칼럼/ 인공지능의 시대! 어떻게 대처할 것인가?

1. AI시대가 시작되었다!

(1) AI에 주목하는 배경

‘自問自答(자문자답)’ 스스로 묻고 스스로 답한다. 고사성어 얘기가 아니라, 모 가전 메이커의 에어컨 신제품 광고 카피다. 인공지능(이하 AI) 기능을 통해 온도, 습도, 먼지상태는 물론 사람까지 인지해 에어컨 스스로 실내환경을 쾌적하고 청정하게 조절할 수 있다. 몇 년 전에도 이런 기능을 마케팅에 활용해 인기를 끄는 듯 했으나 실제로는 단순한 자동 온습도 조절 기능과 차별화되지 못해 곧 시들해져 버린 적이 있다. ‘이번에도 그런 것이 아닐까?’ 하는 의구심이 드는 건 왜일까? 하지만 얼마 전 미국에서 날아온 뉴스는 좀 다르다. 뉴멕시코주 어느 가정집에 침입한 강도가 주인을 공격하자 집에 있던 인공지능비서가 사람을 대신해 911에 신고를 했고, 그 덕에 경찰이 출동해 범인을 체포할 수 있었다. 일본에서는 오이 농사꾼이 자동차회사 SW(소프트웨어)개발자의 도움을 받아 인공지능을 이용한 오이선별기를 직접 개발해 생산성과 상품성이 떨어졌던 문제점을 스스로 극복했다는 뉴스가 뉴스위크 표지를 장식하기도 했다. 

여하튼 2016년 3월 알파고 쇼크 이후 AI에 대한 관심이 날로 커지고 있다. 다양한 미디어에서 AI 특집기사를 쏟아내고 있고 인터넷을 검색해보면 AI와 관련된 각종 자료가 넘쳐난다. 하지만 주변을 둘러보면 몇년 전 빅데이터의 바람이 불었을 때처럼 학원가와 스마트폰 매장, 증권회사 상품광고를 제외하면 기업도 그렇고 개인들도 그렇고 정치 사회이슈나 연예계 스캔들만큼 아직 열광적이진 않다. 알파고의 충격이 우리들의 일상에 자리잡기에는 아직까지 갈 길이 멀다는 것일까. 어쩌면 AI도 스마트폰처럼 대부분의 기업들은 전혀 알아차릴 수 없는 속도나 형태로 어느새 주변으로 성큼 다가와 결국은 AI 없이는 아무것도 할 수 없게 우리를 변화시키는 것은 아닐까? 이런 일들은 헤아릴 수 없이 그 사례가 많다. 
AI에 대한 분명한 정의는 존재하지 않지만, 일반적으로 ‘인간의 지적인 행동을 공학적으로 실현하는 시스템’이라는 개념으로 통용된다. AI를 채택했다고 주장하는 제품이나 서비스가 늘고 있지만 아직까지는 상당수가 마케팅 목적에서, 종래부터 이용하고 있는 기술을 그대로 사용하면서 AI기술의 실체 이상으로 AI라는 말이 폭넓게 사용되고 있다. 

외견상의 움직임을 보고 마치 물건이 ‘생각하는 것처럼 보인다’ 라고 해서 가전제품에 탑재된 종래형 제어시스템을 AI로 부르는 경우가 많다. [표1]을 보면, 현재 AI라고 불리는 것들은 그 기술 수준과 기능 등을 토대로 일반적으로 4단계로 분류된다.

실용화 단계에 있는 대부분의 AI 관련 상품이나 서비스는 여전히 레벨3 이하의 것이지만, 오늘날 ‘AI의 제3차 붐’으로 주목을 받고 있는 것은 ‘딥러닝’이라는 종래의 기계학습이 발전한 레벨4 수준의 AI영역이다. 알파고가 탄생한 배경이기도 하다. 이처럼 AI가 눈길을 끄는 배경에는 바로 AI의 기술적인 진화 특성과 실용적 응용에 대한 기대감이 확산되고 있다는 2가지 측면이 있다. 

(2) 인공지능 50년만의 혁명 - 딥러닝

기술적인 측면에서 기계학습 기술의 일종인 딥러닝의 발전으로 AI 연구에 가속도가 붙은 것은 확실하다. [표2]와 같이 1956년 인공지능이라는 개념이 처음 탄생된 이래 AI는 ‘유행’과 ‘겨울’의 시대를 반복했다. 하지만 컴퓨터의 성능 향상과 학습에 필요한 웹 및 빅데이터의 확산, 여기에 ‘딥러닝’이라는 새로운 AI 접근방법이 등장하면서 ‘인공지능 50년만의 혁명’이라고 할 정도로 AI는 비약적으로 발전하고 있어 각국 정부와 기업들이 적극적으로 연구개발을 추진하는 등 AI 열풍이 시작되고 있다.

딥러닝이 중요한 이유는 기존의 기계학습 기술에서는 데이터 분석에서 인간이 먼저 시행착오를 통해 데이터의 특징을 추출할 필요가 있었기 때문에 사람에 의한 개입이 필수였다. 이 때문에 딥러닝 이전의 AI는 ‘미리 결정된 원칙에 의해서만 움직이기 때문에, 환경 변화가 극심해 사전에 예지하고 학습하기가 어려운 현실세계에서의 응용 범위는 매우 한정적’이라는 이해가 통설로 되어 있었다. 그런데 딥러닝은 데이터에 포함되어 있는 특징을 컴퓨터가 자율적으로 추출하고 심지어 학습할 수도 있다는 점이 AI 연구에 획기적인 혁신을 가져왔다. 즉 어떤 데이터 속에서 지금까지 인간이 감지하지 못한 룰이나 특징까지도 추출할 가능성이 있다는 점에서 획기적인 진화로 평가된다. 

현재 딥러닝은 ‘인식’을 최고의 역량으로 여기고 있다. 이미 화상인식 분야 에서는 2015년에 마이크로소프트나 구글이 인간의 인식률(인간 평균 에러율 5.1% vs AI 3.6%)을 넘는 수준을 기록하고 있다. 음성인식 분야에서도 높은 정밀도를 인정 받아 이미 애플의 시리나 구글의 음성검색시스템에 도입되기 시작했다. 향후에는 자연계의 실제 상황에서 환경인식이나 자연언어도 포함한 ‘문맥’의 이해 등 기존 AI로는 어려웠던 과제도 해결될 수 있을 것으로 기대된다.
(3) AI실용화 가능성 확대

딥러닝의 발전은 AI의 실용화 가능성을 확장하는 것이기도 하다. 거듭 말했듯이 향후 수십 년에 걸쳐 전세계는 ‘사람, 재화, 서비스의 모든 것을 포괄한 초연결에 의한 가치창조’로 정의되는 IoT의 실용화가 급속히 진행될 것이다. ‘제4차 산업혁명’이라는 변화 속에서 새로운 가치창조의 근원은 인터넷에 연결된 사람, 재화, 서비스에서 생성되는 방대한 데이터이다. IoT의 진전에 따라 데이터의 양과 종류가 폭증하는 가운데 이들을 고속·실시간으로 처리·분석하는 컴퓨팅 툴로서 딥러닝의 활용에 대한 기대 역시 매우 크다.

또한 ‘인식’에 능통한 딥러닝은 인간의 판단과 동작을 대체할 가능성을 키우고 있다. 예를 들어, AI가 로봇에 탑재됨으로써 동작 환경이나 주변 상황 등에 관여해 보다 고도의 인식과 상황 판단이 가능해지고, 이것을 바탕으로 학습을 통해 스스로 행동을 제어·수정·고도화하는 자율적인 로봇으로 진화하고 있다. 그 결과 미리 정해진 규칙 하에서만 제어가 가능해 활용영역에 한계가 있었던 작업로봇이 이제는 인간이 판단해 수행하는 작업까지 대체할 수 있게 되었고, 향후 이러한 로봇의 활용영역은 비약적으로 확대될 것이다. 이러한 이해를 바탕으로 저출산·고령화로 인해 노동력 부족이 심각한 농업, 간호, 건설, 노동의존형 제조업 등의 분야에서 인간의 노동력을 대체할 수 있는 로봇이 투입될 경우 생산성이 크게 향상될 가능성이 있어 실용화에 대한 기대는 더욱 높다.  

(다음호에 계속)

< 코리아쉬핑가제트 >