(19-1) 비전공자도 이해할 수 있는 AI 지식 (인공지능) - 박상길

컴퓨터 공학생들과 빅데이터 유망주들이 국내 최고의 IT 기업들 취업 전 반드시 읽어야하는

필수 지침서로 통하는 <비전공자도 이해할 수 있는 AI 지식>을 리뷰해보려 한다

 

*모든 글은 본인이 직접 작성한 기록들입니다

 

위 책은 알파고, 자율주행차, 기계번역 등 인공지능을 이용한 대표적인 기술들이

어떻게 작동하는지를 가장 많은 사람이 이해할 수 있는 수준으로 설명한 책이다. 

 

<비전공자도 이해할 수 있는 AI 지식>은 총 9가지의 주제를 다룬다. 

 

1. 인공지능 (위대한 인공지능, 깨어나다)

2. 알파고 (인간을 능가하는 기계의 등장)

3. 자율주행 (테슬라가 꿈꾸는 기계)

4. 검색엔진 (구글이 세상을 검색하는 법)

5. 스마트 스피커 (시리는 쓸모있는 비서가 될 수 있을까)

6. 기계번역 (외국어를 몰라도 파파고만 있다면)

7. 챗봇 (카카오 챗봇에게 고민 털어놓기)

8. 내비게이션 (티맵은 어떻게 가장 빠른 길을 알까)

9. 추천 알고리즘 (알 수 없는 유튜브 알고리즘이 여기로 이끌다)

 

어느 주제 하나 관심과 시선을 끌지 않는 것이 없다. 

 

이 책을 통해 얻을 수 있는 가장 큰 것을 바로 인공지능의 큰 그림이다. 

어디서 시작되어 어떤 과정을 거쳐 어디를 향해 나아가고 있는지의 그림을 볼 수 있게 된다.

 

1956년 다트머스 대학교에서 '지능을 가진 기계'를 주제로 학술회의가

열리고 이고에 모인 학자들은 처음으로 인공지능이라는 용어를 고안하고 사용하게 된다. 

 

이후 인간의 두뇌구조를 본뜬 인공 신경망 (Artificial Neural Network)모델도 등장한다. 

인공 신경망의 초기 모델은 퍼셉트론 Perceptron이다. 

 

조금 더 거슬러 올라가면 컴퓨터가 등장하기도 전에 컴퓨터 프로그래밍의 기본 개념을 정립한

세계 최초의 프로그래머로 알려진 에이다 러브레이스 Ada Lovelace의 이야기가 나온다.

그녀는 인공지능의 등장에 대해서도 조심스럽게 의견을 내지만 이내 인공지능의 가능성을 일축하며

"기계는 인간이 시키는 일만 한다. 어떤 해석 관계나 진실을 예측할 능력은 없다"라며 정리했다.

이는 전통적인 방식의 컴퓨터 프로그래밍 개념으로 이어졌다. 

 

프로그래밍이란 규칙과 데이터를 입력해 정답을 출력하는 과정을 말한다.

즉 러비레이스의 주장이 알고리증이란 규칙에 반영되어 있었다. 초기에는 인공지능 또한 이 범주를 벗어나지 못했다.

인공지능처럼 작동하기 위해서는 if-then 규칙이라 부르는 수많은 규칙을 사람이 일일이 입력해야했다.

그러나 인공지능이 암흑기에 빠져든 데는 if-then 규칙의 한계와도 무관하지 않았다.

즉 규칙에서 벗어나는 경우에는 제대로 된 추론 하지 못했다. 

 

1980년대에 들어 머신러닝 Machine Learning이라 부르는 알고리즘을 활용하기 시작하면서

인공지능 분야는 다시 성과를 내기 시작했다. 머신러닝이란 말 그대로 기계가 스스로 학습을 하는 방식이다.

이후 스스로 규칙을 찾아내는 머신러닝의 시대가 열리면서 인공 신경망 연구도 점차 화기를 띠기 시작했다.

무엇보다 2010년대 들어 이미지 인식 분야에서부터 인공 신경망을 사용하면서 본격적인 부활의 날갯질을 펼친다. 

 

2010년 스탠퍼드대학교 교수가 주최한 100만장의 이미지를 1000개의 카테고리로 분류하는

이미지넷 대규모 시각 인식 챌린지 ILSVRC에서 매년 72%에서 1~2%씩 올라가던 정확도가  

2012년 토론토대학교의 제프리 힌튼 교수팀이 무려 84.7%의 정확도를 보이며 2등과 무려 10% 이상의 격차를 보이며

우승을 차지하게 되면서 비결이 유명해졌다.

 

힌튼 교수팀이 사용한 방식은 딥러닝 Deep Learning이었다.

그렇게 이후의 모든 참가팀이 딥러닝을 이용하면서 본격적으로 딥러닝의 시대가 열리게 된다.

딥러닝은 기존의 머신러닝에 비해 훨씬 더 크고 풍부한 역량을 지닌 모델로 훨씬 더 많은 데이터를 학습할 수 있고,

훨씬 더 풍부한 규칙을 찾아낼 수 있다. 하지만 이 점은 장점이자 단점도 된다.

바로 어떠한 이유로 어떤 과정을 거쳐 결과가 나오는지 제대로 파악하기가 어렵다. 

 

시스템, 즉 GPU가 인공지능을 완성했다.

인텔의 공동 창업자 고든 무어는 1965년 Moore's Law를 내놓는다.

반도체 집적회로의 성능은 2년마다 2배씩 증가한다는 것이다.

르쿤이 신경망을 처음 실험한 1989년의 시스템과 2021년 시스템  사이에는 32년의 시간차가 있고

무어의 법칙을 대입해보면 그동안 65,536배 성능이 증가했다는 것이다.

이처럼 시스템의 발전은 딥러닝이 급속도로 발전하는데 큰 역할을 했다.

 

미국의 GPU제조 업자 NVIDIA는 1999년 지포스 그래픽 카드를 출시하면서 세계 최초의 GPU라고 홍보한다.

이때부터 엔비디아는 사실상 그래픽 카드 시장을 독주하면서 지금에 이르게 됐다.

인공신경망은 수많은 노드 간의 단순 계산이 반복되는 구조였고

이는 단순한 계산을 한꺼번에 많이 처리하는 GPU의 특징과 잘 맞아떨어졌다. 

 

인공지능의 발전에 숨은 영웅으로 Open Source가 있다.

오픈소스는 프로그램의 소스코드를 공개하는 것을 의미한다. 즉, 공개를 통해 영향력을 더욱 공고히 하기 위해서

소스코드를 공개하는 것이다. 대표적인 오픈소스로 리눅스가 있다.

투명하게 공개된 리눅스를 쓰면서 사람들은 리눅스의 기술력에 더욱 신뢰하게 되고

신뢰를 바탕으로 리눅스는 업계에 엄청난 영향력을 끼친다.

 

지금은 전 세계 거의 모든 인터넷 사이트가 리눅스로 운영되고 있고

친숙한 안드로이드 스마트폰 또한 모두 리눅스로 작동한다.

이처럼 열린 문화는 딥러닝 기술이 발전하는데 엄청난 영향을 끼쳤다.

2015년 가을에는 구글이 TensorFlow를

그리고 뒤이어 페이스북에서는 PyTorch라는 딥러닝 프로그램을 오픈소스로 공개했다. 

 

지금까지 인공지능의 발전과정을 책을 통해 노트한 내용을 정리해보았다.

 

다음 포스팅에서는 이런 인공지능이 각 분야에서 어떤 원리로 어떻게 개발되었고 어디를 향해 나아가는지 

하나하나 다루어보려 한다:) 

 

*댓글과 공감, 광고 클릭은 계속해서 기록들을 이어나가는데 큰 힘이 됩니다:)

감사합니다