이상수 전 호남대 교수...4차 산업혁명, 인공지능이란? 인공지능은 소프트웨어, 로봇은 하드웨어에 집중한다 |
| 2018. 01.29(월) 20:58 |
|
인간과 같은 지능을 가진 컴퓨터, ‘인공지능’은 아직 존재하지 않는다.
이를 범용형 인공지능(강인공지능)이라고 하며, 뇌과학과 신경과학, 전자공학 등과 같은 다양한 분야에서 연구가 이루어지고 있는데 인공지능이 탄생하기까지는 아직 갈 길이 멀다. 현재 알려진 인공지능 기기들은 약인공지능으로 분류하고 있다.
■ 인공지능의 개념과 학습원리
인공지능(Artificial Intelligence:AI)은 인간의 뇌와 똑 같은 지능을 가진 컴퓨터 또는 그것을 실현하기 위한 시스템이나 요소기술을 말한다.
즉, 글자나 말의 의미 인식, 학습, 얼굴 표정 인지 등 인간만이 할 수 있다고 생각했던 기능을 컴퓨터가 수행하게 하는 것을 목표로 하는 일단의 소프트웨어, 논리, 컴퓨팅, 철학을 나타낸다.
AI 분야는 긴 역사를 가지고 있으며 지금은 일상적인 것으로 간주되는 광학 문자 인식을 포함하여 일찍이 여러 가지 혁신적 발전이 있었다.
AI는 경제적 측면에서 과거에는 인간이 필요했던 작업을 시스템이 수행 할 수 있다는 점이 특히 매력적이다. 효과적인 AI 솔루션은 인간의 뇌보다 더 빨리 ‘사고’하고 더 많은 정보를 처리할 수 있다.
또한, AI는 의학과 같은 인간의 전문 지식이 유용하게 사용될 수 있는 우주 공간이나 오지 등 인간이 가기 어려운 장소까지 인간의 능력을 확장할 가능성이 있다.
최근 인공지능이 똑똑하게 성장한 이유로 두 가지를 들 수 있다.
첫 번째는 ‘빅데이터’로 학습을 전환했다는 점이다. 특정 사물의 특징을 명령어로 설명해 주고, 특정 사물의 사진을 수십 만장 보여줘 특정사물을 학습시켜야 하기 때문이다.
따라서 KAIST 정두석 박사가 ‘이제는 인공지능 알고리즘(algorism:어떤 문제를 해결하기 위해 정해진 일련의 절차와 방법) 개발보다 빅데이터 확보가 더 큰 문제’라고 했듯이 데이터를 확보하는 것이 매우 중요해졌다.
둘째는 ‘딥 러닝(Deep Learning:심층학습)’이다. 딥 러닝은 사람처럼 스스로 지식을 계속 쌓아가면서 공부하는 인공지능 학습법이다. 인공지능이 보고 배운 것을 기억하고, 그것을 토대로 새로운 사실을 추론한다는 점에서 인간의 사고와 유사한 기술이라고 할 수 있다.
딥 러닝은 컴퓨터가 여러 데이터를 이용해 마치 사람처럼 스스로 학습할 수 있도록 하기 위해 인공신경망(artificial neural network)을 기반으로 한 기계학습(machine learning) 기술이며, 인간의 두뇌가 수많은 데이터 속에서 패턴을 발견한 뒤 사물을 구분하는 정보처리 방식을 모방해 컴퓨터가 사물을 분별하도록 기계를 학습시킨다.
여기에서는 강화학습(reinforcement learning)이 필요하다. 강화학습은 기계학습의 일종이지만 비지도학습에 포함된다. 굳이 일상의 학습에 비유하자면 ‘배우기보다 익숙해져라’ , ‘체득해서 이해한다’라는 학습방법을 실천해야 한다.
딥 러닝 기술을 적용하면 사람이 모든 판단 기준을 정해 주지 않아도 컴퓨터가 스스로 인지하고 추론 및 판단할 수 있게 된다. 그리고 이 기술은 음성, 텍스트, 이미지 인식과 사진 분석 등 광범위하게 활용된다. 알파고(바둑 AI)는 기계학습을 통해 스스로 지식을 계속 쌓아가면서 진화하고 있었던 것이기에 인간과 비슷한 의사결정을 내릴 수 있게 된 것이다.
■ 인공지능의 구분
인공지능은 크게 나누어 두 가지로 구분한다. 약한 인공지능(Weak AI)과 강한 인공지능(Strong AI:범용인공지능)이라는 용어는 '존 설(John R. Searle)' 교수가 최초로 사용한 개념이다.
약인공지능(Weak AI)은 미리 정의된 규칙이나 모음, 알고리즘을 이용해서 지능을 흉내낸 것이다. 때문에 실질적으로 지성을 가지고 있진 못하지만 제한된 영역에서 지능적인 행동을 보이거나 작업을 수행할 수 있으며, 어떻게 보면 인간 지능의 극히 일부만을 구현해낸 것으로도 볼 수 있다. 흔히 볼 수 있는 게임 AI들도 약인공지능이고, 성능이 비교적 뛰어난 알파고도 결국 틀 안에 갇혔기에 약인공지능이다.
그래서 일부 측에서는 이게 무슨 ‘인공지능이냐' 면서 비아냥거리기도 한다. 다만 지능의 해석 범위를 좁게 보면 그리 이상한 명칭은 아니다. 약인공지능은 바둑과 폐암 X-Ray 사진 판독, 사람 얼굴 구별 등 특정 분야의 일만 할 수 있고, 또 그렇게 설계되어 있는 지능을 의미한다. 스스로 무엇을 할지 판단하지 않고 인간이 지시한 명령의 틀 안에서만 일하기 때문에 예측과 관리가 모두 쉽다. 현대에는 기술의 발달로 알파고와 같은 특정 분야에서 매우 우수한 성능을 보이는 약인공지능이 진보를 거듭하고 있다.
오늘날의 약인공지능의 형태를 보면 심심이(인공지능 메신저:이는 이즈메이커의 온라인 인공지능 채팅로봇이다)와 별 다를 바가 없는 물건이다. 다만 연산 속도가 엄청나게 올라감에 따라 더 방대한 양의 DB도 스스로 관리하고 더 빨리 찾아낼 수 있게 된 형태일 뿐이다. 그래서 지금 구글이 개발하는 차세대 DB형 약인공지능은 스스로 정확한 정보를 지닌 DB를 구글의 빅데이터에서 선별한 뒤 추가하는 기능을 지닌 인공지능이다.
그러나 2017년 현재 대부분의 인공지능은 심심이와 같은 전문가 시스템 방식의 인공지능을 사용하지 않으며, DB를 조건에 따라 검색하여 결과를 찾는 방식이 아닌 학습된 내용에 대한 최적화 해(解)를 내는 방식으로 결과물을 낸다. 사람의 뇌처럼 저수준 정보망에서 고수준 정보망으로 입력 데이터가 여러 단계로 전파되어 전달되기 때문에 추상화가 가능하며, 이로 인해 알파고처럼 특정 분야에서는 인간 이상의 지능을 보일 수 있고, 다른 분야에서도 유의미한 결과들을 내고 있다. 이처럼 약인공지능은 받은 조건 아래에서 지시를 따라 특정 조건에서 뚜렷이 구분된 분야의 일을 하는 도우미라고 할 수 있다.
강인공지능(Strong AI)은 인간의 지성 전체나 그것에 맞먹는 수준의 지능을 구현한 것이다. 따라서 강인공지능은 인간이 할 수 있는 일은 거의 다 할 수 있다. 중심이 되는 자아를 지니거나 적극적이며 자율판단에 의거해 문제없이 작업을 수행할 수 있다. 강인공지능은 아직 개발되지 않았으며, 강인공지능의 개발이 가능한지에 대해서도 의견이 분분하다. 강인공지능이 다가온다는 증거는 없지만, 반대로 나타나지 않았다는 증거 또한 존재하지 않기 때문이다.
강인공지능으로 불리는 것에는 다음의 두 가지가 있다. 첫 번째, 인공 일반 지능(Artificial General Intelligence)에서 일반(General)의 의미는 '일반적이다'라는 단어의 평범한 의미보다는 특수 상대성 이론과 일반 상대성 이론에서의 '일반'의 의미, 혹은 말 그대로 '범용'의 뜻으로 이해하면 좋다.
즉 특정한 조건하에서만 적용할 수 있는 약인공지능과 달리 모든 상황에 일반적으로 두루 적용할 수 있다고 봐야 할 것이다. 예를 들어 인공 일반 지능은 한 번도 해보지 않은 꽃꽂이를 남들이 하는 것을 보고 배워서 하거나, 방범 업무를 경찰에게 인계 받아 학습하여 하는 것도 가능하다.
두 번째는 인공 의식(Artificial consciousness)으로 자의식을 가진 인공지능을 말한다. 다른 말로 자아를 지닌 인공지능이라고 표현할 수 있다. 명령받지 않은 일도 스스로 필요하다고 생각해서 할 수 있으며, 심지어 명령을 거부할 수도 있다.
■ 인공지능과 로봇과의 관계
최근 알파고 이후로 화두가 된 인공지능과 로봇은 분명 다른 분야이다. 기본적으로 인공지능은 소프트웨어(정신)를 다루는 반면, 로봇은 하드웨어(물질 혹은 운동)에 집중한다. 로봇 공학에서 사람형 로봇을 만든다고 하여도 마찬가지이다. 운동 능력을 카피하는 것이지, 사람의 사고에 대한 연구는 하지 않는다. 소프트웨어는 개발한 하드웨어를 운영하기 위한 보조적인 수단에 머무를 뿐이다. 다만 장기적으로 보면 인공지능의 발전으로 로봇 공학자의 입지가 좁아질 가능성도 있다.
기초 연구가 아닌 단순한 유틸의 조합인 수준이라면, 그 설계를 인공지능이 대체할 수도 있기 때문이다. 보통 아이언맨과 터미네이터 같은 SF물에서 인공지능이 탑재된 로봇이 나오기 때문에 많이들 헷갈려 하지만 인간이 조종하는 로봇과 육체가 존재하지 않는 인공지능은 구분되어야 한다. 현재 사회에 출현된 인공지능은 약인공지능의 기능을 지닌 로봇형태가 많다.
■ 인공지능 사례
인공지능의 대표적인 사례로는 구글 딥마인드(Google DeepMind)가 개발한 바둑 프로그램 알파고와 암을 진단하는 IBM사의 닥터왓슨이 있다. IBM ‘왓슨’은 현재 가장 인공지능에 가까운 플랫폼 중 하나이다. 닥터 왓슨은 우리 지역 조선대학교병원에서도 도입하여 운영하고 있다. 인간과의 퀴즈, 번역 대결뿐만 아니라 암 진단까지 하는 다양하고 전문적인 인공지능이 전 세계인들을 놀라게 하고 있고, 하루가 다르게 다양한 산업군에서 인공지능이 개발되고 있는 상황이다.
키바(KIVA)는 아마존 글로벌 물류센터에 도입된 로봇으로 최대 1.4t까지 짐을 들어 옮길 수 있다. 오토드로우(AutoDraw)는 구글에서 개발한 로봇으로 그림 실력 없어도 사용자가 대충 그린 그림을 인식하여 디자이너와 일러스터들이 그린 데이터를 검색, 유사한 이미지를 추천하는 인공지능 서비스이다.
딥페이스(DeepFace)는 사용자 자신의 얼굴이 있는 단체사진 한 장을 인식시키면, 그 사진에 포함된 페이스북 유저의 인적 네트워크를 분석하는 인공지능 서비스이다.
소프트뱅크의 페퍼(Pepper)는 일본의 세계최초 휴머노이드 로봇으로 사람의 감정과 주변상황을 파악하여 자율적인 판단이 가능한 로봇으로 다양한 기업의 고객접수, 도우미, 간병역할을 하고 있다. 국내 LG유플러스, 우리은행, 교보문고, 가천대 길병원, 롯데백화점, 이마트 등 기업에 도입되어 손님들에게 이용안내, 예약서비스를 돕고 있다니 기대가 된다.
채팅하는 로봇으로는 챗봇(Chatbot) 이 있다. 이는 인터넷 메신저 서비스와 인공지능의 만남으로 별도의 앱을 실행하지 않고도 기업용 메신저에 채팅하듯 질문하면 인공지능이 마치 사람처럼 대화하며 대답하는 서비스이다. 과거 '심심이'가 사용자의 질문을 단순 자동응답 해주는 서비스가 있었지만 현재는 대화형 플랫폼으로 발전하면서 주목받고 있다.
페이스북, 위챗, 구글 등 글로벌 업체에서 챗봇을 이미 도입하고 있고, 국내 기업에서도 챗봇을 활용하여 24시간 고객의 질문에 응대하고 있다. 그밖에도 다양한 분야에서 규모에 따라 인공지능을 통해 새로운 가치를 만들 기회가 많다.
나날이 발전하고 있는 인공지능 사례를 보니 4차 산업혁명 시대, 기계의 지능화를 실감할 수 있다. 그리고 인공지능의 '데이터'와 사람의 '창의성'이 융합되어 앞으로 어떤 놀라운 서비스가 실현될지 기대가 된다. 하지만 기존에 사람이 했던 노동력을 대체하기 때문에 4차 산업혁명 시대의 미래의 일자리에 대해선 꼭 고민이 필요할 것으로 보인다.
■ 인공지능의 발달로 인한 산업의 변화
첫째, 인공지능은 소프트웨어와 하드웨어 분야 모두를 성장시킬 것이다. 앞으로 인공지능시장은 클라우드 컴퓨팅, 빅데이터, API (응용 프로그램 프로그래밍 인터페이스), 앱 등을 모두 포함하는 플랫폼을 장악한 거대 기업이 시장에서 강한 영향력을 행사할 것이다. 인공지능 플랫폼을 이용하기 위해서는 클라우드 컴퓨팅 및 빅데이터 인프라가 필요하고, 그러한 인프라는 제공할 수 있는 역량을 갖춘 기업만 인공지능 플렛폼 경쟁에 뛰어들 수 있다.
둘째, 인공지능은 산업 전반에 지각변동을 일으킬 것이다. 글로벌 금융사들은 인공지능에 투자를 늘리고 있다. 빅데이터와 결합된 인공지능은 대출신청자의 채무불이행 가능성도 예측할 수 있다. 최근 핀테크(PinTech)기업들은 인공지능을 활용해 수천 가지의 변수를 고려한 신용평가 모델을 이용, 기존은행들과 차별화된 금융 서비스를 제공하고 있다.
인공지능은 스마트폰에 탑재되어 개인재무비서 기능을 수행할 수도 있다. 또한 인공지능은 의료 시장도 변화시키고 있다. 자동차 시장에서도 인공지능이 큰 역할을 할 것이다.
인공지능은 여러 센서를 통해 확보한 데이터를 분석해 가장 안전한 경로로 자동차를 이끌 것이다. 제조업분야에서도 인공지능이 활용될 것이다. 앞으로 미국은 물론 일본, 한국 , 중국 등 국가의 제조현장에서는 인공지능을 탑재한 휴머노이드 로봇이 인간을 대신해 일할 것이며, 공장의 운영 시스템을 합리화하는 응용시스템 분야 등에도 이용될 것이다.
셋째, 인공지능은 인간의 일자리를 상당수 빼앗을 것이다. 과거의 로봇은 인간의 일자리를 크게 빼앗지는 않았다. 로봇은 하드웨어적인 장치에 불과했기 때문에 로봇 한 대는 인간의 일자리를 한 개만 대체했고, 그 대신 로봇 생산과 관련된 새로운 일자리를 만들었다. 하지만 인공지능은 소프트웨어이기 때문에 무한 복제가 가능하다. 인공지능을 개발하는 데는 많은 인력과 지식이 필요하지만, 그것을 복제하는 데는 노동이 필요하지 않다.
따라서 인공지능은 과거보다 더욱 높은 비율로 인간의 일자리를 대체하게 될 것이다. 나아가 인공지능은 전문적인 법률직과 의사직까지 위협할 것이다. 의료분야에서도 내과, 외과, 소아과, 정신과 등 환자를 직법 만나는 분야보다 영상의학과, 핵의학과, 진단의학과 등 진료를 지원하는 분야의 의료직 일자리를 상당수 빼앗을 것이다.
인공지능이 인간의 일자리를 빼앗으면 실업률이 증가하고 경제활동인구가 줄어들고 소비인구가 감소해 경기가 약화된다. 정부도 근로자가 줄어드는 만큼 소득세를 보다 적게 걷으니 세금 수입이 감소하게 된다. 이러한 문제를 예방하기 위하여 각국 정부는 ‘로봇세’와 ‘일자리공유’를 대안으로 내놓고 있다.
넷째, 인공지능이 넘쳐나는 세상에서는 그에 대한 반감으로 ‘인간성’을 추구하는 현상이 생길 것이다. 인간성은 직관과 감성, 창의성 등과 관련된 것인데, 이와 관련된 직업들은 사라지지 않을 것이다. 직관과 관련된 직업은 경영자나 자영업자 등이고, 감성과 관련된 직업은 수공예품과 창작품, 요리사, 사람을 직접 상대해야하는 커뮤니케이션 관련 직업, 상대의 감정과 감성을 헤아리는 사회복지사와 카운슬러 등의 일자리는 인공지능에게 빼앗기지 않을 듯 싶다.
■ 인공지능의 한계와 문제
많은 미래학자들은 인공지능이 10년 내에 인류 사회를 급격하게 바꿀 거라고 말한다. 그렇지만, 인공지능의 한계는 결국 인간만이 지니는 특별한 점 세 가지가 있는데, 이를 얼마만큼 접근하는냐가 인공지능의 한계를 극복하는 길이라고 지적한다(KAIST 전산학부 오혜연 교수).
첫 번째는 빅데이터 학습의 한계이다. 인공지능에게 어떤 사물 하나를 가르치려면, 그 사물이 나온 수천수만 장의 사진에 일일이 태그를 달아 학습시켜야 한다. 반면 인간은 ‘스몰데이터(small data)’만으로도 학습이 가능하다. 컵이란 사물을 2~3개만 봐도 새로운 컵을 보고 컵이라고 말할 수 있는 것처럼 말이다. 아직 인공지능에겐 하나를 배우면 열을 아는 능력이 없고, 한 번도 학습하지 않은 건 죽었다 깨어나도 모른다.
둘째는 사회성이다. 우리는 ‘관계 맺기’의 천재이다. 싸운 친구와 화해하고, 삐진 애인을 달래주며, 타인의 슬픔에 진심으로 공감하는 것 등, 우리에게는 너무나 당연한 이 감정들을 데이터화시키고 수치화시켜 인공지능 프로그램에 넣기란 현재로는 불가능하다.
오 교수는 여기에 덧붙여 문화, 성(性), 나이에 따라서 달라지는 사회성도 데이터로 만들기에는 경우의 수가 너무 많고, ‘이 사람은 뭔가 나랑 안 맞아’ 등과 같은 인간이 직관적으로 느끼는 감정들 역시 수학적 데이터로 만들기에는 매우 까다롭다고 했다. 감정 학습도 어려운데 자아를 갖고 인류를 파멸로 몰아넣을 것인가는 아무래도 기우일 성싶다.
셋째로 큰 숲을 보는 것도 인간 고유의 영역이다. 인간의 삶을 그리는 일은 역시 인간 그 자체뿐일런지 모른다. 인공지능이 사회문제를 해결하는 효율적인 기술일지는 몰라도, 사회에 어떤 문제가 만연해 있는지 파악하는 건 인간의 몫이다.
인공지능이 인간의 한계를 극복하여 범용인공지능이 활개를 치고 우리 사회에 인간과 공존한다면 인류의 안전보장 문제를 보장할 수 있을 것인가 걱정도 된다.
최근에 빌 게이츠, 엘론 머스크, 스티븐 호킹 등 많은 유명인들이 인공지능을 경계하라고 호소하고 있다 한다. 만일 거의 모든 면에서 인간의 능력을 뛰어넘는 초지능을 지닌 인공지능이 등장할 경우, 인간은 이 인공지능을 통제하기는커녕 이해조차 하지 못할 확률이 매우 높다.
만일 초인공지능이 어떠한 이유로든 인간을 배제해야 한다는 결론을 내린다면, 심판의 날이 닥칠 가능성이 높은 것이다. 우리들이 이런 편리한 기기를 만드는 것은 인간들의 삶의 질을 높이기 위한 것이여야 하는데 인간의 안전대책은 있을 것인가 고뇌해야 할 것이다.
따라서 미래는 인공지능끼리 서로를 조정하고 감시하는 방안도 모색되어야 할 것이다.
이를 범용형 인공지능(강인공지능)이라고 하며, 뇌과학과 신경과학, 전자공학 등과 같은 다양한 분야에서 연구가 이루어지고 있는데 인공지능이 탄생하기까지는 아직 갈 길이 멀다. 현재 알려진 인공지능 기기들은 약인공지능으로 분류하고 있다.
■ 인공지능의 개념과 학습원리
인공지능(Artificial Intelligence:AI)은 인간의 뇌와 똑 같은 지능을 가진 컴퓨터 또는 그것을 실현하기 위한 시스템이나 요소기술을 말한다.
즉, 글자나 말의 의미 인식, 학습, 얼굴 표정 인지 등 인간만이 할 수 있다고 생각했던 기능을 컴퓨터가 수행하게 하는 것을 목표로 하는 일단의 소프트웨어, 논리, 컴퓨팅, 철학을 나타낸다.
AI 분야는 긴 역사를 가지고 있으며 지금은 일상적인 것으로 간주되는 광학 문자 인식을 포함하여 일찍이 여러 가지 혁신적 발전이 있었다.
AI는 경제적 측면에서 과거에는 인간이 필요했던 작업을 시스템이 수행 할 수 있다는 점이 특히 매력적이다. 효과적인 AI 솔루션은 인간의 뇌보다 더 빨리 ‘사고’하고 더 많은 정보를 처리할 수 있다.
또한, AI는 의학과 같은 인간의 전문 지식이 유용하게 사용될 수 있는 우주 공간이나 오지 등 인간이 가기 어려운 장소까지 인간의 능력을 확장할 가능성이 있다.
최근 인공지능이 똑똑하게 성장한 이유로 두 가지를 들 수 있다.
첫 번째는 ‘빅데이터’로 학습을 전환했다는 점이다. 특정 사물의 특징을 명령어로 설명해 주고, 특정 사물의 사진을 수십 만장 보여줘 특정사물을 학습시켜야 하기 때문이다.
따라서 KAIST 정두석 박사가 ‘이제는 인공지능 알고리즘(algorism:어떤 문제를 해결하기 위해 정해진 일련의 절차와 방법) 개발보다 빅데이터 확보가 더 큰 문제’라고 했듯이 데이터를 확보하는 것이 매우 중요해졌다.
둘째는 ‘딥 러닝(Deep Learning:심층학습)’이다. 딥 러닝은 사람처럼 스스로 지식을 계속 쌓아가면서 공부하는 인공지능 학습법이다. 인공지능이 보고 배운 것을 기억하고, 그것을 토대로 새로운 사실을 추론한다는 점에서 인간의 사고와 유사한 기술이라고 할 수 있다.
딥 러닝은 컴퓨터가 여러 데이터를 이용해 마치 사람처럼 스스로 학습할 수 있도록 하기 위해 인공신경망(artificial neural network)을 기반으로 한 기계학습(machine learning) 기술이며, 인간의 두뇌가 수많은 데이터 속에서 패턴을 발견한 뒤 사물을 구분하는 정보처리 방식을 모방해 컴퓨터가 사물을 분별하도록 기계를 학습시킨다.
여기에서는 강화학습(reinforcement learning)이 필요하다. 강화학습은 기계학습의 일종이지만 비지도학습에 포함된다. 굳이 일상의 학습에 비유하자면 ‘배우기보다 익숙해져라’ , ‘체득해서 이해한다’라는 학습방법을 실천해야 한다.
딥 러닝 기술을 적용하면 사람이 모든 판단 기준을 정해 주지 않아도 컴퓨터가 스스로 인지하고 추론 및 판단할 수 있게 된다. 그리고 이 기술은 음성, 텍스트, 이미지 인식과 사진 분석 등 광범위하게 활용된다. 알파고(바둑 AI)는 기계학습을 통해 스스로 지식을 계속 쌓아가면서 진화하고 있었던 것이기에 인간과 비슷한 의사결정을 내릴 수 있게 된 것이다.
■ 인공지능의 구분
인공지능은 크게 나누어 두 가지로 구분한다. 약한 인공지능(Weak AI)과 강한 인공지능(Strong AI:범용인공지능)이라는 용어는 '존 설(John R. Searle)' 교수가 최초로 사용한 개념이다.
약인공지능(Weak AI)은 미리 정의된 규칙이나 모음, 알고리즘을 이용해서 지능을 흉내낸 것이다. 때문에 실질적으로 지성을 가지고 있진 못하지만 제한된 영역에서 지능적인 행동을 보이거나 작업을 수행할 수 있으며, 어떻게 보면 인간 지능의 극히 일부만을 구현해낸 것으로도 볼 수 있다. 흔히 볼 수 있는 게임 AI들도 약인공지능이고, 성능이 비교적 뛰어난 알파고도 결국 틀 안에 갇혔기에 약인공지능이다.
그래서 일부 측에서는 이게 무슨 ‘인공지능이냐' 면서 비아냥거리기도 한다. 다만 지능의 해석 범위를 좁게 보면 그리 이상한 명칭은 아니다. 약인공지능은 바둑과 폐암 X-Ray 사진 판독, 사람 얼굴 구별 등 특정 분야의 일만 할 수 있고, 또 그렇게 설계되어 있는 지능을 의미한다. 스스로 무엇을 할지 판단하지 않고 인간이 지시한 명령의 틀 안에서만 일하기 때문에 예측과 관리가 모두 쉽다. 현대에는 기술의 발달로 알파고와 같은 특정 분야에서 매우 우수한 성능을 보이는 약인공지능이 진보를 거듭하고 있다.
오늘날의 약인공지능의 형태를 보면 심심이(인공지능 메신저:이는 이즈메이커의 온라인 인공지능 채팅로봇이다)와 별 다를 바가 없는 물건이다. 다만 연산 속도가 엄청나게 올라감에 따라 더 방대한 양의 DB도 스스로 관리하고 더 빨리 찾아낼 수 있게 된 형태일 뿐이다. 그래서 지금 구글이 개발하는 차세대 DB형 약인공지능은 스스로 정확한 정보를 지닌 DB를 구글의 빅데이터에서 선별한 뒤 추가하는 기능을 지닌 인공지능이다.
그러나 2017년 현재 대부분의 인공지능은 심심이와 같은 전문가 시스템 방식의 인공지능을 사용하지 않으며, DB를 조건에 따라 검색하여 결과를 찾는 방식이 아닌 학습된 내용에 대한 최적화 해(解)를 내는 방식으로 결과물을 낸다. 사람의 뇌처럼 저수준 정보망에서 고수준 정보망으로 입력 데이터가 여러 단계로 전파되어 전달되기 때문에 추상화가 가능하며, 이로 인해 알파고처럼 특정 분야에서는 인간 이상의 지능을 보일 수 있고, 다른 분야에서도 유의미한 결과들을 내고 있다. 이처럼 약인공지능은 받은 조건 아래에서 지시를 따라 특정 조건에서 뚜렷이 구분된 분야의 일을 하는 도우미라고 할 수 있다.
강인공지능(Strong AI)은 인간의 지성 전체나 그것에 맞먹는 수준의 지능을 구현한 것이다. 따라서 강인공지능은 인간이 할 수 있는 일은 거의 다 할 수 있다. 중심이 되는 자아를 지니거나 적극적이며 자율판단에 의거해 문제없이 작업을 수행할 수 있다. 강인공지능은 아직 개발되지 않았으며, 강인공지능의 개발이 가능한지에 대해서도 의견이 분분하다. 강인공지능이 다가온다는 증거는 없지만, 반대로 나타나지 않았다는 증거 또한 존재하지 않기 때문이다.
강인공지능으로 불리는 것에는 다음의 두 가지가 있다. 첫 번째, 인공 일반 지능(Artificial General Intelligence)에서 일반(General)의 의미는 '일반적이다'라는 단어의 평범한 의미보다는 특수 상대성 이론과 일반 상대성 이론에서의 '일반'의 의미, 혹은 말 그대로 '범용'의 뜻으로 이해하면 좋다.
즉 특정한 조건하에서만 적용할 수 있는 약인공지능과 달리 모든 상황에 일반적으로 두루 적용할 수 있다고 봐야 할 것이다. 예를 들어 인공 일반 지능은 한 번도 해보지 않은 꽃꽂이를 남들이 하는 것을 보고 배워서 하거나, 방범 업무를 경찰에게 인계 받아 학습하여 하는 것도 가능하다.
두 번째는 인공 의식(Artificial consciousness)으로 자의식을 가진 인공지능을 말한다. 다른 말로 자아를 지닌 인공지능이라고 표현할 수 있다. 명령받지 않은 일도 스스로 필요하다고 생각해서 할 수 있으며, 심지어 명령을 거부할 수도 있다.
■ 인공지능과 로봇과의 관계
최근 알파고 이후로 화두가 된 인공지능과 로봇은 분명 다른 분야이다. 기본적으로 인공지능은 소프트웨어(정신)를 다루는 반면, 로봇은 하드웨어(물질 혹은 운동)에 집중한다. 로봇 공학에서 사람형 로봇을 만든다고 하여도 마찬가지이다. 운동 능력을 카피하는 것이지, 사람의 사고에 대한 연구는 하지 않는다. 소프트웨어는 개발한 하드웨어를 운영하기 위한 보조적인 수단에 머무를 뿐이다. 다만 장기적으로 보면 인공지능의 발전으로 로봇 공학자의 입지가 좁아질 가능성도 있다.
기초 연구가 아닌 단순한 유틸의 조합인 수준이라면, 그 설계를 인공지능이 대체할 수도 있기 때문이다. 보통 아이언맨과 터미네이터 같은 SF물에서 인공지능이 탑재된 로봇이 나오기 때문에 많이들 헷갈려 하지만 인간이 조종하는 로봇과 육체가 존재하지 않는 인공지능은 구분되어야 한다. 현재 사회에 출현된 인공지능은 약인공지능의 기능을 지닌 로봇형태가 많다.
■ 인공지능 사례
인공지능의 대표적인 사례로는 구글 딥마인드(Google DeepMind)가 개발한 바둑 프로그램 알파고와 암을 진단하는 IBM사의 닥터왓슨이 있다. IBM ‘왓슨’은 현재 가장 인공지능에 가까운 플랫폼 중 하나이다. 닥터 왓슨은 우리 지역 조선대학교병원에서도 도입하여 운영하고 있다. 인간과의 퀴즈, 번역 대결뿐만 아니라 암 진단까지 하는 다양하고 전문적인 인공지능이 전 세계인들을 놀라게 하고 있고, 하루가 다르게 다양한 산업군에서 인공지능이 개발되고 있는 상황이다.
키바(KIVA)는 아마존 글로벌 물류센터에 도입된 로봇으로 최대 1.4t까지 짐을 들어 옮길 수 있다. 오토드로우(AutoDraw)는 구글에서 개발한 로봇으로 그림 실력 없어도 사용자가 대충 그린 그림을 인식하여 디자이너와 일러스터들이 그린 데이터를 검색, 유사한 이미지를 추천하는 인공지능 서비스이다.
딥페이스(DeepFace)는 사용자 자신의 얼굴이 있는 단체사진 한 장을 인식시키면, 그 사진에 포함된 페이스북 유저의 인적 네트워크를 분석하는 인공지능 서비스이다.
소프트뱅크의 페퍼(Pepper)는 일본의 세계최초 휴머노이드 로봇으로 사람의 감정과 주변상황을 파악하여 자율적인 판단이 가능한 로봇으로 다양한 기업의 고객접수, 도우미, 간병역할을 하고 있다. 국내 LG유플러스, 우리은행, 교보문고, 가천대 길병원, 롯데백화점, 이마트 등 기업에 도입되어 손님들에게 이용안내, 예약서비스를 돕고 있다니 기대가 된다.
채팅하는 로봇으로는 챗봇(Chatbot) 이 있다. 이는 인터넷 메신저 서비스와 인공지능의 만남으로 별도의 앱을 실행하지 않고도 기업용 메신저에 채팅하듯 질문하면 인공지능이 마치 사람처럼 대화하며 대답하는 서비스이다. 과거 '심심이'가 사용자의 질문을 단순 자동응답 해주는 서비스가 있었지만 현재는 대화형 플랫폼으로 발전하면서 주목받고 있다.
페이스북, 위챗, 구글 등 글로벌 업체에서 챗봇을 이미 도입하고 있고, 국내 기업에서도 챗봇을 활용하여 24시간 고객의 질문에 응대하고 있다. 그밖에도 다양한 분야에서 규모에 따라 인공지능을 통해 새로운 가치를 만들 기회가 많다.
나날이 발전하고 있는 인공지능 사례를 보니 4차 산업혁명 시대, 기계의 지능화를 실감할 수 있다. 그리고 인공지능의 '데이터'와 사람의 '창의성'이 융합되어 앞으로 어떤 놀라운 서비스가 실현될지 기대가 된다. 하지만 기존에 사람이 했던 노동력을 대체하기 때문에 4차 산업혁명 시대의 미래의 일자리에 대해선 꼭 고민이 필요할 것으로 보인다.
■ 인공지능의 발달로 인한 산업의 변화
첫째, 인공지능은 소프트웨어와 하드웨어 분야 모두를 성장시킬 것이다. 앞으로 인공지능시장은 클라우드 컴퓨팅, 빅데이터, API (응용 프로그램 프로그래밍 인터페이스), 앱 등을 모두 포함하는 플랫폼을 장악한 거대 기업이 시장에서 강한 영향력을 행사할 것이다. 인공지능 플랫폼을 이용하기 위해서는 클라우드 컴퓨팅 및 빅데이터 인프라가 필요하고, 그러한 인프라는 제공할 수 있는 역량을 갖춘 기업만 인공지능 플렛폼 경쟁에 뛰어들 수 있다.
둘째, 인공지능은 산업 전반에 지각변동을 일으킬 것이다. 글로벌 금융사들은 인공지능에 투자를 늘리고 있다. 빅데이터와 결합된 인공지능은 대출신청자의 채무불이행 가능성도 예측할 수 있다. 최근 핀테크(PinTech)기업들은 인공지능을 활용해 수천 가지의 변수를 고려한 신용평가 모델을 이용, 기존은행들과 차별화된 금융 서비스를 제공하고 있다.
인공지능은 스마트폰에 탑재되어 개인재무비서 기능을 수행할 수도 있다. 또한 인공지능은 의료 시장도 변화시키고 있다. 자동차 시장에서도 인공지능이 큰 역할을 할 것이다.
인공지능은 여러 센서를 통해 확보한 데이터를 분석해 가장 안전한 경로로 자동차를 이끌 것이다. 제조업분야에서도 인공지능이 활용될 것이다. 앞으로 미국은 물론 일본, 한국 , 중국 등 국가의 제조현장에서는 인공지능을 탑재한 휴머노이드 로봇이 인간을 대신해 일할 것이며, 공장의 운영 시스템을 합리화하는 응용시스템 분야 등에도 이용될 것이다.
셋째, 인공지능은 인간의 일자리를 상당수 빼앗을 것이다. 과거의 로봇은 인간의 일자리를 크게 빼앗지는 않았다. 로봇은 하드웨어적인 장치에 불과했기 때문에 로봇 한 대는 인간의 일자리를 한 개만 대체했고, 그 대신 로봇 생산과 관련된 새로운 일자리를 만들었다. 하지만 인공지능은 소프트웨어이기 때문에 무한 복제가 가능하다. 인공지능을 개발하는 데는 많은 인력과 지식이 필요하지만, 그것을 복제하는 데는 노동이 필요하지 않다.
따라서 인공지능은 과거보다 더욱 높은 비율로 인간의 일자리를 대체하게 될 것이다. 나아가 인공지능은 전문적인 법률직과 의사직까지 위협할 것이다. 의료분야에서도 내과, 외과, 소아과, 정신과 등 환자를 직법 만나는 분야보다 영상의학과, 핵의학과, 진단의학과 등 진료를 지원하는 분야의 의료직 일자리를 상당수 빼앗을 것이다.
인공지능이 인간의 일자리를 빼앗으면 실업률이 증가하고 경제활동인구가 줄어들고 소비인구가 감소해 경기가 약화된다. 정부도 근로자가 줄어드는 만큼 소득세를 보다 적게 걷으니 세금 수입이 감소하게 된다. 이러한 문제를 예방하기 위하여 각국 정부는 ‘로봇세’와 ‘일자리공유’를 대안으로 내놓고 있다.
넷째, 인공지능이 넘쳐나는 세상에서는 그에 대한 반감으로 ‘인간성’을 추구하는 현상이 생길 것이다. 인간성은 직관과 감성, 창의성 등과 관련된 것인데, 이와 관련된 직업들은 사라지지 않을 것이다. 직관과 관련된 직업은 경영자나 자영업자 등이고, 감성과 관련된 직업은 수공예품과 창작품, 요리사, 사람을 직접 상대해야하는 커뮤니케이션 관련 직업, 상대의 감정과 감성을 헤아리는 사회복지사와 카운슬러 등의 일자리는 인공지능에게 빼앗기지 않을 듯 싶다.
■ 인공지능의 한계와 문제
많은 미래학자들은 인공지능이 10년 내에 인류 사회를 급격하게 바꿀 거라고 말한다. 그렇지만, 인공지능의 한계는 결국 인간만이 지니는 특별한 점 세 가지가 있는데, 이를 얼마만큼 접근하는냐가 인공지능의 한계를 극복하는 길이라고 지적한다(KAIST 전산학부 오혜연 교수).
첫 번째는 빅데이터 학습의 한계이다. 인공지능에게 어떤 사물 하나를 가르치려면, 그 사물이 나온 수천수만 장의 사진에 일일이 태그를 달아 학습시켜야 한다. 반면 인간은 ‘스몰데이터(small data)’만으로도 학습이 가능하다. 컵이란 사물을 2~3개만 봐도 새로운 컵을 보고 컵이라고 말할 수 있는 것처럼 말이다. 아직 인공지능에겐 하나를 배우면 열을 아는 능력이 없고, 한 번도 학습하지 않은 건 죽었다 깨어나도 모른다.
둘째는 사회성이다. 우리는 ‘관계 맺기’의 천재이다. 싸운 친구와 화해하고, 삐진 애인을 달래주며, 타인의 슬픔에 진심으로 공감하는 것 등, 우리에게는 너무나 당연한 이 감정들을 데이터화시키고 수치화시켜 인공지능 프로그램에 넣기란 현재로는 불가능하다.
오 교수는 여기에 덧붙여 문화, 성(性), 나이에 따라서 달라지는 사회성도 데이터로 만들기에는 경우의 수가 너무 많고, ‘이 사람은 뭔가 나랑 안 맞아’ 등과 같은 인간이 직관적으로 느끼는 감정들 역시 수학적 데이터로 만들기에는 매우 까다롭다고 했다. 감정 학습도 어려운데 자아를 갖고 인류를 파멸로 몰아넣을 것인가는 아무래도 기우일 성싶다.
셋째로 큰 숲을 보는 것도 인간 고유의 영역이다. 인간의 삶을 그리는 일은 역시 인간 그 자체뿐일런지 모른다. 인공지능이 사회문제를 해결하는 효율적인 기술일지는 몰라도, 사회에 어떤 문제가 만연해 있는지 파악하는 건 인간의 몫이다.
인공지능이 인간의 한계를 극복하여 범용인공지능이 활개를 치고 우리 사회에 인간과 공존한다면 인류의 안전보장 문제를 보장할 수 있을 것인가 걱정도 된다.
최근에 빌 게이츠, 엘론 머스크, 스티븐 호킹 등 많은 유명인들이 인공지능을 경계하라고 호소하고 있다 한다. 만일 거의 모든 면에서 인간의 능력을 뛰어넘는 초지능을 지닌 인공지능이 등장할 경우, 인간은 이 인공지능을 통제하기는커녕 이해조차 하지 못할 확률이 매우 높다.
만일 초인공지능이 어떠한 이유로든 인간을 배제해야 한다는 결론을 내린다면, 심판의 날이 닥칠 가능성이 높은 것이다. 우리들이 이런 편리한 기기를 만드는 것은 인간들의 삶의 질을 높이기 위한 것이여야 하는데 인간의 안전대책은 있을 것인가 고뇌해야 할 것이다.
따라서 미래는 인공지능끼리 서로를 조정하고 감시하는 방안도 모색되어야 할 것이다.
교육연합뉴스