AI가 그린 '미래과학자'의 꿈, 영화관에서 다시 만나다

AI가 그린 ‘미래과학자’의 꿈, 영화관에서 다시 만나다

제목: AI가 그린 ‘미래과학자’의 꿈, 영화관에서 다시 만나다 본문: 요즘은 직장인으로서 점심시간만 기다리는 게 아니라, 퇴근 후 미래과학자 관련 콘텐츠를 찾아다니는 게 취미다. 한동안 ‘미래과학자’라는 키워드로 검색을 해보면, 어느새 영화나 드라마, 유튜브 강연까지 자동으로 추천해주는 세상이 됐다. 최근에는 생성형 AI가 과학자들의 노트를 분석해 가상 실험을 시뮬레이션하는 뉴스도 심심찮게 들린다. 나처럼 정리하는 걸 좋아하는 사람 입장에서는 “이걸 다 어디에 적어두지?” 싶을 정도로 정보가 쏟아진다. 그래서 이번에는 거창한 예측

제목: AI가 그린 ‘미래과학자’의 꿈, 영화관에서 다시 만나다

AI가 그린 '미래과학자'의 꿈, 영화관에서 다시 만나다

본문:
요즘은 직장인으로서 점심시간만 기다리는 게 아니라, 퇴근 후 미래과학자 관련 콘텐츠를 찾아다니는 게 취미다. 한동안 ‘미래과학자’라는 키워드로 검색을 해보면, 어느새 영화나 드라마, 유튜브 강연까지 자동으로 추천해주는 세상이 됐다. 최근에는 생성형 AI가 과학자들의 노트를 분석해 가상 실험을 시뮬레이션하는 뉴스도 심심찮게 들린다. 나처럼 정리하는 걸 좋아하는 사람 입장에서는 “이걸 다 어디에 적어두지?” 싶을 정도로 정보가 쏟아진다. 그래서 이번에는 거창한 예측 대신, 내가 주변에서 보고 느낀 ‘미래과학자’의 현재를 한번 비교표로 정리해보려고 한다. 물론 가벼운 마음으로 읽어주시면 좋겠다.

미래과학자라는 단어를 처음 접한 사람들은 보통 ‘로봇 만드는 사람’이나 ‘우주선 타는 사람’을 떠올린다. 나도 그랬다. 그런데 실제로 미래과학자라는 표현은 훨씬 넓은 스펙트럼을 가리킨다. 어떤 이는 기후 위기를 데이터로 예측하고, 어떤 이는 뇌과학과 AI를 접목해 새로운 인터페이스를 만든다. 몇 년 전만 해도 ‘미래’라는 단어가 막연했다면, 요즘은 훨씬 구체적인 직업군으로 쪼개지고 있다는 게 내 체감이다. 특히 위키백과의 미래학 문서를 보면, 미래학이 단순한 점술이 아니라 체계적인 방법론을 가진 학문이라는 점이 잘 드러난다. 이걸 읽고 나서 나는 ‘미래과학자’를 ‘미래를 연구하는 사람’으로 조금 더 넓게 정의하게 됐다.

흥미로운 건, 미래학이 정작 ‘현재’를 얼마나 치밀하게 관찰하는 학문이라는 점이다. 델파이 기법이나 시나리오 플래닝 같은 도구를 들여다보면, 결국 핵심은 “지금 어떤 신호가 약하게 나타나고 있는가”를 포착하는 일이다. 나는 이 대목에서 늘 블로그 글쓰기와 닮아 있다는 생각을 한다. 거창한 예측보다 지금 내 주변에서 벌어지는 작은 변화를 기록하는 게 결국 미래를 다루는 방식이라는 뜻이다. 그래서 요즘은 뉴스를 볼 때도 ‘이게 5년 뒤에 어떤 모습으로 남을까’를 한 번 더 되묻는 습관이 생겼다. 물론 대부분은 그냥 흘려보내지만, 가끔 그중 하나가 몇 달 뒤 다른 기사에서 다시 튀어나오면 괜히 뿌듯하다.

그러면 지금 우리 주변의 미래과학자들은 어떤 영역에서 활동하고 있을까. 나는 크게 네 갈래로 나눠서 비교해봤다. 첫째는 AI·데이터 기반 예측, 둘째는 바이오·헬스케어, 셋째는 에너지·환경, 넷째는 우주·항공이다. 각 분야마다 요구하는 역량과 대중의 관심도가 확연히 다르다. 예를 들어 AI 분야는 뉴스 노출이 압도적으로 많지만, 정작 현장 연구자들은 “기사에 나오는 것보다 훨씬 더 지루한 과정의 연속”이라고 말한다. 반면 에너지·환경 분야는 대중의 관심이 상대적으로 적지만, 정책과 예산이 집중되면서 조용히 성장하는 중이다. 이 차이를 비교표로 정리하면 아래와 같다. (물론 내가 임의로 분류한 것이니, 너무 진지하게 받아들이지는 마시길.)

| 구분 | AI·데이터 예측 | 바이오·헬스케어 | 에너지·환경 | 우주·항공 |
|—|—|—|—|—|
| 대표 키워드 | 생성형 AI, 디지털 트윈 | 뇌과학, 유전자 편집 | 탄소중립, 배터리 | 민간 우주, 위성 |
| 대중 관심도 | 매우 높음 | 높음 | 중간 | 중간 |
| 진입 장벽 | 수학·통계 | 생명과학 | 화학·소재 | 물리·공학 |
| 최근 이슈 | 규제와 윤리 | 임상과 데이터 | 정책 의존도 | 비용 절감 |
| 내 체감 난이도 | 중 | 상 | 중 | 상 |

표를 보면 알겠지만, 각 분야마다 매력 포인트가 다르다. 나는 개인적으로 바이오 쪽에 관심이 많지만, 뇌과학 논문을 읽다 보면 세 번에 한 번은 포기한다. 반면 AI 분야는 비교적 접근성이 좋아서 퇴근길에 유튜브 강연을 틀어놓고 듣기에 딱 좋다. 물론 이건 어디까지나 ‘취미로 즐기는 사람’의 시선이다. 실제 연구자들은 이 표를 보면 “너무 단순화했다”고 할지도 모르겠다. 그런 지적도 겸허히 받아들이려고 한다. 어차피 정리하는 사람의 역할은 복잡한 걸 조금 납작하게 만들어서 보여주는 것이니까.

여기에 하나 덧붙이자면, 분야 간 경계가 점점 흐려지고 있다는 점도 빼놓을 수 없다. 바이오 연구실에서 AI 모델을 돌리고, 에너지 소재 연구가 양자 시뮬레이션에 기대는 식이다. 그래서 표를 ‘칸막이’로 읽기보다는 ‘교차로’로 읽는 편이 더 정확할지도 모르겠다. 실제로 여러 대학원이 융합 과정을 앞다퉈 만들고 있고, 기업 채용 공고에서도 두 개 이상의 전공 배경을 요구하는 사례가 늘었다. 나 같은 사람 입장에서는 진입 장벽이 더 높아 보이지만, 반대로 생각하면 어느 한 분야를 파고들다가 자연스럽게 옆 분야로 건너갈 수 있는 길이 열린 셈이다. 취미로 공부하는 사람에게는 이쪽이 오히려 반갑다.

얼마 전에는 직장 동료와 점심을 먹다가 이런 이야기를 나눴다. “요즘 미래과학자 하면 다들 AI만 떠올리는데, 사실 우리 회사에서도 데이터 분석가가 제일 바쁘다”는 말이 나왔다. 그 말을 듣고 나서 문득, 미래과학자라는 단어가 특정 직업을 지칭하기보다는 ‘미래를 준비하는 태도’에 가깝다는 생각이 들었다. 실제로 한국과학기술기획평가원의 보고서를 보면, 미래 유망 기술을 선정할 때 기술 자체보다 사회적 수용성과 윤리적 쟁점을 함께 고려하는 흐름이 뚜렷하다. 이건 단순히 ‘기술이 좋다’를 넘어서 ‘어떻게 쓰일 것인가’를 고민하는 사람이 늘고 있다는 뜻이기도 하다. 나도 블로그에 글을 쓸 때면, 최대한 균형 잡힌 시선을 유지하려고 노력하는 편이다. 물론 가끔은 그냥 재미로 쓰는 글이 더 반응이 좋을 때도 있지만.

그런 의미에서 최근 콘텐츠 시장의 흐름도 흥미롭다. SF 영화나 드라마에서 미래과학자가 등장하는 방식이 예전과 달라졌다. 과거에는 ‘괴짜 천재’가 혼자서 세상을 구하는 서사가 많았다면, 요즘은 팀워크와 윤리적 갈등을 다루는 작품이 눈에 띈다. 예를 들어 어떤 드라마는 AI 연구자가 자신의 알고리즘이 잘못된 결정을 내리자 책임을 고민하는 모습을 그린다. 이런 콘텐츠를 보면, 대중이 원하는 미래과학자의 이미지가 ‘똑똑한 사람’에서 ‘책임감 있는 사람’으로 옮겨가고 있다는 느낌이 든다. 나는 이런 변화가 반갑다. 왜냐하면 나처럼 과학을 전공하지 않은 사람도 ‘미래’라는 주제에 쉽게 다가갈 수 있게 해주기 때문이다.

실제로 영화관에서 그런 작품을 보고 나오면, 상영관 복도에서 사람들이 나누는 대화가 예전과 다르다는 걸 느낀다. “저 알고리즘은 왜 그런 판단을 했을까”, “저 연구자는 왜 멈추지 못했을까” 같은 질문이 오간다. 기술의 정답을 묻기보다 사람의 선택을 되짚는 질문이다. 나는 이런 장면을 볼 때마다, 좋은 콘텐츠란 결국 관객이 자기 일상으로 질문을 들고 나오게 만드는 것이라는 생각을 한다. 그리고 그 질문이 며칠 뒤 블로그 초안이 되어 있기도 하다. 거창한 결론이 아니라, 그냥 궁금증의 기록에 가깝다.

물론 나도 가끔은 ‘이걸 왜 보고 있지?’ 싶을 때가 있다. 예를 들어 새벽에 유튜브 알고리즘이 추천해준 ‘양자컴퓨터 10분 요약’ 영상을 보다가, 정신을 차려보니 관련 영상을 다섯 개째 보고 있을 때가 그렇다. 그러고 나서 다음 날 아침이면 “어제 그거 다 이해한 건가?” 싶어서 다시 검색을 한다. 이런 반복이 쌓이다 보니, 어느새 나만의 작은 용어 노트가 생겼다. 거창한 건 아니고, ‘디지털 트윈’, ‘합성 데이터’, ‘설명 가능한 AI’ 같은 단어를 한 줄로 정리해둔 것이다. 이 노트 덕분에 블로그 글을 쓸 때도 훨씬 수월해졌다. 정리하는 습관이 결국 나를 먹여 살리는 셈이다.

용어 노트를 쓰다 보면 알게 되는 건, 어려운 단어일수록 한 줄 설명이 길어진다는 점이다. 반대로 정말 중요한 개념은 의외로 짧게 정리된다. ‘합성 데이터’처럼 몇 마디로 끝나는 단어가 나중에 훨씬 자주 등장하는 걸 보면, 이해의 깊이와 설명의 길이가 꼭 비례하지는 않는다는 생각이 든다. 그래서 요즘은 노트에 ‘내 말로 다시 쓴 문장’을 꼭 하나씩 남기려고 한다. 남의 정의를 그대로 옮겨 적으면 금방 잊어버리지만, 내 언어로 비틀어 적어두면 몇 달 뒤에도 기억이 살아 있기 때문이다.

그런데 이렇게 정리하다 보면, 가끔은 ‘미래과학자’라는 말 자체가 너무 거창하게 느껴질 때가 있다. 내 주변에는 미래과학자가 아니지만 미래를 준비하는 사람이 많다. 예를 들어 우리 팀의 인사 담당자는 조직 문화가 5년 후 어떻게 변할지 고민하고, 옆자리 동료는 퇴근 후에 코딩을 배운다. 이들을 굳이 ‘미래과학자’라고 부르지 않아도, 그들은 이미 미래를 만들고 있다. 그래서 나는 이 글을 쓰면서 ‘미래과학자’를 조금 더 느슨하게 정의해보기로 했다. 즉, 미래를 데이터와 상상력으로 그려보는 사람이라면 누구나 미래과학자라는 것이다. 이 정의가 마음에 든다면, 당신도 이미 미래과학자다.

결론적으로, 미래과학자를 바라보는 시선은 크게 두 갈래로 나뉜다. 하나는 ‘기술 중심’의 시선이고, 다른 하나는 ‘사람 중심’의 시선이다. 기술 중심 시선은 빠른 성과와 혁신을 강조하지만, 사람 중심 시선은 수용성과 윤리를 먼저 본다. 나는 이 둘 중 어느 하나가 옳다고 말하고 싶지 않다. 다만, 내가 블로그에서 미래과학자를 다룰 때는 가급적 ‘사람 중심’의 시선을 유지하려고 한다. 왜냐하면 기술은 결국 사람이 쓰는 것이고, 그 사람의 일상이 더 궁금하기 때문이다. 앞으로도 가끔은 미래과학자 이야기를, 가끔은 전혀 다른 일상 이야기를 섞어서 쓸 생각이다. 그게 진짜 블로그 아닌가 싶다.