인공지능의 시작부터, 인공지능의 미래까지
< 일러스트 OpenAI의 DALL·E 제공 >
[위즈덤 아고라 / 이승원 기자] 인공지능은 최근에 들어서 많은 이목을 끌고 있으며 전 세계 사람들 중에 인공지능을 모르는 사람은 손에 꼽을 정도이고, 많은 사람들이 이용 중이다. 이 기술은 바로 인공지능, AI (Artificial Intelligence)이다. 학생들은 AI를 이용하여 수업 영상, 책 내용 등을 요약해 이용하기도 하고, 심지어 몇몇 학생은 보고서 작성이나 시험 중에 이용하는 경우도 있다. 과연 이러한 기술은 어디서부터 시작되었을까?
AI는 1950년대부터 사용되기 시작한 단어이다. 이 단어는 미국의 명문 대학 다트머스 대학 캠퍼스에서 열린 워크숍에 참여한 AI 연구원들이 만들었으며, 연구원들은 인간만큼 지능적인 기계를 만들기를 고대하며 AI에 관한 연구를 시작하였다. 프랑크 로젠블랏(Frank Rosenblatt)은 퍼셉트론(Perceptron)이라는 컴퓨터 모델을 통해 컴퓨터가 패턴을 인식하고 문제를 해결할 수 있음을 보였다. 이러한 인공지능에 대한 연구 초반에는 빠른 속도로 컴퓨터가 우리를 대체할 수 있다는 기대감과 함께 빠른 연구 속도로 세간의 주목을 끌었으나, 이후에는 많은 발전을 이루지 못하고 침체기에 빠졌다.
이후 1980년, 사람이 직접적으로 입력한 값에 의존하여 문제를 인식하고 해결하는 전문가 시스템이 만들어졌다. 이 시스템은 다시 인공지능에 대한 관심을 높였지만, 결국 “인간”이 설정한 값을 통해 시스템이 작동하는 것은 복잡한 세계를 스스로 인식하지 못한다는 것을 인정해야만 했다.
인공지능의 탄생
인간의 명령을 통해 작동하던 인공지능은 1990년대에 들어서야 빛을 보기 시작했다. 인공지능이 스스로 규칙을 찾아 학습하기 시작한 것이다. 더 이상의 인간의 명령은 필요하지 않았고, 직접적인 경험을 통해 성장을 했다. 이 기술은 머신 러닝(Machine Learning)이라는 알고리즘을 활용하면서부터 나타나기 시작했다. 인터넷의 등장은 큰 기여를 하였는데, 이 시기부터 사람들은 디지털 기술에 많은 관심을 가지고 실제로 많이 이용하기 시작했다. 인터넷에는 사람들이 이용한 기록을 통해 더 많은 “알고리즘”을 구성할 수 있었고, 그 알고리즘을 통해 인공지능은 학습하기 시작했다. 그 학습으로 사람보다 점점 더 빠른 속도로 문제를 해결하기 시작했다.
그러나 아직 현대의 기술에는 미치지 못하였다. 당시 인공지능은 스스로 이해하고 학습하는 능력은 구현되어 있었지만, 비선형 문제를 해결하지 못한다는 단점이 존재했다. 비선형 문제란, 원인과 결과가 단순히 연결되지 않고 다양한 변수의 상호작용으로 인해 결과가 예상과 다르게 나오는 문제를 말한다. 이 세대의 인공지능은 변수를 고려하고 다양한 시뮬레이션을 통해 해석하지 못하는 단계였다.
인공지능의 새로운 시작
이후에는 당시 가장 큰 문제였던 비선형 문제를 해결하기 위해 새로운 인공신경망 연구가 시작되었다. 연구의 선두에 있던 사람은 제프리 힌튼이었다. 힌튼은 문제를 해결하는 여러 층을 나눈 후, 결괏값을 측정하고 다시 역순으로 그 값을 확인하는 과정을 통해 이 문제를 해결할 수 있다는 것을 밝혔다. 그러나 이러한 신경망은 문제의 변수가 많아지고 층이 깊어질수록 오류값이 점점 심하게 나타나는 것으로 밝혀졌다.
이러한 문제를 해결하기 위해 힌튼은 각 층을 인공지능에게 순차적으로 학습시키고, 그 단계의 경험을 통해 층마다의 가중치를 세밀하게 조정하도록 만들었다. 이 이론은 현재 우리가 이용하고 있는 인공지능의 “딥러닝(Deep Learning)”의 기초 개념이 되었다. 결국 2012년, 힌튼의 연구팀이 제자 알렉스 크리제브스키(Alex Krizhevsky)와 함께 만든 인공지능이 이미지 인식 경진 대회인 ImageNet Large Scale Visual Recognition Challenge에서 우승했으며, 기존보다 오류율을 약 10% 낮추는 엄청난 성과를 이루었다.
딥러닝 기술의 능력을 잘 보여줄 수 있는 사건은 바로 알파고의 개발이다. 알파고의 능력이 두드러진 대표적인 사례로는 2016년, 알파고와 바둑기사 이세돌의 경기가 있다. 이세돌은 당시 대한민국 바둑의 최고봉에 있었던 인물로, 바둑에서의 실력은 말로 할 수 없이 뛰어난 기사였다. 그러나 알파고는 그런 이세돌 기사를 상대로 5번의 대국 중 4번의 승리를 따냈다. 이 대결은 인공지능의 발전 수준에 큰 충격을 주었고, 전 세계와 대한민국에서도 인공지능이 큰 관심을 가지기 시작하는 계기가 되었다.
생성형 인공지능을 위한 마지막 발판
2017년, 구글은 트랜스포머(Transformer) 학습 방식을 처음으로 소개했다. 이 트랜스포머 방식은 기존 러닝 방식에서 부족했던 인간의 언어 이해 능력을 개선하고, 순차적 계산으로 인한 비효율을 줄여 학습 효율성을 크게 높였다. 그리고 이 트랜스포머 학습을 기반으로 우리가 사용하는 생성형 인공지능의 시대가 열리게 되었다. 가장 의미 있는 시작점을 만들어낸 곳은 OpenAI가 만들어낸 ChatGPT였다.
생성형 인공지능은 다른 인공지능과 다르게 단순한 계산만 하는 것이 아닌, 생성이 가능하다는 점이 큰 특징이다. 그림을 그리거나 글을 쓰고, 이야기를 만들어주는 등 수준 높은 콘텐츠를 제공하며 많은 아이디어를 만들어낼 수 있다.
그러나 현재까지도 인공지능의 구성 방식과 과정이 완전히 밝혀지지 않은 상태로, 다각적인 보완과 개선이 필요한 상태이다. 영국 런던 임페리얼 칼리지 명예교수이자 구글 딥마인드 수석 과학자인 머리 셰이너한(J. Murray Shanahan) 교수는 “현재 우리는 매우 복잡한 시스템을 구축하고 있지만, 정작 이러한 시스템이 어떻게 놀라운 성과를 달성하는지에 대해서는 제대로 정립된 이론이 없는 이상한 상황에 놓여 있다”라고 밝히며 이 같은 상황을 설명하였다.
급격한 인공지능의 부상으로 생길 수 있는 삶 속의 부작용
현재 우리는 삶의 다양한 부분에서 인공지능에 의존한다. 메시지를 보내는 것, 안방의 불을 켜는 것, 나를 위한 보고서를 써주는 것, 다양한 정보를 제공해 주는 것 역시 인공지능으로부터 시작한다. 이렇게 우리의 삶에 자연스럽고 빠른 속도로 많은 부분을 차지한 인공지능의 부작용은 없을까?
첫 번째로 가장 많은 이목을 끄는 것이 우리의 일상생활이다. 우리는 인공지능을 제대로 이용하고 있는지 확신하지 못하는 상황 속에서 그 편리함만을 보고 이용하고 있다. 이러한 문제는 인터넷이 처음 세상에 나타났을 때와 유사하다. 니콜라스 카가 작성한 글 “구글이 우리를 바보로 만들고 있는가?”에서 카는 “속도는 효율성과 같은 선상에 있지 않다. 그러나 우리는 현재 그 둘을 인터넷을 사용하는 가장 중요한 이유로 보고 있다.”라고 밝힌다. 이 문장은 정보의 본질과 학습의 방식을 잊은 채, 효율과 경쟁만을 추구하는 현대 인터넷 사회의 부작용을 언급한다. 우리는 지속적인 경쟁으로 인해 다른 이들보다 더 빠르고 더 쉽게 정보를 습득하기를 원한다. 과연 이 속도가 우리에게 더 나은 방향으로 나아가게 할 것인가? 우리는 알지 못한다. 인공지능이 주는 이점이 확실히 존재하나, 그 이점에 현혹되어 우리 스스로를 인공지능에 맡기면 안 된다고 생각한다.
두 번째는 인공지능의 발전 속도가 인간의 삶을 침해할 수 있다는 것이다. 인공지능은 현재 믿을 수 없는 속도로 발전해 왔다. 앞서 말했듯이, 아무것도 만들지 못하던 기술이 약 5년 사이에 인간의 정보를 바탕으로 그림, 보고서 등 생산물을 만들어내고 있다. 이러한 생산물은 저작권 이슈 등 다양한 사회 문제를 야기하고, 이는 불완전한 인공지능 체계 속 도덕적 혼란을 불러일으킬 수 있다. 결국 발전의 빠른 속도를 감당하지 못하면 더 큰 문제가 발생할 수 있다.
인공지능에 대한 주관적 생각
모든 삶은 인공지능을 통해 편해질 수 있는 것이 확실하나, 이를 마냥 긍정적인 시각으로 보는 것은 문제가 될 수 있다고 생각한다. 인간의 인간적인 발전을 위해서는 인공지능에 대한 무조건적인 수용 대신, 발생할 수 있는 문제를 다각적으로 고려하고 문제를 규정하는 과정이 필요하다고 생각한다. 사람들이 인공지능을 제대로 사용할 수 있게 하려면, 인공지능을 활용하는 방법과 인간 본연의 능력과 창의력의 발전이 우선되어야 할 것이다.
인공지능의 발전에 대한 나의 우려는 지나친 것일지도 모른다. 그러나 확실히 말할 수 있는 한 가지는 존재한다. 우리는 적응의 동물이다. 우리는 어느 기술이든지 쉽게 적응하고 쉽게 이용한다. 그러나 우리의 이 “적응”이 항상 좋은 것은 아니라는 것을 알아야 한다. 영화 〈월·E〉(WALL·E)에서 보이듯이, 기술의 의존은 항상 좋은 결과로 이어지는 것이 아니라 우리 스스로에 대한 믿음에서부터 시작된다. 영화 속에서 인간으로부터 시작된 작은 푸른 새싹이 지구를 다시 푸른색으로 바꾸는 것처럼, 우리도 기술에 의존하는 것이 아니라 기술이 잘 이용될 수 있게 우리의 삶에 적절히 적용시키는 것부터 시작해야 한다.
[위즈덤 TECH]기술을 생각하면 보통 사람들은 거대한 기계나 우리의 삶을 바꿀 수 있을 혁신을 생각합니다. 그러나 기술은 우리의 삶 어디에나 들어가 있습니다. 우리가 매일 사용하는 냉장고, 집을 시원하게 해주는 에어컨, 심지어 책상과 의자까지 기술에 포함되어 있습니다. 우리가 무심코 지나갈지도 모르는 순간들 속에서는 기술은 어딘가에 숨어 있습니다. 저는 우리가 당연하게 사용하는 것들이 어떻게 작동되고 있는지 소개하려 합니다. 위즈덤 아고라 이승원 기자의 ‘위즈덤 TECH’으로 숨어있는 기술들을 함께 배워 보세요.
