AI는 어떻게 이렇게 빨리 발전하는 거야?
2. 최신 인공지능 성장의 비결
본 게시글은 'AI는 어떻게 이렇게 빨리 발전하는 거야?'의 1편 글에 이어지는 글입니다.
https://brunch.co.kr/@8d1b089f514b4d5/23
지금 시점에 돌이켜보면 인공지능/AI가 처음 등장한 지 얼마 되지도 않은 것 같은데 벌써 우리 일상 속 많은 부분을 차지하고 있다. 본격적으로 인공지능이 화두가 되기 시작한 게 대략 이세돌과 알파고의 바둑 대결부터였으니 이제 한 5년이 되었을까? 흔히 기술의 발전에는 어느 정도 시간이 필요하다고 말하지만 인공지능이 보여주고 있는 발전 속도는 정말 어마어마한 것 같다. 그래서 이 지점에서 한 가지 의문점이 들 수 있다. 아니 도대체 인공지능은 다른 분야랑은 뭐가 다르길래 이처럼 빠른 속도로 발전할 수 있었던 걸까? 고작 5년 정도의 시간 동안 어떻게 인간 일자리를 위협할 정도로 성장할 수 있었던 걸까?
AI는 대체 어떻게 이 정도로 빨리 발전하는 거야?
앞선 1편 글에서는 비정상적인 속도로 발전하는 것 같은 인공지능을 바라봄에 있어서 인공지능의 역사가 생각보다 그렇게 짧지 않음을 설명하였다. 생각보다 긴 역사를 가지고 있는 인공지능이니 이렇게까지 발전한 것도 어떤 측면에서 보면 그리 급격한 성장이라고는 볼 수 없다는 내용이다. 하지만 이를 감안하더라도 어느 순간부터 인공지능의 발전은 그 속도가 엄청나다. 단순히 역사가 짧지 않다는 정도로는 설명할 수 없다. 특히 2010년대로 들어선 이후의 AI의 발전 속도를 보면 더욱 그러하다. 이 글을 쓰고 읽고 있는 지금 이 순간도 마찬가지다. 분명 어디선가 새로운 기능을 가진 인공지능이 등장하고 있을 것이다. 그것도 이전보다 훨씬 더 정확해진.
최근 엄청나게 빠른 속도로 발전하는 인공지능은 1편에서 이야기했던 인공지능 붐 중 3차 인공지능 붐에 해당하는 이야기다. 1차 인공지능 붐에서 2차 인공지능 붐으로 넘어갈 때 그러했듯이, 2010년대에 이른 3차 인공지능 붐에서는 인공지능을 다루는 방법이 획기적으로 바뀌었다. 그리고 그 근본에는 빅데이터와 머신러닝, 딥러닝이 존재한다. 최근 AI 혹은 딥러닝 분야 논문을 살펴보면 너무 내용이 복잡해 읽기가 힘들지만 결국 그 근본은 빅데이터/머신러닝 이야기이다. 그만큼 빅데이터와 머신러닝은 AI를 발전하는데 획기적인 기여를 하였고 그 기조는 아직도 이어지고 있다.
빅데이터와 머신러닝이 인공지능 발전이라는 불에 기름을 부었습니다!
1편의 글에서 2차 인공지능 붐 당시의 인공지능을 개발하려는 방식을 전문가 시스템이라고 했다. 사람 수준의 지능을 만들기 위해서 실제 전문가나 가지고 있을 법한 지식을 직접 일일이 입력해준다는 것이다. 하지만 그렇다 보니 너무 사소한 지식 하나까지도 전부 입력해주어야 한다는 문제점이 발생했다. 그래서 2010년대의 3차 인공지능 붐에서는 컴퓨터가 스스로 학습을 하도록 했다. 흔히 말하는 머신러닝 방식을 도입한 것이다. 컴퓨터가 스스로 학습을 할 수 있도록 하니 이제 인간이 잡다한 지식을 컴퓨터에게 입력시켜줄 필요가 없게 된 것이다. 빅데이터, 인공지능, 머신러닝의 관계에 대해서는 이전 글을 참고하기 바란다.
https://brunch.co.kr/@8d1b089f514b4d5/7
그리고 컴퓨터가 스스로 학습을 할 수 있도록 하는 가장 핵심 재료가 빅데이터다. 학습의 대상이 되는 일종의 교과서 역할을 빅데이터가 수행하도록 설계를 했다. 인간이 하는 일은 딥러닝이라는 알고리즘 아래에서 컴퓨터에게 학습 자료를 건네주는 것뿐이다. 그리고 많이 알고 있는 알파고는 빅데이터를 이용한 인공지능의 가능성을 전 세계에 충격적으로 전해줬다. 사실, 컴퓨터가 스스로 학습하게 하는 방식에는 많은 불신과 불안감이 있을 수 있는데 전 세계 제일의 바둑기사가 인공지능에게 바둑 경기를 패하는 모습을 직접 보여주므로 이런 문제를 말끔히 씻을 수 있었을 것이다. 그만큼 인공지능과 빅데이터는 찰떡궁합이었고, 빅데이터와 머신러닝의 조합은 인공지능 발전에 있어 강력한 힘을 가졌다.
빅데이터를 이용함으로써, 목적이 다르더라도 같은 알고리즘을 이용해 정확한 AI를 만들게 됐습니다.
그렇다면, 빅데이터를 이용하여 구현하는 AI가 대체 어떤 장점이 있길래 인공지능의 발전을 이렇게 빠르게 촉진시켰을까? 당연히 '정확도'측면을 먼저 뽑을 수 있다. 인공지능이 어떤 업무를 수행함에 있어 정확하고 정교하지 않으면 그 인공지능을 쓸 이유가 없다. 그런데 향상된 저장장치에서 나오는 방대한 양의 데이터와 막대한 연산을 진행하는 컴퓨터 기능이 합쳐진 머신러닝은 모든 문제를 너무나 정확하게 풀어낸다. 수학적으로 정확한 알고리즘을 만들기 위해 Deep Neural Network Machine Learning이라는 방식을 고안했다. 간단히 말해서 딥러닝은 n차 방정식의 최적 해를 찾아가도록 구성된다. n이 조금만 커져도 인간은 각각의 문제에 대해서 일일이 정답을 구하기 힘들지만 막대한 컴퓨터의 연산 능력은 이를 가능하게 한다.
그리고 또 하나 중요한 점으로 빅데이터와 머신러닝을 이용해 인공지능을 구현하는 것은 편리하다. 딥러닝 모델을 하나 새롭게 짠다는 것은 생각보다 복잡한 일이지만 이미 완성된 모델을 활용하는 것은 정말 쉽다. 다시 말하지만 이미 딥러닝 모델이 존재한다면 다음부터 인간이 할 일은 데이터를 입력시켜주는 일뿐이다. 이미지를 인식하는 데 사용했던 모델을 기계 번역 업무에도 적용할 수 있고 같은 모델을 주가 예측 분야에도 적용할 수 있다. 기존에는 이미지를 분류하기 위해 이미지에서 어떤 특성을 뽑아낼 수 있을지 고민하고, 언어를 번역하기 위해 각 언어 별로의 지식을 일일이 집어넣어 주었으며, 주가를 예측하기 위해 주식 가격에 영향을 미치는 변수를 직접 찾았다. 하지만 머신러닝 방식을 이용한다면 그럴 필요가 없다. 적용성이 훨씬 넓어진 것이다.
앞으로 인공지능은 지금보다 더 많이 발전할 확률이 높습니다.
그리고 머신러닝과 빅데이터를 만나 한껏 정교해진 인공지능은 앞으로는 더더욱 발전할 가능성이 높다. 딥러닝 방식의 가장 큰 특징 중 하나는 데이터를 많이 집어넣을수록 정확도가 높아진다는 것이다. 그런데 데이터를 많이 넣을 수 있는 환경이 점차 구성되고 있다. 하드웨어 측면에서 데이터를 저장하는 장치들의 능력이 점차 높아지고 있다. 막대한 연산을 할 수 있도록 GPU라는 장치도 놀랍도록 빠른 속도로 발전하고 있다. 최근 GPT-3라는 인공지능은 막대한 데이터양의 효과를 입증하고 있다. GPT-3라는 인공지능은 언어를 창작해내는 AI로 만들어낸 언어가 너무나도 자연스러워 최근 많은 놀라움을 가져다주고 있다. 하지만 GPT-3는 알고리즘 적으로 특별한 것이 없다. 기존 GPT 방식의 알고리즘에 데이터 양만 엄청나게 늘린 효과이다.
그리고 알고리즘의 발전 역시 빼놓을 수 없는 부분이다. 위에서 이미지 분류, 언어 번역, 주가 예측에 같은 딥러닝 모델을 이용할 수 있다곤 했지만 사실 정말로 같은 모델을 이용하면 그 정확도가 나쁠 확률이 높다. 아무래도 이미지 데이터, 언어 데이터, 숫자 데이터마다 다양한 특성이 있기 때문이다. 결국 알고리즘 측면에서 상황마다 특화된 발전이 필요하다. 이 점에서 이전까지는 빅데이터와 딥러닝 방식의 개발 까지에만 초점을 맞추었다면 최근에는 딥러닝 방식을 보완하여 발전된 알고리즘을 생성해내는데 많은 연구자들이 노력을 쏟고 있다. 컴퓨터가 학습을 하도록 하는 더 똑똑한 방식이 수 없이 많이 제시되고 있다. 결국, 발전된 알고리즘들 중에 적당한 것, 대량의 데이터만 잘 조합되면 앞으로 AI로 못할 일이 없게 될 가능성도 있다.
분명히 발전하고 있는 인공지능의 과거와 현재, 미래를
정확히 알고 있을 필요가 있지 않을까요?
이번 'AI는 어떻게 이렇게 빨리 발전하는 거야?' 글에서는 인공지능의 역사와 발전 동력을 간단하게 살펴보았다. 이 흐름을 보았을 때, 인공지능의 발전은 정말 꾸준하게 이루어지고 있고 특히 최근 추세에서 인공지능이 더 발전할 가능성이 높음을 보았다. 사실 1편에서 인공지능의 역사가 그렇게 짧지 않음을 이야기했지만 다른 전통적인 학문에 비해서는 확실히 짧은 역사를 지니고 있다. 그러나 최근 받고 있는 주목의 정도와 발전 속도를 보면, 인공지능만큼 뜨겁고 빠른 분야가 없을 것이다. 인공지능에 대해 불신을 가지고 있는 사람도 있고 불안함을 가지고 있는 사람도 있지만 명확한 사실은 인공지능은 분명히 발전하고 있다는 것이다.
그렇다면 이 시점에서 인공지능의 과거와 현재, 그리고 미래를 정확히 알 필요가 있을 것이다. 어찌 되었건 인공지능이 앞으로 더욱 발전할 것으로 예측된다면 지금의 인공지능이 가지고 있는 문제점은 무엇인지, 앞으로 인공지능을 통해 어떤 일을 해낼 수 있을지 명확히 알 수 있어야 하기 때문이다. 누군가는 인공지능 개발과 활용을 직업으로 삼고 누군가는 일반인의 입장에서 인공지능을 바라보고 있다. 하지만 결국 우리는 인공지능과 친숙한 세계에 살게 될 확률이 높다. 이왕 인공지능과 함께할 것이라면 이를 정확히 파악한 이후에 한계를 알고 나만의 활용법을 구상해놓는 것이 필요할 듯하다.
