AI 혁명의 시작이 아니라 종점에 서 있는지 모른다고?
[미디어앤톡]인공지능의 한계와 도약의 조건
테크M 12월호를 편집하면서 딥러닝 분야의 구루로 통하는 제프리 힌튼 등 여러 인공지능 전문가들이 현재 딥러닝의 한계를 뛰어넘을 연구를 진행중이라는 내용을 인상깊게 보았다.
알파고 이후 현재 딥러닝 기술이 전성기를 달리고 있다 생각해왔는데, 고수들의 세계에선 심각한 한계에 직면해 있는 모양이다. 최근의 인공지능 흐름은 과학이라기보다는 공학이고, 사실 문제를 급한 대로 고치는 것과 비슷하다는 내용도 눈에 띈다. 테크M 12월호에 있는 몇가지 내용을 공유한다.
"지금의 인공지능 기술이 자율주행 자동차, 바둑 세계챔피언을 이긴 알파고, 그 외에 당신이 들어본 최신 인공지능 기술들은 모두 30년 전 개발된 하나의 기술에 의존하고 있다. 지금의 혁신 속도를 유지하려면 현재 인공지능 기술이 가진 심각한 한계를 극복해야 한다."
"오늘날 인공지능의 핵심은 딥러닝이고 그 딥러닝의 핵심은 백프롭인 것이다. 백프롭이 30년 이상 된 기술이라는 점에서 이는 놀라운 일이다. 어떻게 하나의 기술이 그렇게 오랜 시간 잠들어 있다가 마침내 빛을 발하게 됐는지 알아보는 것은 충분히 가치 있는 일이다. 이를 통해 우리는 인공지능 연구의 현재 상황을이해할 수 있다. 또 어쩌면 우리가 어떤 혁명의 시작점이 아니라 그저 종점에 서 있는 것일 수도 있음을 이해할 수 있다."
끊임없이 새로운 발견이 등장하는 것처럼 보일 때에는 이런 사실을 파악하기 어렵다. 하지만 최근의 인공지능 흐름은 과학이라기보다는 공학이고, 사실 문제를 급한 대로 고치는 것과 비슷하다. 하지만 막상 딥러닝 시스템을 향상시키기 위해 어떤 변화가 필요한지 생각하려고 하면, 우리는 아직 이 시스템이 어떻게 작동하는지를 전혀 모르고 있으며, 여기에 뭔가를 더해 정말 인간만큼 강력한 무엇인지가 될 수 있을지조차 알지 못한다는 사실을 깨닫게 된다."
현재 딥러닝 기술이 가진 한계를 극복하기 위한 행보는 이미 시작됐다. 다양한 연구 프로젝트들이 진행 중이다. 딥러닝의 구루인 제프리 힌튼도 마찬가지다.
힌튼은 인공지능의 한계를 극복하기 위해서는 ‘컴퓨터과학과 생물학을 연결하는 다리’를 만들어야 한다고 믿는다. 이런 관점 에서 백프롭은 첫 아이디어가 기술이 아니라 심리학에서 왔다는 점에서 생물학적 영감을 컴퓨터에 적용해 성공한 예라고 할 수 있다. 힌튼은 이와 비슷한 방법들을 시도하고 있다. 현재 신경망을 구성하는 것은 거대한 평면적 층이지만, 인간의 신피질은 평면이 아닌 수직적인 구조로 이루어져 있다. 힌튼은 자신이 그 수직구조의 의미를 안다고 생각한다. 예를 들어 시각의 경우 수직구조는 우리가 보는 방향이 바뀌어도 대상을 인식할 수 있게 만드는 능력에 영향을 미친다. 그는 이러한 수직구조에 해당하는, ‘캡슐’이란 인공적인 기법을 테스트하고 있다. 아직은 캡슐 기법이 신경망의 성능을 크게 개선시키지 못했다. 하지만 그에게는 이런 상황이 백프롭이 30여 년 동안 그랬던 것처럼 익숙하다. “캡슐은 분명히 성공할 겁니다.” 그는 자신의 자신감이 겸연쩍다는 듯이 웃었다. “지금 당장 이 기술이 통하지 않는 것은 그저 일시적인 어려움일 뿐입니다.”
MIT에서 근무하는 에얄 덱터가 자신의 논문에서 차세대 인공지능 기술 개발 방향에 대해 언급한 내용도 눈길을 끈다.
진정한 지능은 문제의 조건을 조금 바꾸어도 변함없이 풀 수 있어야 한다. 에얄의 논문은 어떻게 컴퓨터에게 그런 능력을 줄 수 있을지에 대한 이론적 접근을 다룬다. 곧, 자신이 이미 알고 있는 사실을 유연하게 새로운 문제에 적용해 아무 것도 알지 못하는 분야에서 빠르게 전문가가 되는 방법을 다루는 것.이는 그가 ‘탐색-압축’ 알고리즘이라고 하는 과정을 통해 이뤄진다. 컴퓨터는 마치 재사용할 수 있는 모듈형 라이브러리를 이용해 아주 복잡한 프로그램을 짜는 프로그래머와 비슷하게 움직인다. 새로운 영역에 대해 어떤 정보도 없는 상태에서 컴퓨터는여러 놀이와 같은 시도를 통해 지식을 쌓고 자신의 발견을 구체화하며 마치 인간 아이들이 하듯 좀 더 놀이를 시도한다.
딥러닝 기술이 한계가 있다는 것은 국내서도 심심치 않게 들을 수 있다. 최근 백옥기 ETRI 연구위원은 최근 한 행사에서 블랙박스 같은 AI 기술이 갖는 한계를 지적했다.
백 연구위원에 따르면 현재 나와있는 AI기술은 3차 산업혁명의 틀을 벗어나지 못한 시스템이다. 빅데이터를 통해 가장 확률 높은 가능성을 도출하지만 도대체 왜 이렇게 해야 하는지에 대해 설명하지 못하기에 반쪽짜리 기술이라는 것이었다. 설명이 가능해야 도약이 가능하다는 것이었다.
이경일 솔트룩스 대표도 "딥러닝이 곧 인공지능이라는 오해"도 깨야 한다는 입장이다. 지디넷코리아가 그를 인용한 기사에 따르면 딥러닝을 포함한 머신러닝 기술은 비기호적(non-symbolic) 접근법이라, 통제가 어렵다는 문제가 있다. 알파고 제로가 스스로 두는 바둑을 인간이 이해하기 어려운 것도 마찬가지다. 어떤 논리 구조를 가지고 행동하는지 알 수가 없다. 채팅봇이 엉뚱한 대답을 내놔도 왜 저런 문장을 만들어 냈는지 알 길이 없다.
이에 이경일 대표는 "지식 베이스가 딥러닝 모델과 같이 어우러질 필요가 있다"고 강조한다. MS리서치, 스탠포드, 바이두 같이 AI연구를 선도하는 연구그룹도 지식베이스와 딥러닝을 결합시키려는 노력을 기울이고 있다는 설명이다.
조만간 이경일 대표를 인터뷰 하기로 했는데, 좀더 다양한 얘기들을 듣고 정리해볼 생각이다.
