딥러닝과 머스크에 대한 단상

투자 아이디어 TSLA

머신러닝의 핵심 아이디어는 세계와 이 세계에 살고 있는 인간의 사고는 너무 복잡하고 불확실하므로 어떤 프로그래머도 정확하게 공식화하기 힘들다는 것이다.
이에 따라 머신러닝은 미리 만들어진 지시 사항들을 이용해 컴퓨터가 작동하는 방식을 직접 규정하려고 시도하기보다 관심 사항들을 분류하거나 예측하도록 "학습하는" 통계 모형에 대한 알고리즘을 고안한다. - 에릭 포즈너 <래디컬마켓>

래디컬 마켓을 읽다가, 머신러닝의 핵심 아이디어에 대한 문구를 읽었다. 그래, 이 글쓴이 분명 인문학자다라는 느낌이 확 들었다. 인간의 사고가 너무 복잡하고 불확실하므로 어떤 프로그래머도 정확하게 공식화 하기 힘들다라는 표현은 꽤 머신러닝과 딥러닝의 핵심에 닿아 있으면서도 인문학적인 구석이 있다. 

인용한 문구를 뒤집어서 생각해 보게 된다. 통계 모형에 대한 알고리즘, 그러니까 데이터를 '머신러닝', '딥러닝' 알고리즘을 통해 학습시키는 것은, 곧 인간의 사고가 너무 복잡하고 불확실하므로 보편적인 알고리즘으로 만들 수 없다는 뜻이기도 하다.

구글과 페이스북은, 이 통계 모형의 알고리즘, 즉 머신러닝과 딥러닝을 통해 톡톡히 재미를 봤다. 어떤 광고를 어떤 유저에게 노출시켜야 하는 지, 어떻게 하면 광고 효과를 극대화 해서, 많은 광고비를 사업자들로부터 뽑아낼 것인지를 엄청난 유저 데이터를 활용한 통계 알고리즘, 즉 머신러닝을 활용해 성공적으로 이루어냈다.

일반인 입장에서 이러한 방식의 성공은 사실상 소수 거대 플랫폼 기업들의 전유물처럼 보인다. 넷플릭스나 유튜브의 추천 알고리즘처럼 엄청난 양의 유저와 데이터를 축적해야만 가능한 것처럼 생각이 된다. 다시말해 머신러닝이나 딥러닝이 플랫폼 기업의 비즈니스 역할 이상의 대중화 된 기술이나 상품으로 만들어질 수 있을까란 의문이 늘 존재했다. 

개인적으로, 기업에서 중요한 것은 훌륭한 기술이나 아이디어 보다는 얼마나 양산, 그러니까 대중화를 잘할 수 있느냐로 보인다. 노이즈 캔슬링 기술도 에어팟에 들어가면서 포텐이 터졌다. 더구나 에어팟의 노이즈 캔슬링은 원조격인 소니에 비하면 성능이 좀 떨어졌다. 일부러 떨어뜨린 것도 같지만, 어쨌든 에어팟은 판을 바꿨다.

그런 면에서 테슬라의 자율주행은 가장 유력한 양산형, 아니 대중화 된 딥러닝 상품이 될 가능성이 높아 보인다. 인간의 사고는 너무 복잡하고 불확실해서 인간처럼 운전하는 프로그래밍은 불가능할 것처럼 보였지만, 현 시점에서 테슬라는 Computer Vision을 통한 데이터 수집과 통계 알고리즘을 통해 인간처럼이 아닌, 인간 보다 안전한 운전 시스템을 만들고 있는 것으로 보인다. 

어찌보면, 일론 머스크는 특출난 기술을 고안하는 것 보다는, 특출난 기술을 대중화 시켜서 양산화 하는데 더 특화된 인물 같기도 하다.