인공지능의 미래가
자연모방에 있다?
인공지능도 배우는 자연모방
‘인간이 만들어낸 지능’이라는 뜻을 가진 ‘인공지능’은 우리 삶 도처에서 활발하게 사용되고 있습니다. 특히 4차 산업혁명의 주역으로 주목받으면서 이제는 ‘누구나 사용할 줄 알아야 하는' 혹은 ‘누구나 한 번은 써보고 싶은’ 보편적인 기술이 되어가고 있습니다.
혜성처럼 등장한 이 단어, ‘인공지능’의 끝에는
‘계산학적 창의성(Computational Creativity)’이 있습니다.
의사결정을 내릴 수 있는 컴퓨터
언제부터 컴퓨터가 생활 필수품이 되었을까요? 개인용 컴퓨터가 보급되고 집집마다 컴퓨터를 한대씩 보유하게 된 것은 생각보다 최근의 일입니다. 1990년대 중반에 이르러 개인이 인터넷을 사용할 수 있게 되면서, 전세계의 개인용 컴퓨터의 보급률이 상당히 증가했습니다. 이제는 한국인의 95%가 손 안의 컴퓨터, 스마트폰을 가지고 있다고 합니다.
그런데, 컴퓨터에 의사결정을 맡겨본 적이 있나요?
“의사결정(Decision Making)”이라고 말하니까 조금 거창하게 들리지만, 당장 점심 메뉴를 뭘로 선택할지? 어떤 게임을 해볼지? 어떤 와인을 마셔볼지? 어떤 경로로 약속 장소까지 이동할지? 등등 모든 사소한 결정이 전부 의사결정의 행위에 포함됩니다. 이렇게 보면, 우리는 상당수의 의사결정에 컴퓨터의 도움을 받고 있습니다.
유튜브, 인스타그램, 앱스토어, 온라인 쇼핑몰에 항상 “추천"이 먼저 뜨고, 자동차 네비게이션이나 지도 앱에서는 경로 “추천"을 받을 수 있습니다. 사람들의 별점을 모아 만든 맛집 지도로, 맛집을 판별하기도 합니다. 이런 식으로 우리는 알게 모르게 의사결정을 컴퓨터에 맡기고 있거나 적어도 의사결정을 하는데 컴퓨터의 도움을 받고 있습니다.
© YouTubeYouTube에 접속하면, 채널 및 컨텐츠 추천을 받을 수 있다
의사결정 지원 시스템은 알게 모르게 우리 생활 주변에 자리잡고 있다
일관된 결정을 내릴 수 있게 돕는 의사결정 지원 시스템
이런 추천 기능은, 추론(Reasoning) 기술에 기반을 두고 있습니다. 쉽게 말하면, 고객이나 이벤트를 수치화 하거나 유형화해서 결정을 추론해주는 기술입니다. 이 때, 고객이나 이벤트를 어떻게 수치화 또는 유형화할 것인가?가 기술의 핵심이 됩니다. 우리 일상 생활에서는 앱이나 네비게이션 등에서 이 기술이 사용되지만, 보다 고급 기술로써, 금융이나 경영에서는 주식 포트폴리오 관리나 이율 책정, 생산 라인 관리, 리스크 관리, 직원 관리 등에 사용되고 있습니다. 최근에는 일부 회사가 신입사원 채용에 이 기술을 적용하겠다고 밝히면서, 과연 인재를 판단하는데 올바르게 사용될 수 있을것인지 논란을 불러일으키기도 했습니다.
이러한 추론 기술을 사용하기 위해서는, 가장 먼저 고객이나 이벤트를 수치화 하거나 유형화 하는 기술이 필요합니다. 그리고 과거의 사례를 모아서 컴퓨터를 학습시켜야 합니다. 그러면, 새로운 사례에 대하여 평가를 내릴 수 있는 엔진을 개발할 수 있습니다. 나아가, 평가 결과에 따라 시스템이 스스로 알맞은 결정을 내려줄 수 있으면 하나의 의사결정 지원 시스템을 완성하게 됩니다.
위의 과정으로 의사결정 지원 시스템을 개발할 수 있지만, 사례를 수치화 하거나 유형화 하는 것도 전문가들의 오랜 연구가 필요한 일이거니와, 과거의 사례를 충분히 모으는 것도 정말 많은 시간과 노력이 필요한 일입니다. 특히 평가 결과에 따라 어떤 결정을 내리도록 가이드할 것인지를 연계하는 것은 각 도메인의 전문지식이 필요하기 때문에 현업에 종사해온 전문가들과의 소통이 반드시 필요한 고된 작업입니다. 그럼에도 불구하고, 인간이 가진 정보 한계를 뛰어넘기 위해 주식 포트폴리오 관리, 이율 책정, 생산 라인 관리, 리스크 관리, 직원 관리 등 전문 지식이 다량 필요하고 일관된 결정이 필요한 위치에서 의사결정 지원 시스템들이 어렵사리 개발되어 활약하고 있는 것입니다.
컴퓨터의 한계를 뛰어넘기 위한 전문가 시스템
이제 이 의사결정 시스템을 “사람"이 아닌 “컴퓨터"의 입장에서 풀어보겠습니다. “사람"의 입장에서 의사결정 지원 시스템은, 복잡한 의사결정을 일관성 있게 수행하게끔 하는데 도움을 줍니다. 만일 은행의 대출 심사관이 바뀔때마다 의사결정에 사용되는 근거도 함께 바뀌어버린다면, 은행의 입장에서도 불확실성이 커질 수 밖에 없겠죠? 이런 불확실성을 낮추는데 유용하게 활용되고 있습니다.
반면, “컴퓨터"의 입장에서 의사결정 지원 시스템이란, 컴퓨터가 인간과 유사한 사고를 할 수 있도록 컴퓨터의 능력치를 향상시키는 기술입니다. 단순히 ‘계산'만 하는 ‘계산기'로서의 컴퓨터가 아닌, 인간을 이해하고 예측하는 ‘제2의 인간’으로 거듭나는데 필요한 기반 기술입니다.
이런 배경에서 인공지능 연구자들은, “인간은 어떻게 인지하고 사고하는가?”에 깊은 관심을 갖고 있습니다. 때문에 인지과학(Cognitive Science)의 발전은 곧 인공지능의 발전으로 귀결되었습니다. ‘인간 전문가’들의 인지와 사고를 모방하는 전문가 시스템(Experts System)이 의사결정 지원 시스템과 결합하게 됨으로써 인공지능의 인지 사고 능력도 한 층 높이 도약한 것과 같이, 사람에 대한 이해가 깊어질 수록 사람을 모방하는 인공지능도 같이 성장하는 모양새입니다.
요약하면, 인공지능은 (a)정형/비정형 데이터들에 대한 인지 구조와 (b)사례에 기반한 사고 메커니즘을 ‘모방’하는 형태로 발전하고 있습니다.
인공지능 기술의 궁극적인 종점은 "창의성(Creativity)"
초창기의 인공지능은 유형화하기가 쉬운 사례나 비교적 정형화된 데이터들을 주로 다루었습니다. 때문에 인공지능이 과연 어디까지 발전할 수 있을까? 인공지능의 한계는 어디인가?를 다루는 기사들에서는 인간과 인공지능이 차별되는 경계로서 “인간의 창의성”에 집중하였습니다. 분명, 인간의 인지 구조와 사고 메커니즘을 모방하는 인공지능이 인간의 창의성을 넘보기란 쉽지 않아 보입니다.
특히 아직까지도 전문가 시스템들은 특수한 영역에서만 제한되어 개발 및 운용되고 있는 실정이고, 지식을 충분히 모으기가 어렵다는 한계 탓에 간혹 과학적인 오류를 보이거나 편향된 사고를 강화해버리는 한계를 드러내고 있기도 합니다. 아직은 “인공지능이 인간의 창의성을 넘볼 수 있을까? 없을까?"를 감히 이야기하기에도 부끄러운 수준인 것이 사실입니다.
하지만, 뱁새를 황새와 비교해서 기를 꺾어버리면 안되겠죠.
인공지능의 비교 대상을 “인간의 창의성”이 아닌 “계산학적 창의성(Computational Creativity)”으로 바꿔 보면, 여기에는 분명 많은 진보가 있었습니다.
인간의 창의적 문제 해결을 돕는 “계산학적 창의성(Computational Creativity)”
앞서 전문가 시스템에 대한 간략한 소개를 하였는데, 전문가 시스템이 활발하게 사용되고 있는 분야가 바로 설계(Design) 분야입니다.
설계 문제를 혁신적으로 해결하는데 있어서, 설계자의 창의적인 문제해결 능력은 필수적입니다. 초창기 인공지능 연구자들은, 인간 설계자들의 문제 해결 능력에 관련된 인지 구조와 사고 메커니즘을 모방할 수 있다면, 인공지능에 창의성을 부여하는 것도 가능할 것이라 여겼습니다.
때마침 CAD(Computer-aided Design) 툴의 수요가 늘어남에 따라 관련 계산학적 방법론들을 상용화하는데 필요한 연구개발 자금이 마련되면서, 초보적인 형태의 계산학적 창의성 연구도 더불어 진행되었습니다. 따라서, 지금의 계산학적 창의성 연구는 초창기 창의적 문제 해결 능력 연구에 기반을 두고 있습니다. 시장의 수요 증대, 설계자들의 문제 해결 능력을 키우는 방법에 대한 이론적인 연구와, 컴퓨터를 활용한 의사결정 지원 시스템 및 전문가 시스템 개발이 다행히 함께 이루어질 수 있었던 것이 질적 성장의 밑거름이 되었다고 볼 수 있습니다.
전문 설계자들이 사용하고 있는 창의적 문제 해결 사고 메커니즘에 대한 이해와 심도깊은 분석이 이루어진 것도 이 때와 시기를 같이 합니다. 전문가들은 설계 문제라는 것을 어떻게 유형화하여 인지하며, 문제 해결에 사용할 수 있는 아이디어들은 어떻게 탐색/사고해내는지를 인지과학을 토대로 분석하게 되었습니다.
여기서 인지과학자들이 주목한 부분은 인간의 놀라운 “유비추론" 능력이었습니다.
인간 창의성의 근원 “유비추론(Analogical Reasoning)”
‘유추' 혹은 ‘유비추론'이라는 단어가 조금 낯설게 느껴진다고 해도, ‘은유'라고 부르는 사고 메커니즘은 국어시간에 배워 알고 있습니다. 보통, “내 마음은 호수요" 라는 문장으로부터 은유에 대한 소개가 시작되곤 합니다. ‘마음'과 ‘호수'의 유사성을 가지고 인상적인 표현을 만들어낸 것인데, 이렇듯 비슷하지만 다른 두 가지 것을 연결하는 것을 은유라고 합니다. ‘유추' 혹은 ‘유비추론’은 은유와 비슷하지만, 은유의 시적 연결과는 다르게 ‘논리적 유사성’에 따라 작동한다는 것이 조금 다릅니다.
우리는 문제를 해결하기 위해서, 종종 유사 사례들을 벤치마킹하거나 경험자들의 자문을 구하곤 합니다. 제품의 시장 생존률을 높이기 위해서 시장 조사를 수행하고 타사의 비즈니스 모델들을 벤치마킹하며, 논문이나 보고서를 제출할 때도 과거에 통과된 논문이나 보고서들을 참조하기도 합니다. 제품 개발에 있어서는, 생뚱맞게 잠수함 기술을 우주정거장을 설계하는데 변용하기도 하고요, 종이접기 기술을 인공위성을 설계하는데 변용하기도 합니다. 이렇게 아무도 발견하지 못했던 유사성을 찾아서 문제를 해결하는데 변용하는 것이 유비추론을 활용한 창의적 문제 해결 방법 입니다.
정리하면, A라는 문제를 해결하는데 있어서, A와 비슷한 B라는 문제를 해결하는데 사용했던 방법을 응용하는 것. 즉, 비슷하지만 다른 사례의 문제 해결 방법을 변용하는 방법. 이것이 ‘유비추론'을 이용한 창의적 문제 해결 방법이라고 말할 수 있습니다. TRIZ나 ‘이종(異種)융합 기술 개발’도 모두 ‘유비추론'에 기인한 창의적 문제 해결 방법론이라고 할 수 있습니다.
이론적으로는 어렵게 느껴지지만, 앞서 설명한 것과 같이, 우리 모두는 무의식적으로 일상생활에서 유사 사례들을 계속해서 찾아내어 기억 속에 저장하고 있고, 그로부터 문제 해결의 실마리를 얻고 있습니다. 인지과학자들의 설명을 빌리자면, 인간의 유비추론 능력은 진화 과정 속에서 인간이 자연스레 체득한 생존 전략이라고 합니다.
컴퓨터가 유비추론을 수행할 수 있게 돕는
“자연모방(생태모방, Biomimicry, Bio-inspired Design)”
인지과학자들이 인간 유비추론의 역사를 연구하면서 다다른 종점은 “자연모방(생태모방 Biomimicry)"이었습니다. 레오나르도 다 빈치의 자연모방 설계 사례들을 열거할 필요도 없이, 인간은 아주 오래 전부터 환경에 적응하기 위해서 자연이라는 스승을 인지하고 문제 해결의 실마리로 모방해왔기 때문입니다. 따라서, 자연모방은 어찌보면 가장 원초적이고 가장 기본적인 (유비추론 기법)창의적 문제 해결 기법이라고 할 수 있습니다 [1].
최근, 인류의 입장에서, 자연모방은 친환경 기술, 지속가능한 기술, 지구의 미래를 연장할 수 있는 기술, 순환경제 구현을 위한 기술로 새롭게 주목을 받고 있습니다. 새로운 패러다임으로 자리잡은 창의적 공학 설계의 영역 뿐만 아니라, 전통적으로 생물 소재가 사용되는 산업 영역(미용, 화학, 제약, 의료, 식품 등)에서 이미 인류와 뗄레야 뗄 수 없는 관계를 맺고 있습니다.
© MIMICUS Inc.인류에게 있어, 자연모방은 유비추론에입각한 창의적 문제 해결 방법을 제공한다
반대로, 컴퓨터가 자연모방을 습득하게 되면, 인공지능 스스로 창의성을 발휘하는 계산학적 창의성 구현이 가능해진다
반면, 인공지능 입장에서의 자연모방은, 그 인지 구조와 사고 메커니즘의 모방 대상이 되는 인류가 습득한 첫번째 창의적 문제 해결 방법으로서, 반드시 넘어야 하는 마일스톤으로 자리잡았습니다 [2]. 자연모방이 인공지능의 계산학적 창의성 연구에 마일스톤 격으로 도전의 대상이 된 이유를 아래와 같이 요약해볼 수 있습니다.
1) 오랜 역사를 가지고 있으므로, 자연물-인공물 유비추론의 사례 구조를 연구할 수 있는 원천 정보가 비교적 많이 쌓여있다.
2) 자연모방 유비추론을 이용하는 창의적 문제 해결 메커니즘에 대한 이론적 연구가 비교적 탄탄하다.
3) 인간 개인이 감당할 수 있는 정보량을 넘는다.
인지과학자와 인공지능 공학자들이 한데 모인 Design Computing and Cognition이라는 국제 학술대회에서는 전통적으로 위의 주제를 가지고, 인공지능을 활용한 자연모방 연구를 지속적으로 발표하고 있습니다. 인공지능 학회에 인지과학자 뿐만 아니라 자연모방에 관계된 자연과학자와 기계공학자까지 한데 모인다니 이색적으로 들리지만, 서로의 이야기를 듣다 보면 궁극적으로 지향하는 바가 서로 일치하기 때문에 의외로 협업이 잘 이루어지곤 합니다.
지금은 자연모방이라는 고난이도의 유비추론을 돕는 전문가 시스템 혹은 의사 결정 지원 시스템을 개발하는데 주된 역량을 쏟고 있지만, 원천 정보 연구와 구현 연구가 완성되면, 인공지능 스스로 자연모방을 시도할 날도 멀지 않았습니다.
@Design Computing and CognitionDesign Computing and Cognition학회는 2년마다 한번씩 개최되며, 전세계의 인지과학자 및 인공지능 권위자들이 모여 계산학적 창의성(Computational Creativity)에 대한 학술 발표 및 토론의 시간을 갖는다
결국 이런 다학제적인 움직임은, 인공지능에 자연모방이라는 목표를 설정함으로써, 인류가 진화 과정 속에 터득한 유비추론을 인공지능이 직접 수행할 수 있게 하고, 방대한 자연과학 지식을 토대로 인공지능에 창의적인 문제 해결 능력을 부여하고자 하는 것입니다. 이 역시도 아직은 작은 인공지능(좁은 인공지능 Artificial Narrow Intelligence)의 영역 안에 있지만, 적어도 인공지능에 창의성을 부여하기 위한 작은 걸음을 한발자국 떼려고 하는 것이죠 [3].
컴퓨터가 직접 자연모방을 할 수 있게 된다는 것
언젠가 인공지능이 계산학적 창의성(Computational Creativity)을 갖고 직접 자연모방을 할 수 있게 되는 날이 올 것입니다.
그 때가 되면, 인간이 가진 무궁한 창의성의 아주 원초적인 부분을 재현해냈다고 평가할 수 있을 것입니다. 물론, 지구에 존재하는 물리화학적 메커니즘, 생물학적 메커니즘, 생태학적 메커니즘들을 모두 이해시키는 과정이 결코 만만한 일은 아닙니다. 과학적 명제에 대한 인지 구조 뿐만 아니라 매핑, 전환, 추론을 포함한 각종 과학적 사고 메커니즘의 구현도 아직 갈 길이 많이 남아있습니다.
하지만 (주)호모미미쿠스의 연구진들과 미국의 IBM, 조지아텍, Biomimicry Institute등이 이룩해온 10여년간의 연구는 인공지능의 계산학적 창의성을 위한 기초 도안을 완성하는 성과를 냈습니다. 이 기초 도안은, 현재 미국, 유럽, 한국, 일본, 중국 등의 특허 보호를 받고 있는데, 인공지능이 과학적 명제들과 문제 사이의 유사성을 스스로 평가 및 인지하고 그로부터 문제 해결의 사고 메커니즘을 구동하는데 필요한 단초가 들어있습니다.
인공지능의 계산학적 창의성을 위한 게놈 지도와도 같은 이 도안은, 원초적인 자연모방에 대한 인지 및 사고 메커니즘을 표현하는 심플한 알고리즘을 포함하고 있습니다. 궁극적으로, 자연의 대원칙,
모든 메커니즘은 심플 룰(Simple Rule)에 의해 작동한다
의 대원칙에 따라, 인공지능이 복잡한 설계 문제를 직접 해결하는데 필요한 심플 룰(Simple Rule)을 제공할 수 있을 것으로 평가되고 있습니다.
이렇게 갖춰진 인공지능의 계산학적 창의성은 인간이 미처 생각해내지 못한 아이디어와 솔루션을 도출해줄 수 있게 됩니다. 이 때문에, 인류가 앞으로 풀어나가야 할 각종 난제들을 극복하는데 자연모방과 인공지능이 큰 도움을 줄 것으로 기대를 받고 있습니다.
자연과학자들의 첫번째 개척지는 지구였습니다. 자연을 인지하고 사고 메커니즘을 함양해온 자연과학자들의 발자취를 따라 인공지능의 첫번째 개척지도 지구가 된다면, 자연과학적 지식을 이해한 인공지능은 어떤 모습일까요?
[1] Dickinson, M. H. (1999). Bionics: Biological insight into mechanical design. Proceedings of the National Academy of Sciences, 96(25), 14208-14209.
[2] Goel, A. K., & Diaz-Agudo, B. (2017, February). What's hot in case-based reasoning. In Proceedings of the Thirty-First AAAI Conference on Artificial Intelligence (pp. 5067-5069).
[3] Goel, A. (2019). Computational Design, Analogy, and Creativity. In Computational Creativity (pp. 141-158). Springer, Cham.
