In the 21st century, artificial intelligence (AI) has made remarkable strides, surpassing human abilities in areas such as Go, autonomous vehicles, and natural language processing. Google's AlphaGo demonstrated AI's potential by defeating a Go master, learning autonomously through reinforcement learning. Current AI applications include personal assistants, advanced robotics, and financial analysis, driven by techniques like deep learning and neural networks. However, challenges like the "vanishing gradient problem" have been addressed through innovations such as LSTM. Robotics is another key area of growth, with applications spanning industrial automation, disaster response, and personal assistance. Futurists like Ray Kurzweil predict an AI singularity by 2045, where exponential advancements might exceed human control. Despite the potential risks, AI continues to transform society, offering unprecedented efficiency and problem-solving capabilities.
현재의 인공지능
2000년대에 들어서면서 보고, 듣고, 생각하고 행동하는 인공지능의 수준은 괄목할 만한 성장을 보인다. 얼마전에 세계의 이목을 집중시켰던 세기의 대결 '알파고 대 이세돌'에서도 확인한 것처럼 인공지능 기술은 그동안 인간의 난공불락이었던 바둑에서도 인간의 능력을 넘어섰다.
알파고를 개발한 구글 딥마인드는 구글이 2014년에 인수한 영국 런던 기반의 스타 트업이었다. 딥마인드는 인공지능 기술 분야 중 강화학습이 전문인 회사로, 알파 고를 설계하기 전에 이미 컴퓨터 게임을 사람처럼 배워서 전문가보다 높은 점수를 낸 데모를 보여준 적이 있다. 강화학습이란 마치 어린아이가 태어나서 백지 상태 에서 배워나가는 이른바 'tabula rasa' 같은 학습 알고리즘이다. 태어난 지 3년이 채 안 된 알파고는 30년 이상 수련한 세계 바둑 마스터를 꺾었다. 알파고는 3년 동안 24시간 365일 학습을 하면서 현존하는 모든 바둑 기보를 암기 하고 분석해 자신의 지식으로 만들었다. 알파고의 계산 능력은 바둑 경기 시 매 순간 최선의 돌 위치를 단 1초 안에 결정하는 수준이다. 바둑에 관한 알파고의 지능 은 영원히 인류가 넘지 못할 것이다.
스마트폰에 설치된 개인 비서는 사람이 말을 알아듣고 친구에게 대신 전화를 걸어 준다거나 식당을 예약해주기도 한다. 그리고 외국인과 통화할 때 거의 실시간으 로 통역해준다. 나한테 온 이메일을 분석해서 스팸 메일은 걸러주고 중요도 순으 로 정렬해준다. 디지털 이미지를 인식하고 사람 얼굴을 보고 누구인지 구별한다. 영화를 추천해주기도 하고 요리 방법을 알려주기도 한다. 사람과 같이 퀴즈쇼에서 퀴즈를 풀고 프로 바둑 기사와 대등하게 바둑을 둔다. 이미 퀴즈쇼나 프로바둑에 서는 인간 챔피언보다 월등함을 보여줬다. 숙련된 의사처럼 환자의 증상을 분석하 고 진단한다. 월스트리트에서 몇 백만 달러의 연봉을 받는 금융 애널리스트나 상 품설계사인 퀀트quant보다 정확히 금융 시장을 예측하고 자산운용을 한다. 강화학 습으로 훈련된 무인 비행기인 드론drone은 스스로 활공하면서 장애물을 피하고 무 사히 착륙한다. 자율 운전 자동차는 2009년부터 약 6년 동안, 약 100만 마일 무 사고 운전을 기록 중이다. 사실 무사고는 아니고 12번의 경미한 사고가 있었지만 95%가 다른 차량의 실수로 인한 사고였다고 한다. 100만 마일이면 지구를 37번 도는 거리다. 인간처럼 직립보행을 하는 휴머노이드 로봇은 계단을 오르내리는 것 은 물론이고 눈 덮인 언덕을 중심을 잡으면서 사람처럼 걸어간다. '인간처럼 행동 하는 시스템'이 바로 코앞에 서 있는 느낌이다.
최근 인공지능 분야에서의 핫 트렌드는 인공신경망 기반의 딥러닝과 로보틱스 robotics다.
딥러닝은 앞서 설명한 바와 같이 머신러닝의 접근법 중 하나인 신경망 모형 패러 다임에 그 뿌리를 두고 있다. 단일 퍼셉트론에서 해결하지 못한 비선형 문제를 다층 퍼셉트론, 즉 다층 신경망 이론으로 해결하면서 주목을 받았으나, 효율적인 학 습모델의 부재로 별다른 진전을 보지 못했다. 신경망 알고리즘에서 학습모델이란 각 층마다 연결돼 있는 신경망의 가중치 계수를 결정하는 것을 말한다.
70년대 중반 인공신경망 분야에 매우 중요한 논문15이 발표된다. 다층 신경망의 학습모델 방법으로 역전파 알고리즘이 최초로 적용된 것이다. 그러나 이 연구는 1차 인공지능 겨울의 그늘에 빛을 보지 못하고 8년 후에 학술지에 공개된다. 이 연 구는 80년대 중반에 몇몇 학자들에 의해 재발견되면서 본격적인 연결주의론의 부 활로 이어졌다.
역전파 방법에 탄력을 받은 신경망 연구원들은 좀 더 복잡한 문제를 풀기 위해 신 경망의 층수를 늘리다가 모델의 해가 국부적인 최솟값을 벗어나지 못하거나 최적 해로 수렴하는 데 수많은 반복 계산이 발생하는 문제에 직면한다. 이러한 현상이 나타나는 원인은 신경망 층이 늘어나면서 출력층의 정보가 역전파되는 과정에서 판별력이 소멸되기 때문이다. 이러한 현상은 역전파 학습에서 가장 일반적으로 사 용되는 경사감소법gradient descent에서 볼 수 있는데, 이를 경사감소소멸vanishing gradient descent이라고 한다.
1990년대에 이러한 경사감소소멸 문제는 여러 연구에 의해 해결된다. 예를 들면, 출력층의 정보를 계속 메모리에 기억해서 역전파에 이용하는 장단기 기억법LSTM: Long Short-Term Memory이 대표적인 경우다. 장단기 기억법은 이후 계속 개선되면서 최 근까지 필기체 인식이나 음성인식 및 자연어 처리 등에 주요 알고리즘으로 활용되고 있다.
70년대 말에 소개됐던 컨볼루션 신경망 이론은 80년대말 역전파 이론에 적용되 어 이미지 인식 분야에 큰 발전을 가져왔다. 이미지 분석 분야에서는 역전파 기반 의 컨볼루션 신경망이 오늘날 가장 효과적인 알고리즘으로 널리 사용되고 있다. 2000년대 중반에 들어서면서 깊은 신경망의 효율성을 높이려는 연구가 중점적으 로 이뤄졌다. 예를 들어, 2006년에 소개된 제한된 볼츠만 머신RBM: Restricted Boltzmann Machine을 기반으로 하는 심층신뢰망DBN: Deep Belief Network이 대표적이다. 심층신뢰망 은 컴퓨터비전 computer vision 분야에서 그 효력을 보여주었던 알고리즘인데 학습초반 에 효과적으로 이미지의 특성을 분석하는 장점으로 심층신뢰망에서 해를 용이하 게 구할 수 있게 해준다. 심층신뢰망 이론의 효과가 검증이 되고 나서 딥러닝이라 는 용어가 본격적으로 사용되기 시작한다. 여기에 2000년대부터 사용되기 시작한 범용 그래픽 프로세서의 활용도 더욱 딥러닝의 발전을 촉진한다.
최근 인공지능에서 또 하나의 뜨거운 분야는 로보틱스다. 로보틱스 분야는 크게 3 가지로 분류할 수 있는데 첫 번째가 산업용 로봇이다. 산업용 로봇은 이미 공장자 동화 분야에서는 폭넓게 활용되고 있는 상황이고 2018년까지 약 15% 이상 성장 할 것이라고 예상하고 있다. 두 번째는 전문 서비스 로봇인데 재난용이나 물류운 송용, 군사용 로봇을 말한다. 전문 서비스 로봇의 성장률은 약 11% 정도로 예상된 다. 세 번째는 개인용 서비스 로봇이다. 개인용 서비스 로봇은 장애인 도우미 로봇, 가정용 로봇 청소기나 개인 비서, 완구류 로봇 등이 있다. 개인용 서비스 로봇의 시장은 2018년까지 약 35% 성장할 것으로 예상한다.
검색 서비스와 동영상 콘텐츠 서비스를 통해 광고 사업을 하는 구글은 2013년부터 로보틱스를 구글의 새로운 성장 동력으로 선정하고 본격적인 투자를 하고 있다. 이러한 결정은 세계 스마트폰의 80% 이상에 탑재돼 있는 운영체제인 안드로이드 Android를 만든 앤디 루빈Andy Rubin이 구글의 경영진을 설득하면서 시작됐다.
안드로이드는 인조인간이라는 뜻으로 안드로이드를 설계한 앤디 루빈도 원래는 로봇 공학자였다. 그는 대학교를 졸업하고 애플에 우연한 소개로 취직하기 전까지 독일의 광학렌즈 제조회사에서 로봇공학자로 일했다. 앤디 루빈은 안드로이드를 기획할 때부터 로봇사업을 염두에 뒀을지도 모른다. 구글의 로보틱스 사업은 무인 주행 자동차와는 사실 별개로 진행되고 있다.
구글은 2013년 일본 동경대 졸업생이 창업한 휴머노이드 로봇 전문회사인 샤프트 Schaft 인수를 시작으로, 빅독BigDog으로 유명한 군사용 로봇을 만드는 보스톤 다이 나믹스Boston Dynamics 등 지금까지 10여 개 이상의 로봇 전문회사를 사들였다. 인수 된 회사를 모아 시작한 구글의 로봇 사업은 2014년말 문제가 발생한다. 구글의 로 봇 사업을 기획했고 이후 줄곧 로봇 그룹을 총괄해오던 앤디 루빈이 경영진과의 갈등으로 회사를 떠나게 된 것이다. 구글은 후임자를 지금까지 물색하고 있지만 마 땅한 인물을 찾지 못하고 있는 실정이다. 이로 인해 로봇 분야를 독립적인 사업부 로 출범하려는 초기의 계획을 잠시 미루고 현재 구글의 지주회사 소속인 구글 엑스 Google X에 잠정 편입시키기로 했다. 구글 엑스는 소위 '문샷moonshot' 프로젝트를 진 행하는 베일에 싸인 공개되지 않은 연구개발 조직인데, 구글 무인자동차나 택배용 드론, 구글 글래스 등과 같은 혁신적인 차세대 기술들을 연구하고 있다. 2015년에 열린 DRCDARPA Robotics Challenge에서 한국 KAIST의 오준호 교수가 이끄는 휴보Hubo 팀이 세계의 쟁쟁한 후보자들을 물리치고 우승했다.
DRC는 2011년 일본 후쿠시마 원자력 발전소 재난 사건 이후 재난사고 현장에서 사람을 대신해서 임무를 수행할 로봇을 개발할 목적으로 미국 방위고등연구계획 국DARPA이 기획한 세계적인 경진대회다.
이 대회에서는 재난현장에서 발생될 수 있는 대표적인 상황을 8가지로 설정하고 각 분야에서 출전 로봇이 얼만큼 빠르고 완벽히 태스크를 완수하는지 시험한다. 예를 들면, 특수하게 설계된 자동차를 운전해서 목적지에 도달한 후 하차하는 태 스크, 파편 같은 장애물을 치우는 태스크, 닫혀있는 문을 열고 들어가는 태스크, 밸브를 잠그는 태스크, 재난현장처럼 여러 가지 파편들이 불규칙하게 놓여져 있는 바닥을 통과하는 태스크, 선반 위에 올려져 있는 공구들을 다루는 태스크, 플러그 를 뽑거나 다시 꼽는 태스크, 계단을 오르내리는 태스크 등이다.
대부분의 참가 로봇들이 문을 열거나 벽에 드릴을 하는 태스크에서 중심을 잃거나 넘어지는 등 아직 두발로 균형을 유지하는 것이 기술적으로 완벽히 구현되지 않았 다. 물론 이 밖에도 휴머노이드humanoid 로봇 연구에서는 여러 분야에서 해결해야 할 문제가 산재해 있다.
DARPA는 2004년 미국 모하비 사막에서 무인자동차 경주대회를 개최했고 이것은 2007년에는 도심 자동차 대회로 이어졌다. 이후 무인자동차의 기술은 발전을 거 듭해 이제는 상용화를 눈앞에 두고 있다. 무인자동차의 발전사와 같이 휴머노이드 재난 로봇도 지금은 매우 어설퍼 보이기는 하지만 끊임없는 도전과 실패, 성공을 통해 머지않은 미래에는 우리 주변에서 흔히 볼 수 있는 상황이 벌어질 것이다.
미국 버클리대학의 한 로봇 연구실에서는 최근 강화학습에 딥러닝 기술을 적용해 옷을 사람처럼 개고 정해진 선반에 올려 놓거나 옷걸이에 걸 줄 아는 로봇을 개발 했다. 또 이 두 팔 로봇은 그림 2.7에서 보는 바와 같이 병뚜껑을 돌려서 열거나 나 무에 박힌 못을 뽑을 수도 있다. 사람이 두 손으로 하는 대부분의 작업을 수행 시 간과 정확도 측면에서 사람과 큰 차이가 없다.
이 연구에서 주목해야 할 성과는 로봇에 장착된 카메라가 컴퓨터비전 기술을 이용 해 상황을 인지하고 최선의 행동 정책을 찾아내서 바로 로봇 관절 모터에 피드백 하는 학습을 시행착오를 통해 스스로 수행한다는 것이다. 이 연구를 주도하고 있는 버클리 대학의 피터 아빌icter Abbeel 교수는 이 연구를 통해 시각과 행동이 연동 된 로봇 개발을 빠르게 할 수 있게 됐다고 설명한다. 즉, 인공지능의 학습 방법이 사람이 학습하는 방식에 더욱 가까워진 것이다.
인공지능의 미래
오늘날의 인공지능 기술은 앞에서 설명한 바와 같이 다양한 분야에서 이뤄진 수많 은 연구가 결합된 결정체다. 인공지능에 연관된 학문은 거의 모든 분야를 망라한
다. 각 시대마다 등장한 천재들은 끊임없이 ‘가설 → 증명 → 구현 → 개선'의 과정을 겪으면서 수많은 실패와 좌절, 그리고 궁극적인 해결안을 찾아내면서 지금의 인공지능으로 진화시켰다. 지금도 이러한 노력들은 세계 곳곳에서 계속되고 있다. 최근 인간의 뇌를 모방한 딥러닝 기법이 광범위하게 인공지능 분야에 적용되면서 다양하고 파괴적인 성공 사례를 보여주고 있다. 수십 페타플롭스의 고성능 컴퓨터 에 잘 설계된 알고리즘이 프로그래밍되어 매일 엄청난 규모로 생산되는 디지털 데이터를 학습하게 된다면 상상하지 못한 상황이 벌어질 수도 있다. 여기에 만약 컴퓨터가 스스로 알고리즘을 개선할 수 있다면 인간이 제어할 수 있 는 수준을 벗어날 수도 있다.
이러한 이유로 일론 머스크, 빌 게이츠, 스티븐 호킹 등과 같은 사람들은 초지능 컴퓨터super intelligent machine의 도래를 경고했을지도 모른다. 얼마전에 경험했던 알파고의 충격에서 확인한 것처럼 이제 인공지능 기술은 더이 상 공상과학 소설에서만 나오는 얘기가 아니라 이미 우리 생활의 일부가 되고 있 다. 전문가들은 시행착오를 통해 스스로 학습하는 이러한 강화학습 기반의 딥러닝 이 인공지능 분야에서 핵심적인 역할을 할 것으로 예상하고 있다. 인공지능 분야의 미래학자인 레이 커즈웨일Ray Kurzweil은 자신의 저서 『The Singularity is Near』에서 2045년 정도가 되면 특이점singularity point이 도래한다고 예측했다. 특이점이라는 것은 수학이나 물리학에서는 어떤 함수 값이 극한값에 수렴하는 점을 말한다. 예를 들면, 숲에서 x가 0에 가까워지면 늦은 무한대로 발산하는 데 이때 0이 특이점이다. 레이 커즈웨일이 표현하고자 하는 특이점은 어느 순간이 되면 인공지능이 제어할 수 없을 정도로 폭발적으로 발전한다는 것을 은유적으로 표현한 것이다. 즉, 인공 지능 기술이 완만하게 발전하다가 급속도로 팽창하듯이 발전하는 시점을 2045년 정도로 예측하고 있다.
커즈웨일이 표현했던 특이점의 원조는 사실 1965년으로 거슬러 올라간다. 영국의 수학자인 어빙 존 굿Irving John Good은 자신의 저서'를 통해 강한 인공지능을 오래 전에 예언했다. 그는 앨런 튜링과 함께 제2차 세계 대전 당시 독일의 암호를 푸는 프로젝트에 참여하기도 했다. 그는 이 책에서 인간이 만든 범용인공지능AGI; Artificial General Intelligence이 재귀적인 자기 개발recursive self-improvement 능력을 가지고 초인공지능 ASI; Artificial Super Intelligence으로 발전하는 이른바 지능의 폭발intelligence explosion을 예측했다.
첫 번째 인공지능 겨울을 초래한 원인 중 하나인 1971년 제임스 라이트힐 경의 보 고서에는 "폭발적인 조합의 증가를 보여주는 문제는 인공지능이 다룰 수 없다"라 고 적혀있다. 이러한 '폭발적인 조합의 증가가 아이러니하게도 인공지능의 특이점 이 되고 있다. 의학, 수학, 물리학, 통계학, 심리학, 컴퓨터공학 등 다양한 분야에 서 벌어지는 혁신적인 시도들이 인터넷을 통해 공유되면서 인공지능 알고리즘에 폭발적인 조합을 제공하고 있다.
특히 각 분야에서 진행되고 있는 표준화나 플랫폼화는 이론적인 수준에 머물러 있 는 아이디어를 실제로 구현하는 데 소요되는 시간을 획기적으로 줄여준다. 예를 들면, 드론이나 로봇에 들어가는 부품들이 마치 레고 블록처럼 기능별로 모듈화돼 있고 인터페이스가 표준화돼 있어 무수히 많은 조합을 가능케 한다. 특히 대부분 의 시스템에는 운영체제를 비롯한 각종 기능들이 통합된 플랫폼 형태로 제공되어 마치 히말라야 등정 시 베이스캠프를 이용하는 효과를 얻는 것과 같다.
우리는 인공지능 기술을 통해 우리가 그동안 하지 못했던 일ask 또는 하기에 위험 한 일이나 번거로운 일 등을 인공지능 에이전트가 대신 해주길 바란다. 사실 이러 한 노력들은 인류가 도구를 사용하면서부터 시작된 일들이다. 인공지능 수준까지 는 아니지만 우리의 일을 대신 해주는 에이전트는 이미 우리 생활에 침투해 있는 상태다. 예를 들면, 빨래나 청소를 대신 해주는 세탁기나 로봇 청소기, 공장에 있 는 용접 및 조립 로봇 등이 대표적이다. 그러나 우리는 이러한 자동화 기기들이 지 능을 가지고 학습됐다고 말하지 않는다. 다만 자동적으로 일을 처리할 수 있게 그 순서가 프로그래밍됐다고 한다.
전문가들은 '현재의 인공지능 기술은 지금 중요한 변화의 변곡점에 있다'라고 말한 다. 얼마전에 있었던 바둑 분야의 세기의 대결처럼 인공지능 기술이 사람과 겨룰 수 있는 마지막 게임을 정복했다는 것이 그 사실을 증명한다. 더 중요한 것은 알파 고가 인간 세계 챔피언을 이기는 수준까지 학습하는 방식이 과거의 방식, 즉 사람 이 각 상황에 맞게 IF-THEN' 식으로 짜놓은 시나리오대로 프로그래밍된 것이 아 니라 사람처럼 시행착오를 통해 스스로 바둑을 두는 방법을 터득했다는 것이다. 알파고를 설계한 프로그래머들조차도 알파고가 스스로 배워온 바둑 능력에 놀라 움을 감추지 못했다.
알파고가 보여준 학습 방법은 백지상태의 지식을 가진 어린아이가 스스로 배워나 가는 사람의 성장 과정과 정확히 일치한다. 스스로 학습하는 인공지능은 또 다른 가공할 파괴력을 지니고 있다. 바로 인공지능의 학습 속도다. 인공지능이 성장하 는 시간은 사람이 성장하는 시간보다 비교할 수 없을 정도로 훨씬 빠르다. 예를 들 면, 알파고가 바둑을 배운 시간은 3년 남짓인데 (알파고의 알고리즘 개발 시간을 빼 고 학습 시간만 고려하면 이보다 훨씬 짧다), 이세돌 9단은 지금이 있기까지 30년 이상 바둑 수련을 해왔다. 마치 태어나서 첫 돌을 맞을 때 박사학위를 받는 것과 마찬가지다.
레이 커즈웨일은 2045년 정도가 되면 인공지능 기술이 폭발적으로 팽창하는 시기 가 될 것이라고 예상하지만 현재 벌어지고 있는 기술의 융·복합 추세를 보면 특 이점이라는 시점이 생각보다 빠르게 도래할지도 모른다. 우리 세대에 들이닥칠 디 지털 창세기를 어떻게 준비해야 할지 현재로서는 뚜렷한 답이 없어 보인다.
책 제목 : 알고리즘으로 배우는 인공지능, 머신러닝, 딥러닝 입문
지은이 : 김의중
