개와 고양이를 구분하는 방법 -프롤로그-

개와 고양이와 함께 배우는 인공지능?

인공지능이 과하다 싶을 정도로 큰 관심을 받고 있다. 과잉 관심은 과잉 기대, 논쟁과 두려움을 부를 수 있다. 이러나 저러나 다가올 수 밖에 없는 인공지능 시대에 대한 건강한 대응을 위해서는 한가지 잊지 말아야 될 것이 있다. 인공지능의 출발점은 인간지능(human intelligence)이라는 점이다. 어떤 대상이 모방 혹은 벤치마킹의 대상이 된다는 것은 그 대상이 더 우수한 존재라는 방증(circumstantial evidence)이다. 헐리우드 영화나 학자들, 기업가들이 인공지능을 '만능'처럼 얘기하는 경우들이 종종 있지만, 그 '만능'이 가장 흉내내고 싶어하는 것은 다름아닌 '인간지능'이다.

인공지능은 컴퓨터 공학(computer science) 분야라는 것이 전반적인 인식이어 왔지만 이제는 '인간의 모든 분야'가 되었다고 보는 것이 타당하다. 금융, 전자, 뇌과학, 의학/약학, 제조, IT, 반도체, 예술, 인터넷, 철학, 사회, 심리학 등 어느 한분야도 인공지능과 융합을 고민하지 않는 분야는 없다.

개인적으로 싱가포르와 영국을 기반으로 수년간 활동해오면서, 500 여개 이상의 인공지능 스타트업이나 기업들을 만나보았다. 그리고 영국과 싱가포르의 대학들과 HSBC, Standard Chartered Bank, Google, Vodafone, Salesforce 등 50여군데 이상의 글로벌 기업들을 대상으로 AI Lab 프로그램을 운영하고 강의하면서 수많은 질문들을 만났다. 그 질문들을 가지고 토론하며 공부한 덕에 더욱 인공지능을 경험하고 이해도를 높일 수 있었다. 그 만나왔던 질문들을 정리해보니 크게 15가지 정도로 정리가 되었다. 이 질문들과 토론들을 이 매거진을 통해 발행할 계획이다. 해당 질문들을 읽어갈 때마다 본인 스스로의 답변들을 고민해보기를 권한다. 이미 우리는 미디어나 책들을 통해서 알게 모르게 인공지능에 대한 지식들을 가지고 있다. 스스로 답해보면서 이 책을 본다면 인간의 지능에 대해 다시 관찰하고 보다 새로운 측면에서 인공지능을 이해할 수 있는 기회가 될 것이다.

그런데 특정 기술을 이해하는데 있어서 '왜 질문인가'라는 의문을 가질 수도 있다. 모두들 경험이 있겠지만, 학교에서 수업을 듣고나서 질문이 없는 경우는 다음과 같은 정도일 것 같다.

1. 해당 주제에 관심이 없다

2. 본인이 무엇을 모르는지 모른다

3. 학습 의지가 없다

4. 모두 이해했다

그런데 문제는 4번처럼 모두 이해했기 때문에 질문이 없는 경우는 별로 없다는 점이다. 혹 주어진 부분에 대해 충분히 이해를 하게 된다하더라도 그 다음 단계에 대한 질문들이 오히려 많아진다.

'질문'하는 것은 인간이 가진 가장 적극적인 최고의 지적(intellectual) 행위이다. 질문이 나오기 위해서는 인간의 뇌에서는 해당 정보를 스크리닝하고 소화하는 과정을 거치고 스스로 피드백해서 이해되지 않는 부분들에 대해 질문을 하게 된다. 어찌보면 질문은 엑기스와 같은 것이다. 이런 이유로 우리가 인공지능에 대해 갖게 된 질문들을 매거진의 주요 화두로 삼아보게 되었다.

이것은 인공지능 영역에도 적용된다. 인공지능의 '끝판왕'은 스스로 질문하고 답을 찾아가는 기계일 가능성이 높다고 생각한다. 이 수준부터는 인간이 기계를 두려워해야 하는 때이다. 다행히도 현재 수준의 인공지능은 인간이 만든 질문에 자기 방식으로 답하는 수준이다.

모든 질문들에 대해 가급적 많은 이미지를 사용하려 했다. 강의를 해오면서 사진 한장 올려놓고, 오랜 시간을 토론하고, 그 토론을 통해 인공지능에 대한 이해가 마무리되는 경험을 많이 했다. 특히 개와 고양이 사진을 수시간 동안 띄워놓고 수업이 진행되는 바람에 강의 피드백시에 개와 고양이 사진들이 기억에 많이 남는다는 이야기들도 종종 들었다. 사실 구글에서 검색하면 나오는 내용보다는 토론하면서 배우는 것을 즐긴다. 학생들이나 참석자들이 좋아했던 부분도 그 부분이었다. 정보와 지식이 날마다 쏟아져 나와서 늘 새로운 내용을 보지 않으면 뒤쳐지는 듯한 느낌이 있는 시대이지만(인공지능 영역이야 말로 정말로 그런 분야이다), 사실 알고보면 그 새로움이 옛날 옛적에도 이미 있었던 것임을 깨달을 때가 많다. 오히려 그 정보나 지식 자체보다는 그것을 가지고 토론하는 것에 그 오리지낼리티(originality)가 있는 경우가 더 많다. 이 매거진에서 공유되는 주요 자료나 이미지들은 전혀 새로운 것들이 아니며, 실제 AI Lab 프로그램을 운영하면서 많은 토론과 배움이 있었던 것 위주로 구성을 하였다. 이 책을 읽어가면서 독자가 얻을 수 있는 오리지낼리티는 당신이 생각하게 되고 고민하게 되는 바로 그 내용이다.

@Parth Shrivastava

현 시대의 화두가 되는 여러 기술들이 있는데 예를 들면 블록체인, IOT(Internet of Things), 메타버스, 우주로켓기술, 전기차 등과 같은 것들이다. 그 중에서도 인공지능은 단연 가장 매력적인 분야이다. 그 이유가 뭘까하고 생각해본 적이 있다. 다른 기술들과 인공지능이 가진 가장 눈에 띄는 차이는 인공지능은 인간을 가장 흉내내고 싶어하는 기술이라는 점이다. 새로운 우주로켓기술은 인간의 영역을 더 넓혀주는데 있지만 인공지능은 인간을 닮은 객체를 만드는데 그 초점이 있다. 이 둘 중에 굳이 그 욕망의 크기를 따지라면 나는 후자가 더 크다고 생각한다. 그래서 우리는 인간을 흉내내는 로봇을 볼 때마다 더욱 흥분하는게 아닌가 싶다.

미리 밝혀두지만 이 매거진은 인공지능의 모든 면을 학문적이거나 체계적으로 다루기 위해 쓰여지지 않았다. 오히려 체계적인 책들을 보면서 생기는 궁금증들에 대해 토론하고 고민했던 내용을 담기 위해 노력했다. 컴퓨터 공학이나 엔지니어링 백그라운드가 없는 분들이 재미로 생각하면서 보게 하는데 초점을 두었다. 본론으로 들어가기 전에 영어와 한글 표현의 차이에서 오는 혼돈을 피하고자 여러 번 나오는 핵심 용어에 대해 다음과 같이 정리한다. 그리고 이미지들에 영어가 포함되어 있는 것들이 상당 부분 있음에도 미리 양해를 구한다(영어도 한국어도 둘다 제대로 안되는 저자의 한계 때문이다). 추가로 각 장에서 해당 주제 관련하여 더욱 공부해보고 싶은 독자를 위해서 관련된 링크와 자료 출처도 정리해서 제공할 예정이다.

[용어정리]

인공지능(Artificial intelligence): 인간의 학습능력, 추론능력, 지각능력을 인공적으로 구현하는 컴퓨터 기술 혹은 시스템이다.

기계학습(Machine learning): 인공지능의 한 분야로서, 컴퓨터가 스스로 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야이다. 이 매거진에서는 그냥 영어로 '머신러닝'이라고 사용한다.

딥러닝(Deep learning): 심층학습이라고도 불린다. 인공신경망에서 발전한 형태의 인공지능으로 기계학습의 한 분야이다. 뇌의 뉴런과 유사한 정보 입출력 계층을 활용해 데이터를 학습한다. 이 매거진에서는 그냥 영어로 '딥러닝'이라고 사용한다.

인공신경망(Neural network): 생물학의 신경망(특히 뇌)에서 영감을 얻은 통계학적 학습 알고리즘이다. 현재 인공지능에서 가장 활발하게 사용되고 연구되는 알고리즘들의 근간이 되고 있다.

알고리즘(Algorithm): 어떠한 문제를 해결하기 위해 정해진 일련의 절차나 방법을 공식화한 형태로 표현한 것이다.