외교부

안녕하세요, 

경제안보외교센터(CESFA)에서 작성한 경제안보 Review를 게재합니다.

24-7호에서 포함하고 있는 보고서 3편의 제목 및 목차는 아래와 같습니다.

(경제안보분석) 미국의 물류분야 경제안보 논의 동향

: 중국의 물류정보플랫폼(LOGINK)을 중심으로

(경제안보분석) 美 바이든 행정부 경제안보 정책과 조치의 발전

(경제안보연구동향) AI 언어모델의 언어적 편견 관련 연구논문 요약 

(경제안보분석) 미국의 물류분야 경제안보 논의 동향 : 중국의 물류정보플랫폼(LOGINK)을 중심으로

■ 최근 미국 내에서는 조선·해운·물류 분야에서의 對중국 의존도 관련 논의가 확대되고 있는바, 본 보고서는 미국에서 제기된 물류 분야 경제 안보 이슈에 대해 검토

ㅇ 최근 백악관은 조선, 해운, 물류 분야에서 중국이 보이고 있는 불공정 관행에 대해 301조 신규 조사 개시를 발표(4.17)하는 등 미중 갈등이 새로운 산업 분야로 확대되는 움직임

- 현재까지 미국에서 제기된 문제는 조선 산업 분야에 대한 중국 정부의 보조금 지급 등 중국 정부의 산업 육성 정책에 초점을 맞춘 것으로 보이나, 향후 조사 진행 과정에서 논의의 범위 확대 가능

- 이에, 본 보고서는 美 의회에서 제기되었던 중국 물류 플랫폼(LOGINK) 관련 경제 안보 문제와 미국의 대응 동향을 검토해 보고자 함

(경제안보분석) 美 바이든 행정부 경제안보 정책과 조치의 발전

■ 미국 바이든 행정부에서의 경제안보 정책 흐름은 ▴대외(국가 안보 관점의 미-중 전략경쟁) 및 ▴대내(국내 정치·경제적 이해) 요인의 세부 목표와 연관

ㅇ 미-중 전략경쟁 원칙인 ‘디리스킹(de-risking)’=‘small yard, high fence’*의 세부 목표

  * 표적 대상(국가안보적 위협 분야에 국한)에 대한 강한 규제의 시행을 통한 디리스킹의 효과성 도모 방식을 일컫음

  ※ 설리번 미 국가안보보좌관(’23.4.) ‘미국의 경제리더십’ 관련 브루킹스 연설, 블링컨 미 국무장관 방중 당시(’23.6) “미-중 관계”에 대  한 베이징 미국 센터 연설, 미-EU 정상회담(’23.10.) 경제안보 분야 내용 등을 토대로 작성

-  공급망 의존도와 취약성 감축을 위한 회복력 증진

-  군사·경제적 우위에 영향을 주는 첨단기술의 보호

-  핵심인프라 공격, 데이터 유출 등의 위협으로부터 미국인 보호(민주주의 수호)

-  신뢰가능한 국가(동맹국)와의 협력 강화 등

ㅇ 미 국내 정치·경제적 이해에 따른 중산층/노동자를 위한 대외(통상)정책의 세부 목표

   ※ 타이 미 USTR 대표(’21.6)의 ‘노동자 중심의 무역 정책’ 관련 AFL-CIO 타운홀 연설, 설리번 미 국가안보보좌관(’23.4.) ‘미국의 경제리더십’ 관련 브루킹스 연설,    미국의 2024년 통상정책 및 2023년 연례 보고서(’24.3.) 등의 내용을 토대로 작성

- 산업 공동화 대응

- 질 높은 일자리 창출 및 보장

- 불평등 심화 대응(노동자 권익 증진)

- 탄소 배출 감축과 지속가능성 촉진(기후 변화 대응) 등

■ 대내·외 정책 목표에 따라 현재 활용되고 있는 미국의 경제안보 조치 수단

① 전략적 경쟁국인 중국의 비시장경제 정책 등에 따른 자국 산업 공동화 대응 필요성을 강조한 중국의 불공정행위 조사 및 관련 대중 조치

② 공급망 회복력 증진 목표와 산업 공동화 대응, 일자리 창출 목표를 엮은 산업·혁신 정책

③ 공급망 회복력 증진 목표와 불평등 심화 및 기후변화 대응 목표를 엮은 공급망 규제의 확산

④ 첨단기술의 보호와 유출 방지 및 기술 우위 유지를 위한 수출통제·투자심사 조치

⑤ 핵심 인프라 공격, 데이터 유출 등의 위협으로부터 미국인을 보호하고 기술 우위의 원천 보호를 위한 ICT 공급망 및 사이버보안 관리 조치

⑥ 위 모든 정책·조치들의 시행에 있어 협력국과의 공조 및 파트너십 강조 등

(경제안보연구동향) AI 언어모델의 언어적 편견 관련 연구논문 요약 

■ MIT Technology Review는 AI 언어모델의 은밀한 인종 편견과 관련된 논문을 소개하며 기존의 편견 완화 접근 방식에 의문을 제기한바, 해당 논문을 아래와 같이 정리함.

※ LLMs become more covertly racist with human intervention(MIT Technology Review, 240311)

ㅇ(논문 원제) Dialect prejudice predicts AI decisions about people’s character, employability, and criminality

  - 수억 명의 사람들이 집필 보조부터 채용 결정까지 다양한 용도로 언어모델*과 상호작용

    * (Language models) 텍스트를 처리하고 생성하도록 훈련된 인공지능(AI)의 한 유형

  - 그러나 언어모델은 아프리카계 미국인 등에 대해 문제가 되는 방식으로 판단을 편향되게 만들면서 체계적인 인종 편견(racial prejudices)을 영속시키는 것으로 알려져 있음.

  -이전 연구들은 언어모델의 명백한(overt) 인종차별(racism)에 초점을 맞춘 반면, 본 연구는 언어모델이 방언 편견(dialect prejudice)의 형태로 은밀한(covert) 인종차별을 구현한다는 것을 제시

  -언어모델이 아프리카계 미국인 영어 사용자에 대해 더 은밀한 고정관념을 나타냄을 발견

    ㆍ말하는 방식에만 기초하여 사람들에 대한 가상적 결정을 내리도록 언어모델에 요청

    ㆍ언어모델은 아프리카계 미국인 영어를 사용하는 사람들을 덜 권위 있는 직업에 배정하고 더 높은 확률로 범죄 유죄판결 또는 사형 판결 선고

  - 인간 피드백 훈련 등 언어모델의 인종적 편견(bias)을 완화하기 위한 기존 방법은 방언 편견을 완화하는 게 아니라 더 깊은 수준에서 유지되는 인종차별을 표면적으로 숨기도록 하여 은밀/명백한 고정관념 사이의 불일치를 오히려 더 악화시킴.