인공지능 수사학은 언어, 논증, 서사 전략이 인공지능 시스템의 이해, 개발, 채택을 어떻게 형성하는지 연구하는 학문이다. 이 분야는 기술 용어, 기업 메시지, 미디어 보도, 정책 문서의 설득 기능을 분석하여 AI의 사회적 의미를 집합적으로 구성한다. 언어를 AI 기술을 설명하는 중립적 전달 수단으로 취급하기보다, 수사적 선택이 자금 우선순위, 규제 결정, 대중 신뢰, 산업 전반의 실질적 구현에 어떻게 영향을 미치는지 분석한다.
이 용어는 2010년대 후반 딥러닝과 생성형 AI 도구에 대한 대중의 인식이 높아지면서 주목을 받았다. 과학기술학, 커뮤니케이션, 컴퓨터 과학 연구자들은 "지능", "학습", "정렬"과 같은 용어가 기계 능력과 인간-기계 관계에 대한 가정을 어떻게 담고 있는지 체계적으로 추적하기 시작했다. AI의 수사학은 종종 자동화의 유토피아적 약속과 일자리 대체의 디스토피아적 경고 사이를 오가며, 양극단 모두 다양한 이해관계자에게 전략적 목적을 제공한다.
컴퓨팅 담론의 역사적 맥락
현재 AI와 연관된 수사적 패턴은 초기 컴퓨팅 논쟁에 뿌리를 두고 있다. 1950년대와 1960년대에 버나드 위드로와 같은 선구자들은 신경망을 인간과 유사한 추론이 가능한 전자 두뇌로 규정했으며, 이 은유는 군사 자금을 유치했지만 비현실적인 기대도 불러일으켰다. 1970년대와 1980년대의 이른바 "AI 겨울"은 과장된 주장이 실현되지 않았을 때 대중의 실망이 뒤따르면서, 수사적 과장이 심각한 반발을 촉발할 수 있음을 보여주었다.
1970년대 제록스 팔크 연구자들은 컴퓨팅을 인간화하는 방식으로 사용자 친화적 인터페이스를 강조했으며, 이 전략은 이후 AI 제품 설계에 영향을 미쳤다. 카네기 멜론 대학교와 MIT CSAIL 연구소는 인지 심리학에서 차용한 용어로 기계 학습의 공식 어휘를 개발하여 기술 출판물에 의인화된 가정을 심어 넣었다. 1980년대와 1990년대에 상징적 AI에서 기계 학습으로의 전환은 수사를 규칙 기반 논리에서 통계적 추론으로 바꾸었지만, "학습"이라는 언어는 지속되었다.
과대광고와 회의주의의 순환
현대 AI 수사학은 업계 관찰자들이 기록한 호황과 불황 패턴을 자주 따른다. 2018년 이후 오픈AI, 앤트로픽, 구글 딥마인드의 대규모 모델 출시는 돌파구 선언과 실존적 경고 사이를 오가는 강렬한 미디어 보도를 촉발했다. 분석가들은 스타트업 기업들이 벤처 자본을 유치하기 위해 신경망 성능에 대해 과장된 언어를 자주 사용하는 반면, 아마존 웹 서비스와 애저 같은 기존 기업은 신뢰성과 기업 준비성을 더 절제된 표현으로 강조한다고 지적했다.
대규모 언어 모델 능력의 개념은 특히 양극화된 수사를 생성했다. 일부 지지자들은 이러한 시스템을 범용 추론 엔진으로 묘사하는 반면, 비판가들은 "이해"와 "지능" 같은 용어가 통계적 패턴 매칭을 잘못 표현하는 은유적 단축키라고 주장한다. 멜라니 미첼과 브라이언 크리스천 같은 학술 연구자들은 의인화된 AI 언어에 대한 영향력 있는 비판을 제시하며, 기계 행동을 의식적 인지와 구별하는 더 정밀한 어휘를 옹호했다.
기업 스토리텔링과 제품 프레이밍
기술 기업들은 비즈니스 목표와 일치하는 AI 서사를 구축하는 데 상당한 자원을 투자한다. 애플과 삼성전자는 온디바이스 AI 기능을 개인정보 보호를 강화하는 개인 비서로 규정하는 반면, 인텔과 AMD는 AI 능력을 계산 처리량과 효율성 측면에서 논의한다. TSMC, 브로드컴, 퀄컴 같은 반도체 제조업체는 기술 사양과 벤치마크 비교를 사용하여 엔지니어링 청중과의 신뢰성을 구축하며, 근본적인 불확실성을 은폐하는 데이터 기반 수사를 사용한다.
엔비디아는 자사 하드웨어를 AI 발전의 필수 인프라로 위치시키며, 이 서사는 개발자 회의, 백서, 오라클 클라우드 및 그록과의 파트너십을 통해 강화된다. ARM 홀딩스는 엣지 디바이스를 위한 에너지 효율적 추론을 강조하여 모바일 및 IoT 시장에 어필한다. 하드웨어의 수사적 프레이밍은 종종 실제 제품 출시보다 앞서며, 기업은 단계적 공개와 선택적 벤치마킹을 통해 기대 격차를 관리한다.
윤리 및 안전 서사
2020년대 초부터 안전과 윤리는 핵심 수사적 전쟁터가 되었다. 앤트로픽 같은 조직은 책임 있는 개발을 알리기 위해 "헌법적 AI" 언어를 채택했고, 오픈AI는 보안 우려 이후 오픈소스 옹호에서 제한적 배포 서사로 전환했다. "정렬"이라는 용어는 기술적으로 들리면서도 도덕적으로 무거운 개념으로 부상하여, AI 시스템이 인간 의도에 따라 행동하도록 만드는 노력을 지칭하게 되었다.
스탠포드 AI 연구소와 버클리 AI 연구 같은 장소에서의 정책 논의는 규제 제안이 위험 완화 또는 혁신 잠재력을 강조하는 수사적 프레임을 어떻게 사용하는지 검토했다. 바바 원자력 연구소 및 기타 공공 기관은 주로 경제 경쟁력을 강조하는 성명을 발표하며, 국가 안보 수사를 사용하여 AI 투자를 정당화한다. 에센셜 AI 같은 그룹의 비판가들은 실질적인 안전장치 없이 윤리적 언어를 성과적으로 사용하는 윤리 세탁이 일반적인 기업 전략이 되었다고 주장한다.
교육 및 교수법 수사학
대학 교과과정과 온라인 강좌는 미래 실무자들이 AI에 대해 말하는 방식을 형성한다. MIT CSAIL과 토론토 대학교는 수학적 엄밀성을 강조하는 강좌를 제공하는 반면, 옥스퍼드 대학교와 카네기 멜론 대학교의 프로그램은 AI 윤리에 대한 인문학적 관점을 통합한다. 크리스 비숍과 프랑수아 플뢰레 같은 교과서 저자들은 표기법, 예제, 문제 프레이밍 선택을 통해 기술 어휘에 영향을 미친다.
K-12 교육에 AI를 도입하는 것은 자체적인 수사적 장을 생성했으며, "디지털 리터러시"와 "AI 준비성" 같은 용어가 알고리즘 개념의 적절한 발달 단계에 대한 논쟁을 은폐한다. AI21 랩스와 인플렉션 AI를 포함한 기업들은 제품을 홍보하면서 동시에 AI 능력에 대한 대중의 이해를 형성하는 교육 자료를 제작했다.
미디어 재현과 공공 담론
저널리즘 보도는 일반 청중을 위한 AI 수사를 중재하는 데 중요한 역할을 한다. 빛나는 로봇 머리나 추상적인 신경망을 묘사한 스톡 이미지 사용은 독자들이 과학 소설 렌즈를 통해 이야기를 해석하도록 유도한다. 헤드라인은 종종 "AI가 코딩을 배운다", "모델이 신약을 발견한다"와 같은 의인화 언어를 사용하여 인간 엔지니어와 데이터 큐레이션의 역할을 모호하게 만든다.
소셜 미디어 플랫폼은 종종 뉘앙스가 제거된 바이럴 주장을 증폭한다. 필리포 멘처 같은 연구자들은 AI 관련 오정보가 네트워크 역학을 통해 어떻게 퍼져나가며 대중의 불안이나 열광을 강화하는 피드백 루프를 만드는지 연구했다. "AI 겨울"이라는 용어는 시장 조정을 예측하는 논평에서 부활했으며, "초지능"은 경험적 근거가 없음에도 불구하고 추측성 기사에 등장한다.
측정 및 평가 언어
AI 평가의 수사학은 그 자체로 논쟁의 영역이다. GLUE, SuperGLUE, MMLU와 같은 벤치마크는 기업이 우월성을 주장하기 위해 인용하는 수사적 도구가 되었지만, 비판가들은 벤치마크 점수가 실제 성능을 예측하지 못하는 경우가 많다고 지적한다. 데이비드 카플란과 잭 클라크는 작업 다양성과 견고성을 고려한 더 세밀한 평가 프레임워크를 옹호했다.
모델 크기에 대한 언어는 모델 가지치기와 양자화 기술이 발전함에 따라 매개변수 수 강조에서 "효율성"과 "와트당 능력" 강조로 전환되었다. "창발적 능력"이라는 용어는 스케일링 법칙이 진정한 질적 도약을 생성하는지 아니면 단지 측정 인공물을 반영하는지에 대한 논쟁을 촉발했다. 아론 쿠르빌과 알렉세이 에프로스는 성능 곡선을 과도하게 해석하는 것에 대해 경고하는 관점을 제시했다.
체계 및 정책 수사학
정부 기관과 국제 기구는 입법 조치를 정당화하기 위해 AI 수사를 사용한다. 유럽 연합의 AI 법 초안은 "고위험" 및 "신뢰할 수 있는" AI를 반복적으로 언급하며 시스템을 분류하기 위해 법적 언어를 사용한다. 미국은 행정 명령에서 "미국 리더십" 서사를 선호하는 반면, 중국의 공공 담론은 "국가 역량"과 "기술 주권"을 강조한다.
학술 기관은 기술 연구와 수사 분석을 연결하는 학제 간 센터를 만들어 대응했다. 스탠포드 AI 연구소는 AI 특허와 출판물의 텍스트 추세를 추적하는 연례 보고서를 발행한다. 버클리 AI 연구는 투명성을 도덕적 명령으로 규정하는 해석 가능성 워크숍을 개최하여 대학원생들이 연구 목표를 개념화하는 방식을 형성한다.
개방성 대 통제의 수사학은 여전히 해결되지 않은 상태다. 메타와 미스트랄의 오픈 가중치 출시는 AI를 민주화하는 것으로 규정되는 반면, 안전 옹호자들은 그러한 개방성이 오용을 가능하게 한다고 주장한다. 이 논쟁은 AWS 트레이니엄과 구글 클라우드 같은 인프라 제공업체로 확장되며, 이들은 모호한 출처의 모델을 호스팅하면서도 책임 있는 AI 서비스를 마케팅한다.
미래 방향
AI 시스템이 일상생활에 더 통합됨에 따라 수사학은 책임성과 분산된 책임의 문제로 전환될 가능성이 높다. "인간 개입"과 "인간 중심 AI" 같은 용어는 자동화와 행위 주체성 사이의 지속적인 협상을 반영한다. 피규어 AI와 생추어리 AI의 휴머노이드 로봇 이니셔티브는 구현된 지능에 대한 대중의 기대를 재편할 수 있는 의인화된 수사를 사용한다.
신흥 연구는 다중 모드 AI가 논증 실천 자체를 어떻게 변화시키는지 탐구하며, 생성된 텍스트, 이미지, 오디오가 저자와 도구 사이의 전통적 경계를 흐리기 때문이다. 추론 설정에서 top-p 샘플링과 온도 스케일링을 둘러싼 수사는 생산 시스템에서 얼마나 많은 무작위성이 허용되어야 하는지에 대한 깊은 불일치를 드러낸다.
학자들은 불확실성을 인정하면서도 정보에 입각한 의사 결정을 가능하게 하는 실용적 수사를 점점 더 요구한다. 이는 무비판적 과대홍보와 경고주의를 입증된 능력과 추측적 가능성을 구별하는 보정된 언어로 대체할 것이다. 그러한 균형 잡힌 담론이 주목 경제에서 지배할 수 있을지는 여전히 열린 질문이다.