딥러닝이 어렵다고요?
AI 시대, 무엇을 준비할 것인가, <딥러닝 레볼루션> 리뷰
딥러닝이 어렵다고요?
스마트 폰으로 시리나 빅스비를 이용해 본 적이 있나요? 유튜브 혹은 구글 자동 번역 서비스를 사용해 본 적이 있나요? 그렇다면 여러분은 이미 딥러닝으로 훈련된 뉴럴 네트워크를 이용하고 있는 것입니다. 딥러닝은 이미 자율주행, 주식 거래, 환자 진단으로 우리 곁에 와 있죠. 하지만 10년 전만 하더라도 인공지능이 우리 사회를 이렇게 변화시키리라곤 상상조차 못 했습니다. 이 모든 게 딥러닝 덕분이죠. 스마트폰 혁명 다음 새로운 패러다임은 딥러닝 혁명이라고 합니다. 아래 영상을 봅시다.
https://www.youtube.com/watch?v=n6nF9WfpPrA
AI가 알아서 숨바꼭질을 합니다. 여러번 반복 끝에 스스로 학습을 하는 겁니다. 마치 우리 인간들이 게임을 할 때 경험이 쌓일수록 노하우를 알아가듯, 컴퓨터도 스스로 노하우를 터득하고 발전시켜가죠. 심지어는 룰을 깨기도 합니다. 2차원을 벗어나 3차원에서 놀기도 하고, 주어진 공간 자체를 벗어나는 혁신적인(?) 행동도 합니다. 어쩌면 인간보다 더 창의적으로 보이기도 합니다.
이처럼 딥러닝은 지금까지 이뤄낸 변화보다 앞으로 훨씬 창의적인 변화를 가져올 것입니다. 하지만 여기에는 ‘궁극적으로’라는 단서가 붙습니다. 그 시기가 앞당겨질지 아닐지, 발전의 결과물을 유리하게 이용할지 못할지는 전적으로 우리가 어떻게 하느냐에 달려 있습니다.
게임의 규칙을 바꾸고 있는 인공지능
딥러닝은 입력과 출력 사이에 있는 인공 뉴런들을 여러 개 층층이 쌓고 연결한 인공신경망 기법을 주로 다루는 연구입니다. 쉽게 말하면 기계학습으로 여러 개의 모아 둔 값에서 가장 많은 것을 또 오차 계산해서 역계산, 조금씩 수정해서 정확한 윤곽을 만드는 기술입니다. 기계학습으로 학습한 가장 빈도수가 많은 값에 오차 보정 알고리즘을 더했다고 보면 됩니다. 딥러닝의 가장 큰 특징은 모델의 부피를 키우고, 데이터를 쏟아부으면 무조건적으로 그만큼의 성능 향상을 보인다는 점입니다.
네이버의 Deview2013에서 딥러닝에 대한 세션이 있었는데 딥러닝 이전과 이후를 각각 청동기 시대와 철기 시대에 비유할 정도로 딥러닝을 높게 평가했죠. 얼마 전 소프트뱅크 손정의 회장이 문재인 대통령을 만난 자리에서도 “첫째도 AI, 둘째도 AI, 셋째도 AI”라고 강조했습니다. 인공지능에 기업과 국가의 경쟁력이 달려 있으며, 인공 지능 개발에 모든 역량을 집중해야 한다는 겁니다. 실제로 인공지능은 이미 제조업, 통신, 자동차, 서비스업 등 산업뿐만 아니라 교육, 의료, 법조, 행정 등 우리 생활 모든 영역에 서서히 그리고 깊숙이 들어왔습니다. 그래서 빅데이터와 인공지능이 결합된 서비스는 이제 너무 당연해서 특별하게 느껴지지 않을 정도입니다.
이제 미래를 내다보는 현명한 질문이 필요한 시점입니다. 이 같은 변화가 대체 어디서 시작되었고, 앞으로 어떻게 될 것이며, 나아가 무엇을 준비해야 하는지 말입니다. 딥러닝 없이는 지금과 같은 변화가 없었을 것이며, AI 시대의 미래를 알기 위해서는 딥러닝을 알아야 합니다. 모두의 각광을 받고 있는 빅데이터, 초연결, 자율주행 역시 딥러닝 없이는 불가능했을 성과입니다.
인공지능, 초연결, 초지능의 모든 것
세상의 혁신은 딥러닝에서 시작되었다
<딥러닝 레볼루션> 책은 총 3부에 걸쳐 인공지능과 딥러닝의 활용 현황, 인공지능으로 변화할 미래 모습과 이를 대하는 관점, 인공지능과 딥러닝 기술의 발전 과정에 대해서 이야기합니다. 인공신경망에 대한 신념을 바탕으로 꾸준한 연구와 발전, 그리고 딥러닝과 인공지능의 부흥을 이끈 연구자들의 서사를 담고 있습니다. 또 딥러닝 알고리즘에 국한되어 있지 않고 인공지능 전 분야에 관해 생물학적 인간 지능이 어떻게 연구되고 적용되어 실용화되었는지를 잘 설명하고 있습니다.
한편 이 책은 한 분야별로 전 세계적인 연구의 동향과 대가들의 공적, 생애를 잘 표현하고 있습니다. 인공지능에 관심이 있는 일반인, 그리고 앞으로를 살아가야 할 밀레니얼 세대들에게 딥러닝을 이해하는 데 도움을 얻을 수 있을 겁니다. 특히 이 분야에 종사하는 사람이라면 읽어봐야 할 필독서이고요.
딥러닝은 저와는 동떨어진 세계일 것은 오판이었습니다. AI시대를 살아갈 우리 모두에게 한 번쯤 읽어 볼만한 책이라고 생각합니다. 그저 두려워만 하지만 말고 이 책을 계기로 진보를 꿈꾸길 바랍니다.
인공지능, 머신러닝, 딥러닝을 제대로 알고 싶다면
첫 번째로 봐야 할 책!
책에서 발췌
IBM의 왓슨 사장은 1943년에 이렇게 말했다. “아마 전 세계적 컴퓨터 수요는 5대가 될 겁니다.” 새 발명품이 어떤 용도에 쓰일 것이냐는 상상하기 어렵다. 사실 예측과 영향은 짐작할 수 없다.
--- 「서문」 중에서
딥러닝 네트워크는 아기들처럼 학습한다. 딥러닝의 기원은 1950년대까지 거슬러 올라간다. 컴퓨터가 보잘것없고 데이터 저장에 많은 비용이 들던 20세기에는 로직이 문제를 해결하는 효율적인 방법이었다. 하지만 빅데이터가 풍부해진 오늘날에는 학습 알고리즘을 사용해 문제를 해결하는 것이 더 빠르고 정확하며 효율적이다.
--- 「1장: 머신러닝의 부상」 중에서
결국 승용차는 필요가 없어질 것이다. 언제든 자율 자동차가 1분 안에 나타나 모셔다 줄 테니까. 주차할 필요도 없다. 현재 차의 주행 시간은 4%에 불과하다. 차의 생애 중 96%는 주차해둬야 한다. 자율주행이 상용화되면 주차장이 생산적인 목적으로 재활용될 것이다. 공원화하는 방안 등으로. 보험사와 정비소, 속도위반, 불법주차는 없어질 것이다. 사망 사고도 크게 줄어들 것이다. 운전 시간도 다르게 쓰일 것이다. 미국인 출퇴근 시간은 52분이다. 연간 340만 년이라는 시간이다. 도로의 수용 능력이 4배 증가할 것이다. 우리는 완전히 신세계에서 살게 될 것이다. 트럭이 10년 후에 가장 먼저, 택시는 15년 정도 후에, 일반 승용차는 15년 후부터 전환될 것이다.
--- 「1장: 머신러닝의 부상」 중에서
금융 서비스는 핀테크 기술 아래 변혁을 겪고 있다. 금융 중개자를 대체하는 블록체인 기술은 금융 시장을 파괴할 수도 있다. 머신러닝은 신용 평가를 개선하고 재무 정보를 정확히 전달하고 시장 동향을 예측하고 생체 인식 보안을 제공하고 있다. 세상에는 금융 데이터가 널려 있고, 가장 많은 데이터를 보유하면 누구든 승자가 된다.
--- 「1장: 머신러닝의 부상」 중에서
일자리 전환은 새 현상이 아니다. 19세기 농장 근로자들은 기계에 의해 대체되었고, 공장들에 새 일자리가 창출되었으며, 새 교육 시스템이 등장했다. 차이점은, 오늘날 인공지능이 열어놓는 새 일자리는 전통적 기술과 더불어 새롭고 다르며 끊임없이 변화하는 기술을 요구한다. 그 때문에 경력 전반에 학습할 필요가 생겼다. 그리고 그것이 가능하려면 가정을 기반으로 하는 새로운 교육 시스템이 필요하다.
--- 「1장: 머신러닝의 부상」 중에서
인간의 지능은 진화하는 데 수백만 년이 걸렸지만 인공지능은 수십 년 안에서 진화하고 있다. 초고속으로 달리고 있지만, 안전벨트를 매고 도사리는 것은 올바르지 않다.
--- 「2장: 인공지능의 재탄생」 중에서
인간 지능의 기능을 가진 프로그래밍을 하려 애썼던 개척자들은 뇌에 관한 내용이 충분히 파악되지 않았던 시절이라 쓸 만한 정보가 별로 없어 인간 뇌의 지능적 행동에 관심을 갖지 않았다.
--- 「2장: 인공지능의 재탄생」 중에서
인공지능의 모든 난제를 풀 수 있다는 유일한 증거는 자연이 이미 진화를 통해 해결했다는 사실뿐이다. 첫 번째 단서는 우리의 뇌가 강력한 패턴 인식 기능을 갖췄다는 사실이었다. 두 번째 단서는 우리의 뇌가 연습을 통해 피아노 연주에서 물리학 학습 등에 이르는 많은 어려운 작업의 수행법을 배울 수 있다는 사실이었다. 세 번째 단서는 우리의 뇌가 로직으로 가득 차 있지 않다는 사실이었다. 논리적으로 생각하거나 규칙을 따르는 법을 배울 수 있지만, 훈련 후에도 잘 못하는 경우가 허다하다.
--- 「3장: 뉴럴 네트워크의 여명」 중에서
추론은 영역에 의존하는 것으로 보인다. 우리가 해당 영역에 익숙할수록 관련 문제의 해결이 용이해진다는 뜻이다. 영역 내의 문제 해결에서는 경험이 크게 도움이 된다. 과거에 접한 사례를 이용해 해결책을 직관적으로 떠올릴 수 있기 때문이다. 예를 들어 우리는 공식을 암기하는 것이 아니라 많은 문제를 풀어봄으로써 학습한다. 만약 인간의 지능이 순수하게 로직에 기반한다면 영역에 종속되지 않아야 마땅하다. 하지만 그렇지 않지 않은가.
--- 「3장: 뉴럴 네트워크의 여명」 중에서
남성 및 여성의 얼굴 식별이 흥미로운 작업인 이유는 우리 인간이 그 일을 꽤나 잘 해내지만 남성 및 여성 얼굴의 어떤 점이 어떻게 다른지를 정확하게 설명할 수는 없다는 데 있다. 어떤 단일 특징도 결정적이지 않기 때문에 이 패턴 인식 문제는 많은 수의 낮은 수준 특징으로부터 증거를 수집해 결합하는 일에 달려 있다.
--- 「3장: 뉴럴 네트워크의 여명」 중에서
영화 [오즈의 마법사]에서 허수아비가 "내게 뇌만 있다면"이라는 노래를 부른다. 하지만 그는 이미 뇌를 갖추고 있었다. 뇌가 없었다면 노래는커녕 말 한마디도 못했을 것이다. 다만 그의 뇌는 생긴 지 고작 이틀밖에 안 된 상태였고, 따라서 그의 진정한 문제는 뇌가 아니라 경험의 부재였다. 시간이 흐르면서 그는 세상에 대해 배워나가고 결국 가장 현명한 존재로 인정받는다. 그는 자신의 한계를 알 정도로 현명했다. 대조적으로 틴 우드맨은 "내게 심장만 있다면"을 불렀다. 그와 허수아비는 뇌를 갖는 것과 심장을 갖는 것 가운데 어느 것이 더 중요한지를 놓고 토론을 벌였다. 실세계에서는 물론이고 오즈에서도 인지와 감성이 조화를 이뤄 행동과 학습에 정교한 균형을 가하며 인간 지능을 창출한다. 이 장의 주제는 ‘인공지능에 뇌와 심장만 있다면’이다.
--- 「4장: 두뇌 방식의 컴퓨팅」 중에서
오늘날 머신러닝 알고리즘은 수천 개의 뉴런으로부터 생성되는 동시 기록의 분석, 자유롭게 움직이는 동물의 복잡한 행동 데이터의 분석, 순차적 전자현미경 디지털 이미지의 3차원 해부학적 회로 재구성의 자동화 등에 사용되고 있다. 인간의 뇌를 역설계한다면 자연에 의해 발견된 수많은 새로운 알고리즘에 대해 알 수 있을 것이다.
--- 「6장: 머신러닝의 미래」 중에서
기초과학에 의해 개발된 기술은 상용화되기까지 대략 50년의 시간이 소요된다. 20세기 초반 상대성과 양자 기계 분야에서 이룩한 발견은 20세기 후반의 CD플레이어와 GPS, 컴퓨터의 등장으로 이어진 바 있다. 1950년대의 DNA와 유전자 코드의 발견은 의학 분야의 애플리케이션과 기업식 농업의 발전으로 이어졌고 오늘날의 경제에까지 그 파급효과가 미치고 있다. 브레인 이니셔티브를 비롯한 전 세계의 다른 뇌 연구 프로그램을 통해 지금 이뤄낸 기초적인 성과는 앞으로 50년 후 등장할 애플리케이션의 단초가 될 것이다. 현재의 시각으로 본다면 공상과학소설이나 다름없을 50년 후의 세상에서 말이다. 2050년까지 인간의 뇌에 상응하는 인공지능을 위한 운영체제가 만들어질 것이라는 기대도 해볼 수 있다. 그러나 어느 기업이, 어느 나라가 이 기술에 대한 통제권을 거머쥐게 될 것인가는 지금 얼마나 투자를 하며 얼마나 크게 판돈을 거느냐에 달려 있다.
--- 「9장: 내부 정보」 중에서
사람의 얼굴과 같이 수많은 유사한 객체들을 구별하는 데 얼마나 많은 피질 뉴런이 필요한가? 이미지 연구를 통해 우리는 인간의 뇌에서 다수의 영역이 얼굴에 대해 반응을 보인다는 것을 알게 되었다. 그중 일부는 매우 높은 민감도를 보이는 것으로 나타났다. 그러나 이들 영역들 사이에서도 하나의 얼굴에 연관된 정보는 수많은 뉴런들에 넓게 배분되어 있다. 캘리포니아공과대학교의 도리스 차오는 얼굴에 선택적으로 반응하는 원숭이의 피질 뉴런 신호를 기록하고 200개의 얼굴 세포로부터 나오는 인풋을 조합해 얼굴을 재구성하는 것이 가능하다는 것을 보여준 바 있다. 이것은 얼굴에 선택적으로 반응하는 모든 뉴런의 하위 집합 중 비교적 작은 규모라 할 수 있다.
--- 「10장: 의식」 중에서
궁극적인 아이러니는 머신러닝이 자동 문장 구문 분석의 문제를 해결했다는 것이다. 컴퓨터 언어학자들의 불굴의 노력에도 불구하고 촘스키가 말한 구문론의 ‘추상적 이론’이 해결하지 못했던 그것 말이다.
--- 「11장: 자연은 인간보다 영리하다」 중에서
돌이켜보면, 20세기 행동에 대한 정반대의 접근법을 취했던 행동주의와 인지과학은 뇌를 배제하는 똑같은 실수를 저지른 셈이다. 행동주의자들은 내적 검증에 의해 오도되기를 원치 않았기 때문에 지침을 얻기 위해 뇌의 내부를 들여다보지 않는 것을 명예롭게 생각했다. 그러나 그들 또한 뇌가 내적 표상을 어떻게 이행하는지에 관한 세부 사항들은 무관하다고 믿었기 때문에 그들이 개발한 내적 표상의 기반은 신뢰할 수 없는 직관과 민족 심리학이었다. 자연은 인간보다 영리하다.
--- 「11장: 자연은 인간보다 영리하다」 중에서
“뉴럴 네트워크 분야에서는 당신이 1970년대 뉴럴 네트워크가 동절기를 겪게 만든 악마라고 믿고 있습니다. 당신은 악마입니까?” 민스키는 장황한 비판을 시작했다. 나는 그의 말을 가로채며 이렇게 물었다. “예 또는 아니오로 대답할 수 있는 간단한 것이었습니다. 당신은 악마입니까, 그렇지 않습니까?” 그는 잠시 망설이다가 이렇게 소리쳤다. “예, 나는 악마입니다!”
--- 「11장: 자연은 인간보다 영리하다」 중에서
우리 인간은 가장 뛰어난 학습 능력을 보유하고 있다. 다른 어떤 생물보다 광범위한 주제에 대해 보다 빨리 학습할 수 있고 보다 많은 것을 기억하며 수세대를 거치며 더 많은 지식을 축적할 수 있다. 우리는 ‘교육’이라 불리는 기술을 창조해 평생 동안 학습할 수 있는 양을 증대시켰다. 어린이와 청소년들은 성장 기간 동안 교실에 앉아 살아가면서 결코 직접적으로 경험할 수 없는 것들을 학습할 수 있게 되었다. 비교적 최근에 인간이 발명한 읽기와 쓰기의 기술은 완전히 터득하기까지 수년간의 시간을 필요로 한다. 그러나 이들 발명품 덕분에 우리는 구전에 의한 것보다 더 많은 축적된 지식을 다음 세대로 전수할 수 있다. 누군가는 책을 쓰고 그것을 인쇄하거나 전시하고 많은 사람이 읽을 수 있기에 하는 말이다. 현대 문명의 발달이 가능했던 것은 음성 언어가 아니라 쓰기와 읽기 그리고 학습 덕분이다.
--- 「12장: 심층 지능」중에서
여전히 고차원 지능의 핵심 개념을 찾고 있다. 지금까지 몇몇 핵심 원리를 파악하기는 했지만 우리의 뇌가 어떻게 작동하는지 설명 못하고 있다. 학습 알고리즘은 통합적 개념을 찾을 수 있는 훌륭한 장소다. 진화를 가능하게 만든 세포와 뇌의 운영 체계를 발견할 수도 있을 것이다. 만약 우리가 이 문제를 해결한다면 엄청난 혜택이 주어질지도 모른다. 자연이 한 개인보다 영리한 것은 사실이다. 그러나 우리 인간이 하나의 종으로서 언젠가 지능의 수수께끼를 풀 것이다.
--- 「12장: 심층 지능」중에서
2009년 넷플릭스(Netflix)는 100만 달러의 상금을 수여하는 공개 대회를 개최하고 자사의 추천자 시스템의 오류 발생률을 10퍼센트 감소시키는 첫 번째 참가자를 찾았다. 머신러닝 분야의 거의 모든 대학원생들이 그 대회에 참가했다. 넷플릭스가 내건 100만 달러의 상금이 적어도 1,000만 달러의 가치를 갖는 연구 활동을 부추긴 셈이다. 현재 심층 네트워크는 온라인 스트리밍의 핵심 기술로 자리 잡은 상태다.
--- 「15장: 오류의 역전파」중에서
머신러닝에서는 누구든 데이터를 가장 많이 보유하는 사람이 승자다. 페이스북은 다른 어느 곳보다 많은 사람들의 기호, 지인, 사진 데이터를 보유하고 있다. 이 모든 데이터로 페이스북은 나름의 마인드 이론을 창출해 우리가 무엇을 선호하는지 파악하고 정치적 성향은 어떠한지 예측하는 데 이용할 수 있었다. 언젠가 페이스북이 나 자신보다 나에 대해 더 많은 것을 알게 되는 날이 올지도 모를 일이다. 실로 페이스북은 빅 브라더의 화신이 될 것인가. 당신은 이것을 섬뜩한 전망이라고 생각하는가, 아니면 필요하면 언제든 시중을 들어주는 디지털 집사가 생겨 편리할 것이라 생각하는가? 과연 페이스북이 이런 힘을 가져도 되는 것인가? 이런 의문을 품는 것은 지극히 당연한 일이다. 그러나 우리는 이 문제에 대해 발언권을 갖지 못하게 될지도 모른다.
--- 「18장: NIPS」중에서
세즈노스키 교수와 함께 인공지능의 과거와 현재를 걸어보고, 그의 통찰력을 빌려 인공지능의 미래를 엿보는 즐거움을 누리시기 바랍니다.
