AI 마인드는 로봇의 부상 저자 마틴 포드가 전세계적으로 유명한 AI 전문가들과 AI에 대한 다양한 주제로 대담한 내용을 정리한 책이다. 딥마인드 창업자 하사비스 등 거물급 AI 개발자들이 저자와 AI의 현재와 미래에 대해 얘기를 나눴다.

구글과 바이두 인공지능 전략을 주도했고 온라인 교육 프로젝트인 코세라를 공동 설립한 앵드류 응도 인터뷰이로 참여했는데, 현재 딥러닝 기술의 가능성과 한계에 대해 냉정하게 짚어주는 대목이 눈길을 끈다.

그는 사람들이 인공지능에 대한 과도한 기대를 하고 있다는 입장이다. 되는건 여기까지인데, 저기까지도 될거라고 지레 짐작하는 경우가 많다는 것이다. 특히 일반인공지능의 시대가 임박했다고 보는 시각은 경계해야 한다고 강조한다.

가끔씩 저는 인공지능에 대해 얘기할때 가장 먼저 인공지능은 마법이 아니며 모든 것을 다할 수는 없다고 말합니다. 큰 문제중 하나는 인공지능을 잘못 표현하는 부분에 있습니다. 인공지능 전체 중 작디작은 딥러닝에서 엄청난 진보가 있었지만 일반 인공지능이 상당히 발전하지 않았음에도 여전히 둘다 똑같이 인공지능이라고 부르고 있으니까요. 그러나 사람들이 인공지능에서 일부의 발전을 일반 인공지능의 발전과 동일시 여기고 잘못된 추측을 하게 되는 것이죠. 솔직히 말해서 일반인공지능에서 큰 진전은 없었습니다. 더따른 컴퓨터와 많은 데이터를 보유한 것, 일반적인 수준의 발전 외에는 일반 인공지능에 대한 특별한 진전은 보지 못했네요.

계속해서 사회 전반적으로 딥러닝에 투자하고 있습니다. 희망과 꿈에 기대는 것이 아니라 이미 나은 결과를 바탕으로 대기업들도 딥러닝을 적용시키려고 노력하고 있습니다. 계속 성장할 가능성은 충분한 것이죠. 하지만 인공 지능에 대한 기대치, 특히 일반인공지능에 대한 기대치는 낮춰야 합니다. 딥러닝이 많은 성과를 냈다고 해서 일반 인공지능도 그만큼 상당한 성과를 내고 발전할 거라고 기대하는 사람들이 많은데, 그렇지 않습니다. 헛된 희망과 꿈들이 만든 인공 지능에 대한 기대치를 재설정할 필요가 있어 보이네요.

상용화된 딥러닝 기술도 가야할 길은 멀다.

현재 인공지능도 극복해야할 과제가 산더미에요. 인공지능은 너무 광범위한데, 보통 인공지능이라면 역전파, 지도학습, 신경망 등을 통틀어 말하는 것 같습니다. 지금 말한 것들이 딥러닝에 관해 사람들이 연구하고 있는 부분들이죠.

물론 딥러닝은 현재 제한적으로 적용되고 연구되고 있죠. 그래도 상당히 가치 있고 아직도 역전파를 이용해 신경망을 학습하는 모델이 적용되고 있는 산업군은 많지 않아요. 이제 겨우 딥러닝 기술의 의미를 파악하고 있는 단계입니다. 

딥러닝이 아직 못하는 수많은 것들이 있는데, 그중 하나가 바로 인과관계를 판단하는 것입니다. 딥러닝이 잘하지 못하는 것들을 나열해보자면 다음과 같습니다. 모델이 가지는 의미나 결과들을 잘 설명하는 것, 악의적 공격에 대처하는 법, 큰 데이터 집합 보다는 작은 데이터 집합에서도 잘 학습하는 법, 한 영역에서 개발된 모델이 다른 영역에서도 좋은 성능을 낼 수 있게 하는 방법들  그리고 레이블이 없어도 잘 학습할 수 있어야 한다는 점들이 있죠. 역전파 알고리즘으로 풀지 못하는 문제는 이렇게 많이 있습니다. 인과 관계를 판단할 수 있는 모델을 만드는 것 역시 그중 하나죠. 고부가가치를 지닌 대규모 프로젝트들을 보면 인과관계 모델을 꼭 개발해야할 필요는 없지만 개선되었으면 좋겠다고 생각하는 것들 중 하나에요. 제가 언급했던 문제들은 다 개선되었으면 좋겠다.

그에 따르면 딥러닝은 입력과 출력의 연결고리를 학습하는데 엄청나게 효과적이다. 입출력 매핑을 기반으로 학습하는 것을 지도학습이라고 한다. 하지만 지도학습은 인공지능 기능 중 하나일 뿐이다. 비지도학습이 발전해야 큰폭의 진화가 가능하다는 것이 그의 설명이다.

예를 들어 컴퓨터에게 커피잔이 무엇인지 가르치려면 수천개의 커피잔 이미지를 보여줘야 해요. 아무리 자식을 아끼고 사랑하는 부모라 할지라도 아이들에게 커피잔이 무엇인지 알려주기 위해 수천개의 커피잔을 보여줄 부모는 없어요. 그럴 필요도 없고요. 아이들은 어떤 것을 배울 때 직접 탐색하면서도 이미지와 오디오 정보를 습득합니다. 그런 경험들이 모여 커피잔이 무엇인지 알게 되죠. 

레이블되지 않는(답이 표시되어 있지 않는)데이터를 보더라도 학습할 수 있는 능력이야할 말로 기계가 가져야할 지능이고, 이것이 현실되었을때 일반 인공지능의 길로 한발 가까이 다가갈 수 있을거에요. 일반적인 사람들은 인공지능이 특정 분야에 엄청난 성과를 보이니가 일반 인공지능도 상당히 발전하고 있다고 생각하는데 그건 아닙니다.