인공지능을 배웁시다. #1에서 인공지능이 1990년대의 암흑기를 극복하며 일반 대중들의 관심을 끌 수 있었던 것은 딥러닝(Deep Learning) 기술 개발과 컴퓨터의 빠른 계산 능력, 그리고 인터넷의 보급이라고 했습니다. 그리고 인공지능을 배웁시다. #1에서 딥러닝에 대해서 알아봤습니다. 그럼 계속해서 컴퓨터의 계산 능력에 대해서 알아보겠습니다.
컴퓨터의 계산 능력은 반도체 집적회로의 성능과 관련이 있습니다. 1960년대 인텔의 공동 설립자인 고든 무어(Gordon Earle Moore)가 발표한 무어 법칙에 따라 반도체 집적회로의 성능은 24개월 마다 2배로 증가합니다. 이는 컴퓨터의 계산 능력 향상에도 그대로 반영됩니다. 따라서 컴퓨터의 빠른 계산 능력으로 과거에는 상상하지도 못했던 딥러닝으로 학습한 알파고 같은 인공지능이 탄생하게 된 것입니다.
참고로 2년에 2배의 계산 속도가 꾸준히 향상된다는 것은 14년 뒤에는 2의 7제곱으로 128배의 계산 속도가 빠르게 되는 것이고, 20년 뒤에는 2의 10제곱으로 1024배나 빠르게 계산한다는 것을 의미합니다. 이는 과거에 컴퓨터 성능 부족으로 포기했던 복잡한 계산 이론들을 반도체 성능 향상으로 이제는 언제쯤 계산이 가능할지 어느 정도 예측이 가능하게 되었다는 것을 의미합니다. 그리고 이러한 계산 능력 향상은 우리의 일상생활에도 직접적으로 영향을 끼치는데, 단적인 예로 컴퓨터나 스마트 폰에서의 영상이나 이미지 처리가 대표적이라 할 수 있습니다.
이처럼 딥러닝 알고리즘 개선과 컴퓨터의 빠른 계산 능력으로 인공지능의 암흑기를 극복할 수 있는 토대가 마련된 것입니다. 하지만 인터넷의 보급이 없었다면 인공지능은 여전히 암흑기 속에 있었을 것입니다.
우선 인터넷 보급을 통해서 나타난 일반적인 의미는 이렇습니다. 이전에는 정보의 소비자로서 신문이나 방송 등 매우 제한적인 채널을 통해서만 정보를 접할 수밖에 없었던 일반 대중들이 인터넷의 보급으로 직접 정보를 생산하고 배포하고 유통할 수 있게 되었습니다. 그리고 반도체 성능 발달로 집이나 사무실 책상 또는 PC방 등 극히 제한된 장소에서만 접속하던 인터넷도 스마트폰의 보급으로 언제 어디서나 정보를 생산하고 배포하고 유통하고 소비할 수 있게 된 것입니다.
그럼 이런 인터넷의 보급이 어떻게 인공지능의 황금기를 이끄는데 기여를 한 것일까요? 그것은 바로 딥러닝을 포함해서 머신러닝과 관련이 있습니다. 머신러닝은 인공지능을 배웁시다.#1에서 알아보았듯이 기계가 지능을 가지기 위해 기계 스스로 학습하는 방법으로, 머신러닝이 학습을 하기 위해서는 많은 데이터가 필요합니다.
데이터가 많으면 많을수록 학습효과가 좋기 때문에 인터넷이 없었다면 아무리 컴퓨터의 계산 능력과 딥러닝의 알고리즘이 개선되었다 하더라도 인공지능의 황금기는 오지 못했을 것입니다. 왜냐하면 학습을 위해 필요한 많은 양질의 데이터를 확보하기 위해서는 많은 비용과 시간이 들기 때문입니다. 반면 인터넷은 90년대 보급과 함께 소셜미디어가 급속도로 발달했으며 동시에 많은 공공기관이나 기업들이 양질의 데이터를 무상으로 제공하면서 인터넷은 누구나 손쉽게 많은 데이터를 접근할 수 있는 정보의 바다가 되었습니다.
참고로 알파고는 프로 바둑기사들의 대국 기보 3,000만 건을 활용하여 학습을 했다고 하는데, 이는 1,000년에 해당하는 시간만큼 학습한 것이라 할 정도로 어마어마한 데이터를 활용한 것입니다. 만약 인터넷이 없었다면 프로 바둑기사들의 대국 기보 3,000만건을 확보하는데 매우 많은 시간이 필요했을 것입니다. 하지만 지금은 인터넷 검색 창에서 “바둑 기보”라고 검색만 하면 쉽게 구할 수 있음을 알 수 있습니다. 이처럼 인터넷의 보급을 통한 확산은 딥러닝 그리고 컴퓨터의 계산 능력과 더불어 인공지능의 황금기를 이끈 핵심 주역인 것입니다.
알파고 이외에도 인공지능 스피커, 청소 로봇, 번역기 등과 같은 소비재 제품과 각종 앱 그리고 각종 포털 사이트나 소셜커머스 사이트에서 제공하는 이미지를 포함한 검색이나 상품 추천 서비스 등이 우리가 접하고 있는 대표적인 인공지능이 적용된 제품이나 서비스라고 할 수 있습니다. 물론 우리가 직접 인지하지 못하지만 우리 주변에는 이미 인공지능이 적용되거나 내장된 많은 제품과 서비스들이 있습니다.
그리고 이러한 제품이나 서비스에 적용된 인공지능 대부분은 딥러닝으로 학습한 것들입니다. 또한 딥러닝은 미국을 중심으로 한 학계나 산업계에서 개발된 최신 알고리즘은 공개되고 있으며, 구글을 포함한 몇몇 회사들은 인공지능을 개발할 수 있도록 시스템까지도 제공하고 있습니다. 즉 이제는 특정 몇 명이나 단체에서만 비밀리에 인공지능을 개발하는 것이 아니라 누구나 쉽게 자신들이 원하는 인공지능을 개발할 수 있는 환경이 조성된 것입니다. 물론 아무리 이러한 환경이 조성되었다 하더라도 말처럼 아무나 쉽게 자신들이 원하는 인공지능을 개발할 수 있는 것은 아닙니다.
하지만 분명한 것은 컴퓨터의 계산 능력은 계속 향상되고 있으며 인공지능의 알고리즘은 공개되어 누구나 쉽게 사용할 수 있다는 것입니다. 그로 인해 인공지능 분야에서 중국은 자체적으로 가지고 있는 막대한 데이터와 미국에 비해 상대적으로 개인정보 보호에 관대하기 때문에 인공지능 분야에서 미국과 더불어 최강국이 되었습니다. 그리고 우리나라에서도 인공지능에 대한 인재 발굴과 데이터 확보를 위해 ‘4차 산업혁명 대응계획’(2017년 11월), ‘AI R&D 전략’(2018년 5월), ‘데이터·AI 경제 활성화 계획’(2019년 1월) 등 정부차원에서 적극적인 지원을 하고 있습니다.
이렇듯 세계 각국과 기업들은 인공지능 개발에 총성 없는 전쟁을 치르고 있는 가운데 지금까지 개발된 인공지능은 특정 제품이나 서비스에만 적용되는 매우 좁은 인공지능이라는 특징이 있습니다. 좁은 인공지능을 약인공지능(ANI, Artificial Narrow Intelligence)이라고도 하는데, 예를 들어 설명하면 인공지능 스피커에 적용된 인공지능을 청소 로봇에는 활용하지 못한다는 것입니다. 그리고 당분간은 약인공지능 중심으로 개발될 것입니다. 참고로 인간급의 인공지능을 강인공지능 또는 일반(또는 범용) 인공지능(AGI, Artificial General Intelligence)이라고 합니다.
그리고 딥러닝 알고리즘의 특징 하나를 추가로 언급하자면, 현재까지 개발된 딥러닝 알고리즘은 기계가 학습한 내용을 인간이 볼 수 없다는 특징이 있습니다. 즉 기계가 학습한 부분은 블랙박스처럼 안을 볼 수 없고 단지 인간은 입력 값과 결과 값만 알 수 있다는 것입니다. 이는 딥러닝에 의해서 개발된 인공지능이 내린 결론이 어떤 근거로 그러한 결론을 내렸는지 모른다는 것과 같은 것입니다. 만약 이러한 특징이 개선되지 않는다면 이는 인간이 인공지능을 받아들이는 데 큰 장애 요인이 될 수 있으며 인공지능 확산에도 영향을 미칠 수밖에 없습니다.
지금까지 인공지능에 대해 알아봤습니다. 요약하면 인공지능은 임으로 만든 지능으로 당분간은 특정 분야에만 적용되는 약인공지능이 개발될 것입니다. 그리고 이런 인공지능을 개발하기 위해서는 좋은 알고리즘과 양질의 많은 데이터 그리고 좋은 컴퓨터가 필요합니다.
같이 읽으면 좋은 글:
2020/07/04 - [우리의 자세] - 인공지능을 대하는 자세
'IT 이야기' 카테고리의 다른 글
| 산업을 이끄는 주체 하드웨어에서 소프트웨어로 전환되고 있다. 왜? (0) | 2020.07.16 |
|---|---|
| 코딩 교육에 임하는 자세 (0) | 2020.07.15 |
| 인공지능을 배웁시다. #1 (0) | 2020.07.05 |
| 인공지능을 대하는 자세 (0) | 2020.07.04 |
| 4차 산업혁명을 대하는 자세 (0) | 2020.07.03 |
댓글