뇌신경 모사 ‘뉴로모픽칩’ 개발 GPU 열 발생 문제 등 해결해야 지난 일주일간 전 세계를 뜨겁게 달궜던 이세돌 9단과 구글의 인공지능 알파고의 바둑대결이 막을 내렸다. 표면적으로는 4대1이라는 성적으로 알파고가 우세했지만 4국이 끝난 뒤 데미스 하사비스 구글 딥마인드 대표가 “이 사범 덕분에 알파고의 약점을 파악하게 됐다”고 말한 것처럼 완벽해 보이는 인공지능도 한계를 갖고 있음을 알 수 있었다. 1202개의 중앙처리장치(CPU), 176개의 그래픽처리장치(GPU)로 구성된 알파고는 딥러닝 기술로 프로기사의 기보 16만개를 5주 만에 학습했다. 보통 사람이 1년에 1000개 정도의 기보를 공부한다고 한다. 따라사 알파고가 학습한 기보의 숫자는 평생 배워도 따라갈 수 없는 숫자다. 알파고는 스스로 대국해 훈련하는 강화학습 기능까지 갖추고 있다. 알파고는 몬테카를로 트리 탐색(MCTS) 기법에 컨볼루션 신경망(CNN)을 이용해 다음 수를 찾고, 기보를 바탕으로 다음 착점 장소를 빠르게 찾는 정책 네트워크, 국지적 패턴인식을 통해 승률이 높은 수를 찾는 가치 네트워크를 다단계로 나눠 적용하는 딥러닝 기법으로 최적의 수를 찾는다. 오류처럼 보이는 수는 알파고가 충분히 학습하지 못한 부분에서 어떤 수가 가장 나을지에 대한 분석이 불완전하게 됐기 때문이라는 설명이다. 전문가들은 현재 인공지능 기술개발은 ▲빅데이터를 활용한 딥러닝 기술 ▲인간과 유사한 다양한 형태의 지능 구현 ▲컴퓨터 아키텍처 기술과 시스템 소프트웨어 기술 등 크게 세 방향으로 이뤄지고 있다고 설명한다. 한편 알파고에서 그래픽과 이미지를 처리하는 GPU의 역할이 매우 크다. 문제는 GPU의 연산처리 마이크로프로세서 코어의 수가 GPU 1개당 2000~3000개에 이르기 때문에 과도한 전력수요를 유발하고 이에 따른 엄청난 열이 발생한다는 점이다. 때문에 인공지능 기술은 알고리즘 개선뿐만 아니라 하드웨어적 문제를 해결하는 데도 집중될 것으로 보인다. 민옥기 한국전자통신연구원(ETRI) 휴먼컴퓨팅연구실 실장은 16일 “인공지능 기술을 개발하는 많은 글로벌 기업은 인간의 뇌신경을 모사한 차세대 반도체인 뉴로모픽칩이나 양자역학의 원리에 따라 작동하는 차세대 컴퓨팅기술인 양자컴퓨터 개발 등에 매달리고 있다”고 설명했다. 유용하 기자 edmondy@seoul.co.kr

‘제2의 딥마인드를 찾아라.’ 글로벌 정보기술(IT) 공룡들의 보물찾기가 한창이다. 인공지능(AI) 분야에서 잠재력이 큰 벤처기업을 먼저 차지하려는 보이지 않는 전쟁이다. 일찌감치 영국의 스타트업 딥마인드를 점찍어 알파고라는 AI 스타를 키운 구글이 일단 앞서가는 모양새다. ●英 딥러닝 연구층 두터워… 창업 유리 추격자가 된 실리콘밸리 기업들은 영국에 주목한다. 케임브리지, 옥스퍼드, 유니버시티칼리지런던 등 영국 대학은 AI의 핵심 기술인 딥러닝 연구의 강자다. 그만큼 인재층이 두텁다. 세계에서 제일 큰 전자상거래 기업 아마존은 영국 스타트업의 재능을 가장 먼저 눈여겨봤다. 아마존은 2012년 케임브리지에 뿌리를 둔 에비 테크놀로지를 2600만 달러에 인수했다. 사람이 하는 말을 정확히 이해하고 원하는 것을 찾아주는 스마트 검색엔진 특허를 가진 곳이다. 아마존이 이 기술을 인터넷 상거래에 적용해 쇼핑혁명을 일으키거나 애플의 시리처럼 개인비서 기능을 갖춘 모바일 기기를 선보일 것이라는 추측이 나온다. ●MS도 100개 언어 버전 ‘스위프트키’ 품어 마이크로소프트(MS)는 케임브리지대 졸업생 3명이 창업한 스위프트키를 지난달 2억 5000만원을 주고 품에 안았다. 스위프트키는 사용자가 스마트폰에 입력한 문장 패턴을 학습해 다음에 키보드로 칠 말을 예측해 보여주는 AI 기술을 지녔다. MS는 100가지 언어 버전을 갖춘 스위프트키를 윈도, MS오피스 등 전 제품에 적용할 것으로 예상된다. ●애플 ‘표정 포착’ 기술 인수… 아이폰 적용 애플은 조용하지만 가장 적극적으로 AI 스타트업을 모으고 있다. 지난해 컴퓨터에 사람의 말을 잘 알아듣는 법을 가르치는 소프트웨어 기업인 보컬 IQ를 사들였다. 음성인식 기반인 시리의 성능 향상을 위한 행보로 풀이된다. 올해 초에는 캘리포니아대학 샌디에이고 캠퍼스(UCSD)에서 출발한 이모션트를 인수했다. 사람의 표정을 분석하고 기쁨, 혐오, 놀람 등의 감정을 포착하는 기술을 가진 곳이다. 이 밖에 애플은 동작 캡처 기술을 보유한 페이스시프트, 딥러닝 이미지 인식 기술을 가진 퍼셉티오 등도 사들였다. ●우리 기업은 인수 ‘0’… 삼성만 투자 나서 국내 기업 가운데 글로벌 AI 스타트업을 인수한 곳은 아직 없다. 다만 삼성전자는 다목적 AI를 연구하는 미국의 비카리우스에 지난해 2000만 달러를 투자한 것으로 알려졌다. 비카리우스는 인간의 직관과 상상 능력을 모방한 AI를 2031년에 출시한다는 목표로 장기 프로젝트를 진행 중이다. 오달란 기자 dallan@seoul.co.kr

인간과 기계의 대결로 관심을 끈 이세돌 9단과 구글 인공지능 알파고의 바둑대결이 막을 내렸다. 많은 사람들은 이번 대결로 인공지능(AI) 연구의 실체를 확인하게 됐다. ‘인간의 두뇌를 컴퓨터로 똑같이 만들 수 있을까’라는 연구자들의 궁금증에서 시작된 인공지능의 역사는 영국 천재 수학자 앨런 튜링이 고안한 생각하는 기계 ‘튜링 머신’으로 거슬러 올라간다. 이후 1956년 미국 다트머스대학에서 열린 콘퍼런스에서 존 매카시가 최초로 ‘인공지능’이란 용어를 사용하며 인공지능에 대한 정의를 내렸다. 1970년대까지 연구자들은 검색을 통한 추론, 자연어 분석, 모델링을 통해 인공지능을 구현하려고 했으나 기술적 한계로 인공지능 침체기가 찾아왔다. 1980년대에 들어서면서 인간의 지식을 여러 가지 방법으로 저장하고 이를 바탕으로 하는 추론 기능을 추가하는 등 새로운 방식을 시도했지만 한계에 부딪혀 1990년대 초반까지 두 번째 인공지능 침체기가 닥쳤다. 1990년대 후반에는 연결계산이론, 대규모 데이터베이스 검색, 연산 기술 발전이 이뤄지고 IBM의 딥블루가 1997년 세계 체스챔피언 그랜드마스터 대회에서 인간을 이겨 인공지능이 다시 주목받기 시작하면서 지금에 이르고 있다. 특히 인공지능 기술의 핵심인 딥러닝 기술은 2006년을 기점으로 알고리즘이 획기적으로 진화했을 뿐만 아니라 그래픽처리장치(GPU), 메모리 컴퓨팅, 고성능 컴퓨팅 등 진화된 컴퓨터 성능의 도움을 입었다. 덕분에 인공지능의 배경지식이 될 수 있는 빅데이터를 빠른 시간에 군집화하거나 분류해 판단을 내릴 수 있게 된 것이다. 인공지능은 인간 고유의 사고, 학습, 자연어 처리, 지각능력 등 지식활동을 하는 컴퓨터 시스템이나 프로그램이다. 연구자마다 정의는 다르게 내리고 있지만 최근에는 크게 강한 인공지능, 약한 인공지능으로 구분하고 있다. 강한 인공지능은 1950년대 1세대 인공지능 연구자들이 꿈꿨던 것으로 사람과 대화를 할 때도 전혀 이상한 점을 느낄 수 없을 정도로 지성과 이성, 감성을 갖추고 고차원적 사고를 할 수 있는 것이다. SF소설이나 영화에서 나타나는 인공지능의 모습은 인간의 노동력뿐만 아니라 감정까지 공유하는 강한 인공지능들의 모습이다. 인간과 똑같이 생각하는 강한 인공지능과 달리 약한 인공지능은 지능의 범위를 좁혀서 특정한 분야에 한정해 특정 문제를 사람처럼 풀 수 있는 기술이다. 이세돌 9단과 대국을 펼친 알파고는 바둑이라는 분야에서 문제를 해결할 수 있도록 한 대표적인 약한 인공지능이다. 최준식 고려대 심리학과 교수는 15일 “알파고의 신경망 기술은 딥러닝을 발전시켜 온 인지심리학자와 컴퓨터 과학자의 노력이 누적된 것일 뿐 컴퓨터가 갑자기 지능을 획득한 것은 아니다”라고 말했다. 오상록 한국과학기술연구원(KIST) 책임연구원도 “강한 인공지능 기술도 등장하겠지만 사람들이 필요로 하는 것은 인간이 어려워하는 문제를 해결할 수 있는 약한 인공지능 기술로 앞으로 주로 활용될 것”이라고 말했다. 유용하 기자 edmondy@seoul.co.kr

“인류는 몇 광년 떨어진 은하계에서 일어나는 일도 알 수 있고, 원자보다 작은 입자에 대해서도 알고 있지만 우리 두 귀 사이에 존재하는 1.4㎏짜리 물체의 수수께끼는 풀지 못하고 있습니다.” 2013년 4월 미국 버락 오바마 대통령은 과학계의 미개척 분야인 ‘뇌’ 연구에 10년 동안 30억 달러를 투입하겠다는 ‘브레인 이니셔티브’를 발표하며 이렇게 말했다. 이세돌 9단과 구글 인공지능 ‘알파고’ 간 세기의 바둑 대결을 계기로 인공지능과 뇌과학에 대한 대중들의 관심이 한껏 고조되고 있다. 인공지능 같은 컴퓨터 시스템 기술은 인간 최고수를 이길 수준에 도달하는 등 눈부시게 발전하고 있지만, 정작 인공지능이 닮으려 하는 사람의 두뇌에 대한 연구는 아직 걸음마 단계에 있다. ●뇌는 우리 몸속의 ‘작은 우주’ 단단한 두개골 속에 자리잡은 말랑말랑한 순두부 같은 형태의 ‘뇌’는 평균 무게 1.4㎏으로, 몸무게의 2% 정도에 불과한 작은 인체 조직 중 하나다. 그러나 사람의 몸에 들어오는 산소의 15%와 포도당의 50%를 사용하면서 1000억개의 신경세포(뉴런)로 연결돼 1000조개에 이르는 시냅스를 구성하는 ‘작은 우주’다. 뇌 덕분에 사람은 아름다운 예술작품을 창조해 낼 수 있고, 가장 행복했던 순간이 언제인지 기억할 수 있고, 누구랑 친하게 지내야 하고, 어떤 상황을 피해야 하는지를 판단할 수 있다. 이처럼 복잡다단한 뇌를 이해하기 위한 연구는 의학, 약학, 심리학, 생물학, 전자공학, 기계공학, 재료공학, 통신공학, 로보틱스 등 다양한 분야의 학문들이 융·복합된 ‘종합과학’ 형태로 이뤄지고 있다. 단순히 어느 한 분야의 연구만으로는 1000조개에 이르는 조합의 극히 일부분밖에 이해할 수 없기 때문이다. 융·복합 학문인 뇌과학에서 현재 가장 관심이 집중되는 부분은 뇌지도 작성, 뇌·기계 인터페이스(BMI) 기술, 퇴행성 뇌질환 치료 방법 개발 등이다. 결국 인간이 인간다움을 갖고 생명을 영위하고 사망에 이를 수 있도록 건강한 뇌를 유지하도록 돕는 것이 뇌과학의 최종적인 목표인 셈이다. ●뇌 회로도로 건강한 뇌 유지 뇌지도는 1000억개에 이르는 뇌 신경세포가 이를 연결해 주는 수많은 가지들과 어떻게 연결돼 1000조개의 뇌신경계를 만들어 내는지를 한눈에 보여 주는 작업이다. 컴퓨터 서버에 오류가 발생하면 네트워크 지도를 보고 복구 계획을 세우고 전자제품이 고장 나면 회로도를 바탕으로 수리를 하는 것처럼 뇌과학자들은 알츠하이머 같은 퇴행성 뇌질환, 자폐증, 조현병, 우울증 같은 정신과적 질병을 치료하는 데 뇌지도가 긴요하게 쓰일 것으로 보고 있다. 더군다나 정밀한 뇌지도는 ‘딥러닝’ 같은 기계학습 알고리즘의 발전을 가져와 새로운 형태의 인공지능 개발에도 도움을 줄 것으로 기대된다. 2005년 뇌의 모든 구성 요소와 연결구조에 관한 데이터 세트를 의미하는 ‘커넥톰’이란 개념이 제시되면서 연구자들은 자기공명영상(MRI) 기법을 이용해 뇌의 주요 신경다발이 어떻게 연결돼 있는지 영상화하는 ‘휴먼 커넥톰’에 대해 관심을 집중하고 있다. 뇌지도 작성 연구가 활발한 가운데 가장 큰 관건은 지도의 해상도를 높이는 것과 뇌 이미지 데이터를 어떻게 처리하고 보관하고 분석할지에 대한 표준화된 소프트웨어를 개발하는 것이다. BMI 기술은 인간의 뇌를 기계와 연결해 뇌신경 신호를 실시간으로 해석해 활용하거나 외부 정보를 입력하고 변조시켜 인간 능력을 증진시키는 융합기술이다. 현재 BMI는 사고나 질병으로 몸을 움직일 수 없는 환자들을 치료하기 위한 수단으로 개발되고 있다. 생각만으로 휠체어나 인공기관, 마비된 팔과 다리를 대신할 로봇 팔다리를 조종할 수 있게 BMI 기술이 발전하기 위해서는 뇌파의 측정과 분석을 통해 건강한 뇌파를 유지할 수 있도록 조절하는 ‘뉴로 피드백’ 기술의 발전도 함께 가야 한다. ●이달 14~20일은 ‘세계 뇌 주간’ 뇌과학의 연구 성과에 가속도가 붙으면서 우리 ‘뇌’를 똑바로 알자는 연구자들의 움직임도 활발하다. 미국 뇌신경과학 분야 사립연구기관인 DANA재단은 1992년부터 매년 3월 셋째주를 ‘세계 뇌 주간’으로 정해 일반인들에게 뇌 연구의 중요성을 이해시키기 위한 다채로운 행사를 진행하고 있다. 현재 전 세계 60개국이 이 행사에 참여하고 있다. 우리나라도 2002년부터 뇌 주간 행사를 열고 있다. 올해도 한국뇌연구협회 등 6개 기관과 학회가 모여 ‘뇌연구 궁금해요’라는 주제로 이달 20일까지 다양한 공개강연 행사를 갖는다. 차두원 한국과학기술기획평가원(KISTEP) 박사는 “최근 선진국들의 연구 추세를 보면 뇌과학은 단순한 연구과제가 아니라 한 국가의 과학 역량이 총집결된 국가적 프로젝트가 되고 있기 때문에 대중들의 관심을 집중시키기 위한 노력이 병행되고 있다”고 말했다. 유용하 기자 edmondy@seoul.co.kr

이세돌 9단과 알파고의 바둑대결에 대한 대화가 온통 주변을 메우고 있다. 인공지능의 학습 능력에 감탄하는 사람들, 아직은 인간의 영역이 불가침이라고 주장하는 사람들, 그리고 인공지능이 가져올 사회적 변화를 기대하거나 우려하는 사람들로 우리 사회가 들끓고 있는 듯하다. 올 초 다포스포럼에서 인공지능이 4차 산업혁명을 견인할 와해성 혁신으로 세간의 관심을 모은 지 얼마 되지 않았는데 2025년까지 세계적으로 인공지능 시장 규모가 2000조원에 육박할 것이라는 전망이 알파고의 선전으로 인해 자연스럽게 받아들여지는 분위기가 조성되고 있다. 이러한 분위기에 고무되어 알파고의 산파 역할을 한 구글 딥마인드 대표 허사비스는 알파고가 평범한 인간의 일상을 모방할 수 있는 단계로 진화할 것이라는 전망을 내놓기도 했다. 이러한 분위기에서 문득 알파고가 스타워즈의 ‘스리피스’로 실현되지 않을까라는 생각을 하는 것은 필자만은 아닐 듯하다. 오래된 기억을 더듬어 필자가 기억하는 ‘스리피스’는 ‘알투디투’보다 문제해결 능력은 현격히 떨어지지만 감성적이었고 유머러스했다. 좀 더 어려운 단어들로 표현하자면 자신이 처한 환경을 구성하는 여러 가지 프레임들 가운데 어떤 프레임이 중요한지를 스스로 선택할 수 있었다. 그리고 그 프레임 안에서 목적 지향적이지 않은 행위를 적절히 수행했다. 이것이 인간에 의해 주어진 프레임 안에서 문제해결을 위한 최적의 선택을 하는 ‘알투디투’에 비해서 ‘스리피스’가 우리에게 훨씬 더 인간적(?)으로 보인 이유일 것이다. ‘알투디투’에 가까운 알파고는 빅데이터 분석, 이미지 분류, 음성인식 등에서 활용되고 있는 딥러닝 방식을 채용하고 있다. 좀 더 구체적으로 알파고는 바둑 대국에서 상대방이 어떤 위치에 돌을 놓는지에 따라 선택을 달리하는 알고리즘과 승자를 예측하는 알고리즘이 결합하여 있다고 한다. 알파고는 바둑돌의 다음 위치를 예측하도록 하는 지도학습과 대국의 결과에 따라 보상을 주는 강화학습, 바둑돌의 위치 평가를 바탕으로 결과에 대한 예측력을 강화하는 과정을 통해 지금 이 순간에도 지속적으로 자신을 발전시키고 있다. 필자는 과거 인공지능이 가진 가능성에 대해서 부정적인 생각을 가지고 있었다. 전문적인 지식을 보유한 인간의 개입을 필수적으로 요구하던 기계학습의 한계가 분명했기 때문이며, 인간의 개입을 배제한 학습의 과정은 지나치게 많은 시간이 필요했기 때문이다. 또 하나의 이유는 필자가 사회현상을 연구하는 직업을 가지고 있기 때문이기도 했다. 그러나 이제는 인공지능에 대한 접근방법에서 인식론적 전환과 기술적 발전으로 인해 인공지능에 대한 평가가 긍정적으로 바뀌어야 할 시점에 와 있다는 것을 부정하기는 어렵다. 그럼에도 불구하고 필자는 여전히 현재의 인공지능 접근방법이 인간의 근본적인 행위를 대체할 수 있다고는 생각하지 않는다. 그 이유는 의사소통을 포함한 대부분의 인간 행위가 문제해결과 결부되어 있거나 개념적 사고를 바탕으로 두고 있지 않기 때문이다. 인공지능이 인간이 어떻게 상황이 주는 무수히 많은 행위 프레임들 가운데서 특정한 프레임을 중요한 것으로 선택하는지, 그리고 선택된 프레임과 관련성을 가지는 다양한 요인들에 대한 감수성을 높이는지를 배우지 못한다면 우리는 앞으로도 ‘알투디투’의 개선된 형태를 보는 것에 만족해야 할 것이다. 필자는 우리가 목격하고 있는 인공지능 분야의 성과와 발전 가능성을 부정하거나 폄훼하려는 것이 아니다. 인공지능은 분명히 안정적인 대량의 데이터가 존재하는 정의된 문제해결의 영역에서 인간이 하는 많은 활동들을 대체하게 될 것은 자명하다. 다만 인공지능이 자신의 신체, 욕구, 감정, 사회·문화적 배경으로부터 사고를 통하지 않고서도 행위를 발생시키는 인간적 방법을 배우지 못한다면 인공지능은 앞으로도 인간이 활용하는 도구에 머물러 있을 것이다. 물론 인공지능이 인간을 학습할 가능성은 여전히 존재하지만 가까운 미래에 그 가능성이 현실화되는 것을 보기는 어려울 것이다.

전 세계를 충격의 도가니로 몰고 있는 인공지능 바둑기사 알파고는 딥러닝을 통해 탄생한 괴물이다. 딥러닝 기법은 제프리 힌턴 박사가 2006년에 개발했다. 딥러닝은 인간의 신경망을 모사한 인공신경망이 진화를 거듭해 온 최종 산물 중의 하나다. 구글의 알파고는 IBM의 왓슨과 함께 인류의 미래를 송두리째 흔들어 놓으며 상상을 초월하는 세상을 예고한다. 이제 인공지능과 빅데이터 기술은 신성한 법률의 세계에도 침투하기 시작했다. 미래학자 레이 커즈와일이 예언한 2045년이 오기 전에 인공지능으로 무장한 로봇 변호사의 등장을 암시하는 징후들이 발견된다. 미국 실리콘밸리 중심부에 자리잡은 블랙스톤 디스커버리라는 기업은 인공지능과 빅데이터 기법을 이용해 수백만 건의 법률 자료를 순식간에 분석하는 지능형 검색 기술을 개발했다. 블랙스톤 디스커버리는 미국 법무부를 포함해 이미 많은 고객을 확보하고 있고, 2012년 그 유명한 삼성과 애플의 특허 소송에 참여할 수 있었다. 최근에 미국의 스타트업인 위보스는 빅데이터 등의 기술을 적용해 이혼 확률을 예측하는 소프트웨어를 개발했고 이혼 관련 법률 서비스를 시작했다. 결국 이런 기술들은 첨단 인공지능 기술을 바탕으로 법률적 의미가 있는 모든 자료를 분석하고 패턴을 추출하고 그와 관련된 분쟁의 방향을 예측하는 괴물로 성장할 것이다. 위보스와 블랙스톤 디스커버리가 창립되기 전에 이미 컴퓨터 시스템은 법률 세계에 도전장을 던졌다. 2002년에 미국 연방대법원의 판결 결과를 예측하는 프로젝트가 진행됐다. 예측 프로그램으로 무장한 컴퓨터와 법률전문가의 대결이었다. 기술 수준은 지금보다 보잘것없는 상황이었지만 결과는 컴퓨터의 승리로 끝났다. 컴퓨터의 정확도는 75%였지만 법률전문가들은 59% 정도로 만족해야 했다. 대법원의 판결에 따라 경제구조가 급격한 영향을 받는 미국에서 이런 결과는 충격이 아닐 수 없었다. 이 프로젝트에 사용한 기술은 딥러닝을 이용해 학습하고 진화하는 형태는 아니었지만, 첨단 기술로 무장한 지능형 법률가의 탄생을 예고하는 대사건이었다. 인간과 컴퓨터가 벌인 이 대결의 충격이 사라질 무렵인 2006년 딥러닝이 탄생했고, 그해 미국 특허 소송의 최고 전문가 중 한 명인 리처드 포스너 판사는 그의 논문 ‘21세기 판사의 역할’에서 미래에 탄생할 지능형 법률 시스템이 공정한 재판을 촉진할 수 있다는 긍정적 입장을 표명했다. 몇 개의 변수를 관찰해 판결을 예측하는 단순한 프로그램이 아니라 인간처럼 판단하면서 순식간에 데이터를 처리하고 상대방의 공격을 무력화하는 해법을 제시하는 인공지능 법률가가 탄생한다면 그렇게 단순한 문제는 아닐 것이다. 판사, 검사, 변호사가 동시에 이 인공지능 법률가의 도움을 받는다면 소송은 어떤 식으로 준비되고 어떤 식으로 재판이 진행될까. 재판의 결과에 대한 법적 정의는 어디에 있는 것일까. 이런 걱정을 하고 있는 사이에 법률은 인공지능, 빅데이터 기술과 융합해 비즈니스로 급격하게 진화하고 있고, 법률 생태계는 이미 새로운 국면을 맞이하고 있다. 새로운 세상을 열어 갈 인공지능 시장을 선점하기 위해 IBM, 구글 등의 해외 거대 정보기술(IT) 기업들은 치열하게 경쟁하고 있다. 또한 인공지능을 의료, 금융, 법률 분야에 적용하는 대대적인 실험을 하고 있으며, 이런 분위기 속에서 법률 스타트업 기업들이 속출하고 있다. 대표적으로는 IBM의 인공지능인 왓슨을 기반으로 한 지능형 법률 자문회사인 로스인텔리전스가 있다. 로스인텔리전스는 단순 키워드 검색이 아니라 일상의 대화체로 질문을 하면 질문과 연관성이 높은 법률적 대답을 근거 자료와 함께 제공해 ‘스마트한 자료 조사’가 가능하게 한다. 알파고와 이세돌의 대결에서 진정한 승자는 구글이라고 한다. 그러나 진정한 승자는 이세돌을 응원하는 대한민국 국민일 것이다. 우리는 이 대국을 통해 인공지능의 의미와 영향력을 생생하게 느끼게 됐으니 말이다. 알파고 사태를 기점으로 우리가 미래 성장 동력으로 인공지능에 집중한다면 법률 융합뿐 아니라 금융, 복지, 범죄예방 등 모든 분야에서 세기의 작품을 만들 수 있지 않을까?

이세돌 9단과 구글의 인공지능인 알파고의 바둑 대결에 온 이목이 쏠려 있습니다. 처음에는 이세돌 9단이 이길 것이라는 의견이 많았으나 2연패 이후 이제는 과연 사람이 인공지능을 상대로 한 번이라도 이길 수 있을지에 관심이 쏠리는 상황입니다. 불과 5개월 만에 엄청난 수준으로 성장한 알파고를 보는 시선 역시 호기심에서 이제는 두려움이 섞인 시선이 교차하고 있습니다. 많은 사람이 이러다가 기계가 인간을 모두 대체하게 되는 것이 아닌지 걱정하고 있는 것이죠. 심지어 기계가 인간을 지배하는 게 아닌가 걱정하는 의견도 있습니다. 그러나 현재 인공지능을 수준을 고려하면 인류에 반기를 드는 스카이넷 같은 이야기는 너무 앞서가는 이야기입니다. 반면 큰 문제 없다는 예상은 신기술이 사회에 미칠 영향을 너무 간과한 주장입니다. 현재의 변화는 더 큰 틀에서 볼 필요가 있습니다. 인공 지능 이전에도 분업화, 기계화, 자동화가 인간의 노동을 대체해왔고 이제는 더 복잡한 작업까지 자동화와 기계화가 이뤄지는 것으로 이해하는 것이 더 옳을 것입니다. 우리가 정말 걱정해야 하는 것은 앞으로 이 변화에 얼마나 잘 적응하면서 사회적 충격을 최소화할 수 있느냐입니다. 러다이트 운동과 네오 러다이트 운동 1811년과 1813년 사이, 영국에서는 러다이트 운동(Luddite)이 발생합니다. 이 운동은 산업혁명 시기 직장을 잃거나 저임금 노동자로 전락한 수공업자를 중심으로 산업화, 기계화에 저항했던 운동입니다. 대개는 시대착오적인 저항으로 인식되고 있지만, 사실 그 배경은 더 복잡합니다. 당시 러다이트 운동 (가상의 리더인 러드를 내세웠기 때문에 붙은 명칭)은 1799년 단결금지법으로 인해 새롭게 등장한 노동자 계층이 자신의 요구를 내세우기 어려운 상황에서 나폴레옹 전쟁 등으로 인해 영국 내 물가가 폭등하고 경제 상태가 어려워지자 발생했던 것입니다. 그때는 정당한 방법으로 불만을 표출하기 어려웠으므로 기계를 파괴하고 벽에 대자보를 붙이는 방식으로 항의했던 것이죠. 그러나 이와 같은 항의에도 불구하고 영국 노동 계층의 삶은 더 나아지지 않았습니다. 19세기 인구가 급증했지만, 농업 생산력은 더 많이 증가해 적은 노동력으로 농사를 지을 수 있게 되었고 남는 잉여 노동력이 도시로 몰리면서 당시 기업가들은 저렴한 노동력을 대거 이용할 수 있었기 때문입니다. 오히려 좁은 도시로 인구가 집중되면서 주거 환경은 더 열악해지고 노동 환경 역시 매우 열악했습니다. 19세기 후반에 이런 산업화의 역설을 본 사람들 가운데는 공산주의 같은 극단적인 해결책을 들고나온 사람도 있었고 점진적인 개선을 통해서 해결해야 한다는 의견을 내놓은 사람도 있었습니다. 결과적으로 보면 후자가 맞는 이야기였죠. 세월이 흘러 이제는 새로운 형태의 라다이트 운동이 발생하고 있습니다. 네오 러다이트 운동이라고 불리는 이 운동은 아직 구체적인 실체가 있는 것은 아니지만, 요약하면 인공지능과 로봇, 그리고 다양한 자동화 기술이 사람들에게 직장을 빼앗고 양극화를 심화시킬 것이라는 내용입니다. 최근 열렸던 세계 경제 포럼에서 발표된 '미래의 일자리'에서는 로봇, 인공지능, 3D 프린터 같은 신기술이 2020년까지 510만 개의 직장을 없앨 것이라는 이야기도 나왔습니다. 미래에는 현재 있는 직장 중 절반 이상이 사라질 것이라는 다소 극단적인 전망까지 나오고 있습니다. 반면 일부에서는 이와 같은 주장은 기우이며 결국 새로운 일자리가 생기면서 문제를 저절로 해결할 것이라는 주장을 내놓고 있습니다. 인간이 단순 노동에서 해방되고 더 창의적인 일을 하게 되리라는 것이죠. 서로 대립적인 주장이지만, 동시에 둘 다 맞으면서 잘못된 의견일 수도 있습니다. 단순한 자동화를 넘어선 인공지능 지금처럼 인공지능이나 로봇, 자율 주행이 화두가 되기 전에도 자동화로 인해 일자리가 사라지는 사례는 무수히 많았습니다. 예를 들어 과거 무거운 용접기를 들고 용접을 하던 자동차 생산라인에 지금은 로봇이 대신 투입되어 일하고 있습니다. 그 결과 인간이 힘들고 위험한 작업에서 해방될 수 있었습니다. 결국, 현재의 로봇과 인공지능의 발전 역시 같은 결과를 낳을 수 있습니다. 그런데 왜 이렇게 최근 인공지능에 대한 거부감이 큰 것일까요? 그것은 단순한 육체노동만 대체하지 않을 수 있기 때문입니다. 이제는 운전처럼 다소 복잡한 업무까지 인공지능이 넘보고 있습니다. 더 나아가 과거에는 대체할 수 없을 것으로 여겨졌던 지식 노동 역시 대체할 가능성이 커지고 있습니다. 자율 주행을 예로 들면 이는 물류 및 운수 사업에 종사하는 많은 사람을 대체할 수 있습니다. 사실 인공지능이 반드시 인간보다 우월할 필요는 없습니다. 다만 안전하게 운전만 할 수 있으면 얼마든지 인간 운전자를 대체할 수 있습니다. 자율주행 트럭이나 택시는 24시간 언제나 달릴 수 있고 인건비 부담이 없으니 최소한 기업으로서는 인간보다 훨씬 매력적인 선택입니다. 과거에는 숙련공만 가능했던 복잡한 노동 역시 인공지능을 가진 로봇들이 대체할 수 있습니다. 리씽크 로보틱스의 소이어와 박스터 로봇은 2만2000 달러에서 2만9000 달러의 비교적 저렴한 가격에 인간이 할 수 있는 동작을 다양하게 모방할 수 있는 로봇팔을 가지고 있습니다. 이 로봇들은 기존의 산업용 로봇과는 다르게 여러 가지 동작이 가능해 한 자리에서 여러 부품을 조립할 수 있습니다. 더 나아가 딥러닝을 통해 더 효율적인 동작을 스스로 학습할 수 있는 연구까지 진행 중입니다. 카네기 멜런 대학의 연구자들은 기계학습을 통해 소이어의 작업 속도를 처음보다 40배 빠르게 진행하는 연구 결과를 선보이기도 했습니다. 하지만 이것보다 사람들을 더 걱정하게 만드는 부분은 지식 노동까지 인공지능이 대신할 수 있다는 점입니다. 이미 단순 육체노동의 자동화를 넘어서고 있다는 것이죠. 예를 들어 사람 대신 프라이빗 뱅킹 서비스를 대신해 줄 수 있는 로보어드바이저 같은 경우가 대표적입니다. 사실 이미 주식 등의 매매를 자동으로 하는 시스템 트레이딩은 금융계에 도입되어 있습니다. 인공지능은 아니지만, 스마트 뱅킹이나 인터넷 뱅킹의 등장은 사람의 필요성을 줄이고 있습니다. 미래에는 로봇 기자가 쓰는 기사를 매일 보고 로봇 주치의의 상담을 매일 받을 수 있는 세상이 열리게 될지도 모르는 일입니다. 교육 역시 내 수준에 알아서 맞춤으로 강의를 해주는 로봇 선생님이 사교육의 필요성을 획기적으로 줄여줄 수도 있습니다. 물론 고도로 창의적인 부분은 기계가 대체하기 어려우므로 이런 부분은 한동안 사람의 영역으로 남겠지만, 문제는 이런 일자리는 매우 한정되어 있다는 것입니다. 자율 주행차 때문에 직장을 잃은 택시 기사가 갑자기 인공지능 관련 프로그래머가 될 수는 없는 일입니다. 지금부터 공존을 준비할 때 미래는 항상 예측이 매우 어렵습니다. 특히 지금처럼 전에 없던 새로운 기술이 대거 개발되는 시기에는 더 어렵습니다. 하지만 과거의 경험을 토대로 생각하면 지나친 낙관론이나 비관론 모두 경계하는 것이 가장 현명한 대응이 될 것입니다. 새로운 직업이 더 많이 생겨서 큰 문제 없이 해결될 것이라는 생각은 지나친 낙관론에 가깝습니다. 농업에서 산업화로 이행하던 초창기, 아직 공장에서 충분한 노동력을 흡수하기도 전에 많은 사람이 도시로 몰리면서 여러 가지 심각한 문제가 생겼던 역사에서 아무런 교훈을 얻지 못한 것이기 때문입니다. 현재도 세계화와 기술의 발전이 양극화를 부추기고 있다는 지적이 적지 않지만, 앞으로는 더 심해질 수도 있습니다. 지금보다 더 고도의 자동화가 이뤄진다면 전통적인 공장 노동자는 물론 서비스 산업 분야에서도 임금 상승이 정체되거나 혹은 실업률이 올라갈 수도 있습니다. 반면 소수의 고소득 지식 인력이 더 많은 소득을 올리는 양극화가 발생할 가능성이 있습니다. 양극화가 심해지면 사회적 안정이 흔들리고 경제도 침체할 수밖에 없습니다. 사람은 극단적인 상황에 몰리면 본래는 하지 않던 생각이나 행동을 할 수 있습니다. 이를 극복하는 열쇠는 역시 교육과 더불어 사회적 준비입니다. 20세기 많은 국가에서 교육을 통해 서비스, 지식 노동 분야에 인력을 공급했습니다. 덕분에 제조업에서 사라지는 일자리를 충분히 극복하고 오히려 더 소득이 높고 안정적인 일자리를 제공하는 데 성공했습니다. 동시에 복지 제도를 포함한 사회적 안전망을 통해 이전세대보다 더 나은 사회를 만들었죠. 아마도 21세기의 해법 역시 크게 다르지는 않을 것입니다. 앞으로는 시대의 변화에 맞는 창의적, 자기 주도적 학습이 무엇보다 중요할 것입니다. 그렇게 생각하면 오로지 명문대 입시에 모든 것이 달린 우리나라의 현 교육 시스템은 미래에 큰 재앙이 될 가능성이 큽니다. 단기간에 시험 성적을 높이기 위한 단순 암기와 문제풀이의 반복이기 때문이죠. 지금 가장 시급하게 바꿔야 하는 부분입니다. 동시에 변화에 대응하기 어려운 취약 계층을 위한 사회적 안전장치가 필요합니다. 일부 선진국에서 시도 중인 기초 소득 같은 제도가 새로운 대안이 될 수도 있습니다. 마지막으로 인공지능과 인간이 대결하기보다 함께 협력해 더 좋은 성과를 거둘 수 있는 미래를 구축해야 합니다. 예를 들어 의료 부분에서 의사의 진단과 치료를 돕는 인공지능 왓슨의 경우 사실 의사를 대체하려는 것이 목적이 아닙니다. 그보다는 의사의 진단이나 치료 과정을 더 효과적으로 만들면서 실수를 줄이는 것이 가장 중요한 목적입니다. 로봇 기자와 인간 기자가 협력하는 미래도 상상할 수 있습니다. 단순한 속보나 사실을 나열하는 기사는 로봇 기자에게 맡기고 인간 기자는 로봇이 할 수 없는 심층 취재나 분석을 하는 식의 더 효율적인 업무 분담이 이뤄져야 합니다. 미래는 준비하는 자의 것입니다. 인공지능이 가져올 미래 역시 크게 다르지 않을 것입니다. 고든 정 통신원 jjy0501@naver.com

몇 분 만에 대장암 등 결과… 98% 정확 유전자 변이 예측 시스템도 일반화돼 인공지능 분야 선두업체인 구글과 IBM이 주목하고 있는 분야 중의 하나는 의료 부문이다. 특히 검진 분야에서는 인간과 비교해 뒤지지 않는 능력을 보여 주고 있어 ‘로봇의사’를 조만간 SF영화가 아닌 현실에서 볼 수 있게 될 전망이다. 11일 IBM에 따르면 미국 유명 퀴즈쇼에 출연해 인간을 제치고 우승한 ‘왓슨’은 이미 암 진단 분야에 활용되고 있다. IBM은 지난해 5월 듀크 암연구소, 예일 암센터 등 10여개 암연구소와 협력해 ‘왓슨 헬스 이니셔티브’ 프로젝트를 시작했다. 최근 미국에서는 유전자 변이 여부를 미리 파악해 암 발생 위험을 예측하는 시스템이 일반화되고 있다. 유전자 변이가 발견되면 발병 전이나 초기에 수술·약물 치료를 하는 방식이다. 할리우드 스타 앤절리나 졸리가 유전자 검사를 바탕으로 2013년부터 지난해까지 유방과 난소, 나팔관 절제술을 받은 것이 대표적인 사례다. 그러나 이런 방식의 치료를 하려면 엄청난 양의 유전 정보와 의료기록, 논문, 임상시험 정보를 비교 분석해야 한다. 환자 1명당 100기가바이트(GB)의 데이터가 필요하다는 것이 IBM의 설명이다. 그런데 왓슨은 환자에 대한 보고서와 의학문헌 등의 근거에 기초해 단 몇 분 만에 종합적인 분석을 끝낼 수 있다. 미국 종양학회에 따르면 왓슨의 암 진단 정확도는 대장암 98%, 직장암 96%, 방광암 91%, 췌장암 94%, 신장암 91%, 난소암 95%, 자궁경부암 100%에 달한다. 왓슨은 유전자 분석을 위해 특별히 설계한 클라우드 서비스 ‘왓슨 게놈 애널리틱스’를 통해 수집한 환자 데이터로 스스로 학습한다. 다양한 인간 유전자와 치료 가이드라인, 연구논문, 특허정보 등의 데이터베이스에 접근할 수 있다. IBM은 지난해 말 다국적제약사 노보 노디스크와 당뇨병 치료 솔루션 개발 계획도 발표했다. 구글도 알파고의 인공지능 딥러닝 기술을 가장 잘 활용할 수 있는 분야로 의료를 꼽았다. 제프 딘 브레인팀 수석연구원은 “미국의 한 대학과 공동으로 질병 진단과 치료에 딥러닝 기술을 적용하는 프로젝트를 진행하고 있다”고 설명했다. 국내에서는 서울아산병원이 지난해부터 딥러닝 기반 분석 및 진단 시스템 개발업체 뷰노와 협력해 폐암 진단 시스템을 개발하고 있다. 하지만 국내 기술은 여전히 걸음마 단계다. 정현용 기자 junghy77@seoul.co.kr

“인공지능은 조수… 결정은 인간의 몫 강력한 기술… 책임감·윤리의식 필요” “다른 모든 강력한 기술과 마찬가지로 인공지능(AI)도 도덕적이고 책임감 있게 사용돼야 합니다. 인간의 수준에 도달한 인공지능은 아직 수십년도 더 먼 이야기지만 지금부터 토론을 시작해야 하겠죠.” 바둑을 정복한 인공지능 프로그램 ‘알파고’는 전 세계를 ‘AI 충격’에 빠지게 만들었다. 인공지능이 인간을 지배하는 암울한 미래의 서막처럼 받아들여지기도 한다. 11일 대전 유성구 한국과학기술원(카이스트) 본원에서 ‘알파고의 아버지’ 데미스 허사비스(40) 구글 딥마인드 최고경영자(CEO)는 이 같은 우려에 대해 입을 열었다. “인간이 인터넷과 스마트폰을 사용하는 건 기술을 통해 도움을 받기 위해서입니다. 인공지능도 마찬가지입니다. 인공지능을 조수처럼 활용하고 최종 결정은 인간이 내리면 됩니다.” “인간은 더이상 스스로 선택할 필요 없이 인공지능에 의존하게 되는 것 아닌가”라는 한 학생의 질문에 그가 내놓은 대답이다. 허사비스는 이날 카이스트 바이오 및 뇌공학과가 주최한 석학 특별초청 세미나에 강연자로 나섰다. 최근 며칠 사이 전 세계에서 가장 경이로운 인물로 떠오른 그답게 수백명의 학생과 교수, 취재진이 몰렸다. 강연이 열린 정문술빌딩 드림홀은 발을 딛고 서기도 힘들 정도였고, 강연장 밖에는 안에 들어가지 못한 학생들이 줄지어 선 채 강연을 들었다. ‘인공지능과 미래’를 주제로 한 이날 강연에서 그는 인공지능 회사 딥마인드의 설립과 성장 과정, 연구 성과들을 발표했다. 그는 딥마인드의 연구 목표를 “첫째는 지능이 무엇인지 풀어내는 것, 둘째는 그 지능을 통해 모든 문제를 푸는 데 쓰는 것”이라고 말했다. 그러면서 “딥마인드가 개발하는 것은 인간이 입력한 데이터를 모두 탐색해 답을 내리는 좁은 의미의 인공지능이 아닌, 스스로 지식을 학습함으로써 유연성과 창조력을 갖춘 ‘범용 인공지능’”이라고 강조했다. 그는 기계가 스스로 학습하며 터득해 나가는 ‘딥러닝’ 기법을 적용해 컴퓨터가 스스로 픽셀 게임을 반복하며 ‘고수’가 된 실험 결과를 공개하기도 했다. 딥마인드는 알파고를 의료와 로봇, 스마트폰 등에 적용할 계획이다. 그는 “인공지능을 실제 세계에 적용하면 빅데이터와 기후, 질병, 유전학, 물리학, 엔터테인먼트 등 다양한 분야의 해법을 찾을 수 있을 것”이라면서 “인간의 다양한 수수께끼들, 정신과 꿈, 창조성, 어쩌면 의식까지도 이해하는 데 도움을 줄 수 있을 것”이라고 말했다. 1976년 영국 런던에서 태어난 허사비스는 13세 때 ‘체스 신동’으로, 17세 때 게임 개발자로 이름을 날렸다. 영국의 명문 케임브리지대에 진학해 컴퓨터공학을, 영국 유니버시티 칼리지 런던(UCL)에서 인지신경과학을 전공한 그는 2010년 인공지능 기술 회사인 딥마인드 테크놀로지를 설립했다. 딥마인드는 2014년 구글에 4억 달러(약 4322억원)에 인수됐다. 독특한 이력 탓에 ‘괴짜 천재’라 불리는 그는 유머 감각도 수준급이었다. 연단 앞에 서기 전 활짝 웃으며 자신의 스마트폰으로 청중들의 사진을 찍는가 하면, 강연 마지막에는 프레젠테이션 화면에 ‘채용중!’(We’re hiring!)이라는 제목과 함께 구글 채용 공고를 띄우며 학생들의 폭소를 자아냈다. 대전 김소라 기자 sora@seoul.co.kr

이세돌과 기세 싸움 벌이고 판세 불리할 땐 승부수 던져… 인간 신경망처럼 획기적 진화 이세돌 9단과 마주 앉은 알파고는 전투 바둑에 임하는 일류 프로 기사의 직관과 호흡 그대로였다. 알파고는 이 9단과 기세 싸움을 벌이는가 하면, 판세가 불리해지자 승부수를 던지기도 했다. 고개를 절레절레 흔들던 이 9단은 186수에 이르러 마침내 돌을 던졌다. 9일 서울에서 열린 ‘인류 최강자’와 컴퓨터의 첫 번째 바둑 대결은 인간의 불계패로 끝났다. “우리는 달에 착륙했다.” 데미스 하사비스 구글 딥마인드 최고경영자(CEO)가 소셜네트워크서비스(SNS)에 남긴 말처럼 이번 사건은 세계 과학사에 새겨질 이정표로 남게 됐다. 모든 경우의 수가 10의 170제곱에 달하는 바둑은 수읽기라는 ‘계산’뿐 아니라 직관과 통찰 등 ‘감각’의 영역까지 아우른다는 점에서 인간에게는 ‘최후의 보루’로 여겨진다. 1997년 체스(IBM ‘딥블루’), 2011년 퀴즈(IBM ‘왓슨’)에서 인간을 이긴 인공지능(AI)에도 바둑만큼은 ‘난공불락’이었다. 이병두 세한대 생활체육학과(바둑학) 교수는 “인공지능을 시험할 수 있는 마지막 관문이 바둑”이라면서 “이제 인공지능은 어떤 분야로든 뻗어 나갈 수 있게 된 것”이라고 말했다. 알파고의 승리는 컴퓨터가 학습을 통해 인간의 직관마저도 모방할 수 있게 됐음을 의미한다. 이는 인공지능 연구 진영의 가장 뜨거운 화두인 ‘딥러닝’(Deep Learning)의 성과다. ‘딥러닝’은 대량의 데이터 속에서 컴퓨터가 스스로 특징 또는 개념을 찾아내는 인공지능의 기계학습(Machine Learning) 방법이다. 사람이 입력하지 않아도 컴퓨터가 스스로 추상화 작업을 해내고, 문자뿐 아니라 이미지와 패턴까지 인식한다는 점에서 인공지능 기술 발전의 획기적인 전기로 여겨진다. IBM의 ‘왓슨’ 프로젝트에 참여했던 감동근 아주대 전자공학과 교수는 “바둑을 ‘계산’의 차원에서 모양을 읽어내는 ‘인지능력’의 차원으로 전환해 성과를 거뒀다는 점에서 의미가 있다”고 짚었다. 불과 5개월 전까지만 해도 ‘최상급 아마추어’ 정도라는 평가를 받았던 알파고가 세계 정상급 기사를 꺾을 정도로 성장한 데 대해서는 과학계도 놀라움을 금치 못하고 있다. 이병두 교수는 “5개월간의 학습을 통해 알파고의 인공 신경망을 구성하는 정책망과 가치망을 정교하게 단련했다”면서 “특히 각 수마다 자신과 상대의 승률을 예측하는 가치망은 강화학습을 통해 획기적으로 진화했다”고 분석했다. 알파고가 마치 사람처럼 승부수를 던진 대목에서는 “별도의 알고리즘을 입력하지 않았다면 쉽지 않은 일”(감동근 교수)이라는 추측도 나온다. 전 세계에 딥러닝의 위력을 과시한 구글은 벌써 다음 발걸음을 옮기고 있다. 제프 딘 구글 브레인팀 수석연구원은 “딥러닝 기술은 인간의 신경망을 닮은 현존하는 가장 강력한 도구”라면서 “사람이 일일이 규정해 주지 않더라도 기계가 스스로 패턴을 발견해 문제를 해결할 수 있다”고 설명했다. 전체 구글 솔루션의 20~50% 정도인 1500여개 솔루션에 딥러닝 기술이 적용될 정도로 딥러닝 기술을 확산시키고 있다. 구글 딥마인드는 바둑에 이어 전략 시뮬레이션 게임인 ‘스타크래프트’에 도전할 계획이다. 구글의 음성인식 기술은 외국어나 아이들의 웅얼거리는 소리, 강한 악센트가 섞인 말도 정확하게 인식할 정도로 발전했다. 구글뿐 아니라 IBM, 페이스북, 애플, 아마존, 중국의 바이두 등 글로벌 정보기술(IT) 공룡들은 인공지능 기술 선점을 위해 각축전을 벌이고 있다. 구글은 알파고의 성과를 의료와 보건 분야에 활용할 계획이다. 딘 수석연구원은 “미국의 한 대학과 공동으로 질병 진단과 치료에 딥러닝 기술을 적용하는 프로젝트를 진행 중”이라면서 “다른 여러 산업에도 광범위하게 활용될 가능성이 크다”고 말했다. 김소라 기자 sora@seoul.co.kr

구글 딥마인드에서 개발한 인공지능 바둑 프로그램 알파고가 이세돌 9단에게 도전장을 냈다. 세기의 대결로 주목받고 있는 이번 대국은 전 세계의 이목을 집중시키고 있다. 많은 전문가들은 이세돌 9단의 우세를 예상하고 있으나 알파고가 이번 대국을 계기로 더욱 성장할 수 있을 것이라 평했다. 인공지능 바둑 프로그램이 인간을 넘어서는 초읽기가 시작된 것이다. 그렇다면 알파고는 사람처럼 사고하는 것일까. 아니면 여전히 단순한 소프트웨어일 뿐일까. 바둑은 인공지능 분야에서 아직 정복하지 못한 인류의 마지막 보루다. 인공지능이 바둑 세계 챔피언에게 도전한다는 것 자체가 위대한 일이다. 가장 큰 이유는 바둑의 복잡성에서 찾을 수 있다. 바둑은 가능한 모든 수를 계산하면 풀 수 있는 문제다. 하지만 바둑의 경우의 수는 우주의 원자수보다 월등히 많기 때문에 경우의 수를 저장하는 것조차 불가능하다. 시간이 많이 주어진다고 해서 풀릴 수 있는 문제가 아닌 것이다. 이것을 어떻게 풀 수 있을까. 알파고가 제시한 해답은 프로 바둑기사의 기보를 학습하는 딥러닝 기술이다. 딥러닝은 인공신경망을 확장한 개념으로 빅데이터 분석, 자율주행 자동차, 소비자 구매 패턴 분석 등 새로운 산업분야 곳곳에서 활용되고 있다. 인공신경망은 사람의 뇌를 모사한 것으로 특히 사람이 학습하는 과정에 중점을 둔 알고리즘이다. 따라서 딥러닝의 핵심은 사람처럼 학습할 수 있다는 것이다. 알파고는 프로 바둑기사들의 기보 16만개를 3주 만에 학습했다. 사람이 1년 동안 배울 수 있는 기보를 1000개라고 해도 160년이 걸린다. 그동안 인류가 쌓아 온 바둑의 정수를 순식간에 학습했다고 볼 수 있다. 더욱이 알파고는 스스로 대국해 프로 바둑기사들의 전략을 더욱 갈고 닦았다. 알파고는 딥러닝으로 학습한 바둑 전략을 활용해 착수를 결정한다. 모든 경우의 수를 고려하는 것은 불가능하므로 경우의 수를 적절히 좁히는 것이 중요하다. 이것은 프로 바둑기사의 수읽기와 유사하다. 현재 대국 상황에서 상대방의 수와 자신의 대응을 예측함으로써 가장 승리할 확률이 높은 경우를 탐색하는 것이다. 바둑 인공지능 프로그램에서 가장 널리 사용되는 알고리즘은 몬테카를로 트리 탐색(MCTS)으로, 무한대에 가까운 탐색의 폭과 깊이를 줄이는 것이다. 알파고는 딥러닝으로 학습한 전문 바둑기사의 관점에서 경우의 수의 탐색 범위를 좁혔다고 볼 수 있다. 그 결과 유럽 챔피언에게 압도적으로 승리했다. 딥러닝에도 한계는 존재한다. 딥러닝은 이미지든, 바둑의 기보든, 심지어 소비자의 구매 선호도까지 학습해 의사 결정의 도구로 이용할 수 있다. 그러나 딥러닝은 한 분야에 국한된 경우가 일반적이다. 알파고가 영화 추천을 할 수 있는 기능은 없다. 다만 알파고의 학습 방법이 다른 분야에 적용될 가능성은 있다. 따라서 인공지능 기술이 인간을 능가할 것이라는 우려는 아직 시기상조라고 볼 수 있다. 스스로 학습할 수는 있으나 스스로 진화할 수 있는 가능성은 아직 높지 않다는 것이다. 이러한 관점에서 알파고는 프로 바둑기사처럼 행동하도록 만들어진 소프트웨어라고 볼 수 있다. 알파고와 이세돌 9단의 대결 결과에 따라 다양한 해석이 있을 수 있으나 인공지능이 바둑에 도전할 수 있다는 점 자체가 큰 의미가 있다. 하지만 필자는 알파고가 인간을 뛰어넘기 위해서는 아직 많은 시간이 필요할 것으로 본다. 그 이유는 바둑 게임의 경우의 수가 여전히 상상할 수 없을 정도로 크다는 점에 있다. 바둑은 인간에게조차 아직 미지의 영역이 존재한다고 볼 수 있다. 따라서 알파고가 프로기사들과 대등해질 수는 있어도 압도하는 상황이 벌어질 가능성은 적다고 본다. 알파고 개발진은 알파고를 활용해 음성인식, 기후변화, 헬스케어 등에 접목하겠다고 밝혔다. 게임 인공지능 프로그램으로 시작했지만 활용 분야는 무궁무진한 것이다. 인공지능 기술은 미래를 더 윤택하게 만들어 줄 문제 해결의 도구인 것이다. 인공지능이 인간의 이성과 지성을 넘어 감성까지 이해하는 시대가 다가오고 있다. 인공지능으로 만들어질 미래에 대해 막연한 걱정보다는 성큼 다가온 인공지능을 받아들이고 이해하는 노력이 필요하지 않을까.

바둑은 고도의 사고력과 직관, 통찰력의 총체다. 체스와 퀴즈를 정복한 인공지능에게도 ‘난공불락’으로 여겨졌던 인간만의 고유 영역이었다. 그러나 구글의 인공지능 자회사 딥마인드가 개발한 바둑 프로그램 ‘알파고’는 지난해 10월 유럽에서 활동하는 중국의 판후이 2단을 꺾으며 세계 바둑계와 과학계를 뒤흔들었다. 알파고가 강력한 이유는 “인간이 모든 규칙을 컴퓨터에 하나하나 입력한 전문가 시스템이 아닌, 바둑을 이기는 법을 스스로 파악했다는 점”(데미스 하사비스 딥마인드 최고경영자)에 있다. 정선(定先·하수가 흑돌을 잡고 먼저 두는 것)에서 두 점 깔아야 할 것이라고 점쳤던 프로기사들 사이에서도 “정선으로 해볼 만하다”는 견해가 고개를 들고 있다. 알파고가 형세를 꿰뚫고 판을 흔드는 ‘신의 한 수’까지 가능하게 된다면 인공지능은 또 한번 발전의 전기를 맞을 것이다. 9일 이세돌 9단과의 ‘세기의 반상 대결’에서 베일을 벗을 알파고의 기력(棋力)에 세계의 시선이 쏠리는 이유다. 바둑판 위에서 가능한 경우의 수는 10의 170제곱, 우주의 원자 수보다도 많다. 때문에 바둑의 고수들은 착수(着數)를 할 때 수읽기뿐 아니라 ‘감각’에도 의존한다. 알파고가 기존 바둑프로그램에서 진화한 점은 이 같은 ‘감각’을 흉내 내기 때문이다. 감동근 아주대 전자공학과 교수는 “알파고는 수읽기 차원을 넘어 모양을 이해하는 능력까지 갖춘 것으로 보인다”면서 “판 2단과의 대국 기보를 보면 모양에 따른 급소를 잘 찾아갔다”고 분석했다. 알파고의 정교한 수읽기는 ‘딥러닝’이라는 인공지능의 기계학습 방법을 통해 가능하다. 알파고는 인간 뇌의 신경망을 본뜬 알고리즘인 ‘심층 신경망’을 갖췄다. ‘정책망’과 ‘가치망’이라는 2개의 신경망을 이용해 정책망으로 좋은 수를 판단하고 가치망으로 각 수에 대한 자신과 상대의 승률을 평가한다. 소프트웨어정책연구소는 최근 보고서를 통해 “알파고는 바둑의 탐색 범위를 프로기사의 관점으로 좁힌 것”이라고 분석했다. 알파고에 대한 두려움은 ‘폭식’에 가까운 방대한 학습량에서도 기인한다. 구글 딥마인드에 따르면 알파고는 KGS라는 해외 바둑 사이트에서 확보한 6~9단 유저들의 기보 16만건, 약 3000만개의 착점(着點)을 학습했다. 또 100만번의 대국을 4주 만에 소화하며 스스로 바둑을 배워 나갔다. 지금도 하루 24시간 동안 3만 대국씩을 두며 성장하고 있다. 그러나 학습의 ‘질’에 대해서는 의문점도 적지 않다. 총 16만건의 기보 중에는 아마추어들의 기보가 대부분이다. 일류 프로기사들의 최신 기보를 최대한 학습해야 하지만 한국기원이 공개한 프로기사들의 기보는 1940년대 기보부터 세더라도 총 1만 8000여개에 불과하다. 방대한 학습과 알고리즘에 기반한 정교한 수읽기는 ‘양날의 검’이다. 목진석 9단은 알파고의 대국 스타일을 “모양이 잘 잡혀 있고 수읽기가 정확하다”고 평가했다. 반대로 생각하면 정석에서 벗어난 대국에 약할 수 있다는 의미다. 바둑계에서는 이 9단이 특유의 창의력으로 예측 불가한 수를 둘 경우 알파고가 응수하기 힘들 것이라는 전망이 우세하다. 감동근 교수는 “알파고의 지금의 신경망 구조로는 최대치까지 활용해도 프로 기사의 감각을 완전히 따라갈 수 없다”면서 “‘딥러닝’ 이상의 획기적인 아이디어가 없다면 승리는 힘들지만, 이마저도 시간문제라고 본다”고 내다봤다. 김소라 기자 sora@seoul.co.kr

성장 정체에 직면한 우리 기업의 미래 동력으로 인공지능(AI·Artificial Intelligence)이 각광받고 있다. 1956년 창시돼 60년간 인간 지성의 한계를 시험해온 인공지능은 사물인터넷(IoT), 빅데이터, 클라우드 등 정보통신기술(ICT) 신산업과 융합 시너지가 큰 분야로 주목된다. 우리 기업이 강점을 가진 반도체, 소재, 에너지 등 하드웨어 산업과 밀접한 관련이 있어 인공지능을 도약의 지렛대로 삼아야 한다는 목소리가 나온다. 인공지능은 2번의 빙하기를 거쳤다. 한상기 세종대 교수가 쓴 ‘인공지능의 현재와 미래’에 따르면 1970년대 후반과 1980년대 후반 인공지능 개발이 번번이 실패해 연구 지원이 대폭 축소됐다. 2000년 들어 인간의 두뇌를 흉내 낸 인공 신경망을 이용한 머신 러닝 또는 딥 러닝 방식이 성과를 거두면서 인공지능 분야에 3번째 기회의 문이 열렸다. 미국과 유럽, 일본이 인공지능 관련 연구·개발(R&D)을 앞서가고 있다. 정보통신기술진흥센터에 따르면 우리나라 인공지능 기술은 미국의 75% 수준에 그치고 기술 격차는 2년으로 평가된다. 인공지능 패권 경쟁에 뒤처지지 않으려면 정부와 민간 차원의 대규모 투자가 필요한 상황이다. 2013년 브레인 이니셔티브를 발표한 미국 정부는 10년간 30억 달러(약 3조 6000억원)를 뇌 연구 및 인공지능 개발에 투자하고 있다. 인터넷을 개발한 미 국방고등연구계획국(DARPA)은 인공지능 기술을 통해 인간의 뇌 구조를 닮은 데이터 처리 칩셋 뉴로모픽 칩을 IBM과 공동 개발했다. 유럽연합(EU)은 10년간 10억 유로(약 1조 3000억원)를 투입해 25개국 135개 기관이 참여하는 휴먼브레인 프로젝트(HBP)에 착수했다. 일본은 2021년 도쿄대 입학시험 통과를 목표로 인공지능 로봇 ‘도로보쿤’을 개발 중이다. 내로라하는 글로벌 ICT 기업은 인공지능 기술 전쟁을 주도하기 위해 핵심 인력 확보와 관련 벤처 인수에 사활을 걸었다. 구글은 지난 2012년 인공지능 분야의 3대 석학인 앤드루 응 스탠퍼드대 교수와 브레인 프로젝트를 추진해 유튜브 동영상 1000만개에서 74.8%의 정확도로 고양이를 분류한 인공지능 기술을 깜짝 발표했다. 2013년 AI 전문가 제프리 힌튼 토론토대 교수를 영입한 구글은 영국의 스타트업 ‘딥마인드’와 이미지로 외국어 표지판을 인식해 번역해주는 기술을 가진 ‘월드렌즈’를 인수했다. IBM은 슈퍼컴퓨터 왓슨의 진화에 공을 들였다. 왓슨은 2011년 미국의 유명 TV프로그램 제퍼디 퀴즈쇼에 나와 인간 챔피언을 꺾고 우승을 차지했다. 이후 IBM은 왓슨에 10억 달러를 투자했고 여러 병원에서 암환자를 진단, 치료하는 의사 보조 시스템으로 발전시켰다. 스마트폰 개인비서 ‘시리’를 선보인 애플은 인공지능을 차세대 핵심기술로 보고 모바일 스트리밍 서비스 업체 ‘스웰’, 지능형 개인비서 앱 개발업체 ‘큐’ 등을 인수했다. 페이스북은 AI 3대 석학 얀 르쿤 뉴욕대 교수를 지난 2013년 영입해 40명 규모의 인공지능랩(연구소)을 맡겼다. 중국의 대형 포털 바이두는 2014년 구글의 AI 연구를 이끌던 앤드루 응 교수를 영입하고 5년간 3억 달러를 투입해 실리콘밸리와 베이징에 각각 인공지능 연구소를 지었다. 바이두가 개발한 음성인식 기술인 딥스피치는 주변소음이나 사투리에 관계없이 음성정보를 정확하게 인식해 주목받고 있다. 선진국에 비하면 우리나라의 인공지능 연구는 아직 걸음마 수준에 가깝다. 미래창조과학부는 전자통신연구원, 포스텍, 카이스트 등 26개 연구기관이 참여하는 ‘엑소브레인 프로젝트’에 10년간 1070억원을 투입하고 있다. 대부분의 인공지능 연구가 정부 지원에 의존하다 보니 장기간 대규모 투자가 필요한 슈퍼컴퓨터, 인지컴퓨팅 분야는 소외되고 시청각 인지기술에만 연구가 쏠리는 현상이 나타나고 있다. 민간기업의 적극적인 관심이 인공지능 활성화를 좌우할 전망이다. 네이버는 2012년 딥러닝 연구와 활용에 1000억원을 투자한다고 밝혔으며 카카오는 개인 맞춤형 서비스에 머신러닝을 사용하고 있다. SK텔레콤은 인공지능 비서 에고 메이트를 개발 중이다. 삼성전자와 LG전자 등은 인공지능 연구팀을 막 꾸린 참이다. 루닛, 디오텍, 마인즈랩 등의 벤처기업은 의료 분야에 특화된 AI 기술과 서비스를 개발하고 있다. 오달란 기자 dallan@seoul.co.kr

커제 등 세계 바둑계, 이세돌 압승 점쳐 “알파고 수백만 대국” 과학계 의견 갈려 인간 바둑 최고수와 최강 컴퓨터의 ‘반상 대결’이 임박하면서 바둑계와 과학계의 관심이 쏠리고 있다. 사람과 인공지능(AI)이 벌이는 역사적 대결 결과에 대한 다양한 예측도 쏟아지고 있다. 세계 정상의 프로바둑 기사 이세돌(33) 9단은 9일부터 서울 광화문 포시즌스호텔에서 구글 자회사 딥마인드의 AI 바둑 프로그램 ‘알파고’(AlphaGo)와 자존심을 건 5번기를 벌인다. 알파고와의 대결을 앞두고 지난 5일 중국 상하이에서 열린 농심신라면배 세계바둑최강전 최종국에서 중국의 커제 9단에게 불계패한 이 9단은 “알파고와의 대국에 영향은 없다”며 선전을 다짐했다. 커제는 이 9단이 5-0으로 승리할 것으로 내다봤다. 상금 100만 달러(약 12억원)가 걸린 이번 5번기는 9일 첫판을 시작으로 10일(2국), 12~13일(3~4국), 15일(최종국)까지 펼쳐진다. 대국은 오후 1시부터 유튜브 채널, 바둑TV 등을 통해 중계된다. 이 9단이 승리하면 상금 100만 달러가 주어진다. 알파고가 이기면 상금은 유니세프 등에 기부된다. 이 대결은 백을 쥔 기사에게 7집 반 덤을 주는 중국 규칙이 적용된다. 이는 알파고가 그동안 중국 규칙으로 학습해 왔기 때문으로 보인다. 제한 시간은 각 2시간이며 이후 1분 초읽기 3회씩이 주어진다. 마지막 초읽기에서 60초 안에 착수하지 못하면 시간패로 처리된다. 알파고 개발에 참여한 아자황(아마 6단)이 알파고의 ‘손’ 노릇을 한다. 세계 바둑계에서는 이 9단의 압승을 점치고 있다. 프로바둑 기사 출신 정보기술(IT) 전문가인 김찬우(6단) AI바둑 대표는 “알파고는 아직 완벽하지 않다. 알파고가 한 판이라도 이기기는 어렵다”고 전망했다. 바둑계는 “인간을 대표한 이 9단이 컴퓨터에 지면 안 된다는 부담감이 적지 않을 것”이라면서 “그 중압감을 어떻게 이겨 내느냐가 관건”이라고 입을 모았다. 과학계에서는 이 9단의 승리를 예상하지만 그렇지 않은 목소리도 있다. 정재승 카이스트 바이오 및 뇌공학과 교수는 “알파고는 단기 전략은 우수하지만 멀리 내다보고 미리 수를 쓰는 능력은 현저히 떨어진다. 이 9단이 이길 확률이 더 높다”고 전망했다. 하지만 김진호 서울과학종합대학원 교수 등은 알파고는 기존 프로그램과 달리 스스로 학습하며 지능을 키우는 ‘딥러닝’이 하루가 다르게 발전하고 있다면서 승률을 50대50으로 추정했다. 이들은 “알파고가 지난해 10월 중국 프로기사 출신 판후이 2단과 대국(알파고의 5-0 완승)한 이후 수백만 판을 두면서 능력을 더 키웠을 가능성이 있다”며 조심스러워하고 있다. 김민수 선임기자 kimms@seoul.co.kr

1. 지금까지는 유용했을지 모르지만 너무 발전하면 인류의 종말을 불러올 수도 있다(스티븐 호킹). 2. 힘이 너무 세지면 인류에게 위협이 될 수 있으니 잘 관리해야 한다(빌 게이츠). 3. 인류에게 더 유익한 방향으로 발전하도록 연구비를 지원하겠다(일론 머스크). 이름만 들으면 알 만한 세계적인 학자와 경영자들이 이처럼 입을 모아 위험성을 경고하고 나선 것은 무엇일까. 인간의 학습 능력과 이해력을 컴퓨터 프로그램으로 구현한 기술, 바로 인공지능이다. 인공지능이 놀라운 속도로 발전하면서 인간을 편리하게 해 줄 것이라는 관심과 기대만큼 우려도 커지고 있다. 인공지능의 발달로 가장 큰 영향을 받을 것이 예측되는 분야는 역시 일자리 지형이다. 아직 초기지만 인공지능은 이미 여러 분야에서 활용 중이다. 간단한 사건·사고나 증권 시황을 금세 기사로 써 내는 로봇기자가 등장했고, 빅데이터를 활용해 금융투자 자문을 해 주는 ‘로보어드바이저’가 본격적으로 도입되는 추세다. 유명 퀴즈쇼에서 인간 우승자를 꺾어 화제를 모은 IBM의 인공지능 ‘왓슨’은 병원 차트를 분석해 환자에게 직접 처방을 내리기까지 한다. 이제는 기계가 단순한 반복 노동의 효율성을 높여 주는 데서 그치지 않고 기초적 단계의 화이트칼라 업무까지 직접 해 내는 수준까지 올라선 것이다. 인간의 사고를 흉내 내는 로봇, 인간을 닮아 가는 기계에 대한 두려움은 머지않은 미래에 일자리를 두고 인간과 기계가 경쟁하는 지경에 이를지도 모른다는 공포로 이어진다. 그런 의미에서 지난달 스위스에서 열린 다보스포럼이 올해의 화두로 ‘제4차 산업혁명과 미래 일자리’를 제시한 것은 의미심장하다. 기술 발달로 로봇의 자동화가 가속화되면 조만간 수백만 개의 인간 일자리가 사라질 것이라는 세계경제포럼의 보고서는 인류를 향한 문제 제기의 자리였다. 그렇다면 앞으로는 교육 시스템도 대폭 바뀌어야 할 것이다. 기존 직업이 사라진 자리에는 지금과는 다른 새로운 형태의 직업이 들어서게 될 텐데, 이런 상황에서는 미래 유망 직종을 예측해 그에 필요한 기술과 지식을 미리 배워 봤자 소용이 없다. 그보다는 복잡한 여러 조건이 얽혀 있는 현실 속에서 적절한 답을 찾는 종합적 문제 해결 능력, 사람의 감정을 읽고 설득할 줄 아는 사회적 소통 능력을 중시하는 쪽으로 변할 것이다. 따라서 인간의 마음을 어루만지는 성직자나 심리치료사, 창의적 영감을 표현하는 아티스트는 당분간 인간의 고유 영역으로 남을 가능성이 크다고 본다. 사회 변화에 따라 관련 법제도와 시스템도 더 정교해질 필요가 있다. 이를테면 무인 자동차나 스마트공장 내 로봇 오작동으로 발생한 사고의 책임 소재는 어떻게 가릴까. 개인이 날린 드론이 범죄에 악용되거나 사생활을 침해하면 어떻게 규제할까. 이러한 이슈를 고민하고 토론하는 사회적 논의가 있어야 한다는 얘기다. 일본의 자동차 업체 닛산이 자율주행차 연구진에 인류학자를 포함한 것은 그저 우연이 아니다. 기계와 공생하는 인간을 알아 가기 위한 노력이다. 다음달 9일부터 15일까지는 이세돌 9단과 구글의 인공지능 ‘알파고’가 세기의 바둑 대결을 펼친다. 전문가들은 대체로 알파고의 통합 연산능력이 프로 바둑기사에는 미치지 못한다며 이 9단의 우세를 점친다. 하지만 알파고는 미리 설계해 놓은 대로만 연산하지 않고 실제 바둑 경기로 학습하며 실력을 쌓아 가는 능력(딥 러닝)을 갖췄다. 이번이 아니라도 언젠가는 인간을 능가하는 수준으로 발전할 것이다. 중요한 것은 인공지능 연구가 앞으로도 계속될 것이며, 싫든 좋든 계속 인간의 삶에 침투해 올 것이라는 점이다. 그럼 어떻게 대처해야 할까. 지금 우리에게는 미래에 대한 날카로운 분석과 전망도 필요하지만, 그에 못지않게 인간과 기계가 평화롭게 공존하는 생태계를 모색하기 위해 공동의 지혜를 모으는 것이 필요하다고 본다. 실제로 인간에게는 딥러닝에 기초한 기계가 따라올 수 없는 감정의 영역과 창의적 능력이 남아 있다. 그래서 필자는 인류의 창의성과 불규칙한 감성적 특성이 그 솔루션을 찾아낼 것이라 믿는다.

머신러닝(기계학습)은 이미 우리가 모르는 사이 우리 일상생활에 깊게 들어와 있습니다. 구글은 이미 몇 년 전부터 자신들이 제공하는 서비스에 대부분 머신러닝을 적용하고 있습니다. 예를 들어 원숭이라고 사진을 검색하면 사진 정보에 원숭이가 없더라도 원숭이가 포함된 것으로 보이는 사진을 모두 보여주는 것이죠. 인간은 고양이의 사진을 보고 쉽게 고양이라고 판단할 수 있지만, 컴퓨터는 이런 추상적인 사고가 어렵습니다. 하지만 머신러닝, 그리고 한 단계 더 들어간 딥러닝(Deep learning) 덕분에 이제는 이미지를 보고 단순 분류는 물론 여러 가지 정보를 스스로 습득하는 단계에까지 이르렀습니다. 이미지 인식 기술은 단순히 사진 검색에서만 사용되는 것이 아닙니다. 최근 미 육군은 물자 공수를 위해서 ‘합동 정밀 공수 시스템 ’(Joint Precision Airdrop System, JPADS)을 개발하고 있습니다. 이 시스템은 한 마디로 눈으로 보고 알아서 착륙하는 로봇 낙하산 시스템입니다. 낙하산을 이용한 물자 수송은 역사가 오래되었지만, 여전히 한 가지 중대한 문제점을 가지고 있습니다. 그것은 물자가 원하지 않은 위치에 착륙하는 것이죠. 단순히 적의 손의 넘어가는 것만이 문제가 아닙니다. 본래대로라면 착륙하지 말아야 할 강이나 호수, 경사 지형은 물론이고 심지어 주택이나 건물 등에 착륙해 피해가 발생할 수 있습니다. 이 문제를 극복하기 위해 최신 공수 시스템은 GPS를 통해 낙하산의 착륙 위치를 유도합니다. 하지만 최근에는 GPS 신호를 방해하는 새로운 장치가 등장해 미 육군은 새로운 방법을 도입하려는 것입니다. 그것은 제목처럼 눈으로 보고 원하는 곳에 착륙하는 로봇 낙하산입니다. 드레이퍼 연구소(Draper laboratory)를 비롯한 여러 기업이 개발한 새로운 내비게이션 시스템은 카메라로 지형을 파악해서 정확한 착륙 위치를 스스로 찾습니다. 드레이퍼 연구소가 개발한 ‘로스트 로봇’(Lost Robot) 소프트웨어는 사전에 찍은 위성 사진과 비교해서 지정된 착륙 위치로 낙하산을 유도하기 때문이죠. 따라서 GPS 재밍이 있는 상황에서도 원하는 위치에 공수할 수 있습니다. 다만, 낙하산 시스템이라 정확도는 아주 높지 않아서 2,000파운드(약 900kg)의 경우 150m 오차가 발생하고 1만 파운드(약 4.5t) 화물의 경우 250m의 오차가 발생할 수 있다고 합니다. 물론 폭탄을 유도하는 것이 아니라 물자를 대량으로 공수하는 경우 이 정도 오차는 큰 문제가 되지는 않습니다. 현재 미 육군은 이 시스템이 더 다양한 용도로 사용될 수 있다고 보고 있습니다. 예를 들어 앞으로 스마트 폭탄은 레이저나 GPS 유도가 아니라 카메라로 목표를 인식해 공격할 수 있습니다. 이때 민간인 피해가 우려되는 지점은 회피하고 적이 이동했다면 쫓아가서 공격하는 능력까지 개발할 수 있을지 모릅니다. 물론 이미지 기반 인식 시스템에도 한계는 있습니다. 눈 덮인 설원이나 혹은 끝없이 같은 지형이 펼쳐진 사막에 착륙해야 하는 경우, 그리고 안개나 구름으로 지표를 도저히 관측하기 어려운 경우라면 여전히 GPS가 더 유용한 도구입니다. 따라서 현재 개발되는 시스템은 이미지 기반은 물론 GPS도 같이 활용해 정확도를 높이게 됩니다. 이미지 인식 기술은 나날이 발전하고 있고 우리가 모르는 사이 이미 여러 영역에서 응용되고 있거나 응용될 날을 기다리고 있습니다. 일부에서는 로봇이 사람의 일자리를 빼앗지 않을까 우려하는 목소리도 있지만, 기술의 발전을 뒤로 돌리기는 어렵겠죠. 결국, 사람처럼 눈으로 보고 사물과 사람을 인지하는 로봇의 등장은 현실로 다가오고 있습니다. 사진=JPADS를 테스트 중인 미 육군(U.S. Army Photo) 고든 정 통신원 jjy0501@naver.com

이세돌 9단과 인공지능(AI) 컴퓨터 ‘알파고’가 다음달 서울에서 승부를 겨룬다. 세계 바둑 최강자와 컴퓨터의 대국에 과학계와 바둑계 모두 촉각을 곤두세우고 있다. 바둑계에서는 알파고의 바둑 실력이 역대 최고인 것은 분명하지만 정상급 프로기사를 이기기에는 아직 멀었다고 평가하면서도 긴장한 기색이 역력했다. 최근 만난 바둑계 인사는 “알파고가 지난해 10월 중국계 프로기사 판후이 2단에게 5전 전승을 거둔 것은 높이 평가하지만, 아직 정상급 프로기사를 이기긴 쉽지 않을 것”이라면서도 “하지만 5000년 바둑사에 큰 획을 긋는 역사적인 대국”이라고 평가했다. 서양을 대표하는 보드게임인 체스에서는 이미 1997년 슈퍼컴퓨터가 세계 체스 챔피언을 꺾었지만 바둑은 컴퓨터가 인간을 넘기 힘든 분야로 여겨졌다. 가로세로 19줄, 361개의 점으로 이뤄진 바둑판에는 무한대의 경우의 수가 숨어 있기 때문이다. 알파고가 바둑에 도전장을 던질 수 있었던 것은 ‘딥러닝’이라는 기술 덕분이다. 딥러닝은 컴퓨터에 사람의 사고방식을 가르쳐 스스로 학습하게 하는 알고리즘이다. 알파고는 프로기사들의 대국 3000만건의 기보를 입력받아 데이터를 축적했고, 이를 바탕으로 스스로 학습을 했다고 한다. 이는 인간이 바둑을 1000년 학습한 것과 맞먹는 어마어마한 분량이다. 그렇다면 왜 알파고를 개발한 구글 딥마인드는 100만 달러(약 12억원)라는 거액의 상금을 내걸고 도전에 나선 것일까. 그 해답은 빅데이터의 활용과 맞물려 있다. 바둑 소프트웨어에는 빅데이터를 바탕으로 예상 확률을 알아낸 뒤 더 높은 확률을 선택을 하는 컴퓨터 기법인 ‘몬테카를로 트리탐색’ 기법이 적용된다. 구글 딥마인드는 알파고를 더욱 발전시켜 바둑만큼 복잡한 실생활에 인공지능을 적용한다는 복안이다. 구글 딥마인드 최고경영자(CEO)인 데미스 하사비스는 이 대국 취지에 대해 “알파고는 바둑뿐만 아니라 아니라 실생활 어디에든 적용될 수 있다. 알파고가 사회의 난제들을 해결하는 데 쓰이기를 기대한다”고 설명했다. 인공지능이 실생활에 적용되면 빅데이터를 바탕으로 컴퓨터가 개인 선호도를 찾아 최적의 여행 플랜을 짜줄 수 있고, 의료 분야에서는 다양한 환자의 증상을 학습해 이에 맞는 진단과 처방을 할 수 있게 된다. 또 기초 데이터를 입력하면 컴퓨터가 상황에 맞춰 기사를 쓰는 시대도 조만간 도래한다. ‘로봇 프로 바둑기사’는 물론 ‘로봇 여행 플래너’, ‘로봇 의사’, ‘로봇 기자’ 등 다양한 전문직종에서 컴퓨터가 사람을 대신하게 된다. 최근 스위스 다보스에서 끝난 세계경제포럼(WEF) 연차총회에서는 ‘로봇과 인공지능이 일으킬 4차 산업혁명’이라는 주제가 눈길을 끌었다. 이 자리에서는 2020년까지 510만개의 일자리가 사라질 것이라는 보고서가 발표됐다. 인공지능의 영역이 점차 확대되면서 인간의 노동 영역을 대체할 날이 멀지 않았다는 것이다. 이처럼 전 세계가 4차 산업혁명에 뛰어들고 있는 현실에서 이세돌 9단과 알파고의 대결을 그냥 흥미로운 이벤트로만 보기에는 많은 여운이 남는다. 기술의 변화에 따라 일자리가 사라지고, 생겨나는 현실에서 우리나라도 이제 4차 혁명에 적응하고 적극 대응해야 한다. 컴퓨터가 바둑 최강자를 이길 날이 머지않아 보인다. 이왕이면 그 주역이 우리나라의 기술이었으면 하는 바람을 가져 본다. hyun68@seoul.co.kr

지난해 개봉한 영화 ‘어벤저스: 에이지 오브 울트론’에는 전혀 다른 성격의 인공지능(AI)이 나온다. 어벤저스의 일원인 아이언맨을 돕는 착한 AI ‘자비스’와 지구를 파괴하려는 악한 AI ‘울트론’이다. 아이언맨이 울트론을 불러낸 것은 지구를 지키기 위해서였지만 울트론은 점점 강하고 악하게 변해 인류를 위협하는 존재가 된다. 인공지능은 더이상 영화 속 이야기가 아니다. 우리 현실 속으로 알게 모르게 들어오고 있다. 자율주행차(무인자동차)나 미국 애플의 ‘시리’ 기능 등은 인공지능 기술을 적용한 대표적인 제품들이다. 인공지능 기술이 급속히 진화하고 일상에 빠르게 확산되면서 사회 전반에 미치는 영향은 갈수록 커질 것으로 예상된다. 이 때문에 미래창조과학부와 한국과학기술기획평가원(KISTEP)은 지난해 인공지능을 ‘기술영향평가’ 대상 기술로 선정해 미래에 미칠 영향을 분석했다. 인공지능은 1956년 영국 다트머스회의에서 존 매카시 교수에 의해 처음 사용된 용어다. 사전적 의미의 인공지능은 철학적 개념에 더 가깝다. 인간처럼 지성을 갖춘 존재나 시스템에 의해 만들어진 인공적인 지능이 인공지능이다. 그렇지만 일반적으로는 인간의 지각, 추론, 학습 능력 등을 컴퓨터 기술로 재현해 문제 해결에 도움을 받을 수 있는 기술을 말한다. 인공지능은 구현하려는 기술의 목표에 따라 ‘강한 인공지능’과 ‘약한 인공지능’으로 나뉜다. 강한 인공지능은 인간과 똑같이 마음과 정신까지 갖고 있어야 한다고 생각하는 부류이고 약한 인공지능은 수학 이론을 증명하고 글자를 읽고 쓰면서 사람과 대화를 하거나 장애물을 피하는 등 인간의 지능 전체가 아닌 특정 목적을 위한 부분적 기능만 갖추고 있어도 된다고 생각하는 것이다. 우리가 흔히 SF영화에서 볼 수 있는 인공지능들은 대부분 강한 인공지능 개념을 기반으로 한다. 스탠리 큐브릭 감독의 ‘2001 스페이스 오디세이’에는 사람과 똑같은 언어로 대화하고 사람의 얼굴을 알아보고 그림을 비평하고 감정을 읽고 추론할 수 있는 인공지능 컴퓨터 ‘할 9000’이 나온다. 영화 ‘터미네이터’에도 사람이 만든 인공지능 방어 프로그램인 ‘스카이넷’이 지각력을 얻어 사람이 자신을 파괴할 것으로 예상하고 인류에 대한 핵 공격을 감행한다는 내용이 나온다. 영화들은 기계가 스스로 사고하게 됨으로써 생겨나는 극단적인 미래 문제에 초점을 맞추고 있다. 전문가들은 “영화 속 인공지능에 익숙한 사람들은 강한 인공지능을 고차원적인 것으로 보고, 약한 인공지능을 수준 낮은 것 또는 인공지능이 아닌 것으로 취급하게 된다”고 지적한다. 약한 인공지능은 흔히 생각하는 것처럼 단순한 자동화 시스템이 아니며 예상치 못한 상황에 닥쳤을 때 인간의 지시를 받는 것이 아니라 시스템 스스로 최적의 답을 찾는 방식으로 작동하기 때문에 지능을 가졌다고 봐야 한다. 우리가 알고 있는 많은 지능형 시스템은 약한 인공지능에 해당한다. 인공지능의 세부 기술은 크게 ▲지각·인식 ▲추론·계획 ▲학습·적응 등으로 나눌 수 있다. 지각 및 인식은 센서를 통해 들어온 정보에 기반해 상태를 유추하는 기술이며, 추론 및 계획은 기존에 받아들인 지식으로부터 새로운 지식을 유도하고 목표 상태에 도달하기 위한 행위의 순서를 찾아내는 기술을 말한다. 학습 및 적응은 추론 과정에서 얻은 경험을 통해 다음에 더 효과적으로 문제를 해결할 수 있도록 시스템을 수정, 보완하는 기술이다. 1950년대 처음 개념이 나온 뒤 상당 기간 발전이 정체돼 있던 인공지능은 최근에 딥러닝, 자연어 처리 기술 등에서 진전을 보이면서 ‘제2의 전성기’를 맞고 있다. 딥러닝 기술은 뇌의 정보처리 방식을 인공적으로 재현하려는 인공신경망 연구에서 비롯됐다. 인간의 뇌는 뉴런들끼리 신호를 주고받으면서 정보를 처리하는데 딥러닝 기술은 이를 흉내 내 인공적으로 만든 컴퓨터 신경망이 수많은 반복과 수정 과정을 거쳐 디지털화한 데이터, 예를 들어 특정 이미지나 음향 데이터를 패턴을 통해 인식하도록 한다. 자연어 처리 기술은 사람들이 일상적으로 쓰는 말을 컴퓨터가 이해하고 답할 수 있도록 하는 기계 학습 방법이다. 간단해 보이지만 컴퓨터 언어와 사람의 언어가 다르기 때문에 기계가 사람의 말을 이해하기 위해서는 별도의 작업이 필요하다. 전문가들은 인간과 컴퓨터 간 의사소통이 가능한 인텔리전트 인터페이스는 2019년쯤 본격적으로 확산될 것으로 전망하고 있다. 기술영향평가를 총괄한 윤헌주 미래부 과학기술정책관은 “인공지능 시스템의 판단 범위와 판단에 대한 최종 책임 여부 등 윤리적 문제, 개인정보 보호와 사생활 침해는 물론 일자리 문제까지 인공지능의 발달로 인해 사회 전반에서 나타날 수 있는 다양한 문제에 대응할 정책을 마련할 수 있도록 관계 부처들과 협의해 나갈 것”이라고 말했다. 유용하 기자 edmondy@seoul.co.kr

'스스로 학습' 이라는 말은 이제 사람에게만 쓰는 용어는 아닌 것 같다. 최근 미국 캘리포니아 대학교 버클리캠퍼스 연구팀이 마치 인간처럼 실수로부터 배우는 로봇 '브렛'(BRETT)을 개발해 관심을 끌고있다. 마치 AI(인공지능)가 지배하는 암울한 SF영화를 떠올리게 하는 이 로봇은 물론 초보적인 수준으로 아직 갈 길은 멀다. 이제는 산업 현장 뿐 아니라 생활 깊숙히 들어온 로봇은 당연히 사전에 프로그램된 행동만 할 수 있다. 이 때문에 로봇은 조금이라도 환경이 달라지면 맡은 바 임무를 처리하지 못하지만 버클리 연구팀이 개발한 브렛은 다르다. 영상으로 공개된 화면을 보면 브렛은 장난감 비행기에 바퀴를 맞추는 간단한 일을 처음에는 제대로 수행하지 못한다. 그러나 수차례 이같은 작업을 반복하면서 결국 빠르고 정확하게 바퀴를 맞추는데 성공한다. 또한 레고를 맞추는 블록 작업 역시 처음에는 버벅거리다가 나중에는 향상된 실력을 발휘한다. 결과적으로 여러차례 실수를 통해 스스로 방법을 찾은 셈이다. 연구팀의 이같은 기술의 비밀은 바로 '딥러닝'이다. 딥 러닝(deep learning)은 컴퓨터가 사람처럼 생각하고 배울 수 있도록 하는 AI 기술로 최근들어 전세계적인 미래 동력으로 각광받고 있다. 연구를 이끈 피에터 아벨 교수는 "로봇이 스스로 배우는 힘을 부여하는데 있어 한발짝 나아간 것" 이라면서 "이번 실험에서 브렛이 새로운 상황에 직면했을 때 재프로그램하지 않았다"고 설명했다. 이어 "이처럼 로봇이 스스로 학습하는 능력은 복잡하고 다양한 업무를 수행하는데 있어 핵심적인 것" 이라면서 "향후 10년 내에 보다 획기적인 수준의 딥러닝 로봇이 개발될 수 있을 것" 이라고 덧붙였다.　 　 박종익 기자 pji@seoul.co.kr

'스스로 학습' 이라는 말은 이제 사람에게만 쓰는 용어는 아닌 것 같다. 최근 미국 캘리포니아 대학교 버클리캠퍼스 연구팀이 마치 인간처럼 실수로부터 배우는 로봇 '브렛'(BRETT)을 개발해 관심을 끌고있다. 마치 AI(인공지능)가 지배하는 암울한 SF영화를 떠올리게 하는 이 로봇은 물론 초보적인 수준으로 아직 갈 길은 멀다. 이제는 산업 현장 뿐 아니라 생활 깊숙히 들어온 로봇은 당연히 사전에 프로그램된 행동만 할 수 있다. 이 때문에 로봇은 조금이라도 환경이 달라지면 맡은 바 임무를 처리하지 못하지만 버클리 연구팀이 개발한 브렛은 다르다. 영상으로 공개된 화면을 보면 브렛은 장난감 비행기에 바퀴를 맞추는 간단한 일을 처음에는 제대로 수행하지 못한다. 그러나 수차례 이같은 작업을 반복하면서 결국 빠르고 정확하게 바퀴를 맞추는데 성공한다. 또한 레고를 맞추는 블록 작업 역시 처음에는 버벅거리다가 나중에는 향상된 실력을 발휘한다. 결과적으로 여러차례 실수를 통해 스스로 방법을 찾은 셈이다. 연구팀의 이같은 기술의 비밀은 바로 '딥러닝'이다. 딥 러닝(deep learning)은 컴퓨터가 사람처럼 생각하고 배울 수 있도록 하는 AI 기술로 최근들어 전세계적인 미래 동력으로 각광받고 있다. 연구를 이끈 피에터 아벨 교수는 "로봇이 스스로 배우는 힘을 부여하는데 있어 한발짝 나아간 것" 이라면서 "이번 실험에서 브렛이 새로운 상황에 직면했을 때 재프로그램하지 않았다"고 설명했다. 이어 "이처럼 로봇이 스스로 학습하는 능력은 복잡하고 다양한 업무를 수행하는데 있어 핵심적인 것" 이라면서 "향후 10년 내에 보다 획기적인 수준의 딥러닝 로봇이 개발될 수 있을 것" 이라고 덧붙였다.　 　 박종익 기자 pji@seoul.co.kr