<알파고>는 어떻게 세상을 바꿀까?
딥마인드 CEO <데미스 하사비스>의 FT 기고문 발췌
<주>
줄이고 줄였는데, 이렇게나 길어졌네요. 알파고를 만든 딥마인드의 CEO 데미스 하사비스가 Financial Times(2017년 4월 21일 자)에 기고한 글을 발췌해서 간략하게 해석해 보았습니다. 전문 번역은 뉴스페퍼민트 등의 전문 서비스가 제공하리라 기대합니다. 인공지능의 '순기능'에 대해서 어떤 거대한 확신(비전)을 가지고 있는 한 기업가의 의견입니다. 2017년 현재 대한민국을 휩쓸고 있는 <제4차 산업혁명>의 구체적 사례를 다수의 대중들까지 체감케 했던 '알파고 쇼크'의 장본인인 그가 '인공지능'이라는 과학적 도구가 어떻게 인류의 발전에 기여할 수 있을지에 대해서 고민한 것을 잘 풀어낸 글이라고 생각됩니다. 코멘트 환영합니다.
◆1줄 요약◆
근대 이후 인류의 문명은 '뉴턴 물리학', '체스'와 같은 수준의 문제 정의와 해결책으로 이룩할 수 있었지만, 현재의 기후변화, 글로벌 경제, 알츠하이머와 같은 복잡한 도전(문제)은 새로운 접근 방법이 필요한데, 바로 '뉴턴 물리학', '체스'와 같은 '과학'을 만든 인간의 두뇌 자체를 모방한 범용 경험 기반 학습 시스템이 바로 그것이며, 알파고가 바둑에서 보여준 성취와 원리를 다른 영역에 적용한다면, 마치 허블 망원경이 우주를 이해하는데 한 걸음 더 나갈 수 있게 해 준 것처럼, 인공지능은 우리가 당면한 모든 문제 해결에 실마리를 줄 수 있는 메타 솔루션이 될 수 있을 것이다.
기고문 원문 발췌 및 간략 해석
The mind in the machine: Demis Hassabis on artificial intelligence
(기계의 마음: 인공지능에 대한 데미스 하사비스의 생각)
"Modern civilisation is a miraculous feat, one made possible by science. (...) When one stops to contemplate what has been accomplished by our 3lb brains, it’s quite remarkable. (...) But we are now at a critical juncture where many of the systems we need to master are fiendishly complex, from climate change to macroeconomic issues to Alzheimer’s disease."
(▶현대 인류 문명의 기적은 과학에 의해서 가능했는데, 과학은 단지 3파운드에 불과한 인간의 뇌를 통해서 만들어진 것이란 것을 생각하면 정말 놀라운 일이다. 그러나 현재 우리는 기후변화, (글로벌) 거시경제적 이슈, 알츠하이머에 이르기까지 매우 복잡해진 문제를 해결해야 하는 상황에 쳐해 있다.)
"The problem is that these challenges are so complex that even the world’s top scientists, clinicians and engineers can struggle to master all the intricacies necessary to make the breakthroughs required. (...) Kepler and Newton could write equations to describe the motion of planets and objects on Earth, but few of today’s problems can be reduced down to a simple set of elegant and compact formulae."
(▶옛날 뉴턴 시절에는 물체의 움직임에 대한 문제를 하나의 식으로 단순화해서 이해하고 해결책을 내놓을 수 있었지만, 오늘날의 문제는 너무나도 복잡해져서 새로운 돌파구를 찾아내야 한다.)
"The founding fathers of the modern computer age — Alan Turing, John von Neumann, Claude Shannon — all understood the central importance of information theory, and today we have come to realise that almost everything can either be thought of or expressed in this paradigm. This is most evident in bioinformatics, where the genome is effectively a gigantic information coding schema. I believe that, one day, information will come to be viewed as being as fundamental as energy and matter."
(▶현대 컴퓨터의 선지자들은 정보가 에너지와 물질과 같이 세상을 표현하는 하나의 근본적인 요소라는 것을 이해하고 있었다. 오늘날의 모든 문제는 이러한 정보통신기술 패러다임으로 표현되고 이해되고 있다. 인간 게놈 프로젝트처럼 방대한 양의 유전체 서열 정보의 축적, 처리하는 생물정보학 분야의 발전이 의료의 패러다임을 완전히 바꾸어 놓고 있는 것이 상징적인 예이다.)
[주: 이 문단이 현재 나타나고 있는 변화의 근원에 대해서 가장 기술하고 있는 문장이 아닐까 합니다. 컴퓨터와 인터넷으로 대변되는 정보통신기술이 생산과 소비, 유통 등 경제의 모든 것들에 스며들어서('융합되어서') 변화를 만들어 내고 있다는 것(ex. 제4차 산업혁명, 제2의 기계시대, 한계비용제로사회)을 표현해 주고 있다고 생각됩니다.]
"At its core, intelligence can be viewed as a process that converts unstructured information into useful and actionable knowledge. (...) The algorithms we work on learn how to master tasks directly from raw experience, meaning that the knowledge they acquire is ultimately grounded in some form of sensory reality rather than in abstract symbols. (...) After all, the brain is the only existence proof we have that a general-purpose experience-based learning system is even possible."
(▶범용 경험 기반 학습 시스템이 가능하다는 것을 유일하게 보여주는 뇌가 작동하는 원리에 영감을 얻어서, 우리는 지능이 추상적인 기호가 아니라 날것의 경험, 비구조화된 정보에서 유용한 지식을 획득할 수 있도록 인공지능 알고리즘을 연구하고 있다.)
"This is a radical departure from the approach of many of our predecessors. (...) For AlphaGo we realised that in order to capture this intuitive aspect of the game we would have to take an approach radically different from chess programs such as Deep Blue. Rather than hand-coding human expert strategies, we used general-purpose techniques including deep neural networks to build a learning system, and showed it thousands of strong amateur games to help it develop its own understanding of what reasonable human play looks like. Then we had it play against different versions of itself thousands of times, each time learning from its mistakes and incrementally improving until it became immensely strong."
(▶딥블루와 같이 과거 인공지능의 성과물과 알파고는 완전히 다른 접근에서 시작한 것이다. 딥블루는 프로그래머와 체스 전문가가 함께 체스를 잘 두는 전략을 일일이 사람이 코딩하여 “expert systems”(전문가 시스템)을 구축해서 슈퍼컴퓨터의 반복 계산 '노가다(brute force)'로 최적의 정답을 구하는 인공지능이었다. 반면, 체스와 달리 바둑처럼 경우의 수가 우주의 원자 수보다 많은 문제는 그러한 접근으로 해결할 수 있는 것이 아니었다. 알파고는 바둑 전문가의 전략을 일일이 코딩하는 것이 아니라 딥 뉴럴 네트워크를 통해서 학습 시스템을 구축하여 수많은 아마추어 고수의 게임을 학습시켜서 인간의 어떤 플레이가 최적인지 스스로 배울 수 있도록 하였다. 그리고 이렇게 만들어진 학습 인공지능끼리 수천번 대결시켜서 완벽한 고수가 될 때까지 실수를 고치고 강해질 수 있도록 하였다.)
"These moments of algorithmic inspiration give us a glimpse of why AI could be so beneficial for science: the possibility of machine-aided scientific discovery. We believe the techniques underpinning AlphaGo are general-purpose and could be applied to a wide range of other domains, especially those with clear objective functions that can be optimised, and environments that can be accurately simulated, allowing for efficient high-speed experimentation. (...) We believe that in the next few years scientists and researchers using similar approaches will generate insights in a multitude of areas, from superconductor material design to drug discovery. In many ways I see AI as analogous to the Hubble telescope — a scientific tool that allows us to see farther and better understand the universe around us."
(▶인공지능은 허블 망원경처럼 세상을 조금 더 이해하는데 도움이 되는 과학 기구라고 생각한다. 바둑에서 관찰한 인공지능의 이러한 성취는 반도체 설계, 신약 발굴 등 문제를 최적화될 수 있는 목적 함수로 표현할 수 있고, 목적 함수에 미치는 주변 환경을 가상으로 시뮬레이션할 수 있고, 가상 환경하에서 효율적으로 실험을 반복할 수 있는 여타 다른 영역으로 일반화하여 적용할 수 있다.)
"Of course, like any powerful technology AI must be used responsibly, ethically and to benefit everyone. We must also continue to be highly cognisant of both the utility and limitations of AI algorithms. (...) I believe that AI will become a kind of meta-solution for scientists to deploy, enhancing our daily lives and allowing us all to work more quickly and effectively. If we can deploy these tools broadly and fairly, fostering an environment in which everyone can participate in and benefit from them, we have the opportunity to enrich and advance humanity as a whole."
(▶인공지능도 유용성과 한계와 같은 양날의 검을 가진 다른 기술들처럼 책임감 있고, 윤리적이고, 모두에게 이롭게 사용되어야 한다. 그렇게 된다면, 인공지능은 모든 연구자들이 사용할 수 있는 메타 솔루션이 되어 우리의 삶을 개선시켜주고, 보다 빠르고 효과적으로 일할 수 있게 해줄 것이다.)
In doing so, we may learn something about ourselves, too. I’ve always felt that physics and neuroscience are in some ways the most fundamental subjects: one is concerned with the external world out there, and the other with the internal world in our minds. Between them they therefore cover everything. AI has the potential to help us to understand both better. As we discover more about the learning process itself and compare it to the human brain, we could one day attain a better understanding of what makes us unique, including shedding light on such enduring mysteries of the mind as dreaming, creativity and perhaps one day even consciousness. If AI can help us as a society to not only save the environment, cure disease and explore the universe, but also better understand ourselves — well, that may prove one of the greatest discoveries of them all.
(▶인간의 바깥세상에 대해서 탐구하는 물리학과 인간의 마음속을 탐구하는 신경과학은 가장 근본적인 학문으로 생각된다. 이 양극단 사이에는 거의 모든 학문이 포함되는데, 인공지능은 이 둘 학문의 발전에 도움이 된다. 인공지능이 환경 위기를 해소하고, 불치병을 없애고, 우주를 이해하는데 도움이 될 뿐만 아니라 우리가 인간의 뇌와 비교하면서 학습 과정에 대해서 점점 더 많이 이해하게 되면 우리는 아직 인류에 대한 미지의 영역인 꿈, 창의성, 의식에 대해서도 알 수 있게 된다. 역사상 가장 위대한 발견이 될 것이다.)
