인공지능(AI)의 발달 역사와 문제점

▲ 김흥순

글로벌인간경영연구원 원장

인공지능(人工知能) 또는 A.I.(Artificial Intelligence)는 일반적으로 인간의 학습능력, 추론능력, 지각능력이 필요한 작업을 할 수 있도록 컴퓨터 시스템을 구현하려는 컴퓨터과학의 세부분야 중 하나이다.

인간을 포함한 동물이 갖고 있는 지능 즉, natural intelligence와 다른 개념이다.

지능을 갖고 있는 기능을 갖춘 컴퓨터 시스템이다.

인간의 지능을 기계 등에 인공적으로 구현한 것이다. 일반적으로 범용 컴퓨터에 적용한다고 가정한다. 이 용어는 또한 그와 같은 지능을 만들 수 있는 방법론이나 실현 가능성 등을 연구하는 과학 기술 분야를 지칭하기도 한다.

AI는 급속도로 발전하여 사진/동영상, 의료/법률 서비스, 비서, 콜센터 상담, 음성인식, 번역, 자연재해, 경제변동 예측 등 다양한 분야에서 활용되고 있다. AI는 분명 인류에게 편리함을 제공하지만 기능의 한계와 윤리적 문제 등 부작용도 나타나고 있다.

현재에도 발전 방향성에 대한 논란의 중심에 있지만, 미래를 좌우할 중요한 기술로 손꼽히며 새로운 산업혁명을 이끌어 갈 미래기술로 주목받고 있다.

인공지능의 성장과정과 미래, 인간과 인공지능의 관계를 철학적 성찰을 통해 이해해 보자.

인공지능 알파고와 이세돌 9단의 세기 맞대결이 성사된 이후 많은 사람이 회자 됐다.

인공지능은 1956년, 미국 다트머스 대학에 있던 존 매카시 교수가 개최한 다트머스 회의를 통해 처음으로 인공지능(AI)라는 용어가 사용되기 시작했다.

당시 인공지능 연구의 핵심은 추론과 탐색이었다. 마치 인간처럼 생각하고 문제를 풀 수 있는 인공지능을 구현하려는 연구는 1970년대까지 활발히 진행되다가, 단순히 간단한 문제 풀이 뿐만 아니라 좀 더 복잡한 문제까지 풀기 위한 수준까지는 도달하지 못했다.

인공지능 연구의 붐은 이후 급격한 빙하기를 맞이한다.

한동안 잠잠했던 인공지능의 연구는 1980년대에 다시 부활을 맞이하는데. 이때는 컴퓨터에 지식과 정보를 학습시키는 연구가 이뤄지며 여러 가지 실용적 전문가 시스템들이 개발되었다.

하지만, 방대한 관리방안에 단점이 노출되며 1990년대 초까지 또 한 번의 빙하기를 맞이한다.

1990대 후반 인공지능 연구는 인터넷과 함께 또 한 번 중흥기를 맞이하는데, 바로 검색 엔진 등을 통해 이전과 비교도 할 수 없이 방대한 데이터를 수집할 수 있게 되었다는 점이다.

이른 바 머신러닝(Machine Learning)을 통해 수많은 빅데이터를 분석하여 인공지능 시스템 자신 스스로 학습하는 형태로 진화하게 된다.

인간의 뇌를 모방한 신경망 네트워크(neural networks) 구조로 이루어진 딥러닝 알고리즘은 기존 머신러닝의 한계를 더욱 뛰어넘게 했다.

2006년 캐나다 토론토대학의 제프리 힌튼 교수가 처음 발표하면서 알려지게 된 딥러닝은 얀 레쿤과 앤드류 응과 같은 세계적 딥러닝 구루들에 의해 더욱 발전했고 현재 이들은 구글, 페이스북, 바이두 같은 글로벌 IT 회사에 영입되어 그 연구를 더욱 가속화가고 있다.

주로 음성 인식, 영상 이해, 기계번역 등에 쓰이고 있는 딥러닝 알고리즘은 2012년 캐나다 토론토대학의 알렉스 크리제브스키가 이미지넷(IMAGENET)이라 불리는 이미지 인식 경진 대회에서 딥러닝을 활용하여 자체적으로 이미지를 인식하는 컴퓨터로 우승을 차지하면서 또 한 번의 획기적 전환점을 맞이한다.

딥러닝 연구에 GPU가 전면으로 등장하게 된 계기다.

이미지넷 경진대회는 1000개의 카테고리와 100만개의 이미지로 구성되어 정확도를 겨루는 대회다. 2012년 알렉스의 우승 이전까지 10여년 간 컴퓨터의 이미지 인식율이 75%를 넘지 못하였는데. 당시 알렉스는 84.7%라는 놀라운 정확도를 보여주었다.

방식은 나선형신경망(CNN)을 이용하여 알렉스넷(Alexnet)이라 불리는 깊은 신경망(Deep Neural Network)을 설계한 뒤, GPU를 활용하여 수없이 많은 이미지 인식 훈련을 하는 것이었다.

여기에 필요한 계산량은 CPU만으로는 불가능할 정도로 매우 컸다. 이에 알렉스는 병렬컴퓨팅에 유리한 GPU를 사용하여 딥러닝에서 요구되는 엄청난 규모의 연산을 빠르고 정확하게 처리할 수 있게 된다.

이후 딥러닝 연구는 GPU와 함께 급속도로 발전하게 되었고 최근 2015년에 열린 이미지넷 경진대회에서는 마이크로소프트(MS)팀이 GPU를 활용하여 무려 96%가 넘는 정확도를 기록함으로써 이미지 인식 부분에 있어서 만큼은 인간의 그것과 거의 유사하게 도달하게 되었다.

인공지능 바둑 프로그램 알파고 역시 16만 건이 넘는 프로기사 기보를 토대로 매일 3만 번의 실전 경험을 쌓으며 스스로 학습하며 성장하였다.

짐작도 어려울 만큼 수없이 많은 연산량은 176개의 GPU로 이루어진 고성능 시스템이 있었기에 가능했다.

일반적 CPU 시스템보다 30배 이상 연산속도가 빨랐기에 보다 짧은 시간에 효과적으로 연산이 가능해졌고 전력 소모도 크게 줄일 수 있던 것도 두말 할 필요도 없었지요. 알파고의 개발총책임자인 데이비드 실버 교수가 ‘알파고의 브레인은 100개가 넘는 GPU’라고 말할 정도로 알파고에 있어서 GPU의 역할은 절대적이다.

최근 인공지능(AI)은 미국 실리콘밸리의 오픈AI라는 기업이 출시한 대화형 AI ‘챗GPT(생성적 사전학습 변환기)’이다. 대화형 AI 중 최첨단으로 평가받는다.

2년 전 이 AI의 옛 버전이 영국의 한 신문 칼럼을 대신 써줘 화제가 된 바 있다.

새 버전은 업그레이드된 결과물이다.

국내 언론들도 이 AI와 나눈 대화 체험을 기사화하고 있다.

가령 ‘인간의 약점이 무엇인가’라고 물으면 “질병과 죽음이다. 그리고 신념 때문에 이익을 희생하는 것”이라고 답한다든가 ‘힘을 길러 언젠가 인간의 통제를 벗어날 것’이라는 취지의 섬뜩한 답변을 내놓는 식이다.

이것은 ‘로봇’이라는 말이 처음 사용된 체코 극작가 카렐 차페크의 1922년 희곡 <로섬의 만능로봇들> 이후 수없이 반복돼온 기계의 인간 정복 클리셰와 다름없다.

챗GPT는 신기하다.

‘산타클로스는 어른들이 아이들을 사랑하는 마음에서 지어낸 얘기라는 편지를 내 아들에게 써줘’ 같은 요청에 1초도 안 돼 감동적인 편지글을 써낸다.

주문에 맞게 꽤 적확한 답을 내놓는다. 비상이 걸린 곳은 대학가인 듯하다. 특정 주제로 에세이를 써달라는 요청에 뚝딱 결과물을 만들어낸다. 미국 복스뉴스는 이 AI를 수업에 활용한 와튼스쿨 교수의 말을 인용해 “완벽하진 않지만 표절에 걸리지 않고 그럴듯한 글을 써낸다”고 전했다.

하지만 ‘기술 진보’에 놀란 나머지 그 비용과 한계를 잊어선 안 된다.

챗GPT는 본질적으로 인터넷상에 있는 무수히 많은 단어 조합이라는 엄청난 양의 데이터를 투입해 만든 ‘문장 완성 기계’다.

인공‘지능’이라는 말과 달리 스스로 생각하지 못한다.

카타르 월드컵의 오프사이드 반자동판독기에서 봤듯이 AI가 잘할 수 있고 인간에게 도움되는 경우가 분명 있다.

현대 철학에서는 이전보다 더 전체적이고 종합적 사고를 요망한다.

여기서 전체라고 함은 무한한 전체가 아니라 특정한 시간 안에 특정한 인간에게 주어진 정보와 배경적 지식 전체를 말한다.

이들을 가능한 최선의 방법으로 종합하기 위해서는 인간의 통찰력만으로는 부족하다.

다시 말하면 가능한 상황들이 발생할 확률을 검토하고, 그 결과들에 대한 가치판단을 다차원적으로 고려하여 바람직한 의사결정을 하는데 도움이 될 인공지능의 개발은 시대적 요청이다.

언젠가 인공지능이 자립심을 갖게 된다면, 인간은 기계와의 관계를 어떻게 재조정해나갈지가 가장 중요한 논제이다.

하지만, AI 열풍에 가려진 것들도 생각해봐야 한다.

<인공지능의 문제점>

(1) 강인공지능의 개발