brunch

You can make anything
by writing

- C.S.Lewis -

by X PLEAT Jun 04. 2019

딥러닝:인공지능의 발전과 지극히 사소한 UX디자인 고찰

막연한 두려움에 가려진, 우리가 진짜 준비해야 할 것에 대하여 | 권혜지

 -목 차-


1. 인공지능에 대하여

1-1. 인공지능의 종류와 개념

1-2. 인공지능의 학습방법

1-3. 전통적 머신러닝과 딥러닝의 차이

1-4. 인공지능의 현주소


2. UX 디자인과 인공지능

2-1. 인공지능과 Next UX 디자인

2-2. 인공지능 시대, UX 디자이너가 나아가야 할 방향



들어가며-


인간에 가장 가까운 기계를 만들기 위한 목적의 산물인 인공지능은 기술 발전에 힘입어 점차 기계와 생물의 접점이 되어가고 있습니다. 이 거대한 기술의 집약체는 연일 놀라운 화제를 낳으며 일상으로 스며들고 있기도 합니다. 오늘은 인공지능이 어떻게 발전하고 있고 우리의 일상에 어떤 변화를 일으키게 될 것인지, 그것은 UX 디자인에 어떤 변화를 가져올 것인지 가볍게 이야기를 시작해보겠습니다. 




1. 인공지능에 대하여


1-1. 인공지능의 종류와 개념



인간이 가진 학습, 추리와 논증 따위의 기능을 컴퓨터 시스템이 가졌을 때 우리는 그것을 인공지능이라고 이야기합니다.


인공지능은 비교적 연구가 활성된 지 오래되지 않은 분야답게 용어와 개념 정의가 통일되지 않았으나 일반적으로 약한 인공지능, 강한 인공지능, 초인공지능으로 분류하고 있습니다. 아래는 기본 개념 사례를 성능 기준 로우 레벨과 하이 레벨로 구분한 표입니다.

원 자료 출처 : ICT Spot issue_2018_08호 / 백수원, 안지성, JP Morgan(2017~2018)


2019년, 지금 우리는 로우 레벨에 속하는 약한 인공지능(혹은 Narrow AI)의 시대를 살아가고 있습니다. 하이레벨의 인공지능 시대는 그 도래 시점에 대해 회의적인 시각이 많습니다. 그러나 인공지능 영화 매트릭스,  그녀,  엑스 마키나 등은 하이레벨 인공지능의 사례를 잘 보여주고 있습니다. 준비 없이 인공지능의 시대를 맞이하면 어떤 문제를 맞이하고 무엇을 상실하게 될 것인지 말입니다. 영화 속 진짜 인간과 같은 초인공지능을 만나기까지 몇 해의 시간이 소요될지 알 수 없으나, 그 어느 때보다 인공지능 분야가 활발하게 연구되고 있으며 발전 속도가 가늠하기 어려울 만큼 빠르다는 것은 분명합니다. 하이레벨 인공지능의 시대가 다소 멀다 할지라도 우리는 인공지능을 정확히 알고 변화에 대비해야 합니다.




1-2. 인공지능의 학습방법


인공지능의 성능은 마치 어린아이가 하루가 다르게 크듯 빠르게 성장하고 있습니다. 무엇이 약한 인공지능을 강한 인공지능(혹은 General AI)으로 나아가게 하고 있는지, 인공지능의 학습방법을 살펴보겠습니다.

아래는 ‘딥러닝’이라는 키워드가 본문에 포함되어 검색 시 노출되는 뉴스 헤드라인을 일자 순으로 나열한 것입니다.


딥러닝 알고리즘으로 진단한 '축농증', 영상의학 의사와 비슷한 수준 2019.05.13.

삼성, 사진 한 장으로 동영상 만드는 AI 개발 2019.05.25.

기업 특집] 현대모비스, AI 비서가 업무관리… 척척박사 ‘마이 봇’ 2019.05.28.

 "어, AI스피커에서 엄마 목소리가 나네?2019.05.28.


이렇게 지속해서 인공지능 연구분야를 뜨겁게 달구고 있는 딥러닝은 무엇일까요? 아주 쉽게 말해 우수한 성능이 검증되어가고 있는 인공지능의 학습방법 중 하나입니다. 여기서 말하는 성능이란, 얼마나 ‘인간처럼’ 사고할 수 있는가에 대한 것을 가리킵니다. 현재는 인간처럼 사고하여 인간보다 뛰어난 결과물을 내는 딥러닝 인공지능 사례가 속출하고 있습니다.



Nielsen (2015), “Neural Networks and Deep Learning

딥러닝 학습 방식은 인간의 뇌 발달에 관한 연구에서 출발했습니다. 갓 태어난 영아의 뇌 발달을 연구하던 인지신경과학자들이 어느 날 어떤 현상을 발견하게 됩니다. 출산 전 거의 완성되는 다른 동물들의 뇌와 달리, 인간의 뇌는 출산 후에도 바깥세상이라는 훨씬 복잡한 경험에 노출되어 한 층, 한 층의 ‘층(layer)’ 개념으로 신경(Neural)이 모였다가 흩어지기를 반복(Network의 형성)하며 성숙(학습 후 완성)해 간다는 것을 말입니다. 다소 어려운 학계 용어로 ‘자기조직화’라 부르며, 이 특성을 토대로 심화시켜 컴퓨터 시스템에 적용한 것이 딥러닝입니다.

‘딥’이라는 용어는 신경 층과 층 사이의 숨겨진 층(Hidden Layers)을 가리켜 붙여진 명칭이기도 합니다. 인공지능의 학습방법은 바로 이 딥러닝(Deep Learning)과 전통적 머신러닝(Machine Learning)으로 구분할 수 있습니다.




1-3. 전통적 머신러닝과 딥러닝의 차이


전통적 머신러닝과 딥러닝은 무엇이 다를까요?

두 방식을 간단하게 비교하자면, 전통적인 머신러닝은 사람이 짠 알고리즘을 입력받아 학습 후 문제를 해결하는 방식인데 반해 딥러닝은 많은 양의 정보(빅데이터)를 기반, 스스로 알고리즘을 찾아내거나 데이터 없이 기본 법칙만 가지고 독학하여 문제를 해결할 수 있다는 차이점이 있습니다(구글 ‘알파 제로’ 사례 참조).

사실 알고 보면 딥러닝도 전통적 머신러닝과 마찬가지로 약 1980년대부터 지속해서 연구되어왔음에도 불구, 2010년대 이후에서야 진정한 성능을 나타내게 된 배경에는 수집 가능한 많은 양의 데이터 축적과 병렬 연산에 최적화된 GPU 개발 등 컴퓨팅 기술 발전을 대표적으로 들 수 있습니다. 이 두 가지가 대부분의 딥러닝이 기능하고 두각을 나타내는데 필수요소이기 때문입니다. 또한, 인간의 뇌가 가지기 힘든 인간과의 분명한 차별점을 만드는 요소에 속하기도 합니다.


현 시국에 딥러닝이 더 핫하다고 해서 이전의 머신러닝이 뒤처지는 기술인 것은 아닙니다. 적어도 현재 응용범위 기준에서는 그렇습니다. 딥러닝과 전통적 머신러닝은 각각 장단점을 뚜렷하게 가지고 있습니다(상세한 내용은 사이트 참조). 

참고 자료에서 볼 수 있듯 전통적 머신러닝은 여전히 ‘전문가’라 불리는 인간의 간섭을 비교적 크게 필요로 한다는 면에서 비효율을 야기하고 있으며, 딥러닝의 경우 해결한 답을 어떤 논리로 해결했는지 인공지능도, 인간도 설명할 수 없는 상태입니다. 이를 개선하기 위해 지속적 연구 및 개발이 진행되고 있습니다.




1-4. 인공지능의 현주소


어떠한 지식이나 기술 등을 배우고 익히는 것을 학습이라고 합니다. 인공지능 역시 인간과 같이 학습을 하고, 그 학습하는 방법에 전통적 머신러닝과 딥러닝이 있으며, 두 방법 간의 간략한 차이점을 앞서 기술했습니다. 

Photo by Osman Rana on Unsplash

딥러닝을 선두로 하는 인공지능의 발전은 재차 말해서 그 속도와 범위를 가늠할 수 없을 만큼 빠르고 광범위하게 진행되고 있습니다. 혹자는 딥러닝을 마스터 알고리즘으로 바라보며 산재한 모든 문제를 해결할 것으로 보기도 합니다. 하지만 여전히 범용화에 가까운 딥러닝은 빅데이터 기반으로 학습하는 알고리즘인 이상, 데이터의 양질에 따라 영향을 받게 될 뿐 아니라 데이터화 되지 않은 정보는 학습하지 못하거나 난항을 겪을 수 있다는 의미이기도 합니다. 지금까지 크게 이슈가 되어 온 분야들이 음성, 영상, 사진 등의 데이터가 충분한 분야에 집약되어있거나 체스, 바둑, 게임과 같이 외부로부터 통제된 환경인 것을 알 수 있습니다. 이것은 곧 기후, 온도, 습도 등의 변인이 동시 작용하는 일상의 복합 환경에 적용되기에 아직 갈 길이 멀다는 것도 일정 부분 예상 가능합니다.


인공지능이 실험적/실질적으로 활용되고 있는 세세한 분야는 전부 다 알기 어려울 정도로 많습니다. 그중 과학기술정보통신부 등의 관계부처에서 예상한 미래 변화 산업은 다음과 같습니다.

과기정통부 및 관계부처 - 혁신성장 전략투자 : 데이터·AI 경제 활성화 계획(2019.1.16.). pdf

소개된 사례와 같이 인공지능 기술은 의료와 생활 안전, 금융 및 교통수단 등에 이르는 전방위적 변화를 예견하고 있습니다. 다수가 두려워하는 직업 변동은 물론 아침에 일어나 이부자리에 들기까지 일상생활의 경험이 완전히 새롭게 탄생할 것입니다. 사람들의 불편함과 필요한 니즈를 찾아 발굴해야 하는 산업계가 얼마나 이에 대비하고 있는지 자문해야 할 때입니다.




2. UX디자인과 인공지능


지금까지 인공지능의 학습 방식과 적용 분야에 대해 살펴보았습니다. 이제부터는 근미래 인공지능에 대비한 UX 디자인과 UX 디자이너가 나아가야 할 방향에 대해 사소한 고찰을 해보며 본 글을 맺도록 하겠습니다. 


2-1. 인공지능과 Next UX 디자인


익히 알고 있듯 UX는 User Experience, 즉 사용자의 경험입니다. 모든 서비스 사용자는 사용 목적과 사용 상황 등에 영향받아 서비스가 좋은 경험인지 나쁜 경험인지에 대한 경험 데이터를 쌓게 됩니다.

이 경험 데이터에 관한 판단이 때로 서비스 사용을 당장 중단할 것인지, 이번만 사용할 것인지, 계속 사용할 것인지, 아니면 이른 새벽 5시부터 줄 서기에 도전하여 어떻게든 먼저 사용하기 위해 충성을 바칠 것인지에 어떤 영향을 끼칠 것입니다.

Photo by 멜라니 Pongratz on Unsplash


진정한 인공지능 시대의 서비스는 뛰어난 학습을 통해 사용자의 불필요한 작업 과정을 ‘무’에 가깝게 만들 것입니다. 대체로 터치해야 할 스크린이 사라지고 음성인식, 동작인식, 감정인 식이 사용자 인터페이스의 자리를 차지하게 됩니다. 이것을 Zero UI라고 부르기도 합니다. 이와 같은 스크린의 변화 외에도 무수한 변화를 일으킬 인공지능 시대에 UX 디자인이 집중해야 할 것은 다음과 같습니다.


(1) 인간의 커뮤니케이션 방식에 대한 이해

인간의 음성과 동작, 감정표현의 종류는 나이와 속해있는 사회, 문화 환경 등을 포함하면 그 근소한 차이가 무한에 가깝습니다. 언어의 특성과 말버릇의 유형, 목소리의 특성을 파악해야 합니다. 동작과 표정 역시 어떤 행동을 하는지, 왜 하게 되는지를 알아야 합니다. 이것을 이해해야만 제로 UI시대에 적합한 사용자 인터페이스를 설계할 수 있습니다. 


(2) 인공지능에 대한 이해

UX 디자인은 유효한 경험 설계를 위해 인공지능의 기본 특성을 항상 파악하고 있어야 합니다.

인공지능의 데이터 편향성

인공지능은 살아있는 생명체처럼 경험을 학습합니다. 그러므로 인간이 낳고 있는 수많은 잘못된 경험을 그대로 학습하지 않게 하기 위한 장치가 필요합니다. 이제 막 기어 다니기 시작한 아기 주위로 안전막을 설치하는 것과 같습니다. 사용자가 언제든 진행상황을 모니터링할 수 있게 하거나 수정 혹은 수정 요청을 할 수 있게 해야 합니다.  

대시보드의 중요성

사용자가 인공지능 서비스를 이용할 때, 사용하기 두려운 것으로 만들어서는 안 됩니다. 사용법, 이슈 발생, 소프트웨어의 빠른 업데이트 등의 변화에 능숙하게 대응되어야 합니다. 대시보드가 항상 가시화되어 있을 필요는 없습니다. 그러나 원할 때 언제든 쉽게 호출하여 사용할 수 있어야 하고, 정보의 전달이 매끄럽게 구성되어야 합니다. 


(3) 인간에 대한 이해

인공지능이 비명소리를 듣고 위급한 상황인지 아닌지를 판단하여 수초 만에 112에 신고 접수가 된다면 어떨까요? 이미 한 회사에서 개발 중인 서비스입니다. 한 사례를 들었지만, 인공지능의 활용 범위는 셀 수 없을 만큼 많습니다. 인공지능 기술로 사용자의 새로운 경험을 설계하려면, 훨씬 더 깊은 인간의 니즈와 행동 맥락에 대한 이해가 필요합니다. 이것은 곧 인간을 이해하고자 하는 학문인 사회학(문화인류학, 인구통계학 등), 심리학, 인지과학, 철학 등에 대한 이해로 이어집니다. 인간을 깊이 알아야 이전과는 다른 새로운 경험을 발굴해 낼 수 있을 것입니다.

Photo by Andy Kelly on Unsplash




2-2. 인공지능 시대, UX 디자이너가 나아가야 할 방향


인공지능 기술이 발전할수록, 함께 중요성이 대두되는 것은 바로 ‘데이터를 다루는 능력’입니다. 그러나 사실 데이터를 모으고 분류하고 계산하여 통계를 내는 것 또한 인공지능이 가장 잘하는 영역이기도 합니다. 대부분의 다른 분야와 마찬가지로 UX 디자이너가 수행하는 일도 인공지능 혹은 그에 준하는 프로그램이 대체하게 될 것입니다.


한편, 인간을 깊이 있게 이해해야 하는 영역은 인공지능이 따라올 수 없는 영역입니다. 철학가 김재인 박사(경희대학교 비교문화연구소 학술연구교수)는 저서에서 인공지능의 한계성에 대해 네덜란드 판화가 마우리츠 코르넬리스 에셔의 작품 ‘그리는 손’을 예로 들었습니다. ‘그리는 손’은 오른손이 왼손을 창조하고, 왼손이 오른손을 창조하는 무한루프를 보여주는 작품입니다.

 이 그림을 볼 때 우리는 왠지 모르는 시각적 낯섦을 느끼면서도 아무런 잘못된 논리가 없음을 인정하게 됩니다. 두 손은 서로를 창조해나가며 완벽해 보입니다. 여기서 김재인 교수는 이 두 그리는 손 바깥, 즉 진짜 현실세계에서 서로를 창조하는 두 손을 창조하고 있는 작가 ‘에셔’의 손까지 인식을 해야 한다고 말합니다. 그림 속 두 손이 인공지능의 한계입니다. 이 두 손은, 이미 정해진 ‘손’이라는 규칙에 갇혀, 결코 두 손 이외의 것을 창조하지 못합니다. 그것을 창조하는 것은 인간, 즉 ‘에셔’의 진짜 손입니다. 이것이 바로 인간의 영역입니다. 

이제 우리는 ‘그리는 손’을 그리는 진짜 '에셔'의 손까지 인식해야 합니다. - 김재인 철학 박사


사용자 경험 데이터에서 제대로 된 결론을 도출하기 위해서는 제반적인 비즈니스와 서비스에 대한 이해는 물론 사회학, 심리학, 인지과학, 신경학 등을 융합한 사고방식이 요구됩니다. 기존 규칙에서 출발하여 일직선으로만 뻗어 나가는 인공지능과 달리 새로운 출발점을 만들어내어야 합니다. 그러므로 UX 디자이너는 ‘인간을 이해하는 영역’에서의 크리에이티브를 지속적으로 연구하고 개발해야 할 것입니다.

Design thinking Diagram
작가의 이전글 보이는 보상과 보이지 않는 보상

매거진 선택

키워드 선택 0 / 3 0

댓글여부

afliean
브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari