AI의 한계가 나타나기 시작했다

마치 세상이 두 번째 중국을 만든 것 같았습니다. 단지 수 십억의 사람과 수백만 개의 공장이 아니라 알고리즘과 컴 퓨터 들이었죠. PWC는 AI가 2030년까지 16조 달러를 세계 경제에 기여할 수 있을 것이라고 생각했습니다. PWC의 주장은 과장된 것이 아닙니다. 라이벌인 맥킨지 역시 13조 달러로 증가할 것이라고 얘기했으니까요. 구글의 CEO인 순다 피차이는 숫자 얘기 대신에 이렇게 얘기했습니다. 

AI의 발명은 불이나 전기의 발명보다 엄청난 것이다 라구요. 하지만 최근 오늘날의 AI가 과연 세상을 바꿀 것인만한 거에 대해 의심이 스멀스멀 나오고 있습니다. AI의 제약 이 하나둘 쌓여가고 사람들이 찬성론자들의 원대한 약속을 지키는 데는 실패하고 있습니다. 

물론 그림을 인식한다던지 자연어를 처리한다던지 성과는 있었습니다. 최근의 AI 기술은 서치 엔진에서 검색을 하게 해 주고, 이메일 응답과 얼굴인식 기술을 강화시켰습니다. 가장 기억에 남는 퍼포먼스라면 딥러닝 알고리듬 이 바둑 선수에게 바둑으로 이긴 것이 가장 기억에 남을 듯합니다.

지금이 처음으로 AI에 열광한 시대는 아닙니다. 이 시대는 1950년대에 이미 컴퓨터가 인간 수준의 지능을 달성하는데 몇 년 정도밖에 남지 않았다고 얘기할 정도였을 니까요. 이 희망은 1980년 대까지 이어지다가 “AI의 겨 울’을 맞이하게 됩니다. 연구자들을 위한 펀딩은 말라갔 고, 인공지능 분야의 명성은 하락했습니다. 현대 AI 기술은 과거보다는 훨씬 성공적입니다. 

수십억의 사람들이 매일 스마트폰, 인터넷에서 자기도 모르게 사용하고 있습니다. 이런 성공에도 불구하고 다시 한번 겨울을 겪는 건 아닌가 연구자들은 생각하고 있습니다. AI를 의학 진단 기술에 적용하고 있는 작업은 예상보다 더 기렁 지고 있고, 자율주행 카는 더욱 기술이 좋아졌지만 아직 도 이제 겨우 차를 타고 거리로 나갈 정도밖에 되지 않았습니다. AI에 대한 관심은 왜 꺼지고 있는 걸까요?

 첫 번째로 실용성입니다. 머신러닝 혁명은 세 가지 기반 위에 정립되었습니다. 개선된 알고리즘, 늘어난 컴퓨팅 파 워, 그리고 더 많아진 데이터 이 3가지입니다. 그러나 데이터는 바로 쓸 수 있도록 준비되어 있지 않습니다. 코로나 바이러스가 어떻게 전파되었는지 AI를 사용해서 알기 어렵습니다. 최신 AI 시스템을 가동하기 위한 전력은 고가입니다. 

알고리즘에도 문제가 있습니다. 머신러닝은 수천 개 혹은 수백만 개의 예시를 사용해서 모델을 학습시킵니다. 학습을 마친 모델은 얼굴, 스피치 인식 등의 작업을 할 수 있습니다. 이런 머신러닝 모델은 전통적인 방법보다는 더 똑 꼭하나 사람이 인식하는 것만큼 똑똑하지는 않습니다. 

사람의 뇌라면 당연히 할 수 있는 인지 능력이 머신러닝에서는 부족하기 때문입니다. 사람의 뇌는 구체적인 예시에서 일반화할 수 있는 추론을 할 수 있습니다. 또한 사람은 상식이라고 말할 수 있는 임기응변이란 능력을 발휘할 수 있는데 반해 머신러닝은 멍청한 학자에서 끝날지도 모릅니다. 특히 예상하지 못한 입력값을 만났 을 때는요.

 근본적인 변혁 없이는 이런 약점들이 AI로 무엇을 할 수 있고 무엇을 할 수 없는 가를 계속 발목 잡을 것입니다. 자 율주행 차량은 이미 지연되었고 어쩜 현실적으로 불가능할 수도 있습니다. 오늘날의 AI의 여름(황금시대)은 이전과는 다릅니다. 다 양한 분야에 적용되어 있기 때문에 이전보다 더 밝고 따 뜻한 미래를 가지고 있어서 겨울은 오지 않을 수도 있습니다. 하지만 가을의 찬바람은 올 수도 있겠네요