딥러닝 레볼루션

 

테런스 J. 세즈노스키 지음, 권정민 감수, 안진환 옮김, 한국경제신문.

 2016년 이세돌 9단과 구글의 인공지능(AI) 바둑 프로그램 알파고가 세기의 대국을 벌인 게 불과 3년 7개월 전 일이다. 당시 이 9단의 충격적인 패배만큼 생소했던 AI는 현재 세계 경제, 정치, 사회의 변화를 설명하는 핵심 화두가 되고 있다 우리 사회에서 인공지능은 산업과 생활의 혁신을 이끌 미래기술로 급부상하였다. 2020년 1월에 미국 라스베이거스 CES에서 전시된 제품들은 인공지능(AI)이 장착된 것이다. 전공자가 아니라면 인공지능(AI)이 어디서 기원했으며 어떤 방향으로 진화할지를 가늠하기는 쉽지 않다.

 테런스 J 세즈노스키(Terrence J. Sejnowski, https://www.salk.edu/scientist/terrence-sejnowski) 미국 UC샌디에이고 교수는《딥러닝 레볼루션(The Deep Learning Revolution)》(한국경제신문 출간)은 인공지능에 대한 명쾌한 답을 제시해 준다. 세즈노스키는 지난 50여 년간 AI가 발전해온 궤적을 목격했고, 그 역사적 맥락을 이해할 수 있는 전문적인 식견을 갖추고 있다. 이 책에는 세계적인 AI 분야 석학들과 벌인 논쟁과 협력의 서사들이 생생하게 담겼다. 특히 이 책에서는 인공지능을 변혁의 핵심으로 부상시킨 ‘딥러닝’의 발전 기술을 다루고 있다.

 테런스 J 세즈노스키 교수(73)는 현대 인공지능(AI) 연구의 한 획을 그은 인물로 꼽힌다. ‘딥러닝(심층학습)’ 분야의 거장이기도 하다. 딥러닝을 체계화한 제프리 힌튼 캐나다 토론토대 컴퓨터과학부 교수 등 AI 분야 석학들과 교류하면서 현대 딥러닝 이론의 기초를 닦았다. 1985년 세즈노스키 교수가 힌튼 교수와 함께 발표한 논문 ‘볼츠만 머신의 학습 알고리즘’은 학계의 딥러닝 연구를 촉발하는 계기가 됐다. AI 학계 최대 학술단체인 인공신경망학회(NeurIPS) 재단 이사장직을 1993년부터 맡고 있다. 저술 활동도 활발하다. 《딥러닝 레볼루션》을 포함해 총 15권의 책을 썼고 500편이 넘는 논문을 저술했다. 1989년 월간 학술저널인 ‘신경연산(Neural Computation)’을 공동 창간했으며 편집장을 맡고 있다.

  저자는 데이터의 중요성을 1장 머신러닝 파트에서 강조한다. 데이터가 새로운 종류의 기름이고 학습 알고리즘이 원료 데이터에서 정보를 뽑아내는 정유공장인 셈이다. 정보는 지식을 창출하는 데 쓰일 수 있고, 지식은 이해를 이끌어내며, 이해는 지혜의 바탕이 된다. 데이터(Data)-정보(Information)-지식(Knowledge)-지혜(Wisdom)-니르바나(Nirvana, 열반)의 지식계층 구조가 떠오른다.

 인공지능을 창출하는 딥러닝은 두 가지 시각이 경합하던 1950년대가 태동시점이다. 하나는 로직과 컴퓨터 프로그램에 기초한 시각으로 수십 년 동안 인공지능 세계를 지배했으며, 다른 하나는 데이터로부터 직접 학습하는 방식에 기초한 시각으로 성숙 단계에 이르기까지 그보다 더 오랜 시간이 걸렸다(p.25). 머신러닝은 컴퓨터가 인간처럼 스스로 학습하도록 하는 기술을 말한다(p.25). 1950년대부터 연구됐지만 여러 가지 기술적 한계로 상당 기간 구현되지 못했다. 1980년대 들어 딥러닝 연구가 돌파구 역할을 했다. 딥러닝은 머신러닝의 한 연구분야라고 할 수 있다. 인간의 두뇌 활동을 모방한 학습 방법이다. 아기가 자신을 둘러싼 세상을 학습하는 것처럼 컴퓨터도 데이터를 통해 스스로 보고, 듣는 법을 익히게 되었다.

  저자는 20세기에 로직이 문제를 해결하는 효율적인 방법을 이용하여 각각의 문제를 해결하는 방법을 벗어나 오늘날과 미래는 컴퓨터 역량이 커지고 빅데이터가 풍부해져 학습 알고리즘을 사용해 각각의 문제에 노동 집약적인 솔루션이 나올 것을 전망하고 있다(p.25). 대표적인 것이 운전의 딥러닝(자율 자동차), 번역의 딥러닝, 진단분야의 딥러닝, 투자의 딥러닝, 법조계의 딥러닝,  포커의 딥러닝, 바둑의 딥러닝, 지능강화의 딥러닝 등이 있다.

  자율주행 자동차가 본격적으로 보급되면 수백만에 달하는 트럭 및 택시 운전사들의 생계가 파괴될 것으로 저자는 전망하고 있다(p.27). 저자는 증기기관이 출현했을 때에도 유사한 일이 발생한 것처럼, 한편에서는 육체노동자들이 증기기관으로 대체되었지만 다른 한편에서는 증기기관을 만들고 유지하거나 증기기관차를 운행할 수 있는 기술 인력을 위한 새로운 일자리가 창출되었다(P.53)며 딥러닝과 인공지능의 발전은 인간의 인지능력을 필요로 하는 일자리들이 자동화된 인공지능 시스템으로 대체됨에 따라 그러한 시스템을 만들고 유지할 수 있는 사람들을 위한 일자리가 생겨날 것이라고 보고 있다(P.54). 오늘날 인공지능이 열어놓은 새로운 일자리는 전통적인 인지 기술과 더불어 새롭고 다르며 끊임없이 변화하는 기술을 요구한다는 사실에서 이것이 가능하려면 학교가 아닌 가정을 기반으로 하는 새로운 시스템이 필요하다(p.54). 새로운 일자리를 찾아야 할 필요성이 절실해 지면서 인터넷에 새로운 지식과 기술을 습득할 수 있는 무료개방형 온라인강좌(MOOC, Massive Open Online Course). 저자는 MOOC와 코세라(courser)는 차세대 디지털 보조장치들과 결합될 경우 실로 교육에 일대 변혁을 야기할 수 있다고 전망한다. 실제 저자와 Barbar Oakley가 개발한 ‘배우는 법 배우기(Learning How to Learn)’를 방문해 보자. 후속으로 개발한 ‘Mindshfit’도 방문해 보자. 왜 기술이해 차원에서 평생학습이 중요한지를 이해할 수 있을 것이다.

 저자는 인공지능 분야에서 전망이 있는 분야로 표정분석 분야와 뇌과학 분야를 들고 있다. 얼굴표정은 영혼으로 통하는 창이다. 이러한 분야의 발전은 빅데이터에 기인한다(p.402). 빅데이터의 폭발은 과학과 공학 뿐만 아니라 사회 전 영역에 걸쳐 지대한 영향을 미치고 있다. 인터넷상에 있는 수백만건의 이미지와 여타 분류된 데이터들이 없었다면 진정으로 큰 규모의 딥러닝 네트워크의 훈련은 불가능했을 것이다(p.403).

 책 전반에서 AI를 배우려는 사람들에게 컴퓨터공학과 생명과학을 함께 공부할 것을 강조하며 자신이 이종 학문 간 교류해 온 스토리를 소개하고 있다.

 책을 읽으면서 느낀 든 생각은 데이터의 축적을 통해서 데이터가 학습되어져 가면서 새로운 지능이 탄생하는 환경이 도래하는 상황에서 종사분야나 관련 분야에서 AI를 모르는 사람들이 처하게 될 미래이다. 인공지능에 대하여 알지 못하면 지금 세상에 존재하지 않는 공룡처럼 사라질 것 같고 기회가 적어질 수 있다는 것이다. 자동차가 대중화되고 나서 말을 이동수단으로 사용하지 않는 것처럼 말이다. 그러나 희망은 이따 AI와 딥러닝을 모른다고 하더라도 창의적인 생각을 많이 하고 인간관계에서 따듯한 감정 지능을 통해서 교류하면 또 다른 기회 또는 성장 기회를 찾을 수 있을 것이다. 모든 것이 그렇지만 자신이 어떻게 대처하는가가 중요하다. 물론 중앙 정부나 지자체는 평생학습이 가능할 수 있는 인프라 조성에 힘써야 할 것이다.