재부상하고 있는 '인공지능'

지난 수십 년동안 '뜨고', '지기'를 반복한 인공지능은 지금 페이스북과 구글부터 IBM까지 대형 컴퓨팅 업체들 덕분에 발전하고 있다.

우선 구글 번역 사이트인 translate.google.com에 접속해 보자.
왼쪽 상자에 "The spirit is willing, but the flesh is weak"를 입력한다. 오른쪽에서는 번역을 원하는 언어를 선택한다. 번역이 완료되면 번역된 텍스트를 복사하고 왼쪽 상자에 붙여 넣은 후 영어로 다시 전환한다(독일어, 프랑스어, 일본어, 스페인어, 중국어, 하다못해 태국어도 역번역이 완벽하게 재현되지만, 아쉽지만 한국어로는 재현되지 않는다. 편집자주).

본래의 텍스트로 그대로 번역되지는 않더라도 최소한 본래의 의미 가운데 일부가 반영된 결과는 얻을 수 있을 것이다. 이 표현은 대상의 행동은 그 또는 그녀의 의도가 빠져있었지만, 와인이 좋지 못하거나 고기가 맛이 없었던 것은 아니었다는 문자 그대로의 뜻을 갖고 있다.

다시 말해, 기계가 단지 문자 그대로뿐만 아니라 그 의미를 파악했다는 뜻이다.

컨설턴트이자 조지아 대학(University of Georgia)의 인공지능연구소(Institute for Artificial Intelligence) 부소장으로 은퇴한 마이클 코빙턴은 "1960년에는 불가능한 일이었다"고 설명했다.

수십 년 동안 인공지능(AI) 부문은 2가지 계절을 경험했다. 하나는 홍보 및 마케팅으로 기대치가 하늘을 찌르던 뜨거운 봄이고, 다른 하나는 봄의 기대가 충족되지 않자 실망한 투자자들이 떠나는 겨울이었다.

하지만 지금은 진정한 발전이 이뤄지고 있으며 홍보나 마케팅도 전혀 행해지지 않고 있다. 실제로 일부 현직 책임자들이 자신이 무엇을 하고 있는지조차 밝히지 않는다.

오래동안 반복되던 계절과 그리고 새로운 계절
가트너 애널리스트 잭키 펜은 "인공지능이 현실화되고 있다"고 말했다. 펜은 "인공지능은 10년 이상 동안 겨울을 겪었지만 지난 수년 동안 획기적인 일들이 많았다"며, 안면인식 알고리즘과 자가운전 자동차를 예로 들었다.

코빙턴은 "1950년대 말과 1960년대 초에는 인공지능에 대한 열정이 뜨거웠지만, 연산능력이 따라가지 못해 흐지부지해졌다"고 회상했다. 또한 "그리고 컴퓨팅이 저렴해지고 사람들이 오랫동안 꿈꾸어 왔던 것들을 할 수 있게 되면서 1985년과 1986년에 다시금 붐이 일었다. 1980년대 말 열정에 실망이 이어지면서 겨울이 찾아왔다"고 설명했다.

그리고 작은 성공은 큰 성공으로 이어지지 않았다. 코빙턴은 "그리고 그 이후로 신뢰할 수 있는 무언가를 얻게 되었을 때 더 이상 인공지능이라 부르지 않게 되었다"고.

자연어 처리 인공지능 시스템을 판매하는 내러티브 사이언스(Narrative Science)의 공동 설립자 크리스 해몬드는 "초기, 1980년대에 우리는 잘 통제되고 국한된 시스템을 구축했으며, 시스템이 활용할 수 있는 모든 정보를 입력할 수 있었다. 이런 개념은 잘 형성된 규칙을 기반으로 구축됐으며 규칙들을 통해 연계되고 해답을 제공했다. 내가 처음으로 경험한 인공지능 버전이 있었다. 일부 성공사례가 있기는 하지만 확장되지 않았으며 인간들이 하는 일에 잘 적용되지 않았다. 매우 어려운 막다른 골목이 있었다"고 말했다.

해몬드는 "오늘날, 클라우드 분야의 막대한 양의 온라인 데이터와 값싼 연산능력 덕분에 "더 이상 이런 벽에 부딪히지 않고 있다"며, "인공지능은 변곡점에 도달했다. 현재 인공지능은 막대한 양의 데이터를 처리할 수 있는 능력 덕분에 연구, 데이터 분석, 기계 학습 부문에서 등장하고 있다"고 설명했다.

캘리포니아의 버클리에 위치한 MIRI(Machine Intelligence Research Institute) 전무 루크 뮤엘하우저은 "앞으로 인공지능이 다시 고착화되리라는 생각은 아예 사라지게 될 것이다. 인공지능은 이제 모든 곳에 존재하며, 시리(Siri)에 질문을 던지거나, 운전하면서 길을 찾기 위해 GPS를 사용할 때마다 사용하는 도구"라고 말했다.

심화 학습(Deep learning)
인공지능이 변곡점을 넘어설 수 있는 힘은 빅데이터라는 거대 연산 자원과 함께 제 3의 인자로 향상된 알고리즘, 즉, 10년도 더 된 '심화 학습(Deep learning)'이라는 알고리즘의 광범위한 도입에 있다.

페이스북 인공지능 그룹 책임자 얀 레쿤은 심화 학습을 '결과를 다른 계층과 비교할 수 있는 복수의 분석 계층을 이용한 완전 자동화 기계 학습'으로 묘사하고 있다.

레쿤은 예전에 기계 학습 시스템을 설계하는 사람이라면 누구나 이에 데이터를 제출해야 했지만 스스로 직접 개발한 소프트웨어가 데이터에서 원하는 특징을 식별하고 식별된 기능을 분류하기 전까지는 불가능했다고 설명했다.

심화 학습을 통해 이런 모든 수동 프로세스가 훈련 가능한 기계 학습 시스템으로 대체되고 있다. 레쿤은 "끝에서 끝까지 시스템 전체가 이제는 모두 훈련이 가능한 복수의 계층"이라고 말했다.

레쿤은 심화 학습의 발전이 토론토대학교(University of Toronto)의 교수이자 현재 구글에서 시간제로 근무하고 있는 제프 힌튼의 팀 덕분이라고 말했다. 사실, 레쿤은 힌튼의 심화 학습 개발팀의 일원이었다. 힌튼은 인터뷰 요청에 응하지 않았다.

뉴욕대학(New York University) 교수 개리 마커스는 "심화 학습의 한계는 여기까지다. 이름과 달리 피상적이다. 통계적 경향을 잡아낼 수 있으며, 특히 분류 문제에는 좋지만 자연어 이해에는 좋지 못하다. 기계가 우리가 얘기하는 것들을 실제로 이해할 수 있으려면 다른 무언가가 있어야 한다"고 비판했다.

마커스는 인공지능 분야가 1960년대 이후로 버려졌지만 현재의 연산능력을 통해 결과를 생성할 수도 있는 4살 된 아이처럼 언어 학습에 능통한 기계같은 아이디어를 재조명하기를 바라고 있다.

MIRI의 뮤엘하우저는 최종 분석에서 "인공지능 성능 발전의 절반은 컴퓨터의 향상된 연산 능력에서 기인한 것이며, 나머지 절반은 프로그래머의 발전에 있다. 때로는 발전이 1%의 개선을 얻기 위해 적용되는 억지에 가까운 방법을 사용한다. 하지만 힌튼과 같은 이들의 창의력을 간과해서는 안 된다"고 말했다.

인공지능의 진격
기술에 상당 금액을 투자하는 대기업들의 모습은 인공지능 기술이 주류를 타고 있으며, 미래의 역사가들은 인공지능이 2013~2014년의 침체기에 이런 시점에 도달했다고 판단할 것이다.

지난 1월, 왓슨 그룹(Watson Group) 부사장이자 CTO 롭 하이는 향후 수년 동안 인공지능에 10억 달러를 투자하려는 IBM의 계획을 발표했다. 이에는 왓슨 기반의 신생기업에 투자하려는 벤처자금으로 1억 달러가 포함되어 있었다.