[김성민의 독서경영] 인공지능과 딥러닝 - 마쓰오 유타카

[김성민의 독서경영 - 인공지능과 딥러닝]

개념의 획득 혹은 특징의 획득이 바로 창조성이다. p.198

  세상을 알파고 이전과 이후로 구분할 수 있다고 말할 수 있을 만큼 인공지능은 우리들에게 강한 충격을 던져주었다. 적어도 정서적으로는 말이다. 각종 매체에서 조금만 자동으로 작동하는 기계가 나오면 그것을 '알파고'라는 것과 비교를 시키는 작업을 한다. 대부분은 그저 센서와 알고리즘에 의해 작동되는 이미 20년전에도 나왔던 방식일 뿐인데 말이다. 기사에서는 비슷하기만하면 인공지능이라는 이름을 붙이고 있으니 일반인들은 우리의 삶이 갑자기 인공지능에 휩싸인듯 느껴지는 것도 당연하다고 볼 수 있다. 나 역시 개념의 혼란을 겪고 있는 가운데 마쓰오 유타카의 이 책을 통해서 정리해볼 수 있는 시간이 되었다. 

  이 책에서는 과거로 부터 존재했던 일반인들이 '인공지능' 이라고 부르는 방식을 4가지 레벨로 구분하여 인공지능에 대한 이해를 돕고 있다. 4가지 레벨만 인지하고 있다면 인공지능의 발달 역사와 각 작동방식, 그것이 가지는 한계와 의미까지 연결시킬 수 있다. 책의 구성자체도 인공지능에 대해 아무것도 모르는 사람의 생각에서부터 시작하기 때문에 관심이 있는 일반인들도 쉽게 펼쳐볼 수 있도록 쓰였다.  그러나 아무래도 공학이나 로직에 대해 선지식이 있는게 독서에 도움이 될 것이다. 

  다음은 책에 나오는 내용을 간단하게 요약해 놓은 것이다. 

  

<인공지능에 대한 일반의 큰 분류>

레벨1 : 단순한 제어 프로그램을 ‘인공지능’이라고 칭하고 있다.

     마케팅적으로 ‘인공지능’을 지칭 - ‘제어공학’ or ‘시스템 공학’ 에 해당

레벨2 : 고전적인 인공지능

     장기 프로그램, 청소로봇, 질문에 대답하는 인공지능 등이 이에 해당 (시리가 여기에 해당함)

     입력과 출력관계를 맺는 방법이 세련되고 입력과 출력의 조합이 극단적으로 많음

     추론/탐색, 기존 보유의 지식을 토대로 판단

레벨3 : 기계학습을 받아들인 인공지능

     검색이나 빅데이터를 자동적으로 찾아 판단하는 인공지능

     추론의 구조나 지식 베이스가 데이터를 바탕으로 학습

     ‘기계학습’ 의 연구분야

     표본이 되는 데이터를 바탕으로 규칙이나 지식을 스스로 학습함 => 패턴인식 -> 빅데이터

레벨4 : 딥러닝을 받아들인 인공지능

     데이터를 나타내기 위해 사용하는 입력값 자체를 학습함

     ‘특징표현 학습’

  이 내용중에 가장 핵심은 레벨3에서 레벨4로 넘어가는 순간이라고 할 것이다. 인공지능의 연구는 그래도 20세기 들어 오랫동안 해오고 있었던 것인데, 레벨3에서 멈춰있었다고 한다. 이 단계는 '머신러닝' 우리말로는 '기계학습' 이라고 하는 방식으로 인간이 대략적으로 말해준 특징과 구분에 따라 알아서 학습을 하는 것을 말한다. 이를 '지도학습' 이라고 하는데 일단은 인간이 어떻게 구분하는게 좋을지에 대한 기준(특징)을 알려주면서 학습(분류작업)이 시작되기 때문에 이렇게 이름을 붙였다고 본다. 

  그런데, 2012년 들어서 그동안의 인공지능 연구자들 모두가 뒤통수를 쎄게 얻어맞는 충격적인 사건이 벌어진다. 세계에서 내노라하는 인공지능 연구자들이 '이미지 인식 경연대회'를 몇년간 진행하고 있었는데 경기 방식은 이렇게 진행되었다. 먼저 천만개정도의 그림에 대해 학습을 하고 학습이 끝나면 15만개의 그림을 건네주어서 그 그림들을 카테고리별로 분류하는 경기였다. 예를 들어, 해바라기, 강아지, 권총 등등의 그림을 꽃 카테고리와, 포유류 카테고리와 무기 카테고리등으로 나누는 작업을 얼마나 오류없이 하는지를 보는 경기였다. 어떤 것을 자동으로 분류해서 학습하려고 하면 일단 기준을 뭐로 할지가 중요한데, 이를 '특징'이라고 표현할 수 있겠다. 고양이를 인식한다면 눈을 기준(특징)으로 할지, 아니면 코에난 수염으로 할지.. 이런것을 미리 사람이 정해줘야 했다. 그렇기 때문에 각각을 잘 분류할 수 있는 탁월한 특징을 잘 입력해주면 인식률을 높아지게 되는데, 1년에 약 1% 가량씩 인식률이 좋아지고 있었다. 2012년의 경기에서도 대부분의 인공지능 이미지 인식 경영대회에 참여한 참가팀의 인식오류는 26%에서 1% 내외로 각축을 벌이고 있었다. 그런데, 첫 출전팀인 캐나다의 제프리 힌튼 교수가 이끄는 슈퍼비전팀이 15%라는 오류율(기존보다 11%나 개선된)을 보이며 우승을 차지하게 된다. 책의 표현에 따르면 그당시 인공지능 전문가들이 내가 이일을 계속해야할지 말아야 할지 회의감에 들었었다고 하는데, 그 충격이 얼마나 컸을지 상상해봄직하다. 

  슈퍼비전팀의 작전(?)은 이랬다. 기존에는 사람이 기준(특징)을 알려주고 그 기준에 맞춰 분류하도록 했다면 슈퍼비전팀은 그러지 말고 기계가 직접 알아서 특징을 찾아내고 그 찾아낸 특징으로 알아서 학습하고 분류하게 한다는 것이었다. 이를 '비 지도학습' 이라고 이야기 한다. 뭐가 될지 모르겠지만, 특징을 입력해주지 않고 알아서 특징을 찾아낸다는것이 인공지능의 발전에 엄청난 도약을 가져다 주었다. 이전에는 눈 모양이 요러저러 하면 고양이라고 분류해라! 라며 지시를 해줫다면 이제는 기계가 어떻게 분류하는지는 모르겠지만, 어쨋든 자신이 찾아낸 가장 분류에 적합하다는 특징으로 고양이를 정확히 분류해내는 방식이다. 이를 '특징표현학습' 이라고 말하기도 하고, 쉽게 '딥 러닝' 이라는 대중적 표현으로 일컬어진다. 

  여기까지가 이 책이 말해주고자 하는 핵심적인 개념이고, 이를 바탕으로 앞으로 인공지능의 발전이 어떤 변화를 이끌어갈지에 대해 간략히 생각을 나누고 있다. 사실, 그전까지는 알파고니 뭐니 나라안팎에서 시끄럽게 인공지능에 대해 떠들고 있었지만 너무 많은 정보가 있다보니 제대로 파악해보려고도 생각하지 않았고 나와는 동떨어진 이야기로 생각했었다. 그러나 현재 벌어지고 있는 인공지능의 연구가 이전의 머신러닝에서 딥러닝방식으로 바뀐것이 무엇이고, 그것이 어떻게 확장될 수 있을지에 대해 생각을 해보았을 때 더 이상 이를 무심하게 볼 것은 아니라는 생각이 들었다. 스티븐 호킹박사나 테슬라의 일론머스크가 인공지능의 출현이 인류의 재앙으로 묘사한게 어느정도 이해가 되었다. 

  이 책을 읽고 몇달전에 한 모임에서 받았던 질문이 생각이 났다. '창의성은 학습할 수 있는가?  학습될 수 있다면 인공지능도 학습을 통해서 창의적이 될 수 있지 않은가?' 그때는 TV에서 알파고가 바둑두는 것만 보고, 단편적인 기사들의 내용만을 접했을 때였기 때문에 '과연 인공지능이 인간의 고유영역이 창의성까지 침범할 수 있기는 하겠어?' 라고 생각이 들었다. 그러나, 지금 생각해보면 어쩌면 딥러닝방식이라면 그것이 인간이 하는 창의적 사고작용과 동일하지 않더라도 결과물에 대해서 보자면 창의적 결과물을 인공지능도 만들어 낼 수 있지 않을까 하는 생각이 들었다. 물론 아직 숙성된 생각이 아니라 좀더 공부하며 고민해볼 문제이지만 말이다. 

 하여간, 세상의 변화를 이끄는 큰 흐름 중 하나이기에 인공지능에 대한 얕은 지식정도는 알아놓는게 좋을 듯 싶어 추천하는 바이다.

김성민의 북리지 - 함께 성장하는 책 리더십 지혜