인공지능(AI)

"인공지능의 발명이란 자동차에서 바퀴를 떼어낸 뒤 그 자리에 발을 달기 위해 고심하는 것이다."

- 앨런 튜링, 컴퓨터 공학자

 

2016년 알파고와 이세돌 9단의 바둑 대국은 대한민국에 4차 산업혁명을 도마위에 올리고, 인공지능에 대한 관심을 끌어올렸죠. 여러분도 그 시점을 이후로 4차 산업혁명과 인공지능에 대해 관심을 가지셨을 것입니다. 물론 그 전부터 관심을 가지고 지켜보신 분들도 계실 것이고요.

 

오늘은 알파고와 같은 인공지능에 대해 알아보려고 합니다. 인공지능이 무엇인지에 대해 깊지만 어렵지는 않게 쓸 수 있도록 노력해 볼 것입니다.

 

인공지능의 등장

인공지능을 영어권에서는 Artificial Intelligence, 줄여서 AI로 표기하는데요. 이 용어가 처음 등장한 것은 여러분의 생각보다 오래 되었습니다.

1956년 미국 다트머스의 한 학회에서 컴퓨터 공학자인 '존 매카시'가 AI라는 용어를 처음 사용했는데요. 용어가 지금 2018년으로 부터 62년 전에 나왔다는게 조금 놀라우신가요? 그런데 인공지능의 개념은 훨씬 예전부터 있어왔습니다. AI라는 용어가 나오기 6년 전인 1950년만 하더라도, 천재적인 연구자로 여겨지는 '앨런 튜링'은 '생각하는 기계'의 구현 가능성을 제안하고 있었습니다. 조금 더 거슬러 올라가보면 이미 17~18세기부터 태동하고 있었다는 것을 찾아볼 수 있습니다. 다만 이 때는 뇌와 마음의 철학적 관계를 논쟁하고 있었다는 것이 조금 다르죠.

 

시간이 흘러 20세기 중반, 본격적인 전기와 컴퓨터의 발달이 시작되자 학자들은 '컴퓨터로 두뇌를 만들 수 있지 않을까?'라는 생각으로 인공지능은 철학적 주제에서 학문으로 발돋움하게 됩니다. 인공지능의 연구는 이 때 잠깐의 황금기를 가지게 됩니다. 실제로 사람들이 하는 말을 처리하거나, 아주 복잡한 수학 문제를 해결하는 등 인간의 사고로만 할 수 있는 문제들을 해결했기 때문이죠.

 

하지만 1970년대 중반, 한계를 드러내기 시작합니다. 이는 생각보다 인간의 두뇌가 거대하고, 복잡했으며, 결정적으로 기계의 성능이 이를 뒷받침해주지 못했기 때문입니다. 결국 실용화가 잘 되지 않으며 투자가 줄어들고 한동안 사람들의 관심에서 멀어집니다.

 

AI, 인공지능이 침체기를 겪는 동안 IT 학계와 업계는 좀 더 실용적이고 구체적인 목표를 가지고 연구를 진행하게 됩니다. 특히나 1990년대는 상업적인 이용가치가 높은 게임과 영상 처리 기술, 인터넷이 발달하며 사람들의 수요가 높아진 네이버 구글과 같은 검색엔진 등을 연구하는 동시에 컴퓨터의 성능 또한 크게 향상시켜 나갑니다. 이렇게 연구를 성공시켜나가고, 근본적인 문제 중 하나인 컴퓨터의 성능이 해결되고 나서 인공지능은 다시 유용성을 입증받게 됩니다.

 

특히나 2006년 제프리 한튼 교수가 딥러닝 논문을 발표하면서 불가능이라 여긴 비지도 학습이 가능해지는 등 이전의 연구와는 다른 변화 흐름이 생겼고, 몇 가지의 분야에서는 이미 인간을 뛰어넘는 결과들이 나오고 있습니다.

 

강한 인공지능(Weak AI) & 약한 인공지능(Strong AI)

인공지능을 분류하자고 하면 매우 다양한 기준과 체계등이 나오게 되는데요. 그 중에서 강한 인공지능과 약한 인공지능에 대해 말씀드리고 싶습니다.

1980년 존 설(John R. Searle) 교수는 인공지능 연구의 철학적 의미를 지적하면서 인간의 마음을 복잡한 정보처리로 구현한 것을 강한 인공지능, 단순하게 인간 능력의 일부를 시뮬레이션 한 것은 약한 인공지능으로 구분했습니다.

이 정의에 따르면 현재까지 인간이 만들어낸 모든 인공지능은 약한 인공지능이라고 볼 수 있는데요. 인공지능이라는 이름을 달고 개발된 것들은 정해진 규칙, 복잡한 알고리즘을 이용해 지능적인 행동을 할 뿐, 마음이나 생각을 가지고 있다고 보긴 어렵기 때문입니다. 물론 '학습'이라는 것을 통해 인간보다 더 효율적인 모습을 일부 분야에서 보이고 있지만, 이도 결국에는 인간의 일부를 따라한 것입니다.

 

그렇다면 약한 인공지능과 강한 인공지능의 차이는 무엇일까요. 연구 방법과 같이 세부적인 차이들이 많이 있지만 가장 큰 차이점인 목적을 보자면, 약한 인공지능은 인간 지능으로만 가능한 일을 컴퓨터가 가능하게 하는 것입니다. 애플의 Siri가 음성을 인식해 문자를 대신보내고, 스케줄을 체크하는 등 비서의 일을 대신 수행하는 것처럼 말이죠. 반면 강한 인공지능은 인간 지성의 전체를 컴퓨터로 구현하는 것을 목표로 하고 있습니다. 인간을 완벽하게 대체할 수 있는 지적 능력을 가진 컴퓨터를 만드는 것이죠.

 

이 때문에 강한 인공지능은 개념과 존재 자체가 논란거리인데요. 이는 철학적인 의미를 지적하면서 나온 개념이 결국에는 철학적 문제로 귀결되기 때문입니다. 인간은 완벽하게 대체할 수 있는 지적 능력을 갖춘 컴퓨터, 이를 인공지능으로 인정할지 인간으로 인정할지와 같은 문제부터, '인간의 마음은 조금 복잡한 정보처리 결과이다'라는 문제까지 강한 인공지능은 결코 가벼운 내용이 아닙니다.

때문에 이를 더 세부적으로 연구하는 집단들이 나타났고, 이성과 논리처럼 지능적 부분을 인간과 같게 구현된 강한 인공지능을 '인공 일반 지능'이라 하고, 여기서 의식이나 감정을 더한 인공지능을 '인공 의식'이라 칭하게 됩니다. 또한 이로 인해 나타날 철학적 문제를 연구하는 집단 또한 나타나게 되었습니다.

 

 

인공지능 구현에 쓰이는 기술

정확하게 이야기하자면 인공지능을 구현하기 위해서는 수학 문제를 해결하는 공식, 과학 문제를 해결하는 아이디어 등 문제를 해결할 수 있는 기법과 기술을 가리지 않습니다. 즉 고등학교 수준의 수학을 가져와서 인공지능을 만들었다고 해도 성능이 우수하다면 그 인공지능은 뛰어난 인공지능인 것이죠. 다음은 대표적으로 잘 알려진 기술들입니다.

• 전문가 시스템(Expert System) : 전문가 시스템은 방대한 지식 체계를 규칙으로 표현해 입력된 데이터를 정해진 규칙에 따라 판단하게 하는 시스템입니다. 즉 'A인가?, A가 아니라면 B인가?, A,B가 아니라면 C인가?......'와 같은 질문으로 컴퓨터가 판단하게 하는 것이죠. 무식한 방법으로 보이지만 이런 방법은 규칙을 세밀하게 만들수록 높은 정확도를 가지게 된다는 장점을 가집니다. 하지만 유연한 대응이 불가능하기에 이를 보완하는 작업이 필요합니다.
• 퍼지 이론(Fuzzy Theory) : 자연상의 모호한 상태를 정량적으로 표현하거나, 반대로 정량적인 것을 자연의 모호한 값으로 표현하기 위해 도입된 개념입니다. 예를 들어서 여러분이 '따뜻하다'라고 말하는 것이 정확하게 어떤 온도 범위를 가지는지 표현하는 것이죠.
• 기계 학습(Machine Learning) : 컴퓨터에 인공적인 학습 가능한 지능을 부여하는 것을 연구하는 분야입니다. 전문가 시스템과 비슷하게 많은 양의 '정의된 데이터'를 입력하는 방법부터 사람의 뇌 신경망을 유사하게 만들어내는 방법까지 다양하고 독특한 방법들이 연구되고 있습니다.
• 유전 알고리즘(Genetic Algorithm) : 자연의 진화 과정인 교배(CrossOver)와 돌연변이(Mutation)를 통해 특정 문제의 적절한 답을 찾는 것입니다. 정확한 답이 아닌 최대한 근접한 적합한 답을 찾는 목적을 가지고 있습니다.
• BDI 아키텍처(BDI Architecture) : 인간이 생각하고 행동하는 과정을 믿음(Belif), 목표(Desire), 의도(Intention)의 세 영역으로 나눠 이를 모방해 시스템을 구성하는 것을 말합니다.
• 인공생명체(Artificial Life) : 무기물처럼 단순한 인공지능이 아닌 실제 유기체처럼 행동, 생활하게 하는 능력을 부여하는 기술입니다. 실제 생명체를 대상으로 실험하는 것의 시간적, 경제적 부담을 줄이고자 가상 환경을 통해 연구하기 위한 목적입니다.