인공지능과 딥러닝
인공지능 인류에게 희망인가? 위기인가?
인공지능과 딥러닝
인공지능이 불러올 산업 구조의 변화와 혁신
"인공지능은 인류에게 희망인? 위기인가?"
책을 읽게 된 동기
; 얼마 전에 세상의 관심이 집중되었던 이세돌 9단과 인공지능 바둑 프로그램인 알파고의 경기에서 알파고의 가볍게 승리했다.
전문가의 말에 따르면 이건 처음부터 불공평한 게임이라고 한다. 알파고는 프로 바둑 기사가 실제로 둔 16만 건의 기보 데이터를 확보해 3,000 만개 착점을 학습했다. 4주 동안 1초도 쉬지 않고 말이다. 사람이라면 불가능한 기록이다. 또한 이세돌과 알파고 1:1 경기가 아니라 1:1378 경기로 봐야 한다는 주장도 있다.
그리고 한편으로 그것이 무엇을 의미하는 건지 궁금해하고 있다. 인공지능이 우리가 상상했던 것 이상으로 발전되어 온 것일까?
정말 인공지능 기술이 발달할수록 우리의 일자리는 사라지는 것인가? 더 똑똑해진 그들이 우리를 지배하는 것일까?
도대체 인공지능이 무엇이며, 어느 정도 수준까지 발전되었고, 많은 학자들의 이야기처럼 우리의 일자리를 빼앗아만 갈까? 그것이 알고
싶어서 책을 읽게 되었다.
이 책을 통해 얻고 싶은 것
1. 인공지능과 딥러닝이 구체적으로 어떤 것을 말하는지 알고 싶다.
2. 지금까지 60년 정도 연구돼 왔다고 하는데, 현재 기술이 어느 정도이며, 우리 삶에 얼마나 밀접돼 있는지 궁금하다.
3. 정말 인공지능이 발달할수록 우리의 일자리를 빼앗는지, 사라지는 직업만큼 새롭게 생기는 직업은 무엇인지 궁금하다.
01 인공지능이란 무엇인가?
: 인공적으로 만들어진 인간 같은 지능
<인공지능 레벨>
1단계: 단순한 제어 프로그램을 인공지능이라고 칭한다.
지극히 단순한 제어 프로그램을 탑재한 전자제품을 말한다. 예) 청소기, 세탁기, 에어컨 등
2단계: 고전적인 인공지능
이때 인공지능은 적절한 판단을 내리기 위해 추론/탐색하거나, 기존에 보유한 지식 베이스를 기반으로 판단한다.
예) 로봇 청소기, 고전적인 퀴즈 프로그램, 진단 프로그램 등
3단계: 기계학습을 받아들인 인공지능
검색엔진에 내장되어 있거나 빅데이터를 바탕으로 자동적으로 판단하는 인공지능이다.
추론의 구조나 지식 베이스가 데이터를 바탕으로 학습되는 기계학습의 알고리즘을 이용한다.
* 기계학습이란 표본이 되는 데이트를 바탕으로 규칙이나 지식을 스스로 학습하는 것
4단계: 딥러닝을 받아들인 인공지능
기계학습을 할 때의 데이터를 나타내기 위해서 사용하는 입력값(특징) 자체를 학습하는 것이다.
02 인공지능 붐
1. 1차 인공지능 붐 " 추론과 탐색의 시대"
: 컴퓨터로 '추론과 탐색'을 하는 것으로 특정한 문제를 푸는 연구가 진행
: 인공지능이라는 말은 1956년, 미국 다트머스 대학교에서 개최된 워크숍에서부터이다. 이 워크숍에는 존 매카시, 마빈 민스키, 앨런 뉴웰, 하버트 사이먼 전설의 4인방이 참여를 한다.
: 세계 최초의 인공지능 시스템 '로직 세오리스트(논리 연산 이론가)은 자동적으로 정리를 증명하는 프로그램이었다.
: 탐색트리를 이용하여 로봇의 행동 계획을 만들 수 있다.(플래닝 기술)
- 모든 상황 <전제 조건>에 대해서 <행동>과 <결과>를 기술해 두면 로봇은 그것에 따라 행동한다. 하지만 이 당시는 시뮬레이션만 가능
=> 이 시기의 인공지능은 단순히 미로를 풀거나, 퍼즐을 풀거나, 명확히 정의된 룰 안에서 다음 1수를 생각하는 정도였다.
즉, 소위 토이프로블럼(간단한 문제)는 풀려도 복잡한 현실 문제는 풀지 못 했다. 예를 들면 병에 대한 치료법이나 어떤 제품을 개발하는 것이 좋은가 같은 문제는 풀지 못 했다.
2. 2차 인공지능 붐 " 지식을 넣어서 똑똑해지다"
: 익스퍼트 시스템 - 어떤 전문 분야의 지식을 받아들이고 추론하는 것으로 그 분야의 전문가처럼 대접하는 프로그램이다.
예) 1970년 스탠퍼드 대학에서 개발한 '마이신'
: 익스퍼트 시스템의 과제 - 지식을 컴퓨터에 저장하기 위해서는 전문가의 의견을 청취하여 지식을 꺼내야 하는데, 시간과 비용이 많이 든다.
예) 1984년에 시작된 사이크 프로젝트는 현재도 진행 중이다.
* 사이크 프로젝트란 인간이 가진 모든 일반 상식을 컴퓨터에 입력하는 일이다.
: 온톨로지 연구로 지식을 정확하게 기술한다.
- 헤비웨이트 온톨로지파: 지식을 기술하기 위해서 인간이 적극적으로 개입하여 정확한 상호관계를 찾자는 것
- 라이트웨이트 온톨로지파: 컴퓨터에 데이터를 읽게 해서 자동적으로 개념 간의 관계성을 찾자 라는 것
예) IBM 개발한 인공지능 왓슨
=> 지식을 넣어서 더 똑똑해지긴 했지만 문제의 의미를 이해해서 답을 내지는 못한다.
즉, 프레임 문제, 심볼그라운딩 문제가 해결되지 못했다.
- 프레임 문제: 어떤 태스크를 실행할 때 '관계있는 지식만을 꺼내서 그것을 사용한다'라는 것. 쉽게 말하면 목적과 관계없는 것을 제하고 관계된 것만 찾는 것을 말한다.
- 심볼그라운딩 문제: 기호(문자열, 말)를 그것이 의미하는 것과 결부시킬 수가 있는지 하는 것, 의미를 알지 못하고 단순히 기호로만 나열되어서 실제로 기호화된 그것을 봐도 무엇인지 알지 못한다. 기호로 고양이를 기술해도 실제 고양이를 봐도 인식하지 못한다.
이렇게 이 당시는 지식을 많이 받아들일수록 그만큼 행동할 수 있지만, 딱 그만큼이었다. 지식 이상의 것은 할 수 없었다.
지식보다 실용적이고 예외적인 부분까지 대응하게 만들려면 컴퓨터가 기호와 그것이 가리키는 의미를 결부할 줄 알아야 하는데 그것이 해결되지 않았다.
3. 3차 인공지능 붐 "기계학습과 딥러닝"
>> 기계학습의 조용한 확대
: 1990년 웹에 페이지가 생기고, 1998년 데이터 마이닝 연구가 왕성해지면서 웹페이지를 텍스트로 다루는 것이 가능한 자연어처리와 기계학습 연구가 크게 발달하게 된다.
: 기존의 데이터를 확률적 또는 통계적으로 분석하여 연구하는 기계학습 연구가 진행 중이다.
학습한다 = 분류한다
: 지도학습 - '입력'과 '올바른 출력(분류 결과)'이 세트가 된 훈련 데이터를 미리 준비하고, 어떤 입력이 주어졌을 때 올바른 출력이 나오도록 컴퓨터에 학습시킨다.
: 비지도학습 - 인간의 '라벨링' 없이 입력용 데이터만 주고 데이터의 분포만으로 그 패턴을 인식하는 학습 방법이다.
* 라벨링란 문서 카테고리명, 이미지 명 등
분류의 방법
: 최근접 이웃 방법
: 나이브 베이즈법
: 결정트리
: 서포트 벡터 머신
: 뉴럴네트워크 - 인간의 뇌 신경 회로를 흉내 내 매우 복잡한 구조의 힘을 통해 분류하는 것
- 이미지 인식을 통한 기계학습
- 기계학습은 뉴럴네트워크를 만드는 '학습 페이즈'와 완성된 뉴럴네트워크를 사용하여 정답을 내는 '예측 페이즈'로 나뉜다.
학습 페이즈를 만드는데 많은 시간이 걸리지만 완료되면 새로운 데이터만 입력하면 순식간에 계산되고 출력된다.
=> 하지만 기계학습은 무엇을 특징(기계학습의 입력에 사용되는 변수)으로 할지 인간이 정하지 않으면 안 된다는 문제가 있다. 그래서 그 특징을 잘 설계하면 기계학습은 잘 움직이고 그렇지 않으면 움직이지 않는다.
>> 새로운 시대를 개척한 딥러닝
: 레프리 힌톤 팀이 개발한 새로운 기계 학습법 "딥러닝"
: 딥러닝은 데이터를 바탕으로 컴퓨터가 스스로 특징을 만들어 낸다. 인간이 특징을 설계하는 것이 아니라 컴퓨터 스스로 높은 차원의 특징을 획득하고 그것을 바탕으로 이미지를 분류하는 것이다.
: 딥러닝은 다층 뉴럴네트워크를 실현했다.
: 종래의 학습법과 다르게 한 층씩 계층마다 학습해 나가고, 오토인코더라는 '정보압축기'를 사용한다.
: 오로지 같은 이미지의 인코딩(압축)과 디코딩(복원/재구축)을 되풀이하는 동안에 어떻게 효율적으로 적은 정보량을 경유해서 본래로 되돌아갈 수 있을지 학습해 가는 것이다.
: '조금 달랐을지 모르는 과거'의 데이터를 많이 만들어 그것을 사용한 후, 학습하는 것으로 '절대로 틀리지 않았다'라는 특징을 찾아낸다.
03 인공지능은 인간을 넘을 수 있을까?
1. 앞으로의 딥러닝에서의 기술 진전
: 이미지 특징의 추상화가 가능한 AI -> 멀티모달(복수 감각의 데이터 조합) 한 추상화가 가능한 AI
: 행동과 결과의 추상화가 가능한 AI
: 행동을 통해 특징을 획득하는 AI
: 언어 이해/자동번역이 가능한 AI
: 지식 획득이 가능한 AI
2. 인공지능은 본능을 갖지 않는다.
: 인공지능이 발달하면 인간과 같은 개념을 가지고 같은 사고를 하고, 인간과 같은 자아나 욕망을 갖는다는 생각을 하는 경향이 있는데, 실제로는 그렇지 않다.
- 컴퓨터가 스스로 만들어 낸 개념은 인간의 개념과 다를 수도 있다.
- 인간과 같은 신체, 문법, 본능 등의 문제가 해결되지 않으면 인공지능은 인간이 사용하는 개념을 정확하게 이해할 수 없다.
: 싱귤래리티 - 인공지능이 자신의 능력을 넘는 인공지능을 스스로 만들어 낼 수 있는 시점
=> 인공지능의 기술은 이제 초반부다. 영화에서처럼 인간을 지배하기 위해서는 넘어야 할 산들이 많다. 아직까지는 현실적으로 불가능하다.
하지만 앞으로 미래는 기계와 인간이 뒤섞이는 사회가 될 것은 분명하다. 따라서 인공지능을 사용하는 인간에 대한 윤리, 인공지능을 만드는 사람들의 윤리 문제가 먼저 다뤄져야 할 것이다. 2014년 인공지능학회가 윤리위원회를 시작하여 이 문제에 대해서 논의하고 있다고 한다. 인공지능은 만인을 위한 것이어야 한다.
04 변화하는 사회
1. 사회에 미치는 파급효과
: 화상 인식의 정밀도가 높아지면 광고, 이미지 전단, 인터넷 기업에 영향을 미칠 수 있음.
- 획일적인 광고 -> 개인의 취미와 기호에 맞는 타겟팅 광고
: 음성, 감촉 등 멀티모달한 인식 정밀도가 극대화되면 퍼스널 로봇, 방법(경비회사+경찰), 빅데이터 활용 기업에 영향을 미칠 수 있음
: 인공지능이 주위 관찰뿐 아니라 자신의 행위 결과가 주위에 어떤 영향을 미치는지 인식하게 되면 자율주행자동차, 교통, 물류(드론), 농업 등에 영향을 미칠 수 있음
: 행동에 대한 추상화가 가능해지면 가사, 의료, 간병, 접수, 콜센터 분야에 영향을 미칠 수 있음
: 인류가 가진 상당 부분의 개념을 인공지능이 획득하게 되면 통역/번역, 글로벌화에 영향을 미친다.
- 언어의 벽이 사리지고 더욱 수준 높은 비즈니스 글로벌화가 진행된다.
: 인간의 언어를 이해하게 되면 교육, 비서, 화이트칼라를 지원하게 된다.
2. 가까운 미래 사라질 직업과 남는 직업
: 단기적(5년 이내) - 회계/ 법률, 광고나 이미 진단, 방범/감시와 같은 일부 영역에 빠르게 인공지능이 적용
: 중기적(5년-15년 이내) - 생산관리, 디자인 영역, 이상감지 -> 센서 +인공지능으로 대체
: 장기적(15년 이상) - 지식활용, 고객응대 영역
단, 상당히 대국적이어서 샘플 수가 적거나, 어려운 판단을 수반하는 업무는 여전히 사람이 하게 될 것이다.
따라서 인간밖에 할 수 없는 대국적인 판단을 수반하는 업무나, 사람 대 사람을 대하는 업무를 특화해 가는 게 좋을지 모른다.
3. 인공지능이 낳은 신규 직업
: 코어. 테크놀로지 분야
: 기업 내 활동을 한번 더 생각하자 - 영업, 보안, 인사, 마케팅 등
: 각 산업을 한번 더 생각하자 - 농업, 교육, 재무, 법무 등
: 인간과 인간, 인간과 기계와의 상호작용을 생각하자 - 증강현실, 로봇공학, 감정인식, 제스처 인식
: 인공지능을 보조하는 기술 - 하드웨어, 데이터 전 처리, 데이터 수집
느낀 점 & 적용 것
: 딥러닝 기술의 급속한 발달로 현재 인공지능은 스스로 특징표현을 획득하여 이미지를 구분할 수 있게 되었다고 한다. 그동안은 기계학습을 할 때 특징을 사람이 무엇으로 할지 정해야 했는데, 딥러닝으로 인해 스스로 특징을 찾아서 학습한다는 것이다. 그로 인해서 주춤했던 인공지능 분야에 새로운 문이 열리게 되었고, 세계는 지금 인공지능 연구에 투자를 아끼고 있지 않는다고 한다. 우리나라도 늦은 감이 있지만 인공지능연구에 박차를 가하고 있다고 한다.
책을 통해서 인공지능의 기술은 아직 우리가 상상한 만큼의 기술진 보는 아니었다. 60년간의 연구 동안 2차례의 붐이 일어났다 꺼졌고, 지금 3차 붐의 중심에 있다고 한다. 우리의 상상처럼 인공지능이 인간의 지배할지도 모르는 그날은 오지 않는다고 한다. 오히려 인공지능 기술의 독점과 윤리적인 문제가 해결되어야 한다고 한다. 인공지능은 반드시 만인을 위한 물건이 되도록 해야 한다는 것이다.
그러나 인공지능의 발달은 산업 전 구조에 변화의 물결을 일으킬 것만은 분명해 보인다. 우리의 걱정처럼 미래는 인공지능에게 일자리를 빼앗길지도 모른다. 하지만 완전히 인간을 내쫓지는 않을 것이다. 아마 미래에는 인간과 기계과 함께 일하는 환경이 만들어질 것으로 보인다. 그리고 사라지는 일자리가 있는 반면 인공지능으로 인해 새롭게 나타날 일자리 역시 생긴다는 것이다.
중요한 것은 인간의 편의를 위해서 만들어질 인공지능을 어떻게 잘 활용할 수 있을지 생각해 보는 것이 아닐까 싶다. 그리고 지금 내가 하고 있는 일과 어떻게 연계가 될 수 있을지 상상해 보는 것이다.
이 책은 인공지능 연구의 처음과 현재진행 상황이 잘 정리가 되어 있다. 그리고 앞으로 어떤 기술을 더 개발해야 하고 그로 인해서 사회적, 개인적으로 어떤 영향을 받게 될지 잘 말해주고 있다. 다만 전문적인 내용이라 읽기가 쉬운 편은 아닌 것 같다.
추천해주고 싶은 이
: 인공지능이나 딥러닝에 관심이 있는 분만 추천합니다. 내용이 다소 어려워서 소화하기 힘듭니다.
하지만 인공지능의 발달사나, 현재 기술 수준, 미래의 진보 방향 등 기술 트렌드를 알고 싶다면 한 번쯤 읽어보면 좋을 듯합니다.
