AI가 고흐 그림을 그린다?
Artificial Intelligence
4년 전, 이세돌과 알파고의 대결을 기억하시나요?
당시 많은 사람들은 당연히 이세돌이 승리할 것으로 예상했으나 결과는 놀라웠습니다. 4:1로 알파고의 승으로 마무리되었습니다. 알파고를 계기로 인공지능에 관한 관심은 폭발적으로 증가하게 되었습니다.
알파고는 인공지능 기술을 기반으로 한 프로그램입니다. 알고리즘이 넘을 수 없는 벽이라고 여겼던 바둑에서 인간을 이김으로써 인공지능 기술에 대한 큰 반향을 일으켰습니다. 바둑은 수학처럼 한수에 정답이 있는 게임이 아니므로 창의력을 기반으로 하는 두뇌 스포츠라고도 불리웁니다.
제가 어릴 적만해도 창의력 학습의 일환으로 바둑학원을 보내는게 대세였을 정도로 창의력을 요하는 스포츠 중에 하나입니다. 상대가 두는 수에 따라 여러 케이스 중에 최선의 수를 판단하여 경기를 펼쳐야 하기 때문에 선택이 중요한 것이죠.
창의력이 중요한 스포츠인 바둑이 어떤 면에서 기계인 인공지능에게 밀렸던 것일까요?
다양한 선택지들 중에서 어느 수가 가장 가치가 높은 지를 판단하는 능력에서 인공지능이 조금 더 월등했던 것입니다. 인공지능은 매수마다 자동 계산되는 승리 확률에 따른 최선의 선택지를 순식간에 결정하는 반면에 인간은 여러 수를 그때그때 고민하여 그 가치를 판단하다 보니 판단력과 속도 측면에서 상대적으로 느릴 수밖에 없습니다.
중요한 것은 알파고와 이세돌의 대결은 누가 이겼느냐? 라는 결과보다는 인공지능이 인간의 경험에 의한 판단과 창의력의 영역을 재현할 수 있는가에 대한 검증이었다는 점에서 의의가 있는 실험이었다고 볼 수 있겠습니다.
이처럼 인공지능 기술의 일종인 딥러닝은 데이터 속의 특정 패턴을 찾아내어 다양한 산업군에서 데이터를 예측하고 분류하는 데에 사용되고 있으며 대표적으로 이미지 분류, 자연어 처리, 영상 처리 등의 분야가 있습니다. 인공지능 기술은 꾸준히 발달하여 이미 지금으로부터 약 5년 전에 인공지능 화가가 고흐 그림을 거의 유사하게 모사할 수 있는 경지까지 도달았습니다.
인공지능 기술은 이제는 IT에서 빼놓을 수 없는 필수 기술 분야 중 하나입니다.
그렇다면, 그 인공지능(Artificial Intelligence)이 무엇인지 자세히 알아볼까요?
AI(Artificial Intelligence) = 인공지능
Artificial Intelligence. 말 그대로 인공적으로 만든 지능을 기계에 부여한 것을 뜻합니다.
쉽게 표현해서 기계가 사람이 하는 것처럼 스스로 생각하고 판단하여 행동할 수 있도록 하는 기술입니다. 컴퓨터에게 데이터를 학습시켜 마치 사람처럼 스스로 의사결정을 할 수 있게끔 하는 것이죠.
이미 우리 생활 곳곳에 인공지능 기술이 자리 잡고 있습니다. 자율주행 자동차나 스마트폰 등 가까운 기술 서비스에 인공지능 기술이 녹아 있고 기술 분야가 아니더라도 미술, 공연, 문학과 같은 예술 창작 작품에서도 반영되어 점차 그 적용범위가 확장되고 있습니다.
앞서 인공지능이 인간의 신경망을 프로그램으로 구현한 것이라고 말씀드렸는데요.
그렇다면, 인공지능은 기존의 컴퓨터 프로그램 같은 것이라고 보면 될까요?
엄밀하게 따져보자면, 둘은 엄연히 목적과 방식에 차이가 있습니다.
인공지능과 프로그램의 차이?
프로그램
특정 목적에 의해 만들어진 소프트웨어. 인간이 알고리즘을 구상하여 입력한 그대로 행동하는 것
인공지능
신경망을 구현하면 기계 스스로 학습하여 최적의 알고리즘을 만들어 나가는 것
프로그램은 기본적으로 목적을 가지고 만들어집니다. 저마다 사용 목적에 따라 각기 필요한 다른 기능들로 설계하여 만들어집니다. 그렇기 때문에 개발자가 의도한 것 그 이상의 성능을 내지 못합니다. 프로그램의 성능을 강화하고 싶다면 일일이 요건을 받아 개발자가 개선해 주어야 합니다. 만약에 개발자가 의도한 것과 다른 현상이 발생하면 이는 학습에 의해 성능이 개선된 결과라기 보다는 단순히 개발 과정에서 버그가 있었다고 보는 것이 더 맞습니다.
반면에 인공지능은 다릅니다. 머신러닝을 통해서 개발자와 설계자가 의도한 것 그 이상의 성능을 낼 수 있습니다. 즉, 인공지능 알파고는 개발자가 일일이 개선하지 않아도 자체 강화 학습을 통해 성능이 강화되고 점차 더 나은 성과를 낼 수 있게 되는 것입니다.
즉, 프로그램은 제작자의 수준이 곧 프로그램의 수준이 된다면 인공지능에서는 기계 스스로 강화 학습을 통해 제작자의 수준보다 더 나은 프로그램 수준이 가능하게 하는 것입니다.
알파고를 예로 들어보자면, 바둑의 룰이 조금이라도 바뀌게 되면 프로그램의 경우 엔지니어가 설계한 케이스를 벗어날 경우 동작하는데 한계가 있을 수 있습니다. 하지만 인공지능의 경우 끊임없는 자가학습을 통해 시간이 지나면 변화된 룰에 맞추어 바둑을 둘 수 있다는 데에서 차이가 있습니다.
구글 ‘딥 드림’
인공지능은 알파고와 자율주행에서 점차 그 범위가 확장되어 예술영역에까지 진출하였습니다. 인공지능 기술이 발달하여도 작가 본연의 창의력과 개성이 표현되는 예술 영역만큼은 오랜 기간 인간 고유의 영역이었으므로 사람을 따라오기에는 한참 시간이 필요할 것으로 예측했던 것에 반해, 이미 알고리즘에 의한 유사 창작 사례가 많이 나오고 있습니다. 인공지능 화가를 통해서 자신이 원하는 화풍의 그림을 순식간에 그려낼 수 있게 된 것입니다.
대표적인 인공지능 화가는 구글에서 탄생시킨 '딥 드림(Deep Dream)'이라는 프로그램입니다. 결과물이 마치 꿈 꾸는 듯한 추상적인 이미지를 닮았다고 하여 '딥드림'이라고 이름이 지어졌다고 합니다.
딥 드림의 원리는 무엇일까요?
인공지능에 새의 이미지(아래 이미지 맨 왼쪽)를 입력하면 알고리즘을 거쳐 새로운 이미지(아래 이미지 가운데)가 나오게 됩니다. 쉽게 말해 알고리즘은 먼저 이미지 속에 담긴 요소를 하나하나 쪼갭니다. 그다음에 물체를 인식하기 위한 특정 패턴을 찾고 그 패턴을 분석하여 자신이 인식한 대로 결과가 나타나도록 이미지를 조작하고 왜곡합니다. 이런 식의 변형 작업을 통해 새로운 이미지(아래 이미지 맨 오른쪽)를 창조해내는 것입니다. 결과적으로 알고리즘을 거치면 기존의 단조로웠던 새의 이미지는 빈 공간을 원과 선으로 재해석한 다양한 패턴의 이미지로 바뀌게 되는 것입니다.
이와 같은 방식으로 패턴에 특정 화가의 화풍을 학습하여 넣으면 결과적으로 유명 화가의 화풍을 담은 작품으로 손쉽게 그려낼 수 있게 되는 것이죠.
딥 드림으로 그려낸 새의 모습 (출처: 구글 딥드림 홈페이지)이러한 원리로 AI는 머신러닝 기법을 통해 유명 화가의 작품 스타일을 습득하고 주어진 사진을 해당 화가의 화풍에 따라 그림으로 변환해낼 수 있는 것입니다. 이미 2015년에 광화문을 보고 고흐가 그린 그림처럼 변형해서 작품을 완성하는 실험을 했습니다.
딥드림이 그려낸 광화문 광장 모습 (출처: 구글 딥드림 홈페이지)위 작품이 구글 딥드림이 광화문 광장을 그려낸 그림입니다. 딥 드림에 고흐의 화풍을 학습시킨 뒤 광화문을 그리게 하자 고흐의 화풍대로 그림을 그려낸 것입니다. 이처럼 구글은 인공지능 신경망 기술을 지속적으로 업그레이드하면서 하나의 신경망으로 30여가지 스타일의 화풍을 생성할 수 있는 프로세스를 구현해냈습니다.
즉, 기존에는 화가 한 사람이 한 땀 한 땀 화풍을 분석하고 그 특징을 모사하여 그려냈던 그림을 이제는 한 대의 AI가 고흐 화풍을 그대로 본떠 수만 장의 유화 작업을 순식간에 처리가 가능해진 것입니다.
인공지능의 한계
이처럼 인공지능 기술은 나날이 발전하고 그 적용 범위 또한 점차 넓혀가고 있습니다.
하지만 아직까지는 AI의 기본 원리는 확률이라는 사실을 잊어서는 안 됩니다.
결국 인식과 학습을 기반으로 한 예측은 모든 상황에 완벽할 수는 없습니다. 사람도 지능이 제각각이듯이 인공지능도 확률상 100% 완벽한 구현이 어렵기 때문에 특정 케이스에서는 얼마든지 오류의 발생과 그로 인한 잘못된 판단이 발생할 수 있습니다. 오류를 개선하고 학습을 강화시키기 위한 조율 작업 또한 아직은 전문가의 개입과 판단이 필요합니다. 자율주행 자동차의 경우도 시스템 오류 혹은 해킹 등의 비상상황에 의한 오작동의 가능성을 항상 염두해두고 아직까지는 사람의 판단을 위한 보조 수단으로 보고 점차 취약점을 개선해나가는 방식으로 완성되고 있습니다.
이처럼 더 많은 분야에서 인공지능 기술이 온전히 자리잡고 활용되기 위해서는 현실 상황에서 얼마나 예측 오차를 줄일 수 있는지가 앞으로의 인공지능 기술 발전의 관건이 될 것입니다.
