좁은 AI보다 범용 AI가 미래다...왜?

AI 전문가들이 쓴 책을 보면 지금은, 그리고 앞으로도 상당 기간은 범용 AI보다는 특정 한 일을 하는 좁은 AI가 현실적이고, 그것만으로도 가치는 크다는 내용을 많이 봐왔다. 케빈 켈리 같은 테크 미래 학자는 일반 지능을 뜻하는 범용 AI 자체에 대해 무용론까지 제기한다.

범용 AI라는 것은 없으며 개별적인 AI 밖에 존재하지 않는다고 생각한다. 이는 우리가 범용의 신체를 갖고 있지 않은 것과 마찬가지다. 우리의 신체는 아프리카 사반에서 생존하기 위한 진화한 것이지 범용이 아니다. 지구상에 있는 모든 동물의 몸은 살아남기 위한 것으로 상당히 개별적이고 특수하다. 이러한 특성은 우리의 지능도 마찬가지다. 만약 우리가 우주에 존재하는 다른 모든 지능을 조사할 수 있었다면 아마도 또 다른 다양한 종류가 있을 것이다.  

앞으로 만들어지는 AI도 각각 단기능이 될 것이다. 물론 많은 일을 처리할 수 있는 범용적인 물건도 만들 수 있겠지만 부엌에서 사용하는 조리 기구처럼 칼이나 주걱 등의 기능을 모두 할 수 있는 기구를 만들었다고 해도 개개의 기능은 특별난게 아니듯이 진정한 범용  AI가 아니다.

최근에 읽은 책 천개의 놔 저자 제프 호킨스는 케빈 켈리와 거꾸로 얘기한다. 범용 AI로 가야하고, 특수 목적용 AI는 과도기적인 현상이라는 것이다. 제프 호킨스는 신경과학자이자 컴퓨터 공학자로 신경과학 연구기업 누멘타와 레드우드신경과학연구소 창립자다.

저자는 일단 현재 AI기술의 대세인 딥러닝으로는 범용 AI에 이를 수 없다고 잘라 말한다. 인간의 뇌처럼 돌아가는 AI만이 범용 AI 구현이 가능하다고 강조하고 또 강조한다.

오늘날의 인공지능은 여러 면에서 사람의 지능에 미치지 못한다. 예를 들면 사람은 계속 배운다. 앞에서 설명했듯이, 우리는 늘 자신의 세계 모형을 수정한다. 이와는 대조적으로 딥러닝 네트워크는 실전에 배치되기 전에 철저한 훈련 과정을 거쳐야 한다. 그리고 일단 배치된 뒤에는 끊임 없이 새로운 것을 배우지 못한다. 예를 들어 시각 신경망에게 추가 대상을 인식하도록 배우게 하려면 그 신경망을 처음부터 다시 훈련시켜야 하는데, 그러려면 며칠이 걸릴 수 있다. 

무엇보다도 오늘날의 AI 시스템이 지능이 있다고 간주되지 않는 이유는 AI 시스템은 오직 한가지일만 할 수 있는 반면 사람은 많은 일을 할 수 있기 때문이다. 다시 말해 AI 시스템은 유연하지 않다. 여러분이나 나같은 사람은 누구나 바둑두는 법이나 농사 짓는 법, 소프트웨어 만드는 법, 비행기 조종법, 음악 연주 같은 것을 배울 수 있다. 우리는 평생 수천 가지 기술을 배우며 그중 어느 하나에 탁월한 능력을 보여주지는 못하더라도 배움 과정에서 큰 유연성을 발휘한다. 딥러닝을 하는 AI 시스템은 유연성을 거의 보여주지 못한다. 바둑을 두는 컴퓨터는 누구보다 바둑을 잘 둘 수 있을지 몰라도 바둑 말고 다른 일은 전혀 하지 못한다. 

나는 현재의 AI 물결이 얼마나 오래 계속 성장할지 모른다. 하지만 딥러닝이 우리를 진정한 지능 기계를 만드는 길로 데려가지 않을 거라는 사실은 안다. 현재 우리가 하고 있는 것을 더 많이 하는 것만으로는 AGI를 만들 수 없다. AI 과학자들은 이 언어 신경망이 신정한 지식을 가졌는지 아니면 단지 수백만 단어의 통계를 기억함으로써 사람을 흉내내는 것인지를 놓고 의견이 갈린다.  나는 외와 동일한 방식으로 세계 모형을 만들지 않는한 어떤 종류의 딥러닝 네트워크로도 AGI의 목표를 달성할 수 있을 것이라고 믿지 않는다.  딥러닝 네트워크는 효율적으로 잘 작동하지만 지식 표현 문제를 해결해서 그런 것은 아니다. 잘 작동하는 이유는 지식 표면 문제를 완전히 피하고 그 대신에 통계와 많은 데이터에 의존하기 때문이다. 딥러닝 네트워크가 아무리 똑똑해도 나는 그것이 지식을 갖고 있지 않으며, 따라서 다섯살 아이의 능력에 이르는 길로 가지 못한다고 지적하고 싶다.

저자가 범용 AI가 AI의 미래라고 주장하는 것엔 두가지 이유가 있다. 컴퓨터의 역사 또한 특수 목적용에서 범용으로 진화했고 인류가 직면한 많은 문제들을 해결혀려면 결국은 범용 AI가 필요할 수 밖에 없다는 것이다.

첫째는 범용 컴퓨터가 특수 목적용 컴퓨터를 대체한 이유와 동일하다. 범용 컴퓨터는 결국 비용 효율이 더 뛰어났고 그것은 그 기술의 급속한 발전을 낳았따. 점점 더 많은 사람이 동일한 설계를 사용하자, 가장 인기 있는 설계와 그것을 뒷받침하는 생태계의 질을 높이기 위한 노력이 더 많이 기울여졌다. 그것은 20세게 후반의 산업과 사회를 만들어낸 컴퓨터 능력의 기하급수적 향상을 낳은 근본 원동력이었다. 

AI가 보편적인 해결책으로 옮겨갈 수 밖에 없는 두번째 이유는 미래에 기계 지능의 가장 중요한 응용 분야 중 일부에에 보편적 해결책의 유연성이 필요하다는데 있다. 이러한 응용 분야들은 예상치 못한 문제들을 다루고 오늘날의 특수 목적용 딥러닝 기계가 할 수 없는 방식으로 새로운 해결책을 고안할 필요가 있다. 건설 노동자 로봇 팀을 화성에 보내 사람이 살 수 있는 서식지를 건설하는 작업을 시키려 한다고 하자. 이 로봇들은 다양한 로봇들을 다루고 불모의 환경에서 건물을 조립해야 한다.  이들은 예상치 못한 많은 문제들에 맞닥뜨릴 수 있고 서로 협력해 문제가 생긴 로봇을 수리하고 설계를 수정할 필요가 있다. 사람은 이런 종류의 문제를 다룰 수 있지만 오늘날 이와 비슷한 일을 할 수 있는 기계는 전혀 없다. 화상에서 건설을 하는 로봇은 범용 지능을 지닐 필요가 있을 것이다.

범용 지능 기계의 필요성은 제한적이며 AI의 응용 분야 중 대부분은 오늘날 우리가 가진 특수 목적용 기술로도 충분히 해결할 수 있다고 생각하는 사람이 있을지 모르겠다. 사람들은 한때 범용 컴퓨터에 대해서도 똑같이 생각했다. 그들은 범용 컴퓨터의 상업적 수요는 일부 고부가 가치 분야에 제한될 것이라고 주장했다. 하지만 실제로는 그 반대가 옳은 것으로 드러났다. 비용과 크기가 극적으로 줄어든 덕분에 번용 컴퓨터는 지난 세기에 가장 거대하고 경제적으로 가장 중요한 기술 중 하나가 되었다.  나는 21세기 후반에는 범용 AI가 이와 비슷하게 기계 지능을 지배할 것이라고 믿는다.