08:53,571
혼자 게임을 하도록 놔뒀습니다.

150
00:08:53,571 --> 00:08:57,080
스스로 게임을 하면서 
더 많은 데이터를 모았죠.

151
00:08:57,080 --> 00:09:01,389
자료가 많아질수록 
예측의 정확도는 높아졌습니다.

152
00:09:01,389 --> 00:09:05,793
그리고 난 다음에, 사무엘이 컴퓨터와
다시 게임을 했고, 그는 졌습니다.

153
00:09:05,811 --> 00:09:07,880
그는 게임을 하고, 지고

154
00:09:07,880 --> 00:09:09,927
게임을하고 또 졌습니다.

155
00:09:09,927 --> 00:09:12,526
마침내 자신이 가르친 일에 대해서

156
00:09:12,526 --> 00:09:18,814
본인의 능력을 초과하는 
기계를 만들어 낸겁니다.

157
00:09:18,814 --> 00:09:21,312
그리고 이 기계학습의 개념은

158
00:09:21,312 --> 00:09:25,239
여러 곳으로 전파 되죠.

159
00:09:25,239 --> 00:09:28,388
어떻게 무인자동차가
나왔다고 생각하세요?

160
00:09:28,388 --> 00:09:30,525
소프트웨어에 길에 대한 
모든 규칙을 모셔놓은 것이 더 나은

161
00:09:30,525 --> 00:09:33,810
사회로 가는 길일까요?

162
00:09:33,810 --> 00:09:36,408
아닙니다. 기억장치가 
더 싸기 때문도 아닙니다.

163
00:09:36,408 --> 00:09:40,402
알고리즘이 더 빨라져서도 아니고.
프로세서가 더 나아서도 아닙니다.

164
00:09:40,402 --> 00:09:43,174
이 모든 것들이 중요하긴 하지만
근본적인 이유는 아닙니다.

165
00:09:43,174 --> 00:09:46,315
이유는 우리가 문제의 성격을 
바꾸었기 때문입니다.

166
00:09:46,315 --> 00:09:53,925
컴퓨터에게 운전하는 법을 과도하고 자세하게
설명하려했던 것을 다음처럼 바꾸었죠:

167
00:09:53,987 --> 00:09:57,363
"여기 차량에 대한 많은 
자료가 있어. 네가 알아서 잘 해봐.

168
00:09:57,396 --> 00:09:59,263
저게 신호등인지도 알아내고,

169
00:09:59,263 --> 00:10:02,004
저 신호등이 초록색이 아니라 
빨간색인 것도 직접 알아내야해.

170
00:10:02,004 --> 00:10:06,428
그건 앞으로 가라는 게 아니라
멈추라는 말인 것도 말이야."

171
00:10:06,441 --> 00:10:09,909
기계학습은 인터넷에서
많은 것들의 기반입니다.

172
00:10:09,950 --> 00:10:17,497
그 중에는 검색엔진이나 아마존의
개인화 알고리즘, 컴퓨터 번역,

173
00:10:17,820 --> 00:10:22,110
그리고 음성 인식 시스템들이 있죠.

174
00:10:22,110 --> 00:10:29,365
연구자들은 최근에 암세포
조직 검사를 살펴보고 있습니다.

175
00:10:31,167 --> 00:10:42,642
컴퓨터가 데이터와 생존율로
세포들이 실제로 암세포인지를 판별했죠.

176
00:10:42,904 --> 00:10:46,712
당연히 데이터를 주면
기계학습 알고리즘을 통해

177
00:10:46,729 --> 00:10:57,316
유방암 조직의 검사가 암인지를 예측할
수 있는 12개의 조짐을 판별할 수 있었죠.

178
00:10:57,385 --> 00:11:02,623
문제는 의학 저서에는 단지 
9개만이 알려저 있다는 겁니다.

179
00:11:02,672 --> 00:11:10,312
사람은 살펴볼 필요가 없었던 3가지
특성을 기계가 포착한 겁니다.

180
00:11:14,458 --> 00:11:18,903
자, 빅데이터의
어두운 면도 있습니다.

181
00:11:18,903 --> 00:11:20,977
빅데이터는 우리의 삶을 
나아지게 만들 겁니다.

182
00:11:20,977 --> 00:11:23,347
하지만 문제점이 있다는 사실도 
우리는 알고 있어야 합니다.

183
00:11:23,347 --> 00:11:25,080
첫 번째는

184
00:11:25,080 --> 00:11:28,926
우리가 예측에 의해 처벌을
받을 수도 있다는 개념입니다.

185
00:11:28,926 --> 00:11:31,266
경찰이 영화, "마이너리티 리포트"처럼

186
00:11:31,266 --> 00:11:35,147
자신들의 목적을 위해 빅데이터를 
사용할 수도 있다는 겁니다.

187
00:11:35,147 --> 00:11:39,878
이를 예측 치안,
또는 논리 범죄학 이라고 합니다.

188
00:11:39,951 --> 00:11:44,107
과거에 범죄가 일어난 지역에 
데이터를 많이 모은다면

189
00:11:44,146 --> 00:11:46,689
어디로 순찰을 보내야할 지 
알 수 있다는 겁니다.

190
00:11:46,689 --> 00:11:48,804
맞는 말이죠. 하지만 문제는,

191
00:11:48,804 --> 00:11:53,348
단순히 
위치 자료에만 머무는 것이 아니라

192
00:11:53,348 --> 00:11:56,307
개인 수준에까지 이를 것이라는 겁니다.

193
00:11:56,307 --> 00:12:00,747
개인의 고등학교 성적표에 대한 자료를
사용하는 건 어떨까요?

194
00:12:00,785 --> 00:12:05,957
사람들의 고용 상태나, 신용점수,
인터넷 이용 행적, 또는

195
00:12:05,957 --> 00:12:08,126
밤에 자지않고 깨어있는 지의 
상태 등을 써야할 지도 모르죠.

196
00:12:08,126 --> 00:12:11,205
Fitbit이 신체 생리를 알 수 있다면

197
00:12:11,205 --> 00:12:15,201
사람들이 공격적인 생각을 
하고 있는지 보여줄 겁니다.

198
00:12:15,201 --> 00:12:17,422
우리가 취할 행동을 예상하는 알고리즘을

199
00:12:17,422 --> 00:12:19,055
가질 수도 있을 것이고,

200
00:12:19,055 --> 00:12:22,849
행동을 취하기도 전에 그것에 대해
책임을 져야할 지도 모릅니다.

201
00:12:22,889 --> 00:12:27,481
자료가 적을 당시에는
사생활 보호가 쟁점이었습니다.

202
00:12:27,501 --> 00:12:29,650
빅데이터 시대에는

203
00:12:29,650 --> 00:12:40,493
자유의지, 도덕적 선택, 인간의 의지,
또 선택을 보호하는 게 쟁점이 됩니다.

204
00:12:42,540 --> 00:12:44,765
또 다른 문제가 있어요.

205
00:12:44,765 --> 00:12:48,321
빅데이터 때문에
일자리는 줄어들 겁니다.

206
00:12:48,321 --> 00:12:50,293
빅데이터와 알고리즘은

207
00:12:50,293 --> 00:12:54,894
21세기의 전문 지식분야의 일에
종사하고 있는

208
00:12:54,894 --> 00:12:56,547
화이트 칼라에 
도전장을 내밀 것입니다.

209
00:12:56,547 --> 00:13:00,271
20세기에 
공장 자동화와 생산 라인이

210
00:13:00,271 --> 00:13:04,160
블루 칼라 노동자들에게
도전한 것처럼 말이죠.

211
00:13:04,196 --> 00:13:11,478
현미경으로 암 조직검사를 살펴보고 암인지를
판별하는 실험실의 연구자를 떠올려보세요.

212
00:13:11,728 --> 00:13:20,710
대학도 나왔고, 부동산도 사고, 
투표도 하고, 또 사회의 구성원이죠.

213
00:13:20,767 --> 00:13:26,371
그 직업군 뿐만 아니라, 비슷한 
직종에 있는 모든 사람들은,

214
00:13:26,371 --> 00:13:31,559
자신들의 직업이 엄청나게 변하거나,
완전히 사라지는 것을 보게 될 겁니다.

215
00:13:31,559 --> 00:13:39,500
우리는 단기의 손실 후, 장기간에 걸쳐
기술은 일자리를 만든다고 알고 있죠.

216
00:13:39,500 --> 00:13:45,553
그리고 우리가 겪은 산업혁명기간 동안이
이랬기에 맞다고 생각이라고 할 수 있죠.

217
00:13:45,553 --> 00:13:47,926
하지만 그 분석에서, 
우리가 잊은 게 있습니다.

218
00:13:47,926 --> 00:13:53,156
어떤 직업들은 없어지고나서
다시 생기진 않았습니다.

219
00:13:53,176 --> 00:13:55,180
여러분이 말이었다면

220
00:13:55,180 --> 00:13:59,182
산업혁명은 결코
좋은 게 아니었을 겁니다.

221
00:13:59,182 --> 00:14:01,237
우리는 주의를 많이 기울여야 하고,

222
00:14:01,237 --> 00:14:07,901
빅데이터를 우리 인간의 필요에 맞게
조정해야 할 것입니다.

223
00:14:07,936 --> 00:14:11,500
우리는 이 기술의 노예가 아니라
주인이 되어야만 합니다.

224
00:14:11,546 --> 00:14:19,434
빅데이터 시대는 이제 막 시작됐고,
솔직히 우리는 현재의 자료를 다루는 것도

225
00:14:19,434 --> 00:14:21,861
제대로 못하고 있습니다.

226
00:14:21,861 --> 00:14:25,191
국가안보국만의 문제가 아닙니다.

227
00:14:25,191 --> 00:14:28,229
기업들도 많은 자료를 모아서
오용하고 있습니다.

228
00:14:28,229 --> 00:14:31,896
이를 더 잘해야 하는데 
시간이 좀 걸리긴 할 겁니다.

229
00:14:31,896 --> 00:14:36,098
원시인이 불을 처음 봤을 때의
어려움과 비슷하다고 할 수 있겠네요.

230
00:14:36,125 --> 00:14:38,010
빅데이터는 도구이지만

231
00:14:38,010 --> 00:14:42,589
조심하지 않으면 
데일 위험이 있는 도구입니다.

232
00:14:44,008 --> 00:14:47,708
빅데이터는 우리가 살고, 일하고,

233
00:14:47,708 --> 00:14:49,929
생각하는 방식을 바꿔놓을 겁니다.

234
00:14:49,929 --> 00:14:53,948
빅데이터는 우리의 경력 관리에
도움을 주고, 만족스럽고 희망찬,

235
00:14:53,948 --> 00:14:58,452
그리고 행복하고 건강한 삶으로
우리를 이끌어 줄 겁니다.

236
00:14:58,452 --> 00:15:01,750
하지만 과거에 우리는 
정보 기술을 종종 떠올렸습니다.

237
00:15:01,750 --> 00:15:05,648
우리의 눈은 기술과 제품에만
눈을 뒀습니다.

238
00:15:05,648 --> 00:15:07,906
물질적인 것이니까요.

239
00:15:07,906 --> 00:15:13,090
이제는 정보로 눈을 돌려야 할 때죠.
덜 가시적이지만

240
00:15:13,090 --> 00:15:17,630
어떤 의미에서는 더욱 중요한 것이죠.

241
00:15:17,692 --> 00:15:21,157
세상과 그 안에서의 
우리의 위치를 이해하는

242
00:15:21,157 --> 00:15:23,575
무한한 탐험의 일부로써

243
00:15:23,575 --> 00:15:26,170
인류는 마침내 우리가 
수집할 수 있는 정보로부터

244
00:15:26,170 --> 00:15:28,849
많은 것을 배울 수 있습니다.

245
00:15:28,849 --> 00:15:34,330
그리고 이게 빅데이터가 
중요한 관건인 이유입니다.

246
00:15:34,330 --> 00:15:38,048
(박수)