이 책의 저자는 김진형 카이스트 교수이다. AI 분야에서 40년 이상 연구에 몰두한 분이다. 책 중간에 보면 1983년 독일에서 열린 국제 인공지능 학회에서 논문 발표를 하셨다고 하니, 그저 놀라울 뿐이다.
이 책은 크게 3가지 주제(인공지능과 현재의 우리의 삶, 인공 지능에 대한 기술적 지식, 앞으로 인공지능이 미칠 영향)로 구성되어 있다.
그럼 간단하게 살펴보기로 하자
1. 인공지능이 변화시키는 우리의 삶, 세상
인공지능이란 무엇일까? 저자는 '인간을 인간답게 하는 여러 가지 고등지능이 필요한 업무를 기계에 시키고자 하는 학문이자 기술'(p33)이라고 한다. 이런 인공지능이 현재 우리의 삶에서 직접적으로 활약하는 분야는 바둑의 알파고, 자율주행차, 의료분야(판독), 주식트레이닝, 예슬분야 등 다양하다.
그렇다면 기계(컴퓨터)는 지능(생각)을 가질 수 있을까?
여러 논의가 있었지만 일단은 '완벽히 사람을 흉내 내는 컴퓨터'를 만드는 것부터 시작했다. 그 예가 튜링테스트(모방게임)이었다.
이런 지능을 만들기 위해서는, 알고리즘(문제의 단계적 해결방법)을 사용해서 만들 수 있다는 주장이 힘을 얻어왔다.
인공지능은 인지기술, 문제해결기술, 추론기술, 배우는 기술의 4가지로 나누어지며, 범위로 나타나면 소프트웨어-인공지능-기계학습-딥러닝으로 좁힐 수 있다.
소프트웨어의 경우는 개발자가 모든 정보를 제공하고 처리하도록 지시하지만 기계학습부터는 데이터, 경험을 통해 컴퓨터 스스로가 능력을 향상시키는 기법이다.
그것이 더 발전하여 복잡한 인공신경망을 훈련시키는 여러 가지 방법을 '딥러닝'이라고 한다.
최근의 '인공지능'이라 함은 '딥러닝' 기술을 의미하기도 한다.
우리가 궁금한 기계학습부터 알아보자.
- 기계학습
스스로 성능을 향상시키는 컴퓨터 알고리즘 연구를 총칭한다. 알고리즘을 만드는 알고리즘이라고도 볼 수 있다.
어떤 훈련 데이터가 주어졌을 때 그것을 분류하여 표현하는 모델을 만드는 작업이다. 약간 귀납적 처리 방식이 아닌가 하는 생각이 들기도 했다.
기계학습은 지도학습, 비지도학습, 강화학습으로 분류된다.
a. 지도학습
입력 데이터와 출력 데이터가 모두 주어지는 경우 그 정보를 바탕으로 새로운 정보를 판단하는 학습법이다.
크게 2가지 판단을 하게 되는데, 훈련 데이터의 패턴을 학습해서 새로운 정보의 유형을 판단하는 것과 연속적인 데이터를 분석해서 또 다른 정보를 예측하는 판단이다.
예를 들어 'A사진은 개, B사진은 고양이, C사진은 고양이...' 식으로 훈련 데이터의 입력과 출력을 먼저 가르쳐 주면 그 패턴을 연구해서 새로운 사진이 입력되었을 때 '개'인지 '고양이'인지 판단하는 것이다.
b. 비지도학습
지도 학습과 다르게 입력 데이터만 주어지면 컴퓨터(기계)가 스스로 판단해서 비슷한 정보끼리 군집화하거나, 많은 특징 중 정말 중요한 정보만 남기는 '차원 감소'를 하는 학습법이다.
c. 강화학습
강화학습은 상태, 행동, 행동에 따른 상태변화, 보상으로 정의되는데 누적 보상을 최대화할 수 있는 패턴을 학습하는 방식이다.
외부 상황을 '상태'라고 할 때 그 상태를 바꿀 수 있는 것은 '행동'이라고 적혀 있는 것이 마치 인생과도 비슷하다는 느낌이 들어서 기분이 묘한 부분이었다.
그렇다면 이런 기계학습은 어떻게 구현할 수 있을까? 일단 신경망에 대해 먼저 생각해봐야 한다.
- 신경망
인간의 신경세포 하나하나가 연결되어 만들어진 신경망은 신경세포 자체의 처리 속도는 컴퓨터보다 10만 배 느리지만, 패턴인식과 행동제어에서는 컴퓨터 보다 훨씬 빠르다고 한다. 과학자들은 그 이유를 '많은 연결'과 '병렬구조'에서 찾고 있다.
예를 들어 외부환경이 바뀌면 인간의 뇌 인경망의 연결 구조가 재초기화 되면서 빠르게 그 상황에 적응하게 되는 것이다.
그래서 인공신경망의 구성방법을 연구하게 되었다.
잠깐만 생각해 보자.
기계는 감정을 느낄 수 있는가? 아니면 사람을 흉내 내는 것인가?
이에 대해 저자는 '감정을 갖는다'는 속성은 생명체만의 속성이므로 기계는 감정을 느끼는 척할 수만 있다고 말한다. 그게 가능하다면 이제 '인공생명'이라고 불러야 하지 않을까?
다시 인공지능으로 돌아와서, 인공지능은 약한 인공지능과 강한 인공지능이 있다.
약한 인공지능은 현재의 인공지능으로 특정분야에서 지능을 발취하는 것을 말한다. 새로운 것을 학습한다는 것도 사실은 프로그램된 학습 방법 안에서 데이터를 보고 파라미터 값을 바꾸면서 성능을 강화하는 것이다.
강한 인공지능은 범용 인공지능으로, 영화에서 나오는 수준의 인공지능이다. 아직 구현 가능성은 적고, 구현이 가능한지조차 모르는 수준이다.
그렇다면 약한 인공지능을 기준으로 할 때 인공지능이 사람을 능가하는 것은 언제 가능할까?
언어번역은 2024년, 베스트셀러 소설은 2049년, 외과의사는 2053년, 인공지능이 인공지능을 연구하는 것은 2100년 정도 되어야 할 것으로 예상한다.
2. 사람보다 똑똑한 인공지능을 위한 기술
이 책의 두 번째 부분이다. 여기에서는 인공지능의 기술적인 내용을 주로 다룬다. 파트 2에서 첫 번째 질문은 '인공지능은 사람처럼 만들어야 되는가? 아니면 합리성을 추구하도록 만들어야 하는가?'이다.
세계에서 가장 인기 있는 인공지능 교과서를 집필하고, AI연구 40년이 넘는 저자는 '합리성을 추구하도록' 만들어야 한다고 한다.
그 후 인공신경망의 원리가 자세히 나온다.
간단히 이해하자면, 인공신경망은 수만 개의 간단한 처리장치를 연결해서 복잡한 계산을 수행하는 방식이다. 이 방식은 병렬식 구조이므로 일부가 고장이 나도 성능은 하락할 수 있어도 계속 작동은 된다는 장점이 있다.
그럼 '학습'이란 무엇일까? 그것은 신경망이 원하는 함수의 기능을 하도록 파라미터를 조정하는 것이다.(p177)
드디어 우리가 궁금해하는 '딥러닝'에 대해 알아보자.
딥러닝은 '고층(심층) 신경망 학습을 위한 시도'이다. 이것을 가능하게 하는 것은 강력한 컴퓨팅 능력과 빅데이터가 필요하다. 단순하고 반복적인 계산이 필요한데, 이때 아주 유용하게 사용되는 것이 GPU(그래픽처리장치)이다. 어쨌든 그런 작업으로 특성을 찾아내는 것이 가능해지고, 다시 데이터를 분류하는 것도 가능하게 된다. 그리고 생성까지 가능하게 되었다. 즉 입력 분포를 다른 분포로 바꾸는 함수 역할을 인공지능이 할 수 있다는 의미이다.
그 예로 웃는 사진을 많이 학습(딥러닝)시키면 웃지 않는 사진이 주어졌을 때 앞서 학습된 웃는 사진의 특성 분포를 적용해서 웃지 않는 사진을 웃는 사진으로 바꿀 수 있는 것이다.
이 기술은 특히 컴퓨터 비전(판독), 자율주행, 자연어 이해, 사람과의 대화라는 다음 단계를 향해 발전하고 있다.
현재 딥러닝의 한계는 무엇일까?
일단 많은 정확한 데이터가 필요하고 그것을 처리하는데 많은 자원이 소모된다. 딥러닝을 위해서는 수백만 개의 훈련 데이터를 모아서 가공하고 강력한 GPU 수십 개를 연결해서 며칠에서 몇 주의 학습을 해야 한다.
결국 이는 대기업이 아니면 하기 어렵다는 문제가 생긴다. 이 문제를 완화하려고 이미 개발된 신경망 모델은 개방하고 공유하는 방법이 논의되고 있다.
그리고 인공지능은 데이터로 학습된 문제만 해결이 가능하다. 이 말은 학습에서 얻은 상황과 비슷하지 않다면 잘 작동하지 않는다는 것을 뜻한다.
또한 인공지능은 확률기반으로 결정을 하므로 의사결정 과정을 설명할 수 없다. 이점이 인간의 중요의사결정을 인공지능이 할 수 없는 이유가 된다.
'인공지능에 대한 흥분이 가라앉을 때 기계학습도 소프트웨어를 개발하는 방법 중 하나였구나'라고 이해하는 엔지니어들이 많아질 것이다.
3. 인공지능을 지배하는 자, 미래를 지배한다. (인공지능으로 인한 우리의 미래 예상)
업무가 자동화되고 일자리는 소멸할 것이다.
회계사, 세무사, 운전기사, 기자, 요리사 등의 직업은 소멸 고위험 직업이다. 반면에 치과의사, 간호사, 성직자, 소방관 등은 인공지능이 발전해도 유지될 가능성이 높다.
인공지능으로 새롭게 생기는 직업은 소프트웨어 인력, 공학자, 수학자 등 높은 인지 능력이 필요하거나 감성적 기술, 과학적 기술이 필요한 직업일 것이다.
이런 시대가 되면 비판적 사고(알려진 방법이 옳은가, 더 좋은 방법은 없는가), 창의성(고정관념에서 벗어나서 새로운 방법을 생각), 상대를 이해시키는 대화능력, 협업능력, 컴퓨터 능력이 필요할 것이다.
인공지능이 가져올 어두운 부분은 소득양극화, 진짜 같은 가짜들이 넘치는 세상, 감시와 통제 등이 있을 것이다.
4. 독서 감상평
AI에 대해 정말 많은 정보가 담겨 있다.
책은 3파트로 되어 있다. 그중 2번째 파트는 인공지능의 기술적 부분에 대해 설명하고 있다. 책 분량의 약 50% 정도 되는데, 일반인 기준 가볍게 읽어서는 이해하기가 어렵다. 그렇다고 이해가 불가능한 것은 아니고, 천천히 생각하면서 읽고, 모르는 부분은 찾아보면서 읽으면 이해가 되는 정도이다.
인공지능의 핵심원리를 설명하는 부분은 가볍게 이해하기 어려워 정독을 해야 하지만 넘겨도 무방하다. 우리는 AI의 기본 원리, 장단점, 그것이 가져올 세상의 모습이 궁금한 것이기 때문이다.
그래서 책의 수준은 '보통 사람들을 위한 최소한의 지식'이라고 표지에 적혀 있지만 전공자 입문용 정도가 아닐까 싶다.
이 책은 AI에 대해 막연한 두려움이나 기대를 없애주고, 정확한 현재의 모습을 알려준다. 그리고 앞으로 AI시대를 준비하지 않으면 안 되겠다는 생각을 준다.
두고두고 읽어봐야 하는, 소장가치가 많은 책이다. 2020년 책이라 지금은 다를 것 같다고 생각할 수 있지만, 기본서는 항상 읽어야 하는 책이다. 40년 인공지능 연구자의 이야기가 담긴 책이므로, AI에 관심이 있으신 분이라면 꼭 전체를 읽어보시기를 권한다.
5. 책 정보
2020년 11월 20일 발행
제목 : AI 최강의 수업
저자 : 김진형
출판사 : 매일경제신문사
.jpg)