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