인공지능 시대의 주요 기술

인공지능 시대의 주요 기술

배정철 지음

육일문화사 / 2022년 9월 / 165쪽 / 15,000원





인공지능과 4차 산업 혁명, 그리고 우리 삶의 변화



인공지능(AI) 시대의 등장

우리는 이미 인공지능 시대에 살고 있다. 이와 관련하여 네이버 지식백과에서 ‘알파고’라는 항목을 검색하면 다음과 같은 내용이 등장한다. ‘알파고의 등장으로 인공지능이 주목받기 시작했는데, 알파고는 구글의 인공지능 개발 자회사인 구글 딥마인드가 개발한 인공지능 프로그램으로, 정책망과 가치망이라는 두 가지 신경망을 통해 결정을 내리며, 머신 러닝을 통해 스스로 학습하는 기능을 가지고 있다.’

참고로 알파고가 전 세계의 이목을 집중시킨 것은 2016년 3월 9일부터 15일까지 이세돌 9단과 펼친 세기의 바둑 대결이 계기가 되었는데, 경기 전에 이세돌 9단이 우세할 것이라는 의견이 지배적이었지만, 알파고가 4대 1의 대승을 거두었다. 이런 알파고의 승리는 한국은 물론 전 세계에 엄청난 충격을 몰고 왔고, 인공지능이 인간을 지배하는 세상이 올 것이라는 두려움마저 생기게 했다.

한편 이강태는 바둑 대결에서 인공지능 알파고가 승리한 사실을 예로 들면서 생후 2년밖에 안 된 인공지능(AI)이 경우의 수가 많은 바둑에서 인간에게 승리한 사실이 우리들에게 아주 인상 깊은 사건이었지만, 컴퓨터가 특정 영역에서 인간을 앞서는, 인공지능과 로봇이 인간의 생산 능력을 대체하는 디지털 기술을 기반으로 하는 4차 산업 혁명이 우리 생활 속에서 이미 시작되고 있다고 주장했다.

왜 4차 산업 혁명인가?

4차 산업 혁명이란 제조업 기반 공정의 바탕 하에 정보 통신 기술(ICT)이 융합된 것을 의미하며, 2016년 세계 경제 포럼(WEF, 일명 다보스 포럼)에서 클라우스 슈밥 교수가 언급했고, 이후 미래학자와 연구 기관이 일자리 감소 등 악영향을 제시하면서 4차 산업 혁명에 대한 논의는 세상을 뜨겁게 달구었다. 참고로 박경진은 4차 산업 혁명의 시대에는 과학 기술과 디지털화가 모든 것을 바꿀 것이라면서, 인공지능, 로봇 기술, 생명 과학이 주도하는 차세대 산업 혁명이 실재와 가상을 통합해 사물을 자동적, 지능적으로 제어할 수 있는 가상 물리 시스템 구축이 일상화되는 디지털 행성 시대가 도래할 것이라고도 했다.

또 박경진은 결국 4차 산업 혁명은 빅 플레이어(AIㆍIoTㆍ빅 데이터ㆍ클라우드 컴퓨팅ㆍ로봇 등)의 연계, 사람과 사물, 공간, 시스템의 초연결을 구축하고, 문리적 인프라와 가상적 인프라의 초연결과 초지능화로 창조적인 사회 구조(초연결화, 초지능화, 초생명화)가 생성될 것이며, 이전의 산업 혁명이 인간의 육체적 기능을 확장하였다면, 4차 산업 혁명은 인간의 지능을 확장할 것이라고 했다.

한편 국내외 주요 문헌에 의하면, 주요 과학 기술 혁신이 전 세계에 일으킬 중대한 변화를 눈앞에 맞이하고 있는데, 이는 피할 수 없는 현실로 파괴적 변화와 혁신을 극심하게 체감하는 이유는 그 규모와 범위 때문임을 강조하고 혁신의 발전과 전파 속도가 그 어느 때보다 빠를 것이라고 설명한다. 또한 한국고용정보연구원 이랑은 4차 산업 혁명의 혁신의 발전과 전파 속도가 그 어느 때보다 빠른 사실을 사례를 통해서 분석하면서, 4차 산업 혁명과 함께 미래 일자리에서는 문자 그대로 지각 변동이 일어나고 있다고 했다. 또 미래학자 토마스 프레이는 2030년 20억 개의 일자리가 사라질 것이라고 하고, 제임스 캔턴은 2025년 무렵의 직업 가운데 70%는 아직 나타나지 않았다고 하며 2025년이면 무려 70%의 직업이 지금과 다른 양상을 보인다면 걱정이 앞서는 건 너무나 당연한 일이라고 예견했다.

산업 혁명의 역사와 4차 산업 혁명의 정의

산업 혁명은 기술 혁신으로 사회 경제적 큰 변화가 나타나는 것을 뜻하며, 국내외의 문헌에 의하면 각각의 시기의 산업 혁명을 다음과 같이 설명한다. ① 1차 산업 혁명(증기 기관의 발명) - 제1차 산업 혁명은 영국에서 처음 시작된 일명 기계 혁명으로, 18세기 중반 증기 기관의 등장으로 가내 수공업 중심 생산 체제가 공장제 기계 공업의 생산 체제로 변화되어 급격한 산업 생산력 증대를 가져온 시기다.

② 2차 산업 혁명(내연 기관, 전기 동력의 공급, 컨베이어 벨트 시스템에 의한 자동화) - 제2차 산업 혁명은 전기의 등장으로 19세기 말에서 20세기 초에 일어난 에너지 혁명이다. 화학, 전기, 석유, 철강 분야에서 기술 혁신이 이루어졌고, 전기의 사용으로 소비재를 공장에서 대량 생산하게 되었다. 상당수의 도시 노동자가 공장 노동자로 바뀌었고, 전기 공급으로 라디오, 텔레비전 등이 등장한 시기이다.

③ 3차 산업 혁명(인터넷, 통신 기술과 디지털화) - IT 산업의 발전을 계기로 나타난 제3차 산업 혁명은 정보화 혁명 또는 디지털 혁명이라고 하는데, 컴퓨터 프로그램에 의해 자동화된 무인 자동차 조립 공장의 모습은 3차 산업 혁명을 대표하는 기술이라고 할 수 있다. 디지털 혁명인 3차 산업 혁명은 컴퓨터와 정보 통신 기술(ICT)의 발전으로 정보화 자동화 체제가 구축되었으며, 역사적으로는 아주 짧은 기간이었지만 산업, 경제, 사회 구조의 전반을 뒤바꾸어 놓을 만큼 거대한 변화를 가져온 시기이다.

④ 4차 산업 혁명(인터넷, 통신 기술, 디지털화) - 4차 산업 혁명은 3차 산업 혁명의 정보 통신 기술(ICT)을 기반으로 인공지능(AI), 사물 인터넷(IoT), 클라우드 컴퓨팅, 빅 데이터 등이 기존 산업과 연계되고, 나노 기술, 바이오 기술, 3D 프린팅, 로봇 공학 등의 새로운 기술의 개발로, 인간 간, 사물 간, 인간과 사물 간의 초연결과 초융합이 이루어지는 세상을 말한다.

한편 이은민은 <4차 산업 혁명과 산업 구조의 변화 보고서>에서 4차 산업 혁명을 ‘융합과 복합된 기술’ 혁신, ‘제조 공정 디지털화의 제품 서비스화 기술’ 혁신, ‘AI 기반 플랫폼 기술’ 혁신의 3가지 측면으로 구분하고, 4차 산업 혁명이 시작된 이유를 다음과 같이 7가지로 제시하며 설명한다.

첫째 이유로 4차 산업 혁명을 가능하게 하는 각종 IT 기술이 봇물처럼 터져 나왔기 때문이라 말한다. 사물 인터넷(IoT), 클라우드, 빅 데이터, 모바일, 3D 프린터, 인공지능, 가상 현실(VR), 증강 현실(AR), 블록체인, 핀테크, 나노, 바이오 등 4차 산업 혁명이 궁극적으로 지향하는 초현실 사회 관련 기술이 하루가 멀다 하고 등장했는데, 3차 산업 혁명 때는 하나의 큰 기술이 순차적으로 나왔다고 설명한다.

둘째 이유로는 4차 산업 혁명이 결코 ICT만으로 혁명을 일으키고 있는 것이 아니라 오히려 사회 전반에 걸친 다양하고 근본적인 변화를 가져오고 있다는 점을 든다. 지금까지의 사회적 소통 방식이 수직적ㆍ권위적ㆍ분파적 계열화였다면, 이제는 수평적ㆍ민주적ㆍ융합적 통합화를 지향하고 있는데, 4차 산업 혁명의 핵심이 융합과 연결이라는 것도 이러한 수평적 연계 때문이라는 것이다.

셋째 이유로는 4차 산업 혁명이 우리의 삶과 일하는 방식을 바꾸고 있으며 단순 반복적인 작업은 로봇과 AI로 대체되고 있다는 것이다. 이 때문에 지금의 직장, 직업 개념이 새롭게 정의되고 있고, 이것은 결국 우리의 교육 제도가 바뀌어야 함을 의미한다고 말한다. 그리고 정규 교육을 받고 사회에 나오는 대학생들이 새로운 직장과 직업을 얻지 못한다면 교육의 의미가 퇴색될 것이라고 하면서, 지금 직장을 다니는 사람들도 4차 산업 혁명에 빠르게 동참하지 않으면 곧 퇴출될 것이라고 말한다.

넷째 이유로는 4차 산업 혁명이 실물과 사이버 간 경계를 허물고 있고, 이제는 실물 세계와 가상 세계 간 경계가 허물어지면서 서로 합일되고 있다는 점에서 찾는다. 그에 의하면 VR, AR, AI를 통해 현실과 가상 세계가 서로 통합돼 가는 가상 물리 체계(CPS)가 도입되고 있는데, 이는 우리 인간의 실물 인식 범위가 무제한 확장됐음을 뜻한다고 말한다.

다섯째 이유로는 4차 산업 혁명이 나노, 바이오, 생명 공학, 뇌 과학을 통해 생명의 근원 및 생각의 흐름과 같은 통상적인 인간의 연구 영역을 확장시켰으며 벌써 영생에 대해 공개적으로 말하는 미래학자도 있고, 인간을 냉동시켰다 회생시키는 프로젝트가 진행되고 있고, 유전자 가위, 인조 피부ㆍ장기 교체, 인조 우유, 인조 햄버거 패티와 같은 실질적인 생명 공학 기술의 성과들이 속속 발표되고 있다고 한다.

여섯째 이유로는 4차 산업 혁명이 산업 구조를 바꾸고 있고, 재벌ㆍ정부ㆍ대기업 및 자원 투입형 경제 구조에서 스타트업ㆍ민간ㆍ강소기업 및 자원 획득형 경제 구조로 바뀌고 있으며, 더 이상 대마불사(大馬不死)가 아니라 대마필사(大馬必死)의 시대가 되고 있다는 점과 기업의 수명이 점점 짧아지고 있기 때문에 빠르게 움직이고 작지만 강한 기업이 아니면 새로운 환경에 적응할 수 없다는 점을 든다.

일곱째 이유로는 4차 산업 혁명의 엔진이 데이터를 원료로 한다는 점인데, 각 센서가 연결되고, IoT에서 폭발적으로 양산되는 데이터를 클라우드에 저장하고, 빅 데이터로 분석하고, 알고리즘으로 AI에 입력되는 순환이 이뤄지고 있어서, 데이터들은 머지않은 장래에 스토리(Story)로 엮이게 될 것이고, 전설이나 신화 같은 스토리들이 모여서 다시 드림(Dream)으로 발전하게 될 것이라고 한다.

4차 산업 혁명이 우리의 삶과 교육에 미치는 영향

칼 프레이 옥스퍼드대 교수는 2016년 다보스 포럼에서 ‘직업의 미래’ 보고서를 통해, 로봇, 인공지능 등이 노동의 자동화를 이끌면서 ‘화이트 컬러’의 일자리를 위협할 것이며, 2015년부터 2025년까지 로봇ㆍ인공지능ㆍ유전 공학 등의 기술 변화로 710만 개의 일자리가 사라지고, 200만 개의 일자리가 생기는 등 결과적으로 510만 개의 일자리가 사라지게 될 것이라 예측하고 있다.



기술 혁신, 인공지능(Artificial Intelligence, AI)의 이해



인공지능, 머신 러닝과 딥 러닝

다트머스 회의와 인공지능: 인공지능이라는 용어는 1956년 ‘다트머스 회의’로 알려져 있는 모임에서 처음으로 제기되었다. 1956년 다트머스대학교의 수학자이자 컴퓨터 과학자인 존 매커시는 ‘인공지능 하계 연구 프로젝트’를 기획했는데, 그는 인공지능학에 대해 ‘지능적 기계를 만드는 과학자 기술’로 정의했다. 덧붙이면, 인간의 지능을 기계로 구현한 과학 기술, 즉 인간의 감각, 사고력을 지닌 채 인간처럼 생각하는 인공지능을 ‘일반 AI(General AI)’라고 하지만, 현재의 기술 발전 수준에서 만들 수 있는 인공지능은 ‘좁은 AI(Narrow AI)’의 개념에 포함되는데, 좁은 AI는 소셜 미디어의 이미지 분류 서비스나 얼굴 인식 기능 등과 같이 특정 작업을 인간 이상의 능력으로 해낼 수 있는 것이 특징이다.

기계 학습(Machine Learning): 조휘형에 따르면, 기계 학습(머신 러닝)의 학습은 사람이 학습하듯이 컴퓨터에 데이터(자료)를 입력하면 학습을 통해 데이터의 결과를 예측할 수 있도록 학습시키는 알고리즘을 의미한다. 머신 러닝은 기본적으로 알고리즘을 이용해 데이터를 분석하고, 분석을 통해 학습하며, 학습한 내용을 기반으로 판단이나 예측을 한다. 따라서 궁극적으로는 의사 결정 기준에 대한 구체적인 지침을 소프트웨어에 직접 코딩해 넣는 것이 아닌, 대량의 데이터와 알고리즘을 통해 컴퓨터 그 자체를 ‘학습’시켜 작업 수행 방법을 익히는 것을 목표로 한다.

머신 러닝의 학습의 근간은 분류 과정인데, 올바르게 분류할 수 있다는 것은 사물을 이해하고, 판단하며 적절한 행동을 할 수 있다는 의미다. 기계 학습은 컴퓨터가 데이터를 처리하면 ‘분류 방법’을 스스로 습득하고, 이렇게 습득한 방법을 사용하여 새롭게 입력한 데이터를 스스로 분류할 수 있다. 또 특정 사물을 구분하는 방법을 훈련용 데이터로부터 습득하면 다음부터는 특정 사물의 이미지를 본 순간에 분별할 수 있다. 한편 머신 러닝은 학습에 사용한 자료의 양이 많을수록 더 정확한 결과를 얻을 수 있다.

현재 머신 러닝은 컴퓨터 비전 등의 분야에서 큰 성과를 이루어 내고 있으나, 구체적인 지침이 아니더라도 인공 지능을 구현하는 과정 전반에 일정량의 코딩 작업이 수반된다는 한계점에 봉착하기도 했다. 참고로 머신 러닝 시스템을 기반으로 정지 표지판의 이미지를 인식할 경우, 개발자는 물체의 시작과 끝부분을 프로그램으로 식별하는 경계 감지 필터, 물체의 면을 확인하는 형상 감지, ‘S-T-O-P’와 같은 문자를 인식하는 분류기 등을 직접 코딩으로 제작해야 한다.

이처럼 머신 러닝은 ‘코딩’된 분류기로부터 이미지를 인식하고, 알고리즘을 통해 정지 표지판을 ‘학습’하는 방식으로 동작한다. 한편 머신 러닝의 이미지 인식률은 상용화하기에 충분한 성능을 구현하지만, 안개가 끼거나 나무에 가려서 표지판이 잘 보이지 않는 상황에서는 인식률이 떨어지기도 한다. 최근까지 컴퓨터 비전과 이미지 인식이 인간의 수준으로 올라오지 못한 이유는 이런 인식률 문제와 잦은 오류 때문으로 볼 수 있다.

딥 러닝(Deep Learning): 딥 러닝은 머신 러닝에서 발전된 형태로 사람이 학습한 데이터를 입력하지 않아도, 기계 스스로 입력받은 대규모 데이터에서 중요한 패턴 및 규칙을 학습하고 이를 토대로 의사 결정이나 예측 등을 수행하는 기술이다. 조휘형은 또 딥 러닝에 대하여 다음과 같이 설명하고 있다. ‘딥 러닝은 뉴런 네트워크(Neural Network, 신경망) 기술 중 하나인데, 뉴런 네트워크란 뇌신경을 모방한 단위 뉴런을 연결하여 만든 네트워크 형태의 그래프로 설명할 수 있다. 딥(Deep)은 신경망의 층(Layer)이 많고 각 층마다 고려되는 변수가 많다는 의미다.

딥 러닝은 신경망을 모방하여 만든 인공 신경망을 통해 입력받은 데이터를 기계가 다층 구조로 학습하는 원리로 발전한 인공지능으로, 뇌의 뉴런과 유사한 정보 입출력 계층을 활용해 데이터를 학습하는데, 정보가 들어오는 층인 입력층, 학습을 진행하는 층인 은닉층, 마지막으로 정보를 출력하는 층인 출력층으로 구성된다. 스스로 특징을 찾아서 학습하기 위하여 머신 러닝에 비해 많은 데이터가 필요하고 학습을 위한 중간 과정(Layer)이 많아질수록 깊이 있는 학습이 가능하다고 한다. 즉 머신 러닝에 비하여 양질의 많은 데이터를 필요로 하며 데이터의 의존도가 높다.

기계 학습(Machine Learning)의 학습 유형

머신 러닝의 학습 유형: 머신 러닝의 학습 유형은 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 이루어져 있는데, 보다 자세히 살펴보면 다음과 같다.

① 지도 학습은 훈련 데이터로부터 하나의 함수를 유추해 내기 위한 기계 학습의 한 방법으로 학습의 모델을 생성하는 알고리즘이다. 학습에 사용되는 훈련 데이터별로 결괏값(Labeling)을 부여하여 학습 과정에 따라 분류 모델(Model)을 생성하는 알고리즘인데, 훈련 데이터는 일반적으로 입력 객체에 대한 속성을 벡터 형태로 포함하고 있으며 각각의 벡터에 대해 원하는 결과가 무엇인지 표시되어 있다. 이렇게 유추된 함수 중 연속적인 값을 출력하는 것을 회귀 분석이라 하고, 주어진 입력 벡터가 어떤 종류의 값인지 표식하는 것을 분류라 한다.

한편 훈련 데이터로부터 주어진 데이터에 대해 예측하고자 하는 값을 올바로 추측해 내고 알맞은 방법을 통하여 기존의 훈련 데이터로부터 나타나지 않던 상황까지도 일반화하여 처리하는데, 지도 학습의 종류로는 서포트 벡터 머신(support vector machine), 은닉 마르코프 모델(Hidden Markov model), Logistic Regression, Linear Regression, Decision Tree, Random Forest, kNN 등이 있다.