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.

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

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

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

정말 한 달 이상 한숨도 안 자고 일했습니다. 어떻게 그럴수 있냐구요? 아, 저는 가능하답니다. 전 사람이 아니라 미국 조지아대학교 환경과학대에 있는 메인 컴퓨터이거든요. 저는 지난 한 달 동안 ‘머신러닝’(Machine Learning)이라는 새로운 방식으로 일을 했습니다. 혹시 머신러닝이나 ‘딥러닝’(Deep Learning) 같은 말을 들어보셨나요? 이런, 들어본 적이 없으시군요. 머신러닝은 컴퓨터가 주어진 데이터의 패턴을 검증하고 스스로 학습하는 겁니다. 새로운 데이터가 입력되면 과거의 데이터를 바탕으로 이해하고 분석해 미래를 예측하는 거죠. SF 영화를 보면 컴퓨터가 범죄나 테러, 교통사고 등을 예측하는 장면이 나오잖아요. 그것들도 모두 머신러닝 기술 덕분이랍니다. 일하는 방식도 그렇지만 처리했던 일도 독특했습니다. 연구 책임자였던 미국 뉴욕 캐리생태학연구소의 바바라 한 박사와 우리 학교 존 폴 슈미츠 박사가 시킨 일이었죠. 두 사람은 몇몇 동물의 종류와 크기, 습관, 거주지, 거주밀도, 활동반경, 짝짓기 방식 등 전혀 상관 없어 보이는 86개의 변수를 저한테 알려주더군요. 이 변수들을 종합해 분석했습니다. 그런데 제가 만들어 낸 보고서를 읽은 사람들이 입을 다물지 못했습니다. 꽤나 충격적이었던 거죠. 제 분석의 핵심은 시궁쥐 같은 ‘설치류’가 사람·동물 간 감염 질환의 주요 숙주라는 것입니다. 설치류가 사람에게 위험한 바이러스, 박테리아, 곰팡이를 몰고 다니면서 가까운 미래에 ‘판데믹’(대유행병)을 일으킬 거라는 말이죠. 저는 58개 정도의 새로운 감염성 질병이 설치류들에 의해 전염된다는 사실도 밝혀냈습니다. 이것은 설치류들이 다른 감염성 질병을 옮기는 동물들에 비해 거주 지역이 넓고, 번식력이 왕성하기 때문이라고 생각됩니다. 더군다나 사람들이 원치는 않지만 가장 가까이 살고 있는 동물이잖아요. 저는 설치류들에 의해 판데믹 발생 가능성이 높은 ‘핫스팟’ 지역도 예측해냈습니다. 바로 중동과 중앙아시아, 미국 네브래스카·캔자스 등 중서부 지역입니다. 이쪽 지역 의료진들이나 방역당국은 쥐들에 대한 준비를 미리 해 둬야 할 것 같군요. 연구자들은 이런 충격적인 결론을 미국 국립과학원회보(PNAS) 5월 18일자에 발표했고 이를 세계적인 과학저널 ‘사이언스’가 긴급뉴스로 자세히 다뤘답니다. 한국에서는 중동호흡기증후군(메르스) 환자가 발생해 비상이라지요. 메르스처럼 동물·사람 간 감염 질환은 점점 늘어나는 추세입니다. 인류는 조만간 새로운 질병에 직면할 수도 있을 거예요. 그렇지만 항상 그랬던 것처럼 잘 대응할 수 있을 거라 믿어요. 유용하 기자 edmondy@seoul.co.kr