인공지능 (AI) 기술의 이해

안녕하세요. 세상의 모든 호기심, 세모입니다.

오늘은 쉬어가는 의미에서.. 지금껏 포스팅해온 AI에 대한 간단한 이해 콘텐츠를 준비했습니다.

인공지능 기술의 이해를 돕기 위한 콘텐츠이니 가볍게 읽어봐주세요. :)

---

1. 인공지능이 대체 뭐야?

  
인공지능은 학습, 문제 해결, 패턴 인식 등 인간이 가진 지적 능력을 컴퓨터로 구현하는 기술입니다. 인공지능은 크게 강한 인공지능(Strong AI)과 약한 인공지능(weak AI, narrow AI) 두 가지로 나눌 수 있는데요. 

강한 인공지능	약한 인공지능
- 다양한 분야에서 보편적으로 활용 - 알고리즘을 설계하면서 AI가 쓰로 데이터를 찾아 학습 - 정해진 규칙을 벗어 능동적으로 학습해 창조 기능	- 특정 분야에서만 활용 가능 - 알고리즘은 물론 기초 데이터, 규칙을 입력해야 함 - 이를 바탕으로 학습 가능. 규칙을 벗어난 창조는 불가

 

강한 인공지능은 어벤져스의 울트론이나 트랜스포머처럼 영화 속에서 흔히 볼 수 있는 로봇들입니다. 스스로 말을 할 줄 알고 사고하며 위험이 닥칠 때는 자기 자신을 보호하기 위해 행동합니다. 또한 상황에 따라 프로그램을 바꾸어 진화하기도 하며, 때에 따라 인간을 뛰어넘은 것처럼 보이기도 합니다. 이에 대해 활발한 연구가 이루어지고 있기는 하나, 기술적 이론적으로 강한 인공지능의 도래는 아직 먼일로 여겨지고 있습니다. 

반면 약한 인공지능은 인간이 미리 심어놓은 프로그램에 기반을 둔 명령만을 수행하고 특정 목적을 위해 개발됩니다. 이세돌과 대국을 치른 구글의 알파고가 바둑을 위해 개발되었듯 한정된 임무에 대해 데이터 수집과 학습을 하며 정해진 목표나 목적으로 자신을 강화하고 발전하는 인공지능이라고 할 수 있습니다.약한 인공지능의 대표적인 사례는 메일, 필터링, 이미지 분류, 기계 번역 등이 있습니다. 

2. 머신러닝과 딥러닝

인공지능과 관련하여 자주 언급되는 단어가 머신러닝(Machine Learning)과 딥러닝(Deep Learning)입니다. 이 세 개의 관련성을 표현하면 다음과 같습니다. 인공지능이 인간의 지능을 컴퓨터로 구현하는 기술이라고 한다면, 머신러닝은 데이터를 활용해 인공지능을 구현하는 구체적인 접근 방식입니다. 그리고 딥러닝은 합성곱 신경망(CNN, Convolution Neural Network), 심층 신경망(DNN, Deep Neural Network), 순환신경망(RNN, Recurrent Neural Network) 등과 같은 인공신경망을 스스로 이용해 스스로 분석한 후 답을 내는 방식입니다.

 

머신러닝은 약한 인공지능을 구현하는 데 쓰이는 기술인데요. 머신러닝이란 컴퓨터에 데이터를 주고 패턴을 찾아내게 하는 방법으로, 미국에서 컴퓨터 게임과 인공지능 분야를 개척했던 아서 세미얼이 1959년에 컴퓨터에 명시적인 프로그램 없이 배울 수 있는 능력을 부여하는 연구 분야라고 정의하면서 최초로 사용되었습니다. 최초로 등장했을 때는 데이터의 부족 및 활용 분야에 대한 정보 부족 등의 문제로 활발히 사용되지 못했고, 2000년대 중반 들어서야 부각이 된 기술입니다. 

머신러닝은 학습, 데이터의 유무에 따라 크게 지도 학습과 비지도 학습으로 나눌 수 있습니다. 코알라 사진을 수천 장 학습시키고 무작위 사진 수만 장을 제시해 코알라 사진만 분류하게 하는 것이 지도 학습에 속합니다. 그에 비해 비지도 학습에서는 학습 데이터를 사용하지 않은 상태에서 무작위로 사진 수만 장을 제시해 특징이 비슷한 사진, 예를 들어 사람과 코알라끼리 군집화하게 합니다. 

딥러닝은 인간이 두뇌를 모방한 심층 신경망을 이용하여 최적의 결론을 도출합니다. 인간이 데이터를 분류해서 전달해 주는 작업이 생략되고, 스스로 다양한 데이터를 분류하여 같은 집합들끼리 묶은 뒤 층을 겹겹이 쌓아 신경망을 구축하며, 층을 지날수록 필터링을 통해 유용한 정보만 걸러냅니다.

즉, 컴퓨터에서 스스로 다양한 코알라 사진을 찾아보고 코알라에 대해 학습한 뒤 새로운 코알라를 봤을 때 코알라라고 인식하게 되는 것입니다. 딥러닝은 많은 양의 데이터에 대한 계산 처리를 위해 연산 능력이 높은 그래픽 처리 장치(GPU, Graphics Processing Unit) 등의 하드웨어가 필요합니다. 따라서 하드웨어의 성능이 뛰어나고 데이터양이 많은 경우에는 딥러닝을, 그렇지 않은 경우에는 머신러닝을 도입하는 것이 좋습니다.

3. 인공지능의 편향성에 대한 도전  

인공지능의 차별과 편견을 심어놓는 주체는 인간입니다. 2019년 말 애플이 골드만 삭스와 협력해 내놓은 신용카드인 애플 카드 발급을 둘러싸고 남녀 차별 문제가 제기되었습니다. 소득 자산들이 여건이 똑같아도 인공지능이 남성에게 훨씬 큰 카드 사용 한도를 부여한 경우가 있었기 때문입니다. 심지어 애플 공동 창업자인 스티브 워즈니악도 방송에서 “아내와 나는 재산과 금융 계좌를 모두 공동으로 소유한다. 그런데 내 카드 한도가 아내의 10배다”라고 불평했습니다. 미국의 유명한 수학자이자 데이터 과학자인 캐시 오닐은 2017년 테드에서 "빅데이터에 대한 맹목적 믿음의 시대는 끝나야 한다"라는 제목으로 강연했습니다. 알고리즘에는 인간의 편견이 투영되어 있기 때문에 오늘날 일상의 모든 분야에서 작동하고 있는 알고리즘들을 자신과는 무관한 전문가들의 영역이라고 내버려둬서는 안 된다고 주장합니다. 또한 저서 《대량 살상 수학 무기》에서는 알고리즘을 대량 살상 수학 무기(WMD, Weapons of Math Destruction)에 비유했습니다.

인공지능이 도입된 신용대출 심사나 면접시험에서 떨어지면 알고리즘은 그 이유를 알려주지 않습니다. 알고리즘과 빅데이터가 '자동화된 불평등'을 확산하고 민주주의를 위협할 수 있다는 주장이 설득력 있게 들립니다. 이렇듯 인공지능이 의사결정의 기반으로 삼는 데이터에는 인간의 사고방식이 담겨 있습니다. 결국 인공지능의 문제는 인간의 문제로 귀결됩니다.

4. 설명 가능한 인공지능(XAI)

현존하는 인공지능은 의사결정 이유를 설명할 수 없기 때문에 주가 예측, 군사 작전 수행, 질병 진단과 같이 결론에 이르기까지의 내부 과정이 투명하게 드러날 필요가 있는 전문 분야에는 적용이 제한됩니다. 블랙박스와 같은 인공지능의 알고리즘 안에는 안에서 어떤 근거로 그러한 결론이 도출되는지 알아야 시스템을 신뢰할 수 있습니다. 이러한 신뢰성 문제를 해결하는 데 필요한 것이 사용자가 시스템 내부의 의사결정 과정을 이해할 수 있도록 하는 '설명 가능한 인공지능(eXplainable AI, XAI)'입니다. 즉, XAI는 인공지능의 행위와 판단을 사람이 이해하는 형태로 설명할 수 있는 인공지능을 의미합니다. 현재 미국 방위고등연구계획국(DARPA)은 약 800억 원의 예산을 들여 기존 인공지능이 갖고 있는 알고리즘의 조작 가능성, 의사결정의 편향성과 같은 한계와 과제를 극복하기 위해 연구를 진행 중입니다.

설명 가능한 인공지능은 딥러닝이 어떤 사물을 강아지로 인식했을 때 또 다른 인공지능 툴로 무엇을 언제 강아지라고 했고 언제 아니라고 했는지 모니터링하면서 분석하는 것입니다. 기존 딥러닝 과정에 설명 가능한 툴을 붙여 사진에서 강아지로 판단하는 데 어떤 특징을 활용했는지 밝히는 것입니다. 이를 응용하면 암세포나 질병 진단 전장에서 적군을 판단할 때도 적용할 수 있습니다. 국내에서도 정부의 '인공지능 국가전략 프로젝트'의 일환으로 울산 과학기술원의 '설명 가능 인공지능 연구센터'를 오픈했습니다. 

5. 3세대 인공지능 

인공지능이 그릇된 판단을 내렸을 때 그 이유를 아는 것은 알고리즘을 정정하고 개선하는 방법일 수도 있지만 기본권을 침해당한 개인의 권리이기도 합니다. 유럽 연합에서는 GDPR(일반정보보호규정) 제22조에 인공지능 알고리즘에 의해 자동으로 결정된 사안에 대해 회사의 설명을 강제하는 '자동화된 의사결정 제한'이라고 명시했습니다.

또한 미국의 평등 신용기획법(Equal Credit Opportunity Act/Fair Housing Act)에서는 신용 결정 및 주택 담보, 대출 등 중요한 금융 결정에 대해서 이유를 제시하도록 강제하고 있습니다. 이 법을 근거로 빅데이터나 인공지능을 활용할 때 지켜야 할 규정이 생성됩니다.

---

 

인공지능 기술은 빠르게 발전하고 있으며, 그 적용 범위가 더욱 넓어지고 있습니다. 그러나 이 기술이 인간 사회에 미치는 영향과 그로 인한 윤리적, 법적 문제들은 여전히 해결해야 할 중요한 과제입니다. 특히 인공지능의 편향성, 설명 가능성 문제 등은 우리가 더욱 신중하게 다뤄야 할 부분입니다. 앞으로의 인공지능 발전이 인간에게 긍정적인 영향을 미치기 위해서는 기술적 진보와 함께 이를 올바르게 활용할 수 있는 사회적 논의와 규제가 필요할 것입니다. 이 과정에서 모두가 함께 고민하고 협력할 때, 더욱 공정하고 투명한 인공지능 사회가 실현될 수 있을 것입니다.

 

다음 컨텐츠로 만나요. 안녕!