딥러닝 인공지능의 도래
컴퓨터의 탄생과 더불어 시작된 인공지능에 대한 꿈은 오랜 기간동안 여러 번의 난관을 이겨내며 오늘날에는 전에 없던 성취를 누리고 있는 듯 하다.
몇 차례 인공지능의 겨울이라고 불리우는 시기는, 기술에 대한 한계가 알려지고 큰 기대감이 사라지면서 맞딱뜨리게 된 차가운 현실이었다.
하지만, 컴퓨터 과학자들은 인공지능에 대한 꿈을 접지 않았고 더욱 과감한 도전과 다양한 창의적인 실험을 거쳤으며 드디어 성숙된 시대적 여건과 만나면서 오늘의 딥러닝의 시대에 도착하게 되었다.
딥러닝은 다양한 인공지능 기법중에서도 신경망 계열이다.
딥(deep)이 의미하듯이 신경망의 층수가 대단히 늘어나서 심층 신경망(Deep Neural Network, DNN)이 되었다는 의미이다.
이러한 심층 신경망의 개념은 신경망 연구에서 일찍 시작되었지만 그 구현은 쉽지 않았다.
순방향으로 계산되는 신경망의 층수는 문제가 없었지만, 역방향으로 학습하는 것은 최근에야 달성된 기법이다. 이를 역전파 기법이라고 한다.
주어진 문제와 정답을 학습하기 위해서 이전에는 파인튜닝 같은 기법을 사용했지만 자동화와 처리 가능한 데이터와 신경망의 규모에서 한계가 있었다.
미분의 개념으로 구현되는 역전파는 이론적으로 우아하지만 중간에 값이 사라지는 문제는 (vanishing gradient)를 해결하지 못해 왔었다.
그러다 ReLU라는 새로운 활성화 기법이 제안되면서 드디어 심층 신경망의 역전파 학습이 가능하게 되었다.
이 발전은 이미지 인식대희에서 바로 증명되었다. 2012년 이미지넷(ImageNet) 대회에서 전통적인 기계학습 방법의 성능을 크게 압도하며 제프리 힌튼 교수 연구팀의 심층신경망 기법인 AlexNet이 우승을 차지했다.
이 이후 이미지넷 대회에서 모든 참가자들이 심층 신경망을 사용하게 되었다.
이러한 딥러닝의 탄생은 댜른 연구분야에도 전파되 어 딥러닝을 받아 들이지 않는 과학 및 공학 분야가 없을 정도가 되었고, 딥러닝의 원리 규명과 차세대 인공지능 연구에 전 과학 분야가 나름의 방법으로 참여하고 있는 듯 하다.
바야흐로 딥러닝의 시대가 왔댜고 해도 과언이 아닐 것이다
인공지능에 대한 기대
혹자들은 현재의 딥러닝 기술로 본격적인 초지능(Super Intelligence)가 열리게 될 것이라고 이야기하고 있다.
또는 인공지능의 궁극적인 목표(Holy Grail)인 일반인공 지능 (AGI, Artificial General Intelligence)의 시발점이 될 것이라고 이야기하고 있다.
실제로 이렇게 스토리가 전개될지는 모르겠지만, 새로운 인공지능 기술의 발견이나 상징적인 사건 뒤에는 이러한 항상 낙관적 전망과 비관적 관측이 엇갈렸다.
딥불루가 체스 챔피언을 이겼을 때도 반향은 무척 컸다. 알파고가 이세돌 9단을 완파했을때는 더욱 큰 충격이 찾아 왔다.
사람들은 인공지능이 일자리를 다 뺐을 것이라고 두려워했고, 킬러 로봇이 나타날지도 모른다고 생각했다.
이러한 인공지능의 발전에 대해서 재미있는 전망이 있어서 소개할까 한다.
2018년에 발간된 <인공지능의 설계자들 (Architects of Intelligence)>이라는 책은 과학 저술가 마틴 포드가 20명의 인공지능 주요 인사들을 인터뷰한 책이댜
제프리 힌튼, 엔드 류 웅, 데이비드 하사비스, 쥬디어 필 등 쟁쟁한 현직 인공지능 학자, 사업가 들의 생생 한 인터뷰를 담고 있댜
그 관점들이 매우 댜양해서 특히 흥미롭댜 가장 흥미로운 것 은 책 말미에 소개되는 설문조사이댜 인터뷰에 참여한 모든 사람들에게 댜음과 같은 질문을 하였댜
인간수준의 인공지능이 언제 달성될 것으로 예상되는가?
이 질문의 정확한 영어 표현은 댜음과 같댜
<aside> 📣 I asked each participant to give me his or her best guess for a date when there would be at least a 50 percent probability that artificial general intelligence (or human―level AI) will have been achieved
</aside>
이 질문에 대해서 응답자들은 무기명 답변 제출이 가능했댜
그럼에도 불구하고 저명한 두 사람은 굳이 이름을 밝히며 자신의 답변을 제출했고, 너무나도 흥미롭게도 그 둘의 답은 설문 조사의 양끝에 해당한다.
독자들의 어떻게 답을 예상했을까 궁금하다. 우선 정답자들의 평균 답변은 앞으로 90년 후에 인간 수준의 인공지능이 달성될 것으로 예측했다.
이들은 나름 인공지능 분야를 주도하는 사람들이고 무기명으로 솔직히 답을 주었다는 점이 중요하다. 알파고가 이세돌을 이긴 것은 너무나 대단한 사건이지만 현재의 인공지능 기술이 전반적으로 인간수준에 머무른다는 것은 아니라는 것을 의미하며, 그 수준에 이르기 까지 상당한 시간이 소요될 것으로 예상하고 있댜
양끝에 답을 준사람 은 레이 커즈와일(Ray Kurzweil)이 2029년으로 가장 빨랐고, 로드니 브룩스(Rodney Brooks)가 2200년으로 가장 늦게 올 것으로 예상했댜
딥러닝 기술의 의미
현재의 인공지능 기술에 대한 기대와 우려는 모두 딥러닝 기술의 발전에 기인한다.
그렇다면, 딥러닝 기술은 정확히 어떤 일을 하고 우리에게 어떤 의미를 주는 것일까?
저자의 관점에서는 딥러닝 기술은 기존의 "수학적 모델링 기반 방법론'과 대척점에 있는 "데이터 기반 방법론'으로 이해가 된댜
현재의 인류 문명은 대부분 정교한 수식에 기반한 수학적 모델링과 시뮬레이션 기반의 과학적 공학적 방법 위에 구축되었다.
적당한 가정이 성립되는 상황에서 정밀하게 동작하는 기계 장치나 컴퓨터의 알고리즘도 이에 해당한다.
반면에 그 가정을 정의하는 벽 밖에 있는 거친 현실의 데이터에 대해서 수학적 모델은 성립하지 않는 경우가 많다. 이러한 현실의 데이터들은 다양한 방법들의 결합으로 힘겹게 해결되었거나, 아니면 무시되었다.
하지만, 딥러닝이 바로 이러한 정의되지 않는 넓은 도메인의 복잡한 데이터들을 하나의 신경망 함수로 다룰 수 있게 해 주었다.
이 점에서 인류는 최초로 '모델링 방법'과 '데이터 방법'이라는 두개의 큰 도구를 양손에 들고 정교한 기계와 복잡 한 데이터를 동시에 다룰 수 있는 시대가 된 것이다.
문제는 딥러닝의 승리에 기존의 모델링 기반 방법의 성취가 가려지고 있댜는 것이다.
데이터 기반 방법으로만 유일하게 풀릴 수 있는 문제가 있지만, 여전히 모델링 기반 방법이 자연스럽게 잘 맞는 곳도 있다.
그럼에도 불구하고 모든 문제를 딥러닝 데이터 기반으로 풀려하는 경향이 있다. 이에 대해서는 경계할 필요가 있다.
튜링상 수상자 인 인공지능학자 주디어 필은, 딥러닝의 성취는 놀랍지만 인과율의 설명 등 여러가지 점에서 딥러닝으로는 해결되지 못하는 점이 있댜고 비평하고 있다.
페드로 도밍고와 같은 인공지능 학자도 향후에는 딥러닝을 포합한 다섯가지 방법론이 결합해야 진정 한 인공지능이 만들어질 것이라고 예상하고 있다.