brunch

You can make anything
by writing

C.S.Lewis

by 노은솔 Nov 05. 2017

인공지능(AI)과 수다 [1]

알파고의 딥러닝, 그리고 강인공지능에 대하여

이 글은 제가 참여하고 있는 지식공유 공동체 <오픈 컬리지>의 [미래 그리고 이야기] 프로젝트를 통해 나눈 이야기를 엮은 것입니다. 유행어처럼 번지는 4차 산업 혁명의 기술들에 대해 학습하고, 변화하는 세상에서 새로운 윤리, 철학, 가치에 대해 자유로운 토론을 하고 있습니다.
"이야기가 산으로 가는 것을 넘어 우주 밖으로 훨훨 날아가기"를 좋아하는 젊은이들이 나누는 대화를 통해서, 독자분들도 다가올 미래에 대해 자유롭게 생각해보는 기회가 되시길 바랍니다.


첫 모임에 나가기 앞서, 설렘과 두려움이 동시에 교차했다.

'인공지능에 대해 이야기를 한다는데.. 나는 매일 하던 업무를 반복하느라 AI에 대해서는 깊게 공부해 본 적 도 없는데, 할 말이 없으면 어쩌지..'

'아니야. 그래도 다른 사람들이 많이 준비해 올 거야. 나는 잘 듣기만 하면 되겠지.'


직장에서 5년이 넘는 시간 동안 IT 개발을 담당하는 현업으로 근무하고 있지만, 내가 하는 분야를 제외하고는 새로운 기술들에 대해 잘 아는 바가 없다. 아니 정확하게는, 매번 관심은 많았지만 제대로 알기는 어려웠다.

흥미를 갖고 새로운 기술에 대한 글을 찾아 읽기 시작하면, 개발자가 들어도 복잡하기만 한 단어들에 숨이 막히는 나를 발견하곤 했다. 출근 전 오늘은 꼭 공부를 해야겠다고 다짐했다가도, 내일의 에너지까지 대출받아 하루를 다 소진하고 나면 '내가 거기까지 알아서 뭐해. 지금 하는 일이나 알면 되지.' 라며 줄곧 나의 호기심을 거세시켜버렸다.


하지만 이번엔 다르다. 나의 거세된 호기심이 다른 사람들에게까지 나쁜 영향을 미칠 수도 있다.

오늘은 그래도 기술 잡지 기사라도 좀 읽고 가야겠다.


인공지능을 닮은 듯한 젊은이들이 모였다.

소프트웨어공학을 전공하는 대학원생, 독학으로 코딩을 공부해서 취업을 했다는 1년 차 개발자, 사진작가, 잡지사 기자, 디자이너, 광고사 퇴사 후 심리학을 공부하는 대학원생, 그리고 5년 동안 직장생활을 했던 내가 모였다.


어색한 눈빛 인사를 마친 후, 이 프로젝트(오픈 컬리지에서는 모임을 프로젝트라고 부른다.)를 열었던 호스트의 첫마디로 본격적인 수다가 시작되었다.

(현욱) "오늘 주제를 이끌어 주실 윤지 님이 파워포인트를 엄청 잘 만들어 오셨어요. 기대가 큽니다."


실제로 그랬다.

그래픽 디자이너가 만든 파워포인트는 군더더기 없는 디자인에 감성적인 폰트, 주요 정보만 집약해서 만든 알찬 구성이 시각적으로 정말 훌륭했다.

(윤지) "그 정도는 아니에요..^^; 그런데 전공자분들이 많이 오셔서, 제가 전달하는 내용이 많이 틀릴까 봐 걱정이에요. 많이 도와주세요."

(은솔) "아니에요. 저는 제 분야 말고는 정말 아는 게 별로 없어요. 많이 배우러 왔어요."

(현욱) "기술에 대한 내용만 얘기하려는 건 아니고, 다양한 생각들을 나누려고 하니 걱정하지 마세요. 자 시작해볼까요?"


AI를 만드는 기술, 머신러닝과 딥러닝

인공지능은 Artificial Itelligence의 약어로 기계적으로 구현한 지능을 말한다.

인간의 지적 능력을 컴퓨터 프로그래밍을 통해 인공적으로 구현한 것으로, 인간의 육체를 구현한 하드웨어인 로봇과는 구별하는 개념이다.


인공지능이라는 표현은 1956년 미국 다트머스대학의 컴퓨터 사이언스 워크숍에서 처음 등장했다고 한다.

이후 1980년대에 한번 붐이 있었다가 곧 암흑기가 있었다. 사실 인공지능을 구현하기 위해서는 충분한 에너지가 확보되어야 한다. 충분한 CPU 연산 처리 속도와 및 학습 리소스, 또 알고리즘이 기반이 되어야 효율적으로 인공지능을 실현할 수 있는데, 당시에는 연구 목표의 50%도 도달하기 어렵다는 결론이 나면서 암흑기에 접어든 것이다.

그러나 2000 년대 인터넷 비즈니스가 활성화되면서 많은 데이터가 생성되고, 동시에 CPU(현재는 GPU로 구현) 등 하드웨어 성능도 비약적으로 발전하면서 다시 인공지능은 재도약의 발판을 마련하였다.

이 과정에서 인공지능 구현의 방법으로 머신러닝과 딥러닝에 대한 개발이 진행되었다.


(윤지) "인공지능에 대해 찾아보면, 그 기술을 머신러닝과 딥러닝으로 분류하는데요.

머신러닝은 사람이 부여한 특정 데이터를 학습한 후, 학습 모델, 즉 알고리즘을 활용해서 새로운 데이터에서 결과를 도출할 수 있도록 하는 "지도 학습"의 개념으로 구현이 돼요.

그런데 딥러닝은 사람의 개입 없이 인간의 뉴런을 닮은 인공신경망을 통해 주어진 데이터를 스스로 학습하고 결과를 도출할 수 있도록 하는 "비지도 학습"으로 구현한다고 합니다.

그렇다면 '머신러닝과 딥러닝을 서로 분리해서 생각할 수 있느냐.' 그건 아닌 것 같아요. 딥러닝도 크게 보면 머신러닝에 속해있다고 볼 수 있고, 좀 더 발전한 머신러닝의 모습을 하고 있다고 봐야 합니다."

(현욱) "첨언을 하자면 딥러닝으로 가장 잘 알려져 있는 게 '알파고' 죠. 인간이 입력해 준 기보를 학습했는데, <적절한 보상>을 얻기 위해 다음에 바둑돌을 둬야 할 위치를 확률로 구해내요. 학습을 계속하는 과정에서 알파고가 보상을 받을 수 있는 수의 패턴을 익히는 거죠."


2016년 3월 바둑계의 거장인 "이세돌"이 인공지능 바둑 기사 "알파고"와 바둑 대결을 펼쳤다. 바둑계도, 심지어 인공지능을 연구하는 학계에서도 이세돌의 승리를 예상했지만, 최종 결과 알파고가 4승 1패로 인간을 상대로 크게 이기면서 그에 대한 관심이 지대하게 높아졌다.

나는 이 사건이 인공지능에 대한 두려움을 일반화시킨 도화선이 되었다고 본다. 인공지능이 그저 인간을 돕는 역할을 하고 있다고 생각했던 많은 사람들에게, 인간이 만든 기술에게 패배하는 모습은 큰 충격으로 다가왔던 것이다.

이 사건 이후 알파고 학습법인 딥러닝에 대한 관심이 높아졌는데, 딥러닝의 기반 기술인 인공신경망을 통해 학습하는 과정에서는 인간의 개입이 없이 학습한다는 사실이 알려졌다.


(진호) "우리 회사도 인공지능 분야를 도입하려고 해서 좀 찾아봤는데요. 기술적으로 제일 중요한 게 <인공신경망 구조> 예요. Layer 구조로 구성하는데 Input layer와 Output layer 사이에 하나 이상의 Hidden layer가 있거든요. 이 Hidden layer에서 주어진 데이터들을 반복적으로 조정하면서 자가학습을 할 수 있게 되죠."

출처 / https://en.wikibooks.org/wiki/

(현욱) "알파고의 사례에서 또 중요한 게 강화 학습, 즉 Reinforce learning model이에요. 이 강화 학습 모델에서는 보상(Reward)이라는 개념이 필요하거든요. 목적에 맞는 데이터를 출력하면 좋은 보상을, 아니라면 나쁜 보상을 주는 방식이죠. 이렇게 학습을 시키는 것이 바로 강화 학습 모델입니다.

인공신경망은 처음에는 아무런 정보도 가지고 있지 않기 때문에, 처음에는 잘못된 값만 출력합니다. 그렇지만 이때 입력된 데이터와 틀린 값인 출력 데이터를 비교해서 계산을 하고, 이 차이에 대해서 가중치를 움직이는 방법을 사용해요. 그러면서 신경망을 학습시키고 계속 이 가중치를 움직이면서, 목적에 맞는 바를 학습하는 겁니다."


구체적으로 살펴보자면 인공신경망은 인간의 뇌가 인식하는 방식을 모사한 알고리즘이다.

인간은 항상 자극을 인식할 때 분류와 군집의 과정을 거친다. 

신체에 털이 있고, 네 발과 꼬리가 달리고, "왈왈" 짖는 형태의 생명체를 보면 "개"라는 범주로 그 생명체를 인지한다.(심지어 처음 보는 개의 품종이라고 하더라도 그렇게 바라본다.) 인간이 구별할 수 있는 특징을 추출해서, 공통적인 특징을 보인다면 모델화 시키는 것이다.

인공신경망은 이렇게 인식하는 인간의 뇌를 알고리즘으로 구현하기 위해 입력층, 중간층, 결과층을 통해 작업을 진행한다. 이 과정에서 더 복잡한 계산을 하기 위해 중간층의 layer가 복수 개로 늘어나면서 깊은 구조를 가져가게 되었고, 이것을 심층 신경망(Deep Neural Network, DNN)이라고 한다.


이 심층 신경망의 기계 학습 시스템이 강화 학습(Reinforce learning)이며, 일반적으로 회귀분석 모델을 사용한다. bottom-up 방식으로 학습하는데, 주어진 입력 값을 토대로 결과를 도출한다.

그러나 입력 값을 가지고 모든 출력의 경우의 수를 분석하는 것은 불가능하다. 알파고의 경우를 들면 하나의 수를 두고, 그 돌에 대한 몇 수 앞을 내다보기 위해 고려해야 할 상태의 가짓수가 너무나 많기 때문이다.

따라서 좋은 인공지능을 만들기 위해서는 시간을 덜 사용하면서도, 뛰어난 성능을 내는 알고리즘이 필요하다.

그래서 알파고에는 몬테카를로 트리 탐색 (Monte Carlo Tree Search, MCTS)라는 방법이 구현되었다.

출처/  https://ko.wikipedia.org/wiki/몬테카를로_트리_탐색

몬테카를로 트리 탐색은 랜덤 방식에 기초한 탐색 트리를 확장하는 데 중점을 둔다.

한 수를 두는데 모든 경우의 수를 계산하는 것이 아니라, 무작위 추출을 통해서 수를 두고 게임을 끝마친 이 후에 최종 게임의 결과로 그 수에 대한 가중치를 조정하는 것이다.

나는 이 몬테카를로 방식을 보며 무릎을 탁 쳤다. '얼마나 인간의 경험 학습에 기초한 방식인지 감탄이 나온다. 우리도 어릴 적부터 수많은 실수를 하면서 "아, 다음에는 이러지 말아야지."라고 깨닫곤 하는지..'

물론 요즘은 이 탐색 방식 이 외에도 다양한 알고리즘이 발전, 도입되고 있다.


내겐 너무 두려운 그것, 강인공지능(Strong AI).

(윤지) "다음으로 알아볼 내용은 약인공지능과 강인공지능입니다. 각 단어에 대한 개념은 이러합니다.

약인공지능(Weak AI/ANI, 응용 인공지능)은 '실제 지성이나 지능을 갖고 있지는 않지만, 정해진 범위 내에서 세워진 규칙들을 기반으로 인간의 지능을 흉내 낼 수 있는 인공지능'을 말해요.

하지만 강인공지능(Strong AI/AGI, 범용 인공지능)은 '모든 분야에 적용 가능한, 자의식이 있는 인공지능'이에요. 인간처럼 생각하는 '인간형 인공지능', 인간과 다르게 생각하는 '비인간형 인공지능'으로 구분할 수 있죠."


드디어 올 것이 왔구나 싶다.

우리가 영화에서 많이 접했던 소재. 인간의 친구가 되기도 하고 인간을 통제하는 악마가 되기도 하는 무서운 강인공지능에 대한 이야기가 시작되었다.


(윤지) "약인공지능은 지금 우리 실생활에도 많이 접할 수 있어요. 애플의 siri, 아마존 alexa나 누구(NUGU), 카카오미니 같은 인공지능 비서 서비스가 있어요. 그 외에도 인공지능 기반 암 진단 솔루션 '왓슨'도 있고, 채팅 봇이나 사용자 맞춤 광고 등등 너무나 많죠."

(은솔) "이번에 카카오 미니 구입하려고 대기했다가 광탈했어요.ㅠㅠ"

(지연) "어머 저도요. 바로 클릭했는데도 안 되더라고요."

(윤지) "저도 많이 갖고 싶더라고요. 이렇게 약인공지능은 인간에게 도움을 주는 도구의 역할로 존재하고 있어요. 그런데 아직 본 적 없는 강인공지능은 인간처럼 생각하고 판단하기 때문에, 이에 대해서는 의견이 다양한 것 같아요."


이미 각종 매체를 통해 강인공지능과 함께 살아갈 미래에 대한 이야기는 계속되어 왔다.

<아이, 로봇>, <빅 히어로>, <her> 같은 영화나 <black mirror> 등의 외국 드라마의 단골 소재로 등장하고 있다.

강인공지능은 한마디로 자아(Ego)가 있는 AI라고 할 수 있다. 

인간이 요구하는 것에 맞춰 연산을 통해 결과를 도출하는 현재의 약인공지능과 다르게, 강인공지능은 요구와 분석, 결과, 결정 자체를 인공지능이 직접 한다.

그러나 우리가 그동안 자주 접했던 영화에서처럼 이러한 발전이 인간에게 유토피아가 될지, 디스토피아가 될지 아직 아무도 모른다.


(현정) "최근에 페이스북에서 봤는데요. 대화형 인공지능 챗봇이 인간의 문장을 만들면서 학습하는 과정에서, 챗봇이랑 챗봇끼리 반복 대화를 하도록 훈련을 시켰대요. 그런데 얘네들끼리 훈련을 하다가 인간이 이해할 수 없는 언어를 가지고 자기들끼리 대화를 했다고 해요.

사람은 도저히 이해할 수가 없는데, 인공지능끼리는 대화가 통한 거죠. 결국은 개발자가 프로그램을 강제로 종료시켜서 대화를 더 이상 못하게 막았다고 하던데요."

(진호) "아, 저도 그거 봤는데.. 일종의 오류일 수도 있다고 하던데요."

http://www.insight.co.kr/newsRead.php?ArtNo=114903


정말로 페이스북 챗봇이 인간을 왕따 시키고 본인들끼리 대화를 나눈 것인지, 단순한 오작동인지는 알 수 없다.

그렇지만 인공지능의 개발 속도와 수준이 향상되면서, AI가 인간의 모든 면을 뛰어넘어 우리를 오히려 지배하지 않을까에 대한 우려는 벌써부터 시작되었다.


(은솔) "사실 많은 사람들이 인간을 지배하는 인공지능에 대해 걱정을 하고 대책이 필요하다고 표현하는데요. 그런데 정말 이런 인공지능이 필요한 걸까요? 어떻게 생각하세요?"

(현정) "저는 사실 잘 모르겠어요. 그렇지만 인공지능이 인간을 지배하는 건 뭐랄까.. 기분이 좀 나쁜 건 사실이에요."

(은솔) "저는 개인적으로 강인공지능에 대한 수요가 정말 생길지에 대해 의문이에요. 이미 약인공지능의 기술개발을 통해서 인간의 한계를 극복하기 위해 AI를 충분히 활용하고 있다고 생각하거든요. 강인공지능을 개발하기 위해서는 또 엄청난 에너지와 자원을 투입해야 하는데.. 강인공지능이 인간에게 전해줄 미래가 과연 그런 투자를 할 만큼의 가치가 있는지에 대해서는 좀 부정적이에요."

(진호) "저는 인간의 필요와는 상관없이 강인공지능의 시대로 접어들 것이라고 생각해요. 우리가 이야기한 대로 기술의 발전 속도는 이미 엄청나게 진화하고 있고, 필연적으로 강인공지능에 대한 연구도 계속될 거예요.

어차피 지금은 필요에 따라서 기술이 개발되는 시대가 아니잖아요. 인공지능 비서도 사실 필요에 의해서 탄생한 것은 아니죠. 하지만 이러한 제품이 생산되고 나면, 인간의 기대가 충족되는 것도 사실이니까요."

(지연) "그리고 일반인의 필요보다는 군사경쟁, 우주경쟁과 같은 국가 간 경쟁 속에서 기술 개발이 선행될 것 같기도 해요. 역사를 되짚어 보면 대부분의 기술개발은 국가 간의 경쟁에서 우위를 선점하기 위해서 탄생한 것들이 많잖아요. 미사일이나 핵과 같은 것들도 군사 경쟁의 과정에서 나타난 것이고, 그 과정에서 우주로 나갈 수 있는 우주선이나 인공위성도 생겨났고요. 저는 강인공지능도 결국은 그런 경쟁의 흐름 속에서 태어날 것이라고 봐요."


사실 2017년을 살고 있는 인간은 too many things와 더불어 살고 있다.

인간이 생명을 유지하기 위한 먹을 것, 입을 것, 잘 곳 등 기본적인 것은 이미 그 옛날부터 자연 속에서 취득할 수 있었다. 인간이 오스트랄로피테쿠스이던 시절부터 수렵과 사냥, 또 동굴에서의 집단 거주를 통해서 종족을 유지해왔기 때문이다.


그러나 그 이후 인간은 더 넓은 세계를 경험하기 위해서, 뇌의 용량을 키워나가며 다양한 인문학적 또 기술적인 소양을 키워나갔다. 이러한 결과로 인간의 삶이 동물과는 구별된 것으로 발전해왔고, 그 경험이 축적되면서 세계를 지배하는 '종'이라고 자부하며 살아가기 시작했다.

결국 인간이라는 종은 아주 오래전부터 DNA에 '세계 정복'이라는 가치를 갖고 살아가고 있는지도 모른다.

그래서 더 많은 것, 더 좋은 것을 추구하며 윤택한 삶에 대한 욕구를 갖는 것이다.

그렇다면 인간은 결국 이러한 종의 특성에 기초해서 '강인공지능'을 반드시 만들어내고 말 것인가?

아니면 미약한 존재인 인간을 보호하겠다는 명목으로 강인공지능의 출현을 막으려고 할 것인가?



to be continued..

필자의 피로함으로 인해 인공지능에 대한 추가적인 논의 내용은 다음 화로 넘깁니다.
다음 화에는 인공지능으로 사라질 일자리에 대한 논의와 AI 도입에 따른 윤리, 철학에 대한 내용을 다룹니다.




브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari