글로벌 칼럼 | 다시 실망의 기압골로 향하는 인공지능

Network World
필자는 가트너의 기술 하이프 사이클 개념을 좋아한다. 새로운 기술이 잔뜩 부풀려져 급등하고, 실망감의 기압골로 떨어진 다음, 서서히 상승해 정상에 오를 때까지 꽃을 피우는 과정을 그려본다. 물론 모든 기술이 이런 발전 주기를 완주하는 것은 아니며, 각 단계를 같은 속도로 거쳐가는 것도 아니다.

인공지능은 분명 60년 동안 기압골에 머물러 있었다. 인간과 자연스럽게 상호작용을 하는 큐브릭의 HAL과 로덴베리의 ‘컴퓨터’를 생각해 보라. 충분히 긴 기압골의 기간이었지만, 그 끝은 아직도 보이지 않는다.

인공지능에 대한 기대가 엄청나게 높고, 전문적인 연구 개발도 진행되어 게임 플레이 AI용 휴리스틱 프로그래밍이나 대화형 인공지능용 자연어 처리, 통계 문제용 머신러닝 등의 여러 영역으로 퍼져나갔다. 과대포장이 다시 진행되고 있으며, 지금 현재 모든 주요 IT 업체와 헤아릴 수 없이 많은 신생업체가 또 한 번 부풀려진 기대의 꼭대기와 이어지는 환멸의 골짜기를 향한 경주를 벌이고 있다.

AI는 무엇을 바꿔 놓을 것인가?
이처럼 기대가 높은 데는 세 가지 폭넓은 범주에서 획기적인 발전이 이루어졌기 때문이다. 바로 컴퓨트와 데이터, 알고리즘이다. 컴퓨터의 혁신은 범용 클라우드 서비스와 프로세싱 어레이의 향상, 그리고 GPU를 언급할 수 있다.

방대한 데이터를 사용할 수 있다는 것 역시 머신러닝에는 중요하다. 분류되고 주석이 달린 대규모 데이터는 컴퓨터 비전, 자연어, 음성 인식 등의 진보를 가능하게 했다. 이미 수많은 공공 데이터를 사용할 수 있으며, 여기에 대형 업체들은 자사만의 데이터도 사용하고 있다.

세 번째 재료는 첨단 알고리즘인데, 컴퓨트의 성능과 데이터를 이용해 응답이나 예측을 제공한다. 예를 들어, 알고리즘은 시청할 영화나 거래할 주식을 추천하는 데 사용된다. 이 개념은 컴퓨팅 자체만큼이나 오래된 것이지만, 갑자기 엄청난 개선이 이루어졌다.

정말로 발전이 이루어진 것일까? 컴퓨터가 체스 챔피언을 이긴 21년 전에는 아니었지만, 두 달 전 바둑 챔피언을 이겼을 때는 맞다. 2011년 저파디 퀴즈쇼의 우승도 인상적인 이정표였으며, 최근에는 인공지능이 팩맨 게임에서 만점을 기록했다.

이처럼 인공지능은 분명 세상을 바꿔놓을 것이다. 하지만 범용 인공지능에 대해서는 그렇지 않다. 무인자동차와 같이 특화된 인공지능은 빠르게 발전하고 있지만, 범용 인공지능은 은 아직도 거의 쓸모없는 수준이다.

“질문에 답하기는 쉽지만, 질문을 이해하기는 어렵다”
필자는 아직 쓸모가 있는 수준의 어떤 범용 인공지능 솔루션도 보지 못했다. 예를 들어, 구글 어시스턴트는 종종 공항으로 떠날 최적의 시간을 제안하곤 하는데, 언제나 틀린다. 제안은 주로 현재 필자의 위치와 교통 사정을 기반으로 한다. 공항으로 떠나는 최적의 시간을 결정하는 필자의 개인적인 알고리즘은 상대적으로 빅데이터 방식이다. 필자는 어떤 교통수단을 이용할 것인, 자동차로 간다면 어디에 주차할 것인지 등의 변수를 고려한다. 게이트와 홀 정보도 있다. 탑승권 사전 확인을 했는지, 출발전에 공항에서 식사를 할 것인지 등이다.

필자는 보통 버스를 타고 공항에 가며, 구글에 버스 시간표를 묻는다. 유명한 구글 어시스턴트는 이 패턴을 인식하지 못한다. 언제 출발하면 공항버스를 탈 수 있는지를 알려주는 것이 더 유익하다.

하지만 이런 질문에 대답할 데이터를 확보하는 것은 문제가 되지 않는다. 어려운 것은 질문을 이해하는 것이다. 구글 리서치 유럽의 책임자 엠마뉴엘 모게넷은 최근 비슷한 예제에 대한 자연어 처리의 한계를 강조한 바 있다. 구글 어시스턴트는 “집에 도착하면 어두워질까?”라는 질문에 답하지 못한다. 다시 말해 구글은 사용자가 지금 어디에 있고 어디에 살고 있으며 해당 지역의 일몰 시간은 언제인지를 알고 있으면서도 이 질문에는 답하지 못한다.

이 질문은 구글이 검색할 수 있는 대답이 없다. 대답을 위해서는 이 모든 정보를 한 데 넣고, 질문과 데이터 간의 관계를 제대로 이해하는 작업이 필요하다. 풀기 어려운 퍼즐이 아닐 수 없다. 현재 구글 어시스턴트는 아마존의 알렉사보다 6배 정도 정확하게 질문에 답을 한다는 것을 고려하기 바란다.

알렉사는 현재 1만 5,000개 이상의 이른바 ‘스킬’을 자랑한다. 이들 스킬은 대부분은 단순한 웹 쿼리이다. 인공지능은 키보드 대신 음성을 사용할 뿐이다.

지능 찾기는 계속된다
인공지능은 인공지능의 방식이 있다. 이것이 문제의 전부는 아니다. 공항 가는 시간의 문제와 마찬가지로 인공지능은 맥락 정보에 액세스할 때 최고의 대답을 내놓는다. 이는 종종 개인 정보나 기밀 정보를 서비스에 노출시켜야 한다는 것을 의미하며, 이는 우려와 골칫거리로 가득 찬 관행이다. 물론 보안 사고가 아주 드물다면 다른 문제가 될 것이다.

인공지능은 테스트하기 매우 어렵다는 것도 문제다. 무인자동차 개발은 자동차를 수백만 Km 주행해야 한다. 하지만 이것만으로는 부족해 계속 현실과의 격차가 드러난다. 심지어 무인자동차의 동작은 깜짝 놀랄만한 부분도 있다. 볼보는 최근 자사의 무인자동차가 캥거루를 인식하지 못한다는 사실을 발견했다.

필자는 인공지능에 대한 기대치를 재설정하는 것이 중요하다고 생각한다. 일부 사람이 시리나 구글 어시스턴트, 알렉사가 때로 도움이 되는 경험을 하는 것은 멋진 일이다. 우리는 주방용 시계 기술의 경이로운 발전을 간단하게 축하하고 다시 일하러 가야만 한다.  editor@itworld.co.kr