현재 뛰어난 성능을 발휘하는 인공지능은 대체로 제한된 영역의 정보가 많이 있는 경우이다. 의학영상과 관련한 인공지능의 경우 보고 해석해야 하는 형식의 이미지들이 잘 정리되어 있고, 학습할 양이 많을 수록 정말 뛰어난 성능을 보여준다. 그에 비해 아직 언어처리와 관련한 부분은 갈 길이 멀다. 언어 분야에서 나름 성공적인 시스템들은 대부분 과학과 같이 전문적인 용어와 비교적 정형화된 문장들을 많이 이용하거나, 공개된 정보가 많아서 비교할 대상이 많기 때문에 오류를 줄일 수 있는 경우다. 예를 들어, 어떤 공식이나 논리구조를 가지고 판단할 수 있는 문장이나 설명의 경우 비교적 쉽게 인공지능이 올바른 판단을 해낸다. 그에 비해서 어떤 전문영역이나 유형이 있는 것이 아니라 일반적인 언어를 가지고 이를 이해하고 대화를 하거나, 글을 자유롭게 쓰는 경우에는 정확도는 떨어지고 오류율이 매우 높아진다. 신기하다고 느낄 정도로 나름 잘 하는 것 같다가도 황당하다 싶은 반응을 할 때도 많다. 이처럼 우리가 기대하는 수준의 일반 인공지능(Artificial General Intelligence, 혹자는 강인공지능으로 번역)이 제대로 동작하는 세상까지는 아직 갈 길이 멀다. 그렇다면, 이미 딥러닝을 이용해 큰 성과를 내고 있는 제한된 영역에서의 약인공지능 연구말고 가까운 근 미래의 인공지능 기술은 어느 정도까지 기대하는 것이 현실적일까? 


알파고를 개발한 딥마인드(DeepMind)팀이 최근 컴퓨터 메모리가 인간과의 뇌와 유사한 형태의 동작할 수 있는 컴퓨터인 미분가능신경컴퓨터(Differentiable Neural Computer, DNC)라는 개념을 발표하고 프로토타입까지 제작해서 동작을 시켰는데, 이 컴퓨터는 여러 사례에서 어떻게 작업을 할 것인지를 학습하는데 최적화되어 있기 때문에 여러 모로 커다란 진보를 끌어냈다고 할 수 있다. 사실 이 컴퓨터는 그 이전에 제시했던 신경튜링기계(Neural Turing Machine) 개념을 구현한 것이라고도 볼 수 있기 때문에, 완전히 새로운 개념은 아니지만 '이럴 수도 있다' 라는 수준의 개념이 구현가능함을 보였다는 점에서 대단한 성취이다. 그렇지만, 이 컴퓨터에 잘 접목될 수 있는 데이터와 구조 등을 디자인하고, 그에 맞춰서 데이터를 확보하는 것이 쉬운 일은 아니기 때문에 실제로 현실세계에 접목이 되어서 커다란 성과를 내는 데에는 의외로 시간이 걸릴지도 모른다. 하지만 소프트웨어적인 방식이 아니라 현재 쉽게 구할 수 있는 컴퓨터 컴포넌트를 이용해서 활용할 수 있는 최적화된 하드웨어 컴퓨터 방식을 제안했다는 점에서 그 의미는 절대 과소평가할 수 없다. DNC와 관련해서는 따로 많은 설명이 필요하기 때문에 이 포스트에서는 그 의미만 간단히 이야기하였다.



from DeepMind.com



보다 완전한 형태의 인공지능을 위해서 딥러닝과 기존의 인공지능 관련한 기술들과 현대의 최신 컴퓨터 이론 등을 접목하는 시도는 어떤 것들이 있을까? 가장 먼저 생각해볼 수 있는 것은 인터넷 전체를 인공지능 시스템의 데이터베이스로 사용하는 것이다. 이를 위해서는 먼저 수 많은 웹페이지에서 문장들을 추출하고 이를 기계가 처리할 수 있는 형태의 지식으로 매핑하는 작업이 필요하다. 이를 개방형 정보 추출(Open Information Extraction, Open IE)라고 하는데, 스탠포드 대학과 워싱턴 주립대학교 등에서 열심히 연구하고 있는 분야다. 이런 작업을 통해 인터넷에 존재하는 무수한 문장들이 컴퓨터가 처리할 수 있는 짧은 문장의 덩어리와 이들의 네트워크로 재구성되면 현재의 딥러닝 기술을 이용해서 수 많은 시도를 해볼 수 있게 된다. 이미지 인식과 인공지능의 발전에 이미지넷(ImageNet) 데이터베이스가 얼마나 큰 공헌을 했는지에 대해서는 이 블로그에서 이미 한 차례 소개한 바 있는데, 자연어 처리와 의미의 이해와 관련한 부분에 있어서도 일단 이런 종류의 데이터베이스를 탄생시키는 것이 가장 중요한 숙제라는 측면에서 이런 기술의 중요성을 설명할 수 있다. 그 다음 단계로는 동시에 이미지와 사운드, 동영상과 이런 문장 데이터베이스, 표준화된 지식베이스 등이 같이 연결되어서 서로 학습할 수 있도록 되어야 할 것이다.



연관글:


2016/06/17 - [로봇, 인공지능 그리고 인간] - 인공지능 기술발전의 숨은 공헌자, 이미지넷



스티븐 호킹이나 일런 머스크, 빌 게이츠 등이 인공지능의 위험성을 경고하는 것이 잘못되었다고 생각하지는 않는다. 아마도 정말 오랜 세월이 지난 뒤에는 결국에는 강인공지능이 나오고 초인공지능이 나와서 인류가 멸망할지도 모른다. 그렇지만, 그 오랜 세월이 어느 정도나 오랜 세월일까가 문제다. 만약 수백 년을 이야기하는 것이고, 인류의 미래를 위해서 이런 부분에 대해서 걱정도 하고 대비도 해야 한다는 차원의 이야기라면 그럴 수 있다고 생각한다. 다만 10~20년 내의 일이라면 아직은 너무 섣부른 결론이고 과도한 사회적 비용과 두려움을 발생시킬 수 있으며, 현재의 특정분야의 약인공지능의 발전에도 걸림돌이 될 수 있기 때문에 지나치게 이를 거론하는 것은 그다지 바람직하지 않다고 본다. 


인공지능이 접목되어 커다란 사회적 변화를 일으킬 것으로 예상하는 무인자동차에 대해서도 조금은 조심스러운 접근이 필요하다. 일반 인공지능의 문제와는 달리 운전이라는 특정한 작업의 경우 하드웨어 센서기술의 발달과 충분한 데이터, 그리고 제도가 뒷받침이 된다면 충분히 무인자동차의 시대는 근 미래에 닥쳐올 수 있을 것이다. 그렇지만, 사회의 수용성은 단순히 기술만 담보된다고 보장되는 것이 아니다. 무인자동차가 다닐 도시의 상황과 지방자치단체 또는 해당 국가의 재원, 사회가 새로운 혁신을 받아들일 수 있는지에 대한 부분과 있을 수 있는 부작용 등에 대한 충분한 제도적, 경제적 보완책이 있어야 하기 때문이다. 아마도 소규모 신도시들의 경우에 처음부터 무인자동차들이 다닐 수 있는 도시 인프라와 함께 건설할 수 있기 때문에 가장 빨리 무인자동차의 시대를 열 것이다. 그리고, 경제적 재원이 풍부하고 전 세계적인 선도성을 과시하려는 일부 대도시들이 각종 규제 시스템과 라이센스 문제 등을 정비하고 서울시가 버스전용차선을 깔았듯이 도로 인프라와 신호체계, 정보체계 등을 보강하면서 그 다음으로 무인자동차 시스템을 아마도 버스를 시작으로 택시, 일반자동차의 순서로 받아들일 것으로 예상한다. 그리고, 그런 재원이 없는 일반 도시나 시골의 경우에는 기존 자동차 회사들이 완전자율주행 자동차는 아니고 이를 보조하는 형태로 만든 자동차들을 보급하다가 충분히 가격이 낮아지고, 제도가 완전히 정비된 이후에 많아질 것으로 보기 때문에 앞으로 5년 뒤에는 그 모습을 일부 도시에서 볼 수 있겠지만, 30% 이상이 도입되는 시기는 앞으로도 수십 년이 걸릴 가능성이 높다. 또한 이런 변화에 전기충전소를 비롯한 현재의 주류 자동차 에너지 시스템의 전환이 같이 고려되어야 한다. 이런 점들을 감안하면 무인자동차의 시대는 분명히 닥쳐올 미래지만 갑자기 모두 무인자동차로 전환되거나 반대로 무인자동차가 안된다기 보다는 서서히 도입되고, 전 세계의 여러 도시들이 꽤 큰 시기적 차이가 나면서 침투가 될 가능성이 높다.



... 다음 포스트에  후반부 이야기를 쓰겠습니다 ...



참고자료


Differentiable neural computers

Stanford Open Information Extraction

Open Information Extraction from the Web

저작자 표시 비영리
신고
크리에이티브 커먼즈 라이선스
Creative Commons License

WRITTEN BY
하이컨셉
미래는 하이컨셉, 하이터치의 세계라고 합니다. 너무 메마르고 딱딱한 이야기보다는 글로벌 시대에 어울리는 세계 각국의 이야기, 그리고 의학과 과학을 포함한 미래에 대한 이야기의 세계로 여러분을 초대합니다.

받은 트랙백이 없고 ,