3월 한달간 이세돌 9단과 인공지능인 알파고의 대국이 한 주간 국민들의 뜨거운 관심을 끌었습니다.
과연 기계(인공지능)가 인간을 뛰어넘는 일이 가능할 것인가에 대해 대국이 시작되기 전부터 시종일관 호사가들의 입에 오르내렸는데요,
지난 9일 첫 대국을 시작해 15일 다섯 번째 대국까지 온 세계가 인간과 기계의 머리싸움을 지켜보고 있었다 해도 과언이 아닐 것입니다.
이세돌 9단과의 대결이 끝난 지금, 인공지능의 행보가 더욱 궁금해집니다.
인공지능의 역사는 도전의 역사라고 해도 과언이 아닙니다. 1952년 보드게임 Tic-Tac-Toe로 인간에게 도전한 이래, 체스, 퀴즈, 장기, 골프, 포커 등 다양한 종목에서 인공지능은 인간과 대결을 벌여 왔고 인간과의 승부를 계기로 인공지능은 한 단계씩 진화하였습니다. 2015년에는 인공지능이 넘볼 수 없을 것이라 여겼던 바둑에서 유럽 챔피언 판후이를 5전 전승으로 꺾어 인공지능이 지닌 무한 가능성에 대해 사람들은 진지하게 생각하게 되었으며, 그리고 마침내 알파고가 세계가 주목하는 이세돌 9단과의 대결에서 5전 4승을 거둠으로써 가능성을 기대감으로 증폭시켰습니다.
인공지능이 인간에게 도전하는 이유는 현재의 능력 테스트와 경험치의 획득입니다. 알파고와 이세돌 9단의 대결에서 이세돌 9단이 5전 전승을 거둘 경우 약 15억원 수입을 올릴 수 있었지만, 구글 입장에서는 이세돌 9단과의 대국 데이터 획득 비용으로 15억원이 결코 비싸다고 생각하지 않았을 것입니다.
알파고의 방대한 데이터에도 이세돌 9단만큼의 뛰어난 바둑기사의 기보 데이터는 많지 않기 때문입니다. 이세돌 9단과의 대국은 오히려 알파고에게 엄청난 기회였고, 이 대결을 계기로 알파고는 또 한번 엄청난 발전을 이루게 될 것입니다.
출처 : 조선비즈,2016.03.09
1997년 인공지능은 인간과의 대결을 통해 새로운 돌파구를 마련하였습니다. IBM의 딥블루가 체스에서 인간을 이긴 것입니다. 이를 기점으로 1990년대 중반 이후 컴퓨팅 기술이 발달하고 빅데이터가 등장하면서 인공지능 연구는 선험적 지식을 활용하는 것이 아닌 기계 스스로 데이터를 통해 스스로 지식(패턴)을 찾아내는 방식으로 진화하였습니다. 이러한 '머신러닝(Machine Learning)' 연구는 2000년대 중반 이전의 머신러닝 연구에서는 등한시 되었던 인공신경망 분야에 혁신이 일어나면서 전환점을 맞이하게 되는데 바로 '딥러닝(Deep Learning)'이라는 새로운 방식입니다. 2006년 캐나다 제프리 힌트 교수가 발표한 딥러닝은 기계 스스로가 다 계층의 신경망 구조를 통해 인간이 알려주지 않은 데이터의 특징 값까지 스스로 추출해내는 놀라운 능력을 보여주는 기술로, 10년 밖에 되지 않은 짧은 기간에 인공지능을 대표하는 핵심 기술로 자리잡았습니다. 2012년에는 구글의 인공지능이 1,000만 장의 화상데이터에서 스스로 고양이 이미지를 인식해 보여주는 역사적인 사건도 발생했습니다. 이세돌 9단과의 세기의 대결로 전 세계의 주목을 끌고 있는 인공지능은 지금 '3번째 중흥기'를 맞이하고 있습니다.
머신러닝은 주어진 데이터를 바탕으로 새로운 질문에 대해 예측하는 것을 목적으로 하는데, 이는 크게 지도학습 (supervised learning)과 비지도학습(unsupervised learning)으로 구분할 수 있습니다.
지도학습은 훈련데이터에 조건 X뿐만 아니라 이에 대한 정답(또는 라벨) Y까지 주어집니다. 예를 들어 사진 자료들에 "강아지, 고양이, 새"와 같이 일일이 라벨링이 되어 있고 이를 학습해 다른 사진들에서 강아지, 고양이, 새들을 찾아내는 식입니다. 반면 여러 동물사진을 섞어놓고 이 사진에서 비슷한 동물끼리 자동으로 묶어보라고 이야기한다면 이는 비지도학습이라고 볼 수 있습니다.
인간은 지도학습과 비지도학습의 과정을 모두 이용하는데, 아직까지의 인공지능은 지도학습 연구가 더욱 활발한 모습입니다.
하지만 인간이 세상을 라벨링 없이도 이해할 수 있듯이, 미래의 인공지능 역시 라벨링 없이 세상을 이해할 수 있는 비지도학습이 더욱 강조될 전망입니다.
최근의 인공지능을 둘러싼 동향을 살펴보면 과거의 중흥기와는 다르게 실제 서비스에 인공지능을 도입해 이용자에게 제공하고 있는 모습을 보이고 있습니다. 인공지능이 늘 지적 받아왔던 것도 현실의 문제를 해결하기에 한계가 있고, 활용 폭도 게임 수준에만 머무르고 있다는 점이었습니다. 이러한 문제점을 극복하기 위해 인공지능은 점차 범용 프로그램으로 개발되어 여러 서비스에 접목하려고 하고 있습니다. 알파고의 경우 바둑에만 특화된 인공지능은 아닙니다. 알파고는 범용 인공지능 프로그램이기 때문에 다른 복잡한 문제에도 적용할 수 있습니다. 예를 들어 구글은 데이터센터 최적화에도 인공지능을 이용하고 있습니다. 장비 사용시간, 에너지 사용량에 대한 빅데이터가 누적되면서 에너지 최적화를 위한 시뮬레이션 시 시스템간 상호관계의 복잡성으로 일반 모델 적용 시에 많은 오류가 발생하는데, 에너지 최적화 모델 구축을 위해 '뉴럴 네트워크(Neural Network)'를 활용한 것입니다. 모델에 반영되는 복잡한 변수 관계를 미리 정의할 필요 없이 인공지능이 모델에서 자동 생성되는 특징들간의 패턴을 파악하는데, PUE 예측에 99.6%의 정확성을 보여 센터 운용 효율화에 큰 도움을 줍니다.
페이스북은 얼굴 인식 기술을 활용해 만든 사진 공유 앱 '모먼트(Moments)'에 인공지능을 도입하였습니다. 모먼트는 찍은 사진을 페이스북에 올리지 않고도 개인적으로 친구들과 공유하게 하는데, 사진에 포함된 사람들의 얼굴을 인식해 그룹으로 분류해주고 개별적으로 사진을 보낼 수 있게 해줍니다. 페이스북은 얼굴 인식 기술에 많은 투자를 해왔는데 페이스북이 개발한 '딥페이스(Deepface) AI' 시스템의 얼굴 인식 정확도는 97.25%에 달합니다.
이 밖에도 인공지능은 모바일, IoT기기, 스마트카 등 다양한 영역에 도입 확대되고 있습니다. 발전과 쇠퇴를 거듭하면서 진화해 온 인공지능이 이제는 서비스로 구체화되면서 진정한 개화기를 맞이하고 있는 것입니다.
이처럼 구글•IBM•마이크로소프트 등 글로벌 기업들은 인공지능을 자사 서비스에 도입하고 미래 성장동력으로 삼기 위해 해당 기술을 가진 스타트업을 인수하고 조직을 신설하는 등 관련 사업을 강화하고 있습니다. 마이크로소프트는 영국의 AI 스타트업 '스위프트키(SwiftKey)'를 2억 5000만달러(약 3040억원)에 인수했습니다.
스위프트키는 AI 스마트폰 키보드 앱을 제작하는 스타트업으로, 사용자의 키보드 패턴을 분석해 단어를 제시함으로써 빠른 속도의 타이핑을 돕는 서비스를 제공합니다.
구글은 인공지능 스타트업 '딥마인드(Deepmind)'를 2014년 5억 8200만달러(약 6970억원)에 인수했으며, 아마존은 '에비 테크놀로지(Evi Technologies)'를 지난 2012년에 인수했습니다. 에비 테크놀로지는 아이폰의 시리(Siri)처럼 사용자와 언어소통이 가능한 인공지능 기술을 개발하는 스타트업입니다. 애플도 감정 인식 인공지능 기술을 개발하는 영국 소재 스타트업 '이모션트(Emotient)'를 인수한 바 있습니다.
페이스북은 저명한 인공지능 연구자들을 잇따라 영입했는데, 얀 레쿤(Yann LeCunn) 미 뉴욕대학 교수를 인공지능팀 책임자로 발탁하고, 구글 출신 전문가도 채용하였습니다. 또한 이미지 인식 소프트웨어를 개발하는 실리콘밸리 신생기업 '비카리우스(Vicarious)'에도 주크버그 개인적으로 투자도 하였습니다. 이 비카리우스는 인간의 두뇌에서 언어와 수학 같은 인식 기능을 주관하는 신피질(neocortex)을 재현하는 연구를 하는 업체로 최근 많은 기업들로부터 투자를 받고 있습니다. 국내 기업 중에는 삼성전자가 비카리우스에 약 2,000만 달러를 투자한 바 있습니다. 삼성은 이 회사의 알고리즘을 각종 스마트기기에 적용하는 방안을 고민 중이라고 합니다. 이 업체가 개발하는 알고리즘은 로봇이나 스마트기기가 인간처럼 직관적인 지각을 갖게 하는 것이 목표인데, 제프 베조스 아마존 CEO는 물론 스위스 로봇 제조기업 ABB 등도 이 회사에 투자했습니다.
전기차 제조회사 테슬라의 엘런 머스크는 '오픈 AI'라는 재단을 설립하고 10억 달러를 투자해 인공지능 연구를 지원하겠다고 밝혔고, 중국 최대 포털 사이트 바이두(百度)는 미국에 연구소를 설립하고 인공지능 전문가인 앤드루 응 스탠퍼드대 교수를 영입했습니다. 바이두는 이 연구소에 약 3억 달러를 투자하였습니다.
일본의 인공지능 연구개발 업체들도 많은 주목을 받고 있습니다. 화상인식과 딥러닝을 결합한 기술로 각광을 받고 있는 'ABEJA'는 미쯔코시 백화점과 공동으로 점포분석 연구에 인공지능을 적용하고 있습니다.
동경대, 교토대 대학원 연구원들이 설립한 인공지능 벤처기업 '프레퍼드 인프라스트럭처(Preferred Infrastructure)'는 NTT, 파나소닉, 토요타 등 일본 굴지의 대기업들로부터 공동연구와 투자를 받을 정도로 인기가 높습니다. 구글 레벨의 검색 역량과 빅데이터에 기반한 자동추천 엔진이 PFI의 핵심역량으로, 실생활 서비스에 인공지능을 접목시키려는 기업들로부터 투자가 쇄도하고 있습니다.
3. 개인금융 비서 기능(Personal Finance Management) – 인공지능의 재무분석 능력이 모바일에 탑재되면 개인화된 재무 비서 기능을 수행할 수 있게 됩니다. 더 나아가서는 은행업무에서 고객응대를 맡기도 합니다. 향후 모바일에 탑재된 인공지능 앱은 결제플랫폼과 연계되어 다양한 핀테크 서비스를 창출할 수 있으며, 노인 등 금융 약자를 위한 금융서비스 지원을 담당할 수 있을 것으로 보입니다. 개인 금융을 지원하는 스타트업 기업으로는 'Wallet AI'와 KASISTO 등이 있는데 Wallet AI는 모바일 유저의 소비데이터와 GPS센서 데이터, SNS 데이터 등을 종합하여 소비패턴을 '문맥적'(Contextual)으로 분석하여 소비자에게 가장 합리적인 소비 의사결정을 지원합니다. 'KASISTO'의 경우 이번 달의 지출액, 스타벅스 사용금액, 사용 가능한 스타벅스 쿠폰, 카드 잔고 등을 음성기반 인공지능이 알려주고, 결제기능도 지원해줍니다. 중국의 포털 업체 바이두는 인공지능 기반의 주식시장 빅데이터 분석 개인용 앱인 '스탁 마스터(Stock Master)'를 제공하고 있습니다. 소비지출분석부터 주식투자 정보 분석 제공까지 인공지능이 개인 금융생활에 더욱 가까이 다가오고 있습니다.
출처 : IP노믹스.2015.01.16
1. 방대한 양의 데이터 학습 통한 신속한 판단 제공 – 자동차에 부착된 레이터, 라이더, 초음파 감지기 등의 센서를 통해 현재위치, 직면한 장애물 등 주변상황을 실시간으로 파악하고 그에 대해 대응하는 것은 안전하고 효율적인 주행의 핵심적인 요소라고 할 수 있습니다. 이러한 처리능력은 이미지의 특성을 순식간에 파악하고 분류할 수 있는 딥러닝 기술의 도움을 받고 있는데 이러한 딥러닝 알고리즘을 탑재한 차량용 프로세서들이 개발되고 있습니다.
2. 커넥티비티 기반 지능형 교통 서비스 실현 - IoT 기술과 클라우드 기술을 통해 차량과 스마트홈, 차량 대 차량, 차량 대 교통인프라 등의 추가적인 연결이 가능해지고, 음성인식 서비스를 통해 운전자와 차량간의 커넥티비티도 증대될 것으로 보입니다. 차량의 커넥티비티 증대는 주행과 교통상황에 관한 데이터의 증대를 의미하고, 이렇게 수집된 데이터의 관제역할을 인공지능이 담당한다면 향후 교통량에 따른 차량 최적화 제어 및 안전주행 유도가 가능할 것으로 예측됩니다.
출처: IBM
인공지능이 인간을 대신할 수는 없습니다. 아무리 뛰어난 인공지능 로봇이라고 해도 인간의 감정까지는 소유할 수 없습니다. 인공지능에 어떤 제한된 행동을 프로그래밍화하여 감정을 갖고 있는 것과 같은, 유사한 행동을 하도록 제어할 뿐이지 로봇이 인간의 감정을 완전히 이해하는 것은 불가능합니다. 하지만 빅데이터를 기반으로 로봇을 학습시켜 인간처럼 행동하고 사고하며 인간과의 상호작용을 통해 계속적으로 인공지능 시스템이 진화한다면 머지 않은 시기에 인공지능은 인간의 삶 깊숙이 들어올 것입니다. 인공지능을 인격체로 보느냐 마느냐의 논의까지는 아니더라도 이제는 인공지능을 바라보는 관점의 변화가 필요한 시점에 와 있습니다. 인공지능은 편리함을 제공하는 도구가 아닌 인간의 동반자로 새롭게 자리매김하려 하고 있습니다. 편리한 삶에서 행복한 삶으로 '삶의 질'을 추구하는 요즘, 인공지능은 우리의 삶을 윤택하게 하는데 많은 기여를 할 것으로 기대됩니다.
(자료출처: KT경제경영연구소 - '인공지능(A.I.), 완생이 되다')