인공지능 할 수 있는 것, 할 수 없는 것
[기술 인사이트] 인공지능(AI)의 미래
튜링 테스트
“달에 인간을 처음 착륙시킨 나라의 수도는 어디인가?”와 같이 한 문장 안에 질문이 연계된 경우에 대하여, 우리는 그 답을 알지만, 대부분의 기계는 그 답을 하기가 쉽지 않다. 이처럼 사람과 대화할 수 있는 수준의 지능을 가졌는지 시험하기 위하여 기초적인 질문을 하는 것을 튜링 테스트라고 한다.
사람의 인식 능력을 뛰어넘는 인공지능
인공지능의 궁극적 목표는 사람과 똑같이 생각하고 인식하는 기계를 만들고, 기계가 사람을 도와 인간 사회를 지속적으로 발전시키는 것이다. 인공지능의 수준은 점차 높아지고 있어서, 인식 능력에 있어서는 이미 인간을 뛰어넘는다. 특히, 시각에 대한 인식은 정확도가 높다. 얼굴 인식의 예에서, 미국 NIST의 FRVT (Face Recognition Vendor Test)에 따르면 공항에서 승객의 인식 성공률이 99.5%에 이른다.
음성을 텍스트로 변환(speech-to-text)하는 음성 인식 시스템에서, 단어를 잘못 알아 듣거나 빼먹고 추가하는 오차율인 WER(word error rate)은 약 5% 정도로 사람과 비슷한 수준에 이르렀다. 텍스트를 음성으로 말하는 TTS(text-to-speech)의 경우, 최근의 시스템은 숨이 멈추는 듯한 느낌을 없애서 사람과 같이 자연스럽게 말하는 것이 가능하다. 그러나, 여전히 기계가 말의 의미를 이해하는 것은 쉽지 않다.
AI의 시작
알란 튜링(Alan Turing)에서 시작된 인공지능에 대한 개념은, 존 맥카시 (John McCathy)가 마빈 민스키 (Marvin Minsky), 클라우드 새논 (Claude Shannon)과 공동으로 지능이 있는 기계를 만들기 위한 과제 제안서에서 인공지능(Artificial Intelligence)이라는 용어를 1955년에 처음 사용하면서 시작되었다. 1956년에 미국 다트머스에서 세계 최초로 인공지능 컨퍼런스를 개최하였다. 인간과 같이 언어를 사용하고, 추상적인 생각, 문제 풀이, 그리고, 자기 향상을 하는 기계를 만들기 위한 목적이었다.
그것이 얼마나 어려운 일인지 이 여정은 아직도 갈 길이 멀다.
AI의 부활
이후 50년 넘게 인공지능은 많은 사람들의 주목을 받았지만, 쉬운 문제를 해결하는 데에 그치어 발전하지 못하고 여러 차례의 쇠락의 시기를 거쳤다.
제프리 힌튼 (Geoffrey Hinton) 교수는 1986년 다층 신경망을 위한 오류 역전파 알고리즘 (Backpropagation algorithm for training multi-layer neural network)을 개발하였다. 제프리 힌튼의 제자인 얀 르쿤 (Yann LeCun)은 1989년 오류 역전파에 기반하여 합성곱 신경망(CNN, Convolutional Neural Network)을 처음으로 고안하여, 미국 우편국에서 편지 봉투에 손 글씨로 쓰여진 우편번호를 자동으로 인식하는 프로그램을 개발하였다.
컴퓨팅 파워의 발전으로 2010년대에 인공지능은 다시 부활하였다. 2012년 토론토 대학의 SuperVision팀이 세계 최대의 이미지 인식 경연대회인 ILSVRC (ImageNet Large Scale Visual Recognition Challenge)에서 Deep CNN과 GPU를 사용하여 사진을 정확하게 분류하는 것에서 2위와는 압도적인 차이로 우승하였다. 이때부터 AI에 대한 IT 업계 전반의 관심과 개발이 부활하기 시작하였다.
요수아 벤지오 (Yoshua Bengio) 몬트리올 대학 교수는 차세대 음성 인식 성능 혁신을 위한 RNN (Recurrent Neural Network)을 설계하고 알고리즘을 개발하였다.
인공지능 7대 분야와 응용
인공지능은 기존의 전기, 인터넷, 스마트폰과 같이 인간의 모든 활동에 영향을 끼쳐서 경제, 사회, 생활 방식에 철저한 변화를 줄 것이다. 인공지능 기술 개발의 7대 분야는 1) 딥 러닝 알고리즘, 2) 컴퓨터 시각 기술, 3) 컴퓨터 음성 기술, 4) 생체 인식 기술, 5) 인간과 컴퓨터 상호 작용, 6) 표준화 서비스와 7) 딥 러닝 지적 재산권이다. IBM, Nvidia, Intel, Google, AMD 등은 빠른 시간 안에 딥 러닝을 수행하기 위한 AI 칩셋을 활용하고 있거나 개발하고 있다.
그리고 인공지능의 사용은 생산성을 향상시킬 것이며 인류 진보의 촉매제가 될 것이다. 다만, 인공지능은 빅데이터에 기반한 것이어서 정보의 독점과 오남용, 그리고 사생활 침해의 가능성이 크므로, AI 윤리를 수립하고 사람들에게 유용하다는 것을 지속적으로 보여야 고립되지 않고 활용될 수 있을 것이다. 현재는 AI 스피커, 자동 번역, 로봇 청소기, 검색어 추천, 상품과 서비스 추천, 자동 콜센터 예약과 같이 초기 형태이지만, 재난재해 예측, 자율주행 자동차, 자동 주식 거래, 의료와 같이 복잡한 분야에 적용을 확대하고 있다.
AI 활용과 AI 윤리 교육
인공지능으로 인하여 앨빈 토플러가 이야기한 지식인으로의 권력 이동은 더욱 가속화될 것이다. 이러한 문제를 극복하기 위해, 시민들에게 AI 활용 방법과 AI 윤리에 대한 교육을 하여야 한다. 한 예로 머지 않아 글을 쓰는 것은 말로 하는 것이 보편화될 것이다. 사람이 말하는 속도는 글 쓰는 속도에 비하여 7배가 빠르다. 1분에 평균 140에서 160단어를 말하는 데, 타이핑은 1분에 20에서 30단어 수준이다. 이는 AI 기반의 자동 음성 인식(speech-to-text)을 잘 활용하는 사람은 7배 빠른 속도로 글을 쓰고 번역을 할 수 있게 되는 것이다.
인간과 기계의 차이, 동기 부여 및 자기 성장
인간과 기계를 구분 짓는 것으로, 인간은 육체와 정신이 성장하는 것이다. 또한 인간은 스스로 동기를 부여하여 목표를 갖고 행동을 한다. 미래학자 레이 커즈와일(Ray Kuzweil)은 ‘특이점이 온다.’에서 2045년이면 기계가 인간을 초월하는 순간이 올 것이라고 말했다. 기계는 지식의 범위와 인식에서 인간을 뛰어넘을 것이다.
그러나, 그때가 오더라도 질문은 인간의 역할이며, 인간만이 스스로 성장하고자 하는 동기를 가지고 있을 것이다. 물론 이를 뛰어넘고자 하는 인공지능의 개발의 시도는 계속 될 것이다. 또한 인간은 경험과 추억을 갖는다. 영화 ‘블레이드 러너’에서 기계는 급조된 추억을 저장하고 있다. 포드의 자동차 모델 T는 자동차 생산과정을 7,852개의 표준화된 역할로 생산성의 혁신을 가져왔었다. 그러나, 미래에도 표준화 할 수 없는 비표준화 작업은 여전히 인간의 직감과 창조성이 요구된다.
인간만의 특성이었던 높은 지능을 이해하고 재창조하는 일은 앞으로도 계속될 것이다. 그러나, 꿈을 꾸고 스스로에게 동기를 부여하여 성장하는 것은 우리만의 본연의 것이다.
