인공지능과 딥러닝

데이터에 관한 이야기

요즘 주변에 딥러닝이 화두다. 딥러닝은 컴퓨터가 사물이나 데이터를 분류(를 통한 인식까지도) 하는데 사용되는 방법론 중의 하나이며, 특히 인공신경망 알고리즘을 심화시킨 심화신경망 알고리즘을 활용한 학습과정을  이야기한다.

사람은 음악을 듣거나 사물을 볼 때 순간적으로 그 대상을 식별하고 인식하게 되며, 그것이 바로 모든 작업의 시작이 된다. 음악을 듣고 그 것이 누구의 음악인지 바로 알아낸 후 그 정보를 활용해 쇼핑몰을 검색해 해당 음악가의 CD를 사거나, 차도에서 중앙차선을 넘어가는 차를 보고 그 인지된 정보로 교통법규를 위반한다는 판단을 한 후 신고하기도 한다. 하지만, 컴퓨터는 그 도입의 인지 단계가 사람만큼 쉽지 않은 것이 문제다. 컴퓨터는 소리 혹은 영상과 같은 모든 정보들을 동일하게 0과  1이 조합된 데이터로 받아들일  수밖에 없기 때문이다. ‘기계가 이 장면을 사람이 보는 것처럼 인지할 수 있다면’ 정말 거짓말처럼 컴퓨터로 한 단계 진화된 서비스를 수행할 수 있게 된다.

인공신경망은 사람이 뇌를 사용해 사물을 학습하는 과정을 그대로 활용한 이론이다. 이 이론은 1942년에 소개가 되었지만 여러 가지 한계로 제대로 된 성과를 보여주지 못해 크게 주목을 받지 못했다. 학습을 통한다는 것 자체가 수많은 데이터를 분석 처리해서 공통적인 패턴을 찾아낸다는 이야기이기 때문에,  그때의 컴퓨터 연산능력/데이터 처리속도의 한계 등으로 실제 적용할만한 결과를 만들어내는 것이 쉽지 않았다.

하지만, 하드웨어는 눈부시게 발전했으며, 빅데이터로 소개되고 있는 분석 프레임웍도 지속적으로 진화하여 예전에는 생각지도 못했던 대용량의 데이터 분석이 가능하게 되었다. 게다가, 인공신경망 이론을 보완하는 알고리즘의 출현까지 서로 시너지를 내어 기계 인지학습분야가 눈에 보이는 여러 성과들을 보여주고 있는 상태이다.

뉘앙스엔진을 활용한 음성인식이나 페이스북의 얼굴인식에서부터 딥러닝을 활용한 구글의 사진 속 음식의 칼로리를 계산하는 인공지능의 개발까지 모두 [사람의 도움이 유리된 기계 만의 사물 인지]에서부터 시작된 서비스들이다. 일단 [인지]가 가능해지면 그 뒤에 여러 논리적인 알고리즘을 덧붙여 - 이건 IT 하는 사람들이 누구나 자신 있어하는 고전적인 일이다 – 여러 수준 높은 서비스들을 만들어낼 수 있다. 결국 판단하는 것 보다 컴퓨터가 스스로 정보를 수집하는 것이 더 어려운 문제인 것이다.

물론 아직도 갈 길은 멀지만  머지않아 헤일로의 코타나나 엑스마키나의 에이바를 내 주변에서 만나게 될 지도 모를 일이다.